Differenzengleichungen. und Polynome

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Differenzengleichungen. und Polynome"

Transkript

1 Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich 1 Einleitung Mit linearen Differenzengleichungen können viele Probleme der Wirtschaft, der Technik und der Naturwissenschaften modelliert werden. Eines der bekanntesten Beispiele für eine lineare Differenzengleichung ist die folgende Aufgabe (Fibonacci-Differenzengleichung): Finde alle Folgen von reellen Zahlen (f 0,f 1,f,f 3,...) mit den Eigenschaften f 0 = 0, f 1 = 1 und für alle natürlichen Zahlen j ist f j+ = f j+1 + f j. Ziele dieses Beitrags sind: eine gut lesbare Einführung in die Theorie der linearen Differenzengleichungen (in einer Variablen, mit konstanten Koeffizienten) zu geben, auf einen Zusammenhang zwischen Polynomen und linearen Differenzengleichungen, der einen einfachen Zugang zu deren Lösung ermöglicht, hinzuweisen und ein Lösungsverfahren mit Hilfe der Division mit Rest von Polynomen darzustellen. Differenzengleichungen haben Eingang in die Lehrpläne der Höheren Schulen gefunden, zum Beispiel in den Lehrplan des 3. Jahrganges der Höheren Lehranstalt für Elektrotechnik und in den Lehrplan der 8. Klasse der AHS ( Beschreiben von Systemen mit Hilfe von... Differenzengleichungen ). Das Thema Differenzengleichungen eignet sich auch sehr gut, um im Schulunterricht Anwendungen des Rechnens mit Polynomen aufzuzeigen. 1

2 Der Einfachheit halber betrachten wir nur reelle Folgen und Differenzengleichungen mit reellen Koeffizienten. Das Wort reell könnte aber immer durch rational oder komplex ersetzt werden. Mit R bezeichnen wir die Menge der reellen Zahlen. Mit n wird immer eine natürliche Zahl bezeichnet. Folgen und ihre Darstellung Eine Folge in R ist eine Funktion von N nach R. Folgen können auf verschiedene Weise dargestellt werden: In der Funktionsschreibweise zum Beispiel oder f : N R, j f(j), f : N R, j 5 8 j j j j + 1, als Familie mit Indexmenge N (f 0,f 1,f,f 3,...) = (f j ) j N = (f(j)) j N, zum Beispiel (1,, 1, 1,,...) = ( 5 8 j j j j + 1) j N, oder durch ein Stabdiagramm, zum Beispiel

3 Gibt man von einer Folge nur die ersten sieben, acht (oder auch fünf Milliarden) Folgenglieder an, zum Beispiel (, 4, 0, 1, 3, 3, 5,...), so ist es der Phantasie der Leser/innen überlassen, die Punkte... zu deuten. Es gibt dann beliebig viele Möglichkeiten für die weiteren Folgenglieder. Wie kann man eine Folge eindeutig durch endlich viele Daten definieren? Zwei Möglichkeiten dafür sind: Man gibt ein Verfahren an, mit dem für jede Zahl j N das j-te Folgenglied f(j) berechnet werden kann (explizite Form der Folge). Zum Beispiel: Für alle j N sei f(j) := j 3j +. Oder: Für alle j N sei f(j) der Rest von j nach Division durch 5. Man gibt Bedingungen an, die nur von der Folge, die man beschreiben möchte, erfüllt werden (implizite Form der Folge). Zum Beispiel: f sei die Folge mit f(0) = 0, f(1) = 1, und für alle j N: f(j + ) = f(j + 1) + f(j). Solche Bedingungen mit besonders einfacher Form treten zum Beispiel bei linearen Differenzengleichungen auf. 3 Lineare Differenzengleichungen: Definition und Existenz von Lösungen Definition: Eine lineare Differenzengleichung (der Ordnung n) mit n Anfangswerten ist die folgende Aufgabe: Gegeben sind reelle Zahlen c 0,c 1,...,c n mit c n 0 (Koeffizienten der Differenzengleichung), reelle Zahlen a 0,a 1,...,a n 1 (Anfangswerte) und eine Folge h in R. Gesucht ist eine explizite Form einer Folge f in R mit den Eigenschaften für 0 i n 1 ist f(i) = a i und für alle j N ist c 0 f(j) + c 1 f(j + 1) c n f(j + n) = h(j). 3

4 Eine solche Folge f heißt Lösung der Differenzengleichung. Wenn h = 0 ist, heißt die Differenzengleichung homogen, sonst inhomogen. Bemerkung: Wir können eine lineare Differenzengleichung als System linearer Gleichungen mit unendlich vielen Unbekannten und unendlich vielen Gleichungen mit guten Eigenschaften auffassen: und f(i) = a i für 0 i n 1 c 0 f(0) + c 1 f(1) + c f() + c 3 f(3) +... = h(0) c 0 f(1) + c 1 f() + c f(3) +... = h(1) c 0 f() + c 1 f(3) +... = h() c 0 f(3) +... = h(3)... =... Dabei sind f(0),f(1),f(),... die Unbekannten. Man erhält jede Gleichung aus der vorangegangenen, indem man die Koeffizienten c 0,...,c n um eine Stelle nach rechts verschiebt. Existenz und Eindeutigkeit einer Lösung: Gibt es immer eine Lösung einer linearen Differenzengleichung (der Ordnung n mit n Anfangsbedingungen) und - wenn ja - ist sie eindeutig bestimmt? Diese Frage ist leicht zu beantworten: Sind reelle Zahlen a 0,...,a n 1, c 0, c 1,...,c n mit c n 0, und eine Folge h gegeben, dann gibt es genau eine Folge f so, dass ist. f(i) = a i, 0 i n 1, und c 0 f(j) + c 1 f(j + 1) c n f(j + n) = h(j), j N, Wir können diese Folge f induktiv berechnen, dabei sehen wir zugleich, dass f durch die angegebenen Bedingungen eindeutig bestimmt ist: f(0) = a 0,..., f(n 1) = a n 1, f(n) = c 1 n (h(0) c 0 f(0) c 1 f(1)... c n 1 f(n 1)) f(n + 1) = c 1 n (h(1) c 0 f(1) c 1 f()... c n 1 f(n)) 4

