Vorschau heute: Excel, lineare Algebra, Mathcad. Repetition
|
|
- Alfred Goldschmidt
- vor 7 Jahren
- Abrufe
Transkript
1
2 Vorschau heute: Excel, lineare Algebra, Mathcad Repetition
3 EXCEL
4 Formel: Beispiele * A3 sin( b2 ) rest( 13 ; 2) summe( a1 : a5 )
5 Variable (1) relativer Zellbezug (relative Koordinaten) A4 absoluter Zellbezug $A$4 gemischter Zellbezug $A4, B$7
6 Operatoren = ^ * / % + = < > <= >= <> & ( )
7 Formeln mit einfachen Funktionsaufrufen B A5 WAHR 50 C :00 3 Eingabe Zellwert Formelfeld =anzahl(b4:c8) 7 =ANZAHL(B4:C8) =anzahl2(b4:c8) 9 =ANZAHL2(B4:C8) =summe(b4:c8) =SUMME(B4:C8) =MITTELWERT(B4:C8) 31.5 =MITTELWERT(B4:C8) =zählenwenn(b4:c8; 3) 2 =ZÄHLENWENN(B4:C8;3)
8 Mathematische Funktionen (Seiten E 7.. E 9) bisher: SUMME / SUM EXP SIN PI SUMMEWENN / SUMIF ZÄHLENWENN / COUNTIF
9 SUMMEWENN (aus der Online Hilfe)
10 Boolesche Algebra Boolesche Konstanten: falsch (0), wahr (1) Boolesche Variablen: a, b Boolesche Operatoren: nicht, oder, und Boolesche Ausdrücke (BA): nicht ( a oder b) Negation a Nicht a a Disjunktion b a oder b a Konjunktion b aund b
11 Boolesche Algebra Rechnen mit den Werten WAHR und FALSCH. Beispiel: x > 5 und x < 10 x=3 FALSCH und WAHR => FALSCH x=7 WAHR und WAHR => WAHR x=11 WAHR und FALSCH => FALSCH
12 "Boolesche" Funktion WENN / IF gibt in Abhängigkeit vom Booleschen Wert einer Bedingung einen von zwei vorgegebenen Werten zurück: den "Dann-Wert", falls die Auswertung der Bedingung den Booleschen Wert WAHR ergibt, den "Sonst-Wert", falls die Bedingung den Wert FALSCH ergibt. Aufruf: wenn( Bedingung ; Dann-Wert ; Sonst-Wert )
13 "Boolesche" Funktion Beispiele: wenn(a > b ; a ; b) grösserer der beiden Werte a und b wenn( A6 >= 4; "genügend"; "ungenügend") "genügend", falls der Wert in A6 4 ist "ungenügend, sonst
14 mathematische Funktionen RUNDEN / ROUND rundet eine Zahl auf die gewählte Anzahl von Nachpunktstellen. Beispiele: runden(3.35; 1) 3.4 runden(-3.38; 1) 3.4 runden(-31.78; 1) 31.8 runden(-31.78; 0) 32 runden(-31.78; -1) 30 runden(-31.78) Syntaxfehler
15 mathematische Funktionen REST / MOD ("Modulo-Funktion") berechnet den Rest bei der Division Zahl / Divisor Beispiele: rest(13; 2) 1 rest(14; 2) 0 rest(17.9; 0.3) 0.2 rest(17; 3) 2 rest(17.9; -0.3) 0.1 rest(17; -3) 1
16 Textfunktionen LÄNGE / LEN TEIL / MID LINKS / LEFT FINDEN / FIND SUCHEN / SEARCH TEXT / TEXT WERT / VALUE
17 Textfunktionen LÄNGE / LEN gibt die Anzahl der Einzelzeichen eines Strings zurück. Beispiele: länge("wintersemester 2002/2003") 24 länge("a") 1 länge(" ") 1 länge("") 0
18 Textfunktionen WERT / VALUE konvertiert falls möglich einen String in eine Zahl und gibt #WERT! zurück, falls die Konversion nicht möglich ist. Beispiele: wert("35.1") 35.1 wert("note 4.0") #WERT! teil("note 4.0"; 5; 3) 4.0 als String! wert(teil("note 4.0"; 5; 3)) 4.0 als Zahl!
