2 Die Darstellung linearer Abbildungen durch Matrizen
|
|
- Lorenz Lehmann
- vor 9 Jahren
- Abrufe
Transkript
1 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 ) zu einem Vektorraum. Seien F, G Hom K (V, V ) und λ K. Addition: F + G ist die Abbildung F + G : V V mit v F (v) + G(v) Skalare Multiplikation: λf ist die Abbildung λf : V V, v λ F (v) (2.1) emerkung: F + G und λ F sind wieder K linear. eweis: Zeige, dass F + G linear ist. (Analoge Rechnung für λf ) (F + G)(v + w) = F (v + w) + G(v + w) = F (v) + F (w) + G(v) + G(w) = (F (v) + G(v)) + (F (w) + G(w)) = (F + G)(v) + (F + G)(w) (F + G)(µv) = F (µv) + G(µv) = µf (v) + µg(v) = µ((f + G)(v)) Damit ist innerhalb von Hom K (V, V ) eine Addition und eine Skalarmultiplikation erklärt. (2.2) Satz: (Hom K (V, V ); +, ) ist ein K Vektorraum. eweis: Die Nullabbildung O(v) := 0 für alle v V ist offenbar ein neutrales Element bzgl. der Addition. Das Negative von F ist die Abbildung ( F )(v) := F (v). Offenbar ist F + ( F ) = 0 Abbildung. Noch zu zeigen wäre: F + G = G + F, (F + G) + H = F + (G + H) 1 H = H, λ(µh) = (λµ)h, λ(f + G) = λf + λg, (λ + µ)h = λh + µh) Zeige stellvertretend, dass (F + G) + H = F + (G + H): Für v V ist ((F + G) + H)(v) = (F + G)(v) + H(v) = (F (v) + G(v)) + H(v) = = F (v) + (G(v) + H(v)) = F (v) + ((G + H)(v)) = (F + (G + H))(v). 1
2 Zusammenhang zwischen Matrizen und linearen Abbildungen 1) Spezialfall: V = K n, V = K m Nach 1 induziert jede m n Matrix A eine lineare Abbildung L A : K n K m, x A x Dabei gilt: L A (e j ) = A e j = j te Spalte von A ist das ild des j-te Einheitsvektors e j unter L A, j = 1,..., n. Sei umgekehrt F Hom K (K n, K m ). etrachte die Matrix M F := (F (e 1 ),..., F (e n )), deren Spalten die ilder der Einheitsvektoren unter der Abbildung F sind. Insbesondere gilt für F = L A : M LA = A nach obiger Ausführung. Nach 1.2 ist eine lineare Abbildung durch die ilder der asisvektoren e 1,..., e n bestimmt. Wegen M F e j = j te Spalte von M F = F (e j ) folgt M F v = F (v) für alle v K n, d.h. L MF = F. Insgesamt hat sich ergeben: die Abbildungen L : M(m n, K) Hom K (K n, K m ), A L A, und M : Hom K (K n, K m ) M(m n, K), F M F sind zueinander invers. 2) Allgemeiner Fall: Seien V und V endliche Vektorräume mit asen = (v 1,..., v n ) und = (w 1,..., w m ). F : V V sei eine lineare Abbildung. Wir schreiben F (v j ) V als Linearkombination F (v j ) = a 1j w a mj w m von, j = 1,..., n. Die Matrix a 11 a a 1n M (F ) = a 21 a a 2n... a m1 a m2... a mn mit den Spalten a 1j a 2j. a mj, j = 1,..., n heißt darstellende Matrix von F bezüglich der asen und. 2
3 Ist speziell V = K n, V = K m und sind und die kanonischen asen = (e 1,..., e n ), = (e 1,..., e m ) von K n bzw. K m, so ist F (e j ) = a 1j e a mj e m = M (F ) = (F (e 1),..., F (e n )) = M F a 1j. a mj Wir wollen nun M (F ) noch etwas anders beschreiben: Nach 1 gibt es genau einen Isomorphismus x 1 Es ist φ. x n und φ : K n V mit φ (e j ) = v j, j = 1,..., n = φ (x 1 e x n e n ) = x 1 v x n v n φ heißt Koordinatenisomorphismus von V bzgl. der asis. Schreibt man v V als Linearkombination v = x 1 v x n v n, so ist somit. φ 1 x 1 x n = (v). Dieser Vektor wird Koordinaten n Tupel von v bezüglich der asis genannt. eschreibung von M (F) m.h. von φ und φ : Sei Dann ist für j = 1,..., n F := φ 1 F φ : K n K m F (e j ) = F (φ 1 (v j)) = φ 1 (F (v j )) = F (v j ) = a 1j w a mj w m, d.h. M (F ) = (a ij) = ( F (e 1 ),..., F (e n )) = M F a 1j. a mj, wenn eispiel: Sei V = V der Vektorraum der reellen Polynome vom Grad 3. Dann ist neben = (v 1, v 2, v 3, v 4 ) = (1, t, t 2, t 3 ) auch = (w 1, w 2, w 3, w 4 ) = (1, t 1, (t 1) 2, (t 1) 3 ) eine asis von V (Übungsaufgabe.) 3