5 f(n + ) = c 1 n (h() c 0 f() c 1 f(3)... c n 1 f(n + 1)) f(n + 3) = Beispiel: Sei f(0) = 0,f(1) = 1 und für alle j N sei f(j + ) f(j + 1) f(j) = 0. Dann ist f(0) = 0, f(1) = 1 f() = f(1) + f(0) = 1 f(3) = f() + f(1) = f(4) = f(3) + f() = 3 f(5) = f(4) + f(3) = 5 f(6) = f(5) + f(4) = 8 f(7) = f(6) + f(5) = Diese Folge heißt Folge der Fibonacci-Zahlen. Definition: Sei f eine Folge in R. Für l N sei s l f die Folge in R mit der Eigenschaft: für alle j N ist (s l f)(j) := f(j + l). Die Folge erhält man also aus der Folge s l f = (f l,f l+1,f l+,...) f = (f 0,f 1,f,...), indem man alle Folgenglieder um l Stellen nach links verschiebt. Der Buchstabe s steht für shift. 5

6 Beispiel: f = (1,, 1, 1,,...) s f = (, 1, 1,,...) s f = ( 1, 1,,...)

7 4 Beschreibung von Differenzengleichungen mit Hilfe von Polynomen Kann man mit Folgen rechnen? Sei F die Menge aller Folgen in R. Für und b R definiert man f = (f 0,f 1,f,...) F, g = (g 0,g 1,g,...) F f + g := (f 0 + g 0,f 1 + g 1,f + g,...) und b f := (bf 0,bf 1,bf,...). Für + und in F gelten die Rechenregeln eines Vektorraums, also: Folgen sind Vektoren. Definition: Seien c 0,c 1,...,c n R. Die Funktion mit p : R R, z p(z), p(z) := c 0 + c 1 z + c z + + c n z n = n c i z i heißt eine Polynomfunktion von R nach R. Die Zahlen c 0,...,c n sind die Koeffizienten von p. Wenn c n 0 ist, dann ist grad(p) := n der Grad von p und lk(p) := c n der Leitkoeffizient von p. Wir schreiben für p im weiteren c 0 + c 1 s + c s c n s n oder n c i s i und sprechen dann von einem Polynom in der Variablen s mit Koeffizienten in R. Für die Menge dieser Polynome schreiben wir R[s]. Für die Addition n c i s i + n d i s i := n (c i + d i )s i 7

8 und die Multiplikation von Polynomen n n ( c i s i ) ( d i s i ) := n ( j=0 i c j d i j )s i gelten die gleichen Rechenregeln wie für die Addition und Multiplikation von ganzen Zahlen. Definition: Für p := n c is i und f F sei Also: für alle j N ist p f := n c i (s i f) F. (p f)(j) = n c i f(j + i). In Worten formuliert: Man erhält die Folge p f, indem man für 0 i n die Folge c i f um i Stellen nach links verschiebt und schließlich diese n + 1 Folgen summiert. Wir können nun auf eine neue Weise formulieren, was eine lineare Differenzengleichung ist: Eine lineare Differenzengleichung (der Ordnung n) mit n Anfangswerten ist die folgende Aufgabe: Gegeben sind ein Polynom 0 p R[s] mit grad(p) = n, reelle Zahlen a 0,a 1,...,a n 1 (Anfangswerte ) und eine Folge h in R. Gesucht ist eine explizite Form einer Folge f in R mit den Eigenschaften für 0 i n 1 ist f(i) = a i und p f = h. Sprechweise: Die durch p := n c is i und h gegebene lineare Differenzengleichung mit Anfangswerten a i, 0 i n 1 bedeutet: die durch c 0,c 1,...,c n und h gegebene lineare Differenzengleichung mit Anfangswerten a i, 0 i n 1. 8

