Titelei
Eichholz / Vilkner Taschenbuch der Wirtschaftsmathematik
Titelei
Taschenbuch der Wirtschaftsmathematik
von...
82 downloads
2006 Views
3MB Size
Report
This content was uploaded by our users and we assume good faith they have the permission to share this book. If you own the copyright to this book and it is wrongfully on our website, we offer a simple DMCA procedure to remove your content from our site. Start by pressing the button below!
Report copyright / DMCA form
Titelei
Eichholz / Vilkner Taschenbuch der Wirtschaftsmathematik
Titelei
Taschenbuch der Wirtschaftsmathematik
von Prof. Dr. rer. nat. Wolfgang Eichholz und Prof. Dr.-Ing. Eberhard Vilkner
3., verbesserte Auflage mit 55 Abbildungen, 208 Beispielen und zahlreichen Tabellen
FACHBUCHVERLAG LEIPZIG im Carl Hanser Verlag
Titelei Autoren Prof. Dr. rer. nat. Wolfgang Eichholz Kapitel 3 bis 7, 9 Hochschule Wismar Fachhochschule für Technik, Wirtschaft und Gestaltung Fachbereich Wirtschaft Prof. Dr.-Ing. Eberhard Vilkner Kapitel 1, 2, 8 Hochschule Wismar Fachhochschule für Technik, Wirtschaft und Gestaltung Fachbereich Wirtschaft
Die Deutsche Bibliothek - CIP-Einheitsaufnahme Ein Titeldatensatz für diese Publikation ist bei Der Deutschen Bibliothek erhältlich ISBN 3-446-22080-1
Dieses Werk ist urheberrechtlich geschützt. Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung des Buches, oder Teilen daraus, vorbehalten. Kein Teil des Werkes darf ohne schriftliche Genehmigung des Verlages in irgendeiner Form (Fotokopie, Mikrofilm oder ein anderes Verfahren), auch nicht für Zwecke der Unterrichtsgestaltung, reproduziert oder unter Verwendung elektronischer Systeme verarbeitet oder verbreitet werden.
Fachbuchverlag Leipzig im Carl Hanser Verlag 2002 Carl Hanser Verlag München Wien Internet: http://www.fachbuch-leipzig.hanser.de Lektorat: Christine Fritzsch Satz: Dr. rer. nat. Wolfgang Eichholz / Dr.-Ing. Eberhard Vilkner Druck und Binden: Kösel, Kempten Printed in Germany
Umschlag Seite2
Grundlagen
G
Lineare Algebra und Optimierung
L
Funktionen, Folgen, Reihen
R
Grundzüge der Finanzmathematik
F
Funktionen mit Einer reellen Variablen
E
Funktionen mit Mehreren Variablen
M
Numerische Verfahren
N
Statistik
S
Ausgewählte Probleme des OR
O
Tafeln
T
Vorwort und Benutzerhinweise, Seite 5
Vorwort Dieses Kompendium auf dem Gebiet der Wirtschaftsmathematik stellt eine Brücke zwischen den mathematischen Verfahren und den wirtschaftlichen Anwendungen in komprimierter Form dar. Es enthält die wichtigsten Formeln, Gesetze und Verfahren aus der Wirtschaftsmathematik. Zahlreiche, ausführlich durchgerechnete Beispiele verdeutlichen die mathematischen Zusammenhänge. Das Taschenbuch wendet sich sowohl an Studenten wirtschaftlicher Fachrichtungen als auch an die in der Praxis tätigen Wirtschaftswissenschaftler. Es ist nützlich als Nachschlagewerk beim Lösen von Übungsaufgaben, bei der Prüfungsvorbereitung, bei Klausuren sowie bei der Bearbeitung von praktischen Problemstellungen. Das Buch ist somit auch für die berufliche Weiterbildung von Interesse. Durch die Softwareentwicklung wird der Zugang zu mathematischen Verfahren und somit auch zu immer komplizierteren wirtschaftlichen Modellen erleichtert. Dem trägt das Kapitel 7 Rechnung, in dem ein kleiner Einblick in Begriffe und Methoden der numerischen Mathematik gegeben wird. Die Kapitel 8.2 und 9 entstanden unter Mitwirkung von Prof. Dr. oec. habil. Hans-Jürgen Hochgräfe, Hochschule Wismar, Fachbereich Wirtschaft, wofür wir ihm recht herzlich danken möchten. Wir danken Herrn Prof. Dr. Manfred Kiy, Fachhochschule Köln, Fachbereich Wirtschaft, für die vielen guten Hinweise. Dank gilt auch Herrn Dr.-Ing. Steffen Naake, Chemnitz, für die Anfertigung der Abbildungen der Kapitel 1, 2 und 8 und Frau Christine Fritzsch vom Fachbuchverlag Leipzig für die gute Zusammenarbeit. Für Anregungen, Verbesserungen und Kritiken aus dem Leserkreis sind die Verfasser dankbar, denn wir wünschen uns, dass dieses Buch für Studium und Beruf ein zuverlässiger Ratgeber ist. Zur 3. Auflage Unser Dank gilt erneut den Lesern unseres Taschenbuchs, die mit Hinweisen und Ergänzungswünschen zur Verbesserung beigetragen haben. Die Kapitel Lineare Algebra und Optimierung sowie Numerische Verfahren wurden überarbeitet. Alle anderen Abschnitte wurden durchgesehen und verbessert. Neu aufgenommen wurde eine Integraltafel. Über die Homepage des Verlages http://www.fachbuch-leipzig.hanser.de gelangt der Leser zu weiteren Aufgaben mit Lösungen. Wolfgang Eichholz
Eberhard Vilkner
Benutzerhinweise Das Taschenbuch ist einfach und übersichtlich gestaltet. Trotzdem sollen folgende Hinweise die Arbeit mit dem Taschenbuch erleichtern. (1)
(2)
(3) (4)
Die neun Kapitel und die Tafeln sind mit Hilfe des Daumenregisters (auf jeder ungeraden Seite) schnell zu finden. Die Inhalte der Buchstaben stehen auf der zweiten Umschlagseite. Die Überschriften der einzelnen Abschnitte in drei Ebenen sind im Inhaltsverzeichnis enthalten. Überschriften vierter Ebene in den Abschnitten sind entsprechend hervorgehoben. Verweise beziehen sich auf die entsprechenden Abschnitte. Ein umfangreiches Sachwortverzeichnis am Ende des Buches erleichtert das Auffinden gesuchter Begriffe.
(5)
Begriffserklärungen und Definitionen sind grau unterlegt ohne schwarzen Rahmen. (6) Sätze und wichtige Formeln wurden grau unterlegt mit schwarzem Rahmen. (7) Abbildungen und Beispiele werden innerhalb der Kapitel fortlaufend numeriert. (8) Bemerkungen sind kursiv geschrieben. (9) Auf den inneren Umschlagseiten sind Ableitungen und Grundintegrale sowie diskrete und stetige Verteilungen zusammengefasst. (10) Auf Abkürzungen wurde weitestgehend verzichtet. Bezeichnungen befinden sich im jeweiligen Abschnitt. Einige wenige Bezeichnungen und Abkürzungen sind im Folgenden erklärt. Bezeichnungen
Abkürzungen
: = ...
bez. bzw. d. h. i. Allg. max min u. a. u. Ä. vgl. z. B. p. a.
ergibt sich aus, bzw. definiert als ist gleich ist ungefähr gleich ungleich und so weiter (bis) für alle es existiert ein ist Element aus (der Menge) ist nicht Element aus (der Menge) Summenzeichen Produktzeichen
bezüglich beziehungsweise das heißt im Allgemeinen Maximum Minimum und andere(s) und Ähnlich(-es) vergleiche zum Beispiel pro anno ( je Jahr)
Inhaltsverzeichnis 1
Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
1.1 1.2 1.3 1.4 1.5 1.5.1 1.5.2 1.5.3 1.6 1.7 1.8 1.9 1.9.1 1.9.2 1.9.3
Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Aussagenlogik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zahlenbereiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zahlensysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Reelle Zahlen R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Axiome und Rechenregeln in R . . . . . . . . . . . . . . . . . . . . . . . . . . Summen- und Produktzeichen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fakultät, Binomialkoeffizient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kombinatorik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Potenzen, Wurzeln, Logarithmen . . . . . . . . . . . . . . . . . . . . . . . . . . Gleichungen, Ungleichungen (eine Variable) . . . . . . . . . . . . . Lineare geometrische Zusammenhänge . . . . . . . . . . . . . . . . . . . . Gerade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Halbebene . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dreiecke . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11 13 14 15 16 16 19 20 21 23 25 30 30 30 31
2
Lineare Algebra und Optimierung . . . . . . . . . . . . . . . . . 32
2.1 2.1.1 2.1.2 2.1.3 2.2 2.2.1 2.2.2 2.2.3 2.2.4 2.3 2.3.1 2.3.2 2.3.3 2.3.4 2.3.5 2.4 2.5 2.5.1 2.5.2 2.6 2.6.1
Determinanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Begriff, Berechnung für n 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Entwicklungssatz von Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Eigenschaften von Determinanten . . . . . . . . . . . . . . . . . . . . . . . . . Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Begriffe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rechnen mit Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Besondere Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Eigenwerte, Eigenvektoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lineare Gleichungssysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lineare Abhängigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lösbarkeitsbedingung linearer Gleichungssysteme . . . . . . . Basistransformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Gauß-Algorithmus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Anwendungen in der Wirtschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . Lineare Ungleichungssysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Begriffe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lösen linearer Ungleichungssysteme . . . . . . . . . . . . . . . . . . . . . Lineare Optimierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Begriffe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32 32 34 34 37 37 37 42 43 44 44 45 46 47 52 55 56 56 57 61 61
8
Inhaltsverzeichnis
2.6.2 2.6.3 2.6.4
Lösen linearer Optimierungsprobleme . . . . . . . . . . . . . . . . . . . . Simplexmethode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Dualität in der linearen Optimierung . . . . . . . . . . . . . . . . . . . . .
62 67 74
3
Funktionen, Folgen, Reihen . . . . . . . . . . . . . . . . . . . . . . . . . .
77
3.1 3.2 3.3 3.4 3.5 3.6 3.7
Begriffe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Umkehrfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Verknüpfungen und Verkettungen . . . . . . . . . . . . . . . . . . . . . . . . Grundfunktionen einer reellen Variablen . . . . . . . . . . . . . . . . . Zahlenfolgen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
77 79 80 81 82 84 86
4
Grundzüge der Finanzmathematik . . . . . . . . . . . . . . . . . Einfache Verzinsung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zinseszinsen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rentenrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tilgungsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Investitionsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Abschreibungsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lineare Abschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Degressive Abschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Progressive Abschreibung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kursrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kurs einer Annuitätenschuld . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Kurs einer Ratenschuld . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . Kurs einer gesamtfälligen Schuld . . . . . . . . . . . . . . . . . . . . . . . . . .
89
4.1 4.2 4.3 4.4 4.5 4.6 4.6.1 4.6.2 4.6.3 4.7 4.7.1 4.7.2 4.7.3
5 5.1 5.2 5.3 5.4 5.4.1 5.4.2 5.4.3 5.4.4 5.4.5 5.4.6 5.5 5.5.1 5.5.2 5.5.3 5.5.4
89 92 96 99 101 104 104 106 109 110 110 111 112
Funktionen mit einer reellen Variablen . . . . . . . . . . . 114 Grenzwert von Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114 Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 Ableitung einer Funktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 Anwendung der Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120 Differenzial und Fehlerrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . 120 Grenzfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121 Wachstumsrate und Elastizität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122 Newton-Verfahren (Tangentenverfahren) . . . . . . . . . . . . . . . . . 124 Taylorscher Satz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 Regel von Bernoulli-L'Hospital . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 Untersuchung von Funktionen mit Hilfe ihrer Ableitungen127 Stetigkeit und Mittelwertsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 Monotonieverhalten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 Extremwertbestimmung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127 Krümmungsverhalten und Wendepunkte . . . . . . . . . . . . . . . . . . 129
Inhaltsverzeichnis
9
5.5.5 5.6 5.6.1 5.6.2 5.6.3 5.6.4 5.6.5 5.6.6 5.7 5.7.1 5.7.2 5.7.3
Anwendung in der Wirtschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Integralrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Unbestimmtes Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bestimmtes Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Uneigentliches Integral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Integration stückweise stetiger Funktionen . . . . . . . . . . . . . . . Numerische Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Anwendung der Integralrechnung . . . . . . . . . . . . . . . . . . . . . . . . . Differenzialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Separable Differenzialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . Lineare Differenzialgleichungen 1. Ordnung . . . . . . . . . . . . .
130 132 132 134 135 136 137 138 140 140 140 142
6 6.1 6.2 6.3 6.4 6.5 6.6
Funktionen mit mehreren Variablen . . . . . . . . . . . . . . . 144 Begriff und Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144 Partielle Ableitungen, Gradient, Hesse-Matrix . . . . . . . . . . . . . 145 Vollständiges Differenzial, Fehlerrechnung und Elastizität . . 146 Extremwertbestimmung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148 Extremwerte mit Nebenbedingungen . . . . . . . . . . . . . . . . . . . . . . 150 Methode der kleinsten Quadrate (MkQ) . . . . . . . . . . . . . . . . . . . 151
7
Numerische Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
7.1 7.2 7.3 7.4 7.5 7.5.1 7.5.2 7.5.3 7.6 7.7 7.8 7.9 7.9.1 7.9.2 7.9.3 7.10
Fehlerarten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zahlendarstellungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fehleranalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Grundbegriffe der Funktionalanalysis . . . . . . . . . . . . . . . . . . . . . Iterationsverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fixpunktiteration bei nichtlinearen Gleichungen . . . . . . . . . . Iterative Lösung linearer Gleichungssysteme . . . . . . . . . . . . . . Iterative Lösung nichtlinearer Gleichungssysteme . . . . . . . . Direkte Lösungsverfahren der linearen Algebra . . . . . . . . . . . Lösungsverfahren für Bandmatrizen . . . . . . . . . . . . . . . . . . . . . . . Pseudolösungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Klassische Interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Splineinterpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bézier-Kurve . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Numerische Differenziation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
153 154 155 156 159 159 160 161 163 163 164 165 166 167 170 172
8
Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
8.1 8.1.1 8.1.2
Wahrscheinlichkeitsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 Grundbegriffe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173 Diskrete Verteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
10
Inhaltsverzeichnis
8.1.3 8.2 8.2.1 8.2.2 8.2.3 8.2.4 8.2.5 8.3 8.3.1 8.3.2 8.3.3
Stetige Verteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Beschreibende (deskriptive) Statistik . . . . . . . . . . . . . . . . . . . . . Univariate Datenanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bi- und multivariate Datenanalyse . . . . . . . . . . . . . . . . . . . . . . . . Maß- und Indexzahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Bestands- und Bewegungsmasse . . . . . . . . . . . . . . . . . . . . . . . . . . Zeitreihenanalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Schließende (induktive) Statistik . . . . . . . . . . . . . . . . . . . . . . . . . . Grundgesamtheit und Stichprobe . . . . . . . . . . . . . . . . . . . . . . . . . . Statistische Schätzverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Statistische Tests . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
189 196 196 209 220 223 226 235 235 237 242
9
Ausgewählte Probleme des OR . . . . . . . . . . . . . . . . . . . . . . Standortproblem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Spezielle LO-Probleme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Transportproblem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zuordnungsproblem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rundreiseproblem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Reihenfolgemodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Algorithmus von Johnson-Bellman . . . . . . . . . . . . . . . . . . . . . . . . Zeilenbewertungsverfahren (n 3) . . . . . . . . . . . . . . . . . . . . . . . . Netzplanmodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zeitplanung nach Critical Path Method (CPM) . . . . . . . . . . . Standardmodell für offene Wartesysteme . . . . . . . . . . . . . . . . . Lagerhaltung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Deterministische Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Stochastische Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
246
Tafeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Verteilungsfunktion der standardisierten Normalverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . t-Verteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chi-Quadrat-Verteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Zinsberechnungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Tabelle ausgewählter Integrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
272
9.1 9.2 9.2.1 9.2.2 9.3 9.4 9.4.1 9.4.2 9.5 9.5.1 9.5.2 9.6 9.7 9.7.1 9.7.2 9.7.3 T1 T2 T3 T4 T5
246 247 247 251 253 255 256 258 259 259 260 264 266 266 267 270
272 273 274 275 276
Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279 Sachwortverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
1
1
Grundlagen
1.1
Mengen
G
Der Mengenbegriff Eine Menge íst nach CANTOR die Gesamtheit bestimmter, wohlunterscheidbarer Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig feststeht, ob es dazu gehört oder nicht. Die Objekte heißen Elemente. Zwei Mengen A und B über einem gegebenen Grundbereich sind gleich, wenn jedes Element der Menge A auch Element der Menge B ist und umgekehrt, A = B. Eine Menge A heißt Teilmenge oder Untermenge einer Menge B, wenn jedes Element von A auch Element von B ist, A B. Eine Menge M heißt leer, wenn sie kein Element enthält, M = . Mengenoperationen Die Mengenoperationen werden in der Abbildung 1.1 durch die VENNschen Diagramme graphisch unterstützt.
erstellt von ciando
Die Vereinigung A B zweier Mengen A und B ist die Menge aller Elemente, die mindestens einer der beiden Mengen A oder B angehören. Der Durchschnitt A B zweier Mengen A und B ist die Menge aller Elemente, die sowohl A als auch B angehören. Bemerkung Zwei Mengen A und B mit A B = werden als disjunkte Mengen bezeichnet. Die Differenz A \ B zweier Mengen A und B ist die Menge aller Elemente von A, die nicht zu B gehören.
A B: A B: A \ B:
A: Abbildung 1.1
Gegeben sei eine Grundmenge S und eine Teilmenge A von S, A S. Die Differenz A = S \ A heißt Komplementärmenge von A bezüglich S.
12
1 Grundlagen
Geordnete Paare, Produktmenge, Abbildung Ein geordnetes Paar (a, b) ist die Gesamtheit von zwei Elementen a und b, wobei die Reihenfolge zu berücksichtigen ist. Zwei geordnete Paare (a, b) und (c, d) heißen genau dann gleich, wenn gleichzeitig a = c und b = d gelten. Analog werden geordnete Tripel (a, b, c) bzw. geordnete n-Tupel (a1, a2, ..., an) definiert. Bemerkung Es gilt für a b: (a, b) (b, a). M1 und M2 seien Mengen. Die Menge aller geordneten Paare (x1, x2) mit x1 M1 und x2 M2 heißt Produktmenge (auch: Kreuzmenge, Kreuzprodukt, kartesisches Produkt) M1 x M2 von M1 und M2. Eine Teilmenge der Produktmenge M1 x M2 zweier gegebener Mengen M1 und M2 wird als Abbildung A aus M1 in M2 bezeichnet. Ist A eine Abbildung aus M1 in M2, so wird die Menge aller x1M1, für die ein x2 derart existiert, dass (x1, x2) A ist, der Definitionsbereich (DB) DA von A genannt. Die Menge aller x2 M2, für die ein x1 M1 derart existiert, dass (x1, x2) A ist, wird Wertebereich (WB) WA von A genannt. Bemerkung Stimmt der Definitionsbereich DA einer Abbildung A mit der Menge M1 überein, DA = M1, so wird die Abbildung als A von M1 bezeichnet. Stimmt andererseits der Wertebereich WA einer Abbildung A mit der Menge M2 überein, WA = M2, so wird die Abbildung als A auf M2 bezeichnet. Für eine Abbildung A aus M1 in M2 wird die Menge (x2, x1) mit x2 M2, x1 M1 und (x1, x2) A als Umkehrabbildung oder inverse Abbildung A1 von A bezeichnet. Eine Abbildung A aus M1 in M2 heißt eindeutig, wenn jedem Element x DA nur ein Element y WA zugeordnet wird. Eine Abbildung A heißt eineindeutig oder umkehrbar eindeutig, wenn sowohl A als auch A1 eindeutig sind. Eine eindeutige Abbildung A wird Funktion genannt.
1.2 Aussagenlogik
1.2
13
Aussagenlogik
Eine Aussage p ist die Beschreibung eines Sachverhaltes. Der Aussage können die Wahrheitswerte wahr ( W ) oder falsch ( F ) zugeordnet werden. Durch Verknüpfungen von Aussagen ergeben sich neue Aussagenverbindungen: Aussagenverbindung
Name
Kurzzeichen
nicht p p und q p oder q wenn p, so q p genau dann, wenn q
Negation Konjunktion Disjunktion Implikation Äquivalenz
p p q p q pq p q
Die Negation wird als einstellige, die weiteren als zweistellige Aussagenverbindungen bezeichnet. Die Wahrheitswerte der Aussagenverbindungen sind in der folgenden Zusammenstellung enthalten: p
p
p
q
p q
p q
pq
p q
W F
F W
W W F F
W F W F
W F F F
W W W F
W F W W
W F F W
Aussagenlogische Gesetze, Identitäten bzw. Tautologien sind Aussagenverbindungen, die bei beliebiger Belegung der Wahrheitswerte für die beteiligten Aussagen den Wahrheitswert W annehmen. Aussagenlogische Gesetze p p (p q) (q p) (p q) (q p) (p q) (q p) ( p q) p q
(p q) r p (q r) p q r (p q) r p (q r) p q r ((p q) r) (p (q r)) ( p q r) p (q r) (p q) (p r)
( p q) p q
p (q r) (p q) (p r)
(p q) ( p q)
(p q) q p
p p
p p
G
14
1 Grundlagen
1.3
Zahlenmengen komplexe Zahlen
reelle Zahlen
rationale Zahlen
ganze Zahlen
natürliche Zahlen
nicht reelle Zahlen
irrationale Zahlen
nicht ganze Zahlen
negative Zahlen
Die Umkehrung von Rechenoperationen führt zur Erweiterung von Zahlenmengen. So ist zum Beispiel die Subtraktion als Umkehrung der Addition in der Menge der natürlichen Zahlen nicht immer ausführbar. Darum werden die negativen Zahlen eingeführt. Die Division als Umkehrung der Multiplikation führt zur Einführung der rationalen Zahlen. Schließlich führen die Umkehrungen des Potenzierens, das Logarithmieren und Radizieren in die Menge der irrationalen bzw. der komplexen Zahlen. Die komplexen Zahlen bestehen aus einer reellen und aus einer imaginären Komponente. Im Allgemeinen führt die Grenzwertbildung zur Menge der reellen Zahlen. Zahlenmengen N N+ Z Q R + R C
Menge der natürlichen Zahlen Menge der positiven natürlichen Zahlen Menge der ganzen Zahlen Menge der rationalen Zahlen Menge der reellen Zahlen Menge der positiven reellen Zahlen Menge der komplexen Zahlen
1.4 Zahlensysteme
1.4
15
Zahlensysteme
Positionssysteme Eine Ziffer ist ein Zeichen aus einem Zeichenvorrat von B verschiedenen Zeichen, denen als Zahlenwerte die ganzen Zahlen 0, 1, ..., B 1 zugeordnet werden, B > 1. Für das übliche Dezimalsystem ist B = 10. Weitere gebräuchliche Positionssysteme sind das Dualsystem mit B = 2, das Oktalsystem mit B = 8 und das Hexadezimalsystem mit B = 16. Die folgende Übersicht zeigt den Zahlenaufbau verschiedener Positionssysteme: dual
oktal
dezimal
hexadezimal
0 1 10 11 100 101 110 111 1000 1001 1010 1011 1100 1101 1110 1111 10000 10001 10010 10011 10100 10101 10110 10111 11000
0 1 2 3 4 5 6 7 10 11 12 13 14 15 16 17 20 21 22 23 24 25 26 27 30
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
0 1 2 3 4 5 6 7 8 9 A B C D E F 10 11 12 13 14 15 16 17 18
Zahlendarstellung einer ganzen Zahl z im Positionssystem mit B = b n
z a k b k = (an bn + an1 bn1 + ... + a1 b1 + a0 b0 ) k 0
Ziffer: Schreibweise der Zahl z :
ak {0, 1, 2, ..., b}, an 0 z = an an1 ... a1 a0
G
16
1 Grundlagen
Umrechnung in andere Positionssysteme Die Umrechnung von Zahlen eines Positionssystems in ein anderes Positionssystem wird als Konvertierung bzw. als Rekonvertierung bezeichnet und soll an einem Beispiel gezeigt werden, das den allgemeinen Algorithmus erkennen lässt. Beispiel 1.1 Es soll z = 7510 in das Dualsystem konvertiert werden. Lösung 75 : 2 = 37 Rest 1, d.h. a0 = 1 z0 = 75 37 : 2 = 18 Rest 1, d.h. a1 = 1 z1 = 37 18 : 2 = 9 Rest 0, d.h. a2 = 0 z2 = 18 9 : 2 = 4 Rest 1, d.h. a3 = 1 z3 = 9 4 : 2 = 2 Rest 0, d.h. a4 = 0 z4 = 4 2 : 2 = 1 Rest 0, d.h. a5 = 0 z5 = 2 1 : 2 = 0 Rest 1, d.h. a6 = 1 z6 = 1 z = 7510 = 10010112 Die Probe zeigt die Rekonvertierung 6 5 4 3 2 1 0 z = 10010112 = 1 2 + 0 2 + 0 2 + 1 2 + 0 2 + 1 2 + 1 2 = 64 + 8 + 2 + 1 = 7510
1.5 1.5.1
Reelle Zahlen R Axiome und Rechenregeln in R
Das Rechnen in der Menge der reellen Zahlen R basiert auf einigen Axiomen (unbeweisbare Annahmen) und daraus ableitbaren und beweisbaren Rechenregeln. Es werden zwei Operationen (Addition und Multiplikation) erklärt, die den folgenden 11 Axiomen genügen: Axiom 1: Für a, b R existiert genau ein s R mit s = a + b (Addition). Axiom 2: Für a, b, c R gilt: (a + b) + c = a + (b + c) = a + b + c (Assoziativgesetz bez. der Addition). Axiom 3: Es gibt genau ein Element 0 R, sodass für alle a R gilt: a + 0 = a (Nullelement bez. der Addition). Axiom 4: Zu jedem a R gibt es genau ein inverses Element a R, sodass gilt: a + (a) = (a) + a = 0 (inverses Element bez. der Addition). Axiom 5: Für a, b R gilt: a + b = b + a (Kommutativgesetz bez. der Addition). Axiom 6: Für a, b R existiert genau ein p R mit p = a b (Multiplikation).
1.5 Reelle Zahlen R
17
Axiom 7: Für a, b, c R gilt: (a b) c = a (b c) = a b c (Assoziativgesetz bez. der Multiplikation). Axiom 8: Es gibt genau ein Element 1 R, sodass für alle a R gilt: a 1 = a (Einselement bez. der Multiplikation). Axiom 9: Zu jedem a R, a 0 gibt es genau ein inverses Element 1 1 1 R, sodass gilt: a = a=1 a a a (inverses Element bez. der Multiplikation). Axiom 10: Für a, b R gilt: a b = b a (Kommutativgesetz bez. der Multiplikation). Axiom 11: Für a, b, c R gilt: a (b + c) = a b + a c (Distributivgesetz). Subtraktion und Division sind Umkehroperationen zur Addition a 1 bzw. Multiplikation: a b := a + ( b), a : b = := a . b b Die Potenz ist eine mehrfache Multiplikation: an = a n := a a ... a, n Faktoren, n N Stufe
Bezeichnungen + :
a+b=c ab=c a b=c a :b=q ab = p
Summand + Minuend Faktor Dividend : Basis hoch
Summand Subtrahend Faktor Divisor Exponent
= = = = =
Summe Differenz Produkt Quotient Potenz
1 1 2 2 3
Bemerkung: Die Operation höherer Stufe hat Vorrang, falls nicht durch Klammern etwas anderes angezeigt wird. Klammern werden von innen nach außen abgearbeitet. Rechenregeln in R ( a) = a a = ( 1) a ab = a b = a ( b) = ( a) b ab = ( a) ( b) (a + b) (c + d) = a c + a d + b c + b d
a a a b b b a a , b0 a :b b b
( a :b )
Binomische Formeln (a + b)2 = a2 + 2ab + b2 (a b)2 = a2 2ab + b2
(a + b) (a b) = a2 b2
G
1 Grundlagen
18
Multiplikation und Division von Brüchen a c ac b d bd
ac a bc b
b ab a b c c c
a
a da b db
„kürzen durch c “ „erweitern mit d “
a b a c bc
a b a d ad c b c bc d
a ac , b b c
b, c, d 0
Addition von Brüchen
a b a b c c c
a c ad bc b d bd
Multiplikation und Division „mit 0“
a0 = 0a = 0 0 0 mit a 0 a a 0 a=0 b0 b
ab=0 a=0 b=0 a - nicht definiert 0
Partialdivision (Division von Summen) (0) Dividend und Divisor nach fallenden Potenzen einer allgemeinen Größe (*) ordnen. (1) Division der potenzhöchsten Terme. (2) Rückmultiplikation mit dem gesamten Divisor. (3) Subtraktion des Ergebnisses (2) vom Dividenden. (4) Abbruch, falls das Ergebnis der Subtraktion (3) eine kleinere Potenz bez. (*) hat, als die vom Divisor, sonst erneut mit (1) beginnen. Beispiel 1.2 ( 9a 6a b 2ab + b ) : ( 3a + 2b ) = 3a 4ab + 2b + 3
2
2
3
( 9a + 6a b 3
2
2
)
12a b 2ab + b 2 2 ( 12a b 8ab ) 2
2
3
6ab + b 2 3 (6ab + 4b ) 2
3
3b
3
2
3b 3 3a 2b
1.5 Reelle Zahlen R
19
Betrag einer Zahl a, a 0 a : a , a 0
a 0
a a
a b a b a b ab
1.5.2
Summen- und Produktzeichen
Summen- und Produktzeichen sind abkürzende Operationszeichen für Summationen bzw. Produktbildungen. n
ai : am am1 an ,
i m
n
i 1
n 1
n m, 1
n
! ai : am am1 an ,
i m
0
ai a1 ,
ai ai an1 , i 1
n, m Z
ai : 0, i 1
i1
nm
n, m Z
Doppelsumme n
m
aik
i 1 k 1
a11 + a12 + ... + a1m + a21 + a22 + ... + a2m + + + an1 + an2 + ... + anm
Rechenregeln n
n
n
i 1
i 1
(ai bi ) ai bi
i 1 n
n
i 1
i 1
c ai c ai n
i 1
i 1
n
i 1
i 1
! c ai c n ! ai i 1
m
n
k 1 i 1
n
n
! c cn
aik aik i 1 k 1
n
n
c nc i 1 n m
n
! (ai bi ) ! ai ! bi i 1
G
20
1 Grundlagen
1.5.3
Fakultät, Binomialkoeffizient
Fakultät Für das Produkt der ersten n natürlichen Zahlen wird abkürzend n! geschrieben und n-Fakultät gesprochen.
n! :
n
! i 1 2 ... n , i 1
STIRLINGsche Formel (für große nN)
n N,
n!"
0! : 1
n 2# n n n e n 2# n e
n
Binomialkoeffizient Die Binomialkoeffizienten entstehen bei der mehrfachen Multiplikation von zwei Summanden (Binomen) und finden z. B. bei kombinatorischen Fragestellungen Anwendung. n n! : , (n k )! k! k
n k 0,
n : 1 0
n, k N;
Bemerkung: Beim Ausrechnen kann Kürzen sinnvoll sein. Kürzen heißt, Zähler und Nenner durch die gleiche Zahl zu dividieren. n n 1 0 n
n n n n 1 1
n n k n k
n n n 1 k k 1 k 1
Binomischer Satz ( a b) n
n
n
k a n k b k ,
k 0
a, b 0
PASCALsches Dreieck n=0 1 n=1 1 n=2 1 2 n=3 1 3 n=4 1 4 6 n=5 1 5 10 k k k . . . n=k 1 0 2
1 1 3
1 4
10
1 5 k k 1
1 k k
1.6 Kombinatorik
1.6
21
Kombinatorik
Die Kombinatorik beschäftigt sich mit der Ermittlung möglicher Anzahlen bei Problemen der Anordnung von n Elementen (Permutationen) bzw. bei Auswahl von k aus n Elementen (Variationen und Kombinationen). Für die Zuordnung sind folgende Fragestellungen wesentlich: (1) Sind alle Elemente beteiligt oder wird ausgewählt? (2) Stehen die Elemente einmal oder mehrmals zur Verfügung? (3) Ist bei den ausgewählten Elementen die Reihenfolge zu beachten? Jede Zusammenstellung einer endlichen Anzahl von n unterschiedlichen Elementen in irgendeiner Anordnung, in der alle Elemente verwendet werden, heißt Permutation der gegebenen n Elemente. Sind unter den n Elementen jeweils n1, n2, ..., nk gleiche Elemente mit n1 + n2 + + nk = n, liegen Permutationen mit Wiederholung vor.
Jede Zusammenstellung von k aus n Elementen, bei der es auf die Reihenfolge der ausgewählten Elemente ankommt, heißt Variation k-ter Klasse aus n Elementen. Steht jedes Element nur einmal zur Verfügung, heißt sie Variation ohne Wiederholung; steht jedes Element beliebig oft zur Auswahl zur Verfügung, heißt sie Variation mit Wiederholung.
Jede Zusammenstellung von k aus n Elementen, bei der es nicht auf die Reihenfolge der ausgewählten Elemente ankommt, heißt Kombination k-ter Klasse aus n Elementen. Steht jedes Element nur einmal zur Verfügung, heißt sie Kombination ohne Wiederholung; steht jedes Element beliebig oft zur Auswahl zur Verfügung, heißt sie Kombination mit Wiederholung. Die Formeln für die möglichen Anzahlen von Permutationen, Variationen bzw. Kombinationen, jeweils mit oder ohne Wiederholung, sind in der Tabelle auf der nächsten Seite zusammengestellt:
G
22
1 Grundlagen ohne Wiederholung mit Wiederholung (Elemente nur ein- (Elemente mehrfach mal vorhanden) vorhanden)
Permutationen (Anordnungsmöglichkeiten von n Elementen)
Kombinationen (Auswahl von k aus n Elementen ohne Berücksichtigung der Anordnung)
n! n1 ! n2 !... nk !
mit n1 n2 nk n
Variationen (Auswahl von k aus n Elementen mit Berücksichtigung der Anordnung)
PW(nn1 ,...,nk )
Pn n!
Vn( k )
n! ( n k )!
VW(nk ) n k
mit 1 k n
n K n( k ) k
KW( kn )
n k 1 k
mit 1 k n
Beispiel 1.3 Wie viele verschiedene Möglichkeiten der Anordnung von 6 Büchern in einem Regal gibt es? Lösung: P6 = 6! = 720 Beispiel 1.4 Wie viele verschiedene Möglichkeiten der Anordnung von 6 Büchern gibt es, wenn von einem Titel 1 Exemplar, vom zweiten Titel 2 und vom dritten 6! 60 Titel 3 Exemplare vorhanden sind? Lösung: PW(1,2,3 ) 6 1! 2! 3! Beispiel 1.5 Wie viele verschiedene Ergebnisvarianten bez. der Reihenfolge der ersten drei Läufer gibt es bei einem 100-m-Lauf mit 8 Teilnehmern? 8! Lösung: V8( 3 ) 336 ( 8 3)! Beispiel 1.6 Wie viele verschiedene Buchstabenvariationen mit k Buchstaben lassen sich aus 26 Buchstaben bilden? Lösung: VW( k ) 26 k 26
Beispiel 1.7 Wie viele verschiedene Spiele (10 Karten aus 32 Karten) kann ein Skat-
32 (10) spieler erhalten? Lösung: K 32 64 512 240 10 Beispiel 1.8 Wie viele verschiedene Zahlenkombinationen ohne Berücksichtigung der Anordnung gibt es bei einem Wurf mit zwei Würfeln? ( 2) Lösung: KW 6
6 2 1 21 2
1.7 Potenzen, Wurzeln, Logarithmen
1.7
23
Potenzen, Wurzeln, Logarithmen
G
Potenzen
a, b, m, n R
am an = am + n am a mn , a 0 an (a m ) n (a n ) m a m n
(a b)n = an bn n
a an n ,b0 b b a n :
a0 := 1
1 , an
a0
Bemerkung an am und an bn lassen sich für m n und a b nicht vereinfachen. Wurzeln
a, b, n, m R; n
a 0, b 0;
a b a bn ,
n
a
1 an
n 0: m
,
n
a, b, m, n R, a, b 0, n 0:
n, m 0:
am a n n
a n b n a b
n
a
n
b
n
am
n m
n
a , b>0 b
a n
m
m
an
a mn a
mn
a
Rationalmachen des Nenners Wurzeln im Nenner können durch Erweitern mit geeigneten Ausdrücken rational gemacht werden. Beispiel 1.9
(1)
a 2
(2)
(3)
a 3
2
a 2
2 2
a 3 22 3
2 3 22
a 3 2
a 2 a 2 2 2
a 3 22 a 3 2 2 2 2
a( 3 2) ( 3 2)( 3 2)
a( 3 2) a( 3 2) 32
1 Grundlagen
24
Logarithmen
Der Logarithmus (Exponent) n von dem Numerus (Logarithmand) a zur Basis b ist die reelle Zahl n, für die gilt: a, b R, a, b > 0, b 1 log b a n a b n a, b R,
log(a b) = log a + log b a log = log a log b b log an = n log a 1 log n a = log a n
a, b > 0:
Die Logarithmengesetze gelten für beliebige Basen, b > 0, b 1.
Gebräuchliche Logarithmensysteme
b = 2: b = e: b = 10:
log 2 a = lb a log e a = ln a log 10 a = lg a
binärer Logarithmus (früher: ld a) natürlicher Logarithmus dekadischer Logarithmus
Umrechnen in andere Logarithmensysteme
log a x = log a b log b x 1 lg x = lg e ln x = ln x ln 10 mit dem Modul: M = lg e =
1 = log a b log b a ln x = ln 10 lg x =
1 lg x lg e
1 1 1 ln 10 " 2,303 " 0,434; M lg e ln 10
Bemerkung Aus log a x = log a b log b x folgen für a = 10 bzw. a = e praktikable Möglichkeiten, Logarithmen mit anderen Basen zu berechnen: lg x ln x log b x . lg b ln b Beispiel 1.10
(1) log2 16 (2) 10
x
ln 16 lg16 4 ln 2 lg 2
=2 x = log102 = lg 2 = 0,301
1.8 Gleichungen, Ungleichungen (eine Variable)
1.8
25
Gleichungen, Ungleichungen (eine Variable)
Gleichungen
Als Term T wird ein mathematischer Ausdruck bezeichnet, der eine Zahl darstellt oder nach Ersetzen vorkommender Variablen und Parameter durch Zahlen in eine Zahl übergeht. Eine Gleichung G ist die Verbindung zweier Terme T1 und T2 mit einem Gleichheitszeichen, G: T1 = T2. Die Definitionsmenge DG einer Gleichung G ist der Durchschnitt der Definitionsmengen aller auftretenden Terme. Die Definitionsmenge DT eines Terms T enthält nur die Elemente der Grundmenge, bei deren Einsetzen in den Term T der Term in eine sinnvolle, definierte Aussage übergeht. Die Lösungsmenge LG einer Gleichung G ist die Menge aller Elemente, die bei Einsetzen der Variablen in die Gleichung diese in eine wahre Aussage überführt. Hat die Lösungsmenge LG genau ein Element, ist die Gleichung G eindeutig lösbar. Enthält LG mindestens ein Element, heißt G lösbar, und hat LG kein Element, so heißt G unlösbar. Führt jedes Einsetzen zu einer wahren Aussage, heißt die Gleichung allgemeingültig, bzw. sie ist identisch erfüllt. Beispiel 1.11 (1) x 1 = 0 x =1 2 (2) x 1 = 0 x1 = 1 x2 = 1 2 (3) x + 1 = 0 2 (4) x 1 = (x + 1) (x 1)
-
eindeutig lösbar lösbar unlösbar in R allgemeingültig
Lösen von Gleichungen Äquivalente Umformungen (1) T1 = T2 T1 T3 = T2 T3 (2) T1 = T2 T1 T3 = T2 T3 , T3 0 T T (3) T1 = T2 1 2 , T3 0 T3 T3
(4) T1 = T2 a T1 a T2 , a R \ {1}, a > 0 (5) T1 = T2 log a T1 log a T2 , T1, T2 > 0, a R \ {1}, a > 0 (6) T1 = T2 T1n T2 n , n N, n ungerade (7) T1 = T2
n
T1 n T2 , n N, n ungerade
G
1 Grundlagen
26
Lineare Gleichungen: a x + b = 0 (1) Variable isolieren ax = b (2) Ausklammern b (3) Division, falls a 0 : x = a b 0 : Widerspruch Für a = 0 : b 0 : x beliebig
a x + b = c x + d, a c ax cx = d b (a c) x = d b d b x = ac
Quadratische Gleichungen: a x2 + b x + c = 0 (allgemeine Form) x2 + p x + q = 0 (Normalform)
Lösungsformel für die Normalform 2
x1,2
p p q 2 2
2
mit
p D = q 2
(1) D > 0: x1 x2 reell, 2 verschiedene Lösungen (2) D = 0: x1 = x2 reell, 1 Doppellösung (3) D < 0: x1 x2 komplex, 2 verschiedene Lösungen in C keine Lösung in R Bemerkung: Die allgemeine Form einer quadratischen Gleichung wird mittels Division durch a 0 in die Normalform gebracht, Beispiel 1.12.
VIETAscher Wurzelsatz: Für x2 + px + q = 0 gilt:
x1 + x2 = p, x1 x2 = q, sowie x2 + px + q = (x x1)(x x2) = 0
Algebraische Gleichungen höheren Grades
Ein Polynom n-ten Grades ist eine ganzrationale Funktion n-ten Grades: pn(x) = an xn + an1 xn1 + ... + a1 x + a0 , ai R $i, an 0, nN pn(x) = 0 wird als algebraische Gleichung n-ten Grades bezeichnet. Hat eine algebraische Gleichung n-ten Grades n verschiedene reelle Lösungen, so existiert nach dem Fundamentalsatz der Algebra eine Produktdarstellung analog der vom VIETAschen Wurzelsatz mit n Faktoren. Wird eine Lösung xi durch Probieren ermittelt, so kann mittels Partialdivision durch (x xi) der Grad des Polynoms um eins verkleinert werden. Im Allgemeinen kommen Näherungsverfahren zur Anwendung, zum Beispiel das NEWTON-Verfahren, siehe Abschnitt 5.4.4.
