5. Verschiedene Repräsentanten

Größe: px
Ab Seite anzeigen:

Download "5. Verschiedene Repräsentanten"

Transkript

1 5. Verschiedene Repräsentanten 5.1. Die Sätze Hall und König Sei I := {1,...,n}, und sei A(I) = (A 1,...,A n ) eine Familie von Teilmengen einer endlichen Menge E. Zu K I seien A(K) := (A i : i K) und A(K) := A i. Eine Transversale oder ein System verschiedener Repräsentanten (SVR) von A(I) ist eine Menge {x 1,...,x n } von n paarweise verschiedenen Elementen von E, sodass x i A i für jedes i in I gilt. Zum Beispiel: i K A 1 = {a,b,c} A 2 = {a,d} A 3 = {b,d} A 4 = {c,e} x 1 = a x 2 = d x 3 = b x 4 = c (A 1 ) 1 (A 2 ) 2 (A 3 ) 3 (A 4 ) 4 I E a b c d e Ein Matching oder eine Paarung eines Graphen ist eine Menge paarweiser nichtadjazenter Kanten dieses Graphen. Ein perfektes Matching oder ein 1-Faktor ist ein Matching, das alle Ecken des Graphen paarweise anordnet. Bilden wir einen bipartiten Graphen G mit V(G) = I E, in dem i I und e E genau dann durch eine Kante verbunden sind, wenn e A i gilt, so entspricht eine Transversale (grob gesprochen) einem Matching in G, das alle Ecken aus I abdeckt. Satz 5.1 (P. Hall ( , 1935). (a) A(I) besitzt genau dann eine Transversale, wenn die Bedingung von Hall erfüllt ist, d.h. es gilt A(K) K, K I. (b) Der Satz von König Hall. Ein bipartiter Graph mit Bipartition (I, E) besitzt genau dann ein Matching, das I abdeckt, wenn N(X) X für alle X I gilt. (c) Das Heiratsproblem. Es können aus einer Menge gegebener Freundinnen genau dann paarweise verschiedene Partner für n Männer so gefunden werden, dass jeder Mann eine Frau als Partner erhält, wenn für alle k (1 k n) gilt, dass je k der Männer zusammengenommen mindestens k Freundinnen haben. Beweis. (P. R. Halmos and H. E. Vaughan, 1950.) Diese drei Aussagen sind äquivalent. Wir betrachten daher hier nur die dritte, auch wenn wir teilweise die Notation der ersten Aussage verwenden: Für den i ten Mann sei A i die Menge der Freundinnen dieses Mannes. Dass die Bedingung notwendig ist, ist klar. Wir zeigen per Induktion nach n, dass sie auch hinreichend ist. Im Fall n = 1 ist das Ergebnis offensichtlich. Wir nehmen also nun n 2 an. 1

2 Fall 1: Je k Männer (1 k n 1) haben zusammengenommen mindestens k +1 Freundinnen. Wir bilden nun aus dem n ten Mann und einer seiner Freundinnen ein Paar. Dann bleiben für je k der verbliebenen Männer zusammen noch mindestens k Freundinnen. Somit folgt das Ergebnis aus der Induktionsvoraussetzung. Fall 2: Für ein k (1 k n 1) gibt es eine Menge K, bestehend aus k Männern, die zusammen genau k Freundinnen haben: A(K) = K = k. Dann gilt J K = A(J) A(K) = A(J) J, und, falls J I \K, so erhalten wir A(J)\A(K) = A(J K)\A(K) J K A(K) = J + K K = J. K I\K I E A(K) E\A(K) Also haben nach Induktionsvoraussetzung die Familien A(K) = (A i : i K) und (A i \A(K) : i I \K) jeweils eine Transversale, und deren Vereinigung ist eine Transversale von A(I). Eine Teilmenge X von E heißt eine partielle Transversale (PT) der Länge X mit Defekt n X von A(I), wenn X eine Transversale einer Teilfamilie A(J) (J I, J = X ) von A(I) ist. Es ist offensichtlich jede Teilmenge einer PT wieder eine PT. Korollar 5.2 (O. Ore( ), 1955). A(I) besitzt genau dann eine partielle Transversale mit Defekt d, wenn A(K) K d für alle K I gilt. Beweis. Wir bilden B(I) aus A(I), indem wir B i := A i D (i = 1,...,n) setzen, wobei D eine Menge mit d neuen Elementen ist (d.h. D E = ). A(I) besitzt eine PT mit Defekt d B(I) besitzt eine Transversale B(K) K, K I (nach dem Satz von Hall) A(K) K d, K I Korollar 5.3 (Der Dualitätssatz von König, D. König ( ), 1931). In einembipartiten Graphen G istdiegrößteanzahl vonkanten, die ineinem Matching enthalten sind (α (G)) gleich der kleinsten Anzahl von Ecken, die zusammengenommen zu allen Kanten inzident sind (β(g)). 2

