Codierungstheorie. Ruprecht-Karls-Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen

Größe: px
Ab Seite anzeigen:

Download "Codierungstheorie. Ruprecht-Karls-Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen"

Transkript

1 Ruprecht-Karls-Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Codierungstheorie Bernd Heinrich Matzat Ausarbeitung von Thorsten Lagemann

2

3 Vorwort Vorliegendes Skriptum enthält die Ausarbeitung meiner Vorlesung Codierungstheorie aus dem Wintersemester 2003/2004 an der Universität Heidelberg. Neben den vorliegenden Kapiteln enthält diese zusätzlich einen Abschnitt über Algebraische Funktionenkörper. Da hierzu mit dem Buch von H. Stichtenoth bereits sehr gutes und preiswertes Lehrmaterial zur Verfügung steht, werden hier die wichtigsten Resultate dieses Zwischenkapitels im Anhang ohne Beweise zusammengestellt. Der Inhalt der Vorlesungsausarbeitung gliedert sich grob in zwei Teile, deren erster ohne Kenntnisse aus der algebraischen Geometrie auskommt und daher mit Elementare Codierungstheorie überschrieben ist. Er enthält eine Einführung in die Grundfragen und Grundlagen der Theorie der linearen Codes. Daneben werden nach strukturellen Gesichtspunkten geordnet gängige Klassen von Codes samt zugehöriger Decodieralgorithmen vorgestellt. Zu diesen gehören u. a. Reed-Solomon-Codes, Hamming-Codes, Golay-Codes, BCH-Codes, quadratische Reste-Codes, Reed-Muller- Codes sowie die klassischen Goppa-Codes. Daneben werden einige der asymptotischen Schranken für die Informationsrate von Codes bewiesen. Insbesondere wird auch gezeigt, dass die Gilbert-Varshomov-Schranke, welche eine asymptotische untere Schranke für die Informationsrate darstellt, durch die klassischen Goppa-Codes erreicht wird. Das zweite Kapitel ist den geometrischen Goppa-Codes gewidmet, die hier kurz Arithmetische Codes genannt werden. Dieses sind lineare Codes, die aus Riemann- Roch-Räumen bzw. Vektorräumen von Dierentialen algebraischen Kurven gewonnen werden. Dabei werden insbesondere Codes auf rationalen, elliptischen und hyperelliptischen und auch Fermat-Kurven, die sogenannten Hermiteschen Codes, studiert und mit der MDS-Vermutung verglichen. Zudem werden Algorithmen zu deren Decodierung besprochen. Gegen Ende der Vorlesung wird das Verhalten von Codes in Türmen von Artin-Schreier-Erweiterungen untersucht. Dabei wird unter anderen auch ein Beweis für das Resultat von Garcia und Stichtenoth vorgeführt, dass es Codes über dem Norm-Spur-Turm gibt, welche die Gilbert-Varshomov-Schranke sogar übertreen. Zur Abrundung wird abschlieÿend gezeigt, dass jeder lineare Code als Teilkörpercode eines arithmetischen Codes (über dem gewöhnlichen Spurturm) gewonnen werden kann, womit eine in beide Richtungen begehbare Brücke zum ersten Teil geschlagen ist.

4 ii Zum Schluss dieses Vorworts möchte ich noch Herrn T. Lagemann für die geduldige und sorgfältige Ausarbeitung des Skriptums danken. Trotzdem ist nicht auszuschlieÿen, dass sich hier und da noch eine kleine Ungenauigkeit oder ein kleiner Fehler eingeschlichen hat. Für entsprechende Hinweise bzw. Korrekturvorschläge wären wir beide sehr dankbar. B. H. Matzat Heidelberg, den 31. Mai 2007

5 Inhaltsverzeichnis Inhalt iii I Elementare Codierungstheorie 1 1 Einführung Das Problem der Codierungstheorie Übertragungswahrscheinlichkeit Der Satz von Shannon Lineare Codes Einführung linearer Codes Duale Codes Das Gewichtspolynom Pseudorationale Codes Gewichtsverteilung pseudorationaler Codes Reed-Solomon-Codes Projektive Reed-Solomon-Codes Decodierung von Reed-Solomon-Codes Variationen von Codes Einige elementare lineare Konstruktionen Spreizung und Verkettung Teilkörpercodes Perfekte Codes Hamming-Codes Konstruktion binärer Golay-Codes Charakterisierung binärer Golay-Codes Ternäre Golay-Codes

6 iv INHALTSVERZEICHNIS 6 Zyklische Codes Polynomdarstellung zyklischer Codes Nullstellen zyklischer Codes BCH - Codes Decodierung von BCH - Codes Quadratische Reste-Codes Quadratische Reste-Codes Dualität bei quadratischen Reste-Codes Symmetrien quadratischer Reste-Codes Gruppen-Codes Codes und Gruppenalgebren Gruppenalgebren zu elementarabelschen Gruppen Reed-Muller-Codes Symmetrien von Reed-Muller-Codes Schranken für Codes Singleton- und Plotkin- Schranke Hamming- und Elias- Schranke Gilbert-Varshomov-Schranke Klassische Goppa-Codes Goppa-Codes Asymtotisches Verhalten von Goppa-Codes Decodierung mit Euklidischem Algorithmus II Arithmetische Codes Geometrische Goppa-Codes Konstruktion arithmetischer Codes Duale arithmetische Codes Duale Goppa-Divisoren Rationale Codes und Symmetrien Rationale Codes Symmetrien arithmetischer Codes Symmetrien rationaler Codes Elliptische und hyperelliptische Codes Elliptische Funktionenkörper und Codes Hyperelliptische Funktionenkörper Hyperelliptische Codes

7 14 Selbstduale arithmetische Codes Quasiselbstduale Codes Ein Kriterium für Selbstdualität Ein Existenzsatz für selbstduale Codes in Charakteristik Decodierung arithmetischer Codes Der Basis-Decodieralgorithmus Der modizierte Decodieralgorithmus Decodierung elliptischer und hyperelliptischer Codes Arithmetische Teilkörpercodes Dimension arithmetischer Teilkörpercodes Distanz arithmetischer Teilkörpercodes Parameter klassischer Goppa-Codes* Hermitesche Codes Hermitesche Funktionenkörper Hermitesche Codes und Dualisierung Dimension und Distanz Hermitescher Codes Artin-Schreier-Türme Artin-Schreier-Erweiterungen Verzweigung im Norm-Spur-Turm Rationale Punkte im Norm-Spur-Turm Asymptotische Schranken für arithmetische Codes Serre-Schranke Der Satz von Drinfeld-Vladut Vergleich mit der Gilbert-Varshomov Schranke Lineare Codes als arithmetische Codes Der gewöhnliche Spurturm Lineare Standardräume im Spurturm Darstellung linearer Codes als arithmetische Codes Standardcodes im gewöhnlichen Spurturm A Sätze über algebraische Funktionenkörper 203 A.1 Grundlagen und Satz von Riemann-Roch A.2 Erweiterungen algebraischer Funktionenkörper A.3 Kongruenzfunktionenkörper Index 209 Bibliographie 211 v

8

9 Teil I Elementare Codierungstheorie

10

11 Kapitel 1 Einführung 1.1 Das Problem der Codierungstheorie Die Codierungstheorie ist eine recht junge mathematische Theorie, die in den 40er Jahren entstanden ist und einige mathematische Disziplinen wie die Informatik, Stochastik und Algebra vereint. Ihre Problemstellung stammt aus der Nachrichtenübermittlung: Das Übertragen von (binären) Informationen über Telefonleitungen, Funk oder Satelliten verläuft oft nicht ungestört, da diese Informationen durch äuÿere Einüsse wie schlechtes Wetter und Blitzeinschläge etc. möglicherweise zerstört oder verändert werden. Auch das Auslesen von Speichermedien ist sehr fehleranfällig, da viele Bits durch hohe Auslesegeschwindigkeit oder auch diversen Verunreinigungen der Disketten verloren gehen können. Abhilfe dagegen verschat man sich durch Einbau von Redundanzen, die ein oder mehrere Fehler auangen können. Zum Beispiel hat man die Möglichkeit, den Text mehrfach hintereinander zu senden, damit der Empfänger durch Vergleich der einzelnen Versionen auf die ursprüngliche schlieÿen kann. Das Erweitern der Information mit Redundanzen nennt man Codierung, die Rückübersetzung der empfangenen Nachricht in den Klartext Decodierung. Sender Codierer Kanal Decodierer Empfänger Beispielsweise kann man jedem Buchstaben des deutschen Alphabets einen binären 5-Tupel zuordnen vermöge A 00000, B 00001, C 00010,.... Fügt man ein sechstes Bit als Quersumme hinzu, so läÿt sich beim Empfang überprüfen, ob während der Übertragung ein Bit des Buchstabens verändert wurde.