19 Datum- und Zeitfunktionen HEUTE / TODAY hat keinen Parameter liefert das aktuelle Datum, und zwar je nach Format entweder als ganze Zahl, z.b oder in benutzergewählt, z.b. 9. April 2003 analog: JETZT / NOW Zeit liefert aktuelles Datum mit aktueller weitere Datum- und Zeitfunktionen: jahr(datum), monat(datum), tag(datum), stunde(datum)
20 Filterung
21 Spezialfilter (1)
22 Spezialfilter (2) Der Ausdruck A*M matcht Adam aber nicht Anna Der Ausdruck A??A matcht Anna aber nicht Andrea
23 Spezialfilter (3)
24 Diagramm erstellen
25 Diagramme Oberfläche Netz
26 Zusammenfassung Excel Aufbau Tabellenblatt Formatierungen Einfache Formeln Absoluter und relativer Zellbezug Autoausfüllen Online Hilfe Boolsche Algebra Eingebaute Funktionen Diagramme Suchen Sortieren Autofilter und Spezialfilter
27 LINEARE ALGEBRA
28 Operationen mit Vektoren Addition zweier Vektoren Multiplikation eines Vektors mit einem Skalar Subtraktion zweier Vektoren Linearkombination lineare Unabhängigkeit Basis Koordinatensystem kartesisches Koordinatensystem Nullvektor Inverser Vektor (bezüglich der Addition) skalare Multiplikation zweier Vektoren Betrag eines Vektors Einheitsvektor Abstand zweier Punkte Orthogonalität zweier Vektoren vektorielle Multiplikation zweier Vektoren
29 Skalarprodukt Skalarprodukt von x R n und y R n : ein Skalar x = ( x 1 x 2... x n ), y = ( y 1 y 2... y n ) n x y := x i y i = x 1 y 1 + x 2 y x n y n Σi = 1
30 Skalarprodukt Der Betrag (Länge) eines Vektors ist die Quadratwurzel aus dem Skalarprodukt von x mit sich selber: x = x x bzw. Das Skalarprodukt eines Vektors mit sich selber ist das Quadrat seines Betrags. Satz: x y = x y cos φ mit φ : Winkel zwischen x und y Satz: Der Abstand zweier Punkte des R 3 ist der Betrag des Differenzvektors der beiden Ortsvektoren.
31 Vektorprodukt Vektorprodukt von x R 3 und y R 3 : ein Vektor des R 3 x y := ( x 2 y 3 x 3 y 2 x 3 y 1 x 1 y 3 x 1 y 2 x 2 y 1 ) Das Vektorprodukt ist ausschliesslich für zwei Vektoren des R 3 definiert! x y y φ x Satz: a) x (x y ) = 0 y (x y ) = 0 b) x y = x y sin φ (0 φ π)
32 Lineare Abbildungen Definition: Eine Abbildung f : V 1 V 2 zwischen zwei Vektormengen V 1 und V 2 heisst linear, falls für alle Vektoren x und y V 1 und alle Skalare λ und µ R gilt: f(λ x + µ y ) = λ f(x) + µ f(y).