9 Beispiel: Die durch s s 1 und 0 gegebene lineare Differenzengleichung mit Anfangswerten 0, 1 ist die homogene Differenzengleichung mit Anfangswerten 0, 1, die durch 1, 1, gegeben ist. Ein grundlegender Satz über Polynome ist der Satz über die Division mit Rest (und der entsprechende Algorithmus). Für eine ausführlichere Darstellung seiner Bedeutung cf. [P1] und [P]. Satz: Zu je zwei Polynomen q und p mit p 0 gibt es eindeutig bestimmte Polynome m und r mit den Eigenschaften q = m p + r und [r = 0 oder grad(r) < grad(p)]. Das Polynom m heißt dann polynomialer Quotient von q und p und das Polynom r heißt Rest von q nach Division durch p. Algorithmus für die Division mit Rest (Berechnung von m und r): Setze m := 0 und r := q. Solange r 0 und grad(r) grad(p) ist, ersetze r durch r t p und m durch m + t, wobei ist. Beispiel: Seien t := lk(r) lk(p) 1 s grad(r) grad(p) q := s 4 + s 3 s + s 1 und p := s. Wir berechnen mit dem oben angegebenen Verfahren Polynome m und r mit q = m p + r und (r = 0 oder grad(r) < grad(p) = ). Dabei beginnen wir mit r := q und schreiben die Zwischenrechnungen platzsparend untereinander. s 4 +s 3 s +s 1 = (s + s) (s ) +r } {{ } p s 4 +s +s 3 +s 1 s 3 +4s Also ist m = s + s und r = 5s 1. +5s 1 =: r 9

10 5 Lösen von Differenzengleichungen mit Hilfe der Division mit Rest von Polynomen Satz: Sei f die Lösung der durch ein Polynom p = n c is i R[s] mit c n 0, eine Folge h in R und Anfangswerte a 0,...,a n 1 R gegebenen Differenzengleichung. Für j n kann f(j) wie folgt berechnet werden: Dividiere s j mit Rest durch p: s j = m j p + r j und [ r j = 0 oder grad(r j ) < n ]. Sei r ji der Koeffizient von r j bei s i, 0 i n, also Dann ist n 1 r j = r ji s i. n 1 f(j) = (m j h)(0) + r ji a i. Wenn die Differenzengleichung homogen (also h = 0) ist, ist n 1 f(j) = r ji a i, man muss in diesem Fall also nur den Rest (und nicht auch den polynomialen Quotienten) von s j nach Division durch p berechnen. Beweis: f(j) = (s j f)(0) = ((m j p + r j ) f)(0) = = (m j (p f))(0) + (r j f)(0) = n 1 = (m j h)(0) + r ji a i. Dabei haben wir verwendet, dass (m j p) f = m j (p f) ist, was aber leicht nachzuprüfen ist. 10

11 Beispiel 5.1: Die Fibonacci-Folge f ist die Lösung der durch p := s s 1 und f(0) = 0, f(1) = 1 gegebenen homogenen linearen Differenzengleichung. Wir berechnen das Folgenglied f(100): Der Rest von s 100 nach Division durch p ist (Berechnung in Maple 11 mit dem Befehl rem(s 100,s s 1,s)) s Wegen f(0) = 0 und f(1) = 1 ist f(100) = Beispiel 5.: Homogene lineare Differenzengleichungen 1. Ordnung Seien a und c reelle Zahlen. Berechne eine explizite Form der Folge f mit (s c) f = 0 und f(0) = a! Anders formuliert: Für alle j N sei f(j + 1) c f(j) = 0 und f(0) = a. Division mit Rest von s j durch s c ergibt s j = m j (s c) + r j und r j R. Einsetzen von c für s ergibt also ist für alle j N c j = 0 + r j, f(j) = c j a. Beispiel 5.3: Inhomogene lineare Differenzengleichungen 1. Ordnung Seien a und c reelle Zahlen und h eine Folge in R. Berechne eine explizite Form der Folge f mit (s c) f = h und f(0) = a! Anders formuliert: Für alle j N sei Wie im Beispiel 5. erhalten wir f(j + 1) c f(j) = h(j) und f(0) = a. s j = m j (s c) + c j. 11

12 Daher ist somit ist für alle j N m j = sj c j j 1 s c = c l s j 1 l, l=0 j 1 f(j) = c l h(j 1 l) + c j a. l=0 Beispiel 5.4: Homogene lineare Differenzengleichungen. Ordnung Seien a 0, a 1 R, p := s + c 1 s + c 0 R[s] und x 1,x die Nullstellen von p. Berechne eine explizite Form der Folge f mit p f = 0, f(0) = a 0 und f(1) = a 1! Sei j N. Division mit Rest von s j durch p = (s x 1 )(s x ) ergibt s j = m j (s x 1 )(s x ) + r j und [r j = 0 oder grad(r j ) 1 ]. Sei r j = r j1 s + r j0 mit r j0,r j1 R. Setzen wir x 1 bzw. x für s ein, so erhalten wir x j 1 = 0 + r j1 x 1 + r j0 bzw. x j = 0 + r j1 x + r j0. Falls x 1 x ist, folgt daraus und r j1 = xj 1 x j x 1 x r j0 = x 1x j x j 1x x 1 x. Das j - te Folgenglied f(j) der Lösung f dieser Differenzengleichung ist also f(j) = xj 1 x j x 1 x a 1 + x 1x j x j 1x x 1 x a 0 = a 1 a 0 x x 1 x x j 1 + a 0x 1 a 1 x 1 x x j. 1

