Wirtschafts- und Finanzmathematik
|
|
- Michaela Maier
- vor 6 Jahren
- Abrufe
Transkript
1 Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2017/ Einführung, R, Grundlagen Grundlagen, Aussagen Aussagen Mengen, Folgen, Reihen Allerheiligen Reelle Funktionen einer Variablen, Stetigkeit Differentialrechnung Differentialrechnung Integration Finanzmathematik Matrizen, Vektoren, Lineare Determinanten, Eigenwerte Weihnachten Weihnachten Puffer, Wiederholung Beginn der Prüfungszeit Prof. Dr. Stefan Etschberger HSA
2 Unterjährige Raten und jährliche Verzinsung Aufteilung der Zinsperiode in mehrere gleich lange Rentenperioden, d.h. m Rentenzahlungen pro Zinsperiode (= Jahr). Dazu: Rechnung mit einfacher Verzinsung innerhalb der Zinsperiode Rentenzahlungen nachschüssig (also am Ende jeder unterj. Rentenperiode) oder vorschüssig möglich Lösung: Errechnung von konformen (gleichwertigen) jährlich nachschüssigen Ersatzzahlungen zu den m unterjährigen Zahlungen. Definition r e heißt konforme jährlich nachschüssige Ersatzrentenrate einer nachschüssigen (oder vorschüssigen) unterjährigen Rentenrate r Zinsen 8.2. Renten Unterjährige Renten Ewige Renten 8.3. Tilgung 8.4. Kursrechnung 184
3
4
5 Konforme jährliche nachschüssige Ersatzrentenrate Berechnung von r e : falls unterjährige Rente nachschüssig: r e = r + r (1 + 1m ) i + r (1 + 2m ) i = r m + i r 1 m r e = r [ m + i m 1 2 ] falls unterjährige Rente vorschüssig: r e = r (1 + 1m ) i + r (1 + 2m ) i +... ( + r 1 + m 1 ) +... m i + r (1 + m ) m i = r m ( (m 1)) + i r 1 ( m) m r e = r [ m + i m + 1 ] Zinsen 8.2. Renten Unterjährige Renten Ewige Renten 8.3. Tilgung 8.4. Kursrechnung Aus Ersatzrentenrate r e : Weiterrechnen mit Formeln für jährliche nachschüssige Rente 185
6 Beispiel konforme Ersatzrentenraten Beispiel Ein Sparer legt monatliche nachschüssig auf ein Konto. Wie hoch ist der Kontostand nach 10 Jahren bei einem Zinssatz von 4%? Lösung: Gesucht ist der Rentenendwert auf Basis der konformen Rentenraten. Mit n = 10, m = 12, q = 1,04 und r = ergibt sich Folgendes: R 10 = [ ] 0, }{{} 12,22 1, ,04 1 = , = , Zinsen 8.2. Renten Unterjährige Renten Ewige Renten 8.3. Tilgung 8.4. Kursrechnung Beim Zinssatz von i = 4% kann eine monatlich nachschüssige Rente von durch eine jährlich nachschüssige Rentenzahlung von gleichwertig ersetzt werden. Der Kontostand nach 10 Jahren beträgt ,
7 Ewige Renten Eine Rente heißt ewige Rente, wenn Anzahl n der Ratenzahlungen nicht begrenzt, n also beliebig groß wird (n ). Berechnung des Rentenendwertes dann nicht möglich Rentenbarwert R 0 existiert jedoch: R 0 = lim n = r lim n (r NRBF) = r lim ( ) 1 1 q n = r q 1 n 1 q n qn 1 q 1 1 q 1 = r i Damit: Rentenbarwert einer nachschüssigen ewigen Rente: 8.1. Zinsen 8.2. Renten Unterjährige Renten Ewige Renten 8.3. Tilgung 8.4. Kursrechnung R 0 = r i 187
8 Ewige Renten: Beispiel Beispiel Wie groß ist der Barwert einer ewigen nachschüssigen Rente von pro Jahr, wenn der Zins bei 8% liegt? Lösung: R 0 = = ,08 Anmerkung: Geht man von einer vorschüssigen ewigen Rente aus, so ergibt sich für den Rentenbarwert: R 0 = r + r i 8.1. Zinsen 8.2. Renten Unterjährige Renten Ewige Renten 8.3. Tilgung 8.4. Kursrechnung 188
