B =(b1,1. + b 1,2. + b 1,3 1,3. + b 2,4 + b 3,1. + b 2,2. + b 2,3. + b 3,2. + b 3,3
|
|
- Gotthilf Walter
- vor 6 Jahren
- Abrufe
Transkript
1 Matrizen Matrizen sind zunächst einmal einfach eine rechteckige Anordnung von Zahlen, Elementen oder mathematischen Operationen, die lineare Zusammenhänge zwischen verschiedenen Größen übersichtlich darstellen. Insbesondere zur Darstellung und Lösung von linearen Gleichungssystemen werden Matrizen häufig genutzt. Wenn man mit Matrizen rechnen möchte (oder muss), muss man ein paar Rechenregeln beachten: Addition zweier Matrizen: Zwei Matrizen werden addiert, indem die einzelnen Elemente der Matrizen addiert werden. Daraus folgt, dass nur dann zwei Matrizen addiert werden können, wenn ihre Zeilen- und Spaltenanzahl gleich ist: Multiplikation mit einem Faktor k: 1,1 a 1,2 a 1,3 a b1,2 b1,3 b1,4 1,4 A =(a a 2,1 a 2,2 a 2,3 a 2,4 a 3,2 a 3,3 a 3,4) B =(b1,1 b 2,1 b 2,2 b 2,3 b 2,4 b 3,1 b 3,2 b 3,3 b 3,4) A + B =(a 1,1 + b 1,1 a 1,2 + b 1,2 a 1,3 + b 1,3 a 1,4 + b 1,4 a 2,1 + b 2,1 a 2,2 + b 2,2 a 2,3 + b 2,3 a 2,4 + b 2,4 + b 3,1 a 3,2 + b 3,2 a 3,3 + b 3,3 a 3,4 + b 3,4) Eine Matrix wird mit einem Faktor k multipliziert, indem alle Elemente der Matrix mit diesem Faktor multipliziert werden. 1,1 k a 1,2 k a 1,3 k a 1,4 k A =(k a k a 2,1 k a 2,2 k a 2,3 k a 2,4 k k a 3,2 k a 3,3 k a 3,4) Matrizenmultiplikation: Bei der Multiplikation zweier Matrizen ist es wichtig, dass die Spaltenanzahl der ersten Matrix der Zeilenanzahl der zweiten Matrix entspricht. Wenn das nicht der Fall ist, kann die Matrizenmultiplikation nicht durchgeführt werden. 1,1 a 1,2 a b1,2 1,3 A =(a a 2,1 a 2,2 a 2,3 a 3,2 a 3,3) B =(b1,1 b 2,1 b 2,2 b 3,1 b 3,2) A B =(a 1,1 + a 1,2 + a 1,3 a 1,1 + a 1,2 + a 1,3 b 3,2 a 2,1 + a 2,2 + a 2,3 a 2,1 + a 2,2 + a 2,3 b 3,2 + a 3,2 + a 3,3 + a 3,2 + a 3,3 b 3,2) Die Zeilenanzahl der Matrix A gibt dann die Zeilenanzahl der Ergebnismatrix an, die Spaltenanzahl der Matrix B die Spaltenanzahl der Ergebnismatrix.