4 f bezeichne die Ableitung von f V. Dann ist die Abbildung F : V V, f f + f linear: F (p + q) = p + q + (p + q) = p + q + p + q = F (p) + F (q), F (λp) = (λp) = λp = λf (p) für p, q V und λ R estimme A = M (F ): F (1) = 1 = 1 w w w 4, also ist (1, 0, 0, 0) t die 1. Spalte von A. F (t) = t + 1 = 1 (t 1) + 2 = 2 w w w w 4 und (2, 1, 0, 0) t ist die 2. Spalte von A. F (t 2 ) = t 2 + 2t = (t 1) 2 + 4(t 1) + 3 = 3w 1 + 4w w w 4 (3, 4, 1, 0) ist die 3. Spalte von A F (t 3 ) = t 3 + 3t 2 = (t 1) 3 + 6(t 1) 2 + 9(t 1) + 4 und (4, 9, 6, 1) t ist die 4. Spalte von A. Also ist M (F ) = (2.3) Satz: M : Hom K(V, V ) M(m n, K), F M (F ) ist ein Isomorphismus von Vektorräumen. Insbesondere ist nach (. ) dim Hom K (V, V ) = m n. eweis: Seien F, G : V V linear und F, G, F + G wie oben definiert. Da F (e j ) die j te Spalte von M (F ) ist, genügt für die Identität M (F + G) = M (F ) + M (G) zu zeigen, dass F + G(e j ) = F (e j ) + G(e j ) für j = 1,..., n F + G(e j ) = φ 1 (F + G) φ (e j ) = φ 1 ((F + G)(φ (e j )) = φ 1 (F (φ (e j )) + G(φ (e j ))) = φ 1 (F (φ (e j ))) + φ 1 = F (e j ) + G(e j ), da φ 1 4 (G(φ (e j ))) linear ist.
5 Analog zeigt man, dass M (λf ) = λm (F ). Damit ist M linear. Ist M (F ) die Nullmatrix, so ist F (e j ) = 0, j = 1,..., n, also φ 1 F φ = F = 0 und somit auch F = φ F φ 1 = 0. Also ist Kern M = 0 und M ist injektiv. Für A M(m n, K) sei F := φ L A φ 1. Dann ist F = L A und M (F ) = M F = M LA = A, also ist M surjektiv. (2.4) Satz: Verträglichkeit mit der Multiplikation) Seien V, V und V K Vektorräume der Dimensionen n, m, r mit asen,,. Dann gilt: Sind F : V V und G : V V linear, so ist M (G F ) = M (G) M (F ) eweis: M (G F ) = M G F mit G F = φ 1 (G F ) φ ; M (G) = M G, G = φ 1 G φ ; M (F ) = M F, F = φ 1 f φ. Es folgt G F = φ 1 G φ φ 1 F φ = G F. Also ist die j te Spalte von M G F = G F = G( (e j )) = G(M F e j ) = M G (M F e j ) = (M G M F ) e j = j te Spalte von M G M F für j = 1,..., n. Es folgt M (G F ) = M G F = M G M F = M (G) M (F ). Die Transformationsformel Seien = (v 1,..., v n ) und = (w 1,..., w n ) asen des Vektorraums V. Dann schreiben sich die w j in der Form w j = v j = n c ij v i ; j = 1,..., n, und entsprechend i=1 n c ijw i, j = 1,..., n i=1 M.a.W.: C = (c ij ) = M (id), C = (c ij) = M (id) C heißt Übergangsmatrix von nach. Nach (2.4) ist C C = M (id)m (id) = M (id) = E n, also C = C 1. (2.5) Satz Sei F : V V linear. Dann gilt 5
6 a) M (F ) = C 1 M (F )C b) Ist F ein Isomorphismus, so ist M (F 1 ) = (M (F )) 1 eweis: a) M 2.4 (idf id) = M 2.4 (id)m (F id) = M (id) M (F ) M (id) = C 1 M (F )C b) E n = M (id) = M (F 1 F ) 2.4 = M (F 1 ) M (F ). (2.6) Korollar: Sei A M(n n, K) und = (v 1,..., v n ) eine asis des K n. C sei die Matrix mit den Spalten v 1,..., v n. Dann ist M (L A ) = C 1 AC eweis: A = M K K (L A) und C = M K (id). Also gilt nach 2.5 M (L A) = C 1 M K K (L A) = C 1 AC. (K = (e 1,..., e n ) die kanonische asis des K n.) Der Rang einer linearen Abbildung Seien V, V Vektorräume, dim V = n, dim V = m und, asen von V bzw. V. Problem: Wie sieht man der Matrix M (F ) an surjektiv ist?, ob F injektiv bzw. Genauer: Wie bestimmt man ild und Kern von F m.h. von M (F )? Definition: Der Rang von F ist Rang F := dim (ild F ). (2.7) emerkung: a) Genau dann ist F injektiv, wenn Rang F = dim V. b) Genau dann ist F surjektiv, wenn Rang F = dim V. eweis: a) Nach 1 ist dim V = Rang F + dim Kern F und F ist injektiv genau dann, wenn dim Kern F = 0. b) F ist surjektiv genau dann, wenn V = ild F, d.h. wenn dim V = Rang F. 6
