Grundlagen exakter Methoden zur Verschlüsselung von Codewörtern mittels linearer Codes*

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Grundlagen exakter Methoden zur Verschlüsselung von Codewörtern mittels linearer Codes*"

Transkript

1 Grundlagen exakter Methoden zur Verschlüsselung von Codewörtern mittels linearer Codes* Andrea Kraft Elisabeth Pilgerstorfer Johannes Kepler Universität Linz 2. Juni 24 Kurzfassung Sowohl in der Wirtschaft als auch im Privaten werden heute immense Daten transferiert und abgespeichert. Ein wesentliches Anliegen dabei ist, gesendete oder gespeicherte Nachrichten vor zufälligen oder auch absichtlichen Störungen seitens Dritter zu schützen. Mit der Sicherung von Daten gegen aktive Störungen von außen beschäftigt sich die Kryptographie, auf die hier aber nicht näher eingegangen wird. Die Codierungstheorie beschäftigt sich nun damit, wie man die Übertragung und Sicherung der Daten effizient und fehlerfrei bewerkstelligen kann. Diese Arbeit gibt einen Einblick in die Grundlagen dieser aktuellen und überaus interessanten Wissenschaft. *) Diese Arbeit entstand im Rahmen der Lehrveranstaltung "Logik als Arbeitssprache" im SS4 an der JKU Linz.

2 . Einleitung Die Codierungstheorie ist ein relativ junges und anwendungsorientiertes Gebiet der Mathematik. Die Geburtsstunde der Informations- und Codierungstheorie schlug 948, als Claude E. Shannon seine Arbeit "A Mathematical Theory of Communication " (The Bell System Technical Journal, October 948) veröffentlichte. Das Problem kann folgendermaßen beschrieben werden: Eine Nachricht soll über eine längere Distanz (Europa-USA, Erde-Mars,...) übertragen werden. Üblicherweise verschlüsselt man diese Nachricht in eine Folge von Elementen,. Man nennt dies einen binären Code. Ein solches Nachrichtenwort wäre etwa. Bei der Übertragung dieser Wörter können nun aber leicht Fehler auftreten. Ursache für derartige Störungen können recht vielfältig sein, etwa atmosphärisches Rauschen, Interferenzen, Kratzer auf einer Compact Disc, etc. Obiges Wort könnte dann etwa als empfangen werden. Ist etwa die Wahrscheinlichkeit, dass ein Zeichen richtig übertragen wird, 99 %, so werden bei einer Nachricht von Zeichen im Mittel schon Fehler (!) auftreten. Die Methoden der Codierungstheorie versuchen solche Wortveränderungen weitgehend zu verhindern. Die Idee der Sicherung ist nun eine sehr einfache: Zur eigentlichen Nachricht wird eine Zusatzinformation, eine gewisse Art der Redundanz, gesendet, mittels derer Fehler in der Übertragung erkannt oder sogar die eigentliche Nachricht, sofern sie nicht allzu sehr gestört beim Empfänger ankommt, rekonstruiert werden kann. Man spricht von einer Fehlererkennung beziehungsweise einer Fehlerkorrektur. Versendet man zum Beispiel das Wort x x 2...x n und das gesendete Wort kommt als y...y n an, so nennt man e e 2...e n das Fehlerwort, wobei e i := y i - x i und x i, y i sind Element aus {,}. Jeder Einser an der i-ten Stelle im Fehlerwort zeigt an, dass dort ein Fehler passiert ist. Bei manchen Problemen in der Praxis reicht eine Fehlererkennung aus und die Nachricht wird gegebenenfalls nochmals angefordert. Als Beispiele seien hier das falsche Lesen eines Strichcodes auf einer Verpackung mittels eines Lichtstifts, das Eintippen einer unkorrekten Kontonummer oder die falsche Übertragung von Daten in einem Computer-Netzwerk genannt. Eine einfache Wiederholung des Codewortes bringt meist Abhilfe. In vielen Situationen ist jedoch eine Rückfrage unmöglich oder man erhält dadurch kein besseres Ergebnis. Hier ist eine Fehlerkorrektur angebracht. Deswegen wird im Folgenden nicht nur auf die Fehlererkennung, sondern auch auf fehlerkorrigierende Codes eingegangen. Die Resultate dieser Arbeit sind nicht neu, sie stellen aber eine grobe Zusammenfassung der Grundlagen der Codierung mittels linearer Codes dar. In der Literatur für Lineare Algebra II sind diese Resultate in verkürzter Form zu finden, siehe [Pilz, 23]. Diese mathematische Arbeit soll eine Einführung in dieses relativ junge Gebiet der Mathematik geben. Sie ist gedacht für Studenten mittleren Semesters, die mit Linearer Algebra etwas vertraut sind, besonders mit den Grundbegriffen wie Körper, Vektorräume, linearer Abhängigkeit, etc.. Die benötigten Vorkenntnisse werden meist in den ersten beiden Semestern des Mathematikstudiums vermittelt. Im Abschnitt 2 werden die wichtigsten Grundbegriffe der Codierungstheorie eingeführt, in Abschnitt 3 folgt ein Beispiel eines linearen Codes, das bereits alle Erkenntnisse des vorhergehenden Abschnitts umfasst. Zum Abschluss folgt im Abschnitt 4 der Beweis eines zentralen Satzes der Codierungstheorie. 2