12 4 Einführung Konvention. Es bezeichne A ein Alphabet, das wir ohne Einschränkung als Teilmenge eines endlichen Körpers F q betrachten können. Die k-tupel (a 1,..., a k ) von Buchstaben aus A nennen wir Codewörter oder Blöcke, die Menge aller Codewörter bezeichnen wir mit B Fq k. Ein Code oder Codierer der Länge n ist eine injektive Abbildung C : B Fq n von B auf C = C(B) Fq n. Wir werden einen Code C je nach Bedarf als injektive Abbildung oder als Bildmenge dieser betrachten. Zu jedem Code gibt es einen Decodierer D : Fq n B mit D C = id B. Denition 1.1. (Hamming-Abstand, Minimaldistanz, Informationsrate) Für zwei Elemente x = (x 1,..., x n ) und y = (y 1,..., y n ) aus Fq n denieren wir den Hamming-Abstand von x und y durch d(x, y) := #{1 i n : x i y i }. Bei einen Code C Fq n nennen wir den kleinsten aller Hamming-Abstände von Paaren verschiedener Codewörter, d.h. die Zahl d = d(c) := min{d(x, y) : (x, y) C C, x y} Minimaldistanz (oder kürzer Distanz) von C. Ein Code C Fq n der Kardinalität c und Minimaldistanz d heiÿt auch (n, c) q bzw. (n, c, d) q Code. Das Verhältnis nennen wir Informationsrate von C. r(c) := log q(c) n Bemerkung 1.2. (a) Der Hamming-Abstand genügt der Dreiecksungleichung, d.h für alle x, y, z Fq n gilt d(x, z) d(x, y) + d(y, z). (b) Über F 2 ist der Hamming-Abstand das Quadrat des Euklidischen Abstandes, d.h. für zwei Elemente x = (x 1,..., x n ) und y = (y 1,..., y n ) aus F n 2 gilt d(x, y) = n (x i y i ) 2 = x, y 2. i=1 Korollar 1.3. Der Decodierer eines Codes C kann bis zu d(c) Fehler (über das 2 nächstgelegene Codewort) korrigieren.

13 1.2 Übertragungswahrscheinlichkeit Übertragungswahrscheinlichkeit Denition 1.4. (Binärer symmetrischer Kanal, Kapazität, Fehlerwahrscheinlichkeit eines Codes) Ein (Nachrichtenübertragungs-)Kanal heiÿt binär, falls der Kanal nur zwei Zustände - 0 und 1 - übertragen kann. Ein binärer Kanal heiÿt symmetrisch, falls die Fehlerwahrscheinlichkeit beim Übertragen eines Bits unabhängig vom Wert (0 oder 1) des Bits ist. Ist diese Fehlerwahrscheinlichkeit p [0, 1] R, so bezeichnet K p := 1 + p log 2 (p) + (1 p) log 2 (1 p) die Kapazität eines binären symmetrischen Kanals. Für ein Wort a B sei P (a) die Wahrscheinlichkeit, daÿ a mit dem Codierer C und Decodierer D in diesen Kanal fehlerhaft übertragen und falsch decodiert wird. Dann bezeichnet P (C, D) := 1 #C P (a) a B die Fehlerwahrscheinlichkeit des Codes C. Desweiteren sei P (c, n, p) := min{p (C, D) : B C F2 n D B, D C = id B, #C = c} die minimale Fehlerwahrscheinlichkeit eines binären Codes der Länge n und Kardinalität c bei Verwendung eines binären symmetrischen Kanals mit Übertragungsfehlerwahrscheinlichkeit p. Ziel dieses Kapitels ist der Beweis des Satzes von Shannon, der besagt, daÿ zu jedem binären symmetrischen Kanal mit Kapazität K p 0 (das ist äquivalent zu p 1 2 ) fehlerarme Codes gibt. Genauer wird gezeigt werden: lim P (c n, n, p) = 0. n Dazu benötigen wir einiges an elementarem stochastischen Instrumentarium, was wir im folgenden kurz wiederholen möchten. Die Beweise können in jedem einführenden Lehrbuch (z.b. [Kre02]) nachgelesen werden. Es seien X eine Zufallsvariable auf einer abzählbaren Menge M = {x i : i N}. Die Wahrscheinlichkeit, daÿ X den Wert x i annimmt, sei p i, d.h. es gelte P (X = x i ) = p i. Dann heiÿen µ(x) = i N x i p i der Mittelwert, σ 2 (X) = i N x 2 i p i µ(x) 2 die Varianz,

14 6 Einführung und σ = + σ 2 die Standardabweichung der Zufallsvariablen X. Für eine Abbildung g : M R deniert E(g X) = i N g(x i )p i den Erwartungswert von g X. Somit gelten µ(x) = E(X) und σ 2 (X) = E((X µ(x)) 2 ). Beispiel 1.5. ((p, q)-binomialverteilung) Es sei X die Anzahl der Fehler, die beim Übertragen eines binären Wortes der Länge n über einem binären symmetrischen Kanals mit bitweiser Fehlerwahrscheinlichkeit p entstehen. Es ist also X deniert auf M = {0,..., n}. Mit q = 1 p gilt p i = P (X = i) = Der Erwartungswert von X ist also n ( n E(X) = µ(x) = i i i=0 n 1 ( n 1 = n i Die Varianz von X beträgt σ 2 (X) = i=0 ) p i q n i = n ( n i ) p i q n i. n i=1 ( ) n 1 p i q n i i 1 ) p i+1 q n i 1 = np (p + q) n 1 = n p n ( ) n n 1 ( ) n 1 i 2 p i q n i µ(x) 2 = np (i + 1) p i q n i 1 n 2 p 2 i i i=0 i=0 = np(1 + p(n 1)) n 2 p 2 = np np 2 = npq. Bemerkung 1.6. (Tschebyschevsche Ungleichung) Es sei X eine Zufallsvariable mit Mittelwert µ und Varianz σ 2. Dann ist die Wahrscheinlichkeit, daÿ die Abweichung von X zu µ mehr als ε beträgt, nicht gröÿer als σ2. Es gilt also ε 2 P ( X µ > ε) σ2 ε 2. Ohne Beweis. (siehe z.b. [Kre02, Satz 3.15]) Denition 1.7. (Binäre Entropiefunktion) Die auf [ ) 0, 1 denierte Funktion 2 R H(x) := { x log2 (X) (1 x) log 2 (1 x) : für 0 < x < : x = 0

15 1.2 Übertragungswahrscheinlichkeit 7 heiÿt binäre Entropiefunktion. Für x 0 F n 2 bezeichnet B n r (x 0 ) = {x F n 2 : d(x, x 0 ) r} die Kugel vom Radius r in F n 2 bezüglich des Hamming-Abstands. Die Kugel B n r (0) um 0 = (0,..., 0) bezeichnen wir kürzer auch mit B n r Bemerkung 1.8. Für δ [ 0, 1 2] gelten: (a) Die Anzahl der Gitterpunkte in der Kugel B n δn vom Radius δn beträgt δn ( ) n #B n δn = 2 nh(δ). i i=0 (b) Beim Grenzübergang n wird aus der Abschätzung in (a) eine Gleichung ( ) 1 lim n n log 2(#B n δn) = H(δ). Beweis. Wir beweisen lediglich die Aussage (a), da wir Aussage (b) in diesen Kapitel nicht benötigen und später allgemeiner beweisen werden (Lemma 9.8). Die Gleichheit von #B n δn und δn ( n ) ( i=0 i ist oensichtlich, da n ) i die Anzahl der binären Wörter x F2 n mit Gewicht i bzw. mit Hamming-Abstand d(x, 0) = i ist. Nach Voraussetzung gilt δ 1 1 δ. Daraus ergibt sich die Abschätzung 2 n ( ) n n ( ) ( ) i n δ 1 = (δ + 1 δ) n = δ i (1 δ) n i = (1 δ) n i i 1 δ i=0 i=0 δn ( ) ( ) i ( ) δn δn n δ δ ( ) n (1 δ) n (1 δ) n. i 1 δ 1 δ i i=0 Aufgrund ( ) δn ( ) δ δ log 2 (1 δ) n = n (log 1 δ 2 (1 δ) + δ log 2 ) 1 δ i=0 = n (δ log 2 (δ) + (1 δ) log 2 (1 δ)) = n H(δ) folgt hieraus die gewünschte Ungleichung δn ( ) n 1 2 n H(δ). i Bemerkung 1.9. Für zwei (stochastisch) unabhängige Zufallsvariablen X und Y gelten: (a) E(X + Y ) = E(X) + E(Y ). (b) E(X Y ) = E(X) E(Y ). Ohne Beweis. (siehe z.b. [Kre02, Satz 3.7]) i=0

16 8 Einführung 1.3 Der Satz von Shannon Satz (Shannon 1948) Es sei K p die Kapazität eines binären symmetrischen Kanals mit K p 0. Desweiteren seien 0 < R < K p und c n := 2 Rn. Dann gilt lim P (c n, n, p) = 0. n Für hinreichend groÿe Wortlängen n gibt es also fehlerarme Codes. Beweis. Ohne Einschränkung kann p 1 angenommen werden, da man andernfalls 2 die Interpretation der empfangenen Daten anpaÿt, d.h. eine empfangene 1 wird als 0 interpretiert. Desweiteren ist p 1 aufgrund K 2 p 0. Es sei C = {x 1,..., x c } F n 2 ein binärer Code der Länge n und Kardinalität c. Die Zufallsvariable Y bezeichne die Anzahl der Fehler beim Übertragen und Decodieren eines Codewortes x C. Da zur Übermittlung ein binärer symmetrischen Kanal mit bitweiser Fehlerwahrscheinlichkeit p verwendet wird, ist Y wie in Beispiel 1.5 (p, q)-binomialverteilt. Somit ist µ = E(Y ) = np der Erwartungswert und σ 2 (Y ) = npq die Varianz von Y. Für ε > 0 und s := 2 ε npq gilt nach der Ungleichung von Tschebyschev P ( Y µ s) npq s 2 = ε 2. Wir setzen ρ := np + s. Wegen p < 1 gilt ρ < n für groÿe n. Nach Bemerkung hat dies ρ ( ) n #B n ρ = 2 n H( ρ n ) i zur Folge. Für zwei Elemente x, y F2 n denieren wir { 0 bei d(x, y) > ρ f(x, y) := 1 bei d(x, y) ρ i=0 und g i (y) := 1 f(y, x i ) + j i f(y, x j ). Der Wert g i (y) verschwindet genau dann, wenn x i das einzige Codewort in der Kugel B n ρ(y) ist und sonst gilt g i (y) 1. Wir decodieren vermöge { x D(y) := i falls g i (y) = 0, sonst. x 1

