7 Die Determinante einer Matrix
|
|
- Sofie Geiger
- vor 8 Jahren
- Abrufe
Transkript
1 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) = 1. Damit schreibt sich det A in der Form det A = sign(id) a 1,id(1) a 2,id(2) + sign(τ)a 1,τ(1)a 2,τ(2) Allgemein definiert man für A = (a ij )ij = 1,..., n(n 2) det A := π S n sign(π)a 1,π(1) a 2,π(2)... a n,π(n) Für n = 1 setzt man det(a 11 ) = a 11 Im Fall n = 3 gilt die Regel von Sarrus: a 11 a 12 a 13 a 11 a 12 a 21 a 22 a 23 a 21 a 22 a 31 a 32 a 33 a 31 a det A = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 a 13 a 22 a 31 a 11 a 23 a 32 a 12 a 21 a 33 Für n 4 ist die Definition für die konkrete Berechnung von det A nicht besonders geeignet. Wir suchen daher Eigenschaften der Determinante, welche ihre Berechnung erleichtern. Dazu fassen wir det A auf als Funktion ihrer Zeilen 1
2 v 1 = (a 11, a 12,..., a 1n ) v 2 = (a 21, a 22,..., a 2n ). v n = (a n1, a n2,..., a nn ) und setzen det(v 1,..., v n ) := det A. Die Determinante ist somit eine Funktion in n variablen 1 n Matrizen v 1,..., v n V = M(1 n, K): det : V n K, (v 1,..., v n ) det(v 1,..., v n ) (7.1) Satz: (Charakteristische Eigenschaften der Determinante) a) Die Funktion det hat folgende Eigenschaften: (D1) ( Linearität in den Zeilen). Für jedes i {1,..., n} gilt det(v 1,..., v i 1, v i + v i, v i+1,..., v n ) = = det(v 1,..., v i,..., v n ) + det(v 1,..., v i 1, v i, v i+1,..., v n ) = = det(v 1,..., v i 1, λv i, v i+1,..., v n ) = λ det(v 1,..., v n ) (D2) Ist v i = v j für ein Paar i j, so ist det (v1,...,v n ) = 0 (D3) det E n = 1 b) det ist die einzige Funktion V n K, welche die Eigenschaften (D1), (D2), (D3) besitzt. Beweis: a) (D1) für i = 1: Sei v 1 = (a 11,..., a 1n), also v 1 + v 1 = (a 11 + a 11, a 12 + a 12,..., a 1n + a 1n), λv 1 = (λa 11, λa 12,..., λa 1n ) det(v 1 + v 1, v 2,..., v n ) = π S n sign(π)(a 1,π(1) + a 1,π(1))a 2,π(2)... a n,π(n) = 2
3 = π S n sign(π)a 1,π(1) a 2,π(2)... a n,π(n) + π S n sign(π)a 1,π(1)a 2,π(2)... a n,π(n) = = det(v 1, v 2,..., v n ) + det(v 1, v 2,..., v n ) det(λv 1, v 2,..., v n ) = π S n sign(π)(λa 1π(1) )... a n,π(n) = = λ π S n sign(π)a 1,π(1)... a n,π(n) = λ det(v 1,..., v n ) (D2) für i = 1, j = 2 : v 1 = v 2, d.h. a 1j = a 2j für j = 1,..., n. Sei τ = (12). Dann ist S n = A n A n τ und ( ) sign(πτ) = sign(π)sign(τ) = 1 ( 1) = 1 für alle π A n det(v 1,..., v n ) = = V or sign(π)a 1π(1) a 2π(2)... a nπ(n) = π S n = π S n sign(π)a 2π(1) a 2π(2)... a nπ(n) = ( ) = a 2π(1) a 2π(2) a 3π(3)... a nπ(n) a 2π(τ(1)) a 2π(τ(2)) a 3π(3)... a nπ(n) = π A n π A n = a 2π(1) a 2π(2) a 3π(3)... a nπ(n) a 2π(2) a 2π(1) a 3π(3)... a nπ(n) = 0 π A n π A n { 1 falls i = j (D3) E n = (δ ij ), wobei δ ij = ; also ist 0 falls i j { 1 falls π = id δ 1π(1)... δ nπ(n) = ; ferner ist sign(id) = 1. 0 falls π id Es folgt det E n = sign(π)δ 11 δ δ nn = 1. (7.2) Lemma: Sei d : V n K eine Funktion mit den Eigenschaften (D1), (D2), (D3). Setze d(a) := d(v 1,..., v n ), wenn v 1,..., v n die Zeilen von A sind. Dann gilt: a) d(a) = 0, falls Rang A < n 3
4 b) Geht B aus A durch elementare Zeilenumformungen vom Typ I hervor, so ist d(a) = d(b). c) Entsteht B aus A durch Vertauschung von 2 Zeilen, so ist d) Für eine obere Dreiecksmatrix gilt d(a) = d(b) b d = b b nn (Produkt der Diagonalelemente) b nn Beweis von 7.1 b) mit Hilfe des Lemmas: Sei d eine Funktion mit den Eigenschaften (D1), (D2) und (D3). Die Aussagen von (7.2) gelten nun für d und für det. 1. Fall: Ist Rang A < n, so ist nach 7.2 a) det A = 0 = d(a). 2. Fall: Sei Rang A = n. Nach I.3.4 geht A durch elementare Zeilenumformungen vom Typ I und II über in eine obere Dreiecksmatrix b 11 B =... mit b b nn 0 0 b nn Sind darunter genau k Zeilenvertauschungen, so folgt aus 7.2 c), d) d(a) = ( 1) k d(b) = ( 1) k b b nn ; ebenso det A = ( 1) k det B = ( 1) k b b nn. Der Beweis von 7.1 b) zeigt auch, wie man det A berechnen kann. (7.3) Verfahren zur Berechnung der Determinante einer Matrix 4
