ANHANG A. Matrizen. 1. Die Definition von Matrizen
|
|
- Rainer Schumacher
- vor 6 Jahren
- Abrufe
Transkript
1 ANHANG A Matrizen 1 Die Definition von Matrizen Wir haben bereits Vektoren kennen gelernt; solche Paare reeller Zahlen haben wir benutzt, um Punkte in der Ebene zu beschreiben In der Geometrie brauchen wir auch Matrizen Matrizen eignen sich besonders gut, um etwa Drehungen oder Spiegelungen zu beschreiben Eine Matrix ist ein rechteckiges Zahlenschema Zunächst einige Beispiele: BEISPIELE A ist eine 23-Matrix ist eine 22-Matrix ist eine 21-Matrix ist eine 13-Matrix Eine Matrix mit m Zeilen und n Spalten bezeichnen wir als eine mn-matrix Wenn A eine mn-matrix ist, und i 1, 2,, m und j 1, 2,, n, so bezeichnen wir mit Ai, j, Ai, j oder A i, j den Eintrag, der bei A in der i-ten Zeile und j-ten Spalte steht Für A gilt zum Beispiel A 2,1 7 Die Menge aller mn-matrizen kürzen wir mit mn ab Wir müssen noch den Begriff rechteckiges Zahlenschema klären Man kann eine mn-matrix A mit Einträgen ausals Funktion von1, 2,, m1, 2,, n nach definieren Der Eintrag, der in der 2 Zeile und 4 Spalte steht, ist dann der Funktionswert A2, 4 Diese Sichtweise gibt auch recht gut wieder, was eine Implementation des abstrakten Datentyps Matrix können muss Es muss möglich sein, eine FunktionLiefereEintrag zu schreiben, sodassliefereeintrag (A, i, j) den Eintrag von A an der i-ten Zeile und j-ten Spalte, also den Funktionswert Ai, j, zurückgibt 0 Unterlagen zur Vorlesung Algebra von Erhard Aichinger, Peter Mayr Alle Rechte vorbehalten
2 84 A MATRIZEN In Mathematica geben wir die Matrix wie folgt ein In[90]:= A 1,2,3,4,5,6 Out[90]= 1,2,3,4,5,6 In[91]:= MatrixFormA Out[91]= In[92]:= A 5,7,8,2,3,5 Out[92]= 5,7,8,2,3,5 In[93]:= MatrixFormA Out[93]= In[94]:= A21 Out[94]= 2 A Die Addition von Matrizen Zwei Matrizen kann man addieren, wenn sie gleich viele Zeilen und gleich viele Spalten haben Wie man zwei Matrizen von gleichem Format addiert, erklären wir mit folgenden Beispielen AUFGABEN A Wir fassen zusammen, wie diese Addition funktioniert: Zwei Matrizen A mk, B nl lassen sich genau dann addieren, wenn m n und k l gilt, dh wenn die Matrizen von gleichem Format sind Wenn C die Matrix AB ist, dann hat auch C das Format mk, und für alle i 1, 2,, m und j 1, 2, k berechnet man den Eintrag C i, j durch C i, j A i, j B i, j
3 In[95]:= A 1,4,3,0,1,0 In[96]:= B 7,5,0,23,7,16 In[97]:= AB Out[97]= 6,9,3,23,6,16 In[98]:= MatrixForm% Out[98]= DIE MULTIPLIKATION VON MATRIZEN 85 3 Die Multiplikation einer Matrix mit einer reellen Zahl Eine Matrix A wird mit einer reellen Zahl multipliziert, indem jeder Eintrag mit der Zahl multipliziert wird Wir geben dazu wieder ein Beispiel: AUFGABE A Wir formulieren wieder allgemein, wie man eine reelle Zahl mit einer Matrix A multipliziert Wenn t eine reelle Zahl, und A eine mn-matrix ist, so ist die Matrix C ta ebenfalls eine mn-matrix Die Einträge von C sind dadaurch gegeben, dass für alle i 1, 2,, m, j 1, 2,, n gilt: In[99]:= A 2,5,3,4,10,2 Out[99]= 2,5,3,4,10,2 In[100]:= MatrixForm10 A Out[100]= C i, j t A i, j 4 Die Multiplikation von Matrizen Zwei Matrizen A, B können genau dann miteinander multipliziert werden, wenn A genausoviele Spalten wie B Zeilen hat Eine kl-matrix ist also mit einer mn-matrix multiplizierbar, wenn l m Das Ergebnis dieser Multiplikation ist eine kn-matrix Wir erklären die Matrixmultiplikation zunächst anhand eines Beispiels AUFGABE A