3 2. Lineare Codes Definition Ein linearer Code C ist ein Unterraum des K-Vektorraums K n, wobei K ein endlicher Körper und n Elemente aus C heißen Codewörter. ist. Einen linearen Code, der einen Vektorraum über den Körper K = {, } bildet, nennt man binären Code. Wir spezialisieren uns in dieser Arbeit auf lineare Codes, d. h. Codes die Vektorräume über endlichen Körpern sind. Durch diese Einschränkung verlieren wir wenig, da die in der Praxis verwendeten Codes nahezu alle zu dieser Klasse gehören. Es gibt aber noch eine Fülle von anderen Codierungsarten, wie zb Reed-Solomon-Codes, Reed-Muller-Codes, etc. auf die hier aber nicht eingegangen wird. Anmerkung Die Codewörter müssen nicht alle die gleiche Länge haben, d. h. n-tupel für ein festes n sein. Eine Codierung mit variabler Länge führt zu den sogenannten Faltungscodes, die von vollkommen anderer Struktur sind als die hier behandelten Blockcodes. 2. Testsymbole Wie schon in der Einleitung erwähnt, hängt man an das eigentliche Wort sogenannte Teststellen an, um mögliche Fehler zu erkennen und eventuell auch zu korrigieren. Eine effiziente Methode hierfür ist zum Beispiel der sogenannte "Single Parity Check". Man hängt an ein Nachrichtenwort an, wenn die Summe der Einser je Wort gerade ist, andernfalls hängt man an. Ein Beispiel: wird zu. Erhält der Empfänger, so erkennt er, dass entweder, 3, 5 oder 7 Fehler passiert sein müssen. Wo, das weiß er nicht. Die Teststellen können auch auf andere Weise berechnet werden. Sie ergeben sich aber immer aus einer Kombination der einzelnen Stellen des eigentlichen Codewortes. Die so entstandenen Codewörter (Wort und Testsymbole) bilden ein lineares Gleichungssystem und man kann es in einer Matrix - der sogenannten Kontroll- oder Koeffizientenmatrix H - zusammenfassen. Eine genaue Definition: Definition 2 Eine Matrix H heißt eine Kontrollmatrix für C falls: C = {c c K n H * c t = } Genauer gesagt ist C der Nullraum der Kontrollmatrix H. Ein linearer Code kann natürlich viele verschiedene Kontrollmatrizen haben. 2.2 Abstand zweier Codewörter Definition 3 Falls man nun 2 Codewörter x = (x,...,x n ) und y = (y,...,y n ) hat, so nennt man die Zahl der Stellen, an denen sich x und y unterscheiden, Hamming-Distanz d(x,y). Diese von R. W. Hamming im Jahr 95 eingeführte Distanz kann man als "Abstand" zwischen zwei Codewörtern auffassen. d(x,y) = {i x i y i } 3

4 Jedes c C hat also einen "Einzugsbereich". So wird jedes in diesem Bereich eintreffende Wort x zu c decodiert. Allerdings kann sich dieses Verfahren auch als durchaus problematisch erweisen. Einerseits könnten sich die Einzugsbereiche überlappen, das heißt ein Wort x könnte in den gemeinsamen Bereich zweier Codewörter eintreffen und man weiß dann nicht, zu welchem der beiden Wörter man es decodieren soll. Andererseits kann es sein, dass die Bereiche zu klein sind und das Wort in einen nicht definierten Bereich eintrifft. Egal ob der Einzugsbereich zu groß oder zu klein ist, man kann in keinem dieser Fälle sagen, wie die ursprüngliche Nachricht nun wirklich lautet. Um diesen Schwierigkeiten zu entgehen, wird es hier wohl entscheidend sein, wie nahe sich zwei Codewörter kommen können. Definition 4 Die kleinste Hamming-Distanz zwischen je zwei (verschiedenen) Codewörtern aus C heißt Minimaldistanz von C und wird mit d min (C) bezeichnet. d min (C) ist also der kürzeste Abstand zwischen 2 Codewörtern. Vor der Berechnung der Minimaldistanz braucht man noch eine Definition: Definition 5 d(x,) =: w(x) heißt das Hamming-Gewicht von x. Anschaulich ist das die Anzahl der Einser. Folgerung Will man also auf einfache und schnelle Weise die Minimaldistanz von C berechnen, so zählt man die Einser in den Codewörtern. Die niedrigste Anzahl (ungleich Null) ergibt dann d min (C). Definition 6 Sei A eine m n-matrix. Dann sei rg(a) das größte r, sodass je r Spalten von A linear unabhängig sind. Satz d min (C) = rg(h)+ So kann ebenfalls relativ einfach die Minimaldistanz bestimmt werden. (Beweis des Satzes siehe Kapitel 4 Beweis.) Satz 2 Ist d := d min (C), so kann C bis zu d - Fehler erkennen und bis zu d Hamming-Codes und Fehlerkorrektur Fehler korrigieren. Definition 7 Sei s eine Spalte der Kontrollmatrix H. Falls H aus allen s t mit s ( 2 n, s o besteht, so heißt H (bzw. der dadurch definierte Code) ein Hamming-Code; es handelt sich dann um einen (2 n -, 2 n --n) - Code. Die erste Komponente bezeichnet die Anzahl der Spalten der Kontrollmatrix H, die zweite Komponente die Differenz der Spalten- und Zeilenanzahl (Anzahl der reinen "Informationsstellen"). Dieser Code enthält dann jede mögliche Kombination aus {, }. Man ordnet diese Kolonnen eines binären Hamming-Codes nach ihrer Binärzahldarstellung, also von der kleinsten bis zur größten Zahl. 4