33 Lineare Abbildungen und Matrizen Jede lineare Abbildung lässt sich mit Hilfe des Produktes aus einer Matrix und einem Spaltenvektor darstellen: f: V 1 V 2 (V 1 n-dimensional, V 2 m-dimensional) f: x y = f(x) y i = F i,1 x 1 + F i,2 x F i,n x n ( i = 1.. m ) abgekürzt geschrieben als y = F x mit y : (m,1)-matrix, x : (n,1)-matrix, F : (m,n)-matrix
34 Determinante (Seite LA 11) Determinanten sind nur für quadratische Matrizen definiert. allgemein: Multilinearform praktisch: eine Kennzahl einer quadratischen Matrix genauer: eine reelle Zahl, berechnet aus den einzelnen Elementen der Matrix einfach für n = 1, n = 2, n = 3 für n > 1: Entwicklung nach einer Zeile oder Spalte (rekursiv) Notation: A : Matrix A : Determinante
35 Determinante Entwicklung der Determinante A nach der i-ten Zeile von A: A = (A i,k ) : (n,n)-matrix mit n>1 z.b. i = 1 A := A 11 A [1,1] A 12 A [1,2] + A 13 A [1,3] (-1) 1+n A 1n A [1,n] mit A [1,k] : (n-1,n-1)-matrix, aus A konstruiert durch Streichen aller Elemente in der ersten Zeile und in der k-ten Spalte Aus n = 1 : A = (A 11 ) A := A 11 folgt für n = 2 : A 11 A 12 A = A 21 A 22 A = A 11 A 22 A 12 A 21 A 11 A 12 A 13 und für n = 3 : A = A 21 A 22 A 23 A 31 A 32 A 33 A = + A 11 (A 22 A 33 A 23 A 32 ) A 12 (A 21 A 33 A 23 A 31 ) + A 13 (A 21 A 32 A 22 A 31 )
36 Operationen mit Matrizen Die allgemeine Definition der Multiplikation zweier Matrizen (Seiten LA 12 und LA 13) Multiplikation zweier Matrizen A : (m,n)-matrix B : (p,q)-matrix Das Produkt P = A B ist genau dann definiert, falls n = p. Unter dieser Voraussetzung gilt: (1) P = (P i,k ) ist eine (m,q)-matrix (i = 1.. m, k = 1.. q). n (2) P i,k := A i,j B j,k j = 1 = A i,1 B 1,k + A i,2 B 2,k A i,n B n,k
37 Matrixmultiplikation SCHEMATISCH: s k P := A B Voraussetzung: n = p B := B B 1k... B 1q B B 2k... B 2q B p1... B pk B pq A := A 11 A A 1n P = P 11.. P 1k P 1q z i A i1 A i2 A in P i1 P ik... P iq A m1 A m2... A mn P m1... P mk... P mq P ik := z i s k (Skalarprodukt)
38 Inversion einer Matrix Bei gegebener regulärer Matrix A kann deren Inverse A -1 auch direkt (ohne lineare Gleichungssysteme) berechnet / definiert werden: A = (A ik ) (i = 1,...,n; k = 1,...,n), A 0 Bestimmung aller "Untermatrizen" A [i,k] (für alle i und alle k) Berechnung aller Determinanten A und A [i,k] Berechnung der "Matrix der Kofaktoren" von A: M = (M i,k ) mit M i,k := (-1) i+k A [i,k] Berechnung der adjungierten Matrix von A: adj A := transp M A -1 1 = adj A A
39 Anwendung 6.2 Auflösung eines linearen Gleichungssystems (Seite LA 17) LGS in Kurzform: A x = b m Gleichungen n Unbekannte x i (i = 1,...,n) A : (m,n)-matrix (Koeffizientenmatrix) x : (n,1)-matrix (Lösungsvektor, Lösungsmatrix) b : (m,1)-matrix (Matrix der rechten Seiten) Wichtiger Spezialfall: A quadratisch, A 0 LGS eindeutig lösbar A -1 A x = A -1 b x = A -1 b (1) A berechnen (2) A = 0 Es gibt keine eindeutige Lösung (entweder unendlich viele oder keine) andernfalls: A 1 berechnen (3) Die Multiplikation A 1 b ergibt den Lösungsvektor.
40 Anwendung 6.2 Auflösung eines linearen Gleichungssystems (Seite LA 17) LGS in Kurzform: A x = b m Gleichungen n Unbekannte x i (i = 1,...,n) A : (m,n)-matrix (Koeffizientenmatrix) x : (n,1)-matrix (Lösungsvektor, Lösungsmatrix) b : (m,1)-matrix (Matrix der rechten Seiten) Wichtiger Spezialfall: A quadratisch, A 0 LGS eindeutig lösbar A -1 A x = A -1 b x = A -1 b (1) A berechnen (2) A = 0 Es gibt keine eindeutige Lösung (entweder unendlich viele oder keine) andernfalls: A 1 berechnen (3) Die Multiplikation A 1 b ergibt den Lösungsvektor.