3 Beweis. Offensichtlich gilt α (G) β(g), da keine zwei Kanten eines Matchings zu derselben Ecke inzident sein können. Es bleibt also α (G) β(g) zu zeigen. Bezeichne dafür die Bipartition mit (I,E) und definiere für jedes i I die Menge A i := {e E : ie E(G)}. Für jedes K I ist (I \ K) A(K) eine Menge von Ecken, die zu allen Kanten von G inzident ist, denn gilt ie E(G) und i / I \K, so gilt i K und damit e A(K). Also gilt I \K + A(K) β(g) und daher A(K) β(g) I \K = K ( I β(g)), K I. Nach Korollar 5.2 besitzt A(I) eine PT mit Defekt I β(g), also von Länge β(g). Daher besitzt G ein Matching mit β(g) Kanten: α (G) β(g). Wir haben somit wie gewünscht α (G) = β(g) gezeigt. Satz 5.4 (A. J. Hoffman and H. W. Kuhn, 1956). Eine partielle Transversale ist genau dann maximal (bzgl. Inklusion), wenn sie von maximaler Länge ist. Insbesondere gilt, dass, wenn die Familie A(I) eine Transversale besitzt, ihre partiellen Transversalen gerade die Teilmengen ihrer Transversalen sind. Beweis. Der ungarische Algorithmus. Offensichtlich ist jede PT maximaler Länge auch maximal bzgl.inklusion. Sei nunumgekehrt T E einemaximaleptvona(i),und sei Geinbipartiter Graph, der A(I) darstellt. Sei M ein Matching, das T abdeckt. Wir zeigen nun, dass M ein größtes Matching von G ist, woraus sofort folgt, dass T eine Transversale maximaler Länge ist. Dafür bilden wir iterativ Mengen X I, Y E: (a) Wir fügen zu X alle Ecken in I hinzu, die nicht durch M abgedeckt werden; (b) Sind x X, y E und xy E(G)\M, so fügen wir y zu Y hinzu; (c) Sind y Y, x I und xy M, so fügen wir x zu X hinzu. Behauptung: Es gilt nach jedem Schritt Y T. Beweis der Behauptung. Für jedes e, das wir zu Y hinzufügen, gibt es ein i I, das nicht durch M abgedeckt ist, sowie einen alterierenden Weg P mit Ecken i = x 1, y 1, x 2, y 2,..., x k, y k = e, dessen k 1 Kanten der Form y j x j+1 in M liegen und dessen k Kanten der Form x j y j nicht in M liegen. Würde e / T gelten, so könnten wir die Kanten der Form y j x j+1 aus M entfernen und dafür die Kanten der Form x j y j hinzufügen, und damit ein Matching erhalten, das T {e} abdeckt. Damit wäre T {e} eine PT von A(I), was ein Widerspruch zur Maximalität von T wäre. Also gilt e T. Daher gilt wie gewünscht stets Y T. 3

4 Durch die Konstruktionsregeln (a) (c) wird sichergestellt, dass am Ende Y = N(X) gilt. Außerdem gilt dann I \X = T \Y, da die Elemente aus I \X und T \Y durch (einige der) Kanten in M zu Paaren zusammengefasst werden. Die Ecken in (I \X) N(X) sind inzident zu allen Kanten und ihre Anzahl ist T\Y + Y = T (da nach der eben gezeigten Behauptung Y T gilt). Somit kann kein Matching mehr als T Kanten enthalten, und daher ist T eine PT maximaler Länge. I\X X I M T\Y T Y =N(X) E Bemerkung. Der Satz von Hall folgt aus diesem Beweis, denn, gilt N(X) X, so folgt T = I \X + N(X) I. Da aber T I gilt, erhalten wir sogar T = I, und damit ist T eine Transversale von A(I) Gewinnfolgen von Turnierengraphen Lemma 5.5 (Der Haremsatz). Sind p 1,...,p n N {0}, so gibt es genau dann paarweise disjunkte Mengen X i, sodass X i A i und X i = p i (i = 1,...,n) gilt, wenn A(K) i K p i für alle K I gilt. Beweis. Übungsaufgabe 5.1. Ein gerichteter Graph (oder Digraph) D = (V,A) besteht aus disjunkten Mengen V und A mit A V V. Die Elemente a V heißen Ecken und die Elemente (a,b) A heißen Bögen (oder gerichtete Kanten). Man schreibt auch ab A statt (a,b) A. D heißt schleifenfrei, falls aa / A für alle a A. Man beachte: Für a b in V gilt ab ba. Man definiert den Außengrad von a V als odeg(a) = {b V ab A} und seinen Innengrad als ideg(a) = {b V ba A}. Ein Turniergraph ist ein schleifenfreier gerichteter Graph D = (V(D), A(D)), bei dem für alle a,b V(D) mit a b genau eine der beiden Bögen ab, ba in A(D) liegt. Ein solcher Graph könnte z.b. die Ergebnisse eines Jeder gegen Jeden Turniers mit ( n Spielen zwischen n Spielern darstellen: ab A(D) gdw. a besiegt b (Unentschieden sind nicht erlaubt). Die Punktzahl einer Ecke (d.h. eines Spielers) ist sein Außengrad (d.h. die Anzahl der von ihm besiegten Spieler). Welche Gewinnfolgen sind im Fall n = 6 möglich? 4