5 Ein Beispiel für einen Hamming-Code wäre: H rg(h) = 2 (es sind höchstens 2 Spalten linear unabhängig, die 3. Spalte ergibt sich zb als Summe der ersten beiden Spalten) d = 3 Schon aus diesem Beispiel ist ersichtlich, dass dieser Hamming-Code alle Einfachfehler korrigieren und alle Doppelfehler zumindest erkennen kann. Das ist bei allen Hamming-Codes der Fall. Satz 3 Ist bei der Übertragung von x in y genau ein Fehler passiert, dann war er an der i-ten Stelle, wobei i die Binärzahl von H. y t ist. Falls y = = (,,,,,, ) eintrifft, so gilt H. y t = o, also ist wahrscheinlich kein Fehler passiert und war die eigentliche Nachricht. Trifft jedoch etwa z = ein, so gilt H. z t =, die zugehörige Binärzahl ist 4, also ist wahrscheinlich ein Fehler passiert. Trifft dies zu, so ist die 4. Stelle verfälscht worden, das ausgesandte Codewort war, die eigentliche Nachricht also. 2.4 Gütekennzahlen für Codes Definition 8 Sei C ein (n, k) - Code (wobei n die Spaltenanzahl, k die Differenz der Spalten- und Zeilenanzahl ist) mit Minimaldistanz d min (C) = d. * k n * d n heißt die Informationsrate von C. heißt die Korrekturrate von C. Diese beiden Kennzahlen liegen immer zwischen und, je größer desto besser für den Code! Die Informationsrate ist ein Maß dafür, welcher Anteil von den gesendeten Zeichen reine Information ist. 3 Beispiel Sei H! "####### $ %&&&&&&& die Kontrollmatrix eines Codes. Es handelt sich also um einen (7, 4) - Code. 5

6 ( )************************** + 9 :;;;;;;;;;;;;;;;;;;;;;;;;; < ' Bestimmung des binären Codes durch Aufzählen der Codewörter: Aufstellung des Gleichungssystems: H. x x 2 x 3 x 4 x 5 x 6 x 7, /,, x + x 2 + x 3 + x 4 +x 5 = x + x 2 + x 4 +x 6 = x + x 2 + x 3 + x 7 = Bei der Lösung des Gleichungssystems erhält man 4 frei wählbare Parameter, der Code kann durch C = {x, x 2, x 3, x 4, x x 3 x 4, x x 2 + x 4, x x 2 x 3 } angegeben werden. Aufzählung aller Codewörter: C = {,,,,,,,,,,,,,,, } 2 Kontrolle, ob diese Codewörter tatsächlich im Code liegen: Dazu muss einfach ein Codewort mit der Kontrollmatrix H multipliziert werden. Ist das Ergebnis der Nullvektor, so liegt das Codewort im Code = {{2},{2},{2}} = (2, 2, 2) = (,, ) und daher liegt das Codewort im Code. > Anzahl der Testsymbole eines Codeworts dieses Codes Man sieht dass x 5, x 6 und x 7 eine Kombination der anderen Variablen sind, daraus folgt, dass der Code 3 Testsymbole, nämlich x 5, x 6 und x 7 hat. > Fehlererkennung und -korrektur: Dazu muss man zuerst d min (C) ausrechnen: Dies geschieht durch eine der oben genannten Methoden und beträgt in diesem Fall 3. Laut Satz 2 kann der Code also 3 - = 2 Fehler erkennen und? AAAAAAAA AAAAA 2 B also Fehler korrigieren. Leichter hätte man auch auf dieses Ergebnis kommen können, indem man erkennt, dass es sich um einen ungeordneten Hamming-Code handelt. 6

7 C Bestimmung der Informations- und Korrekturrate: d = 3 k = 4 n = 7 Informationsrate: DDDD k DDDD n = 4 7 DDDDD DDDD d n = 3 Korrekturrate: 7 C Sei nun der Code wie oben und weiters das Alphabet durch A =, B =,... gegeben. Gesucht ist die Codierung des Wortes LOGIK Man geht folgendermaßen vor: Man rechnet sich die gesuchten Buchstaben nach oben genannten Muster aus ( zb L = ) und hängt die 3 Testsymbole hinten dran. C L O G I K Codierung des Wortes ALGORITHMUS: Leider kann dieses Wort nicht codiert werden, weil dieses Alphabet nur die ersten 6 Buchstaben unseres gewohnten Alphabets zulässt, also gibt es für R und T keine Codedarstellung. 4. Beweis Sei C ein linearer (n, k) Code mit Kontrollmatrix H. Weiters sei d min (C) die Minimaldistanz zweier Codewörter und rg(h) die Maximalanzahl linear unabhängiger Spalten von H. Dann gilt: d min (C) = rg(h) + Satz in Prädikatenlogik: C C ist ein linearer (n, k ) Code E H ist Kontrollmatrix von C E d min(c) ist die Minimaldistanz zweier Codewörter E rg(h) ist die Maximalanzahl linear unabhängiger Spalten von H Beweis: Wähle C beliebig aber fix F d min (C) = rg(h)+ zu zeigen bleibt: C ist ein linearer (n, k ) Code G H ist die Kontrollmatrix von C G d min (C) ist die Minimaldistanz zweier Codewörter G rg(h) ist die Maximalanzahl linear unabhängiger Spalten von H. (H, d min (C) und rg(h) sind abhängig von der Wahl des Codes C.) Á d min (C) = rg(h) + Wir nehmen an: C ist ein linearer (n, k ) Code H H ist Kontrollmatrix von C H d min (C) ist die Minimaldistanz zweier Codewörter H rg(h) ist die Maximalanzahl linear unabhängiger Spalten von H. (in Wissensbasis geben - Split Conjunction) Zu zeigen bleibt: d min (C) = rg(h) + 7

