für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik
für International Management (BA) und Betriebswirtschaft (BA)
Wintersemester 2013/14
Stefan Etschberger
Hochschule Augsburg
Definitionen
Mathematik
Stefan Etschberger
Definition Matrix
Ein geordnetes, rechteckiges Schema von Zahlen oder Symbolen
1. Aussagenlogik

a11
 a21

 ..
 .
A=
 ai1

 .
 ..
am1
a12
a22
..
.
ai2
..
.
am2
...
...
...
...
a1j
a2j
..
.
aij
..
.
amj
...
...
...
...

a1n
a2n 

.. 
. 
 = (aij )
m,n
ain 

.. 
. 
amn
2. Lineare Algebra
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
2.3. Punktmengen im R
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
2.6. Determinanten
2.7. Eigenwerte
3. Lineare Programme
4. Folgen und Reihen
mit m, n ∈ N heißt Matrix mit m Zeilen und n Spalten oder kurz
m × n-Matrix (Im Folgenden: aij ∈ R).
a11 , . . . , amn heißen Komponenten der Matrix.
Dabei gibt i die Zeile und j die Spalte an, in der aij steht.
i heißt Zeilenindex und j Spaltenindex von aij .
5. Finanzmathematik
6. Reelle Funktionen
7. Differenzieren 1
8. Differenzieren 2
9. Integration
10. DGLs
Sind alle Komponenten aij reelle Zahlen, so spricht man von einer
reellen Matrix.
22
Transponierte Matrix
Mathematik
Stefan Etschberger
Definition
Zu jeder m × n-Matrix

a11
 ..
A= .
am1
...
...
heißt die n × m-Matrix

a11
 ..
T
A = .
a1n
...
...

a1n
.. 
. 
amn

am1
.. 
. 
amn
die zu A transponierte Matrix
⇒ AT
1. Aussagenlogik
2. Lineare Algebra
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
2.3. Punktmengen im R
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
2.6. Determinanten
2.7. Eigenwerte
3. Lineare Programme
4. Folgen und Reihen
5. Finanzmathematik
6. Reelle Funktionen
7. Differenzieren 1
8. Differenzieren 2
T
9. Integration
=A
10. DGLs
23
Beispiel transponierte Matrix
a)
b)
A=
1
1

1
AT = 1
2
2
3
3
5
2
3
5
4
2

3
4
0
5
4
Mathematik
Stefan Etschberger

1
2

⇒ AT = 
3
4
5
⇒
1. Aussagenlogik

2. Lineare Algebra
1
3

5

2
4

1
T
AT = A = 2
3
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
2.3. Punktmengen im R
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
2.6. Determinanten
2.7. Eigenwerte
3. Lineare Programme

1 2
3 5
4 0
4. Folgen und Reihen
5. Finanzmathematik
6. Reelle Funktionen
7. Differenzieren 1
8. Differenzieren 2
9. Integration
10. DGLs
24
Vektoren
Mathematik
Stefan Etschberger
Definition
1. Aussagenlogik
n × 1-Matrix heißt Spaltenvektor mit n Komponenten:


a1
 .. 
a= . 
an
1 × n-Matrix heißt Zeilenvektor mit n Komponenten:
T
a = (a1 , . . . , an )
2. Lineare Algebra
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
2.3. Punktmengen im R
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
2.6. Determinanten
2.7. Eigenwerte
3. Lineare Programme
4. Folgen und Reihen
5. Finanzmathematik
6. Reelle Funktionen
7. Differenzieren 1
8. Differenzieren 2
9. Integration
10. DGLs
25
Geometrische Veranschaulichung von Vektoren
•
−1
•
0
•
1
Mathematik
Stefan Etschberger
a1
•
2
1. Aussagenlogik
2. Lineare Algebra
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
a2
−1.8
0.6
•
a2
•
1
2
1•
•
1•
1
•
0
−1
1
•
a1
a3
2.3. Punktmengen im R
 
