Korrektur Aufgabe 8.1
|
|
- Luisa Lange
- vor 5 Jahren
- Abrufe
Transkript
1 Korrektur Aufgabe 8.1 Anstatt x 2-2x+3 muss es heissen x 2-4x
2 Wiederholung Arithmetik auf Polynomen mit Grad n Polynome in Koeffizientendarstellung Auswerten: O(n) mit Horner-Schema Addition/Subtraktion: O(n) Multiplikation/Division: O(n 2 ) mit Schulmethode Polynome in Point-value Form Interpolation: O(n 2 ) mit Lagrange-Interpolation Addition/Subtraktion: O(n) Multiplikation: O(n)
3 Multiplizieren von Polynomen Koeffizientenform Gewöhnliche Multiplikation O(n 2 ) a 0,,a n-1 c b 0,,b 0,,c 2n-1 n-1 Auswertung Ziel: O(n logn) a(ω 2n 0),, a(ω 2n 2n 1) b(ω 2n 0),, b(ω 2n 2n 1) Punktweise Multiplikation O(n) Interpolation Ziel: O(n logn) c(ω 2n 0),, c(ω 2n 1 2n ) Point-value Form
4 n-te Einheitswurzeln Def: Eine n-te Einheitswurzel ist eine komplexe Zahl ω C mit der Eigenschaft ω n = 1 Es gibt exakt n viele n-te Einheitswurzeln e 2πik/n für k=0,1,,n-1 Erinnerung: e iα = cos(α) + i*sin(α) n-te Einheitswurzeln besitzen gleichen Abstand auf dem Einheitskreis in der komplexen Ebene ω n = e 2πi/n heißt primitive n-te Einheitswurzel Alle n-ten Einheitswurzeln sind Potenzen von ω n
5 Gruppeneigenschaft Satz: (<ω n >,*) ist eine multiplikative, zyklische Gruppe der Ordnung n. Neutrales Element: 1. Ordnung: ω n n=e 2πi = 1. Abgeschlossenheit: ω n i * ω n j = ω n i+j mod n Inverses zu ω n i ist ω n n-i
6 Eliminations- und Halbierungslemma Eliminationslemma: Für alle n,k N 0 und d N: ω dn dk = ω n k ω dn dk = (e 2πi/dn ) dk = (e 2π i/n ) k = ω n k Korollar: Für jede gerade Zahl n N: ω n n/2 = ω 2 = -1 ω 2 = e πi = cos(π) + isin(π) = (-1) Halbierungslemma: Sei n>0 gerade. Dann sind die Quadrate der n-ten Einheitsheitswurzeln gerade die n/2-ten Einheitswurzeln. Eliminationslemma: (ω n k) 2 = ω n/2 k. Jede zwei n-te Einheitswurzeln haben dasselbe Quadrat: (ω n k) 2 = (- ω n k) 2 = (ω n n/2 * ω n k) 2 = (ω n k+n/2)
7 Discrete Fourier Transform (DTF) ObdA: grad(a) < n = 2 k a(x) sei als Koeffizientenvektor a=(a 0,,a n-1 ) gegeben a g = (a 0, a 2, a 4,, a n-2 ) a u = (a 1, a 3, a 5,, a n-1 ) Werten a(x) an den Stützstellen ω n k für k=0,,n-1 aus Sei y k = a(ω n k) = j=0 n-1 a j ω n kj für k=0,,n-1 y = (y 0,,y n-1 ) ist die diskrete Fouriertransformierte von a=(a 0,,a n-1 ) Schreibweise: y = DFT n (a, ω)
8 Fast Fourier Transform (FFT) Splitte Polynom a(x) in zwei Teile 1. a g (x) = a 0 + a 2 x + a 4 x a n-2 x n/2-2 bzw. a g = (a 0, a 2, a 4,, a n-2 ) 2. a u (x) = a 1 + a 3 x + a 5 x a n-1 x n/2-1 bzw. a u = (a 1, a 3, a5,, a n-2 ) Dann gilt: a(x) = a g (x 2 ) + x*a u (x 2 ) Berechnen von DFT n (a): Auswerten von a(x) an ω n 0,,ω n n-1 Auswerten der Polynome a g, a u vom Grad < n/2 an den Stellen (ω n 0) 2 = ω n/2 0, (ω n 1) 2 = ω n/2 1,, (ω n n/2-1) 2 = ω n/2-1 n/2, (ω n n/2) 2 = ω n/2 0, (ω n n/2+1) 2 = ω n/2 1,, (ω n n-1) 2 = ω n/2-1 n/2 D.h. es genügt a g und a u an n/2 vielen Stellen auszuwerten. Berechnen von DFT n/2 (a g,ω) und DFT n/2 (a u,ω). Kombinieren von a(x) mittels a g und a u. y = DFT(a) mit y k = a(ω n k) = a g (ω n/2 k) + ω k n *a u (ω n/2 k) = a g (ω n 2k) + ω n k*a u (ω n 2k) Laufzeit: T(n) = 2*T(n/2) + O(n), T(1) = O(1). T(n) = O(n logn) (Übungsaufgabe)
