Mathematik 1 für Wirtschaftsinformatik

Größe: px
Ab Seite anzeigen:

Download "Mathematik 1 für Wirtschaftsinformatik"

Transkript

1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg

2 Spezialfälle und Rechenregeln Spezialfälle der Matrixmultiplikation A = (m n)-matrix, B = (n m)-matrix es existiert A B und B A A quadratisch A A = A 2 existiert A, B quadratisch A B existiert und B A existiert. Aber: Im Allgemeinen A B B A Ist E Einheitsmatrix, dann gilt: Spezielle Rechenregeln A E = E A = A A = (m p)-matrix, B = (p n)-matrix. Damit gilt: A B und B T A T existieren. B T A T = (A B) T A T A AA T ist symmetrische (p p)-matrix und ist symmetrische (m m)-matrix 76

3 Norm Gegeben Vektor a R n Definition: Absolutbetrag, Norm oder Länge eines Vektors: a = a = a T a = a a n2 = n a 2 i R + i=1 Seien a, b, c Vektoren des R n und r R ein Skalar. Dann gilt: a) a + b = b + a, a b = b a b) ra = r a c) a T b a b für n > 1 (Cauchy-Schwarz-Ungleichung) = a b für n = 1 d) a + b a + b (Dreiecksungleichung) e) a c c b a b a c + c b 77

4 Kosinussatz Gegeben: a, b Vektoren des R n, die den Winkel γ einschließen. Nach dem Kosinussatz gilt im Dreieck mit den Ecken 0, A, B a b 2 = a 2 + b 2 2 a b cos γ. b x 2 b a b a x 1 B b A Damit gilt: ( a + b 2 a 2 b 2) a T b = 1 2 ( a 2 + b 2 a b 2) = 1 2 = a b cos γ 78

5 Hyperebenen und Sphären Definition Hyperebene Gegeben: a R n mit a 0 und b R Dann heißt H(a, b) = { x R n : a T x = b } Hyperebene im R n Anmerkung: H teilt den R n in zwei Halbräume Definition Sphäre Gegeben: a R n, r R + Dann heißt K = {x R n : x a = r} Sphäre (Kugelfläche) im R n und dem Radius r Damit: r-umgebung von a: K < (a, r) = {x R n : x a < r} 79

6

7 Beispiel Hyperebene/Sphäre Beispiele H = { x R 3 : 2x 1 + 3x 2 + 3x 3 = 6 } { } K = x R 3 : x = 1 { } = x R 3 : (x 1 3) 2 + (x 2 2) 2 + x 32 = 1 80

8

9 Offenheit, Abgeschlossenheit Gegeben M R n eine Punktmenge des R n und M = R n \ M deren Komplement bzgl. R n. Dann heißt: a R n innerer Punkt von M, wenn eine r-umgebung K < (a, r) von a existiert, die ganz in M liegt, also K < (a, r) M, a R n äußerer Punkt von M, wenn eine r-umgebung K < (a, r) von a existiert, die ganz in M liegt und a R n Randpunkt von M, wenn a weder innerer noch äußerer Punkt von M ist. Eine Punktmenge M R n heißt dann offen wenn jedes Element a M innerer Punkt von M ist, abgeschlossen, wenn jedes Element a M innerer Punkt von M ist, also das Komplement M offen ist. 81

10

11 Beschränktheit, Kompaktheit Eine Punktmenge M R n heißt beschränkt nach oben, wenn ein b R n existiert mit b x für alle x M, beschränkt nach unten, wenn ein a R n existiert mit a x für alle x M, beschränkt, wenn M nach oben und unten beschränkt ist, kompakt, wenn M beschränkt und abgeschlossen ist. Beispiele M 1 = {x R 2 + : x 1 + 2x 2 3, x 2} M 2 = {x R 2 + : x 1 N} 82

12

13 Lineare : Einführung Beispiele linearer } 2x a) 1 3x 2 = 1 x x 1 + x 2 = 2 1 = x 2 = 1 } x b) 1 + x 2 = 4 L = x 1 + x 2 = 2 } x c) 1 x 2 = 1 unendlich viele Lösungen 2x 1 + 2x 2 = 2 Probleme: System lösbar oder nicht? Verfahren zum Auffinden von Lösungen Darstellung von mehrdeutigen Lösungen Dazu gibt es: Den Gaußschen Algorithmus (erzeugt Dreiecksmatrix) das Verfahren von Gauß-Jordan (modifizierte Gauß: erzeugt Einheitsmatrix) 83