2 Die Schreibweise nach dem Falk'schen Schema macht die Matrizenmultiplikation übersichtlicher: (b1,1 b1,2 b 2,1 b 2,2 b 3,1 b 3,2) (a1,1 a1,2 a1,3 a 2,1 a 2,2 a 2,3 a 3,2 a 3,3) c (c1,1 1,2 c 2,1 c 2,2 c 3,1 c 3,2) c 1,1 = a 1,1 + a 1,2 + a 1,3 c 1,2 = a 1,1 + a 1,2 + a 1,3 b 3,2 c 2,1 = a 2,1 + a 2,2 + a 2,3 c 2,2 = a 2,1 + a 2,2 + a 2,3 b 3,2 c 3,1 = + a 3,2 + a 3,3 c 3,2 = + a 3,2 + a 3,3 b 3,2 Wichtig: Die Matrizenmultiplikation ist in der Regel nicht kommutativ, d.h. auch wenn die Zeilenund Spaltenanzahlen gleich sind (quadratische Matrix) ist die Reihenfolge der Multiplikation nicht beliebig. Im Allgemeinen gilt: A B B A Inverse Matrix: Für quadratische Matrizen ist es möglich, dass eine inverse Matrix existiert. Für diese gilt: wobei E die Einheitsmatrix ist. A A 1 = E Einheitsmatrix: Die Einheitsmatrix E ist eine spezielle Matrix: E =(1 1) In ihr kommen nur auf der Diagonalen die Werte Eins vor, ansonsten Null. Neben der Lösung von linearen Gleichungssystemen werden Matrizen genutzt, um Prozesse, z.b. Produktionsprozesse, oder Populationsentwicklungen darzustellen. Dazu einige Beispiele. Produktionsprozesse Wenn man die Endprodukte E1, E2 und E3 herstellen möchte, benötigt man die Ausgangsprodukte A1, A2, A3 und A4. Die End- und die Ausgangsprodukte lassen sich als Vektoren darstellen: E =(E1 E2 und A =(A1 A2 A3 E3) A4) Diese Vektoren werden mit der sogenannten Prozess- oder Bedarfsmatrix P verknüpft. Die Matrix
3 P kann man auf folgende Weise ermitteln: Ausgangsprodukte Endprodukte E1 E2 E3 A1 P 1,1 P 1,2 P 1,3 A2 P 2,1 P 2,2 P 2,3 A3 P 3,1 P 3,2 P 3,3 A4 P 4,1 P 4,2 P 4,3 Lesebeispiel: Für das Endprodukt E2 benötigt man P 1,2 Teile von A1, P 2,2 Teile von A2, P 3,2 Teile von A3 und P 4,2 Teile von A4. Die einzelnen Endprodukte werden in der Tabelle nebeneinander geschrieben. Als Vektor werden die Endprodukte dann als Spaltenvektor geschrieben. Die Verknüpfung der Ausgangs- und Endprodukte sieht folgendermaßen aus: A = P E In einer vollständigen Vektorschreibweise: (A1 A2 A3 E2 P 4,1 P 4,2 P 4,3) (E1 E3) P1,2 P1,3 P 2,1 P 2,2 P 2,3 P 3,1 P 3,2 P 3,3 A4)=(P1,1 Wie man sieht, kann man die Vektoren als einspaltige oder einzeilige Matrizen auffassen. Dementsprechend werden auch die Prozessmatrix und der Endproduktevektor miteinander multipliziert. Außerdem kann man erkennen, dass mit der Prozessmatrix immer aus vorhandenen Zahlen für Endprodukte die Zahlen für die Ausgangsprodukte ermittelt werden. Beispiel I: Ein Händler bietet drei verschiedene Computermodelle C1, C2 und C3 zum Verkauf an. Der Preis richtet sich nach den Preisen für die im Modell verwendeten Gehäuse G, Komponenten K und Montagearbeiten M. In der Tabelle sind die Kosten für jedes Computermodell aufgelistet: Teile Computermodell C1 C2 C3 G K M Die Kostenmatrix sieht damit folgendermaßen aus: =( ) K Wenn jetzt bei dem Händler 100 Modelle C1, 150 Modelle C2 und 80 Modelle C3 bestellt werden, wie hoch sind die Kosten für Gehäuse, Komponenten und Montage?
4 Zu lösen ist die Gleichung T = K C. In der ausführlichen Schreibweise: (G M) =( ) (100 ) K G = K = M = Damit belaufen sich die Kosten für die Gehäuse auf 30920, für die Komponenten auf und für die Montage auf Zweistufige Prozesse Viele Produktionsprozesse laufen ab, indem zunächst aus den Ausgangsprodukten Zwischenprodukte hergestellt werden, die anschließend zu den Endprodukten verarbeitet werden. Das sind dann zweistufige Prozesse. Die Berechnung mit Matrizen funktioniert ähnlich wie bei den einstufigen Prozessen. Der Unterschied ist, dass es zwei Produktionsmatrizen gibt. Eine Matrix verknüpft die Ausgangsprodukte mit den Zwischenprodukten (wieviel von den Ausgangsprodukten werden für jedes Zwischenprodukt benötigt?), die andere Matrix die Zwischenprodukte mit den Endprodukten (wieviel von den Zwischenprodukten werden für jedes Endprodukt benötigt?). Die zweistufigen Prozesse können auch zweistufig berechnet werden. Bei bekanntem Endproduktevektor berechnet man zuerst die benötigten