7 Wenn man also Rang F kennt, so weiß man, ob F injektiv bzw. surjektiv ist. Diesen liest man an M (F ) ab: (2.8) Satz: Rang F = Rang M (F ). Insbesondere falls dim V = dim V : F ist ein Isomorphismus genau dann, wenn M (F ) invertierbar ist. eweis: Sei F = φ 1 F φ : K n K m. F (e j ) = j te Spalte von M (F ) und somit ild F = K F (e 1 ) K F (e n ) = SR(M (F )), also Rang F = Rang (M (F )) φ und φ sind Isomorphismen, φ, F = F φ. Also ist φ (ild F ) = F ( ild φ ) = F (V ) = ild F und φ ild : ild F ild F ist ein Isomorphismus, also F dim ild F = dim ild F. Es folgt Rang F = Rang F = Rang (M (F )). Wie bestimmt man eine asis von ild F? 1) estimme eine asis des Spaltenraum von A = M (F ) gemäß II, 3: ringe A t durch elementare Zeilenumformungen (vom Typ I und II) auf Zeilenstufenform = (b ji ) j=1,...,n i=1,...,m Seien b 1,..., b k die von Null verschiedenen Zeilen von. Dann ist (b t 1,..., b t k ) eine asis des Spaltenraums von A,. 2) estimme wie folgt aus (b 1, t,..., b t k ) eine asis von ild F : Wie oben gesehen: ild F = SR(A), also ist (b t 1,..., b t k ) eine asis von ild F. Ferner ist φ ild F : ild F ild F ein Isomorphismus. Es ist φ : K m V, y 1. y m b t j = y 1 w y m w m, also b j1. b jm b j1 w b jm w m 7
8 Somit ist die gesuchte asis von ild F ( m ) m b 1i w i,..., b ki w i i=1 Rechenbeispiel: Seien V und V R Vektorräume mit asen = (v 1, v 2, v 3, v 4, v 5 ) bzw. = (w 1, w 2, w 3, w 4 ). F : V V sei die lineare Abbildung mit i=1 F (v 1 ) = w 1 2w 2 + 2w 3 + w 4 F (v 2 ) = 2w 2 + 3w 3 w 4 F (v 3 ) = w 1 4w 2 w 3 + 2w 4 F (v 4 ) = w 1 + w 2 + 7w 3 w 4 F (v 5 ) = w 1 + 5w 4 Die Koordinatenvektoren der ilder der Elemente von in ezug auf die asis sind die Spalten der Matrix A = M (F ). Also ist A = und At = Führe an A t elementare Zeilenumformungen durch: A t b 1 b 2 b 3 8
9 Gemäß des obigen Verfahrens bilden dann die drei Vektoren eine asis von ild F. φ (b t 1) = w 1 2w 2 + 2w 3 + w 4 φ (b t 2) = w 2 w 3 + 2w 4 φ (b t 3) = w 3 w 4 estimmung einer asis von Kern F aus A = M (F): Sei L A : K n K m, x Ax 1) estimme gemäß I.4 eine asis (v 1,..., v r ) des Lösungsraums Lös A = Kern L A des Gleichungssystems A x = 0. 2) Es ist F = φ L A φ 1, wobei φ folgt ( ) Kern F = φ (Kern L A ) eweis: Für x Kern F ist φ (L A φ 1 Wegen φ Isomorphismus ist dann auch L A (φ 1 und φ Isomorphismen sind. Es (x)) = 0. (x)) = 0 und y = φ 1 (x) Kern L A. Es folgt x = φ (y) φ (Kern L A ). Sei umgekehrt x φ (Kern L A ), also x = φ (y), y Kern L A. Es folgt F (x) = φ L A φ 1 (x) = φ (L A(y)) = φ (0) = 0 und x Kern F. Wegen ( ) ist dann (φ (v 1 ),..., φ (v r )) eine asis von Kern F. Rechenbeispiel: Sei F : V V wie oben. Nach obiger Rechnung ist A = M (F ) = Wir wissen schon, dass Rang f = Rang A = 3 (s.o.) und somit dim Kern F = dim V Rang F = 5 3 = 2. Wir wollen nach obigem Schema eine asis von Kern F berechnen. Dazu ist zunächst die Matrix A auf Zeilenstufenform zu bringen, um eine asis von Lös A zu bestimmen: A