13 Falls x 1 = x ist, gilt wie oben x j 1 = 0 + r j1 x 1 + r j0. Eine zweite Bedingung für die Koeffizienten von r j erhalten wir, indem wir s j = m j (s x 1 ) + r nach s ableiten und dann für s die Zahl x 1 einsetzen: In diesem Fall ist also jx j 1 1 = 0 + r j1. f(j) = jx j 1 1 a 1 + (1 j)x j 1a 0 = (1 j)a 0 x j 1 + ja 1 x j 1 1. Beispiel 5.5: Die Formel von Binet Die Fibonacci-Folge f (cf. Beispiel 5.1) ist die Lösung einer homogenen linearen Differenzengleichung. Ordnung. Nach Beispiel 5.4 können wir daher ihre Folgenglieder mit Hilfe der Nullstellen von s s 1 darstellen. Diese sind 1+ 5 und 1 5. Mit Beispiel 5.4 erhalten wir die Formel von Binet: ( f(j) = 1 5 Nach Beispiel 5.1 ist dann 1 + ) j ( 5 ( = ) j ) 100 ( 5 1 ) Bemerkung: Analog der Beschreibung von (gewöhnlichen) linearen Differenzengleichungen mit Hilfe von Polynomen in einer Variablen können partielle lineare Differenzengleichungen (und Systeme davon) mit Hilfe von Polynomen in mehreren Variablen beschrieben werden. Auch für diesen Fall gibt es konstruktive Lösungsverfahren, cf. [B], [OP1], [OP]. Dank: Manfred Borovcnik hat die erste Version dieses Beitrags sehr sorgfältig gelesen und viele Verbesserungen angeregt. 13

14 Literatur [B] Blaas, V. (003): Systeme linearer Differenzengleichungen mit konstanten Koeffizienten. Diplomarbeit aus Mathematik. Universität Innsbruck. 73 Seiten. [OP1] Oberst, U., Pauer, F. (001): The Constructive Solution of Linear Systems of Partial Difference and Differential Equations with Constant Coefficients. Multidimensional Systems and Signal Processing, 1, [OP] Oberst, U., Pauer, F. (007): Solving Systems of Linear Partial Difference and Differential Equations with Constant Coefficients Using Gröbner Bases. Radon Series Comp. Appl. Math.,, [P1] Pauer, F. (005): Division mit Rest - der heimliche Hauptsatz der Algebra. Didaktikheft der Österreichischen Mathematischen Gesellschaft, 37, [P] Pauer, F. (007): Algebra. Skriptum. 3. Auflage. Universität Innsbruck., Seiten. 14

Division mit Rest - der heimliche Hauptsatz der Algebra

Division mit Rest - der heimliche Hauptsatz der Algebra Division mit Rest - der heimliche Hauptsatz der Algebra Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 3. Juni 2004 Einleitung

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-6020 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung In der linearen

Mehr

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch

Mehr

Gleichungen - Aufgabenstellung und Lösungsstrategien

Gleichungen - Aufgabenstellung und Lösungsstrategien Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung

Mehr

Zahlen und elementares Rechnen

Zahlen und elementares Rechnen und elementares Rechnen Christian Serpé Universität Münster 7. September 2011 Christian Serpé (Universität Münster) und elementares Rechnen 7. September 2011 1 / 51 Gliederung 1 2 Elementares Rechnen 3

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

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Mathematik anschaulich dargestellt

Mathematik anschaulich dargestellt Peter Dörsam Mathematik anschaulich dargestellt für Studierende der Wirtschaftswissenschaften 15. überarbeitete Auflage mit zahlreichen Abbildungen PD-Verlag Heidenau Inhaltsverzeichnis 1 Lineare Algebra

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

Mit Funktionen rechnen ein wichtiges Thema der Sekundarstufe 2

Mit Funktionen rechnen ein wichtiges Thema der Sekundarstufe 2 Mit Funktionen rechnen ein wichtiges Thema der Sekundarstufe 2 FRANZ PAUER, FLORIAN STAMPFER (UNIVERSITÄT INNSBRUCK) 1. Einleitung Im Mathematikunterricht der Sekundarstufe 1 lernt man ganze und rationale

Mehr

13. Funktionen in einer Variablen

13. Funktionen in einer Variablen 13. Funktionen in einer Variablen Definition. Seien X, Y Mengen. Eine Funktion f : X Y ist eine Vorschrift, wo jedem Element der Menge X eindeutig ein Element von Y zugeordnet wird. Wir betrachten hier

Mehr

1 Potenzen und Polynome

1 Potenzen und Polynome 1 Potenzen und Polynome Für eine reelle Zahl x R und eine natürliche Zahl n N definieren wir x n := x x x... x }{{} n-mal Einschub über die bisher aufgetretenen mathematischen Symbole: Definition mittels

Mehr

Lineare Algebra II 5. Übungsblatt

Lineare Algebra II 5. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,

Mehr

Mathematik für Wirtschaftswissenschaftler

Mathematik für Wirtschaftswissenschaftler Knut Sydsaeter Peter HammondJ Mathematik für Wirtschaftswissenschaftler Basiswissen mit Praxisbezug 2., aktualisierte Auflage Inhaltsverzeichnis Vorwort 13 Vorwort zur zweiten Auflage 19 Kapitel 1 Einführung,

Mehr

11. Folgen und Reihen.

11. Folgen und Reihen. - Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

Inhaltsverzeichnis. 1 Lineare Algebra 12

Inhaltsverzeichnis. 1 Lineare Algebra 12 Inhaltsverzeichnis 1 Lineare Algebra 12 1.1 Vektorrechnung 12 1.1.1 Grundlagen 12 1.1.2 Lineare Abhängigkeit 18 1.1.3 Vektorräume 22 1.1.4 Dimension und Basis 24 1.2 Matrizen 26 1.2.1 Definition einer