Zwischenprodukte und damit anschließend die benötigten Ausgangsprodukte. Oder man fasst beide Matrizen durch Multiplikation zusammen und berechnet aus den Endprodukten die benötigten Ausgangsprodukte. A = P 1 Z Z = P 2 E oder A = P 1 P 2 E A = P E Man muss je nach Aufgabenstellung entscheiden, welche Vorgehensweise die beste ist. Inverse Prozesse Wenn nun aber für einen Produktionsprozess die Prozessmatrix P bekannt ist, und man kennt die Anzahl der Ausgangsprodukte und fragt, wie viele Endprodukte damit hergestellt werden können, benötigt man die zu der Matrix P inverse Matrix P -1, die den umgekehrten Prozess beschreibt. A = P E E = P 1 A Wichtig für den GTR: Die inverse Matrix bekommt man mit der Taste [x -1 ]. Die Matrix wird nicht mit P^ -1 berechnet. Stochastische Prozesse Diese Prozesse werden auch Austauschprozesse genannt. In diesen Austauschprozessen werden die Übergänge von Zuständen beschrieben. In den bisherigen Produktionsprozessen wurde aus einer Menge an Ausgangsprodukten eine andere Menge an Endprodukten gefertigt. Hier wird der Übergang von einem Zustand in den nächsten Zustand durch Matrizen beschrieben. Die Matrizen sind demnach mit sogenannten Übergangswahrscheinlichkeiten gefüllt. Wahrscheinlichkeiten werden durch Zahlen zwischen Null und Eins angegeben.
5 Zu einem Austauschprozess gehört die stochastische Matrix, für die gilt: sie ist quadratisch für jedes Element der Matrix gilt: 0 a 1 die Summe aller Elemente einer Spalte ist Eins Desweiteren gehört zu einem Austauschprozess eine sogenannte Grenzmatrix G und eine Grenzverteilung g. Diese stabile Grenzverteilung existiert, wenn es unter den stochastischen Matrizen P, P 2,P 3,... eine Matrix gibt, in der eine Zeile aus ausschließlich positiven Elementen besteht. Die Grenzverteilung g besagt, dass die Verteilung der Teilnehmer des Austauschprozesses sich nicht mehr verändert stabile Verteilung oder Fixvektor. Zu der stabilen Verteilung gehört die Grenzmatrix G, die aus lauter gleichen Spalten besteht. Angewendet auf die Ausgangsverteilung liefert die Grenzmatrix die Grenzverteilung: Weiterhin gilt die folgende Gleichung: g = G A g = P g Das bedeutet: Wird die Austauschmatrix auf die Grenzverteilung angewendet, erhält man wieder die Grenzverteilung. Die Grenzverteilung ist stabil und verändert sich nicht mehr (stabile Verteilung). Ein Austauschprozess wird häufig durch Zustandsdiagramme angegeben: Dabei ist zu beachten: Alle Zahlen an den Pfeilen entsprechen einer Wahrscheinlichkeit des Übergangs von einem Zustand in einen anderen. Die Summe aller von einem Zustand ausgehenden Pfeile ist Eins. Nicht alle Pfeile müssen existieren.
6 Beispiel eines Austauschprozesses: Von einem Prozess kennt man das unvollständige Zustandsdiagramm und den Fixvektor. Das Diagramm ist zu vervollständigen und die Übergangs- oder Austauschmatrix ist anzugeben. g =(0,625 0,25 0,125) Die Größen AA und CA können aus dem Diagramm abgelesen werden. Weiterhin folgt aus dem Diagramm, dass der Eintrag CC ist. Es gibt keinen Übergang von C nach C. Ebenso ist BB. Da der Pfeil CB der noch verbleibende abgehende Pfeil von C ist, folgt für ihn: CB,5. Die Summe der abgehenden Pfeile ist immer Eins. Zur Vervollständigung des Diagramms legen wir eine Tabelle an. Austauschtabellen sehen immer etwa so aus, insbesondere mit der Einteilung Start- und Endzustand: Der Übergang von B nach C findet nicht statt. Es ist kein Pfeil eingezeichnet. Also ist BC. Damit ist der Übergang BA = 1. Die einzig noch fehlenden Einträge sind AB und AC. Dafür schreiben wir die Übergangsmatrix, soweit wir sie kennen, auf: 1 0,5 P =(0,5 ) AB 0 0,5 AC 0 0 Wir kennen die Grenzverteilung, für die gilt: g = P g Eingesetzt erhalten wir das folgende Gleichungssystem: Endzustand (0,5 1 0,5) (0,625 AB 0 0,5 0,25 0,25 AC,125)=(0,625 0,125) 0,5 0, ,25 + 0,5 0,125,625 AB 0, ,25 + 0,5 0,125,25 AC 0, , ,125,125 Startzustand A B C A 0,5 BA 0,5 B AB BB CB C AC BC CC
