a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

Größe: px
Ab Seite anzeigen:

Download "a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:"

Transkript

1 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 a ij heißt Element, Eintrag oder Komponente der Matrix Im Sonderfall, dass m = 1 ist, spricht man von einem Spaltenvektor und im Sonderfall n = 1 von einem Zeilenvektor D Horstmann: November

2 Matrizen Mithilfe dieser neuen Begriffe lassen sich Gleichungssysteme auch wie folgt schreiben, wenn man die nachfolgende Multiplikation der Matrix mit einem Vektor noch nachträglich geeignet erklärt: oder kurz: Hierbei sind a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm A := x := A x = b x 1 x m = a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm x 1 b 1 und b := x m b n b 1 b n D Horstmann: November

3 Rechnen mit Matrizen Eine Matrix A, die gegeben ist als a 12 a 1(m 1 a 1m A := a n1 a n2 a n(m 1 a nm, kann man auch kurz mit der Schreibweise schreiben A = (a ij n m D Horstmann: November

4 Rechnen mit Matrizen 1 Die Addition und Subtraktion von Matrizen: Wenn wir zwei (n m-matrizen A = (a ij n m und B = (b ij n m gegeben haben, so können wir diese beiden miteinander addieren, indem wir die Summe aus dem Element in der i-zeile und der j-ten Spalte der Matrix A und dem Element der Matrix B bilden, das in der i-ten Zeile und j-ten Spalte von B steht Eine solche Addition impliziert natürlich, dass wir nur Matrizen miteinander addieren können, die die gleiche Zeilen- und Spaltenanzahl haben Wir halten also fest: A + B = (a ij n m + (b ij n m = (a ij + b ij n m Die Subtraktion zweier Matrizen ist somit analog als definiert A B = (a ij n m (b ij n m = (a ij b ij n m D Horstmann: November

5 2 Die Multiplikation mit reellen Zahlen: Durch die eben eingeführte Addition und Subtraktion von zwei Matrizen des gleichen Typs können wir für solche Matrizen natürlich auch die Multiplikation mit ganzen Zahlen erklären Offensichtlich reduziert sich die Addition von A und B im Fall A = B zu: 2 (a ij n m = 2 A = A + A = (a ij n m + (a ij n m = (2 a ij n m Allgemein können wir die Multiplikation mit einer reellen Zahl µ (sprich Müh wie folgt definieren: µ A = µ (a ij n m = (µ a ij n m D Horstmann: November

6 3 Multiplikation zweier Matrizen: Das Produkt zwischen einer (n m-matrix A und einer (m k-matrix B bildet man, indem man jeweils die Zeilen der Matrix A mit den Spalten der Matrix B so miteinander multipliziert, wie es bei der Multiplikation einer Matrix mit einem Spaltenvektor erklärt wurde Wenn wir das Produkt A B mit C bezeichnen, so steht an der j-ten Position der i-ten Zeile der Eintrag c ij, der gleich dem Produkt der i-ten Zeile der Matrix A und der j-ten Spalte der Matrix B ist, d h c ij = a i1 b 1j + a i2 b 2j + + a i(m 1 b (m 1j + a im b mj m = a ir b rj r=1 Wenn man also eine (n m-matrix A mit einer (k s-matrix B multiplizieren will, d h A B berechnen will, so muss m = k gelten Das Produkt ist dann eine (n s-matrix Wenn n s ist, kann man zwar das Produkt einer (n m-matrix A und einer (m s- Matrix B bilden, d h A B berechnen; das Produkt B A hingegen lässt sich jedoch nicht erklären bzw angeben D Horstmann: November

7 Rechnen mit Matrizen Beispiel 14 [zur Multiplikation von Matrizen] Es seien die Matrizen ( A := und B := gegeben Bildet man das Produkt A B, so müssen wir nach den oben gemachten Überlegungen eine (2 4-Matrix erhalten Führt man nun diese Rechnungen durch, so erhält man: c 11 = ( = ( = 5 2 c 12 = ( = ( = 3 1 c 13 = ( = ( = 16 5 D Horstmann: November

