Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
|
|
- Siegfried Egger
- vor 6 Jahren
- Abrufe
Transkript
1 Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg
2 Grundlagentest Bruchrechnen!
3 Testfrage: Bruchrechnung 1 Wie lautet das Ergebnis des folgenden Ausdrucks (Rechnung ohne Taschenrechner)? Antwort: A 3 5 B 7 C 5 36 D 9 15 E Keine Ahnung / Keine der Lösungen oben! Richtig: B
4 Testfrage: Bruchrechnung 2 Erni, Bert und das Krümelmonster essen Kekse. Ernie isst 3 2 Kekse, Bert ist 4 3 der Menge die Ernie isst, und das Krümelmonster isst 6 7 der Menge, die Bert und Ernie zusammen essen. Wieviele Kekse essen alle zusammen (Rechnung ohne Taschenrechner)? Antwort: A 13 2 B 6 C D 54 7 E Ich habe ein anderes Ergebnis oder ich weiß nicht wie das geht.
5 Testfrage: Bruchrechnung 3 Falls x, y 1 und x ±y gilt: Wie kann man den folgenden Ausdruck noch schreiben? x x+1 y y+1 x y x+y Antwort: A B C D E x+y xy+x+y+1 x+y x y x + y (x+1)(y+1) x+y Ich habe ein anderes Ergebnis oder ich weiß nicht wie das geht.
6 Testauswertung: Ihr Ergebnis: 3 Antworten richtig: Sie können Bruchrechnen! 2 Antworten richtig: Rechnen Sie mindestens die Hälfte der Aufgaben! Nur 1 Antwort richtig: Rechnen Sie alle Aufgaben! Keine Antwort richtig: Rechnen Sie alle Aufgaben und suchen Sie noch nach weiterem Übungsmaterial zu diesem Thema! Übungsmaterial Zu diesem Thema: Aufgaben aus
7 : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra 5 Lineare Programme 6 Folgen und Reihen 7 Finanzmathematik 8 Reelle Funktionen 2 Grundlegende Notation von Summen Binomische Formel Doppelsummen Grundbegriffe der Logik Grundlegendes über Mengen 9 Differenzieren 1 10 Differenzieren 2 11 Integration
8
9
10
11 Summenzeichen Oft sinnvoll: Abkürzen von längeren Summen durch das Summenzeichen (Großes griechisches Sigma) Beispiel: Summe von 6 durchnumerierten Zahlen: N 1 + N 2 + N 3 + N 4 + N 5 + N 6 = 6 Sprechweise: Summe von i gleich 1 bis 6 über N i Obere und untere Summationsgrenze kann variieren, z.b. q a i = a p + a p a q i=p Auch konkrete Berechnungsvorschriften sind möglich, z.b. 8 i 2 = i=3 N i 2.1. Notation von Summen 2.2. Binomische Formel 2.3. Doppelsummen 2.4. Grundbegriffe der Logik 2.5. Grundlegendes über Mengen 38
12 Summenzeichen Rechenregeln für das Summenzeichen n n (a i + b i ) = a i + n n c a i = c a i n b i Damit leicht zu zeigen (Setze µ x = 1 n n (a i µ x ) = 0 ( n n (a i µ x ) 2 = a 2 i Additivität Homogenität n a i ): ) n µ 2 x 2.1. Notation von Summen 2.2. Binomische Formel 2.3. Doppelsummen 2.4. Grundbegriffe der Logik 2.5. Grundlegendes über Mengen 39
13 Produktzeichen Analog zum Summenzeichen: Das Produktzeichen n a i = a 1 a 2... a n 2.1. Notation von Summen 2.2. Binomische Formel Zum Beispiel: 2.3. Doppelsummen 2.4. Grundbegriffe der Logik 2.5. Grundlegendes über Mengen 2 ( x + ( 1) i ) = (x 1)(x + 1) Spezielle Abkürzung: n i = n = n! n Fakultät 40
14 Binomialkoeffizient Man definiert den Binomialkoeffizienten als: ( ) m = k m i=(m k+1) k j j=1 Wobei 0! = 1 gesetzt wird. Also: ( ) m 0 = 1 Beispiel: ( ) 5 = = 10 Rechenregeln: ( ) ( ) m m = k m k und i = m! k! (m k)! ( ) m + 1 = k + 1 ( ) ( ) m m + k k Notation von Summen 2.2. Binomische Formel 2.3. Doppelsummen 2.4. Grundbegriffe der Logik 2.5. Grundlegendes über Mengen 41
