Annahme: - Päferenzunabhängigkeit der Ziele - kardinal skalierte Größen!!!!

Größe: px
Ab Seite anzeigen:

Download "Annahme: - Päferenzunabhängigkeit der Ziele - kardinal skalierte Größen!!!!"

Transkript

1 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel Nutzwertanalyse Verfahren zur Lösung von Mehrzielentscheidungen Hierarchisch aufgebaute systeme å i.d.r. sind nur zwei oder drei Teilziele gleichzeitig zu betrachten und zu gewichten Gesamtziel Oberziel O Oberziel O Oberziel O Z Z Z Z 4 Z 5 Z 6 Z 7 Z 8 Schrittweise Aggregation von wenigen Teilzielen zu einem höheren mittels gewichteter Addition der partiellen Nutzenwerte Annahme: - Päferenzunabhängigkeit der e - kardinal skalierte Größen!!!! < 4.0 >

2 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 4 Gesamtbewertung des Autokaufs 0, 0,5 0, Bewertung des Bewertung des Bewertung der Kaufpreises Autos Werkstatt 0,4 0, 0,4 Bewertung des Design Bewertung der Motorenleistung Bewertung der Ausstattung Entscheidungsregel: Auswahl der Alternative mit höchstem (Gesamt-)Nutzenwert! Zentrale Elemente der Nutzwertanalyse: (partielle) Nutzenwerte Gewichte der kriterien Ermittlung der Nutzenwerte

3 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 5 (nach Zangemeister 97) å Projektion der erreichungsgrade in das Intervall [0, 0] mit Hilfe von darüber gelegten, verbal erläuterten Intervallklassen "sehr schlecht": [0, [ "schlecht": [, 4[ "durchschnittlich": [4, 6] "gut": ]6, 8] "sehr gut": ]8, 0] å wahrheitsgetreue und eindeutige Nutzenwertzuordnung??!! Realistischer dürften Fuzzy-Nutzenwerte über [0, 0]!!

4 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 6 Ermittlung der gewichte Bestimmung der Gewichte über Ermittlung der paarweisen Austauschraten zwischen den en a g = g (Paarvergleichsmatrizen) kr k r Austauschrate kr gr gk a = > 0, k, r {,...,K} Preis Preis Auto Werkstatt Auto Werkstatt å Speziell gilt: g a k kk = = für k = r gk gk a rk = = reziproke Paarvergleichsmatrix gr akr

5 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 7 Konsistenzbedingung für Paarvergleichsmatrix!! å widerspruchsfreie Präferenzen gr gs g a s kr ars ( = = ) = gk gr gk aks in einer konsistenten Paarvergleichsmatrix sind alle Spaltenvektoren Vielfache voneinander und jede Spalte stellt somit einen äquivalenten Gewichtevektor dar! normierter Gewichtevektor: Austauschraten sind dann eindeutig bestimmt, wenn die Summe der Gewichte auf normiert wird. Preis Preis Auto W.statt Auto W.statt 6 0,77 0, ,88

6 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel Analytic Hierarchy Process (AHP) (THOMAS L. SAATY 980) Basis: konsistente, reziproke Paarvergleichsmatrix å Bewertung der Paarvergleiche mit Hilfe der 9- Punkteskala von SAATY 5 7 9,4, 6,8 gleiche Bedeutung etwas größere Bedeutung erheblich größere Bedeutung sehr viel größere Bedeutung absolut dominierend Zwischenwerte Beide verglichenen Elemente haben die gleiche Bedeutung für das nächst-höhere Element (). Erfahrung und Einschätzung sprechen für eine etwas größere Bedeutung Erfahrung und Einschätzung sprechen für eine erheblich größere Bedeutung Die sehr viel größere Bedeutung eines Elements hat sich in der Vergangenheit klar gezeigt Es handelt sich um den größtmöglichen Bedeutungsunterschied zwischen Elementen Zwischen zwei benachbarten Urteilen muß eine Übereinkunft getroffen werden, ein Kompromiß Nur ordinalskalierte Paarvergleiche

7 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 9 Unklare Definition der Präferenzen Alternative Berechnung des normierten Gewichtevektors: Im Fall einer konsistenten Paarvergleichsmatrix A entspricht der Gewichtevektor g dem Eigenvektor x zum größten Eigenwert λ von A A x = λ x Weiterhin gilt, dass der größte Eigenwert einer konsistenten Paarvergleichsmatrix A stets gleich der Ordnung von A ist und alle übrigen Eigenwerte gleich 0 sind. ( A λe) x = 0 Determinantentheorie!!! < 4. > bekannte Paarvergleichsmatrix aus < 4.8 > λ λ λ = λ ( λ) = 0 Eigenwerte λ = und λ, = 0 Eigenvektor zu λ = : (,,) t, t R,