10 Als freie Variable wählen wir x 3 und x 5 : x 3, x 5 = 1 : x 4 = 10, x 2 = 16, x 1 = 11 x 3 = 1, x 5 = 0 : x 4 = 0, x 2 = 1, x 1 = 1 Eine asis von Lös A: (( 11, 16, 0, 10, 1) t, ( 1, 1, 1, 0, 0) t ) Diese Vektoren sind nach obiger Ausführung die Koordinatenvektoren einer asis von Kern F bezüglich der asis = (v 1,..., v 5 ). Also bilden eine asis von Kern F. 11v 1 16v v 4 + v 5 und v 1 v 2 + v 3 10
7 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) =
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
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
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)
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
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
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
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
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 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
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
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
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(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
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
MehrVorlesung Diskrete Strukturen Graphen: Wieviele Bäume?
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
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
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.
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
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
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrGrundlagen der Mathematik 1
Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana.
Lineare Algebra 6. Übungsstunde Steven attilana stevenb@student.ethz.ch November, 6 Lineare Abbildungen Eine Abbildung f : X Y heisst injektiv, falls x, x X : x x fx fx. In Worten: erschiedene Elemente
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 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
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrKapitel III. Lineare Abbildungen
Kapitel III. Lineare Abbildungen Beispiele: 1 Lineare Abbildungen a) Seien c 1,..., c n K vorgegeben. Betrachte die Funktion F (x 1,..., x n ) = c 1 x 1 + c 2 x 2 +... + c n x n in den Variablen x 1,...,
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.
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
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)
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
Mehr4. Übungsblatt Matrikelnr.: 6423043
Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613
Mehr4 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
MehrAlgebraische Kurven. Vorlesung 26. Die Schnittmultiplizität
Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht
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 und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
MehrDefinition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
Mehr5 Die Allgemeine Lineare Gruppe
5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
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 ; : :
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrMinimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie
Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern
Mehr1.9 Eigenwerte und Eigenvektoren
.9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..