15 Binomische Formel Newtons binomische Formel Kurzform: Zum Beispiel: ( ) ( ) m m (a + b) m = a m + a m 1 b ( ) ( ) m m + ab m 1 + b m m 1 m (a + b) m = m k=0 ( ) m a m k b k k (x + y) 4 = x 4 + 4x 3 y + 6x 2 y 2 + 4xy 3 + y Notation von Summen 2.2. Binomische Formel 2.3. Doppelsummen 2.4. Grundbegriffe der Logik 2.5. Grundlegendes über Mengen 42
16 Doppelsummen Beispielsituation: Daten in Tabellenform in n Spalten und m Zeilen Einzelne Einträge: a ij mit i 1,..., m und j 1,..., n Summe über alle Zahlen mit Doppelsummen: m m m a i1 + a i a in = ( n m ) a ij j= Notation von Summen 2.2. Binomische Formel 2.3. Doppelsummen 2.4. Grundbegriffe der Logik 2.5. Grundlegendes über Mengen Es gilt: m n n m a ij = j=1 j=1 a ij 43
17 Sätze, Implikation und Äquivalenz Satz: Aussage, die als wahr oder falsch nachgewiesen werden kann Implikation: Wenn Aussage A wahr ist muss Aussage B wahr sein. Andernfalls ist Implikation falsch. Schreibweise: A B 2.1. Notation von Summen 2.2. Binomische Formel 2.3. Doppelsummen 2.4. Grundbegriffe der Logik Gilt A B sagt man auch: A ist eine hinreichende Bedingung für B B ist eine notwendige Bedingung für A Äquivalenz: Gilt A B und B A gleichzeitig, sind A und B äquivalent: A B 2.5. Grundlegendes über Mengen 44
18 Gleichungen und Äquivalenz Warum Äquivalenzumformungen bei Gleichungen? Gegeben: Kette von Äquivalenzumformungen f(x) = 0... x = 1 x = 17 Ersetzen von durch? Bedeutung: Lösungsmenge {1, 17} Ersetzen von durch? Bedeutung: Lösungsmenge {1, 17} 2.1. Notation von Summen 2.2. Binomische Formel 2.3. Doppelsummen 2.4. Grundbegriffe der Logik 2.5. Grundlegendes über Mengen 45
19 Mengen und Elemente Menge: Sammlung von Elementen Aufzählung in geschweiften Klammern. Zum Beispiel Menge E: E = {Fisch, Nudeln, Huhn, Eis} Zwei Mengen A und B sind gleich, wenn jedes Element von A auch in B ist und andersherum, also: {a, 1, 4} = {4, 1, a} Darstellung von Mengen durch Beschreibung der Elemente, z.b. Zugehörigkeit zu einer Menge: M = {x R : 0 x < 1} 2.1. Notation von Summen 2.2. Binomische Formel 2.3. Doppelsummen 2.4. Grundbegriffe der Logik 2.5. Grundlegendes über Mengen x A x ist ein Element der Menge A 46
20 Teilmengen und Verknüpfungen Teilmengen Ist Jedes Element einer Menge A auch Element der Menge B, so heißt A Teilmenge von B A B Damit gilt: Mengenverknüpfungen A = B A B und B A Notation Sprechweise Die resultierende Menge besteht aus den Elementen, die A B Vereinigungsmenge von A und B mindestens zu A oder B gehören A B Schnittmenge von A und B sowohl in A als auch in B liegen A\B A ohne B zu A, aber nicht zu B gehören 2.1. Notation von Summen 2.2. Binomische Formel 2.3. Doppelsummen 2.4. Grundbegriffe der Logik 2.5. Grundlegendes über Mengen 47
21 : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra 5 Lineare Programme 6 Folgen und Reihen 7 Finanzmathematik 8 Reelle Funktionen 9 Differenzieren 1 4 Lineare Algebra Matrizen und Vektoren Matrixalgebra Punktmengen im R n Lineare Gleichungssysteme Inverse Matrizen Determinanten Eigenwerte 10 Differenzieren 2 11 Integration