1.8 Gleichungen, Ungleichungen (eine Variable)
27
Bruchgleichungen
Eine Bruchgleichung ist eine Gleichung, in der die Variable mindestens einmal im Nenner auftritt. Bruchgleichungen lassen sich lösen, indem die Terme mit dem Hauptnenner multipliziert werden. Beispiel 1.12 3 4 1 [2x 1 x 1 x ] = Hauptnenner, x 1, 0, 1 2x 1 x 1 x 3 (1 + x) (1 x) 4 2x (1 x) = 2x (1 + x) 2 2 2 3 3x 8x + 8x = 2x + 2 x 2 3 x 10 x + 3 = 0 % :3 10 2 x+1=0 x 3
x 1/ 2
5 3
25 5 4 1 9 3 3
x1 = 3
x2 =
1 3
Wurzelgleichungen
Eine Wurzelgleichung ist eine Gleichung, in der die Variable mindestens einmal im Radikanden einer Wurzel auftritt. Die Wurzeln können in der Regel beseitigt werden, indem sie isoliert (eine Wurzel wird allein auf eine Seite der Gleichung gebracht) werden und dann die entsprechende Umkehroperation (entsprechende Potenz) auf die Gleichung angewendet wird. Es ist zu beachten, dass beim Potenzieren mit geradem Exponenten zusätzliche Lösungen entstehen können, da keine äquivalente Umformung vorliegt. Bei Wurzelgleichungen gehört die Probe zum Bestandteil der Lösung. Beispiel 1.13
x 2 2x 7 4 0 Lösung:
( )2
x 2 2x 7 4
x2
x 2 2x 7 16 2x 7 14 x 2 x + 7 = 196 28 x + x 0 = x 30 x + 189 2
Probe: x1 = 9: x2 = 21:
( )2 2
2x 7
9 2 29 7 4 = 4 4 = 0
x1 = 9, x2 = 21 x1 = 9 ist Lösung
21 2 2 21 7 4 = 30 4 0 x2 ist keine Lösung
G
1 Grundlagen
28
Exponentialgleichungen
Eine Exponentialgleichung ist eine Gleichung, in der die Variable mindestens einmal im Wurzel- oder Potenzexponenten auftritt. Tritt die Variable nur im Exponenten auf, kann eine Lösung nach dem Isolieren durch Anwendung der entsprechenden Umkehroperation ermittelt werden. Häufig sind Näherungsverfahren anzuwenden (siehe Abschnitt 5.4.4). Beispiel 1.14
3 8
3x 4
4 5
2 x 1
lg...
3x 4 lg 38 2x 1 lg 45 3 4 4 3 lg 3 x lg 2 x lg 4 lg 8 5 5 8 4 3 4 lg 5 8 0,0969 1,7039 1,4822 x 4 3 1,2780 0,1938 3 lg 2 lg 8 5 lg
Logarithmengleichungen
Eine Logarithmengleichung ist eine Gleichung, in der die Variable mindestens einmal im Argument eines Logarithmus auftritt. Tritt die Variable nur einmal im Argument eines Logarithmus auf, kann eine Lösung nach dem Isolieren durch Anwendung der entsprechenden Umkehroperation erzielt werden. In Einzelfällen kann ein geschicktes Anwenden der Logarithmengesetze erfolgreich sein. Im Allgemeinen sind Näherungsverfahren anzuwenden (siehe Abschnitt 5.4.4). Beispiel 1.15 loga (2x + 3) = loga (x 1) + 1 2x 3 1 loga x 1 2x 3 =a x 1
2 x + 3 = a (x 1) 2x + 3 = ax a a + 3 = x (a 2) a3 x , a 2: a2 a3 1. Fall: 0 < a < 2: x < 0, der Logarithmus a2 der rechten Seite in der gegebenen Gleichung ist nicht definiert, keine Lösung. a3 2. Fall: a > 2: Lösung ist x . a2
1.8 Gleichungen, Ungleichungen (eine Variable)
29
Ungleichungen
Eine Ungleichung U ist die Verbindung zweier Terme T1 und T2 mit einem der Relationszeichen < , , > oder , z. B. T1 < T2. Bemerkung: Lösungsmenge und Lösbarkeit entsprechend den Gleichungen. Regeln für Ungleichungen
(1) a < b b < c a < c a
(2)
(3) a < b c > 0 ac < bc (4) a < b c < 0 ac > bc (5)
ab > 0 (a > 0 b > 0) (a < 0 b < 0)
(6)
ab < 0 (a < 0 b > 0) (a > 0 b < 0)
Dreiecksungleichung:
a1 a 2 a n a1 a 2 a n
BERNOULLI-Ungleichung: (1 + a)n 1 + n a;
a 0, n N
Das geometrische Mittel ist kleiner als das arithmetische Mittel: 1 n a a a (a1 a 2 an ) , n N ; a1, ..., an 0 1 2 n n Bemerkungen (1) Für die anderen Ungleichheitszeichen gelten die Regeln entsprechend. (2) Multiplikationen und Divisionen mit indifferenten Ausdrücken erfordern Fallunterscheidungen. Beispiel 1.16 1 1, x 0 x
1. Fall:
1 1 x
Da der Nenner (mit dem multipliziert werden muss) bezüglich des Vorzeichens indifferent ist, müssen zwei Fälle unterschieden werden. x>0
1 x
2. Fall:
1 1 x
x<0
1 x Gesamtlösungsmenge:
Voraussetzungsmenge 1. Fall: V1 = (0,&) Ergebnismenge 1. Fall:
E1 = [1,&)
Lösungsmenge 1. Fall:
L1 = V1 E1 = [1,&)
Voraussetzungsmenge 2. Fall: V2 = (&,0) Ergebnismenge 2. Fall:
E2 = [&,1]
Lösungsmenge 2. Fall:
L2 = V2 E2 = (&,0)
L = L1 L2 = [1,&) (&,0) = (&,0) [1,&) = R \ [0, 1)
G
30
1 Grundlagen
1.9 1.9.1
Lineare geometrische Zusammenhänge Gerade
Eine Gerade ist durch zwei Punkte P1(x1, y1) und P2(x2, y2) oder durch einen Punkt P1(x1, y1) und den Anstieg m festgelegt. Es gibt verschiedene Gleichungsformen für Geraden, siehe auch Abbildung 1.2. Abbildung 1.2
Gleichungsformen für Geraden
Normalform:
y=mx+n
Allgemeine Form:
Ax+By=C
Punktrichtungsform:
y y1 = m (x x1)
Zweipunkteform:
y y1 y 2 y1 x x1 x2 x1
Achsenabschnittsform:
x y 1 a b
1.9.2
Halbebene
Eine Gerade g zerlegt eine Ebene in 2 offene Halbebenen, wobei g zu jeder Halbebene gehört. Eine Halbebene wird durch eine Gerade begrenzt. Z. B.: y m x + n oder: y m x + n (siehe Abbildung 1.3) Abbildung 1.3
1.9 Lineare geometrische Zusammenhänge
1.9.3
Dreiecke
Rechtwinklige Dreiecke In rechtwinkligen Dreiecken gelten die folgenden Beziehungen, siehe Abbildung 1.4. Bezeichnungen c Hypotenuse a, b Katheten h Höhe Abbildung 1.4
Satz des PYTHAGORAS: Satz des EUKLID:
c2 = a2 + b2 a2 = p c
Höhensatz:
h = pq
Dreiecksfläche:
A =
b2 = q c
2
ch a b 2 2
a Gegenkathete c Hypotenuse b Ankathete cos' : c Hypotenuse a Gegenkathete tan ': b Ankathete b Ankathete 1 cot ' : a Gegenkathete tan '
Trigonometrische Funktionen: sin ' :
Schiefwinklige Dreiecke
(1) Innenwinkelsumme:
' + ( + ) = 1800
(2) Sinussatz:
a : b : c = sin ' : sin ( : sin )
(3) Kosinussatz:
a2 = b2 + c2 2 bc cos '
(4) Tangenssatz:
(5) Flächeninhalt:
ab ab
A=
tan
' (
tan
' (
2 2
1 ab sin ) 2
31
G
Kapitel 2
2
Lineare Algebra und Optimierung
Für die Modellierung ökonomischer Probleme ist die lineare Algebra eine wichtige mathematische Disziplin. Sie ermöglicht die Erfassung und Beschreibung ökonomischer Zusammenhänge, speziell durch die Anwendung von Determinanten und Matrizen. Hauptgegenstand der linearen Algebra - der Lehre von den linearen Gleichungen - sind die Lösbarkeitskriterien und Lösungsverfahren für lineare Gleichungssysteme. Aus der Vielzahl der allgemeinen Lösungsverfahren für lineare Gleichungssysteme werden die Basistransformation (BT), die auch bei der Lösung von linearen Ungleichungssystemen und linearen Optimierungsproblemen (LOP) Anwendung findet, und der GAUSS-Algorithmus vorgestellt.
2.1
Determinanten
Der Determinantenbegriff ist im Zusammenhang mit der Lösung von linearen Gleichungssystemen entwickelt worden, besitzt aber in der Mathematik eine darüber hinausgehende Bedeutung.
2.1.1
Begriff, Berechnung für n 3
Die Determinante D ist eine Zahl, die einem quadratischen Schema von Zahlen durch eine bestimmte Vorschrift zugeordnet ist. Die Anzahl der Reihen (Zeilen oder Spalten) gibt die Ordnung n der Dea11 a1n terminante an. D = Bezeichnungen: |aik|, det(aik) a n1 a nn Berechnung für n 3 n = 1: D = a11 = a11 n = 2: D =
a11
a12
a21 a22
= a11a22 a12a21 a11 a12 n = 3: D = a21 a22 a31 a32
=
a13 a23 a33
SARRUSsche Regel:
a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a11 a23 a32 a12 a21 a33
2.1 Determinanten
33
Beispiel 2.1 D1 = 3 = 3 D2 =
1
2
3 2
= 1 (2) 2 3 = 8
1 3 4 D3 = 2 0 1 102 + 313 + 421 403 111 322 = 4 3 1 2
Werden im Schema einer n-reihigen Determinante genau so viele Zeilen wie Spalten gestrichen, entsteht eine neue Determinante, die als Unterdeterminante bezeichnet wird.
Durch Streichen der i-ten Zeile und der k-ten Spalte einer n-reihigen Determinante entsteht die zugehörige Unterdeterminante Uik n1-ter Ordnung. Bemerkung Den n2 Elementen aik lassen sich n2 Unterdeterminanten Uik (n1-ter Ordnung) zuordnen. Die Unterdeterminante n-ter Ordnung ist die Determinante selbst. Jedem Element aik einer n-reihigen Determinante wird eine Adjunkte Aik zugeordnet, die die mit (1) i+k multiplizierte Unterdeterminante Uik n1-ter Ordnung ist, Aik = (1) i+k Uik. Merkregel für das Vorzeichen (1) i+k (Schachbrettregel): + + +
+ +
+ + +
+ +
+ + +
Die aus den ersten k Zeilen und k Spalten gebildete Unterdeterminante der Ordnung k heißt Hauptabschnittsdeterminante det (Ak) einer gegebenen Determinante D.
L
34
2 Lineare Algebra und Optimierung
2.1.2
Entwicklungssatz von Laplace
Wird jedes Element aik einer Reihe einer Determinante n-ter Ordnung mit seiner zugehörigen Adjunkten Aik multipliziert, ergibt sich der Wert der Determinante als Summe dieser n Produkte. Zum Beispiel die Entwicklung nach der r-ten Zeile:
D = ar1 Ar1 + ar2 Ar2 + . . . + arn Arn n
n
j 1
j 1
D = arj Arj = a rj (1) r j U rj 3 4 2 1
Beispiel 2.2
D =
2 1 3 5 0 1 1 2
(entwickeln nach der 3. Zeile)
1 2 4 0
4 2 1 3 2 1 3 4 1 3 4 2 =0 · (+1) 1 3 5 + 1 · (1) 2 3 5 +1 · (+1) 2 1 5 +2 · (1) 2 1 3 2 4 0 1 4 0 1 2 0 1 2 4 = 0 + 45 7 + 40 = 78
2.1.3 (1)
Eigenschaften von Determinanten Eine Determinante ändert ihren Wert nicht, wenn alle Zeilen mit den entsprechenden Spalten vertauscht werden. (Stürzen oder Spiegeln an der Hauptdiagonalen)
Beispiel 2.3 a11 a12 a a = 11 21 = a11 a22 a12 a21 D= a21 a22 a12 a22
(2)
Eine Determinante ändert ihr Vorzeichen, wenn zwei beliebige parallele Reihen vertauscht werden.
Beispiel 2.4 a11 a12 a a D= = 21 22 = (a21 a12 a11 a22) a21 a22 a11 a12
(3)
Eine Determinante hat den Wert null, wenn zwei parallele Reihen übereinstimmen.
Beispiel 2.5 a11 a12
D = a21 a22 a11 a12
a13 a23 = a11 a22 a13 + a12 a23 a11 + a13 a21 a12 a13 a22 a11 a11 a23 a12 a12 a21 a13 = 0 a13
2.1 Determinanten
(4)
Eine Determinante hat den Wert null, wenn alle Elemente einer Reihe null sind.
Beispiel 2.6 a11 a12
D=
0
0
a31 a32
(5)
35
a13 0 0 A21 0 A22 0 A23 0 a33
Eine Determinante wird mit dem Faktor k multipliziert, indem die Elemente einer Reihe mit k multipliziert werden.
Beispiel 2.7
(1) k · D = k
a11 a12 = a21 a22
k a11 a12 = k a11 a22 k a12 a21 k a21 a22 = k (a11 a22 a12 a21)
125 41 125 41 (2) = 49 147 49 3 1
(6)
Eine Determinante hat den Wert null, wenn die Elemente einer Reihe zu den entsprechenden Elementen einer parallelen Reihe proportional sind.
Beispiel 2.8 k a12 a12 a D= = k 12 k a22 a22 a22
(7)
a12 =k0=0 a22
Eine Determinante ändert ihren Wert nicht, wenn zu den Elementen einer Reihe die mit einem beliebigen Faktor k multiplizierten Elemente einer parallelen Reihe entsprechend addiert werden.
Beispiel 2.9 a11 a12 a a12 k a11 D= = 11 a21 a22 a21 a22 k a21
= a11 a22 + k a11 a21 a12 a21 k a11 a21 = a11 a22 a12 a21 Beispiel 2.10
Rändern:
(8)
a11 a12 a21 a22 a31 a32
a13 a23 a33
=
1 x1 x 2 0 a11 a12 0 a21 a22 0 a31 a32
x3 a13 a23 a33
Eine Determinante ändert ihren Wert durch das Rändern nicht.
L
2 Lineare Algebra und Optimierung
36
Bemerkungen (1) Unter Ausnutzung von Satz (7) können in einer geeigneten Reihe Nullen erzeugt werden. Bei Entwicklung nach dieser Reihe brauchen die mit null zu multiplizierenden Adjunkten nicht berechnet werden.
(2) Der GAUSS-Algorithmus liefert bei quadratischen Koeffizientenmatrizen den Wert der Determinante durch Multiplikation der Hauptdiagonalelemente, siehe Abschnitt 2.3.5. Beispiel 2.11
Z. B. 1. Spalte mit Arbeitselement a41 : (1) Zu den Elementen der 1. Zeile wird das Minus-Dreifache der Elemente der 4. Zeile addiert (0 = x · 1 + 3, x = 3). (2) Zu den Elementen der 2. Zeile wird das Minus-Zweifache der Elemente der 4. Zeile addiert.
3 4 2 1 D=
2 1 3 5 0 1 1 2 1 2 4 0 0
=
2 10
0 3
1
5 5
0
1
1 2
1
2
4 0
2 10
Entwicklung nach der 1. Spalte. Z. B. 1. Spalte mit Arbeitselement a31: 1
= (1) 3
5 5
1
1 2
0
8
(1) Zu den Elementen der 1. Zeile wird das Doppelte der Elemente der 3. Zeile addiert. (2) Zu den Elementen der 2. Zeile wird das Dreifache der Elemente der 3. Zeile addiert.
5
= (1) 0 2 11 = (1) 1
1
2
8
5
2 11
= ( 1) ( 88 + 10 ) = 78
CRAMERsche Regel
Lineare Gleichungssysteme A x = b mit m = n und D = A 0
können mit der CRAMERschen Regel gelöst werden. D ist die Koeffizientendeterminante von A. Bei Di ist D xi i , i = 1, 2, ..., n die i-te Spalte von D durch b ersetzt. D Beispiel 2.12 3 4 1 3x1 4x2 + x3 = 9 1 5 = 174 x1 + x2 5x3 = 10 D = 1 6x1 + 2x2 + 4x3 = 12 6 2 4
9 4 1 1 5 = 174 D 1 = 10 12 2 4
x1
D 1 174 1 D 174
Bemerkung Zu linearen Gleichungssystemen und Matrizengleichungen siehe Abschnitte 2.2 und 2.3.
2.2 Matrizen 3
9
1
D 2 = 1 10 5 = 174 6
12
3 4 D3 =
2.2 2.2.1
37
x2
D2 174 1 D 174
x3
D3 348 174 D
4 9
1
1 10 = 348
6
2
12
2
Matrizen Begriffe
Eine Matrix A ist ein System von m n Elementen aik (Zahlen oder sonstige mathematische Objekte), die in einem rechteckigen Schema von m Zeilen und n Spalten angeordnet sind, A = (aik). Das geordnete Paar (m, n) bezeichnet den Typ oder das Format einer Matrix A = A(m, n). Matrizen, die nur aus einer Zeile oder nur aus einer Spalte bestehen, werden auch als Vektoren bezeichnet, a = a(m,1) = a(m) = (ai). Zwei Matrizen A = (aik) und B = (bik) sind genau dann gleich, wenn sie gleiches Format haben und alle entsprechenden Elemente gleich sind. Wenn in der Matrix A = (aik) die Zeilen und Spalten miteinander vertauscht werden, heißt die so entstehende Matrix die gestürzte oder transponierte Matrix, AT = (aki), es gilt (AT)T = A. Beispiel 2.13
2 4 1 AT 1 0 bT 3 2 1 3 T A = b = 1 3 2 (1,3) 3 6 2 c = c = a (11 , )
( 3,2 )
4 0 6 ( 2, 3 )
(3,1)
Ist in einer Matrix A(m, n) = (aik) m = n, so ist sie eine quadratische Matrix von der Ordnung m oder vom Format (m, m). Wenn für eine quadratische Matrix A gilt: AT = A, so heißt diese Matrix symmetrisch. Matrizen, deren Elemente wiederum Matrizen sind, heißen Blockmatrizen, die Elemente heißen Blöcke oder Untermatrizen.
2.2.2
Rechnen mit Matrizen
Addition und Subtraktion Es seien A = (aik) und B = (bik) zwei Matrizen mit jeweils m Zeilen und n Spalten. Zwei Matrizen A(m, n) = (aik) und B(m, n) = (bik), die das gleiche Format haben, heißen gleichartige Matrizen.
L
2 Lineare Algebra und Optimierung
38
Nur für gleichartige Matrizen sind Addition und Subtraktion erklärt. Die Summe zweier gleichartiger Matrizen A und B ist die Matrix S, deren Elemente jeweils die Summe einander entsprechender Elemente von A und B sind, A + B = S, aik + bik = sik (i = 1, 2, ..., m; k = 1, 2, ..., n ). Die Differenz zweier gleichartiger Matrizen A und B ist die Matrix D, deren Elemente jeweils die Differenz einander entsprechender Elemente von A und B sind, A B = D, aik bik = dik i, k. Beispiel 2.14
2 3 0 1 A =
4 1 3 6
3 7 9 12 A + B =
9 5 4 12
1 4 9 11 B =
5 4 1 6
1 1 9 10 A B = 2 0
1 3
Für die Addition gleichartiger Matrizen gelten das Kommutativgesetz A + B = B + A, das Assoziativgesetz (A + B) + C = A + ( B + C ) = A + B + C, sowie (A + B)T = A T + B T . Eine Matrix, deren Elemente alle gleich null sind, heißt Nullmatrix 0. Es gilt: A + 0 = A 0 = 0 + A = A und 0 A = A. Multiplikation einer Matrix mit einem skalaren Faktor
Eine Matrix A wird mit einem skalaren Faktor (Skalar) k multipliziert, indem jedes Element aik der Matrix A mit dem Faktor k multipliziert wird, k A = A k = ( k aik ), k R. Ferner: (k A)T = k AT Skalarprodukt, Betrag eines Vektors
Das Skalarprodukt (innere Produkt) zweier Spaltenvektoren x und y ist wie folgt definiert: xT y = x1 y1 + x2 y2 + ... + xn yn Der Betrag eines Vektors x vom Typ (n, 1), x , ist die Wurzel aus dem Skalarprodukt xT x :
x x T x = x12 x22 xn2
Beispiel 2.15 (1) Multiplikation einer Matrix mit einem skalaren Faktor
2 3 0 1 6 9 0 3 3A=3 =
4 1 3 6 12 3 9 18
(2) Skalarprodukt (3) Betrag eines Vektors T
2 1 = 2 + 4 = 2
1 4
3 , x 9 16 25 5 x =
4
2.2 Matrizen
39
Multiplikation von Matrizen
Zwei Matrizen A(m, n) und B(n, p) heißen verkettet, wenn die Anzahl der Spalten von A gleich der Anzahl der Zeilen von B ist, d. h. wenn A vom Typ (m, n) und B vom Typ (n, p) ist. Nur verkettete Matrizen können miteinander multipliziert werden. Als Produkt der verketteten Matrizen A und B wird die Matrix C(m, p) = A(m, n) B(n, p) bezeichnet, deren Elemente als Skalarprodukt der Elemente aus der Zeile und aus der Spalte berechnet werden, in deren Schnittpunkt das zu berechnende Element steht: n
cik =
air brk
für i = 1, 2, ..., m; k = 1, 2, ..., p
r 1
C(m, p) = A(m, n) B(n, p) wird im Schema von FALK errechnet: b11 b12 b13 AB b21 b22 b23 a11 a12 a21 a22
c11 c21
c12 c22
z. B.: c12 = a11b12 + a12b22
c13 c23
Zeilen- (bzw. Spalten-)summenprobe bei der Matrizenmultiplikation Für die Zeilensummenprobe wird eine neue Spalte eingefügt. Die Elemente der Matrix B werden zeilenweise addiert. Die Berechnung der Ergebniselemente erfolgt als neue Spalte nach dem FALKschen Schema, die Werte müssen ferner mit der Zeilensumme übereinstimmen.
b11 b21 c11 c21
AB a11 a12 a21 a22
b12 b22 c12 c22
b11 + b12 b21 + b22 c1 c2
Die Spaltensummenprobe erfolgt analog. Das Zeichen „“ steht für die positive Probe.
Für die Berechnung von c1 und c2 gilt: 1. c1 = a11 (b11 + b12 ) + a12 (b21 + b22 ) und c2 = a21 (b11 + b12 ) + a22 (b21 + b22 )
2. c1 = c11 + c12 c2 = c21 + c22
Beispiel 2.16: Schema von Falk
2 3 0 1 A=
4 1 3 6
2 1 B = 0
1
2 1 3 0 1 1 1 1
C=AB
2 1 0 1
2 3 1 1
1 0 1 1
5 4 2 3
8 14
3
25
4 1 3 6
15 20 13
48
6 4 3 7
23 34 16
73
2 3 0 1
z. B.: c13 = a11 b13 + a12 b23 + a13 b33 + a14 b43 = 2 1 + 3 0 + 0 1 + 1 1 = 3
L
40
2 Lineare Algebra und Optimierung
Für die Multiplikation von Matrizen gelten das Distributivgesetz (A + B) C = A C + B C und das Assoziativgesetz (A B) C = A (B C) = A B C, falls die einzelnen Summen und Produkte der Matrizen existieren. Das Kommutativgesetz gilt im Allgemeinen nicht, d. h. A B B A. Bemerkung Bei der Matrizenmultiplikation ist es möglich, dass das Produkt C zweier Matrizen A und B, von denen keine die Nullmatrix ist, die Nullmatrix C = 0 ergeben kann. A und B heißen in diesem Fall Nullteiler. Beispiel 2.17 1 2 3 A = 2 4 6 2 4 6
5 B = 2 3
7 13 1 1 3 5
AB
1 2 3 2 4 6 6 2 4
5 7 13 2 1 1 3 3 5 0 0 0
0 0 0
0 0 0
BA
5 7 13 2 1 1 3 3 5
1 2 2
2 4 4
3 6 6
7 14 21 2 4 6 3 1 2
Das Beispiel zeigt auch die Nicht-Kommutativität der Matrizenmultiplikation.
Verflechtungen als Anwendung der Matrizenmultiplikation Zur Herstellung eines Endprodukts seien n Produktionsstufen erforderlich. Bezeichnungen j Nummer der einzelnen Produktionsstufe ( j = 1, 2, ..., n) A j, j + 1 Matrix für den Übergang von der Stufe j zur Stufe j + 1 xj Vektor, der angibt, wie viele Einheiten in der Stufe j für die folgende Stufe j + 1 benötigt werden ( j = 1, 2, ..., n 1) yj Vektor, der angibt, wie viele Einheiten in der Stufe j zusätzlich hergestellt werden ( j = 1, 2, ..., n 1)
(1) Die Produktionsmenge entspricht in allen Stufen der Verbrauchsmenge (Verflechtung 1. Art). Die Elemente ai(,kj , j 1) der Matrix A j, j + 1 = ( ai(,kj , j 1) ) geben an, wie viele Einheiten des Erzeugnisses i der Stufe j in eine Einheit des Erzeugnisses k der Stufe j + 1 eingehen. Für den Übergang von der Stufe j zur Stufe j + 1 gilt die Beziehung x j = A j, j + 1 · x j + 1, ( j = 1, 2, ..., n 1). Ist die Endproduktion durch den Vektor x n vorgegeben, kann schrittweise der Bedarf an den Zwischenprodukten der Stufen n 1, n 2, ..., 1 (Stufe 1 evtl. Rohstoffe) ermittelt werden. (2) Werden in den Produktionsstufen über den Verbrauch der Folgestufe hinaus Einheiten gefertigt (erweiterte Verflechtung 1. Art), gilt die Beziehung x j = A j, j + 1 · x j + 1 + y j , ( j = 1, 2, ..., n 1).
2.2 Matrizen
41
Beispiel 2.18 In einem Betrieb werden zur Produktion der Mengen e1 und e2 zweier Endprodukte E1 und E2 zwei Zwischenprodukte benötigt, die wiederum aus drei verschiedenen Rohstoffen hergestellt werden. Die Mengeneinheiten der zwei Zwischenprodukte seien z1 und z2 und die der Rohstoffe r1, r2 und r3. Der Bedarf für die End- bzw. Zwischenprodukte sei Z1 Z2 E1 E2 Gesucht ist der Rohstoffbedarf für die R1 3 1 Z1 2 1 Erzeugung von e1 = 12 und e2 = 15 R2 1 2 Z2 3 2 Endprodukten. R3 1 2 Lösung Es handelt sich hier um einen dreistufigen Produktionsprozess. Zur übersichtlichen Schreibweise wird folgende Bezeichnung der Vektoren vorgenommen: x1 = r (Rohstoffe), x2 = z (Zwischenprodukte), x3 = e (Endprodukte). Wie viel von den 3 Rohstoffarten zur Produktion der einzelnen Zwischenprodukte erforderlich sind, gibt die Matrix A(13,2,2 ) an; die Matrix A(22,3,2 ) gibt an, wie
viel der einzelnen Zwischenprodukte für die Produktion der Endprodukte erforderlich sind. Die oberen Indizes stehen für den Stufenübergang, die unteren geben das Format der Matrizen an. 3 1 2 1 12 1,2 1,2 2,3 2,3 r = A z mit A = 1 2 und z = A e mit A = ,e=
3 2
15
1 2
3 1 183 3 1 2 1 12 39 e = 1 2 = 1 2 = 171 1 2 3 2 15
1 2 66 171
Für die Produktion der Mengeneinheiten e1 = 12 und e2 = 15 werden die Rohstoffmengen r1 = 183, r2 = 171 und r3 = 171 benötigt.
r=A
1,2
A
2,3
Bemerkung: (1) Unter Beachtung der Reihenfolge r = A1,2 ( A2,3 e) lässt sich die Anzahl der notwendigen Rechenoperationen effektiv gestalten. (2) Die Matrix A = A1,2 A2,3 liefert den direkten Zusammenhang zwischen dem Rohstoffverbrauch und den Endprodukten. MARKOV-Kette Wenn in einer Kette von Vektoren xj für Stufe j ( j = 1, 2, ..., n) der Vektor xj nur vom vorangegangenen Vektor xj 1 abhängt, heißen die Vektoren eine MARKOV-Kette und beschreiben einen MARKOV-Prozess. Bezeichnungen j Nummer der einzelnen Prozessstufen ( j = 1, 2, ..., n) Mj Übergangsmatrix von Prozessstufe j zur Stufe j + 1 xj Vektor für den Zustand der Stufe j Es besteht dann der folgende Zusammenhang: x Tj 1 x Tj M j , ( j = 1, 2, ..., n). Siehe z. B. Larek, 2000.
L
42
2 Lineare Algebra und Optimierung
2.2.3
Besondere Matrizen
Eine quadratische Matrix, in der alle Elemente aik = 0 sind für i k, heißt Diagonalmatrix. Beispiel 2.19
d1 0 D1 = 0 d 2 0 0
0 0 d 3
1 0 0 D2 = 0 0 0 0 0 1
Eine Diagonalmatrix, deren Diagonalelemente alle Eins sind, heißt Einheitsmatrix: E(n, n) = (eik): eik = 0 i, k bei i k und eii = 1 i. Für die Einheitsmatrix gilt: E(m, m) A(m, n) = A(m, n) E(n, n) = A(m, n) 1 0 0 Beispiel 2.20 Einheitsmatrix dritter Ordnung: E = 0 1 0 0 0 1
Eine quadratische Matrix A, die mit ihrer Transponierten multipliziert die Einheitsmatrix ergibt, heißt orthogonale Matrix, A AT = E. Beispiel 2.21
cos A=
sin
sin cos T , A = cos
sin
sin cos
1 0 T AA =
0 1
A1 heißt die zur quadratischen Matrix A inverse (reziproke) Matrix oder Kehrmatrix, wenn gilt A1 A = A A1 = E. Eine Matrix A ist orthogonal, falls AT = A1 bzw. AT A = E. Jeder quadratischen Matrix A kann eine Zahl det (A) zugeordnet werden. Eine quadratische Matrix A heißt regulär, falls det (A) 0 und singulär, falls det (A) = 0 ist. Eine reguläre Matrix A hat eine eindeutige inverse Matrix A 1: T
A11 A1n 1 A 1 = . (Die Aik sind Adjunkte, siehe 2.1.1.) det( A)
A n1 A nn
Es gelten: (A1)1 = A , (A B) 1 = B 1 A 1 und (A T) 1 = (A 1)T Beispiel 2.22
3 4 A=
5 7
T
A = 1
7 7 5 1 = 3 7 4 5 4 3
5
4 3
2.2 Matrizen
2.2.4
43
Eigenwerte, Eigenvektoren
In der Marktforschung und bei vielen Anwendungen ist das Problem zu lösen, für welche Werte (Eigenwerte) und welche Vektoren x (Eigenvektoren) die Gleichung A x = x lösbar ist. Dazu ist das homogene Gleichungssystem (A E ) x = o zu lösen. Die Gleichung det (A E ) = 0 mit der Variablen heißt charakteristische Gleichung einer quadratischen Matrix A. Die Lösungen der charakteristischen Gleichung det (A E ) = 0 heißen Eigenwerte der quadratischen Matrix A. Ist ein Eigenwert der Matrix A, so heißen die Vektoren x o, die der Beziehung A x = x oder (A E ) x = o genügen, die zum Eigenwert gehörenden Eigenvektoren der quadratischen Matrix A. Bemerkung Eine quadratische Matrix n-ter Ordnung hat n Eigenvektoren, die einoder mehrfach auftreten können und reell oder komplex sein können. Für reelle symmetrische Matrizen sind alle Eigenwerte reell. Zu m voneinander verschiedenen Eigenwerten i ( i = 1, 2, ..., m n) von A(n, n) gehören m linear unabhängige Eigenvektoren xi (siehe 2.3.1). Beispiel 2.23 5 3 A
3 5
Charakteristische Gleichung:
25 10 + 2 9 = 0,
5 3 =0 3 5
2 10 + 16 = 0,
Eigenwerte: 1 = 8 5 3 1 0 2 = 2 Eigenvektoren: x o 3 5 0 1
3 x1 3 x 2 0 3 3 1 x 1 o , 1 = 8: , Lösung: x 1 t1 3 x1 3 x 2 0
3 3
1
3 3 x 2 o ,
3 3
2 = 2:
3 x1 3 x 2 0 1 , Lösung: x 2 t 2 3 x1 3 x 2 0
1
Bemerkung: Zur Lösung homogener Gleichungssysteme siehe 2.3.5. Häufig werden normierte Eigenvektoren (Länge gleich 1) benötigt. 1 , i = 1, 2 ermittelt: Diese werden durch Wahl der ti mit ti xik2 Zum Beispiel 2.23 k
1 1 1 1 2 und x 2 2 x1 2 2
1
1
x1 und x2 sind linear unabhängig voneinander.
L
44
2 Lineare Algebra und Optimierung
2.3 2.3.1
Lineare Gleichungssysteme Lineare Abhängigkeit
Die Vektoren ai (i = 1, 2, ..., n) heißen linear unabhängig, wenn der Nullvektor o nur auf triviale Weise als Linearkombination der Vektoren ai (i = 1, 2, ..., n) dargestellt werden kann, d. h., wenn die Vektorgleichung t1 a1 + t2 a2 + ... + tn an = o nur die triviale Lösung ti = 0, (i = 1, 2, ..., n) hat, siehe Abschnitt 2.3.4. Anderenfalls heißen die Vektoren linear abhängig. Ist m die Ordnung der Vektoren, so sind höchstens m Vektoren linear unabhängig. Beispiel 2.24 1 0 0 (1) a 1 = 0 , a 2 = 1 , a 3 = 0 , 0 0 1
t1 a 1 + t2 a 2 + t3 a 3 = o
d. h., zu lösen ist das Gleichungssystem: t1 + 0 + 0 = 0 0 + t2 + 0 = 0 0 + 0 + t3 = 0 Als einzige Lösung ergibt sich: t1 = t2 = t3 = 0. Die Vektoren sind linear unabhängig. (2) Für einen anstelle von a 3 veränderten Vektor a 4 ergibt sich: 1 0 3 a 1 = 0 , a 2 = 1 , a 4 = 2 , 0 0 0
t1 a 1 + t2 a 2 + t3 a 4 = o
d. h., zu lösen ist das Gleichungssystem: t1 + 0 + 3t3 = 0 0 + t2 + 2t3 = 0 0+0+ 0=0 Eine Lösung ist z. B.: t1 = 3, t2 = 2, t3 = 1. Die Vektoren sind linear abhängig. Es gilt z. B.: 3 a1 2 a2 + a4 = o
Bemerkungen (1) n Vektoren sind genau dann linear abhängig, wenn das zugehörige Gleichungssystem eine Lösung mit nicht sämtlich verschwindenden ti (i = 1, 2, ..., n) hat. (2) Die Zeilen oder Spalten einer Matrix können als Zeilen- oder Spaltenvektoren aufgefasst werden, somit ist es sinnvoll, bei einer Matrix von linear abhängigen oder unabhängigen Zeilen oder Spalten zu sprechen.
2.3 Lineare Gleichungssysteme
2.3.2
45
Rang
Ein Vektorsystem von n Vektoren besitzt eine maximale Anzahl r linear unabhängiger Vektoren. Diese Anzahl wird als Rang des Vektorsystems r (bzw. Rang der entsprechenden Matrix) bezeichnet (r n). Berechnung des Ranges einer Matrix r = r (A)
Enthält eine Matrix A vom Format (m, n) wenigstens eine von null verschiedene Unterdeterminante der Ordnung r, während alle Unterdeterminanten höherer Ordnung null sind, dann hat A den Rang r. Beispiel 2.25 1 2 3 1 2 3 A = 1 2 2 , det(A) = 1 2 2 = 10 0, d. h. r = r (A) = 3. 1 0 1 1 0 1
Beispiel 2.26 Gesucht ist der Rang eines Vektorsystems, bestehend aus den drei Vekto 1 2 3 ren: a1 = 1 , a2 = 2 , a3 = 3 . 1 0 1
Lösung: Die drei Vektoren werden in einer Matrix angeordnet: 1 2 3 3 1 2 Also: A = 1 2 3 , det(A) = 1 2 3 = 0, 1 0 1 0 1 1
d. h., a1, a2, a3 sind linear abhängig. Der Rang ist kleiner als drei. Wenn der Rang zwei sein sollte, ist eine Unterdeterminante zweiter Ordnung ungleich null zu finden: 1 2 1 2 0, aber U23 = 2 0, also r = r (A) = 2. U33 = 1 2 1 0 Es gibt zwei linear unabhängige Vektoren.
Bemerkung: Falls alle neun Unterdeterminanten gleich null sind, müsste r = r (A) = 1 getestet werden. Das wäre der Fall, wenn A mindestens ein von null verschiedenes Element enthält. Der Rang einer Matrix mit m Zeilen und n Spalten ist höchstens gleich der kleineren der beiden Zahlen m und n, r min (m, n). Der Rang einer Matrix bleibt unverändert, wenn (1) je zwei parallele Reihen vertauscht werden, (2) eine Reihe mit einem Faktor k 0 multipliziert wird, (3) die Matrix transponiert wird, (4) das Vielfache einer Reihe zu einer parallelen Reihe addiert wird.
L
46
2 Lineare Algebra und Optimierung
2.3.3
Lösbarkeitsbedingung linearer Gleichungssysteme
Gegeben sei ein Gleichungssystem der Form: a11 x1 + a12 x2 + . . . a21 x1 + a22 x2 + . . . am1 x1 + am2 x2 + . . .
+ a1n xn + a2n xn
= =
b1 b2
+ amn xn =
bm
Matrixschreibweise A x = b , bzw. A(m, n) x(n, 1) = b(m, 1)
Bezeichnungen A Koeffizientenmatrix (aik), i = 1, 2, ..., m; k = 1, 2, ..., n A, b erweiterte Koeffizientenmatrix (Hinzufügen von b als Spalte) x Vektor der unbekannten Variablen x1, x2, ..., xn b Vektor der absoluten Werte (rechte Seite) b1, b2, ..., bm
Ein lineares Gleichungssystem A x = b heißt bei b = o homogen, bei b o heißt es inhomogen. Ein Vektor x, der die Gleichung A x = b identisch erfüllt, heißt Lösung eines linearen Gleichungssystems A x = b. Ein lineares Gleichungssystem ist genau dann lösbar, wenn der Rang der Koeffizientenmatrix gleich dem Rang der erweiterten Koeffizientenmatrix ist, also wenn r (A) = r (A, b) gilt. Für die Existenz einer eindeutigen Lösung eines Gleichungssystems ist notwendig und hinreichend, dass der Rang der Koeffizientenmatrix gleich dem Rang der erweiterten Koeffizientenmatrix und gleich der Anzahl der Unbekannten ist, d. h. r (A) = r (A, b) = n. Beispiel 2.27
x1 + 2x2 = 1 x1 + 2x2 = 2
ist auf Lösbarkeit zu untersuchen.
1 2 1 2 Lösung: A = 2 2 0, det(U11) = 2 0, r (A)= 1 , det(A) = 1 2
1 2
2 1 1 2 1 4 2 2 0, r (A, b) = 2 1 = r (A). (A, b) = , det(U1) = 2 2
1 2 2
Das Gleichungssystem ist somit unlösbar.
2.3
2.3.4
Lineare Gleichungssysteme
47
Basistransformation
Lösen von Gleichungssystemen im Fall r = n Problem: Überführung eines Gleichungssystems A x = b mit eindeutiger Lösung, r ( A) = m = n, in ein äquivalentes System E x = b’. Lösung: Die quadratische Matrix A wird durch einen Algorithmus in eine Einheitsmatrix überführt (transformiert), sodass b’ die Lösung angibt. Ein lineares Gleichungssystem der Form E x = b’ oder E xB + R xN = b’ heißt lineares Gleichungssystem in kanonischer Form (E ist eine Einheitsmatrix). Die Variablen eines linearen Gleichungssystems in kanonischer Form, die zur Einheitsmatrix gehören (enthalten in xB), heißen Basisvariable (BV). Die anderen Variablen (enthalten in xN) heißen Nichtbasisvariable (NBV). Das vollständige Schema u1 u2 us BV
xs
a12
a1s
ar2
ars
x1
x2
a11
ar1
un
u0
xn
b
s
a1n
b1
s1
arn
br
sr
am1 am2 ams amn bm sm Algorithmus 0. Aufschreiben des vollständigen Schemas. Die sr r sind die Zeilensummen und die us s die Spaltensummen. 1. Bestimmen eines Hauptelementes ars 0 (Zeile ohne BV). 2. Die Elemente der Hauptzeile werden durch das Hauptelement divia rj b s diert a ' rj , für alle j ; b'r r und s 'r r . a rs ars ars 3. Die restlichen Elemente der Hauptspalte sind gleich null. 4. Umrechnen der restlichen Elemente nach der Rechteckregel ais arj aij ars ais arj a 'ij aij . ars ars Die Rechteckregel gilt auch für die Spalten b und s a b b a ais br a s s a ais sr b'i bi is r i rs s'i si is r i rs . a rs a rs ars ars Die s-Werte müssen mit der jeweiligen Zeilensumme übereinstimmen. 5. Die Punkte 1. bis 4. werden so lange wiederholt, bis sich kein weiteres Hauptelement mehr finden lässt.
