Jürgen Roth Didaktik der Linearen Algebra & Analytischen Geometrie
|
|
- Berndt Fuchs
- vor 7 Jahren
- Abrufe
Transkript
1 Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Modul 12a: Fachdidaktische Bereiche juergen-roth.de/lehre/did_linalg_anageo/ Kapitel 3: Modellieren & Angewandte Mathematik 3.1
2 Inhalte Didaktik der Linearen Algebra und Analytischen Geometrie 0 Organisatorisches 1 Ziele und Inhalte 2 Algebraisieren des Anschauungsraums 3 Modellieren und Angewandte Mathematik 4 Skalarprodukt Längen und Winkel messen 5 Kegelschnitte Kapitel 3: Modellieren & Angewandte Mathematik 3.2
3 Didaktik der Linearen Algebra und Analytischen Geometrie Kapitel 3: Modellieren und Angewandte Mathematik Kapitel 3: Modellieren & Angewandte Mathematik 3.3
4 Warum Modellieren und Angewandte Mathematik? Zielrichtungen Die Frage nach dem Warum? wird von Anfang an thematisiert. Begriffe, Verfahren und Strukturen an konkreten Beispielen erarbeiten als Grundlage von Problemlösungen in vielfältigen Anwendungsbereichen einsetzen Kapitel 3: Modellieren & Angewandte Mathematik 3.4
5 Beispiel: Marktforschung Fernsehzeitschriften Ein Marktforschungsinstitut wird von einem Verlag beauftragt, das Kaufverhalten der Kunden von Fernsehzeitschriften zu untersuchen. Ziel: Argumente für Marketingentscheidungen liefern. Modellannahmen Es gibt zwei Zeitschriften Gong (G) und Hörzu (H). Die Gesamtzahl der Kunden bleibt konstant. Der Marktmechanismus ändert sich nicht. Kapitel 3: Modellieren & Angewandte Mathematik 3.5
6 Beispiel: Marktforschung Daten über Umfragen Zeitschrift Gong (G) hat Kunden Zeitschrift Hörzu (H) hat Kunden pro Woche wechseln 20% der Gong-Kunden zu Hörzu (H) pro Woche wechseln 5% der Hörzu-Kunden zu Gong (G) Übergangstabelle von G von H nach G 0,8 0,05 nach H 0,2 0,95 Wie entwickeln sich die Kundenzahlen? Kaufen irgendwann alle die Zeitschrift Hörzu (H)? Oszillieren die Kundenzahlen? Stellt sich ein Gleichgewicht ein? Übergangsgraph 0,2 0,8 G H 0,95 0,05 Kapitel 3: Modellieren & Angewandte Mathematik 3.6
7 Baumdiagramm G 0,2 0, H 0,8 0,95 0,05 G ,8 0,2 G H ,8 0,2 0,05 0,95 G H G 200 H ,6 H ,05 0,95 G H ,8 0,2 0,05 0,95 G H 300 G H Kapitel 3: Modellieren & Angewandte Mathematik 3.7
8 Entwicklung der Käuferzahlen Nach einer Woche Nach zwei Wochen Nach zwei Wochen: Leser G: = Leser H: = Kapitel 3: Modellieren & Angewandte Mathematik 3.8
9 Entwicklung der Käuferzahlen Aufgabe Untersuchen Sie die Entwicklung der der Käuferzahlen über einen Zeitraum von 10 Wochen. 100 Wochen. Ein Tabellenkalkulationsprogramm kann helfen = B5 * (1 - $B$1) + C5 * $B$2 Herunterziehen = B5 * $B$1 + C5 * (1 - $B$2) Kapitel 3: Modellieren & Angewandte Mathematik 3.9
10 Anzahl der Käufer Entwicklung der Käuferzahlen Gong (G) Hörzu (H) Woche Kapitel 3: Modellieren & Angewandte Mathematik 3.10
11 Anzahl der Käufer Entwicklung der Käuferzahlen Gong (G) Hörzu (H) Woche Erkenntnis Die Käuferzahlen von Gong sinken und die von Hörzu steigen. Fragen Halten diese Tendenzen an? Hat Gong irgendwann keine Käufer mehr? Was passiert, wenn Gong zu Beginn mehr bzw. noch weniger Kunden hat? Vorgehensweise Vorhersagen machen und festhalten lassen. Testen! (Schieberegler!) Kapitel 3: Modellieren & Angewandte Mathematik 3.11
12 Schematisierung Käuferzahlen nach einer Woche G 1 : 0, , H 1 : 0, , Käuferzahlen nach einer Woche G 1 : 0, , H 1 : 0, , Übergangstabelle von G von H nach G 0,8 0,05 nach H 0,2 0,95 Tabelle der Ausgangswerte G H Übergangsmatrix 0,8 0,05 0,2 0,95 Vektor der Ausgangswerte Kapitel 3: Modellieren & Angewandte Mathematik 3.12