5 (i) Forme A elementar um auf obere Dreiecksgestalt, und zwar allein durch Zeilenumformungen vom Typ I und II. Erhalte b 11 B =... 0 b nn Sei k die Zahl der dabei vorgenommenen Vertauschungen. (ii) det A = ( 1) k b b nn Beispiel: A = II I I = B; k = Also ist det A = det B = 1 1 ( 1) = 1. Berechnung von det A m.h. der Regel von Sarrus: Beweis des Lemmas: det A = ( 8) 0 2 = 1 a) Sei etwa v 1 = λ 2 v λ n v n. Es folgt d(v 1, v 2,..., v n ) (D1) = λ 2 d(v 2, v 2,..., v n ) + λ 3 d(v 3, v 2, v 3,..., v n ) λ n d(v n, v 2,..., v n ) (D2) = 0 b) Sei etwa B = (v 1 + λv 2, v 2,..., v n ) : d(b) (D1) = d(v 1,..., v n ) + λd(v 2, v 2,..., v n ) (D2) = d(v 1,..., v n ) = d(a) c) Sei etwa B = (v 2, v 1, v 3,..., v n ) : 0 (D2) = d(v 1 + v 2, v 1 + v 2, v 3,..., v n ) (D1) = d(v 1, v 1 + v 2, v 3,..., v n ) + +d(v 2, v 1 +v 2, v 3,..., v n ) (D1) = d(v 1, v 1, v 3,..., v n )+ d(v 1, v 2, v 3,..., v n )+ + d(v 2, v 1, v 3,..., v n ) + d(v 2, v 2, v 3,..., v n ) (D2) = d(v 1, v 2, v 3,..., v n ) + + d(v 2, v 1, v 3,..., v n ) = d(a) + d(b) und d(a) = d(b) 5
6 b 11 d) Ist b kk = 0 für ein k, so sind die ersten k Spalten von B =... 0 b nn linear abhängig, also Rang B < n und d(b) = 0 = b b nn. Im Fall b 11 0,..., b nn 0 geht B durch elementare Umformungen b 11 0 b 11 e t 1 vom Typ I über in D =... =. und es folgt 0 b nn b nn e t n d(b) = b) d(d) = d(b 11 e t 1,..., b nn e t n) (D1) = b b nn d(e n ) (D3) = b b nn (7.4) Satz: det AB = det A det B Beweis: Ist Rang B < n, so ist auch Rang AB (5.3) Rang B n und daher det AB = 0 = det A det B nach 7.2 a). Ist Rang B = n, so ist det B 0 nach (7.2) und (5.4) f). Setze δ = det B und betrachte die Funktion d(v 1,..., v n ) := 1 det AB, wenn δ A die Matrix mit den Zeilen v 1,..., v n ist. Behauptung: d hat die Eigenschaften (D1), (D2), (D3). Ist dies gezeigt, so folgt aus 7.1 b: det A = d(v 1,..., v n ) = det AB det B. Beweis der Zwischenbehauptung: Nach 4 sind v 1 B,..., v n B die Zeilen von AB, also d(v 1,..., v n ) = 1 δ det(v 1B,..., v n B). (D1) : d(v 1 + v 1, v 2,..., v n ) = 1 δ det(v 1B + v 1B, v 2 B,..., v n B) (D1) = = 1 δ det(v 1B, v 2 B,..., v n B) + 1 δ det(v 1B, v 2 B,..., v n B) = = d(v 1,..., v n ) + d(v 1, v 2,..., v n ) d(λv 1, v 2,..., v n ) = 1 δ det((λv 1)B, v 2 B,..., v n B) (D1) = = 1 δ λ det(v 1B, v 2 B,..., v n B) = λ d(v 1,..., v n ) (D2) d(v 2, v 2, v 3,..., v n ) = 1 det(v δ 2B, v 2 B, v 3 B,..., v n B) (D2) = 0 (D3) d(e n ) = 1 det B det(e nb) = 1 6
7 (7.5) Satz: det A = det A t Beweis: A t = B = (b ij ) i,j=1,...,n mit b ij = a ji für i, j = 1,..., n. Zeige zunächst gewisse Aussagen über Permutationen π S n (1) Die Mengen M = {a π 1 (1),1,..., a π 1 (n),n} und N = {a 1,π(1),..., a nπ(n) } sind gleich. (2) sign(π) = sign(π 1 ) (3) Die Abbildung ϕ : S n S n, π π 1 = σ ist bijektiv. Beweis: (3) Wegen (π 1 ) 1 = π ist ϕ ϕ = id. (2) 1 = sign(id) = sign(ππ 1 ) = sign(π) sign(π 1 ) und beide Zahlen sind ±1. (1) Zeige M N: Sei a π 1 (j),j M. Setze k := π 1 (j) π(k) = π(π 1 (j)) = j; also ist a π 1 (j),j = a k,π(k) N. Analog zeigt man, dass N M. Also ist M = N. Aus (1), (2) und (3) folgt nun det A = (1) sign(π)a 1π(1)... a nπ(n) = sign(π)a π 1 (1),1... a n 1 (n),n π S n π S n (2) = sign(π 1 )a π 1 (1),1... a π 1 (n),n = sign(σ)a σ(1),1... a σ(n),n = π S n σ S n = σ S n sign(σ)b 1σ(1)... b nσ(n) = det B Analog zu elementaren Zeilenumformungen sind elementare Spaltenumformungen vom Typ I und Typ II erklärt. Wegen det A = det A t und da die Spalten von A die Zeilen von A t sind, gelten für Spalten entsprechende Aussagen wie für Zeilen. Wir fassen die wichtigsten Regeln für das Rechnen mit Determinanten zusammen: (7.6) Regel: 7
