Wirtschaftsmathematik Formelsammlung
|
|
- Inge Richter
- vor 5 Jahren
- Abrufe
Transkript
1 Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2019 (a + b) 2 = a 2 + 2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) = a 2 b 2 Fakultät (Faktorielle) n! = (n 1) n Intervalle Notation Bezeichnung enthält alle x mit ]a, b[ oder (a, b) Offenes Intervall a < x < b [a; b] Abgeschlossenes Intervall a x b ]a, b] oder (a, b] Halboffenes Intervall a < x b [a, b[ oder [a, b) Halboffenes Intervall a x < b R + = {x R x 0} R ++ = {x R x > 0} Potenzen und Wurzeln a m a n = a m+n A a m n = n a m a m a n = ( am n n ) m a = n a m (a m ) n = a m n n m a = n m a (a b) n = a n b n n a b = n a n b ( a ) n a n = n a n a b b n b = n b a 1 = a a 0 = 1 a n = 1 a n 0 x = 0 wenn x > 0 und nicht definiert, wenn x 0! 1
2 Definition des Logarithmus log a x = u x = a u (a > 0, x R ++ ) a heißt Basis, x Numerus, u heißt Logarithmus von x zur Basis a. Rechnen mit Logarithmen (bezüglich einer beliebigen Basis) log (u v) = log u + log v log u v = log u log v log u n = n log u log n u = 1 n log u log1 = 0 log a a = 1 Quadratische Gleichungen Eine quadratische Gleichung der Form ax 2 + bx + c = 0 mit a 0 löst man mit x = b ± b 2 4ac 2a Eine quadratische Gleichung der Form x 2 + px + q = 0 löst man mit x = p (p 2 2 2) ± q Sätze von Vieta Wenn x 1 und x 2 Lösungen der Gleichung x 2 + px + q = 0 sind, so gilt: x 1 + x 2 = p x 1 x 2 = q x 2 + px + q = (x x 1 ) (x x 2 ) Kartesisches Produkt A B = {(x, y) (x A) (y B)} Gesprochen: A kreuz B. Die Elemente dieser Menge, (x, y) heißen geordnete Paare. Das Summenzeichen a 1 + a 2 + a a n = 2 a i
3 Rechnen mit Summen Rechenregeln für Summen (a i + b i ) = a i + k a i = k k = n k a i b i Spezielle Summen i = n (n + 1) 2 i 2 = 1 n (n + 1) (2n + 1) 6 i 3 = [ ] 2 1 n (n + 1) 2 Betrag eines Vektors Gegeben ist der Vektor a = (a 1, a 2,..., a n ) R n Dann definiert man den Betrag (die Länge) des Vektors durch: a = a a a2 n Linearkombination von Vektoren Unter einer Linearkombination versteht man die Summe von reellen Vielfachen verschiedener Vektoren. b = λ 1 a 1 + λ 2 a λ n a n heißt Linearkombination der Vektoren a 1, a 2,..., a n, wobei λ 1, λ 2,..., λ n reelle Zahlen sind. Rechenregeln für Matrizen A (B C) = (A B) C A (B + C) = A B + A C (A + B) C = A C + B C k (A B) = (k A) B = A (k B) (A B) T = B T A T E A = A E = A ( A 1 ) 1 = A ( A T ) 1 ( = A 1 ) T (A B) 1 = B 1 A 1 (k A) 1 = 1 k A 1 Inverse einer Matrix Für eine quadratische Matrix A definiert man die inverse Matrix A 1 mit: A 1 A = A A 1 = E (E bezeichnet hier die entsprechende Einheitsmatrix) Die Inverse A 1 einer quadratischen Matrix existiert nur, wenn deren Determinante ungleich 0 ist! 3
4 Determinanten (nur für quadratische Matrizen) 1. Ist A = (a) so ist det (A) = a ( ) a11 a 2. Ist A = 12 so ist det (A) = a a 21 a 11 a 22 a 21 a Für 3 3-Matrizen: Regel von Sarrus 4. Für alle Matrizen: Laplac scher Entwicklungssatz a) Entwicklung nach der j-ten Spalte: det (A) = n a kj d kj k=1 b) Entwicklung nach der i-ten Zeile: det (A) = n a il d il dabei ist d ij die Adjunkte zum Element a ij gegeben durch: d ij = ( 1) i+j det (D ij ) mit der Teilmatrix D ij, die durch Streichen der i-ten Zeile und der j-ten Spalte entsteht. l=1 Wert der Determinante für bestimmte Arten von Matrizen Sind in einer Zeile oder Spalte einer Matrix A alle Elemente gleich Null, so ist: det (A) = 0 Sind zwei Zeilen oder Spalten ein Vielfaches