9 FFT-Algorithmus Algorithmus FFT EINGABE: a=(a 0,,a n-1 ), n=2 k 1. If (n=1) return a 2. ω n e 2πi/n ; ω 1 3. (y 1g,y 2g,, y n/2g ) FFT(a 0,a 2,,a n-2, n/2) 4. (y 1u,y 2u,, y n/2u ) FFT(a 1,a 3,,a n-1, n/2) 5. for k = 0 to n/ y k y k g + ω y k u 2. y k+(n/2) y k g - ω y k u 3. ω ω*ω n AUSGABE: y=(y 0,,y n-1 )
10 Korrektheit Schritt 1: y 0 = a(ω 1 ) = a 0 *ω 1 0 = a 0 Schritt 2+5.2: Update von ω = ω n k. Schritt 3+4: (y 1g,y 2g,, y n/2g ) = DFT n/2 (a g,ω), d.h. y g k = a g (ω n/2 k) = a g (ω n 2k) (y 1u,y 2u,, y n/2u ) = DFT n/2 (a u,ω), d.h. y u k = a u (ω n/2 k) = a u (ω n 2k) Schritt 5.1: y k = y g k + ω n k*y u k = a g (ω n 2k) + ω n k*a u (ω n 2k) = a(ω n k) für k=0,,n/2-1 Schritt 5.2: y k+n/2 = y g k - ω k n y u k = y g k + ω k+n/2 n y u k = a g (ω n 2k) + ω k+n/2 n a u (ω n 2k) = a g (ω n 2k+n) + ω k+n/2 n a u (ω n 2k+n) = a(ω n k+n/2) für k+n/2=n/2,,n
11 Summationslemma Lemma: Für alle n,i N mit n - i k=0 n-1 (ω ni ) k = 0. n 1 X k=0 (ωn) i k = (ωi n) n 1 ωn i 1 = (ωn n) i 1 ω i n 1 = 1i 1 ω i n 1 =
12 Inverse Diskrete Fourier Transformation Interpolation: Point-value Koeffizientenform Darstellung der DFT als Matrix-Vektor Produkt: ω n ωn 2... ωn n 1 1 ωn 2 ωn 4... ω 2(n 1).. 1 ωn n ωn 2(n 1)... ω n (n 1)(n 1) n a 0 a 1 a 2. a n 1 = y 0 y 1 y 2. y n 1 Vandermonde-Matrix V mit Einträgen v ij = ω n ij für 0 i,j n-1 Man beachte: V = V T Inverse Diskrete Fourier Transformation a = DFT n -1(y, ω) = V -1 y
13 Invertieren von V Satz: Sei V -1 =(v i,j ) für 1 i,j n. Dann gilt v i,j = 1/n*ω n -ij. Zeigen V*V -1 = I n, die (n n)-einheitsmatrix Betrachten (i,j)-eintrag von V*V -1 n-1 k=0 ω ik n * 1/n*ω -kj n = 1/n n-1 k=0 ω ki n * ω -kj n = 1/n n-1 k=0 ω k(i-j) n Für i = j liefert die Summation 1. Fall i j: i-j < n-1, d.h. n - i-j k=0 n-1 (ω n i-j) k = 0 (Summationslemma) Korollar: a = DFT n -1 (y, ω) = 1/n*DFT n (y, ω -1 ). D.h. die inverse diskrete Fouriertransformation lässt sich in Zeit O(n logn) berechnen
14 Multiplizieren von Polynomen a(ω 2n 0),, a(ω 2n 2n 1) b(ω 2n 0),, b(ω 2n 2n 1) Koeffizientenform Gewöhnliche Multiplikation O(n 2 ) a 0,,a n-1 c b 0,,b 0,,c 2n-1 n-1 DFT 2n ((a 0,,a n-1,0,,0), ω) DFT 2n ((b 0,,b n-1,0,,0), ω) O(n logn) Punktweise Multiplikation O(n) Point-value Form 1/(2n)*DFT 2n (c, ω -1 ) O(n logn) c(ω 2n 0),, c(ω 2n 2n 1)
Division mit Schulmethode
Division mit Schulmethode Satz Division mit Rest von Polynomen Seien a(x), b(x) Q[x] mit b(x) 0. Dann gibt es eindeutige q(x), r(x) Q[x] mit a(x) = q(x) b(x) + r(x) und grad(r) < grad(b). Beweis: Sei grad(a)
MehrDiskrete Fourier-Transformation Stefanie Dourvos Institut für Informatik FU Berlin
Diskrete Fourier-Transformation Stefanie Dourvos Institut für Informatik FU Berlin 28.04.09 Übersicht Einleitung Problem: polynomiale Multiplikation Crashkurs Diskrete Fourier-Transformation DFT mit FFT
MehrDie inverse Diskrete Fourier Transformation