17 1.3 Der Satz von Shannon 9 Bezeichnen nun P (x i ) die Wahrscheinlichkeit, daÿ x i falsch decodiert wird und P (y x i ) die bedingte Wahrscheinlichkeit, daÿ beim Senden von x i das Wort y empfangen wird und nicht als x i decodiert wird, so gilt P (x i ) P (y x i )g i (y) = P (y x i )(1 f(y, x i ))+ P (y x i ) f(y, x j ). j i y F n 2 y F n 2 y F n 2 Der erste Summand nach dem Gleichheitszeichen entspricht der Wahrscheinlichkeit, daÿ beim Übertragen von x i mehr als ρ Fehler passieren und somit x i nicht richtig decodiert wird. Es gilt wie oben nach der Tschebyschevschen Ungleichung P (y x i )(1 f(y, x i )) = P (Y > ρ) ε 2. y F n 2 Die Fehlerwahrscheinlichkeit von C kann also durch P (C, D) = 1 c P (x i ) ε c c P (y, x i )f(y, x j ) c i=1 i=1 y F n 2 abgeschätzt werden. Der Grundgedanke des Beweises ist nun, daÿ der Minimalwert P (c, n, p) kleiner oder gleich dem Erwartungswert der Fehlerwahrscheinlichkeit P (C, D) von allen Codes C F2 n der Mächtigkeit c und der Decodierregel D ist. Aufgrund der stochastischen Unabhängigkeit der Variablen P (y x i ) und f(y, x i ) gilt dann nach Bemerkung 1.9 P (c, n, p) ε c = ε c c i=1 c i=1 = ε 2 + c 1 c y F n 2 y F n 2 #Bn ρ 2 n j i E(P (y, x i )) E(f(y, x j )) j i j i c i=1 = ε 2 + (c 1)#Bn ρ 1 2 n c ε 2 + (c 1)#Bn ρ 2 n. Hieraus folgt nun aus Bemerkung ( n log 2 P (c, n, p) ε ) 2 E(P (y, x i )) #Bn ρ(y) #F n 2 y F n 2 i=1 E(P (y, x i )) c E P (y, x i ) y F n 2 #B n ρ 1 n log 2(c 1) + 1 n log 2 2 n 1 n log 2(c) + 1 ( ρ ) n (n H n). n

18 10 Einführung Wegen ρ n log 2( ρ n ) = p log 2(p) + O( n 1 ) und ( 1 ρ ) ( log n 2 1 ρ ) = q log n 2 (q) + O( n 1 ) gilt dann H ( ρ n) = p log2 (p) q log 2 (q) und somit 1 ( n log 2 P (c, n, p) ε ) 1 2 n log 2(c) (1 + p log 2 (p) + q log 2 (q)) + O( n 1 ) = 1 n log 2(c) K p + O( n 1 ). Durch Substitution von c durch c n = 2 Rn erhält man wegen R < K p 1 ( n log 2 P (c n, n, p) ε ) R K p + O( n 1 ) = γ < 0 2 für ein positives γ und hinreichend groÿe n. Somit ist P (n, c n, p) ε γn, was für n gegen ε strebt. Da ε beliebig klein gewählt werden kann, folgt 2 hieraus der Satz von Shannon.

19 Kapitel 2 Lineare Codes 2.1 Einführung linearer Codes Allgemeine Codes C Fq n sind meist unübersichtlich und i.a. schwierig zu codieren und zu decodieren. Besser wird es mit einer zusätzlichen Vektorraumstruktur. Denition 2.1. (Linearer Code, Gewicht von Codewörtern) Einen Code C Fq n Lineare Codes in F n q nennen wir linear, falls C ein Untervektorraum von Fq n ist. der Dimension k bezeichnen wir als [n, k] q Code bzw. als [n, k, d] q Code, wenn d die Minimaldistanz des Codes ist. Für ein Codewort x C heiÿt die natürliche Zahl w(x ) := d(x, 0) das Gewicht (bzw. die Hamming-Norm) von x. Anmerkung 2.2. Die Informationsrate eines (linearen) [n, k] q Code C ist der Quotient aus Dimension und Länge von C, d.h. es ist r(c) = log q(#c) n = k n. Bemerkung 2.3. Für einen linearen Code C F n q gelten: (a) Der Hamming-Abstand zweier Codewörter x, y aus C ist identisch mit dem Gewicht ihrer Dierenz, d.h. es gilt d(x, y) = w(x y). (b) Die Minimaldistanz von C entspricht den minimalem Gewicht nichtverschwindender Codewörter aus C, d.h. es ist d(c) = min{w(x) : 0 x C}.

20 12 Lineare Codes Beweis. Man beachte, daÿ lineare Codes stets die Dierenz ihrer Codewörter sowie auch das Nullwort 0 = (0,..., 0) enthalten. Daher folgen die Aussagen (a) und (b) aus d(x, y) = d(x y, 0) = w(x y) für x, y C. Als Codierer eines linearen Codes fungiert die sogenannte Erzeugermatrix. Dazu die Denition 2.4. (Erzeugermatrix, Symmetriegruppe) Es sei C ein [n, k] q Code mit Basis x 1 = (x 11,..., x 1n ), x 2,..., x k heiÿt die k n Matrix x 11 x 1n G =..... x k1 x kn F n q. Dann eine Erzeuger- bzw. eine Generatormatrix von C. Eine Erzeugermatrix G von C nennen wir reduziert, falls G die Gestalt 1 0 G = (I k P ) =... P 0 1 mit P Fq k (n k) hat. Dann sagen wir auch, daÿ G in Standardform vorliegt. Zwei Codes C, C aus Fq n heiÿen äquivalent, wenn es eine Permutation σ von n Elementen gibt, sodaÿ gilt: (x 1,..., x n ) C (x σ(1),..., x σ(n) ) C. Ist C = C, so nennen wir σ eine Symmetrie von C. Die Menge aller Symmetrien des Codes C Sym(C) := {σ S n : σ ist Symmetrie von C} heiÿt Symmetriegruppe von C. Anmerkung 2.5. (a) Betrachtet man eine Erzeugermatrix G eines Codes C als lineare Abbildung von Fq k in Fq n, so ist C das Bild von Fq k unter G, d.h es gilt C = {a G : a F k q }. Oensichtlich ist G injektiv und dient somit als Codierer von C. (b) Ist G in Standardform, so bilden die ersten k Koordinaten x 1,..., x k eines Codewortes x die Informationssymbole (information symbols) und die letzten n k Koordinaten x k+1,..., x n die Kontrollsymbole (parity check symbols) von x. Bemerkung 2.6. Zu jedem linearen Code gibt es einen äquivalenten Code mit reduzierter Erzeugermatrix.

21 2.2 Duale Codes 13 Beweis. Es seien C ein (linearer) [n, k] q Code und G eine Erzeugermatrix von C. Dann gibt es eine Permutationsmatrix Q GL n (F q ), sodaÿ die ersten k Spalten von G := G Q linear unabhängig sind. Also hat G die Gestalt ( J P ) mit J GL k (F q ). Unter der Basistransformation J 1 besitzt der Code C := Fq k G eine reduzierte Erzeugermatrix und ist wegen C Q = C äquivalent zu C. Beispiel 2.7. (1) Der n-fache Wiederholungscode C = {x Fq n : x 1 =... = x n } besitzt die Erzeugermatrix G 1 = (1,..., 1). (2) Es sei C F2 4 ein linearer [4, 3] 2 Code mit der Bedingung 4 i=1 x i = 0 an ein Codewort x C. Dann besitzt C die Erzeugermatrix 1 1 G 2 = (I 3 P 2 ) = Allgemein heiÿen solche [n, n 1, 2] q Codes parity check Codes (der Länge n). (3) Betrachten wir nun den [6, 3] 2 Code C mit den Bedingungen x 4 = x 2 + x 3, x 5 = x 1 + x 3 und x 6 = x 1 + x 2 für ein Codewort (x 1,..., x 6 ) C. Dann sind die Koezienten x 1, x 2, x 3 F 2 die Informationssymbole und x 4, x 5, x 6 die Kontrollsymbole von C, und es ist G 3 = (I 3 P 3 ) = eine Erzeugermatrix von C. 2.2 Duale Codes Die Codierer linearer Code sind lineare Einbettungen F k q F n q, die durch die Erzeugermatrizen leicht beschrieben werden können. Zur Decodierung verwendet man sogenannte Kontrollmatrizen, die in diesen Abschnitt deniert und untersucht werden. Denition 2.8. (Dualer Code, Kontrollmatrix, selbstdualer Code) Für zwei Elemente x, y Fq n bezeichnet x, y := n x i y i das Standardskalarprodukt in Fq n. Für einen linearen Code C Fq n heiÿt C := {y F n q : x, y = 0 für alle Codewörter x C} der zu C duale Code. Im Falle C = C nennen wir C selbstdual. Die Erzeugermatrix H von C heiÿt Kontrollmatrix zu C. i=1

