HHL - Handelshochschule Leipzig Leipzig Graduate School of Management

Größe: px
Ab Seite anzeigen:

Download "HHL - Handelshochschule Leipzig Leipzig Graduate School of Management"

Transkript

1 HHL - Handelshochschule Leipzig Leipzig Graduate School of Management Lehrstuhl für Finanzmangement und Banken Bemerkungen zu Löfflers Miles-Ezzell s WACC yields Arbitrage Prof. Dr. Bernhard Schwetzler 1 Marc Steffen Rapp 2 Version vom 14. Juni mailto: schwetzler@finance.hhl.de 2 mailto: rapp@finance.hhl.de

2 1 PROBLEMSTELLUNG 1 1 Problemstellung Mit Hilfe eines Beispiels zeigt Löffler in seinem Paper Miles-Ezzell s WACC Approach Yields Arbitrage, dass die Anwendung der WACC-Formel von Miles/Ezzell 3 auf von Miles/Ezzell unterstellten friktionslosen Kapitalmärkten i.a. zu Arbitragemöglichkeiten führt 4. Er zieht daraus den Schluss, dass der M&E-WACC auf arbitragefreien Kapitalmärkten nicht uneingeschränkt zur Anwendung kommen kann. Analysiert man das Beispiel genauer, so stellt man fest, dass weniger die Anwendung des M&E- WACCs, sondern - grundlegender - die auch in der Arbeit von Miles/Ezzell [ME 85] getroffene Annahme konstanten Kapitalkosten für das eigenfinanzierte Investitionsprojekt es ist, welche die Fehlbewertung - im Hinblick auf die sich ergebenden Arbitragemöglichkeiten - hervorruft. 2 Konstante Kapitalkosten und arbitragefreie Kapitalmärkte 2.1 Modifikation des Beispieles von Löffler Verdeutlichen lässt sich dies mit Hilfe einer Modifikation des von Löffler konstruierten Beispiels. Dazu betrachte man drei, jeweils eigenfinanzierte Investitionsprojekte IP 0, IP 1, IP 2, wobei IP 0 das eigenfinanzierte Investitionsprojekt aus Löfflers Beispiel und IP 1 bzw. IP 2 Teil-Investitionsprojekte, welche nur in t = 1 bzw. t = 2 einen dem von IP 0 zu diesem Zeitpunkt entsprechenden Cash-Flow generieren 5. Abbildung 1 veranschaulicht die Cash-Flow-Ströme der einzelnen Investitionsprojekte. Man sieht sofort, dass durch ein Portfolio bestehend aus IP 1 und IP 2 ein synthetisches Investitionsprojekt IP 0 konstruiert werden kann. Abbildung 1: Cash-Flows der Investitionsprojekte IP 1, IP 2, IP 3 Unterstellt wird im folgenden wie es sowohl Miles/Ezzell als auch Löffler tun i Kapitalkosten von k für die Diskontierung von t nach t 1 der in t generierten Cash-Flows und ii eine Bewertung von IP 0 gemäß 1 V 0 IP L = 2 t=1 IE IP [CF t ] 1 + WACC ME t, Bemerkt man ferner, dass der Wert von IP 2 unabhängig von den in t = 1 angenommenen Umweltzustand ist 6, dann lässt sich unter der Annahme der freien Handelbarkeit der drei Investitionsprojekte 3 Vgl. [ME 85]. 4 Vgl. [Löf 01, Kapitel 1] 5 IP 1 und IP 2 können auch als Portfolio von Arrow-Debreu-Wertpapieren interpretiert werden. 6 Dies ist offensichtlich, wenn man die Bewertungsformel 2 V 1 IP 2 = IEIP [CF 2 F 1 ] 1 + WACC ME,

3 3 ARBITRAGEFREIHEIT VON KAPITALMÄRKTEN 2 bereits ohne Fremdfinanzierungs- oder Steuereffekte eine Arbitragemöglichkeit konstruieren. Dazu ist das Investitionsprojekt IP 0 zu kaufen Long-Position und in Periode 1 durch eine Kombination aus Kredit und Short-Position in IP 1 und in Periode 2 durch eine Short-Position in IP 2 abzusichern. Mit den von Löffler gewählten Parametern i = 5% und k = 10% ergibt sich dann ein Arbitragegewinn von 2, 16 in t = 0. Die Abbildung 2 verdeutlicht die Arbitragestrategie. Abbildung 2: Arbitragestrategie im Falle der freien Handelbarkeit 3 Arbitragefreiheit von Kapitalmärkten 3.1 Preisfunktionale arbitragefreier Kapitalmärkte Arbitragefreie Kapitalmärkte weisen die Eigenschaft der Markt-Wertadditivität auf. Deshalb muss für alle Zeitpunkte t I das Preisfunktional 3 V t : CF t t I V t CF t t I eines arbitragefreien Kapitalmarktes linear sein 7, d.h. es muss gelten V s α X t t I + β Y t t I = αv s X t t I + βv s Y t t I, für alle s I, α, β IR, X, Ỹ IR. 3.2 Beispiel eines zweiperiodigen arbitragefreien Kapitalmarktes Das arbitragefreie Bewertungsfunktional Gegeben sei das Modell eines friktionslosen, zweiperiodigen und arbitragefreien Kapitalmarktes in einer Binomialwelt. Dann lassen sich die dort handelbaren Wertpapiere W j j J darstellen als W j = Wu, j W j d, W uu, j W j ud, W j du, W j dd, j J. Ferner ist nach obigen Überlegungen und einem Standardergebnis der Linearen Algebra das zugehörige Preisfunktional für t = 0 von der Form 4 V 0 : IR 6 IR, W j V t W j := ψ W j := k κ 0 ψ k W j k t {0; 1} anwendet und dabei die Unabhängigkeit von CF 1 und F 1 beachtet. 7 Vergleiche hierzu [HK 79].