Die inverse Diskrete Fourier Transformation Konvertierung von der Point-value Form in Koeffizientenform. Dazu stellen wir die DFT als Matrix-Vektor Produkt dar 1 1 1... 1 1 ω n ωn 2... ωn n 1 a 0 y 0 1
Mehr3.5 Schnelle Fouriertransformation (FFT, DFT)
3.5 Schnelle Fouriertransformation (FFT, DFT) 3.5.1 Grundlagen Ein Polynom P = i a ix i C[x] vom Grad n ist eindeutig durch seine Koeffizienten a i bestimmt, d.h. man hat eine Bijektion {Polynome C[x]
Mehr1.7 Die schnelle Fourier-Transformation (FFT)
1.7 Die schnelle Fourier-Transformation (FFT) Polynom in Koeffizientendarstellung: A(x) = a 0 + a 1 x + a 2 x 2 +... + a n 1 x n 1 = 0 i n 1 a i x i, mit a 0,..., a n 1 Zahlenbereich Z oder R oder C. Für
Mehr8.7 Die schnelle Fourier-Transformation
8.7 Die schnelle Fourier-Transformation Aufgabe: Gegeben zwei Polynome A(x) und B(x), als A(x) = a i x i und B(x) = 0 i n 1 berechne das Polynomprodukt A(x) B(x) = C(x) = 0 k 2n 2 0 j n 1 c k x k, d. h.
Mehr8.7 Die schnelle Fourier-Transformation Aufgabe: Gegeben zwei Polynome A(x) und B(x), als A(x) =
8.7 Die schnelle Fourier-Transformation Aufgabe: Gegeben zwei Polynome A(x) und B(x), als A(x) = a i x i und B(x) = 0 i n 1 berechne das Polynomprodukt A(x) B(x) = C(x) = 0 k 2n 2 0 j n 1 c k x k, d. h.
MehrDiskrete Fourier-Transformation Stefanie Dourvos Institut für Informatik FU Berlin
Diskrete Fourier-Transformation Stefanie Dourvos Institut für Informatik FU Berlin 28.04.09 Übersicht Einleitung Problem: polynomiale Multiplikation Crashkurs Diskrete Fourier-Transformation DFT mit FFT
MehrDie schnelle Fouriertransformation
Die schnelle Fouriertransformation Die stetige Fouriertransformation ˆf : Z C eines Signals f : [0, π] C ist gegeben durch ˆf(k) = π 0 f(t)e kt dt Die folgende Umkehrformel drückt dann f als Fourierreihe
MehrAlgebraische und arithmetische Algorithmen
Kapitel 1 Algebraische und arithmetische Algorithmen 1.1 Das algebraische Berechnungsmodell Struktur: Körper (oder Ring) mit den Operationen +,,, (/) Eingabe: endliche Folge von Zahlen Ausgabe: endliche
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Wintersemester 2012/13 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm 10 Numerische Algorithmen Matrizen Lineare
MehrDiskrete und Schnelle Fourier Transformation. Patrick Arenz
Diskrete und Schnelle Fourier Transformation Patrick Arenz 7. Januar 005 1 Diskrete Fourier Transformation Dieses Kapitel erläutert einige Merkmale der Diskreten Fourier Transformation DFT), der Schnellen
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2016 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute 7 Fortgeschrittene Datenstrukturen 8 Such-Algorithmen
MehrSatz 142 (Partialbruchzerlegung)
Satz 142 (Partialbruchzerlegung) Seien f, g K[x] (K = Q, R, C) Polynome mit grad(g) < grad(f), und es gelte f(x) = (x α 1 ) m1 (x α r ) mr mit N m i 1 und paarweise verschiedenen α i K (i = 1,, r) Dann
MehrModulare Polynomarithmetik: Evaluation und Interpolation
Modulare Polynomarithmetik: Evaluation und Interpolation Zwei Polynome f(x) und g(x) vom Grad 3 sollen miteinander multipliziert werden. Das Produkt h(x) = f(x) g(x) ist ein Polynom vom Grad 7. > f :=
