Theoretische Informatik 3 WS 2007/08

Größe: px
Ab Seite anzeigen:

Download "Theoretische Informatik 3 WS 2007/08"

Transkript

1 Notizen zur Vorlesung Version vom 28. Mai 2009 Theoretische Informatik 3 WS 2007/08 c Volker Strehl, Department Informatik, FAU Inhaltsverzeichnis 1 Syntax und Semantik Beispiele Definitionen Multiplikationsalgorithmen für ganze Zahlen Was versteht man unter Multiplikation? Multiplikation im engeren Sinne Multiplikation im römischen Zahlsystem Multiplikation ganzer Zahlen mittels Faktorisierung Multiplikation komplexer Zahlen Polynome Multiplikation von Polynomen mittels Faktorisierung Multplikation von Polynomen mittels Interpolation Faltung von Funktionen und Fouriertransformation Multiplikation im weiteren Sinne (I): Mengen, Wörter und Sprachen Mengen Wörter Sprachen Multiplikation im weiteren Sinne (II): Transformationen und Permutationen Transformationen Bäume Permutationen Zyklische Permutationen Darstellungen von Permutationen als Produkte Gerade und ungerade Permutationen Inversionen Multiplikation im weiteren Sinne (III): Gruppen Grundsätzliche Fragestellungen Assoziative Operationen und binäre Bäume Binäre Bäume Binäre Operationen Ein wichtiger Sonderfall: Exponentiation Exponentiation durch Quadrieren und Multiplizieren Schnelle Berechnung der Fibonacci-Zahlen

2 3.3.3 Iteration von Transformationen: cycle detection Das Geburtstagsparadoxon Pollards ρ-methode Exkurs: Fermatzahlen Exponentiation in Gruppen: Ordnung muss sein! Diskreter Logarithmus Primzahlen und Komplexität einige Hinweise Divide-and-Conquer-Multiplikation Karatsuba-Multiplikation für Polynome (und Zahlen) Strasssens schnelle Matrix-Multiplikation Das Master-Theorem für Rekursionsgleichungen Natürliche Zahlen: abstrakt und konkret Exkurs: primitiv-rekursive und rekursive Funktionen Nachfolgerstrukturen Primitiv-rekursive und rekursive Funktionen Divisionseigenschaft Zahldarstellungen Basis-b-Darstellung Faktorielle Darstellung Fibonacci-Darstellung Binomialdarstellung Der Ring Z und seine Restklassenringe Z n Grundlegende Eigenschaften Euklids Algorithmus Rekursive und interativer Version des euklidischen Algorithmus Komplexität im uniformen und logarithmischen Kostenmodell Der erweiterte euklidische Algorithmus Lösen ganzzahliger lineare Gleichungen Der binäre euklidische Algorithmus Fibonacci-Zahlen und Lamés Theorem Exkurs: Kettenbrüche Historisches Der euklidische Algorithmus in Kettenbruchform Der Kettenbruchalgorithmus Anwendungen und Ausblicke Die Restklassenringe und ihre Einheitengruppen Die Restklassenringe der ganzen Zahlen Einheiten Eulers φ-funktion Exkurs: Möbius-Inversion Gruppentheoretisches, insbes. zyklische Gruppen

3 6.5.6 Die Sätze von Lagrange, Fermat und Euler Ordnung und Faktorisierung Chinesischer Restesatz und modulare Arithmetik Das Homomorphieprinzip für Ringe Chinesischer Restesatz einfachste Form Chinesischer Restesatz allgemeine Form für teilerfremde Moduln Das Prinzip der primitiven Idempoteten und analoge Situationen Die algebraische Version des chinesischen Restesatzes Modulare Arithmetik Partialbruchdarstellung für rationale Zahlen und Polynome Der Miller-Rabin-Test als Beispiel Der chinesische Restesatz für nicht-teilerfremde Moduln Primzahlen, Faktorisierung und Kryptografie Primzahlen Historisches Verifizieren vs. Entscheiden Körper und Ordnungen Das Ordnungskriterium für Primzahlen Zertifikate für Primzahlen Primes N P Primes P Probabilistische Primzahltests Teilbarkeitstest, Euklid-Test, Fermat-Test, SPP-Test Der SPP-Test von Miller-Rabin im Detail Komplexitätsaussagen Probabilistische Komplexitätsklassen Probabilistische Algorithmen Bernoulli-Experimente Probabilistische Komplexitätsklassen Public-key Kryptografie Verschlüsselung durch Exponentiation Public-key Verschlüsselung und Signaturen Das RSA-Verfahren Weitere Anwendungen der Exponentiation Einwegfunktionen RSA und Komplexität Schnelle Fouriertransformation Zur Person: Joseph Fourier Sein Leben Seine Leistungen Klassische Fouriertransformation Diskrete Fouriertransformation (DFT)

4 8.4 Schnelle Fouriertransformation (FFT) Schnelle Multiplikation von Polynomen Beispiele in Maple Modulare Polynomarithmetik: Evaluation und Interpolation Komplexe FFT in Maple Beispiel zur Schnellen Fouriertransformation FFT-basierte Multiplikation von sehr großen ganzen Zahlen Vorbemerkungen DFT über Z p Der three primes -Algorithmus

5 1 Syntax und Semantik Gegenstände der Mathematik (und somit auch der Theoretischen Informatik) lassen sich in verschiedenen Formalismen beschreiben. Mathematische Objekte (Zahlen, Funktionen, Sprachen,... ), lassen sich in verschiedensten Formalismen (Syntax) spezifizieren oder codieren. Die Bedeutung, die ihnen unabhängig vom jeweiligen Formalismus zukommt, ist die Sematik des jeweiligen Formalismus. Uns interessieren nur Objekte, die algorithmisch erfasst und manipuliert werden können. Syntax und Semantik müssen also mit konstruktiven, finiten Mitteln beschrieben werden. Das hat seine Grenzen: schon mit so alltäglichen Dingen, wie den reellen oder komplexen Zahlen, kann man man nicht wirklich effektiv umgehen. Trotzdem sind Beispiele, die reelle oder komplexe Zahlen oder Funktionen beinhalten, zur Illustration nüzlich. 1.1 Beispiele 1. Natürliche und ganze Zahlen lassen sich in den verschiedensten Zahl/Ziffernsystemen beschreiben und verarbeiten. Neben den geläufigen Darstellungen im Binärsystem, Dezimalsystem, Hexadezimalsystem, allgemein Positionsdarstellung zur Basis b 2, d.h. a (a 0, a 1, a 2,...) mit a = a 0 + a 1 b + a 2 b = k 0 a k b k wobei 0 a k < b, gibt es mehr oder weniger exotische Systeme wie das römische Zahlsystem die Darstellung mittels Primfaktorisierung (s.u.) die faktorielle Zahldarstellung a (a 1, a 2, a 3,...) mit a = a 1 1! + a 2 2! + a 3 3! + + a n n! + mit 0 a n n die Binomialsummendarstellung a (a 1, a 2, a 3,..., a k ) ( ) ( ) ( ) ( ) a1 a2 a3 ak a = mit 0 a 1 < a 2 < a 3 < < a k k die Fibonacci-Darstellung a (a 1, a 2, a 3...) (mit er Folge der Fibonacci- Zahlen (F 0, F 1, F 2, F 3,...) = (1, 1, 2, 3, 5,...)) { a k {0, 1} a = a 1 F 1 + a 2 F 2 + a 3 F 3 + wobei (k 1) a k a k+1 = 0 5

