Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik. Codierungstheorie und Kryptographie
|
|
- Julia Schenck
- vor 5 Jahren
- Abrufe
Transkript
1 Prof. Dr. Jürgen Dassow Otto-von-Guercke-Unverstät Magdeburg Fakultät für Informatk Coderungstheore und Kryptographe Sommersemester
2 2
3 Inhaltsverzechns 1 Defnton und Charakterserung von Codes Defnton von Codes Coderung und Decoderung durch Automaten Entschedbarket der Egenschaft, Code zu sen Codendkator und Konstrukton von Codes Optmale Codes 27 3 Fehlerkorrgerende Codes Fehlertypen und Fehlerkorrektur Bespele für fehlerkorrgerende Codes Abschätzungen für fehlerkorrgerende Codes Lneare Codes 55 Lteraturverzechns 65 3
4 Kaptel 4 Lneare Codes Bsher haben wr Codes als Mengen von Wörtern aufgefasst. Um Codeegenschaften zu ermtteln oder zu untersuchen, haben wr m Wesentlchen kombnatorsche Egenschaften der Wortmenge bzw. der Wörter selbst betrachtet. In Abschntt 3.2 haben wr be den Hammng-Codes festgestellt, dass de Menge der Codewörter sogar enen lnearen Vektorraum bldet. Daher können neben kombnatorschen Egenschaften auch de algebraschen Egenschaften der Wortmenge bem Studum der Hammng-Codes benutzt werden. Dese Möglchket soll n desem Kaptel für ene ganze Klasse von Codes genutzt werden. Jedem Wort w = a 1 a 2... a n der Länge n kann n enendeutger Wese der n-dmensonale Zelenvektor v w = (a 1, a 2,..., a n ) zugeordnet werden. In desem Abschntt werden wr oft ncht zwschen dem Wort und senem zugeordneten Vektor unterschreben. Daher erhalten wr auch ene Addton von Wörtern der Länge n, da m Vektorraum aller n-dmensonalen Vektoren ene Addton defnert st. Des lefert a 1 a 2... a n b 1 b 2... b n = c 1 c 2... c n mt c = a b für 1 n. Defnton 4.1 En Blockcode C {0, 1} heßt lnearer Code, wenn de Elemente aus C enen lnearen Vektorraum über dem Körper {0, 1} blden. 1 Aus den Egenschaften enes lnearen Vektorraumes folgt sofort, dass das Wort 0 n n jedem lnearen Code C {0, 1} n st. Der lneare Code C {0, 1} n hat als Vektorraum ene Dmenson, de wr mt dm(c) bezechnen. Wr sagen dann auch, dass C en [n, dm(c)]-code st. Defnton 4.2 Se C en [n, k]-code. ) Ene Matrx G vom Typ (k, n) heßt Erzeugendenmatrx für C, falls de k Zelen von G en Erzeugendensystem für C (als Vektorraum) blden. ) Ene Matrx H vom Typ (n k, n) heßt Kontrollmatrx für C, falls glt. C = {c c {0, 1} n, Hc T = (0 n ) T } 1 We schon m vorhergehenden Kaptel beschränken wr uns auch n desem Kaptel auf Codes über {0, 1}. Enge unserer Konzepte und Resultate können aber auch für den Fall formulert bzw. bewesen werden, wenn man anstelle des Körpers {0, 1} enen anderen endlchen Körper K und Codes über K (genauer Blockcodes, de n K enthalten snd) betrachtet. 55
5 Da jeder lneare Vektorraum ene Bass bestzt und de Elemente der Erzeugenmatrx ene Bass blden, gbt es zu jedem lnearen Code ene Erzeugendenmatrx. Se C en [n, k]-code. Dann blden de n-dmensonalen Vektoren, de senkrecht auf allen Vektoren aus C stehen, d.h. de Menge aller v mt vc T = 0 für alle c C, enen lnearen Vektorraum C der Dmenson n k. Wählen wr nun ene Bass von C und nehmen deren Elemente als Zelen ener Matrx, so blden dese ene Kontrollmatrx H für C. Des folgt daraus, dass de Menge C aller Vektoren x mt Hx T = (0 n ) T als Lösungsmenge enes lnearen homogenen Glechungssystems enen lnearen Vektorraum der Dmenson n (n k) = k bldet und nach Defnton alle Elemente aus C n C legen, woraus sch C = C ergbt. Damt bestzt auch jeder lneare Code ene Kontrollmatrx. Für den Hammng-Code aus Abschntt 