5 (a) JA: siehe Abbildung; (b) NEIN: die Summe ist 14, sie müsste aber 15 = ( 6 sein; (c) NEIN: die kleinsten drei Zahlen sollten aufsummiert ( 3 ergeben. Satz 5.6 (H. G. Landau, 1955). Eine Menge von n nichtnegativen ganzen Zahlen p 1... p n ist genau dann die Gewinnfolge eines Turniergraphen, wenn (a) r p i ( r für 2 r n 1 gilt und (b) n p i = ( n gilt. [Hackordnung von Hennen.] Beweis. Die Bedingungen sind offensichtlich notwendig. Wir müssen also noch zeigen, dass sie auch hinreichend sind. Sei dazu für i I := {1,...,n} A i := { {1,i}, {2,i},...,{i 1,i}, {i,i+1},...,{i,n} } (1 i n) die Menge der zur Ecke i inzidenten ungerichteten Kanten. Für jedes i, wollen wir p i Element aus A i wählen, die die gerichteten Kanten, die aus der Ecke i herausführen, ergeben sollen. Dies ist nach Lemma 5.5 genau dann möglich, wenn A(K) i K p i für alle K I gilt. Es folgt aber aus den Bedingungen (a) und (b), dass A(K) = ( ) ( n 2 n K ) 2 und p i = i K n p i p i i I\K ( ) n 2 ( ) n K = A(K). 2 Somit existiert ein solcher Turniergraph Die Erweiterbarkeit von lateinischen Rechtecken Seien E = I = {1,...,n}. Seien r,s N mit r,s n. Ein r s lateinisches Rechteck mit Einträgen aus E ist eine r s Matrix über E, in der in jeder Zeile und in jeder Spalte keine Zahl mehr als einmal vorkommt. Es folgt ein Beispiel für r = 2, s = 3, n 5: [ Gilt r = s = n, so erhalten wir ein lateinisches Quadrat der Ordnung n. Ein Beispiel für n = 5 ist die folgende Matrix: ].

6 Lemma 5.7 (M. Hall ( ), 1945). Seien r,n N mit r n. Jedes r n lateinische Rechteck L kann durch das Hinzufügen von n r geeigneten Zeilen zu einem lateinischen Quadrat der Ordnung n erweitert werden. Beweis. Sei i E := I := {1,...,n}. Sei A i die Menge aller Elemente von E, die nicht in der i ten Spalte von L vorkommen. Es ist also A i = n r. Jedes Element von E kommt in genau r Spalten von L vor (da es einmal in jeder Zeile vorkommt) und liegt somit in genau n r der Mengen A 1,...,A n. Ist nun K I, so enthalten damit die Mengen A i (i K) zusammengenommen (n r) K Elemente, wobei wir das mehrfache Zählen der Elemente zulassen, und jedes Element kommt in den Mengen höchstens n r mal vor. Wie in Satz 2.2, gilt A(K) (n r) K = K. Also gilt die Hallsche Bedingung und die n r Familie A 1,...,A n besitzt eine Transversale (x 1,...,x n ). Dies fügen wir nun als (r + 1) te Zeile zu dem Rechteck hinzu und erhalten damit ein (r + 1) n lateinisches Rechteck. Dieses Verfahren wiederholen wir solange, bis wir ein lateinisches Quadrat der Ordnung n erhalten. Im Allgemeinen ist das Erweitern r s lateinischen Rechtecks L zu einem lateinischen Quadrat der Ordnung n schwieriger oder gar unmöglich: beide müssen 4 sein Sei L(e) die Anzahl der Vorkommen von e E in L. Jedes e E kann höchstens (n r)+ (n s) mal in den n r Zeilen und den n s Spalten außerhalb von L vorkommen. Somit muss für die Erweiterbarkeit L(e) n [(n r)+(n s)] = r +s n gelten. Satz 5.8 (H. J. Ryser ( ), 1951). Ein r s lateinische Rechteck L mit Einträgen aus E kann genau dann zu einem lateinischen Quadrat der Ordnung n erweitert werden, wenn L(e) r+s n für jedes e E gilt. Beweis. Wir haben schon gesehen, dass die Bedingung notwendig ist, müssen also nur noch zeigen, dass sie auch hinreichend ist. Nach Lemma 5.7 ist dies der Fall, wenn s = n gilt. Wir nehmen also ab sofort s < n an. Sei I r := {1,...,r}. Zu i I r sei A i die Menge der Zahlen, die nicht in der i ten Zeile von L auftauchen. Es gilt also A i = n s. Behauptung 1: Die Familie A(I r ) = (A 1,...,A r ) besitzt eine Transversale. Beweis von Behauptung 1. Jedes e E liegt in r L(e) n s der Mengen A i und daher gilt für alle K I r, dass A(K) (n s) K = K. Die Behauptung 1 folgt nun aus dem Satz n s von Hall. Behauptung 2: Sei T := {e E : L(e) = r +s n}. Dann ist T eine PT von A(I r ). 6

