Grundlagen der Wirtschaftsmathematik

Die Grundlagen der Wirtschaftsmathematik bilden ein essenzielles Fundament für das Verständnis ökonomischer Zusammenhänge und die fundierte Entscheidungsfindung in Unternehmen sowie der Wissenschaft. Dieses Modul bietet Studierenden einen umfassenden Einblick in die grundlegenden Methoden und Konzepte, die für die Lösung komplexer Probleme in der angewandten Mathematik unerlässlich sind. Wer sich auf das Studium vorbereitet oder sein Wissen vertiefen möchte, findet hier eine detaillierte Zusammenfassung der wichtigsten Themen und Methoden. Durch das Erlernen dieser Konzepte sind Sie in der Lage, Entscheidungsprobleme systematisch zu zerlegen und wissenschaftlich zu bearbeiten, um optimierte Lösungen zu erzielen. Ziel ist es, ein ganzheitliches Verständnis der Wirtschaftsmathematik zu vermitteln und die Studierenden zu befähigen, fundierte Entscheidungen unter verschiedenen Rahmenbedingungen zu treffen.

Grundlagen der Wirtschaftsmathematik: Ein Überblick

Das Plattformmodul "Wirtschaftsmathematik" gliedert sich primär in drei große Bereiche: Eine Einführung, die sich mit den Zielen, der Vorgehensweise und einem Brückenkurs befasst, gefolgt von der Linearen Algebra und der Analysis. Jeder dieser Bereiche behandelt spezifische mathematische Werkzeuge, die in der Ökonomie breite Anwendung finden.

Lernergebnisse und Kompetenzen

Nach erfolgreicher Teilnahme am Modul Wirtschaftsmathematik sollen Studierende folgende Kompetenzen erworben haben:

• Einen ganzheitlichen und breiten Einblick in grundlegende Methoden der Wirtschaftsmathematik erhalten.
• Die notwendigen Konzepte und Methoden der angewandten Mathematik zur Problemlösung in Unternehmen und der Wissenschaft kennenlernen.
• Entscheidungen unter verschiedenen Rahmenbedingungen treffen, Entscheidungsprobleme zerlegen und mit wissenschaftlichen Methoden bearbeiten können, um optimierte Lösungen zu finden.

Vorgehensweise und Literaturempfehlungen

Die Lehrmethodik ist seminaristisch und wird durch die E-Learningplattform ILIAS der Rheinischen Hochschule Köln unterstützt. Für vertiefendes Studium werden folgende Werke empfohlen:

• Tietze, J. (2019): Einführung in die angewandte Wirtschaftsmathematik.
• van de Craats, J./Bosch, R. (2010): Grundwissen Mathematik.
• Werners, B. (aktuelle Version): Grundlagen des Operations Research – Mit Aufgaben und Lösungen.

Brückenkurs: Auffrischung der Schulmathematik

Ein Brückenkurs dient der Wiederholung und Festigung grundlegender mathematischer Kenntnisse aus der Schulzeit. Dieser umfasst Themen wie:

• Zahlenmengen: Reelle Zahlen, rationale und irrationale Zahlen.
• Funktionen: Ganzrationale, gebrochen rationale, Potenz-, Wurzel-, Exponential- und Logarithmusfunktionen.
• Lineare Funktionen: Lineare Verzinsung, direkte Proportionalität, Tangentengleichung, lineare Regression.
• Grundlagen der Algebra: Vereinfachen von Termen, Lösen von Gleichungen und Ungleichungen.
• Summenzeichen und Binomialkoeffizienten.

Konkrete Übungsaufgaben behandeln das Vereinfachen komplexer Terme, das Lösen von Betragsgleichungen und linearen Gleichungssystemen sowie Ungleichungen.

Lineare Algebra in der Wirtschaftsmathematik

Die Lineare Algebra ist ein unverzichtbarer Bestandteil der Wirtschaftsmathematik, um betriebliche Probleme prägnant und kompakt zu beschreiben und zu analysieren. Sie bildet die Grundlage für das Verständnis komplexer ökonomischer Systeme und Optimierungsansätze.

Exkurs: Graphentheorie und ihre Anwendungen

Die Graphentheorie ist eine mathematische Disziplin der diskreten Mathematik, die vielfältige Anwendungen in verschiedenen Wissenschaften findet. Sie wurde von dem ungarischen Mathematiker König begründet und erlangte durch die Netzplantechnik in den späten 1950er Jahren praktische Bedeutung. Bereits Euler befasste sich 1736 mit graphentheoretischen Fragestellungen, etwa dem berühmten Königsberger Brückenproblem.