13 Schematisierung Berechnung der Käuferzahl nach einer Woche G 1 : 0, , H 1 : 0, , ,8 0,05 0,2 0, Kapitel 3: Modellieren & Angewandte Mathematik 3.13
14 Schematisierung Berechnung der Käuferzahl nach einer Woche G 1 : 0, , H 1 : 0, , ,8 0,05 0,2 0, = 0, , Kapitel 3: Modellieren & Angewandte Mathematik 3.14
15 Schematisierung Berechnung der Käuferzahl nach einer Woche G 1 : 0, , H 1 : 0, , ,8 0,05 0,2 0, = 0, , Kapitel 3: Modellieren & Angewandte Mathematik 3.15
16 Schematisierung Berechnung der Käuferzahl nach einer Woche G 1 : 0, , H 1 : 0, , ,8 0,05 0,2 0, = 0, , , , Kapitel 3: Modellieren & Angewandte Mathematik 3.16
17 Schematisierung Berechnung der Käuferzahl nach einer Woche G 1 : 0, , = H 1 : 0, , = ,8 0,05 0,2 0, , , = 0, , = Ursprünglicher Kundenvektor Übergangsmatrix Kundenvektor nach einer Woche Kapitel 3: Modellieren & Angewandte Mathematik 3.17
18 Schematisierung Definition Ein rechteckiges Zahlenschema mit n Zeilen und m Spalten heißt (n m)-matrix. a 11 a 1m a n1 a nm Bemerkung Eine (n 1)-Matrix heißt auch Spaltenvektor. a 1 a n Eine (1 m)-matrix heißt auch Zeilenvektor. a 1 a m Matrizen werden mit einem Großbuchstaben abgekürzt, Vektoren mit Kleinbuchstaben und einem Pfeil darüber. A = a 11 a 1m a n1 a nm Matrix A a 1 Ԧa = a n Vektor Ԧa Kapitel 3: Modellieren & Angewandte Mathematik 3.18
19 Schematisierung Im Beispiel Ursprünglicher Kundenvektor: k 0 = Übergangsmatrix: A = 0,8 0,05 0,2 0,95 Kundenvektor nach einer Woche: k 1 = A k 0 = zwei Wochen: k 2 = A k 1 = 0,8 0,05 0,2 0, = ,8 0,05 0,2 0,95 k 1 nach n Wochen: k n = A k n 1 Kapitel 3: Modellieren & Angewandte Mathematik 3.19
20 Schematisierung Definition Das Produkt einer (2 2)-Matrix mit einer (2 1)-Matrix (Spaltenvektor) wird definiert durch: A k = a 11 a 12 k a 21 a 1 a 11 k 1 + a 12 k 2 22 k 2 a 21 k 1 + a 22 k 2 Kapitel 3: Modellieren & Angewandte Mathematik 3.20
21 Eingabe von Matrizen Eingabe von A 1,2,3, 4, 5, 6, 7.1,8.2,9.3, 3,2,1 liefert nach Auswahl von und ggf. drücken der Taste Return : Eingabe von b 1, 2, 3 Exkurs: Matrizenrechnung mit GeoGebra liefert nach Auswahl von und ggf. drücken der Taste Return : Kapitel 3: Modellieren & Angewandte Mathematik 3.21
22 Exkurs: Matrizenrechnung mit GeoGebra Matrizen multiplizieren Eingabe von A 9,3,8,2, 5,1,8,1 B 4,2, 5,7, 3,3 B A liefert nach Auswahl von und ggf. drücken der Taste Return das Produkt B A der Matrizen. Kapitel 3: Modellieren & Angewandte Mathematik 3.22
23 Exkurs: Matrizenrechnung mit GeoGebra Zeilenbezüge Statische Bezüge: Änderungen der Referenzzeile haben keine Auswirkungen # kopiert die vorherige Ausgabe #3 kopiert die Ausgabe von Zeile 3 Dynamische Bezüge: Änderungen der Referenzzeile werden übernommen $ fügt die vorherige Ausgabe ein $3 fügt die Ausgabe von Zeile 3 ein Kapitel 3: Modellieren & Angewandte Mathematik 3.23
24 Entwicklung der Käuferzahl Berechnung der Käuferzahl mit GeoGebra Eingabe des ursprünglichen Kundenvektors k 0 = Eingabe der Übergangsmatrix 0,8 0,05 A = 0,2 0,95 Berechnen des Kundenvektors nach einer Woche k 1 = A k 0 Berechnen des Kundenvektors nach zwei Wochen k 2 = A k 1 Kapitel 3: Modellieren & Angewandte Mathematik 3.24
25 Entwicklung der Käuferzahl Berechnung der Käuferzahl mit GeoGebra Kapitel 3: Modellieren & Angewandte Mathematik 3.25