4 3 ARBITRAGEFREIHEIT VON KAPITALMÄRKTEN 3 wobei sowie ψ = ψ u, ψ d, ψ uu, ψ ud, ψ du, ψ dd κ 0 = {u, d, uu, ud, du, dd}. Betrachtet man nun eine Familie linear unabhängiger Wertpapiere W ij j=1,...,6 und deren beobachtbare Marktpreise P W ij, so lässt sich daraus unmittelbar ψ bestimmen und als Vektor der j=1,...,6 Marktpreise P A k der entsprechenden Arrow-Debreu-Wertpapiere zur Zeit t = 0 identifizieren 8. Ferner lassen sich k κ 0 Q 1 := 1 + i ψ u, ψ d Q 2 := 1 + i 2 ψ uu, ψ ud, ψ du, ψ dd als Wahrscheinlichkeitsmaße auf IR 2 bzw. IR 4 interpretieren, wobei bei geeigneter Modellierung des zugrundeliegenden Wahrscheinlichkeitsraumes mit dieser Interpretation Q 1 = Q 2 F 1 gilt und Q 2 das risikoneutrale Wahrscheinlichkeitsmaß für das Modell darstellt Bestimmung des Bewertungsfunktionals auf Basis beobachtbarer Marktpreise Sei nun ein Investitionsprojekt, welches die folgenden Cash-Flows CF = CF u, CF }{{ d, CF } uu, CF ud, CF du, CF dd, wobei CF }{{} u CF d in CF 1, =:CF 1 =:CF 2 mit der subjektiven Wahrscheinlichkeitsverteilungen IP 1 = p u, p d IP 2 = p uu, p ud, p du, p dd generiert, vorgegeben und k 1 die Kapitalkosten für CF 1 in der ersten Periode. Dann wird Q 1 durch 5 6 explizit berechenbar. q u = q d = 1 q u [ 1 + i 1 IE IP 1 [CF 1 ] CF d ] 1 CF u CF d Sind ferner durch k 2 Kapitalkosten für CF 2 für die zweite Periode vorgegeben, so läßt sich das arbitragefreie Bewertungsfunktional allein durch diese Vorgabe nur auf einer Hyperebe H IR 6 fixieren 9, bzw. das risikoneutrale Wahrscheinlichkeitsmaß nicht eindeutig bestimmen Unter der Annahme der Existenz einer Familie von sechs linear unabhängigen Wertpapieren erfüllt das Modell die sogenannte Spanningeigenschaft. 9 H ist durch die Vorgabe des Cash-Flows CF eindeutig fixiert und läßt sich darstellen durch { } α CF u, 0,... + β 0, CF u, 0,... + γ 0, 0, CF 2 + δ 1I : α, β, γ, δ IR. Insbesondere gilt für den Fall stochastisch unabhängiger CF CF 1, CF 2 CF 2 = CF uu, CF ud, CF uu, CF ud. 10 Da in t = 2 vier Umweltzustände zu unterscheiden sind, ist durch die Vorgabe von k 1 und k 2 die Spanningeigenschaft noch nicht erfüllt.

5 3 ARBITRAGEFREIHEIT VON KAPITALMÄRKTEN Diskontierung von unabhängigen IP-CF Der Fall unabhängiger Cash-Flows vereinfacht die Problematik erheblich. Sei k 2 die Kapitalkosten des Cash-Flows CF 2 in der zweiten Periode, sodass sich der Marktwert von CF 2 zur Zeit t = 1 berechnet als 7 V 1 CF 2 = IEIP 2 [CF 2 F 1 ] IE IP 2 [CF 2 ] =, IEIP2 [CF 2 ] Dann erhält man im Fall unabhängiger CF CF 1, CF 2 und k 2 i und damit insbesondere V 0 CF = Q 1 CF 1 + Q 1 V 1 CF 2 = IE IP 2 [CF 2 ] Q 1 CF 1 + Q 1, IEIP2 [CF 2 ] 2 2 = Q 1 CF i IEIP2 [CF 2 ] 2 = IEIP 1 [CF 1 ] + IEIP2 [CF 2 ] i 2 8 V 0 CF IEIP1 [CF 1 ] 1 + IEIP2 [CF 2 ] 2 2. Obige Überlegungen zeigen also, dass auf zweiperiodigen, arbitragefreien Kapitalmärkten unabhängige CF CF 1, CF 2 nur dann mit konstanten Kapitalkosten k := k 1 = k 2 diskontiert werden dürfen, wenn der Risikozuschlag des zweiten Cash-Flows größer als der Risikozuschlag des ersten Cash-Flows ist. Genauer dann, wenn sich die Risikozuschläge wie folgt verhalten 9 10 z 1 = k i [ z 2 = k i 1 + kk i ]. 1 + i Der Fall abhängiger Cash-Flows Löffler zeigt in seinem Paper [Löf 01], dass im diskreten Modell unter bestimmten Annahmen bezüglich der Cash-Flows eines Investitionsprojektes der von Miles/Ezzell abgeleitete WACC zu einer arbitragefreien Bewertung des teilweise fremdfinanzierten Investitionsprojektes führt. Die entscheidende Annahme hierbei ist die Assumption 3, welche für den Cash-Flow des IP die Existenz einer deterministischen Abbildung g : {0,..., T 1} IR mit 11 IE IP [CF t+1 F t ] = 1 + gt CF t für alle t {0,..., T 1} fordert 11. Es zeigt sich, dass diese Annahme die Unterstellung konstanter Kapitalkosten gerechtfertigt. Um dies zu zeigen sei also angenommen i konstante Kapitalkosten k := k 1 = k 2 für die jeweils erste Periode der CF CF 1, CF 2, d.h. der Wert von CF 1 z.z. t = 0 bzw. von CF 2 z.z. t = 1 stellt sich dar als Siehe [Löf 01, Seite 8]. V 0 CF 1 = IEIP 1 [CF 1 F 0 ] V 1 CF 2 = IEIP2 [CF 2 F 1 ] = IEIP 1 [CF 1 ]