Mathematik 1 Bachelorstudiengang Maschinenbau

Mathematik 1 Bachelorstudiengang Maschinenbau Mathematik 1 Bachelorstudiengang Maschinenbau Prof Dr Stefan Etschberger Hochschule Augsburg Sommersemester 2012 Übersicht 4 Lineare Algebra 1 Grundlegendes 2 Aussagenlogik 3 Mengen 4 Lineare Algebra Lernziele

Mehr

Wirtschafts- und Finanzmathematik

Wirtschafts- und Finanzmathematik Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2017/18 04.10.2017 Einführung, R, Grundlagen 1 11.10.2017 Grundlagen, Aussagen 2 18.10.2017 Aussagen

Mehr

Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik 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 +

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg Spezialfälle und Rechenregeln Spezialfälle der Matrimultiplikation A = (m

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 + x 2 =

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Komplexe Zahlen 5 Lineare Algebra 6 Lineare Programme 5 Lineare Algebra

Mehr

Kapitel 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 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.

Mehr

Kapitel 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 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.

Mehr

Matrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I

Matrixalgebra. 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):

Mehr

9 Vektorräume mit Skalarprodukt

9 Vektorräume mit Skalarprodukt 9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden

Mehr

Lösbarkeit linearer Gleichungssysteme

Lösbarkeit 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

Mehr

Ultrametrik. Christian Semrau Metrische Räume

Ultrametrik. Christian Semrau Metrische Räume Ultrametrik Christian Semrau 05.11.2002 Inhaltsverzeichnis 1 Metrische Räume 1 1.1 Definition der Metrik.................................. 1 1.2 Offene und abgeschlossene Mengen..........................

Mehr

Kapitel 3 Lineare Algebra

Kapitel 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

Mehr

Lineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß

Lineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Lineare Algebra I - 26. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Donnerstag 8.12.: 8:30 Uhr - Vorlesung 10:15 Uhr - große Übung / Fragestunde Klausur: Mittwoch, 14.12. 14:15 Uhr, A3 001 Cauchy-Schwarz

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch

Mehr

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix: Beispiel 0 2 3 0 Um die inverse der Matrix A mit Gauß-Jordan-Algorithmus zu bestimmen, wird eine Folge von elementaren Zeilenoperationen durchgeführt.

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

Definition, Rechenoperationen, Lineares Gleichungssystem

Definition, 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

Mehr

Einführung 15. Teil I Grundlagen der Algebra 21. Kapitel 1 Die bunte Welt der linearen Algebra 23

Einführung 15. Teil I Grundlagen der Algebra 21. Kapitel 1 Die bunte Welt der linearen Algebra 23 Inhaltsverzeichnis Einführung 15 Zu diesem Buch 15 Konventionen in diesem Buch 16 Was Sie nicht lesen müssen 16 Törichte Annahmen über den Leser 16 Wie dieses Buch aufgebaut ist 16 Teil I: Grundlagen der

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).

Mehr

Extrema multivariater Funktionen

Extrema multivariater Funktionen Extrema multivariater Funktionen Ist f (x ) ein Minimum (Maximum) einer stetig differenzierbaren skalaren Funktion f auf einer Umgebung U von x, so gilt grad f (x ) = (0,..., 0) t. Extrema multivariater

Mehr

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs 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

Mehr

12. Trennungssätze für konvexe Mengen 83

12. Trennungssätze für konvexe Mengen 83 12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C

Mehr

12 Übungen zu Gauß-Algorithmus

12 Übungen zu Gauß-Algorithmus Aufgaben zum Vorkurs B S. 2 Übungen zu Gauß-Algorithmus 2x x 2 = 7x +, 5x 2 = 7 Aufgabe 6: Aufgabe 7: Aufgabe 8: Aufgabe 9: 2x x 2 = x +2x 2 = 2 2x x 2 = 7x +, 5x 2 =, 5 x 2x 2 = x +x 2 = 5 2x +x 2 = 4