3.2. ergeben sch als Erzeugendenmatrx G = ndem wr de Codewörter so wählen, dass de ersten dre Komponenten ene Permutaton der Enhetsmatrx blden, und als Kontrollmatrx H = , ndem wr aus der Tabelle n Abschntt 3.2 de Wahlen von x 3, x 5 und x 6 auswählen, be denen dese Komponenten erneut m Wesentlchen de Enhetsmatrx blden. Defnton 4.3 ) Unter dem Gewcht w(c) enes Wortes c {0, 1} + verstehen wr de Anzahl der n c vorkommenden Ensen. ) Das Gewcht w(c) enes Blockcodes C {0, 1} n wrd durch defnert., w(c) = mn{w(c) w C \ {0 n } Offenschtlch gelten w(c) = # 1 (c) und d(c 1, c 2 ) = w(c 1 c 2 ) für alle Wörter c 1, c 2 {0, 1} n. Für c = c 1 c 2... c n setzen wr T r(c) = { c = 1}. Dann glt offenbar w(c) = #(T r(c)). Seen c 1 und c 2 zwe Wörter der Länge n. Ohne Beschränkung der Allgemenhet können wr annehmen, dass c 1 = 1 t 0 s 1 r 0 n t s r und c 2 = 0 t 1 s 1 r 0 n t s r glt (durch Umordnen kann des stets errecht werden). Es glt dann w(c 1 c 2 ) = t + s = (t + r) + (s + r) 2r = w(c 1 ) + w(c 2 ) 2 #(T r(c 1 ) T r(c 2 )). (4.1) Wr geben nun ene Charakterserung des Gewchtes enes Codes durch de Kontrollmatrx an. 56
6 Satz 4.1 Es se C en lnearer [n, k]-code und H ene Kontrollmatrx für C. Dann glt w(c) = mn{r es gbt r lnear abhängge Spalten von H} = max{r je r 1 Spalten von H snd lnear unabhängg} Bewes. Es seen h 1, h 2,..., h n de Spalten von H. Da H nur n k Zelen hat, snd de n Spalten lnear abhängg. Es se nun p de mnmale Anzahl lnear abhängger Spalten von H. h 1, h 2,..., h p seen p lnear abhängge Spalten. Dann glt wegen der Mnmaltät von p de Bezehung p j=1 h j = (0 n k ) T. Wr defneren nun den Vektor v = v 1, v 2,... v n dadurch, dass wr genau dann v = 1 setzen, wenn { 1, 2,..., p }. Dann glt n p Hv T = v h = h j = (0 n k ) T. =1 j=1 Damt st nach Defnton der Kontrollmatrx v C. Da w(v) = p st, erhalten wr p w(c). Angenommen, es gbt en c C mt w(c) = t < p. Es seen c k1, c k2,..., c kt de von Null verschedenen Komponenten von c. Da Hc T = (0 n k ) T glt, st n t (0 n k ) T = c h = h kt. =1 j=1 Damt snd de t Spalten h k1, h k2,..., h kt lnear abhängg, was wegen der Mnmaltät von p unmöglch st. Folglch glt w(c) = mn{r es gbt r lnear abhängge Spalten von H}. De andere Glechhet folgt sofort. Wr wollen nun zegen, dass de Berechnung des Codeabstandes be lnearen Codes (erheblch) enfacher st als be belebgen Blockcodes. Satz 4.2 Für enen lnearen Code C glt d(c) = w(c). Bewes. Se zuerst c en Codewort aus C {0, 1} n, für das w(c) = w(c) glt. Da C en lnearer Code st, st 0 n C. Offenbar glt w(c) = d(c, 0 n ) d(c). Folglch haben wr w(c) d(c). Es seen nun c 1 und c 2 zwe (verschedene) Codewörter aus C mt d(c 1, c 2 ) = d(c). Dann erhalten wr d(c) = d(c 1, c 2 ) = w(c 1 c 2 ) w(c). Somt folgt d(c) = w(c). Zur Bestmmung des Codeabstandes müssen wr m allgemenen Fall alle Abstände zwschen zwe Codewörtern betrachten und dann das Mnmum bestmmen. Des erfordert enen quadratschen Aufwand n der Anzahl der Codewörter. Be lnearen Codes haben dagegen nur das Mnmum der Gewchte zu ermtteln, was mt lnearen Aufwand erfolgen kann. Als zwetes Bespel für de Effzenz von lnearen Codes betrachten wr de Decoderung. Nehmen wr an, dass wr en Wort v empfangen haben. Falls es ken Codewort st, so st es sehr natürlch anzunehmen, dass das Codewort x gesendet wurde, für das d(v, x) = mn{d(v, c) c C} (4.2) 57