6 und andere mehr. Die genannten Systeme (siehe hierzu Abschnitt 5.3) haben alle eine praktische (!) Bedeutung, die aber nicht im Bereich des üblichen Rechnens liegen. Mittels dieser Zahldarstellungen direkt zu Addieren, oder zu Multiplizieren dürfte mindestens so unangenehm sein, wie das Rechnen im Römische Zahlsystem. 2. Rationale Zahlen kann man als Brüche (=Paare) von (teilerfremden) ganzen Zahlen schreiben, aber auch als periodische Dezimalbrüche. Eine weitere interessante Darstellung liefert das Prinzip der Partialbruchzerlegung. Dies beruht auf der Tatsache, dass sich das Reziproke 1/(a b) eines Produkts zweier teilerfremder ganzer Zahlen a und b schreiben lässt in der Form 1 a b = t a + s b mit s, t Z. Das hat etwas mit dem euklidischen Algorithmus zu tun und darauf wird später noch eingegangen (siehe Abschnitt 6.2). 3. Reelle Zahlen stellt man sich meist als unendliche Dezimal- oder Dualbrüche vor. Es gibt aber auch so interessante Darstellung wie die der Kettenbrüche, a a 0 ; a 1, a 2, a 3,... mit 1 a = a a a 2 + a wobei a 0 Z, a 1, a 2,... N 1. Beispielweise gilt e = = ; 1, 1, 1, 1,... 2; 1, 2, 1, 1, 4, 1, 1, 6, 1, 1, 8,... 6

7 1 π = ; 7, 15, 1, 292, 1, 1, 1, 2, 1,... Auch das hat etwas mit dem euklidischen Algorithmus zu tun! (siehe hierzu Abschnitt 6.4) Die Kettenbruchdarstellung reeller Zahlen hat höchst interressante Eigenschaften, wenn es darum geht, reelle Zahlen optimal mittels rationaler Zahlen zu approximieren. Man muss allerdings zugeben, dass sich Kettenbruchdarstellungen nicht zur Realisierung artihmetischen Operationen eignen. 4. Komplexe Zahlen schreibt man entweder als Paare reeller Zahlen (cartesische Form) oder in der Polarform. x + i y r e iφ Je nachdem hat man verschiedene Realisierungen der Addition und der Multiplikation. Beispielsweise schreibt sich die Multiplikation in cartesischer Form (x 1 + i y 1 ) (x 2 + i y 2 ) = (x 1 x 2 y 1 y 2 ) + i (x 1 y 2 + y 1 x 2 ) und in Polarform ( ) ( ) r 1 e i φ 1 r 2 e i φ 2 = (r 1 r 2 ) e i (φ 1+φ 2 ). 5. Polynome kann man mittels ihrer Koeffizienten beschreiben, das ist die übliche Form, aber ebenso geht es mittels Interpolation. 6. Unterräume eines Vektorraumes kann man mit Hilfe einer Basis spezifizieren ( Generatorsicht ), oder aber mittels eines homogenen linearen Gleichungssystems ( Kontrollsicht ). 7. Lineare Transformationen werden mittels Matrizen beschrieben, wobei die konkrete Matrix von der Wahl der Basen im Definitionsraum und Zeilraum abhängt. 8. Boolesche Funktionen, also Abbildungen f : {0, 1, } n {0, 1}, wobei die Symbole 0 bzw. 1 für die Wahrheitswerte true bzw. false stehen, lassen sich auf verschiedenste Weise beschreiben: Tabellen, aussagenlogische Formeln, Schaltkreise, Entscheidungsdiagramme Berechenbare Funktionen lassen sich mit Hilfe vieler verschiedener, aber gleichwertiger Formalismen beschreiben: Turingmaschinen, Programme irgendeiner Programmiersprache, Terme des λ-kalküls u.v.a.m. 7

8 10. Semi-entscheidbare Mengen (alias Typ-0-Sprachen) lassen sich mittels Generatoren (Grammatiken, partiell-rekursive Funktionen) oder aber mittels Akzeptoren (partielle Entscheidungsverfahren) beschreiben. 11. Für reguläre Sprachen (alias Typ-3-Sprachen) gibt es ein reichhaltiges Arsenal an Beschreibungsmöglichkeiten: Akzeptoren: endliche Automaten (deterministisch, nichtdeterministisch), Generatoren: Typ-3-Grammatiken, reguläre Ausdrücke syntaktische Relationen lineare Gleichungssysteme für Sprachen 12. Reelle oder komplexe Funktionen, wenn sie nur hinreichend gutartig sind, können durch ihre Taylorreihe dargestellt werden. Viel andere Möglichkeiten sind bekannt, z.b. Differentialgleichungen, Periodische (reelle oder komplexe) Funktionen lassen sich durch die Koeffizienten ihrer Fourierreihe repräsentieren. 14. In der Nachrichtentechnik spricht man davon, eine (hinreichend gutartige) Funktion, eine Signal im Ortsbereich, mittels Fouriertransformation im Frequenzbereich zu repräsentieren. 15. Das letzte Beispiel stammt aus der Physik: die Quantentheorie zeigt, dass physikalische Objekt eine Doppelnatur besitzen: je nachdem, wie man sie untersucht, zeigen sie Teilchennatur oder Wellennatur, man sieht sie im Ortsraum oder im Impulsraum. Zwischen beiden Ansichten vermittelt wieder die Fouriertransformation. Fazit: mathematische (und physikalische!) Bereiche/Objekte sind ideale Objekte, die in verschiedenster Weise konkret repräsentiert sein können. Diese verschiedenen Repräsentationen sind äquivalent, was den rein mathematischen Gehalt angeht. Wenn es aber darum geht, Operationen auf diesen Objekten zu definieren und algorithmisch zu realisieren, so zeigen sich u.u. grosse Unterschiede bezüglich der Effizienz. 1.2 Definitionen Multiplikation als binäre Operation tritt vielfach gemeinsam mit einer weiteren, als Addition bezeichneten binären Operation auf, wobei diese beiden Operationen nicht etwa ohne Beziehung nebeneinander stehen, sondern durch die Distributionseigenschaft miteinander verbunden sind. Der am meisten verbreitete algebraische Rahmen, um dies zu formulieren, ist das Konzept des Ringes. In diesem Kontext soll von einer Multiplikation 8