8 N Sei nun: c = (c,..., c n ) ein Codewort aus dem Code C und seien c i,...,c ir alle ungleich. I c J C gilt: H. c t = o (Definition 2) Seien weiters s,..., s n die Spalten von H Laut Regeln der Matrizenmultiplikation gilt: H. c t = c s c n s n = H. c t = c s c n s n Á c s c n s n = (Transitivity of Equality) Da alle c ik außer c i,...,c ir laut Annahme gleich sind gilt: c s c n s n = c i s i c ir s ir = c s c n s n = c i s i c ir s ir c i s i c ir s ir = (Transitivity of Equality) daher sind (s i,..., s ir ) linear abhängig weil die c i,...,c ir alle K sind laut Annahme. Wir behaupten jetzt, dass r - solche Summanden linear unabhängig ein müssen. Warum? Wären (o. B. d. A. ) die ersten (r-) Vektoren linear abhängig, so müsste gelten: c i s i c irl s i rl = Das würde aber bedeuten: (c i s i c irl s i rl ) + c i r s ir = + c ir s ir = sein muss, also c ir s ir = sein muss, was aber nicht eintreten kann, weil c irm und natürlich sind auch die Spalten s M Daher sind (s i,..., s irl ) linear unabhängig. Also sind r- Spalten linear unabhängig Da man weiß, dass rg(h) die Maximalanzahl linear unabhängiger Spalten ist, folgt daraus rg(h) = r- Laut Folgerung aus Definition 5 ist d min (C) = r Á rg(h) = d min (C) - Á d min (C) = rg(h) + 8

9 5. Zusammenfassung Bei der Übertragung von Daten kommt es häufig zu zufälligen Störungen, sodass die Nachricht in verfälschter Form den Empfänger erreicht. Der Codierungstheorie liegt nun die Idee zugrunde, durch Senden von zusätzlicher Information zur eigenlichen Nachricht, den sogenannten Teststellen, Übertragungsfehler zu entdecken oder sogar zu korrigieren. Bei manchen Problemen wird eine Fehlererkennung genügen, etwa wenn eine Rückfrage zum Sender möglich ist. Es gibt aber eine Fülle von Problemen, bei denen eine Rückfrage unmöglich oder unerwünscht ist, oder auch zu keinem besseren Ergebnis führt. Deswegen muss man andere Methoden finden, um eventuelle Fehler zu erkennen und gegebenenfalls zu korrigieren. In dieser Arbeit wurde nur auf die Klasse der linearen Codes eingegangen, die Einfachfehler korrigieren können. Man sieht, dass sich bereits relativ einfache Methoden der Codierung als recht effizient erweisen, wie hier zum Beispiel der Hamming-Code. So kann man mit wenig Aufwand alle Zweifachfehler erkennen, Einfachfehler, die bei der Übertragung passiert sein können, sogar korrigieren. Weiters wurden wichtige Kennzahlen für die Güte eines Codes genannt. Schon an diesem kurzen Einblick in die Codierungstheorie kann man erkennen, wie wichtig dieses Gebiet der Mathematik ist. Da die Codierungstheorie in vielen Bereichen wie Wissenschaft, Raumfahrt und Technik eine tragende Rolle spielt, wird sie sich in Zukunft bestimmt noch weiterentwickeln. Literatur [Pilz, 23] Pilz, G. (23) Lineare Algebra und analytische Geometrie Teil II Skriptum zur Vorlesung, Universität Linz [Willems, 999] Willems W. (999). Codierungstheorie. De Gruyter, Berlin. 9

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

Einführung in die Codierungstheorie

Einführung in die Codierungstheorie 11. Dezember 2007 Ausblick Einführung und Definitionen 1 Einführung und Definitionen 2 3 Einführung und Definitionen Code: eindeutige Zuordnung von x i X = {x 1,.., x k } und y j Y = {y 1,..., y n } Sender

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

4.0.2 Beispiel (Einfacher Wiederholungscode). Im einfachsten Fall wird die Nachricht einfach wiederholt. D.h. man verwendet die Generatorabbildung

4.0.2 Beispiel (Einfacher Wiederholungscode). Im einfachsten Fall wird die Nachricht einfach wiederholt. D.h. man verwendet die Generatorabbildung Wir beschäftigen uns mit dem Problem, Nachrichten über einen störungsanfälligen Kanal (z.b. Internet, Satelliten, Schall, Speichermedium) zu übertragen. Wichtigste Aufgabe in diesem Zusammenhang ist es,

Mehr

Die Mathematik in der CD

Die Mathematik in der CD Lehrstuhl D für Mathematik RWTH Aachen Lehrstuhl D für Mathematik RWTH Aachen St.-Michael-Gymnasium Monschau 14. 09. 2006 Codes: Definition und Aufgaben Ein Code ist eine künstliche Sprache zum Speichern