MehrErweiterter Euklidischer Algorithmus
Erweiterter Euklidischer Algorithmus Algorithmus ERWEITERTER EUKLIDISCHER ALG. (EEA) EINGABE: a, b N 1 If (b = 0) then return (a, 1, 0); 2 (d, x, y) EEA(b, a mod b); 3 (d, x, y) (d, y, x a b y); AUSGABE:
MehrAlgorithmen für Polynome Vorlesung Wintersemester 2004/05
Algorithmen für Polynome Vorlesung Wintersemester 2004/05 Prof. H.-G. Gräbe, Institut für Informatik, http://www.informatik.uni-leipzig.de/~graebe 14. Oktober 2004 Dieser Kurs ist eine Abspaltung aus dem
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 24 Das Lernen und der Orgasmus finden letztlich im Kopf statt Der Satz von Cayley-Hamilton Arthur Cayley
MehrPanorama der Mathematik und Informatik
Panorama der Mathematik und Informatik 20: Algorithmen V: Schnelle Multiplikation Dirk Frettlöh Technische Fakultät / Richtig Einsteigen 18.6.2015 Eine weitere Anwendung der schnellen Fouriertransformation:
MehrRunde 9, Beispiel 57
Runde 9, Beispiel 57 LVA 8.8, Übungsrunde 9,..7 Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 3..7 Angabe Seien y, z C N und c, d C N ihre Spektralwerte. Außerdem bezeichne (x k ) k die N - periodische
MehrAlgorithm Theory 3 Fast Fourier Transformation Christian Schindelhauer
Algorithm Theory 3 Fast Fourier Transformation Institut für Informatik Wintersemester 2007/08 Chapter 3 Fast Fourier Transformation 2 Polynomials Polynomials p over real numbers with a variable x p(x)
MehrWiederholung. Gruppen. Untergruppen. Gruppenisomorphismen. Ordnung: Gruppe, Element Satz von Euler: a ord(g) = 1 Elementordung teilt Gruppenordnung
Wiederholung Gruppen Ordnung: Gruppe, Element Satz von Euler: a ord(g) = 1 Elementordung teilt Gruppenordnung Untergruppen Satz von Lagrange Untergruppenordnung teilt Gruppenordnung Nebenklassen von Untergruppen
Mehr15. Vorlesung. Primitive Polynome (Beispiel) Beispiel zur Konstruktion von GF(p)[x]/f (x) mit einem primitiven Polynom f (x) (Logarithmentafel)
15. Vorlesung Primitive Polynome (Beispiel) Beispiel zur Konstruktion von GF(p)[x]/f (x) mit einem primitiven Polynom f (x) (Logarithmentafel) Struktur endlicher Körper Rechnen in endlichen Körpern Isomorphie
MehrIsomorphismus. Definition Gruppen-Isomorphismus. Seien (G, +) und (G, ) Gruppen. Die Abbildung f : G G heißt Gruppen-Isomorphismus, falls gilt
Isomorphismus Definition Gruppen-Isomorphismus Seien (G, +) und (G, ) Gruppen. Die Abbildung f : G G heißt Gruppen-Isomorphismus, falls gilt 1 f ist bijektiv f (u + v) = f (u) f (v) für alle u, v G, die
MehrAlgebraische und arithmetische Algorithmen
Kapitel 1 Algebraische und arithmetische Algorithmen 1.1 Das algebraische Berechnungsmodell Struktur: Körper (oder Ring) mit den Operationen +,,, (/) Eingabe: endliche Folge von Zahlen Ausgabe: endliche
MehrDiskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen)
WS 2015/16 Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
Mehr8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n.