8 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 0 Norm. Gewichtevektor (0,77,0,54554,0,88) Häufiges Problem bei realen Anwendungen: Entscheider formulieren inkonsistente Paarvergleichsmatrizen. Diese widersprüchlichen Präferenzen sind das Ergebnis einer beschränkten Informationsverarbeitungskapazität Vorschlag von THOMAS SAATY: Bei kleineren Verstößen gegen die Konsistenzbedingung sollte weiterhin als Gewichtevektor der Eigenvektor zum größten Eigenwert von A verwendet werden. Nach SAATY, solange KI( A) der Konsistenzwert KW(A) = 0, ist. RI λ - Konsistenzindex KI = max n n - Random Index (RI) = durchschnittlicher Konsistenzindex, der sich ergibt, wenn reziproke Zufallsmatrizen auf Grundlage der SAATYschen Skala erzeugt werden n RI(n) 0 0 0,58 0,90,,4,,4 n

9 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 RI(n),45,48,49,5,56,57,5 < 4. > Design Motorleist. Ausstattung Design 7 Motorleistung 7 Ausstattung inkonsistente Paarvergleichsmatrix B, da b = z. B. b = 7 b maximaler Eigenwert nicht gleich, sondern näherungsweise λ max =, KW(B) = = 0,0079 0, 0,58 ausreichend konsistent Eigenvektor zu λ max : (; 6,6494;,054) t, t R

10 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 Norm. Gewichtevektor: (0,05; 0,686; 0,58). Gewichte für Design, Motorleistung und Ausstattung durch Multiplikation dieser Gewichte mit dem Gewicht für die Bewertung der Attribute eines Autos Gesamtbewertung des Autokaufs Bewertung des Kaufpreises Bewertung des Autos Bewertung der Werkstatt Bewertung des Design Bewertung der Motorenleistung Bewertung der Ausstattung Preis Design Motorleistung Ausstattung Werkstatt Gesamtnutzen w 0,77 0,0559 0,77 0,77 0,88 A ,5464 A 8 6, ,9998 A ,558 A ,50

11 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 Ermittlung der Teilnutzenwerte å analoge Vorgehensweise (Eigenvektor): Zuweisung von Nutzenwerten zwischen 0 und å hierarchie erhält zusätzliche Ebene Z k Alternative A Alternative A Alternative A Alternative A 4 å sinnvoll nur bei wenigen Alternativen

12 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 4 < 4.4 > relative Nutzenbewertung "Motorleistung": A A A A4 A 8 5 A 8 5 A 5 A4 5 inkonsistente 4 4-Paarvergleichsmatrix, da z. B. gilt c c 8 = c = 5. maximale Eigenwert λ max = 4, , Da KW(C) = 0,9 = 0,096 0,, 4 ist die Paarvergleichsmatrix noch ausreichend konsistent normierter Eigenvektor (0,56; 0,054; 0,0; 0,940) als relativer Nutzenvektor

13 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 4 5 Kritik: gewichtung als geeignetes Aggregationskriterium??? Paarvergleiche sind ordinalskaliert; Bestimmung der reziproken Werte/Berechnung der Gewichteverteilung erfordert Verhältnis- bzw. Kardinalskalenniveau Saatys 9-Punkte-Skala ist rational nicht gerechtfertigt und angreifbar andere Skalen können zu anderen Rangordnungen der Alternativen führen Ergebnis: Rangordnungen differieren jeweils unterschiedlich stark in Abhängigkeit der Anzahl von Alternativen, Kriterien und Verteilungen. Definition der Präferenz in den Paarvergleichen äußerst schwammig praktische Erfahrungen: Anwender verstehen Austauschraten eher im dem Sinne, daß ein x- mal wichtiger als ein anderes ist.

Analytischer Hierarchieprozess (AHP)

Analytischer Hierarchieprozess (AHP) Analytischer Hierarchieprozess (AHP) Methodik der multikriteriellen Bewertung Nach den Skripten der BoKu Wien und der Abteilung für Forstökonomie Göttingen (Prof. Möhring) www.boku.ac.at/iao/ahp www.uni-goettingen.de/de/101204.html

Mehr

Auswahl eines geeigneten mehrdimensionalen. für die Ressourceneffizienzbewertung von Prozessketten. Seminarvortrag.