41 Anwendung 3: 6.3 Ausgleichung nach der Methode der kleinsten Quadrate (Seiten LA 18 bis LA 20) Gegeben: n Messpunkte: (x i, z i ) R 2 (i = 1,...,n) Gesucht: ausgleichende Polynomfunktion p vom Grad m: x p(x) = c j x j = c 0 + c 1 x + c 2 x c m x m (m<n) und zwar so, dass mit y i := p(x i ) die Summe der Abweichungsquadrate, d.h. der Ausdruck (y i z i ) 2 = (y 1 z 1 ) 2 + (y 2 z 2 ) (y n z n ) 2 minimal wird. m j = 0 n i = 1 Oder mit y := (y i ), z := (z i ) und d := y z : Der Betrag von d soll minimal werden!
42 Ausgleichung nach der Methode der kleinsten Quadrate Das LGS p(x i ) = z i ( i = 1,..., n) in Matrixschreibweise: A c = z mit A i,k := x k-1 i (i=1.. n; k=1.. m+1) Das LGS ist überbestimmt und im allgemeinen nicht exakt lösbar; d.h. es gilt: A c z ("Fehlergleichungssystem"). Das Gleichungssystem wird mit folgendem Algorithmus in ein neues LGS übergeführt: (1) Bestimme A T. (2) Berechne M = A T A : eine (m+1,m+1)-matrix. Satz: M ist für jedes A regulär. (3) Berechne r = A T z : eine (m+1,1)-matrix. (4) Satz: Das LGS M c = r ist eindeutig (exakt) lösbar. ("Normalgleichungssystem") Löse dieses Gleichungssystem: c = M 1 r. (5) Berechne die ausgeglichenen Werte y = (y i ) für die gegebenen Messwerte z = (z i ) als Matrixprodukt: y = A c. Satz: c ist Lösung des Normalgleichungssystems d ist minimal.
43 Zusammenfassung: Lineare Algebra Vektoren: Addition, Multiplikation mit Skalar, Inversion Skalarprodukt, Betrag, Vektorprodukt Abstand, Gerade, Ebene, Kreis, Kugel Linearkombination Matrizen: Addition, Multiplikation, Transposition, Inverse, Determinante, Einheitsmatrix reguläre, singuläre Matrizen Excel: Matrizenrechnung mit Excel
44 Zusammenfassung: Lineare Algebra Lineare Abbildungen: Projektion, Spiegelung, Drehung, Streckung/Stauchung, Verzerrung Kombination von linearen Abbildungen LGS: Lösen von Linearen Gleichungssystemen mit Hilfe der Inversen Least Square Fit: Ausgleich nach der Methode der kleinsten Quadrate
45 MATHCAD
46 Eingabehilfen Symbolleisten (3.2.3) 1 allgemeine ("Rechnen"): 9 spezielle: Taschenrechner Diagramm Matrix Auswertung Differential / Integral Boolesche Operatoren short cuts: <Ctrl>+<.> symbolische Auswertung <Ctrl>+m Array-Eingabe <Ctrl>+<+> Vergleichsoperator = (ausserdem auch alle short cuts wie in den MS Applikationen) Programmierung Griechisch Symbolische Operatoren
47 Konstanten und Variablen Konstanten: unbenannt / Variablen: benannt Konstanten: "Barbara Z." vordefinierte Variablen: π e ORIGIN 1i FRAME Namen für benutzerdefinierte Variablen: Folgen von Buchstaben, Ziffern und den vier Spezialzeichen _ ' %
48 Konstanten und Variablen Skalare, Vektoren, Matrizen (als Konstanten oder Variablen): Die Kategorie wird mit der Definition festgelegt und kann jederzeit geändert werden.
49 Konstanten und Variablen Bereichsvariable: umfasst eine diskrete Folge von Werten zwischen einem Anfangswert und einer oberen Grenze bei konstanter Schrittweite Definition durch Angabe von Anfangswert, Zweitwert und oberer Grenze Die Angabe des Zweitwerts ist fakultativ. Trennzeichen:, zwischen Anfangswert und Zweitwert ; zwischen Anfangs- oder Zweitwert und oberer Grenze
50 (Seite M-24.. M-26) Ein Array ist unter Mathcad entweder ein Vektor oder eine Matrix. Ein Vektor ist unter Mathcad immer ein Spaltenvektor, also ein (m,1)-array mit m>1 (m Zeilen, 1 Spalte). Eine Matrix ist ein (m,n)-array mit n>1.