22 14 Lineare Codes Bemerkung 2.9. Für einen [n, k] q Code C gelten: (a) Der zu C duale Code C ist ein [n, n k] q Code. (b) Die Dualisierung ( ) von linearen Codes wirkt involutiv, d.h. es ist ( C ) = C. Beweis. Es ist C der zu C orthogonale Raum in F n q. Aus der linearen Algebra ist bekannt, daÿ sich dann die Dimensionen von C und C zu n aufsummieren. Also hat C die Dimension n k. Mit der Denition 2.8 gilt unmittelbar C ( C ). Aus Dimensionsgründen folgt dann die Gleichheit. Korollar Ein selbstdualer Code der Länge n hat Dimension n und Informationsrate Korollar (Kontrollgleichung) Für einen linearen Code C Fq n mit Kontrollmatrix H gilt die Gleichheit C = {x F n q : H x T = 0}. Bemerkung Es sei G = (I k P ) die reduzierte Erzeugermatrix eines [n, k] q Codes C. Dann hat die Kontrollmatrix von C die Gestalt H = ( P T I n k ). Beweis. Die Zeilen der Erzeugermatrix G bilden eine Basis von C. Wegen ( ) ( P T Ik I n k ) P T = 0 folgt die Behauptung aus Korollar Beispiel Wir betrachten die dualen Codes zu Beispiel 2.7. (1) und (2): Man sieht leicht, daÿ der n-fache Wiederholungscode und der parity check Code der Länge n dual zueinander sind. Somit bildet 1 0 H 1 = eine Kontrollmatrix zum n-fachen Wiederholungscode (und ist gleichzeitig eine Erzeugermatrix des parity check Codes). Weiter ist H 2 = (1, 1, 1, 1) die Kontrollmatrix des in (2) denierten parity check Code (der Länge 4). (3) Die Kontrollmatrix dieses Codes hat die Gestalt H 3 =

23 2.2 Duale Codes 15 Decodieralgorithmus Sender und Empfänger einigen sich auf einen linearen Code C mit Erzeugermatrix G und Kontrollmatrix H. Es sei y Fq n die empfangene Nachricht. (1) Bilde das sogenannte Syndrom z = H y T F n k q zu y. (2) Ermittle ein Element e F n q vom minimalem Gewicht mit H e T = z. (3) Das Element ỹ := y e ist dann ein Codewort aus C mit minimalen Hamming- Abstand zu y. (4) Ist G reduziert, so ist (ỹ 1,..., ỹ k ) die decodierte Nachricht (ohne die Kontrollsymbole). Anmerkung Das Element e nennt man als Nebenklassenführer der Klasse y + C Fq n /C auch Fehlervektor. Die Komplexität beim Erstellen der Tabelle von Fehlervektoren steigt bei groÿen Codes erheblich an. Daher ist der Decodieragorithmus 2.14 in der Regel nicht optimal. Bemerkung Für die Minimaldistanz eines linearen Codes mit Kontrollmatrix H gelten: d(c) = min{l 1 : es gibt l linear abhängige Spalten in H} = max{l 1 : jeweils (l 1) Spalten von H sind linear unabhängig}. Beweis. Die zweite Gleichheit ist klar. Für den Nachweis der ersten Gleichung bezeichnen wir die Spalten von H mit s 1,..., s n. Die Codewörter x 0 aus C liefert mit der Kontrollgleichung n x i s i = H x T = 0 i=1 eine nichttriviale Linearkombination von 0. Ist also x ein Codewort von minimalem Gewicht d, so gibt es Indices i 1,..., i d mit x i1,..., x id 0 (und x i = 0 bei i i j für 1 j d). Mit der Kontrollgleichung folgt dann die lineare Abhängig der Spalten s i1,..., s id. Das zeigt d(c) min{l 1 : es gibt l linear abhängige Spalten in H}. Seien umgekehrt die Spalten s i1,..., s il linear abhängig. Dann gibt es eine nichttriviale Linearkombination l x ij s j = 0 j=1 mit Koezienten x ij F q für 1 j l. Das Codewort x = (x 1,..., x n ) deniert durch { xij : falls i = i x i = j für 1 j l 0 : sonst erfüllt dann die Kontrollgleichung H x T = 0 und ist somit ein Codewort aus C vom Gewicht l. Das schlieÿt unseren Beweis.

24 16 Lineare Codes Beispiel Wir untersuchen nun die Minimaldistanz der in den Beispielen 2.7 und 2.13 behandelten Codes. (1) Die Minimaldistanz n-facher Wiederholungscodes ist (natürlich) n. Daher hat dieser Code die Parameter [n, 1, n] q. (2) Die Parameter der parity check Codes sind [n, n 1, 2] q. Diese Codes können also lediglich 1 Fehler erkennen. Im Fall q = 2 und somit in unserem konkreten Beispiel ist dies sogar nur bei ungerader Fehleranzahl bei der Nachrichtenübermittlung möglich. (3) Die Minimaldistanz dieses Codes ist 3. Dieser Code ermöglicht also dem Nutzer das Erkennen und Korrigieren eines Fehlers. (4) Die Matrix G = erzeugt einen [8, 4] 2 Code C. Wegen G G T = 0 ist C selbstdual. Mit einen kritischen Blick kann man sich davon überzeugen, daÿ G jeweils drei linear unabhängige Spalten besitzt. Somit gilt für die Minimaldistanz d(c) = 4. Da C Codewörter vom Gewicht 4 enthält (z.b. der dritte Zeilenvektor von G) folgt d(c) = 4. Somit ist C ein selbstdualer [8, 4, 4] 2 Code. 2.3 Das Gewichtspolynom Denition (Gewichtspolynom, Spektrum, erzeugende Funktion) Es sei C ein linearer Code über F q der Länge n. Die Anzahl aller Codewörter vom Gewicht r bezeichnen wir mit w r (C) := #{x C : w(x ) = r}. Das Spektrum eines Codes ist die Menge {w r (C) : 0 r n}. Das ganzzahlige homogene Polynom n W C (X, Y ) := w r (C)X n r Y r r=0 nennen wir Gewichtspolynom von C. Die erzeugende Funktion des Codes C ist durch n W C (X) := W C (X, 1) = w n s (C)X s deniert. Anmerkung Das Gewichtspolynom eines linearen Codes C der Länge n und Minimaldistanz d hat die Gestalt n W C (X, Y ) = X n + w r (C)X n r Y r. r=d s=0

25 2.3 Das Gewichtspolynom 17 Lemma Es seien G eine endliche Gruppe und χ ein Charakter von G, d.h. ein Gruppenhomorphismus von G in C. Dann gilt { #G für χ = 1 χ(g) = 0 sonst. g G Beweis. Die Aussage für χ = 1 ist trivial. Im Fall χ 1 gibt es ein Gruppenelement h G mit χ(h) 1. Aufgrund der Homomorphieeigenschaft von χ und der Transitivität der Linkstranslation von Gruppenelementen folgt dann (χ(h) 1) χ(g) = χ(h) χ(g) χ(g) = χ(h g) χ(g) = 0 g G g G g G h g G g G und somit g G χ(g) = 0. Satz (MacWilliams - Identität) Die Gewichtspolynome eines linearen [n, k] q Code C und dessen dualem Code C erfüllen die Gleichheit W C (X, Y ) = 1 q k W C(X + (q 1)Y, X Y ). Beweis. Wir setzen V := Fq n. Es sei χ : F q W m C ein nichttrivialer additiver Charakter von F q, wobei W m die Menge der m-ten Einheitswurzeln in C bezeichne. Für einen Vektor x V deniert { V C χ x : y χ( x, y ) einen additiven Charakter von V. Man beachte, daÿ wegen der Symmetrie des Skalarproduktes stets χ x (y) = χ y (x ) gilt. Die Einschränkung von χ x auf C deniert ebenfalls einen Charakter. Für einen Z[W m ]-Modul M und eine Abbildung f : V M setzen wir ˆf : { V M x y V χ x (y)f(y). Die Summation der Bilder aller Codewörter unter ˆf ergibt dann nach Lemma 2.20 ˆf(x ) = χ x (y)f(y) = f(y) χ x (y) x C x C y V y V x C = f(y) χ y (x ) = f(y) #C, y V x C y C da der Charakter χ y von C genau dann konstant 1 ist, wenn y ein Codewort des dualen Codes C ist.