9 im engeren Sinne gesprochen werden. Hat man es dagegen nur mit einer einzelnen assoziativen Operation zu tun, so soll das mit Multiplikation im weiteren Sinne zu tun. Zunächst sei an die relevanten algebraischen Konzepte erinnert: Definition 1. A sei eine Menge und : A A A eine zweistellige Operation. 1. (A; ) heisst Halbgruppe, falls assoziativ ist. 2. Ein Element e A heisst neutral bezüglich, wenn a e = e a = a für alle a A. 3. (A;, e) heisst Monoid, wenn (A; ) eine Halbgruppe ist und e neutralbezüglich ). 4. Ein Element b A heisst invers zu a A (bezüglich und neutralem Element e), falls a b = b a = e. 5. (A;, e) heisst Gruppe, wenn jedes a A ein inverses Element bezüglich und e hat. Definition 2. A sei eine Menge ist mit Elementen 0, 1 A und 0 1; + : A 2 A (genannt Addition)und : A 2 A (genannt Multiplikation) seien zweistellige Operationen auf A. 1. R = (A; +,, 0, 1) ist ein Ring (mit Einselement), falls (a) (A; +, 0) eine kommutative Gruppe ist; (b) (A;, 1) ein Monoid ist; (c) Addition und Multiplikation dem Distributivgesetz genügen: a, b, c A : a (b + c) = (a b) + (a c) (a + b) c = (a c) + (b c) 2. Ist zudem auch (A ;, 1) (wobei A = A \ {0}) eine Gruppe, so wird der Ring R als Körper bezeichnet. Beispiel 1. Beispiele für Ringe sind 1. Der Ring (Z; +,, 0, 1) der ganzen Zahlen mit der üblichen Addition und Multiplikation, kurz einfach mit Z notiert. 2. Die Ringe Q der rationalen Zahlen, R der reellen Zahlen, C der komplexen Zahlen (mit den üblichen Operationen) sind sogar Körper. 3. Ist A eine Menge und P(A) ihre Potenzmenge, so ist (P(A);,,, A) ein Ring, der boolesche Ring über der Grundmenge A. 4. Zu jedem Ring R kann man den Polynomring R[X] über R in der Variablen X betrachten (siehe unten). 5. Zu jedem Ring R und jedem N 1 kann man den Ring M n (R) der (n n)- Matrizen mit Koeffizienten in R betrachten (siehe unten). 9

10 1.3 Multiplikationsalgorithmen für ganze Zahlen 10

11 Die Schulmethode der Multiplikation am Beispiel Komplexität der Schulmethode Die Multiplikation von zwei n-stelligen (dezimal oder binäre oder andere Basis) Zahlen erfordert n n = n 2 Multiplikationen von Ziffern (zuzüglich ca. n 2 Additionen von Ziffern) 1 Die sog. Russische Bauernmultiplikation =? traditionelle Multiplikation, rekursiv betrachtet = ( ) ( ) = ( ) = = =

12 Karatsubas Multiplikationsidee (1962) = ( ) ( ) = (9 12) ((9 + 81) ( ) ) (81 34) 10 0 = ( ) = = = Schema für die Multiplikation von zwei 2n-stelligen Zahlen (a 10 n + b) (c 10 n + d) = a c 10 2n + (a d + b c) 10 n + b d = ( ) a c 10 2n + (a + b) (c + d) a c b d 10 n + b d wobei a, b, c, d n-stellige Zahlen sind Beobachtung: zwei 2n-stellige Zahlen können multipliziert werden, indem man 3 (statt 4 (!!)) Multiplikationen von n-stelligen Zahlen ausführt Folgerung (mittels Iteration dieses divide-and-conquer-schemas): zwei 2 n -stellige Zahlen können mittels 3 n (statt 4 n (!!)) Multiplikationen von Ziffern miteinander multipliziert werden. 5 Die schnellste bislange bekannte Multiplikationemethode von Schönhage/Strassen (1971) beruht auf der schnellen Fourier-Transformation (FFT) und benötigt eine Anzahl von Ziffernoperationen proportional zu n log n log log n für die Multiplikation zweier n-stelligen Zahlen 6

13 Vergleich der Komplexität von verschiedenen Multiplikationsalgorithmen n = Anzahl der Ziffern Schulmethode c 1 n 2 Karatsuba (1962) c 2 n log 2 3 Schönhage/Strassen (1971) c 3 n log n log log n 7 n n 2 n log 2 3 n log n log log n

14 2 Was versteht man unter Multiplikation? 2.1 Multiplikation im engeren Sinne Multiplikation im römischen Zahlsystem Bekanntlich haben die Römer mit ihrem Zahlsystem kein sehr rechenfreundliches System erschaffen. Bereits die Grundrechenarten der Addition und der Multiplikation sind alles andere als benutzerfreundlich. Hier bietet das und von den Arabern tradierte indische Stellenwertsystem ein effiziente Alternative man kann hier sogar von einem evolutionären Wettbewerbsvorteil sprechen. Wie kann man sich behelfen? Bezeichen wir (provisorisch) mit R die Menge natürlichen Zahlen in römischer Notation, mit A die Menge natürlichen Zahlen in arabischer Notation, mit ρ : R A die (bijektive) Abbildung, die einer römisch geschriebenen Zahl das arabisch geschrieben Äquivalent zuordnet. Dann kann man sich so vorgehen: ρ R R A A R ρ 1 Als Beispiel für diesen Umweg : A a, b ρ ρ(a), ρ(b) a b ρ 1 ρ(a) ρ(b) LXXV III, LXXXV II ρ 78, 87 MMMMMMDCCLXXXV I ρ Multiplikation ganzer Zahlen mittels Faktorisierung Es bezeichne D die Menge der positiven natürlichen Zahlen in Dezimaldarstellung: a = (... a k+1 a k a k 1... a 2 a 1 a 0 ) 10 = k 0 a k 10 k mit Ziffern a k {0, 1, 2,..., 9}. Bekanntlich lässt sich jede positive natürliche Zahl eindeutig als Produkt von Primzahlpotenzen schreiben. Dazu sei (2, 3, 5, 7, 11,...) = (p 1, p 2, p 3,...) die Folge der Primzahlen. Dann gibt es eindeutig bestimmte natürliche Zahlen α 1, α 2, α 3... mit a = 2 α 1 3 α 2 5 α3 = k 1 p α k k. 14