7 Beweis vonbehauptung2. Diesistäquivalentzu der Aussage, dassdiefamilie(a i T : i I r ) eine PT der Länge T mit Defekt r T besitzt. Nach dem Satz von Ore (Korollar 5. ist dies genau dann der Fall, wenn A(K) T K r + T, K I r gilt. Sei K I r, und sei T := T \A(K). Jedes e T ist in keiner der Mengen A i (i K) enthalten und kommt somit in jeder Zeile von L vor, deren Index in K liegt. Also kommt in den restlichen r K Zeilen jedes e T genau r +s n K mal und jedes e E \T höchstens r K mal vor. Also ist die Anzahl der Elemente in diesen r K Zeilen womit und s(r K ) (r +s n K ) T +(r K )(n T ) = (s n) T +(r K )n, (n s) T (n s)(r K ) T = T A(K) T r K folgt. Dies zeigt ( ) und somit die Behauptung 2. Aus den beiden Behauptungen und dem Satz von Hoffman Kuhn (Satz 5.4) folgt, dass A(I r ) eine Transversale besitzt, die T enthält. Diese können wir als (s+1) te Spalte zu L hinzufügen und erhalten ein r (s+1) lateinisches Rechteck L, in dem L (e) r+s+1 n für jedes e gilt. Dieses Vorgehen wiederholen wir, bis wir ein r n lateinisches Rechteck erhalten haben. Dann können wir Lemma 5.7 anwenden, um den Beweis abzuschließen. ( ) 5.4. Die Anzahl von Hyperebenen Angenommen n Punkte im R 3 spannen l verschiedene Geraden und π verschiedene Ebenen auf.esgiltsicher l ( ( n bzw.π n 3).DieGleichheitgiltgenaudann,wenn keinedreipunkte kollinear bzw. keine vier Punkte koplanar sind. J. H. Mason und D. J. A. Welsh vermuteten (Anfang der 1970er), dass dann l 2 > nπ gilt, bzw. (genauer) ( ) 2 l ( n ( π n ( ) 3), d.h. l 2 3 n 1 nπ, und es gilt genau dann Gleichheit, wenn keine drei Punkte kollinear sind 2 n 2 und keine vier Ebenen koplanar sind, also wenn beide Seiten von ( ) gleich 1 sind. Dies ist die points lines planes conjecture. P. D. Seymour (198 zeigte die Richtigkeit der Vermutung im Fall, dass keine fünf Punkte kollinear sind. G. Purdy (1986) zeigte die Existenz einer Konstante c > 0 mit l 2 cnπ. Satz 5.9 (Die Hyperebenenungleichung von Motzkin (Spezialfall), Th. Motzkin, 1951). (a) Sind nicht alle Punkte kollinear, so gilt l n. (b) Sind nicht alle Punkte koplanar, so gilt π n. Für den Beweis des Satzes benötigen wir das folgende Lemma. 7