Mehr

Codierungstheorie Teil 1: Fehlererkennung und -behebung

Codierungstheorie Teil 1: Fehlererkennung und -behebung Codierungstheorie Teil 1: Fehlererkennung und -behebung von Manuel Sprock 1 Einleitung Eine Codierung ist eine injektive Abbildung von Wortmengen aus einem Alphabet A in über einem Alphabet B. Jedem Wort

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

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

Fehlererkennung und Fehlerkorrektur in Codes

Fehlererkennung und Fehlerkorrektur in Codes Fehlererkennung und Fehlerkorrektur in Codes Blockcodes und Hamming Abstand Untersuchungen zu Codierungen von Informationen, die über einen Nachrichtenkanal übertragen werden sollen, konzentrieren sich

Mehr

Ι. Einführung in die Codierungstheorie

Ι. Einführung in die Codierungstheorie 1. Allgemeines Ι. Einführung in die Codierungstheorie Codierung: Sicherung von Daten und Nachrichten gegen zufällige Fehler bei der Übertragung oder Speicherung. Ziel der Codierung: Möglichst viele bei

Mehr

Übung 14: Block-Codierung

Übung 14: Block-Codierung ZHW, NTM, 26/6, Rur Übung 4: Block-Codierung Aufgabe : Datenübertragung über BSC. Betrachten Sie die folgende binäre Datenübertragung über einen BSC. Encoder.97.3.3.97 Decoder Für den Fehlerschutz stehen

Mehr

28 4. DIE MATHEMATIK HINTER DER COMPACT DISC. Abbildung 4.1: Selbstkorrigierende Codes

28 4. DIE MATHEMATIK HINTER DER COMPACT DISC. Abbildung 4.1: Selbstkorrigierende Codes 8 4. DIE MATHEMATIK HINTER DER COMPACT DISC y1 1 4 3 y3 y Abbildung 4.1: Selbstkorrigierende Codes 4. Die Mathematik hinter der Compact Disc 4.1. Selbstkorrigierende Codes Wenn wir eine Reihe von 0 und

Mehr

2.1 Codes: einige Grundbegriffe

2.1 Codes: einige Grundbegriffe Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen

Mehr

Fehlerkorrigierende Codes

Fehlerkorrigierende Codes Fehlerkorrigierende Codes SS 2013 Gerhard Dorfer 2 Inhaltsverzeichnis 1 Fehlerkorrigierende Codes 4 1.1 Einführende Beispiele................................. 4 1.2 Mathematische Grundlagen..............................

Mehr

Übungen zur Vorlesung Grundlagen der Rechnernetze. Zusätzliche Übungen

Übungen zur Vorlesung Grundlagen der Rechnernetze. Zusätzliche Übungen Übungen zur Vorlesung Grundlagen der Rechnernetze Zusätzliche Übungen Hamming-Abstand d Der Hamming-Abstand d zwischen zwei Codewörtern c1 und c2 ist die Anzahl der Bits, in denen sich die beiden Codewörter

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

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

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

Grundlagen der Technischen Informatik. 2. Übung

Grundlagen der Technischen Informatik. 2. Übung Grundlagen der Technischen Informatik 2. Übung Christian Knell Keine Garantie für Korrekt-/Vollständigkeit Organisatorisches Übungsblätter zuhause vorbereiten! In der Übung an der Tafel vorrechnen! Bei

Mehr

Zusammenfassung zu Codierungstheorie

Zusammenfassung zu Codierungstheorie Zusammenfassung zu Codierungstheorie Proseminar Mathematische Modelle in den Naturwissenschaften WS 09/10 Thomas Holzer 0755600 Sandra Sampl 0755049 Kathrin Oberradter 0755123 1 Inhaltsverzeichnis 1. Einführung

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

Rechnernetze Übung 5. Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Mai Wo sind wir?

Rechnernetze Übung 5. Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Mai Wo sind wir? Rechnernetze Übung 5 Frank Weinhold Professur VSR Fakultät für Informatik TU Chemnitz Mai 2012 Wo sind wir? Quelle Nachricht Senke Sender Signal Übertragungsmedium Empfänger Quelle Nachricht Senke Primäres

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Poelchau-Oberschule Berlin A. Mentzendorff September 2007 Lineare Gleichungssysteme Inhaltsverzeichnis 1 Grundlagen 2 2 Das Lösungsverfahren von Gauß 4 3 Kurzschreibweise und Zeilensummenkontrolle 6 4

Mehr

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1) 34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)

Mehr

6 Fehlerkorrigierende Codes

6 Fehlerkorrigierende Codes R. Reischuk, ITCS 35 6 Fehlerkorrigierende Codes Wir betrachten im folgenden nur Blockcodes, da sich bei diesen das Decodieren und auch die Analyse der Fehlertoleranz-Eigenschaften einfacher gestaltet.

