Einheitsmatrix E = , Nullmatrix O = c c Diagonalmatrix diag(c 1, c 2,..., c n ) = Rang
|
|
- Adolf Beckenbauer
- vor 6 Jahren
- Abrufe
Transkript
1 3 Matrizen Einheitsmatrix E =, Nullmatrix O = c c Diagonalmatrix diag(c 1, c 2,, c n ) = c n, Rang Definition: Die Zahl r heißt Rang einer Matrix, falls die Matrix r linear unabhängige Spalten besitzt und, falls vorhanden, r + 1 beliebig gewählte Spalten linear abhängig sind Symbol: r = Rg(A) Satz: Für A R n,m gilt: a) Rg(A) ist auch die maximale Anzahl von linear unabhängigen Zeilen b) 0 Rg(A) min{n, m} c) Rg(A) = 0 gilt nur für die Nullmatrix Definition: Unter einer elementaren Zeilenumformung (Spaltenumformung) einer Matrix A R n,m versteht man folgende Operation: Zur i-ten Zeile (Spalte) wird die mit einer Zahl λ R multiplizierte j-te Zeile (Spalte) addiert, wobei j i Elementare Zeilen- und Spaltenumformungen lassen den Rang unverändert A = Einfache Operationen mit Matrizen a 11 a 12 a 1m b 11 b 12 b 1m a 21 a 22 a 2m b, B = 21 b 22 b 2m a n1 a n2 a nm b n1 b n2 b nm
2 Addition zweier Matrizen: A, B R n,m a 11 + b 11 a 12 + b 12 a 1m + b 1m a A + B = 21 + b 21 a 22 + b 22 a 2m + b 2m a n1 + b n1 a n2 + b n2 a nm + b nm Rechengesetze: a) Kommutativgesetz A + B = B + A b) Assoziativgesetz (A + B) + C = A + (B + C) = A + B + C (für A, B, C R n,m ) Multiplikation einer Matrix mit einer reellen Zahl t R: t a 11 t a 12 t a 1m t a t A = 21 t a 22 t a 2m t a n1 t a n2 t a nm Rechengesetze: a) Kommutativgesetz t A = A t b) Assoziativgesetz s (t A) = (s t) A c) Distributivgesetze (s + t) A = s A + t A (s t) A = s A t A s (A + B) = s A + s B s (A B) = s A s B (s, t R, A, B R n,m ) Subtraktion: ( B) = ( 1) B, A B = A + ( B) (A, B R n,m ) A = Transponierte Matrizen a 11 a 12 a 1m a 21 a 22 a 2m, A T = a n1 a n2 a nm a 11 a 21 a n1 a 12 a 22 a n2 a 1m a 2m a nm 2
3 Regeln beim Rechnen mit transponierten Matrizen: (A T ) T = A, (t A) T = t A T, (A + B) T = A T + B T (für t R, A, B R n,m ) Definition: Eine quadratische Matrix A heißt symmetrisch, falls A T = A Matrizenmultiplikation A B = C, A R n,m, B R m,q, C R n,q c ij = a i1 b 1j + a i2 b 2j + + a im b mj = m a ik b kj k=1 für i = 1 n, j = 1 q c ij Skalarprodukt der i-ten Zeile von A und der j-ten Spalte von B c ij = m a ik b kj k=1 für i = 1 n, j = 1 q Rechengesetze des Produkts: a) Assoziativgesetz (A B) C = A (B C) für A R n,m, B R m,p, C R p,r (Verkettung!) b) Distributivgesetze (A + B) C = A C + B C für A, B R n,m, C R m,p A (B + C) = A B + A C für A R n,m, B, C R m,p (Verkettung!) a(a B) = (aa) B = A (ab) für A R n,m, B R m,p, a R c) bezüglich Transposition: (A B) T = B T A T für A R n,m, B R m,p d) Eigenschaften der Einheitsmatrix: A I m = I n A = A (A R n,m ) 3
4 Beachte: Im allgemeinen gilt für die Matrizenmultiplikation nicht das Kommutativgesetz: A B B A dyadisches Produkt für a R n, b R m : a 1 b 1 a 1 b 2 a 1 b m a a b T = 2 b 1 a 2 b 2 a 2 b m a n b 1 a n b 2 a n b m Determinanten Determinante einer zweireihigen Matrix A R 2,2 : a 11 a 12 a 21 a 22 = det(a) = a 11a 22 a 12 a 21 Determinante einer dreireihigen Matrix A R 3,3 : sogenannte Sarrus sche Regel a 11 a 12 a 13 a 21 a 22 a 23 = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 31 a 32 a 33 (a 13 a 22 a 31 + a 11 a 23 a 32 + a 12 a 21 a 33 ) Definition: A ij heißt Adjunkte (algebraisches Komplement) des Elements a ij der Matrix A, falls