26 Exkurs: Matrizenrechnung mit Maxima Eingabe von Matrizen Eingabe von A: matrix 1,2,3, 4, 5, 6, 7.1,8.2,9.3, 3,2,1 ; liefert nach drücken der Tasten Shift Return Eingabe von b: matrix 1, 2, 3 ; liefert nach drücken der Tasten Shift Return Kapitel 3: Modellieren & Angewandte Mathematik 3.26
27 Exkurs: Matrizenrechnung mit Maxima Achtung Befehlszeilen werden mit einem ; abgeschlossen. Um Befehle Auszuführen muss immer die Tastenkombination Shift + Return gedrückt werden. Maxima merkt sich Wertbelegungen auch nach dem Löschen der entsprechenden Eingaben (z.b. A:matrix( )). Um alle Werte zu löschen gibt man kill(all); ein oder wählt den Menübefehl Maxima Speicher löschen. Matrizen multiplizieren Eingabe von A: matrix 9,3,8,2, 5,1,8,1 ; B: matrix 4,2, 5,7, 3,3 ; B. A; liefert das Produkt der Matrizen B A. Kapitel 3: Modellieren & Angewandte Mathematik 3.27
28 Entwicklung der Käuferzahl Maxima Berechnung der Käuferzahl mit Maxima Eingabe des ursprünglichen Kundenvektors Eingabe der Übergangsmatrix Initialisieren des Kundenvektors Berechnen des neuen Kundenvektors Kapitel 3: Modellieren & Angewandte Mathematik 3.28
29 Entwicklung der Käuferzahl Maxima Berechnung der Käuferzahl mit Maxima Kapitel 3: Modellieren & Angewandte Mathematik 3.29
30 Entwicklung der Käuferzahl Iterative Berechnung Die Käuferzahlen nach zwei Wochen wurden so berechnet: k 2 = A k 1 = A A k 0 Will man die Käuferzahl nicht iterativ sondern direkt berechnen, dann müsste das so funktionieren: k 2 = A k 1 = A A k 0 = A 2 k 0 Dazu muss eine Multiplikation von Matrizen definiert werden. Dann könnte man auch k n direkt berechnen: k n = A n k 0 Kapitel 3: Modellieren & Angewandte Mathematik 3.30
31 Berechnung der Käuferzahl Berechnung von k 2 k 1 = A k 0 = a 11 a 12 a 21 a 22 0 = a 11 k a 12 k 2 k 2 a 21 k a 22 k 2 k 1 0 k 2 = A A k 0 = A k 1 = a 11 a 12 a 21 a 22 a 11 k a 12 k 2 0 a 21 k a 22 k 2 0 = a 11a 11 k a 11 a 12 k a 12 a 21 k a 12 a 22 k 2 0 a 21 a 11 k a 21 a 12 k a 22 a 21 k a 22 a 22 k 2 0 = a 11a 11 + a 12 a 21 k (a 11 a 12 + a 12 a 22 ) k 2 0 a 21 a 11 + a 22 a 21 k (a 21 a 12 + a 22 a 22 ) k 2 0 = a 11a 11 + a 12 a 21 a 11 a 12 + a 12 a 22 a 21 a 11 + a 22 a 21 a 21 a 12 + a 22 a 22 k 1 0 k 2 0 = A A =: A² = k 0 Kapitel 3: Modellieren & Angewandte Mathematik 3.31
32 Matrizenmultiplikation Definition Die Multiplikation von einer 2 2 -Matrix mit sich selbst ist definiert durch: a 11 a 12 a 21 a 22 a 11 a 12 a 21 a 22 a 11 a 12 a 21 a 22 a 11a 11 + a 12 a 21 a 11 a 12 + a 12 a 22 a 21 a 11 + a 22 a 21 a 21 a 12 + a 22 a 22 Bemerkung Vorgehensweise bei der Matrizenmultiplikation: a 11 a 12 a 21 a a 11 a 12 a 21 a a 11a 11 + a 12 a 21 a 11 a 12 + a 12 a a 21 a 11 + a 22 a 21 a 21 a 12 + a 22 a 22 Diese Vorgehensweise lässt sich verallgemeinern Kapitel 3: Modellieren & Angewandte Mathematik 3.32
33 Entwicklung der Käuferzahl Prognose ist nun ohne Iteration möglich k 30 = A 30 k 0 k 40 = A 40 k 0 k 10 = A 10 k 0 k 100 = A 100 k 0 k 20 = A 20 k 0 Kapitel 3: Modellieren & Angewandte Mathematik 3.33
34 Entwicklung der Käuferzahl Maxima Prognose nun ohne Iteration möglich k 10 = A 10 k 0 k 20 = A 20 k 0 Kapitel 3: Modellieren & Angewandte Mathematik 3.34
35 Entwicklung der Käuferzahl Maxima Prognose nun ohne Iteration möglich k 30 = A 30 k 0 k 40 = A 40 k 0 k 50 = A 50 k 0 k 60 = A 60 k 0 Kapitel 3: Modellieren & Angewandte Mathematik 3.35
36 Entwicklung der Käuferzahl Maxima Prognose nun ohne Iteration möglich k 100 = A 100 k 0 k 150 = A 150 k 0 k 1000 = A 1000 k 0 k = A k 0 Kapitel 3: Modellieren & Angewandte Mathematik 3.36