Beispiel: Das Königsberger Brückenproblem

Leonhard Euler bewies 1736, dass es keinen Rundweg gibt, der alle sieben Brücken Königsbergs genau einmal überquert und zum Ausgangspunkt zurückkehrt. Er zeigte, dass ein solcher Weg nur möglich ist, wenn an keinem der Ufer (Knoten) eine ungerade Anzahl von Brücken (Kanten) liegt. Da in Königsberg alle vier Ufer eine ungerade Brückenanzahl aufwiesen, war der gesuchte Rundweg unmöglich. Dieses Problem ist topologischer Natur, da es nicht auf die genaue Lage, sondern auf die Verbindung der Brücken ankommt.

Der Dijkstra-Algorithmus zur Berechnung kürzester Wege

Ein wichtiges Anwendungsgebiet der Graphentheorie ist die Berechnung kürzester Wege in Graphen, beispielsweise mit dem Dijkstra-Algorithmus. Dieser Algorithmus findet den kürzesten Pfad von einem Startknoten zu allen anderen Knoten in einem Graphen mit nicht-negativen Kantengewichten. Die Vorgehensweise umfasst die iterative Wahl eines Basisknotens und die Aktualisierung der Weglängen zu seinen Nachbarknoten, bis der Zielknoten erreicht oder alle Knoten berücksichtigt sind.

Gozinto-Graph in der Produktionsplanung

In der produzierenden Industrie, wie dem Geräte- oder Fahrzeugbau, werden Produktionsstammbäume oft als Gozinto-Graphen dargestellt. Diese Graphen visualisieren die Mengenbeziehungen zwischen Roh-, Zwischen- und Fertigprodukten. Produkte sind Knoten, und gerichtete Kanten stellen die Mengenbeziehungen (Montage) dar. Sie ermöglichen die Berechnung von Gesamtbedarfen für die Produktion.

Matrizen, Vektoren und ihre Operationen

Die Matrizen- und Vektorenrechnung ist eine zentrale Methode, um komplexe volks- oder betriebswirtschaftliche Systeme zu beschreiben und zu analysieren. Sie ist die Grundlage für lineare Gleichungssysteme und Optimierungsprobleme.

• Vektoren: Eine Zusammenfassung von Kennzahlen, z.B. Klima- oder Output-Vektoren. Ein Spaltenvektor ist eine (m x 1)-Matrix, ein Zeilenvektor eine (1 x n)-Matrix.
• Matrizen: Ein rechteckiges Zahlenschema aus m Zeilen und n Spalten. Elemente aik geben die Position an. Beispiele sind Nullmatrix, Einheitsmatrix, Diagonalmatrix und Dreiecksmatrix.
• Operationen: Addition/Subtraktion (gleicher Typ, elementweise), Multiplikation mit einem Skalar (elementweise), Transponieren (Zeilen und Spalten vertauschen, A^T).
• Gesetze: Kommutativgesetz für Addition (A+B=B+A), Assoziativgesetze für Addition und Skalarmultiplikation, Distributivgesetze.
• Linearkombination: Ein Vektor, der als Summe von skalierten Vektoren desselben Typs dargestellt wird.
• Skalarprodukt: Das Produkt eines Zeilenvektors und eines Spaltenvektors, das eine reelle Zahl (Skalar) ergibt (∑ aibi).
• Matrizenmultiplikation: Das Produkt AB ist definiert, wenn die Spaltenzahl von A der Zeilenzahl von B entspricht. Das Element cik ist das Skalarprodukt der i-ten Zeile von A und der k-ten Spalte von B. Beachten Sie, dass AB ≠ B*A im Allgemeinen gilt und ein Produkt null sein kann, auch wenn keiner der Faktoren null ist.
• Inverse Matrix: Für eine quadratische Matrix A existiert eine inverse Matrix A^-1, wenn A regulär ist, sodass A * A^-1 = A^-1 * A = E (Einheitsmatrix).

Lineare Gleichungssysteme (LGS)

Lineare Gleichungssysteme (LGS) lassen sich kompakt als Matrizengleichung A⃗x = ⃗b darstellen. Hierbei ist A die Koeffizientenmatrix, ⃗x der Variablenvektor und ⃗b der Ergebnisvektor. Ist ⃗b der Nullvektor, spricht man von einem homogenen LGS, andernfalls von einem inhomogenen LGS.