A ij = ( 1) i+j A ij und A ij die Determinante der Matrix ist, die aus A durch Streichen der i-ten Zeile und der j-ten Spalte hervorgeht, A ij heißt auch Minor Entwicklungssatz von Laplace für Determinanten von A R n,n bei n 2: det(a) = det(a) = n a ik A ik k=1 n a kj A kj k=1 Entwicklung nach i-ter Zeile Entwicklung nach j-ter Spalte Satz: Eine Determinante bleibt unverändert, wenn elementare Zeilen- oder Spaltenumformungen vorgenommen werden Bei Vertauschen zweier Zeilen (oder Spalten) ändert sich das Vorzeichen der Determinante Multipliziert man eine Zeile (Spalte) mit einem Faktor f, so ergibt sich eine Determinante, die das f-fache der ursprünglichen darstellt 4
5 Verfahren zur Berechnung von Determinanten der Ordnung n 4 (eine mögliche Variante): 1 elementare Umformungen bei Zeilen 2 bis n unter Verwendung der ersten Zeile, so dass die erste Zeile unverändert bleibt und in der ersten Spalte ab Zeile 2 Nullen stehen 2 Entwickeln nach erste Spalte: Element links oben mal Restdeterminante (Streichen der ersten Zeile und der ersten Spalte) 3 Das Verfahren wird mit 1) fortgesetzt solange die Restmatrix größer als eine 3 3-Matrix ist, anderenfalls ist die Determinante direkt auszurechnen Satz: Für Diagonalmatrizen A bzw obere oder untere Dreiecksmatrizen A gilt: det(a) = a 11 a 22 a nn Einige Regeln: det(a T ) = det(a), det(ab) = det(a) det(b), det(t A) = t n det(a), det(i) = 1 (t R, A, B R n,n ) Satz: Die n Vektoren a 1, a 2,, a n R n sind genau dann linear unabhängig, wenn det(a) 0, A = ( a 1, a 2,, a n ) Inverse Matrizen Definition: Die inverse Matrix (Kehrmatrix, Inverse) A 1 einer quadratischen Matrix A ist diejenige Matrix, für die gilt: A 1 A = A A 1 = I 5
6 Eigenschaften: (A 1 ) 1 = A, (A B) 1 = B 1 A 1, (A, B R n,n ) (A 1 ) T = (A T ) 1 kontragrediente Matrix, (t A) 1 = 1 t A 1, (t R) det(a 1 ) = Diagonalmatrizen A = diag(a 11,, a nn ): ( 1 A 1 1 = diag,,, a 11 a 22 1 a nn ) 1 det(a) Berechnung der Inversen: A 1 = 1 det(a) A 11 A 12 A 1n A 21 A 22 A 2n A n1 A n2 A nn T A 11 A nn sind die Adjunkten der Matrix Spezialfall n = 2: A = a c b d, A 1 = 1 d b ad bc c a Definition: Eine reguläre quadratische Matrix A heißt orthogonal, falls A 1 = A T Für orthogonale Matrizen gilt: det(a) = 1 oder 1 Satz: Die Spalten (bzw die Zeilen) einer orthogonalen Matrix bilden eine orthonormale Basis des R n Umgekehrt ergibt das Aneinanderreihen der Vektoren einer orthonormalen Basis des R n eine orthogonale Matrix 6
7 4 Lineare Gleichungssysteme a 11 x a 1m x m = b 1 a 21 x a 2m x m = b 2 a n1 x a nm x m = b n in Matrix-Form: A x = b (*) A R n,m Koeffizientenmatrix, x R m Lösungsvektor, b R n Vektor der rechten Seite Satz: In einem linearen Gleichungssystem kann zu einem Vielfachen einer Zeile das Vielfache einer anderen Zeile addiert werden, wobei die Lösungsmenge nicht verändert wird Dies ist auch der Fall, wenn Zeilen vertauscht werden Das Gaußsche Lösungsverfahren Ablauf des Verfahrens: Anfangstableau: x 1 x 2 x m RS a 11 a 12 a 1m b 1 a 21 a 22 a 2m b 2 a n1 a n2 a nm b n Phase 1: Links oben beginnend wird nacheinander ein Hauptdiagonalelement als Pivotelement (muss 0 sein!) ausgewählt Im k-ten Schritt ist die k-te Spalte die Pivotspalte, die k-te Zeile ist die Pivotzeile In der Pivotspalte werden die Elemente unterhalb des Pivotelementes in Nullen umgewandelt, und zwar indem zu einem Vielfachen der entsprechenden Zeile ein Vielfaches der Pivotzeile addiert wird 7