7 erfüllt st. Des erfordert m Allgemenen enen Aufwand k n #(C), wobe k ene Konstante st (für jedes Codewort erfordert de Berechnung des Abstandes n Vergleche). Se nun C en lnearer [n, k]-code. Wr defneren de Äquvalenzklasse ϱ n {0, 1} n durch (x, y) ϱ genau dann, wenn Hx T = Hy T. (Es st lecht zu sehen, dass ϱ tatsächlch ene Äquvalenzrelaton st.) De Nebenklasse bez. ϱ, de 0 n enthält, besteht dann genau aus den Vektoren x mt Hx T = H(0 n ) T = (0 n k ) T ). Damt besteht dese Nebenklasse genau aus den Elementen aus C. Se nun f en Repräsentant ener Nebenklasse N von ϱ. Dann glt N = f C. Somt gbt es 2 n /#(C) Nebenklassen. Für jede Nebenklasse N bestmmen wr nun das Element f N mt w(f N ) = mn{w(y) y N}. Das empfangene Wort v legt n ener Äquvalenzklasse, sagen wr n N. Für das Codewort x mt (4.2) und f = v x glt Hf T = H(v x) T = Hv t Hx T = Hv T, d.h., dass v und f n der glechen Nebenklasse, also n N legen. Weterhn haben aber auch f N = v + c für en Codewort c. Damt glt c(f N ) = d(v, c ). Wegen der Wahl von f glt daher c(f) c(f N ). Nach Wahl von f N glt aber auch c(f N ) c(f). Folglch st c(f N ) = c(f). Somt können wr zur Decoderung von v, das Codewort c mt v + c = f N verwenden. Um das gesendete Codewort zu ermtteln, recht es also de Elemente f N, wobe N ene Nebenklasse st, durchzumustern und festzustellen, welches von desen Hf T N = Hv T erfüllt. Da de Vektoren Hf T N vorab berechnet werden können, muss also nur Hv T berechnet werden und mt den Hf T N verglchen werden. De Berechnung von Hv T kann n k n 2 Schrtten erfolgen, wobe k ene Konstante st (man gehe entsprechend der Defnton des Produktes vor), jeder der Vergleche erfordert n Schrtte. Folglch haben wr höchstens k n 2 + n 2 n #(C) Schrtte auszuführen. Falls dm(c) = t > n/2 st, so st der Aufwand klener als k n 2 + n2 n t. Deser Aufwand st wegen t < n/2 gernger als der des obgen allgemenen Verfahrens, das kn2 t Schrtte erfordert. Wr wollen nun en paar Aussagen über de maxmale Mächtgket lnearer Codes machen. Da de Anzahl der Elemente enes lnearen Codes der Dmenson k gerade 2 k st, recht es de Dmenson zu maxmeren. Für n 1 und d 1 defneren wr k(n, d) = max{dm(c) C {0, 1} n st lnearer Code mt d(c) d}. Aus den Aussagen von Satz und der Tatsache dass ener Multplkaton be der Mächtgket des Codes ene Addton der Dmenson entsprcht erhalten wr sofort k(n, d) k(n 1, d) + 1, k(n, d) = k(n + 1, d 1) für ungerades d, k(2n, 2d) k(n, d) + k(n, 2d). 58
8 Weterhn defneren wr n(k, d) als de mnmale Zahl n, so dass en lnearer Code C mt C {0, 1} n, d(c) = d und dm(c) = k exstert. Ohne Bewes bemerken wr, dass n ene sowohl n k als auch n d wachsende Funkton st, d.h. es gelten für belebges k 1 und d 1 de Unglechungen n(k + 1, d) > n(k, d) und n(k, d + 1) > n(k, d). Satz 4.3 Für k > 1 st n(k, d) n(k 1, d 2 ) + d. Bewes. Es se C en lnearer [n, k]-code mt n = n(k, d) und Codeabstand d. Ferner se G ene Erzeugendenmatrx von C. Ohne Beschränkung der Allgemenhet können wr annehmen, dass ene Zele von G durch das Codewort c 1 = 0 n d 1 d gebldet wrd (wr wählen als enes der erzeugenden Elemente von C en Wort c 1 mt d = d(c 1, 0 n ) und vertauschen notfalls de Rehenfolge (d.h. de Spalten der Matrx), um c zu erhalten). De Zelen von G seen c 1, c 2,..., c k. Für 2 k se d de Zele aus G, de aus c durch Strechen der letzten d Komponenten hervorgeht. G se de Matrx mt den Zelen d 2, d 3,..., d k. Angenommen, de Zelen von G wären lnear abhängg. Dann hätten wr k 1 =2 α d = 0 n d, wobe α = 1 für mndestens en mt 2 d glt. Wr betrachten nun c = k 1 =2 α c. Offenschtlch st c C wegen der Lneartät von C. Außerdem glt c = 0 n d c. Falls c c 1, so glt d(c, 0 n ) < d, womt en Wderspruch zu d = d(c) besteht. Somt