6 4 ZUSAMMENFASSUNG 5 ii die CF genügen der Assumption 3 aus dem Löffler-Modell 12 Mit Gleichung 13 erhält man dann woraus mit Gleichung 12 dann folgt V 0 CF 2 = Q 1 V 1 CF 2 = Q 1 IEIP2 [CF 2 F 1 ] 1 ] = [Q gcf 1 = 1 + g ] [Q 1 CF 1 = 1 + g IEIP1 [CF 1 ] = 1 + g IEIP 1 [CF 1 ] 2 = IEIP2 [CF 2 ] 2, 15 V 0 CF 2 = IEIP1 [CF 1 ] 4 Zusammenfassung + IEIP2 [CF 2 ] 2. i Es wurde gezeigt, dass die von Löffler konstruierte Fehlbewertung weniger mit Steuer- und/oder Fremdfinanzierungseffekten, denn mit der unzulässigen Unterstellung konstanter Kapitalkosten für Investitionsprojekte mit unabhängigen Cash-Flows zusammenhängt. ii Ferner wurde für zweiperiodige Investitionsprojekte, deren Cash-Flows der Löfflerschen Assumption 3 genügenden, gezeigt, dass die Unterstellung konstanter Kapitalkosten mit der Annahme des Handels auf arbitragefreien Kapitalmärkten vereinbar ist. 12 Assumption 3 des Löffler-Modells fordert für den Cash-Flow des IP 14 IE IP 2 [CF 2 F 1 ] = 1 + gcf 1 mit g IR.

7 LITERATUR 6 Literatur [HK 79] Harrison, J.M./ Kreps, D.M Martingales and Arbitrage in Multipieriod Securities Markets, Journal of Economic Theory 20, S [Löf 01] Löffler, A Miles-Ezzell s WACC Approach Yields Arbitrage, Diskussionspapier Universität Hannover [ME 85] Miles, J./Ezzell, J The weighted average cost of capital, perfect capital markets, and project life: A clarification, Journal of Financial and Quantitative Analysis 15: [TL] Tham, J./Löffler, A. n.n. The Miles & Ezzell M & E WACC Reconsidered, Working papaer, erhältlich unter

Martingal-Maße. Stochastic Finance: An Introduction in Discrete Time (Hans Föllmer, Alexander Schied) Manuel Müller Mathematisches Institut

Martingal-Maße. Stochastic Finance: An Introduction in Discrete Time (Hans Föllmer, Alexander Schied) Manuel Müller Mathematisches Institut Martingal-Maße Manuel Müller 29.04.2016 Mathematisches Institut Stochastic Finance: An Introduction in Discrete Time (Hans Föllmer, Alexander Schied) Seite 2 Martingal-Maße 29.04.2016 Inhaltsverzeichnis

Mehr

[5], [0] v 4 = + λ 3

[5], [0] v 4 = + λ 3 Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span

Mehr

Arbitrage Free Pricing

Arbitrage Free Pricing Beim CAPM wurde gezeigt, dass man Finanztitel basierend auf der Verteilung ihres künftigen Preises bewerten kann. Dabei haben wir [unter der Annahme gewisser Präferenzen des Es] den Preis eines Finanztitels

Mehr

Inhaltsverzeichnis. 2 Portfoliotheorie Rendite und Risiko Die erwartete Rendite... 74

Inhaltsverzeichnis. 2 Portfoliotheorie Rendite und Risiko Die erwartete Rendite... 74 1 Ein-Perioden-Wertpapiermärkte........................... 1 1.1 Portfolios............................................... 5 1.2 Optionen und Forward-Kontrakte......................... 8 1.2.1 Optionen.........................................