8 = x 1 x 2 x m RS x 1 x 2 x 3 x m RS 0 0 = usw kennzeichnet eine von Null verschiedene Zahl Besonderheiten: Steht im k-ten Schritt an der Stelle des Pivotelements eine Null, so muss anschließend durch Zeilen- bzw Spaltentausch (nur Zeilen und Spalten mit Nummer k) ein Tableau erzeugt werden, wo an der Stelle (k, k) eine von Null verschiedene Zahl steht Beim Spaltentausch muss die Variablenbezeichnung in der ersten Zeile mit getauscht werden Bei der praktischen Durchführung des Algorithmus werden Zeilen, in denen nur Nullen stehen, gestrichen Tritt eine Zeile auf, bei der nur an letzter Stelle eine von Null verschiedene Zahl steht (davor stehen Nullen), dann besitzt das System (*) keine Lösung, der Algorithmus ist abzubrechen Wenn es die Rechnung vereinfacht, kann eine Zeile durch eine Zahl dividiert werden Phase 2: Rückrechnung: Vom Hauptdiagonalelement in der letzten Zeile beginnend wird nacheinander nach oben steigend ein Hauptdiagonalelement als Pivotelement (muss 0 sein!) ausgewählt Im k-ten Schritt ist die k-te Spalte die Pivotspalte, die k-te Zeile ist die Pivotzeile In der Pivotspalte werden die Elemente oberhalb des Pivotelementes in Nullen umgewandelt, und zwar indem zu einem Vielfachen der entsprechenden Zeile ein Vielfaches der Pivotzeile addiert wird Phase 3: Normierung Zeilen werden durch das Hauptdiagonalelement geteilt Lösungen sind abzule- 8
9 sen Form des Tableaus am Ende, falls kein Abbruch (Zeilenstreichungen wurden vorgenommen) x 1 x 2 x r x r+1 x m RS Satz: Die Anzahl r der Einsen auf der Hauptdiagonalen nach Beendigung des Gaußschen Algorithmus bzw die Anzahl der von Null verschiedenen Werte auf der Hauptdiagonalen nach Phase 1 ist gleich dem Rang Rg(A) der Matrix A Satz: Wir nehmen an, dass der Algorithmus bis zum Ende durchführbar sei ohne Abbruch Im Fall r = m liefert der Gaußsche Algorithmus die eindeutige Lösung des Gleichungssystems Im Fall r < m ergibt sich eine m r-dimensionale Lösungsmanigfaltigkeit (Hyperebene), konkret unendlich viele Lösungen der Form: x = x 0 + t 1 y 1 + t 2 y t m r y m r (t 1, t 2,, t m r R) wobei x 0 ist eine Lösung von (*) ist, y 1,, y m r R m festzulegende Vektoren und t 1, t 2,, t m r R die Parameter sind Für jeden Parametervektor (t 1, t 2,, t m r ) ergibt sich eine Lösung 9
10 5 Funktionen I Definitionen: Eine Funktion (oder Abbildung) f : A B (A und B sind zwei Mengen) ist eine Zuordnungsvorschrift, die jedem x A genau ein y B zuordnet Die Menge A = D f heißt Definitionsbereich der Funktion Ist y = f(x), dann heißt y das Bild zu x und x ist ein Urbild zu y Die Menge W f = {f(x) : x A} aller Bilder heißt Wertebereich der Funktion Definition: Eine Funktion f : A B heißt eineindeutig, wenn für jedes Bild y B genau ein Urbild x mit y = f(x) existiert Ist f : A B eineindeutig, dann heißt f 1 : B A Umkehrfunktion von f, falls x A y B : x = f 1 (y) y = f(x) Definition: Die Funktion f : D W, D R, W R ist monoton wachsend (nichtfallend), falls f(x) f(y) x, y D, x < y, sie ist monoton fallend (nichtwachsend), falls f(x) f(y) x, y D, x < y, sie ist streng monoton wachsend, falls f(x) < f(y) x, y D, x < y, sie ist streng monoton fallend, falls f(x) > f(y) x, y D, x < y Definition: Eine Funktion f : D W ist eine gerade bzw ungerade Funktion, falls f( x) = f(x) x D bzw f( x) = f(x) x D Definition: Eine Funktion f heißt periodisch mit der Periode p > 0, falls f(x + p) = f(x) x D und p ist der kleinste derartige Wert 10