26 18 Lineare Codes Nun verwenden wir für M den Modul C[X, Y ] n der komplexwertigen homogenen Polynome vom Grad n. M ist dann ein Z[W m ]-Modul via Linksmultiplikation. Zudem setzen wir { V C[X, Y ]n f : x X n w(x ) Y w(x ). Dann erfüllt das Gewichtspolynom des dualen Codes C die Gleichungen W C (X, Y ) = f(x ) = 1 #C x C x C Die Behauptung des Satzes folgt also mit dem Nachweis von ˆf(x ). ˆf(x ) = (X + (q 1)Y ) n w(x ) (X Y ) w(x ). Per Denition von ˆf und χ x gelten die beiden Gleichungen ˆf(x ) = y V = y V χ x (y)x n w(y) Y w(y) ( n ) χ x iy i X n w(y) Y w(y). i=1 Unter Verwendung der Homomorphieeigenschaft von χ erhalten wir dann wobei man beachte, daÿ y q 1 i X 1 yq 1 i wir auf in n ˆf(x ) = y V i=1 n = χ(x i y i )X 1 y i=1 y i F q χ(x i y i )X 1 yq 1 i Y yq 1 i q 1 i Y yq 1 = 1 im Falle y i 0 gilt und somit das Produkt der tatsächlich X n w(y) ergibt. Die Summe über alle Körperelemente y i teilen y i F q χ(x i y i )X 1 y q 1 i Y yq 1 i = X + Y y i F q i, χ(x i y i ) = X Y + Y y i F q χ(x i y i ). Dieser Faktor ist nach Lemma 2.20 im Fall x i = 0 gleich X Y + Y #F q = X + (q 1)Y, und sonst X Y. Das ergibt schlieÿlich was zu zeigen war. ˆf(x ) = n i=1 (X Y ) xq 1 i (X + (q 1)Y ) xq 1 i = (X Y ) w(x ) (X + (q 1)Y ) n w(x ),

27 2.3 Das Gewichtspolynom 19 Satz Es sei C ein linearer [n, k] q Code mit Minimaldistanz d(c) d und der erzeugenden Funktion n d W C (X) = X n + v l (X 1) l. Der duale Code C habe Minimaldistanz d(c ) d. Dann gelten: (a) Für 0 l d 1 ist v l = l=0 ( ) n (q k l 1). l (b) Für d l n d gilt mit a = min{n d l + 1, k d + 1} { ( ) } ( ) n n max 0, (q k l 1) v l l (q a 1). l Beweis. Durch Koezientenvergleich bei n d n d W C (X) = X n + w n s X s = X n + v l (X 1) l l=s s=0 erhält man die Relationen n d ( ) l n l ( ) n j w n s = ( 1) l s v l und v l = w j s l zwischen dem Gewichtsspektrum w d,..., w n von C und den Koezienten v l. Für eine Indexteilmenge I {1,..., n} mit Elementanzahl #I = l ist l=0 j=d C I := {x C : x i = 0 für alle i I} ein Teilcode von C, dessen Wörter höchstens Gewicht n l besitzen. Zudem ist jedes Codewort x C vom Gewicht w(x ) = j n l in genau ( ) n j l Teilcodes CI C mit #I = l enthalten. Das zeigt n l ( ) n j v l = w j = #C I \{0} = (q dim(ci) 1). l j=d #I=l #I=l Für eine Indexteilmenge I hat der zu C I duale Code C I C I = C + (F n q ) I, die Gestalt wobei (Fq n ) I den Vektorraum {y Fq n : y i = 0 für alle i I} der Dimension #I = l bezeichne. Hieraus erhalten wir vermöge der Dimensionsformeln für Summen und duale Räume dim(c I ) = dim(c) #I + dim(c (F n q ) I ) = k l + dim(c (F n q ) I ).

28 20 Lineare Codes Der Raum C (Fq n ) I enthält ausschlieÿlich Wörter y vom Gewicht w(y) l. Im Fall 0 l d 1 ist er daher leer und es folgt Aussage (a). Auÿerdem erhalten wir die untere Ungleichung von Aussage (b), da sowohl v l als auch dim(c (Fq n ) I ) nach unten durch 0 abschätzbar sind. Für die obere Ungleichung müssen wir auf die Singleton-Schranke vorweggreifen, deren Formulierung und Beweis sich auf der nächsten Seite bendet. Der Code C I kann als Code der Länge n l betrachtet werden und seine Distanz d I ist durch d d I n l beschränkt. Nach der Singleton- Schranke ergibt sich dim(c I ) (n l) d I + 1 n d l + 1. Der Code C (Fq n ) I kann als Code der Länge l betrachtet werden. Seine Distanz d I ist durch d d I l beschränkt und wie oben gilt dim(c (F n q ) I ) l d I + 1 l d + 1. Daher läÿt sich dim(c I ) durch min{n d l + 1, k d + 1} abschätzen und es folgt Aussage (b).

29 Kapitel 3 Pseudorationale Codes 3.1 Gewichtsverteilung pseudorationaler Codes Die einfachste obere Schranke für die Distanz eines Codes ist die Singleton-Schranke. Satz 3.1. (Singleton - Schranke) Für einen Code C über F q der Länge n und Minimaldistanz d gelten: (a) Die Anzahl der Codewörter ist durch q n d+1 beschränkt. (b) Ist C ein linearer Code der Dimension k, so gilt die Abschätzung k + d n + 1. Beweis. Zum Beweis genügt die Feststellung, daÿ sich zwei Codewörter aus C notwendigerweise schon in den ersten n (d 1) Komponenten unterscheiden. Also ist die Anzahl aller Codewörter durch q n (d 1) beschränkt. Denition 3.2. (Pseudorationaler Code, Singletondefekt) Ein Code C heiÿt pseudorational, falls die Anzahl seiner Codewörter die Singleton- Schranke annimmt oder C = {0} gilt. Es gilt dann c = q n d+1 für einen (n, c, d) q Code C {0} bzw. d = n k + 1, falls C linear mit den Parametern [n, k, d] q ist. Pseudorationale Codes heiÿen auch MDS - Codes, was für maximum distance separable steht. Bei einem linearen Code C nennen wir die Dierenz zwischen n k+1 und d Singletondefekt oder (in Hinblick auf die AG-Schranke in Teil II) auch Pseudogeschlecht von C. Beispiel und Deniton 3.3. Die Singleton-Schranke ist für alle Codewortlängen n scharf. Die n-fachen Wiederholungscodes, die Parity-Check-Codes sowie der gesamte Raum Fq n geben Beispiele für pseudorationale Codes (vgl. 2.7, 2.13, 2.17). Zusammen mit dem Nullcode {0} nennen wir diese Typen von Codes, d.h. pseudorationale Codes der Länge n und Dimension 0, 1, n 1 oder n, auch triviale Codes.

30 22 Pseudorationale Codes Bemerkung 3.4. Ein linearer Code C ist genau pseudorational, wenn sein dualer Code C pseudorational ist. Die Klasse pseudorationaler linearer Codes ist also abgeschlossen bezüglich der Dualisierung ( ). Beweis. Es sei C ein pseudorationaler [n, k, d] q Code mit dualem [n, k, d ] q Code C. Nach Bemerkung 2.9 gilt k = n k und somit folgt aus der Singleton-Schranke d n k + 1 = k + 1. Der duale Code ist also genau dann pseudorational, falls d k + 1 gilt. Wir nehmen also an, C besitze ein nichttriviales Codewort x 0 vom Gewicht w(x ) k. Dann verschwinden mindestens n k Einträge von x; es seien etwa x i1 =... = x in k = 0. Wir bezeichnen mit s 1,..., s n die Spalten der Kontrollmatrix H von C. Da H die Erzeugermatrix von C ist, können wir ohne Einschränkung annehmen, daÿ x eine Zeile von H bildet. Dann hat der von den Spalten s i1,..., s in k aufgespannte Unterraum höchstens Dimension n k 1. Nach Bemerkung 2.16 sind aber jeweils d 1 = n k Spalten von H linear unabhängig. Somit führt unsere Annahme 0 < w(x ) k zum Widerspruch und es folgt d k + 1. Bei pseudorationalen Codes ist das Gewichtspolynom und damit die Verteilung der Codewörter mit gegebenem Gewicht vollständig festgelegt. Satz 3.5. (Gewichtsverteilung pseudorationaler Codes) Für einen pseudorationalen [n, k, d] q Code C gelten: (a) C hat die erzeugende Funktion n d ( ) n W C (X) = X n + (q k l 1)(X 1) l. l (b) Die Anzahl der Codewörter vom Gewicht r 0 ist w r (C) = l=0 ( ) n (q 1) r r d i=0 ( ) r 1 ( 1) i q r d i. i Beweis. Die Aussage (a) folgt aus Bemerkung 2.22, wobei man beachte, daÿ C Minimaldistanz d > n d besitzt. Ebenfalls unter Verwendung von Bemerkung 2.22 führen wir zum Beweis von (b) einen Koezientenvergleich bei W C (X) durch. Dies ergibt bei X s n d ( ) l n d ( )( ) l n w n s (C) = ( 1) s l v l = ( 1) s l (q k l 1) s s l l=s l=s ( ) ( n n d ( ) ) n s = ( 1) s l (q k l 1). s n l l=s

31 3.1 Gewichtsverteilung pseudorationaler Codes 23 Für r = n s erhalten wir ( ) ( n n d ( ) ) r w r (C) = ( 1) n r l (q k l 1) r n l l=n r ( ) ( n r d ( ) ) r = ( 1) j (q r+k n j 1). r r j j=0 Die rechte Seite ist durch q 1 teilbar und der Faktor w r (C) ( n 1(q r) 1) 1 hat die Gestalt r d ( r ( 1) j r j j=0 ) r d j i=0 r d q i = Man beachte dabei, daÿ n k = d 1 gilt. Mit folgt hieraus schlieÿlich r d i j=0 i=0 r d i q i j=0 ( ) ( ) r r 1 ( 1) j = ( 1) i j r d i ( 1) j ( r j ( ) n r d ( ) r 1 w r (C) = (q 1) ( 1) i r r d i i=0 ( ) n r d ( ) r 1 = (q 1) ( 1) i r i i=0 q i q r d i Korollar 3.6. Pseudorationale Codes der Dimension 2 über F q sowie die dazu dualen Codes haben maximal Länge q + 1. Beweis. Es sei C ein (pseudorationaler) [n, 2, n 1] q Code. Dann gilt nach 3.5(b) und somit 0 q + 1 n. 0 w n (C) = (q 1)(q (n 1)) ). MDS-Vermutung. Nichttriviale pseudorationale Codes der Dimension k über F q besitzen höchstens die Länge { q + 2 falls q 0 (mod 2) und k {3, q 1} q + 1 sonst. Diese Schranken sind scharf. Im Abschnitt 3.3 lernen wir die sogenannten projektiven Reed-Solomon-Codes kennen. Dies sind pseudorationale Codes der Länge q + 1.