Probe: Kontrolle der Lösung: u1 x1 + u2 x2 + u3 x3 + . . . + un xn = u0.
L
48
2 Lineare Algebra und Optimierung
Beispiel 2.28 2x1 5x2 + x3 = 9 x1 + 6x2 x3 = 7 3x1 + x2 2x3 = 8 0
2
2
6
x1
x2
x3
b
s
2 1 3
5 6 1
1 1 2
9 7 8
7 1 12
x3
2 3 1
5 1 9
1 0 0
9 2 10
7 6 2
x3 x2
17 3 28
0 1 0
1 0 0
19 2 28
37 6 56
x3 x2 x1
0 0 1
0 1 0
1 0 0
2 1 1
3 0 2
1 x1 = 1
1 x2 = 1
2 x3 = 2
BV
Das Zeichen „“ steht für die positive Probe. Der Haken wird gesetzt, wenn der mit der 4. Regel der BT berechnete s-Wert mit der jeweiligen Zeilensumme übereinstimmt. Die s-Werte müssen also zweimal ausgerechnet werden.
Lösen von Gleichungssystemen im Fall r < n A x = b sei ein lineares Gleichungssystem mit n Unbekannten. Es gelte r (A) = r (A, b) = r. Dann heißt f = n r der Freiheitsgrad des linearen Gleichungssystems. f ist die Anzahl der frei wählbaren Parameter (Unbekannten). Homogenes Gleichungssystem A x = o
Ein allgemeines homogenes Gleichungssystem besitzt stets die Lösung x = o, die triviale Lösung. Weitere Lösungen existieren nur, wenn r < n, d. h. f = n r > 0 ist. In diesem Fall existieren unendlich viele Lösungen. Die Darstellung für die allgemeine Lösung lautet: x = t1 x1 + t2 x2 + ... + tf xf Dabei sind die ti, (i = 1, 2, ..., f ) frei wählbare Parameter und die Vektoren xi, (i = 1, 2, ..., f ) linear unabhängige Lösungsvektoren.
2.3
Lineare Gleichungssysteme
Beispiel 2.29 x1 2x1 3x1 x1
+ 3x2 5x3 + 3x2 4x3 + 2x2 x3 + 4x2 7x3
+ 4x4 + 2x4 2x4 + 6x4
49
x1 2 1 x 2 2 Lösung: x = 2 t 1 t 2 x3 0 1 x 0 1 4
=0 =0 =0 =0
Lösungsschema 7
12
17
10
0
x1
x2
x3
x4
b
s
1 2 3 1
3 3 2 4
5 4 1 7
4 2 2 6
0 0 0 0
3 3 2 4
x1
1 0 0 0
3 3 7 1
5 6 14 2
4 6 14 2
0 0 0 0
3 3 7 1
x1 x2
1 0 0 0
0 1 0 0
1 2 0 0
2 2 0 0
0 0 0 0
0 1 0 0
1 2
2 2
1 0
0 1
hom hom
BV
n=4 r=2 f=2
x3 und x4 sind frei wählbar und werden t1 = x3 bzw. t2 = x4 gesetzt.
Bemerkung Das Zeichen „“ steht für die positive Probe. Inhomogenes Gleichungssystem
A x = b
Die allgemeine Lösung des inhomogenen linearen Gleichungssystems A x = b ergibt sich als Summe einer speziellen Lösung des gegebenen inhomogenen Gleichungssystems und der allgemeinen Lösung des zugehörigen homogenen Gleichungssystems A x = o, x = xinh + xhom x = xinh + t1 x1 + t2 x2 + . . . + tf xf
mit f = n r.
L
50
2 Lineare Algebra und Optimierung Lösung x1 6 1 0 x 2 2 t t x= 1 2 x3 1 0 0
x4 0
Beispiel 2.30 x1 + x2 + x3 x4 = 4 x1 x2 + x3 + x4 = 8 3x1 + x2 + 3x3 x4 = 16
Lösungsschema 5
1
5
1
28
0
x1
x2
x3
x4
b inh
b hom
s
1 1 3
1 1 1
1 1 3
1 1 1
4 8 16
0 0 0
6 10 22
x1
1 0 0
1 2 2
1 0 0
1 2 2
4 4 4
0 0 0
x1 x2
1 0 0
0 1 0
1 0 0
0 1 0
6 2 0
0 0 0
6
2
0
0
1 0
0 1
1 0
0 1
BV
0 1 0 1
6 4 4 8 n = 4 2 r = 2 0 f = 2
inh hom hom
Bemerkungen (1) Es gilt A x = A xinh + A xhom = b + o = b. (2) Im Fall r (A) = r (A, b) = r = n gibt es eine eindeutige Lösung des inhomogenen Gleichungssystems (xhom= o). (3) Da im inhomogenen und im zugehörigen homogenen Gleichungssystem gerechnet werden muss, kann die b-Spalte zur besseren Übersicht als b inh- und b hom-Spalte getrennt geschrieben werden. Anwendung der Basistransformation zur Berechnung der inversen Matrix Problem: Aus der Gleichung A X = E ist die Matrix X zu bestimmen. Lösung: Damit sind n Gleichungssysteme zu lösen, die alle die gleiche Koeffizientenmatrix A mit verschiedenen rechten Seiten haben. Diese n Gleichungssysteme können mit Hilfe der Basistransformation in einem Schema gelöst werden. Das erste Gleichungssystem lautet:
a11 x11 + a12 x21 + a21 x11 + a22 x21 +
... + ... +
a1n xn1 = a2n xn1 =
1 0
an1 x11 + an2 x21 +
... +
ann xn1 =
0
2.3
Lineare Gleichungssysteme
51
Die übrigen Gleichungssysteme haben entsprechend veränderte rechte Seiten, die jeweils Spalten der Einheitsmatrix E sind. Diese rechten Seiten werden im Schema berücksichtigt, und es ergibt sich folgende Anordnung, wobei im unteren Teil die Probe A A1 = E mit dem FALKschen Schema (dickerer Strich) direkt angeschlossen werden kann: A
E
s
Berechnung
E
A1
A
E
s’
Probe
Beispiel 2.31 1 Gesucht ist zur gegebenen Matrix A die inverse Matrix A . 4 3 2 2 3 1 1 A = 1 Lösung: A = 1 1 0 5 3 1 6 4 1 2 1
Lösungsschema s
1 1 1
4 5 6
3 3 4
1 0 0
0 1 0
0 0 1
7 8 8
1 0 0
4 1 2
3 0 1
1 1 1
0 1 0
0 0 1
7 1 1
1 0 0
0 1 0
3 0 1
5 1 1
4 1 2
0 0 1
3 1 1
E:
1 0 0
0 1 0
0 0 1
2 1 1
2 1 2
3 0 1
A:
1 1 1
4 5 6
3 3 4
1 0 0
0 1 0
0 0 1
A:
E
6 1 1 A 1
E = A A (Probe) 1
L
52
2 Lineare Algebra und Optimierung
2.3.5
Gauß-Algorithmus
Lösen von Gleichungssystemen im Fall r = n Problem Überführung eines Gleichungssystems A x = b mit r ( A) = m = n in ein äquivalentes System D x = d. Lösung: Die quadratische Matrix A wird in eine Dreiecksmatrix überführt (transformiert), sodass aus der letzten Gleichung eine Variable, aus der vorletzten die nächste Variable usw. berechnet werden können. Bemerkung Die Überführung in eine Dreiecksmatrix kann in Einzelschritten oder komprimiert erfolgen. Beim verkürzten oder verketteten Algorithmus wird die entstehende Dreiecks-Null-Matrix mit notwendigen Hilfswerten besetzt, sodass der verkettete GAUSS-Algorithmus äußerst komprimiert ist. Das vollständige Schema (verketteter GAUSS-Algorithmus) u1 u2 us un u0 x1 x2 xs xn b s a11 a12 a1s a1n b1 s1
ar2
ars
arn
br
sr
an1
an2
ans
bn
sn
d12
d1n
d1
s1*
c21
d22
d2n
d2
s2*
c31
c32
d3s
ann
d11
d3n
d3
s3*
cr2
drr
drn
dr
sr*
cn1
cn2
cns
dnn
dn
sn*
x1
x2
ar1
d1s
d2s
cr1
xs
xn
Der Algorithmus 1. Aufschreiben des vollständigen Schemas. Die sr r sind die Zeilensummen und die us s die Spaltensummen. n
s k aij bi , k = 1, 2, ..., n. j 1
2. Die erste Zeile wird übernommen. Das erste Hauptelement ist a11 0.
2.3
Lineare Gleichungssysteme
53
3. Die Elemente dik „oberhalb der Treppe“ ergeben sich aus der Summe des alten Elementes und dem Skalarprodukt der bereits berechneten Elemente des Zeilenvektors ci und des Spaltenvektors dk: i 1
d ik aik cij d jk ,
für alle i = 2, 3, ... , n; k = i, i + 1, ..., n.
j 1
Die Formel gilt auch für die Spalte b und s sinngemäß: i 1
d i bi cij d j
si*
j 1
i 1
si cij s j , i = 2, 3, ..., n. j 1
4. Die Zeilensummenprobe besteht darin, dass die berechneten si* mit den si** übereinstimmen müssen:
si** d ij , i = 2, 3, ..., n. j
5. Bei der Berechnung der Elemente cik, die nur „unterhalb der Treppe“ stehen, kommt neben der Vorschrift für die dik noch eine Division durch das mit (1) multiplizierte Hauptelement dkk hinzu (dkk 0): k 1
aik cij d jk
d ik j 1 , i = 2, 3, ..., n; k = 1, 2, ..., i 1. d kk d kk Ist dkk = 0, muss ein Spaltentausch (Variablentausch im Gleichungssystem) so vorgenommen werden, dass das neue dkk 0 ist. 6. Die Berechnung der Variablen beginnt rückwärts mit xn: d d n1,n xn d xn n , xn1 n1 , usw., allgemein: d nn d n1,n1 cik
xni
1
d ni ,ni
i d ni d nk ,nk 1 xnk 1 , i = 0, 1, ..., n 1. k 1
n
7. Kontrolle der Lösung: u0 u j x j . j 1
Bemerkungen (1) Ergibt sich als Treppenelement null, muss zunächst geprüft werden, ob das Gleichungssystem lösbar ist (alle folgenden Elemente der Zeile gleich null). Sind bei Lösbarkeit alle Elemente der Zeile gleich null, ist die Gleichung linear abhängig und kann gestrichen werden. Es wird die folgende Zeile anstelle der gestrichenen Zeile genommen. Ist bei Lösbarkeit die Zeile nicht komplett gleich null, ist ein geeigneter Spaltentausch vorzunehmen. (2) Die Lösung homogener Gleichungssysteme ist als Spezialfall enthalten und wird nicht extra dargestellt. (3) Die Berechnung inverser Matrizen ist analog zu übertragen.
L
2 Lineare Algebra und Optimierung
54
Beispiel 2.32
5 x1 1 2 1 1 1 2 1 1 3 x1 = 3
3 x2 1 1 2 1
x1 2x1 x1 x1
+ x2 + x2 + 2x2 x2 2 x3 1 1 1 1
1 1 3 2 2 3 2 1 x2 = 2 x3 = 1
+
1 1 1
x3 x3 x3 x3 1 x4 1 1 2 3
+ x4 x4 2x4 + 3x4
Lösung
= 8 = 3 = 0 = 12 23 b 8 3 0 12
x1 3 x 2 x= 2 x3 1 x 4 4
s 10 4 2 14
1 3 6
8 13 21
10 16 24
4
16
20
Das Zeichen „“ steht für die positive Probe.
4 x4 = 4
Lösen von Gleichungssystemen im Fall r < n Im lösbaren Fall r < n entsteht im umgerechneten Schema eine Matrix D(r, n) mit r < n, nachdem die Nullzeilen (linear abhängige Gleichungen) weggelassen wurden. Nach Ermittlung des Freiheitsgrades f = n r können die f letzten Variablen frei gewählt werden und der inhomogene sowie f homogene Bestandteile der allgemeinen Lösung ermittelt werden. Beispiel 2.33
x1 + x2 + x3 x4 = 4 x1 x2 + x3 + x4 = 8 3x1 + x2 + 3x3 x4 = 16
Lösung x1 6 1 x 0 2 t t x = 2 1 2 1 x 0 3 x 0 0
4
0 1 0 1
5 x1
1 x2
5 x3
1 x4
1 1 3
1 1 1
1 1 3
1 1 1
4 8 16
0 0 0
6 10 22
Bemerkung Die Anzahl der vom Nullvektor verschiedenen Zeilen in D(r,n) gibt den Rang r an.
1 1 3
1 2 1
1 0 0
1 2 0
4 4 0
0 0 0
6 4 0
6
2
In dem nebenstehenden Beispiel 2.33 ist r = 2.
0
0
inh
1 0
0 1
1 0
0 1
28 0 b inh b hom
hom hom
s
2.4 Anwendungen in der Wirtschaft
2.4
55
Anwendungen in der Wirtschaft
Verflechtung Bei Verflechtungen 1. Art (siehe Beispiel 2.18 in Abschnitt 2.2.2) kann auch eine Umkehrung der Fragestellung von Interesse sein. Aus r = A1,2 · A2,3 · e = A1,3 · e , also A1,3 = A1,2 · A2,3, ist bei vorgegebenem Rohstoffvektor r die mögliche Menge an Endprodukten e zu ermitteln. Ist die Matrix A1,3 regulär, führt eine einfache Umstellung der Gleichung mit Hilfe der inversen Matrix zum Ziel: e = ( A1,3)1 = ( A1,2 · A2,3)1 · r. Existiert die inverse Matrix nicht, so stellt r = A1,3 · e bzw. A1,3 · e = r ein lineares Gleichungssystem dar, das keine Lösung, genau eine Lösung oder unendlich viele Lösungen haben kann. Beispiel 2.34 Es liege der Sachverhalt aus Beispiel 2.18 vor. Die Aufgabenstellung wird in folgender Weise modifiziert: Gesucht ist die Anzahl der einzelnen Endprodukte, die aus vorhandenen Rohstoffmengen r1 = 61 ME und r2 = r3 = 57 ME hergestellt werden können. Lösung Die Gleichung r (3,1) = A(13,3,2 ) · e (2,1) kann nach e explizit nicht aufgelöst werden, da A(13,3,2 ) nicht quadratisch und somit nicht invertierbar ist. Es muss ein Gleichungssystem gelöst werden: 9e1 + 5e2 = 61 Dieses Gleichungssystem hat die eindeutige Lösung 8e1 + 5e2 = 57 e1 = 4 und e2 = 5. Es können genau 4 ME von E1 und 5 ME von E2 produziert werden. 8e1 + 5e2 = 57
LEONTIEF-Modell Bei den Verflechtungsmodellen 1. Art in Abschnitt 2.2.2 (siehe Beispiel 2.18) wurde noch nicht berücksichtigt, dass die produzierten Einheiten in der j-ten Stufe auch gleichzeitig Ausgangseinheit in der j-ten Stufe sein können (Eigenverbrauch). Betrachtet wird eine bestimmte Stufe j einer Verflechtung. Bezeichnungen x Vektor des Eigenverbrauchs y Nachfragevektor A Verbrauchsmatrix, die für jede Stufe angibt, wie viel Mengen je produzierter Einheiten in welcher Stufe benötigt werden Es gilt dann x = A · x + y. Die Bestimmung der Gesamtproduktion der Stufe erfolgt mit Hilfe der Einheitsmatrix E durch Umstellung nach x : x = (E A)1 · y. Die Matrix (E A)1 wird als LEONTIEF-Inverse bezeichnet. Siehe z. B. Larek, 2000 oder Luderer, 2001.
L
56
2 Lineare Algebra und Optimierung
2.5 2.5.1
Lineare Ungleichungssysteme Begriffe
Ein System A x R b, mit den Relationszeichen R {, =, }, den Konstanten A = (aij) und b = (bi), i = 1, 2, ..., m; j = 1, 2, ..., n heißt lineares Ungleichungssystem mit m Nebenbedingungen (Restriktionen). Ein System A x R b, x o mit den Relationszeichen R{, =, }, den Konstanten A = (aij) und b = (bi), i = 1, 2, ..., m; j = 1, 2, ..., n heißt lineares Ungleichungssystem mit m Nebenbedingungen und n Nichtnegativitätsbedingungen. Das Relationszeichen R ist komponentenweise zu verstehen, in jeder Restriktion kann eines der angegebenen Zeichen Verwendung finden. Die Form A(m, n) x(n) R b(m), x(n) o(n) eines linearen Ungleichungssystems mit den Relationszeichen R {, =} heißt 2. Normalform des linearen Ungleichungssystems. (m und n geben das Format an.) In der 2. Normalform tritt in den Restriktionen nur das Ungleichheitszeichen oder ein Gleichheitszeichen auf. Aus den -Bedingungen können durch Multiplikation mit 1 - Bedingungen gemacht werden. Gibt es Variable xj, die der Nichtnegativitätsbedingung xj 0 nicht genügen müssen, werden sie in allen Restriktionen durch jeweils eine Differenz zweier neuer Variablen xj = xj1 xj 2 mit xj1, xj 2 0 ersetzt. Ein lineares Ungleichungssystem A x b, x o mit b o heißt normales lineares Ungleichungssystem. Ein normales lineares Ungleichungssystem enthält keine Gleichungen und der Vektor b hat keine negativen Komponenten. Die Form (A, E)(m, n + m) x(n + m) = b(m), b(m) o(m), x(n + m) o(n + m) eines normalen linearen Ungleichungssystems heißt 1. Normalform des normalen linearen Ungleichungssystems. Jede 2. Normalform eines normalen linearen Ungleichungssystems lässt sich in die 1. Normalform überführen, indem in jeder -Bedingung auf der linken Seite eine zusätzliche Schlupfvariable eingeführt wird. Das in der 1. Normalform auftretende lineare Gleichungssystem (A, E) x = b liegt in der kanonischen Form vor, siehe Abschnitt 2.3.4. Beispiel 2.35 Folgendes Ungleichungssystem soll zunächst in die 2. Normalform und anschließend in die 1. Normalform überführt werden. x1 + x2 9 x1 x2 5
x1 0 x2 beliebig
2.5 Lineare Ungleichungssysteme Lösung: Variablensubstitution 2. Normalform x1 + x21 x22 9 x1 x21 + x22 5 x1, x21, x22 0
57
x2 = x21 x22 mit x21, x22 0 1. Normalform =9 x1 + x21 x22 + x3 + x4 = 5 x1 x21 + x22 x1, x21, x22, x3, x4 0
Jeder Vektor x, für den A x b, b o gilt, heißt Lösung des normalen linearen Ungleichungssystems A x b. Jeder Vektor x, für den A x b, b o, x o gilt, heißt zulässige Lösung des normalen linearen Ungleichungssystems A x b. Eine Punktmenge heißt konvex, wenn neben zwei beliebig gewählten Punkten dieser Menge auch alle Punkte der Verbindungsstrecke der Punktmenge angehören. Die Menge M der zulässigen Lösungen von A x b, b o, x o ist eine konvexe Punktmenge, wenn sie nicht leer ist. Sind x1 und x2 zulässige Lösungen, so ist auch jede konvexe Linearkombination x x = t1 x1 + t2 x2 mit t1 + t2 = 1, t1, t2 0 eine zulässige Lösung.
2.5.2
Lösen linearer Ungleichungssysteme
Lineare Ungleichungssysteme mit zwei Variablen lassen sich graphisch lösen. Der vorgestellte Algorithmus für die rechnerische Lösung linearer Ungleichungssysteme bezieht sich nur auf normale lineare Ungleichungssysteme mit beschränkten Lösungsmengen und geht von der zugehörigen 1. Normalform (lineares Gleichungssystem) aus. Unter allen Lösungen interessieren besonders die Basislösungen. Basislösungen sind die Lösungen des Gleichungssystems, bei denen die Nichtbasisvariablen gleich null sind. Von diesen Basislösungen sind besonders die zulässigen Basislösungen mit x o von Interesse. Die Anzahl der zulässigen Basislösungen eines normalen linearen Ungleichungssystems A x b, b o, x o ist endlich. Sind x1, ..., xn die zulässigen Basislösungen eines normalen beschränkten linearen Ungleichungssystems A x b, b o, x o, so ist die Menge aller zulässigen Lösungen M durch die Menge aller konvexen Linearkombinationen der zulässigen Basislösungen gegeben: M = {x x = t1 x1 + ... + tn xn mit ti = 1 und ti 0 i}. M heißt allgemeine zulässige Lösung.
L
2 Lineare Algebra und Optimierung
58
Graphische Lösung bei zwei Variablen Die zulässige Lösungsmenge M ergibt sich als Durchschnitt aller Lösungsmengen der Nebenbedingungen, dabei sind die Begrenzungsgeraden zu zeichnen. Die Lösungsmenge jeder Ungleichung stellt eine Halbebene dar, siehe Abschnitt 1.9.2. Die „richtige Seite“ kann ermittelt werden, indem für einen ausgewählten Punkt (z. B. (0; 0) oder ein einfacher, nicht auf der Gerade liegender Punkt) die Zugehörigkeit zur Lösungsmenge geprüft wird. Die zulässige Lösungsmenge M ist eine durch die Eckpunkte bestimmte konvexe Punktmenge, alle Punkte der Strecke zwischen zwei beliebig aus M gewählten Punkten gehören der Lösungsmenge M an. Rechnerische Lösung für ein normales lineares Ungleichungssystem Bezeichnungen BV Basisvariable NBV Nichtbasisvariable BL Basislösung ZBL Zulässige Basislösung
HZ HS HE BT
Hauptzeile Hauptspalte Hauptelement Basistransformation
Lösungsweg 1. Ermitteln der 1. Normalform des normalen linearen Ungleichungssystems. 2. Wählen einer HS mit einer NBV xs, die in der vorangegangenen Tabelle keine BV war (sonst ergibt sich eine bereits bekannte BL). 3. Für alle positiven Elemente ais der Spalte s und bi der rechten Seite b werden die Quotienten qi i gebildet (zusätzliche Spalte). ais 4. Die Zeile mit dem kleinsten Quotienten qi wird die Hauptzeile HZ. 5. Die Basistransformation BT (siehe Abschnitt 2.3.4) wird für das ermittelte Hauptelement HE durchgeführt. 6. Die Punkte 2. bis 5. werden wiederholt, bis durch die BT keine neue BL gefunden werden kann. 7. Bildung der allgemeinen zulässigen Lösung. Beispiel 2.36 Zur Herstellung von zwei Erzeugnissen E1 und E2 stehen für die Bearbeitung drei Maschinen zur Verfügung. Die erforderlichen Maschinenzeiten und die zur Verfügung stehenden Zeitfonds sind in der folgenden Tabelle enthalten. Maschine 1 2 3
Maschinenzeit E2 E1 4 5 0
8 4 5
Zeitfonds 200 200 100
Es sollen alle möglichen Stückzahlenvarianten unter Einhaltung aller Bedingungen ermittelt werden.
2.5 Lineare Ungleichungssysteme Lösungsansatz x1 – Anzahl der Erzeugnisse vom Typ E1 x2 – Anzahl der Erzeugnisse vom Typ E2 Graphische Lösung: siehe Abbildung 2.1
59 Mathematisches Modell: 4x1 + 8x2 200 5x1 + 4x2 200 5x2 100 x1, x2 0
Abbildung 2.1 Die Lösungsmenge M wird als konvexe Linearkombination der fünf beteiligten Eckpunkte angegeben, die entweder als Näherungswerte der Abbildung 2.1 entnommen werden, als Schnittpunkte der entsprechenden Geraden berechnet werden oder auf rechnerischem Wege mit der Basistransformation ermittelt werden können. Lösung: 100 mit ti 0 i 10 0 0 40 5 x t1 t 2 t 3 3 t 4 t 5 25 und t i 1 20 20 0 0 i 1 3
Rechnerische Lösung: 2. Normalform 1. Normalform 4x1 + 8x2+ x3 = 200 4x1 + 8x2 200 = 200 5x1 + 4x2 + x4 5x1 + 4x2 200 + x5 = 100 5x2 5x2 100 x1, x2, x3, x4, x5 0 x1, x2 0 Lösung mit Angabe der Werte für die Schlupfvariablen (Lösungsweg auf der folgenden Seite): 100 0 40 10 0 3 25 5 0 0 20 20 3 mit t i 1 x = t 1 200 t 2 40 t 3 t t 0 40 4 5 i 1 0 200 0 70 120 und ti 0 i 0 100 100 0 0 175 3
L
2 Lineare Algebra und Optimierung
60
Lösungsschema x2
x3
x4
x5
b
x3
x1 4
8
1
0
0
200
x4
5
4
0
1
0
200
x5
0
0
0
1
100
x3
0
5 24 5
4 5
0
40
25 3
x1
1
1 5
0
40
50
x5
0
5
1
100
20
x2
0
1
x1
1
0
x5
0
0
x2
0
1
x1
1
0
x4
0
0
x2
0
1
0
0
x3
4
0
1
0
x4
5
0
0
1
BV
x5 x3 x4
1
4 5
0 0 5 24 1 6 25 24 0
0 1 6 1 3 5 6
0 1
0
1 4
0
5 4
1
wie 1. Tabelle
0
25 3 100 3 175 3
1 5
20
2 5
10
6 5 1 5
q 50
0 40 x1 = 0 -
100 70
40 x2 = 0
100 x3 = 3 25 3
10 40 x4 = 20
70
-
20
100
8 5
40
-
4 5
120
-
0 x5 = 20
2.6 Lineare Optimierung
2.6 2.6.1
61
Lineare Optimierung Begriffe
Bei der Optimierung, häufig Operations Research oder der Unternehmensforschung zugeordnet, soll unter vielen zulässigen Varianten die hinsichtlich eines bestimmten Kriteriums beste (optimale) Variante gefunden werden. Die mathematische Modellierung eines ökonomischen Problems erfordert die Umsetzung der ökonomischen Sachverhalte in mathematisch abzuarbeitende Rechenschritte. Jede Bedingung leitet sich aus ökonomischen Aussagen ab. Die ökonomische Zielstellung wird mit einer mathematischen Funktion beschrieben. Ein Optimierungsproblem besteht darin, unter Berücksichtigung gewisser Nebenbedingungen eine Zielfunktion zu maximieren oder zu minimieren. Beschreibung linearer Optimierungsprobleme Lineare Optimierung bedeutet, dass die verwendeten Funktionen, Ungleichungen und Gleichungen linear sind, die Variablen kommen also alle in der ersten Potenz vor. Bei einem linearen Optimierungsproblem (LOP) ist das Maximum oder Minimum einer linearen Zielfunktion Z (ZF) zu bestimmen, wobei die Struktur- oder Entscheidungsvariablen x1, x2, ..., xn den Nebenbedingungen (NB) oder Restriktionen und der Nichtnegativitätsbedingung (NNB) genügen müssen. Z = c0 + c1 x1 + c2 x2 + ... + cn xn max/min a11 x1 + a12 x2 + ... + a1n xn R b1 a21 x1 + a22 x2 + ... + a2n xn R b2
ZF : Z = cT x max/min NB : A x R b NNB : x o am1 x1 + am2 x2 + ... + amn xn R bm ; R (, =, )
xj 0, j = 1, 2, ..., n . Die Größen aij, bi, cj sind bekannt. Beispiel 2.37 ZF: NB:
NNB:
Z=
x1 + 4x2 max 4x1 + 8x2 200 5x1 + 4x2 200 5x2 100 x1, x2
0
Zielfunktion mit zwei Variablen x1 und x2 System von drei Nebenbedingungen, in diesem Fall drei - Beziehungen Nichtnegativitätsbedingung für die beiden Variablen x1 und x2
L
62
2 Lineare Algebra und Optimierung
Jeder Vektor x, der den Nebenbedingungen genügt, heißt Lösung des linearen Optimierungsproblems. Jeder Vektor x, der den Nebenbedingungen und der Nichtnegativitätsbedingung genügt, heißt zulässige Lösung des linearen Optimierungsproblems. Die Gesamtheit aller zulässigen Lösungen eines linearen Optimierungsproblems heißt Menge der zulässigen Lösungen. Jede zulässige Lösung, die die Zielfunktion maximiert bzw. minimiert, heißt optimale Lösung des linearen Optimierungsproblems.
2.6.2
Lösen linearer Optimierungsprobleme
Graphische Lösung linearer Optimierungsprobleme Lineare Optimierungsprobleme mit zwei Variablen können graphisch gelöst werden. Z = c0 + c1 x1 + c2 x2 max (min) ai1 x1 + ai2 x2 R bi, R (, =, ), i = 1, 2, ..., m x1, x2 0 Lösungsweg (für den Fall einer optimalen Lösung) 1. Modellierung des Problems 2. Ermittlung des zulässigen Bereiches 3. Konstruktion der Niveaulinien der Zielfunktion 4. Bestimmung des optimalen Punktes und des Zielfunktionswertes Bemerkungen (1) Die Zielfunktion stellt für einen festen Z-Wert eine Niveaulinie (Gerade) in der x1, x2-Ebene dar. Für unterschiedliche Z-Werte ergeben sich unterschiedliche, aber parallele Niveaulinien. Daher kann eine Maximierung bzw. Minimierung durch Parallelverschiebung einer beliebigen Niveaulinie von Z erfolgen. Häufig ist die Ausgangszielfunktion die für Z = 0. (2) Durch die Nebenbedingungen werden Halbebenen (bzw. Geraden bei Gleichungen) beschrieben. Der zulässige Bereich M ergibt sich als Durchschnitt der Lösungsmengen aller Nebenbedingungen. (3) Die Nichtnegativitätsbedingung verlangt eine Lösung im 1. Quadranten. Beispiel 2.38 Es wird der Sachverhalt von Beispiel 2.36 betrachtet. Der Gewinn beim Verkauf eines Erzeugnisses E1 beträgt 1 GE (Geldeinheit) und eines Erzeugnisses E2 4 GE. Wie soll produziert werden, damit der Gewinn des Betriebes maximal wird?
2.6 Lineare Optimierung
63
Modellierung: x1 - Anzahl der Erzeugnisse vom Typ E1 x2 - Anzahl der Erzeugnisse vom Typ E2 Z = x1 + 4x2 max 4x1 + 8x2 200 5x1 + 4x2 200 5x2 100 x1, x2 0
L
Graphische Lösung, siehe Abbildung 2.2: Die zunächst für z. B. Z = 0 gezeichnete Niveaulinie der Zielfunktion wird so parallel verschoben, dass noch mindestens ein Punkt von M erfasst wird.
(2)
(3)
x1 = 10 x2 = 20 (1)
Zmax = 1 10 + 4 20 = 90 Rechnerische Lösung siehe unter Beispiel 2.43
Abbildung 2.2
Beispiel 2.39 Für die Aufzucht von Vieh wird eine Mischung von zwei Futtersorten vorgesehen. Mindestgehalt von Kohlehydraten, Eiweißen und Fetten sowie Kosten sind in der Tabelle enthalten. Wie muss das Futter gemischt werden, damit die Kosten minimal werden? Futtersorte 1 2 Mindestgehalt
Kohlehydrate [mg/ME]
Eiweiße Fette [mg/ME] [mg/ME]
4 2
4 8
0 8
12
24
8
Modellierung: x1 - Mengeneinheiten Futter 1 x2 - Mengeneinheiten Futter 2
Kosten [GE] 10 12
Z = 10x1 + 12x2 min 4x1 + 2x2 12 4x1 + 8x2 24 8x2 8 x1, x2 0
64
2 Lineare Algebra und Optimierung
Graphische Lösung, siehe Abbildung 2.3:
x1 = 2 x2 = 2 Zmin = 10 2 + 12 2 = 44 Rechnerische Lösung siehe unter Beispiel 2.46
Abbildung 2.3
Sonderfälle 1. Unendlich viele Lösungen Ist die Niveaulinie der Zielfunktion für die optimale Lösung parallel zur berührenden Restriktionsgeraden, so sind alle die Punkte optimal, die gleichzeitig dem zulässigen Bereich und der Zielfunktion angehören. Beispiel 2.40 Z = x1 + 2x2 max x2 4 x1 + x2 9 x1 + 2x2 12 x1, x2 0
Abbildung 2.4 Die Menge der Lösungen lässt sich durch die konvexe Linearkombination der zulässigen Basislösungen x1 und x2 beschreiben: x = t1 x 1 + t 2 x 2
mit t1, t2 0 und t1 + t2 = 1
6 4 Lösung: x = t1 + t2 4
3
mit t1, t2 0 und t1 + t2 = 1 , Zmax = 12
2.6 Lineare Optimierung
65
2. Keine Lösung Der zulässige Bereich kann eine leere Menge sein (damit existieren keine zulässigen Lösungen). Ist der Bereich unbeschränkt, kann sich in Abhängigkeit von der Zielfunktion auch der Fall ergeben, dass es keine optimale Lösung gibt. Beispiel 2.41 Z = 3x1 + 4x2 max x1 + x2 4 x1 + 6x2 6 x1, x2 0 Der Bereich M ist die leere Menge, dieses Problem hat keine Lösung, siehe Abbildung 2.5 oben. Beispiel 2.42 Z = x1 + 2x2 max x1 + 2x2 2 x2 4 x1, x2 0 M ist unbeschränkt, die Zielfunktion hat kein endliches Maximum, siehe Abbildung 2.5 unten.
(1) (2)
(2) (1)
Abbildung 2.5
Bemerkung Der Sachverhalt von Beispiel 2.41 enthält Widersprüche in der Aufgabe, im Beispiel 2.42 fehlen bei einer wirtschaftlich sinnvollen Aufgabenstellung weitere Restriktionen.
Rechnerische Lösung linearer Optimierungsprobleme Die Normalform Wird in der Zielfunktion die additive Konstante c0 weggelassen, hat das keinen Einfluss auf die Gesamtheit der optimalen Lösungen. Lediglich bei der Berechnung des Zielfunktionswertes ist diese Konstante wieder zu berücksichtigen. Ein lineares Optimierungsproblem in der Form Zielfunktion Z = cT x max Nebenbedingungen Ax R b mit R {, =} Nichtnegativitätsbedingung x o heißt 2. Normalform des linearen Optimierungsproblems. Jedes lineare Optimierungsproblem kann in die 2. Normalform überführt werden.
L
66
2 Lineare Algebra und Optimierung
Soll das Minimum der Zielfunktion Z = c1 x1 + c2 x2 + ... + cn xn min eines linearen Optimierungspoblems bestimmt werden, ist das der Ermittlung des Maximums der Zielfunktion Z ' = Z = c1 x1 c2 x2 ... cn xn max unter den gleichen Nebenbedingungen äquivalent. Beide Aufgaben besitzen die gleiche Gesamtheit optimaler Lösungen. Lediglich die Minimalbzw. Maximalwerte der Zielfunktionen haben entgegengesetzte Vorzeichen. Eine Minimumaufgabe kann also durch eine Maximumaufgabe ersetzt werden, indem die Zielfunktion mit 1 multipliziert wird. Gibt es unter den Nebenbedingungen -Bedingung, werden sie ebenso mit 1 multipliziert, sodass daraus -Bedingungen werden. Gibt es Variable xj, die der Nichtnegativitätsbedingung xj 0 nicht genügen müssen, werden sie jeweils durch eine Differenz zweier neuer Variablen xj = xj1 xj 2 mit xj1, xj 2 0 ersetzt. Z = cT x max ( A, E ) x = b x o heißt 1. Normalform des linearen Optimierungsproblems.
Ein LOP in der Form
In jeder -Bedingung der Nebenbedingungen wird eine Schlupfvariable eingeführt; in jeder Gleichung wird ebenfalls eine zusätzliche Variable eingeführt, eine sogenannte künstliche oder Sternvariable. Jedes lineare Optimierungsproblem kann in die 1. Normalform überführt werden, bei der das Maximum für die gegebene Zielfunktion Z = c1 x1 + c2 x2 + ... + cn xn + 0 xn + 1 + ... + 0 xn + m max unter den Bedingungen a11 x1 + a12 x2 + ... + a1n xn + xn + 1 = b1 a21 x1 + a22 x2 + ... + a2n xn + xn + 2 = b2 + xn + m = bm am1 x1 + am2 x2 + ... + amn xn mit
xj 0, j = 1, 2, ..., n + m
zu bestimmen ist.
Bei Verwendung der Matrizenschreibweise mit Formatangabe, wenn dabei ( A, E ) die um die Einheitsmatrix E erweiterte Matrix A ist, gilt: 2. Normalform
1. Normalform
Z = cT(1, n) x (n, 1) max A (m, n) x (n, 1) R b (m, 1) x (n, 1) o (n, 1)
Z = cT(1, n + m) · x (n + m, 1) max ( A, E ) (m, n + m) x (n + m, 1) = b (m, 1) x (n + m, 1) o (n + m, 1)
mit R {, =}
2.6 Lineare Optimierung
67
Basisdarstellung Je m linear unabhängige Spaltenvektoren von ( A, E ) bilden eine Basis. Die zu diesen Vektoren gehörigen Variablen heißen Basisvariable (BV), (m - Anzahl der Nebenbedingungen). In der Basisdarstellung (BD) liegt das Gleichungssystem ( A, E ) x = b in kanonischer Form vor, sodass für eine Basis die Basisvariablen (BV) durch die Nichtbasisvariablen (NBV) ausgedrückt sind x B = b‘ A‘ x N. Bemerkung In der 1. Normalform sind die Schlupfvariablen xn + 1, xn + 2, ..., xn + m Basisvariable (die restlichen Variablen sind Nichtbasisvariable ). Eine Basislösung (BL) ergibt sich, wenn in einer Basisdarstellung eines Gleichungssystems alle Nichtbasisvariablen (NBV) gleich null gesetzt werden. Eine Basislösung heißt darüber hinaus zulässige Basislösung (ZBL), wenn alle Basisvariablen nicht negativ sind. Besitzt die zulässige Basislösung eines linearen Optimierungsproblems in der 1. Normalform genau m positive Komponenten, wird sie nicht ausgeartet genannt. Besitzt die ZBL weniger als m positive Komponenten, wird sie ausgeartet genannt. Bemerkung Im Falle einer Ausartung können beim Lösungsprozess Komplikationen auftreten (Zyklenbildung).
2.6.3
Simplexmethode
Mit der Simplexmethode kann ein lineares Optimierungsproblem rechnerisch schrittweise gelöst werden. Dazu wird hier die kombinierte Simplexmethode als Simplexalgorithmus vorgestellt. Voraussetzung ist das Vorliegen des linearen Optimierungsproblems in der 1. Normalform. Die Aufgabe besteht darin, zulässige Basislösungen zu finden, in denen die Zielfunktion ihr Maximum annimmt. Nebenbedingungen in Form von Gleichungen werden in der 1. Normalform mit der M-Methode berücksichtigt. In diese Gleichungen werden künstliche- oder Sternvariable xj* eingeführt, die gemeinsam mit den Schlupfvariablen die Basisvariablen der ersten Basislösung sind. Die ursprünglichen Gleichungen sind nur dann erfüllt, wenn die künstlichen Variablen null sind. Das kann erreicht werden, wenn beim Variablentausch der Basistransformation die künstlichen Variablen von Basisvariablen zu Nichtbasisvariablen werden. In der Zielfunktion erhalten die künstlichen Variablen einen sehr großen negativen Koeffizienten M, M ist sehr groß positiv, M >> 0 .
68
2 Lineare Algebra und Optimierung
Besitzt das lineare Optimierungsproblem eine optimale Lösung, nimmt die Zielfunktion ihr Extremum in mindestens einer zulässigen Basislösung der Menge der zulässigen Lösungen an (Eckpunkt des konvexen Bereiches M). Ist die Menge M der zulässigen Lösungen nicht leer und die Zielfunktion über M nach oben beschränkt (Maximumaufgabe), existiert wenigstens eine optimale Lösung. (Simplextheorem) Das Ausgangsschema enthält mit dem Koordinatenursprung in der Regel nicht die optimale Lösung. Negative g-Werte deuten an, dass noch keine maximale Lösung vorliegt, negative b-Werte zeigen, dass noch keine zulässige Lösung vorliegt. Ein Schema enthält eine optimale Lösung, wenn die Werte sowohl in der g-Zeile als auch in der b-Spalte nichtnegativ sind. Für eine optimale Lösung gilt: g j 0 j und b i 0 i . Zunächst wird über die Simplexmethode (SM), Schritt (1.1) des Algorithmus, versucht, gj 0 zu erreichen. Falls erforderlich, wird anschließend über die duale Simplexmethode (DSM), Schritt (1.2) des Algorithmus, versucht, bi 0 zu erreichen. Ob mehrere optimale Lösungen existieren, ist gegebenenfalls im Schritt (3) zu prüfen. Ist die Menge der zulässigen Lösungen beschränkt, und nimmt die Zielfunktion ihren Optimalwert in mehr als einem Eckpunkt (ZBL) an, ist die Gesamtheit der Optimallösungen eine konvexe Linearkombination aller optimalen Basislösungen: x = t1 x1 + t2 x 2 + ... + tn xn
n
mit ti 1 und t1, t2, ..., tn 0 i 1
Ist das lineare Optimierungsproblem nicht ausgeartet, führt die Simplexmethode nach endlich vielen Schritten zur Optimallösung oder zur Erkenntnis der Unlösbarkeit der Aufgabe. Als Rechenschema wird das verkürzte Schema verwendet, dabei wird auf die Spalten der Basisvariablen mit den Einheitsvektoren verzichtet. In der dadurch freien Spalte der neuen Basisvariablen wird die Spalte der neuen Nichtbasisvariablen positioniert. Es ist somit zu beachten, dass sich die Rechenregeln im Schritt (2) Verkürzte Basistransformation für die Werte in der Hauptspalte (1. Das Hauptelement HE und 3. Die restlichen Elemente der Hauptspalte) gegenüber der ausführlichen Basistransformation (Abschnitt 2.3.4) verändern.