muss c = c 1 sen. Dann glt aber (wegen 1=-1) c 1 k 1 =2 α c = 0 n m Wderspruch zur lnearen Unabhänggket der Zelen von G. Daher st unsere Annahme falsch, und folglch snd de Zelen d 2, d 3,..., d n lnear unabhängg und blden enen [n d, k 1]-Code C. Es se d = d(c ). Dann gbt es ene Zele b n G mt w(b ) = d. In G gbt es dann ene Zele b = b b mt b {0, 1} d. Damt erhalten wr c 1 b C und w(c 1 b) = d + d w(b ) d und w(b) = d + w(b ) d, woraus 2d d resultert. Folglch st d(c ) d/2 und n d n(k 1, d/2 ), was zu bewesen war. Unter Berückschtgung von n(1, d) = d und d/2 2 = d 2 +1 ergbt sch aus Satz 4.3 durch Indukton sofort de folgende Aussage, de als Gresmer- Schranke für lneare Codes bekannt st. Folgerung 4.4 Für k 1 glt k 1 n(k, d) d 2. Aus der Gresmer-Schranke ergbt sch auch ene Abschätzung für k(n, d). 59 =1
9 Folgerung 4.5 Es glt k 1 k(n, d) max{k d 2 n}. =1 Bewes. Se Dann glt wegen Folgerung 4.4 k 1 l = max{k d 2 n}. =1 l n(l + 1, d) d =1 2 > n}. Wäre nun k(n, d) > l, so wäre wegen der Monotone von n(k, d) auch n = n(k(n, d), d) n(l + 1, d) > n, woraus en Wderspruch resultert. Wr wollen nun lneare Codes konstrueren, de bewesen, dass de Gresmer-Schranke optmal st. Dazu geben wr zuerst ene Methode an, mt der aus lnearen Codes neue lneare Codes gewonnen werden können und de Parameter des neuen Codes sch aus denen der gegebenen Codes enfach errechnen lassen. Lemma 4.6 Seen de lnearen Codes C 1 und C 2 mt den Dmensonen k 1 bzw. k 2 und den Codeabständen d 1 und d 2 gegeben. Dann st en lnearer Code mt C = C 1 αc 2 = {(c 1, c 1 c 2 ) c 1 C 1, c 2 C 2 } C {0, 1} 2n, dm(c) = k 1 + k 2 und d(c) = mn{2d 1, d 2 }. Bewes. Nach Defnton glt C {0, 1} 2n. Damt st C en Blockcode. Es blebt daher zu zegen, dass C en lnearer Vektorraum st, um C als lnearen Code nachzuwesen. Dafür recht es nach den Krteren für Vektorräume zu bewesen, dass für belebge Elemente x und y aus C und γ {0, 1} auch x y und γx n C legen. Seen x = (c 1, c 1 c 2 ) und y = (c 1, c 1 c 2) mt c 1, c 1 C 1 und c 2, c 2 C 2. Dann ergbt sch x y = (c 1, c 1 c 2 ) (c 1, c 1 c 2) = (c 1 c 1, (c 1 c 2 ) (c 1 c 2)) = (c 1 c 1, (c 1 c 1) (c 2 c 2)), woraus mt c 1 c 1 C 1 und c 2 c 2 C 2 folgt, dass x y C glt. Wegen 0 x = 0 2n = (0 n, 0 n 0 n ) C und 1 x = x C st auch de zwete Forderung erfüllt. Offenschtlch st de Abbldung τ : (C1 C 2 ) C vermöge (c 1, c 2 ) (c 1, c 1 c 2 ) ene Isomorphe zwschen den Vektorräumen (C1 C 2 ) (mt komponentenweser Addton) und C (denn es gelten τ((c 1, c 1) (c 2, c 2)) = τ((c 1 c 2, c 1 c 2)) = (c 1 c 1, (c 1 c 1) (c 2 c 2)) = (c 1, c 1 c 1) (c 1, c 1 c 2) = τ((c 1, c 1)) τ((c 2, c 2)) 60
10 und τ(γ(c 1, c 2 )) = τ((γc 1, γc 2 )) = (γc 1, γc 1 γc 2 ) = (γc 1, γ(c 1 c 2 )) = γτ((c 1, c 2 )). Damt glt dm(c) = dm(c 1 C 2 ) = k 1 + k 2. Se c = (c 1, c 1 c 2 ). Zuerst betrachten wr den Fall, dass c 2 = 0 n glt. Dann ergbt sch Für c 2 0 n erhalten wr w(c) = w(c 1 ) + w(c 1 c 2 ) w(c) = w(c 1 ) + w(c 1 ) = 2 w(c 1 ) 2d 1. = w(c 1 ) + w(c 1 ) + w(c 2 ) 2 #(T r(c 1 ) T r(c 2 )) (wegen (4.1)) w(c 2 ) (wegen w(c 1 ) = #(T r(c 1 )) #(T r(c 1 ) T r(c 2 )))) d 2. Somt haben wr w(c) mn{2d 1, d 2 } für alle c C. Damt glt d(c) = w(c) mn{2d 1, d 2 }. Es seen c 1 und c 2 Codewörter aus C 1 bzw. C 2 so, dass w(c 1 ) = d(c 1 ) = d 1 bzw. w(c 2 ) = d(c 2 ) = d 2 gelten (also von mnmalen Gewcht n den Codes). Dann erhalten wr wegen 0 n C 1 C 2 w((c 1, c 1 0 n )) = 2w(c 1 ) = 2d 1 und w((0 n, 0 n c 2 )) = w(c 2 ) = d 2. Daher glt d(c) = w(c) = mn{w(c) c C} mn{2d 1, d 2 }, woraus mt Obgem sofort