8 Lemma Sei A 1,...,A m (m 1) eine Familie von nichtleeren echten Teilmengen einer Menge E = {p 1,...,p n }, und sei r i die Anzahl dieser Mengen, die p i enthalten (i = 1,...,n). Angenommen es gilt stets r i A j, falls p i / A j. Dann gilt m n. BeweisvonSatz5.9. SeiE = {p 1,...,p n }diemengederngegebenenpunkte.(a)seim := l, und sei A j die Menge aller Punkte in E, die auf der j ten Geraden liegen (1 j m). Falls p i / A j, so gibt es mindestens A j Geraden durch p i (diese verbinden p i mit den Punkten in A j ). Nach Lemma 5.10 gilt damit l = m n. (b) Sei m := π, und sei A j die Menge aller Punkte in E, die auf der j ten Ebene liegen (1 j m). Diese Punkte sind nicht allekollinear, und damitspannen sie laut (a) mindestens A j Geraden auf. Gilt also p i / A j, so gibt es mindestens A j Ebenen, in denen p i liegt (diese enthalten jeweils p i und eine durch die Punkte in A j aufgespannte Gerade). Nach Lemma 5.10 gilt somit π = m n. Beweis von Lemma Offensichtlich ist r i > 0 (i = 1,...,n). Angenommen es gilt m < n. Sei Ā j := E \A j (1 j m). Nehmen wir zuerst an, dass Ā1,...,Ām eine Transversale besitzen. Dann könnten wir die Punkt p 1,...,p n so umbenennen, dass p i Āi gelten würde (i = 1,...,m). Somit wäre p i / A i und damit r i A i (i = 1,...,m). Sei nun α die Anzahl der Paare (p i,a j ) mit p i A j (1 i n, 1 j m). Dann wäre m r i m A i = α = n r i > m r i, was nicht sein kann (man beachte, dass n > m und r i > 0 für alle i gilt). Somitkönnen Ā1,...,Ām keine Transversalebesitzen. NachdemSatzvonHallexistieren dann ein k und Ā1,...,Āk (nach Umbenennung), sodass Ā1... Āk < k gilt. Dabei muss k 2 gelten, da Ā1. Wähle k minimal mit dieser Eigenschaft. Dann besitzen Ā1,...,Āk 1 eine Transversale. Wir können die Punkte p i so umbenennen, dass p i Āi und damit r i A i gilt (i = 1,...,k 1). Dann enthältkeine der Mengen Ā1,...,Āk 1 von p 1,...,p k 1 verschiedene Punkte. Sei β die Anzahl von Paaren (p i,āj), sodass p i Āj gilt (i,j = 1,...,k 1). Dann gilt k 1 (m r i ) < k 1 (n A i ) = k 1 Āi = β < k 1 (m r i ), was nicht sein kann. Damit ist nun gezeigt, dass m n gilt. 8

9 Ā 1...Āk 1Āk...Ām p 1. p k 1 p ḳ. p n β 0?? 9

10 Übungen zu Kapitel 5 Übung 5.1. Sei n N, sei I := {1,...,n}, und sei A(I) = (A 1,...,A n ) eine Familie von Teilmengen einer endlichen Menge E. Für K I sei A(K) := (A i : i K) und A(K) := A i. ZeigenSie:Fürallep 1,...,p n N 0 gibtesgenaudannpaarweisedisjunktemengenx 1,...,X n, sodass X i A i und X i = p i für jedes i {1,...,n} gelten, wenn A(K) i K p i für jedes K I gilt. [Dies ist das Haremproblem: Der i te Junge möchte einen Harem mit p i Frauen (aus dem Kreis der ihm bekannten Frauen) einrichten. Ersetzen Sie ihn durch p i Abbilder seiner selbst und verwenden Sie dann den Satz von Hall, um monogame Hochzeiten für die Abbilder zu organisieren.] Schließen Sie daraus, dass A(I) genau dann k disjunkte Transversale besitzt, wenn A(K) k K für jede Teilmenge K von I gilt. [Dies ist ohne den Haremsatz nicht leicht zu zeigen, da die naheliegende induktive Herangehensweise nicht funktioniert.] i K Übung 5.2. Sei n N. Seien (A 1,...,A n ) und (B 1,...,B n ) Zerlegungen einer endlichen Menge E in gleichgroße Teilmengen: A 1,...,A n sind paarweise disjunkt und überdecken E, ebenso B 1,...,B n, und außerdem gibt es ein k N mit A i = B j = k (i,j = 1,...,n). Zeigen Sie durch das Betrachten eines geeigneten bipartiten Graphen, dass (A 1,...,A n ) ein System verschiedener Repräsentanten besitzt, das (nicht notwendigerweise in derselben Reihenfolge) auch ein System verschiedener Repräsentanten von (B 1,...,B n ) ist. [Ein solches System heißt gemeinsame Transversale der beiden Familien.] Schließen Sie daraus: Ist G eine endliche Gruppe und ist H eine Untergruppe vomindex n in G (also eine Untergruppe mit n Rechts (bzw. Links ) Nebenklassen in G), so gibt es Elemente z 1,...,z n von G, sodass Hz 1,...,Hz n die n Rechtsnebenklassen und z 1 H,...,z n H die n Linksnebenklassen von H in G sind. Übung 5.3. Seien n,k N. Es seien kn Journalisten gegeben, von denen jeweils k über n verschiedene Sportarten berichten (keiner berichtet über zwei Sportarten). Es sei außerdem angenommen, dass dieselben kn Journalisten auch aus jeweils k Sonderkorrespondenten für n verschiedene Länder bestehen. Verwenden Sie die vorherige Aufgabe, um zu zeigen, dass es möglich ist k verschiedene Zeitungen mit jeweils n der kn Journalisten so zu besetzen, dass jede der Zeitungen genau einen Berichterstatter für jede der n Sportarten und genau einen Korrespondenten für jedes der n Länder hat. Übung 5.4. Lösen Sie die vorherige Aufgabe, ohne Transversale zu verwenden. [Hinweis: Führen Sie eine Induktion nach n. Entfernen Sie alle Berichterstatter für eine der 10