15 Bezeichnet P die Menge aller Folgen (α 1, α 2, α 3...) natürlicher Zahlen, bei denen nur endlich-viele der α k 0 sind, dann definiert die Primfaktorisierung eine bijektive Abbildung π : D P : a (α 1, α 2, α 3,...) Bezüglich der Multiplikation von positiven natürlichen Zahlen hat man folgende Situation: π D D P P + D π 1 P a, b a b π π(a) = (α 1, α 2,...), π(b) = (β 1, β 2,...) +, π 1 π(a b) = (α 1 + β 1, α 2 + β 2,...) d.h. die Multiplikation wird durch Vektoraddition simuliert. Als Beispiel: 168, π π(168) = (3, 1, 0, 1, 0, 0, 0,...) π(990) = (1, 2, 1, 0, 1, 0, 0,...) + π 1 π(16632) = (4, 3, 1, 1, 1, 0, 0,...) Ganz analog kann ma grösste gemeinsame Teiler auf diesem Umweg berechnen: D D P P gcd D π π 1 min P Im vorigen Beispiel: gcd 168, 990 gcd 6 a, b gcd(a, b) π π π(a) = (α 1, α 2,...), π(b) = (β 1, β 2,...) min π 1 π(gcd(a, b)) = (max(α 1, β 1 ), max(α 2, β 2 ),...) π(168) = (3, 1, 0, 1, 0, 0, 0,...) π(990) = (1, 2, 1, 0, 1, 0, 0,...) min π 1 π(6) = (1, 1, 0, 0, 0, 0, 0,...) Kommentar 1. Kommentar: das beschriebene Verfahren ist korrekt! Aber man weiss bis heute nicht, ob man es effizient realisieren kann: es ist bislang kein effizientes Verfahren zur Herstellung der Primfaktorisierung einer natürlichen Zahl bekannt. Diese Tatsache wird sogar als entscheidendes Sicherheitsmerkmal für eine grosse Zahl von Systemen der kryptografischen Verschlüsselung angesehen! Multiplikation komplexer Zahlen Komplexe Zahlen fasst man als Paare reeller Zahlen auf: Realteil und Imaginärteil. α = a + i b (a, b) : a = R(α), b = I(α) R 15

16 Die Muliplikation von zwei komplexen Zahlen α = a+i b, β = c+i d wird wegen i 2 = 1 durch α β = (a c b d) + i (a d + b d) beschrieben. Auf den ersten Blick scheint es, als ob die Multiplikation von zwei komplexen Zahlen vier Multiplikationen von reellen Zahlen erfordert, nämlich die Produkte a c, b d, a d, b d. Tats chlich kann man es aber auch mit nur drei Multiplikationen von reellen Zahlen erreichen, denn es ist a d + b c = (a + b) (c + d) a c b d, d.h., man muss nur die drei Produkte a c, b d und (a+b) (c+d) berechnen. Sicher, man braucht nun mehr Additionen/Subtraktionen, aber da Multiplikationen teurer sind, ist das eine interessante Alternative. Dieser Trick wird im Zusammenhang mit der Karatsuba-Multiplikation von ganzen Zahlen und von Polynomen noch eine wichtige Rolle spielen Polynome Ist R ein Ring, so bezeichnet R[X] den Ring der Polynome in der Variablen X mit Koeffizienten in R. Polynome werden geschrieben als Summen von Monomen der Form a i X i mit a i R, nach aufteigenden Potenzen von X geordnet: ( ) a(x) = a 0 + a 1 X + a 2 X a m X m = a i X i. 0 i m Der Grad eines Polynoms, das nicht das Nullpolynom ist (alle Koeffizienten =0) ist deg a = max{k; a k 0}. Das entsprechende a k heisst Leitkoeffizient von a(x). Die Schreibweise ( ) bedeutet also lediglich deg a m. R[X] m bezeichnet die Menge der Polynome vom Grad m. Der Grad des Nullpolynoms ist deg 0 =. Auf offensichtliche Weise gilt R[X] R[X] 0 R[X] 1 R[X] 2 R[X] m R[X] m+1 R[X] Insbesondere ist R = {0}, R 0 = R. R[X] m = R[X] m+1 \R[X] m sind die Polynome vom Grad m (exakt) und R[X] <m = R[X] m 1 die Polynome von echt kleinerem Grad als m. Die Addition von Polynomen erfolgt koeffizientenweise, also wir Vektoraddition. In der Tat: ist R ein Körper so ist R[X] ein Vektorraum (abzählbar) unendlicher Dimension über R. R[X] m ist ein Vektorraum der Dimension m über R. {1, X, X 2,..., X m 1 } ist eine Basis von R[X] m. (Es gibt aber viele andere interessante Basen!). Entsprechend ist {1, X, X 2,...} eine Basis von R[X]. Offensichtlich gilt bei der Addition von zwei Polynomen a(x) und b(x) bezüglich ihrer Grade deg(a + b) max{deg a, deg b}. 16