d(c) = mn{2d 1, d 2 } folgt. Wr nutzen de Konstrukton von lnearen Codes aus lnearen Codes, de n Lemma 4.6 engeführt wurde, um Reed-Müller-Codes RM(r, m) für r, m N und 0 r m zu defneren. Dazu defneren wr zuerst uns setzen für 1 r m RM(0, m) = {0 2m, 1 2m } und RM(m, m) = {0, 1} 2m RM(r, m) = RM(r, m 1)αRM(r 1, m 1). Wr bestmmen de Reed-Muller-Codes für klene Werte von r und m. Für m = 1 erhalten wr de Codes RM(0, 1) = {00, 11} und RM(1, 1) = {00, 01, 10, 11}. Für m = 2 und m = 3 ergeben sch de Codes RM(0, 2) = {0000, 1111}, RM(1, 2) = RM(1, 1)αRM(0, 1) = {0000, 0101, 1010, 1111, 0011, 0110, 1001, 1100}, RM(2, 2) = {0000, 0001, 0010, 0011, 0100, 0101, 0110, 0111, 1000, 1001, 1010, 1011, 1100, 1101, 1110, 1111}. 61
11 und RM(0, 3) = { , }, RM(1, 3) = { , , , , , , , , , , , , , , , }, RM(2, 3) = {w 1 w 2 w 1 {0, 1} 4, w 2 = w 1 v, v RM(1, 2)}, RM(3, 3) = {0, 1} 8. Reed-Muller-Codes wurden n den sebzger Jahre des vorgen Jahrhundert be der Weltraumfahrt benutzt. Wr wollen nun zegen, dass de Reed-Muller-Codes RM(r, m) lneare [2 m, ( ) r m =0 ]- Codes mt dem Codeabstand 2 m r snd. Wr bewesen des mttels vollständger Indukton über r. Für r = 0 ergbt sch de Aussage sofort aus der Defnton von RM(0, m), der en lnearer Code n {0, 1} 2m mt der Dmenson 1(= ( ) 0 m =0 ) und dem Codeabstand 2 m st. Wegen Lemma 4.6 erhalten wr, dass RM(r, m) en lnearer Code mt RM(r, m) = RM(r, m 1)αRM(r 1, m 1) {0, 1} 2m 1 {0, 1} 2m 1 = {0, 1} 2m, d(rm(r, m)) = mn{2 d(rm(r 1, m)), d(rm(r 1, m 1))} = mn{2 2 m 1 r, 2 m 1 (r 1) } = 2 m r, dm(rm(r, m)) = dm(rm(r, m 1)) + dm(rm(r 1, m 1) ( ) ( ) r m 1 r 1 m 1 = + =0 =0 ( ) ( ) r m 1 r 1 m 1 = (1 + ) + =1 =0 ( ) ( ) r 1 m 1 r 1 m 1 = (1 + ) + =0 + 1 =0 ( ) ( ) r 1 m 1 m 1 = 1 + ( + ) =0 + 1 ( ) ( ) r 1 m r m = 1 + = 1 + =0 + 1 =1 ( ) r m = =0 st. Für de Reed-Muller-Codes RM(1, m) {0, 1} 2m dm(rm(1, m)) = 1 =0 haben wr ( ) m = m + 1 und d(rm(1, m)) = 2 m 1. 62
12 Damt ergbt sch aus Folgerung 4.4 n(k, d) m d m 0 2 = 2 m 1 =0 2 = 2 m m = 2 m. Da anderersets RM(1, m) {0, 1} 2m glt, st damt de Gresmer-Schranke ncht zu verbessern. In Folgerung 4.5 haben wr ene obere Schranke für de maxmale Dmenson k(n, d) angegeben. Wr geben abschleßend noch ene untere Schranke an, de auf Glbert und Varshamov zurückgeht. Satz 4.7 Wenn de natürlchen Zahlen n, k und d de Bedngungen ( ) d 2 k n und 2 n k n 1 > erfüllen, so gbt es enen lnearen Code C mt C {0, 1} n, dm(c) = k und d(c) d (es glt also k(n, d) k). Bewes. Ist k = n, also 2 n k = 2 0 = 1, so muss wegen der zweten vorausgesetzten Unglechung d = 1 sen. Für de Parameter n = k und d = 1 st {0, 1} n en Code der gewünschten Art. Se also k < n. Es se v 1, v 2,..., v n k ene Bass von {0, 1} n k. Ferner seen v n k+1, v n k+2,..., v n k+s wetere Elemente aus {0, 1} n k derart, dass je d 1 Vektoren lnear unabhängg snd. De Anzahl der Vektoren, de sch als Lnearkombnaton von höchstens d 2 Elementen aus {v 1, v 2,... v n k+s } blden lassen st d 2 =0 =0 ( ) n k + s. Ist dese Summe echt klener als 2 n k, so läßt sch n {0, 1} n k \{v 1, v 2,... v n k+s } en Element v n k+s+1 fnden, so dass je d 1 Vektoren aus {v 1, v 2,... v n k+s, v n k s+1 } lnear unabhängg snd. Nach Voraussetzung erhalten wr de Exstenz ener Menge {v 1, v 2,... v n }. Aus v 1, v 2,... v n blden wr nun ene Matrx K vom Typ (n-k,n) und verwenden dese als Kontrollmatrx enes Codes C. C st dann en lnearer [n, k]-code, dessen Codeabstand nach den Sätzen 4.1 und 4.2 mndestens d st. 63
Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.
Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx
MehrElemente der Mathematik - Sommer 2016
Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s
Mehr3.3 Lineare Abbildungen und Matrizen
33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle
Mehr4. Musterlösung. Problem 1: Kreuzende Schnitte **
Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,
MehrInformatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition
Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden
MehrSeminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -
Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole
MehrKonkave und Konvexe Funktionen
Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage
Mehr4.6 Das Pumping-Lemma für reguläre Sprachen:
Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma
Mehr6. Übung zur Linearen Algebra II
Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)
Mehr3. Lineare Algebra (Teil 2)
Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /
Mehr5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013
O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen
Mehr4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig:
4.5 Lemma Das folgende Problem Par, 0, }max st NP-vollständg: Inut: d, m N mt m d, α N und x,...,x m, 0, } d l.u.. Frage: Exsteren κ,...,κ m, }, sodass m κ x α? Bemerkung: Beachte, dass wegen Satz 4.2
MehrAnalysis I. Vorlesung 17. Logarithmen. R R, x exp x,
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket
MehrWir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt
Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten
MehrMultilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel
ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore
MehrFachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung
Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung
MehrVorlesung 3 Differentialgeometrie in der Physik 13
Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >
MehrSeminar Einführung in die Kunst mathematischer Ungleichungen
Semnar Enführung n de Kunst mathematscher Unglechungen Cauchys erste Unglechung und de Unglechung vom arthmetschen und geometrschen Mttel Sopha Volmerng. prl 0 Inhaltsverzechns Cauchys erste Unglechung.
MehrSpiele und Codes. Rafael Mechtel
Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,
MehrDie Jordansche Normalform
De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes
MehrInvariantentheorie. Vorlesung 3. Lineare Operationen
Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invarantentheore Vorlesung 3 Lneare Operatonen Ene Operaton ener Gruppe G auf ener (geometrschen) Menge M st das gleche we en Gruppenhomomorphsmus der Gruppe
MehrDie Leistung von Quicksort
De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen
Mehr( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )
Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch
MehrGruppe. Lineare Block-Codes
Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung
MehrLineare Optimierung Dualität
Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen
MehrSei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).
Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de
Mehr22. Vorlesung Sommersemester
22 Vorlesung Sommersemester 1 Bespel 2: Würfel mt festgehaltener Ecke In desem Fall wählt man den Koordnatenursprung n der Ecke und der Würfel st durch den Berech x = 0 a, y = 0 a und z = 0 a bestmmt De
MehrResultate / "states of nature" / mögliche Zustände / möglicheentwicklungen
Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und
MehrAufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):
LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete
Mehr16. Vorlesung Sommersemester
16. Vorlesung Sommersemester 1 Das Egenwertproblem In allgemener Form hat das Egenwertproblem de Form A x = λ x, (1) wobe A ene n n-matrx, x en n-dmensonaler Vektor und λ der Egenwert st (n Englsch: egenvector,
MehrDie mathematischen Grundlagen der Wellenmechanik
De mathematschen Grundlagen der Wellenmechank Zustände und deren Darstellung En physkalsches System wrd durch enen Zustand u charaktersert, ndem es durch ene bestmmte expermentelle Präparaton gebracht
MehrRotation (2. Versuch)
Rotaton 2. Versuch Bekannt snd berets Vektorfelder be denen das Lnenntegral über ene geschlossene Kurve Null wrd Stchworte: konservatve Kraft Potentalfelder Gradentenfeld. Es gbt auch Vektorfelder be denen
Mehr1 Ergänzungen zur Linearen Algebra
LA E 15 1 1 Ergänzungen zur Lnearen Algebra 1.1 Ergänzungen zu den orthogonalen Projektonen Als erstes Ergänzungen zu Summen von Unterräumen. Snd V 1,..., V k Unterräume des R n, so soll de Menge {x 1
MehrDas zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog
60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren
MehrBedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)
Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope
MehrLineare Optimierung Einführung
Kaptel Lneare Optmerung Enführung B... (Dre klasssche Anwendungen) Im Folgenden führen wr de ersten dre klassschen (zvlen) Anwendungen der lnearen Optmerung an: BS... (Produktonsplanoptmerung) En Betreb
MehrZusammenfassung der letzten LVA. Diskrete Mathematik
Zusammenfassung Dskrete Mathematk Chrstna Kohl Georg Moser Oleksandra Panasuk Chrstan Sternagel Vncent van Oostrom Insttut für Informatk @ UIBK Sommersemester 2017 Zusammenfassung der letzten LVA ene Telmenge
MehrBachelorarbeit. Cayley s Formel und das Abzählen von Bäumen. Viktoria Piribauer. Wien, September 2013
Bachelorarbet Cayley s Formel und das Abzählen von Bäumen Vktora Prbauer Wen, September 2013 Matrkelnummer: 1007394 Studenrchtung: A 033621 Mathematk Betreuer: Mag. Dr. Bernhard Krön, Prvatdoz. Inhaltsverzechns
MehrÜbungsblatt 7 Lösungsvorschläge
Insttut für Theoretsche Informatk Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 7 Lösungsvorschläge Vorlesung Algorthmentechnk m WS 09/10 Problem 1: Mnmale Schnttbass Approxmatonsalgos relatver Gütegarante
MehrRegressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n
Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade
MehrDynamisches Programmieren
Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.