7 Die erste Gleichung ist wahr. In der zweiten Gleichung taucht nur die unbekannte Größe AB auf. Wenn wir entsprechend umstellen, folgt: AB,3. Die dritte Gleichung ergibt die Größe AC: AC,2. So ergibt sich die Übergangsmatri 1 0,5 P =(0,5 ) 0,3 0 0,5 0,2 0 0 Das Diagramm sieht dann so aus: Finden einer Grenzverteilung: Gegeben ist die Übergangsmatrix P: =( 0,5 P Wie lautet ein langfristiger Verteilungsvektor? Wir schreiben auf: Daraus folgt das Gleichungssystem: 0,5 1 0) 0, ,25 0,5 P g = g ( 0,5 0,5 1 0, g 2 0,25 0,5 0) (g1 g 2 g 3)=(g1 3) g 0,5 g g 3 = g g g 3 = g g 3 = g 3 Jetzt müssen die Einträge auf der rechten Seite nach links gebracht werden (alles Unbekannte nach links, alles Bekannte nach rechts): Nach Zusammenfassung ergibt sich: 0,5 g 1 g g g 2 g g g 3 g 3 0,5 g g 3 1 g g 3 1 g 3
8 So erhalten wir ein Gleichungssystem, das wir als Matrix aufschreiben können: 0,5 1 0 A =( 0,5 0) 0, ,25 0,5 1 GTR: 8 0) ( g 1 = 8 rref A g g 2 = 2 3 g 3 Aus der letzten Zeile können wir ablesen, dass es eine Lösung gibt (sogar unendlich viele). Die beiden Größen g 1 und g 2 hängen noch von g 3 ab. Da bei den Austauschprozessen die Verteilung als Wahrscheinlichkeiten gelesen werden können, muss die Summe der Einträge der Verteilung gleich Eins sein. Daraus folg eine weitere Bedingung: g 1 + g 2 + g 3 = 1 Die Lösung des Gleichungssystems in die neue Bedingung eingesetzt, ergibt: 8 3 g g 3 + g 3 = 1 g 3 = 3 g 13 1 = 8 13 ; g = 2 =( g )
9 Zyklische Prozesse Als letzte Prozessform gibt es die zyklischen Prozesse. Viele Populationsentwicklungen lassen sich mit diesen Prozessen beschreiben. Die zyklischen Prozesse zeichnen sich dadurch aus, dass sich bestimmte Verhaltensweisen nach einer bestimmten Anzahl von Zeitschritten wiederholen (Zykluszeit). Populationsentwicklungen haben Übergangsmatrizen der folgenden Art: 0 v U =(0 0) a b Dabei beschreibt v eine Vermehrungsrate (v > 0), die Werte a und b sind Überlebensraten (0 < a,b 1). Für die Populationsentwicklung gilt: Wenn a b v < 1, so stirbt die Population aus. a b v = 1, so entwickelt sich die Population zyklisch. a b v < 1, so nimmt die Population zu. Für die Matrizen gilt: Eine quadratische Matrix A heißt zyklische Matrix, wenn es ein n n N gibt, so dass A = E. Wie ist die Matrix aufgebaut? Wir schauen uns die zugrundliegende Tabelle an: Zu lesen: Von den kleinen (Jungtiere, Eier,, bei jedem Beispiel der jüngste Entwicklungsstand) überleben a Tiere den ersten Zeitschritt. Von den mittleren überleben b Tiere den ersten Zeitschritt, und von den großen (Alttiere, fortpflanzungsfähiger Entwicklungsstand) pflanzen sich v Tiere fort. Startzustand klein mittel groß Bei anderen Populationen kann es natürlich sein, dass schon aus dem mittleren Entwicklungsstand Nachkommen entstehen. Die Matrix sähe dann so aus: U =(0 u v a b 0), mit denvermehrungsraten u und v. Endzustand klein 0 0 v mittel a 0 0 groß 0 b 0
10 Beispiel für Populationsentwicklung: Ein Maikäferweibchen legt 60 Eier und stirbt. Aus den Eiern entwickeln sich im ersten Jahr die Larven (L1), von denen allerdings nur etwa ein Drittel überleben. Im nächsten Jahr überleben nur ein Viertel der Larven (L2). Im dritten Jahr verpuppen sich die Larven und aus einem fünftel entwickeln sich wieder Maikäferweibchen, die wieder 60 Eier legen. Bestimmen Sie die Übergangsmatrix. Zunächst die tabellarische Form: Endzustand Startzustand L1 L2 P M L1 60 L2 1/3 P 0 1/4 0 0 M 0 0 1/5 0 Daraus die Matrix: U =(0 ) Zeigen Sie, dass sich die Population zyklisch entwickelt und geben Sie die Dauer eines Zyklus an. Aus dem Produkt der Vermehrungs- und Überlebensraten folgt: Damit ist die Entwicklung zyklisch. a b c v = 1/3 1/4 1/5 60 = 1 Für die Dauer des Zyklus legen wir eine Tabelle an, in der wir über mehrere Zeitschritte (hier: Jahre) die Matrix U n berechnen. n=1 =( n=2 n=3 60 ) =( ) =( ) 0,33 U U 2 20 U , ,0833 5,2,05, n=4 U 4 =( ) Wir haben eine Zykluslänge oder Zykluszeit von 4 Jahren. Anmerkung: Wenn man U 0 berechnet, bekommt man die Einheitsmatrix, also U 4, die Matrix U -1 ist gleich U 3.