37 Entwicklung der Käuferzahl Stabiler Kundenvektor Es gibt offensichtlich nach einer bestimmten Anzahl von Wochen einen stabilen Kundenvektor k s = Obwohl weiterhin in jeder Woche Käufer die Fernsehzeitschrift wechseln, bleiben die Kundenzahlen der beiden Zeitschriften konstant. Man sagt, es stellt sich ein dynamisches Gleichgewicht ein. Für diesen stabilen Kundenvektor k s muss gelten: A k s = k s Aus dieser Gleichung sollte man k s auch direkt berechnen können. Kapitel 3: Modellieren & Angewandte Mathematik 3.37
38 Entwicklung der Käuferzahl Berechnung von k s Aus A k s = k s ergibt sich mit k s = x y 0,8 0,05 die Matrixgleichung 0,2 0,95 x y = x y. Als lineares Gleichungssystem geschrieben folgt: 0,8 x + 0,05 y = x 0,2 x + 0,95 y = y Zusammenfassen gleichartiger Terme liefert: 0,2 x + 0,05 y = 0 0,2 x 0,05 y = 0 Dieses Gleichungssystem ist nicht eindeutig lösbar. 0,2 x 0,05 y = 0 Es gilt aber zusätzlich: x + y = Kapitel 3: Modellieren & Angewandte Mathematik 3.38
39 Entwicklung der Käuferzahl Berechnung von k s Dieses Gleichungssystem 0,2 x 0,05 y = 0 ist eindeutig lösbar. x + y = Aus der ersten Gleichung ergibt sich: x = 0,25 y Einsetzen in die zweite Gleichung liefert: 1,25 y = Es ergibt sich y = und x = als eindeutige Lösung. Stabiler Kundenvektor: k s = Kapitel 3: Modellieren & Angewandte Mathematik 3.39
40 Entwicklung der Käuferzahl Berechnung von k s Mit einem Computeralgebrasystem wie in GeoGebra kann das Gleichungssystem 0,2 x 0,05 y = 0 auch direkt gelöst werden: x + y = Eingabe von Löse 0.2 x 0.05 y = 0, x + y = 50000, x, y liefert nach Auswahl von und ggf. drücken der Taste Return {{x = 10000, y = 40000}} Kapitel 3: Modellieren & Angewandte Mathematik 3.40
41 Entwicklung der Käuferzahl Maxima Berechnung von k s Mit einem Computeralgebrasystem (CAS) wie Maxima kann das Gleichungssystem 0,2 x 0,05 y = 0 auch direkt gelöst werden: x + y = Eingabe von solve 0.2 x 0.05 y = 0, x + y = 50000, x, y ; liefert nach drücken der Tasten Shift + Return Kapitel 3: Modellieren & Angewandte Mathematik 3.41
42 Entwicklung der Käuferzahl Ergebnis Die Kundenverteilung stabilisiert sich so, dass trotz der dynamischen Entwicklung die Zeitschrift Hörzu dauerhaft und die Zeitschrift Gong durchgängig Käufer hat. Der stabile Kundenvektor lässt sich mit Hilfe der Gleichung A k s = k s und der konstanten Kundensumme berechnen. Insbesondere ist das lineare Gleichungssystem nicht von einer speziellen Anfangsverteilung der Kunden abhängig. Folglich ist auch der stabile Kundenvektor k s unabhängig von der Anfangsverteilung der Kunden! Kapitel 3: Modellieren & Angewandte Mathematik 3.42
43 Entwicklung der Übergangsmatrix Entwicklung der Übergangsmatrix Wie verändert sich bei diesem Prozess die Übergangsmatrix? Untersuchen Sie das mit Hilfe des CAS in GeoGebra. Ergebnis Offensichtlich ergibt sich eine Grenzmatrix A G : A G lim A n n 0,8 0,05 0,2 0,2 = lim = n n 0,2 0,95 0,8 0,8 Wird die Grenzmatrix A G auf den Ausgangskundenvektor k 0 angewandt, dann ergibt sich direkt der stabile Kundenvektor k s : A G k 0 = k s Kapitel 3: Modellieren & Angewandte Mathematik 3.43
44 Entwicklung der Übergangsmatrix Ergebnisse (Fortsetzung) Grenzmatrix A G und stabiler Kundenvektor k s sind unabhängig von der Anfangsverteilung. Statt Kunden kann man auch 100% bzw. 1 nutzen. Der Anfangsvektor lässt sich dann als 1 0 oder 0 1 schreiben. Multiplikation mit der Grenzmatrix A G = bzw. zweite Spalte dieser Matrix: a b c d 1 0 = a c = k s bzw. Daraus folgt: a c = b d = k s In den Spalten der Grenzmatrix A G steht jeweils der stabile Kundenvektor k s. a b c d liefert die erste a b c d 0 1 = b d = k s Kapitel 3: Modellieren & Angewandte Mathematik 3.44
Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie
Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Modul 12a: Fachdidaktische Bereiche juergen-roth.de/lehre/did_linalg_anageo/ Kapitel 4: Kegelschnitte 4.1 Inhalte Didaktik der Linearen
MehrAnalytische Geometrie
Der fx-991 DE X im Mathematik- Unterricht Analytische Geometrie Station 1 Schnittgerade zweier Ebenen Da der Taschenrechner nur eindeutige Lösungen eines Gleichungssystems liefert, kann er nur Schnittpunkte
MehrBa-Wü: BG Neuer Lehrplan Mathematik Modul-5: Prozesse Teil 3a: stochastische Übergangsprozesse. Februar und März
Ba-Wü: BG Neuer Lehrplan Mathematik Modul-5: Prozesse Teil 3a: stochastische Übergangsprozesse Februar und März 216 1 Stoffverteilungsplan 1 Woche Inhalte 1 + 2 Einstufige Prozesse Darstellung mit Tabellen,
MehrJürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie
Jürgen Roth Didaktik der Linearen Algebra und Analytischen Geometrie Modul 12a: Fachdidaktische Bereiche juergen-roth.de/lehre/did_linalg_anageo/ Kapitel 5: Skalarprodukt 5.1 Inhalte Didaktik der Linearen
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
Mehr2 4! IR 3, der folgende Gleichung erfüllt: + 3w
TH Köln Campus Gummersbach Mathematik I Prof. Dr. W. Konen Dr. A. Schmitter WS /6 Übungsblatt : Lineare Algebra Bereiten Sie die Aufgaben begleitend zu den besprochenen Themen in der Vorlesung jeweils
MehrMatrizenrechnung Umfüllprozesse
Matrizenrechnung Umfüllprozesse In Messzylindern A und B befinden sich anfänglich die Flüssigkeitsmengen m und m. Aus A wird der Anteil a entnommen, aus B der Anteil b weitere Gefäße sind daher erforderlich.
MehrAusführliche Lösungen
Bohner Ott Deusch Mathematik für berufliche Gymnasien Lineare Algebra Mathematische Beschreibung von Prozessen durch Matrizen Ausführliche Lösungen zu im Buch gekennzeichneten Aufgaben ab. Auflage 6 ISBN
MehrLineare Gleichungssystem
Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen
MehrMultiplikation von Matrizen
Multiplikation von Matrizen Die Regeln der Multiplikation von Zahlen können nicht direkt auf die Multiplikation von Matrizen übertragen werden. 2-E Ma Lubov Vassilevskaya Multiplikation ccvon Matrizen
MehrMatrizenrechnung am Beispiel linearer Gleichungssystemer. für GeoGebraCAS
Matrizenrechnung am Beispiel linearer Gleichungssystemer für GeoGebraCAS Letzte Änderung: 08/ April 2010 1 Überblick 1.1 Zusammenfassung Lösen von linearen Gleichungssystemen mit Hilfe der Matrizenrechnung.
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)
Mehr1 Lineare Gleichungssysteme und Matrizen
1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe
MehrAnalytische Geometrie mit dem Voyage 1
Analytische Geometrie mit dem Voyage. Vektoren Vektoren lassen sich definieren in eckigen Klammern. Setzt man ein Semikolon zwischen die einzelnen Komponenten, so ergibt sich ein Spaltenvektor. Ein Spaltenvektor
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMatrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I
Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrLineare 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 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
Mehr6. Vorlesung. Rechnen mit Matrizen.