Mehr18. Dynamisches Programmieren
8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus
MehrProf. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg. Codierungstheorie und Kryptographie
Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik Codierungstheorie und Kryptographie Wintersemester 2008 1 2 Inhaltsverzeichnis 1 Definition und Charakterisierung
Mehrf s, x(s) ds max f s, x(s) f s, y(s) ds exp L s t0 L t t 0 ) ds
8 1 Fxpunktsätze 2. Nach Defnton von M glt xt p 0 X b für alle t [t 0 c, t 0 + c], d.h. xt Q für alle t [t 0 c, t 0 + c]. Also lefern 1.18 1 und de Egenschaften des Integrals cf. Folgerung??.?? T p0 x
MehrSeminar über Numerische Mathematik
Andreas Mester Semnar über Numersche Mathematk Semnar m Wntersemester 008/009 Unverstät Kassel Fachberech Mathematk Inhaltsverzechns Bezer-Kurven 1 1 Enletung 1 Der Algorthmus von de-castelau.1 Parabeln....................................
MehrGrundgedanke der Regressionsanalyse
Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden
MehrDie Transzendenz der Eulerschen Zahl e
De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen
Mehr12 UMPU Tests ( UMP unbiased )
89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum
MehrLösungen der Aufgaben zu Kapitel 2
Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n
MehrStatistik und Wahrscheinlichkeitsrechnung
Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk
Mehr50 Matrixnormen und Eigenwertabschätzungen
50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt
Mehr2.6 Struktursatz und Anwendungen
2.6. STRUKTURSTZ UND NWENDUNGEN 79 2.6 Struktursatz und nwendungen Lernzele 4. Normalformen für Präsentatonen endlch erzeugter Moduln über Eukldschen erechen nwendungen auf ratonale Normalformen für Vektorraumendomorphsmen
MehrAbbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).
44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften
Mehrbinäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:
Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,
MehrMi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13
M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.
Mehr1.1 Das Prinzip von No Arbitrage
Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No
Mehr1 Mehrdimensionale Analysis
1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus
MehrFacility Location Games
Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet
MehrDefinition des linearen Korrelationskoeffizienten
Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gauslng, M.Sc. C. Hendrcks, M.Sc. Sommersemester 1 Bergsche Unverstät Wuppertal Fachberech C Mathematk und Naturwssenschaften Angewandte Mathematk / Numersche Analyss Enführung
Mehr1.11 Beispielaufgaben
. Bespelaufgaben Darstellung komplexer Zahlen Aufgabe. Man stelle de komplexe Zahl z = +e 5f n algebrascher Form, also als x + y dar. Damt man de Formel für de Dvson anwenden kann, muss zunächst der Nenner
MehrLineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematk I für Bologen, Geowssenschaftler und Geoökologen 16. Januar 2012 Problemstellung Bespel Maß für Abwechung Trck Mnmum? Exponentalfunktonen Potenzfunktonen Bespel Problemstellung: Gegeben seen
MehrStochastische Prozesse
INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)
MehrWeitere NP-vollständige Probleme
Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,
MehrAlternative Beweise. Man notiere jede positive rationale Zahl im Stellenwertsystem zur Basis 2; der Bruch 5 7. zum Beispiel hat also dann die Form 101
Alternatve Bewese Klaus-R. Löffler Inhaltsverzechns Vorbemerkungen De nachfolgend angegebenen Bewese oder Bewesvaranten snd n gewsser Wese der Unterhaltungsmathematk zuzurechnen: Es geht darum, zu engen
Mehr1 Differentialrechnung in mehreren Variablen
1 Dfferentalrechnung n mehreren Varablen 1.1 De Geometre eukldscher Räume Zur Ernnerung De Elemente des R n schreben wr normalerwese als Zelenvektoren: x = (x 1,..., x n ). Kommen Matrzen ns Spel, so st
MehrSS 2017 Torsten Schreiber
SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene
MehrRückblick Regression II: Anpassung an Polynome
Rückblck Regresson II: Anpassung an Polynome T. Keßlng: Auswertung von Messungen und Fehlerrechnung - Fehlerrechnung und Korrelaton 0.06.08 Vorlesung 0- Temperaturmessung mt Thermospannung Wr erhalten
MehrAlgebraische Kombinatorik und Anwendungen in der kommutativen Algebra
Algebrasche Kombnatork und Anwendungen n der kommutatven Algebra Dr. Martna Kubtzke Wntersemester 2012/13 Goethe-Unverstät Frankfurt Inhaltsverzechns 1 Monomale Ideale und smplzale Komplexe 1 1.1 Monomale
MehrMECHATRONISCHE NETZWERKE
MECHATRONISCHE NETZWERKE Jörg Grabow Tel 3: Besondere Egenschaften 3.Besondere Egenschaften REZIPROZITÄT REZIPROZITÄT Neben den allgemenen Enschränkungen (Lneartät, Zetnvaranz) be der Anwendung der Verpoltheore
MehrWir steuern einen Mini-Roboter!