einer anderen Zeile oder Spalte, so ist: det (A) = 0 Ist eine Zeile oder Spalte eine Linearkombination anderer Zeilen oder Spalten, so ist: det (A) = 0 Ist A eine Dreiecksmatrix, so gilt: det (A) = a 11 a 22 a nn Lösen linearer Gleichungssysteme Ein LGS ist lösbar wenn der Rang der Koeffizientenmatrix gleich dem Rang der erweiterten Matrix ist. Je zwei Gleichungen (= Zeilen des Gleichungssytems) dürfen miteinander vertauscht werden Jede Gleichung darf mit einer beliebigen von Null verschiedenen Zahl multipliziert werden. Zu jeder Gleichung darf ein beliebiges Vielfaches einer anderen Gleichung addiert werden. Rang einer Matrix Unter dem Rang einer Matrix A (Schreibweise: r (A)) versteht man die größte Anzahl linear unabhängiger Zeilen (oder Spalten) der Matrix A. 4
5 Lineare Unabhängigkeit von Vektoren Die n Vektoren a 1, a 2,..., a n aus dem m-dimensionalen Raum R m heißen linear unabhängig, wenn die lineare Vektorgleichung λ 1 a 1 + λ 2 a λ n a n = 0 nur für λ 1 = λ 2 =... = λ n = 0 erfüllt ist. Dies bedeutet, es ist nicht möglich einen der Vektoren durch die anderen auszudrücken. Ist dies möglich, heißen die Vektoren linear abhängig. Arithmetische und geometrische Folge Arithmetische Folge a 1, a 1 + d, a 1 + 2d, a 1 + 3d,... Geometrische Folge a1, a 1 q, a 1 q 2, a 1 q 3,... a n+1 a n = d a n = a 1 + (n 1) d a n+1 a n = q a n = a 1 q n 1 Partialsumme: s n = n 2 (a 1 + a n ) Definition Grenzwert einer Folge Partialsumme: s n = a 1 1 qn 1 q 1 s = a 1 1 q q 1 q < 1 Die Zahl a heißt Grenzwert oder Limes der Folge (a n ) n N geschrieben lim n (a n), wenn gilt: ε > 0 n(ε)so, dass a k ]a ε, a + ε[ für alle k n(ε) Reihen Für eine Folge (a n ) n N heißt die Summe S n = a 1 + a 2 + a a n = die n te Partialsumme der Folge (a n ) n N. Die Folge der Partialsummen (S n ) n N heißt Reihe. Man schreibt mit Hilfe des Summenzeichens unabhängig davon, ob (S n ) n N konvergiert symbolisch 5 a i a i
6 Konvergenz einer Reihe Eine Reihe ist konvergent, wenn die Folge der Partialsummen der zugrunde liegenden Folge konvergiert. Ist (a n ) n N eine Folge und S n = n a i die n te Partialsumme, dann gilt: Konvergiert die Reihe (S n ) n N, so ist (a n ) n N eine Nullfolge, d. h. lim n a n = 0. Ist (a n ) n N keine Nullfolge, so konvergiert die Reihe nicht. (d. h. lim a n n notwendig für die Konvergenz der zugehörigen Reihe). = 0 ist Konvergenz einer geometrischen Reihe Eine geometrische Reihe q i ist konvergent, wenn q < 1 gilt. Der Wert der Reihe ist in i=k diesem Fall gegeben durch: S = q i = i=k qk 1 q wenn q < 1 Kapitalwert einer endlichen Rente K = CF 0 + t=1 CF t (1 + i) t CF t... Cashflow zum Zeitpunkt t, i... Zinssatz Stetige Verzinsung für k Jahre K end = K 0 e i k Ableitungen einiger Funktionen f (x) = c f (x) = 0 f (x) = x n f (x) = n x n 1 für n R f (x) = e x f (x) = e x f (x) = a x f (x) = a x ln (a) f (x) = ln (x) f (x) = 1 x für x R ++ 6
7 Ableitungsregeln (f ± g) = f ± g (k f) = k f k R (f g) = f g + f g ( ) f = f g f g g g 2 [f (g (x))] = f (g (x)) g (x) Regel von de l Hospital Wenn f und g differenzierbar an einer Stelle x 0 sind und f (x 0 ) = 0 und g (x 0 ) = 0 ist, gilt: f (x) lim x x 0 g (x) = lim f (x) x x 0 g (x) Auch anwendbar für unbestimmte Ausdrücke der Form. Kann auch mehrfach angewendet werden, solange die Voraussetzungen ( 0 0, ) erfüllt sind. Elastizität ε f (x) = f (x) x f (x) ε f (x) gibt zu jeder Inputmenge näherungsweise an, wie stark der Output prozentual auf eine einprozentige Erhöhung dieser Inputmenge reagiert. Grundintegrale k dx = k x + c x n dx = xn+1 n c für n 1 x 1 dx = ln x + c für x 0 e x dx = e x + c e a x dx = 1 a ea x + c a x dx = 1 ln (a) ax + c für a > 0, a 1 ln (x) dx = x ln (x) x + c 7