4 86 A MATRIZEN Daher gilt Wenn man eine km-matrix A mit einer mn-matrix B multipliziert, so ist das Produkt C eine kn-matrix Für i 1, 2,, k und j 1, 2,, n ist der Eintrag C i, j das Skalarprodukt aus der i-ten Zeile von A und der j-ten Spalte von B Wir rechnen noch einige Beispiele: AUFGABEN A ist nicht definiert, da die erste Matrix 3 Spalten und die zweite Matrix 2 Zeilen hat, und 2 nicht gleich 3 ist Wenn A eine 23 und B eine 31-Matrix ist, dann ist das Produkt AB eine 21- Matrix Das Produkt BA ist nicht definiert Selbst dann, wenn beide Produkte AB und BA definiert sind, müssen die Ergebnisse nicht gleich sein Dazu rechnen wir folgende Beispiele: AUFGABEN A Das erste Beispiel noch einmal in Mathematica In[101]:= A 3,1,2,2,5,4 B 3,9,3,1,8,5,7,1, In[102]:= MatrixFormAB Out[102]=
5 6 DIE MULTIPLIKATION VON VEKTOREN UND MATRIZEN 87 5 Rechenregeln für die Addition und Multiplikation von Matrizen Wir haben bereits gesehen, dass nicht für alle Matrizen AB BA gelten muss Einige Rechenregeln, die wir vom Rechnen mit Zahlen kennen, gelten aber auch für Matrizen SATZ A7 (Assoziativität der Matrizenmultiplikation) Seien k, l, m, n, und seien A kl, B lm, C mn Dann gilt AB C AB C SATZ A8 (Rechtsdistributivität der Matrizenmultiplikation) Seien k, l, m, und seien A, B kl, C lm Dann gilt AB C A CB C SATZ A9 (Linksdistributivität der Matrizenmultiplikation) Seien k, l, m, und seien A kl, B,C lm Dann gilt AB C ABA C Es ist nicht schwierig, die Assoziativität der Matrizenmultiplikation zu beweisen, wenn A, B, C alle 22-Matrizen sind Man berechnet a b c d e f g h i j k l und a b c d e f g h i j k l, und stellt fest, dass beide Ergebnisse gleich sind Für Matrizen von beliebigem Format braucht man folgende Definition der Matrixmultiplikation: Wenn A eine km-matrix, B eine mn-matrix, und C AB ist, so gilt für alle i 1, 2,, k und alle j 1, 2,, n m Ci, j Ai, rbr, j r 1 6 Die Multiplikation von Vektoren und Matrizen 3 4 Sei v 2 4 und A 1 0 Dann ist der Vektor Av gegeben durch 1 1 Av Das Ergebnis ist ein Vektor im
6 88 A MATRIZEN Die Multiplikation sieht also genauso aus wie die Multiplikation der 32-Matrix mit der 21-Matrix 2 4 Bei der Matrizenmultiplikation ist das Ergebnis 1 1 aber eine 31-Matrix Mit Mathematica wird der Unterschied deutlich: In[103]:= A 3,4,1,0,1,1 v 2,4 x Av Out[103]= 22,2,6 In[104]:= A 3,4,1,0,1,1 v 2,4 x Av Out[104]= 22,2,6 In[105]:= A 3,4,1,0,1,1 v 2,4 x Av Hier liefert Mathematica eine Fehlermeldung Out[105]= 3,4,1,0,1,12,4 Sei v 4, 3, 2 und A 4, 3, Das Ergebnis ist ein Vektor im 2 Dann ist der Vektor va gegeben durch 1232,202 13,18 Die Multiplikation sieht also genauso aus wie die Multiplikation der 13-Matrix mit der 32-Matrix 1 0 Bei der Matrizenmultiplikation ist das Ergebnis aber eine Matrix Wenn man diese Multiplikation Matrix mal Vektor verwendet, lassen sich lineare Gleichungssysteme kürzer anschreiben