6. Vorlesung. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt
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
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
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
MehrSchulmathematik: Lineare Algebra & Analytische Geometrie. Kapitel 3: Lineare Analytische Geometrie. MAC.05043UB/MAC.05041PH, VU im SS 2017
Schulmathematik: Lineare Algebra & Analytische Geometrie Kapitel 3: Lineare Analytische Geometrie MAC.05043UB/MAC.0504PH, VU im SS 207 http://imsc.uni-graz.at/pfeiffer/207s/linalg.html Christoph GRUBER,
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
Mehr9.1 ADDIEREN UND SUBTRAHIEREN VON MATRIZEN MULTIPLIKATION EINER MATRIX MIT EINEM SKALAR
Matrizen 9. ADDIEREN UND SUBTRAHIEREN VON MATRIZEN MULTIPLIKATION EINER MATRIX MIT EINEM SKALAR 9.. Definition der Matrizenaddition, der Matrizensubtraktion und der Multiplikation einer Matrix mit einem
MehrA = α α 0 2α α
Aufgabe 8. Berechnen Sie abhängig von α R die Dimension dim(f(r 4 )) und die Dimension dim(kern(f)) sowie je eine Basis von f(r 4 ) und Kern(f) der linearen Abbildung f : R 4 R 4, x Ax mit der Matrix A
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrDas Spatprodukt 25. Insbesondere ist das Spatprodukt in jedem Faktor linear. a 1 = aa 2 + ba 3
Das Spatprodukt 25 (Sp 4) (aa, b, c) a(a, b, c) Insbesondere ist das Spatprodukt in jedem Faktor linear Montag,3 November 23 Satz 92 Drei Vektoren,, Spatprodukt (,, ) ist sind genau dann linear abhängig,
MehrAbitur Matrizen und Prozesse (Teil 4 mit Hilfsmittel) Musteraufgaben Lösung A1 1.1 Übergangsmatrix Die Übergangsmatrix lautet (vgl.
Lösung A1 1.1 Übergangsmatrix Die Übergangsmatrix lautet (vgl. Diagramm): 0,4 0,2 0,1 0,5 0,7 0,5 0,4 0,1 0,1 0,4 0,2 0,1 0,5 0,1 0,7 0,4 Verteilung der Haushalte im Jahr 2015 Stand 2014: 1000 Haushalte
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 11 1. Juni 2010 Rechenregeln für Determinanten Satz 62. (Determinanten von Dreiecksmatrizen) Es sei A eine obere oder untere n n-dreiecksmatrix.
MehrKapitel 9: Lineare Gleichungssysteme
Kapitel 9: Lineare Gleichungssysteme Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika (KO) Kapitel 9: Lineare Gleichungssysteme 1 / 15 Gliederung 1 Grundbegriffe
MehrInhaltsverzeichnis. Inhaltsverzeichnis
Inhaltsverzeichnis Inhaltsverzeichnis Vorwort 4 Die thematischen Schwerpunkte für das Abitur 2010 6 Analysis 1 Basiswissen 13 2 Funktionenschar 1 GTR 16 3 Funktionenschar 2 GTR 17 4 Funktionenschar 3 GTR
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
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrMATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...
MATRIZEN Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn A ist eine m n Matrix, dh: A hat m Zeilen und n Spalten A besitzt
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
MehrLineare Algebra (Zentralabitur 2009: Abibienen) (knappe Lösung)
Lineare lgebra (Zentralabitur 2009: bibienen) (knappe Lösung) bibienen Ein aus den fleißigen Bienen mutierter Insektenstamm, die nachtaktiven bibienen", wurde im Jahr 2009 auf der Insel Bremensia" über
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 9 20. Mai 2010 Kapitel 9. Matrizen und Determinanten Der Begriff der Matrix Die transponierte Matrix Definition 84. Unter einer (reellen) m n-matrix
MehrVorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7
Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrDieses Skript ist urheberrechtlich geschützt. Ich behalte mir alle Rechte vor. Eine Vervielfältigung ist nicht gestattet und strafbar.
Dieses Skript ist urheberrechtlich geschützt. Ich behalte mir alle Rechte vor. Eine Vervielfältigung ist nicht gestattet und strafbar. 1 2 Hinweise zum Skript Grundlagen der Wirtschaftsmathematik und Statistik
MehrPrüfungsteil 2, Aufgabe 6 Lineare Algebra
Abitur Mathematik: Prüfungsteil 2, Aufgabe 6 Lineare Algebra Nordrhein-Westfalen 2012 LK Aufgabe a 1. SCHRITT: ÜBERGANGSDIAGRAMM ZEICHNEN 2. SCHRITT: ÜBERGANGSMATRIX ERSTELLEN von: nach: 0,75 0,2 0,57
Mehr6.1 Welche Matrix gehört zu der Abbildung?