22 Warum beschäftigen wir uns mit linearer Algebra? Quantitative tabellarische Daten (Excel) sind aus betriebs- und volkswirtschaftlichen Fragestellungen nicht wegzudenken Methoden der Matrizenrechnung erleichtern beziehungsweise ermöglichen die Analyse solcher Daten Wesentliche Lernziele Kennenlernen der Eigenschaften von Matrizen Beherrschen elementarer Matrixoperationen Fähigkeit, lineare Gleichungssysteme aufzustellen, zu lösen und diese Lösung darzustellen Beherrschen des Invertierens spezieller Matrizen 4.1. Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte 58
23 Einführung Beispiel 1 Eine Unternehmung stellt mit Hilfe der Produktionsfaktoren F 1, F 2, F 3 zwei Produkte P 1, P 2 her. Zur Produktion für jede Mengeneinheit von P j (j = 1,2) werden a ij Mengeneinheiten von F i (i = 1,2,3) verbraucht. Verbrauch Grafisch dargestellt: für eine Einheit des Produkts P 1 P 2 von Einheiten F 1 a 11 a 12 der F 2 a 21 a 22 Produktionsfaktoren F 3 a 31 a 32 F 1 F 2 F 3 a 11 a 12 a 21 a 22 P 1 P 2 a 31 a Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte 59
24 Einführung Beispiel 2 Für fünf gleichartige Produkte P 1,..., P 5 werden drei Merkmale erhoben, und zwar der Preis, die Qualität und die Art des Kundenkreises, der das jeweilige Produkt nachfragt. Ergebnis: Merkmale Preis Qualität Kundenkreis Fragen: Produkte P 1 20 sehr gut A P 2 18 sehr gut B P 3 20 sehr gut A P 4 16 mäßig C P 5 18 ordentlich B 4.1. Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte Ähnlichkeit von Produkten Finden von Kundensegmenten Zuordnen zu diesen Segmenten Marktforschung 60
25 Definitionen Definition Matrix Ein geordnetes, rechteckiges Schema von Zahlen oder Symbolen a 11 a a 1j... a 1n a 21 a a 2j... a 2n A =.... a i1 a i2... a ij... a in = (a ij ) m,n.... a m1 a m2... a mj... a mn mit m, n N heißt Matrix mit m Zeilen und n Spalten oder kurz m n-matrix (Im Folgenden: a ij R). a 11,..., a mn heißen Komponenten der Matrix. Dabei gibt i die Zeile und j die Spalte an, in der a ij steht. i heißt Zeilenindex und j Spaltenindex von a ij. Sind alle Komponenten a ij reelle Zahlen, so spricht man von einer reellen Matrix Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte 61
26 Transponierte Matrix Definition Zu jeder m n-matrix a a 1n A =.. a m1... a mn heißt die n m-matrix a a m1 A T =.. a 1n... a mn die zu A transponierte Matrix 4.1. Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte 62
27 Transponierte Matrix Definition Zu jeder m n-matrix a a 1n A =.. a m1... a mn heißt die n m-matrix a a m1 A T =.. a 1n... a mn die zu A transponierte Matrix ( A T ) T = A 4.1. Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte 62
28 Beispiel transponierte Matrix a) A = ( ) A T = b) A T = ( A ) T T = A = Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte 63
29 Vektoren Definition n 1-Matrix heißt Spaltenvektor mit n Komponenten: a = a 1. a n 1 n-matrix heißt Zeilenvektor mit n Komponenten: a T = (a 1,..., a n ) 4.1. Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte 64
30 Geometrische Veranschaulichung von Vektoren a ( ) a 2 1 ( 1 2) 1 ( ) 0 1 a 1 a 3 a Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte 65
31 Relationen zwischen Matrizen Definition Seien A = (a ij ) m,n und B = (b ij ) m,n reelle Matrizen mit übereinstimmender Zeilenzahl m und Spaltenzahl n. Dann wird definiert: A = B a ij = b ij für alle i = 1,..., m, j = 1,..., n A B a ij b ij für mindestens ein Indexpaar (i, j) A B a ij b ij (i, j) A < B a ij < b ij (i, j) 4.1. Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte Entsprechend A B und A > B. 66