32 24 Pseudorationale Codes Beispiel 3.7. Für die Konstruktion eines nichttrivialen pseudorationalen Code der Länge q + 2 betrachten wir den Fall q = 4. Es sei F 4 = {0, 1, a, b}. Die Matrix a b b a ist dann Erzeugermatrix eines [6, 3, 4] 4 bzw. Kontrollmatrix eines [6, 4, 3] 4 Codes, da jeweils drei Spalten der Matrix linear unabhängig sind (vgl. Bemerkung 2.16). Dieser Code wird auch Hexacode genannt. Die MDS-Vermutung konnte bisher für q 29 oder k 5 bestätigt werden. Wir beschäftigen uns näher mit der Vermutung in den Kapiteln 12 und 13, in denen wir die Vermutung für die arithmetischen Codeklassen der sogenannten rationalen, elliptischen und hyperelliptischen Codes beweisen. 3.2 Reed-Solomon-Codes Die Klasse der Reed-Solomon-Codes ist die wichtigste und meistverwandte Klasse von (pseudorationalen) Codes. Zum Beispiel werden diese Codes in variierter Form als sogenannte CIRC - Codes bei Audio und Compact Discs verwendet. Darauf gehen wir im nächsten Kapitel ein. Zudem werden wir in Abschnitt 12.1 eine arithmetische Beschreibung der Reed-Solomon-Codes geben. Denition 3.8. (Reed-Solomon-Code) Es seien q n k 0. Wir bezeichnen mit P k := F q [X] <k den Vektorraum der F q - Polynome vom Grad < k. Für paarweise verschiedene Körperelemente a 1,..., a n F q und beliebige b 1,..., b n F q seien a := (a 1,..., a n ) und b := (b 1,..., b n ). Dann ist der (verallgemeinerte) Reed-Solomon-Codes RS k (a, b) deniert durch den Codierer { Pk Fq C : n f (b 1 f(a 1 ),..., b n f(a n )). Man nennt a daher auch Auswertungsvektor. RS k (a, b) heiÿt gewöhnlich, falls b = (1,..., 1) und a = (u i ) 1 i n mit einer primitiven n-ten Einheitswurzel u F q gelten. Anmerkung 3.9. Gewöhnliche Reed-Solomon-Codes liefern auch Beispiele für die sogenannte BCH - Codes, die wir in Abschnitt 6.3 studieren. Bemerkung (Parameter und Erzeugermatrix von RS k (a, b)) Für einen Reed-Solomon-Code RS k (a, b) der Länge n über F q gelten: (a) RS k (a, b) ist pseudorational mit Dimension k, d.h. RS k (a, b) bildet einen [n, k, n k + 1] q Code. (b) Die Matrix (b i a j i ) 0 j k 1,1 i n ist eine Erzeugermatrix von RS k (a, b).

33 3.2 Reed-Solomon-Codes 25 Beweis. (a) Der Raum P k wird durch den Codierer C in Fq n linear eingebettet, da das Bild eines Polynoms f unter C nur dann verschwindet, falls f für die Argumente a 1,..., a n verschwindet. In diesen Fall hat f nämlich mindestens n Nullstellen und nach Voraussetzung höchstens Grad k 1. Wegen n k ist also C(f) = 0 nur im Fall f = 0 möglich, d.h. C ist injektiv. Über F q besitzt P k Dimension k, woraus dim(rs k (a, b)) = k folgt. Da f 0 aus P k höchstens k 1 Nullstellen hat, sind mindestens n (k 1) Einträge des Codewortes C(f) ungleich 0. Es gilt also d n k + 1. Aus der Singleton-Schranke erhält man die Gleichheit, was die Pseudorationalität von RS k (a, b) beweist. (b) Die Polynome 1, X,..., X k 1 bilden eine Basis von P k und somit sind auch ihre Bilder C(x j ) = (b 1 a j 1,..., b n a j n) unter C eine Basis von RS k (a, b). Aus Bemerkung 3.4 wissen wir bereits, daÿ die Klasse der pseudorationalen Codes abgeschlossen bezüglich Dualisierung ist. Die Unterklasse der Reed-Solomon-Codes ist ebenfalls ( ) - invariant und ihre Parameter sind sogar uniform. Satz (Dualer Reed-Solomon-Code) Es seien die Vektoren a = (a 1,..., a n ) mit paarweise verschiedenen Einträgen a i aus F q und b (F q ) n gegeben. Dann gibt es ein c (F q ) n, sodaÿ für 0 k n 1 gilt. RS k (a, b) = RS n k (a, c) Beweis. Wir betrachten zunächst den Reed-Solomon-Code C = RS n 1 (a, b) der Dimension n 1. Dann ist sein dualer Code C nach Bemerkung 3.4 ebenfalls pseudorational und besitzt die Parameter [n, 1, n] q. Folglich wird C erzeugt von einen einzigen Wort c = (c 1,..., c n ) vom Gewicht n, das dann auch die Kontrollmatrix von RS n 1 (a, b) bildet. Mit der Kontrollgleichung für RS n 1 (a, b) erhalten wir also n c i b i h(a i ) = 0 für h P n 1. i=1 Für k N mit 0 k n 1 wählen wir beliebige Polynome f P k und g P n k. Dann ist h := f g Element von P n 1 und es gilt nach obigem die Orthogonalitätsrelation (b 1 f(a 1 ),..., b n f(a n )), (c 1 g(a 1 ),..., c n g(a n )) = n c i b i h(a i ) = 0 i=1 zwischen den Worten (b 1 f(a 1 ),..., b n f(a n )) aus RS k (a, b) und (c 1 g(a 1 ),..., c n g(a n )) aus RS n k (a, c). Da f und g beliebig wählbar sind, folgt RS k (a, b) RS n k (a, c) und aus Dimensionsgründen schlieÿlich die behauptete Gleichheit.

34 26 Pseudorationale Codes 3.3 Projektive Reed-Solomon-Codes Reed-Solomon-Codes können unter Beibehaltung des Singleton-Defekts 0 um ein Symbol verlängert werden. Dies liefert unteren anderem pseudorationale Codes über F q der Länge q + 1. Denition (Projektiver Reed-Solomon-Code) Es seien RS k (a, b) ein Reed-Solomon-Code über F q der Länge n q und b n+1 F q. Dann heiÿt der durch die Matrix Ĝ := b 1 b n 0 b 1 a 1 b n a n 0... b 1 a1 k 1 b n a k 1 n 0 b 1 a k 1 b n a k n b n+1 denierte [n + 1, k + 1] q Code projektiver Reed-Solomon-Code über F q. Satz Projektive Reed-Solomon-Codes sind pseudorational. Beweis. In der Situation von Denition 3.12 seien C = RS k (a, b) und Ĉ der durch C und b n+1 denierte projektive Reed-Solomon-Code der Länge n + 1 und Dimension k + 1. Für den Nachweis, daÿ Ĉ pseudorational ist, müssen wir gemäÿ der Singleton-Schranke nur d(ĉ) n k + 1 zeigen. Sei dazu c = (c 1,..., c n ) der Dualitätsvektor von C (aus Satz 3.11) mit C = RS n k (a, c). Es sei c n+1 F q mit n i=1 c i b i a n 1 i + c n+1 b n+1 = 0. Wir nehmen zunächst an, daÿ c n+1 = 0 ist. Es gilt dann n i=1 c ib i a n 1 i = 0 und somit n 1 i=0 c ib i h(a i ) = 0 für alle h P n nach Konstruktion von c. So aber ist c als nichtverschwindender Vektor orthogonal zu allen Vektoren aus F n q. Aufgrund diesen Widerspruchs ist c n+1 F q. Wir bilden die Matrix c 1 c n 0 c 1 a 1 c n a n 0 Ĥ :=... = c 1 a n k 2 1 c n a n k 2 n 0 c 1 a n k 1 1 c n a n k 1 n c n+1 H c 1 a n k 1 1 c n a n k 1 n u die ebenfalls einen projektiven Reed-Solomon-Code erzeugt. Wegen ĤĜT = 0 ist dieser dual zu Ĉ und Ĥ wirkt als Kontrollmatrix auf Ĉ. Wir zeigen nun, daÿ jeweils n k Spalten von Ĥ linear unabhängig sind und untersuchen dazu die quadratischen n k - Teilmatrizen M von Ĥ.,