Kapitel 6 Gleichungssysteme Bisher haben wir nur für spezielle Fälle (Drehungen, Spiegelungen ) die zu einer bekannten Abbildung gehörende Matrix gesucht. Da uns die Abbildung in allen Einzelheiten bekannt
MehrB =(b1,1. + b 1,2. + b 1,3 1,3. + b 2,4 + b 3,1. + b 2,2. + b 2,3. + b 3,2. + b 3,3
Matrizen Matrizen sind zunächst einmal einfach eine rechteckige Anordnung von Zahlen, Elementen oder mathematischen Operationen, die lineare Zusammenhänge zwischen verschiedenen Größen übersichtlich darstellen.
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrANHANG A. Matrizen. 1. Die Definition von Matrizen
ANHANG A Matrizen 1 Die Definition von Matrizen Wir haben bereits Vektoren kennen gelernt; solche Paare reeller Zahlen haben wir benutzt, um Punkte in der Ebene zu beschreiben In der Geometrie brauchen
Mehr10 Lineare Gleichungssysteme
ChrNelius : Lineare Algebra I (WS 2004/05) 1 10 Lineare Gleichungssysteme (101) Bezeichnungen: Ein System 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 x 1 + a
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 12 8. Juni 2010 Kapitel 10. Lineare Gleichungssysteme (Fortsetzung) Umformung auf obere Dreiecksgestalt Determinantenberechnung mit dem Gauß-Verfahren
MehrMatrizen: Grundbegriffe. 1-E Ma 1 Lubov Vassilevskaya
Matrizen: Grundbegriffe -E Ma Lubov Vassilevskaya Lineares Gleichungssystem Abb. : Der Schnittpunkt P der beiden Geraden ist die graphische Lösung des linearen Gleichungssystem g : y = x, g 2 : y = 3 x,
MehrLänge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren
Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(
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
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
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
MehrLineare Gleichungen. Mathematik-Repetitorium. 3.1 Eine Unbekannte. 3.2 Zwei oder drei Unbekannte. 3.3 Allgemeine lineare Gleichungssysteme
Lineare Gleichungen 3.1 Eine Unbekannte 3.2 Zwei oder drei Unbekannte 3.3 Allgemeine lineare Gleichungssysteme Lineare Gleichungen 1 Vorbemerkung zu Kapitel 1 Gleichungen (Unbekannte) (Variablen, Parameter)
MehrErgänzende Aufgaben zur Planarbeit Stochastische Matrizen I 1 I 3 0,8 0,2 0,2 0,1 0,7 0,2 0,1 0,1 0,6. und I
Ergänzende Aufgaben zur Planarbeit Stochastische Matrizen Ergänzende Aufgaben zur Planarbeit Stochastische Matrizen Aufgabe Das Kaufverhalten bei den Lesern der drei marktbeherrschenden Illustrierten sei
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
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
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
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
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
MehrBa-Wü: BG Neuer Lehrplan Mathematik Modul-5: Prozesse Teil 2a: Einstufige Prozesse mit Matrizenrechnung. Februar und März
Ba-Wü: BG Neuer Lehrplan Mathematik Modul-5: Prozesse Teil 2a: mit Matrizenrechnung Februar und März 2016 1 Stoffverteilungsplan 1 Woche Inhalte 1 + 2 Darstellung mit Tabellen, Graph, Matrizen u. Vektoren
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie
Einführung I Mathematik für Studierende der Biologie und des Lehramtes Chemie Dominik Schillo Universität des Saarlandes 007 (Stand: 007, 4:9 Uhr) Wie viel Kilogramm Salzsäure der Konzentration % muss
MehrZusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren
Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier
MehrLineare Algebra. 1 Lineare Abbildungen
Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe
MehrKapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)
Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
Mehr1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
MehrÜbungsblatt 5 : Lineare Algebra
Aufgabe 5.1 Übungsblatt 5 : Lineare Algebra Gegeben sind die folgenden Vektoren: Bestimmen Sie die Komponenten von Aufgabe 5.2 Gegeben seien die Vektoren Berechnen Sie (a) (b) (c) Aufgabe 5.3, d.h. der
MehrChr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A =
Chr.Nelius: Lineare Algebra SS 28 4: Matrizenrechnung 4. DEF: a Die Summe A + B zweier m n Matrizen A a ik und B b ik ist definiert als m n Matrix C c ik, wobei c ik : a ik + b ik für alle i, 2,..., m
MehrTest 2, Musterlösung. Name, Klasse: Semester: 1 Datum: Teil ohne Matlab
Test 2, Musterlösung Lineare Algebra donat.adams@fhnw.ch Institut für Mathematik und Physik Name, Klasse: Semester: Datum: 2..26. Teil ohne Matlab. Lineare Abbildungen Zeigen Sie, dass die folgenden Abbildungen
MehrSpezialgebiet Mathematik(Christian Behon ) 1. Matrizen. Kapitel 1 Definitionen und Herleitung von Matrizen. Kapitel 2 Matrizenoperation
. Inhaltsverzeichnis.............. Spezialgebiet Mathematik(Christian Behon ) 1 Matrizen Kapitel 1 Definitionen und Herleitung von Matrizen 1.1 Was sind Matrizen 1.2 Arten von Matrizen Kapitel 2 Matrizenoperation
MehrMathematik 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
MehrSkript EXCEL Matrizenrechnung/Lineare Gleichungssysteme
Skript EXCEL 2010 Matrizenrechnung/Lineare Gleichungssysteme 1. Einleitung Eine Matrixformel kann mehrere Berechnungen durchführen und dann entweder ein einzelnes Ergebnis oder mehrere Ergebnisse liefern.