Mehr

Topologische Begriffe

Topologische Begriffe Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer

Mehr

Grundlegende Definitionen aus HM I

Grundlegende Definitionen aus HM I Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen

Mehr

Inhalt. 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 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

Mehr

Mathematik für Naturwissenschaftler II

Mathematik für Naturwissenschaftler II Mathematik für Naturwissenschaftler II Dr Peter J Bauer Institut für Mathematik Universität Frankfurt am Main Sommersemester 27 Lineare Algebra Der mehrdimensionale Raum Vektoren Im Teil I dieser Vorlesung

Mehr

Tutorium: Analysis und Lineare Algebra

Tutorium: Analysis und Lineare Algebra Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218

Mehr

Lösung Semesterendprüfung

Lösung Semesterendprüfung MLAE Mathematik: Lineare Algebra für Ingenieure Herbstsemester Dr. Christoph Kirsch ZHAW Winterthur Lösung Semesterendprüfung Aufgabe : a Mit dem Distributivgesetz multiplizieren wir aus: und lösen nach

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. 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

Mehr

14 Skalarprodukt Abstände und Winkel

14 Skalarprodukt Abstände und Winkel 4 Skalarprodukt Abstände und Winkel Um Abstände und Winkel zu definieren benötigen wir einen neuen Begriff. Zunächst untersuchen wir die Länge eines Vektors v. Wir schreiben dafür v und sprechen auch von

Mehr

Fortgeschrittene Mathematik Raum und Funktionen

Fortgeschrittene Mathematik Raum und Funktionen Fortgeschrittene Mathematik Raum und Funktionen Thomas Zehrt Universität Basel WWZ Thomas Zehrt (Universität Basel WWZ) R n und Funktionen 1 / 33 Outline 1 Der n-dimensionale Raum 2 R 2 und die komplexen

Mehr

12. R n als EUKLIDISCHER VEKTORRAUM

12. R n als EUKLIDISCHER VEKTORRAUM 12. R n als EUKLIDISCHER VEKTORRAUM 1 Orthogonalität in der Ebene. Die Vektoren in der Ebene, die (im üblichen Sinne) senkrecht zu einem Vektor x = (x 1, x 2 ) T stehen, lassen sich leicht angeben. Sie

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019 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

Mehr

6.1 Topologische Grundbegriffe

6.1 Topologische Grundbegriffe 6.1 Topologische Grundbegriffe Längen und Abstände Elemente des Raumes R n interpretieren wir alternativ als Vektoren oder als Punkte. Wir benutzen je nach Bedarf Zeilen- oder Spaltenvektoren. Den n-dimensionalen

Mehr

Münchner Volkshochschule. Planung. Tag 08

Münchner Volkshochschule. Planung. Tag 08 Planung Tag 08 Prof.Dr. Nils Mahnke Mathematischer Vorkurs Folie: 181 Vektoren Analytische Darstellung: Jedem Punkt im Raum kann ein Ortsvektor zugeordnet werden. P: (6; 5) R 2 P(6; 5) a = OP = 6 5 a Vektoren

Mehr

Definition, Rechenoperationen, Lineares Gleichungssystem

Definition, 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

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

2 Euklidische Vektorräume

2 Euklidische Vektorräume Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,

Mehr

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

Kapitel 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

Mehr

Kontrollfragen und Aufgaben zur 3. Konsultation

Kontrollfragen und Aufgaben zur 3. Konsultation 1 Technische Universität Ilmenau Fakultät für Mathematik und Naturwissenschaften Institut für Mathematik Prof. Dr. Michael Stiebitz Kontrollfragen und Aufgaben zur 3. Konsultation Termin: Ort: Determinante

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg Argumentationstechniken PLUS Direkter Beweis einer Implikation A B (analog

Mehr

Vortrag 20: Kurze Vektoren in Gittern

Vortrag 20: Kurze Vektoren in Gittern Seminar: Wie genau ist ungefähr Vortrag 20: Kurze Vektoren in Gittern Kerstin Bauer Sommerakademie Görlitz, 2007 Definition und Problembeschreibung Definition: Gitter Seien b 1,,b k Q n. Dann heißt die