7 7 DAS TRANSPONIEREN VON MATRIZEN 89 3 x4 y2 z 1 2 x5 y8 z 2 läßt sich dann als x y 1 2 z schreiben Im allgemeinen erhält man bei m Gleichungen und n Unbekannten die Form Ax b, wobei A eine mn-matrix ist, x ein Vektor im n und b ein Vektor im m Die Funktion LinearSolve[A,b] liefert eine Lösung des linearen Gleichungssystems Ax b Wir lösen zum Beispiel 2 x3 y 5 In[106]:= LinearSolve2,3,5 Out[106]= 5 2,0 Später werden wir sehen, wie man alle Lösungen erhält 7 Das Transponieren von Matrizen Beim Transponieren einer Matrix wird die Matrix an der Hauptdiagonale gespiegelt T Wenn A eine mn-matrix ist, so ist A T eine nm-matrix, und für alle i 1, 2,, n und j 1, 2,, m gilt A T i, j A j, i In[107]:= A 1,4,3,2,5,3 In[108]:= MatrixFormA Out[108]= In[109]:= B TransposeA Out[109]= 1,2,4,5,3,3 In[110]:= MatrixFormB 1 2 Out[110]=
8 90 A MATRIZEN SATZ A10 Haben die Matrizen passendes Format, sodass Addition bzw Multiplikation ausführbar sind, so gilt: (1)AB T B T A T (2)AB T A T B T ÜBUNGSAUFGABEN A11 (1) Berechnen Sie für die Matrix die Matrix B A T A (2) Berechnen SieAB C T für die Matrizen A A , B ,C (3) Finden Sie eine Matrix X, sodaß AX B, wobei A , B (Hinweis: Bestimmen Sie jede Spalte von X durch Lösen eines linearen Gleichungssystems) 8 Die Einheitsmatrizen Die Matrix E n heißt Einheitsmatrix vom Format nn Man sieht leicht, daß für jede mn-matrix A und jede nk-matrix B gilt: AE n A, E n B B Besonders einfach zu lösen sind Gleichungssysteme mit der Einheitsmatrix: Das Gleichungssystem x y 4 2 hat die Lösung x 4, y 2, und daher die Lösungsmenge L 4, 2
9 In[111]:= A 24 IdentityMatrix5 MatrixFormA Out[111]= DAS INVERTIEREN VON MATRIZEN 91 9 Das Invertieren von Matrizen Betrachtet man die Gleichung 5 x 7, so erhält man die Lösung x 7 durch Multiplikation beider Seiten mit 1 (des Inversen von 5) Wir betrachten das Gleichungssystem x y Seien wir nun optimistisch, und stellen wir uns vor, wir haben eine Matrix A a c sodass a b c d b d, Für die Lösungen des Gleichungssystems muss dann auch gelten: A x y A x y A Wie bestimmen wir so eine Matrix A? Wir suchen eine Matrix A a c folgende Eigenschaft besitzt: a b c d Durch Ausmultiplizieren erhalten wir folgendes Gleichungssystem: 2 a5 b 1 3 a5 b 0 2 c5 d 0 3 c5 d 1 b d die
10 92 A MATRIZEN Lösen wir dieses, so erhalten wir a b c d 0, 2 0, 12 0, 2 0, Nun können wir auch die Lösung des ursprünglichen Systems berechnen: x y Somit ist0, 4 der einzige Kandidat für eine Lösung des Systems Da0, 4 auch wirklich Lösung ist, ergibt sich als Lösungsmenge L 0, 4 DEFINITION A12 Sei A eine nn-matrix über A heißt invertierbar, falls es eine nn-matrix B mit AB BA E n gibt SATZ A13 Seien A 1, A 2 invertierbare Matrizen in nn Dann ist auch A 1 A 2 invertierbar Beweis Seien A 1, A 2 nn invertierbar Es gibt daher Matrizen B 1, B 2, sodass A 1 B 1 B 1 A 1 E n und A 2 B 2 B 2 A 2 E n Dann gilta 1 A 2 B 2 B 1 A 1 A 2 B 2 B 1 A 1 E n B 1 A 1 B 1 E n Somit ist A 1 A 2 invertierbar SATZ A14 Sei A eine invertierbare Matrix in nn, und sei B so, dass AB BA E n Sei C eine Matrix mit A C E n Dann gilt B C Beweis Es gilt C E n C BA C BA C BE n B Zu jeder invertierbaren Matrix A gibt es also genau eine Matrix B mit AB E n Diese Matrix B kürzen wir mit A 1 ab DEFINITION A15 Sei A eine nn-matrix A ist regulär genau dann, wenn A invertierbar ist A ist singulär genau dann, wenn A nicht invertierbar ist ÜBUNGSAUFGABEN A16 (1) Zeigen Sie, dass für a, b, c, d mit ad bc die Matrix a c d b invertierbar ist, und dass a c d b 1 1 d b ad bc c a gilt (2) Sei A eine mm- Matrix, für die es ein n mit A n 0 gibt, und sei E die mm-einheitsmatrix Zeigen Sie, dass E A invertierbar ist Hinweis: Denken Sie beim Auffinden der inversen Matrix an 1 1x i 0 x i SATZ A17 Seien A, B nn invertierbare Matrizen Beweis (1) A 1 ist invertierbar, und es gilta 1 1 A (2) A T ist invertierbar, und es gilta T 1 A 1 T (3) AB ist invertierbar, und es giltab 1 B 1 A 1