Mehr

2.1.1 Prinzip der Discounted Cash Flow (DCF) - Bewertung Ansätze bei Mischfinanzierung Berechnung der Fremdkapitalkosten 64

2.1.1 Prinzip der Discounted Cash Flow (DCF) - Bewertung Ansätze bei Mischfinanzierung Berechnung der Fremdkapitalkosten 64 Inhaltsverzeichnis Abbildungs Verzeichnis 15 Tabellenverzeichnis 17 Symbolverzeichnis 21 1 Einleitung 29 1.1 Grundlagen der Unternehmensbewertung 30 1.2 Gang der Untersuchung 35 2 Discounte*! Cash Flow

Mehr

Risikoneutrale Unternehmensbewertung und Multiplikatoren

Risikoneutrale Unternehmensbewertung und Multiplikatoren Andre Kelleners Risikoneutrale Unternehmensbewertung und Multiplikatoren Mit einem Geleitwort von Prof. Dr. Frank Richter Deutscher Universitats-Verlag Inhaltsverzeichnis Inhaltsiibersicht Inhaltsverzeichnis

Mehr

1. EINFÜHRUNG INS STATE-PRICING 1

1. EINFÜHRUNG INS STATE-PRICING 1 1. EINFÜHRUNG INS STATE-PRICING 1 1. Einführung ins State-Pricing In diesem Kapitel betrachten wir eine Periode. Das heisst, wir können nur zu den Zeitpunkten 0 und 1 handeln. Im weiteren arbeiten wir

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag studienbegleitende Klausur Finanzmathematik I Aufgabe (7 Punkte) Vorgelegt sei ein Wahrscheinlichkeitsraum (Ω, F, P) und

Mehr

Lösungen zur 1. Klausur Diskrete Stochastische Finanzmathematik ( , SoSe 2014) am , Zeit: 10-12, Raum: W

Lösungen zur 1. Klausur Diskrete Stochastische Finanzmathematik ( , SoSe 2014) am , Zeit: 10-12, Raum: W Prof. Dr. Dietmar Pfeifer Institut für Mathematik Lösungen zur. Klausur Diskrete Stochastische Finanzmathematik (5..862, SoSe 24 am 5.8.24, Zeit: - 2, Raum: W--6 Name:... Matr.-Nr.:... Geb.-Datum:... Studiengang:...

Mehr

Einleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären.

Einleitung. Das Ein-Perioden-Modell ist das einfachste. von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. Einleitung Das Ein-Perioden-Modell ist das einfachste Modell, um die Idee der Preisgebung von derivaten Finanzinstrumenten (hier: Optionen) zu erklären. naive Idee der Optionspreisbestimmung: Erwartungswertprinzip

Mehr

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele

Mehr

Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens

Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens Fachbereich Mathematik Algebra und Zahlentheorie Christian Curilla Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) Blatt 7 SoSe 2011 - C. Curilla/ B. Janssens Präsenzaufgaben (P13)

Mehr

Inhaltsverzeichnis. Teil I

Inhaltsverzeichnis. Teil I Inhaltsverzeichnis Teil I Ein-Perioden-Wertpapiermärkte 3 1.1 Ein-Perioden-Modelle 4 1.2 Portfolios 7 1.3 Optionen und Forward-Kontrakte 9 1.3.1 Optionen 10 1.3.2 Forward-Kontrakte 12 1.4 Die Bewertung

Mehr

Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung

Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung M.Sc. Brice Hakwa hakwa@uni-wuppertal.de Seminar im Wintersemester 2010/2011: Quantitative und implementierte Methoden der Marktrisikobewertung - Zusammenfassung zum Thema: Berechnung von Value-at-Risk

Mehr

Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten

Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Jürgen Kremer Portfoliotheorie, Risikomanagenient und die Bewertung von Derivaten Zweite, vollständig überarbeitete und erweiterte Auflage 45J Springer Inhaltsverzeichnis Teill Ein-Perioden- Wertpapiermärkte

Mehr

Optionspreistheorie Seminar Stochastische Unternehmensmodelle

Optionspreistheorie Seminar Stochastische Unternehmensmodelle Seminar Stochastische Unternehmensmodelle Lukasz Galecki Mathematisches Institut Universität zu Köln 1. Juni 2015 1 / 30 Inhaltsverzeichnis 1 Was ist eine Option? Definition einer Option Übersicht über

Mehr

Discounted Cashflow-Verfahren und der Einfluss von Steuern

Discounted Cashflow-Verfahren und der Einfluss von Steuern Inga Braun Discounted Cashflow-Verfahren und der Einfluss von Steuern Der Unternehmenswert unter Beachtung von Bewertungsnormen Mit einem Geleitwort von Prof. Dr. Michael Hommel Deutscher Universitäts-Verlag

Mehr

Phase 1 Phase 2 Phase 3

Phase 1 Phase 2 Phase 3 IE Aufgabe 12 In einer an Studierende der Wirtschaftswissenschaften gerichteten Fachzeitschrift wird die folgende Fallstudie zur Unternehmenswert- und Emissionspreisermittlung präsentiert: "Die Pharma

Mehr

Finanzwirtschaft. Foliensatz Vertiefungskurs aus ABWL: im Sommersemester Teil / 2 und 7 Univ. Ass. Dr. Matthias G.

Finanzwirtschaft. Foliensatz Vertiefungskurs aus ABWL: im Sommersemester Teil / 2 und 7 Univ. Ass. Dr. Matthias G. Universität Wien Institut für Betriebswirtschaftslehre ABWL IV: Finanzwirtschaft 400 026/2+7 Univ. Ass. Dr. M.G. Schuster Foliensatz Vertiefungskurs aus ABWL: Finanzwirtschaft im Sommersemester 2004 4.