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
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester 26 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 2 Aufgabe 2 Welche der folgenden Aussagen sind korrekt? (i) Jedes
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
MehrMathematik Matrizenrechnung
Mathematik Matrizenrechnung Einstufige Prozesse Rechenregeln für Matrizen Mehrstufige Prozesse Inverse Matrix Stochastische Prozesse 6 Zyklisches Verhalten Einstufige Prozesse Einstufige Prozesse Zur Beschreibung
MehrAufgabe 6: Analytische Geometrie (WTR)
Abitur Mathematik: Nordrhein-Westfalen 2013 Aufgabe 6 a) ÜBERGANGSDIAGRAMM UND ÜBERGANGSMATRIX ERSTELLEN ÜBERGANGSDIAGRAMM Von der Größenklasse K gehen 10 % in die Größenklasse G über 50 % in die Größenklasse
MehrGauss-Algorithmus. 1. Hausaufgabe: Rang einer Matrix Bestimmen Sie den Rang der Matrix
Technische Universität Berlin WS 200/02 Fakultät II Institut f. Mathematik Seiler, Rambau, Wiehe, Gentz, Scherfner Körner, Schulz-Baldes, Schwarz Lösung zum 4. Übungsblatt Lineare Algebra für Ingenieure
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
MehrCorinne Schenka Vorkurs Mathematik WiSe 2012/13
4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:
MehrL5 Matrizen I: Allgemeine Theorie
L5 Matrizen I: Allgemeine Theorie Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen
MehrMathematik I Übungsblatt 5 WS 12/13 Prof. Dr. W. Konen, Dr.A.Schmitter
Bereiten Sie die Aufgaben parallel zu den in der Vorlesung besprochenen Themen für die nächsten Übungsstunden jeweils vor! Aufgabe 5.1 Vektoroperationen Gegeben sind die folgenden Vektoren: u = 3 1 2 v
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 1 Einführung Lineare Gleichungen Definition
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
MehrLineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.
b Musterlösung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice) Gegeben sei die folgende Matrix Winter 3 Prof. H.-R. Künsch A = a a) deta) = genau dann wenn gilt x a =. a =. ), a R. x
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lineare Algebra: Lineare Gleichungssysteme und Matrizen
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Lineare Algebra: Lineare Gleichungssysteme und Matrizen Das komplette Material finden Sie hier: School-Scout.de Thema: Lineare Algebra:
Mehr2.2 Kollineare und koplanare Vektoren
. Kollineare und koplanare Vektoren Wie wir schon gelernt haben, können wir einen Vektor durch Multiplikation mit einem Skalar verlängern oder verkürzen. In Abbildung 9 haben u und v die gleiche Richtung,
Mehr2 Matrizenrechnung und Lineare Gleichungssysteme
Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der
MehrLineare Algebra 2013 Lösungen für Test und Zusatzfragen
Lineare Algebra 3 Lösungen für Test und Zusatzfragen Test Multiple Choice. Seien Für die Lösung x x x x 3 A, b des Systems Ax b gilt x 3 5 x 3 x 3 3 x 3 / Mit elementaren Zeilenoperationen erhalten wir
MehrHans Humenberger. Das PageRank-System von Google eine aktuelle Anwendung im MU
Hans Humenberger Das PageRank-System von Google eine aktuelle Anwendung im MU Google und seine Gründer Google etwas Riesengroßes nach der unglaublichen Fülle des WWW Googol = 10^100 1938 durch E. Kasner
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter
MehrIV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen
Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit
Mehr