8 Integrationsregeln (f ± g) dx = f dx ± (k f) dx = k f dx g dx Taylorreihe f (x) = k=0 f (k) (x 0 ) k! (x x 0 ) k = f (x 0 ) + f (x 0 ) 1! Näherungsweise Darstellung einer Funktion an einer Stelle x 0. (x x 0 ) + f (x 0 ) 2! (x x 0 ) Homogenität Eine Funktion f : R n R heißt homogen vom Grad r, wenn es eine Zahl r R gibt, sodass für alle λ R gilt: f (λx 1, λx 2,..., λx n ) = λ r f (x 1.x 2,..., x n ) Gradient Die Zusammenfassung aller n möglichen ersten partiellen Ableitungen in einem n- dimensionalen Zeilenvektor nennt man Gradient von f: ( f grad (f) =, f,, f ) = (f x1, f x2,..., f xn ) x 1 x 2 x n Der Gradient gibt die Richtung des größten Anstiegs von f an. Richtungsableitung (normiert) in Richtung des Vektors z R n f z (x) = 1 grad (f) z z Totales Differential df = f x 1 (x) dx f x n (x) dx n Partielle Elastizität ε i (x) = f xi x i f 8
9 Satz von Schwarz Ist eine Funktion zweimal stetig partiell differenzierbar, so ist die Reihenfolge des Differenzierens egal. Es gilt also: f xi x j = f xj x i Hesse Matrix Die Zusammenfassung der zweiten partiellen Ableitungen in einer quadratischen Matrix nennt man Hessematrix: ( ) fx1 x H (x 1, x 2 ) = 1 f x1 x 2 f x2 x 1 f x2 x 2 Extremwerte Funktion f (x, y) } f Kandidaten für Extremstellen (stationäre Punkte) y (x, y) = 0 x (x, y) = 0 (x S, y S ) f Maximum det (H (x S, y S )) > 0 und f xx (x S, y S ) < 0 Minimum det (H (x S, y S )) > 0 und f xx (x S, y S ) > 0 Sattelpunkt det (H (x S, y S )) < 0 Preiselastizität - Kreuzpreiselastizität ε ii = N i p i pi N i ε ij = N i p j pj N i Grenzrate der Substitution r ij = f xj f xi Cobb-Douglas-Produktionsfunktion f (x 1, x 2,..., x n ) = c (x 1 α1 x n α n ) c > 0, α i > 0 Eigenschaften einer Cobb-Douglas-Produktionsfunktion Eine derartige Produktionsfunktion ist homogen vom Grad n Die Grenzproduktivität des i-ten Faktors beträgt: f xi = α i f x i Jede Faktorelastizität ist konstant und beträgt: ε j = α j Die Grenzrate der Substitution ist gegeben durch: r ij = α j α i α i xi x j 9
Wirtschaftsmathematik Formelsammlung
Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2015 (a + b) 2 = a 2 +2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) =a 2 b 2 Fakultät (Faktorielle) n! =1 2 3 4 (n 1) n Intervalle Notation
Mehr8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten
Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A
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
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
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
Mehra,b,c a,b,d a,d,e b,c,e c,d,e ( ) ( ) ( ) ( ) ( )
Klausur, Mathematik, Juli 2012, A 1 [ 1 ] Bestimmen Sie Y und C in dem makroökonomischen Modell Y = C + Ī C = a + by mit a = 300, b = 0.7 und Ī = 600. Y = C = [ 2 ] Die folgenden Aussagen befassen sich
MehrAM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:
AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 x 1, x 2,..., x n ) x 2... f 2 x 1, x 2,..., x n )... x n f m x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man: f
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
MehrAM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:
AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 (x 1, x 2,..., x n ) x 2... f 2 (x 1, x 2,..., x n )... x n f m (x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man:
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
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
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
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
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
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
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrEigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)
Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein
MehrMathematik I+II. für FT, LOT, PT, WT im WS 2015/2016 und SS 2016
Mathematik I+II für FT, LOT, PT, WT im WS 2015/2016 und SS 2016 I. Wiederholung Schulwissen 1.1. Zahlbereiche 1.2. Rechnen mit reellen Zahlen 1.2.1. Bruchrechnung 1.2.2. Betrag 1.2.3. Potenzen 1.2.4. Wurzeln
MehrUVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München
IngolfTerveer Mathematik- Formeln Wirtschaftswissenschaften UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München Inhalt 1 Grundlegende Begriffe 11 1.1 Zahlbereiche 11 1.1.1 Reelle Zahlen 11 1.1.2
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler. (a) Bestimmen Sie die kartesische Form von Wintersemester 7/8 (..8) z = ( + i)( i) + ( + i). (b) Bestimmen Sie sämtliche komplexen Lösungen
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
MehrStroppel Musterlösung , 180min. Aufgabe 1 (3 Punkte) Bestimmen Sie die Determinante der Matrix
Stroppel Musterlösung 7.., 8min Aufgabe Punkte Bestimmen Sie die Determinante der Matrix A =. Geben Sie alle Lösungen x des homogenen Gleichungssystems Ax = an. Entwicklung nach der ersten Spalte: deta
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
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
Mehr3 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
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 + x 2 =
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
MehrInhaltsverzeichnis. 1 Lineare Algebra 12
Inhaltsverzeichnis 1 Lineare Algebra 12 1.1 Vektorrechnung 12 1.1.1 Grundlagen 12 1.1.2 Lineare Abhängigkeit 18 1.1.3 Vektorräume 22 1.1.4 Dimension und Basis 24 1.2 Matrizen 26 1.2.1 Definition einer
MehrInhalt 1 GRUNDLAGEN Zahlen Natürliche Zahlen Ganze Zahlen Rationale Zahlen Reelle Zahlen 4
Inhalt 1 GRUNDLAGEN 1 1.1 Zahlen 1 1.1.1 Natürliche Zahlen 1 1.1.2 Ganze Zahlen 2 1.1.3 Rationale Zahlen 3 1.1.4 Reelle Zahlen 4 1.2 Rechnen mit reellen Zahlen 8 1.2.1 Grundgesetze der Addition 8 1.2.2
Mehr4 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,
MehrAnalysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit
A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in
MehrFunktionen mehrerer Variabler
Vektoranalysis Funktionen mehrerer Variabler Wir untersuchen allgemein vektorwertige Funktionen von vektoriellen Argumenten, wobei zunächst nur reelle Vektoren zugelassen seien. Speziell betrachten wir:
Mehr3 Differenzierbarkeit und Ableitung (Differentialrechnung I)
3 Differenzierbarkeit und Ableitung (Differentialrechnung I) 31 Differenzierbarkeit und Ableitung von Funktionen einer Variablen Definition 31 Es sei M R, f : M R und a M Wenn der Funktionsgrenzwert f(x)
MehrKlausur Mathematik, 1. Oktober 2012, A
Klausur, Mathematik, Oktober 2012, Lösungen, A 1 Klausur Mathematik, 1. Oktober 2012, A Die Klausureinsicht ist Do, 8.11.2012 um 18:00 in MZG 8.136. Die Klausur ist mit 30 Punkten bestanden. Falls Sie