11 f : A B, g : B C, zusammengesetzte (geschachtelte) Funktion: g f : A C, (g f)(x) = g(f(x)) Logarithmen: log a b = c b = a c ln b = c b = e c log a a = 1, log a (b c) = log a b + log a c, ( ) b log a = log c a b log a c, log a b c = c log a b für a, b, c > 0 Eigenschaften der trigonometrischen Funktionen: a) Grundeigenschaften (sin x) 2 + (cos x) 2 = 1 sin(x + π 2 ) = cos x cos(x π 2 ) = sin x sin(x + π) = sin x cos(x + π) = cos x 1 cot x = tan x tan x sin x = ± 1 + tan 2 x, cos x = ± tan 2 x ± besagt, dass das Vorzeichen entsprechend dem Quadranten zu wählen ist b) Additionstheoreme sin(x + y) = sin x cos y + cos x sin y cos(x + y) = cos x cos y sin x sin y Aus den Additionstheoremen lassen sich weitere Formeln ableiten: sin(2x) = 2 sin x cos x, cos(2x) = 2 cos 2 x 1 tan(2x) = 2 tan x 1 tan 2 x sin(3x) = 3 sin x 4 sin 3 x, cos(3x) = 4 cos 3 x 3 cos x sin 2 x = 1 2 (1 cos 2x), cos2 x = 1 (1 + cos 2x) 2 sin 3 x = 1 4 (3 sin x sin 3x), cos3 x = 1 (3 cos x + cos 3x) 4 11
12 trigonometrische Umkehrfunktionen: a) Arcussinusfunktion: f(x) = arcsin x, f : [ 1, 1] [ π 2, π 2 ] y = sin x x = arcsin y für x [ π 2, π ], y [ 1, 1] 2 b) Arcuscosinusfunktion: f(x) = arccos x, f : [ 1, 1] [0, π] y = cos x x = arccos y für x [0, π], y [ 1, 1] c) Arcustangensfunktion: f(x) = arctan x, f : R [ π 2, π 2 ] y = tan x x = arctan y Hyperbolische Funktionen a) Hyperbelsinus sinh x = 1 2 (ex e x ) für x [ π 2, π 2 ], y R f : R R b) Hyperbelkosinus cosh x = 1 2 (ex + e x ) f : R [1, + ) c) Hyperbeltangens tanh x = ex e x e x + e x f : R ( 1, 1) Area-Funktionen cosh 2 x sinh 2 x = 1 tanh x = sinh x cosh x Umkehrfunktionen zu hyperbolischen Funktionen ( ar sinh x = ln x + ) x ( ar cosh x = ln x + ) x 2 1 ar tanh x = 1 2 ln 1 + x 1 x 12
13 Polynome p(x) = a 0 + a 1 x + a 2 x a n x n mit Koeffizienten a 0, a 1,, a n R Horner-Schema a n a n 1 a n 2 a 1 a 0 x c n 1 x c n 2 x c 1 x c 0 x c n 1 c n 2 c n 3 c 0 p(x) c n 1 = a n, c n 2 = a n 1 + c n 1 b, c n 3 = a n 2 + c n 2 b, x 0 ist Nullstelle des Polynoms, wenn p(x 0 ) = 0 Dann a n a n 1 a n 2 a 1 a 0 x 0 c n 1 x 0 c n 2 x 0 c 1 x 0 c 0 x 0 c n 1 c n 2 c n 3 c 0 p(x 0 ) = 0 p(x) = (x x 0 ) ( ) c 0 + c 1 x 0 + c 2 x c n 1 x n 1 0 Satz: Fundamentalsatz der Algebra Ein Polynom n-ten Grades besitzt höchstens n reelle Nullstellen Seien x 1 x m die verschiedenen reellen Nullstellen von p Dann gilt p(x) = a n (x x 1 ) k 1 (x x m ) km q(x) (*) (k i N) wobei k k m n und das Polynom q(x) keine reellen Nullstellen (aber komplexe) besitzt k 1 k m heißen Vielfachheiten der Nullstellen x 1 x m Rationale Funktionen sind Funktionen, die als Quotient zweier Polynome darstellbar sind 13
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:
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
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
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
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
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
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
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
MehrZuammenfassung: Reelle Funktionen
Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,
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.