Lösungsansätze

• Inverse Matrix: Existiert die Inverse A^-1, so ist die Lösung ⃗x = A^-1⃗b. Dies ist jedoch nur für quadratische, reguläre Matrizen anwendbar.
• Gauß-Jordan-Algorithmus: Ein tabellarisches Verfahren zur systematischen Umformung des LGS mittels "zulässiger Zeilenoperationen", bis die Koeffizientenmatrix in Einheitsmatrixform überführt ist. Diese Operationen ändern die Lösungsmenge nicht:

1. Multiplikation einer Zeile mit einer reellen Zahl (≠ 0).
2. Ersetzen einer Zeile durch die Summe aus dieser Zeile und dem k-fachen einer anderen Zeile.
3. Vertauschen zweier Zeilen.

Ein LGS kann genau eine Lösung, unendlich viele Lösungen oder keine Lösung besitzen.

Lineare Optimierung

Lineare Optimierungsprobleme zeichnen sich durch eine lineare Zielfunktion und lineare Nebenbedingungen aus. Sie dienen der Maximierung oder Minimierung eines Zielwerts unter gegebenen Ressourcenbeschränkungen.

Graphische Lösung (für zwei Variablen)

1. Mathematisches Modell: Zielfunktion Z = c1x1 + c2x2 (Max./Min.) und Restriktionen (Ungleichungen) sowie Nichtnegativitätsbedingungen (x1, x2 ≥ 0).
2. Zulässiger Lösungsbereich: Graphische Darstellung als Menge aller (x1, x2), die alle Bedingungen erfüllen.
3. Zielfunktionsgerade: Parallelverschiebung der Geraden Z = c1x1 + c2x2 bis zum optimalen Eckpunkt des Lösungsbereichs.

Der Simplex-Algorithmus

Das Simplexverfahren ist ein leistungsfähiger Algorithmus zur Lösung linearer Optimierungsprobleme in Standardgleichungsform. Es basiert auf iterativen Basistauschen, um den Zielfunktionswert schrittweise zu verbessern:

• Pivotspaltenauswahl: Die Spalte mit dem kleinsten negativen Koeffizienten in der Zielfunktionszeile wird als Pivotspalte gewählt (Optimalitätskriterium).
• Pivotzeilenauswahl: Die Zeile, für die sich der kleinste, nichtnegative Wert bi / aik ergibt, wird als Pivotzeile gewählt (Engpass- oder Zulässigkeitsbedingung).

Der Algorithmus endet, wenn alle Koeffizienten in der Zielfunktionszeile nicht-negativ sind, da dann das Optimum erreicht ist.

Analysis in der Wirtschaftsmathematik

Die Analysis bietet Werkzeuge zur Untersuchung des Verhaltens von Funktionen und ist entscheidend für die Modellierung ökonomischer Phänomene.

Beispiele ökonomischer Funktionen

• Nachfragefunktion (Preis-Absatz-Funktion): x = x(p) oder p = p(x), Zusammenhang zwischen Preis und nachgefragter Menge.
• Angebotsfunktion: Zusammenhang zwischen Preis und angebotener Menge.
• Erlös-/Umsatz-/Ausgabenfunktion: E = x * p, Gesamtwert der abgesetzten Güter.
• Kostenfunktion: K(x), Zusammenhang zwischen Output x und Gesamtkosten (fixe und variable Kosten).
• Gewinnfunktion: G(x) = E(x) - K(x), Betriebserfolg als Differenz von Erlös und Kosten.
• Produktionsfunktionen (Ertragsfunktionen): Beschreiben den Zusammenhang zwischen Faktor-Input und Output.

Kurvendiskussion von Funktionen

Eine Kurvendiskussion untersucht systematisch die Eigenschaften einer Funktion f(x). Die Vorgehensweise umfasst:

1. Definitionsbereich: Wo ist die Funktion definiert?
2. Symmetrie: Achsensymmetrie (f(-x) = f(x)) oder Punktsymmetrie (f(-x) = -f(x)).
3. Nullstellen: Lösungen der Gleichung f(x) = 0.
4. Stetigkeit: Überall stetig oder mit Unstetigkeitsstellen (Sprung, Pol, Lücke).
5. Differenzierbarkeit: Existenz der Ableitung (keine Ecken, Knicke oder senkrechte Tangenten).
6. Relative Extremwerte: Lösungen von f'(x) = 0, Überprüfung des Vorzeichens von f''(x) (Minimum bei f''>0, Maximum bei f''<0).
7. Wendepunkte: Lösungen von f''(x) = 0, Überprüfung des Vorzeichens von f'''(x).
8. Monotonie und Krümmung: Intervalle, in denen f' > 0 (steigend) oder f' < 0 (fallend), und f'' > 0 (konvex) oder f'' < 0 (konkav).
9. Verhalten am Rand des Definitionsbereichs bzw. für x → ±∞.
10. Wertetabelle und Graph der Funktion.

