Prüfung in Grundlagen GIS im WS 2011/12

Größe: px
Ab Seite anzeigen:

Download "Prüfung in Grundlagen GIS im WS 2011/12"

Transkript

1 Prüfung in Grundlagen GIS im WS 2011/12 1. a) Beschreiben Sie den Aufbau von Raster- und Vektordaten! (4 Punkte) b) Nennen Sie je einen Dateityp für die Speicherung von Raster- und Vektordaten! (1 Punkt) c) Berechnen Sie den Speicherplatz für ein Raster mit 2000 x 2000 Bildpunkten und einer Farbtiefe von 48 Bit! (2 Punkte) 2. a) Auf einer topografischen Papierkarte soll die Fläche eines Sees bestimmt werden. Wie Sie das machen? (2 Punkte) b) Gegeben ist ein Punktshapefile mit Höheninformationen des Matterhorns. Die Höhenlinien sollen automatisch generiert werden. Wie würden Sie vorgehen? (2 Punkte) 3. a) Was bedeutet Kardinalität? Welche Kardinalitäten kennen Sie? Geben Sie jeweils ein Beispiel an! (4 Punkte) b) Überführen Sie die folgende Tabelle in relationales DB-Modell in der dritten Normalform! Markieren Sie Primär- und Fremdschlüssel (P1-F1, P2-F2,...)! (6 Punkte) Pegel Gewässer Rechts- und Hochwerte Verschiedene Orte Verschiedene Flüsse Messdatum Messer Wasserstand über NN Name Gegeben ist ein binäres Bild B mit einem einzigen Objekt O, dargestellt durch den Pixelwert "1" sowie das strukturierende Element S (3x3) der 4er-Nachbarschaft Es sei B Ɵ S das mit S erodierte Bild a) Was stellt B1 = B - ( B Ɵ S) dar? (2 Punkte) b) Was stellt B2 = (B Ɵ S) - ((B Ɵ S) Ɵ S) dar? (2 Punkte) c) Welche Operationen liefern für ein Polygon P (Vektormodell), das dem Objekt O entspricht, sinngemäß die gleichen Ergebnisse? (2 Punkte) d) Ordnen Sie den folgenden Abbildungen die zugehörigen morphologischen Operationen zu! (2 Punkte) Abb. in Prüfung ähnlich den folgenden:

2 5. Gegeben ist eine Menge von Punkten x i ϵ R 2 mit i = 1...p und zugeordneten 2D-Voronoi-Thiessen- Zellen D i = D(x i ) ϵ R 2. Die (p x q)-inzidenz-matrix I DE besteht aus p Zeilen (welche die 2D-Zellen D i darstellen) und q Spalten (welche die 1D-Seiten E j mit j = 1...q der Zellen darstellen). Die Zugehörigkeiten von 2D-Zellen und 1D-Seiten werden dadurch beschrieben, dass I DE ij 1 falls E j 0 Kante von D sonst i a) Wie viele "1"-Einträge besitzen eine beliebige Zeile und eine beliebige Spalte der Inzidenz- Matrix? (2 Punkte) b) Durch welche Matrizenoperation erhält man aus der Inzidenz-Matrix I DE die zugehörige symmetrische (p x p) Adjazenz-Matrix A DD, welche die Nachbarschaftsbeziehungen der Voronoi-Zellen D i dadurch darstellt, dass für k, l = i...p A DD kl 1 falls D k und D l eine gemeinsame Seite haben 0 sonst (2 Punkte) c) Was stellt die Inzidenz-Matrix der Voronoi-Thiessen-Dirichlet-Zerlegung bezüglich der dazugehörigen dualen Delaunay-Triangulation explizit dar, d.h. im Einzelnen, was stellen die Zeilen bzw. Spalten der Inzidenz-Matrix bezüglich der dualen Delaunay-Triangulation dar und was zeigen die Matrixeinträge an? (2 Punkte)

3 Matrikelnummer Aufgabe Note 2 J 4 r Aufgabe 1. (9) Klausur zur LV,,Grundlagen der GlS,, ws Febluat 2013,09:00-10:30 a) Erklären sie den Aufbau von Raster und Vektordaten. (4) b) Was versteht man unter Georeferenzierung? Wie viele Verknilpfungspunkte sind zur Berechnung einer affinen Transformation notwendig? (2) c) Wie viel Speicherplatz benötigt ein unkomprimiertes Rasterbild mit 1000 Zeilen und 1000 Spalten und einer Farbtiefe von 24 bit? (1) d) Erklären Sie die Begriffe BSQ und Lauflängenkodierung. (2)