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
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
MehrVorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS. Prof. Dr. M. Voigt
Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS Prof. Dr. M. Voigt 2. März 2015 II Inhaltsverzeichnis 5 Grundlagen 1 5.1 Funktionen einer Variablen...................... 1 5.2 spezielle Funktionen.........................
MehrLernzettel Mathe Inhaltsverzeichnis
Lernzettel Mathe Inhaltsverzeichnis Aufgabe 1 - Vollständige Induktion 2 Aufgabe 2 - Grenzwertbestimmung 2 Aufgabe 3 - Lin/Log 2 Aufgabe 4 - Barwert/Endwert 3 Aufgabe 5 - Maximalstellen, steigend/fallend
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) =
MehrKlausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth
Hochschule für Technik und Wirtschaft des Saarlandes University of Applied Sciences Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung
MehrKlausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth
Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung Mathematik Klausuraufgaben zur Mathematik - von Wolfgang Langguth Aufgabenstellungen
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
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrSerie 13: Online Test
D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
Mehr22 Die trigonometrischen Funktionen und die Hyperbelfunktionen
22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22.1 Sinus und Cosinus 22.3 Definition von 22.6 Sinus und Cosinus als eindeutige Lösungen eines Differentialgleichungssystems 22.7 Tangens
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
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
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
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
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
MehrBitte unbedingt beachten: a) Gewertet werden alle acht gestellten Aufgaben.
Mathematik I für Wirtschaftswissenschaftler Klausur für alle gemeldeten Fachrichtungen außer Immobilientechnik und Immobilienwirtschaft am 9..9, 9... Bitte unbedingt beachten: a) Gewertet werden alle acht
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.
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
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:
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
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
MehrERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
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.
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
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
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
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)
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrErgänzungen zur Analysis I
537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.
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
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
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
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
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
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
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,
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:
Mehr2 Lineare Gleichungssysteme
Beispiel.5: Funktion von Runge (V) Beispiel Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung.3: Interpolation
MehrMathematik III für Ingenieure
Mathematik III für Ingenieure im Bachelor-Studiengang Maschinenbau Vorlesung Wintersemester 21/211 B. Schuster aktualisert am 27. Januar 211 Inhalt I. Eigenwerte und Eigenvektoren 1 1. Komplexe Matrizen
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.
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 )
MehrSimplex-Umformung für Dummies
Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit
MehrMathematik für ChemikerInnen I
Mathematik für ChemikerInnen I Prof. Dr. Ansgar Jüngel Institut für Mathematik Johannes Gutenberg-Universität Mainz Winter 26 unkorrigiertes Vorlesungsskript Inhaltsverzeichnis Motivation 3 2 Grundbegriffe
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
MehrToDo-Liste für s Mathe-Abi 2009
ToDo-Liste für s Mathe-Abi 2009 7. Februar 2009 1 Grenzwerte und Folgen 1. Unterschied arithmetische Folge zu geometrische Folge 2. Rekursive Darstellung von Zerfalls- und Wachstumsvorgängen (a) lineares
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
MehrK2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte
K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5
MehrVorkurs Mathematik. Vorbereitung auf das Studium der Mathematik. Skript
Vorkurs Mathematik Vorbereitung auf das Studium der Mathematik Skript Dr. Johanna Dettweiler Institut für Analysis 20. Oktober 2009 Inhaltsverzeichnis Einleitung 7 1 Aussagen und Mengen 9 1.1 Aussagen:
MehrInhaltsverzeichnis. Seite 1: Matrizen. Seite 23: Funktionen. Seite 51: Integralrechnung. Seite 69: Binomialverteilung
Inhaltsverzeichnis Seite : Matrizen Seite : Funktionen Seite 5: Integralrechnung Seite 69: Binomialverteilung Seite 86: Statistik/Normalverteilung Seite 04: Vektoren Seite 40: Wachstum Lineare Algebra
Mehr2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.
2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es
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
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
Mehrax 2 + bx + c = 0, (4.1)
Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die
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 +
MehrKAPITEL 0. Einführung
Lineare Algebra KAPITEL 0 Einführung Dieses Skript zur Vorlesung Lineare Algebra an der Goethe Universität Frankfurt im Sommersemester 2011 befindet sich noch in der Entstehung und wird fortlaufend aktualisiert
MehrMATHEMATISCHER FITNESSTEST - LÖSUNGEN. (2) Welche Menge stellt die schraerte Fläche dar?