Verfahren zur Bestimmung von Nullstellen

Neben algebraischen Methoden gibt es iterative Verfahren zur Annäherung an Nullstellen:

• Regula-Falsi-Verfahren: Für stetige Funktionen.
• Newton-Verfahren: Für differenzierbare Funktionen, nutzt Tangenten zur Annäherung.

Elastizität von Funktionen

Die Elastizität misst die relative Änderung einer abhängigen Variablen y im Verhältnis zur relativen Änderung einer unabhängigen Variablen x.

• Bogenelastizität: Δf/f geteilt durch Δx/x (für größere Änderungen).
• Punktelastizität: εf,x (x0) = f'(x0) * x0 / f(x0) (für infinitesimale Änderungen).

Der Zahlenwert der Punktelastizität gibt (näherungsweise) an, um wie viel Prozent sich f ändert, wenn sich x um 1% ändert.

Interpretation der Elastizität (am Beispiel Nachfragefunktion x(p))

| Wertbereich von |x,p| | Allgemeiner Begriff | Beispiel: Nachfragefunktion x(p) | | :--------------: | :------------------- | :--------------------------------------------------------------------------------------------------------------------------- | | > 1 | elastisch | Die Nachfrage x ist elastisch: Relativ starke Reaktion der Nachfrager auf (kleine) relative Preisänderungen. (Bsp.: Genussmittel) | | < 1 | unelastisch | Die Nachfrage x ist unelastisch: Relativ geringe Reaktion der Nachfrager auf Preisänderungen. (Bsp.: Medikamente) | | = 1 | proportional elastisch | Die Nachfrage x ist proportional elastisch: Eine 1%ige Preisänderung bewirkt eine 1%ige Nachfrageänderung. | | → ∞ | vollkommen elastisch | Die Nachfrage x ist vollkommen elastisch: Kleinste Preisänderungen bewirken unendlich große Nachfrageänderungen. (Bsp.: Preisfixierte Markenartikel) | | ≡ 0 | vollkommen unelastisch | Die Nachfrage x ist starr (vollkommen unelastisch): Keine Reaktion der Nachfrager auf Preisänderungen. (Bsp.: Unentbehrliche Güter) |

Wichtige Elastizitätsbegriffe in der Ökonomie

• Preiselastizität der Nachfrage/des Angebots: x,p.
• Kreuzpreiselastizität der Nachfrage/des Angebots: x1,p2 (relative Nachfrageänderung eines Gutes bei 1%iger Preisänderung eines anderen Gutes).
• Produktionselastizität: x,ri (Elastizität des Outputs bzgl. des i-ten Produktionsfaktors).

Differentialrechnung von Funktionen mehrerer Veränderlicher

Um reale Sachverhalte abzubilden, müssen häufig Funktionen mit mehreren unabhängigen Variablen (x1, x2,..., xn) verwendet werden.

• Partielle Ableitung: fxi, die erste Ableitung einer Funktion f nach einer Variablen xi, wobei alle anderen Variablen als Konstanten behandelt werden.
• Gradient: Ein Vektor, der alle ersten partiellen Ableitungen einer Funktion f zusammenfasst. ∇f = (fx1,..., fxn)^T.
• Hesse-Matrix: Eine Matrix, die alle zweiten partiellen Ableitungen einer Funktion f enthält. Sie ist entscheidend für die Bestimmung von Extrema.

Extrema bei Funktionen mit mehreren unabhängigen Variablen

Die Bestimmung von Extrema ist zentral für Optimierungsprobleme in der Wirtschaft.