MehrMathematik anschaulich dargestellt
Peter Dörsam Mathematik anschaulich dargestellt für Studierende der Wirtschaftswissenschaften 15. überarbeitete Auflage mit zahlreichen Abbildungen PD-Verlag Heidenau Inhaltsverzeichnis 1 Lineare Algebra
MehrAnalysis II. Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag
Prof Dr H Garcke, D Depner SS 9 NWF I - Mathematik 1979 Universität Regensburg Aufgabe 1 Analysis II Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag i Erinnern Sie sich an die Konvergenzkriterien
MehrWir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds
39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt
Mehr4. Lösung linearer Gleichungssysteme
4. Lösung linearer Gleichungssysteme a x + : : : + a m x m = b a 2 x + : : : + a 2m x m = b 2 : : : a n x + : : : + a nm x m = b n in Matrix-Form: A~x = ~ b (*) mit A 2 R n;m als Koe zientenmatrix, ~x
MehrMathematik für Anwender. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 4. Januar 0 Prof. Dr. H. Brenner Mathematik für Anwender Testklausur mit en Dauer: Zwei volle Stunden + 0 Minuten Orientierung, in denen noch nicht geschrieben werden
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
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrÜbungsaufgaben zu den mathematischen Grundlagen von KM
TUM, Institut für Informatik WS 2003/2004 Prof Dr Thomas Huckle Andreas Krahnke, MSc Dipl-Inf Markus Pögl Übungsaufgaben zu den mathematischen Grundlagen von KM 1 Bestimmen Sie die Darstellung von 1 4
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
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
MehrMathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten
Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrMATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik MATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE Differentialrechnung für Funktionen mehrerer
Mehr2 k k 1 k(k + 1) = 2n+1. n = 0 = k(k + 1) = 2n+1 n n. = 2 n+1 n + 2 (n + 1)(n + 2) + n. (n + 1)(n + 2)
Prof. Hesse Höhere Mathematik I und II Musterlösung 7. 0. 0, 80min Aufgabe (3 Punkte) Zeigen Sie mit vollständiger Induktion: Für alle n N gilt n k= k k k(k + ) = n+ n +. Induktionsanfang: k= Induktionsschluss
Mehrz 2 + 2z + 10 = 0 = 2 ± 36 2 Aufgabe 2 (Lineares Gleichungssystem) Sei die reelle 3 4 Matrix
Mathematik für Wirtschaftswissenschaftler im WS 03/04 Lösungsvorschläge zur Klausur im WS 03/04 Aufgabe (Komplexe Zahlen (4 Punkte a Berechnen Sie das Produkt der beiden komplexen Zahlen + i und 3 + 4i
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
Mehr2. Mathematische Grundlagen
2. Mathematische Grundlagen Erforderliche mathematische Hilfsmittel: Summen und Produkte Exponential- und Logarithmusfunktionen 21 2.1 Endliche Summen und Produkte Betrachte n reelle Zahlen a 1, a 2,...,
MehrMathematik. für das Ingenieurstudium. 10 Funktionen mit mehreren Variablen. Jürgen Koch Martin Stämpfle.
10 Funktionen mit mehreren Variablen www.mathematik-fuer-ingenieure.de 2010 und, Esslingen Dieses Werk ist urheberrechtlich geschützt. Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung
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
MehrKapitel 6 Differential- und Integralrechnung in mehreren Variablen
Kapitel 6 Differential- und Integralrechnung in mehreren Variablen Inhaltsverzeichnis FUNKTIONEN IN MEHREREN VARIABLEN... 3 BEISPIELE UND DARSTELLUNGEN... 3 GRENZWERT UND STETIGKEIT (ABSTANDSBEGRIFF)...