51 (Seite M-24.. M-26) Die Nummerierung der Array-Komponenten (Vektorkomponenten, Matrixelemente) erfolgt durch Kennzeichnung mit Indices. Der Anfangswert der Indexierung (kleinster Indexwert) ist der Wert der vordefinierten Variablen ORIGIN und standardmässig auf 0 gesetzt. Eine globale Neudefinition erfolgt z.b. mit ORIGIN 1.
52 Operatoren der linearen Algebra 1 Vektor: Vektor und Skalar: + * / ^ 2 Vektoren: + * x 1 Matrix: Matrix und Skalar: + * / ^ 2 Matrizen: + *
53 Gleichungen Operator = (auf der Symbolleiste "Boolesche Operatoren") Gleichung Ausdruck 1 = Ausdruck 2 unterschiedliche Arten der Auflösung: symbolischer Auswertungsoperator und Schlüsselwort solve,x bzw. auflösen,x ("halbsymbolisch", alle Lösungen)
54 Gleichungen unterschiedliche Arten der Auflösung: Vorgabeblock: Schlüsselwort given und Auswertung find(x) bzw. Vorgabe / suchen(x) (symbolisch oder numerisch, alle Lösungen oder nur einzelne) Menü Symbolik / Variable / Auflösen (rein symbolisch, alle Lösungen) Menü Extras / Optimieren / Gleichung (symbolische Vereinfachung, numerische Auflösung)
55 2D-Diagramme Beispiel für X-Y-Diagramm: 3π x := 0, f( x) := sin() x 2 gx ( ) := f() x e x
56 2D-Diagramme 1 1 fx () e x 0 gx () x 4.6
57 Analysis: Ableitungen Geben Sie die Funktion ein, die Sie ableiten wollen fx ( ) := 2 x+ 3 + cos( x) 2 Geben Sie den Punkt (oder Wertebereich) an, für den Sie die Ableitung bestimmen wollen x:= 6 Erste Ableitung: st de vat ve: d dx fx ( ) = 1.463
58 Analysis: Integrale Geben Sie die Funktion ein, die Sie integrieren wollen gx ( ) := ln( 2x) Definieren Sie die untere und obere Schranke a := 1 b := 2 Das bestimmte Intergral b a gx ( ) dx = 1.079
59 Schlüsselwörter
60 Schlüsselwörter: expand, factor expand ( a + b) 3 expand a a 2 b + 3 a b 2 + b 3 factor a a 2 b + 3 a b 2 + b 3 factor ( a + b) 3
61 Schlüsselwörter: simplify simplify r + s s s + s r s r s simplify r 2 s 2
62 einfache Anweisungen Auswertung (Ausdrucksanweisung) Zuweisung 3 sin(x) s 3 sin(x)
63 Strukturierte Anweisungen Sequenz Alternative Iteration (Block) (Verzweigung) (Wiederholung) BA BA if for if otherwise while
64 Beispiel 1 maximum( x, y) := x if x> y y otherwise maximum( 1, 2) = 2 maximum( 0, 0) = 0 maximum( 5.2, 3.4) = 3.4 maximum ( 4, "Anna" ) = maximum ("Lukas", "Anna") = "Lukas"
65 Beispiel 2 f( x) := 3 if x < 2 ( 3 4 x 2 ) if x 2 ( 4 0.5x) if x > 2 x:= 6, f( x) x
66 Beispiel 3 s0( a, b) := s 0 for s i a.. b s s + i 2 s1( a, b) := i b = a i 2 quadratsumme ( a, b) := ( s0( a, b) s1( a, b) ) quadratsumme ( 2, 4) = ( ) quadratsumme ( 1, 7) = ( ) quadratsumme ( 1.2, 3.6 ) = s0( 1.2, 3.6) = s1 ( 1.2, 3.6 ) =
67 Mathcad-Themen 1. Skalar: Konstante, Variable Datentypen 2. Bereichsvariablen 3. Arrays: Vektoren und Matrizen 4. Deklaration, Definition 5. Platzhalter 6. Operatoren 7. numerische Auswertung 8. symbolische Auswertung 9. Eingabehilfen: Symbolleisten, Schaltflächen
68 Mathcad-Themen 1. benutzerdefinierte Funktionen 2. Funktionsaufruf, Parameter 3. vordefinierte Funktionen 4. 2D-Diagramme 5. 3D-Diagramme 6. besondere symbolische Auswertung 7. Ergebnisformatierung 8. Import / Export 9. Programmierung
69 The End
Vorschau. Zusammenfassung Lineare Algebra Einführung MathCad
Vorschau heute: Mathcad Zusammenfassung Lineare Algebra Einführung MathCad Zusammenfassung: Lineare Algebra Vektoren: Addition, Multiplikation mit Skalar, Inversion Skalarprodukt, Betrag, Vektorprodukt
MehrMathcad-Themen 1. Skalar: Konstante, Variable Datentypen 2. Bereichsvariablen 3. Arrays: Vektoren und Matrizen 4. Deklaration, Definition 5.