9 Tilgungsrechnung Rückzahlung oder Tilgung größerer Darlehen oft in mehreren Raten Hier betrachtet: Tilgung in mehreren Teilbeträgen, in konstanten Zeitabständen Jede zu bezahlende Rate beinhaltet Zinsen und Tilgung Verwendete Symbole: Symbol Bezeichnung S Darlehenssumme, Anfangsschuld R k Restschuld nach k Jahren n Tilgungsdauer ( N) Z k Zins am Ende des k-ten Jahres T k Tilgungsquote am Ende des k-ten Jahres Annuität am Ende des k-ten Jahres A k 8.1. Zinsen 8.2. Renten 8.3. Tilgung Ratentilgung Annuitätentilgung 8.4. Kursrechnung Unterscheidung zwischen Ratentilgung und Annuitätentilgung 189
10 Ratentilgung Während Laufzeit sind Tilgungsquoten konstant. Daraus folgt: T k = T = S n und damit: R k = S k T Z k = R k 1 i A k = Z k + T Restschuld nach k Jahren Zins am Ende des k-ten Jahres Annuität am Ende des k-ten Jahres 8.1. Zinsen 8.2. Renten 8.3. Tilgung Ratentilgung Annuitätentilgung 8.4. Kursrechnung 190
11 Annuitätentilgung Problem der Ratentilgung: Belastung anfangs hoch, später geringer Ausweg: Konstanthalten der Annuitäten über Rentenformel A k = A = S qn (q 1) q n 1 Daraus ergibt sich: 8.1. Zinsen R k = S q k A qk 1 q 1 Z k = R k 1 i = A (1 q k n 1) T k = A Z k = A q k n 1 Restschuld nach k Jahren Zinsen im k-ten Jahr Tilgung im k-ten Jahr 8.2. Renten 8.3. Tilgung Ratentilgung Annuitätentilgung 8.4. Kursrechnung 191
12 Kursrechnung Festverzinsliche Wertpapiere Wertpapier: Investor erwirbt für bestimmten Preis ein Recht auf Zahlungen Hier: Gesamtfällige festverzinsliche Wertpapiere Emission (Erstausgabe): Investor zahlt pro 100 Nennwert einen Preis C 0 (Emissionskurs) Emittend: Zahlt während Laufzeit Zinsen (Kuponszahlung) und (meist nach Ablauf ) Tilgung (Rücknahmekurs) Kuponzahlung: mittels nominellen Jahreszinses i (oder Jahreszinsfuß p ) auf den Nennwert an Investor, meist jährlich nachschüssig Falls i = 0: Null-Kupon-Anleihen oder Zerobonds Rücknahmekurs: Tilgung in einem Betrag am Ende der Laufzeit C n als Prozentsatz des Nennwertes Rendite: i eff Jährlicher Effektivzins, der Leistung des Investors und des Emittenden gleichwertig macht 8.1. Zinsen 8.2. Renten 8.3. Tilgung 8.4. Kursrechnung 192
13 Kursrechnung Äquivalenzgleichung für Emissionskurs Dabei: C 0 = p qn 1 q 1 q n + C n q n n : Laufzeit in Jahren C 0 : Emissionskurs p : Nominalzinsfuß, jährliche Zinszahlung pro 100 Nennwert C n : Rücknahmekurs am Ende der Laufzeut q = 1 + i eff : Effektiver Jahreszins bzw. Rendite des festverz. Wertpapiers Anmerkungen: 8.1. Zinsen 8.2. Renten 8.3. Tilgung 8.4. Kursrechnung Gleichung i.a. nicht elementar nach q auflösbar Deswegen oft: Näherung durch Iteration (z.b. regula falsi) Emissionskurs ^= mit Rendite abgezinster Kapitalwert sämtlicher zukünftiger Leistungen des Wertpapiers 193