17 Die Multiplikation von Polynomen a(x) = 0 i m a ix i, b(x) = 0 j n b jx j, auch Cauchy-Multiplikation oder Faltung genannt, ist definiert durch (a b)(x) = a i b j X k, also 0 k m+n i+j=k (a b)(x) = a 0 b 0 + (a 0 b 1 + a 1 b 0 )X + (a 0 b 2 + a 1 b 1 + a 2 b 0 )X a m b n X m+n Bezüglich der Grade gilt deg a b deg a+deg b, wobei Gleichheit gilt, falls das Produkt der beiden Leitkoeffizienten 0 ist, also z.b. immer dann, wenn der Ring R keine Nullteiler hat. Bezüglich der Komplexität der Multiplikation ist zu notieren, dass wenn man die Formeln der Definition direkt auswertet für die Multiplikation (deg a + 1) (deg b + 1) Multiplikationen im Ring R benötigt (jeder Koeffizient von a(c) wird mit jedem Koeffizienten von b(x) multipliziert. Das ist O(n 2 ), falls deg a = deg b = n. Das ist ein Verfahren von quadratischer Komplexität. Es ist aber nicht gesagt, dass man es so machen muss und dass es nicht besser geht!. Tatsächlich geht es besser! Multiplikation von Polynomen mittels Faktorisierung Nach dem Fundamentalsatz der Algebra hat ein Polynom m-ten Grades a(x) = m j=0 a mx m, also mit a m 0, genau m komplexe Nullstellen α 1, α 2,..., α m, d.h. man hat die Faktorisierung in Linearfaktoren a(x) = a m (X α 1 )(X α 2 ) (X α m ) = a m Π m i=0(x α i ). Sind nun a(x) und b(x) zwei Polynome mit deg a = m, deg b = n, so gilt offensichtlich a(x), b(x) a m Π 1 i m (X α i ), b n Π 1 j n (X β j ) (a b)(x) a m b n Π 1 i m (X α i ) Π 1 j n (X β j ) Dabei bedeutet das Zerlegen eines Polynoms in Linearfaktoren, das schlichte Ausmultiplizieren und Zusammenfassen der Beiträge gleichen Grades Multplikation von Polynomen mittels Interpolation Jedes Polynom a(x) mit deg a = m ist durch seine Werte an m+1 verschiedenen Stellen (komplexen Zahlen) ξ 0, ξ 1,..., ξ m eindeutig bestimmt. Diese Tatsache kann man ausnutzen um Polynome zu multiplizieren. Das simultane Auswerten von a(x) mit deg a = m an den Stellen ξ 0, ξ 1,..., ξ m wird dazu mit a(x) a(ξ 0 ), a(ξ 1 ),..., a(ξ m ) 17

18 notiert. Die Umkehrung a(x) a(ξ 0 ), a(ξ 1 ),..., a(ξ m ) wird als Interpolation bezeichnet. Ein gängiges Verfahren hierfür ist die Interpolationsformel von Lagrange: a(x) = 0 i m a(ξ i ) 0 j m j i X ξ j ξ i ξ j. Mit gleichen Bezeichnungen für a(x), b(x) wie vorher seien ξ 0, ξ 1,..., ξ m+n m + n + 1 verschiedene komplexe Zahlen (beachte: aus deg a = m und deg b = n folgt deg a b = m + n) a(x), b(x) a(ξ 0 ),..., a(ξ m+n ), b(ξ 0 ),..., b(ξ m+n ) (a b)(x) a(ξ 0 ) b(ξ 0 ),..., a(ξ m+n ) b(ξ m+n ) Das ist sicher ein korrektes Verfahren, aber es ist nicht klar, ob das etwas bringt. Schaut man sich den Aufwand für die Lagrange-Interpolation genau an, so sieht man, dass das in dieser allgemeinen Form noch keinen Vorteil bringt. Wie man diese Idee doch nutzbringend einsetzen kann, wird später unter dem Stichwort Diskrete Fouriertransformation behandelt Faltung von Funktionen und Fouriertransformation Die Faltung von Funktionen ist ein kontinuierliches Analogon zur Polynommultiplikation, die ja auch oft so bezeichnet wird. Faltungsoperationen spielen eine herausragende Rolle in Bereichen wie Nachrichtentechnik und Bildverarbeitung, wo Filterungsoperationen mittels Faltungen realisiert werden. Es ist von unschätzbarer Tragweite, dass man solche aufwendigen Faltungs-Multiplikationen (im Orts- oder Zeitbereich, wie man sagt) durch punktweise Multiplikationen im Frequenzbereich realisieren kann. Hier ist das Szenario: Ist a : R C eine (hinreichend gutartige) Funktion, so kann man mittels Integration eine weitere Funktion â : R C definieren, die sog. Fourier-Transformierte von a: F(a) = â : s a(x) e 2πisx dx In gutartigen Fällen (die hier nicht weiter spezifiziert werden sollen) lässt sich diese Abbildung umkehren: F 1 (â) = a : x 18 â(s) e 2πisx ds.

19 Als Faltung von zwei Funktionen a, b : R C bezeichnet man die Konstruktion einer Funktion a b : R C mittels (a b) : x f(t) g(x t) dt. Das folgende Faltungstheorem ist der Dreh-und Angelpunkt aller Anwendungen der Fourier-Transformation: F(a b) = F(a) F(b), und somit auch a b = F 1 (F(a) F(b)). Die Faltungsoperation (im Ortsbereich ) wird mittels einer punktweisen Produktbildung (im Frequenzbereich ) vermöge des folgenden Schemas realisiert: F a(x), b(x) â(s), b(s) (a b)(x) F 1 â(s) b(s) 2.2 Multiplikation im weiteren Sinne (I): Mengen, Wörter und Sprachen Mengen Ist A irgendeine Menge, so sind die Operationen der Vereinigung, des Durchschnitts und der symmetrischen Differenz assoziative Operation auf der Potenzmenge P(A). Man hat also kommutative Monoide (P(A);, ), (P(A);, A) und (P(A);, ). wie schon erwähnt, ist (P(A);,,, A) sogar ein Ring Wörter Eine wichtige assoziative Operation ist die Konkatenation von Wörtern. Ist Σ ein endliches Alphabet, so bezeichnet Σ die Menge der Wörter über diesem Alphabet. Koonkatenation ist dann einfach das Hintereinanderschreiben der Operanden. Meist wird dafür garkein Operationszeichen verwendet. Soll die Konkatenation als Operation dennoch explizit angesprochen werden, so geschieht dies mit. Mit ε wird das leere Wort bezeichnet, das neutrale Element bezüglich der Konkatenation. Man bezeichnet (Σ ;, ε) als das freie Monoid über dem Alphabet A. Freiheit bedeutet, anschaulich gesprochen, dass ausser des Assoziativität keine weiteren Gesetze gelten. (Dafür gibt es auch eine präzise algebraische Formulierung, die aber hier (noch) nicht interessiert.) 19