2.6 Lineare Optimierung
69
Ausführliches Schema für die Simplexmethode (einschl. der BV-Spalten) BV x5 x6 x7 Z
x1 a11 a21 a31 c1
x2 a12 a22 a32 c2
x3 a13 a23 a33 c3
x4 a14 a24 a34 c4
x5 1 0 0 0
x6 0 1 0 0
x7 0 0 1 0
b b1 b2 b3
Bemerkung In den Spalten der BV steht immer die Einheitsmatrix E. Im folgenden verkürzten Schema werden diese Spalten der BV weggelassen. Dafür ändern sich die Regeln für die HS einschließlich dem HE. Verkürztes Schema als Ausgangsschema für die kombinierte Methode (die Spalten für die Basisvariablen entfallen, die letzte Nebenbedingung wird beispielhaft als Gleichung angenommen) 1. NBV x1 x2 x3 x4 b c2 c3 c4 0 q BV 1 c1 x5 0 a11 a12 a13 a14 b1 q1 x6 0 a21 a22 a23 a24 b2 q2 x7* M a31 a32 a33 a34 b3 q3 c1 c2 c3 c4 0 g1: g2: g3: g: Z: g a32 a33 4 a34 b3 a31 p p1 p2 p3 p4 Koeffizienten der Zielfunktion Die Koeffizienten in der Zielfunktion sind für Schlupfvariablen null und für künstliche Variablen M ( M ist eine sehr große positive Zahl, M >> 0 ). Berechnung der g-Zeile (1) Die gj und Z ergeben sich aus dem Skalarprodukt der 2. Spalte (NBV) mit den entsprechenden Spalten von A und b. (2) Die -Zeile entfällt, wenn sich unter den Basisvariablen keine -Variablen befinden. Sind -Variable unter den Basisvariablen, so besteht der g-Wert aus einem M-freien und einem M-behafteten Bestandteil. Die Koeffizienten der M-Bestandteile werden in die -Zeile geschrieben und entscheiden somit über Vorzeichen und Größe der g-Werte. z. B.: g1 = c1 a31 M, g2 = c2 a32 M oder Z = 0 b3 M p-Zeile: Die p-Zeile kann zunächst entfallen, sie wird nur bei Anwendung von Schritt (1.2) notwendig. Probe: In den Folgeschemen werden die Werte in der g-Zeile mit der verkürzten Basistransformation im Schritt (2) berechnet, können zur Kontrolle aber auch wieder als Skalarprodukt der 2. Spalte mit der entsprechenden Spalte berechnet werden.
L
70
2 Lineare Algebra und Optimierung
Schritte des Simplexalgorithmus (kombinierte Methode) (1) Bestimmen des Hauptelementes HE (1.1) Auswerten der g-Zeile (SM): Gibt es gj < 0? NEIN: (1.2) JA : Suche min gj = gs , s-Spalte wird HS Bilde für die positiven Elemente der HS und die nichtb negativen Elemente der b-Spalte die Quotienten qi i ais Existieren ein oder mehrere Quotienten qi? NEIN: Sind alle bi 0? NEIN: (1.2) JA : Das LOP hat keine weiteren ZBL. JA : min qi = qr , r-Zeile wird HZ (2) (1.2) Auswerten der b-Spalte (DSM): Gibt es bi < 0? NEIN: Optimale Lösung! Gibt es gj = 0? NEIN: | ENDE | JA : Mehrere opt. Lösungen möglich (3) JA : Suche min bi = br , r-Zeile wird HZ Bilde für die negativen Elemente der HZ arj und die gj nichtnegativen Elemente gj die Quotienten p j arj Existieren ein oder mehrere Quotienten pj ? NEIN: Das LOP hat keine weiteren ZBL. JA : min pj = ps , s-Spalte wird HS (2) (2) Verkürzte Basistransformation 0. Die BV aus der HZ wird mit der NBV aus der HS vertauscht (einschließlich der Koeffizienten der Zielfunktion). Falls eine *-Variable NBV wird, ist die entsprechende Spalte zu streichen. Ist keine *-Variable mehr unter den BV, entfällt die *-Zeile in der g-Zeile. 1 1. Das HE ars wird durch den Kehrwert ersetzt. a rs 2. Die restlichen Elemente der HZ werden durch ars dividiert. 3. Die restlichen Elemente der HS werden durch ars dividiert. 4. Alle übrigen Elemente werden nach folgender Regel ermittelt arj ais aij ars arj ais arj gs g j ars arj gs aij, aij g ,j g j ars ars ars ars
bi, bi 5. (1.1)
br ais bi ars arjbr ars ars
Z, Z
br g s Za rs br g s a rs a rs
2.6 Lineare Optimierung
71
(3) Mehrere optimale Lösungen Die Anzahl der Nullen in der g-Zeile gibt die maximale Anzahl weiterer optimaler Lösungen an. Die Nullen in der g-Zeile bestimmen die HS für die Suche weiterer optimaler Lösungen. Wähle eine Null, die noch nicht gewählt wurde HS. Bilde für die positiven Elemente der HS und die nicht negativen Elemente b der b-Spalte die Quotienten qi i . Existieren ein oder mehrere ais Quotienten qi? NEIN: Das LOP hat keine weiteren optimalen BL JA : min qi = qr, r-Zeile wird HZ (2) Beispiel 2.43 Rechnerische Lösung zum Beispiel 2.38
2. Normalform Z = x1 + 4x2 max
1. Normalform Z = x1 + 4x2 max 4x1 + 8x2 + x3 = 200 5x1 + 4x2 + x4 = 200 5x2 + x5 = 100
4x1 + 8x2 200 5x1 + 4x2 200 5x2 100 x1, x2
1 BV x3 x4 x5
NBV 1 0 0 0 g
x1 1 4 5 0 1
2 BV
NBV 1
x1 1
x3 x4 x2
3 BV x1 x4 x2
0 0 4 g NBV 1 1 0 4 g
x1, x2, x3, x4, x5
0 x2 b 4 0 8 200 4 200 5 100 4 0 x5 0
b 0
4 8/5 5 4/5 0 1/5 1 4/5
40 120 20 80
x3 x5 0 0 1/4 2/5 5/4 6/5 0 1/5 1/4 2/5
b 0 10 70 20 90
q 25 50 20
0
0 x1 = 0
q
10 24 -
0 x2 = 20
q
10 x3 = 20
Die Lösung im dritten Schema ist optimal, weil sowohl die g-Zeile, als auch die b-Spalte nur noch positive Werte enthalten. Der optimale Punkt liegt bei x1 = 10, x2 = 20. Z hat einen maximalen Wert von Zmax = 90.
L
2 Lineare Algebra und Optimierung
72
Beispiel 2.44 Ein Unternehmen produziert drei verschiedene Geräte. Beim Verkauf dieser Geräte erzielt der Unternehmer für das Gerät G1 30 GE, für das Gerät G2 20 GE und für das Gerät G3 50 GE Gewinn. In der Produktionsstätte können höchstens 60 Geräte hergestellt werden. Außerdem muss gesichert werden, dass mindestens 30 Geräte vom Typ G1, sowie von den Typen G1 und G2 zusammen mindestens 40 Geräte hergestellt werden. Wie ist zu produzieren, damit ein größtmöglicher Gewinn erzielt wird? Lösung Modell: xi - Anzahl der Geräte Gi, xi 0, i = 1, 2, 3 Z = 30x1 + 20x2 + 50x3 max x1 + x2 + x3 60 x1 30 x1 + x2 40
1. Normalform Z = 30x1 + 20x2 + 50x3 max x1 + x2 + x3 + x4 = 60 x1 + x5 = 30 x1 x2 + x6 = 40 x1, x2, x3, x4, x5, x6 0
2. Normalform Z = 30x1 + 20x2 + 50x3 max x1 + x2 + x3 60 x1 30 x1 x2 40 x1, x2, x3 0 1 NBV x1 x2 x3
b
BV
1
30
20
50
0
x4 x5 x6
0 0 0 g
1 1 1 30
1 0 1 20
1 0 0 50
60 30 40 0
2
NBV
x1
x2
x4
BV
1
30
20
0
0
x3 x5 x6
50 0 0 g p
1 1 1 0 1 1 20 30 20 30
1 0 0 50 -
60 30 40 3 000 b
q
60 -
0 x1 = 0 0
b
3
NBV
x6
x2
x4
BV
1
0
20
0
0
x3 x5 x1
50 0 30 g
1 1 1 20
0 1 1 10
1 0 0 50
20 10 40 2 200
q
q
0 x2 = 0 60
40 x3 = 0 20
Die Lösung im dritten Schema ist optimal. Es müssen x1 = 40 Geräte vom Typ G1, x2 = 0 Geräte vom Typ G2 und x3 = 20 Geräte vom Typ G3 hergestellt werden. Der Gewinn ist mit Zmax = 2.200 maximal.
2.6 Lineare Optimierung
Lösung Z = 2x1 + x2 max Dieses LOP enthält unter den Nebenbedingungen eine Gleichung, in diese wird eine Sternvariable eingeführt.
Beispiel 2.45 Aufgabe: Z = 2x1 x2 min
2 x1 + 3x2 = 30 x1 6 x2 8 x1, x2
73
0
1. Normalform: Lösungsschema 1 NBV x1
x2
b
Z = 2x1 + x2 M·x3* max M >> 0
1
2
1
0
q
x3* M x4 0 x5 0
2 1 0
3 0 1
30 6 8
10 8
*
2 2
1 3
0 30
2
NBV
x1
x5
b
BV
1
2
0
0
q
x3* M x4 0 x2 1
2 1 0
3 0 1
6 6 8
3 6 -
2 2
1 3
8 6
BV
g
g *
3
NBV
x3*
x5
b
BV
1
M
0
0
x1 x4 x2
2 0 1
1,5 1,5 1
3 3 8
g
2
14
x4
b
0
0
4
NBV
BV
1
x1 x5 x2
2 0 1 g
6 2 6 4 3
=30 2x1 + 3x2 + x3* x1 + x4 = 6 x2 + x5 = 8 x1, x2, x3*, x4, x5 0
0 x1 = 0
0 x2 = 8
Die künstliche Variable x3* ist Nichtbasisvariable geworden, also wird die Spalte gestrichen. 2 Da keine künstliche Variable mehr unter den Basisvariablen ist, ent8 fällt die *-Zeile. 3 x3 = 8
q q
6 x4 = 6
18
6 x4 = ist die optimale Lösung mit Zmin = 18. 6
L
74
2 Lineare Algebra und Optimierung
2.6.4
Dualität in der linearen Optimierung
Die Darlegungen zur Dualität beschränken sich auf lineare Optimierungsprobleme in der 2. Normalform ohne Gleichungen als Nebenbedingungen. Zu jedem LOP in der 2. Normalform
Z = c1 x1 + c2 x2 + ... + cn xn max a11 x1 + a12 x2 + ... + a1n xn b1 a21 x1 + a22 x2 + ... + a2n xn b2
Z( x ) = cT x max Ax b x 0
am1 x1 + am2 x2 + ... + amn xn bm
xj 0, j = 1, 2, ..., n existiert ein duales Problem der Form
W = b1 y1 + b2 y2 + ... + bm ym min a11 y1 + a21 y2 + ... + am1 ym c1 a12 y1 + a22 y2 + ... + am2 ym c2 a1n y1 + a2n y2 + ... + amn ym cn
W( y ) = bT y min AT y c y 0
yi 0, i = 1, 2, ..., m Dabei existieren folgende Zusammenhänge: 1. Aus der primalen Maximumaufgabe wird eine duale Minimumaufgabe. 2. Aus "" in den Nebenbedingungen wird "". 3. Die Komponenten der rechten Seite b werden Koeffizienten der Zielfunktion. 4. Die Koeffizienten der Zielfunktion c werden zu Komponenten der rechten Seite. 5. Die Matrix A wird transponiert. Dualitätssatz Existiert eine beliebige Lösung x des primalen und eine beliebige Lösung y des dualen Problems, dann gilt stets Z(x) W(y), und beide Probleme besitzen eine optimale Lösung. Sind x bzw. y optimale Lösungen des primalen bzw. dualen Problems, so gilt Z ( x ) = W ( y ) und umgekehrt.
2.6 Lineare Optimierung
75
Bemerkung (1) Die Lösung der dualen Aufgabe steht im Simplexschema in der g-Zeile. (2) Mit jedem primalen Problem ist gleichzeitig ein duales gelöst. (3) In der hier behandelten kombinierten Methode sind die Vorteile beim Lösen der primalen und dualen Aufgabe vereint, sodass nicht näher auf die Lösung der dualen Aufgabe eingegangen wird. Zwischen den Variablen des primalen und dualen Problems besteht die folgende Zuordnung:
Primalproblem Strukturvariable
Schlupfvariable
x1
xn + 1 xn + 2 ... xn + m
x2
... xn
ym + 1 ym + 2 ... ym + n
y1
y2
... ym
Schlupfvariable
Strukturvariable Dualproblem
Eine Lösung ist primal zulässig, wenn im Simplexschema alle Werte der b-Spalte nicht negativ sind. Eine Lösung ist dual zulässig, wenn im Simplexschema alle Werte der g-Zeile nicht negativ sind.
Ein Simplexschema liefert eine optimale Lösung, wenn sie sowohl primal als auch dual zulässig ist. Bemerkung Die zu den Schlupfvariablen gehörenden Werte in der g-Zeile des optimalen Schemas werden auch als Schattenpreise bezeichnet. Diese Werte geben die Gewinnsteigerung an, wenn in der Bedingung der entsprechenden Schlupfvariablen die Kapazität (rechte Seite der Bedingung) um eine Einheit erhöht wird.
L
2 Lineare Algebra und Optimierung
76
Beispiel 2.46 Rechnerische Lösung des Beispiels 2.39 primal und dual Primale Aufgabe Duale Aufgabe Z = 10x1 + 12x2 min W = 12 y1 + 24 y2 + 8 y3 max 4x1 + 2x2 12 4y1 + 4y2 10 4x1 + 8x2 24 2y1 + 8y2 + 8y3 12 8x2 8 y1, y2, y3 0 x1, x2 0
1
NBV
BV
1
x3 x4 x5
0 0 0
x1 x2
b
10 12
0
4 2 12 4 8 24 0 8 8
g
10 12
p
2,5 1,5
2
NBV
BV
1
x3
0
x2
12
x5
0
x1 x4
0
3
0
NBV 1
0
x1
10
x2
12
x5
0
y1 y2 y3
b
12 24
8
0
q
0 8
10 12
2,5 1,5
4 2
4 8
12 24 8
0
NBV
BV
1
y4
0
y2
24
y1 y5 y3
b
12
0
0 8 1 3 4 2 1 1 1 4 8
4 3 2
q 4 3
6
16
b
3
0 0
2 q
6
p
BV
y4 y5
g
b
4 1,5 36 4 6 3 x3 x4
1
10
0 1 3 4 1 1 2 8 4 1
NBV
BV
0
g
g
1 q
g
6
3 16
36
0
3
NBV
BV
1
2
y1
12
2
y2
24
q
y4 y5 y3
b
0
0
8
0 4 3 7 6
2
2
8
44
q
8 4 3
Zmax = 44
x x3 = 1 = y3 = x2
7 6
44
Zmin = 44
g Wmax = 44
y 4 2 = ist die optimale Lösung mit Zmin = Wmax = 44 y 5 2
3
Funktionen, Folgen, Reihen
3
Funktionen, Folgen, Reihen
3.1
Begriffe
Durch Funktionen werden Zusammenhänge zwischen verschiedenen mathematischen oder wirtschaftlichen Größen in eindeutiger Weise beschrieben. Beispiel 3.1 Kontostand Der Kontostand hängt unter anderem ab von: (1) der Höhe des Anfangskapitals K0, (2) der Höhe der Ein- und Auszahlungen, p (3) der Größe des Zinssatzes i = , 100 (4) der Zeit. Wird jeweils eine dieser Größen als veränderlich angesehen und sind die restlichen Größen fest vorgegeben (Parameter), so liegt eine Funktion mit einer reellen Variablen vor.
Es seien M1 und M2 nichtleere Mengen. Wenn jedem Element x Df M1 durch eine Vorschrift f genau ein Element y Wf M2 zugeordnet ist, so wird dieses als Funktion y = f (x), f : M1 M2 bezeichnet. Bezeichnungen y abhängige Variable x unabhängige Variable f Abbildungsvorschrift Df Definitionsbereich von f Wf Wertebereich von f Es liegt eine reellwertige Funktion vor, wenn Wf R. Bei reellen Funktionen mit einer reellen Variablen gilt Df R und Wf R. Arten der Vorgabe der Abbildungsvorschrift (1) Verbale Beschreibung f sei die Funktion, die jedem Jahr einer längeren Zeitperiode (1950 bis 2000) das Bruttosozialprodukt eines Landes zuordnet.
(2) Tabellenform Steuertabellen, Preistabellen
(3) Rechenvorschrift K1 = K0 (1 + i ), mit K0 Anfangskapital, i Zinssatz Hierbei gibt es folgende Möglichkeiten: a) K0 veränderlich, i fest: Schreibweise: K1 = K1(K0) < K0 < Definitionsbereich: Wertebereich: < K1 < (negatives Vorzeichen: Kredit; positives Vorzeichen: Guthaben)
R
3 Funktionen, Folgen, Reihen
78
b) i veränderlich, K1 fest: Schreibweise: K1 = K1(i ) Definitionsbereich: i 0 (in der Regel) < K1 < . Wertebereich:
(4) Durch graphische Darstellungen Eine Funktion kann auch unterschiedliche Abbildungsvorschriften für verschiedene Teile ihres Definitionsbereiches besitzen. Ein Beispiel dazu liefern bestimmte Preismodelle mit Rabatt. Beispiel 3.2 Bei einer bestimmten Warenart wird beim Kauf Mengenrabatt gewährt. Werden bis 100 Mengeneinheiten gekauft, beträgt der Preis je Mengeneinheit 50 €, für jede Mengeneinheit darüber hinaus beträgt er 25 €. Welche Funktionen beschreiben den durchschnittlichen Preis je Stück und den Gesamtpreis?
Lösung Der durchschnittliche Preis je Stück p(x) lässt sich durch die folgende Funktion mathematisch in Abhängigkeit von der gekauften Menge x beschreiben:
50 für 0 x 100 p( x ) 2500 25 für 100 x x p(x)
(siehe Abb. 3.1)
P(x) 10000
60
7500 40 5000 20 2500
0
0
50
100
Abbildung 3.1
150
200
250
300 x
0
0
50
100
150
200
250
300 x
Abbildung 3.2
Der Gesamtpreis P(x) wird dagegen durch die folgende Funktion beschrieben: für 0 x 100
50 x P( x ) (siehe Abb. 3.2) 2500 25 x für 100 x
3.2 Eigenschaften
3.2
79
Eigenschaften
Eine Funktion y = f (x), xDf, heißt auf der Menge MDf beschränkt, wenn es eine endliche Konstante c derart gibt, sodass f (x) c, d. h. c f (x) c, für alle x M gilt. Dabei wird c eine Schranke von f auf M genannt. Eine Funktion f (x), x Df, heißt auf der Menge M Df nach unten bzw. nach oben beschränkt, wenn es endliche Konstanten c1 bzw. c2 gibt, sodass c1 f ( x) für alle x M gilt. c 2 f ( x)
R
Eine Funktion y = f (x), x Df, heißt in dem Intervall I Df monoton wachsend, wenn f (x1) f (x2) für alle x1, x2 I mit x1 < x2 gilt. Entsprechend wird sie monoton fallend in I genannt, wenn f (x1) f (x2) für alle x1, x2 I mit x1 < x2 gilt. Bemerkung Tritt die Gleichheit nicht ein, so wird f streng monoton wachsend bzw. fallend genannt. Eine Funktion y = f (x), x Df, heißt im Intervall I Df konvex, wenn für alle x1, x2 I die Ungleichung y x x 1 f 1 2 f x1 f x2 20 2 2 gilt. 15 Entsprechend wird sie in I konkav Konkav genannt, wenn 10 x x 1 Konvex f 1 2 f x1 f x2 2 2 5 gilt. Der Übergangspunkt wird als 0 Wendepunkt bezeichnet. -3 -2 -1 0 1 2 (siehe Abb. 3.3).
Abbildung 3.3
Eine Funktion y = f (x), x Df, heißt im Intervall I = (a, a) Df mit a > 0 gerade, wenn f (x) = f (x) gilt, ungerade dagegen heißt sie falls f (x) = f (x) gilt.
3 x
80
3 Funktionen, Folgen, Reihen
3.3
Umkehrfunktion
Eine Funktion y = f(x), f: Df Wf heißt injektiv oder umkehrbar, genau dann, wenn es zu jedem yWf höchstens ein xDf mit y = f (x) gibt. Die entsprechende Zuordnung f 1: Wf Df wird als inverse Funktion oder Umkehrfunktion bezeichnet. Bemerkung Wird die Bezeichnung der Variablen vertauscht, so ist der Graph der Umkehrfunktion y = f 1(x) das Spiegelbild der Funktion f ( x) an der Geraden y = x. Dabei gilt: D f W f 1 und W f D f 1 . Konstruktion einer Umkehrfunktion (1) Auflösen der Gleichung y = f (x) nach x: x = f 1( y) (2) Tauschen der Bezeichnungen x und y (falls erforderlich) Eine Funktion f (x), x Df, ist in I Df umkehrbar, wenn sie in I streng monoton wachsend oder streng monoton fallend ist.
Beispiel 3.3
50 für 0 x 100 (1) p( x ) 25 für 100 x
Diese Funktion ist nicht umkehrbar, da sie nicht streng monoton ist.
50 x (2) P ( x ) 2500 25 x
für
0 x 100
für 100 x
Die Umkehrung dieser Funktion erfolgt zunächst im Bereich 0 < x 100. P Hier gilt P(x) = 50 x, aufgelöst nach x ergibt sich: x (P ) . 50 Ist dagegen x > 100, gilt P(x) = 2500 + 25 x. Das Umstellen nach x liefert P x (P ) 100. 25 Damit kann die Umkehrfunktion in folgender Weise geschrieben werden:
P für 0 P 5000 x (P ) 50 P 100 für 5000 P 25 Diese Funktion gibt an, welche Menge x für einen Gesamtpreis P erworben werden kann.
3.4 Verknüpfungen und Verkettungen
3.4
81
Verknüpfungen und Verkettungen
Sind f und g zwei reellwertige Funktionen mit den Definitionsbereichen Df bzw. Dg und ist Df Dg , so ist ihre Summe, ihr Produkt und ihr Quotient punktweise erklärt: (f g) (x) = f (x) g(x) für x Df Dg (f g) (x) = f (x) g(x) für x Df Dg f f ( x) für x Df ! x Dg ; g(x) 0 " x g( x) g Bemerkung (1) Polynome sind Funktionen, die sich aus Konstanten und der Funktion y = x mit den Verknüpfungen Addition und Multiplikation erzeugen lassen (siehe auch Abschnitt 1.8): z. B.: P(x) = 1 + 3x + 4x2 + x3 x4 (2) Rationale Funktionen werden aus Konstanten und der Funktion y = x mittels Addition, Multiplikation und Division erzeugt. z. B.: R( x )
1 x 2 1 x 2
, x 1, x 1.
Beispiel 3.4 Ein Artikel wird mit fixen Kosten von 180 € und variablen Kosten von 40 € je Stück produziert. Der Verkaufspreis beträgt 80 € je Stück. Dann lauten die Gleichungen - der Kostenfunktion K(x) = 180 + 40 x, - der Erlösfunktion E(x) = 80 x - der Gewinnfunktion G(x) = E(x) K(x) = 40 x 180 - der Durchschnittskostenfunktion (Stückkostenfunktion) K ( x ) 180 k( x ) 40 x x als Funktion der Ausbringmenge (des Outputs) x.
Es seien y = f (x), x Df, und y = g(x), xDg, zwei beliebige Funktionen. Wenn dabei WgDf gilt, dann kann eine neue Funktion y = f (g (x)), xDg, gebildet werden, sie wird mittelbare oder verkettete Funktion genannt. Die Funktion f heißt äußere Funktion und die Funktion g innere Funktion.
R
3 Funktionen, Folgen, Reihen
82
Beispiel 3.5 x 2 Gegeben sind die Funktionen f (x) = e , x Df = R, und g(x) = x , x Dg = R. 2
Durch f (g ( x )) e x entsteht eine verkettete oder mittelbare Funktion.
Wird eine Funktion mit ihrer Umkehrfunktion verkettet, so ergibt sich die identische Funktion y = x. Beispiel 3.6 2 Gegeben ist die Funktion y = f (x) = x , x R. Diese Funktion ist für x 0
umkehrbar, die inverse Funktion lautet y f 1( x ) Dann ist für x 0: f ( f 1( x ))
3.5
x
2
x, x 0 .
x.
Grundfunktionen einer reellen Variablen
(1) Lineare Funktion Lineare Funktionen haben die Normalform y = ax + b, Df = R , Wf R. (2) Potenzfunktionen, Wurzelfunktionen Standardform: y = xn, x Df Definitionsbereich und Wertebereich hängen von n ab: f nN
Df
y = xn
(, )
Wf (, ), [0, ),
Bemerkung n ungerade n gerade
Parabel (s. Abb. 3.4)
n N y = xn (, )\{0} (, )\{0}, n ungerade (0, ), n gerade
Hyperbel (s. Abb. 3.5)
1
nN
y xn
[0, )
[0, )
x n
# R y = x#
Wurzelfunktion (s. Abb. 3.6)
(0, )
(0, )
allgemeine Potenzfunktion
Bemerkung Die Umkehrfunktion einer Potenzfunktion ist wieder eine Potenzfunktion.
3.5 Grundfunktionen einer reellen Variablen
y
y
2
-2
4
x
x
x 1
-1 x
3
0
83
1
x
-1
-1
x
1 0 -1 -1
y -2
1/2
x
y=x 1
-1
x
x
1
-1
0
x
1
-1 1/3
y=x
Abbildung 3.4
Abbildung 3.5
R
Abbildung 3.6
(3) Exponential- und Logarithmusfunktionen Exponentialfunktion (siehe Abb. 3.7) allgemein y = ax, x R, a > 0, a 1,
y = 10
5 x
D = (, ), W = (0, )
speziell y = 10x a = 10 a=e y = ex, e = 2,71828... (EULERsche Zahl)
x
y 6
y = 0,5
4
x
y=e
3 2 1 -2
0
-1
0
2 x
1
Abbildung 3.7
Logarithmusfunktion (Umkehrfunktion der Exponentialfunktion) (siehe Abb. 3.8) y allgemein 2 y = ln x y = loga x, x > 0, a > 0, a 1, 1
D = (0, ), W = ( , )
y = lg x 0
speziell a = 10 y = lg(x) dekadischer Logarithmus a=e y = ln(x) natürlicher Logarithmus
0
1
2
3
4
5
6x
-1 -2
Abbildung 3.8 Beispiel 3.7 Wird zu einem bestimmten Zeitpunkt ein Kapital K auf einer Bank angelegt und mit einem Zinssatz i jährlich verzinst, so wächst dieses Kapital nach n n Jahren auf Kn = (1 + i ) ·K0. Dieses ist eine Exponentialfunktion mit der folgenden Zuordnung: y = Kn, K0 = konstant, a = 1 + i, x = n. Wird die An-
84
3 Funktionen, Folgen, Reihen
zahl der Jahre gesucht, nach denen bei einem festen Zinssatz i aus einem Kapital K0 ein Kapital Kn wird, so wird die Logarithmusfunktion benötigt: lg K n lg K 0 . n lg(1 i )
(4) Trigonometrische Funktionen (Winkelfunktionen) (siehe Abbildungen 3.9 - 3.10) Funktion Definitionsbereich sin x cos x tan x cot x
Wertebereich Periode
(, ) (, ) (, )\{$/2 + k$} (, )\{k$}
[1, 1] [1, 1] (, ) (, )
2$ 2$ $ $
y cos x
kZ kZ
y 8
1
sin x
cot x
4 - $/2 -$ -3.14 -1.57
0
0
$/2 1.57
$ 3.14
x
-$ -3.14
-$/2 -1.57
0
0
tan x $/2 1.57
$ 3.14 x
-4 -1
Abbildung 3.9
3.6
-8
Abbildung 3.10
Zahlenfolgen
Wird jeder natürlichen Zahl k genau eine Zahl ak R zugeordnet, so bilden die Zahlen a1, a2, a3, a4, ... eine Zahlenfolge. Dabei wird a1 das erste, a2 das zweite usw. sowie ak das allgemeine (k-te) Glied der Zahlenfolge genannt. Darstellung:
{ak}, ak = f (k), ak = g(ak 1),
k = 1, 2, ... Aufzählung k = 1, 2, ... unabhängige Darstellung k = 2, 3, ... rekursive Darstellung
Beispiel 3.8 Folgende drei Darstellungen repräsentieren die gleiche Zahlenfolge (1) {ak} = {2, 2, 2, 2, ...} k+1 (2) ak = 2 ( 1) , k = 1, 2, ... (3) ak = ak 1, a1 = 2, k = 2, 3, ...
3.6 Zahlenfolgen
85
Bemerkung Zahlenfolgen sind eindeutige Abbildungen (Funktionen) aus der Menge der natürlichen Zahlen N in die Menge der reellen Zahlen R. Deshalb können für sie die bei Funktionen eingeführten Begriffe (Monotonie, Schranken usw.) genutzt werden. Eine Zahlenfolge {ak} heißt eine + (1) konstante Folge, wenn für alle k N ak = a1, + (2) arithmetische Folge, wenn für alle k N ak = a1 + (k 1) · d (3) geometrische Folge, wenn für alle k N+ ak = a1 · q k 1 gilt.
Bei einer arithmetischen Zahlenfolge ist die Differenz benachbarter Glieder konstant, es gilt ak 1 ak d . Bei einer geometrischen Zahlenfolge ist der Quotient benachbarter a Glieder konstant, d. h. k 1 q. ak Beispiel 3.9 (1) 2, 5, 8, 11, ... ist eine arithmetische Folge mit a1 = 2 und d = 3. (2) 2, 4, 8, 16, ... ist eine geometrische Folge mit a1 = 2 und q = 2.
Eine Zahlenfolge heißt alternierend, wenn benachbarte Glieder entgegengesetzte Vorzeichen haben, d. h. ak 1 a k 0 % k. Beispiel 3.10 Die Folge 1, 2 , 4, 8, ... ist eine alternierende Zahlenfolge.
Eine endliche Zahl a heißt Grenzwert der Zahlenfolge {ak}, wenn es zu jedem & > 0 eine natürliche Zahl N(&) derart gibt, dass 'ak a' < & für alle k N(&) gilt. Existiert eine solche Zahl a, so wird die Folge konvergent genannt, andernfalls heißt sie divergent. Schreibweise: lim a k a oder ak a, für k . k
R
3 Funktionen, Folgen, Reihen
86
Jede Zahlenfolge, die gegen den Grenzwert null konvergiert, heißt Nullfolge. Wichtige Grenzwerte für Zahlenfolgen 1 (1) lim 0 k k
0 für a 1 (2) lim a k 1 für a 1 k divergent für a ( 1 oder a 1 k
1 (3) lim 1 e 2,71828... (EULERsche Zahl) k k
ak 0 k k !
(4) lim
Die beiden Zahlenfolgen {ak} bzw. {bk} seien konvergent gegen den lim a k a lim bk b . Grenzwert a bzw. b, d. h. k
Dann gilt: (1) lim (a k k
(2)
(3)
bk ) lim a k
k
lim bk a b
k
k
lim (a k bk ) lim a k lim bk a b
k
k
k
ak a a k klim , k bk lim bk b lim
bk, b 0.
k
3.7
Reihen
Es sei {ak } eine beliebige Zahlenfolge, dann wird die Zahlenfolge n
{sn}, sn ) a k , endliche Reihe genannt. k 1
(sn Teilsumme, Partialsumme) (ak Glieder der Reihe)
3.7 Reihen
87
Spezielle Reihen (1) Arithmetische Reihe Die Glieder einer arithmetischen Folge werden summiert. ak = a1 + (k 1) d , k N+ n 1 n d ) a1 a n 2 2
n
sn ) a k n ( a1 k 1
speziell gilt für a1 = 1, d = 1: sn
R
n(n 1) 2
Beispiel 3.11
2 4 6 8 100
50
) 2 k 50 2
k 1
50 1 2 2550 2
(2) Geometrische Reihe Die Glieder einer geometrischen Folge werden summiert.
ak = a1 q k 1, k N+ n
sn ) a1 q
k 1
k 1
1 qn a1 , q 1 1 q n a , q 1 1
Unendliche Reihen Es sei {ak } eine beliebige Zahlenfolge, dann wird
n
) ak n
s ) a k lim k 1
unendliche Reihe genannt.
k 1
Eine unendliche Reihe heißt konvergent, wenn die Zahlenfolge {sn} ihrer Teilsummen konvergiert. Liegt keine Konvergenz vor, wird die Reihe divergent genannt. Der Grenzwert s der konvergenten Folge {sn}, heißt dann Summe
der unendlichen Reihe mit der Darstellung
) ak
k 1
Grenzwert der geometrischen Reihe lim sn
n
a
) a1 q k 1 1 1q , für
k 1
q 1
s.
3 Funktionen, Folgen, Reihen
88
Beispiel 3.12: 1
1 1 1 1 ) 2 4 8 k 1 2
k 1
1 2 1 3 1 2
Besteht eine Reihe nur aus positiven Gliedern, wird sie positive Reihe genannt. Eine alternierende Reihe ist eine Reihe, deren Glieder eine alternierende Zahlenfolge bilden. n
Die Reihe
1
)k
wird als harmonische Reihe bezeichnet.
k 1
Bemerkung Die harmonische Reihe ist divergent (nicht konvergent). Konvergenzkriterien für unendliche Reihen LEIBNIZ-Kriterium Wenn die Beträge einer alternierenden Reihe monoton fallen und gegen null konvergieren, d. h., wenn |ak| > |ak + 1|, k = 1, 2, ..., und lim a k 0 gilt, dann konvergiert die alternierende Reihe. k
Quotientenkriterium Wenn es für eine positive Reihe eine nichtnegative Zahl q < 1 derart a gibt, dass lim k 1 q 1 gilt, dann konvergiert die Reihe. k a k Gibt es dagegen ein q > 1 mit lim
k
a k 1 q ( 1, so divergiert die ak
Reihe, d. h., sie ist nicht konvergent. Beispiel 3.13
ak ist im Intervall 1 a < 1 auf Konvergenz zu untersuchen. k 1 k
)
Lösung (1) Für 1 a < 0 liegt eine alternierende Reihe vor, bei der die Beträge ihrer Glieder streng monoton fallen und die den Grenzwert null hat. Nach dem LEIBNIZ-Kriterium ist diese Reihe somit konvergent. (2) Für a = 0 ist der Grenzwert null und damit die Reihe konvergent. (3) Im Fall 0 < a < 1 gilt nach dem Quotientenkriterium a k 1 k
k lim a a 1. (Konvergenz) (k 1) a k k k 1 Konvergenz liegt im Intervall 1 a < 1 vor. lim
k
4 Grundzüge der Finanzmathematik
4
Grundzüge der Finanzmathematik
4.1
Einfache Verzinsung
Bezeichnungen K0 das Anfangskapital B der Barwert Kn das Endkapital nach n Zinsperioden, Endwert n die Anzahl der Zinsperioden p der vereinbarte Zinssatz in % (Zinsfuß) p i der vereinbarte Zinssatz je 1 €, i 100 q Aufzinsfaktor q = 1 + i Z die entstehenden Zinsen
F
Für die entstehenden Zinsen bei einem Anfangskapital K0 bei einfacher Verzinsung mit dem Zinssatz i gilt für eine Zinsperiode Z i K 0 . Das Kapital beträgt dann nach der ersten Zinsperiode K1 K 0 Z , also K1 K 0 i K 0 K 0 (1 i ) . Für n Zinsperioden gilt für das Endkapital K n K 0 Z
mit den
Zinsen Z n i K 0 , also Kn = K0 (1 + n i ). Die Abbildung 4.1 zeigt die Kapitalentwicklung für verschiedene Zinssätze. p = 15
4
Kapital nach n Perioden
p = 12 3
p=9 p=6
2
p=3 1
0
0
Abbildung 4.1
5
10 Anzahl der Perioden
15
20
4 Grundzüge der Finanzmathematik
90
Zur Berechnung des Kapitals KT nach T Zinstagen und einem Jahreszinssatz i gilt die folgende Formel: T T K T 1 i K 0 , mit n 360 360 Bemerkung Es wird hier mit 12 Monaten zu je 30 Tagen, d. h., mit insgesamt 360 Tagen gerechnet. Die Anzahl der Zinstage T wird nach der folgenden Formel ermittelt. T = (m2 m1)30 + t2 t1 Hierbei bedeuten: t1, m1 Tag und Monat des ersten Termins t2, m2 Tag und Monat des zweiten Termins Einen Überblick über weitere Zinsmethoden liefert Tafel 4 (s. Anhang). Der Betrag K0, der aufgebracht werden muss, um nach n Zinsperioden bzw. T Zinstagen den Endwert (das Endkapital) Kn zu erreichen, wird als Barwert B bezeichnet. B = K0
Kn 1 i n
B = K0
KT 1 i
T 360
Daraus können auch i i
1 Kn
1 n K0
i
360 KT
1 T K0
und n bzw. T berechnet werden: n
1 Kn
1 i K0
T
360 KT
1 i K0
Zinsen bei regelmäßiger Zahlung Im Finanzwesen wird zwischen der vorschüssigen (zu Beginn der Periode - pränumerando) und der nachschüssigen (am Ende der Periode postnumerando) Zahlungsweise unterschieden. Dieses hat Einfluss auf die Verzinsung. Zinsperioden können in m Unterperioden unterteilt werden. Unterperioden eines Jahres können beispielsweise sein: Halbjahr (m = 2), Quartal (m = 4), Monat (m = 12).
4.1 Einfache Verzinsung
91
Bei einfacher Verzinsung mit dem Zinssatz i, einer Einteilung in m Unterperioden und konstanter Zahlung C in jeder Unterperiode beträgt das Kapital Sm nach der m-ten Unterperiode vorschüssig: nachschüssig: m 1 S m( N ) C m i 2
m 1 S m(V ) C m i 2
Beispiel 4.1 Ab Jahresanfang werden zu Beginn jeden Monats jeweils 300 € auf ein Konto eingezahlt, das mit 4,5 % jährlich verzinst wird. Wie hoch ist der Kontostand nach Ablauf eines Jahres? Lösung p = 4,5 %, damit i = 0,045, C = 300 €, m = 12, vorschüssig 13 (V ) S12 300 (12 0,045 ) 3 687,75 € 2 Der Kontostand beträgt nach Ablauf eines Jahres 3 687,75 €.
Bestimmung von Tageszinsen Es ist günstig, folgende Hilfsgrößen zu verwenden. Zinszahl: ZZ
T K0 100
Zinsteiler: ZT
360 p
Zinsen ZT nach T Tagen = Zinszahl/Zinsteiler: ZT
ZZ ZT
Beispiel 4.2 Ein Betrag von 500 € wird 60 Tage, ein Betrag von 800 € wird 76 Tage und ein Betrag von 1 000 € wird 25 Tage lang auf einem Guthaben verzinst. Wie hoch sind die Zinserträge, wenn der jährliche Zinssatz 5 % beträgt? Lösung 1. Berechnung der Zinszahlen Betrag in € 500 Dauer in Tagen 60 Zinszahl ZZ 50060/100 = 300
800 76 80076/100 = 608
2. Berechnung des Zinsteilers 3. Berechnung der Zinsen
ZT = 360/5 = 72 Z = 1158/72 = 16,08 €
1 000 25 1 00025/100 = 250
Summe ZZ 1 158
Bestimmung von Zinsen bei Kontobewegungen 1. Staffelmethode Bei der Anwendung der Staffelmethode wird bei jeder Kontobewegung eine Zinszahl für die Periode zwischen den letzten Bewegungen berechnet. Zur Bestimmung der Zinszahlen werden dann die Zinszahlen addiert und durch den Zinsteiler dividiert.
F
92
4 Grundzüge der Finanzmathematik
2. Progressive Zinsmethode Bei der progressiven Zinsmethode werden bei jeder Kontobewegung die zu erwartenden Zinsen bis zum Jahresende bei einer Einzahlung positiv und bei einer Abbuchung negativ (nicht realisierte Zinsen) berechnet. Die Summe ergibt die Zinsen insgesamt. Beispiel 4.3 Auf einem Sparbuch, das jährlich mit p = 2 % verzinst wird, erfolgten folgende Kontobewegungen: 31.12. Kontostand 3 000 € 22.01. Einzahlung 1 400 € 15.03. Auszahlung 2 000 € 30.06. Kontoauflösung Es sind die Zinsen zu berechnen. Lösung nach der Staffelmethode Datum Saldo 31.12. 3 000 22.01 4 400 15.03. 2 400 30.06.
Tage 22 53 105 Summe:
Zinszahl 660 2 332 2 520 5 512
Zinsteiler : ZT = 360/p = 360/2 = 180 Zinsen: Z = 5512/180 = 30,62 Damit betragen die Zinsen zum 30.06: 30,62 €. Lösung nach der progressiven Zinsmethode Datum Betrag Tage 360 31.12. 3 000 22.01. 1 400 338 15.03. 285 2 000
30.06. 180 2 400
Summe:
4.2
Zinsen 60,00 26,29
31,67
24,00 30,62
Zinseszinsen
Im Unterschied zur einfachen Verzinsung werden bei der Zinseszinsrechnung die Zinsen nach Abschluss einer Zinsperiode (in der Regel ein Jahr) mitverzinst (siehe Abbildung 4.2). Dieses Vorgehen wird als Aufzinsung bezeichnet. Aufzinsung Wird ein Kapital K0 mit einem Zinssatz i verzinst und die Zinsen nach Ablauf der Zinsperiode mitverzinst, so berechnet sich das Endkapital (der Endwert) Kn nach n Zinsperioden, auf folgende Weise: K n (1 i ) n K 0 q n K 0
(LEIBNIZsche Zinseszinsformel)
Hierbei wird q = 1+ i als Aufzinsfaktor bezeichnet.