8 c 14 = ( c 21 = ( c 22 = ( c 23 = ( c 24 = ( = ( = 4 = ( = 19 = ( = 5 = ( = 36 = ( = 6 D Horstmann: November

9 Rechnen mit Matrizen Damit gilt also die nachfolgende Gleichung: ( = ( D Horstmann: November

10 Matrizen Definition 4 Es sei A eine gegebene (n m-matrix Als Null(spaltenvektor bezeichnet man den Spaltenvektor, dessen Einträge alle gleich null sind Er wird mit dem üblichen Nullsymbol oder mit 0 dargestellt Wenn das Gleichungssystem A x = 0 (10 nur den Spaltenvektor x = 0 als Lösung besitzt, dann sagt man, dass die Spalten(-vektoren der Matrix A linear unabhängig voneinander sind Existiert hingegen ein Spaltenvektor x, der zwar ungleich dem Nullvektor ist, aber das Gleichungssystem (10 löst, so nennt man die Spalten(-vektoren der Matrix A linear abhängig voneinander Anmerkung 7 Damit ein Gleichungssystem A x = b eine eindeutige Lösung besitzt, müssen die Spalten der Matrix A linear unabhängig voneinander sein D Horstmann: November

11 Matrizen Betrachten wir die (n m-matrix a 12 a 1(m 1 a 1m A = a n1 a n2 a n(m 1 a nm Durch Umdrehen der Matrix bzw durch Vertauschen der Spalten- und Zeilenrollen der Einträge erhält man die transponierte Matrix A T := a 21 a (n 11 a n1 a 1m a 2m a (n 1m a nm Die transponierte Matrix oder kurz die Transponierte ist somit eine (m n-matrix D Horstmann: November

12 Matrizen Gilt für eine (n n-matrix B, dass die Einträge b ij mit den Einträgen b ji für alle i und j aus der Indexmenge {1,, n} übereinstimmen, so nennt man die Matrix B symmetrisch Für symmetrische Matrizen gilt offensichtlich, dass A = A T gilt Die (n n-matrix (a ij n n, die auf der Hauptdiagonalen a ii den Eintrag 1 und an allen anderen Positionen a ij, i j, den Eintrag 0 hat, nennt man Einheitsmatrix Man bezeichnet sie mit I := Quadratische Matrizen, also (n n-matrizen, die nur Einträge auf der Diagonalen haben und deren Einträge auf allen anderen Positionen gleich null sind, nennt man Diagonalmatrizen Eine besondere Diagonalmatrix ist somit die Matrix, deren Einträge alle gleich null sind Diese Matrix nennt man die Nullmatrix D Horstmann: November

13 Matrizen Schließlich bemerken wir, dass für Matrizen die nachfolgenden Rechenregeln gelten: 1 A (B + C = A B + A C, für eine (m n-matrix A und zwei (n k-matrizen B und C, 2 (A + B C = A C + B C, für zwei (m n-matrizen A und B sowie eine (n k-matrix C, 3 (A B C = A (B C, für eine (m n-matrix A, eine (n k-matrix B und eine (k p-matrix C, 4 (A B T = B T A T, für eine (m n-matrix A und eine (n k-matrix B D Horstmann: November

14 Matrizen Beispiel 15 Es seien: A := ( , D := ( , F := ( und b := ( 2 5 Nach den eingeführten Rechenregeln gilt: 1 Die Transponierte von A lautet: A T = ( Die Matrix F transponiert lautet: F T = D Horstmann: November

15 3 Das Matrizenprodukt A A T ergibt: ( Das Matrizenprodukt A T A ergibt: 5 Das Matrizenprodukt A D ergibt: ( ( Das Matrizenprodukt A I ergibt: ( D Horstmann: November

16 7 Das Matrizenprodukt I A ergibt: ( Das Matrizenprodukt A F ergibt: ( Die Matrix A mit dem Vektor b multipliziert ergibt: ( 9 26 Wir bemerken, dass für zwei (n n-matrizen A und B in der Regel A B B A gilt Hingegen gilt für jede (n n-matrix A, dass A I = I A D Horstmann: November

