Mathematik 1 für Wirtschaftsinformatik

Ähnliche Dokumente
Mathematik 1 Bachelorstudiengang Maschinenbau

Wirtschafts- und Finanzmathematik

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

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

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

Mathematik 1 für Wirtschaftsinformatik

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

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

9 Vektorräume mit Skalarprodukt

Lösbarkeit linearer Gleichungssysteme

Ultrametrik. Christian Semrau Metrische Räume

Kapitel 3 Lineare Algebra

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

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

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

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

Definition, Rechenoperationen, Lineares Gleichungssystem

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

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Extrema multivariater Funktionen

Brückenkurs Mathematik. Mittwoch Freitag

12. Trennungssätze für konvexe Mengen 83

12 Übungen zu Gauß-Algorithmus

Topologische Begriffe

Grundlegende Definitionen aus HM I

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

Mathematik für Naturwissenschaftler II

Tutorium: Analysis und Lineare Algebra

Lösung Semesterendprüfung

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

14 Skalarprodukt Abstände und Winkel

Fortgeschrittene Mathematik Raum und Funktionen

12. R n als EUKLIDISCHER VEKTORRAUM

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

6.1 Topologische Grundbegriffe

Münchner Volkshochschule. Planung. Tag 08

Definition, Rechenoperationen, Lineares Gleichungssystem

3 Matrizenrechnung. 3. November

2 Euklidische Vektorräume

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

Kontrollfragen und Aufgaben zur 3. Konsultation

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

Vortrag 20: Kurze Vektoren in Gittern

9 Metrische und normierte Räume

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

35 Matrixschreibweise für lineare Abbildungen

Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153

Brückenkurs Mathematik

Wirtschafts- und Finanzmathematik

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

Mathematik-1, Wintersemester Vorlesungsplan, Übungen, Hausaufgaben

Kapitel 17 Skalar- und Vektorprodukt

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Matrix- Algorithmen Householder- und Givens- Matrizen

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

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

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

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

Kapitel 5. Vektorräume mit Skalarprodukt

Mathematik 1 für Wirtschaftsinformatik

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

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Cramersche Regel. Satz 2.26

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

1 Euklidische und unitäre Vektorräume

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

Invertierbarkeit von Matrizen

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

Vektoren und Matrizen

Technische Universität München

Euklidische und unitäre Vektorräume

4 Lineare Abbildungen und Matrizen

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

Einführung in die Grundlagen der Numerik

Serie 10: Inverse Matrix und Determinante

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

Übungsblatt

Skalarprodukte (Teschl/Teschl Kap. 13)

Lineare Algebra für Ingenieure

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare Algebra: Determinanten und Eigenwerte

2 Matrizenrechnung und Lineare Gleichungssysteme

10 Unitäre Vektorräume

5 Teilmengen von R und von R n

Geometrie. Ingo Blechschmidt. 4. März 2007

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

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

8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen

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

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

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

Basiswissen Matrizen

UVK Verlagsgesellschaft mbh Konstanz mit UVK/Lucius München

Chr.Nelius: Lineare Algebra (SS 2008) 1. 4: Matrizenrechnung. c ik := a ik + b ik. A := ( a ik ). A B := A + ( B). ist A =

17. Orthogonalsysteme

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Transkript:

für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg

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

Norm Gegeben Vektor a R n Definition: Absolutbetrag, Norm oder Länge eines Vektors: a = a = a T a = a 12 +... + 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

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

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

Beispiel Hyperebene/Sphäre Beispiele H = { x R 3 : 2x 1 + 3x 2 + 3x 3 = 6 } { } K = x R 3 : x 3 2 0 = 1 { } = x R 3 : (x 1 3) 2 + (x 2 2) 2 + x 32 = 1 80

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

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

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