4 Aufgabe 2. (4) Wie würden sie folgende Aufgaben mit einem GIS lösen? a) Sie haben eine topographische Papier-Karte und sollen die Fläche eines auf dieser Karte dargestellten,dorfes bestimmen. (2) b) Sie haben ein Punktshäpefile mit lnformationen zum Luftdruck gegeben und sollen eine lsobaren-karte (Linien gleichen Luftdrucks) generieren. (2) Aufgabe 3. (9) a) Welche Beziehungstypen zwischen Entitäten kennen Sie? Nennen Sie jeweils ein Beispiel.(3) b) Überführen Sie die folgende Tabelle in die 3. Normalform des relationalen Datenmodells. Markieren Sie die Primär- (P'1, P2,...) und Fremdschl0ssel (F1, F2,..) (6) Elbe 4s96455r : ,6 Elbe 4s96455: , ; ,0 Melßen Elbe ; Melßen Elbe ; a576193; , ; , ; ,9 Elbe : ,! Elbe ; ,7 Elbe ; Köhler 2,0 2

5 Aufgabe 4. (6) a) Führen Sie mit dem abgebildeten strukturierenden Schließung für das dargestellte binäre Bild durch. (4) Element eine morphologische strukturiere ndes Element,l b) Gegeben seien ein binäres Bild B, der Einfachheit halber mit einem einzigen Objekt O, dargestellt durch Pixelwert,,1", und das strukturierende Element S (3 x 3) der 4er Nachbarschaft. Es sei B e S das mit s erodierte Bild. Was stellt 81 = B - (B e S) dar? (2)

6 Aufgabe 5. (6) Gegeben sei eine Menge von Punkten xi 6lRz, i= 1,..., p und die zugeordneten 2d VoronoiThiessen-Dirichlet Zellen Di = D(x) c R'z, i = 'l,..., p. Die (p x q) lnzidenz- Matrix /oe besteht aus: p Zeilen, welche die 2d geometrischen Zellen D1, I = 1,,...., p ; darstellen, und g Spalten, welche die I d geometrischen Seiten El;l = 1,..., q : det Zellen darstellen. Die Zugehörigkeiten von 2d Zellen und 1d Seiten werden dadurch beschrieben, dass /. \ f t falls E; Kante von D; vo'),i: f o *nr, '/: r" 'P'J =!'"''q' a) Wie viele "1" Einträge besitzen eine beliebige Zeile und eine beliebige Spalte der lnzidenz-matrix? (2) b) Durch welche Matrixoperation erhält man aus der lnzidenz-matrix /oe die zugehörige symmetrische (p x p) Adjazenz-Matrix AoD, welche die Nachbarschaftsbeziehungen der Voronoi-Zellen Dr dadurch darstellt, dass fijr k,i = 1,..., p (2) I ^ \ f i falls Dr. urd Da eine gemeinsame Seite besitzen \ DD)ut= o sonst c) Was stellt die lnzidenzmatrix /ps der Voronoi - Thiessen - Dirichlet Zerlegung beziiglich der dazu gehörigen dualen Delaunay Triangulation explizit dar, d.h. im Einzelnen, was stellen die Zeilen bzw. Spalten von /ps bezüglich der dualen Delaunay Triangulation dar und was zeigen die Matrixeinträge an? (2)

Geoinformatik I /Geoinformationsysteme

Geoinformatik I /Geoinformationsysteme Geoinformatik I /Geoinformationsysteme SS 2005 1 Georeferenzieren a) Sie haben ein Feature, das mit den Angaben [WGS-1984, UTM-Zone 12N] georeferenziert ist. Was bedeuten die beiden Angaben? (Was ist ein

Mehr

Auswertung von Geodaten

Auswertung von Geodaten Auswertung von Geodaten Wir haben bislang einige Beispiele kennen gelernt, wie man sich Geodaten beschaffen kann (u.a. GPS, Luft- und Satellitenbilder). Des weiteren haben wir gesehen, dass diese mitunter

Mehr

Klausur zur Vorlesung Grundlagen der Geoinformationssysteme (GGEOINFO BA Nr. 041)

Klausur zur Vorlesung Grundlagen der Geoinformationssysteme (GGEOINFO BA Nr. 041) Matrikel-Nr.: 1 2 3 4 5 6 7 8 /4 /4 /4 /6 /6 /4 /4 /4 /36 TECHNISCHE UNIVERSITÄT BERGAKADEMIE FREIBERG SS 2017 INSTITUT FÜR GEOPHYSIK UND GEOINFORMATIK Klausur zur Vorlesung Grundlagen der Geoinformationssysteme