11 9 DAS INVERTIEREN VON MATRIZEN 93 (1) Es gilt A 1 A AA 1 E n Also ist A 1 invertierbar, und B A ihre inverse Matrix (2) Es gilt AA 1 A 1 A E n Durch Transponieren erhält mana 1 T A T A T A 1 T E n Folglich ist A T invertierbar, und die inverse Matrix zu A T ist A 1 T (3) Es giltabb 1 A 1 E n undb 1 A 1 AB E n Folglich ist AB invertierbar, und die inverse Matrix von AB ist B 1 A 1 Den folgenden Satz werden wir erst später (als Satz??) beweisen: SATZ A18 Sei A nn, und sei B nn so, dass AB E n Dann ist A invertierbar Ausserdem ist dann B die zu A inverse Matrix Wir berechnen jetzt die inverse Matrix von In[112]:= A 1,3,2,4 Out[112]= 2 5,1 5 Also a 04, c 02 LinearSolveA,1,0 In[113]:= A 1,3,2,4 Out[113]= 3 10, 1 10 Also b 03, d 01 LinearSolveA,0, a b c d durch den Ansatz 91 Das Berechnen von A 1 Seien A, B nn sodass AB E n Für die i- te Spalte b i von B und die i-te Spalte e i von E n (dem i-ten Einheitsvektor) gilt dann Ab i e i Zum Bestimmen der Inversen einer nn-matrix A müssen wir also n lineare Gleichungssysteme Ax e i für i 1,, n lösen Weil die linke Seite dieser Gleichungssysteme immer gleich ist, brauchen wir das Eliminationsverfahren nur einmal anzuwenden, wenn wir alle verschiedenen rechten Seiten gleichzeitig behandeln Wie das geht, zeigen wir an folgendem Beispiel:
12 94 A MATRIZEN Sei A Um Vektoren b 1, b 2, b 3 3 zu finden, sodass Ab i e i für i 1, 2, 3, bringen wir die Matrix A durch Zeilenumformungen in Zeilenstaffelnormalform Wir erhalten e 1 e 2 e b 1 b 2 b 3 Jetzt können wir die Lösungen aus der 4, 5 und 6 Spalte ablesen Die Inverse von A existiert, und es gilt A In Mathematica berechnet die Funktion Inverse die inverse Matrix; die Funktion ^(-1) macht leider etwas ganz anderes In[114]:= A 1,3,2,4 B InverseA MatrixFormB
13 2 Out[114]= 5 In[115]:= AB Out[115]= 1,0,0,1 In[116]:= BA Out[116]= 1,0,0,1 In[117]:= Aˆ1 Out[117]= 1, 1 3,1 2,1 4 In[118]:= AAˆ1 Out[118]= 5 2, 5 12,0,5 3 9 DAS INVERTIEREN VON MATRIZEN 95
Elemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrLineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung
Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrInhaltsverzeichnis 1 Lineare Gleichungssysteme I
Inhaltsverzeichnis 1 Lineare Gleichungssysteme I 3 1.1 Mengen und Abbildungen....................................... 3 1.1.1 Mengen und ihre Operationen.............................. 3 1.1.2 Summen- und
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrA Matrix-Algebra. A.1 Definition und elementare Operationen
A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrLineare Gleichungssysteme und Gauß'scher Algorithmus
Zurück Letzter Update 7... Lineare Gleichungssysteme und Gauß'scher Algorithmus In der Mathematik bezeichnet man mit Matrix ein rechteckiges Schema, in dem Zahlen oder Funktionen angeordnet werden. Hier
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