17 Die Determinante einer Matrizen Definition 5 Es sei A = (a ij n n eine (n n-matrix Die Determinante der Matrix A (det A ist wie folgt rekursiv definiert 1 n = 1: Im Fall n = 1 ist die Matrix A = eine einzelne reelle Zahl Wir definieren det A = 2 n = 2: In diesem Fall definieren wir det A = a 22 a 12 a 21 3 n 3: Ist 0, so definieren wir det A = det (  αt β wobei α der Zeilenvektor ist, dessen Einträge die Werte der ersten Spalte der Matrix A unter dem Wert sind, also α := (a 21,, a n1, β den Zeilenvektor bezeichnet, den man erhält, wenn man die erste Zeile von A nimmt ohne das Element, dh β := (a 12,, a 1n und  die ((n 1 (n 1-Matrix definiert, die man erhält, wenn man in der Matrix A die erste Spalte und die erste Zeile streicht, dh  := (a (i+1(j+1 (n 1 (n 1, D Horstmann: November

18 Die Determinante einer Matrizen Exemplarische Berechnung der Determinante einer 3 3-Matrix: A = a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 und wir nehmen an, dass 0 ist Nach der Rekursionsformel ist α = (a 21, a 31, β = (a 12, a 13 und  = ( a22 a 23 a 32 a 33 Es gilt: α T β = ( a12 a 21 a 13 a 21 a 31 a 12 a 31 a 13 und  1 α T β = ( a22 a 12 a 21 a a 23 a 13 a a 32 a 31 a 12 a a 33 a 31 a D Horstmann: November

19 Die Determinante einer Matrizen Wegen der Definition einer Determinante einer 2 2-Matrix ist also: ( det  1 α T β ( = a 22 a ( 12a 21 a 33 a ( 31a 13 a 23 a 13a 21 Insgesamt erhalten wir also: det A = det (  1 = ( a 22 a 12a 21 ( a 23 a 13a 21 α T β ( a 33 a 31a 13 ( a 32 a 31a 12 ( a 32 a 31a 12 = a 22 a 33 a 23 a 32 a 12 a 21 a 33 +a 12 a 31 a 23 + a 13 a 21 a 32 a 13 a 22 a 31 D Horstmann: November

20 Berechnung der Inversen Definition 6 Es sei A = (a ij n n eine gegebene (n n-matrix Die zur Matrix A adjungierte Matrix bzw die Adjunkte A ist als die Transponierte der Matrix (ã ij n n definiert, also ist A := (ã ij T n n, wobei die Komponenten der Matrix (ã ij n n durch ã ij := ( 1 i+j det A ij gegeben sind und die hier angegebene Matrix A ij aus der Matrix A durch Streichen der i-ten Zeile und der j-ten Spalte gewonnen wird Lemma 3 Es sei A eine (n n-matrix mit det A 0 Dann ist die zu A inverse Matrix durch A 1 = 1 det A A gegeben Für det A = 0 besitzt A keine Inverse 0 D Horstmann: November

21 Berechnung der Inversen Beispiel 16 Es sei ( a b A = c d mit a d b c 0 Die Inverse von A ist nach dem oben genannten Satz gegeben durch A 1 = 1 a d b c ( d b c a Für (2 2-Matrizen hat man also eine einfache Formel zur Bestimmung der Inversen zur Hand D Horstmann: November

22 Berechnung der Inversen Beispiel 17 Es sei nun A = Die Berechnung der Determinante ergibt in diesem Fall: det A = 46 Nun bestimmen wir die Einträge der Matrix (ã ij 3 3 Nach der Formel zur Berechnung der Einträge erhalten wir: ã 11 = ( det ã 12 = ( det ã 13 = ( det = 18, = 2, = 4, D Horstmann: November

23 ã 21 = ( det ã 22 = ( det ã 23 = ( det ã 31 = ( det ã 32 = ( det = 11, = 14, = 5, = 10, = 4, D Horstmann: November

24 ã 33 = ( det = 8, und somit insgesamt: woraus: folgt (ã ij 3 3 = A 1 = D Horstmann: November

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung 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:

Mehr

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.