(L1)
4.2 Zinseszinsen
93
20
p = 15
Kapital nach n Perioden
15
10
p = 12
p=9
5
p=6 p=3 0 0
5
10
15
20
Anzahl der Perioden n
Abbildung 4.2
Sind die Laufzeit n, der Endwert Kn und der Barwert K0 gegeben, so lassen sich durch Umstellen der Formel (L1) der Zinsfaktor q und der Zinssatz p bzw. i berechnen. q 1 i n
Kn , K0
in
Kn p
1, i K0 100
Sind andererseits der Zinssatz p bzw. i, der Barwert K0 und der Endwert Kn bekannt, lässt sich auch die Laufzeit n herleiten. n
log Kn log K0 p , i log(1 i ) 100
F
4 Grundzüge der Finanzmathematik
94
Abzinsung Der Barwert oder diskontierte Wert, d. h. der Wert, den das Kapital K0 haben muss, um bei einer Anlage auf Zinseszins nach n Perioden den Wert Kn zu erreichen, wird mit der folgenden Formel berechnet: B = K0
Kn (1 i ) n
Kn qn
Beispiel 4.4 Nach 10 Jahren soll ein Guthaben 15 000 € betragen. Welcher einmalige Geldbetrag ist bei einer Verzinsung von 7 % p.a. (Zinseszins) einzuzahlen? Lösung K 15 000 B K 0 nn 7 625,24 €. 1,0710 q
Zahlungen bei unterschiedlichen Terminen Unter Annahme eines konstanten Zinssatzes i können Zahlungen, die zu unterschiedlichen Terminen erfolgen, verglichen werden. Es sind zu einem festen Zeitpunkt die jeweiligen Zeitwerte zu berechnen. Dabei kann der betrachtete Termin t Zeitperioden vor oder nach dem Endwerttermin Kn liegen (siehe Abbildung 4.3). Der Zeitwert Kn + t ergibt sich für t vom Endtermin abweichende Zinsperioden: K n t K 0 (1 i ) n t K n (1 i ) t t = Anzahl der abweichenden Zinsperioden K0 0
1
Kn t
Kn
n t
n
Kn + t n+t
Zeit
Abbildung 4.3 Beispiel 4.5 Für eine Zahlung bestehen zwei Alternativen: Entweder sind je 3 000 € in 6 Jahresraten vorschüssig zu zahlen oder nach 3 Jahren ein einmaliger Betrag von 18 000 €. Dabei wird ein Zinssatz von 5 % zugrunde gelegt. Um beide Zahlungen zu vergleichen, wird der Endwert der ersten Alternative berechnet und dieser auf das dritte Jahr zurückgerechnet (mit Anwendung der Formel V1): , 6 1 105
3 , 21 426,03 K 3 K 6 105 , 18 508,61 105 0,05 Es muss für die erste Alternative mehr Kapital aufgebracht werden. K 6 3 000
4.2 Zinseszinsen
95
Unterjährliche Verzinsung Das Zinsjahr werde in m Unterperioden unterteilt. Bezeichnungen
i Jahreszinssatz irel Zinssatz für eine Unterperiode
Der Zinssatz für eine Unterperiode irel wird als relativer Zinssatz bezeichnet. Der nominelle Zinssatz i ist genau derjenige, der bezogen auf das Jahr bei der einfachen Zinsrechnung dem relativen Zinssatz entspricht: i = m irel
bzw.
irel
i m
Als konformer Zinssatz ikon wird der Zinssatz bezeichnet, der bezogen auf das Jahr dem relativen Zinssatz bei reiner (unterperiodischer) Zinseszinsrechnung entspricht: m
ikon = (1 + irel) m 1
bzw.
i ikon = 1 1 m
Der konforme Zinssatz wird oft auch als effektiver Jahreszinssatz bezeichnet. Beispiel 4.6 Für eine Zahlungsverpflichtung wurde eine monatliche Verzinsung (m =12) mit einem Jahreszinssatz von 9% vereinbart. Der relative Zinssatz beträgt 0,09 somit irel = 0,0075 ( je Monat ). Dann beträgt der effektive oder kon12 forme Zinssatz ikon = 1 0,0075 1 0,0938, d. h., 9,38 %. Damit entspricht eine monatliche Verzinsung mit einem Zinssatz von 0,75% je Monat einer jährlichen Verzinsung von 9,38 % p.a.. 12
Die Berechnung des Kapitals bei unterjährlicher Verzinsung erfolgt nach der folgenden Formel (n Anzahl der Perion m i den, m Anzahl der Unterperioden): Kn K0 1 m Stetige Verzinsung Wird das Jahr in unendlich viele Unterperioden unterteilt, das ist der Grenzfall m , und wird in jeder dieser Unterperioden gemäß der Zinseszinsrechnung verzinst, so wird dieses als stetige Verzinsung bezeichnet. Das Kapital nach n Jahren ist dann: K n K0 e in (siehe Abschnitt 5.4.3):
F
96
4 Grundzüge der Finanzmathematik
Beispiel 4.7 Ein Kapital von 1 000 € wird 5 Jahre und 9 Monate zu einem nominellen Zinssatz von 4 % p.a. angelegt. Wie hoch ist das Endkapital (1) bei gemischter Verzinsung (jährliche Zinsgutschrift), (2) bei vierteljährlicher Zinsgutschrift, (3) bei monatlicher Zinsgutschrift, (4) bei kontinuierlicher Verzinsung? Lösung Bei dem Problem (1) ist zu berücksichtigen, dass 5 Jahre die Zinseszinsrechnung und 9 Monate die einfache Zinsrechnung angewandt werden muss. 9 0,04 ) 1 253,15 (1) K 5,75 1 000 (1 0,04 ) 5 (1 12 0,04 (2) K 5,75 1 000 1 4 0,04 (3) K 5,75 1 000 1 12
5,75 4
1 257,16 5,7512
1 258,12
(4) K 5,75 1 000 e 0,04 5,75 1 258,60
4.3
Rentenrechnung
Rentenendwert Eine Rente ist eine feste Zahlung E, die zu bestimmten Zeitpunkten (in der Regel am Anfang oder Ende einer Zinsperiode oder Unterperiode) geleistet wird. Der Rentenendwert Rn stellt den Gesamtbetrag aller Zahlungen einschließlich Zinsen nach n Perioden mit K0 = 0 dar. Es gilt mit q = 1 + i (Aufzinsfaktor): (1) Zinsperiode = Zahlungsperiode, konstante Einzahlung E vorschüssig: nachschüssig: Rn(V )
qn 1 qE q 1
(V1)
Rn( N )
qn 1 E q 1
(N1)
Beispiel 4.8 Ein Rentenbeitrag von 4 000 €/Jahr wird 20 Jahre lang a) zu Beginn eines jeden Jahres, b) am Ende eines jeden Jahres geleistet. Wie hoch ist der Rentenendwert nach 20 Jahren, wenn ein Zinssatz von 6 % p.a. vorausgesetzt wird? Lösung p = 6, E = 4 000, q = 1 + i, i =
p = 0,06, n = 20 100
4.3 Rentenrechnung
97
1,06 20 1 1,06 4 000 155 970,91 1,06 1 Bei vorschüssiger Zahlungsweise beträgt der Rentenendwert 155 970,91 €. 1,06 20 1 (N ) b) R 20 4 000 147 142,36 1,06 1 Bei nachschüssiger Zahlungsweise beträgt der Rentenendwert dagegen 147 142,36 €.
(V ) a) R 20
(2) Zinsperiode > Zahlungsperiode, konstante Einzahlung C vorschüssig: (V2) nachschüssig: (N2) Rn(V )
q n 1 m 1 (m i )C q 1 2
Rn( N )
qn 1 m 1 (m i )C q 1 2
Die Einzahlung E wird hier durch die entsprechende Formel für die einfache Zinsrechnung ersetzt (vgl. Abschnitt 4.2). Zu beachten ist, dass dieser Betrag erst am Ende des Jahres entsteht und somit von der Formel (N1) auszugehen ist. Beispiel 4.9 Wird eine Rente von 600 € ab Januar am Anfang (Ende) eines jeden Monats 10 Jahre lang bezahlt und wird das Kapital jährlich zu 6 % verzinst (Zinseszins), so ergeben sich wegen C = 600, n =10, i = 0,06 folgende Rentenendwerte a) vorschüssig:
(V ) R10
1,0610 1 (12 0,06 6,5) 600 97 986,03 € 0,06
b) nachschüssig:
(N ) R10
1,06 10 1 (12 0,06 5,5) 600 97 511,52 € 0,06
Barwert einer Rente Als Barwert einer Rente wird der Betrag B bezeichnet, der zu Beginn aufgebracht werden müsste, um n Perioden lang eine Rente E zu erhalten. Der Barwert kann aus den Formeln (V1) und (N1) bzw. (V2) und (N2) berechnet werden, indem durch qn dividiert wird: (1) Zinsperiode = Zahlungsperiode, konstante Einzahlung E vorschüssig: nachschüssig: B (V )
q n 1 E q n 1 i
B(N )
q n 1 E qn i
F
4 Grundzüge der Finanzmathematik
98
(2) Zinsperiode > Zahlungsperiode, konstante Einzahlung C vorschüssig: nachschüssig: B (V )
q n 1 m 1 m i C n 2 q i
B(N )
qn 1 m 1 m i C n 2 q i
Beispiel 4.10 Welcher einmalige Betrag muss eingezahlt werden, um 10 Jahre lang einen monatlichen Rentenbetrag von 600 € zu erhalten, wenn ein Zinssatz von 6 % p.a. zugrunde gelegt wird und im Januar mit der Zahlung begonnen werden soll? Lösung: Gesucht ist der Barwert. 1,06 10 1 B (V ) (vorschüssig) (12 0,06 6,5) 600 54 714,89 € 1,06 10 0,06 B (N )
1,0610 1 1,0610 0,06
(12 0,06 5,5) 600 54 449,92 €
(nachschüssig)
Raten-Renten-Formeln (Sparkassenformeln) Es sei ein Anfangskapital K0 gegeben, das in jeder Zinsperiode (Monat, Quartal, Jahr usw.) um einen gleich bleibenden Betrag E erhöht oder verringert wird. Dann beträgt das Kapital Kn nach n Zinsperioden: vorschüssig: (V3) K n(V ) q n K 0
nachschüssig: (N3) q n 1 qE q 1
K n( N ) q n K 0
q n 1 E q 1
Beispiel 4.11 Ein Betrag von 5 000 € wird zu einem Zinssatz von 6,5 % p.a. angelegt. Eine Einzahlung von 200 € wird jeweils (1) am Ende (2) am Anfang jeden Jahres geleistet. Welcher Endbetrag steht nach 10 Jahren zur Verfügung (Zinseszins)? Lösung K0 = 5 000, i = 0,065, n = 10, E = 200, q = 1 + i = 1,065 (1) nachschüssige Zahlungsweise: 1,06510 1 qn 1 E 1,06510 5 000 200 12 084,57 € K n( N ) q n K 0 0,065 q 1 (2) vorschüssige Zahlungsweise: 1,06510 1 qn 1 q E 1,06510 5 000 1,065 200 12 260,00 0,065 q 1 Das Kapital ist nach 10 Jahren auf 12 260 € angewachsen. K n(V ) q n K 0
4.4 Tilgungsrechnung
99
Liegt der Fall einer gemischten Verzinsung vor, d. h., wird eine Periode noch in m weitere Unterperioden unterteilt (z. B.: ein Jahr in Monate oder Quartale), in denen nur einfache Verzinsung erfolgt, so gilt: bei vorschüssiger Zahlungsweise K n(V ) q n K 0
qn 1 m 1 m i C 2 q 1
bei nachschüssiger Zahlungsweise K n( N ) q n K 0
qn 1 m 1 m i C q 1 2
Da das in den Unterperioden entstandene Kapital Sm erst am Ende einer Zinsperiode vorliegt, trifft die Formel (N3) zu. Beispiel 4.12 Jemand beschließt, ab 1.1.2001 am Ende eines jeden Monats 100 € auf ein Sparkonto (6 % p.a.) zu zahlen, auf dem sich schon 1000 € befinden. Wie hoch wäre das Guthaben nach 10 Jahren? Lösung: Gemischte Verzinsung, nachschüssig. Es gilt: K0 = 1 000, C = 100 €, m = 12 (Monate), i = 0,06, q = 1,06 m 1 qn 1 m i K n( N ) q n K 0 C q 1 2 1,0610 1 000
4.4
1,06 10 1 (12 0,06 5,5) 100 18 042,77 €. 0,06
Tilgungsrechnung
Ratentilgung Zur Tilgung einer Schuld K0, die zu einem Zinssatz p ausgeliehen ist, werden für eine fest vereinbarte Laufzeit von n Jahren konstante Tilgungsraten Q gezahlt, die die fälligen Zinsen Zk für das k-te Jahr nicht beinhalten. Dabei gilt: Q
K0 n
Z k K0 ( k 1) Q i
Die Summe aus der Tilgungsrate Q und den anfallenden Zinsen Zk Ak = Q + Zk wird als Annuität bezeichnet. Bemerkung Bei der Ratentilgung bleibt die Tilgungsrate Q für die gesamte Laufzeit konstant, während die Annuität monoton fällt.
F
100
4 Grundzüge der Finanzmathematik
Annuitätentilgung Zur Tilgung einer Schuld K, die zu einem Zinssatz p ausgeliehen ist, wird über eine fest vereinbarte Laufzeit am Anfang oder am Ende jeder Zinsperiode ein gleichbleibender Betrag E bezahlt. Da die Schuld nach n Perioden vollständig beglichen werden soll, wird Kn = 0 gesetzt (siehe vorherige Seiten). Mit Hilfe von (V3) bzw. (N3) kann die Tilgungsrate A = E berechnet werden: vorschüssig: nachschüssig: A(V ) q n 1
q 1 K0 q n 1
A( N ) q n
q 1 K0 q n 1
Beispiel 4.13 Einem Hauseigentümer wird Instandhaltungskredit von 20 000 € bei 100 % Auszahlung und 8 % Jahreszinsen angeboten, der in 6 Jahren durch Annuitätentilgung jeweils am Ende eines jeden Jahres zurückzuzahlen ist. Zu bestimmen sind die Annuität und der Tilgungsplan. 0,08 20 000 4 326,31 €. Lösung: Die Annuität beträgt A ( N ) 1,08 6 1,08 6 1 Jahr
Schuld
1 2 3 4 5 6
20 000,00 17 273,69 14 329,28 11 149,31 7 714,94 4 005,83
Zinsen
1 600,00 1 381,90 1 146,34 891,94 617,20 320,47
Tilgungsrate
Annuität
2 726,31 2 944,41 3 179,97 3 434,37 3 709,11 4 005,84
Restschuld
4 326,31 17 273,69 4 326,31 14 329,28 4 326,31 11 149,31 4 326,31 7 714,94 4 326,31 4 005,83 4 326,31 -0,02
Sind die Tilgungsraten im Rhythmus der Unterperioden zu zahlen, so ergeben sich nach (V2) und (N2) die Tilgungsraten D = C (q = 1 + i): vorschüssig:
nachschüssig:
K0 K0 q 1 q 1 D(N ) qn n qn 1 m i m 1 q 1 m i m 1 2 2 Bemerkungen (1) Bei der Annuitätentilgung ist die Annuität für die gesamte Laufzeit konstant, während die Tilgung monoton steigt. (2) Bei den letzten beiden Formeln sind im Tilgungsplan die Zinsen erst jeweils am Ende jeder Zinsperiode zu berücksichtigen. Das kompliziert die Berechnung. Einfacher wird es mit den ersten beiden Formeln, wenn in jeder Periode (auch monatlich oder quartalsweise) die Zinsen sofort berücksichtigt werden. D (V ) q n
4.5 Investitionsrechnung
101
Beispiel 4.14 Um ein Darlehen von 175 000 € in 20 Jahren zurückzuzahlen, muss bei einem Zinssatz von 8 % jährlich bei nachschüssiger Zahlung ein Betrag von A E
108 , 20 0,08
175 000 17 824,14 € 108 , 20 1 aufgebracht werden. Dieses entspricht einem monatlichen ( m = 12) Betrag von A 1 7824,14 1 432,81 €. D C m 1 12 1 m i 12 0,08 2 2
4.5
Investitionsrechnung
In der Investitionsrechnung sind das einzusetzende Kapital (Ausgaben) und der Kapitalrückfluss zwei wichtige Größen, die unter Berücksichtigung der Zeit und der damit zu erwartenden Zinsen (Kalkulationszinsen) miteinander verglichen werden (dynamische Bewertung). Der Kapitalrückfluss Ck in der k-ten Zeitperiode ist die Differenz zwischen den Einnahmen ek und den Ausgaben ak: Ck = ek ak. Bei den unten vorgestellten Bewertungsverfahren werden ein konstanter Kalkulationszinssatz p und ein nachschüssiger Kapitalrückfluss Ck vorausgesetzt. Die Annuitätenmethode Die Annuitätenmethode vergleicht den Barwert Ba Ausgaben mit dem Barwert Be
n
k 0
ek qk
n
k 0
ak der qk
der Einnahmen. Dabei
werden die entsprechenden Annuitäten bestimmt, die die Überschuss- bzw. Verlustraten darstellen. Die entsprechenden Annuitäten Ae und Aa lassen sich dann mit dem qn 1 bestimmen: nachschüssigen Rentenbarwertfaktor bn n q q 1 Ae Be
q n ( q 1) n
q 1
Be bn
Aa Ba
q n ( q 1) n
q 1
Ba bn
Die Gewinnannuität ist Ag = Ae Aa.. Eine Investition ist nach der Annuitätenmethode wirtschaftlich, wenn die Differenz Ag = Ae Aa größer oder gleich null ist.
F
102
4 Grundzüge der Finanzmathematik
Bemerkung Die Annuitätenmethode und die nachfolgende Kapitalwertmethode sind äquivalente Bewertungsverfahren. Sie unterscheiden sich nur durch den Rentenbarwertfaktor. Die Kapitalwertmethode Bei der Kapitalwertmethode werden die Investitionen und die Kapitalrückflüsse verglichen. Dazu werden diese beiden Größen auf den Zeitpunkt t = 0 (Beginn der Investition) transformiert, also umgerechnet. Der Gegenwartswert G einer Investition ist der Wert G
C1 C2 C 2 nn q q q
n
Ck
k 1
qk
.
Ck = ek ak sind die in der Periode k zu erwartenden Kapitalrückflüsse. Dabei ist der Gegenwartswert das Kapital, das zu einem Zinssatz p angelegt werden müsste, um die Einnahmen C1, C2, ..., Cn in den einzelnen Perioden zu erzielen. Es werden der Barwert des einzusetzenden Kapitals mit dem Barwert des Rückflusses verglichen. Der Kapitalwert W ist die Differenz von Gegenwartswert und eingesetztem Kapital K0 W G K0
n C C1 C2 C 2 nn K0 kk K0 . q q q k 1 q
Eine Investition ist nach der Kapitalwertmethode wirtschaftlich, wenn der Kapitalwert W größer oder gleich null ist. Die interne Zinsfußmethode Die interne Zinsfußmethode wird häufig als Bewertungsverfahren herangezogen, obwohl sie mathematisch aufwendig ist und eine mehrdeutige Lösung liefern kann. Sie ist als Bewertungsverfahren deshalb nicht zu empfehlen, soll aber dennoch zum Vergleich vorgestellt werden.
4.5 Investitionsrechnung
103
Derjenige Zinsfuß pint einer Investition, der beim Diskontieren der Kapitalrückflüsse den Kapitalwert null ergibt, heißt interner Zinsfuß. Es muss also gelten: K0
n
Ck
k k 1 q int
0 mit qint = 1 + iint = 1 +
pint 100
Nach der internen Zinsfußmethode ist eine Investition zweckmäßig, wenn der interne Zinsfuß pint nicht niedriger als der Kalkulationszinssatz p ist. Beispiel 4.15 Beim Einsatz einer zusätzlichen Maschine mit einem Anschaffungswert von 7 000 € sind in einem Betrieb die folgenden Einnahmenüberschüsse bei einem geschätzten Zinssatz von 5 % zu erwarten. Jahr k
1
Kapitalrückfluss Ck (€)
1 000
2 5 000
3
4
2 000
500
(1) Lösung nach der Annuitätenmethode: 1 000 5 000 2 000 500 Be 0 7 626,56 1,05 1,05 2 1,05 3 1,05 4 Ba 7 000 0 0 0 0 7 000 A e Be
1,05 4 0,05
2 150,80
Aa Ba
1,05 4 0,05
1 974,08 1,05 1 1,05 4 1 Ag = Ae Aa = 176,70 € Die Investition ist also von Vorteil, da die Differenz positiv ist. 4
(2) Lösung nach der Kapitalwertmethode: 1 000 5 000 2 000 500 W G K0 7 626, 55 7 000 626, 55 0 1,05 1,05 2 1,05 3 1,05 4 Die Investition ist auch nach der Kapitalwertmethode vorteilhaft. (3) Lösung nach der internen Zinsfußmethode mit x = qint: 1 000 5 000 2 000 500 Es soll gelten: 7 000 4 0. x2 x3 x x Eine Multiplikation mit x (x 0) liefert 4 3 2 7 000x 1 000x 5 000x 2 000x 500 = 0. Diese Gleichung 4. Grades ist mit elementaren mathematischen Mitteln nicht lösbar. Zur Nullstellenbestimmung kann das NEWTONVerfahren verwandt werden. Lösungen sind x1 = 1,09 und x2 = 0,59. Diesen entsprechen die Zinssätze pint = 9 bzw. pint = 159. Der letzte Wert ist wirtschaftlich unsinnig. Der interne Zinsfuß von 9 % liegt über 5 %, und damit ist auch nach dieser Methode die Investition günstig. 4
F
104
4 Grundzüge der Finanzmathematik
4.6
Abschreibungsrechnung
Wirtschaftsgüter verlieren durch materiellen oder ideellen Verschleiß ihren Wert. Der dabei verloren gegangene Wert wird zu einem Kostenbestandteil zum Beispiel an einem Haus, einem Auto oder einem Computer. Es wird zwischen der technischen Nutzungsdauer und der wirtschaftlichen Nutzungsdauer unterschieden. Als wirtschaftliche Nutzungsdauer wird diejenige Zeit bezeichnet, in der eine Anlage ökonomisch günstig eingesetzt werden kann. Die Übertragung der Wertverminderung bei bestimmten Gütern auf die Kosten wird als Abschreibung bezeichnet. Diese Kostenübertragung erstreckt sich in der Regel über mehrere Jahre. Es gibt unterschiedliche Abschreibungsstrategien, die Einfluss auf die zu zahlenden Steuern haben können. Formen der Abschreibung (1) lineare Abschreibung, (2) degressive Abschreibung, (3) progressive Abschreibung, (4) leistungsbedingte Abschreibung. Bezeichnungen A0 = R0 Anschaffungs- bzw. Herstellungskosten n wirtschaftliche Nutzungsdauer (in Jahren) Q Abschreibung(-sbetrag oder -srate) p Abschreibungssatz in % Rk Restwert des Gutes nach k Jahren Rn Restwert am Ende der Nutzungsdauer (Schrottwert)
4.6.1
Lineare Abschreibung
Diejenige Abschreibungsform, bei der die jährliche Abschreibung Qk = Q, d. h. konstant ist, wird als lineare oder konstante Abschreibung bezeichnet. Die lineare Abschreibung wird bei einer n-jährigen Nutzungsdauer auf folgende Weise berechnet: Q
A0 Rn n
Häufig ist der Restwert Rn = 0, sodass sich die Formel entsprechend vereinfacht.
4.6 Abschreibungsrechnung
105
Der Abschreibungsprozentsatz p ist in diesem Fall ebenfalls konstant, und er hat die Form: p
A0 Rn 100 n A0
Da der Restwert in jeder Zeiteinheit um einen konstanten Wert Q abnimmt, entsteht eine arithmetische Folge {Rk}. R1 = A0 Q, R2 = A0 2 Q, ... , Rn = A0 n Q Rk A0 k
A0 Rn , k 1, 2, , n n
Der Abschreibungsprozentsatz der jährlichen Abschreibung kann auch auf den jeweiligen Buchwert (Restwert) Rk bezogen werden: A0 Rn pB 100 n A0 ( k 1) ( A0 Rn ) Bemerkung Mit zunehmender Laufzeit k wird der Abschreibungssatz bezogen auf den Buchwert größer. Beispiel 4.16 Eine Anlage wird zu einem Preis von 100 000 € angeschafft. Die wirtschaftliche Nutzungsdauer beträgt 10 Jahre. Es wird mit einem Schrottwert von 10 000 € gerechnet. Für die Abschreibungsrate gilt dann A R n 100 000 10 000 Q 0 9 000 € und prozentual n 10 A Rn 100 000 10 000 100 100 9. p 0 10 100 000 n A0
In der folgenden Tabelle sind die Restwerte, die Abschreibungsraten und der Prozentsatz bezogen auf den Buchwert angegeben. Restwert Abschreibungs- AbschreibungsRestwert rate prozentsatz Jahresende Jahr k Jahresanfang 1 100 000 9 000 9,00 91 000 2 91 000 9 000 9,89 82 000 3 82 000 9 000 10,98 73 000 4 73 000 9 000 12,33 64 000 5 64 000 9 000 14,06 55 000 6 55 000 9 000 16,36 46 000 7 46 000 9 000 19,57 37 000 8 37 000 9 000 24,32 28 000 9 28 000 9 000 32,14 19 000 10 19 000 9 000 47,37 10 000
F
106
4 Grundzüge der Finanzmathematik
4.6.2
Degressive Abschreibung
Bei der degressiven Abschreibung nehmen die Abschreibungsbeträge mit der Zeit ab. Zwei Formen, die arithmetisch degressive und die geometrisch degressive Form der Abschreibung, werden unterschieden. Arithmetisch degressive Abschreibung Eine Abschreibungsform, bei der die Abschreibungsraten Qk eine fallende arithmetische Folge darstellen, heißt arithmetisch degressive Abschreibung. Die Abschreibungsraten Qk berechnen sich dann auf folgende Weise: Q2 = Q1 d, Q3 = Q1 2 d, ..., Qn = Q1 (n 1) d, Qn+1 = Q1 n d = 0 . Q Aus der letzten Zeile folgt d 1 . n Aus der Bedingung, dass die Summe der Abschreibungen und dem n1 Restwert den Anschaffungswert ergibt, folgt A0 Rn Q1 . 2 Hieraus lassen sich die erste Abschreibungsrate Q1 und deren jährliche Reduzierung berechnen: Q1
2 A0 Rn n1
und d
Q1 n
Beispiel 4.17 Ein Wirtschaftsgut mit einem Anschaffungswert von 55 000 € soll in 10 Jahren voll abgeschrieben sein. Zu bestimmen ist der Abschreibungsplan für eine arithmetisch degressive Abschreibung. Lösung 2A0 R n 2 55 000 Q 10 000 = = 10 000 und d 1 1 000 Q1 n 1 n 11 10 Damit ist der folgende Abschreibungsplan aufstellbar: Jahr k 1 2 3 4 5 6 7 8 9 10
Restwert Jahresanfang 55 000 45 000 36 000 28 000 21 000 15 000 10 000 6 000 3 000 1 000
Abschreibungsrate 10 000 9 000 8 000 7 000 6 000 5 000 4 000 3 000 2 000 1 000
Restwert Jahresende 45 000 36 000 28 000 21 000 15 000 10 000 6 000 3 000 1 000 0
4.6 Abschreibungsrechnung
107
Geometrisch degressive Abschreibung p bezogen auf den jeweili100 gen Restwert konstant, so heißt eine derartige Abschreibungsform geometrisch degressive Abschreibung.
Ist der Abschreibungsprozentsatz i
Für die geometrisch degressive Abschreibung gilt somit: Qk Rk 1 i
Abschreibungsraten und Restwerte für die geometrisch degressive Abschreibung lassen sich nach den folgenden Formeln berechnen:
F
Rk A0 (1 i ) k Qk Rk 1 i A0 (1 i ) k 1 i Nach einer endlichen Zeit kann der Restwert nicht null werden. Ist für das n-te Jahr ein Restwert Rn vorgegeben, so lässt sich der Abschreibungsprozentsatz i bzw. p berechnen.
i 1 n
Rn A0
oder
R
p 100 i 100 1 n n A0
Beispiel 4.18 Ein Lastkraftwagen mit einem Anschaffungswert von 50 000 € soll in 8 Jahren geometrisch degressiv auf einen Schrottwert von 5 000 € abgeschrieben werden. Wie lautet der Abschreibungsplan? Lösung
R
5 000 25,010 571 p 100 i 100 1 n n 100 1 8 50 000 A 0 also 1 i = 0,749 894 29
Jahr k 1 2 3 4 5 6 7 8
Restwert Jahresanfang Abschreibungsrate 50 000,00 12 505,29 37 494,71 9 377,64 28 117,07 7 032,24 21 084,83 5 273,44 15 811,40 3 954,52 11 856,87 2 965,47 8 891,40 2 223,79 6 667,61 1 667,61
Restwert Jahresende 37 494,71 28 117,07 21 084,83 15 811,40 11 856,87 8 891,40 6 667,61 5 000,00
108
4 Grundzüge der Finanzmathematik
Der Übergang von der geometrisch degressiven zur linearen Abschreibung Laut Einkommenssteuergesetz kann die geometrisch degressive Abschreibung bei beweglichen Wirtschaftsgütern an Stelle der linearen Abschreibung genutzt werden, wenn die folgende Voraussetzung erfüllt ist: Der Abschreibungsprozentsatz p bei der geometrisch degressiven Abschreibung darf nicht höher sein als das Dreifache des bei der linearen Abschreibung auftretenden Prozentsatzes, und p darf den Wert 30 nicht übersteigen. (vgl. §7(2) EStG) Es ist möglich, von der geometrisch degressiven Abschreibung zur linearen Abschreibung überzugehen aber nicht umgekehrt. (vgl § 7(3) EStG)
Häufig ist es günstig, möglichst früh hohe Abschreibungsbeträge steuerlich geltend zu machen. Deshalb ist es notwendig zu wissen, in welchem Jahr die lineare Abschreibungsrate die geometrisch degressive übersteigt. Annahme Die lineare Abschreibung beginne im Jahre t und es gelte Rn = 0. n Anzahl der Jahre, in denen die Abschreibung erfolgt i lineare Abschreibungsrate
Der Zeitpunkt t des Übergangs von der geometrisch degressiven zur linearen Abschreibung wird nach der folgenden Formel berechnet:
t n 1
1 i
Damit die entsprechende Ungleichung erfüllt bleibt, ist bei gebrochenem Wert für t stets zur nächsthöheren natürlichen Zahl aufzurunden. Beispiel 4.19 Eine Produktionsanlage soll in 8 Jahren zunächst geometrisch degressiv und anschließend linear abgeschrieben werden. Der Anschaffungswert betrug 80 000 €. (1) Welcher Abschreibungsprozentsatz ist nach dem EStG maximal möglich? (2) Wann erfolgt mit diesem Abschreibungssatz der Übergang von der geometrisch degressiven zur linearen Abschreibung? (3) Wie lauten die Restwerte für die einzelnen Jahre? Lösung (1) Es gilt p = 100/8 = 12,50. Der Abschreibungssatz der degressiven Abschreibung darf höchstens das Dreifache von p, aber nicht mehr als 30 betragen, also p = min(30; 312,50) = 30. (2) Es gilt t 8 + 1 1/0,3 5,67. Die nächstgrößere ganze Zahl ist t = 6, d. h., im 6. Jahr ist von der geometrisch degressiven Abschreibung zur linearen Abschreibung überzugehen.
4.6 Abschreibungsrechnung
109
(3) Abschreibungsplan Jahr k 1 2 3 4 5 6 7 8
4.6.3
Restwert Jahresanfang 80 000,00 56 000,00 39 200,00 27 440,00 19 208,00 13 445,60 8 963,73 4 481,87
Abschreibungsrate 24 000,00 16 800,00 11 760,00 8 232,00 5 762,40 4 481,87 4 481,87 4 481,87
Restwert Jahresende 56 000,00 39 200,00 27 440,00 19 208,00 13 445,60 8 963,73 4 481,87 0,00
Progressive Abschreibung
Bei der progressiven Abschreibung wird mit niedrigen Abschreibungssätzen begonnen, die dann mit den Jahren steigen. Allgemein ist die progressive Abschreibung für den steuerlichen Bereich unzulässig. Eine Abschreibungsform, bei der die Abschreibungsraten eine steigende arithmetische Folge darstellen, heißt arithmetisch progressive Abschreibung. Die Steigerungen d werden als Progressionsbetrag bezeichnet. Ist die erste Abschreibungsrate Q1, so lauten dann bei einer arithmetisch progressiven Abschreibung die folgenden Q2 = Q1 + d, Q3 = Q1 + 2 d, ..., Qn = Q1 + (n 1) d. Die Abschreibungsrate Q1 für die lineare progressive Abschreibung lautet:
Q1
A0 Rn n 1 d n 2
d sollte so gewählt werden, dass Q1 > 0 ist. Beispiel 4.20 Eine Produktionsanlage mit einem Anschaffungswert von 30 000 € soll in 8 Jahren auf einen Schrottwert von 2 000 € arithmetisch progressiv abgeschrieben werden. (1) Wie lautet der Abschreibungsplan bei einem Progressionsbetrag von 500 €? (2) Wie groß müsste der Progressionsbetrag d gewählt werden, damit die erste Abschreibungsrate 700 € beträgt? Lösung A Rn n 1 30 000 2 000 8 1 d 500 1750 (1) Q1 0 n 2 8 2
F
4 Grundzüge der Finanzmathematik
110
Jahr k 1 2 3 4 5 6 7 8
(2)
d
4.7
Restwert Jahresanfang 30 000,00 28 250,00 26 000,00 23 250,00 20 000,00 16 250,00 12 000,00 7 250,00
Abschreibungsrate 1 750,00 2 250,00 2 750,00 3 250,00 3 750,00 4 250,00 4 750,00 5 250,00
Restwert Jahresende 28 250,00 26 000,00 23 250,00 20 000,00 16 250,00 12 000,00 7 250,00 2 000,00
2 30 000 2 000 2 A0 Rn
Q1 700 800 € 7 n 1 n 8
Kursrechnung
Anwendungsgebiet: Bewertung von Wertpapieren Ein Wertpapier besitzt einen Nennwert oder Nominalwert (Nominalkapital) und einen Handels-, Realwert oder Preis (Realkapital).
Das Realkapital hängt in der Regel von der Nachfrage nach dem Wertpapier ab. Der Quotient aus Realkapital Kreal und Nominalkapital Knom heißt Kurs C. K C real 100 (Angabe als Prozentsatz) K nom Bei der Kursrechnung spielen die Zinsen eine wichtige Rolle. Es wird zwischen einem nominellen Zinssatz und einem realen oder effektiven Zinssatz unterschieden.
4.7.1
Kurs einer Annuitätenschuld
Bei einer Annuitätentilgung ist die Summe aus Zinsen und Tilgungsrate konstant. Die Annuität A wird nach der folgenden Formel berechnet qn 1 K B A mit bn n bn bn q q 1 (bn ist der nachschüssige Rentenbarwertfaktor, vgl. Abschnitt 4.5) Die aufgenommene Schuld K ist hier gleich ihrem Barwert B. Der Kurs C einer Annuitätenschuld mit der Laufzeit n ist der Barwert aller künftigen Leistungen bezogen auf K = 100.
4.7 Kursrechnung
111
Bei Verwendung des nachschüssigen Rentenbarwertfaktors gilt unter Berücksichtigung des nominellen und des realen Zinssatzes Breal A bn , real und Bnom A bn , nom und somit C
bn , real Breal 100 100 Bnom bn , nom
Beispiel 4.21 Eine Bank möchte bei einer Annuitätenschuld, die in 10 Jahren zurückzuzahlen ist, bei einer Nominalverzinsung von p = 6 % mindestens einen Zinssatz von p = 8 % erreichen. Wie hoch darf der Ausgabekurs höchstens sein? Lösung n = 10, inom = 0,06, ireal = 0,08,
106 ,
C 108 ,
10
108 0,06 , 10 1 100 9117 , 0,08 106 , 10 1
d. h., der Kurs darf höchstens 91,17 % betragen.
4.7.2
Kurs einer Ratenschuld
Jeweils am Jahresende sind eine feste Tilgungsrate und entsprechende K (nachschüssig). Zinsen zu zahlen. Die konstante Tilgungsrate betrage n Wird der Barwert aller künftigen Zahlungen ins Verhältnis zu K0 gesetzt, ergibt sich der Kurs: C
p 100 pnom n bn , real 1 nom n preal preal
Beispiel 4.22 Eine Ratenschuld von 8 000 € soll bei einer Nominalverzinsung von 7 % und einem Realzinssatz von 9 % in 8 Jahren getilgt werden. (1) Wie hoch ist der Barwert aller künftigen Leistungen? (2) Wie hoch ist der Auszahlungskurs? Lösung
(1)
Barwertfaktor (real): bn,real Barwert: B
(2)
Kurs:
, 8 1 109 , 8 0,09 109
5,53482
8000 7 8 7
5,53482 1 7452,18. 8 9 9
745218 , 100 93,15. 8000,00
F
112
4 Grundzüge der Finanzmathematik
4.7.3
Kurs einer gesamtfälligen Schuld
Schuldablösung zu einem festen Zeitpunkt Allgemein gilt für eine Gesamtschuld mit der Laufzeit n und dem Ablösetermin t der Kurs C:
C
1 inom
K real 100 K nom 1 ireal
nt
100
Beispiel 4.23 Eine Schuld von 10 000 € wird nach 5 Jahren zuzüglich Zinseszinsen von 5 % fällig. Nach 3 Jahren zweifelt der Gläubiger an der Zahlungsfähigkeit. Er möchte seine Forderung an eine Bank abtreten, die jedoch 8 % Zinsen verlangt. Zu welchem Kurs übernimmt die Bank nach dem dritten Jahr die Schuld?
Lösung Es gilt: K0 = 10 000, p = 5, n = 5. 5 Nach 5 Jahren wäre ein Betrag von K5 = 10 000 (1,05) = 12 762,82 zu zahlen. Der Nominalwert beträgt nach drei Jahren 2 K3,nom = K5 /(1,05) =11 576,25 €. 2 Der Realwert für die Bank dagegen K3,real = K5 /(1,08) = 10 942,06. Der Übernahmekurs der Bank beträgt 10 942,06 C 100 94,52. 11576,25 Der Kurs C beträgt 94,52 % und hängt vom Verhältnis der Aufzinsfaktoren sowie von der verbleibenden Zeit ab. Diese Zeit erscheint im Exponenten.
Zinsschulden (Kuponanleihen) Im Gegensatz zu oben gilt für die Zinsen weiter der nominelle Zinssatz. Folgende Annahmen werden vorausgesetzt: (1) Zinsen sind auf den Nennwert des ausgeliehenen Kapitals am Ende eines jeden Jahres fällig, (2) Die Rückzahlung des Nennwertes erfolgt am Ende des letzten Jahres mit oder ohne Aufgeld. Kuponanleihe bedeutet: Es werden Wertpapiere ausgegeben, denen Zinsscheinbögen (Kuponbögen) beigefügt sind. Zu einem bestimmten Termin wird der Zinsbetrag für einen entsprechenden Kupon gezahlt. Die Wertpapiere entsprechen in der Regel gewissen Anteilen der gesamten Kreditsumme (z. B. 100, 500, 1000, 5000 oder 10 000 €).
4.7 Kursrechnung
113
Bezeichnungen N Nennwert eines Stücks p jährlicher Zinssatz eines Stücks in % Aufgeldprozentsatz
Der Kurs wird folgendermaßen berechnet: i qn 1 1
C 100 nom realn n i q real q real real
Allgemein gilt unter Berücksichtigung des Aufgeldes
1 n i 100 nom q real 1 C 100 n n q real q real i real
F
Folgende Aufgabenstellungen sind möglich: (1) Bestimmen des Kurses C, wenn n, pnom und preal gegeben sind. (2) Bestimmen von preal = 100 ireal , wenn n, C und pnom gegeben sind.
Problem (2) führt auf die Nullstellenbestimmung eines Polynoms vom Grade n + 1. Dazu stehen Näherungsverfahren wie z. B. das NEWTONVerfahren zur Verfügung (siehe Abschnitt 5.4.4). Beispiel 4.24 Betrachtet wird ein Kapital K = 50 000 € mit einer Laufzeit von 8 Jahren und einem nominellen Zinssatz von pnom = 4. Der reale Zinssatz betrage preal = 6. Die jährlichen Zinsen in Höhe von R = 2000 € können als jährliche nachschüssige Rente aufgefasst werden. Der Barwert der Zinsen zum 2 000 1,06 8 1 Anfangszeitpunkt ist BZ 12 419,59 €. Der Barwert des 0,06 1,06 8
Rückzahlungsbetrages beträgt BN
50 000
31 370,62 €. Die Summe 1,06 8 beider Beträge ist 43 790,21 €, was durch den Erwerber zu zahlen wäre. 43 790,21 Der Kurs, zu dem er das Wertpapier kauft, ist C 100 87,58 , 50 000,00 also 87,58 %.
5 Funktionen mit einer reellen Variablen
5
Funktionen mit einer reellen Variablen
5.1
Grenzwert von Funktionen
Untersucht werden soll eine Funktion y = f (x), x Df, an einer gewissen Stelle x = a. Beispiel 5.1 x2 9 Betrachtet wird die Funktion f ( x ) , x R \ {3}, die an der Stelle x 3 x = 3 nicht definiert ist, da der Nenner null wird. Der Funktionsverlauf an der Stelle a = 3 wird nun näher untersucht. Dazu wird eine beliebige Folge {xk} ausgewählt, die gegen 3 strebt: xk = 3 + ak, wobei ak eine beliebige Nullfolge ist. Dann gilt
x k2 9 3 ak 9 9 6 ak ak2 9 6 ak ak2 6 ak xk 3 ak ak 3 ak 3 2
f (xk )
Da ak eine Nullfolge ist, strebt f(x) gegen 6 für x 3.