Mehr

9. Kombination von Vektor- und Rasterdaten

9. Kombination von Vektor- und Rasterdaten 9. Kombination von Vektor- und Rasterdaten 1. Vergleich von Vektor- und Rasterdaten 2. Morphologische Operationen 3. Transformationen des Formats 4. Kombinierte Auswertungen Geo-Informationssysteme 224

Mehr

Übersicht der Vorlesung

Übersicht der Vorlesung Übersicht der Vorlesung. Einführung. Bildverarbeitung. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse

Mehr

GIS Einführungsschulung

GIS Einführungsschulung Datentypen 1. Rasterdaten Datenquellen: Gescannte analoge Karten und Pläne Digitale Kameras Framegrabber Satellitenaufnahmen (Scanner und optische Sensoren) Datentypen: binär (Synonyme: 1-Bit, Schwarz-weiß)

Mehr

3. Das Relationale Datenmodell

3. Das Relationale Datenmodell ! " # $ # $ % # $ 3. Das Relationale Datenmodell 1. Datenstruktur und Integritätsbedingungen 2. Abbildung zwischen ERM und RDM 3. Implementierung in SQL 4. Anomalien und Normalformen des RDM 5. Relationenalgebra

Mehr

Kapitel 9 Kombination von Vektor- und Rasterdaten

Kapitel 9 Kombination von Vektor- und Rasterdaten LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 9 Kombination von Vektor- und Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15

Mehr

Entitätstypen, Attribute, Relationen und Entitäten

Entitätstypen, Attribute, Relationen und Entitäten Einführung Datenmodellierung Entitätstypen, Attribute, Relationen und Entitäten Wozu Datenbanken? Datenbanken dienen zur Speicherung und Verwaltung großer Datenbestände Beispiele: Adressdaten aller Kunden

Mehr

Relationen und Graphentheorie

Relationen und Graphentheorie Seite Graphentheorie- Relationen und Graphentheorie Grundbegriffe. Relationen- und Graphentheorie gehören zu den wichtigsten Hilfsmitteln der Informatik, die aus der diskretenmathematik stammen. Ein Graph

Mehr

Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)

Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen) WS 2015/16 Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung

Mehr

3 Lineare Gleichungssysteme

3 Lineare Gleichungssysteme Lineare Gleichungssysteme Wir wissen bereits, dass ein lineares Gleichungssystem genau dann eindeutig lösbar ist, wenn die zugehörige Matrix regulär ist. In diesem Kapitel lernen wir unterschiedliche Verfahren

Mehr

Geometrische Deutung linearer Abbildungen

Geometrische Deutung linearer Abbildungen Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv

Mehr

Indizes. Index. Datenfeld Normale Tabelle. Gesucht wird: Zugriff. 3. Zugriff 1. Zugriff.

Indizes. Index. Datenfeld Normale Tabelle. Gesucht wird: Zugriff. 3. Zugriff 1. Zugriff. Indizes Gesucht wird: 44791 Index Normale Tabelle 1. Zugriff 1 44789 2. Zugriff 2 44801 3. Zugriff 3 44797 4. Zugriff 4 44388 5. Zugriff 5 44746 6. Zugriff 6 44787 7. Zugriff 7 44793 8. Zugriff 8 44799

Mehr

Klausur Datenbanken. Fachhochschule Furtwangen, WS 08/09,

Klausur Datenbanken. Fachhochschule Furtwangen, WS 08/09, Klausur Datenbanken Fachhochschule Furtwangen, WS 08/09, 4.2.2009 Dozent Dr. D. Fehrer ame: Matrikel-ummer: Studiengang: Studiensemester: Aufgabe : Entwurf 3 Punkte (9++2+) Aufgabe 2: ormalformen 9 Punkte

Mehr

2 Lineare Gleichungssysteme

2 Lineare Gleichungssysteme 2 Lineare Gleichungssysteme Betrachte ein beliebiges System von m linearen Gleichungen in den n Unbekannten x,,x n : a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 () a m x + a m2 x

Mehr

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse. Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen

Mehr

a 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α

a 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α Mathematik 1 - Übungsblatt 7 Lösungshinweise Tipp: Verwenden Sie zur Kontrolle Scilab, wo immer es möglich ist. Aufgabe 1 (Definitionsformel für Determinanten) Determinanten quadratischer Matrizen sind

Mehr

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11 D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Serie 11 1. Wir betrachten das überbestimmte Gleichungssystem Ax = y mit 1 1 1 1 A := 1 1 0 1 0 1, y := 2 3 0 0 1 4 Berechnen Sie die