35 3.4 Decodierung von Reed-Solomon-Codes 27 1.Fall: Es ist u nicht in M enthalten. Dann hat M die Gestalt M = V (a i1,..., a in k ) diag(c i1,..., c in k ), wobei V (a i1,..., a in k ) die Vandermonde-Matrix bedeutet. Da die a ij paarweise verschieden und die c ij invertierbar sind, ergibt sich det(m) 0. 2.Fall: Im zweiten Fall hat M die Spalten s i1,..., s in k 1, u. Dabei sind s i1,..., s in k 1 linear unabhängig, da H Kontrollmatrix von C ist und somit nach Bemerkung 2.16 jeweils d(c) 1 = n k Spalten von H linear unabhängig sind. Das hat aber auch die lineare Unabhängigkeit von u zu s i1,..., s in k 1 und damit die Regularität von M zur Folge. In beiden Fällen sind also jeweils n k Spalten von Ĥ linear unabhängig. Folglich gilt d(ĉ) n k + 1. Der Beweis zeigt zusätzlich, daÿ die Kontrollmatrix eines projektiven Reed-Solomom- Code wieder einen projektiven Reed-Solomon-Code erzeugt. Dies impliziert Korollar Die Klasse der projektiven Reed-Solomon-Codes ist abgeschlossen bezüglich der Dualisierung und enthält ausschlieÿlich pseudorationale Codes. 3.4 Decodierung von Reed-Solomon-Codes Im gesamten Abschnitt sei C = RS k (a, b) = RS n k (a, c) ein Reed-Solomon-Code über F q mit Auswertungsvektor a = (a 1,..., a n ). Desweiteren sei e = n k+1 der Fehlerkorrekturparameter von C, d.h. die maximal mögliche 2 Anzahl von korrigierbaren Fehlern bei der Decodierung von C. Gesucht wird für eine empfangene Nachricht y ein Codewort x mit Abstand d(x, y) e. Denition (Fehlervektor, Fehlerpolynom) Gibt es zu y Fq n ein Codewort x C mit d(x, y) e, so nennen wir x y = (e 1,..., e n ) Fehlervektor. Die Indexmenge I y = {i : e i 0} heiÿt Menge der Fehlerpositionen. Das Fehlerpolynom ist deniert durch σ(x) = e (X a i ) = z s X s. i I y s=0 Wir nennen σ auch fehlerlokalisierende Funktion. Die Syndrome zu y sind die Elemente n s j (y) = y i c i a j i i=1 (0 j n k). Oenbar gilt s j (y 1 + y 2 ) = s j (y 1 ) + s j (y 2 ) sowie s j (x ) = 0 für Codewörter x C. Folglich stimmen die Syndrome s j (y) mit s j (e) überein. Daraus folgt

36 28 Pseudorationale Codes Lemma Die Koezienten z 0,..., z e des Fehlerpolynoms σ(x) erfüllen das Gleichungssystem e z l s j+l (y) = 0 (0 j e 1) (3.17) l=0 und es ist (z 0,..., z e ) durch (3.17) bis auf skalare Multiplikation eindeutig bestimmt. Beweis. Wegen e i = 0 für i / I y und σ(a i ) = 0 für i I y gilt e z l s j+l (y) = l=0 e l=0 z l n i=1 e i c i a j+l i = n e i c i a j i i=1 = i I y e i c i a j i σ(a i) = 0. e z l a l i l=0 Ist (ẑ 0,..., ẑ e ) eine weitere Lösung von (3.17), so denieren wir ˆσ(X) := e l=0 ẑ l X l und σ j (X) := i I i j e 1 (X a i ) = z l,j X l. l=0 Dann gilt für eine beliebige Fehlerposition j I y e j c j σ j (a j )ˆσ(a j ) = i I y e i c i σ j (a i )ˆσ(a i ), da σ j (a i ) im Falle i j verschwindet. Diese Summe kann weiter umgeformt werden zu ( e 1 e e 1 e ) e i c i z k,j a k i ẑ l a l i = z k,j ẑ l s k+l (y). i I k=0 l=0 k=0 l=0 Als Lösung von (3.17) erfüllen ẑ 0,..., ẑ e die Gleichungen e l=0 ẑls k+l (y) = 0 für alle Indices 0 k e 1. Das Produkt e j c j σ j (a j )ˆσ(a j ) verschwindet also, und wegen e j c j σ j (a j ) 0 ist ˆσ(a j ) = 0 für alle Fehlerpositionen j I y. Folglich ist das Fehlerpolynom σ(x) ein Teiler von ˆσ(X). Da die Polynomgrade übereinstimmen folgt nun die Existenz eines Skalars a F q mit σ(x) = a ˆσ(X). Decodieralgorithmus Es sei y F n q gegeben. (1) Bestimme für 0 j n k die Syndrome s j (y) = n i=1 y ic i a j i zu y. (2) Finde eine Lösung z = (z 0,..., z l ) des Gleichungssystems (3.17). (3) Faktorisiere das Polynom ˆσ(X) := e l=0 z lx l. Die Indexmenge der Fehlerpositionen ist dann I = {i : ˆσ(a i ) = 0}.

37 3.4 Decodierung von Reed-Solomon-Codes 29 (4) Für i / I setze e i := 0. Bestimme die restliche Koezienten des Fehlervektors e = (e 1,..., e n ) mit Hilfe des Gleichungssystem e i c i a j i = s j(y) (0 j n k). (3.19) i I (5) Das Codewort x = y e C ist dann die decodierte Nachricht. ter- Bemerkung Der Decodieralgorithmus 3.18 mit dem Startvektor y Fq n miniert, falls es ein Codewort x C mit Distanz d(x, y) e gibt. Beweis. Aus Lemma 3.16 folgt, daÿ ˆσ aus Schritt 3 ein skalares Vielfaches der fehlerlokalisierenden Funktion σ von y ist. Somit ist I die tatsächliche Indexmenge I y der Fehlerpositionen. Es ist nur noch zu zeigen, daÿ eine Lösung des Gleichungssystem (3.19) eindeutig bestimmt ist. Dazu sei e mit e i = 0 für i / I eine Lösung von (3.19). Dann verschwinden die Syndrome s j (e e ) = n (e i e i)c i a j i für 0 j n k und somit ist e e ein Codewort aus C vom Gewicht Das ist nur für e = e möglich. i=1 w(e e ) 2e < d(c).

38

39 Kapitel 4 Variationen von Codes 4.1 Einige elementare lineare Konstruktionen Bemerkung 4.1. (Erweiterung mit Paritätsbit) Es sei C ein [n, k, d] q Code mit Erzeugermatrix G. Dann erzeugt x 11 x 1n n i=1 Ĝ = (G p) =.... x 1i.. x k1 x kn n i=1 x ki einen [n + 1, k, ˆd] q Code mit Minimaldistanz d oder d + 1. Bemerkung 4.2. (Punktierung) Es sei C ein [n, k, d] q Code. Der durch Weglasssen des i-ten Symbols erzeugte Code C i = {(x 1,..., x i 1, x i+1,..., x n ) : x C} ist ein [n 1, k, d ] q Code mit Dimension k {k 1, k} und Distanz d {d 1, d}. Bemerkung 4.3. (Direkte Summe) Es seien C 1 und C 2 lineare Codes mit den Paramtern [n i, k i, d i ] q für i = 1, 2. Dann gelten: (a) Der Code C 1 C 2 = {(x 1, x 2 ) : x i C i } ist ein [n 1 + n 2, k 1 + k 2, d] q Code mit Minimaldistanz d = min{d 1, d 2 }. (b) Im Fall n 1 = n 2 deniert C := {(x 1, x 1 + x 2 ) : x i C i } einen [2n 1, k 1 + k 2, d] q Code mit Distanz d = min{2d 1, d 2 }.

40 32 Variationen von Codes Bemerkung 4.4. (Verklebung) Es seien C 1 : Fq k F n 1 q und C 2 : Fq k F n 2 q [n 2, k, d 2 ] q Codes. Dann gelten: Codierer von [n 1, k, d 1 ] q bzw. (a) Der Codierer (C 1 C 2 ) : { F k q F n 1 q F n 2 q x (C 1 (x), C 2 (x)) erzeugt einen [n 1 + n 2, k, d] q Code mit Minimaldistanz d d 1 + d 2. (b) (C 1 C 1 ) : F k q F ln q ist ein [ln, k, ld] q Wiederholungscode. Bemerkung 4.5. (Tensorprodukt, Cross Interleaving) Es seien C 1 und C 2 lineare Codes mit den Parametern [n i, k i, d i ] q für i = 1, 2. Dann deniert mit C 1 C 2 = { x (1) x (2) : x (i) C i } F n 1 n 2 q = F n 1 q F n 2 q x (1) x (2) = (x (1) 1 x (2) 1,..., x (1) n 1 x (2) 1, x (1) 1 x (2) 2,..., x (1) n 1 x (2) 2,......, x (1) 1 x (2) n 2,..., x (1) n 1 x (2) n 2 ) einen [n 1 n 2, k 1 k 2, d 1 d 2 ] q Code. Dabei heiÿen C 1 innerer und C 2 äuÿerer Code von C 1 C 2. Beweis. Oensichtlich hat C 1 C 2 die Länge n 1 n 2. Ein Codewort besitzt das Gewicht w(x (1) x (2) ) = w(x (1) ) w(x (2) ). Daher sind die Produkte von Minimalwörtern je aus C 1 und C 2 Minimalwörter in C 1 C 2 und es folgt die Aussage über die Distanz von C 1 C 2. Für den Rest des Beweises zeigen wir, daÿ C 1 C 2 tatsächlich ein Tensorprodukt ist und als solches Dimension k 1 k 2 besitzt. Das (existierende) Tensorprodukt von C 1 und C 2 bezeichnen wir dabei mit V. Die Abbildung (x (1), x (2) ) x (1) x (2) von C 1 C 2 nach C 1 C 2 ist oensichtlich bilinear und surjektiv. Nach der universellen Abbildungseigenschaft von Tensorprodukten gibt es daher einen surjektiven Homomorphismus von V nach C 1 C 2 und es gilt dim(c 1 C 2 ) dim(v ) = k 1 k 2. Dieser Homomorphismus ist auch injektiv, da die Produkte x (1) i x (2) j von Basen in C 1 und C 2 linear unabhängig sind. Eine Linearkombination a ij x (1) i x (2) j = 0 läÿt sich auf k 2 n 2 Linearkombinationen k1 i=1 a ijx (2) jl x (1) i = 0 mit 1 j k 2, 1 l n 2 zurückführen. Diese liefern die Gleichungen a ij x (2) j = 0 für 1 i k 1, 1 j k 2 und somit schlieÿlich a ij = 0 für alle Doppelindizes ij. Das beweist unsere Aussage über die Dimension und zeigt, daÿ C 1 C 2 ein Tensorprodukt von C 1 und C 2 ist. Aufgabe 4.6. Führen Sie die Beweise der Bemerkungen durch.