14 Kursrechnung Ganzzahlige Restlaufzeiten Festverzinsliche Wertpapiere können meist jederzeit gehandelt werden Annahme zunächst: Handel nur unmittelbar nach Kuponzahlung möglich Gesucht: Kurs C t für eine Restlaufzeit von t Jahren Lösung: Preis eines Wertpapiers ist zu jedem Zeitpunkt der Kapitalwert aller in der Restlaufzeit noch ausstehenden Leistungen Abgezinst wird dabei mit dem Marktzins (auch: Umlaufrendite) 8.1. Zinsen 8.2. Renten 8.3. Tilgung 8.4. Kursrechnung C t = p qt 1 q 1 q t + C n q t 194
15 Kursrechnung Risikoanalyse Duration Änderung des Marktzinses: Abhängig von Zeitpunkt Auswirkung auf aktuellen Wert des Papiers Fall 1 (Zins steigt): C 0 ist niedriger, aber Wiederanlage der Kuponzahlungen erbringen mehr Rendite Fall 2 (Zins fällt): C 0 ist höher, aber Wiederanlage der Kuponzahlungen erbringen weniger Rendite Vermutung: An einem (Zeit- )Punkt heben sich diese beiden Effekte auf Dieser Zeitpunkt heißt Duration D. Aktueller Wert D 5 i = 6 % i = 4 % i = 2 % Zeit t 8.1. Zinsen 8.2. Renten 8.3. Tilgung 8.4. Kursrechnung 195
16 Kursrechnung Risikoanalyse Duration Der aktuelle Wert eines Papiers C t (q) = q t C 0 (q) ändert sich also nicht bzgl. Änderungen von q, wenn t = D damit gilt für die Duration D C D (q) q = q ( qd C 0 (q) ) = D q D 1 C 0 (q) + q D C 0(q) q = 0 Da q D 1 immer positiv ist muss also für D gelten D C 0 (q) + q C 0(q) q = 0 und damit: 8.1. Zinsen 8.2. Renten 8.3. Tilgung 8.4. Kursrechnung D = C 0(q) q q C 0 (q) = q C 0 (q) C 0 (q) Weitere mögliche Interpretation der Duration als Bruttozinselastizität des Barwertes. 196
17 Kursrechnung Partielle Ableitung des Kapitalwertes Für die Berechnung von D ist C 0 (q) zu bestimmen; bei einem festverzinslichen Wertpapier ergibt sich so C 0(q) = n q n+1 ( ) p qn 1 q 1 + C n + p q n qn 1 (q 1) (q n 1) n (q 1) 2 Varianten der Duration Modifizierte Duration: MD = D q = C 0 (q) C 0 (q) Elastizität (von i): ε C0,i = C 0 (i) C 0 (i) i = i q D = MD i 8.1. Zinsen 8.2. Renten 8.3. Tilgung 8.4. Kursrechnung Auswirkungen von Zinsänderungen Bei bekanntem Emissionskurs: Auswirkungen kleiner Zinsänderungen über Duration C 0 (i + i) C 0 (i) (1 MD i) 197
18 Gliederung 1 Grundlegende Bausteine 2 Aussagenlogik 3 Mengen 4 Folgen und Reihen 5 Reelle Funktionen 6 Differentialrechnung 7 Integration 8 Finanzmathematik 9 Lineare Algebra 9 Lineare Algebra Matrizen und Vektoren Matrixalgebra Punktmengen im R n Lineare Inverse Matrizen Determinanten Eigenwerte Opitz u. a., (2017, Kapitel 14, 15, 17)
19 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 aufzustellen, zu lösen und diese Lösung darzustellen Beherrschen des Invertierens spezieller Matrizen 199
20 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 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 Grafisch dargestellt: F 1 F 2 F 3 a 11 a 12 a 21 a 22 a 31 a 32 P 1 P 2 200
21 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 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 201
22 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: Fragen: Merkmale Preis Qualität Kundenkreis 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 Ähnlichkeit von Produkten Finden von Kundensegmenten Zuordnen zu diesen Segmenten Marktforschung 201