Mehr

2.3 Basis und Dimension

2.3 Basis und Dimension Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit

Mehr

Einführung in die Diskrete Finanzmathematik

Einführung in die Diskrete Finanzmathematik Springer-Lehrbuch Einführung in die Diskrete Finanzmathematik Bearbeitet von Jürgen Kremer 1. Auflage 2005. Taschenbuch. XVI, 500 S. Paperback ISBN 978 3 540 25394 5 Format (B x L): 15,5 x 23,5 cm Gewicht:

Mehr

Seminarthemen für das Sommersemester Einführung. 2 Seminarthemen. Professor Dr. Dr. h.c. Lutz Kruschwitz

Seminarthemen für das Sommersemester Einführung. 2 Seminarthemen. Professor Dr. Dr. h.c. Lutz Kruschwitz FREIE UNIVERSITÄT BERLIN / UNIVERSITÄT WIEN 26. Januar 2010 INSTITUT FÜR BETRIEBSWIRTSCHAFTSLEHRE Professor Dr. Dr. h.c. Lutz Kruschwitz 1 Einführung Seminarthemen für das Sommersemester 2010 Methodische

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

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn

Stetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige

Mehr

12 Gewöhnliche Differentialgleichungen

12 Gewöhnliche Differentialgleichungen 2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 18. Januar 2012 ZÜ DS ZÜ XII

Mehr

Kapitel 6. Suffiziente Statistiken. 6.1 Vorbetrachtungen

Kapitel 6. Suffiziente Statistiken. 6.1 Vorbetrachtungen Kapitel 6 Suffiziente Statistiken In diesem Kapitel untersuchen wir einen weiteren statistischen Begriff, der eng mit Likelihoodfunktionen zusammenhängt und mit der Frage nach eventuell möglicher Datenreduktion

Mehr

Nochmal: Indifferenzwahrscheinlichkeiten und Nutzenfunktion Reihung: Selbständigkeit Erfolg Geschäftsführer Vorstandsassistent Insolvenz

Nochmal: Indifferenzwahrscheinlichkeiten und Nutzenfunktion Reihung: Selbständigkeit Erfolg Geschäftsführer Vorstandsassistent Insolvenz Nochmal: Indifferenzwahrscheinlichkeiten und Nutzenfunktion Reihung: Selbständigkeit Erfolg Geschäftsführer Vorstandsassistent Insolvenz Ref.-L.1: Selbst. Erfolg Sicher (300000) π = 1 1-π = 0 Selbständigkeit

Mehr

Das Bornhuetter Ferguson Prinzip. Über Gemeinsamkeiten bekannter Reservierungsverfahren

Das Bornhuetter Ferguson Prinzip. Über Gemeinsamkeiten bekannter Reservierungsverfahren AbD 2V AbM BFV BFP Bsp Über Gemeinsamkeiten bekannter Reservierungsverfahren Klaus D. Schmidt Lehrstuhl für Versicherungsmathematik TU Dresden Mathias Zocher Aktuariat Nichtleben Allianz Suisse Dresden,

Mehr

Kapitel 11 Eigenwerte und Eigenvektoren

Kapitel 11 Eigenwerte und Eigenvektoren Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare

Mehr

Rangsatz. d.) (2P) Formulieren Sie den

Rangsatz. d.) (2P) Formulieren Sie den Probeklausur Lineare Algebra I am 14.11.09 Die Klausur ist in drei Teile unterteilt, die grob als Definitions-, Rechenund Beweisteil bezeichnet werden können (optisch durch Linien getrennt). In jedem Teil

Mehr

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen...

I Grundbegriffe 1 1 Wahrscheinlichkeitsräume Bedingte Wahrscheinlichkeiten und Unabhängigkeit Reellwertige Zufallsvariablen... Inhaltsverzeichnis I Grundbegriffe 1 1 Wahrscheinlichkeitsräume......................... 1 2 Bedingte Wahrscheinlichkeiten und Unabhängigkeit........... 7 3 Reellwertige Zufallsvariablen........................

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können

Mehr

Unternehmensbewertung

Unternehmensbewertung Unternehmensbewertung von Dr. Jochen Drukarczyk Professor für Betriebswirtschaftslehre an der Universität Regensburg unter Mitarbeit von Dr. Bernhard Schwetzler Professor für Betriebswirtschaftslehre an

Mehr

2.4 Entscheidung bei Risiko

2.4 Entscheidung bei Risiko 2.4 Entscheidung bei Risiko Entscheidung bei Risiko nimmt an, dass für jeden Zustand S j seine Eintrittswahrscheinlichkeit P(S j ) bekannt ist Eintrittswahrscheinlichkeiten bestimmbar als statistische

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

Kapitel 8. Erwarteter Nutzen. Intertemporaler Nutzen für Mehrperioden-Entscheidungen

Kapitel 8. Erwarteter Nutzen. Intertemporaler Nutzen für Mehrperioden-Entscheidungen Kapitel 8 Erwarteter Nutzen Josef Leydold c 2006 Mathematische Methoden VIII Erwarteter Nutzen / 27 Lernziele Nutzenfunktion zur Risikobewertung Erwarteter Nutzen Maße für Risikoaversion Indifferenzkurven

Mehr

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153 3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische

Mehr

Darstellung der DCF Verfahren

Darstellung der DCF Verfahren Darstellung der DCF Verfahren Fallstudien BWL Unternehmensbewertung WS 2010/11 Prof. Dr. Matthias Hendler Bewerten heißt vergleichen. (A. Moxter) 2 Überblick 1. Verfahren der Bruttokapitalisierung WACC

Mehr

Ingenieurmathematik I Lernstandserhebung 2 24./

Ingenieurmathematik I Lernstandserhebung 2 24./ Ingenieurmathematik I Lernstandserhebung 4./5..7 Bitte Namen, Vornamen und Matrikel-Nr. einsetzen. Name:............................................................................ Vorname:.........................................................................