MehrAufgabe 1 (Komplexe Zahlen) Berechnen Sie die folgenden komplexe Zahlen:
Mathematik für Wirtschaftswissenschaftler im SoSe 24 Lösungsvorschläge zur Klausur im SoSe 24 Aufgabe (Komplexe Zahlen) Berechnen Sie die folgenden komplexe Zahlen: z = ( + i) 2 w = + i. Stellen Sie jeweils
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
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
MehrKlausur Mathematik I
Klausur Mathematik I (E-Techniker/Mechatroniker/Informatiker/W-Ingenieure). September 7 (Hans-Georg Rück) Aufgabe (6 Punkte): a) Berechnen Sie alle komplexen Zahlen z mit der Eigenschaft Re(z) = und (z
MehrÖkonometrische Analyse
Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der
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
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
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
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
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
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)
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
MehrWenn man den Kreis mit Radius 1 um (0, 0) beschreiben möchte, dann ist. (x, y) ; x 2 + y 2 = 1 }
A Analsis, Woche Implizite Funktionen A Implizite Funktionen in D A3 Wenn man den Kreis mit Radius um, beschreiben möchte, dann ist { x, ; x + = } eine Möglichkeit Oft ist es bequemer, so eine Figur oder
MehrÜbersicht. 1. Motivation. 2. Grundlagen
Übersicht 1. Motivation 2. Grundlagen 3. Analysis 3.1 Folgen, Reihen, Zinsen 3.2 Funktionen 3.3 Differentialrechnung 3.4 Extremwertbestimmung 3.5 Nichtlineare Gleichungen 3.6 Funktionen mehrerer Variabler
Mehr(Allgemeine) Vektorräume (Teschl/Teschl 9)
(Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
MehrLineare Algebra I für Mathematiker Lösungen
Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation
Mehr1.3 Differenzierbarkeit
1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man
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
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 3 und lineare Gleichungssysteme und
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrBasistext Determinanten
Basistext Determinanten Definition In der Linearen Algebra ist die Determinante eine Funktion die einer quadratischen Matrix eine Zahl zuordnet. Die Funktion wird mit det abgekürzt. Die runden Matrixklammern
MehrWirtschafts- und Finanzmathematik
Prof Dr Stefan Etschberger HSA Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2016/17 Determinanten: Vorüberlegung Permutationen und Inversionen
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
MehrInverse und implizite Funktionen
Kapitel 8 Inverse und implizite Funktionen Josef Leydold Mathematik für VW WS 2017/18 8 Inverse und implizite Funktionen 1 / 21 Inverse Funktion Sei f : D f R n W f R m, x y f(x). Eine Funktion f 1 : W
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Betrachtet wird eine (n,n)-matrix A. Eine Zahl λ heißt Eigenwert von A, wenn ein Vektor v existiert, der nicht der Nullvektor ist und für den gilt: A v = λ v.
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrWirtschaftsmathematik: Mathematische Grundlagen
Wirtschaftsmathematik: Mathematische Grundlagen 1. Zahlen 2. Potenzen und Wurzeln 3. Rechenregeln und Vereinfachungen 4. Ungleichungen 5. Intervalle 6. Beträge 7. Lösen von Gleichungen 8. Logarithmen 9.
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
MehrDas inhomogene System. A x = b
Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbestimmten hat immer mindestens die Lösung 0. Ist r der Rang von A, so hat das System n r Freiheitsgrade. Insbesondere gilt: Ist
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
MehrLineare 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
Mehr3 a) Berechnen Sie die normierte Zeilenstufenform der Matrix A = normierte Zeilenstufenform:
1. Aufgabe (9 Punkte) In dieser Aufgabe müssen Sie Ihre Antwort nicht begründen. Es zählt nur das Ergebnis. Tragen Sie nur das Ergebnis auf diesem Blatt im jeweiligen Feld ein. 0 1 3 a) Berechnen Sie die
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
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrInverse und implizite Funktionen
Kapitel 8 Inverse und implizite Funktionen Josef Leydold Mathematik für VW WS 2017/18 8 Inverse und implizite Funktionen 1 / 21 Inverse Funktion Sei f : D f R n W f R m, x y = f(x). Eine Funktion f 1 :
MehrCramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...
Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den
Mehr(a), für i = 1,..., n.
.4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung
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
MehrMehrdimensionale Differentialrechnung Übersicht
Mehrdimensionale Differentialrechnung Übersicht Partielle und Totale Differenzierbarkeit Man kann sich mehrdimensionale Funktionen am Besten für den Fall f : R 2 M R vorstellen Dann lässt sich der Graph
MehrBrückenkurs Mathematik
Brückenkurs Mathematik Eine Einführung mit Beispielen und Übungsaufgaben von Prof. Dr. Karl Bosch 14., korrigierte Auflage Oldenbourg Verlag München Inhaltsverzeichnis 1 Grundlagen der Mengenlehre 1 1.1
Mehr