Die Stelle a R habe die Eigenschaft, dass in jeder Umgebung U(a) Werte x a enthalten sind, die zum Definitionsbereich der Funktion y = f (x), x Df, gehören. (Dabei kann auch a Df gelten, muss jedoch nicht erfüllt sein.) Wenn für jede beliebige Zahlenfolge {xk} mit den Eigenschaften E1: lim x k a k
E2: xk Df x a für alle k = 1, 2, ... die Zahlenfolge der Funktionswerte {f (xk)} gegen denselben Grenzwert fa konvergiert, dann wird fa Grenzwert der Funktion an der Stelle x = a genannt oder f (x) konvergiert gegen fa für x a. Für diesen Sachverhalt werden die folgenden Schreibweisen verwendet: lim f ( x ) f a oder f (x) fa für x a. xa
Damit kann der Konvergenzbegriff von Funktionen auf den Konvergenzbegriff von Folgen zurückgeführt werden. Wenn für eine Stelle a R sowie für Zahlenfolgen {xn} mit den Eigenschaften E1 und E2 die Zahlenfolgen der Funktionswerte {f (xn)} nicht gegen den gleichen Grenzwert oder überhaupt nicht konvergieren, so hat f (x) in x = a keinen Grenzwert. f (x) heißt dann in x = a divergent.
5.2 Stetigkeit
115
Regeln für das Rechnen mit Grenzwerten Aus der Existenz der Grenzwerte lim f ( x ) f und lim g ( x ) g x a
xa
folgt: lim ( f ( x ) g ( x )) lim f ( x ) lim g ( x ) f g xa
xa
xa
lim ( f ( x ) g ( x )) lim f ( x ) lim g ( x ) f g
xa
xa
xa
lim f ( x )
f ( x ) x a f , g(x) 0 g ( x ) lim g ( x ) g
lim
xa
x a
Wichtige Grenzwerte 0 für 0 q 1 1 0 , lim e x 0 , lim e x 0 , lim q x 1 für q 1 x x x
x
x
für q 1
lim
Eine Gerade y = a· x + b heißt Asymptote von f (x) für x , wenn gilt lim ( f ( x ) (a x b)) 0 . x
Ermittlung der Konstanten a und b für y = a x + b: a lim
x
f ( x) , b lim[ f ( x ) a x ] x
x
Beispiel 5.2 x2 1 , x 2. Es ist Gegeben ist die Funktion f ( x ) x2
a lim
x
x 2 1 x 2 2 x x2 1 1 x2 1 1 x lim 1, b lim 2 . x x 2 x2 x x2 x
Also lautet die Gleichung der Asymptote y = x 2.
5.2
Stetigkeit
Der Punkt a R habe die Eigenschaft, dass in jeder Umgebung U(a) Werte x a enthalten sind, die zum Definitionsbereich der Funktion y = f (x), x Df, gehören; außerdem gelte a Df , sodass f (a) erklärt ist. Falls lim f ( x ) f (a ) gilt, heißt f (x) an der Stelle x = a stetig. xa
Wenn die Funktion diese Eigenschaft für alle x aus einem offenen Intervall I Df besitzt, heißt sie in I stetig.
E
116
5 Funktionen mit einer reellen Variablen
Beispiel 5.3
x2 9 für x 3 ist stetig, da der Grenzwert an der Die Funktion f ( x ) x 3 6 für x 3 Stelle x = 3 mit dem Funktionswert übereinstimmt (vgl. Beispiel 5.1). Beispiel 5.4 Eine Warenart kostet in Abhängigkeit von der Menge x je Mengeneinheit 100 €, wenn weniger als 10 Mengeneinheiten gekauft werden, sonst beträgt der Preis 90 €. Folgende Funktion beschreibt den Gesamtpreis in Abhängigkeit von der gekauften Menge x: P(x) 2000 100 x für 0 x 10 P( x ) für 10 x 90 x 1500
Diese Funktion ist nicht stetig, da für den Punkt x = 10 von links kom- 1000 mend der Wert 1000 und von rechts kommend der Wert 900 erreicht 500 wird. Praktisch bedeutet dieses, dass 0 0 5 10 beispielsweise für 9,9 Mengeneinheiten genau so viel bezahlt werden Abbildung 5.1 muss wie für 11, nämlich 990 € (siehe Abb. 5.1).
15
20
25 x
Jede in einem abgeschlossenen Intervall stetige Funktion ist dort beschränkt; insbesondere nimmt sie ihren größten und kleinsten Funktionswert in diesem Intervall wenigstens einmal an. Ist eine Funktion in einem abgeschlossenen Intervall stetig, so nimmt sie jeden Wert, der dem Intervall zwischen ihrem kleinsten und größten Funktionswert angehört, wenigstens einmal an. Wenn U(a) Df und lim f ( x ) einer Funktion y = f (x), x Df, xa
existiert, jedoch verschieden von f (a) ist, so heißt x = a eine Unstetigkeitsstelle 1. Art von f (x). Wenn U(a) Df und lim f ( x ) nicht existiert, so heißt x = a eine xa
Unstetigkeitsstelle 2. Art der Funktion f (x) (siehe Abb. 5.2).
5.3 Ableitung einer Funktion
117
Wenn f (x) in x = a nicht definiert ist, jedoch lim f ( x ) existiert, so xa
heißt x = a eine hebbare Unstetigkeitsstelle der Funktion f (x) (siehe Abb. 5.2). f(x)
x1 Unstetigkeitsstelle 1. Art x2 Unstetigkeitsstelle 2. Art (Sprungstelle) x3 Unstetigkeitsstelle 2. Art (Polstelle) x4 hebbare Unstetigkeitsstelle (Lücke)
o
o 0
x3
x1 x2
x
x4
Abbildung 5.2
5.3
Ableitung einer Funktion
Es sei y = f (x), x Df, eine beliebige Funktion. Werden xDf und x 0 so gewählt, dass auch x + x Df , dann heißt f ( x x ) f ( x ) f ( x ) bzw. x x Differenzenquotient der Funktion f (x) an der Stelle x. Es sei y = f (x), x Df, eine beliebige Funktion. Wenn für ein festes f ( x x) f ( x) dy lim existiert, xDf der Grenzwert y x d x x0 dann heißt er Differenzialquotient oder Ableitung der Funktion f an der Stelle x. Bemerkung In den Wirtschaftswissenschaften wird die erste Ableitung von Funktionen oft als Grenz- oder Marginalfunktion bezeichnet . Ableitungen von Grundfunktionen Konstante, Potenz- und Wurzelfunktion 1 xn x n y a xn n y´ 0 n x n1 x n1
x
n
1
1 n 1n x n
2 x
x
E
5 Funktionen mit einer reellen Variablen
118
Exponential- und Logarithmusfunktion y ex ax ln x
y´
ex
cos x
sin x
lg x
1 x ln a
1 x ln 10
1 x
a x ln a
Trigonometrische Funktionen sin x cos x y y´
log a x
tan x 1
cos2 x
Zyklometrische Funktionen y arcsin x arccos x 1 1 y´ 2 1 x 1 x2
cot x
1 tan 2 x
arctan x 1 1 x2
1 sin 2 x
1 cot 2 x
arccot x 1 1 x2
Differenziationsregeln (1) Summen-, Produkt- und Quotientenregel Es seien u(x) und v(x) zwei Funktionen, deren Ableitungen für jedes x D R existieren. Dann gilt:
(u ( x) v( x)) u ( x) v( x) (c v( x)) c v( x) (u ( x) v( x)) u ( x) v( x) u ( x) v( x) $ u ( x ) ! u ( x) v( x) u ( x) v( x) "" , v( x) 0 (v( x)) 2 # v( x) Beispiel 5.5 Gegeben ist die Funktion y (x) = x ln x. Sie ist ein Produkt der Funktionen 1 u(x) = x und v(x) = ln x. Somit gilt y ln x x ln x 1. x
Die Funktion y ( x )
ex x , x 0, ist ein Quotient von u(x) = e und v(x) = x. x
Die Ableitung nach x lautet dann y
ex x ex 1 x2
$ x 1! ex " 2 . # x
5.3 Ableitung einer Funktion
119
(2) Kettenregel Sind die Funktionen u (x) nach x und f (u) nach u differenzierbar, dann gilt
f [u ( x)]
f (u ) u ( x) oder
d y d y du d x du d x
( y = f (u) äußere Funktion, u = u (x) innere Funktion) Beispiel 5.6 Gegeben ist die Funktion y f [u( x )] ln(1 x 2 ). Hier ist die äußere Funk-
tion und deren Ableitung f (u ) ln u, f (u )
1 sowie die innere Funktion u
und deren Ableitung u( x ) 1 x 2 , u ( x ) 2 x. Die Ableitung der mittelba ren Funktion ist dann f [u( x )] f (u ) u ( x )
1 1 x 2
2x .
(3) Logarithmische Differenziation Die Funktion f (x) sei differenzierbar und es gelte f (x) 0, x Df. Dann liefert die Kettenregel für u = ln| f (x)| 1 u( x) f ( x ) (ln| f ( x )|) . Dieses umgestellt nach f ( x ) ergibt: f ( x)
f ( x ) f ( x ) (ln| f ( x )|) Beispiel 5.7 Die Funktion y f ( x ) x x , x > 0, wird zunächst logarithmiert. Das liefert
ln y x ln x , und anschließend wird nach der Kettenregel differenziert: y 1 1 ln x x ln x 1 (auf der rechten Seite wird die Produktregel y x
angewendet). Es wird nach y umgestellt: y y ln x 1 x x (ln x 1)
Ableitungen höherer Ordnung Wenn die Ableitung einer Funktion wieder eine Funktion ist und von dieser die Ableitung existiert, kann sie noch einmal differenziert werden. So entsteht eine Ableitung zweiter Ordnung. Dieser Prozess kann entsprechend fortgesetzt werden. f ( x ) f ( 2 ) ( x ) ( f ( x )) , f ( x ) f ( 3) ( x ) ( f ( x )) , ,
f
(n)
( x) ( f
( n 1)
( x ))
Beispiel 5.8
f ( x ) x 3 2x 2 3 x 2 f ( x ) f
(3 )
(x) 6
f
( 4)
f ( x ) 3 x 2 4 x 3 0
f ( x ) 6 x 4
E
120
5 Funktionen mit einer reellen Variablen
5.4 5.4.1
Anwendung der Ableitung Differenzial und Fehlerrechnung
Die Funktion f (x) sei für x I Df eine differenzierbare Funktion, dann gilt f ( x x ) f ( x ) lim f ( x) 0. x 0 x f ( x x ) f ( x ) Wird % x f ( x ) gesetzt, gilt x f ( x x ) f ( x ) x f ( x ) x % ( x ) . Der letzte Ausdruck kann, wenn x genügend klein ist, vernachlässigt werden: f ( x ) f ( x x ) f ( x ) x f ( x ) o ( x ) Damit gilt f ( x ) & x f ( x )
d f ( x ) d x f ( x )
bzw.
Das Differenzial d f (x) gibt näherungsweise die Änderung einer Funktion f (x) an der Stelle x an, wenn sich x um x ändert. Beispiel 5.9 Gegeben ist eine Kostenfunktion K(x) in Abhängigkeit von der Produktions-
höhe x (Output) K ( x ) 0,02x 3 2,5 x 2 50 x 250. Bei einer Produktion von x = 10 Mengeneinheiten entstehen Kosten von K(10 ) 20 250 500 250 520 GE. Ändert sich die Produktionshöhe nun um zwei Mengeneinheiten, das heißt x = 2 nach oben oder x = 2 nach unten, lässt sich diese Änderung näherungsweise durch
K ( x ) & K ( x ) x 0,06 x 2 5 x 50 x darstellen. Für x = 10 und x = 2 gilt K(10) = 12, für x = 10 und x = 2 K = 12. Es ist also näherungsweise eine Kostenänderung von 12 GE nach oben bzw. unten zu erwarten. Die relative Änderung beträgt K (10) 12 & 0,023 2,3% . f(x) K (10) 520
Geometrische Bedeutung des Differenzials Bei der Darstellung einer Funktion durch eine Kurve im kartesischen Koordinatensystem ist y der Zuwachs, den die Ordinate der Kurventangente im Punkt x für einen gegebenen Zuwachs x erhält (siehe Abb. 5.3).
f(x+x)
y x·f´(x)
f(x) 0
0
x
Abbildung 5.3
x+x
x
5.4 Anwendung der Ableitung
5.4.2
121
Grenzfunktion
Der Wert der ersten Ableitung f ´(x0) an der Stelle x0 einer Funktion f (x) gibt näherungsweise an, um wie viel Einheiten sich der Funktionswert f (x0) ändert, wenn die unabhängige Variable um eine Einheit (x = 1) geändert wird. Die Grenzfunktion oder Marginalfunktion einer ökonomischen Funktion f (x) ist die erste Ableitung f ´(x) dieser Funktion. Der Wert der Grenzfunktion f ´(x) gibt näherungsweise die relative Änderung der Funktion f (x) an, die durch die Änderung der unabhängigen Variablen x hervorgerufen wird. Die Untersuchung ökonomischer Probleme mit Hilfe von Grenzfunktionen wird häufig auch als Marginalanalyse bezeichnet. Beispiel 5.10
Kostenfunktion K ( x ) 0,02x 3 2,5 x 2 50 x 250, die Grenzkostenfunktion lautet dann K ( x ) 0,06 x 2 5 x 50. Für eine Produktion von x = 10 Mengeneinheiten betragen die Grenzkosten K (10) 6 Geldeinheiten je Mengeneinheit, d. h., wird die Produktion von x = 10 um eine Mengeneinheit vermehrt oder vermindert, entstehen 6 Geldeinheiten vermehrte oder verminderte Kosten.
Bemerkung Bei der Interpretation ökonomischer Zusammenhänge ist die Maßeinheit wichtig. Die Grenzfunktion (1. Ableitung) ist ein Quotient aus der Änderung der abhängigen Variablen y und der unabhängigen Variablen x, somit ist auch die Maßeinheit für die Grenzfunktion ein Quotient aus der Maßeinheit der abhängigen Variablen und der unabhängigen Variablen. Einige wichtige ökonomische Funktionen und deren Maßeinheiten (y - abhängige Variable, x - unabhängige Variable) Funktion Maßeinheit (x, y) Grenzfunktion Maßeinheit (y)
Kostenfunktion ME , GE Grenzkostenfunktion Stückkostenfunktion ME,GE/ME Grenzstückkostenfunktion Erlösfunktion ME , GE Grenzerlösfunktion Produktivität ME , ME Grenzproduktivität Konsumfunktion GE, GE Marginale Konsumquote Sparfunktion GE, GE Marginale Sparquote
GE/ME GE/(ME)2 GE/ME ME/ME GE/GE GE/GE
Es ist also jeweils durch die Maßeinheit der unabhängigen Variablen zu dividieren.
E
122
5 Funktionen mit einer reellen Variablen
5.4.3
Wachstumsrate und Elastizität
Eine Wachstumsfunktion y = f (t) beschreibt das Wachstum einer Größe in Abhängigkeit von der Zeit. Beispiel 5.11 Wachstum eines Kapitals zu einem Zinssatz i nach n Perioden mit einem n Anfangskapital K0 , K(n) = K0·(1 + i ) . Annahme: Jede Periode wird in m gleiche Zeitabschnitte unterteilt. Wird dann das in jeder dieser m n Unterperioden vorhandene Kapital zu
einem Zinssatz
i i ! $ verzinst, so ergibt sich: K (n ) K 0 "1 # m m
mn
Für m gilt: i n
m ! $ " $ !i mn " " i ! 1 $ K 0 e i n K (n ) lim K 0 "1 K 0 " lim "1 m m
m " m " # " " i # " # (stetige oder kontinuierliche Verzinsung, siehe Abschnitt 4.2).
Bemerkung Wachstumsprozesse lassen sich durch Exponentialfunktionen beschreiben.
Als Wachstumsrate wird im allgemeinen die relative Änderung f (t ) bezeichnet, die näherungsweise angibt, wie sich die Wachsf (t ) tumsfunktion f (t) pro Zeiteinheit ändert. Beispiel 5.12 Die Wachstumsrate bei der kontinuierlichen Verzinsung beträgt
K (t ) K 0 i e i t i , ist also gleich dem Zinssatz. K (t ) K 0 e i t Dagegen ist sie bei der jährlichen Verzinsung K (t ) K 0 ln(1 i ) (1 i )t ln(1 i ). K (t ) K 0 (1 i )t
5.4 Anwendung der Ableitung
123
Elastizität Die Elastizität kann ebenso wie das Differenzial genutzt werden, um Auswirkungen auf eine Funktion bei Änderung von Größen zu untersuchen. Die Funktion f (x) sei in I R differenzierbar. Dann heißt für alle f ( x0 ) x0 I mit f (x0) 0 der Ausdruck ' f x0 x0 f ( x0 ) relative Elastizität von f im Punkt x0 . Bemerkung Die relative Elastizität gibt näherungsweise an, um wie viel Prozent sich eine Funktion y = f (x) ändert, wenn sich die unabhängige Variable x um 1 % ändert. Beispiel 5.13 Gegeben ist eine Kostenfunktion K(x) in Abhängigkeit von der Produkti-
onshöhe x (Output) K ( x ) 0,02x 3 2,5 x 2 50 x 250 . Die Elastizität an der Stelle x = 10 beträgt dann 0,06 100 5 10 50 6 ' K (10) 10 10 0,115. 0,02 1 000 2,5 100 50 10 250 520 Eine Änderung von x um 1 % hat somit eine Änderung von K(10) um 0,115 % zur Folge. Ändert sich nun x um 20 % (vergleiche Beispiel 5.9), so beträgt die Änderung der Kosten 20 % 0,115 = 2,3 %.
Eine Funktion f heißt im Punkt x0 (1) elastisch, falls |'f (x0)| > 1 (2) 1-elastisch, falls |'f (x0)| = 1 (3) unelastisch, falls |'f (x0)| < 1 . Beispiel 5.14 Betrachtet wird eine Funktion u = f (p), die einen Zusammenhang zwischen der Nachfrage u und dem Preis p beschreibt (Nachfragefunktion). (1) Ist diese elastisch, so verursachen relativ kleine Preisänderungen relativ starke Nachfrageänderungen. (2) Ist sie 1-elastisch, bewirkt eine Preisänderung um 1% eine Nachfrageänderung um 1%. (3) Bei einer unelastischen Nachfragefunktion haben Preisänderungen nur eine geringe Nachfrageänderung zur Folge.
E
124
5 Funktionen mit einer reellen Variablen
5.4.4
Newton-Verfahren (Tangentenverfahren)
Ziel: Nullstellenbestimmung nichtlinearer Gleichungen Mittel: Iteration = Wiederholung der gleichen Rechenvorschrift
Das NEWTON-Verfahren f ( xn ) xn1 xn , n = 0, 1, 2, ... f ( xn ) konvergiert in der Umgebung U(x) einfacher Nullstellen, falls f ( x ) f ( x ) k 1 , x U(x) f ( x ) 2 gilt. Notwendige Schritte (1) Startwertsuche (x0) (Skizze, Wertetabelle) (2) Konvergenzuntersuchung für x0 (3) Iteration Beispiel 5.15 3 Gesucht ist eine Nullstelle der Funktion y = f(x) = x 2x 5.
(1) Startwertsuche in Form einer Wertetabelle Eine Nullstelle liegt zwischen x = 2 und x = 3. Als Startwert kann damit x0 = 2 gewählt werden. (2) Konvergenzuntersuchung: f ´(x) = 3x 2, f ´´(x) = 6x, 2
x f (x) 2 9 1 4 0 5 1 6 2 1 3 16
f (2) = 1, f ´(2) = 10, f ´´(2) = 12. Damit ist k
1 12 10 2
0,12 1 und die Konvergenz ist für x0 = 2 gesichert.
(3) Iteration x1 x 0
f (x 0 ) f ( 2) 1 2 2 2,1 f ( x 0 ) f (2) 10
x 2 x1
f ( x1) f (2,1) 0,061 , 21 2,1 2,095 ,) , f ( x 1 ) f (21 1123
x3 x2
f (x 2 ) f (2,095) 0,0002 2,095 2,095 2,095 f ( x 2 ) f (2,095 ) , 1116
Die gesuchte Nullstelle ist näherungsweise 2,095.
5.4 Anwendung der Ableitung
5.4.5
125
Taylorscher Satz
Die reelle Funktion f (x), x [a, b] R, besitze in [a, b] eine stetige Ableitung n-ter Ordnung und in (a, b) eine Ableitung der Ordnung n + 1. Wenn x0 und x Punkte aus [a, b] sind, dann gibt es eine Zahl z zwischen x0 und x, sodass f ( x0 ) f ( x0 ) f ( x ) f ( x0 ) ( x x0 ) ( x x0 ) 2 1! 2! f ( n ) ( x0 ) ( x x 0 ) n Rn ( x , x 0 ) n! gilt. Diese Beziehung wird als TAYLOR-Polynom n-ten Grades von f an der Stelle x mit dem Restglied Rn bezeichnet. Dabei gilt z x 0 , x falls x x 0 f ( n1) ( z ) Rn ( x , x0 ) ( x x0 ) n1 , ( n 1)! z x , x 0 falls x x 0
Mit Hilfe des TAYLOR-Polynoms lassen sich so näherungsweise komplizierte Funktionen einfacher darstellen. Beispiel 5.16 Gegeben ist die Funktion y f ( x ) ln x . Gesucht ist das TAYLOR-Polynom an der Stelle x0 = 1. Die Ableitungen dieser Funktionen lauten 1 1 2 (n 1)! . f ( x ) , f ( x ) 2 , f (3 ) ( x ) 3 , , f ( n ) ( x ) ( 1) n 1 x x x xn Es gilt dann
f ( x ) f (1)
f (1) f (1) f ( n ) (1) ( x 1) ( x 1) 2 ( x 1) n R n ( x,1) 1! 2! n!
1 1 1 ( x 1) 2 ( x 1) 3 ( x 1) 4 R 4 ( x, 1) . 4 2 3 Die Funktion y = ln x kann durch das TAYLOR-Polynom recht gut in der Nähe von x0 = 1 beschrieben werden. Beispielsweise führt eine näherungsweise Berechnung von ln(1,1) unter Ausnutzung der ersten fünf Glieder auf 1 1 1 f (1,1) 0 1 0,1 0,12 0,13 0,14 0,095 308 . 2 3 4 Der genaue Wert beginnt mit den Ziffern 0,095 310... Das Restglied beträgt 1 1 ,) 0,15 . Bei z = 1, z (1; 1,1), nimmt es seinen größfür n = 4 R4 (11 5 z5 ten Wert an. Damit ist die größtmögliche Abweichung 0,000 002. f ( x ) 0 1 ( x 1)
E
126
5 Funktionen mit einer reellen Variablen
5.4.6
Regel von Bernoulli-L'Hospital
0 (1) Grenzwerte vom Typ „ “ und „ “ 0
Voraussetzungen (1) Die Funktionen f1(x) und f2(x) seien in einem Intervall (x0, x0 + c), c > 0, differenzierbar und es gelte dort f 2 ( x) 0 . (2) Es gelte
lim f1 ( x) 0 und
x x0 0
lim f1 ( x) und
x x0 0
lim f 2 ( x) 0 oder
x x0 0
lim f 2 ( x)
x x0 0
f1( x) für x x0 + 0 konvergent oder hat der Ausdruck einen f 2 ( x) unbestimmten Grenzwert, so trifft dasselbe für f ( x) f ( x) f1 ( x ) lim 1 zu, und es gilt lim 1 . x x0 0 f 2 ( x ) x x0 0 f 2 ( x ) f 2 ( x)
Ist
Diese Regeln können auch mehrfach hintereinander angewandt werden. Sie gelten entsprechend auch für linksseitige Grenzwerte. Beispiel 5.17 sin x (sin x ) cos x Es gilt lim lim lim cos 0 1 . x 0 x x 0 ( x ) x 0 1
(2) Grenzwerte vom Typ „0·(± )“, „ “ Durch geeignete Umformungen (siehe Beispiele 5.18, 5.19) können diese Fälle auf Typ (1) zurückgeführt werden. Beispiel 5.18 (kürzen)
1 x ln x (ln x ) x lim x ln x lim lim lim lim 0 x 0 1 x 0 1 x 0 x 0 1 x 0 $ 1! 2 " x x #x Beispiel 5.19 (erweitern)
1 2 x 2 x 2 2x 1 $ ! 2 x lim " x x 2x 1 lim lim 1 x # x
x x 2 2x 1 x 1 1 2 1 x x2
(3) Grenzwerte vom Typ „00“, „( )0“, „1 “ Durch Logarithmieren kann Typ (3) zunächst auf Typ (2) und dann durch geeignetes Kürzen auf Typ (1) zurückgeführt werden.
5.5 Untersuchung von Funktionen mit Hilfe
127
Beispiel 5.20 Gesucht ist der Grenzwert lim x x , x > 0 x 0
Zunächst wird der Grenzwert
lim ln x x lim x ln x 0
x 0
x 0
bestimmt (vgl.
Beispiel 5.18). Damit ist der Grenzwert lim x x = e = 1. 0
x 0
5.5 5.5.1
Untersuchung von Funktionen mit Hilfe ihrer Ableitungen Stetigkeit und Mittelwertsatz
Wenn eine Funktion y = f (x), x Df, an der Stelle x = x0, x0 Df, differenzierbar ist, dann ist sie dort auch stetig. Die Stetigkeit ist eine notwendige Voraussetzung für die Differenzierbarkeit. Mittelwertsatz Wenn die Funktion y = f (x), x Df, in einem abgeschlossenen Intervall [a, b] Df stetig und im offenen Intervall (a, b) differenzierbar ist, dann existiert eine Stelle c (a, b) derart, dass f (b) f (a ) , a < c < b, gilt. f ( c) ba
5.5.2
Monotonieverhalten
Wenn eine Funktion y = f (x), x Df, in einem Intervall I Df differenzierbar ist und ihre Ableitung ein konstantes Vorzeichen hat, dann ist f in I monoton. Speziell gilt: Eigenschaft von f (x) f ( x ) > 0 f ( x ) 0 f ( x ) < 0 f ( x ) 0
5.5.3
Folgerung f (x) ist streng monoton wachsend f (x) monoton wachsend f (x) streng monoton fallend f (x) monoton fallend
Extremwertbestimmung
Eine Funktion y = f (x), x Df, hat an der Stelle x0 Df ein relatives Maximum (bzw. ein relatives Minimum), wenn ein > 0 derart existiert, dass f (x) f (x0) (bzw. f (x) f (x0)) x (x0 , x0 + ) Df gilt.
E
128
5 Funktionen mit einer reellen Variablen
Gilt x Df f (x) f (x0) (bzw. f (x) f (x0)), so hat f an der Stelle x ein absolutes Maximum (bzw. ein absolutes Minimum). Notwendige Bedingung für relative Extrema
Es sei y = f (x), x Df, eine in (a, b) Df differenzierbare Funktion. Wenn f (x) bei x0 (a, b) ein relatives Extremum besitzt, dann ist f ( x0 ) = 0. Bemerkung (1) Diese Bedingung gilt nur für Bereiche, in denen die Funktion differenzierbar ist. Es werden also nicht die Intervallgrenzen und Punkte erfasst, in denen die Funktion nicht differenzierbar ist. In diesen Punkten ist die Funktion zur Extremwertbestimmung gesondert zu untersuchen (siehe Beispiel 5.22). (2) Die Bedingung f ( x ) = 0 allein genügt nicht zum Feststellen von Extremwerten. Die Punkte, die jedoch dieser Bedingung genügen, werden kritische oder stationäre Punkte genannt. Hinreichende Bedingung für relative Extrema
Es seien y = f (x), x Df, eine in (a, b) Df n-mal differenzierbare Funktion und x0 (a, b) ein stationärer Punkt von f (d. h. f ( x0 ) = 0). Die Funktion f hat dann an der Stelle x0 (a, b) ein Extremum, wenn für die Ableitungen f ( x0 ) f ( x0 ) ... f
( n 1)
( x0 ) 0, jedoch f ( n ) ( x0 ) 0 gilt
und n eine gerade Zahl ist. Dabei ist dieses Extremum ein Maximum, wenn f ( n ) ( x0 ) 0 , und ein Minimum, wenn f ( n ) ( x0 ) 0 ist. Alternativ kann die Existenz von relativen Extremwerten an stationären Punkten durch die Vorzeichenbetrachtungen der ersten Ableitung nachgewiesen werden. Wenn für y = f (x) in der Umgebung eines stationären Punktes die erste Ableitung existiert und das Vorzeichen wechselt, so besitzt die Funktion ein Extremum. (1) Erfolgt von links nach rechts der Wechsel von plus nach minus, so liegt ein relatives Maximum vor. (2) Erfolgt von links nach rechts der Wechsel von minus nach plus, so liegt ein relatives Minimum vor. (3) Erfolgt kein Vorzeichenwechsel in der Umgebung des kritischen Punktes, so liegt ein horizontaler Wendepunkt vor.
5.5 Untersuchung von Funktionen mit Hilfe
129
Beispiel 5.21: Maximierung einer ökonomischen Größe
Gegeben ist eine Ertragsfunktion z1 = 5 + 6x 0,5x und eine Kosten2 funktion z2 = 4 3x + x . 2 Es gilt: Gewinn = Ertrag Kosten, d. h., z = z1 z2 = 9 + 9x 1,5x Es ist der Gewinn in Abhängigkeit von x zu maximieren. Die Funktion z ist differenzierbar. Es gilt z´(x) = 9 3x = 0, woraus sich die Lösung x = 3 ergibt. Weiter ist z´´(x) = 3, sodass ein Maximum vorliegt. 2
Beispiel 5.22 K(x) Gegeben ist die folgende stückweise stetige 250 Kostenfunktion 810 x 20 10 x, 0 x 10 200 . K(x) MIN 810 15 10 x, 10 x x Gesucht ist das Kostenminimum in Abhängig- 150 0 5 10 15 x keit von x (siehe Abb. 5.4). Lösung 810 Abbildung 5.4 In beiden Fällen gilt K ( x ) 2 10 = 0 x mit der Lösung x = 9. Es gilt K(9) = 90 + 20 + 90 = 200. Kritisch ist die Unstetigkeitsstelle x = 10. Zum Vergleich wird K(10) = 81 + 15 + 100 = 196 berechnet. Dieser Wert liefert das Minimum der Kostenfunktion.
5.5.4
Krümmungsverhalten und Wendepunkte
Es sei y = f (x), x Df , eine Funktion, deren zweite Ableitung für alle x (a, b) Df existiere. Dann gilt: (1) f (x) ist in (a, b) genau dann konvex, wenn dort f ( x ) 0 ist. (2) f (x) ist in (a, b) genau dann konkav, wenn dort f ( x ) 0 ist. Wächst die Funktion f (x), gilt also f ( x ) 0 , so bedeutet f ( x ) 0 progressives Wachstum und f ( x ) 0 degressives Wachstum. Notwendige Bedingung für Wendepunkte
Es sei y = f (x), x Df, eine Funktion, deren zweite Ableitung in (a, b) Df existiert. Wenn f (x) einen Wendepunkt xw (a, b) besitzt, dann gilt f ( xw ) 0 . Hinreichende Bedingung für Wendepunkte Wechselt die zweite Ableitung der Funktion unter der obigen Voraussetzung das Vorzeichen für einen kritischen Punkt xw mit f ( xw ) 0 (oder gilt f ( xw ) 0 ), so ist x Wendepunkt.
E
5 Funktionen mit einer reellen Variablen
130
Kurvendiskussion Charakteristik 1. Schnittpunkte mit den Achsen
Bedingungen x = 0 (y - Achse) y = 0 (x - Achse)
2. Polstellen
Nenner = 0 Zähler 0
3. Extremwerte
0 Maximum f ( x ) 0 , f ( x ) 0 Minimum
4. Monotonie
0 monoton wachsend f (x) 0 monoton fallend
5. Wendepunkte
6. Krümmungsverhalten 7. Verhalten im Unendlichen 8. Asymptoten 9. Graphische Darstellung
5.5.5
f ( x ) 0 , f ( x ) wechselt Vorzeichen 0 konvex f ( x ) 0 konkav lim f ( x )
x
lim f ( x ) (ax b) = 0
x
Skizze
Anwendung in der Wirtschaft
Optimale Losgröße ("optimale Bestellmenge") Problem Ein Betrieb fertigt ein Erzeugnis, das ständig verbraucht wird. Der Verbrauch je Zeiteinheit sei konstant. Es wird in Losen gefertigt. Los: Fertigung einer endlichen Anzahl gleichartiger Teile mit einer Vorbereitungs- und Abschlusszeit (Rüstzeit)
Die Losgröße beeinflusst die Selbstkosten und die Lagerkosten: Je höher die Losgröße, desto größer die Lagerkosten und desto niedriger die Produktionskosten. gesucht: optimale Losgröße, d. h., Lagerkosten + Produktionskosten min
5.5 Untersuchung von Funktionen mit Hilfe
Lösung des Problems Bezeichnungen x Losgröße l Lagerkosten (spezifisch) u Lohn- und Materialkosten aller Teile r gesamter Produktionsumfang T betrachteter Zeitabschnitt
a c L(x) S(x)
Um r Erzeugnisse zu produzieren, müssen a den, denn es gilt: r = ax.
131
Anzahl der Lose Rüstkosten Lagerkosten Fertigungskosten
r Lose aufgelegt werx
Folgende Kosten können bestimmt werden: Lagerkosten = durchschn. Bestand Lagerkosten(spezifisch) Zeit x L( x ) l T 2 Fertigungskosten = Lohn- u. Materialk. + Rüstkosten Anzahl d. Lose cr r S ( x) u c a u , a x x Gesamtkosten = Lagerkosten + Fertigungskosten x r K ( x ) L( x ) S ( x ) l T u c 2 x Gesucht ist das Minimum der Gesamtkosten. Dazu wird die erste Ableil T cr 2 0. Die Lösungen dieser tung gleich null gesetzt, K ( x ) 2 x 2r c . Nur das positive Vorzeichen ist von lT 2c r Interesse. Die hinreichende Bedingung ergibt K ( x ) 3 0, womit x Gleichung lauten x
ein Minimum vorliegt. Die Lösung dieses Problems ist x
2r c . l T
Die dazugehörigen minimalen Kosten betragen K min u 2r c l T . (Nur im Fall u = 0 liefert der Schnittpunkt von L(x) und S(x) das Kostenminimum!) Beispiel 5.23 Für l = 10 € je Stück und Woche, c = 200 € je Los, T = 52 Wochen, u = 10 000 €, r = 1000 Stück ergibt sich: x
2 1 000 200 27,74 28 10 52
K (28) 10 000 2 1 000 200 10 52 24 422,21 €.
E
5 Funktionen mit einer reellen Variablen
132
Der Schnittpunkt (SP) von S(x) und L(x) liefert nur im Spezialfall u = 0 die minimalen Kosten. Dieses Beispiel macht den Unterschied deutlich. Er liegt in der Nähe von x = 53. Die dazugehörigen Kosten betragen K(53) = 27553,58 €. Dieser Wert ist wesentlich größer als das ermittelte Minimum bei x = 28 . (siehe Abb. 5.5).
K(x) 40000 K(x) = L(x) + S(x) 30000 MIN
20000
SP
10000 0
L(x)
0
20
40
60
S(x)
80
100 x
Abbildung 5.5
5.6 5.6.1
Integralrechnung Unbestimmtes Integral
Betrachtet wird eine beliebige Funktion y = f (x), x (a, b) R, und es wird eine Funktion gesucht, deren Ableitung gleich f (x) ist. Eine in (a, b) definierte Funktion F(x) heißt Stammfunktion von f (x), wenn für alle x (a, b) die Relation F ( x ) f ( x ) gilt. Ist F(x) eine Stammfunktion von f (x) in (a, b), so hat jede andere Stammfunktion von f (x) die Form F(x) + C, wobei C eine gewisse Konstante ist. Ist F(x) eine Stammfunktion von f (x), so wird der Ausdruck F(x) + C unbestimmtes Integral der Funktion f (x) genannt. Hierbei ist C eine beliebig wählbare Konstante. Das unbestimmte Integral wird mit dem Symbol net. Es gilt:
f ( x) d x
bezeich-
f ( x) d x F ( x) C
Integrationsregeln (1) Summen- und Faktorregel ( f ( x ) g ( x )) d x f ( x )d x g ( x )d x
a f ( x) d x a f ( x) d x,
a R
(2) Substitutionsmethode
Es sei z(x) eine differenzierbare Funktion, deren Wertebereich im Definitionsbereich von f (z) enthalten ist, sodass die mittelbare Funktion y = f [z(x)], x Dz, gebildet werden kann. Dann folgt aus f ( z )d z F ( z ) C mit der Substitution z = z(x), d z z ( x ) d x die Relation
f [ z ( x)] z ( x)d x F ( z ( x)) C.
5.6 Integralrechnung
133
Beispiel 5.24
x e
x2
dz 1 z 1 1 2 e dz e z C e x C 2x 2 2 2 dz dz z ( x ) 2 x, d x dx 2x
dx x e z
z( x ) x 2 ,
(3) Partielle Integration
Ist u(x) eine differenzierbare Funktion und v(x) eine Stammfunktion von v ( x ) , so gilt u( x ) v ( x ) d x u( x ) v ( x ) u ( x ) v ( x ) d x . Bemerkung Die partielle Integration ist die Umkehrung der Produktregel der Differenziation, sie wird angewandt, wenn der Integrand ein entsprechendes Produkt zweier Funktionen ist. Durch Vertauschen der beiden Faktoren u(x) und v(x) entsteht eine analoge Formel.
Typische Anwendungsfälle für die partielle Integration sind Funktionen vom Typ x n sin x , x n cos x , x n e x , x n ln x . Beispiel 5.25
xe
x
d x x e x 1 e x d x e x ( x 1) C ,
mit u( x ) x , u ( x ) 1, v ( x ) e x , v ( x ) e x
Grundintegrale
ad x a x C x n1 C n 1 x1n n x dx 1 n C 1 x d x ln x C 2 3 xd x 3 x C x r 1 r x dx r 1 C
x
n
dx
a R
e
x
n N
a
x
n N, n 1
sin x dx cos x C
x0
cos x dx sin x C
x0 r R , r 1 x0
dx e x C dx
ax C ln a
a 0, a 0
E
5 Funktionen mit einer reellen Variablen
134
5.6.2
Bestimmtes Integral
Der Grenzwert I
n
f ( i ) xi , max x 0 lim
i 1
i
xi xi xi 1 , i xi 1 , xi b
wird bestimmtes RIEMANNsches Integral genannt: I f ( x)d x a
x0 = a, xn = b Hauptsatz der Integralrechnung
Ist f (x) im Intervall [a, b] stetig und F(x) eine beliebige Stammfunktion von f (x), so gilt b
f ( x ) dx F (b) F (a ). a
Das ist eine Zurückführung des bestimmten Integrals auf das unbestimmte Integral (Stammfunktion). Integrationsregeln
(1) (2)
b
c
c
a b
b
a
f ( x) d x f ( x) d x f ( x)d x a b
(3)
(5)
b
a
a
a
f ( x) d x f ( x) d x a b
(4)
b
c1 f 1 ( x ) c2 f 2 ( x ) d x c1 f 1 ( x ) d x c2 f 2 ( x ) d x b
b
f ( x ) g ( x ) d x f ( x ) g ( x ) a f ( x ) g ( x ) d x b
a b
z (b )
a
a
z(a )
f ( z( x )) z ( x) d x f ( z) d z
Beispiel 5.26 2
x dx
3
x2 1
z( x ) x 2 1,
15 1 dz 5 10 0,926210 2 10 z z ( x )
dz 2x dx
5.6 Integralrechnung
135
Wird ein Bereich A der x, y-Ebene durch y = f (x), y = g(x), x = a, x = b mit f (x) g(x) begrenzt, so gilt für den Flächeninhalt der einb
geschlossenen Fläche A f ( x ) g ( x )d x . a
Beispiel 5.27 Zu bestimmen ist der Flächeninhalt der zwischen f (x) = x , g(x) = sin x und x = 0 liegenden Fläche (siehe Abb. 5.6).
A
sin x x dx
$ ! x # cos x x& 2 #" %& 0 2
1
5.6.3
2
2
1 2
1
y = sin x
0 -1
0
2
f(x)
A
1
2
4 x
3 y=x-
-2 2
2
-3
E
Abbildung 5.6
Uneigentliches Integral
Es werden zwei Typen uneigentlicher Integrale unterschieden: (1) Eine oder beide Integrationsgrenzen sind unendlich, der Integrand jedoch beschränkt. (2) Die Integrationsgrenzen sind endlich, der Integrand f (x) hat jedoch im Intervall [a, b] mindestens einen Pol (einen Punkt, in dessen Umgebung f (x) unbeschränkt ist). Die Funktion f (x) sei in [a, +) definiert und in jedem endlichen A
Teilintervall der Form [a, A] integrierbar, sodass
f ( x )d x
für jedes
a
endliche A > a existiert. Dann wird durch
A
a
a
f ( x) d x Alim f ( x) d x
das uneigentliche Integral der Funktion in [a, +) definiert, falls der Grenzwert existiert und endlich ist. Die Funktion f (x) heißt in diesem Falle im unbeschränkten Intervall [a, +) integrierbar.