8 a) det E n = 1 (D3) b) det(λa) = λ n det A (D1) c) det AB = det A det B (7.4) d) Bei elementaren Zeilen- bzw. Spaltenumformungen vom Typ I ändert sich die Determinante nicht. e) Bei Vertauschung von zwei Zeilen bzw. Spalten ändert sich nur das Vorzeichen der Determinante. f) Genau dann ist A invertierbar, wenn det A 0 (7.2 und 5.4). In diesem Fall ist det(a 1 ) = (det A) 1 (a) und c)) g) det A = det A t a 11 h) det... = a a nn 0 a nn (7.7) Satz: Seien B M(r r, K), C M((n r) (n r), K) und D M(r (n r), K). Dann gilt für die Matrix ( ) B D A = : det A = det B det C 0 C Beweis: B geht durch Zeilenumformungen vom Typ I und II über in eine Matrix b 11 B =... ; sind dabei k 1 Zeilenvertauschungen 0 b rr vorgenommen worden, so ist det B = ( 1) k 1 b b 1r. Entsprechend kann C in eine Matrix C = c übergeführt 0 c n r,n r werden, bei k 2 Zeilenvertauschungen, und es ist det C = ( 1) k 2 c c n r,n r. 8
9 Führe an den ersten r Zeilen von A die gleichen Umformungen durch wie bei B und erhalte bei k 1 Zeilenvertauschungen ( ) B A D = mit det A = ( 1) k 1 det A. 0 C Führe an den letzten n r Zeilen von A die gleichen Umformungen durch wie bei C und erhalte b 11. ( ).. B A D b = 0 C = rr c mit det A = ( 1) k 2 det A = c n r,n r = ( 1) k 2 b b rrc c n r,n r. Es folgt det A = ( 1) k 1 det A = ( 1) k 1 ( 1) k 2 b b rrc c n r,n r = det B det C Wir wollen noch eine weitere Methode zur Berechnung von Determinanten kennen lernen. Sei A = (a ij ) M(n n, K). Wir bezeichnen mit A ij die (n 1) (n 1) Matrix, welche aus A entsteht, indem man die i te Zeile und die j te Spalte streicht. a 11...a 1j... a 1n... A ij = a i1...a ij... a in... a n1...a nj... a nn (7.8) Regel: a) Entwicklung nach der 1. Zeile: det A = a 11 det A 11 a 12 det A ( 1) n+1 a 1n det A 1n b) Entwicklung nach der 1. Spalte: det A = a 11 det A 11 a 21 det A ( 1) n+1 a n1 det A n1 9
10 c) Allgemeiner gilt für i, j {1,..., n}: det A = det A = n ( 1) i+j a ij det A ij (Enwicklung nach i ter Zeile) j=1 n ( 1) i+j a ij det A ij (Enwicklung nach j ter Spalte) i=1 Beweis von a) (b) und c) analog): a det A (D1) a 21 = det. A 11 +det 7.6e) a n1 0 a a 22. a n det a 1n a 2n A 1n. a a a 1n a 21 = det. A 11 det a 22. A a 2n.+( 1)n+1 det. A 1n 7.7 = 7.5 a n1 a n2 a 11 det A 11 a 12 det A ( 1) n+1 a 1n det A 1n Beispiel A = Enwickle nach der 1. Zeile det A = 0 det ( ) det 1 2 ( ) ( 4) det 1 2 = (2 + 1) + ( 4) (1 2) = = 1 a nn ( ) a nn (7.9) Die Cramersche Regel: Sei A GL n (K) und b K n. A j sei die Matrix, die aus A durch Streichen der j ten Spalte entsteht. Dann ist x 1 = ( 1) n 1 det(a 1 b) det A, x 2 = ( 1) n 2 det(a 2 b) det A,..., x n = det(a n b) det A die eindeutige Lösung des linearen Gleichungssystems Ax = b. 10
11 Beweis: Es ist zu zeigen, dass ( ) a i1 + a i2 x a in x n b i = 0 für alle i = 1,..., n Betrachte dazu die (n + 1) (n + 1) Matrix ( ) ai1 a à = i2... a in b i A b Da à zwei gleiche Zeilen hat ist det à = 0. Entwicklung von det à nach der 1. Zeile ergibt a i1 det(a 1 b) a i2 det(a 2 b)+...+( 1) n 1 a in det(a n b)+( 1) n b i det A = 0 Multiplikation mit ( 1)n 1 det A ergibt ( ). 11
Leitfaden 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
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
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
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
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