Einführung in die Kodierungstheorie

Einführung in die Kodierungstheorie Einführung in die Kodierungstheorie Einführung Vorgehen Beispiele Definitionen (Code, Codewort, Alphabet, Länge) Hamming-Distanz Definitionen (Äquivalenz, Coderate, ) Singleton-Schranke Lineare Codes Hamming-Gewicht

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1}

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

Theoretische Grundlagen der Informatik WS 09/10

Theoretische Grundlagen der Informatik WS 09/10 Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3

Mehr

Lineare Codes. Dipl.-Inform. Wolfgang Globke. Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19

Lineare Codes. Dipl.-Inform. Wolfgang Globke. Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19 Lineare Codes Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 19 Codes Ein Code ist eine eindeutige Zuordnung von Zeichen

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

3 Der Hamming-Code. Hamming-Codes

3 Der Hamming-Code. Hamming-Codes 3 Der Hamming-Code Hamming-Codes Ein binärer Code C heißt ein Hamming-Code Ha s, wenn seine Kontrollmatrix H als Spalten alle Elemente in Z 2 s je einmal hat. Die Parameter eines n-k-hamming-codes sind:

Mehr

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

BONUS MALUS SYSTEME UND MARKOV KETTEN

BONUS MALUS SYSTEME UND MARKOV KETTEN Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,

Mehr

Die reellen Lösungen der kubischen Gleichung

Die reellen Lösungen der kubischen Gleichung Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zur Linearen Algebra II Blatt 5 Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 15. Lösung linearer Gleichungssysteme Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes

1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche: Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 5/ 44 Unser Modell Shannon

Mehr

Mathematischer Vorbereitungskurs für Ökonomen

Mathematischer Vorbereitungskurs für Ökonomen Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

Codierungsverfahren SS 2011. Reed-Solomon-Codes zur Mehrblock-Bündelfehler-Korrektur

Codierungsverfahren SS 2011. Reed-Solomon-Codes zur Mehrblock-Bündelfehler-Korrektur Reed-Solomon-Codes zur Mehrblock-Bündelfehler-Korrektur Wie die zyklischen BCH-Codes zur Mehrbitfehler-Korrektur eignen sich auch die sehr verwandten Reed-Solomon-Codes (= RS-Codes) zur Mehrbitfehler-Korrektur.

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

Mehr

4. Versicherungsangebot

4. Versicherungsangebot 4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil

Mehr

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term

Mehr

Der Zwei-Quadrate-Satz von Fermat

Der Zwei-Quadrate-Satz von Fermat Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat

Mehr

6.2 Perfekte Sicherheit

6.2 Perfekte Sicherheit 04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da

Mehr

Algorithmen II Vorlesung am 15.11.2012

Algorithmen II Vorlesung am 15.11.2012 Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?

Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

Expander Graphen und Ihre Anwendungen

Expander Graphen und Ihre Anwendungen Expander Graphen und Ihre Anwendungen Alireza Sarveniazi Mathematisches Institut Universität Göttingen 21.04.2006 Alireza Sarveniazi (Universität Göttingen) Expander Graphen und Ihre Anwendungen 21.04.2006

Mehr

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Die Optimalität von Randomisationstests

Die Optimalität von Randomisationstests Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

15 Optimales Kodieren

15 Optimales Kodieren 15 Optimales Kodieren Es soll ein optimaler Kodierer C(T ) entworfen werden, welcher eine Information (z.b. Text T ) mit möglichst geringer Bitanzahl eindeutig überträgt. Die Anforderungen an den optimalen

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Lineare Gleichungssysteme I (Matrixgleichungen)

Lineare Gleichungssysteme I (Matrixgleichungen) Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen 5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei

Mehr

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in

Mehr

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte

Mehr

Betragsgleichungen und die Methode der Fallunterscheidungen

Betragsgleichungen und die Methode der Fallunterscheidungen mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Aufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:

Aufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt: Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an

Mehr

Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW

Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6

Mehr

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

3.1. Die komplexen Zahlen

3.1. Die komplexen Zahlen 3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen

Mehr

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht

Mehr

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Probleme beim Arbeiten mit Variablen, Termen und Gleichungen

Probleme beim Arbeiten mit Variablen, Termen und Gleichungen Probleme beim Arbeiten mit Variablen, Termen und Gleichungen Tage des Unterrichts in Mathematik, Naturwissenschaften und Technik Rostock 2010 Prof. Dr. Hans-Dieter Sill, Universität Rostock, http://www.math.uni-rostock.de/~sill/

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

Das Mathematik-Abitur im Saarland

Das Mathematik-Abitur im Saarland Informationen zum Abitur Das Mathematik-Abitur im Saarland Sie können Mathematik im Abitur entweder als grundlegenden Kurs (G-Kurs) oder als erhöhten Kurs (E-Kurs) wählen. Die Bearbeitungszeit für die

Mehr

Behörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik

Behörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.

Mehr

Lösungen zu Kapitel 7

Lösungen zu Kapitel 7 Lösungen zu Kapitel 7 Lösung zu Aufgabe 1: Nach Definition 7.1 ist eine Verknüpfung auf der Menge H durch eine Abbildung : H H H definiert. Gilt H = {a 1,..., a m }, so wird eine Verknüpfung auch vollständig

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 Vorlesung: 21.11. 2005 Matrix und Determinante 4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer

Mehr

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1 Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4

1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4 1. Kennlinien Der Transistor BC550C soll auf den Arbeitspunkt U CE = 4 V und I C = 15 ma eingestellt werden. a) Bestimmen Sie aus den Kennlinien (S. 2) die Werte für I B, B, U BE. b) Woher kommt die Neigung

Mehr

R ist freie Software und kann von der Website. www.r-project.org

R ist freie Software und kann von der Website. www.r-project.org R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird

Mehr

Kevin Caldwell. 18.April 2012

Kevin Caldwell. 18.April 2012 im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig

Mehr

( ) als den Punkt mit der gleichen x-koordinate wie A und der

( ) als den Punkt mit der gleichen x-koordinate wie A und der ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der

Mehr

Grundlagen der Theoretischen Informatik, SoSe 2008

Grundlagen der Theoretischen Informatik, SoSe 2008 1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)

Mehr

7 Die Determinante einer Matrix

7 Die Determinante einer Matrix 7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =

Mehr

Anmerkungen zur Übergangsprüfung

Anmerkungen zur Übergangsprüfung DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung

Mehr

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen. Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Zusatztutorium, 25.01.2013

Zusatztutorium, 25.01.2013 Zusatztutorium, 25.01.2013 David Müßig muessig[at]mi.fu-berlin.de http://page.mi.fu-berlin.de/def/tutorium/ WiSe 12/13 1 Der Homomorphiesatz Der Homomorphiesatz scheint für viele eine Art rotes Tuch zu

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Lineare Differentialgleichungen erster Ordnung erkennen

Lineare Differentialgleichungen erster Ordnung erkennen Lineare Differentialgleichungen erster Ordnung In diesem Kapitel... Erkennen, wie Differentialgleichungen erster Ordnung aussehen en für Differentialgleichungen erster Ordnung und ohne -Terme finden Die

Mehr

Beweisbar sichere Verschlüsselung

Beweisbar sichere Verschlüsselung Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6

Mehr

Korrelation (II) Korrelation und Kausalität

Korrelation (II) Korrelation und Kausalität Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

http://www.olympiade-mathematik.de 2. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 7 Saison 1962/1963 Aufgaben und Lösungen

http://www.olympiade-mathematik.de 2. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 7 Saison 1962/1963 Aufgaben und Lösungen 2. Mathematik Olympiade Saison 1962/1963 Aufgaben und Lösungen 1 OJM 2. Mathematik-Olympiade Aufgaben Hinweis: Der Lösungsweg mit Begründungen und Nebenrechnungen soll deutlich erkennbar in logisch und

Mehr