5 Funktionen mit einer reellen Variablen
136
Es sei f (x) eine in einem endlichen Intervall [a, b] mit a < b gegebene Funktion, die für x = b eine Polstelle besitzt. In jedem Intervall [a, b '] sei f (x) beschränkt und integrierbar. Dann wird durch b
b'
a
a
f ( x)dx 'lim f ( x ) dx 0
das uneigentliche Integral der unbeschränkten Funktion f (x) für x [a, b] definiert, falls der Grenzwert existiert und endlich ist. In diesem Fall heißt die unbeschränkte Funktion in [a, b] integrierbar. Bemerkung Diese Definitionen gelten für die unteren Integrationsgrenzen analog. Beispiel 5.28
dx
x2 2
A
dx
A x 2
lim
2
5.6.4
A
! 1 ( 1+ $ 1 ! 1$ lim # & lim # * - & A " x % A " A ) 2,% 2 2
Integration stückweise stetiger Funktionen
Viele Funktionen in der Wirtschaft sind stückweise stetig, beispielsweise Funktionen, die einen Lagerbestand beschreiben oder Kostenfunktionen, die durch Rabattgewährung bestimmt werden. Derartige Funktionen werden integriert, indem jeweils von einer Unstetigkeitsstelle bis zur nächsten integriert und die Teilergebnisse summiert werden. n xk 1
b
f ( x) d x f ( x) d x k 0 xk
a
Beispiel 5.29 Gegeben ist die folgende Dichtefunktion 0 für x 0 x f (x) für 0 x 2 2 0 für 2 x Gesucht ist die zugehörige Verteilungsfunktion
f(x) f(x) = x/2 1
f(x) = 0 0
z
F (z )
f ( x ) d x.
(siehe Abschnitt 8.1.3)
Abbildung 5.7
A=1 2
f(x) = 0 x
5.6 Integralrechnung
137
Lösung Es liegen drei Intervalle vor, die wegen unterschiedlicher Zuordnungsvorschriften und einer Unstetigkeitsstelle bei x = 2 einzeln berücksichtigt werden müssen (siehe Abb. 5.7). (1) < z < 0
F( z )
(2) 0 z < 2
F( z )
z
z
z
0
f ( x ) d x 0 dz 0 f ( x ) dx
(3) 2 < z
5.6.5
z
0
F( z )
f ( x ) dx
z
x x2 dx 0 2 4 0
z
0 dx
z
2
0 2
x x dx 0 dx 0 2 4 0 2
0 dx
z2 4
2
0 1 0 1 0
Numerische Integration
Nicht zu jeder Funktion lässt sich leicht eine Stammfunktion finden. Derartige bestimmte Integrale können mit numerischen Methoden näherungsweise ermittelt werden. ba Das Intervall [a, b] wird in n Teilintervalle der Länge h = zerlegt: n [xi 1, xi] , i = 1, 2, ..., n mit x0 = a, und xn = b, xi a i h Sehnen-Trapezregel ( f ( x0 ) f ( xn ) n1 + f ( xi ) -- Rn A h ** 2 i 1 ) , Rn
( b a) 2 12n 2
f ( ), (a, b)
Beispiel 5.30 Zu bestimmen ist das folgende Integral (Verteilungsfunktion der Normalverteilung, vgl. Abschnitt 8.1.3)
. 0 (1)
1
1
x2 2
e dx. 2 0 Die einzelnen Berechnungen erfolgen in der nebenstehenden Tabelle. Die Werte werden mit dem Faktor multipliziert und anschließend addiert.
Rn gibt den Fehler an und kann abgeschätzt werden. i
xi
f(xi)
Faktor
0
0,0
1,00000
0,5
0,50000
1
0,1
0,99501
1,0
0,99501
2
0,2
0,98020
1,0
0,98020
3
0,3
0,95600
1,0
0,95600
4
0,4
0,92312
1,0
0,92312
5
0,5
0,88250
1,0
0,88250
6
0,6
0,85327
1,0
0,85327
7
0,7
0,78371
1,0
0,78371
8
0,8
0,72615
1,0
0,72615
9
0,9
0,66698
1,0
0,66698
10
1,0
0,60653
0,5
0,30327
Summe:
8,55112
E
138
5 Funktionen mit einer reellen Variablen
Es gilt somit . 0 (1)
1 2
1 8,551 2 0,341 14. (Zum Vergleich: Der ex10
akte Wert beträgt 0,3413..., vgl. Tafel 1, mit . 0(x) =.(x) 0,5)
Simpson-Regel Die SIMPSON-Regel liefert genauere Werte, da die zu integrierende Funktion im Gegensatz zur Sehnen-Trapezregel nicht durch Sehnen sondern durch Parabelbögen angenähert wird. Die Anzahl n der Unterteilungen muss gerade sein. Ungerade Knotenpunkte werden mit dem Faktor 4, gerade mit dem Faktor 2 gewichtet. n n $ ! 1 2 2 h # & A # f ( x0 ) f ( xn ) 4 f ( x2 i 1 ) 2 f ( x2 i ) & 3 # i 1 i 1 & % "
5.6.6
Anwendung der Integralrechnung
Sind für ökonomische Kenngrößen Grenzfunktionen bekannt, so lässt sich die Ausgangsfunktion durch Integration ermitteln. Kostenfunktion Ist K ( x ) eine Grenzkostenfunktion, dann lässt sich K(x) nach dem Hauptsatz der Integralrechnung auf folgende Weise ermitteln x
K ( t ) d t K ( x ) K (0). 0
x
Daraus folgt K ( x ) K ( t ) d t K (0). Dabei 0
x
stellen K(0) = Kf die fixen Kosten und
K (t )d t Kv die
variablen
0
Kosten dar.
Erlösfunktion Durch Integration kann aus einer Grenzerlösfunktion E ( x ) die Erlösx
funktion ermittelt werden
E (t ) d t E ( x ) E (0).
Ist x die Menge des
0
x
Absatzes, so ist E(0) = 0, und damit
E (t ) d t E ( x ). 0
Gewinnfunktion Die Gewinnfunktion G(x) ist die Differenz aus der Erlösfunktion E(x) x
und der Kostenfunktion K(x), d. h. G ( x ) E (t ) K (t ) d t K f . 0
Der Deckungsbeitrag als Differenz von Erlös E(x) und variablen Kosten
5.6 Integralrechnung
139
x
Kv(x) ist dann G D ( x ) E (t ) K (t ) d t . 0
Konsumentenrente Die Funktion p(x) gibt den Preis eines Gutes in Abhängigkeit von der Nachfrage an, p0 ist der tatsächlich gezahlte Preis, dieser entspricht einer Nachfrage x0 (Gleichgewichtspunkt). Dann wird das folgende Integral als Konsumentenrente bezeichnet, K R ( x0 )
x0
p( x ) d x p0 x0 .
Das ist der Betrag, den die Konsumenten
0
insgesamt bereit zu zahlen gewesen wären, wenn jeder den für ihn höchsten akzeptablen Preis gezahlt hätte. Produzentenrente Die Funktion pA(x) gibt den Preis eines Gutes in Abhängigkeit vom Angebot an, p0 ist der tatsächlich gezahlte Preis, dieser entspricht einer Nachfrage x0 (Gleichgewichtspunkt). Diejenigen Anbieter, die zu einem geringeren Preis verkauft hätten, erhalten dadurch einen zusätzlichen Gewinn, dessen Summe als Produ-
zentenrente bezeichnet wird, PR ( x0 ) p0 x0
x0
p A ( x ) d x. 0
Zahlungsströme, Warenströme Die stückweise stetige Funktion R(x) beschreibe eine Geschwindigkeitsfunktion (Geldeinheiten/Zeiteinheit). t2
Dann ist das zwischen t1 und t2 eintreffende Kapital K R (t ) d t . t1
Stellt dagegen R(x) die Geschwindigkeitsfunktion für einen Warenstrom dar (Mengeneinheiten/Zeiteinheit), lässt sich entsprechend die zwischen t2
t1 und t2 eintreffende Warenmenge W bestimmen, W R( t ) d t . t1
Gegenwartswert kontinuierlicher Zahlungsströme Wird eine kontinuierliche Verzinsung mit dem Zinssatz i vorausgesetzt, gilt für den Gegenwartswert eines Kapitals K0 zum Zeitpunkt t = 0 , das durch einen kontinuierlichen Zahlungsstrom R(t) zwischen t1 und t2 t2
entsteht, K 0 R(t ) e i t dt. tt
E
140
5 Funktionen mit einer reellen Variablen
5.7 5.7.1
Differenzialgleichungen Einführung
Bei der Untersuchung ökonomischer Modelle treten oft Gleichungen auf, in denen neben der gesuchten Funktion auch deren Ableitung enthalten ist. Eine Beziehung der Form F(x, y, y', y", ... y(n)) = 0 zwischen der unabhängigen Variablen x, einer Funktion y = y(x) und deren Ableitungen y', y", ... heißt gewöhnliche Differenzialgleichung (Dgl.). Bemerkung Treten mehrere unabhängige Variable und ihre partiellen Ableitungen auf, so liegt eine partielle Differenzialgleichung vor. Charakterisierung der Differenzialgleichungen (1) nach der Anzahl der unabhängigen Variablen - eine unabhängige Variable: gewöhnliche Dgl. - mehrere unabhängige Variable: partielle Dgl. (2) nach der höchsten vorkommenden Ableitungsordnung (3) nach dem Grad der Potenzen der abhängigen Variablen und ihrer Ableitungen Eine Funktion y = y (x), die die Differenzialgleichung identisch erfüllt, heißt Lösung der Differenzialgleichung.
5.7.2
Separable Differenzialgleichungen
Separable Differenzialgleichungen 1. Ordnung sind Differenzialgleichungen, die auf die Form y f ( x ) g ( y ) gebracht werden können.
Die Methode "Trennen der Veränderlichen" ist eine Methode zur Lösung von separablen Differenzialgleichungen 1. Ordnung. Vorgehensweise
(1) Trennen der Veränderlichen (2) Integrieren (3) Umformen nach
dy f ( x)d x, g ( y ) 0 g ( y) dy g( y) f ( x)d x y = y(x)
5.7 Differenzialgleichungen
141
Beispiel 5.31 Gegeben ist die Differenzialgleichung 2x 2 y y . Lösung dy dx 1 dy dx y (1) Trennen der Veränderlichen: , ,x0 y y y 2x 2 2x 2 dy dx 1 (2) Integration: , ln y ln C , C 0 (Diese spezielle y 2x 2x 2 Form der Konstante ist zweckmäßig für die weitere Umformung.) 1
(3) Umformen: y C e 2x liefert die Lösung der Differenzialgleichung
(C = 0 liefert auch eine Lösung, wie eine Probe zeigt). Die Konstante C kann nach bestimmten Anfangsbedingungen angepasst werden. Beispiel 5.32: Wachstumsmodell Die Veränderung eines Geldbetrages K´(t ) in einer Zeiteinheit durch Verzinsung ist dem Wert des Geldbetrages K(t ) proportional: K (t ) K (t ), Proportionalitätskonstante, K´(t ) > 0. Die oben dargestellte Methode liefert die Lösung des Problems: dK dt dK dK K (t ) , , dt , dt , K K K K (t )
ln K t ln C ,
K C e t .
Wird jetzt für C das Anfangskapital K0 angenommen, für t = n und = ln(1+ i ), mit i als Zinssatz, ergibt sich die Zinseszinsformel: K n K (n ) K 0 (1 i ) n .
Ermittlung von Funktionen mit vorgegebener Elastizität Aus einer vorgegebenen relativen Elastizität kann über die Lösung einer Differenzialgleichung die zugehörigen Funktionen bis auf eine multiplikative Konstante ermittelt werden. f ( x) Gegeben ist die relative Elastizität in der Form f ( x) x und es f ( x) gelte x > 0 und f (x) > 0. Die relative Elastizität f (x ) sei vorgegeben und
die Funktion f (x) nicht bekannt. Dann liegt eine Differenzialgleichung für f (x) vor. Ist z. B. f (x) eine lineare Funktion der Form a · x + b dann gilt mit y = f (x): x y (a x b) y oder y
d y a x b a x b d x. y bzw. y x x
E
142
5 Funktionen mit einer reellen Variablen
dy a x b d x liefert ln y a x b ln x ln C. y x Daraus kann die allgemeine Lösung in folgender Form dargestellt werden, f (x) = y e a xb ln xln C C x b e a x . Zur Ermittlung der Konstanten C ist ein Anfangswert erforderlich. Eine ausführliche Darstellung und weitere Anwendungen sind z. B. bei Tietze, 2000, zu finden.
Die Integration
5.7.3
Lineare Differenzialgleichungen 1. Ordnung
Als gewöhnliche lineare Differenzialgleichung 1. Ordnung wird eine Gleichung der Form y p( x ) y q ( x ) bezeichnet. y abhängige Variable x unabhängige Variable q(x) Störfunktion Ist q(x) = 0, so heißt die Dgl. homogen, ist q(x) 0, so heißt die Dgl. inhomogen.
Hierbei sind:
Die allgemeine Lösung y einer inhomogenen Differenzialgleichung setzt sich additiv aus der allgemeinen Lösung yh der zugehörigen homogenen Differenzialgleichung und einer speziellen Lösung yp der inhomogenen Differenzialgleichung y = yh + yp zusammen. Bemerkung Um die allgemeine Lösung einer inhomogenen Dgl. 1. Ordnung zu bestimmen, ist zunächst die Lösung der zugehörigen homogenen Differenzialgleichung zu berechnen (Trennen der Veränderlichen) und dann eine spezielle Lösung der inhomogenen Differenzialgleichung zu ermitteln (Variation der Konstanten).
Die Lösung der homogenen Differenzialgleichung lautet in allgemeiner . Form y c e Die Struktur der Lösung der inhomogenen Differenzialgleichung entspricht der Struktur der Lösung der zugehörigen homogenen Differenzialgleichung, wenn in der homogenen Lösung die Integrationskonstante durch eine geeignete Funktion ersetzt wird. p ( x ) dx
Das Ersetzen der Konstanten c durch eine Funktion c(x) heißt Variation der Konstanten.
5.7 Differenzialgleichungen
143
Vorgehensweise (1) Die Funktionen p ( x ) dx y c( x ) e und
y c( x) e c( x ) e p( x ) werden in die Ausgangsgleichung eingesetzt. (2) Es ergibt sich eine zu lösende Differenzialgleichung für c'(x). (3) Durch Einsetzen von c(x) in die allgemeine homogene Lösung ergibt sich eine spezielle Lösung der inhomogenen Dgl. 1. Ordnung. (4) Berücksichtigung einer evtl. vorgegebenen Randbedingung. p ( x ) dx
p ( x ) dx
Beispiel 5.33 2
y 2x y x e x mit der Bedingung y(0) = 1 (1) Allgemeine Lösung der zugehörigen homogenen Differenzialgleichung über Trennen der Veränderlichen: dy dy y 2x y , 2 x d x, 2 x dx, ln y x 2 ln C , C 0, y 0 y y x 2 ln C
2
yh e C ex (2) Spezielle Lösung der gegebenen inhomogenen Differenzialgleichung über Variation der Konstanten: 2
Ansatz: y C( x ) e x ergibt differenziert 2
2
y C ( x ) e x C( x ) 2x e x . Beides in die Ausgangsdifferenzialgleichung einsetzen: 2
2
2
2
C ( x ) e x C( x ) 2x e x 2x C( x ) e x x e x . Die beiden mittleren Ausdrücke fallen heraus, sodass 2
C ( x ) e x x e x
2
und somit C ( x ) x gilt.
x x 2 x2 e . und die spezielle Lösung y p 2 2 (3) Bilden der allgemeinen Lösung der Differenzialgleichung 2 x 2 x2
x 2 x2 e . y y h y p C ex e C 2 2 2
Es ist C( x )
(4) Berücksichtigung der Anfangsbedingung y = 1 für x = 0 2 0
1 C e 0 C . Damit wird C = 1 und die spezielle Lösung ys, die 2
x 2 x 2 der Anfangsbedingung genügt, lautet y s 1 e . 2
E
6 Funktionen mit mehreren Variablen
6
Funktionen mit mehreren Variablen
6.1
Begriff und Eigenschaften
Eine reellwertige Funktion mit n Variablen y = f (x), x Df Rn,
ist eine eindeutige Abbildung f einer Teilmenge Df Rn auf eine Teilmenge Wf R. Df : Definitionsbereich von f Wf : Wertebereich von f Beispiel 6.1 Betrachtet wird eine Zielfunktion Z = f(x1, x2, x3) = 3x1 + 5x2 + 2x3 aus der 3 linearen Optimierung. Der Definitionsbereich ist Df R , im Falle einer Nichtnegativitätsbedingung xi 0, i = 1, 2, 3. Der Wertebereich der Funktion ist R.
Der Punkt a Rn habe die Eigenschaft, dass in jeder Umgebung K(a, r) Punkte x a enthalten sind, die zum Definitionsbereich der Funktion y = f (x), x Df Rn, gehören. Außerdem gelte a Df, sodass f (a) erklärt ist. Gilt lim f ( x ) f (a ) , so heißt f (x) im Punkt a stetig. xa
Wenn die Funktion diese Eigenschaft für alle x aus einer Menge M Df besitzt, so heißt sie in M stetig. (Zur Definition der Grenzwertes x a siehe z. B. Köhrt u.a., 1993.) Sind y = f (x), x Df Rn, und y = g(x), x Df Rn, in x = a stetig, dann ist es auch jede Linearkombination c1 f ( x ) c2 g ( x ) , c1, c2 R, ihr Produkt f ( x ) g ( x ) sowie ihr
Quotient
f ( x) , wobei g(x) 0. g ( x)
Beispiel 6.2 Die Produktionsfunktion x x (r1, r2 ) 3 r10,7 r20,3 gibt einen Zusammen-
hang zwischen der Ausbringmenge (Output) x in Abhängigkeit von den Einsatzmengen r1, r2 zweier Produktionsfaktoren an. Diese Funktion ist für r1, r2 > 0 stetig, da für diesen Bereich auch die einzelnen Faktoren
r10,7 , r20,3 stetig sind.
6.2 Partielle Ableitungen, Gradient, Hesse-Matrix
6.2
145
Partielle Ableitungen, Gradient, Hesse-Matrix
Die für Funktionen mit einer Variablen bekannten Begriffe Grenzwert, Stetigkeit und Ableitung werden auf Funktionen mit mehreren Variablen übertragen. Wenn der Grenzwert f (a1 x1 , a2 , ..., an ) f (a1 , a2 , ..., an ) lim x10 x1 existiert, so wird er partielle Ableitung erster Ordnung der Funktion y = f (x) nach x1 im Punkt x = a genannt. f (x)
x1 x a
Schreibweise: f x1 ( a ) oder
Bemerkungen (1) Die Definitionen der Ableitungen nach den anderen Variablen verlaufen analog. (2) Alle Variablen, nach denen nicht differenziert wird, werden als konstant angesehen. Dabei sind die Regeln für das Differenzieren bei Funktionen mit einer unabhängigen Variablen entsprechend anzuwenden. (3) Die partiellen Ableitungen höherer Ordnung werden durch Wiederholung des für die Ableitung erster Ordnung bekannten Vorgehens gebildet. Beispiel 6.3
x2 y ,z0 z Die partiellen Ableitungen erster Ordnung lauten
Gegeben ist die Funktion f ( x, y , z )
x2 y 2x y x2 , fy , fz
. z z z2 Die partiellen Ableitungen zweiter Ordnung sind fx
f xx
2y , z
fzx
f xy
2x y z
2
,
2x , z
fzy
f xz
x2 z
2
,
2x y z
2
,
f zz 2
f yx
2x , z
f yy 0,
f yz
x2 z2
,
x2 y z3
Satz von SCHWARZ
Die Funktion y = f (x), x Df R2, besitze in einer Menge M Df die partiellen Ableitungen f x1 x2 ( x ) und f x2 x1 ( x ), weiterhin seien diese dort stetig. Dann gilt f x 1 x 2 ( x ) f x 2 x 1 ( x ).
M
146
6 Funktionen mit mehreren Variablen
Dieser Satz gilt entsprechend für mehr als zwei Variable und für Ableitungen höherer Ordnung. Gegeben sei eine Funktion f (x) mit x Df Rn. Ist dann (1) f partiell differenzierbar nach x1, x2, ..., xn, so heißt der Vektor f x1 ( x ) f x ( x ) grad f ( x ) 2
f xn ( x ) Gradient von f an der Stelle x.
(2) f zweimal partiell differenzierbar nach x1, x2, ..., xn, so heißt die Matrix f x1x1 ( x ) f x1x2 ( x ) f x1xn ( x ) f x x ( x ) f x2 x2 ( x ) f x2 xn ( x ) H ( x) 2 1 f f f ( ) ( ) ( ) x x x xn x2 xn xn xn x1 HESSE-Matrix von f an der Stelle x. Beispiel 6.4 Unter Ausnutzung der Berechnung aus Beispiel 6.3 lassen sich für die
Funktion f ( x, y , z ) 2x y z x2 grad( f ) z x2 y
z2
x2 y , z 0, Gradient und HESSE-Matrix angeben: z
und H ( x , y , z )
2y z 2x z 2x y z
2
2x z 0
x2 z2
2x y z2 2 x
2 z x2 y 2 z 3
Wegen des Satzes von SCHWARZ ist die HESSE-Matrix symmetrisch.
6.3
Vollständiges Differenzial, Fehlerrechnung und Elastizität
Wie bei Funktionen mit einer Variablen ist es von Interesse, möglichst einfach einen Zusammenhang zwischen den Funktionswerten für "leicht veränderte" Variable und dem ursprünglichen Funktionswert herzustellen. Dabei sei f ( x ) f ( x1 x1 , x 2 x 2 , , x n x n ) f ( x1 , x 2 , , xn ) f ( x x) f ( x)
6.3 Vollständiges Differenzial, Fehlerrechnung
147
Es sei y = f (x), x Df R2, eine Funktion und a Df fest vorgegeben. Wenn für f (a) die Darstellung f ( a ) f x1 ( a ) x1 f x 2 ( a ) x2 x r ( x ) möglich ist, wo-
bei x
x1 2 x2 2
und r ( x ) eine nichtlineare Funktion
von x mit der Eigenschaft lim r ( x ) 0 ist, dann wird f in x = a x0
total oder vollständig differenzierbar genannt.
Der bezüglich x lineare Anteil von f (a) wird totales oder vollständiges Differenzial der Funktion im Punkt x = a genannt und mit df (a) bezeichnet: d f ( a ) f x1 ( a ) d x1 f x2 ( a ) d x2 Allgemein gilt näherungsweise:
f ( a ) f x1 ( a ) x1 f x2 ( a ) x 2 f x3 ( a ) x 3 Bei bestimmten Anwendungen ist es auch sinnvoll, die Betragsstriche wegzulassen. Auf diese Weise kann dann zwischen Abweichungen nach unten oder oben unterschieden werden. Beispiel 6.5 Gegeben ist eine Produktionsfunktion S( A, K ) 100 A0,6 K 0,4 . Dabei ist S(A, K) das Sozialprodukt, A der Arbeitsinput und K der Kapitalinput. Die gegenwärtigen Werte seien für A = 20 und K = 40. Wie ändert sich S(A, K) näherungsweise, wenn A um 10 % fällt und K um 10 % steigt? Lösung Da Änderungen nach oben und nach unten gleichzeitig berücksichtigt werden müssen, werden in der Fehlerformel die Betragsstriche weggelasS S A K . sen: S( A,K ) A K Die partiellen Ableitungen lauten: S S 100 0,6 A 0,4 K 0,4 , 100 0,4 A 0,6 K 0,6 . Die absoluten ÄndeA K rungen von A und K betragen A 2 und K 4. Damit ist die Änderung von S näherungsweise
S(20, 40 ) 60 20 0,4 40 0,4 ( 2) 40 20 0,6 40 0,6 4 52,78. Dieses entspricht einer relativen Änderung S( 20, 40 )
52,78 0,02. Damit würde das Sozialprodukt um 2 % S(20, 40 ) 2 639,02 sinken.
M
148
6 Funktionen mit mehreren Variablen
Partielle Elastizität
Ist f (x) 0 für alle x Df Rn, so wird der Term f x ( x ) xi f ( x ), xi ( y , xi ) i f ( x) partielle Elastizität der Kennziffer y = f (x) bezüglich xi im Punkt x genannt. Bemerkung f ( x ), xi gibt näherungsweise an, um wie viel Prozent sich y = f (x) ändert, wenn xi um ein Prozent vergrößert wird und alle anderen Einflussgrößen konstant bleiben. Beispiel 6.6 Betrachtet wird die gleiche Funktion wie in Beispiel 6.5. Die partiellen Elastizitäten lauten dann A S A (S( A, K ), A) 60 A 0,4 K 0,4 0,6 A S 100 A 0,6 K 0,4
K S K 40 A 0,6 K 0,6 0,4 K S 100 A 0,6 K 0,4 Wenn sich also A um 1 % ändert, so hat das eine Änderung von S um 0,6 % zur Folge. Entsprechend ändert sich S um 0,4 %, wenn sich K um 1 % ändert. Eine 10 %-ige Verringerung von A lässt somit S um 6 % fallen. Eine Steigerung von K um 10 % bewirkt eine Steigerung von S um 4 %. Erfolgt beides gleichzeitig, fällt S um 2 % (siehe Beispiel 6.5).
(S( A, K ), K )
6.4
Extremwertbestimmung
Eine Funktion y = f (x), x Df Rn, hat im Punkt x0 Df ein relatives Maximum (bzw. relatives Minimum), wenn in einer Umgebung von x stets f (x) f (x0) (bzw. f (x) f (x0)) gilt. Notwendige Bedingung für Extremwerte
Wenn y = f (x), x Df Rn, in x0 Df ein relatives Extremum besitzt und in diesem Punkt alle partiellen Ableitungen 1. Ordnung existieren, dann gilt notwendig f xi ( x ) 0, i 1, 2, , n . Speziell für n = 2 gilt f x1 ( x ) 0,
f x2 ( x ) 0.
Besitzt y = f (x), x Df Rn, alle partiellen Ableitungen 1. Ordnung, so heißt jede Lösung des Gleichungssystems f xi ( x ) 0, i 1, 2, , n stationärer Punkt der Funktion f (x).
6.4 Extremwertbestimmung
149
Hinreichende Bedingung für Extremwerte im R2
Gilt für eine Funktion y = f (x), x Df R2, f x1 ( x ) 0 und f x2 ( x ) 0 , so besitzt f (x) an der Stelle x = x0 einen relativen Extremwert, wenn gilt ( x 0 ) f x1 x1 ( x 0 ) f x 2 x 2 ( x 0 ) f x21 x 2 ( x 0 ) 0 .
Gilt zusätzlich
f x1x1 ( x 0 ) > 0, so liegt ein Minimum vor, f x1x1 ( x 0 ) < 0, so liegt ein Maximum vor.
Ist dagegen ( x 0 ) < 0, so existiert kein Extremwert, ( x 0 ) = 0, so ist keine Entscheidung möglich. Beispiel 6.7
64 64 , x, y 0. x y Zur Ermittlung der Extremwerte werden alle partiellen Ableitungen erster Ordnung berechnet und diese gleich null gesetzt: 64 64 S x y 2 0 und S y x 2 0 . Dieses Gleichungssystem wird x y gelöst, indem die erste Gleichung nach y aufgelöst und in die zweite Gleichung eingesetzt wird. Gegeben ist die Funktion S( x, y ) x y
x4 x3 0 . Aus dem x 1
2 2 2 64 64 y 64 x letzten Ausdruck sind die Lösungen x = 0 und x = 4 ablesbar. Die Lösung x = 0 entfällt wegen x 0. Aus x = 4 folgt über Einsetzen in die erste Gleichung y = 4. Damit existiert ein stationärer Punkt P(4, 4), der nun weiter zu untersuchen ist. Für die hinreichenden Bedingungen werden die partiellen Ableitungen 128 128 zweiter Ordnung benötigt: S xx 3 , S yy 3 , S xy 1. x y Im stationären Punkt P(4, 4) nehmen diese Ableitungen folgende Werte an: S xx (4, 4 ) 2, S yy (4, 4 ) 2, S xy (4, 4 ) 1 . Daraus ergibt sich die hinreiy
64
, damit x
64
x
64 x 4
x
2 chende Bedingung ( x, y ) S xx S yy S xy 22 1 3 0 .
Damit existiert ein Extremwert. Da Sxx > 0, liegt ein Minimum vor. Der zugehörige minimale Funktionswert beträgt S(4, 4) = 48.
Bemerkung Das aus den partiellen Ableitungen resultierende Gleichungssystem ist nur in speziellen Fällen lösbar. Eine Lösungsmethode für nichtlineare Gleichungssysteme ist im Abschnitt 7.3.3 dargestellt.
M
150
6 Funktionen mit mehreren Variablen
Allgemeine hinreichende Bedingung für Extremwerte
Der Ausdruck Q( x ) x T H (a ) x wird als quadratische Form bezeichnet (H(a) ist die HESSE-Matrix für einen Punkt a = x0). Gilt Q(x) > 0 für alle x o, so heißt die Matrix H (a) positiv definit. Gilt Q(x) < 0 für alle x o, so heißt die Matrix H (a) negativ definit. Gibt es Vektoren x, y mit Q(x) > 0 und Q(y) < 0, so heißt H (a) indefinit. Bemerkung Ist H(a) positiv definit, so ist H(a) negativ definit. Eine symmetrische Matrix A ist genau dann positiv definit, wenn sämtliche Hauptabschnittsdeterminanten (siehe Abschnitt 2.1.1) positiv sind. Es sei y = f (x), x Df Rn, und y= f (x) besitze stetige partielle Ableitungen zweiter Ordnung nach allen Variablen. a = x0 sei ein stationärer Punkt von f. Dann besitzt f an der Stelle a ein relatives Minimum bzw. Maximum, wenn die HESSE-Matrix 2 f (a ) H (a ) : xi xk i 1, 2, , n; k 1, 2, , n positiv bzw. negativ definit ist.
6.5
Extremwerte mit Nebenbedingungen
Gegeben ist eine Funktion y = f (x), x Df Rn, und eine Nebenbedingung g(x) = 0, unter der die Funktion f ein Extremum annehmen soll. Notwendige Bedingung (LAGRANGEsche Multiplikatorenmethode)
Für eine Hilfsfunktion F(x, ) = f (x) + g(x) gilt unter der Voraussetzung, dass sie partiell differenzierbar ist: Fxi ( x 0 , ) 0, i 1, 2, F ( x0 , ) 0, falls im Punkt x0 ein Extremum mit Nebenbedingungen vorhanden ist (stationärer Punkt).
Die hinreichende Bedingung für dieses Problem ist sehr kompliziert. Ersatzweise können verschiedene Punkte aus der Umgebung unter Berücksichtigung der Nebenbedingung eingesetzt werden, um zu prüfen, ob sie dort kleinere bzw. größere Werte als das Extremum ergeben. Dabei ist auf Vollständigkeit zu achten. (Siehe auch Fichtenholz, 1964.)
6.6 Methode der kleinsten Quadrate (MkQ)
151
Beispiel 6.8
Gegeben ist die Produktionsfunktion x 3 r10,7 r20,3 . Unter der Bedingung x = 300 soll die Kostenfunktion K ( r1, r2 ) 7 r1 3 r2 minimal werden. Lösung
F( r1, r2 , ) 7 r1 3 r2 ( 3 r10,7 r20,3 300) Fr1 7 2,1 r1 0,3 r20,3 0,
Fr2 3 0,9 r10,7 r2 0,7 0,
F 3 r10,7 r20,3 300 0. Die beiden ersten Gleichungen werden nach umgestellt und durcheinander dividiert. Dieses liefert r1 r2 . Die Ausnutzung der dritten Gleichung ergibt dann die Lösung r1 r2 100.
6.6
Methode der kleinsten Quadrate (MkQ)
Für die Analyse oder Prognose ist es häufig erforderlich, eine stetige Funktion y f ( x , a ), a (a0 , a1 , , am 1 ) R m zu ermitteln, die eine gegebene Wertetabelle (Messreihe) "möglichst gut" annähert. Dabei seien n Wertepaare (xi, yi ), i =1, 2, ..., n, gegeben. Solche Funktionen können Geraden y a1 x a0 y a2 x 2 a1 x a0
Parabeln
Exponentialfunktionen y a1 e a 2 x a0 (Transformation notwendig) a1 a0 x oder andere sein (siehe Abschnitt 8.2.2). Solche Funktionen werden als Regressionsfunktionen oder als Trendfunktionen (bei einer zeitlichen Abhängigkeit) bezeichnet. y
Hyperbeln
Optimalitätskriterium Die Summe der Quadrate der Differenzen der Messpunkte yi von den f(x) Funktionswerten f (xi, a) soll in Ab20 hängigkeit von a ein Minimum werden (siehe Abb. 6.1), d. h., n
S (a ) ! f ( xi , a ) yi i 1
15
2
min, a R m
S (a ) 0, j 0, 1, , m 1 . aj Es liegt eine Extremwertaufgabe für die Variablen a0, a1, ..., am 1 vor. also
10 5 0
0 2 4 Abbildung 6.1
6
8
10 x
M
6 Funktionen mit mehreren Variablen
152
Dabei ist im Allgemeinen ein nichtlineares Gleichungssystem zu lösen. Die partiellen Ableitungen führen auf ein lineares Gleichungssystem, wenn die Größen ai in den Ansatzfunktionen linear vorkommen. Das Vorgehen wird mit der linearen Ansatzfunktion y a1 x a 0 n
demonstriert. Es gilt: S ( a 0 , a1 ) ! (a1 xi a0 yi ) 2 min i 1
Die partiellen Ableitungen liefern n S (a0 , a1 ) 2 ! (a1 xi a0 yi ) 0 a0 i 1 n S (a0 , a1 ) 2 ! (a1 xi a0 yi ) xi 0 a1 i 1 Daraus entsteht das folgende Gleichungssystem bestehend aus den Normalgleichungen mit symmetrischer Koeffizientenmatrix. n
n
n
i 1 n
i 1 n
i 1
i 1
i 1
a0 n
a1 ! xi ! yi
a0 ! xi a1 ! xi2 ! xi yi Die hierin auftretenden Summen können aus den gegebenen Wertepaaren bestimmt und das lineare Gleichungssystem kann gelöst werden. Beispiel 6.9 Im Verlaufe von 10 Jahren wurden bei einer Maschine folgende Reparaturkosten ermittelt. Jahr i = xi 1 2 3 4 5 6 7 8 9 10
Kosten Ri = yi
0,5 1
2
1,5
2,5 3,5
4
5
4,5
5,5
Der Kostenverlauf ist durch eine lineare Trendfunktion anzunähern. Lösung Zur Berechnung der Summen i xi yi xi2 kann eine Tabelle genutzt xiyi werden. Das entsprechende 1 1 0,5 0,5 1 Gleichungssystem lautet: 2 2 1 2 4 3 3 2 6 9 10a0 + 55a1 = 30 4 4 1,5 6 16 55a0 + 385a1 = 211,5 5 5 2,5 12,5 25 Es besitzt die Lösungen 6 6 3,5 21 36 a0 = 0,1 und a1 = 0,564. 7 7 4 28 49 Damit lassen sich die Repa8 8 5 40 64 raturkosten näherungsweise 9 9 4,5 40,5 81 beschreiben durch 10 10 5,5 55 100 R(i ) 0,564 i 0,1. Summe: 55 30,0 211,5 385
7
Numerische Verfahren
Problemstellung Der Einsatz der Computer ermöglicht die Behandlung von komplizierten wirtschaftlichen Problemen, die häufig nur mit numerischen Verfahren zu lösen sind. Numerische Verfahren sind Betrachtungsgegenstand der Numerischen Mathematik. Diese beschäftigt sich im Gegensatz zu den vorangegangenen Abschnitten mit der Problematik des Rechnens mit Zahlen. Während zum Beispiel in den Gebieten Lineare Algebra und Analysis mit mathematischen Größen exakt gerechnet werden kann, können bei der numerischen Berechnung unterschiedliche (objektive) Fehler wirksam werden. Das Spektrum der Auswirkungen dieser Fehler geht von unwesentlich bis katastrophal, d. h., das erhaltene numerische Resultat hat mit der Lösung des Problems nicht das Geringste zu tun. Somit sind Lösungen, die mit numerischen Verfahren gewonnen wurden, immer gute oder schlechte Näherungslösungen. Ein teilweiser Ausweg sind symbolische Berechnungen mit dem Computer.
7.1
Fehlerarten
(1) Modellierungsfehler Modellierungsfehler entstehen durch eine idealisierte (vereinfachte) mathematische Beschreibung des Problems, z. B. werden konstante Preise, unveränderliche Rahmenbedingung (Restriktionen) vorausgesetzt oder Zusammenhänge linearisiert. (2) Datenfehler Datenfehler entstehen bei der Erfassung von Daten, z. B. durch Messfehler oder bei der statistischen Datenerfassung. (3) Rundungsfehler bzw. Abbruchfehler Rundungsfehler bzw. Abbruchfehler entstehen bei der Darstellung der Zahlen im Rechner. Rundungsfehler sind abhängig von der gewählten Zahlendarstellung. Abbruchfehler entstehen durch Weglassen der restlichen Stellen. (4) Verfahrensfehler Verfahrensfehler treten auf, wenn z. B. stetige Probleme durch diskrete Probleme näherungsweise beschrieben werden. Z. B. Differenzialgleichungen durch Differenzengleichungen, bzw. Ableitung durch Differenzenquotient, Trapezregel bei der numerischen Integration.
N
154
7 Numerische Verfahren
7.2
Zahlendarstellungen
Die Menge der reellen Zahlen kann auf einem Rechner nicht realisiert werden. Es ist die folgende Zahlendarstellung unter Verwendung einer endlichen und festen Anzahl von Mantissenstellen möglich. n2
Die Darstellungsform z d i B i wird als Computerzahl bei n1
zeichnet. B die Basis des Zahlensystems, die Ziffern mit di {0, ..., B 1} di n1 , n2 ganze Zahlen. Mit n1 < 0 werden gebrochene Zahlen, mit n1 = 0 ganze Zahlen dargestellt. Anstelle des Dezimalkommas wird häufig der Dezimalpunkt verwendet. Dabei bedeuten:
Beispiel 7.1 0 1 2 3 4 B = 10: 3.141610 = 3·10 + 1·10 +4·10 + 1·10 + 6·10 2 1 0 22410 = 2·10 + 2·10 + 4·10 2 1 0 B = 8: 2248 = 2 · 8 + 2 · 8 + 4 · 8 = 14810
Es wird zwischen den folgenden Zahlendarstellungen auf dem Computer unterschieden: ganze Zahlen (Integer), Festkommazahlen oder Festpunktzahlen (Fixpoint), Gleitkommazahlen oder Gleitpunktzahlen (Floatingpoint). Bei allen Zahlendarstellungen ist die maximale Mantissenlänge n vorgegeben, bei Gleitkommazahlen darüber hinaus noch der Exponentenbereich. Jede Gleitkommazahl y wird im Rechner wie folgt dargestellt: y = ± d1.d2d3 ... dn · B k oder y = ±.d1d2 ... dn · B k Sie besteht aus dem Vorzeichen (+ oder ), einer n-stelligen Mantisse (d1 ... dn ), dem Dezimalpunkt (.), der Basis (B) und dem Exponenten (k). Diese Darstellungen werden codiert, zum Beispiel mit Hilfe der BinärCode-Darstellung (BCD), bei der die einzelnen Ziffern jeweils durch eine Folge von vier Bits (0 oder 1) ersetzt werden. Eine immer größere Bedeutung erlangt die Gleitkommadarstellung nach dem IEEE-Standard. Da nur Zahlen mit endlich vielen Ziffern auf dem Computer dargestellt werden können, entstehen Rundungs- bzw. Abbruchfehler. Damit sind folgende mathematische Gesetze nicht mehr uneingeschränkt gültig: Assoziativgesetz der Addition Kommutativgesetz der Addition Distributivgesetz Durch geeignete Formelauswahl kann die Auswirkung von Rundungsfehlern reduziert werden.
7.3 Fehleranalyse
7.3
155
Fehleranalyse
Konditionszahl Liegt eine stetig differenzierbare Funktion vor, mit der ein Funktionswert y = f (x) berechnet werden soll, ist es möglich, die Auswirkung eines Fehlers x von x durch f ( x) f ( x) x auszudrücken. Die Größe K f ( x ) bestimmt die Verstärkung bzw. Verringerung des Eingangsfehlers bei der Funktionswertberechnung. Sie wird häufig als absolute Konditionszahl bezeichnet. Bei Funktionen mit mehreren Variablen gilt das entsprechende (siehe Fehlerformel Abschnitt 6.3). Spezielle Konditionszahlen gibt es auch für die Lösung eines linearen Gleichungssystems A x = b. Wird mit A die Koeffizientenmatrix bezeichnet, so gibt die Zahl cond( A) A A 1 über die Matrixnorm (siehe Abschnitt 7.4) die Verstärkung oder Verringerung des relativen Fehlers der Lösung x im Vergleich zu den relativen Fehlern von A und b an. Ist die Konditionszahl cond (A) sehr viel größer als eins, können sich Fehler der Eingangsdaten entsprechend stark auf die Lösung auswirken. Intervallarithmetik Vorteil: Die auftretenden Fehler werden vollständig erfasst. Nachteil: Die ermittelten Fehler können die tatsächlichen Auswirkungen beträchtlich überschätzen. (1) Intervallzahl: x x | x x x
(2) Intervalladdition: (3) Intervallsubtraktion:
x y x y, x y x y x y , x y
(4) Intervallmultiplikation:
x y min x y, x y , x y, x y , max x y, x y , x y, x y
(5) Intervalldivision:
x / y x 1 / y, (6) Intervalllänge:
mit 1 / y 1 / y , 1 / y , 0 y
d ( x) x x
Alle weiteren Rechenoperationen auf dem Rechner lassen sich auf die oben genannten Grundoperationen zurückführen. Bei der Realisierung dieser Operationen auf dem Rechner ist es sinnvoll, die Intervallrand-
N
156
7 Numerische Verfahren
punkte nach außen zu runden, d. h., der linke Randpunkt wird stets abgerundet, der rechte stets aufgerundet. Somit werden wirklich alle Fehler erfasst. Beispiel 7.2 F Z C berechnet. Hierbei bedeuten F das Fremdkapital, Z die zur Verfügung stehenden Zahlungsmittel und C das Cash-Flow. Das Fremdkapital wird in der Planungsphase voraussichtlich zwischen 310 T€ und 340 T€ liegen. Bei den zur Verfügung stehenden Zahlungsmitteln wird mit 130 T€ bis 160 T€ gerechnet und das Cash-Flow wird auf 550 T€ bis 600 T€ geschätzt. In welchem Bereich wird sich dann voraussichtlich der Verschuldungsgrad V bewegen? Der dynamische Verschuldungsgrad V wird nach der Formel V
Lösung Verwendet wird die Intervallrechnung (Angaben in T€) mit F = [310, 340], Z = [130, 160], C = [550, 600]: V
[310, 340] [130, 160] [150, 210] [0.25, 0.38]. [550, 600] [550, 600]
Der dynamische Verschuldungsgrad V wird sich voraussichtlich zwischen 0.25 und 0.38 bewegen.