23 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. 202
24 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 203
25 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 203
26 Beispiel transponierte Matrix a) A = ( ) A T =
27 Beispiel transponierte Matrix a) A = ( ) A T = b) A T = ( A ) T T = A =
28 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 ) 205
29 Geometrische Veranschaulichung von Vektoren ( 1 ) ( 2 ) ( ) Vektoren im R 1 a 2 ( 2 1) 1 ( ) Vektoren im R 2 a 1 a a 1 2 a Vektoren im R a 2 206
30 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) Entsprechend A B und A > B. 207
31 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 i j 208
32 Addition und Subtraktion von Matrizen Definition Gegeben: A = (a ij ) m,n und B = (b ij ) m,n. Dann gilt: Addition: A + B = (a ij ) m,n + (b ij ) m,n = (a ij + b ij ) m,n Subtraktion: A B = (a ij ) m,n (b ij ) m,n = (a ij b ij ) m,n Damit: A + B = B + A (A + B) + C = A + (B + C) Addition/Subtraktion nicht definiert, wenn Zeilen- bzw. Spaltenzahl nicht übereinstimmen 209
33 Skalare Multiplikation Definition Gegeben: A = (a ij ) m,n und r R (Skalar). Dann gilt: Beispiel: r A = r (a ij ) m,n = (r a ij ) m,n = (a ij r) m,n = A r Außerdem gilt: 5 ( ) = ( 5 ) (rs)a = r(sa) (Assoziativgesetz) (r + s)a = ra + sa (Distributivgesetz) r(a + B) = ra + rb 210
34 Matrixmultiplikation Gegeben: A = (a ik ) m,p und B = ( b kj )p,n. Dann gilt: A B = (a ik ) m,p (b kj ) p,n ( p = k=1 a ik b kj ) Merke: Zeile mal Spalte! m,n a 11 a a 1p a 21 a a 2p.. a m1 a m a 11 b 12 a 12 b a 1p b p2... a mp B: p n-matrix b 11 b b 1n b 21 b b 2n b p1 b p2... b pn c 11 c c 1n c 21 c c 2n.. c m1 c m c mn A: m p-matrix C = A B: m n-matrix Schema zur Matrixmultiplikation 211
35
36
37 Spezialfälle und Rechenregeln Spezialfälle der Matrixmultiplikation A = (m n)-matrix, B = (n m)-matrix es existiert A B und B A A quadratisch A A = A 2 existiert A, B quadratisch A B existiert und B A existiert. Aber: Im Allgemeinen A B B A Ist E Einheitsmatrix, dann gilt: Spezielle Rechenregeln A E = E A = A A = (m p)-matrix, B = (p n)-matrix. Damit gilt: A B und B T A T existieren. B T A T = (A B) T A T A AA T ist symmetrische (p p)-matrix und ist symmetrische (m m)-matrix 212
38 Norm Gegeben Vektor a R n Definition: Absolutbetrag, Norm oder Länge eines Vektors: a = a = a T a = a a n2 = n a 2 i R + i=1 Seien a, b, c Vektoren des R n und r R ein Skalar. Dann gilt: a) a + b = b + a, a b = b a b) ra = r a c) a T b a b für n > 1 (Cauchy-Schwarz-Ungleichung) = a b für n = 1 d) a + b a + b (Dreiecksungleichung) e) a c c b a b a c + c b 213
39 Kosinussatz Gegeben: a, b Vektoren des R n, die den Winkel γ einschließen. Nach dem Kosinussatz gilt im Dreieck mit den Ecken 0, A, B x 2 b a b A a b 2 = a 2 + b 2 2 a b cos γ. b a b x 1 B Damit gilt: a T b = 1 2 = 1 2 ( a + b 2 a 2 b 2) ( a 2 + b 2 a b 2) = a b cos γ 214