Mehr

Seminarthemen für das Sommersemester Einführung. 2 Seminarthemen. Professor Dr. Dr. h.c. Lutz Kruschwitz

Seminarthemen für das Sommersemester Einführung. 2 Seminarthemen. Professor Dr. Dr. h.c. Lutz Kruschwitz FREIE UNIVERSITÄT BERLIN / UNIVERSITÄT WIEN 22. Februar 2011 INSTITUT FÜR BETRIEBSWIRTSCHAFTSLEHRE Professor Dr. Dr. h.c. Lutz Kruschwitz 1 Einführung Seminarthemen für das Sommersemester 2011 Methodische

Mehr

2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105. gramms kommutativ:

2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105. gramms kommutativ: 2.8. ABBILDUNGSMATRIZEN UND BASISWECHSEL 105 gramms kommutativ: V ϕ W ψ X c B c C c D K n x MC B(ϕ) x K m x MC D (ψ) x K l x M C D (ψ)mb C (ϕ) x Dies bedeutet, dass das gesamte Diagramm kommutativ ist.

Mehr

12. Trennungssätze für konvexe Mengen 83

12. Trennungssätze für konvexe Mengen 83 12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C

Mehr

4 Lineare Abbildungen und Matrizen

4 Lineare Abbildungen und Matrizen Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt

Mehr

von Hans Rau-Bredow, Würzburg 1. Einführung

von Hans Rau-Bredow, Würzburg 1. Einführung Heath, Jarrow, Morton Made Easy: Zur präferenzfreien Bewertung von Swaptions. Anmerkungen zu dem gleichnamigen Beitrag von Markus Rudolf, erschienen in: Finanzmarkt und Portfolio Management, 12. Jahrgang

Mehr

Schwartz-Raum (Teil 1)

Schwartz-Raum (Teil 1) Schwartz-Raum (Teil 1) Federico Remonda, Robin Krom 10. Januar 2008 Zusammenfassung Der Schwartz-Raum ist ein Funktionenraum, der besondere Regularitätseigenschaften besitzt, die uns bei der Fouriertransformation

Mehr

und Investition Finanzierung R. Verlag München Wien an der Freien Universität Von Dr. Lutz Kruschwitz Professor für Betriebswirtschaftslehre

und Investition Finanzierung R. Verlag München Wien an der Freien Universität Von Dr. Lutz Kruschwitz Professor für Betriebswirtschaftslehre Finanzierung und Investition Von Dr. Lutz Kruschwitz Professor für Betriebswirtschaftslehre an der Freien Universität 4., überarbeitete und erweiterte Auflage R. Verlag München Wien 1 Einmalige sichere

Mehr

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren Kapitel 13 Vektoren Mathematischer Vorkurs TU Dortmund Seite 114 / 1 Vektoren 131 Denition: Vektoren im Zahlenraum Ein Vektor (im Zahlenraum) mit n Komponenten ist ein n-tupel reeller Zahlen,

Mehr

Modul 2 - Unternehmensbewertung -

Modul 2 - Unternehmensbewertung - Modul 2 - Unternehmensbewertung - 1. Grundlagen der Unternehmensbewertung 2. Verfahren der Unternehmensbewertung im Überblick 3. Die DCF-Methode 4. Fallstudie buch.de Studies on Financial Analysis and

Mehr

Lösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j.

Lösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j. Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 24 1. Zeige: Ist 1 n := min{dim K (V 1 ), dim K (V 2 )} < für Vektorräume V 1 und V 2, so ist jeder Tensor in V 1 K V 2 eine Summe von

Mehr

Vorlesung 2: Erwartungsnutzen

Vorlesung 2: Erwartungsnutzen Vorlesung 2: Erwartungsnutzen Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 2 (FS 11) Erwartungsnutzen 1 / 28 1. Modellrahmen 1.1 Die Alternativen Wir betrachten

Mehr

Risk analysis and valuation of life insurance contracts: Combining actuarial and financial approaches

Risk analysis and valuation of life insurance contracts: Combining actuarial and financial approaches Risk analysis and valuation of life insurance contracts: Combining actuarial and financial approaches Mario Knoll 5. Dezember 2012 Inhalt Einführung Einführung Produktmerkmal: Zinsgarantien 2 Haupttypen:

Mehr

Kapitel II - Wahrscheinlichkeitsraum

Kapitel II - Wahrscheinlichkeitsraum Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel II - Wahrscheinlichkeitsraum Wahrscheinlichkeitstheorie Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh

Mehr

Lineare Algebra II Lösungen der Aufgaben 42 und 43

Lineare Algebra II Lösungen der Aufgaben 42 und 43 D Blottière SS 7 P Schützdeller Universität Paderborn Lineare Algebra II Lösungen der Aufgaben 4 und 43 Aufgabe 4 : Bemerkungen : Es sei V ein n-dimensionaler Vektorraum über einem Körper K und β : V V