8 Interpolation 81 Problemstellung Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen x 0 < x 1 < < x n Eingabedaten: (x 0, f 0 ),(x 1, f 1 ),,(x n, f n ) Gegebene Daten (x j, f j ) Analysis
Mehr8 Polynominterpolation
8 Polynominterpolation Interpolations-Aufgabe: Von einer glatten Kurve seien nur lich viele Punktewerte gegeben. Wähle einen lichdimensionalen Funktionenraum. Konstruiere nun eine Kurve in diesem Funktionenraum
Mehr12.2 Gauß-Quadratur. Erinnerung: Mit der Newton-Cotes Quadratur. I n [f] = g i f(x i ) I[f] = f(x) dx
12.2 Gauß-Quadratur Erinnerung: Mit der Newton-Cotes Quadratur I n [f] = n g i f(x i ) I[f] = i=0 b a f(x) dx werden Polynome vom Grad n exakt integriert. Dabei sind die Knoten x i, 0 i n, äquidistant
MehrKapitel III Ringe und Körper
Kapitel III Ringe und Körper 1. Definitionen und Beispiele Definition 117 Eine Algebra A = S,,, 0, 1 mit zwei zweistelligen Operatoren und heißt ein Ring, falls R1. S,, 0 eine abelsche Gruppe mit neutralem
MehrEinführung in die Zahlentheorie
Einführung in die Zahlentheorie Jörn Steuding Uni Wü, SoSe 2015 I Zahlen II Modulare Arithmetik III Quadratische Reste IV Diophantische Gleichungen V Quadratische Formen Wir behandeln die wesentliche Zahlentheorie
MehrBeispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung
MehrKörper- und Galoistheorie
Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 26 Konstruierbare Einheitswurzeln Definition 26.1. Sei n N +. Man sagt, dass das regelmäßige n-eck mit Zirkel und Lineal konstruierbar
MehrAlgebraische und arithmetische Algorithmen
Kapitel 1 Algebraische und arithmetische Algorithmen 11 Das algebraische Berechnungsmodell Struktur: Körper (oder Ring mit den Operationen +,,, (/ Eingabe: endliche Folge von Zahlen Ausgabe: endliche Folge
MehrBlockmatrizen. Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 :
Blockmatrizen Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 : 2 1 3 1 1 0 1 0 1 0 0 2 1 1 11 1 1 4 0 1 0 1 0 1 4 1 0 2 1 0 1 0 1 0 3 1 2 1 = 2 4 3 5 11 1 1 4 0 1 0 1 0 1 5 1 2 1 2 4 3 5
MehrKörper- und Galoistheorie
Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 10 Endliche Untergruppen der Einheitengruppe eines Körpers Wir wollen zeigen, dass die Einheitengruppe Z/(p), p Primzahl, zyklisch
MehrKörper- und Galoistheorie
Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 18 Kreisteilungskörper Definition 18.1. Der n-te Kreisteilungskörper ist der Zerfällungskörper des Polynoms X n 1 über Q. Offenbar
MehrAnzahl der Generatoren
Anzahl der Generatoren Satz Anzahl Generatoren eines Körpers Sei K ein Körper mit q Elementen. Dann besitzt K genau φ(q 1) viele Generatoren. Beweis: K ist zyklisch, d.h. K besitzt einen Generator a mit
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 26 Einheitswurzeln Definition 26.1. Es sei K ein Körper und n N +. Dann heißen die Nullstellen des Polynoms X n 1 in K die n-ten
MehrMusterlösung Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn
D-ITET, D-MATL Musterlösung Prüfung umerische Methoden, Sommer 01 Dr. Lars Kielhorn 1. a) z = exp(iϕ) = dz = i exp(iϕ) dϕ = c n [f] = 1 π f(exp(iϕ)) exp( iϕn) dϕ π 0 b) Allgemeine zusammengesetzte Trapezregel
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 27 Konstruierbare Einheitswurzeln Definition 27.1. Sei n N +. Man sagt, dass das regelmäßige n-eck mit Zirkel und Lineal konstruierbar
MehrA = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix
Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet
MehrRSA Parameter öffentlich: N = pq mit p, q prim und e Z RSA Parameter geheim: d Z φ(n)
RSA Parameter { öffentlich: N = pq mit p, q prim und e Z RSA Parameter φ(n) geheim: d Z φ(n) mit ed = 1 mod φ(n). Satz RSA Parameter Generierung RSA-Parameter (N, e, d) können in Zeit O(log 4 N) generiert
MehrAlgorithmen zur effizienten Schätzung der Kovarianzfunktion von Binärbildern
Algorithmen zur effizienten Schätzung der Kovarianzfunktion von Binärbildern 1 Definition der Kovarianzfunktion Beispiel für den Fall d (Verschiebung) 3 Bestimmung der Kovarianz mittels Verschiebungs-
MehrDarstellung von Gruppen
Darstellung von Gruppen Definition Darstellung von Gruppen Sei G eine endlich erzeugte abelsche Gruppe mit Erzeugern S = (g 1,..., g k ) G k. Elemente des Kerns von ϕ S : Z k G, (m 1,..., m k ) k i=1 m
MehrWiederholung. Divide & Conquer Strategie
Wiederholung Divide & Conquer Strategie Binäre Suche O(log n) Rekursives Suchen im linken oder rechten Teilintervall Insertion-Sort O(n 2 ) Rekursives Sortieren von a[1..n-1], a[n] Einfügen von a[n] in
MehrStudienrichtung: Physik / technische Mathematik, Lehramt, oder andere.