Mehr

Lernmodul 2: Geoobjekte und ihre Modellierung - Dreiecksnetze

Lernmodul 2: Geoobjekte und ihre Modellierung - Dreiecksnetze Folie 1 von 16 Lernmodul 2 Dreiecksnetze Folie 2 von 16 Dreiecksnetze Übersicht Dreiecksnetze - Triangulated Irregular Networks - TINs Modellierung des Geländereliefs durch TINs Delaunay TINs: besonders

Mehr

Geoinformation I Landkarten

Geoinformation I Landkarten Folie 1 von 17 Geoinformation I Landkarten Folie 2 von 17 Landkarte Übersicht! Tesselation: Definition! Landkarte " Definition " Einschränkungen " Topologische Beziehungen " Euler-Formel " Topologische

Mehr

Geoinformation I Landkarten

Geoinformation I Landkarten Folie 1 von 17 Geoinformation I Landkarten Folie 2 von 17 Landkarte Übersicht Tesselation: Definition Landkarte Definition Einschränkungen Topologische Beziehungen Euler-Formel Topologische Fehler Integritätsbedingungen

Mehr

Einführung in die Mathematik des Operations Research

Einführung in die Mathematik des Operations Research Universität zu Köln Mathematisches Institut Prof. Dr. F. Vallentin Einführung in die Mathematik des Operations Research Sommersemester 3 en zur Klausur (7. Oktober 3) Aufgabe ( + 3 + 5 = Punkte). Es sei

Mehr

Übungen. Mathematik für Studierende der Biologie und des Lehramtes Chemie

Übungen. Mathematik für Studierende der Biologie und des Lehramtes Chemie Übungen Mathematik für Studierende der Biologie und des Lehramtes Chemie Dominik Schillo Universität des Saarlandes 7..7 (Stand: 7..7, 3:47 Uhr) Blatt : Ausgabe:..7, Abgabe: 7..7, Übungen: 4..7, 7..7,

Mehr

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D. Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion

Mehr

Beziehungen zwischen Klassen

Beziehungen zwischen Klassen Beziehungen zwischen Klassen Buch S89ff und S98ff (Informatik I, Oldenbourg-Verlag) Klassendiagramm - Beziehungen ARTIKEL wird verkauft an> m KUNDE ArtikelNr Bezeichner Preis Sparte Lagerbestand n

Mehr

Homogene und inhomogene Koordinaten und das Hyperboloid

Homogene und inhomogene Koordinaten und das Hyperboloid Seminararbeit zum Seminar aus Reiner Mathematik Homogene und inhomogene Koordinaten und das Hyperboloid Gernot Holler 1010674 WS 2012/13 28.November 2012 1 Inhaltsverzeichnis 1 Einleitung 3 2 Homogene

Mehr

Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)

Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 8 Epipolargeometrie Die Fundamentalmatrix Korrelation Schätzung der Fundamentalmatrix Homographie infolge einer Ebene Sonderfälle

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

Kapitel 3: Entity-Relationship-Modell

Kapitel 3: Entity-Relationship-Modell Kapitel 3: Entity-Relationship-Modell Objekte und Beziehungen Objekte bilden die elementare Grundlage unserer Betrachtung. Objekte werden durch Tupel in Relationen repräsentiert und können durch Schlüsselwerte

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist

Mehr

Lineare Algebra I (WS 12/13)

Lineare Algebra I (WS 12/13) Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche

Mehr

Flächen und ihre Krümmungen

Flächen und ihre Krümmungen Flächen und ihre Krümmungen Teilnehmer: Levi Borodenko Anna Heinrich Jochen Jacobs Robert Jendersie Tanja Lappe Manuel Radatz Maximilian Rogge Käthe-Kollwitz-Oberschule, Berlin Käthe-Kollwitz-Oberschule,

Mehr

Symplektische Geometrie

Symplektische Geometrie Symplektische Geometrie Def. Eine symplektische Form auf U R 2n ist eine geschlossene, nichtausgeartete 2-Differentialform. }{{}}{{} d.h. dω = 0 wird gleich definiert Wir bezeichnen sie normalerweise mit

Mehr

Copyright, Page 1 of 5 Die Determinante

Copyright, Page 1 of 5 Die Determinante wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist

Mehr

9.2 Invertierbare Matrizen

9.2 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

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, 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

Mehr

Prüfungstermin: 9. Mai 2016 Prüfungsbereich 4: Geodatenmanagement Lösungsfrist: 90 Minuten / verbrauchte Zeit min.