40 Hyperebenen und Sphären Definition Hyperebene Gegeben: a R n mit a 0 und b R Dann heißt H(a, b) = { x R n : a T x = b } Hyperebene im R n Anmerkung: H teilt den R n in zwei Halbräume Definition Sphäre Gegeben: a R n, r R + Dann heißt K = {x R n : x a = r} Sphäre (Kugelfläche) im R n und dem Radius r Damit: r-umgebung von a: K < (a, r) = {x R n : x a < r} 215
41 Beispiel Hyperebene/Sphäre Beispiele H = { x R 3 : 2x 1 + 3x 2 + 3x 3 = 6 } K = = { x R 3 : { x R 3 : } x 3 2 = 1 0 } (x 1 3) 2 + (x 2 2) 2 + x 32 = 1 216
42 Offenheit, Abgeschlossenheit Gegeben M R n eine Punktmenge des R n und M = R n \ M deren Komplement bzgl. R n. Dann heißt: a R n innerer Punkt von M, wenn eine r-umgebung K < (a, r) von a existiert, die ganz in M liegt, also K < (a, r) M, a R n äußerer Punkt von M, wenn eine r-umgebung K < (a, r) von a existiert, die ganz in M liegt und a R n Randpunkt von M, wenn a weder innerer noch äußerer Punkt von M ist. Eine Punktmenge M R n heißt dann offen wenn jedes Element a M innerer Punkt von M ist, abgeschlossen, wenn jedes Element a M innerer Punkt von M ist, also das Komplement M offen ist. 217
43 Beschränktheit, Kompaktheit Eine Punktmenge M R n heißt beschränkt nach oben, wenn ein b R n existiert mit b x für alle x M, beschränkt nach unten, wenn ein a R n existiert mit a x für alle x M, beschränkt, wenn M nach oben und unten beschränkt ist, kompakt, wenn M beschränkt und abgeschlossen ist. Beispiele M 1 = {x R 2 + : x 1 + 2x 2 3, x 2} M 2 = {x R 2 + : x 1 N} 218
44 Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 + x 2 = 2 x 1 + x 2 = 4 x 1 + x 2 = 2 x 1 x 2 = 1 2x 1 + 2x 2 = 2 219
45 Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 + x 2 = 2 x 1 + x 2 = 4 x 1 + x 2 = 2 x 1 x 2 = 1 2x 1 + 2x 2 = 2 } } } x 1 = x 2 = 1 L = unendlich viele Lösungen 219
46 Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 + x 2 = 2 x 1 + x 2 = 4 x 1 + x 2 = 2 x 1 x 2 = 1 2x 1 + 2x 2 = 2 Probleme: System lösbar oder nicht? } } x 1 = x 2 = 1 L = Verfahren zum Auffinden von Lösungen Darstellung von mehrdeutigen Lösungen } unendlich viele Lösungen 219
47 Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 + x 2 = 2 x 1 + x 2 = 4 x 1 + x 2 = 2 x 1 x 2 = 1 2x 1 + 2x 2 = 2 Probleme: System lösbar oder nicht? } } x 1 = x 2 = 1 L = Verfahren zum Auffinden von Lösungen Darstellung von mehrdeutigen Lösungen Dazu gibt es: } unendlich viele Lösungen Den Gaußschen Algorithmus (erzeugt Dreiecksmatrix) das Verfahren von Gauß-Jordan (modifizierte Gauß: erzeugt Einheitsmatrix) 219
48 Allgemeines lineares Gleichungssystem Ein System von Gleichungen a 11 x 1 + a 12 x a 1n x n = b 1 a 21 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m heißt lineares Gleichungssystem mit m Gleichungen und n Unbekannten. Die a ij und b i heißen Koeffizienten des Gleichungssystems. In Matrixform: Lösungsmenge:. Ax = b L = {x : Ax = b} 220
Mathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg Unterjährige Raten und jährliche Verzinsung Aufteilung der Zinsperiode in mehrere gleich lange Rentenperioden, d.h.