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:
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
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
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.
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.
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
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
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
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
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
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
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:
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
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
Mehr6.2 Perfekte Sicherheit
04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da
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
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
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
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
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
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
MehrBeispiel vor dem Beweis:
Beispiel vor dem Beweis: Beispiel vor dem Beweis: A = ¼3 6 2 3 11 2½ Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = 2 3 11 311 E 12 A = 3 6 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = 2 3 11 311 E 12 A = 3 6 3 11
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
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische
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 +
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
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
MehrDeterminanten - II. Falls n = 1, gibt es offenbar nur die identische Permutation, und für eine 1 1 Matrix A = (a) gilt det A = a.
Determinanten - II. Berechnung von Determinanten Wir erinnern, dass für A M(n n; K) gilt : det A = σ S n signσ a σ() a 2σ(2)...a nσ(n). Falls n =, gibt es offenbar nur die identische Permutation, und für
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 0 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do -4 und nv jokar@mathtu-berlinde Kapitel Die Determinante
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
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
Mehra n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:
Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
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 ; : :
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)
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrLinearen Gleichungssysteme Anwendungsaufgaben
Linearen Gleichungssysteme Anwendungsaufgaben Lb S. 166 Nr.9 Im Jugendherbergsverzeichnis ist angegeben, dass in der Jugendherberge in Eulenburg 145 Jugendliche in 35 Zimmern übernachten können. Es gibt
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 2015/16 Prof. Dr. M. Hinze Dr. P. Kiani Analysis I für Studierende der Ingenieurwissenschaften Lösungshinweise zu Blatt 2 Aufgabe 1: (12 Punkte) a) Beweisen
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
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
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:
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
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
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
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
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
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
MehrAlso kann nur A ist roter Südler und B ist grüner Nordler gelten.
Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf
MehrPlanen mit mathematischen Modellen 00844: Computergestützte Optimierung. Autor: Dr. Heinz Peter Reidmacher
Planen mit mathematischen Modellen 00844: Computergestützte Optimierung Leseprobe Autor: Dr. Heinz Peter Reidmacher 11 - Portefeuilleanalyse 61 11 Portefeuilleanalyse 11.1 Das Markowitz Modell Die Portefeuilleanalyse
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
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..
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)
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)
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
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,
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
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
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
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrProzentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen:
Prozentrechnung Wir beginnen mit einem Beisiel: Nehmen wir mal an, ein Handy kostet 200 und es gibt 5% Rabatt (Preisnachlass), wie groß ist dann der Rabatt in Euro und wie viel kostet dann das Handy? Wenn
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
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,
Mehr1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.
1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:
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
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
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
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrSecond Steps in eport 2.0 So ordern Sie Credits und Berichte
Second Steps in eport 2.0 So ordern Sie Credits und Berichte Schritt 1: Credits kaufen, um Zugangscodes generieren zu können Wählen Sie Credits verwalten und klicken Sie auf Credits kaufen. Geben Sie nun
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrBevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen.
R. Brinkmann http://brinkmann-du.de Seite 1 13.0.010 Lineare Gleichungen Werden zwei Terme durch ein Gleichheitszeichen miteinander verbunden, so entsteht eine Gleichung. Enthält die Gleichung die Variable
MehrLANGFRISTIGE HAUSAUFGABE (LINEARE GLEICHUNGSSYSTEME)
LANGFRISTIGE HAUSAUFGABE (LINEARE GLEICHUNGSSYSTEME) Aufgabe 1: Tanzkurs ( * ) Zu einem Tanzkurs erscheinen dreimal so viele Mädchen wie Jungen. Nachdem 15 Mädchen gegangen sind, sind noch doppelt so viele
MehrQuadratische Gleichungen
Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl
MehrEinrichtung HBCI mit PIN/TAN in VR-NetWorld-Software
Nach der Installation der VR-NetWorld- Software führt Sie ein Assistent durch die einzelnen Schritte. Sie können mit der Einrichtung einer Bankverbindung auch manuell starten. 1. Den Ersteinstieg - die
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
MehrFit für die Prüfung Elektrotechnik Effektives Lernen mit Beispielen und ausführlichen Lösungen
Jan Luiken ter Haseborg Christian Schuster Manfred Kasper Fit für die Prüfung Elektrotechnik Effektives Lernen mit Beispielen und ausführlichen Lösungen 18 1 Elektrische Gleichstromnetzwerke det(a 2 )
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
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
Mehrt r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )
Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen
MehrDie Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: a 11 a 12 a a 1n a 21 a 22. det. a nn.
Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: Definition 1.2 (Leibniz-Formel) Die Determinante einer n n-matrix ist a 11 a 12 a 13... a 1n a 11 a 12 a 13... a 1n a 21
Mehr11. Das RSA Verfahren und andere Verfahren
Chr.Nelius: Kryptographie (SS 2011) 31 11. Das RSA Verfahren und andere Verfahren Eine konkrete Realisierung eines Public Key Kryptosystems ist das sog. RSA Verfahren, das im Jahre 1978 von den drei Wissenschaftlern
MehrDefinition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.
Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften
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
MehrDas sogenannte Beamen ist auch in EEP möglich ohne das Zusatzprogramm Beamer. Zwar etwas umständlicher aber es funktioniert
Beamen in EEP Das sogenannte Beamen ist auch in EEP möglich ohne das Zusatzprogramm Beamer. Zwar etwas umständlicher aber es funktioniert Zuerst musst du dir 2 Programme besorgen und zwar: Albert, das
MehrWir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden einander nicht.
2 Ein wenig projektive Geometrie 2.1 Fernpunkte 2.1.1 Projektive Einführung von Fernpunkten Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden
MehrSkript und Aufgabensammlung Terme und Gleichungen Mathefritz Verlag Jörg Christmann Nur zum Privaten Gebrauch! Alle Rechte vorbehalten!
Mathefritz 5 Terme und Gleichungen Meine Mathe-Seite im Internet kostenlose Matheaufgaben, Skripte, Mathebücher Lernspiele, Lerntipps, Quiz und noch viel mehr http:// www.mathefritz.de Seite 1 Copyright
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
Mehr