20 2.2.3 Sprachen Teilmengen von Σ, also Elemente der Potenzmenge P(Σ ), bezeichnet man als (formale) Sprachen. Die Operation der Konkatenation überträgt sich auf Sprachen: für K, L Σ ist K L = {u v ; u K, v L}. diese Operation ist auch wieder assoziativ und {ε} ist das neutrale Element. Auf diese Weise wird (P(Σ ),, {ε}) zum Monoid. Teilmengen von Σ sind unendliche Objekte und somit im allgemeinen nicht algorithmisch zu handhaben. Das geht nur für spezielle Klassen, also z.b: solche, die durch Akzeptoren (Automaten eines gewissen Typs) oder Generatoren (Grammatiken eines gewissen Typs) oder sonst effektiv beschrieben werden können. Die effektive oder gar effiziente Realisierung von Operationen ist dann nicht immer offensichtlich, aber oft von grossem praktischen Interesse siehe das folgende Beispiel. Beispiel 2. Die Menge der regulären Sprachen über einem Alphabet A ist bekanntlich unter den booleschen Operationen,, c abgeschlossen. Das effektiv zu realisieren ist aber nicht ganz offensichtlich: sind L 1, L 2 A zwei reguläre Sprache, die durch Typ-3- Grammatiken G 1 bzw. G 2 definiert sind, so ist nicht ganz klar, wie man aus diesen Daten direkt (?) eine Typ-3-Grammatik für L 1 L 2 erhält. Ein Umweg über endliche Automaten hilft: man konstruiert vollständige und deterministische endliche Automaten A 1 bzw. A 2, die L 1 bzw. L 2 akzeptieren, und dann daraus den Produktautomaten A 1 A 2, der L 1 L 2 akzeptiert. Dann übersetzt man diesen Automaten wieder in eine Typ-3-Grammatik: L 1 = L(G 1 ), L 2 = L(G 2 ) L 1 = L(A 1 ), L 2 = L(A 2 ) L 1 L 2 = L(G ) L 1 L 2 = L(A 1 ) L(A 2 ) 2.3 Multiplikation im weiteren Sinne (II): Transformationen und Permutationen Transformationen Ist A eine Menge, so ist die Menge T (A) = {f : A A} bezüglich der Komposition (Hintereinanderausführung) als Operation und der identischen Abbildung id als neutralem Element ein Monoid (T (A);, id), kurz mit T (A) bezeichnet Beachte: ist nicht kommutativ! 20

Notizen zu Transformationen und Permutationen. T (A) = {f : A A}

Notizen zu Transformationen und Permutationen. T (A) = {f : A A} Transformationen Notizen zu Transformationen und Permutationen Ist A eine Menge, so ist die Menge T (A) = {f : A A} bezüglich der Komposition (Hintereinanderausführung) als Operation und der identischen

Mehr

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Stefan Lucks Diskrete Strukturen (WS 2009/10) 57 2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Uhr: Stunden mod 24, Minuten mod 60, Sekunden mod 60,... Rechnerarithmetik: mod 2 w, w {8, 16, 32,

Mehr

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens Mathematische Grundlagen der Kryptographie 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe Stefan Brandstädter Jennifer Karstens 18. Januar 2005 Inhaltsverzeichnis 1 Ganze Zahlen 1 1.1 Grundlagen............................

Mehr

7. Ringe und Körper. 7. Ringe und Körper 49

7. Ringe und Körper. 7. Ringe und Körper 49 7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

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

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale Grundlagen 2008W. Vorlesung im 2008S  Institut für Algebra Johannes Kepler Universität Linz Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

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

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

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

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

t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )

t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r ) Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen

Mehr

Wortproblem für kontextfreie Grammatiken

Wortproblem für kontextfreie Grammatiken Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?

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

Faktorisierung ganzer Zahlen mittels Pollards ρ-methode (1975)

Faktorisierung ganzer Zahlen mittels Pollards ρ-methode (1975) Dass das Problem, die Primzahlen von den zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren zu zerlegen zu den wichtigsten und nützlichsten der ganzen Arithmetik gehört und den Fleiss

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

5 Grundlagen der Zahlentheorie

5 Grundlagen der Zahlentheorie 5 Grundlagen der Zahlentheorie 1 Primfaktorzerlegung Seienm, n N + := {k N k > 0} Man schreibt n n, gesprochen m teilt n oder m ist ein Teiler von n, wenn es eine positive natürliche Zahl k gibt mit mk

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

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum

Mehr

Lenstras Algorithmus für Faktorisierung

Lenstras Algorithmus für Faktorisierung Lenstras Algorithmus für Faktorisierung Bertil Nestorius 9 März 2010 1 Motivation Die schnelle Faktorisierung von Zahlen ist heutzutage ein sehr wichtigen Thema, zb gibt es in der Kryptographie viele weit

Mehr

Oft kommt es darauf an, Potenzen a n mod m zu berechnen. Dabei kann n eine sehr groÿe Zahl sein.

Oft kommt es darauf an, Potenzen a n mod m zu berechnen. Dabei kann n eine sehr groÿe Zahl sein. Oft kommt es darauf an, Potenzen a n mod m zu berechnen. Dabei kann n eine sehr groÿe Zahl sein. 3 1384788374932954500363985493554603584759389 mod 28374618732464817362847326847331872341234 Wieso kann ein

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

Primzahlzertifikat von Pratt

Primzahlzertifikat von Pratt Primzahlzertifikat von Pratt Daniela Steidl TU München 17. 04. 2008 Primzahltests in der Informatik "Dass das Problem, die Primzahlen von den Zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren

Mehr

Übersicht. Datenstrukturen und Algorithmen Vorlesung 5: Rekursionsgleichungen (K4) Übersicht. Binäre Suche. Joost-Pieter Katoen. 20.

Übersicht. Datenstrukturen und Algorithmen Vorlesung 5: Rekursionsgleichungen (K4) Übersicht. Binäre Suche. Joost-Pieter Katoen. 20. Übersicht Datenstrukturen und Algorithmen Vorlesung 5: (K4) Joost-Pieter Katoen Lehrstuhl für Informatik 2 Software Modeling and Verification Group http://www-i2.informatik.rwth-aachen.de/i2/dsal12/ 20.

Mehr

3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich.