MehrMathematik 2 für Wirtschaftsinformatik
für Wirtschaftsinformatik Sommersemester 2012 Hochschule Augsburg Ewige Renten Eine Rente heißt ewige Rente, wenn Anzahl n der Ratenzahlungen nicht begrenzt, n also beliebig groß wird (n ). Berechnung
MehrMathematik 1 Bachelorstudiengang Maschinenbau
Mathematik 1 Bachelorstudiengang Maschinenbau Prof Dr Stefan Etschberger Hochschule Augsburg Sommersemester 2012 Übersicht 4 Lineare Algebra 1 Grundlegendes 2 Aussagenlogik 3 Mengen 4 Lineare Algebra Lernziele
MehrMathematik 1 für Wirtschaftsinformatik
für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Komplexe Zahlen 5 Lineare Algebra 6 Lineare Programme 5 Lineare Algebra
MehrMathematik 1 für Wirtschaftsinformatik
für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg Spezialfälle und Rechenregeln Spezialfälle der Matrixmultiplikation A = (m n)-matrix, B = (n m)-matrix es existiert A B und B A A quadratisch
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Sommersemester 2015 Prof. Dr. Stefan Etschberger HSA Rentenrechnung Definition Rente: Zahlungsstrom mit Zahlungen in gleichen zeitlichen Abständen und (meistens) in
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Grundlagentest Bruchrechnen! Testfrage: Bruchrechnung 1 Wie lautet das Ergebnis
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg Argumentationstechniken PLUS Mathematik Direkter Beweis einer Implikation
MehrWirtschaftsmathematik
Einführung in einige Teilbereiche der Wintersemester 2016 Prof. Dr. Stefan Etschberger HSA m+1 re = r m + i 2 Äquivalenzprinzip der Finanzmathematik Das Äquivalenzprinzip der Finanzmathematik für Vergleich
MehrEinführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens
in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2013 Hochschule Augsburg Unterjährige Raten und jährliche Verzinsung Aufteilung der Zinsperiode in mehrere gleich
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2015/16 Hochschule Augsburg Rentenrechnung Definition Rente: Zahlungsstrom mit Zahlungen in gleichen
MehrEinführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens
in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2013 Hochschule Augsburg Kursrechnung Festverzinsliche Wertpapiere Wertpapier: Investor erwirbt für bestimmten Preis
MehrWirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 +
MehrWirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Unterjährige einfache Verzinsung In Deutschland Einteilung des Zinsjahres
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMatrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I
Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrIV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen
Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg Definition der Reihe Gegeben: (a n) unendliche Folge in R Dann heißt (s n) mit Beispiel: eine unendliche Reihe. s n heißt
MehrAufgabe 82. Für den Kauf einer Maschine stehen folgende Zahlungsalternativen zur Auswahl:
Aufgabe 82 Finanzmathematik: Maschine (FIMA.) Für den Kauf einer Maschine stehen folgende Zahlungsalternativen zur Auswahl: a) 8. sofort, 4 jährliche Raten zu je 2., zahlbar am Ende eines jeden Jahres
MehrVektoren und Matrizen
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden
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
Mehr05. Lineare Gleichungssysteme
05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 71 Reelle Matrizen Prof Dr Erich Walter Farkas Mathematik I+II, 71 Reelle Matrizen 1 / 31 1 2 3 4 Prof Dr Erich
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.1 Reelle Matrizen
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 81 Reelle Matrizen Prof Dr Erich Walter Farkas http://wwwmathethzch/ farkas 1 / 31 1 2 3 4 2 / 31 Transponierte einer Matrix 1 Transponierte
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg Spezialfälle und Rechenregeln Spezialfälle der Matrimultiplikation A = (m
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrWirtschafts- und Finanzmathematik
Prof. Dr. Stefan Etschberger HSA Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2016/17 Organisation Termine, Personen, Räume Gliederung 1 Grundlegende
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
Mehr1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg Äquivalenzprinzip der Finanzmathematik Das Äquivalenzprinzip der Finanzmathematik für Vergleich von Zahlungen, welche
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Rechenregeln für Grenzwerte Gegeben: lim (a n) = a und lim (b n) = b n n kurz:
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
MehrMatrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.
Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
MehrWirtschafts- und Finanzmathematik
Prof. Dr. Stefan Etschberger HSA Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2016/17 Organisation Termine, Personen, Räume Gliederung 1 Grundlegende
MehrBrückenkurs Mathematik für Wirtschaftswissenschaftler
VlEWEG+ TIUBNER Walter Purkert Brückenkurs Mathematik für Wirtschaftswissenschaftler Z, aktualisierte Auflage STUDIUM Inhaltsverzeichnis 1 Das Rechnen mit reellen Zahlen 1.1 Grundregeln des Rechnens....
MehrMit 119 Bildern, 368 Beispielen und 225 Aufgaben mit Lösungen
Mathematik für Wirtschaftswissenschaftler Ein Lehr- und Übungsbuch für Bachelors 2., aktualisierte Auflage Mit 119 Bildern, 368 Beispielen und 225 Aufgaben mit Lösungen Fachbuchverlag Leipzig im Carl Hanser
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
Mehr3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit
3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53
MehrMATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...
MATRIZEN Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn A ist eine m n Matrix, dh: A hat m Zeilen und n Spalten A besitzt
MehrGroßes Lehrbuch der Mathematik für Ökonomen
Großes Lehrbuch der Mathematik für Ökonomen Von Professor Dr. Karl Bosch o. Professor für angewandte Mathematik und Statistik an der Universität Stuttgart-Hohenheim und Professor Dr. Uwe Jensen R. Oldenbourg
MehrBrückenkurs Mathematik
Walter Purkert 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Brückenkurs Mathematik für Wirtschaftswissenschaftler.
MehrMatrizen Definition: Typ einer Matrix
Matrizen Definition: Eine Matrix ist ein rechteckiges Zahlenschema. Die Matrix (Mehrzahl: Matrizen) besteht aus waagerecht verlaufenden Zeilen und senkrecht verlaufenden Spalten. Verdeutlichung am Beispiel:
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
Mehr1 Mathematische Zeichen und Symbole 1. 2 Logik 9. 3 Arithmetik 11
IX 1 Mathematische Zeichen und Symbole 1 2 Logik 9 3 Arithmetik 11 3.1 Mengen 11 3.1.1 Allgemeines 11 3.1.2 Mengenrelationen 12 3.1.3 Mengenoperationen 12 3.1.4 Beziehungen, Gesetze, Rechenregeln 14 3.1.5
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
MehrSpezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation
. Inhaltsverzeichnis.............. Spezialgebiet Mathematik(Christian Behon ) 1 Matrizen Kapitel 1 Definitionen und Herleitung von Matrizen 1.1 Was sind Matrizen 1.2 Arten von Matrizen Kapitel 2 Matrizenoperation
MehrChr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A =
Chr.Nelius: Lineare Algebra SS 28 4: Matrizenrechnung 4. DEF: a Die Summe A + B zweier m n Matrizen A a ik und B b ik ist definiert als m n Matrix C c ik, wobei c ik : a ik + b ik für alle i, 2,..., m
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrDiese Lücken sollten nicht auch bei Ihnen vorhanden sein: Im Bereich der Zinsberechnung wird zwischen der einfachen ( ) Verzinsung und dem Zinseszins
SS 2017 Torsten Schreiber 287 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Im Bereich der Zinsberechnung wird zwischen der einfachen ( ) Verzinsung und dem Zinseszins ( ) unterschieden. Bei
MehrInhaltsverzeichnis Grundlegende Formeln und Bezeichnungen Mathematische Grundlagen Lineare Verzinsung
Inhaltsverzeichnis 1 Grundlegende Formeln und Bezeichnungen... 1 1.1 Wichtige Bezeichnungen... 1 1.2 Grundlegende Formeln... 2 1.3 Umrechnungstabelle der Grundgrößen p, i und q... 3 2 Mathematische Grundlagen...