Auswahl eines geeigneten mehrdimensionalen. für die Ressourceneffizienzbewertung von Prozessketten. Seminarvortrag. Auswahl eines geeigneten mehrdimensionalen Bewertungsverfahrens für die Ressourceneffizienzbewertung von Prozessketten Seminarvortrag Andreas Hermanuz Quelle: Volkswagen AG Aachen, 6.0.205 Einleitung und

Mehr

Analytischer Hierarchieprozess (AHP)

Analytischer Hierarchieprozess (AHP) Analytischer Hierarchieprozess (AHP) Methodik der multikriteriellen Bewertung Nach den Skripten der BoKu Wien und der Abteilung für Forstökonomie Göttingen (Prof. Möhring) www.boku.ac.at www.uni-goettingen.de

Mehr

Ein Entscheidungsproblem des Alltags...

Ein Entscheidungsproblem des Alltags... Ein Entscheidungsproblem des Alltags... 23 Ich sehe ein neues Auto in ihrer Zukunft 24 3 wichtige Schritte beim AHP Zielformulierung: Auswahl einer Autos Definition Kriterien: Styling, Verlässlichkeit,

Mehr

Ein multikriterielles, fuzzy- und risikobasiertes Decision Analysis Modell am Beispiel der Planung unterirdischer Infrastruktur

Ein multikriterielles, fuzzy- und risikobasiertes Decision Analysis Modell am Beispiel der Planung unterirdischer Infrastruktur Ein multikriterielles, fuzzy- und risikobasiertes Decision Analysis Modell am Beispiel der Planung unterirdischer Infrastruktur Bochum 30.09.03 Dipl.-Ing. Dipl.-Wirt.-Ing. Sissis Kamarianakis - Welches

Mehr

TOPSIS. Eine Technik der Effizienzanalyse

TOPSIS. Eine Technik der Effizienzanalyse TOPSIS Eine Technik der Effizienzanalyse 1 Literatur Peters, Malte L. und Zelewski, Stephan: TOPSIS als Technik zur Effizienzanalyse. Wirtschaftsstudium, Heft 1, 2007, S. 9-15 http://www.pim.uni-due.de/fileadmin/publikationen/topsis_zur_effizienzanalyse.pdf

Mehr

Methoden für Individualentscheidungen

Methoden für Individualentscheidungen Methoden für Individualentscheidungen Mike Hüftle 28. Juli 2006 Inhaltsverzeichnis 1 Einleitung 2 1.1 Entscheidungsproblem........................ 2 1.2 Entscheidungsmodell......................... 3 2

Mehr

Die Nutzwertanalyse - NWA Prof. Dr. Georg Rainer Hofmann Andreas Ziegler

Die Nutzwertanalyse - NWA Prof. Dr. Georg Rainer Hofmann Andreas Ziegler Die Nutzwertanalyse - NWA Prof. Dr. Georg Rainer Hofmann Andreas Ziegler 15.10.2015 Agenda Aufbau der Nutzwertanalyse Ablauf der Nutzwertanalyse Zieldefinition Ausschluss- und Auswahlkriterien definieren

Mehr

DIPLOMARBEIT. Analytic Hierarchy Process mit fehlenden Paarvergleichen: Bewertung der Aufgabenbereiche eines Project Office

DIPLOMARBEIT. Analytic Hierarchy Process mit fehlenden Paarvergleichen: Bewertung der Aufgabenbereiche eines Project Office DIPLOMARBEIT Analytic Hierarchy Process mit fehlenden Paarvergleichen: Bewertung der Aufgabenbereiche eines Project Office Institut: Institut für Entscheidungstheorie & Unternehmensforschung Prof. Dr.

Mehr

3. Entscheidungen bei mehreren Szenarien. Entscheidungen. bei Unsicherheit A i, S j und x ij sowie die Zielfunktion

3. Entscheidungen bei mehreren Szenarien. Entscheidungen. bei Unsicherheit A i, S j und x ij sowie die Zielfunktion 3. Entscheidungen bei mehreren Szenarien Entscheidungen bei Sicherheit A i und x i sowie die Zielfunktion determinieren das Entscheidungsproblem bei Unsicherheit A i, S j und x ij sowie die Zielfunktion

Mehr

Technische Universität München TOPSIS. Technique for Order Preference by Similarity to Ideal Solution. - Eine Technik der Effizienzanalyse -

Technische Universität München TOPSIS. Technique for Order Preference by Similarity to Ideal Solution. - Eine Technik der Effizienzanalyse - TOPSIS Technique for Order Preference by Similarity to Ideal Solution - Eine Technik der Effizienzanalyse - 1 Gliederung 1. Wiederholung Normalisierung (AHP) 2. Definition Effizienz 3. Ablauf von TOPSIS