11 Sportarten. Wenden Sie die Induktionsvoraussetzung dass es unter den richtigen Bedingungen möglich ist, in der gewünschten Weise k Zeitungen jeweils mit n 1 Journalisten zu besetzen, um zu zeigen, dass es möglich ist, eine Zeitung wie gewünscht mit n Journalisten zu besetzen.] Übung 5.5. Seien n,k N. Eine n n Permutationsmatrix ist eine n n Matrix, bei der in jeder Spalte und jeder Zeile jeweils genau eine 1 und n 1 0en vorkommen. Sei M = [m ij ] eine n n Matrix mit nicht negativen ganzzahligen Einträgen, deren Zeilenund Spaltensummen jeweils k sind. Sei für i {1,...,n}, A i N die Menge aller j {1,...,n}, sodass m ij > 0 gilt. Beweisen Sie durch das Betrachten der Familie (A 1,...,A n ), dass M die Summe von k Permutationsmatrizen ist. Übung 5.6. Seien A 1,...,A n Teilmengen einer endlichen Menge E, und sei I := {1,...,n}. Zeigen Sie: Es gibt genau dann einen Wald, dessen Ecken die Elemente von E sind und dessen Kanten so mit A 1,...,A n beschriftet sind, dass für jedes i I, die Endecken, der mit A i beschrifteten Kante, auch Elemente von A i sind, wenn A(K) K +1 für jede nichtleere Teilmenge K von I gilt. [Hinweis: Wählen Sie für die Konstruktion des Waldes eine Transversale {x 1,...,x n } von (A 1,...,A n ) und beginnen Sie mit einem kantenlosen Graphen, dessen Ecken die Elemente in E\{x 1,...,x n } sind. Fügen Sie dann Schritt für Schritt eine der restlichen Ecken sowie eine neue Kante hinzu.] Übung 5.7. Seien A 1,...,A n Teilmengen einer endlichen Menge E, und sei I := {1,...,n}. Zeigen Sie, ohne die vorherige Aufgabe zu verwenden (der Hinweis kann allerdings auch hier nützlich sein): Gilt A(K) K +1 für jede nichtleere Teilmenge K von I, so ist es möglich, die Elemente von E so rot und blau einzufärben, dass jede der Mengen A i mindestens ein blaues und ein rotes Element enthält. [Warum folgt das leicht aus der vorherigen Aufgabe?] Übung 5.8. Sei n N, sei I := {1,...,n}, und sei A(I) = (A 1,...,A n ) eine Familie von Teilmengen einer endlichen Menge E. Bestimmen Sie unter Verwendung von Ergebnissen aus der Vorlesung Hall artige hinreichende und notwendige Bedingungen dafür, dass (a) X eine partielle Transversale von A(I) ist; (b) X eine Teilmenge mit t Elementen besitzt, die eine partielle Transversale von A(I) ist; (c) A(I) eine Transversale besitzt, die X enthält. Beweisen Sie Ihre Aussagen. [Hinweis: Wie in Behauptung 2 aus dem Satz von Ryser (5.8), gilt z.b. (a) genau dann, wenn A(K) X K n+ X für jede Teilmenge K von I gilt. Zeigen Sie dies und fahren Sie dann mit (b) und (c) fort.] 11