Mehr

Einführung in die Codierungstheorie. Rudolf Schürer

Einführung in die Codierungstheorie. Rudolf Schürer Einführung in die Codierungstheorie Rudolf Schürer 8. Februar 2008 Vorwort Dieses Skript entstand im Zuge der gleichnamigen Vorlesung, die ich im Wintersemester 2007/08 am Fachbereich Mathematik der Universität

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

Mehr

Harm Pralle. Codierungstheorie WS 2005/06. Institut Computational Mathematics Technische Universität Braunschweig

Harm Pralle. Codierungstheorie WS 2005/06. Institut Computational Mathematics Technische Universität Braunschweig Harm Pralle Codierungstheorie WS 2005/06 Institut Computational Mathematics Technische Universität Braunschweig II Literatur: A. Beutelspacher und U. Rosenbaum. Projektive Geometrie. Vieweg, Wiesbaden

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

Mehr

3 Quellencodierung. 3.1 Einleitung

3 Quellencodierung. 3.1 Einleitung Source coding is what Alice uses to save money on her telephone bills. It is usually used for data compression, in other words, to make messages shorter. John Gordon 3 Quellencodierung 3. Einleitung Im

Mehr

Angewandte Informationstechnik

Angewandte Informationstechnik Angewandte Informationstechnik im Bachelorstudiengang Angewandte Medienwissenschaft (AMW) Fehlererkennung und -korrektur Dr.-Ing. Alexander Ihlow Fakultät für Elektrotechnik und Informationstechnik FG

Mehr

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,

Mehr

6. Rechnen mit Matrizen.

6. Rechnen mit Matrizen. 6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem

Mehr

Grundlagen Digitaler Systeme (GDS)

Grundlagen Digitaler Systeme (GDS) Grundlagen Digitaler Systeme (GDS) Prof. Dr. Sven-Hendrik Voß Sommersemester 2015 Technische Informatik (Bachelor), Semester 1 Termin 10, Donnerstag, 18.06.2015 Seite 2 Binär-Codes Grundlagen digitaler

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

Problemreduktion durch Transformation am Beispiel des. Erweiterten Euklidschen Algorithmus

Problemreduktion durch Transformation am Beispiel des. Erweiterten Euklidschen Algorithmus Problemreduktion durch Transformation am Beispiel des Erweiterten Euklidschen Algorithmus Wolfgang Windsteiger JKU Linz, A 4040 Linz, Austria Kurzfassung Transformation beschreibt im Wesentlichen die algorithmische

Mehr

Lineare Abhängigkeit

Lineare Abhängigkeit Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x

Mehr

Codes und Codegitter. Katharina Distler. 27. April 2015

Codes und Codegitter. Katharina Distler. 27. April 2015 Codes und Codegitter Katharina Distler 7. April 015 Inhaltsverzeichnis 1 Codes 4 Codegitter 14 Einleitung Die folgende Seminararbeit behandelt das Konzept von Codes und Codegittern. Da sie bei der Informationsübertragung

Mehr

Fehlerschutz durch Hamming-Codierung

Fehlerschutz durch Hamming-Codierung Versuch.. Grundlagen und Begriffe Wesentliche Eigenschaften der Hamming-Codes für die Anwendung sind: der gleichmäßige Fehlerschutz für alle Stellen des Codewortes und die einfache Bildung des Codewortes

Mehr

Mathematik II für Studierende der Informatik Kapitel. Kodierungstheorie

Mathematik II für Studierende der Informatik Kapitel. Kodierungstheorie Mathematik II für Studierende der Informatik Kapitel Kodierungstheorie Markus Junker Sommersemester 2011 (korrigierte Version vom Sommersemester 2012) Einführung, Beispiele, Definitionen Ausgangspunkt

Mehr

KANALCODIERUNG AUFGABEN. Aufgabe 1. Aufgabe 2

KANALCODIERUNG AUFGABEN. Aufgabe 1. Aufgabe 2 AUFGABEN KANALCODIERUNG Aufgabe Wir betrachten den Hamming-Code mit m = 5 Prüfbits. a) Wie gross ist die Blocklänge n dieses Codes? b) Wie viele gültige Codewörter umfasst dieser Code? c) Leiten Sie die

Mehr

Beziehungen zwischen Vektorräumen und ihren Dimensionen

Beziehungen zwischen Vektorräumen und ihren Dimensionen Beziehungen zwischen Vektorräumen und ihren Dimensionen Lineare Algebra I Kapitel 9 20. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz

Mehr

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor) Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.

Mehr

DIPLOMARBEIT. Titel der Diplomarbeit. Die Golay Codes. Verfasser. Daniel Eiwen. angestrebter akademischer Grad

DIPLOMARBEIT. Titel der Diplomarbeit. Die Golay Codes. Verfasser. Daniel Eiwen. angestrebter akademischer Grad DIPLOMARBEIT Titel der Diplomarbeit Die Golay Codes Verfasser Daniel Eiwen angestrebter akademischer Grad Magister der Naturwissenschaften (Mag.rer.nat) Wien, im Mai 2008 Studienkennzahl lt. Studienblatt:

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A 133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des

Mehr

Proseminar Einführung in die Mathematik 1 WS 2010/11 2. Dezember 2010 Lösungen

Proseminar Einführung in die Mathematik 1 WS 2010/11 2. Dezember 2010 Lösungen Proseminar Einführung in die Mathematik 1 WS 1/11. Deember 1 Lösungen 46) Wie kann man nach Wahl eines Nullpunktes die Zeichenebene in natürlicher Weise als Vektorraum betrachten? Skriptum Kapitel 4, Par.