Mehr

Einführung in die mathematische Logik

Einführung in die mathematische Logik Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 3 Tautologien In der letzten Vorlesung haben wir erklärt, wie man ausgehend von einer Wahrheitsbelegung λ der Aussagevariablen

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte Lösungen zu den Übungsblättern 4-5 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit

Mehr

Studienbuch Finanzierung und Investition

Studienbuch Finanzierung und Investition Studienbuch Finanzierung und Investition Von Dr. Dorothea Schäfer Univ.-Prof. Dr. Lutz Kruschwitz Dipl.-Kfm. Mike Schwake 2., überarbeitete und erweiterte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis

Mehr

5.3 Darstellungsmatrizen affiner Abbildungen

5.3 Darstellungsmatrizen affiner Abbildungen 5.3 Darstellungsmatrizen affiner Abbildungen Definition 5.3.1. Seien A und B endlich-dimensionale ARs mit dim A n, dim B m und KS E : (p 0,..., p n ) von A und KS F : (q 0,..., q m ) von B. Sei α : A B

Mehr

7. Kritische Exponenten, Skalenhypothese

7. Kritische Exponenten, Skalenhypothese 7. Kritische Exponenten, Skalenhypothese 1 Kritische Exponenten, Universalitätsklassen 2 Beziehungen zwischen den kritischen Exponenten 3 Skalenhypothese für die thermodynamischen Potentiale G. Kahl (Institut

Mehr

15. September 2010 Prof. Dr. W. Bley. Universität Kassel Klausur SS 2010 Diskrete Strukturen I (Informatik) Name:... Matr.-Nr.:... Viel Erfolg!

15. September 2010 Prof. Dr. W. Bley. Universität Kassel Klausur SS 2010 Diskrete Strukturen I (Informatik) Name:... Matr.-Nr.:... Viel Erfolg! 15. September 010 Prof. Dr. W. Bley Universität Kassel Klausur SS 010 Diskrete Strukturen I (Informatik) 1 3 4 5 6 Name:................................................ Matr.-Nr.:............................................

Mehr

Übungsblatt

Übungsblatt Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen

Mehr

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl. Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )

Mehr

Beispiel 6 (Multivariate Normalverteilung)

Beispiel 6 (Multivariate Normalverteilung) Beispiel 6 (Multivariate Normalverteilung) Sei X N(µ,Σ). Es existiert eine Matrix A IR d k, sodass X d = µ+az wobei Z N k (0,I) und AA T = Σ. Weiters gilt Z = RS wobei S ein gleichmäßig verteilter Zufallsvektor

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

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 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

Mehr

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren 3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)

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

Vorkurs Mathematik B

Vorkurs Mathematik B Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein

Mehr

Angewandte Stochastik

Angewandte Stochastik Angewandte Stochastik Dr. C.J. Luchsinger 13 Allgemeine Theorie zu Markov-Prozessen (stetige Zeit, diskreter Zustandsraum) Literatur Kapitel 13 * Grimmett & Stirzaker: Kapitel 6.9 Wie am Schluss von Kapitel

Mehr

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent. Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen

Mehr

Das Prinzip der Suchmaschine Google TM

Das Prinzip der Suchmaschine Google TM /9 Das Prinzip der Suchmaschine Google TM Numerische Mathematik WS 20/2 Basieren auf dem Paper The $25,000,000,000 Eigenvector: The Linear Algebra behind Google von Kurt Bryan und Tanya Leise (SIAM Review,

Mehr

Cauchys Integralsatz und Cauchys Integralformel

Cauchys Integralsatz und Cauchys Integralformel Kapitel 23 Cauchys Integralsatz und Cauchys Integralformel 23. Der Cauchysche Integralsatz (einfach zusammenhängend; einfache geschlossene Kurven; Fresnelsche Integrale) Wird die Voraussetzung f habe eine

Mehr

f(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.

f(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum. Fabian Kohler Karolina Stoiber Ferienkurs Analsis für Phsiker SS 4 A Extrema In diesem Abschnitt sollen Extremwerte von Funktionen f : D R n R diskutiert werden. Auch hier gibt es viele Ähnlichkeiten mit

Mehr

Kapitel VIII - Tests zum Niveau α

Kapitel VIII - Tests zum Niveau α Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VIII - Tests zum Niveau α Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh Testsituationen

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr

Kapitel 28. Bemerkungen zur Laplace-Transformation Die Transformation (Heaviside-Funktion; konvergenzerzeugender

Kapitel 28. Bemerkungen zur Laplace-Transformation Die Transformation (Heaviside-Funktion; konvergenzerzeugender Kapitel 28 Bemerkungen zur Laplace-Transformation 28.1 Die Transformation (Heaviside-Funktion; konvergenzerzeugender Faktor; exponentielle Ordnung) Eng verwandt mit der Fourier-Transformation ist die Laplace-

Mehr

1 Grundlagen zur Darstellungstheorie

1 Grundlagen zur Darstellungstheorie Seminar Gruppen in der Physik SS 06 Vortrag 1 Gruppen und ihr Darstellung Matthias Nagl 1 Grundlagen zur Darstellungstheorie In diesem Vortrag wird es nur um lineare Darstellungen endlicher Gruppen in

Mehr

Kapitel III. Aufbau des Zahlensystems

Kapitel III. Aufbau des Zahlensystems Kapitel III. Aufbau des Zahlensystems 1 Addition und Multiplikation natürlicher Zahlen Wir wollen erklären, wie man natürliche Zahlen addiert und multipliziert und dabei nur den Begriff das Zählens verwenden.