12 Übung 5.9. Wir wollen Turniergraphen auf einer fest gewählten Eckenmenge {v 1,...,v n } konstruieren. (a) Wieviele verschiedene Turniergraphen gibt es, bei denen odeg(v i ) < odeg(v j ) gilt, falls i < j? (b) Wieviele verschiedene Turniergraphen gibt es, bei denen v 1 und v 2 dieselbe Punktzahl (d.h. denselben Außengrad) haben, aber die Punktzahlen der anderen Ecken paarweise verschieden sind und jeweils ungleich der Punktzahl von v 1 (und v 2 ) sind? (c) Wie hoch sind die Punktzahlen, wenn v 1 die höchste Punktzahl hat und alle anderen Spieler (Ecken) gemeinsam auf dem zweiten Platz liegen? Übung Gegeben sei ein Turniergraph mit n Ecken, in dem für 1 r < n die Summe von je r Punktzahlen größer als ( r ist. (a) Zeigen Sie, dass, wenn die Eckenmenge in zwei nichtleere Mengen A und B zerlegt wird, es stets eine gerichtete Kante von einer der Ecken in A zu einer der Ecken in B gibt. (b) Zeigen Sie, dass der Turniergraph stark zusammenhängend ist, d.h., dass es zu je zwei Ecken u,v einen gerichteten Weg von u nach v gibt. Übung Es sei ein lateinisches Quadrat der Ordnung n N gegeben. Dann gibt es n 2 Tripel (i,j,k) {1,...,n} 3, sodass k in dem lateinischen Quadrat an der Stelle (i,j) steht. Geben Sie eine hinreichende und notwendige Bedingung für eine Menge von Tripeln aus {1,...,n} 3 dafür an, dass diese auf die oben angegebene Weise aus einem lateinischen Quadrat gewonnen werden kann. Dies zeigt, dass in einem lateinischen Quadrat der Ordnung n, die drei Objekte, die von 1 bis n durchnummeriert werden, nämlich die Zeilen, die Spalten und die Elemente, auf gewisse Weise symmetrisch zusammenhängen. Geben Sie die beiden lateinischen Quadrate an, die durch Vertauschen der Rollen von Zeilen und Elementen bzw. Spalten und Elementen aus dem unten links angegebenen lateinischen Quadrat entstehen x Übung Für welche Werte von x kann das oben rechts angegebene lateinische Rechteck zu einem lateinischen Quadrat der Ordnung 6 erweitert werden? Geben Sie eine der möglichen Erweiterungen an. 12

13 Übung Seien n,r,s N. Zeigen Sie, dass jedes r s lateinisches Rechteck, in dem rs rs jede der Zahlen aus {1,...,n} mal oder mal vorkommt, zu einem lateinischen n n Quadrat der Ordnung n erweitert werden kann. 13

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

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Absolute Stetigkeit von Maßen

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

Mehr

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

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

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

Mehr

Geometrische Mannigfaltigkeiten

Geometrische Mannigfaltigkeiten Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie

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

194 Beweis eines Satzes von Tschebyschef. Von P. E RDŐS in Budapest. Für den zuerst von T SCHEBYSCHEF bewiesenen Satz, laut dessen es zwischen einer natürlichen Zahl und ihrer zweifachen stets wenigstens

Mehr

Wie kann man beweisen, dass (H, ) eine Gruppe ist?

Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )

Mehr

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel 3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36

Mehr

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie und, oder, nicht, wenn... dann zwischen atomaren und komplexen Sätzen. I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten

Mehr

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

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

Mehr

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0.

1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem P( ) = 0. 1.5 Folgerungen aus dem Kolmogoroff- Axiomensystem Folg. 2 Sei (Ω, E, P) W.-raum. Seien A, B,A 1,...,A n Ereignisse. Es gelten die folgenden Aussagen: 1. P(A) = 1 P(A). 2. Für das unmögliche Ereignis gilt:

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

16. All Pairs Shortest Path (ASPS)

16. All Pairs Shortest Path (ASPS) . All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

4 Greedy-Algorithmen (gierige Algorithmen)

4 Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine

Mehr

4. Relationen. Beschreibung einer binären Relation

4. Relationen. Beschreibung einer binären Relation 4. Relationen Relationen spielen bei Datenbanken eine wichtige Rolle. Die meisten Datenbanksysteme sind relational. 4.1 Binäre Relationen Eine binäre Relation (Beziehung) R zwischen zwei Mengen A und B

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

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

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

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

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

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

Der Zwei-Quadrate-Satz von Fermat

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

Mehr

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

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

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

Mehr

Karlsruher Institut für Technologie Institut für Algebra und Geometrie

Karlsruher Institut für Technologie Institut für Algebra und Geometrie Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. Stefan Kühnlein Dipl.-Math. Jochen Schröder Einführung in Algebra und Zahlentheorie Übungsblatt 2 Aufgabe 1 (4 Punkte) Seien

Mehr

Also kann nur A ist roter Südler und B ist grüner Nordler gelten.