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

3.4 Der Gaußsche Algorithmus

3.4 Der Gaußsche Algorithmus 94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,

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

Ein (7,4)-Code-Beispiel

Ein (7,4)-Code-Beispiel Ein (7,4)-Code-Beispiel Generator-Polynom: P(X) = X 3 + X 2 + 1 Bemerkung: Es ist 7 = 2^3-1, also nach voriger Überlegung sind alle 1-Bit-Fehler korrigierbar Beachte auch d min der Codewörter ist 3, also

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

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informationstheorie und Codierung Prof. Dr. Lilia Lajmi Juni 25 Ostfalia Hochschule für angewandte Wissenschaften Hochschule Braunschweig/Wolfenbüttel Postanschrift: Salzdahlumer Str.

Mehr

Kapitel 1: Codierungstheorie. 1.2 Quellcodierung 1.3 Fehlererkennende Codes 1.4 Fehlerkorrigierende Codes

Kapitel 1: Codierungstheorie. 1.2 Quellcodierung 1.3 Fehlererkennende Codes 1.4 Fehlerkorrigierende Codes Inhalt: 1.1 Einführung 1.2 Quellcodierung 1.3 Fehlererkennende Codes 1.4 Fehlerkorrigierende Codes 1.1 Einführung In In der der Codierungstheorie unterscheidet man man Quellcodierung und und Kanalcodierung.

Mehr

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier

Mehr

Codierungstheorie, Vorlesungsskript

Codierungstheorie, Vorlesungsskript Codierungstheorie, Vorlesungsskript Irene I. Bouw Sommersemester 2014 Inhaltsverzeichnis 1 Lineare Codes 2 1.1 Einführung.............................. 2 1.2 Eigenschaften linearer Codes....................

Mehr

Musterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 2013/14

Musterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 2013/14 Institut für Theoretische Informatik Prof. Dr. Jörn Müller-Quade Musterlösung zur Hauptklausur Theoretische Grundlagen der Informatik Wintersemester 23/4 Vorname Nachname Matrikelnummer Hinweise Für die

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

Lineare Abbildungen Definitionen von linearer Abbildung, linearer Transformation, affiner Abbildung. Parallentreue und Teilverhältnistreue

Lineare Abbildungen Definitionen von linearer Abbildung, linearer Transformation, affiner Abbildung. Parallentreue und Teilverhältnistreue Lineare Abbildungen Vorlesung Lineare Algebra mit integrierten Übungen WS 12 13 Studiengang LBS Unterrichtsfach Mathematik Lineare Algebra, Teil 2 Abbildungen Lineare Abbildungen Lineare Eigenwerte, Eigenvektoren

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

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen

Mehr

Begegnungen mit Mathematik

Begegnungen mit Mathematik Begegnungen mit Mathematik 1. Vorlesung: Zahlen 1. Große Zahlen: Million - Milliarde Nach einer weit verbreiteten Meinung hat Mathematik vor allem mit Zahlen zu tun. Mathematiker müssen Leute sein, die

Mehr

5. Woche Perfekte und Optimale Codes, Schranken. 5. Woche: Perfekte und Optimale Codes, Schranken 88/ 142

5. Woche Perfekte und Optimale Codes, Schranken. 5. Woche: Perfekte und Optimale Codes, Schranken 88/ 142 5 Woche Perfekte und Optimale Codes, Schranken 5 Woche: Perfekte und Optimale Codes, Schranken 88/ 142 Packradius eines Codes (Wiederholung) Definition Packradius eines Codes Sei C ein (n, M, d)-code Der

Mehr

Single Parity check Codes (1)

Single Parity check Codes (1) Single Parity check Codes (1) Der Single Parity check Code (SPC) fügt zu dem Informationsblock u = (u 1, u 2,..., u k ) ein Prüfbit (englisch: Parity) p hinzu: Die Grafik zeigt drei Beispiele solcher Codes

Mehr

Lineare Gleichungen mit 2 Variablen

Lineare Gleichungen mit 2 Variablen Lineare Gleichungen mit 2 Variablen Lineare Gleichungen mit 2 Variablen sind sehr eng verwandt mit linearen Funktionen. Die Funktionsgleichung einer linearen Funktion f(x) = m x+q m: Steigung, q: y Achsenabschnitt

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

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 8 2. Semester ARBEITSBLATT 8 DIE REELLEN ZAHLEN

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 8 2. Semester ARBEITSBLATT 8 DIE REELLEN ZAHLEN Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 8. Semester ARBEITSBLATT 8 DIE REELLEN ZAHLEN Bisher kennen wir bereits folgende Zahlenbereiche: N Natürliche Zahlen Z Ganze Zahlen Q Rationale Zahlen Bei

Mehr

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.

Allgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte. Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt

Mehr

Index. Chien-Suche, 220 CIRC, 234 Code, 2, 9 äquidistanter, 81

Index. Chien-Suche, 220 CIRC, 234 Code, 2, 9 äquidistanter, 81 Index Abelsche Gruppe, 140 Abgeschlossenheit, 47, 140, 143 Abhängigkeit lineare, 53 Abtastfolge, 226 ACS-Operation, 279 Addition, 46, 163 Alphabet, 1 ARQ, 6, 174 Assoziativität, 47, 52, 140, 143 Audio-CD,

Mehr

7 Lineare Gleichungssysteme

7 Lineare Gleichungssysteme 118 7 Lineare Gleichungssysteme Lineare Gleichungssysteme treten in vielen mathematischen, aber auch naturwissenschaftlichen Problemen auf; zum Beispiel beim Lösen von Differentialgleichungen, bei Optimierungsaufgaben,