Mehr

Die Nutzwertanalyse - NWA Prof. Dr. Wolfgang Alm Prof. Dr. Georg Rainer Hofmann

Die Nutzwertanalyse - NWA Prof. Dr. Wolfgang Alm Prof. Dr. Georg Rainer Hofmann Die Nutzwertanalyse - NWA Prof. Dr. Wolfgang Alm Prof. Dr. Georg Rainer Hofmann 03.03.2016 Copyright Der nachfolgende Foliensatz basiert auf einem Foliensatz von Herrn Andreas Ziegler vom 15.10.2015 Er

Mehr

Anlage 025. zum Abschlussbericht ExpG-R. Kostennutzwertanalyse

Anlage 025. zum Abschlussbericht ExpG-R. Kostennutzwertanalyse Anlage 025 zum Abschlussbericht ExpG-R Kostennutzwertanalyse Nutzwertanalyse der 1. Generation relativ einfach trotzdem effektiv komplexe Entscheidungsprozesse mit o quantitativen und/oder o qualitativen

Mehr

Der Analytische Hierachieprozeß. 1

Der Analytische Hierachieprozeß.   1 Der Analytische Hierachieprozeß http://www.boku.ac.at/iao/ahp 1 Kulturelle Unterschiede Einfluß auf das Entscheidungsverhalten 120 100 80 60 40 Power Distance Uncertainty Avoidance Individualism Maskulinity/Femininity

Mehr

MCDM MULTI CRITERIA DECISION MAKING

MCDM MULTI CRITERIA DECISION MAKING MCDM MULTI CRITERIA DECISION MAKING Einführung Projekt Wall-ie Studiengang Geoinformation und Umwelttechnologien c.erlacher@fh-kaernten.at Folie 1 von 17 Inhalt MCDM-Erläuterung MCDM-Elemente MCDM-Framework

Mehr

1 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 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

Mehr

Eine 3-Phasen-Methode zur Effizienzmessung im stationären Pflegebereich

Eine 3-Phasen-Methode zur Effizienzmessung im stationären Pflegebereich Eine 3-Phasen-Methode zur Effizienzmessung im stationären Pflegebereich Dipl.-Betriebswirt (FH) Christian Weiß Prof. Dr. Axel Focke Hochschule Neu-Ulm Kompetenzzentrum Gesundheitsmanagement Wileystraße

Mehr

Entscheidungsunterstützung in der Immobilienprojektentwicklung

Entscheidungsunterstützung in der Immobilienprojektentwicklung Entscheidungsunterstützung in der Immobilienprojektentwicklung Schriftenreihe Bau- und Immobilienmanagement herausgegeben von Bernd Nentwig Band 6 Alexandra Pommer Entscheidungsunterstützung in der Immobilienprojektentwicklung

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 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

Mehr

m 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23

m 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23 Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x

Mehr

Gewichtung von Usability-Kriterien

Gewichtung von Usability-Kriterien Gewichtung von Usability-Kriterien Autoren: Krisztin Pataki 1 und Manfred Thüring 2 Usability-Scoring, AHP, ISONORM 9241-110, Multiattribute Entscheidungsverfahren, Gewichtung Zusammenfassung Bei der Evaluation

Mehr

Institut für Produktion und Industrielles Informationsmanagement

Institut für Produktion und Industrielles Informationsmanagement Institut für Produktion und Industrielles Informationsmanagement Universität Duisburg-Essen / Campus Essen Fachbereich Wirtschaftswissenschaften Universitätsstraße 9, 45141 Essen Tel.: ++ 49 (0) 201 /

Mehr

Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.

Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen

Mehr

5 Suchmaschinen Page Rank. Page Rank. Information Retrieval und Text Mining FH Bonn-Rhein-Sieg, SS Suchmaschinen Page Rank

5 Suchmaschinen Page Rank. Page Rank. Information Retrieval und Text Mining FH Bonn-Rhein-Sieg, SS Suchmaschinen Page Rank Page Rank Google versucht die Bedeutung von Seiten durch den sogenannten Page Rank zu ermitteln. A C Page Rank basiert auf der Verweisstruktur des Webs. Das Web wird als großer gerichteter Graph betrachtet.