32 Spezielle Matrizen Definition a) A = (a ij ) n,n heißt quadratisch b) A = (a ij ) n,n mit A = A T heißt symmetrisch c) A = (a ij ) n,n heißt Dreiecksmatrix, wenn a ij = 0 für i < j (untere Dreiecksmatrix) oder a ij = 0 für i > j (obere Dreiecksmatrix) d) A = (a ij ) n,n heißt Diagonalmatrix, wenn a ij = 0 für alle i j e) A = (a ij ) n,n heißt Einheitsmatrix, wenn a ii = 1 für alle i und a ij = 0 für alle j j 4.1. Matrizen und Vektoren 4.2. Matrixalgebra 4.3. Punktmengen im R n 4.4. Lineare Gleichungssysteme 4.5. Inverse Matrizen 4.6. Determinanten 4.7. Eigenwerte 67
Einführung 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:
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra 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 aufrufbar.
MehrA Matrix-Algebra. A.1 Definition und elementare Operationen
A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne
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
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
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen
MehrLineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung
Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrMathematik für Techniker
Mathematik für Techniker 5. Auflage mit 468 Bildern, 531 Beispielen und 577 Aufgaben mit Lösungen rs Fachbuchverlag Leipzig im Carl Hanser Verlag Inhaltsverzeichnis 1 Rechenoperationen 15 1.1 Grundbegriffe
MehrBrückenkurs Mathematik, THM Friedberg, 15 19.9.2014
egelsammlung mb2014 THM Friedberg von 6 16.08.2014 15:04 Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014 Sammlung von Rechenregeln, extrahiert aus dem Lehrbuch: Erhard Cramer, Johanna Neslehová: Vorkurs
MehrInhaltsverzeichnis 1 Lineare Gleichungssysteme I
Inhaltsverzeichnis 1 Lineare Gleichungssysteme I 3 1.1 Mengen und Abbildungen....................................... 3 1.1.1 Mengen und ihre Operationen.............................. 3 1.1.2 Summen- und
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
MehrMatrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.
Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und
MehrMicrosoft Excel 2010 Matrix-Funktionen
Hochschulrechenzentrum Justus-Liebig-Universität Gießen Microsoft Excel 2010 Matrix-Funktionen Matrix-Funktionen in Excel 2010 Seite 1 von 7 Inhaltsverzeichnis Einleitung... 2 Integrierte Matrixfunktionen...
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrStatistische Methoden
Statistische Methoden Dr CJ Luchsinger 6 Repetition: Rechnen mit Matrizen für die Statistik Matrizen sind aus zwei Gründen für die Statistik sehr wichtig: Sie ermöglichen uns einerseits eine sehr elegante
MehrEinführung in die Tensorrechnung
1. Definition eines Tensors Tensoren sind Grössen, mit deren Hilfe man Skalare, Vektoren und weitere Grössen analoger Struktur in ein einheitliches Schema zur Beschreibung mathematischer und physikalischer
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrProjekt Standardisierte schriftliche Reifeprüfung in Mathematik. T e s t h e f t B 1. Schulbezeichnung:.. Klasse: Vorname: Datum:.