Mehr

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls

Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung ist bijektiv, d.h. ihre Matrix ist invertierbar, falls und nur falls (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

4 Lineare Gleichungssysteme, Rang, Kern

4 Lineare Gleichungssysteme, Rang, Kern 4 Lineare Gleichungssysteme, Rang, Kern Jörn Loviscach Versionsstand: 1 April 2011, 23:07 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung Videos dazu: http://wwwj3l7hde/videoshtml

Mehr

Kapitel 5. Kapitel 5 Fehlererkennende Codes

Kapitel 5. Kapitel 5 Fehlererkennende Codes Fehlererkennende Codes Inhalt 5.1 5.1 Grundlagen: Was Was sind sind Vehler? 5.2 5.2 Vertuaschungsfehler 5.3 5.3 Der Der ISBN-Code 3-406-45404-6 5.4 5.4 Der Der EAN-Code ( Strichcode ) Seite 2 5.1 Grundlagen:

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

Lösungen zum 5. Aufgabenblatt

Lösungen zum 5. Aufgabenblatt SS 2012, Lineare Algebra 1 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

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de

Mehr

Copyright, Page 1 of 5 Die Determinante

Copyright, Page 1 of 5 Die Determinante wwwmathematik-netzde Copyright, Page 1 of 5 Die Determinante Determinanten sind ein äußerst wichtiges Instrument zur Untersuchung von Matrizen und linearen Abbildungen Außerhalb der linearen Algebra ist

Mehr

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

Codierungstheorie. Ruprecht-Karls-Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Ruprecht-Karls-Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Codierungstheorie Bernd Heinrich Matzat Ausarbeitung von Thorsten Lagemann Vorwort Vorliegendes Skriptum

Mehr

Codierung zur Fehlerkorrektur und Fehlererkennung

Codierung zur Fehlerkorrektur und Fehlererkennung Codierung zur Fehlerkorrektur und Fehlererkennung von Dr.-techn. Joachim Swoboda Mit 39 Bildern und 24 Tafeln R. OLDENBOURG VERLAG MÜNCHEN WIEN 1973 Inhalt Vorwort 9 1. Einführung 11 1.1 Redundante Codierung

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

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

Folgen und Grenzwerte

Folgen und Grenzwerte Wintersemester 2015/201 Folgen und Grenzwerte von Sven Grützmacher Dieser Vortrag wurde für den (von der Fachschaft organisierten) Vorkurs für die Studienanfänger an der Fakultät für Mathematik und Informatik

Mehr

Vorlesung Analysis I / Lehramt

Vorlesung Analysis I / Lehramt Vorlesung Analysis I / Lehramt TU Dortmund, Wintersemester 2012/ 13 Winfried Kaballo Die Vorlesung Analysis I für Lehramtsstudiengänge im Wintersemester 2012/13 an der TU Dortmund basiert auf meinem Buch

Mehr

Information und Codierung

Information und Codierung Richard W. Hamming Information und Codierung Technische Universität Darmstadt FACHBEREICH INFORMATIK BIBLIOTHEK Invantar-Nr.: Sachgebiete:. Standort: VCH Inhalt Vorwort zur 1. Auflage der Originalausgabe

Mehr

( ) Lineare Gleichungssysteme

( ) Lineare Gleichungssysteme 102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv

Mehr

Lineare Algebra, Teil 2 Abbildungen

Lineare Algebra, Teil 2 Abbildungen Lineare Abbildungen Vorlesung Lineare Algebra mit integrierten Übungen WS 12 13 Studiengang LBS Unterrichtsfach hmth Mathematiktik Lineare Algebra, Teil 2 Abbildungen Lineare Abbildungen Lineare Gleichungssysteme

Mehr

Thema: Hamming-Codes. Titelblatt anonymisiert

Thema: Hamming-Codes. Titelblatt anonymisiert Thema: Hamming-Codes Titelblatt anonymisiert Hamming-Codes.Einführung in die Kodierungstheorie... 3. Grundlegendes über Codewörter... 3. Matrizen... 4.3 Die maßgebliche Stelle... 5.Grundlegende Ideen...5

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Fehler-korrigierende Codes

Fehler-korrigierende Codes Fehler-korrigierende Codes Prof. Dr. Thomas Risse Institut für Informatik & Automation, IIA Fakultät E&I, Hochschule Bremen, HSB 8. April 2013 Nummerierung der Kapitel und Abschnitte in [15] sind beibehalten,

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

Demo für

Demo für SUMMENZEICHEN Regeln und Anwendungen Gebrauchs des Summenzeichens mit Aufgaben aus vielen Bereichen für Angela Datei Nr. 4 Stand:. Oktober INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK Demo für 4 Summenzeichen

Mehr

Effiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra

Effiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra Effiziente Algorithmen und Datenstrukturen I Kapitel 10: Lineare Algebra Christian Scheideler WS 2008 19.02.2009 Kapitel 10 1 Überblick Notation Arithmetik auf großen Zahlen (Addition und Multiplikation)

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

Codierungstheorie. Code-Arten und Code-Sicherung

Codierungstheorie. Code-Arten und Code-Sicherung Codierungstheorie Code-Arten und Code-Sicherung Inhaltsübersicht und Literatur Informationstheorie Was ist eine Codierung? Arten von Codes Informationsgehalt und Entropie Shannon'sches Codierungstheorem

Mehr