Mehr

Grundlagen des Analytic Hierarchy Process (AHP)

Grundlagen des Analytic Hierarchy Process (AHP) Grundlagen des Analytic Hierarchy Process (AHP) Vortrag am 28.09.2017 beim Stiftungslehrstuhl für Medizin-Management an der Universität Duisburg-Essen, Campus Essen Professor Dr. Malte L. Peters post@malte-peters.de

Mehr

Multikriterielle Bewertungsverfahren

Multikriterielle Bewertungsverfahren Multikriterielle Bewertungsverfahren Vergleich verschiedener multikriterieller Bewertungsverfahren mit MapModels (leopold.riedl@tuwien.ac.at) http://srf.tuwien.ac.at/lva/akdagi Workshop-Übersicht Teil

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

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

Mehr

Technische Universität München TOPSIS. Technique for Order Preference by Similarity to Ideal Solution. -Technik zur Lösung von Entscheidungsproblemen-

Technische Universität München TOPSIS. Technique for Order Preference by Similarity to Ideal Solution. -Technik zur Lösung von Entscheidungsproblemen- TOPSIS Technique for Order Preference by Similarity to Ideal Solution -Technik zur Lösung von Entscheidungsproblemen- 1 TOPSIS wurde von Hwang/Yoon 1981 konzipiert simple Technik zur Effizienzanalyse,

Mehr

Systemdenken und Gestaltungsmethodik Lösungsauswahl durch Bewertung

Systemdenken und Gestaltungsmethodik Lösungsauswahl durch Bewertung Systemdenken und Gestaltungsmethodik Lösungsauswahl durch Bewertung Prof. Dr.-Ing. Stefan Brunthaler TFH Wildau 2006ff Master Telematik Was war nochmal das Ziel? Erst war die Vision, Daraus folgten konkrete

Mehr

5.1 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

5.1 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

Mehr

Übungsaufgaben Lösungen

Übungsaufgaben Lösungen Übungsaufgaben Lösungen Stochastische Matrizen, Markov-Prozesse MV5.1 Eine N N-Matrix P heißt stochastisch, wenn ihre Matrixelemente nicht-negativ sind und alle Zeilensummen 1 ergeben. In Formeln: P ij

Mehr

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches 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

Mehr

4 Funktionenfolgen und normierte Räume

4 Funktionenfolgen und normierte Räume $Id: norm.tex,v 1.57 2018/06/08 16:27:08 hk Exp $ $Id: jordan.tex,v 1.34 2018/07/12 20:08:29 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Am Ende der letzten Sitzung hatten wir zwei

Mehr

Diagonalisierbarkeit symmetrischer Matrizen

Diagonalisierbarkeit symmetrischer Matrizen ¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren

Mehr

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von 1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von Wachstumsraten Bestimmung von Maximal- und Minimalwerten von

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare 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

Mehr

Nutzwertanalyse. Georg Westermann. 1. Ziele und Voraussetzungen. In den nachfolgenden Abschnitten soll mit der Nutzwertanalyse (NWA) ein Verfahren

Nutzwertanalyse. Georg Westermann. 1. Ziele und Voraussetzungen. In den nachfolgenden Abschnitten soll mit der Nutzwertanalyse (NWA) ein Verfahren Georg Westermann Nutzwertanalyse 1. Ziele und Voraussetzungen In den nachfolgenden Abschnitten soll mit der Nutzwertanalyse (NWA) ein Verfahren aus den Wirtschaftswissenschaften vorgestellt werden, mit

Mehr

Arbeit: Page, Brin, Motwani, Winograd (1998). Ziel: Maß für absolute

Arbeit: Page, Brin, Motwani, Winograd (1998). Ziel: Maß für absolute 3.4 PageRank Arbeit: Page, Brin, Motwani, Winograd (1998). Ziel: Maß für absolute Wichtigkeit von Webseiten; nicht Relevanz bezüglich Benutzeranfrage. Anfrageunabhängiges Ranking. Ausgangspunkt: Eingangsgrad.

Mehr

Randomisierte Algorithmen

Randomisierte Algorithmen Randomisierte Algorithmen Randomisierte Algorithmen Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Wintersemester 2018/2019 1 / 40 Überblick Überblick Grundlegendes zu Markov-Ketten

Mehr

1 Grundlagen Entscheidungstheorie: Der Entscheidungsträger wählt aus einer Menge von Alternativen, Annahmen:

1 Grundlagen Entscheidungstheorie: Der Entscheidungsträger wählt aus einer Menge von Alternativen, Annahmen: 1 Grundlagen Entscheidungstheorie: Der Entscheidungsträger wählt aus einer Menge von Alternativen, dem Aktionenraum A = {a 1, a 2, a m }. Annahmen: Der Entscheidungsträger ist gezwungen, eine der betrachteten

Mehr

Kolloquium zum Modul Planung

Kolloquium zum Modul Planung Kolloquium zum Modul Planung Kurseinheit III: Instrumente der Planung und des Controllings Benedict Jackenkroll (M. Sc.) Lehrstuhl für Betriebswirtschaftslehre, insb. Organisation und Planung Univ.-Prof.