MATHEMATISCHER FITNESSTEST - LÖSUNGEN DR. ROGER ROBYR Die Aufgaben sollten alle ohne Unterlagen und ohne programmierbare oder graphikfähige Rechner gelöst werden können. Lösung. ) Gegeben sind die Mengen
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrVorlesung. Komplexe Zahlen
Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems
Mehr3.1. Die komplexen Zahlen
3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen
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
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrLineare Optimierung. Master 1. Semester
Prof. Dr.-Ing. Fritz Nikolai Rudolph Fachhochschule Trier Fachbereich Informatik Master 1. Semester Inhaltsverzeichnis 1 Einleitung... 2 1.1 Lineare Gleichungssysteme... 2 1.2 sprobleme... 3 2 Standardform...
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)
MehrMathematik für das Ingenieurstudium Lösungen der Aufgaben. 4. Dezember 2014
Mathematik für das Ingenieurstudium Lösungen der Aufgaben Jürgen Koch Martin Stämpfle 4. Dezember 4 Inhaltsverzeichnis Grundlagen 5 Lineare Gleichungsssteme 9 Vektoren 7 4 Matrizen 5 Funktionen 9 6 Differenzialrechnung
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrRationale Zahlen. Weniger als Nichts? Ist Null nichts?
Rationale Zahlen Weniger als Nichts? Ist Null nichts? Oft kann es sinnvoll sein, Werte anzugeben die kleiner sind als Null. Solche Werte werden mit negativen Zahlen beschrieben, die durch ein Minus als
MehrEinführung in Maple. Version 0.2. Tobias Müller
Version. Tobias Müller Ammerbuch, den 5. April 5 Inhaltsverzeichnis Einfaches Rechnen mit Maple 3. Grundlagen................................................ 3. Einfaches Rechnen mit Maple.......................................
MehrNumerisches Programmieren
Technische Universität München SoSe 213 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Jürgen Bräckle Numerisches Programmieren 2. Programmieraufgabe: Lineare
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrNegative Zahlen. Lösung: Ordne in einen Zahlenstrahl ein! 7;5; 3; 6. Das Dezimalsystem
Negative Zahlen Negative Zahlen Ordne in einen Zahlenstrahl ein! 7;5; 3; 6 Das Dezimalsystem Zerlege in Stufen! Einer, Zehner, usw. a) 3.185.629 b) 24.045.376 c) 3.010.500.700 Das Dezimalsystem a) 3M 1HT
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
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
Mehr11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
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
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
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
MehrWeiterbildung und Zusatzausbildung der PHZ Luzern Interessantes und Spannendes aus der Welt der Mathematik September 2006, Dieter Ortner
Weiterbildung und Zusatzausbildung der PHZ Luzern Interessantes und Spannendes aus der Welt der Mathematik September 2006, Dieter Ortner Rechengesetze 1. Rechengesetze für natürliche Zahlen Es geht um
MehrStandardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben
Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik Probeklausur März 2014 Teil-1-Aufgaben Beurteilung Jede Aufgabe in Teil 1 wird mit 0 oder 1 Punkt bewertet, jede Teilaufgabe in
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
MehrMATTHIAS GERDTS. Mathematik I. Universität der Bundeswehr München Herbsttrimester 2014
MATTHIAS GERDTS Mathematik I Universität der Bundeswehr München Herbsttrimester 24 Addresse des Autors: Matthias Gerdts Institut für Mathematik und Rechneranwendung Universität der Bundeswehr München Werner-Heisenberg-Weg
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrStatistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00.
1 Statistik I für Wirtschaftswissenschaftler Klausur am 06.07.2007, 14.00 16.00. Bitte unbedingt beachten: a) Gewertet werden alle 9 gestellten Aufgaben. b) Lösungswege sind anzugeben. Die Angabe des Endergebnisses
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
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
MehrAbituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR) Gegeben ist die trigonometrische Funktion f mit f(x) = 2 sin(2x) 1 (vgl. Material 1). 1.) Geben Sie für die Funktion f den Schnittpunkt mit der y
MehrMathematik Abitur Zusammenfassung Marius Buila
Mathematik Abitur Zusammenfassung Marius Buila 1.Analysis 1.1 Grundlagen: Ableitung f (u) ist Steigung in Punkt P (u/f(u)) auf K f(x) = a * x r f (x) = a * r * x r-1 Tangentengleichung: y= f (u) * (x-u)
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
Mehr