MehrÜbung zur Algebra WiSe 2008/2009, Blatt 1
Aufgabe 1: Zeigen Sie, dass die Untergruppe der Permutationsmatrizen in GL(n, R) isomorph zur symmetrischen Gruppe S n ist. Es sei Perm n die Menge der Permutationsmatrizen in GL(n, R). Der Isomorphismus
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
Mehr0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
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
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,
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
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.
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
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
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
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
Mehr7. Ringe und Körper. 7. Ringe und Körper 49
7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrVorkurs Mathematik Übungen zu Polynomgleichungen
Vorkurs Mathematik Übungen zu en 1 Aufgaben Lineare Gleichungen Aufgabe 1.1 Ein Freund von Ihnen möchte einen neuen Mobilfunkvertrag abschließen. Es gibt zwei verschiedene Angebote: Anbieter 1: monatl.
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrMaterialverflechtung
Materialverflechtung In einem Unternehmen mit mehrstufigem Fertigungsablauf seien die festen Mengenbeziehungen zwischen Rohstoffen, Zwischen- und Endprodukten durch folgenden Graph gegeben: 00 0 6 E E
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
MehrKap 5: Rang, Koordinatentransformationen
Kap 5: Rang, Koordinatentransformationen Sei F : V W eine lineare Abbildung. Dann ist der Rang von F erklärt durch: rang F =dim ImF. Stets gilt rang F dimv, und ist dimv
MehrKlassenarbeit zu linearen Gleichungssystemen
Klassenarbeit zu linearen Gleichungssystemen Aufgabe : Bestimme die Lösungsmenge der Gleichungssysteme mit Hilfe des Additionsverfahrens: x + 4y = 8 5x y = x y = x y = Aufgabe : Bestimme die Lösungsmenge
MehrGF(2 2 ) Beispiel eines Erweiterungskörpers (1)
GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr
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
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8
D-INFK Lineare Algebra HS 27 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 8. Kern von A: Die Spalten der Matrix A sind Vielfache voneinander, also sind sie linear abhängig und A hat Rang. Somit hat
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrEuklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz
Tobias Kraushaar Kaiserstr. 178 44143 Dortmund Matr.- Nr.: 122964 Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz 1. EINLEITUNG... 2 2. HAUPTTEIL... 3 2.1. Der
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrWie kann man beweisen, dass (H, ) eine Gruppe ist?
Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen In diesem Kapitel geht es um den grundlegenden Zusammenhang zwischen linearen Abbildungen und Matrizen. Die zentrale Aussage ist, dass nach anfänglicher Wahl von Basen
MehrGleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
MehrKomplexe Zahlen und Wechselstromwiderstände
Komplexe Zahlen und Wechselstromwiderstände Axel Tobias 22.2.2000 Ein besonderer Dank geht an Ingo Treunowski, der die Übertragung meines Manuskriptes in L A TEX durchgeführt hat tob skript komplex.tex.
MehrHans Walser, [20090509a] Wurzeln aus Matrizen
Hans Walser, [0090509a] Wurzeln aus Matrizen 1 Worum es geht Zu einer gegebenen,-matri A suchen wir,-matrizen B mit der Eigenschaft: BB = B = A. Wir suchen also Quadratwurzeln der Matri A. Quadrieren Wenn
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
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,
MehrMathematik I. Vorlesung 12. Lineare Abbildungen
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 12 Lineare Abbildungen Definition 12.1. Es sei K ein Körper und es seien V und W K-Vektorräume. Eine Abbildung heißt lineare Abbildung,
MehrÜbungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
MehrWas meinen die Leute eigentlich mit: Grexit?
Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?
MehrFrohe Weihnachten und ein gutes neues Jahr!
Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]
MehrApproximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
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,
MehrZusatztutorium, 25.01.2013
Zusatztutorium, 25.01.2013 David Müßig muessig[at]mi.fu-berlin.de http://page.mi.fu-berlin.de/def/tutorium/ WiSe 12/13 1 Der Homomorphiesatz Der Homomorphiesatz scheint für viele eine Art rotes Tuch zu
MehrMathematischer Vorkurs für Physiker WS 2009/10
TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,
MehrProgrammiersprachen und Übersetzer
Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
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
MehrRente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen
1 3.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind
Mehr