Projekt Standardisierte schriftliche Reifeprüfung in Mathematik T e s t h e f t B Schulbezeichnung:.. Klasse: Schüler(in) Nachname:. Vorname: Datum:. B Große und kleine Zahlen In Wikipedia findet man die
MehrEinführung in die Mathematik für Volks- und Betriebswirte
Einführung in die Mathematik für Volks- und Betriebswirte Von Prof. Dr. Heinrich Bader und Prof. Dr. Siegbert Fröhlich Mit 45 A bbildungen 8. A uflage R. Oldenbourg Verlag München Wien INHALTSVERZEICHNIS
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrWolfgang Kohn Riza Öztürk. Mathematik für Ökonomen. Ökonomische Anwendungen der linearen. Algebra und Analysis mit Scilab
Wolfgang Kohn Riza Öztürk Mathematik für Ökonomen Ökonomische Anwendungen der linearen Algebra und Analysis mit Scilab 3., erweiterte und überarbeitete Auflage ^ Springer Gabler Inhaltsverzeichnis Teil
MehrÜbungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS
Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrMathematische Grundlagen Kurseinheit 1: Grundlagen
Mathematische Grundlagen Kurseinheit 1: Grundlagen Autorin: Luise Unger In L A TEX gesetzt von Luise Unger c 2007 Fernuniversität in Hagen Fachbereich Mathematik (10/05) Alle Rechte vorbehalten 01141-4-01-S
MehrMathematikaufgaben zur Vorbereitung auf das Studium
Hochschule für Technik und Wirtschaft Dresden (FH) Fachbereich Informatik/Mathematik Mathematikaufgaben zur Vorbereitung auf das Studium Studiengänge Informatik Medieninformatik Wirtschaftsinformatik Wirtschaftsingenieurwesen
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrEine kurze Einführung in scilab
Eine kurze Einführung in scilab 1.5 1 0.5 0 0.5 1 1.5 1.5 1 0.5 0 0.5 1 von Dr. Werner E. Schabert April 2009 Version 3.1 Universität Augsburg Inhaltsverzeichnis 1 Rechenoperationen und mathematische
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
Mehr6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte
Numerik I Version: 240608 40 6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte Die zwei wichtigsten Aufgaben der linearen Algebra: Lösung linearer Gleichungssysteme: Ax = b, wobei die n
MehrBrückenkurs Mathematik Mathe: Das 1x1 der Ingenieurwissenschaften
Brückenkurs Mathematik Mathe: Das x der Ingenieurwissenschaften Gewöhnliche Differentialgleichungen, lineare Algebra oder Integralrechnung vertiefte Kenntnisse der Mathematik sind Voraussetzung für den
Mehr11 Normalformen von Matrizen
11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrI. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.
I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten
MehrMögliche Prüfungsfragen zu VO Mathematische Software
Mögliche Prüfungsfragen zu VO Mathematische Software SS 2009 Der Prüfungsstoff umfasst alles, was in der Vorlesung vorgetragen wurde. Die folgende Liste soll Ihnen bei der Vorbereitung helfen. Bei der
MehrSkript zur Vorlesung Höhere Mathematik für Bachelorstudiengänge. Prof. Dr. R. Herzog. gehalten im SS2013 Technische Universität Chemnitz
Skript zur Vorlesung Höhere Mathematik für Bachelorstudiengänge Prof. Dr. R. Herzog gehalten im SS2013 Technische Universität Chemnitz Auszug aus den Studienordnungen zu den Ausbildungszielen der mit dieser
MehrVorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: 978-3-446-43035-8. Weitere Informationen oder Bestellungen unter
Vorwort Günter M. Gramlich Lineare Algebra Eine Einführung ISBN: 978-3-446-43035-8 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-43035-8 sowie im Buchhandel. Carl Hanser
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
Mehr1 Aussagenlogik und Mengenlehre
1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrEinführung in MATLAB
Kapitel 4 Einführung in MATLAB 41 Allgemeines MATLAB ist eine kommerzielle mathematische Software zur Lösung mathematischer Probleme und zur graphischen Darstellung der Ergebnisse Die Verfahren in MATLAB
Mehr48 3 EXCEL: Mathematik
48 3 EXCEL: Mathematik Mit Hilfe des Dialogfeldes Funktion einfügen des Funktions-Assistenten kann man benötigte EXCEL-Funktionen in Zellen der aktuellen Tabelle eingeben. Diese Vorgehensweise wird empfohlen:
MehrMathematische Grundlagen
Luise Unger In LATEX gesetzt von Luise Unger Mathematische Grundlagen Kurseinheit 1: Grundlagen 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 77 7 7 777 7 77 7777777 77777 7 77 7 7 7 7 7 7 77777777777
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrBeispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0.
Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 5 0 6 5 2 x + 3 y 3 z = 5 2 3 3 5 2 x 3 y = 4 2 3 0 4 z2 /3 z : 3 2 x 3 y = 4 2 3 0 4 4 x + y z = 5 4 5 6 y + z = 5 0 6 5 z2 + 2 z 2 x 3 y = 4 2
MehrBONUS MALUS SYSTEME UND MARKOV KETTEN
Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,
MehrEine Kurzanleitung zu Mathematica
MOSES Projekt, GL, Juni 2003 Eine Kurzanleitung zu Mathematica Wir geben im Folgenden eine sehr kurze Einführung in die Möglichkeiten, die das Computer Algebra System Mathematica bietet. Diese Datei selbst
MehrNumerische Behandlung des Eigenwertproblems
Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden
MehrDivision 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
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
MehrWie Google Webseiten bewertet. François Bry
Wie Google Webseiten bewertet François Bry Heu6ge Vorlesung 1. Einleitung 2. Graphen und Matrizen 3. Erste Idee: Ranking als Eigenvektor 4. Fragen: Exisi6ert der Eigenvektor? Usw. 5. Zweite Idee: Die Google
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
Mehr2.1 Codes: einige Grundbegriffe
Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
Mehr7 Lineare Abbildungen und Lineare Gleichungssysteme
7 LINEARE ABBILDUNGEN UND LINEARE GLEICHUNGSSYSTEME 5 7 Lineare Abbildungen und Lineare Gleichungssysteme 7 Lineare Abbildungen 7 Abbildungen: Eine Verallgemeinerungen des Funktionsbegriffs Bemerkung:
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrMultivariate Statistik
Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)
MehrCAS-Ansicht Computer Algebra System & Cas spezifische Befehle
CAS-Ansicht Computer Algebra System & Cas spezifische Befehle GeoGebra Workshop Handout 10 1 1. Einführung in die GeoGebra CAS-Ansicht Die CAS-Ansicht ermöglicht die Verwendung eines CAS (Computer Algebra
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrLineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche
Lineare Algebra für Informatiker TUM Sommersemester 20 Dozent: Christian Pötzsche Janosch Maier 3. Juli 20 Herzlichen Dank an Lucas Westermann, Florian Scheibner (https://github. com/lswest/lamitschrift)
Mehrin den Microsoft Windows Systemen durch einen Doppelklick auf das Icon von MATLAB oder durch Anwählen des Menüs oder Untermenüs in der Abfolge
1 Grundkenntnisse von MATLAB 1.1 Bekanntschaft schließen mit MATLAB 1.1.1 Die Arbeitsoberfläche von MATLAB Der Start der Applikation MATLAB 1 erfolgt abhängig vom Betriebssystem auf unterschiedliche Weise:
MehrInstallation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung.
Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung. Die heutige Sitzung dient dem ersten Kennenlernen von MATLAB. Wir wollen MATLAB zuerst
Mehr1 Die reellen Zahlen. 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen,
1 Die reellen Zahlen 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen, präzise und logisch zu denken, komplexe Strukturen schnell und gründlich zu erfassen, Dinge kritisch zu hinterfragen
MehrSeminararbeit für das SE Reine Mathematik- Graphentheorie
Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis
MehrÜBERBLICK ÜBER DAS KURS-ANGEBOT
ÜBERBLICK ÜBER DAS KURS-ANGEBOT Alle aufgeführten Kurse sind 100 % kostenfrei und können unter http://www.unterricht.de abgerufen werden. ANALYSIS / INFINITESIMALRECHNUNG Nullstellen * Nullstellen einer
MehrMathematik für Ökonomen
Springer-Lehrbuch Mathematik für Ökonomen Ökonomische Anwendungen der linearen Algebra und Analysis mit Scilab Bearbeitet von Wolfgang Kohn, Riza Öztürk 1. Auflage 2012. Taschenbuch. xv, 377 S. Paperback
MehrWas bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert
MehrAufgabenbeispiele/ Schwerpunkte zur Vorbereitung auf die Eignungsprüfung im Fach Mathematik
Aufgabenbeispiele/ Schwerpunkte zur Vorbereitung auf die Eignungsprüfung im Fach Mathematik. Bruchrechnung (ohne Taschenrechner!!!) a) Mache gleichnamig! 4 und ; und ; 4 7 b) Berechne! 8 7 8 + 4 9 8 4
MehrAusgleichungsrechnung I
Ausgleichungsrechnung I oder Die Anwendung statistischer Methoden in Vermessungswesen und GIS Gerhard Navratil mit Beiträgen von Martin Staudinger Institute for Geoinformation Technical University Vienna
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrZ = 60! 29!31! 1,1 1017.
Aufgabe : Eine Hochzeitsgesellschaft besteht aus 60 Personen. a Wieviele verschiedene Möglichkeiten für Sitzordnungen gibt es? b Nehmen Sie nun an, dass 9 Gäste aus dem Familien- und Freundeskreis der
MehrKAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren
KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren Beispiel 3.2. Gesucht u(x), das eine Differentialgleichung vom Typ u (x) + λ(x)u(x) = f(x), x [0,], mit den Randbedingungen u(0) = u() = 0
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrDidaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule
Zahlbereichserweiterungen in der Hauptschule Didaktik der Zahlbereiche 4 Dr. Christian Groß Lehrstuhl Didaktik der Mathematik Universität Augsburg Wintersemester 2006/07 Natürliche Zahlen, : Klasse 5 positive
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
Mehrw a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2
1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba
MehrLineare Gleichungssysteme und Gauß'scher Algorithmus
Zurück Letzter Update 7... Lineare Gleichungssysteme und Gauß'scher Algorithmus In der Mathematik bezeichnet man mit Matrix ein rechteckiges Schema, in dem Zahlen oder Funktionen angeordnet werden. Hier
MehrLineare Gleichungssysteme. Lineare Gleichungssysteme. LR Zerlegung ohne Pivotsuche. Zerlegung regulärer Matrizen
Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation Betrachte ein lineares Gleichungssystem Ax = b (1) Es sei A C n n eine gegebene regulär Matrix. Dann
MehrEinführung in die Numerik mit VBA
Stefan Kolling Einführung in die Numerik mit VBA 2005 Fachhochschulverlag DER VERLAG FÜR ANGEWANDTE WISSENSCHAFTEN Inhaltsverzeichnis 1 Einführung 1 1.1 Einige Grundbegriffe aus der EDV 2 1.1.1 Darstellung
MehrÜbung 4: Einführung in die Programmierung mit MATLAB
Übung 4: Einführung in die Programmierung mit MATLAB AUFGABE 1 Was bewirkt der Strichpunkt? - Der Strichpunkt (Semikola) unterdrück die Anzeige der (Zwischen-) Resultate. Welche Rolle spielt ans? - Wenn
MehrMatheBasics Teil 1 Grundlagen der Mathematik
Fernstudium Guide Online Vorlesung Wirtschaftswissenschaft MatheBasics Teil 1 Grundlagen der Mathematik Version 2016 Dieses Werk ist urheberrechtlich geschützt. Jegliche unzulässige Form der Entnahme,
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
Mehr3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper
32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt
Mehr