1 2 Mathcad-Themen 1. Skalar: Konstante, Variable Datentypen 2. Bereichsvariablen 3. Arrays: Vektoren und Matrizen 4. Deklaration, Definition 5. Platzhalter 6. Operatoren 7. numerische Auswertung 8. symbolische
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
MehrVorschau. Mathematische Funktionen Textfunktionen Datum- und Zeitfunktionen Einfache Diagramme
1 Vorschau heute: Excel Mathematische Funktionen Textfunktionen Datum- und Zeitfunktionen Einfache Diagramme 2 Cool Link: http://www.exceltip.com 3 Excel Tipps mit Google: 4 Einfügen von neuen Zeilen und
MehrVorschau heute: Excel (2) Repetition Boolesche Funktionen Mathematische Funktionen Textfunktionen Datum- und Zeitfunktionen Einfache Diagramme
1 Vorschau heute: Excel (2) Repetition Boolesche Funktionen Mathematische Funktionen Textfunktionen Datum- und Zeitfunktionen Einfache Diagramme 2 Boolesche Algebra Rechnen mit den Werten WAHR und FALSCH.
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
MehrVorschau heute: Excel (4) Komplexe Diagramme Autoformatieren Sortieren Suchen Einblenden, ausblenden Autofilter Spezialfilter
1 Vorschau heute: Excel (4) Komplexe Diagramme Autoformatieren Sortieren Suchen Einblenden, ausblenden Autofilter Spezialfilter 2 Komplexe Diagramme ASW 3 Komplexe Diagramme ASW 4 Komplexe Diagramme ASW
MehrEinige Vektor-, Matrix- und Textfunktionen Graphik und Diagramme Quicksheets Import- und Export von Daten Analysis mit MathCAD
Heute in der Vorlesung Einige Vektor-, Matrix- und Textfunktionen Graphik und Diagramme Quicksheets Import- und Export von Daten Analysis mit MathCAD 2 Vektor- und Matrix-Funktionen (M 3) length(v) länge(v)
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
MehrBitte schreiben Sie sich in die Mailingliste der Vorlesung ein! Den Link finden Sie auf der Vorlesungshomepage.
Mailingliste Bitte schreiben Sie sich in die Mailingliste der Vorlesung ein! Den Link finden Sie auf der Vorlesungshomepage. ZUR ERINNERUNG Regulärer Stundenplan Freitag, 14-16 Uhr: Vorlesung, ExWi A6
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
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
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
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
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
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
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)
MehrMathematik-1, Wintersemester Vorlesungsplan, Übungen, Hausaufgaben
Mathematik-1, Wintersemester 2014-15 Vorlesungsplan, Übungen, Hausaufgaben Vorlesungen: Lubov Vassilevskaya Übungen: Dr. Wilhelm Mons, Lubov Vassilevskaya http://www.math-grain.de/ Inhaltsverzeichnis 1.