Mehr

Vorkurs Mathematik 1

Vorkurs Mathematik 1 Vorkurs Mathematik 1 Einführung in die mathematische Notation Konstanten i komplexe Einheit i 2 + 1 = 0 e Eulersche Zahl Kreiszahl 2 Einführung in die mathematische Notation Bezeichner Primzahlen, Zähler

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

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

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2015/16 Stefan Etschberger Hochschule Augsburg Grundlagentest Polynome! Testfrage: Polynome 1 Die Summe

Mehr

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche Punkte mit inhomogenen K Kapitel IV Projektive Geometrie In diesem Kapitel wird eine kurze Einführung in die projektive Geometrie gegeben. Es sollen unendlich ferne Punkte mit Hilfe von homogene Koordinaten eingeführt werden und

Mehr

2. Spezielle anwendungsrelevante Funktionen

2. Spezielle anwendungsrelevante Funktionen 2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für

Mehr

Zahlen und elementares Rechnen (Teil 1)

Zahlen und elementares Rechnen (Teil 1) und elementares Rechnen (Teil 1) Dr. Christian Serpé Universität Münster 6. September 2010 Dr. Christian Serpé (Universität Münster) und elementares Rechnen (Teil 1) 6. September 2010 1 / 40 Gliederung

Mehr

Was sind Vektoren? Wozu braucht man sie?

Was sind Vektoren? Wozu braucht man sie? Was sind Vektoren? Wozu braucht man sie? Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 30. März 2005 1 Einleitung Dieser

Mehr

Kombinatorik von Zahlenfolgen

Kombinatorik von Zahlenfolgen 6. April 2006 Vorlesung in der Orientierungswoche 1 Kombinatorik von Zahlenfolgen Einige Beispiele Jeder kennt die Fragen aus Intelligenztests, in denen man Zahlenfolgen fortsetzen soll. Zum Beispiel könnten

Mehr

Inhaltsverzeichnis. Vorwort Kapitel 1 Einführung, I: Algebra Kapitel 2 Einführung, II: Gleichungen... 57

Inhaltsverzeichnis. Vorwort Kapitel 1 Einführung, I: Algebra Kapitel 2 Einführung, II: Gleichungen... 57 Vorwort... 13 Vorwort zur 3. deutschen Auflage... 17 Kapitel 1 Einführung, I: Algebra... 19 1.1 Die reellen Zahlen... 20 1.2 Ganzzahlige Potenzen... 23 1.3 Regeln der Algebra... 29 1.4 Brüche... 34 1.5

Mehr

1 Zahlentheorie. 1.1 Kongruenzen

1 Zahlentheorie. 1.1 Kongruenzen 3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:

Mehr

Die projektive Ebene Was sind unendlich ferne Punkte?

Die projektive Ebene Was sind unendlich ferne Punkte? Die projektive Ebene Was sind unendlich ferne Punkte? Prof. Dr. Hans-Georg Rück Fachbereich Mathematik/Informatik Universität Kassel Heinrich-Plett-Str. 40 34132 Kassel Zusammenfassung: Wir konstruieren

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Vorkurs Mathematik 2016

Vorkurs Mathematik 2016 Vorkurs Mathematik 2016 Natürliche Zahlen Der grundlegende Zahlenbereich ist die Menge der natürlichen Zahlen N = {1, 2, 3,...}. In vielen Fällen ist es sinnvoll die Zahl 0 mit einzubeziehen: N 0 = N [

Mehr

Definition. Fibonacci-Zahlen als Beispiel Für f = (f n ) n 0 = (0, 1, 1, 2, 3, 5, 8, 13, 21, 34,...) gilt Rekursion. Matrix-Formulierung. c 2.

Definition. Fibonacci-Zahlen als Beispiel Für f = (f n ) n 0 = (0, 1, 1, 2, 3, 5, 8, 13, 21, 34,...) gilt Rekursion. Matrix-Formulierung. c 2. Fibonacci-Zahlen als Beispiel Für f = (f n ) = (0,,, 2, 3, 5, 8, 3, 2, 34,...) gilt Rekursion erzeugende Funktion f n2 = f n f n (n 0), f 0 = 0, f = f(z) = f n z n = z z z 2 Partialbruchzerlegung mit φ

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

4.1. Grundlegende Definitionen. Elemente der Analysis I Kapitel 4: Funktionen einer Variablen. 4.2 Graphen von Funktionen

4.1. Grundlegende Definitionen. Elemente der Analysis I Kapitel 4: Funktionen einer Variablen. 4.2 Graphen von Funktionen 4.1. Grundlegende Definitionen Elemente der Analysis I Kapitel 4: Funktionen einer Variablen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 22./29. November 2010 http://www.mathematik.uni-trier.de/

Mehr

4.3 Anwendungen auf Differentialgleichungen

4.3 Anwendungen auf Differentialgleichungen 7 4.3 Anwendungen auf Differentialgleichungen Die Laplace-Transformation wird gerne benutzt, um lineare Differentialgleichungen mit konstanten Koeffizienten y n + a n y n +... + a y + a 0 y ft zu lösen,

Mehr

Kettenregel, Substitution und Methode der Trennung der Variablen

Kettenregel, Substitution und Methode der Trennung der Variablen Kettenregel, Substitution und Methode der Trennung der Variablen Franz Pauer Institut für Fachdidaktik und Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2015 11. April