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume

Mehr

Methoden der Statistik Markov Chain Monte Carlo Methoden

Methoden der Statistik Markov Chain Monte Carlo Methoden Methoden der Statistik Markov Chain Monte Carlo Methoden Humboldt-Universität zu Berlin 08.02.2013 Problemstellung Wie kann eine Zufallsstichprobe am Computer simuliert werden, deren Verteilung aus einem

Mehr

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra A. Filler[-3mm] Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra, Teil 8 Folie 1 /27 Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra 8. Das Skalarprodukt, metrische

Mehr

Der Fundamentalsatz der Algebra. 1 Motivation

Der Fundamentalsatz der Algebra. 1 Motivation Vortrag im Rahmen des Proseminars zur Analysis, 24. April 2006 Micha Bittner Motivation Den ersten des Fundamentalsatzes der Algebra erbrachte C.F. Gauss im Jahr 799 im Rahmen seiner Dissertation. Heute

Mehr

3.5 Duale Vektorräume und Abbildungen

3.5 Duale Vektorräume und Abbildungen 3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung

Mehr

Kapitel 1. Erste algebraische Strukturen. 1.2 Ringe und Körper

Kapitel 1. Erste algebraische Strukturen. 1.2 Ringe und Körper Kapitel 1 Lineare Algebra individuell M. Roczen und H. Wolter, W. Pohl, D.Popescu, R. Laza Erste algebraische Strukturen Hier werden die grundlegenden Begriffe eingeführt; sie abstrahieren vom historisch

Mehr

3 Geometrische Klassifikation der Bewegungen im R 2 und R 3

3 Geometrische Klassifikation der Bewegungen im R 2 und R 3 3 Geometrische Klassifikation der Bewegungen im R 2 und R 3 Sei f : R n R n eine Bewegung Sie kann beschrieben werden in der Form Dabei ist T (f)(x) = A x f(x) = Ax + b mit A O(n) und b R n Definition:

Mehr

49 Differenzierbarkeit, Richtungsableitung und partielle Differenzierbarkeit

49 Differenzierbarkeit, Richtungsableitung und partielle Differenzierbarkeit 49 Differenzierbarkeit, Richtungsableitung und partielle Differenzierbarkeit 49.1 Differenzierbarkeit 49.2 Eindeutigkeit des Differentials; Unabhängigkeit der Differenzierbarkeit von den gewählten Normen

Mehr

= ( n x j x j ) 1 / 2

= ( n x j x j ) 1 / 2 15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors

Mehr

Finanzierung und Investition

Finanzierung und Investition Finanzierung und Investition 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Von Dr. Lutz Kruschwitz Professor für

Mehr

Bewertung von Synergiepotentialen

Bewertung von Synergiepotentialen Frank Burde Bewertung von Synergiepotentialen Quantitative Synergieerfassung in der Unternehmensbewertung Diplomica Verlag Frank Burde Bewertung von Synergiepotentialen: Quantitative Synergieerfassung

Mehr

Lösung 7: Bilinearformen

Lösung 7: Bilinearformen D-MATH Lineare Algebra II FS 207 Dr. Meike Akveld Lösung 7: Bilinearformen. a). Seien u, u 2 V, λ K, dann gelten nach Voraussetzung: L v (u + λu 2 ) =β(v, u + λu 2 ) = β(v, u ) + β(v, λu 2 ) =β(v, u )

Mehr

Discounted Cash Flow Verfahren

Discounted Cash Flow Verfahren Schwerpunktfach Unternehmensprüfung Seminarreihe Unternehmensbewertung Klaus Wenzel, WP/StB Corporate Finance-/Unternehmensberatung Zum Inhalt 1. Kurzvorstellung der BPG Beratergruppe 2. Grundlagen der

Mehr

Dualitätssätze der linearen Optimierung

Dualitätssätze der linearen Optimierung Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =

Mehr

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren 3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem

Mehr

Wiederholung: lineare Abbildungen

Wiederholung: lineare Abbildungen Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =

Mehr

D-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys. Serie 13

D-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys. Serie 13 D-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys Serie 13 1. Um einen Tisch sitzen 7 Zwerge. Vor jedem steht ein Becher mit Milch. Einer der Zwerge verteilt seine Milch gleichmässig auf alle

Mehr

Das Wichtigste auf einen Blick

Das Wichtigste auf einen Blick Das Wichtigste auf einen Blick Zusammenfassung Geometrie.Parameterform einer Geraden Eine Gerade ist wie auch in der Analysis durch zwei Punkte A, B im Raum eindeutig bestimmt einer der beiden Punkte,

Mehr

Seminar über Darstellungstheorie endlicher Gruppen: Lemma von Schur, Darstellungen abelscher Gruppen, Räume von Darstellungshomomorphismen

Seminar über Darstellungstheorie endlicher Gruppen: Lemma von Schur, Darstellungen abelscher Gruppen, Räume von Darstellungshomomorphismen Seminar über Darstellungstheorie endlicher Gruppen: Lemma von Schur, Darstellungen abelscher Gruppen, Räume von Darstellungshomomorphismen Aline Kaszuba, Lukas Böke 15. März 2016 Die folgende Diskussion

Mehr

ε δ Definition der Stetigkeit.

ε δ Definition der Stetigkeit. ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x

Mehr