Mehr

9 Metrische und normierte Räume

9 Metrische und normierte Räume 9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik

Mehr

Kapitel II Lineare Algebra und analytische Geometrie Stand 9. Januar 2011

Kapitel II Lineare Algebra und analytische Geometrie Stand 9. Januar 2011 Kapitel II Lineare Algebra und analytische Geometrie Stand 9 Januar 011 7 Bewegungen Wir betrachten jetzt Affinitäten in n unter Einbeziehung der Abstandsmessung Die Abstandsmessung in n beruht auf einem

Mehr

35 Matrixschreibweise für lineare Abbildungen

35 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

Mehr

Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen

Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)

Mehr

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153 3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt

Mehr

Wirtschafts- und Finanzmathematik

Wirtschafts- und Finanzmathematik Prof. Dr. Stefan Etschberger HSA Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2016/17 q n Endwert nachschüssig q r1 Periode 1 nachschüssige Renten

Mehr

bzw. eine obere Dreiecksmatrix die Gestalt (U: upper)

bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere

Mehr

Mathematik-1, Wintersemester Vorlesungsplan, Übungen, Hausaufgaben

Mathematik-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.

Mehr

Kapitel 17 Skalar- und Vektorprodukt

Kapitel 17 Skalar- und Vektorprodukt Kapitel 17 Skalar- und Vektorprodukt Mathematischer Vorkurs TU Dortmund Seite 1 / 22 Bisher hatten wir die Möglichkeit Vektoren des R n zu addieren und Vektoren mit rellen Zahlen zu multiplizieren. Man

Mehr

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Matrizen, 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

Mehr

Matrix- Algorithmen Householder- und Givens- Matrizen

Matrix- Algorithmen Householder- und Givens- Matrizen Fast und 20. Mai 2011 und Inhaltsverzeichnis Fast 1 2 Fast und Fast ist eine eines Vektors an der Hyperebene durch die Null im euklidischen Raum Ein zur Spiegelebene orthogonaler Vektor v R n \ {0} wird

Mehr

Matrizen. 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

Matrizen. 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

Mehr

KLAUSUR. Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.:

KLAUSUR. Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.: KLAUSUR Lineare Algebra (E-Techniker/Mechatroniker/W-Ingenieure/Informatiker).3. (W. Koepf) Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.: Für jede Aufgabe gibt es Punkte. Zum Bestehen der Klausur

Mehr

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das

Mehr

1 ALLGEMEINE HINWEISE Das Fach Mathematik für Wirtschaftswissenschaftler Bisheriger Aufbau der Klausur...

1 ALLGEMEINE HINWEISE Das Fach Mathematik für Wirtschaftswissenschaftler Bisheriger Aufbau der Klausur... Grundlagen Mathe V Inhaltsverzeichnis 1 ALLGEMEINE HINWEISE... 1-1 1.1 Das Fach Mathematik für Wirtschaftswissenschaftler... 1-1 1.2 Bisheriger Aufbau der Klausur... 1-1 1.3 Zugelassene Hilfsmittel und

Mehr

Kapitel 5. Vektorräume mit Skalarprodukt

Kapitel 5. Vektorräume mit Skalarprodukt Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg Berechnung von Eigenwerten und Eigenvektoren Mathematik 1 Bestimmung von Eigenwerten und Eigenvektoren Jedes λ, das det(a

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Aussagenlogik. 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

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

Cramersche Regel. Satz 2.26

Cramersche Regel. Satz 2.26 ramersche Regel Satz 6 Es sei A R n n eine quadratische Matrix mit det(a) 6= Für das LGS Ax = b sei A j := (a,,a j, b, a j+,,a n ), also die Matrix, die entsteht, wenn in A die j-te Spalte durch den Vektor

Mehr

Aussagenlogik. 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. 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

Mehr

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

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

Invertierbarkeit von Matrizen

Invertierbarkeit von Matrizen Invertierbarkeit von Matrizen Lineare Algebra I Kapitel 4 24. April 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de

Mehr

L5.2 Inverse einer Matrix Betrachte im Folgenden lineare Abbildungen der Form: dann ist die Matrix, durch die A dargestellt wird, 'quadratisch', d.h.