Mathematik Matrizenrechnung
Mathematik Matrizenrechnung Einstufige Prozesse Rechenregeln für Matrizen Mehrstufige Prozesse Inverse Matrix Stochastische Prozesse 6 Zyklisches Verhalten Einstufige Prozesse Einstufige Prozesse Zur Beschreibung
MehrLineare Algebra (Zentralabitur 2009: Abibienen) (knappe Lösung)
Lineare lgebra (Zentralabitur 2009: bibienen) (knappe Lösung) bibienen Ein aus den fleißigen Bienen mutierter Insektenstamm, die nachtaktiven bibienen", wurde im Jahr 2009 auf der Insel Bremensia" über
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrPopulationsentwicklung
Populationsentwicklung Lewis (942) und Leslie (945) entwickelten ein Modell, mit dem die Entwicklung einer Population unter Einbeziehung der Altersstruktur untersucht werden kann. Die Population wird z.b.
MehrTutorium: Diskrete Mathematik. Matrizen
Tutorium: Diskrete Mathematik Matrizen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter
MehrMatrizen und Determinanten
Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
MehrKapitel 16. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 16 Aufgaben Verständnisfragen Aufgabe 16.1 Ist das Produkt quadratischer oberer bzw. unterer Dreiecksmatrizen wieder eine obere bzw. untere Dreiecksmatrix? Aufgabe 16.2 Bekanntlich gilt im Allgemeinen
MehrInverse Matrix. 1-E Ma 1 Lubov Vassilevskaya
Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.
MehrMinisterium für Schule und Weiterbildung NRW M LK 1NT 6 Seite 1 von 9. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs
Ministerium für Schule und Weiterbildung NRW M LK NT 6 Seite von 9 Unterlagen für die Lehrkraft Abiturprüfung Mathematik, Leistungskurs. Aufgabenart Lineare Algebra/Geometrie mit Alternative (Übergangsmatrizen).