Lineare Algebra und Analytische Geometrie II Sommer 26 2.9.26 Zweite Klausur für Studierende der Mathematik (inkl. Lehramt) Dritte Klausur für Studierende der Physik Name (deutlich lesbar!):.......................................................................
MehrLineare Algebra I 8. Übungsblatt - Weihnachtszettel - Lösungen
Prof. Dr. Duco van Straten Blatt 8 - Lösungen Oliver Labs 8. Dezember 2003 Konrad Möhring Lineare Algebra I 8. Übungsblatt - Weihnachtszettel - Lösungen. Skizzieren Sie die folgenden Teilmengen der GAUSSschen
MehrMotivation Phasenbestimmung
Motivation Phasenbestimmung Problem Spezialfall der Phasenbestimmung Gegeben: Zustand z = 1 n y {0,1} n( 1)x y y Gesucht: x F n Für n = 1 ist der Zustand z = 1 ( 0 + ( 1) x 1 ) = H x. Es gilt H z = x,
MehrDer (7, 4)-Hamming-Code
Polynomcodes p. 1 Der (7, 4)-Hamming-Code Der 1-Fehler-korrigierende Hamming-Code der Länge 7 besteht aus 16 binären 7-Tupeln: 0000000 1111111 1101000 0010111 0110100 1001011 0011010 1100101 0001101 1110010
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 2017 / 2018 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen 5 Übungsblatt: Diskrete
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 2016 / 2017 Institut für Informatik Prof Dr Daniel Cremers Dr Frank Schmidt Nikola Tchipev Michael Rippl Numerisches Programmieren, Übungen 7 Übungsblatt: Diskrete Fourier-Transformation,
MehrDer Körper F 2 p. Lemma. Sei D R, aber D kein Quadrat in R. Dann gilt R[ D] = R R.
Der Körper F 2 p Lemma Sei D R, aber D kein Quadrat in R. Dann gilt R[ D] = R R. Wir definieren den Isomorphismus φ : R[ D] R R mit x + y D (x + yd, x yd). Die Bijektivität von φ folgt mit der Umkehrabbildung
MehrAnalysis I. Vorlesung 21. Die Zahl π
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 21 Die Zahl π Die Zahl π ist der Flächeninhalt bzw. der halbe Kreisumfang eines Kreises mit Radius 1. Um darauf eine präzise Definition
MehrSeminar über Darstellungstheorie endlicher Gruppen: Lemma von Schur, Darstellungen abelscher Gruppen, Räume von Darstellungshomomorphismen
Seminar über Darstellungstheorie endlicher Gruppen: Lemma von Schur, Darstellungen abelscher Gruppen, Räume von Darstellungshomomorphismen Aline Kaszuba, Lukas Böke 15. März 2016 Die folgende Diskussion
MehrEffiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra
Effiziente Algorithmen und Datenstrukturen I Kapitel 10: Lineare Algebra Christian Scheideler WS 2008 19.02.2009 Kapitel 10 1 Überblick Notation Arithmetik auf großen Zahlen (Addition und Multiplikation)
MehrDiskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)
Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher
Mehr6 Polynominterpolation
Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 6 Polynominterpolation Gegeben: Wertepaare { (x i,f i ) R 2 i = 0,,n } Gesucht: Einfache Funktion g : R R mit g(x i ) = f i i {0,1,,n}
Mehr= 1. Falls ( a n. ) r i. i=1 ( b p i
Das Jacobi-Symbol Definition Jacobi-Symbol Sei n N ungerade mit Primfaktorzerlegung n = s definieren das Jacobi-Symbol ( a ( ) ri n) := s a i=1 p i. i=1 pr i i. Wir Anmerkungen: Falls a quadratischer Rest
MehrKomplexe Zahlen. (a, b) + (c, d) := (a + c, b + d) (a, b) (c, d) := (a c b d, a d + b c)
Komplexe Zahlen Wir betrachten Zahlenpaare (a, b, (c, d R und definieren eine Addition und eine Multiplikation wie folgt: (a, b + (c, d := (a + c, b + d (a, b (c, d := (a c b d, a d + b c Satz: R mit dieser
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen
MehrTeil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.
Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel
MehrBsp: Die kleinsten Carmichael-Zahlen sind 561, 1105, 1729, Es gibt unendlich viele Carmichael-Zahlen (Beweis 1994).
Primzahltest Wir wollen testen, ob eine gegebene Zahl n eine Primzahl ist Effizienter Algorithmus zum Faktorisieren ist unbekannt Kontraposition des Kleinen Satzes von Fermat liefert: Falls a n 1 1 mod
MehrT n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
MehrH.J. Oberle Analysis II SoSe Interpolation
HJ Oberle Analysis II SoSe 2012 7 Interpolation 71 Allgemeine Problemstellung Interpolation ist die Kunst, zwischen den Zeilen einer Tabelle zu lesen (Rutishauser) Von f : R R seien Funktionswerte (x j,
Mehr7 Matrizen über R und C
Mathematik für Physiker I, WS 0/05 Montag 5. $Id: matrix.tex,v. 0//5 :6:05 hk Exp $ 7 Matrizen über R und C 7. Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit
Mehr1 Rechnen mit 2 2 Matrizen
1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12
MehrPseudo-Zufallsgeneratoren basierend auf dem DLP
Seminar Codes und Kryptografie SS 2004 Struktur des Vortrags Struktur des Vortrags Ziel Motivation 1 Einleitung Ziel Motivation 2 Grundlegende Definitionen Zufallsgeneratoren 3 Generator Sicherheit 4 Generator
MehrMLAN1 1 MATRIZEN 1 0 = A T =
MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente
Mehr5 Die Allgemeine Lineare Gruppe
5 Die Allgemeine Lineare Gruppe Gegeben sei eine nicht leere Menge G und eine Abbildung (Verknüpfung) : G G G, (a, b) a b( a mal b ) Das Bild a b von (a, b) heißt Produkt von a und b. Andere gebräuchliche
Mehr32 2 Lineare Algebra
3 Lineare Algebra Definition i Die Vektoren a,, a k R n, k N, heißen linear unabhängig genau dann, wenn für alle λ,, λ k R aus der Eigenschaft λ i a i λ a + + λ k a k folgt λ λ k Anderenfalls heißen die
MehrDiskrete Strukturen. Abgabetermin: 20. September 2011, 14 Uhr in die DS Briefkästen
Technische Universität München Fakultät für Informatik Lehrstuhl für Effiziente Algorithmen Prof. Dr. Ernst W. Mayr Dr. Werner Meixner Sommersemester 2011 Übungsblatt 5 12. September 2011 Diskrete Strukturen
MehrWarum z-transformation?
-Transformation Warum -Transformation? Die -Transformation führt Polynome und rationale Funktionen in die Analyse der linearen eitdiskreten Systeme ein. Die Faltung geht über in die Multiplikation von
Mehr2.5 Gauß-Jordan-Verfahren
2.5 Gauß-Jordan-Verfahren Definition 2.5.1 Sei A K (m,n). Dann heißt A in zeilenreduzierter Normalform, wenn gilt: [Z1] Der erste Eintrag 0 in jeder Zeile 0 ist 1. [Z2] Jede Spalte, die eine 1 nach [Z1]
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 29.01.2009 Numerische Methoden und Algorithmen in der Physik Hartmut Stadie 1/ 18 Einführung Fourier-Transformation
MehrUnitäre und orthogonale Matrix
Unitäre und orthogonale Matrix Eine komplexe n n-matrix A heißt unitär, falls A 1 = A t = A, d.h. falls die Spalten von A eine orthonormale Basis von C n bilden. Unitäre und orthogonale Matrizen 1-1 Unitäre
MehrMatrizen. Stefan Keppeler. 28. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen Matrizen 28. November 2007 Summe & Produkt Beispiel: Einwohnerzahlen Beispiel Addition Multiplikation Inverse Addition & Multiplikation Anwendung
MehrDiskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr
Bemerkung: Der folgende Abschnitt Boolesche Algebren ist (im WS 2010/11) nicht Teil des Prüfungsstoffs, soweit nicht Teile daraus in der Übung behandelt werden! Diskrete Strukturen 5.9 Permutationsgruppen
MehrKapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b.
Kapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b. - Polynome, - rationale Funktionen, - trigonometrische Polynome, - Splines. Interpolationsproblem 4: Sei f : [a,b]
MehrDiskrete Mathematik 1
Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 008/09 Blatt
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
Mehr(1 + o(1)) n ln(n) π(n) =
Satz 164. (Euklid): Es gibt unendlich viele Primzahlen Beweis. (Widerspruch:) Angenommen, es gäbe nur k < viele Primzahlen p 1,...,p k. Es ist dann q := (p 1 p 2... p k ) + 1 eine Zahl, die nicht durch
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrInterpolation und Integration mit Polynomen
Interpolation und Integration mit Polynomen Philipp Andrea Zardo Universität Kassel 23. Februar 2006 / Kassel Outline 1 Einleitung Was ist numerische Mathematik? Die eulersche e-funktion Ein Wurzelalgorithmus
MehrVektoren und Matrizen
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden
Mehrc) Realisierung des Gauß Algorithmus in Gleitpunktarithmetik: Fehlerschranke hängt linear ab von max i,k l ik. 8n 3 max i,j,k a (k) ij ε.
Matrix unverändert: A = QR cond 2 (R) = cond 2 (A). c) Realisierung des Gauß Algorithmus in Gleitpunktarithmetik: Fehlerschranke hängt linear ab von max i,k l ik. Spaltenpivotisierung: l ik 1 kleine Fehlerschranke
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrNumerisches Programmieren (IN0019)
Numerisches Programmieren (IN0019) Frank R. Schmidt Winter Semester 2016/2017 7. Fourier Transformation........................................................................................... 2 C-Vektorräume
MehrTechnische Universität München. Lösung Montag WS 2013/14. (Einheitskreis, ohne Rechnung ersichtlich) (Einheitskreis, ohne Rechnung ersichtlich)
Technische Universität München Andreas Wörfel Ferienkurs Analysis 1 für Physiker Lösung Montag WS 01/1 Aufgabe 1 Zum warm werden: Komplexe Zahlen - Lehrling Bestimmen Sie das komplex Konjugierte, den Betrag
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Definition Fouriertransformation F (ω) = F [f(t)] (ω) := 1 2π dt f(t)e iωt Fouriersynthese f(t) = F 1 [F
Mehr5 Interpolation und numerische Approximation
Numerik I 194 5 Interpolation und numerische Approximation 5.1 Polynominterpolation 5.2 Spline-Interpolation 5.3 Diskrete Fourier-Transformation 5.4 Schnelle Fourier-Transformation (FFT) 5.5 Eine Anwendung
MehrZuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.
(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation. y 7y + 10y = sin(2x), y(0) = 1, y (0) = 3. x ( ) Bemerkung: Für festes a gilt L(e ax ) = 1 und L sin(ax) = arctan a. s a x s Die auftretenden
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
MehrSignale, Transformationen
Signale, Transformationen Signal: Funktion s(t), t reell (meist t die Zeit, s eine Messgröße) bzw Zahlenfolge s k = s[k], k ganzzahlig s reell oder komplex s[k] aus s(t): Abtastung mit t = kt s, s[k] =
MehrSpline-Räume - B-Spline-Basen
Spline-Räume - B-Spline-Basen René Janssens 4. November 2009 René Janssens () Spline-Räume - B-Spline-Basen 4. November 2009 1 / 56 Übersicht 1 Erster Abschnitt: Räume von Splinefunktionen Grundlegende
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 2 Beispiele für Gruppen Aus der Vorlesung Mathematik I sind schon viele kommutative Gruppen bekannt. Zunächst gibt es die additiven
Mehr