Wr steuern enen Mn-Roboter! Telnehmer: Marek Bartusch Cecla Lange Yannck Lehmann Johannes-Lucas Löwe Ncolas Menzel Huong Thao Pham Floran Pogatzk Anne Reulke Jonas Wanke Maran Zuska mt tatkräftger Unterstützung
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt
Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten
Mehr11 Charaktere endlicher Gruppen
$Id: chaakte.tex,v.4 2009/07/3 4:38:36 hk Exp $ Chaaktee endlche Guppen W hatten gesehen, dass w fü enge Guppen G allen mt Hlfe des Satz 3 de Anzahl und de Dmensonen de eduzblen Dastellungen beechnen können.
Mehr6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen
196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen
MehrBeschreibende Statistik Mittelwert
Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )
MehrFunktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e
Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de
Mehrkonvergiert punktweise, wenn es l : U C C gibt derart, dass konvergiert gleichmäßig, wenn es l : U C C gibt derart, dass
Funktonentheore, Woche 4 Konvergenz und Folgen 4. Glechmäßge Konvergenz Ene Zahlenfolge {α n } n N C konvergert, wenn es en l C gbt derart, dass ε > 0 N ε N : n > N ε = α n l < ε. Auch zu Folgen von Funktonen
Mehr1 Finanzmathematik. 1.1 Das Modell. Sei Xt
1.1 Das Modell Se Xt der Pres enes Assets zur Zet t und X = X ) 1 d der Rd +-dmensonale Presprozess. Das Geld kann auch zu dem rskolosen Znssatz r be ener Bank angelegt werden. Der Wert deser Anlage wrd
MehrZ Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.
Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet
Mehr2 Zufallsvariable und Verteilungen
Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem
MehrLösungen zum 3. Aufgabenblock
Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass
MehrKleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA
Klener Fermatscher Satz, Chnesscher Restsatz, Eulersche ϕ-funkton, RSA Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 15 Klener Fermatscher Satz Satz 1. Se p prm und a Z p. Dann st a p 1 mod p
MehrExperimentalphysik II (Kip SS 2007)
permentalphsk II (Kp SS 007) Zusatvorlesungen: Z-1 n- und mehrdmensonale Integraton Z- Gradent, Dvergen und Rotaton Z-3 Gaußscher und Stokesscher Integralsat Z-4 Kontnutätsglechung Z-5 lektromagnetsche
Mehrijk n j x k + O( 2 ) für i =1, 2, 3 x k + O( 2 ) für i =1, 2, 3 ijk n j ~ (i~ ijk )n j x k + O( 2 ) für i =1, 2, 3. (V.28)
V.3 Drehungen 83 V.3 Drehungen Jetzt werden dredmensonale Drehungen und hre Wrkung betrachtet. Wenn ~n der Enhetsvektor entlang der Drehachse und der Wnkel der Drehung snd, kann wrd de Transformaton des
MehrLineare Algebra IIa Vorlesung - Prof. Dr. Daniel Roggenkamp & Sven Balnojan
Lneare Algebra IIa - 04 orlesung - Pro Dr Danel Roggenkamp & Sen Balnojan 93 Untäre ektorräume hermtesche Form au enem C ektorraum sesqulnear (ant-lnear m ersten lnear m zweten Argument (, w (w, (, 2 R
MehrDiplomvorprüfung DI H 04 VD : 1
Dplomvorprüfung DI H 04 VD : Aufgabe : Bewesen Se (zum Bespel mt Hlfe der Dfferentalrechnung) de folgende Glechung: ln(snh(x) + cosh(x)) + ln(cosh(x) snh(x)) 0, für alle x R. Es gbt (mnd.) 2 Möglchketen:.
Mehrz.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!
Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf
MehrAlgorithmen und Datenstrukturen SS09. Foliensatz 13. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik
Folensatz Mchael Brnkmeer Technsche Unverstät Ilmenau Insttut für Theoretsche Informatk Sommersemester 009 TU Ilmenau Sete / Sorteren TU Ilmenau Sete / Das Sorterproblem Das Sorterproblem Daten: ene total
MehrDie hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)
ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.
Mehrwird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:
Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab
MehrKapitel V. Parameter der Verteilungen
Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p
MehrLineare Algebra B. Herzog, Universität Leipzig, Institut für Mathematik und Informatik, Vorlesung des ersten Studienjahrs im Herbstsemester 2007
Lneare Algebra B. Herzog, Unverstät Lepzg, Insttut für Mathematk und Informatk, Vorlesung des ersten Studenjahrs m Herbstsemester 2007 Hnwese Aufgaben Am Anfang jeder Woche werden jewels 3 Aufgaben ns
Mehr6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM)
6. Hlbertraum und lneare Operatoren (mathematsche Grundlagen QM) 6.1 Hlbertraum Raum = mathematsches Konstrukt: Vektorraum a) Der lneare komplexe Raum st de Menge von mathematschen Objekten mt folgenden
MehrMethoden der innerbetrieblichen Leistungsverrechnung
Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den
Mehr-70- Anhang: -Lineare Regression-
-70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de
MehrNeuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. .
Neuronale Netze M. Gruber 7.11.015 Begnnen wr mt enem Bespel. Bespel 1 Wr konstrueren enen Klasskator auf der Menge X = [ 1; 1], dessen Wrkung man n Abb.1 rechts sehen kann. Auf der blauen Telmenge soll
Mehr