Mehr

Kapitel 5 : Eigenwerte und Eigenvektoren

Kapitel 5 : Eigenwerte und Eigenvektoren Kapitel 5 : Eigenwerte und Eigenvektoren 5.1 Definition und allgemeine Eigenschaften Definition 5.1 Sei A eine quadratische (n n)-matrix. λ C heißt Eigenwert von A, wenn ein Vektor x C n mit x 0 existiert,

Mehr

Technische Universität München. Mehrdimensionale Bewertungsverfahren

Technische Universität München. Mehrdimensionale Bewertungsverfahren Mehrdimensionale Bewertungsverfahren Grobgliederung 1. Bewertungsverfahren 2. Die Nutzwertanalyse (NWA) 3. Der Analytisch Hierarchische Prozess (AHP) 4. Technique for Order Preference by Similarity to

Mehr

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 5 22

Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 5 22 Prof. Dr. H. Rommelfanger: Entscheidungstheorie, Kapitel 5 22 Der Ansatz von Goodman und Markowitz GOODMAN und MARKOWITZ [1952] sind der Ansicht, daß die 2. Bedingung von ARROW bei realen Entscheidungen

Mehr

Lineare Differenzengleichungen

Lineare Differenzengleichungen Lineare Differenzengleichungen Die Fibonacci-Zahlen F n sind definiert durch F 0 = 0 F 1 = 1 F n = F n 1 +F n 2 für n >= 2 Die letzte Zeile ist ein Beispiel für eine homogene lineare Differenzengleichung

Mehr

Hilfsblätter Lineare Algebra

Hilfsblätter Lineare Algebra Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,

Mehr

UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München

UVK 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

Mehr

3. Betriebswirtschaftliche Entscheidungslehre 3.1 Einleitung

3. Betriebswirtschaftliche Entscheidungslehre 3.1 Einleitung 3.1 Einleitung Auf Basis von Zielvorstellungen sollen die Konsequenzen von Handlungsalternativen ermittelt werden deskriptive Entscheidungstheorie: beschreibt, wie in der Realität Entscheidungen in konkreten

Mehr

Berechnung der Determinante

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

Mehr

Institut für Analysis und Scientific Computing E. Weinmüller WS 2015

Institut für Analysis und Scientific Computing E. Weinmüller WS 2015 Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS L I N E A R E A L G E B R A F Ü R T P H, U E (3.64). Haupttest (MO, 8..6) / Gruppe (mit Lösung ) Ein einfacher Taschenrechner ist

Mehr

Für das Allgemeine lineare Gleichungssystem mit n linearen Gleichungen und n Unbekannten

Für das Allgemeine lineare Gleichungssystem mit n linearen Gleichungen und n Unbekannten Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 008 6. Januar.009 Kapitel 6 Leontieff Modell, Lineare

Mehr

Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang

Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen

Mehr

Mehrdimensionale Skalierung

Mehrdimensionale Skalierung Mehrdimensionale Skalierung Datenanalyse Dietmar Maringer Abteilung für Quantitative Methoden, WWZ der Universität Basel Herbstsemester 2010 D Maringer: Datenanalyse Mehrdimensionale Skalierung (1) Problemstellung

Mehr

Jordan-Form. Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform. = Q 1 AQ 0 J k J =

Jordan-Form. Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform. = Q 1 AQ 0 J k J = Jordan-Form Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform J 1 0 J =... = Q 1 AQ 0 J k transformieren. Jordan-Form 1-1 Jordan-Form Eine komplexe

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

Kapitel 3. Konvergenz von Folgen und Reihen Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden

Mehr

2.4 Die Länge von Vektoren

2.4 Die Länge von Vektoren .4 Die Länge von Vektoren 59 Wir können dies auch so sagen: Wir identifizieren (,1)-Spaltenmatrizen mit Vektoren (oder Punkten) aus R, das heißt die Menge R und R 1 werden miteinander identifiziert. Einen

Mehr

2.2 Entscheidung bei Sicherheit

2.2 Entscheidung bei Sicherheit 2.2 Entscheidung bei Sicherheit Umweltzustand ist bekannt oder irrelevant, so dass die Ergebnisse der Handlungsalternativen sicher sind Bei mehreren Zielgrößen besteht die Herausforderung darin, den Entscheider