MehrFormelsammlung Mathematik Grundkurs Inhalt
Formelsammlung Mathematik Grundkurs Inhalt Inhalt...1 Trigonometrie Grundlagen... Vektoren...3 Skalarprodukt...4 Geraden...5 Abstandsberechnungen...6 Ebenen...7 Lineare Gleichungssysteme (LGS)...8 Gauß'sches
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
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
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
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
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
MehrAufgabe 1 (Excel) Anwendungssoftware 1 / 11 Semesterschlussprüfung 21.06.2004
Anwendungssoftware 1 / 11 Dauer der Prüfung: 90 Minuten. Es sind alle fünf Aufgaben mit allen Teilaufgaben zu lösen. Versuchen Sie, Ihre Lösungen soweit wie möglich direkt auf diese Aufgabenblätter zu
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
MehrVorlesung Mathematik für Ingenieure 1 (Wintersemester 2008/09)
Vorlesung Mathematik für Ingenieure Wintersemester 8/9 Kapitel 4: Matrizen, lineare Abbildungen und Gleichungssysteme Volker Kaibel Otto-von-Guericke Universität Magdeburg Version vom 5. November 8 Page-Rank
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
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
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
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
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
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrMatrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie
Regina Gellrich Carsten Gellrich Matrizen und Determinanten, Lineare Gleichungssysteme, Vektorrechnung, Analytische Geometrie Mit zahlreichen Abbildungen, Aufgaben mit Lösungen und durchgerechneten Beispielen
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
MehrOrthogonale Matrix. Definition 4.19
Orthogonale Matrix Ausgleichsprobleme sind häufig schlecht konditioniert. Matrix des Normalengleichungssystems kann nahezu singulär sein. Spezielle Matrixzerlegung für höhere numerische Stabilität: QR-Zerlegung
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
MehrKapitel I: Vektorrechnung 2: Vektoren im Raum
WS 1/14 - Prof Dr Manfred Leitz 2 Vektoren im Raum A Grundbegriffe B Rechnen mit Vektoren C Der euklidische Betrag D Das euklidische Skalarprodukt E Vektorprodukt und Spatprodukt F Geraden und Ebenen im
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
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
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
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
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
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
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
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
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
MehrZusammenfassung zum Thema Vektor- und Matrizenrechnung
Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,
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
MehrAussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
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
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
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
MehrSpezielle Matrixformen
Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß
Mehr2. 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
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
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
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. Gymnasium Immensee SPF PAM. Bettina Bieri
Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1
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
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrAnalytische Geometrie, Vektorund Matrixrechnung
Kapitel 1 Analytische Geometrie, Vektorund Matrixrechnung 11 Koordinatensysteme Eine Gerade, eine Ebene oder den Anschauungsraum beschreibt man durch Koordinatensysteme 111 Was sind Koordinatensysteme?
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 +
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
MehrEinführung 17. Teil I Zu den Grundlagen der linearen Algebra 21. Kapitel 1 Schnelleinstieg in die lineare Algebra 23
Inhaltsverzeichnis Einführung 17 Zu diesem Buch 17 Konventionen in diesem Buch 17 Törichte Annahmen über den Leser 17 Wie dieses Buch aufgebaut ist 18 Teil I: Zu den Grundlagen der linearen Algebra 18
MehrÜbungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
Mehr1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.
1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit
MehrMatrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
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
MehrLineare Algebra. 2. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 6, 017 1 Erinnerung: Lineare Gleichungssysteme LGS Der allgemeine Fall hat m lineare Gleichungen, n
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
MehrVektoren, Vektorräume
Vektoren, Vektorräume Roman Wienands Sommersemester 2010 Mathematisches Institut der Universität zu Köln Roman Wienands (Universität zu Köln) Mathematik II für Studierende der Chemie Sommersemester 2010
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
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
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.
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
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):
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
MehrGrundlagen der Vektorrechnung
Grundlagen der Vektorrechnung Ein Vektor a ist eine geordnete Liste von n Zahlen Die Anzahl n dieser Zahlen wird als Dimension des Vektors bezeichnet Schreibweise: a a a R n Normale Reelle Zahlen nennt
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
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
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,...,
MehrKurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif
14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte
MehrWirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 +
MehrÜberbestimmte Gleichungssysteme
Siebente Vorlesung, 8. Mai 2008, Inhalt Überbestimmte Gleichungssysteme Kleinste Quadrate: einfaches Beispiel, elementare Herleitung Normalengleichungen Transformation mit QR-Zerlegung und SVD Nichtlineare
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
MehrProseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrInhaltsverzeichnis. Inhalt. Einleitung Vektoralgebra
Inhalt 3 Inhaltsverzeichnis Einleitung...9 1 Vektoralgebra 1.1 Geometrische Darstellung von Vektoren... 14 1.1.1 Begriff des Vektors... 14 1.1.2 Inverser Vektor und Nullvektor... 17 1.1.3 Addition von
Mehr