Mehr

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D. Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion

Mehr

Rekursive Folgen im Pascalschen Dreieck

Rekursive Folgen im Pascalschen Dreieck Reursive Folgen im Pascalschen Dreiec Holger Stephan, Tag der Mathemati,. Juni Zusammenfassung Viele Probleme aus den unterschiedlichsten Teilgebieten der Mathemati (z.b. Analysis, Kombinatori, Zahlen-,

Mehr

Addition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):

Addition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ): Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe

Mehr

1 ALLGEMEINE HINWEISE Das Fach Mathematik für Wirtschaftswissenschaftler Bisheriger Aufbau der Klausur...

1 ALLGEMEINE HINWEISE Das Fach Mathematik für Wirtschaftswissenschaftler Bisheriger Aufbau der Klausur... Grundlagen Mathe V Inhaltsverzeichnis 1 ALLGEMEINE HINWEISE... 1-1 1.1 Das Fach Mathematik für Wirtschaftswissenschaftler... 1-1 1.2 Bisheriger Aufbau der Klausur... 1-1 1.3 Zugelassene Hilfsmittel und

Mehr

Explizite Formeln für rekursiv definierte Folgen

Explizite Formeln für rekursiv definierte Folgen Schweizer Mathematik-Olympiade Explizite Formeln für rekursiv definierte Folgen Aktualisiert: 6 Juni 014 In diesem Skript wird erklärt, wie man explizite Formeln für rekursiv definierte Folgen findet Als

Mehr

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2010 9. April 2010 Eine Maximumsaufgabe Eine Firma stellt aus

Mehr

Lineare Abhängigkeit

Lineare Abhängigkeit Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x

Mehr

Berliner Studienreihe zur Mathematik. herausgegeben von. R. Gorenno und H. Lenz Fachbereich Mathematik Freie Universität Berlin

Berliner Studienreihe zur Mathematik. herausgegeben von. R. Gorenno und H. Lenz Fachbereich Mathematik Freie Universität Berlin Berliner Studienreihe zur Mathematik herausgegeben von R. Gorenno und H. Lenz Fachbereich Mathematik Freie Universität Berlin Heldermann Verlag Berlin V Inhaltsverzeichnis 1 Allgemeine Grundlagen 1.1 Übersicht

Mehr

6. Rechnen mit Matrizen.

6. Rechnen mit Matrizen. 6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem

Mehr

2 Reihen Einleitung Wichtige Sätze Arithmetische Reihen Geometrische Reihen Harmonische Reihe...

2 Reihen Einleitung Wichtige Sätze Arithmetische Reihen Geometrische Reihen Harmonische Reihe... Folgen und Reihen Vorbereitungskurs Raach 013 Birgit Vera Schmidt 10. Mai 013 1 Folgen 1.1 Einleitung und Definition...................................... 1. Wichtige Folgen............................................

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

Mengenlehre. ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN. Ronald Balestra CH Zürich Name: Vorname:

Mengenlehre. ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN. Ronald Balestra CH Zürich  Name: Vorname: Mengenlehre ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 21. August 2016 Inhaltsverzeichnis 1 Mengenlehre 1 1.1 Die Menge im mathematischen

Mehr

1.2 Eigenschaften der ganzen Zahlen

1.2 Eigenschaften der ganzen Zahlen Lineare Algebra I WS 2015/16 c Rudolf Scharlau 13 1.2 Eigenschaften der ganzen Zahlen Dieser Abschnitt handelt von den gewöhlichen ganzen Zahlen Z und ihren Verknüpfungen plus und mal. Man kann die natürlichen

Mehr

6 Reelle und komplexe Zahlenfolgen

6 Reelle und komplexe Zahlenfolgen $Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen

Mehr

Erzeugende Funktionen

Erzeugende Funktionen Hallo! Erzeugende Funktionen sind ein Mittel um lineare Rekursionen schneller ausrechnen zu können. Es soll die Funktion nicht mehr als Rekursion angeschrieben werden, sondern so, dass man nur n einsetzen

Mehr

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

Höhere 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 ; : :

Mehr

Dierentialgleichungen 2. Ordnung

Dierentialgleichungen 2. Ordnung Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:

Mehr

2. Übungsblatt zur Mathematik III für MB/MPE, LaB/WFM, VI, WI/MB

2. Übungsblatt zur Mathematik III für MB/MPE, LaB/WFM, VI, WI/MB Fachbereich Mathematik Prof. Dr. J. Lang Dipl.-Math. C. Schönberger Dipl.-Math. L. Kamenski WS 007/08 6.Oktober 007. Übungsblatt zur Mathematik III für MB/MPE, LaB/WFM, VI, WI/MB Gruppenübung Aufgabe G4

Mehr

Fibonacci-Zahlen. Geschichte. Definition. Quotienten

Fibonacci-Zahlen. Geschichte. Definition. Quotienten Mathematik/Informatik Die Fibonacci-Zahlen Gierhardt Fibonacci-Zahlen Geschichte Im Jahre 0 wurde in Pisa ein Buch über das indischarabische Dezimalsystem von dem italienischen Mathematiker Leonardo Fibonacci

Mehr

Vektorgeometrie - Teil 1

Vektorgeometrie - Teil 1 Vektorgeometrie - Teil 1 MNprofil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 14. März 2016 Inhaltsverzeichnis 1 Einführung & die analytische Darstellung der

Mehr

Analysis I. 4. Beispielklausur mit Lösungen

Analysis I. 4. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

Kapitel 2: Mathematische Grundlagen

Kapitel 2: Mathematische Grundlagen [ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

Mehr

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html

Mehr

Mathematik II. D K, z P(z) Q(z), wobei D das Komplement der Nullstellen von Q ist, eine rationale Funktion.