Mathematik 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

Mehr

Lineare Algebra - alles was man wissen muß

Lineare 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

Mehr

Elemente der Analysis II

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

Mehr

A Matrix-Algebra. A.1 Definition und elementare Operationen

A 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

Mehr

Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung

Lineare 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

Mehr

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel

Vorlesung 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

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 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

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen 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.

Mehr

Matrixalgebra. 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@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

Mehr

7 Die Determinante einer Matrix

7 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) =

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden 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

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.

LU-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

Mehr

Einführung in die Tensorrechnung

Einführung 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

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Lineare Gleichungssysteme

Lineare 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

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 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.

Mehr

Inhaltsverzeichnis 1 Lineare Gleichungssysteme I

Inhaltsverzeichnis 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

Mehr

ax 2 + bx + c = 0, (4.1)

ax 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

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Bestimmung einer ersten

Bestimmung 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,

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte 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

Mehr

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Lineare 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

Mehr

Statistische Methoden

Statistische 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

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. 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

Mehr

KAPITEL 0. Einführung

KAPITEL 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

Mehr

6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte

6 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

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 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 )

Mehr

1 Lineare Gleichungssysteme

1 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

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/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

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die 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,

Mehr

Lineare Gleichungssysteme und Gauß'scher Algorithmus

Lineare 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

Mehr

Matrizennorm. 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. 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

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit 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

Mehr

Division 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 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

Mehr

Vorwort. 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 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

Mehr

Materialverflechtung

Materialverflechtung 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

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 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 +

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- 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:

Mehr

Beispiel 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 = 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

Mehr

Skript 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 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

Mehr

Lineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche

Lineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche Lineare Algebra für Informatiker TUM Sommersemester 20 Dozent: Christian Pötzsche Janosch Maier 3. Juli 20 Herzlichen Dank an Lucas Westermann, Florian Scheibner (https://github. com/lswest/lamitschrift)

Mehr

Lineare Gleichungssysteme I (Matrixgleichungen)

Lineare 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

Mehr

Einführung in die Kodierungstheorie

Einführung in die Kodierungstheorie Einführung in die Kodierungstheorie Einführung Vorgehen Beispiele Definitionen (Code, Codewort, Alphabet, Länge) Hamming-Distanz Definitionen (Äquivalenz, Coderate, ) Singleton-Schranke Lineare Codes Hamming-Gewicht

Mehr

Inhaltsverzeichnis. Seite 1: Matrizen. Seite 23: Funktionen. Seite 51: Integralrechnung. Seite 69: Binomialverteilung

Inhaltsverzeichnis. 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

Mehr

Ausgleichungsrechnung I

Ausgleichungsrechnung I Ausgleichungsrechnung I oder Die Anwendung statistischer Methoden in Vermessungswesen und GIS Gerhard Navratil mit Beiträgen von Martin Staudinger Institute for Geoinformation Technical University Vienna

Mehr

Mathematik III für Ingenieure

Mathematik III für Ingenieure Mathematik III für Ingenieure im Bachelor-Studiengang Maschinenbau Vorlesung Wintersemester 21/211 B. Schuster aktualisert am 27. Januar 211 Inhalt I. Eigenwerte und Eigenvektoren 1 1. Komplexe Matrizen

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Einführung in MATLAB

Einführung 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

Mehr

Numerisches Programmieren

Numerisches 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

Mehr

11. Primfaktorzerlegungen

11. 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

Mehr

2 Matrizen. 2.1 Definition A = a 32... Element in der 3. Zeile und 2. Spalte RP =

2 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.