L5.2 Inverse einer Matrix Betrachte im Folgenden lineare Abbildungen der Form: dann ist die Matrix, durch die A dargestellt wird, 'quadratisch', d.h. L5.2 Inverse einer Matrix Betrachte im Folgenden lineare Abbildungen der Form: gleich viel Zeilen wie Spalten dann ist die Matrix, durch die A dargestellt wird, 'quadratisch', d.h. 'Identitätsabbildung':

Mehr

Vektoren und Matrizen

Vektoren 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

Mehr

Technische Universität München

Technische Universität München Technische Universität München Michael Schreier Ferienkurs Lineare Algebra für Physiker Vorlesung Montag WS 2008/09 1 komplexe Zahlen Viele Probleme in der Mathematik oder Physik lassen sich nicht oder

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

Mehr

4 Lineare Abbildungen und Matrizen

4 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

Mehr

Beispiele 1. Gegeben ist das lineare System. x+4y +3z = 1 2x+5y +9z = 14 x 3y 2z = 5. Die erweiterte Matrix ist

Beispiele 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

Mehr

Einführung in die Grundlagen der Numerik

Einführung in die Grundlagen der Numerik Einführung in die Grundlagen der Numerik Institut für Numerische Simulation Rheinische Friedrich-Wilhelms-Universität Bonn Wintersemester 2014/2015 Normierter Vektorraum Sei X ein R-Vektorraum. Dann heißt

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 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

Mehr

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen

IV. 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

Übungsblatt

Übungsblatt 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

Mehr

Skalarprodukte (Teschl/Teschl Kap. 13)

Skalarprodukte (Teschl/Teschl Kap. 13) Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +

Mehr

Lineare Algebra für Ingenieure

Lineare Algebra für Ingenieure TECHNISCHE UNIVERSITÄT BERLIN SS 4 Fakultät II - Mathematik J Liesen/F Lutz/R Seiler Lineare Algebra für Ingenieure Lösungen zur Juli-Klausur Stand: 4 September 4 Rechenteil Aufgabe (8 Punkte Berechnen

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare 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

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

2 Matrizenrechnung und Lineare Gleichungssysteme

2 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

Mehr

10 Unitäre Vektorräume

10 Unitäre Vektorräume 10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;

Mehr

5 Teilmengen von R und von R n

5 Teilmengen von R und von R n 5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung

Mehr

Geometrie. Ingo Blechschmidt. 4. März 2007

Geometrie. Ingo Blechschmidt. 4. März 2007 Geometrie Ingo Blechschmidt 4. März 2007 Inhaltsverzeichnis 1 Geometrie 2 1.1 Geraden.......................... 2 1.1.1 Ursprungsgeraden in der x 1 x 2 -Ebene.... 2 1.1.2 Ursprungsgeraden im Raum..........

Mehr

a ij i - te Gleichung (Zeile), i = 1,2,3,..., m

a ij i - te Gleichung (Zeile), i = 1,2,3,..., m I) MATRIZEN Der Start: Lineare Gleichungen y ax+ a2x2 + a3x3 y2 a2x+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i,2,3,..., m j - te Variable (Spalte), j,2,3,..., n Definition m x n Matrix

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

8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen

8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen 8 Euklidische und unitäre Vektorräume Skalarprodukte Orthogonalität Matrizen 8 Euklidische und unitäre Vektorräume Skalarprodukte Orthogonalität Matrizen In diesem Kapitel werden nur endlich dimensionale

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Rechnen mit Matrizen 2 1.1 Matrixmultiplikation............................................

Mehr

Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2016/

Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2016/ Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 206/207 20.03.207 BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN Nachname:...................................................................

Mehr

a 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α

a 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α Mathematik 1 - Übungsblatt 7 Lösungshinweise Tipp: Verwenden Sie zur Kontrolle Scilab, wo immer es möglich ist. Aufgabe 1 (Definitionsformel für Determinanten) Determinanten quadratischer Matrizen sind

Mehr

Basiswissen Matrizen

Basiswissen 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)

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

Chr.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 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

Mehr

17. Orthogonalsysteme

17. Orthogonalsysteme 17. Orthogonalsysteme 17.1. Winkel und Orthogonalität Vorbemerkung: Sei V ein Vektorraum mit Skalaprodukt, und zugehöriger Norm, dann gilt nach Cauchy-Schwarz: x, y V \ {0} : x, y x y 1 Definition: (a)

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare 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

Mehr