7.4
Grundbegriffe der Funktionalanalysis
Betrachtet werden Punkte im n-dimensionalen Raum Rn (Vektoren). Zwischen derartigen Punkten kann auf (unendlich) verschiedene Arten ein Abstand definiert werden. Drei wichtige Abstandsdefinitionen: y1 y y 2 Elemente des Rn. y n
x1 x Es seien x 2 , x n
Dann kann der Abstand folgendermaßen beschrieben werden: n
xi yi
(1) d1 ( x , y )
i 1
2
EUKLIDischer Abstand
(2) d 2 ( x , y ) max xi yi , i = 1, 2, ..., n Maximum-Abstand i n
(3) d 3 ( x , y ) xi yi i 1
Manhattan-Abstand
7.4 Grundbegriffe der Funktionalanalysis
157
Beispiel 7.3 Es ist der Abstand zwischen den beiden Punkten x = (2, 4) und y = (3, 1) mit diesen drei Abstandsdefinitionen zu bestimmen und zu vergleichen. Lösung (1) d1( x, y )
2 3 2 4 1 2
1 25 26 5,099
(2) d 2 x ,y max 2 3 , 4 1 max (1, 5) 5 (3) d 3 ( x, y ) 2 3 4 1 1 5 6 Die Abstände sind unterschiedlich. Geometrisch können sie mit Hilfe eines rechtwinkligen Dreiecks gedeutet werden. Die Definition (1) entspricht der Länge der Hypotenuse, die Definition (2) entspricht der Länge der längeren der beiden Katheten, (3) der Summe der Länge beider Katheten.
Bemerkung Dieser Abstandsbegriff ist z. B. auch geeignet, Unterschiede zwischen verschiedenen Unternehmen bez. einer vorgegebenen Anzahl von Kennziffern (evtl. gewichtet) zu messen. Beispiel 7.4 Von zwei Unternehmen sind die folgenden Kennziffern bekannt: Vermögensstruktur in %: 70 bzw. 78; Eigenkapitalquote in %: 85 bzw. 80; Cash-Flow-Rate in %: 40 bzw. 43. Dann beträgt der Unterschied in % gemäß d1 = 9,99, d2 = 8, d3 = 16.
Metrischer Raum Eine Menge X ist ein metrischer Raum, wenn für zwei beliebige Elemente x, y X eine nichtnegative reelle Zahl d(x, y) definiert ist, die Abstand zwischen den Elementen x und y heißt, und den folgenden Axiomen genügt: (1) Äquivalenz d(x, y) = 0 genau dann, wenn x = y ist. (2) Symmetrie d(x, y) = d(y, x) (3) Dreiecksungleichung d(x, z) d(x, y) + d(y, z); x, y, z X Die Abstände d1, d2 und d3 erfüllen alle Axiome dieser Definition. Norm eines Vektors Die Norm eines Vektors ist eine reellwertige Funktion mit folgenden Eigenschaften: (1) Es gilt x 0, x = 0 genau dann, wenn x = 0. (2) Für alle x1, x2 X gilt x1 x2 x1 x 2 . (3) Für alle x X und c R gilt c x c x .
N
7 Numerische Verfahren
158
Wichtige Vektornormen sind die EUKLIDische Norm:
x
Summen- oder Betragsnorm:
x
Maximumnorm:
x
n
xi2
2
i 1
n
xi
1
i 1
max xi , i = 1, 2, ..., n i
Für Vektoren aus dem n-dimensionalen Raum gilt allgemein folgenx x 2 x 1. de Ungleichung: Bemerkung Die Norm kann u.a. auch dazu genutzt werden, eine Rangfolge verschiedener Unternehmen bez. vorgegebener Kennziffern aufzustellen. Beispiel 7.5 Für die Unternehmen aus Beispiel 7.4 ergeben sich die folgenden Bewertungen: EUKLIDische Norm: 117,15 bzw. 119,7; Summennorm: 195 bzw. 201; Maximumnorm: 85 bzw. 80. D. h., nach den ersten beiden Normen steht das zweite Unternehmen an erster Stelle, bei der Bewertung nach der Maximumnorm jedoch das erste.
Neben Vektornormen finden auch noch spezielle Matrixnormen Verwendung. Zu den Eigenschaften einer Vektornorm kommt hier bei verketteten Matrizen eine vierte Eigenschaft bezüglich der Multiplikation hinzu. Mit A wird eine Matrix vom Format (m, n) bezeichnet, 0 ist die Nullmatrix. Norm einer Matrix Die Norm einer Matrix ist eine reellwertige Funktion mit folgenden Eigenschaften: (1) Es gilt A 0 , A 0 genau dann, wenn A = 0. (2) Es gilt
A B A B .
(3) Es gilt c A c A für c R. (4) Es gilt A B A B (falls A und B verkettet). Zwei wichtige Matrixnormen für eine Matrix A( m, n ) (aij ) sind die Zeilensummennorm: A
n
z
max aij , i = 1, 2, .., m i
j 1
Spaltensummennorm: A
m
s
max aij , j = 1, 2, .., n j
i 1
7.5 Iterationsverfahren
7.5
159
Iterationsverfahren
Iterationsverfahren werden in der Numerischen Mathematik häufig angewandt. Das Grundprinzip besteht darin, dass eine bestimmte Rechenvorschrift solange wiederholt wird, bis die Lösung des Problems mit der erforderlichen Genauigkeit erreicht worden ist. Ein solches Verfahren, das NEWTON-Verfahren, wurde im Abschnitt 5.4.4 dargestellt. Benötigt werden ein Startwert bzw. ein Startvektor, eine Iterationsvorschrift sowie Aussagen zur Konvergenz.
7.5.1
Fixpunktiteration bei nichtlinearen Gleichungen
Betrachtet wird eine Gleichung f (x) = 0 mit einer in der Regel reellen Variablen x. Diese Gleichung wird so umgeformt, dass sie die Darstellung x = g(x) (Fixpunktdarstellung) erhält. Beispiel 7.6 Form f(x) = 0 Umformung x = g(x)
ln x x + 3 = 0 x 3 x = g1(x) = ln x + 3 oder x = g2(x) = e
Jede Lösung x* = x der Gleichung x = g(x) wird als Fixpunkt bezeichnet. Aus der Gleichung x = g(x) wird ein Iterationsprozess entwickelt, indem eine Folge {xk} konstruiert wird: xk 1 g( xk ) . Diese Folge konvergiert, wenn der Anstieg der Funktion g(x) in der Umgebung des Fixpunktes betragsmäßig kleiner als 1 ist: Die Funktion g(x) sei in einem Intervall I in der Umgebung des Fixpunktes x* stetig und differenzierbar, außerdem bilde die Funktion g das Intervall I in sich ab (d. h. g(x) I ). Dann konvergiert die Iterationsfolge x k 1 g( x k ) , k = 0, 1, 2, ... für einen beliebigen Startwert x0 I, wenn für jedes x I die Ungleichung g ( x ) m 1 gilt. Bei vielen in der Wirtschaft verwendeten Funktionen liegt zwar Stetigkeit aber nicht Differenzierbarkeit vor (z. B. Einkommenssteuer, Energietarife), hier liefert die LIPSCHITZ-Bedingung Aussagen über die Konvergenz: Eine Funktion f (x) genügt in einem Intervall I einer LIPSCHITZBedingung mit der LIPSCHITZ-Konstanten K, wenn f ( x1 ) f ( x2 ) K x1 x2 x1, x2 I gilt.
N
160
7 Numerische Verfahren
Die Funktion g(x) sei in einem Intervall I definiert und genüge in I einer LIPSCHITZ-Bedingung mit der LIPSCHITZ-Konstanten K < 1, und es existiere ein Fixpunkt x*. Dann konvergiert die Iterationsfolge für einen beliebigen Startwert x0 I gegen den Fixpunkt x*. Die Funktion g(x) sei in einem Intervall I definiert und genüge in I einer LIPSCHITZ-Bedingung mit der Konstanten K < 1, und es existiere ein Fixpunkt x*. Sind der Fixpunkt x* der Gleichung x = g(x) sowie sämtliche Glieder xk der Iterationsfolge in I enthalten, gilt für den Iterationsfehler die Abschätzung K x * xk x k x k 1 . 1 K Die Bestimmung der LIPSCHITZ-Konstanten K ist in der Regel recht xk 1 xk kann sie aber näherungsweise beschwierig. Durch K xk xk 1 stimmt werden.
7.5.2
Iterative Lösung linearer Gleichungssysteme
Es existiert eine Vielzahl von Iterationsverfahren zur Lösung von linearen Gleichungssystemen. Eines dieser Verfahren ist das Folgende: JACOBI-Verfahren Betrachtet wird ein Gleichungssystem der Form A·x = b. Dabei sei A eine quadratische Koeffizientenmatrix, x der Vektor der Unbekannten und b der Vektor der rechten Seite. Zur Lösung des Gleichungssystems wird jeweils die i-te Gleichung nach xi aufgelöst, d. h., n a b ij xi i x j , aii 0, i 1, 2, , n. aii j 1 aii j i
Als Startvektor kann der Nullvektor x (0) = o oder ein evtl. günstigerer Wert gewählt werden. Iterationsvorschrift für das JACOBI-Verfahren: xi( k 1)
bi aii
n
aij
a
j 1 ii j i
x (j k ) , aii 0, i 1, 2, , n, x (j0) 0.
Übersichtlicher ist die Matrizenschreibweise. Dabei wird folgende Matrix B = D A bestimmt, wobei D eine Diagonalmatrix ist, die die Diagonalelemente aii der Matrix A enthält.
7.5 Iterationsverfahren
161
0 a11 0 0 0 a 22 x ( k 1) D 1 B x ( k ) D 1 b mit D (0) 0 x =o 0 ann Die Komponenten des (k+1)-ten Lösungs(näherungs)vektors werden aus den Komponenten des k-ten Lösungs(näherungs)vektors berechnet. Eine Matrix A(n, n) heißt diagonaldominant, wenn die Diagonalelemente jeder Zeile betragsmäßig größer sind als die Summe der Beträge der restlichen Elemente dieser Zeile: aii aij , i, j = 1, 2, ..., n. i j
Ist die vorliegende Koeffizientenmatrix diagonaldominant, so konvergiert das JACOBI-Verfahren für einen beliebigen Startvektor.
7.5.3
Iterative Lösung nichtlinearer Gleichungssysteme
Nichtlineare Gleichungssysteme treten zum Beispiel bei Optimierungsproblemen auf (Extremwertaufgaben für Funktionen mit mehreren Variablen). Ein recht kompliziertes Beispiel hierfür ist das Standortproblem (vgl. Abschnitt 9.1). Ein nichtlineares Gleichungssystem kann allgemein in vektorieller Form f1 ( x ) x1 f 2 ( x) x2 geschrieben werden: F(x) = o (Nullvektor), mit x , F . f ( x) x n n Fixpunktiteration Das Gleichungssystem wird wie bei Problemen mit einer Variablen auf die Form x = G(x) gebracht. G(x) sei in der Umgebung U von x* eine Abbildung in sich und es gelte für der Startwert x(0) U. Die Iterationsvorschrift lautet x(k + 1) = G(x(k)). Die Iterationsfolge konvergiert, wenn für die JACOBI-Matrix g1 g1 xn x1 die Bedingung G ( x ) k 1 G ( x ) gn gn xn x1 für alle x in der Umgebung des Fixpunktes x* erfüllt ist. (Siehe z. B. Schwetlick/Kretzschmar, 1991.)
N
162
7 Numerische Verfahren
Diese Bedingung ist oft schwer nachzuweisen. Für das Standortproblem führt dieses Lösungsverfahren jedoch zur Lösung. NEWTON-RAPHSON-Verfahren (Verallgemeinerung des NEWTON-Verfahrens) Ausgangspunkt für das NEWTON-RAPHSON-Verfahren ist die Form F(x) = o. Benötigt wird weiterhin die zugehörige JACOBI-Matrix F '(x). Iterationsvorschrift implizit:
F ( x ( k ) ) F ( x ( k ) ) ( x ( k 1) x ( k ) ) o. In jedem Schritt ist ein lineares Gleichungssystem zu lösen.
explizit:
x ( k 1) x ( k ) F 1 ( x ( k ) ) F ( x ( k ) ) In jedem Schritt ist die JACOBI-Matrix von F zu invertieren.
Die implizite Vorschrift ist weniger aufwendig, da in jedem Schritt nur ein lineares Gleichungssystem zu lösen ist. Zur Vereinfachung kann die im ersten Schritt ermittelte JACOBI-Matrix in jedem Schritt benutzt werden (vereinfachtes NEWTON-Verfahren) oder es werden die Werte der Ableitung jeweils näherungsweise über einen Differenzenquotienten ermittelt (siehe Abschnitt 7.10), indem die folgende Formel sinngemäß auf die zu ermittelnden partiellen Ableitungen angewandt wird: d f ( x ) f ( x h) f ( x h)
, h genügend klein. dx 2h Notwendige Voraussetzung für die Konvergenz ist die Nichtsingularität der JACOBI-Matrix. Praktisch erfolgt die Konvergenzuntersuchung durch Überprüfung der folgenden Bedingung: x ( k 1) x ( k ) ! , ! gewünschte Genauigkeit. Beispiel 7.7 Zu lösen ist das nichtlineare Gleichungssystem:
2
2
f1 (x1, x2) = x1 + x1 x2 + x2 19 = 0 f2 (x1, x2 ) = x1 + x1 x2 + x2 11 = 0.
f1 f1 x1 x 2 2 x1 x 2 x1 2 x 2 F f2 f2 1 x 2 x1 1 x2 x1 Mit den Startwerten x1 = 1 und x2 = 0 liefert die explizite Iterationsvorschrift
Die zugehörige JACOBI-Matrix lautet:
1
1 2 1 18 9,667 x (1) x (0 ) F 1 x ( 0 ) F x ( 0 ) 0 1 2 10 0,667 5,544 . Dieses kann fortgesetzt werden, Ein weiterer Schritt liefert x ( 2) 0,769 bis die Lösung x1 = 3 und x2 = 2 näherungsweise erreicht wird.
7.6 Direkte Lösungsverfahren der linearen Algebra
7.6
163
Direkte Lösungsverfahren der linearen Algebra
Ausgangspunkt der Betrachtungen ist ein lineares Gleichungssystem der Form A · x = b. Das Prinzip dieser Lösungsverfahren besteht darin, die Koeffizientenmatrix des Gleichungssystems mit Hilfe von Hauptelementen so zu transformieren, dass die Lösung leicht ermittelt werden kann. Beim GAUSS-Algorithmus wird eine Dreiecksmatrix konstruiert. Anschließend erfolgt eine Rückrechnung von unten nach oben (siehe Abschn. 2.3.7). Bei der Basistransformation wird durch die Transformation eine Diagonalmatrix aufgebaut, die Lösung ist sofort ablesbar (siehe Abschn. 2.3.4). Für die numerische Lösung ist es sinnvoll, um Rundungsfehler gering zu halten, als Hauptelement immer das betragsmäßig größte Element auszuwählen. Dieses Vorgehen wird Pivotisierung genannt. Es wird unterschieden zwischen: Zeilenpivotisierung Hier wird das betragsmäßig größte Element in der Hauptzeile gesucht. Spaltenpivotisierung
Hier wird das betragsmäßig größte Element in der Hauptspalte gesucht.
globale Pivotisierung
Es wird das betragsmäßig größte Element sowohl in der Hauptzeile als auch in der Hauptspalte gesucht.
Beim GAUSS-Algorithmus wird häufig die Spaltenpivotisierung (auch partielle Pivotisierung genannt) genutzt. Dagegen bietet sich bei der Basistransformation die globale Pivotisierung an.
7.7
Lösungsverfahren für Bandmatrizen
Der Rechenaufwand zur Lösung linearer Gleichungssysteme ist recht hoch. Zum Beispiel erfordert der GAUSS-Algorithmus mindestens n2 Speicherplätze (n - Anzahl der Unbekannten) und mehr als n3/3 Rechenoperationen. In bestimmten Anwendungsfällen (z. B. bei der SplineInterpolation) treten Gleichungssysteme mit einer Koeffizientenmatrix auf, in der in jeder Zeile jeweils maximal 3 von null verschiedene Koeffizienten stehen: links und rechts vom Diagonalelement und das Diagonalelement selbst. Eine solche Matrix wird als Tridiagonalmatrix bezeichnet. Sie hat die Bandbreite 3. Allgemein wird eine Matrix als Bandmatrix bezeichnet, wenn Nicht-Null-Elemente nur in einem bestimmten Abstand von der Diagonale auftreten. Für den Spezialfall Tridiagonalmatrix wird nun ein Algorithmus vorgestellt, der nur auf die Nicht-Null-Elemente zurückgreift.
N
164
7 Numerische Verfahren
Ausgangspunkt ist tems A · x = b. a1 g1 c1 a2 g 2 A 0
die folgende Koeffizientenmatrix des Gleichungssys-
cn1
0 g n1 an
Lösungsalgorithmus (spezieller GAUSS-Algorithmus) u1 a1 (1) LU - Zerlegung c li i , ui 1 ai 1 li gi , i 1, , n 1 ui (2) Vorwärtseinsetzen y1 b1 ( y - Hilfsvektor) yi bi li 1 yi 1 , i 2, , n (3) Rückwärtseinsetzen y bn n un ( b - Lösung)
bi yi gi bi 1 / ui , i n 1, n 2, , 1
Die Lösung x ist durch den so transformierten Vektor b gegeben. (Siehe auch Schwetlick/Kretzschmar, 1991.)
7.8
Pseudolösungen
In der Praxis treten häufig nichtlösbare lineare Gleichungssysteme auf. Solche Gleichungssysteme werden durch unverträgliche Bedingungen hervorgerufen. Eine Lösung derartiger Probleme ist also nicht möglich. Es ist manchmal aber sinnvoll, nach der Lösung eines ähnlichen Gleichungssystems zu suchen, die möglichst wenig die Bedingungen des ursprünglichen Gleichungssystems verletzt. Diese kann mit Hilfe der Methode der kleinsten Quadrate realisiert werden. A·x = b sei ein unlösbares Gleichungssystem. Die Forderung lautet dann A x b
2 2
min .
Durch Differenzieren und Umformungen entsteht unter bestimmten Voraussetzungen ein lösbares Gleichungssystem, dessen Lösung das ursprüngliche System möglichst wenig verletzt, AT·A·x = AT·b. Die entsprechenden Gleichungen werden als Normalgleichungen bezeichnet.
7.9 Interpolation
165
Die Lösung dieses Gleichungssystems wird als Pseudolösung oder verallgemeinerte Lösung bezeichnet (siehe z. B. Locher, 1993). Diese Pseudolösung in das ursprüngliche Gleichungssystem eingesetzt, liefert den Defekt d = A x b. Beispiel 7.8 Gegeben ist das folgende unlösbare Gleichungssystem x1 2x2 = 9 2x1 2x2 = 9 x1 + 4x2 = 3 Bestimmen der Pseudolösung Die Koeffizientenmatrix und der Vektor der rechten Seite lauten: 9 1 2 A 2 2 , b 9 . Die Matrix A wird transponiert: 3 1 4
1 2 1 und mit A und b multipliziert. A T 2 2 4 6 6 30 , A T b A T A 6 24 12 Dadurch entsteht das Gleichungssystem 6x1 + 6x2 = 30 6x1 + 24x2 = 12 mit der Lösung x1 = 6 und x2 = 1. Der Defekt gibt an, um welche Größe jede Gleichung verletzt wird. Er beträgt in diesem Fall 1 6 d A b 1 . 1 1
7.9
Interpolation
Interpolation bedeutet, vorgegebene Funktionswerte in geeigneter Weise miteinander zu verbinden. Dabei gibt es unendlich viele Möglichkeiten. Die einfachste Form ist es, dafür Strecken zu nutzen, sodass ein Polygonzug entsteht. Weiterhin können Polynome unterschiedlichen Grades verwandt werden. Entscheidend bei der Auswahl des Typs der Interpolationsfunktion ist das zu erreichende Ziel. Eine Interpolation ist nur dann sinnvoll, wenn die vorgegebenen Funktionswerte genau getroffen werden müssen. Das ist insbesondere bei technischen Konstruktionen der Fall, beispielsweise im Schiffbau und im Karosseriebau. Hier soll darüber hinaus eine möglichst glatte Oberfläche erzielt werden. Mit Hilfe eines Computers können solche Linien bzw. Flächen optisch dargestellt werden. Bei der Approximation ist es das Ziel, eine komplizierte Funktion durch eine einfachere darzustellen, wobei die dabei entstehenden Abwei-
N
166
7 Numerische Verfahren
chungen möglichst gering sein sollen. Die Interpolation stellt somit einen Spezialfall der Approximation dar. Eine häufige Problemstellung besteht darin, eine gegebene Messreihe durch eine möglichst einfache geeignete Funktion zu beschreiben. Diese kann mit Hilfe der Methode der kleinsten Quadrate erfolgen (siehe Abschnitt 6.6). Bei praktischen Problemstellungen ist das geeignete Verfahren auszuwählen. Unterliegen zum Beispiel die Messwerte zufälligen Schwankungen (in der Wirtschaft z. B. Preise, Umsatz, Kosten, Gewinn), so ist eine Interpolation unsinnig. In diesen Fällen ist die Methode der kleinsten Quadrate mit einer geeigneten Ansatzfunktion anzuwenden. Dürfen sich die Messwerte (insbesondere bei technischen Problemen) in bestimmten Toleranzbereichen bewegen, ist die Anwendung von ausgleichender Interpolation (z. B. Ausgleichs-Splines) sinnvoll. Diese Methode stellt eine Zwischenstufe zwischen der reinen Interpolation und der Methode der kleinsten Quadrate dar. Weiterhin können auch komplizierte Funktionen näherungsweise durch einfachere ersetzt werden (siehe z. B. Schwetlick/Kretzschmar, 1991).
7.9.1
Klassische Interpolation
Aufgabenstellung Gegeben sind n + 1 Wertepaare (xi, yi), i = 0, 1, 2, ..., n. Gesucht wird ein Polynom P(x) n-ten Grades der Form
P(x) = a0 + a1x + a2 x2 + ... + an x n mit zu bestimmenden ai. Dabei ist die Forderung P(xi) = yi xi zu erfüllen. Sind n + 1 Zahlenpaare (xi, yj) mit xi xj für i j gegeben, ist das Interpolationspolynom eindeutig bestimmt. Interpolation nach LAGRANGE Zur Erfüllung der Forderung P(xi) = f (xi) , i = 0, 1, 2, ..., n werden die gegebenen x-Werte in das Polynom eingesetzt. So entsteht ein Gleichungssystem bestehend aus n + 1 Gleichungen mit n + 1 Unbekannten.
a0 + a1x0 + a2x02 + ... + an x0n = y0 a0 + a1x1 + a2x12 + ... + an x1n = y1 . . . a0 + a1xn + a2xn2 + ... + an xnn = yn Dieses Gleichungssystem ist eindeutig lösbar.
7.9 Interpolation
167
Beispiel 7.9 Für folgende Wertepaare ist ein Polynom i 0 1 2 3 3. Grades zu ermitteln. xi 0 1 2 4 Lösung y 1 0 2 1 i Das entsprechende Gleichungssystem lautet a0 = 1 a0 + a1 + a2 + a3 = 0 a0 + 2a1 + 4a2 + 8a3 = 1 a0 + 4a1 + 16a2 + 64a3 = 2 Dieses Gleichungssystem hat die Lösung: a0 = 1, a1 = 0,583333, a2 = 0,625, a3 = 0,208333. Somit lautet die interpolierende Funktion 3 2 y = 0,20833x 0,625000x 0,583333x + 1 (siehe Abbildung 7.1). y
3 2 1 0 1 2 0
1
2
3
4
x
7.9.2
Abbildung 7.1
Spline-Interpolation
Im Gegensatz zur klassischen Interpolation wird die Interpolationsfunktion durch Polynome niedrigeren Grades geeignet zusammengesetzt. Dadurch entsteht ein relativ glatter Kurvenzug. Die Werte xi werden als Stützstellen bezeichnet, yi = f(xi) sind die dazugehörigen Funktionswerte. Zwei wichtige Verfahren sollen vorgestellt werden, die lineare SplineInterpolation und die Spline-Interpolation 3. Grades. Lineare Spline-Interpolation Aufgabenstellung Gegeben sind n + 1 Wertepaare (x i , y i ) , i = 0, 1, ..., n. Gesucht ist für jedes Intervall [x i 1 , x i ] eine lineare Funktion si (x), i = 1, ..., n, die der Bedingung s i + 1 ( x i ) = s i ( x i ) = y i, i = 1, 2, ..., n 1 genügt. Lösung Für jedes Teilintervall wird aus den zwei Randpunkten mit den Wertepaaren (x i 1 , y i 1 ) und (x i , y i ) die entsprechende Geradengleichung ermittelt.
N
7 Numerische Verfahren
168
y
yi yi 1 y yi 1
x i
xi 1 yi 1 , i 1, 2, , n xi xi 1 xi xi 1
Beispiel 7.10 Die folgenden Wertepaare sind durch eine i Spline-Funktion 1. Grades zu verbinden. xi Lösung yi Intervall Funktion [0,1] y = x + 1 [1,2] y = x + 1 [2,4] y = 1,5x 4 (vgl. Abbildung 7.2)
y
0 0 1
1 1 0
2 2 1
3 4 2
3 2 1 0 1 2 0
1
2
3
4
x
Abbildung 7.2
Spline-Interpolation 3. Grades Bei der Spline-Interpolation 3. Grades (kubische Spline-Interpolation) besteht in den Stützstellen die Forderung, dass die Funktion dort zweimal stetig differenzierbar ist. Aufgabenstellung Gegeben sind n + 1 Wertepaare (xi, yi) , i = 0, 1, ..., n. Für jedes Intervall [xi1, xi] ist eine Funktion si (x), i = 1, ..., n, (Polynom 3. Grades) zu bestimmen mit den folgenden Eigenschaften: (1) Stetiger Übergang in den Stützstellen si+1(xi) = si(xi) = yi, i = 1, 2, ..., n 1 (2) Gleicher Anstieg in den Stützstellen si 1 ( xi ) si ( xi ), i = 1, 2, ..., n 1 (3) Gleiche Krümmung in den Stützstellen (das wird durch Übereinstimmung der zweiten Ableitungen in den Stützstellen erreicht) si 1 ( xi ) si( xi ) , i = 1, 2, .., n 1 Diese Bedingungen führen auf ein lineares Gleichungssystem mit zwei freien Parametern.
7.9 Interpolation
169
Allgemeine Lösung Die Länge der Teilintervalle, die unterschiedlich sein kann, wird mit hi bezeichnet. Für das i-te Teilintervall hat die Funktion folgendes Aussehen (i = 1, 2, ..., n; hi = xi xi1):
x x 3 m x xi1 3 y mi1hi2 xi x si ( x) mi 1 i i i 1 6hi 6hi 6 hi
m h2 yi i i 6
x xi 1 hi
Die unbekannten Größen mi können aus dem folgenden Gleichungssystem ermittelt werden. Für eine eindeutige Lösung sind zwei zusätzliche Randbedingungen erforderlich: s1( x0 ) s n ( xn ) 0 (natürliche Randbedingungen) liefern m0 = mn = 0, auch periodische oder HERMITE-Randbedingungen sind möglich (vgl. z. B. Preuß, 2001). Dabei entsteht eine Bandmatrix, die eine effektive Lösung ermöglicht (siehe Abschnitt 7.7): hi h hi 1 h y yi yi yi 1 , mi 1 i mi i 1 mi 1 i 1 6 3 6 hi 1 hi i = 1, 2, ..., n 1; hi = xi xi1 i xi yi
Beispiel 7.11 Die folgenden Wertepaare sind durch eine kubische Spline-Funktion zu verbinden.
0 0 1
1 1 0
2 2 1
3 4 2
Lösung
Aufstellen des Gleichungssystems für die inneren Punkte: Zu beachten: h1 = h2 = 1 , h3 = 2 , m0 = m3 = 0. 2 1 m1 m2 0 3 6 Lösung: m1 = 0,652174, m2 = 2,608696 1 5 m1 m2 6 2 y
3 2 1 0 1 2 0
1
2
3
4
x
Abbildung 7.3
N
7 Numerische Verfahren
170
Ermittlung der einzelnen Funktionen aus den mi, i = 0,1, 2, 3. Intervall
Funktion
s1( x ) 0,652174
[0,1]
0,652174 x3 1 x
x 6 6
0,1087 x 3 0,8913 x 1
s 2 x 0.652174
2 x 3
2.608696
x 1 3
6 6 0.652174 2.608698
2 x 1 x 1 6 6
[1,2]
0,5435 x 3 1,9565 x 2 1,0652 x 0,3478
s 3 x 2,608696
[2,4]
4 x 3 12
x 2 2,608698 4 4 x 1 2 6 2 2
0,2174 x 3 2,6087 x 2 8,0652 x 6,4348 (siehe Abbildung 7.3).
7.9.3 Bézier-Kurven BÉZIER-Kurven werden durch Punkte Pi = (xi, yi), i = 0, 1, ..., n, definiert. Dabei liegen nur der erste und der letzte Punkt auf der Kurve und bestimmen den Anfangs- und den Endpunkt. Die restlichen Punkte üben eine magnetische Wirkung auf die BÉZIER-Kurve aus. Die Anzahl der vorgegebenen Punkte bestimmt den Grad der zu verwendenden Polynome. Für die n + 1 Punkte werden Polynome n-ten Grades benötigt. (Siehe Locher, 1993) Die Erzeugung von BÉZIER-Kurven erfolgt über BERNSTEIN-Polynome: n J n,i t i (1 t ) n i , n - Grad des Polynoms, i = 0, 1, 2, ..., n. i Die Punkte der Kurve werden über folgende Vektorfunktion ermittelt: n
P (t ) Pi J n,i (t ), 0 t 1 i 0
P(0) Anfangspunkt der Kurve P(1) Endpunkt der Kurve
Beispiel 7.12 Gegeben sind die Punkte Pi in Form von Vektoren P0 = (1; 1), P1 = (2; 3), P2 = (4; 3), P3 = (3; 1). Damit ist n = 3. Mit den entsprechenden BERNSTEINPolynomen wird dann die BÉZIER-Kurve über die folgende Darstellung berechnet.
P (t ) P0 J 3,0 (t ) P1 J 3,1(t ) P2 J 3,2 (t ) P3 J 3,3 (t ), t 0, 1.
7.9 Interpolation
171
Die benötigten BERNSTEIN-Polynome lauten: J 3,0 1 t
3
J 3,1 3t (1 t ) 2 J 3,2 3t 2 (1 t ) J 3,3 t 3 Die Koeffizienten der BÉZIER-Kurve können für beliebig gewählte t-Werte mit 0 t 1 ermittelt werden (siehe Tabelle). t
J3,0(t )
J3,1(t )
J3,2(t )
J3,3(t )
0,00 0,15 0,35 0,50 0,65 0,85 1,00
1,000 0,614 0,275 0,125 0,043 0,003 0,000
0,000 0,325 0,444 0,375 0,239 0,057 0,000
0,000 0,057 0,239 0,375 0,444 0,325 0,000
0,000 0,003 0,043 0,125 0,275 0,614 1,000
Berechnung der Koordinaten für die ausgewählten Kurvenpunkte: P(0) = P0 = (1,1) P(0,15) = 0,614·P0 + 0,325·P1 + 0,057·P2 + 0,003·P3 = (1,504; 1,765) P(0,35) = 0.275·P0 + 0,444·P1 + 0,239·P2 + 0,043·P3 = (2,246; 2,365) P(0,50) = 0.125·P0 + 0,375·P1 + 0,375·P2 + 0,125·P3 = (2,750; 2,500) P(0,65) = 0.043·P0 + 0,239·P1 + 0,444·P2 + 0,275·P3 = (3,119; 2.365) P(0,85) = 0.003·P0 + 0,514·P1 + 0,325·P2 + 0,614·P3 = (3,261; 1,765) P(1) = P3 = (3,1) In der Abbildung 7.4 ist die komplette Kurve dargestellt. y
4 3 2 1 0
0
1
2
3
4
5 x
Abbildung 7.4
N
172
7 Numerische Verfahren
7.10
Numerische Differenziation
Modellierungen von Problemen können Ableitungen von Funktionen enthalten. Diese lassen sich numerisch nicht direkt auswerten. Näherungsweise ist es jedoch möglich, Ableitungen beliebiger Ordnung durch Differenzenausdrücke zu ersetzen. Eine derartige Möglichkeit bietet der Differenzenquotient. Die dabei entstehenden Diskretisierungsfehler haben Einfluss auf die Genauigkeit der Lösung. Das betrachtete Intervall [a, b] wird in n äquidistante (gleich lange) ba unterteilt. Dabei entstehen die diskreten Teilstücke der Länge h n Werte xi und mit ihnen die zugehörigen Funktionswerte yi = y(xi). Wichtig ist dabei die Fehlerordnung O(hn). Sie gibt die Veränderung des Diskretisierungsfehlers in Abhängigkeit von h an, d. h., halbiert sich z. B. bei n = 2 die Schrittweite h, so verringert sich der Fehler näherungsweise auf ein Viertel. Einige wichtige Differenzenausdrücke sind ( yi = y(xi)): Ableitung y´
y´ y´ y"
Näherung Fehlerordnung O(h) yi yi 1 h O(h) yi 1 yi h O(h2) yi 1 yi 1 2 h O(h2) yi 1 2 yi yi 1 h2
Bezeichnung Rückwärtsdifferenz
Vorwärtsdifferenz zentrale Differenz zentrale Differenz
Beispiel 7.13
Von der Funktion y ( x ) 1 x 2 sind numerisch die erste und zweite Ableitung im Punkt x = 1,5 zu bestimmen.
Lösung Zunächst ist die Größe h festzulegen. Gewählt wird h = 0,1. Damit ergeben sich die xi -Werte 1,4; 1,5; 1,6 (i = 1, 0, 1)
y
y
1 1,6 2 1 1,5 2 1 1,6 2 1 1,4 2 = 0,8317 0,8402; y 0,1 2 0,1 (exakt: 0,8321...) 1 1,4 2 2 1 1,5 2 1 1,6 2
0,1710 (exakt: 0,170677...) 0,12 Die zentralen Differenzen liefern die besseren Näherungen.
Kapitel 8
8
Statistik
8.1 8.1.1
Wahrscheinlichkeitsrechnung Grundbegriffe
Gegenstand 1. Deterministische Erscheinungen Diese sind dadurch gekennzeichnet, dass aufgrund vorliegender Bedingungen die folgenden Reaktionen eindeutig bestimmt sind, z. B. der freie Fall. 2. Zufällige (oder stochastische) Erscheinungen Sie können unter bestimmten Bedingungen eintreten, brauchen es aber nicht; es besteht keine zwingende Ursache-Wirkung-Beziehung, z. B.: Wettererscheinungen, Qualität von Erzeugnissen. Untersuchungsgegenstand der Wahrscheinlichkeitsrechnung (WR) sind diese zufälligen (stochastischen) Erscheinungen. Zufallsversuch, zufälliges Ereignis Ein Versuch, der unter Beibehaltung eines festen Komplexes von Bedingungen beliebig oft wiederholbar ist und dessen Ergebnis im Bereich gewisser Möglichkeiten ungewiss ist, wird als Zufallsversuch bezeichnet. Jedes Ergebnis eines Zufallsversuches wird ein zufälliges Ereignis genannt. Ein Ereignis, das bei jeder Wiederholung eines Zufallsversuches als Ergebnis auftritt, wird sicheres Ereignis genannt. Es wird mit S oder bezeichnet. Ein Ereignis, das bei jeder Wiederholung eines Zufallsversuches niemals als Ergebnis auftreten kann, wird unmögliches Ereignis genannt. Es wird mit U oder bezeichnet. Tritt mit dem Ereignis A stets auch das Ereignis B auf, dann zieht das Ereignis A das Ereignis B nach sich, A B.
S
174
8 Statistik
Zwei Ereignisse heißen gleich (A = B), wenn sowohl das Ereignis A das Ereignis B nach sich zieht (A B) als auch umgekehrt das Ereignis B das Ereignis A nach sich zieht (B A), (A B) (B A) (A = B). Sind A und B Ereignisse, dann wird das Ereignis, das genau dann eintritt, wenn mindestens eines dieser beiden Ereignisse eintritt, als Summe (oder Vereinigung) A B der Ereignisse A und B bezeichnet. Sind A und B Ereignisse, dann wird das Ereignis, das genau dann eintritt, wenn sowohl A als auch B eintritt, als Produkt (oder Durchschnitt) A B der Ereignisse A und B bezeichnet. Zwei Ereignisse A und B werden einander ausschließend, unvereinbar oder unverträglich genannt, wenn ihr gemeinsames Auftreten unmöglich ist, d. h., wenn A B = U gilt. Tritt ein Ereignis genau dann ein, wenn das Ereignis A nicht eintritt, wird es das zu dem Ereignis A komplementäre Ereignis A genannt. Sind A und B Ereignisse, dann wird das Ereignis, das genau dann eintritt, wenn das Ereignis A aber nicht das Ereignis B eintritt, Differenz der Ereignisse A und B genannt. Die Differenz wird mit A \ B bezeichnet. Die Ereignisse A1, A2, A3, ..., An bilden ein vollständiges System von Ereignissen, wenn im Ergebnis eines Versuches genau eines dieser Ereignisse eintreten muss. Beispiel 8.1 Beim Würfeln sind die Ergebnisse 1, 2, 3, 4, 5, 6 möglich. Es können z. B. folgende Ereignisse erklärt werden: Ak = { k }, k sei die Augenzahl beim Würfeln B = { 2, 4 } C = { gerade Zahl } D = { ungerade Zahl } E = { 1, 2, 3, 4, 5, 6 } F ={7}
8.1 Wahrscheinlichkeitsrechnung
175
Dann gilt z. B.: E =S A 1 B = { 1, 2, 4 } BC=B
F =U A1 B = U S\C=D
B C A2 A4 = B C D
Vollständige Systeme sind z. B.:
A1, A2, A3, A4, A5, A6;
C, D;
A 2 , A 4 , A 6 , D.
Eigenschaften von Ereignissen A U = A, A A = A, A S = S A (B C ) = (A B ) C
AB=BA A\ B = A B
A A B, B A B
ABAB=B
A (B C ) = (A B ) (A C )
A (B C ) = (A B ) (A C )
A B A B
A B A B
A A U
A A S
Beispiel 8.2 Eine Heizungsanlage bestehe aus 3 Pumpen, 2 Speichern und einem Brennwertgerät. Die Anlage ist funktionstüchtig, wenn wenigstens zwei Pumpen, ein Speicher und das Brennwertgerät funktionieren. Nachstehende Ereignisse werden betrachtet.
Pj = die j-te Pumpe ist intakt, j = 1, 2, 3 Si = der i-te Speicher ist intakt, i = 1, 2 B = das Brennwertgerät ist funktionstüchtig P = die Pumpenanlage ist funktionstüchtig: P = ( P1 P2 P3 ) ( P1 P2 P3 ) ( P1 P2 P3 ) ( P1 P2 P3 ) S = die Speicheranlage ist funktionstüchtig: S = S1 S2 A = die Anlage ist funktionstüchtig: A = PSB
Ereignisfeld Führt die Anwendung der oben erklärten Operationen ( , , , \ ) auf eine Menge von Ereignissen eines Zufallsversuches stets auf Ereignisse dieser Menge, so wird diese Menge ein Ereignisfeld genannt.
S
176
8 Statistik
Ein Ereignisfeld besitzt folgende typische Eigenschaften: (1) Es enthält das sichere Ereignis S und das unmögliche Ereignis U. (2) Mit beliebigen Ereignissen A1, A2, ... enthält es auch deren Summe Ai sowie deren Produkt Ai . i
i
(3) Mit beliebigem Ereignis A enthält es auch dessen Komplementärereignis A . Ein Ereignis eines Ereignisfeldes heißt atomar, wenn es sich nicht als Summe von Ereignissen des Ereignisfeldes darstellen lässt, die vom unmöglichen Ereignis und dem betrachteten Ereignis selbst verschieden sind. Ein Ereignis eines Ereignisfeldes heißt zusammengesetzt, wenn es als Summe verschiedener atomarer Ereignisse des Ereignisfeldes darstellbar ist. Bemerkung Im Beispiel 8.1 sind z. B. die Ereignisse Ak atomare Ereignisse und die Ereignisse B, C, D und E zusammengesetzt. Wahrscheinlichkeit eines zufälligen Ereignisses Für jedes zufällige Ereignis A (mit Ausnahme des unmöglichen Ereignisses U ) besteht die objektive Möglichkeit, bei einem Zufallsversuch als Resultat zu erscheinen. Um mehrere Ereignisse hinsichtlich ihres Möglichkeitsgrades vergleichen zu können, ist es notwendig, ein quantitatives Maß für diesen Grad einzuführen. Die Wahrscheinlichkeit P(A) eines zufälligen Ereignisses A ist der quantitative Ausdruck der objektiven Möglichkeit des Ereignisses, bei dem betreffenden Zufallsversuch als Ergebnis zu erscheinen. Der Quotient
f n ( A) =
hn ( A) n
wird die relative Häufigkeit des
Ereignisses A genannt. hn(A) ist die absolute Häufigkeit des