Mehr

Optimalitätskriterien

Optimalitätskriterien 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

Mehr

Lernzettel Mathe Inhaltsverzeichnis

Lernzettel Mathe Inhaltsverzeichnis Lernzettel Mathe Inhaltsverzeichnis Aufgabe 1 - Vollständige Induktion 2 Aufgabe 2 - Grenzwertbestimmung 2 Aufgabe 3 - Lin/Log 2 Aufgabe 4 - Barwert/Endwert 3 Aufgabe 5 - Maximalstellen, steigend/fallend

Mehr

Klassenarbeit zu linearen Gleichungssystemen

Klassenarbeit 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

Projekt 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 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

Mehr

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule Zahlbereichserweiterungen in der Hauptschule Didaktik der Zahlbereiche 4 Dr. Christian Groß Lehrstuhl Didaktik der Mathematik Universität Augsburg Wintersemester 2006/07 Natürliche Zahlen, : Klasse 5 positive

Mehr

ARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG

ARBEITSUNTERLAGEN 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

Mehr

lineare-algeba.wxmx 1 / 7 Mathematik in wxmaxima www.mathematik-verstehen.de Haftendorn Dez 2010

lineare-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

Mehr

Übung 4: Einführung in die Programmierung mit MATLAB

Übung 4: Einführung in die Programmierung mit MATLAB Übung 4: Einführung in die Programmierung mit MATLAB AUFGABE 1 Was bewirkt der Strichpunkt? - Der Strichpunkt (Semikola) unterdrück die Anzeige der (Zwischen-) Resultate. Welche Rolle spielt ans? - Wenn

Mehr

7 Lineare Abbildungen und Lineare Gleichungssysteme

7 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:

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE 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

Mehr

Eine kurze Einführung in scilab

Eine 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

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)

Mehr

Wie Google Webseiten bewertet. François Bry

Wie Google Webseiten bewertet. François Bry Wie Google Webseiten bewertet François Bry Heu6ge Vorlesung 1. Einleitung 2. Graphen und Matrizen 3. Erste Idee: Ranking als Eigenvektor 4. Fragen: Exisi6ert der Eigenvektor? Usw. 5. Zweite Idee: Die Google

Mehr

Installation. 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. 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

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen 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)

Mehr

34 5. FINANZMATHEMATIK

34 5. FINANZMATHEMATIK 34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.

Mehr

Matlab - eine kurze Einführung

Matlab - eine kurze Einführung Matlab - eine kurze Einführung Helke Karen Hesse, Thomas Dunne helke.hesse@iwr.uni-heidelberg.de, thomas.dunne@iwr.uni-heidelberg.de 13.11.2006 1 / Gliederung Überblick Grundlegende Syntax Variablen Vektoren

Mehr

Dünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im Vergleich zu voll besetzten Matrizen. Besetzungsmuster mit spy.

Dünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im Vergleich zu voll besetzten Matrizen. Besetzungsmuster mit spy. 170 005 Übungen zu Numerische Methoden I Fünfte Übungseinheit 21. März, 22. und 23. April 2013 Inhalt der fünften Übungseinheit: Dünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im

Mehr

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.

Mehr

H. 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 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

Mehr

Lineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen

Lineare 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

Mehr

Microsoft Excel 2010 Matrix-Funktionen

Microsoft Excel 2010 Matrix-Funktionen Hochschulrechenzentrum Justus-Liebig-Universität Gießen Microsoft Excel 2010 Matrix-Funktionen Matrix-Funktionen in Excel 2010 Seite 1 von 7 Inhaltsverzeichnis Einleitung... 2 Integrierte Matrixfunktionen...

Mehr

Komplexe Zahlen und Wechselstromwiderstände

Komplexe Zahlen und Wechselstromwiderstände Komplexe Zahlen und Wechselstromwiderstände Axel Tobias 22.2.2000 Ein besonderer Dank geht an Ingo Treunowski, der die Übertragung meines Manuskriptes in L A TEX durchgeführt hat tob skript komplex.tex.

Mehr

Rationale Zahlen. Vergleichen und Ordnen rationaler Zahlen

Rationale Zahlen. Vergleichen und Ordnen rationaler Zahlen Rationale Zahlen Vergleichen und Ordnen rationaler Zahlen Von zwei rationalen Zahlen ist die die kleinere Zahl, die auf der Zahlengeraden weiter links liegt.. Setze das richtige Zeichen. a) -3 4 b) - -3

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

u + 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.

u + 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

Mehr

ÜBERBLICK ÜBER DAS KURS-ANGEBOT

ÜBERBLICK ÜBER DAS KURS-ANGEBOT ÜBERBLICK ÜBER DAS KURS-ANGEBOT Alle aufgeführten Kurse sind 100 % kostenfrei und können unter http://www.unterricht.de abgerufen werden. ANALYSIS / INFINITESIMALRECHNUNG Nullstellen * Nullstellen einer