Mathematik II. D K, z P(z) Q(z), wobei D das Komplement der Nullstellen von Q ist, eine rationale Funktion. rof. Dr. H. Brenner Osnabrück SS 200 Mathematik II Vorlesung 34 Wir erinnern an den Begriff einer rationalen Funktion. Definition 34.. Zu zwei olynomen,q K[X], Q 0, heißt die Funktion D K, z (z) Q(z),

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

2 Teilbarkeit in Z. (a) Aus a b folgt a b und a b und a b und a b. (b) Aus a b und b c folgt a c.

2 Teilbarkeit in Z. (a) Aus a b folgt a b und a b und a b und a b. (b) Aus a b und b c folgt a c. 2 Teilbarkeit in Z Bis auf weiteres stehen kleine Buchstaben für ganze Zahlen. Teilbarkeit. Sei a 0. Eine Zahl b heißt durch a teilbar, wenn es ein q gibt mit b = qa. Wir sagen dann auch: a teilt b (ist

Mehr

Die Steigung m ist ein Quotient zweier Differenzen und heißt daher Differenzenquotient.

Die Steigung m ist ein Quotient zweier Differenzen und heißt daher Differenzenquotient. Seite Definition lineare Funktion Eine Funktion f mit dem Funktionsterm f(x) = m x + b, also der Funktionsgleichung y = m x + b, heißt lineare Funktion. Ihr Graph G f ist eine Gerade mit der Steigung m

Mehr

Diplom Mathematiker Wolfgang Kinzner. 17. Oktober Technische Universität München. Die abc-formel. W. Kinzner. Problemstellung.

Diplom Mathematiker Wolfgang Kinzner. 17. Oktober Technische Universität München. Die abc-formel. W. Kinzner. Problemstellung. Diplom Mathematiker Wolfgang Kinzner Technische Universität München 17. Oktober 2013 1 / 9 Inhaltsverzeichnis 1 2 / 9 Inhaltsverzeichnis 1 2 2 / 9 Inhaltsverzeichnis 1 2 3 2 / 9 Inhaltsverzeichnis 1 2

Mehr

6.1 Natürliche Zahlen 6.2 Induktion und Rekursion 6.3 Ganze, rationale, reelle und komplexe Zahlen 6.4 Darstellung von Zahlen

6.1 Natürliche Zahlen 6.2 Induktion und Rekursion 6.3 Ganze, rationale, reelle und komplexe Zahlen 6.4 Darstellung von Zahlen 6. Zahlen 6.1 Natürliche Zahlen 6.2 Induktion und Rekursion 6.3 Ganze, rationale, reelle und komplexe Zahlen 6.4 Darstellung von Zahlen 6. Zahlen GM 6-1 6.1 Natürliche Zahlen Vom lieben Gott gemacht Menschenwerk:

Mehr

Gleichungen und Ungleichungen

Gleichungen und Ungleichungen Gleichung Eine Gleichung erhalten wir durch Gleichsetzen zweier Terme. Kapitel 3 Gleichungen und Ungleichungen linke Seite = rechte Seite Grundmenge: Menge aller Zahlen, die wir als Lösung der Gleichung

Mehr

Komplexe Zahlen (Seite 1)

Komplexe Zahlen (Seite 1) (Seite 1) (i) Motivation: + 5 = 3 hat in N keine Lösung Erweiterung zu Z = 2 3 = 2 hat in Z keine Lösung Erweiterung zu Q = 2 / 3 ² = 2 hat in Q keine Lösung Erweiterung zu R = ± 2 ² + 1 = 0 hat in R keine

Mehr

Zur Fachausbildung im Lehramtsstudium Mathematik

Zur Fachausbildung im Lehramtsstudium Mathematik Franz PAUER, Innsbruck Zur Fachausbildung im Lehramtsstudium Mathematik In den ersten Monaten des Jahres 2005 war das Lehramtsstudium in Österreich wieder Gegenstand politischer Diskussion. Die Frage,

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

Folgen und Reihen. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt

Folgen und Reihen. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen Dr. Thomas Zehrt Folgen und Reihen Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen, Band, 7. Auflage,

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare Gleichungssysteme Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung

Mehr

In der Schule lernen wir den Satz des Pythagoras: Die Flächensumme der beiden blauen Quadrate ist gleich der Fläche des schwarzen Quadrates:

In der Schule lernen wir den Satz des Pythagoras: Die Flächensumme der beiden blauen Quadrate ist gleich der Fläche des schwarzen Quadrates: Hans Walser, [06045] Pythagoras-Schmetterling Das Phänomen Wir beginnen mit einem beliebigen rechtwinkligen Dreieck und zeichnen die übliche Pythagoras-Figur. Dann fügen wir zwei weitere Quadrate an (rot