3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich. 3.5 Ringe und Körper Gehen wir noch mal zu den ganzen Zahlen zurück. Wir wissen: (Z, + ist eine Gruppe, es gibt aber als Verknüpfung noch die Multiplikation, es gibt ein neutrales Element bezüglich, es

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

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

Kongruenzen und Restklassenringe. 2. Kongruenzen und Restklassenringe

Kongruenzen und Restklassenringe. 2. Kongruenzen und Restklassenringe 2. Kongruenzen und Restklassenringe Kongruenzen Definition: Wir sagen a ist kongruent zu b modulo m schreiben a b mod m, wenn m die Differenz b-a te Beispiel: Es gilt 2 19 mod 21, 10 0 mod 2. Reflexivität:

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

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

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

Q(n) = n 0 +n 1 +n 2 +...+n k.

Q(n) = n 0 +n 1 +n 2 +...+n k. 25 2 Kongruenzen Mit Hilfe der hier definierten Kongruenz können Aussagen über Teilbarkeit einfacher formuliert und bewiesen werden, und man erhält eine Differenzierung der Zahlen, die bezüglich einer

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

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

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

Zahlen und elementares Rechnen

Zahlen und elementares Rechnen und elementares Rechnen Christian Serpé Universität Münster 7. September 2011 Christian Serpé (Universität Münster) und elementares Rechnen 7. September 2011 1 / 51 Gliederung 1 2 Elementares Rechnen 3

Mehr

DLP. Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de ALZAGK SEMINAR. Bremen, den 18. Januar 2011. Fachbereich Mathematik und Informatik 1 / 27

DLP. Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de ALZAGK SEMINAR. Bremen, den 18. Januar 2011. Fachbereich Mathematik und Informatik 1 / 27 DLP Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de Fachbereich Mathematik und Informatik ALZAGK SEMINAR Bremen, den 18. Januar 2011 1 / 27 Inhaltsverzeichnis 1 Der diskrete Logarithmus Definition

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

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

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

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau, Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel

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

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

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

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

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

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Binäre Suchbäume (binary search trees, kurz: bst)

Binäre Suchbäume (binary search trees, kurz: bst) Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.

Mehr

Definition. Fibonacci-Zahlen als Beispiel Für f = (f n ) n 0 = (0, 1, 1, 2, 3, 5, 8, 13, 21, 34,...) gilt Rekursion. Matrix-Formulierung. c 2.

Definition. Fibonacci-Zahlen als Beispiel Für f = (f n ) n 0 = (0, 1, 1, 2, 3, 5, 8, 13, 21, 34,...) gilt Rekursion. Matrix-Formulierung. c 2. Fibonacci-Zahlen als Beispiel Für f = (f n ) = (0,,, 2, 3, 5, 8, 3, 2, 34,...) gilt Rekursion erzeugende Funktion f n2 = f n f n (n 0), f 0 = 0, f = f(z) = f n z n = z z z 2 Partialbruchzerlegung mit φ

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

WS 2008/09. Diskrete Strukturen

WS 2008/09. Diskrete Strukturen WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809

Mehr

1 Algebraische Grundbegriffe

1 Algebraische Grundbegriffe 1 Algebraische Grundbegriffe Eine Algebra besteht aus einer Trägermenge S sowie eineroder mehreren Operationen. Eine Operation ist dabei eine k-stellige Abbildung, d.h. es gilt für eine Operation f f S

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

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

4: Algebraische Strukturen / Gruppen

4: Algebraische Strukturen / Gruppen Stefan Lucks Diskrete Strukturen (WS 2009/10) 120 4: Algebraische Strukturen / Gruppen Definition 46 Sei G eine nichtleere Menge. Eine Funktion : G G G bezeichnen wir als Verknüpfung auf G. Das Paar (G,

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

Public-Key-Algorithmen WS2015/2016

Public-Key-Algorithmen WS2015/2016 Public-Key-Algorithmen WS2015/2016 Lernkontrollfragen Michael Braun Was bedeuten die kryptographischen Schutzziele Vertraulichkeit, Integrität, Nachrichtenauthentizität, Teilnehmerauthentizität, Verbindlichkeit?

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

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:

Mehr

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3

Mehr

Skript und Übungen Teil II

Skript und Übungen Teil II Vorkurs Mathematik Herbst 2009 M. Carl E. Bönecke Skript und Übungen Teil II Das erste Semester wiederholt die Schulmathematik in einer neuen axiomatischen Sprache; es ähnelt damit dem nachträglichen Erlernen

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

Codierung, Codes (variabler Länge)

Codierung, Codes (variabler Länge) Codierung, Codes (variabler Länge) A = {a, b, c,...} eine endliche Menge von Nachrichten (Quellalphabet) B = {0, 1} das Kanalalphabet Eine (binäre) Codierung ist eine injektive Abbildung Φ : A B +, falls

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

Informatik A ( Frank Hoffmann)

Informatik A ( Frank Hoffmann) Teillösungen zum 1. Aufgabenblatt zur Vorlesung Informatik A ( Frank Hoffmann) 1. Improvisieren Stellen Sie die Zahl 6 dar durch einen Ausdruck, der genau dreimal die Ziffer i enthält und ansonsten neben

Mehr

Zahlenbereiche. Jörn Loviscach. Versionsstand: 20. Oktober 2009, 17:43

Zahlenbereiche. Jörn Loviscach. Versionsstand: 20. Oktober 2009, 17:43 Zahlenbereiche Jörn Loviscach Versionsstand: 20. Oktober 2009, 17:43 1 Natürliche, ganze und rationale Zahlen Zum Zählen benötigt man die positiven natürlichen Zahlen 1, 2, 3,... In der Informatik zählt

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

Praktikum Diskrete Optimierung (Teil 11) 17.07.2006 1

Praktikum Diskrete Optimierung (Teil 11) 17.07.2006 1 Praktikum Diskrete Optimierung (Teil 11) 17.07.2006 1 1 Primzahltest 1.1 Motivation Primzahlen spielen bei zahlreichen Algorithmen, die Methoden aus der Zahlen-Theorie verwenden, eine zentrale Rolle. Hierzu

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

Programmiersprachen und Übersetzer

Programmiersprachen und Übersetzer Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch

Mehr

Probabilistische Primzahltests

Probabilistische Primzahltests Probabilistische Primzahltests Daniel Tanke 11. Dezember 2007 In dieser Arbeit wird ein Verfahren vorgestellt, mit welchem man relativ schnell testen kann, ob eine ganze Zahl eine Primzahl ist. Für einen

Mehr

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch. Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 4: Zahlentheorie