Mehr

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS

Übungsaufgaben 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

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

Aufgabe 1 (8 Punkte): Markieren Sie die richtigen Antworten:

Aufgabe 1 (8 Punkte): Markieren Sie die richtigen Antworten: Name:N.. Vorname:.. Matr.-Nr.:. Aufgabe 1 (8 Punkte): Was für eine Rechnung wird mit der Excel-Tabelle auf der Rückseite des Mantelbogens ausgeführt? (A)Es wird die Entwicklung auf einem Sparkonto dargestellt,

Mehr

Q(n) = n 0 +n 1 +n 2 +...+n k.

Q(n) = n 0 +n 1 +n 2 +...+n k. 25 2 Kongruenzen Mit Hilfe der hier definierten Kongruenz können Aussagen über Teilbarkeit einfacher formuliert und bewiesen werden, und man erhält eine Differenzierung der Zahlen, die bezüglich einer

Mehr

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen 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

Mehr

Formelsammlung Mathematische Grundlagen für die Informatik

Formelsammlung Mathematische Grundlagen für die Informatik Formelsammlung Mathematische Grundlagen für die Informatik Wolfgang Führer wolfgang.fuehrer@web.de August 2007 Inhaltsverzeichnis Lineare Algebra. Vektorräume.................................... Abelsche

Mehr

Lösen von linearen Gleichungssystemen mit zwei Unbekannten:

Lösen 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

Mehr

Bachelorarbeit. Vergleich von Ansätzen zur numerischen Lösung von MPCCs am Beispiel eines Mautproblems

Bachelorarbeit. Vergleich von Ansätzen zur numerischen Lösung von MPCCs am Beispiel eines Mautproblems Bachelorarbeit Vergleich von Ansätzen zur numerischen Lösung von MPCCs am Beispiel eines Mautproblems Vorgelegt an der Professur für Numerische Mathematik (Partielle Differentialgleichungen) von Prof.

Mehr

Suchmaschinen und Markov-Ketten 1 / 42

Suchmaschinen und Markov-Ketten 1 / 42 Suchmaschinen und Markov-Ketten 1 / 42 Zielstellung 1 Wir geben einen kurzen Überblick über die Arbeitsweise von Suchmaschinen für das Internet. Eine Suchmaschine erwartet als Eingabe ein Stichwort oder

Mehr

Technische Informatik - Eine Einführung

Technische Informatik - Eine Einführung Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine

Mehr

KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren

KAPITEL 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

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.

Gleitkommaarithmetik 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

Mehr

Mathematische Grundlagen

Mathematische Grundlagen Bundesrealgymnasium Fadingerstraße 4, 4020 Linz Mathematische Grundlagen der 3D-Grafik Fachbereichsarbeit aus Mathematik 2008/2009 vorgelegt von David Nadlinger eingereicht bei OStR. Mag. Herbert Lenz

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

Kapitel 5 Netzwerkanalyse

Kapitel 5 Netzwerkanalyse 1/19 Kapitel 5 Netzwerkanalyse 5.1 Einleitung Ein elektrisches lineares Netzwerk besteht aus elementaren Bauelementen wie lineare, passive Zweipole (z.b. ohmsche Widerstände) und ideale aktive Zweipole

Mehr

in den Microsoft Windows Systemen durch einen Doppelklick auf das Icon von MATLAB oder durch Anwählen des Menüs oder Untermenüs in der Abfolge

in den Microsoft Windows Systemen durch einen Doppelklick auf das Icon von MATLAB oder durch Anwählen des Menüs oder Untermenüs in der Abfolge 1 Grundkenntnisse von MATLAB 1.1 Bekanntschaft schließen mit MATLAB 1.1.1 Die Arbeitsoberfläche von MATLAB Der Start der Applikation MATLAB 1 erfolgt abhängig vom Betriebssystem auf unterschiedliche Weise:

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte 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.

Mehr