0
2 
0
1
•
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
 
3
2 
2
 
3
0 
2
2.6. Determinanten
2.7. Eigenwerte
3. Lineare Programme
4. Folgen und Reihen
5. Finanzmathematik
6. Reelle Funktionen
7. Differenzieren 1
8. Differenzieren 2
9. Integration
10. DGLs
26
Relationen zwischen Matrizen
Definition
Seien A = (aij )m,n und B = (bij )m,n reelle Matrizen mit
übereinstimmender Zeilenzahl m und Spaltenzahl n.
Dann wird definiert:
A=B
⇔
aij = bij für alle i = 1, . . . , m , j = 1, . . . , n
A 6= B
⇔
aij 6= bij für mindestens ein Indexpaar (i, j)
A≤B
⇔
aij ≤ bij ∀(i, j)
A<B
⇔
aij < bij ∀(i, j)
Mathematik
Stefan Etschberger
1. Aussagenlogik
2. Lineare Algebra
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
2.3. Punktmengen im R
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
2.6. Determinanten
2.7. Eigenwerte
3. Lineare Programme
4. Folgen und Reihen
5. Finanzmathematik
6. Reelle Funktionen
Entsprechend A ≥ B und A > B.
7. Differenzieren 1
8. Differenzieren 2
9. Integration
10. DGLs
27
Spezielle Matrizen
Mathematik
Stefan Etschberger
Definition
a) A = (aij )n,n heißt quadratisch
1. Aussagenlogik
2. Lineare Algebra
b) A = (aij )n,n mit A = AT heißt symmetrisch
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
2.3. Punktmengen im R
c) A = (aij )n,n heißt Dreiecksmatrix, wenn
aij = 0 für i < j (untere Dreiecksmatrix) oder
aij = 0 für i > j (obere Dreiecksmatrix)
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
2.6. Determinanten
2.7. Eigenwerte
3. Lineare Programme
d) A = (aij )n,n heißt Diagonalmatrix, wenn aij = 0 für alle
i 6= j
e) A = (aij )n,n heißt Einheitsmatrix, wenn aii = 1 für alle i
und aij = 0 für alle j 6= j
4. Folgen und Reihen
5. Finanzmathematik
6. Reelle Funktionen
7. Differenzieren 1
8. Differenzieren 2
9. Integration
10. DGLs
Ist A
a: eine untere Dreiecksmatrix?
b: eine obere Dreiecksmatrix?
c: keins von beiden?
d: Weiß ich nicht (obwohl ich intensiv
drüber nachgedacht habe)?
28
Addition und Subtraktion von Matrizen
Mathematik
Stefan Etschberger
Definition
Gegeben: A = (aij )m,n und B = (bij )m,n .
Dann gilt:
Addition: A + B = (aij )m,n + (bij )m,n = (aij + bij )m,n
Subtraktion: A − B = (aij )m,n − (bij )m,n = (aij − bij )m,n
1. Aussagenlogik
2. Lineare Algebra
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
2.3. Punktmengen im R
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
2.6. Determinanten
2.7. Eigenwerte
Damit:
A+B=B+A
(A + B) + C = A + (B + C)
Addition/Subtraktion nicht definiert, wenn Zeilen- bzw.
Spaltenzahl nicht übereinstimmen
3. Lineare Programme
4. Folgen und Reihen
5. Finanzmathematik
6. Reelle Funktionen
7. Differenzieren 1
8. Differenzieren 2
9. Integration
10. DGLs
29
Skalare Multiplikation
Mathematik
Stefan Etschberger
Definition
Gegeben: A = (aij )m,n und r ∈ R (Skalar).
Dann gilt:
1. Aussagenlogik
2. Lineare Algebra
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
r · A = r · (aij )m,n = (r · aij )m,n = (aij · r)m,n = A · r
Beispiel:
1
5·
3
2
5
=
5
15
10
25
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
2.6. Determinanten
2.7. Eigenwerte
3. Lineare Programme
4. Folgen und Reihen
5. Finanzmathematik
Außerdem gilt:
(rs)A
(r + s)A
r(A + B)
2.3. Punktmengen im R
6. Reelle Funktionen
= r(sA)
= rA + sA
= rA + rB
(Assoziativgesetz)
(Distributivgesetz)
7. Differenzieren 1
8. Differenzieren 2
9. Integration
10. DGLs
30
Matrixmultiplikation
Mathematik
Stefan Etschberger
Gegeben:
A = (aik )m,p und
B = bkj p,n .
B : p Zeilen q Spalten

b
12
Dann gilt:
Merke:
Zeile mal Spalte!
22
22
×
b
a
n,q
a
p,q
.+
k=1
..
+
= (aik )n,p · bkj
!
p
X
=
aik bkj
+
21
×
A·B
a2
















a11
a12
...
a1p
a21
a22
...
a2p
..
.
..
.
..
..
.
an1
an2
...
.
anp
A : n Zeilen p Spalten
p
×
















2
bp
















b11
b12
...
b1q
b21
b22
...
b2q
..
.
..
.
..
..
.
bp1
bp2
...
.
bpq

















1. Aussagenlogik
2. Lineare Algebra
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
2.3. Punktmengen im R
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
2.6. Determinanten
2.7. Eigenwerte
3. Lineare Programme
















c11
c12
...
c1q
c21
c22
...
c2q
..
.
..
.
..
..
.
cn1
cn2
...
.
cnq
















4. Folgen und Reihen
5. Finanzmathematik
6. Reelle Funktionen
7. Differenzieren 1
8. Differenzieren 2
9. Integration
10. DGLs
C = A × B : n Zeilen q Spalten
Quelle Grafik: Alain Matthes, altermundus.com
31
Verbrauch
von Einheiten
der
Produktionsfaktoren
für eine Einheit des Produkts
P1
P2
F1
F2
F3
a11
a21
a31
a12
a22
a32
Spezialfälle und Rechenregeln
Mathematik
Stefan Etschberger
Spezialfälle der Matrixmultiplikation
A = (m × n)-Matrix, B = (n × m)-Matrix
⇒ es existiert
A·B
und
B·A
A quadratisch
⇒
A·A=
A2
existiert
A, B quadratisch ⇒ A · B existiert und B · A existiert.
Aber: Im Allgemeinen A · B 6= B · A
Ist E Einheitsmatrix, dann gilt:
1. Aussagenlogik
2. Lineare Algebra
2.1. Matrizen und Vektoren
2.2. Matrixalgebra
2.3. Punktmengen im R
n
2.4. Lineare
Gleichungssysteme
2.5. Inverse Matrizen
2.6. Determinanten
A·E=E·A=A
2.7. Eigenwerte
3. Lineare Programme
4. Folgen und Reihen
Spezielle Rechenregeln
A = (m × p)-Matrix, B = (p × n)-Matrix. Damit gilt:
A·B
und
B T · AT
existieren.
BT AT = (A · B)T
AT A
AAT
ist symmetrische (p × p)-Matrix und
ist symmetrische (m × m)-Matrix
5. Finanzmathematik
6. Reelle Funktionen
7. Differenzieren 1
8. Differenzieren 2
9. Integration
10. DGLs
32