Prüfungstermin: 9. Mai 2016 Prüfungsbereich 4: Geodatenmanagement Lösungsfrist: 90 Minuten / verbrauchte Zeit min. Abschlussprüfung für Auszubildende in den Ausbildungsberufen der Geoinformationstechnologie Prüfungsausschuss für Ausbildungsberufe in der Geoinformationstechnologie Prüfungs-Nr. Prüfungstermin: 9. Mai

Mehr

Lineare Algebra II 11. Übungsblatt

Lineare Algebra II 11. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des

Mehr

Universität Augsburg, Institut für Informatik WS 2009/2010 Prof. Dr. W. Kießling 06. Nov Dr. A. Huhn, F. Wenzel, M. Endres Lösungsblatt 2

Universität Augsburg, Institut für Informatik WS 2009/2010 Prof. Dr. W. Kießling 06. Nov Dr. A. Huhn, F. Wenzel, M. Endres Lösungsblatt 2 Universität Augsburg, Institut für Informatik WS 2009/2010 Prof. Dr. W. Kießling 06. Nov. 2009 Dr. A. Huhn, F. Wenzel, M. Endres Lösungsblatt 2 Aufgabe 1: ER-Modellierung 1. Siehe Unterstreichungen in

Mehr

Der Tabellenname wird in Grossbuchstaben geschrieben.

Der Tabellenname wird in Grossbuchstaben geschrieben. Datenbanken: Abbildungsregeln 1 Tabellen Einleitung Da ein relationales Datenbankschema als Objekte nur Tabellen zulässt, müssen sowohl die Entitäts- als auch die Beziehungsmengen in Tabellenform ausgedrückt

Mehr

7 Determinanten. f i : Mat n n (K) K. j=1 ( 1)i+j a ij D(A ij )

7 Determinanten. f i : Mat n n (K) K. j=1 ( 1)i+j a ij D(A ij ) 7 Determinanten Im folgenden betrachten wir quadratische Matrizen. Wir schreiben dabei eine n n Matrix A (über dem Körper K) primär als Zeilenvektor, dessen Elemente die Spalten von A sind; also A = (a

Mehr

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008 MUSTERLÖSUNG Name: Studiengang: Aufgabe 1 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter die Aufgabenstellung

Mehr

Algorithmische Geometrie

Algorithmische Geometrie Algorithmische Geometrie Martin Peternell TU Wien 31. Fortbildungstagung für Geometrie 2010, Strobl 1 Themen der Algorithmische Geometrie Entwurf von Algorithmen für geometrische Fragestellungen betreffend

Mehr

Spezielle Matrizen. Invertierbarkeit.

Spezielle Matrizen. Invertierbarkeit. Spezielle Matrizen. Invertierbarkeit. Lineare Algebra I Kapitel 4 2. Mai 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de

Mehr

Matrizen. Lineare Algebra I. Kapitel April 2011

Matrizen. 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

Mehr

Lösungsskizze zur Wiederholungsserie

Lösungsskizze zur Wiederholungsserie Lineare Algebra D-MATH, HS Prof. Richard Pink Lösungsskizze zur Wiederholungsserie. [Aufgabe] Schreibe die lineare Abbildung f : Q Q 5, x +x +x x x +x +6x f x := x +x +8x x x +x +x. x +x +5x als Linksmultiplikation

Mehr

(Punktnr.) x-wert y-wert (z-wert) ( ) ( )

(Punktnr.) x-wert y-wert (z-wert) ( ) ( ) Vektordaten Das Speichern bzw. Verarbeiten räumlicher Informationen als Vektordaten entspricht dem naheliegenden Muster einer Koordinatenliste die Dateien sind im Wesentlichen so aufgebaut: (Punktnr.)

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 Determinanten, Eigenwerte, Normalformen Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses

Mehr

Einführung in die Kodierungstheorie

Einführung in die Kodierungstheorie Anton Malevich Einführung in die Kodierungstheorie Skript zu einer im Februar 2013 gehaltenen Kurzvorlesung Fakultät für Mechanik und Mathematik Belorussische Staatliche Universität Institut für Algebra

Mehr

Erster Akt: Begriffe und Beispiele

Erster Akt: Begriffe und Beispiele Eigenvektoren 1 Erster Akt: Begriffe und Beispiele 2 Sei L : A A eine lineare Abbildung von einem Vektorraum A in sich sich selbst. (Man denke an z. B. an A = R 2.) 3 Ein Vektor a A, a 0, heißt ein Eigenvektor

Mehr

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil 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

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen 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

Mehr

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015 sskizzen der Klausur zur Linearen Algebra im Herbst 5 Aufgabe I. Es sei (G, ) eine Gruppe mit neutralem Element e und M {x G x x e}. Zeigen Sie: (a) Ist G kommutativ, so ist M eine Untergruppe von G. (b)

Mehr

Kapitel DB:IV (Fortsetzung)