Mehr

Eigenwerte/Eigenvektoren/Eigenräume/Diagonalisierung

Eigenwerte/Eigenvektoren/Eigenräume/Diagonalisierung Zurück Stand 4.. 6 Eigenwerte/Eigenvektoren/Eigenräume/Diagonalisierung Im Allgemeinen werden Vektoren durch Multiplikation mit einer Matrix gestreckt und um einen bestimmten Winkel gedreht. Es gibt jedoch

Mehr

Ganzheitliche Analyse und Bewertung. von Strategie-Optionen. Controlling-gestützter Einsatz des Analytic Network Process im Strategischen Management

Ganzheitliche Analyse und Bewertung. von Strategie-Optionen. Controlling-gestützter Einsatz des Analytic Network Process im Strategischen Management Ganzheitliche Analyse und Bewertung von Strategie-Optionen Controlling-gestützter Einsatz des Analytic Network Process im Strategischen Management Inauguraldissertation zur Erlangung des akademischen Grades

Mehr

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v

Mehr

Die Einspeisung von Strom aus fluktuierenden. O p t i o n e n z u m U m g a n g m i t W i n d s t ro m ü b e r s c h ü s s e n

Die Einspeisung von Strom aus fluktuierenden. O p t i o n e n z u m U m g a n g m i t W i n d s t ro m ü b e r s c h ü s s e n Nachhaltiger Umgang mit überschüssigen Windstromanteilen Eine multikriterielle Analyse verschiedener Netz- und Speicheroptionen C H R I S T I N E K R Ü G E R Um Strom aus regenerativen Energien, der zeitweise

Mehr

4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k).

4 Matrizenrechnung. Beide Operationen geschehen also koeffizientenweise. Daher übertragen sich die Rechenregeln von K(m n, k). 4 Matrizenrechnung Der Vektorraum der m n Matrizen über K Sei K ein Körper und m, n N\{0} A sei eine m n Matrix über K: a a 2 a n a 2 a 22 a 2n A = = (a ij) mit a ij K a m a m2 a mn Die a ij heißen die

Mehr

6.4 Entscheidbarkeit. nein sein müssen, ist klar. THEO 6.4 Entscheidbarkeit 205/307 c Ernst W. Mayr

6.4 Entscheidbarkeit. nein sein müssen, ist klar. THEO 6.4 Entscheidbarkeit 205/307 c Ernst W. Mayr 6.4 Entscheidbarkeit Wortproblem Leerheit Äquivalenz Schnittproblem Typ 3 ja ja ja ja DCFL ja ja ja nein (*) Typ 2 ja ja nein (*) nein Typ 1 ja nein (*) nein nein Typ 0 nein (*) nein nein nein (*) Diese

Mehr

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Hauptachsentransformation: Eigenwerte und Eigenvektoren Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 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

Mehr

https://cuvillier.de/de/shop/publications/6839

https://cuvillier.de/de/shop/publications/6839 Ralf H. Kaspar (Autor) Ganzheitliche Analyse und Bewertung von Strategie-Optionen Controlling-gestützter Einsatz des Analytic Network Process im Strategischen Management https://cuvillier.de/de/shop/publications/6839

Mehr

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren 92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl

Mehr

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren 92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl

Mehr

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

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können

Mehr

1 Die Jordansche Normalform

1 Die Jordansche Normalform Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme

Mehr

Danksagung... Fehler! Textmarke nicht definiert. Inhaltsverzeichnis... vi. Abbildungsverzeichnis... xii. Tabellenverzeichnis...

Danksagung... Fehler! Textmarke nicht definiert. Inhaltsverzeichnis... vi. Abbildungsverzeichnis... xii. Tabellenverzeichnis... vi Danksagung... Fehler! Textmarke nicht definiert.... vi Abbildungsverzeichnis... xii Tabellenverzeichnis... xvi Abkürzungsverzeichnis... xvii Kurzfassung... xix Abstract... xx 1 Einleitung... 1 1.1 Problemstellung...