Relative Extrema ohne Nebenbedingungen

• Notwendige Bedingung: Alle ersten partiellen Ableitungen müssen an einer stationären Stelle P (x1,..., xn) null sein (∇f = 0).
• Hinreichende Bedingung (für zwei Variablen f(x1, x2)): An einer stationären Stelle P gilt:
• Wenn fx1x1(P) * fx2x2(P) > (fx1x2(P))^2:
• Relativer Maximum, wenn fx1x1(P) < 0.
• Relativer Minimum, wenn fx1x1(P) > 0.
• Wenn fx1x1(P) * fx2x2(P) < (fx1x2(P))^2: Sattelpunkt.

Relative Extrema unter Nebenbedingungen (Lagrange-Methode)

Diese Methode dient der Optimierung einer Zielfunktion Z = f(x1,..., xn) unter m (< n) Nebenbedingungen in Gleichungsform g1=0,..., gm=0.

Die Grundidee ist die Bildung einer Lagrange-Funktion L = f(x1,..., xn) + λ1g1(x1,..., xn) +... + λmgm(x1,..., xn), wobei λ die Lagrange-Multiplikatoren sind.

• Notwendige Bedingungen: Die partiellen Ableitungen der Lagrange-Funktion nach allen xi und allen λ müssen null sein.

Die Lagrange-Methode findet die relativen Extrema der Zielfunktion, die die Nebenbedingungen erfüllen. Ökonomische Beispiele hierfür sind Nutzenmaximierung bei Budgetrestriktionen oder Kostenminimierung bei vorgegebenem Produktionsniveau.

Häufig gestellte Fragen zu den Grundlagen der Wirtschaftsmathematik

Was ist der Unterschied zwischen Linearer Algebra und Analysis in der Wirtschaftsmathematik?

Die Lineare Algebra befasst sich hauptsächlich mit Vektoren, Matrizen, linearen Gleichungssystemen und linearen Optimierungsproblemen, die zur Modellierung und Lösung diskreter Probleme und Strukturanalysen verwendet werden. Die Analysis hingegen konzentriert sich auf Funktionen, Ableitungen, Integrale und Extremwertprobleme, die zur Beschreibung von stetigen Prozessen, Optimierungen und der Untersuchung von Änderungsraten in ökonomischen Modellen dienen.

Wofür brauche ich den Gauß-Jordan-Algorithmus?

Der Gauß-Jordan-Algorithmus ist ein systematisches Verfahren, um lineare Gleichungssysteme zu lösen. Er ist besonders nützlich, wenn Sie die genaue Lösung für mehrere Unbekannte in einem System von linearen Gleichungen finden müssen, wie sie häufig in der Kostenrechnung, Produktionsplanung oder Angebots- und Nachfrageanalysen auftreten. Er kann auch zur Bestimmung der inversen Matrix verwendet werden.

Was bedeutet "Elastizität" in der Ökonomie und warum ist sie wichtig?

Elastizität misst die Empfindlichkeit einer Variablen gegenüber Änderungen einer anderen Variablen. In der Ökonomie ist sie entscheidend, um zu verstehen, wie beispielsweise die Nachfrage nach einem Produkt auf Preisänderungen reagiert (Preiselastizität der Nachfrage). Dies hilft Unternehmen bei der Preisgestaltung, der Umsatzprognose und der Strategieentwicklung, da es aufzeigt, ob eine Preiserhöhung zu einem größeren oder kleineren Umsatz führen würde.

Wann verwende ich eine Kurvendiskussion für ökonomische Funktionen?

Eine Kurvendiskussion wird verwendet, um das detaillierte Verhalten einer ökonomischen Funktion zu analysieren. Sie hilft Ihnen, wichtige Punkte wie Nullstellen (z.B. Break-Even-Punkte), Extremwerte (z.B. Gewinnmaximierung oder Kostenminimierung), Wendepunkte (z.B. Umschlagpunkte in der Produktionseffizienz) und das allgemeine Wachstums- oder Rückgangsverhalten einer Funktion zu identifizieren und zu interpretieren.

Was ist die Lagrange-Methode und wann wird sie angewendet?

Die Lagrange-Methode ist ein leistungsfähiges mathematisches Verfahren zur Bestimmung von Extremwerten (Maxima oder Minima) einer Funktion unter bestimmten Nebenbedingungen. Sie wird angewendet, wenn Sie eine Größe optimieren möchten (z.B. Gewinn maximieren, Kosten minimieren), aber dabei bestimmte Einschränkungen (z.B. Budget, Ressourcen, Produktionskapazitäten) berücksichtigen müssen. In der Ökonomie findet sie breite Anwendung in Problemen der Nutzenmaximierung unter Budgetrestriktionen oder der Produktionsoptimierung.