Kapitel DB:IV (Fortsetzung) Kapitel DB:IV (Fortsetzung) IV. Logischer Datenbankentwurf mit dem relationalen Modell Das relationale Modell Integritätsbedingungen Umsetzung ER-Schema in relationales Schema DB:IV-46 Relational Design

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen

Mehr

Transformation mehrdimensionaler Integrale

Transformation mehrdimensionaler Integrale Transformation mehrdimensionaler Integrale Für eine bijektive, stetig differenzierbare Transformation g eines regulären Bereiches U R n mit det g (x), x U, gilt für stetige Funktionen f : f g det g du

Mehr

Prof. Dr. L. Diening Dipl. Math. S. Schwarzacher Dipl. Math. C. Warmt. Klausur. Numerik WS 2010/11

Prof. Dr. L. Diening Dipl. Math. S. Schwarzacher Dipl. Math. C. Warmt. Klausur. Numerik WS 2010/11 Prof. Dr. L. Diening 09.02.2011 Dipl. Math. S. Schwarzacher Dipl. Math. C. Warmt Klausur Numerik WS 2010/11 Es ist erlaubt, eine selbst erstellte, einseitig per Hand beschriebene A4 Seite in der Klausur

Mehr

Die Determinante eines Friesmuster

Die Determinante eines Friesmuster Die Determinante eines Friesmuster Die Determinante eines Friesmuster von Hannah Vogel,??? Einleitung Friesmuster (engl. Frieze Pattern ) gab es schon lange bevor sie in der Mathematik diskutiert wurden.

Mehr

7.2 Die adjungierte Abbildung

7.2 Die adjungierte Abbildung 7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)

Mehr

Klausur Bioinformatik für Biotechnologen

Klausur Bioinformatik für Biotechnologen Name, Vorname: 1 Klausur Bioinformatik für Biotechnologen Studiengang Molekulare Biotechnologie TU Dresden WS 2011/2012 Prof. Michael Schroeder 15.02.2012 Die Dauer der Klausur beträgt 90 Minuten. Bitte

Mehr

Modul Nr. 1608, M.Sc. Bau: Geodäsie und GIS Teil GIS Kapitel 3:

Modul Nr. 1608, M.Sc. Bau: Geodäsie und GIS Teil GIS Kapitel 3: Modul Nr. 1608, M.Sc. Bau: Geodäsie und GIS Teil GIS Kapitel 3: Univ.-Prof. Dr.-Ing. Wolfgang Reinhardt AGIS / Inst. Für Angewandte Informatik (INF4) Universität der Bundeswehr München Wolfgang.Reinhardt@unibw.de

Mehr

MATRIZEN. 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 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

Mehr

Tutorium: Diskrete Mathematik

Tutorium: Diskrete Mathematik Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016

Mehr

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben: Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter

Mehr

Algorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck

Algorithmik WS 07/ Vorlesung, Andreas Jakoby Universität zu Lübeck Lemma 15 KLP 1 ist genau dann lösbar, wenn das dazugehörige LP KLP 2 eine Lösung mit dem Wert Z = 0 besitzt. Ist Z = 0 für x 0, x 0, dann ist x eine zulässige Lösung von KLP 1. Beweis von Lemma 15: Nach

Mehr

Lineare Algebra I Klausur. Klausur - Musterlösung

Lineare Algebra I Klausur. Klausur - Musterlösung Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra I Klausur Klausur - Musterlösung 20. Februar 203 Aufgabe - Lösung Aussage wahr falsch (Z, +, 0) ist eine abelsche Gruppe. Der Ring Z/24Z ist nullteilerfrei.

Mehr

Lineare Gleichungssysteme: eine Ergänzung

Lineare Gleichungssysteme: eine Ergänzung Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n

Mehr

Zwischenprüfung im Ausbildungsberuf Kartograph/Kartographin nach 48 BBiG. April Schriftliche Prüfung

Zwischenprüfung im Ausbildungsberuf Kartograph/Kartographin nach 48 BBiG. April Schriftliche Prüfung Zwischenprüfung im Ausbildungsberuf Kartograph/Kartographin nach 48 BBiG April 2007 Schriftliche Prüfung Prüfungsfach: Zeit: Kartengestaltung 60 Minuten Hilfsmittel: keine besonderen Hilfsmittel Anlagen:

Mehr

1. EINFÜHRUNG. 1. Was ist ein Geo-Informationssystem? 3. Anwendung 1: Verkehrs- und Standortplanung. 4. Anwendung 2: Klimatologische Analysen

1. EINFÜHRUNG. 1. Was ist ein Geo-Informationssystem? 3. Anwendung 1: Verkehrs- und Standortplanung. 4. Anwendung 2: Klimatologische Analysen 1. EINFÜHRUNG 1. Was ist ein Geo-Informationssystem? 2. Was sind die Komponenten eines Geo-Informationssystems? 3. Anwendung 1: Verkehrs- und Standortplanung 4. Anwendung 2: Klimatologische Analysen Geo-Informationssysteme

Mehr

Aufgabe 2: Wer erarbeitet Regeln zur Vermeidung von gesundheitlichen Schäden im Büro?