Mehr(A T ) T = A. Eigenschaft:
Elementare Matrizenrechnung m n-matrix von Zahlen A m n a 1,1 a 1,n a m,1 a m,n rechteckige Tabelle m n Dimension der Matrix Sprechweise: m Kreuz n wobei m Anzahl Zeilen, n Anzahl Spalten a i,j Element
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
Mehr1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
MehrA.5.1 Die Matrix und elementare wirtschaftsrelevante Anwendungen
A.5.1 Die Matrix und elementare wirtschaftsrelevante Anwendungen Eine Matrix vom Typ M mxn (oder eine (m x n)-matrix) ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Im folgenden Beispiel
MehrMinisterium für Schule und Weiterbildung NRW M LK 1NT 6 Seite 1 von 8. Unterlagen für die Lehrkraft. Abiturprüfung Mathematik, Leistungskurs
Seite 1 von 8 Unterlagen für die Lehrkraft Abiturprüfung 2011 Mathematik, Leistungskurs 1. Aufgabenart Lineare Algebra/Geometrie mit Alternative 2 (Übergangsmatrizen) 2. Aufgabenstellung siehe Prüfungsaufgabe
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrMatrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
Mehr89 Mathematik für Biologen, Biotechnologen und Biochemiker
89 Mathematik für Biologen, Biotechnologen und Biochemiker 75 Dreiecks-Koordinaten und das Hardy-Weinberg-Gesetz Betrachte die Ebene E = {(x, y, z) x + y + z = 1} im R 3, sie schneidet die Koordinatenachsen
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
MehrMatrizen Definition: Typ einer Matrix
Matrizen Definition: Eine Matrix ist ein rechteckiges Zahlenschema. Die Matrix (Mehrzahl: Matrizen) besteht aus waagerecht verlaufenden Zeilen und senkrecht verlaufenden Spalten. Verdeutlichung am Beispiel:
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr9.2 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
MehrStochastische Prozesse Einführung
Stochastische Prozesse Einführung Der Kurs wird in 2 Gruppen aufgeteilt siehe Excel-Blatt, z.b. A = 2 und B = 20, und es werden die Wechsel-Anteile festgelegt: Pro Takt wechseln z.b. 4 von A nach B und
MehrLineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri
Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1
MehrÜbergangsmatrizen. October 27, 2014
Übergangsmatrizen October 27, 214 Der Begriff Übergangsmatrix wird (unter anderem) für die Matrizen, die das Wechselverhalten von z.b. Käufern oder Wählern darstellen. Bei Wikipedia wird eine Übergangsmatrix
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
MehrSpezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation
. Inhaltsverzeichnis.............. Spezialgebiet Mathematik(Christian Behon ) 1 Matrizen Kapitel 1 Definitionen und Herleitung von Matrizen 1.1 Was sind Matrizen 1.2 Arten von Matrizen Kapitel 2 Matrizenoperation
MehrMathematik 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
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
MehrLineare Algebra 1. . a n1 a n2 a n3 a nm
Lineare Algebra 1 Lineare Algebra Hilfreiche Konzepte zur Vereinfachung der Darstellung und Berechnung stellt die lineare Algebra bereit. Auch wenn sie nur an wenigen Stellen des Buches verwendet wurden,
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrMatrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
II2 Einkommensgruppen LA/AG 2 Die Familien eines fiktiven Landes werden einer der drei angegebenen Einkommensgruppen zugeordnet In statistischen Erhebungen hat man festgestellt, dass Kinder der Eltern
Mehr1 Transponieren, Diagonal- und Dreiecksmatrizen
Technische Universität München Thomas Reifenberger Ferienkurs Lineare Algebra für Physiker Vorlesung Mittwoch WS 2008/09 1 Transponieren, Diagonal- und Dreiecksmatrizen Definition 11 Transponierte Matrix
MehrSpezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:
Inverse Matritzen Spezialfall: Die Gleichung ax b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a a 1 gelöst werden: ax b x b a a 1 b. Verallgemeinerung auf Ax b mit einer n nmatrix A: Wenn es
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrCorinne Schenka Vorkurs Mathematik WiSe 2012/13
4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:
MehrMatrizen und Drehungen
Matrizen und Drehungen 20. Noember 2003 Diese Ausführungen sind im wesentlichen dem Skript zur Vorlesung Einführung in die Theoretische Physik I und II on PD Dr. Horst Fichtner entnommen. Dieses entstand
MehrEndgültige Gruppeneinteilung Kohorte Innere-BP Sommersemester 2016 (Stand: )
A A1a 2197120 on on A A1a 2311330 on on on on on on on A A1a 2316420 on on A A1a 2332345 on on on on on on on A A1a 2371324 on on on on on on on A A1a 2382962 on on A A1a 2384710 on on on on on on on A