Mehrax 2 + bx + c = 0, (4.1)
Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrKAPITEL 0. Einführung
Lineare Algebra KAPITEL 0 Einführung Dieses Skript zur Vorlesung Lineare Algebra an der Goethe Universität Frankfurt im Sommersemester 2011 befindet sich noch in der Entstehung und wird fortlaufend aktualisiert
MehrLösen von linearen Gleichungssystemen mit zwei Unbekannten:
Lösen von linearen Gleichungssystemen mit zwei Unbekannten: 1. Additions- und Subtraktionsverfahren 3x = 7y 55 + 5x 3x = 7y 55 7y 5x + 2y = 4 3 5 werden, dass die Variablen links und die Zahl rechts vom
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrStatistische Methoden
Statistische Methoden Dr CJ Luchsinger 6 Repetition: Rechnen mit Matrizen für die Statistik Matrizen sind aus zwei Gründen für die Statistik sehr wichtig: Sie ermöglichen uns einerseits eine sehr elegante
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrÜbungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS
Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
Mehr11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrMatrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.
Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und
Mehrlineare-algeba.wxmx 1 / 7 Mathematik in wxmaxima www.mathematik-verstehen.de Haftendorn Dez 2010
lineare-algeba.wxmx / Lineare Algebra Mathematik in wxmaxima www.mathematik-verstehen.de Haftendorn Dez. Handling Achtung: Durch Anklicken der linken Zellmarkierung kann man die Abschnitte und auch einzelne
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrDefinition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
MehrMögliche Prüfungsfragen zu VO Mathematische Software
Mögliche Prüfungsfragen zu VO Mathematische Software SS 2009 Der Prüfungsstoff umfasst alles, was in der Vorlesung vorgetragen wurde. Die folgende Liste soll Ihnen bei der Vorbereitung helfen. Bei der
MehrSkript zur Vorlesung Höhere Mathematik für Bachelorstudiengänge. Prof. Dr. R. Herzog. gehalten im SS2013 Technische Universität Chemnitz
Skript zur Vorlesung Höhere Mathematik für Bachelorstudiengänge Prof. Dr. R. Herzog gehalten im SS2013 Technische Universität Chemnitz Auszug aus den Studienordnungen zu den Ausbildungszielen der mit dieser
MehrEinführung in die Tensorrechnung
1. Definition eines Tensors Tensoren sind Grössen, mit deren Hilfe man Skalare, Vektoren und weitere Grössen analoger Struktur in ein einheitliches Schema zur Beschreibung mathematischer und physikalischer
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrInhaltsverzeichnis. Seite 1: Matrizen. Seite 23: Funktionen. Seite 51: Integralrechnung. Seite 69: Binomialverteilung
Inhaltsverzeichnis Seite : Matrizen Seite : Funktionen Seite 5: Integralrechnung Seite 69: Binomialverteilung Seite 86: Statistik/Normalverteilung Seite 04: Vektoren Seite 40: Wachstum Lineare Algebra
MehrVorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: 978-3-446-43035-8. Weitere Informationen oder Bestellungen unter
Vorwort Günter M. Gramlich Lineare Algebra Eine Einführung ISBN: 978-3-446-43035-8 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-43035-8 sowie im Buchhandel. Carl Hanser
MehrInstallation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung.
Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung. Die heutige Sitzung dient dem ersten Kennenlernen von MATLAB. Wir wollen MATLAB zuerst
MehrGleichungen - Aufgabenstellung und Lösungsstrategien
Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung
MehrSeminararbeit für das SE Reine Mathematik- Graphentheorie
Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis
MehrBeispiel vor dem Beweis:
Beispiel vor dem Beweis: Beispiel vor dem Beweis: A = ¼3 6 2 3 11 2½ Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = 2 3 11 311 E 12 A = 3 6 Beispiel vor dem Beweis: 2½ 2½ ¼3 6 A = 2 3 11 311 E 12 A = 3 6 3 11
Mehr2 Matrizen. 2.1 Definition A = a 32... Element in der 3. Zeile und 2. Spalte RP =
Matrizen James Joseph Sylvester 97 war ein britischer Mathematiker. Eines seiner vielseitigen Arbeitsgebiete war die Theorie von Matrizen und Determinanten. Die ezeichnung Matrix wurde von ihm eingeführt.
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrProjekt Standardisierte schriftliche Reifeprüfung in Mathematik. T e s t h e f t B 1. Schulbezeichnung:.. Klasse: Vorname: Datum:.
Projekt Standardisierte schriftliche Reifeprüfung in Mathematik T e s t h e f t B Schulbezeichnung:.. Klasse: Schüler(in) Nachname:. Vorname: Datum:. B Große und kleine Zahlen In Wikipedia findet man die
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
Mehr4 Kongruenz und Modulorechnung
4 Kongruenz und Modulorechnung 39 4 Kongruenz und Modulorechnung In unserer Zeitrechnung haben wir uns daran gewöhnt, nur mit endlich vielen Zahlen zu rechnen. Es ist gerade 3 Uhr und in 50 Stunden muss
Mehr6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte
Numerik I Version: 240608 40 6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte Die zwei wichtigsten Aufgaben der linearen Algebra: Lösung linearer Gleichungssysteme: Ax = b, wobei die n
MehrKleiner Satz von Fermat
Kleiner Satz von Fermat Satz Kleiner Satz von Fermat Sei p P. Dann gilt a p a mo p für alle a Z. Wir führen zunächst eine Inuktion für a 0 urch. IA a = 0: 0 p 0 mo p. IS a a+1: Nach vorigem Lemma gilt
MehrNumerisches Programmieren
Technische Universität München SS 2012 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dipl-Math Dipl-Inf Jürgen Bräckle Dr-Ing Markus Kowarschik Numerisches
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrLösung des Kleinste-Quadrate-Problems
Lösung des Kleinste-Quadrate-Problems Computergestützte Statistik Lisakowski, Christof 15.05.2009 Lisakowski, Christof ()Lösung des Kleinste-Quadrate-Problems 15.05.2009 1 / 34 Themen 1 Problemstellung
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrBeispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0.
Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 5 0 6 5 2 x + 3 y 3 z = 5 2 3 3 5 2 x 3 y = 4 2 3 0 4 z2 /3 z : 3 2 x 3 y = 4 2 3 0 4 4 x + y z = 5 4 5 6 y + z = 5 0 6 5 z2 + 2 z 2 x 3 y = 4 2
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrEinführung in MATLAB
Kapitel 4 Einführung in MATLAB 41 Allgemeines MATLAB ist eine kommerzielle mathematische Software zur Lösung mathematischer Probleme und zur graphischen Darstellung der Ergebnisse Die Verfahren in MATLAB
MehrMathematischer Vorkurs für Physiker WS 2009/10
TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrMathematische Grundlagen 2. Termrechnen
Inhaltsverzeichnis: 2. Termrechnen... 2 2.1. Bedeutung von Termen... 2 2.2. Terme mit Variablen... 4 2.3. Vereinfachen von Termen... 5 2.3.1. Zusammenfassen von gleichartigen Termen... 5 2.3.2. Vereinfachen
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrFotografie * Informatik * Mathematik * Computer-Algebra * Handreichung für Lehrer
BIKUBISCHE INTERPOLATION AM BEISPIEL DER DIGITALEN BILDBEARBEITUNG - AUFGABENSTELLUNG FÜR SCHÜLER Problem Bei Veränderung der Größe eines Digitalbildes sind entweder zuviel Pixel (Verkleinerung) oder zuwenig
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
MehrDr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1
.1 Dr. Jürgen Roth Fachbereich 6: Abteilung Didaktik der Mathematik Elemente der Algebra . Inhaltsverzeichnis Elemente der Algebra & Argumentationsgrundlagen, Gleichungen und Gleichungssysteme Quadratische
MehrKAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:
KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand
MehrMaterialverflechtung
Materialverflechtung In einem Unternehmen mit mehrstufigem Fertigungsablauf seien die festen Mengenbeziehungen zwischen Rohstoffen, Zwischen- und Endprodukten durch folgenden Graph gegeben: 00 0 6 E E
Mehr7 Lineare Abbildungen und Lineare Gleichungssysteme
7 LINEARE ABBILDUNGEN UND LINEARE GLEICHUNGSSYSTEME 5 7 Lineare Abbildungen und Lineare Gleichungssysteme 7 Lineare Abbildungen 7 Abbildungen: Eine Verallgemeinerungen des Funktionsbegriffs Bemerkung:
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrH. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen
H. Gruber, R. Neumann Erfolg im Mathe-Abi Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen Inhaltsverzeichnis Inhaltsverzeichnis Analysis Von der
MehrAdvanced Encryption Standard. Copyright Stefan Dahler 20. Februar 2010 Version 2.0
Advanced Encryption Standard Copyright Stefan Dahler 20. Februar 2010 Version 2.0 Vorwort Diese Präsentation erläutert den Algorithmus AES auf einfachste Art. Mit Hilfe des Wissenschaftlichen Rechners
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
MehrWie kann man beweisen, dass (H, ) eine Gruppe ist?
Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )
Mehr2 Lineare Gleichungssysteme
Beispiel.5: Funktion von Runge (V) Beispiel Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung.3: Interpolation
MehrKlassenarbeit zu linearen Gleichungssystemen
Klassenarbeit zu linearen Gleichungssystemen Aufgabe : Bestimme die Lösungsmenge der Gleichungssysteme mit Hilfe des Additionsverfahrens: x + 4y = 8 5x y = x y = x y = Aufgabe : Bestimme die Lösungsmenge
Mehr(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
MehrEine Kurzanleitung zu Mathematica
MOSES Projekt, GL, Juni 2003 Eine Kurzanleitung zu Mathematica Wir geben im Folgenden eine sehr kurze Einführung in die Möglichkeiten, die das Computer Algebra System Mathematica bietet. Diese Datei selbst
MehrLineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen
Wir betrachten in diesem Abschnitt das lineare Ausgleichsproblem Ax b 2 = min! (1) Heinrich Voss voss@tu-harburgde Hamburg University of Technology Institute for Numerical Simulation mit gegebenem A R
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
MehrEine kurze Einführung in scilab
Eine kurze Einführung in scilab 1.5 1 0.5 0 0.5 1 1.5 1.5 1 0.5 0 0.5 1 von Dr. Werner E. Schabert April 2009 Version 3.1 Universität Augsburg Inhaltsverzeichnis 1 Rechenoperationen und mathematische
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrKAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren
KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren Beispiel 3.2. Gesucht u(x), das eine Differentialgleichung vom Typ u (x) + λ(x)u(x) = f(x), x [0,], mit den Randbedingungen u(0) = u() = 0
MehrNumerische Behandlung des Eigenwertproblems
Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden
MehrReelle Zahlen. Mathematische Grundlagen Lernmodul 4. Stand: Oktober 2010
Mathematische Grundlagen Lernmodul 4 Reelle Zahlen Stand: Oktober 200 Autoren: Prof. Dr. Reinhold Hübl, Professor Fakultät für Technik, Wissenschaftliche Leitung ZeMath, E-Mail: huebl@dhbw-mannheim.de
Mehr