Aufgabe 2: Wer erarbeitet Regeln zur Vermeidung von gesundheitlichen Schäden im Büro? 30 Arbeitsblatt 1 Wirtschaft und Verwaltung Seite 15 Der Arbeitsplatz Nennen Sie fünf Einrichtungsgegenstände, die sich in einem Büro finden lassen. Wer erarbeitet Regeln zur Vermeidung von gesundheitlichen

Mehr

Flächenbildung durch Interpolation von diskreten Punktdaten

Flächenbildung durch Interpolation von diskreten Punktdaten Flächenbildung durch Interpolation von diskreten Punktdaten Praktische Anwendung von Thiessen-Polygonen als Methode der Regionalisierung im GIS Koris Forum 14.Okt.2010 Corinna Mundzeck Vortragsübersicht

Mehr

Hans Delfs. Übungen zu Mathematik III für Medieninformatik

Hans Delfs. Übungen zu Mathematik III für Medieninformatik Hans Delfs Übungen zu Mathematik III für Medieninformatik 1 RÄUMLICHE DARSTELLUNGEN VON OBJEKTEN 1 1 Räumliche Darstellungen von Objekten Der Einheitswürfel ist der achsenparallele Würfel in A 3, der von

Mehr

Lineare Algebra I (WS 12/13)

Lineare 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

Mehr

Berechnung der Determinante

Berechnung der Determinante Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,

Mehr

5. Übung zur Linearen Algebra II -

5. Übung zur Linearen Algebra II - 5. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 2. Aufgabe 7 5 A := 2. 3 2 (i) Berechne die Eigenwerte und Eigenvektoren von A. (ii) Ist A diagonalisierbar?

Mehr

Was ist GIS? Definition Geographisches Informationssystem

Was ist GIS? Definition Geographisches Informationssystem Was ist GIS? Definition Geographisches Informationssystem System zur Erfassung, Speicherung, Prüfung, Manipulation, Integration, Analyse und Darstellung von Daten, die sich auf räumliche Objekte beziehen

Mehr

Mathematik LK 12 M1, 4. Kursarbeit Matrizen und Stochastik Lösung )

Mathematik LK 12 M1, 4. Kursarbeit Matrizen und Stochastik Lösung ) Aufgabe 1: Berechne die Determinante und die Transponierte der folgenden Matrizen: 0 1 1.1 M =( 0 4 1 4 det M =0 4 1 4= 4 M T =( 5 3 3 1.2 1 1 3 A=( =( A T 3 0 1 5 1 3 3 1 0 3 3 1 4 4 det M = 5 1 1+3 3

Mehr

Bearbeitungszeit: 120 Minuten. Kommentare kosten Zeit; kommentieren Sie ihr Programm nur da, wo der Code alleine nicht verständlich wäre.

Bearbeitungszeit: 120 Minuten. Kommentare kosten Zeit; kommentieren Sie ihr Programm nur da, wo der Code alleine nicht verständlich wäre. Fakultät IV Elektrotechnik/Informatik Klausur Einführung in die Informatik I für Elektrotechniker Name:... Matr.-Nr.... Bearbeitungszeit: 120 Minuten Bewertung (bitte offenlassen : ) Aufgabe Punkte Erreichte

Mehr

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen 12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn

Mehr

GEOMETRISCHES MODELLIEREN

GEOMETRISCHES MODELLIEREN GEOMETRISCHES MODELLIEREN Thema: Approximation von Flächen durch ebene Dreiecke Bearbeiter: Kerstin Jentsch Betreuer: Prof. H. Schaeben INHALTSVERZEICHNIS 1. Zusammenfassung 1 2. Einführung 1 3. Begriffsklärung

Mehr

Klausur zur Veranstaltung Software-Entwicklung 2

Klausur zur Veranstaltung Software-Entwicklung 2 Name Matrikelnummer Klausur zur Veranstaltung Software-Entwicklung 2 Sommersemester 2004 Hessische VWA Dr. Alexandra Roder, Bernd Ulmann Hinweise: Die Klausur besteht aus 7 Aufgaben mit insgesamt 15 Teilaufgaben.