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrManfred Burghardt. Allgemeine Hochschulreife in den Bereichen Erziehung und Soziales
Manfred Burghardt Allgemeine Hochschulreife in den Bereichen Erziehung und Soziales Version 0/04 Inhaltsverzeichnis I Inhaltsverzeichnis Inhaltsverzeichnis I Einstufige Prozesse und ihre Modellierung durch
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
Mehr(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:
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
Mehr7.1 Matrizen und Vektore
7.1 Matrizen und Vektore Lineare Gleichungssysteme bestehen aus einer Gruppe von Gleichungen, in denen alle Variablen nur in der 1. Potenz vorkommen. Beispiel Seite 340 oben: 6 x 2 = -1 + 3x 2 = 4 mit
MehrLineare Gleichungssysteme
Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare
Mehrmit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"
Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"
MehrVektor-Additions-Systeme und Invarianten
Vektor-Additions-Systeme und Invarianten http://www.informatik.uni-bremen.de/theorie/teach/petri Renate Klempien-Hinrichs Stellen- und Transitions-Vektoren T -Invarianten S-Invarianten Bezug zu erreichbaren
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
MehrMathematik LK 12 M1, 4. Kursarbeit Matrizen und Stochastik Lösung )
Aufgabe 1: Berechne die Determinante und die Transponierte der folgenden Matrizen: 0 1 1.1 M =( 0 4 1 4 det M =0 4 1 4= 4 M T =( 5 3 3 1.2 1 1 3 A=( =( A T 3 0 1 5 1 3 3 1 0 3 3 1 4 4 det M = 5 1 1+3 3
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrLineare Gleichungen mit 2 Variablen
Lineare Gleichungen mit 2 Variablen Lineare Gleichungen mit 2 Variablen sind sehr eng verwandt mit linearen Funktionen. Die Funktionsgleichung einer linearen Funktion f(x) = m x+q m: Steigung, q: y Achsenabschnitt
MehrGleichungssysteme mit zwei Variablen
Gleichungssysteme mit zwei Variablen Eine alte chinesische Aufgabe lautet: In einem Stall befinden sich 5 Tiere, und zwar Hühner und Kaninchen. Die Tiere haben zusammen 9 Beine. Wie viele Hühner und wie
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrEinführung in die Matrixalgebra
Einführung in die Matrixalgebra Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de Bachelor S. Garbade (SRH Heidelberg) Matrixalgebra Bachelor
MehrÜbungsaufgaben. Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler. Teil 1: Lineare Algebra und Optimierung.
Übungsaufgaben Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler Teil : Lineare Algebra und Optimierung Wintersemester Matrizenrechnung Aufgabe ( 3 0 Gegeben sind die Matrizen A = 2 5 2 4 D =
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrKommentiertes Beispiel für das Gaußsche Eliminationsverfahren
Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren oder: Wie rechnet eigentlich der TI 84, wenn lineare Gleichungssysteme gelöst werden? Hier wird an einem Beispiel das Gaußsche Verfahren zum
MehrDynaTraffic Modelle und mathematische Prognosen. Simulation der Verteilung des Verkehrs mit Hilfe von Markov-Ketten
DynaTraffic Modelle und mathematische Prognosen Simulation der Verteilung des Verkehrs mit Hilfe von Markov-Ketten Worum geht es? Modelle von Verkehrssituationen Graphen: Kanten, Knoten Matrixdarstellung
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
MehrAbiturprüfung. Matrizenrechnung. Aufgaben aus Hamburg zum Thema. Übergangsmatrizen zu Populationen. Datei Nr Stand: 13.
Abiturprüfung Matrizenrechnung Aufgaben aus Hamburg zum Thema Übergangsmatrizen zu Populationen Datei Nr. 72502 Stand: 13. November 2012 DEMO für FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
Mehr1. a) Ergänzen Sie das Diagramm eines Austauschprozesses und ermitteln Sie die Übergangsmatrix.
Matrizenrechnung Aufgaben 15% C 50% 40% 60% A B 20% 30% 1. a) Ergänzen Sie das Diagramm eines Austauschprozesses und ermitteln Sie die Übergangsmatrix. b) Bestimmen Sie die Grenzverteilung. 200 c) Der
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrMLAN1 1 MATRIZEN 1 0 = A T =
MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente
Mehr8 Lineare Gleichungssysteme
$Id: lgs.tex,v 1.6 2010/12/20 12:57:04 hk Exp $ $Id: matrix.tex,v 1.3 2010/12/20 13:12:44 hk Exp hk $ 8 Lineare Gleichungssysteme In der letzten Sitzung hatten wir mit der Besprechung linearer Gleichungssysteme
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrWie steht s mit dir? Buch Schätze dich ein! Inhaltsbezogene Kompetenzen LS 11/12
Mathematik - Lernstandsbogen Kurs: Jahrgang Q1.1 Thema: Analysis I / Stochastik I Zeitraum: 40 U- Wochen Wie steht s mit dir? Buch Schätze dich ein! Inhaltsbezogene Kompetenzen LS 11/12 0. Themenbereich:
MehrBerechnen eines Bildpunktes bei Parallelprojektion: die Kavalierproduktion
Matrizen Projektionen: Bei einer Projektion werden Geraden (Projektionsstrahlen) durch die abzubildenden Raumpunkte gezogen und mit der Zeichenebene geschnitten. Die resultierenden Schnittpunkte sind die
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrOrthonormalbasis. Orthogonalentwicklung
Orthonormalbasis Eine Orthogonal- oder Orthonormalbasis des R n (oder eines Teilraums) ist eine Basis {v,..., v n } mit v i = und v i, v j = für i j, d. h. alle Basisvektoren haben Norm und stehen senkrecht
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 6
R. Hiptmair S. Pintarelli E. Spindler Herbstsemester 2014 Lineare Algebra und Numerische Mathematik für D-BAUG Serie 6 ETH Zürich D-MATH Einleitung. Diese Serie behandelt nochmals das Rechnen mit Vektoren
MehrMaterialverflechtung
Materialverflechtung In einem Unternehmen mit mehrstufigem Fertigungsablauf seien die festen Mengenbeziehungen zwischen Rohstoffen, Zwischen- und Endprodukten durch folgenden Graph gegeben: 00 0 6 E E
MehrHans Humenberger. Das PageRank-System von Google eine aktuelle Anwendung im MU
Hans Humenberger Das PageRank-System von Google eine aktuelle Anwendung im MU Google und seine Gründer Google etwas Riesengroßes nach der unglaublichen Fülle des WWW Googol = 10^100 1938 durch E. Kasner
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
Mehr6. 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
MehrZusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren
Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier
Mehr3.6 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
MehrFormelsammlung Mathematik Grundkurs Inhalt
Formelsammlung Mathematik Grundkurs Inhalt Inhalt...1 Trigonometrie Grundlagen... Vektoren...3 Skalarprodukt...4 Geraden...5 Abstandsberechnungen...6 Ebenen...7 Lineare Gleichungssysteme (LGS)...8 Gauß'sches
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
Mehr1 Geometrie - Lösungen von linearen Gleichungen
Übungsmaterial Geometrie - Lösungen von linearen Gleichungen Lineare Gleichungen sind von der Form y = f(x) = 3x + oder y = g(x) = x + 3. Zwei oder mehr Gleichungen bilden ein Gleichungssystem. Ein Gleichungssystem
MehrJürgen Roth Didaktik der Linearen Algebra & Analytischen Geometrie
Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Modul 12a: Fachdidaktische Bereiche juergen-roth.de/lehre/did_linalg_anageo/ Kapitel 3: Modellieren & Angewandte Mathematik 3.1 Inhalte
MehrMatrizen. Jörn Loviscach. Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung.
Matrizen Jörn Loviscach Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. 1 Matrix Ein rechteckige Anordnung von mathematischen Objekten
Mehr5. MATRIZEN. 1. Absatzplanung 26 Zoll LCD TV
1 5. MATRIZEN 300 1. Absatzplanung 26 Zoll LCD TV 32 Zoll LCD TV 42 Zoll LCD TV 52 Zoll LCD TV HD ready HD ready HD ready Full HD HD ready Full HD A 96 168 96 192 48 192 B 48 72 168 240 72 96 C 0 168 48
Mehr8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten
Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A
MehrDEMO für Übergangsmatrizen. Abiturprüfung. Matrizenrechnung INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.
Abiturprüfung Matrizenrechnung Aufgaben aus Bremen zum Thema Übergangsmatrizen Datei Nr 750 Stand: 5 März 03 FRIEDRICH W BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 750 Übergangsmatrizen Abituraufgaben
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme ALGEBRA Kapitel 5 MNProfil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 12. Januar 2016 Überblick über die bisherigen ALGEBRA - Themen:
Mehr4.4. Rang und Inversion einer Matrix
44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert
Mehr1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,
Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel
MehrLineare Gleichungssysteme
Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Übersicht Lineare Gleichungssystem mit 2 Variablen 1 Lineare Gleichungssystem mit 2 Variablen Beispiele 2 Fakultät Grundlagen Folie: 2 Beispiel I Lineare
MehrVektorräume 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
MehrAustauschprozesse Kapitalfluss
Austauschprozesse Kapitalfluss Zwischen den Filialen F und F 2 einer Bank findet pro Monat ein Kapitalfluss statt. Die Übergangsmatrix lautet: 4 A = Der Startvektor sei z.b. x 0 = 4 F F 2 4 (in Millionene.
MehrLösungen zum 5. Aufgabenblatt
SS 2012, Lineare Algebra 1 Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com
Mehr