Mehr

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Mischungsverhältnisse: 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

Mehr

Die Nutzwertanalyse Ein Werkzeug für komplexe Entscheidungsvorgänge

Die Nutzwertanalyse Ein Werkzeug für komplexe Entscheidungsvorgänge 15.10.2015 Die Nutzwertanalyse Ein Werkzeug für komplexe Entscheidungsvorgänge Andreas Ziegler Vorwort In der betrieblichen Praxis sind fortwährend komplexe Entscheidungen zur treffen. Die Kriterien, auf

Mehr

5 Lineare Gleichungssysteme und Determinanten

5 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

Mehr

IT-Projektmanagement im Gesundheitswesen

IT-Projektmanagement im Gesundheitswesen IT-Projektmanagement im Gesundheitswesen Lehrbuch und Projektleitfaden - Taktisches Management von Informationssystemen - Unter Mitwirkung von Andreas Bess, Roland Blomer, Oliver J. Bott, Frauke Ehlers,

Mehr

3 Matrizenrechnung. 3. November

3 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

Mehr

Wichtige Kenntnisse der Linearen Algebra

Wichtige Kenntnisse der Linearen Algebra Wichtige Kenntnisse der Linearen Algebra In Kapitel 3 der Vorlesung werden wir sehen (und in Kapitel 6 vertiefen, dass zur Beschreibung von Quantensystemen mathematische Begriffe aus dem Gebiet der Linearen

Mehr

3 Systeme linearer Gleichungen

3 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 +

Mehr

eine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.

eine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ. Eigenwert, Eigenvektor In der Regel hat bei einer linearen Abbildung das Bild eines Vektors eine andere Richtung als das Original r. Bei der Untersuchung der geometrischen Eigenschaften von linearen Abbildungen

Mehr

10.2 Linearkombinationen

10.2 Linearkombinationen 147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition

Mehr

47 Singulärwertzerlegung

47 Singulärwertzerlegung 47 Singulärwertzerlegung 47.1 Motivation Wir haben gesehen, dass symmetrische Matrizen vollständig mithilfe ihrer Eigenwerte und Eigenvektoren beschrieben werden können. Diese Darstellung kann unmittelbar

Mehr

3.7 Eigenwerte und Eigenvektoren

3.7 Eigenwerte und Eigenvektoren 3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (Teschl/Teschl 14.2) Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =

Mehr

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von

Mehr

W-Seminar Operations Management

W-Seminar Operations Management W-Seminar V3 Bestimmung der Produkteigenschaften (Conjoint Analyse) Gymnasium Bad Königshofen Wirtschaft/Recht Schuljahr 2014-2016 Grundlegende Problemstellung Welche Produkteigenschaften soll unser Produkt

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(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:

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

Holistische Magnitude Skalierung Ein neuer Ansatz zur Nutzenmessung

Holistische Magnitude Skalierung Ein neuer Ansatz zur Nutzenmessung Holistische Magnitude Skalierung Ein neuer Ansatz zur Nutzenmessung Wolfgang Ilzer, Ernst Mairhofer Fachhochschule der Wirtschaft Campus02, Studiengang Marketing, Körblergasse 126, 8021 Graz, AUSTRIA KURZFASSUNG/ABSTRACT:

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.

Mehr

a 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:

a 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

Mehr

Aufgabe 2. Kolloquium zur Klausur Innovationscontrolling. Stephan Körner

Aufgabe 2. Kolloquium zur Klausur Innovationscontrolling. Stephan Körner Aufgabe 2 Kolloquium zur Klausur Innovationscontrolling Stephan Körner 08.11.2017 Agenda 1 Aufgabe 2a 2 Aufgabe 2b 3 Aufgabe 2c 2 Aufgabe 2: Der mittelständische Teehersteller Rotbusch GmbH möchte neben

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (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 =

Mehr

Johann Wolfgang Goethe - Universität Frankfurt am Main

Johann Wolfgang Goethe - Universität Frankfurt am Main Fachbereich Wirtschaftswissenschaften Institut für Statistik und Mathematik Johann Wolfgang Goethe - Universität Frankfurt am Main ENTSCHEIDUNGSTHEORIE Klausur vom 0.0.004 Prof. Dr. H. Rommelfanger Als

Mehr

Betriebswirtschaftliche Entscheidungstheorie und Anwendung

Betriebswirtschaftliche Entscheidungstheorie und Anwendung Betriebswirtschaftliche Entscheidungstheorie und Anwendung Kapitel 3: Entscheidungen unter Sicherheit Prof. Dr. Thorsten Poddig Lehrstuhl für Allgemeine Betriebswirtschaftslehre, insbes. Finanzwirtschaft

Mehr

Lineare Algebra und Geometrie II, Übungen

Lineare Algebra und Geometrie II, Übungen Lineare Algebra und Geometrie II, Übungen Gruppe (9 9 45 ) Sei A 2 Bestimmen Sie A und A Finden Sie weiters Vektoren u, v R 2 mit u und Au A, beziehungsweise v und Av A Zunächst die Berechnung der Norm

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte Lösungen zu den Übungsblättern 4-5 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Beispiel einer Koordinatentransformation Gegeben seien zwei

Mehr