Mehr

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya Rang einer Matrix 1-E1 Ma 1 Lubov Vassilevskaya Unterdeterminante einer nichtquadratischen Matrix M ist eine nichtquadratische 2,3-Matrix: M = 6 2 3 0 5 7 Durch Streichen einer der drei Spalten kann man

Mehr

Klausur zum Fach Mathematik 1 Teil 1

Klausur zum Fach Mathematik 1 Teil 1 (Name) (Vorname) (Matrikelnummer) Fachbereich Elektrotechnik und Informationstechnik Prof. Georg Hoever 0.03.204 Klausur zum Fach Mathematik Teil Bearbeitungszeit: 90 Minuten Hilfsmittel: ein (beidseitig)

Mehr

Geoinformation Abbildung auf Tabellen

Geoinformation Abbildung auf Tabellen Folie 1 von 32 Geoinformation Abbildung auf Tabellen Folie 2 von 32 Abbildung auf Tabellen Übersicht Motivation des relationalen Datenmodells Von Objekten zu Tabellen Abbildung von Objekten Schlüssel Abbildung

Mehr

Hands-on-Workshop Datenmodellierung mit dem neuen Innovator for Database Architects. MID Insight Nürnberg,

Hands-on-Workshop Datenmodellierung mit dem neuen Innovator for Database Architects. MID Insight Nürnberg, Hands-on-Workshop Datenmodellierung mit dem neuen Innovator for Database Architects MID Insight 2010 - Nürnberg, 09.11.2010 I N H A L T 1. Konzeptionelle ER-Modellierung 2. Das Datenbankschema entsteht

Mehr

Algorithmische Geometrie: Einstimmung

Algorithmische Geometrie: Einstimmung Algorithmische Geometrie: Einstimmung Nico Düvelmeyer WS 2009/2010, 20.10.2009 Überblick 1 Organisatorisches 2 Fachgebiet Typische Untersuchungsgegenstände Typische Anwendungsgebiete 3 Inhalte der Vorlesung

Mehr

Veranstaltung Pr.-Nr.: Datenmodellierung. Veronika Waue WS 07/08. Phasenschema der Datenbankentwicklung (grob) Informationsanalyse

Veranstaltung Pr.-Nr.: Datenmodellierung. Veronika Waue WS 07/08. Phasenschema der Datenbankentwicklung (grob) Informationsanalyse Veranstaltung Pr.-Nr.: 101023 Datenmodellierung Veronika Waue WS 07/08 Phasenschema der Datenbankentwicklung (grob) Informationsanalyse Konzeptualisierung und Visualisierung (z.b. mittels ERD) (Normalisiertes)

Mehr

Grundlagen von Rasterdaten

Grundlagen von Rasterdaten LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 7: Grundlagen von Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15 Ludwig-Maximilians-Universität

Mehr

Einführung in die Informatik II

Einführung in die Informatik II Einführung in die Informatik II Relationale Datenbanken und SQL Theorie und Anwendung Prof. Dr. Nikolaus Wulff Gründe für eine Datenbank Meist werden Daten nicht in XML-Dokumenten, sondern innerhalb einer

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 Lineare Algebra (Teil 3): Skalarprodukt 5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale

Mehr

Mathematik für Wirtschaftswissenschaftler, SS 2010 Musterlösungen zu Aufgabenblatt 11

Mathematik für Wirtschaftswissenschaftler, SS 2010 Musterlösungen zu Aufgabenblatt 11 Mathematik für Wirtschaftswissenschaftler, SS 00 Musterlösungen zu Aufgabenblatt Aufgabe 77: Die Matrix A R sei darstellbar als A U D U mit 0 0 U, D 0 0. a) Verifizieren Sie, dass U eine orthogonale Matrix

Mehr

5. Gitter, Gradienten, Interpolation Gitter. (Rezk-Salama, o.j.)

5. Gitter, Gradienten, Interpolation Gitter. (Rezk-Salama, o.j.) 5. Gitter, Gradienten, Interpolation 5.1. Gitter (Rezk-Salama, o.j.) Gitterklassifikation: (Bartz 2005) (Rezk-Salama, o.j.) (Bartz 2005) (Rezk-Salama, o.j.) Allgemeine Gitterstrukturen: (Rezk-Salama, o.j.)

Mehr

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11

Mathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11 Mathematik für Wirtschaftswissenschaftler, WS / Musterlösungen zu Aufgabenblatt Aufgabe 76: Bestimmen Sie mittels Gauß-Elimination die allgemeine Lösung der folgenden linearen Gleichungssysteme Ax b: a)

Mehr