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

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

Partialbruchzerlegung für Biologen

Partialbruchzerlegung für Biologen Partialbruchzerlegung für Biologen Rationale Funktionen sind Quotienten zweier Polynome, und sie tauchen auch in der Biologie auf. Die Partialbruchzerlegung bedeutet, einen einfacheren Ausdruck für eine

Mehr

Lineare Gleichungssysteme - Grundlagen

Lineare Gleichungssysteme - Grundlagen Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente

Mehr

28 4. DIE MATHEMATIK HINTER DER COMPACT DISC. Abbildung 4.1: Selbstkorrigierende Codes

28 4. DIE MATHEMATIK HINTER DER COMPACT DISC. Abbildung 4.1: Selbstkorrigierende Codes 8 4. DIE MATHEMATIK HINTER DER COMPACT DISC y1 1 4 3 y3 y Abbildung 4.1: Selbstkorrigierende Codes 4. Die Mathematik hinter der Compact Disc 4.1. Selbstkorrigierende Codes Wenn wir eine Reihe von 0 und

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

Mehr

WURZEL Werkstatt Mathematik Polynome Grundlagen

WURZEL Werkstatt Mathematik Polynome Grundlagen Die WURZEL Werkstatt Mathematik Polynome Grundlagen Wer lange genug über hunderten von Problemen gebrütet hat, kann bei vielen bereits erraten, aus welchem Land sie kommen. So lieben die Briten etwa die

Mehr

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )

DEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH ) Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon

Mehr

Formelanhang Mathematik II

Formelanhang Mathematik II Formelanhang Mathematik II Mechatronik 2. Sem. Prof. Dr. K. Blankenbach Wichtige Formeln: - Euler: e j = cos() + j sin() ; e -j = cos() - j sin() - Sinus mit Phase: Übersicht Differentialgleichungen (DGL)

Mehr

Analysis. mit dem Computer-Algebra-System des TI-92. Anhang 2: Gedanken zum Lehrplan. Beat Eicke und Edmund Holzherr 11.

Analysis. mit dem Computer-Algebra-System des TI-92. Anhang 2: Gedanken zum Lehrplan. Beat Eicke und Edmund Holzherr 11. ETH EIDGENÖSSISCHE TECHNISCHE HOCHSCHULE ZÜRICH Analysis mit dem Computer-Algebra-System des TI-92 Anhang 2: Gedanken zum Lehrplan Beat Eicke und Edmund Holzherr 11. November 1997 Eidgenössische Technische

Mehr

2. Der Grad von Körpererweiterungen

2. Der Grad von Körpererweiterungen 2. Der Grad von Körpererweiterungen 15 2. Der Grad von Körpererweiterungen Wenn wir untersuchen wollen, ob eine gegebene Konstruktion in der Ebene mit Zirkel und Lineal durchführbar ist, haben wir im vorigen

Mehr

11. BASIS, UNTERRAUM, und DIMENSION

11. BASIS, UNTERRAUM, und DIMENSION 11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen

Mehr

Thema 10 Gewöhnliche Differentialgleichungen

Thema 10 Gewöhnliche Differentialgleichungen Thema 10 Gewöhnliche Differentialgleichungen Viele Naturgesetze stellen eine Beziehung zwischen einer physikalischen Größe und ihren Ableitungen (etwa als Funktion der Zeit dar: 1. ẍ = g (freier Fall;

Mehr

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,

Mehr

Numerische Verfahren und Grundlagen der Analysis

Numerische Verfahren und Grundlagen der Analysis Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)

Mehr

Kapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen

Kapitel 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

Mehr

Algebra und Geometrie in der Schule Wintersemester 2014/15. Kap. 1: Rechnen mit ganzen und rationalen Zahlen

Algebra und Geometrie in der Schule Wintersemester 2014/15. Kap. 1: Rechnen mit ganzen und rationalen Zahlen Algebra und Geometrie in der Schule Wintersemester 2014/15 Kap. 1: Rechnen mit ganzen und rationalen Zahlen Ganze und Rationale Zahlen im Lehrplan der AHS 1. - 4. Klasse: Arbeiten mit Zahlen und Maßen

Mehr

Kapitel III. Lineare Abbildungen

Kapitel III. Lineare Abbildungen Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,

Mehr

Kapitel 2. Ganze Zahlen. 2.1 Teilbarkeit

Kapitel 2. Ganze Zahlen. 2.1 Teilbarkeit Kapitel 2 Ganze Zahlen In diesem Kapitel setzen wir voraus, dass die Menge Z der ganzen Zahlen, ihre Ordnung und die Eigenschaften der Addition und Multiplikation ganzer Zahlen dem Leser vertraut sind.

Mehr

Zahlen und metrische Räume

Zahlen und metrische Räume Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,

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

Rationale, irrationale und reelle Zahlen. 4-E Vorkurs, Mathematik

Rationale, irrationale und reelle Zahlen. 4-E Vorkurs, Mathematik Rationale, irrationale und reelle Zahlen 4-E Vorkurs, Mathematik Rationale Zahlen Der Grund für die Einführung der rationalen Zahlen ist der, dass wir mit ihnen auch Gleichungen der Form q x = p lösen

Mehr

Schlussrechnung, Modellbildung und Interpolation

Schlussrechnung, Modellbildung und Interpolation Schlussrechnung, Modellbildung und Interpolation Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 1 Einleitung Schlussrechnungen

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

Mehr