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrInhaltsverzeichnis. Teil I Grundlagen
Inhaltsverzeichnis Teil I Grundlagen 1 Mengenlehre und Aussagenlogik... 3 1.1 Vorbemerkung... 3 1.2 Mengen... 4 1.2.1 Mengenoperationen..... 7 1.2.2 Mengengesetze... 10 1.2.3 Zahlenmengen... 12 1.3 Aussagenlogik...
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
MehrBeispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist
127 Die Schritte des Gauß-Algorithmus sind nun die Folgenden: 1. Wir bestimmen die am weitesten links stehende Spalte, die Einträge 0 enthält. 2. Ist die oberste Zahl der in Schritt 1 gefundenen Spalte
MehrMatrizen. Lineare Algebra I. Kapitel April 2011
Matrizen Lineare Algebra I Kapitel 2 26. April 2011 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/~holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg Definition der Reihe Gegeben: (a n) unendliche Folge in R Dann heißt (s n) mit Beispiel: eine unendliche Reihe. s n
MehrWirtschafts- und Finanzmathematik
Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2017/18 04.10.2017 Einführung, R, Grundlagen 1 11.10.2017 Grundlagen, Aussagen 2 18.10.2017 Aussagen
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Sätze PLUS Es gilt für A, B R n n : det(ab) = det A det B (Determinantenmultiplikationssatz)
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
MehrMatrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische
MehrLineare Algebra I (WS 12/13)
Lineare Algebra I (WS 12/13) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 18.10.2012 Alexander Lytchak 1 / 12 Lineare Gleichungssysteme Wir untersuchen nun allgemeiner Gleichungssysteme der
MehrWirtschafts- und Finanzmathematik
Prof Dr Stefan Etschberger HSA Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2016/17 Determinanten: Vorüberlegung Permutationen und Inversionen
MehrLineare Gleichungen. Mathematik-Repetitorium. 3.1 Eine Unbekannte. 3.2 Zwei oder drei Unbekannte. 3.3 Allgemeine lineare Gleichungssysteme
Lineare Gleichungen 3.1 Eine Unbekannte 3.2 Zwei oder drei Unbekannte 3.3 Allgemeine lineare Gleichungssysteme Lineare Gleichungen 1 Vorbemerkung zu Kapitel 1 Gleichungen (Unbekannte) (Variablen, Parameter)
MehrProf. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1
Prof. Dr. G. Wagner Ingenieurmathematik Begleittext Seite 1 Kapitel 3 Lineare Gleichungssysteme 3.1. Einleitung Beispiel 1 3 Kinder haben eingekauft. Franz hat 4 Lakritzen, 2 Schokoriegel und 5 Kaugummis
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:
MehrDiese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird im Bereich der Rentenrechnung die zugehörige zu Beginn eines Jahres / einer Zeitperiode
SS 2017 Torsten Schreiber 309 Diese Lücken sollten nicht auch bei Ihnen vorhanden sein: Wird im Bereich der Rentenrechnung die zugehörige zu Beginn eines Jahres / einer Zeitperiode eingezahlt, so spricht
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
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
MehrKapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24
Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt
Mehr2 Matrizenrechnung und Lineare Gleichungssysteme
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrMathematik: Anwendungen
Mathematik: Anwendungen Dr Claudia Vogel Universität Bern SS 2013 Dr Claudia Vogel (Universität Bern) Mathematik: Anwendungen SS 2013 1 / 262 Organisatorisches Vorlesung: 19-23082013 9-16 Uhr Übung: 26-30082013
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
MehrLineare Gleichungssystem
Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrEinführung 15. Teil I Grundlagen der Algebra 21. Kapitel 1 Die bunte Welt der linearen Algebra 23
Inhaltsverzeichnis Einführung 15 Zu diesem Buch 15 Konventionen in diesem Buch 16 Was Sie nicht lesen müssen 16 Törichte Annahmen über den Leser 16 Wie dieses Buch aufgebaut ist 16 Teil I: Grundlagen der
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
Mehr