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 4: Zahlentheorie Prof. Dr. Sebastian Iwanowski DM4 Folie 1 Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kap. 4: Zahlentheorie Beutelspacher 5 Lang 7, Biggs 20, 22, 23 (jeweils teilweise,

Mehr

5. Gruppen, Ringe, Körper

5. Gruppen, Ringe, Körper 5. Gruppen, Ringe, Körper 5.1. Gruppen Die Gruppentheorie, als mathematische Disziplin im 19. Jahrhundert entstanden, ist ein Wegbereiter der modernen Mathematik. Beispielsweise folgt die Gruppe, die aus

Mehr

$Id: korper.tex,v /05/10 12:25:27 hk Exp $

$Id: korper.tex,v /05/10 12:25:27 hk Exp $ $Id: korper.tex,v 1.17 2012/05/10 12:25:27 hk Exp $ 4 Körper In der letzten Sitzung hatten wir den Körperbegriff eingeführt und einige seiner elementaren Eigenschaften vorgeführt. Insbesondere hatten wir

Mehr

Kanonische Primfaktorzerlegung

Kanonische Primfaktorzerlegung Mathematik I für Informatiker Zahlen p. 1 Kanonische Primfaktorzerlegung Jede natürliche Zahl n kann auf eindeutige Weise in der Form n = p α 1 1 pα 2 2... pα k k geschrieben werden, wobei k N 0, α i N

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5) Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff

Mehr

Die Ringe Z n. Invertierbare Elemente ( Einheiten ) für n > 0 wird auf Z n = {0, 1, 2,..., n 1} definiert: n : Z n Z n Z n : (a, b) (a b) mod n

Die Ringe Z n. Invertierbare Elemente ( Einheiten ) für n > 0 wird auf Z n = {0, 1, 2,..., n 1} definiert: n : Z n Z n Z n : (a, b) (a b) mod n Definitionen Die Ringe Z n für n > 0 wird auf Z n = {0, 1, 2,..., n 1} definiert: Beispiel n = 15 + n : Z n Z n Z n : (a, b) (a + b) mod n n : Z n Z n Z n : (a, b) (a b) mod n 9 + 15 11 = 5 9 15 11 = 9

Mehr

Vorlesung Diskrete Strukturen Gruppe und Ring

Vorlesung Diskrete Strukturen Gruppe und Ring Vorlesung Diskrete Strukturen Gruppe und Ring Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung in

Mehr

7 Untergruppen, Faktorgruppen, Ideale, Restklassenringe

7 Untergruppen, Faktorgruppen, Ideale, Restklassenringe 7 Untergruppen, Faktorgruppen, Ideale, Restklassenringe und Homomorfismen Wir verallgemeinern den Übergang von Z zu Z/m. Sei im folgenden G eine (additiv geschriebene) abelsche Gruppe, H eine Untergruppe.

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

Ganzzahlige Division mit Rest

Ganzzahlige Division mit Rest Modulare Arithmetik Slide 1 Ganzzahlige Division mit Rest Für a,b Æ mit a b gibt es stets eine Zerlegung von a der Form a = q b+r mit 0 r b 1. Hierbei gilt q = a b (salopp formuliert: b passt q-mal in

Mehr

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen)

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

Formale Sprachen, reguläre und kontextfreie Grammatiken

Formale Sprachen, reguläre und kontextfreie Grammatiken Formale Sprachen, reguläre und kontextfreie Grammatiken Alphabet A: endliche Menge von Zeichen Wort über A: endliche Folge von Zeichen aus A A : volle Sprache über A: Menge der A-Worte formale Sprache

Mehr

Kapitel 1. Grundlagen Mengen

Kapitel 1. Grundlagen Mengen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

$Id: gruppen.tex,v /04/24 15:25:02 hk Exp $ $Id: ring.tex,v /04/24 15:35:17 hk Exp $

$Id: gruppen.tex,v /04/24 15:25:02 hk Exp $ $Id: ring.tex,v /04/24 15:35:17 hk Exp $ $Id: gruppen.tex,v 1.13 2012/04/24 15:25:02 hk Exp $ $Id: ring.tex,v 1.11 2012/04/24 15:35:17 hk Exp $ 2 Gruppen 2.3 Zyklische Gruppen Wir hatten am Ende der letzten Sitzung bewiesen, dass in einer endlichen

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Grundlagen der Informatik II. Teil I: Formale Modelle der Informatik

Grundlagen der Informatik II. Teil I: Formale Modelle der Informatik Grundlagen der Informatik II Teil I: Formale Modelle der Informatik 1 Einführung GdInfoII 1-2 Ziele/Fragestellungen der Theoretischen Informatik 1. Einführung abstrakter Modelle für informationsverarbeitende

Mehr

Anhang I zur Vorlesung Kryptologie: Elementare Zahlentheorie

Anhang I zur Vorlesung Kryptologie: Elementare Zahlentheorie Anhang I zur Vorlesung Kryptologie: Elementare Zahlentheorie von Peter Hellekalek Fakultät für Mathematik, Universität Wien, und Fachbereich Mathematik, Universität Salzburg Tel: +43-(0)662-8044-5310 Fax:

Mehr

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Alexander Bobenko und Ivan Izmestiev Technische Universität Berlin 1 Hausaufgaben vom 12.09.2007 Zahlentheorie 1 Aufgabe 1.1 Berechne die (quadratischen)

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

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

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

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56 5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten

Mehr

Pratts Primzahlzertifikate

Pratts Primzahlzertifikate Pratts Primzahlzertifikate Markus Englert 16.04.2009 Technische Universität München Fakultät für Informatik Proseminar: Perlen der Informatik 2 SoSe 2009 Leiter: Prof. Dr. Nipkow 1 Primzahltest Ein Primzahltest

Mehr

2 ZAHLEN UND VARIABLE

2 ZAHLEN UND VARIABLE Zahlen und Variable 2 ZAHLEN UND VARIABLE 2.1 Grundlagen der Mengenlehre Unter einer Menge versteht man die Zusammenfassung von unterscheidbaren Objekten zu einem Ganzen. Diese Objekte bezeichnet man als

Mehr

Prof. M. Eisermann Algebra SoSe 2010

Prof. M. Eisermann Algebra SoSe 2010 Übungsblatt 4: Teilbarkeitslehre Lassen Sie sich nicht durch die Menge der Aufgaben einschüchtern. Es gibt nur wenig schriftliche Aufgaben und wir halten die Menge der Votieraufgaben überschaubar. Alle

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