Also kann nur A ist roter Südler und B ist grüner Nordler gelten. Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf

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

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani

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

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

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

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen Berechenbarkeit und Komlexität Entscheidbarkeit und Unentscheidbarkeit Wolfgang Schreiner Wolfgang.Schreiner@risc.uni-linz.ac.at Research Institute for Symbolic Comutation (RISC) Johannes Keler University,

Mehr

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

Qualitative Datenanalyse

Qualitative Datenanalyse Qualitative Datenanalyse Prof. Dr. Stefan E. Schmidt Francesco Kriegel TU Dresden Fakultät Mathematik Institut Algebra SS 2007 28. September 2008 Inhaltsverzeichnis Kapitel 1 Formale Begriffsanalyse 1

Mehr

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus

Mehr

Steinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering

Steinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Steinerbäume Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Verfasser Flamur Kastrati Betreuer Prof. Dr. habil. Thomas

Mehr

1 Das Lemma von Burnside und seine Anwendungen

1 Das Lemma von Burnside und seine Anwendungen Das Lemma von Burnside und seine Anwendungen Mit dem Lemma von Burnside lassen sich Zählprobleme lösen, bei denen Symmetrien eine Rolle spielen. Betrachten wir als einführendes Beispiel die Anzahl der

Mehr

Anwengungen geometrischer Abbildungen Kongruenz- und Ähnlichkeitsabbildung

Anwengungen geometrischer Abbildungen Kongruenz- und Ähnlichkeitsabbildung Anwengungen geometrischer Abbildungen Kongruenz- und Ähnlichkeitsabbildung Amina Duganhodzic Proseminar: Mathematisches Problemlösen Unter der Leitung von Privat Dozentin Dr. Natalia Grinberg 26. Juni

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

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

Beispiele für Relationen

Beispiele für Relationen Text Relationen 2 Beispiele für Relationen eine Person X ist Mutter von einer Person Y eine Person X ist verheiratet mit einer Person Y eine Person X wohnt am gleichen Ort wie eine Person Y eine Person

Mehr

Codes und Informationsgehalt

Codes und Informationsgehalt Aufgaben 2 Codes und Informationsgehalt Auf wie viele Dezimalziffern genau können vorzeichenlose ganze Zahlen in einem binären Code der Länge 32 bit dargestellt werden? 2 Codes und Informationsgehalt Auf

Mehr

Technische Informatik - Eine Einführung

Technische Informatik - Eine Einführung Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine

Mehr

Vorlesung 3 MINIMALE SPANNBÄUME

Vorlesung 3 MINIMALE SPANNBÄUME Vorlesung 3 MINIMALE SPANNBÄUME 72 Aufgabe! Szenario: Sie arbeiten für eine Firma, die ein Neubaugebiet ans Netz (Wasser, Strom oder Kabel oder...) anschließt! Ziel: Alle Haushalte ans Netz bringen, dabei

Mehr

1. Musterlösung. Problem 1: Average-case-Laufzeit vs. Worst-case-Laufzeit

1. Musterlösung. Problem 1: Average-case-Laufzeit vs. Worst-case-Laufzeit Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 06/07 ITI Wagner Musterlösung Problem : Average-case-Laufzeit vs Worst-case-Laufzeit pt (a) Folgender Algorithmus löst das Problem der

Mehr

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor GNS-Konstruktion und normale Zustände 1 Rückblick Wir betrachten von-neumann-algebren M B(H), d.h. Unteralgebren mit 1 H M, die in der schwachen Operatortopologie (und damit in jeder der anderen) abgeschlossen

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

Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete

Kapitel 4: Dynamische Datenstrukturen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete Kapitel 4: Dynamische Datenstrukturen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 4.4 Binäre Suche Aufgabenstellung: Rate eine Zahl zwischen 100 und 114! Algorithmus 4.1 INPUT: OUTPUT:

Mehr

Wie löst man Mathematikaufgaben?

Wie löst man Mathematikaufgaben? Wie löst man Mathematikaufgaben? Manfred Dobrowolski Universität Würzburg Wie löst man Mathematikaufgaben? 1 Das Schubfachprinzip 2 Das Invarianzprinzip 3 Das Extremalprinzip Das Schubfachprinzip Verteilt

Mehr

1 Aussagenlogik und Mengenlehre

1 Aussagenlogik und Mengenlehre 1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres

Mehr

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),

Mehr

RSA Verfahren. Kapitel 7 p. 103

RSA Verfahren. Kapitel 7 p. 103 RSA Verfahren RSA benannt nach den Erfindern Ron Rivest, Adi Shamir und Leonard Adleman war das erste Public-Key Verschlüsselungsverfahren. Sicherheit hängt eng mit der Schwierigkeit zusammen, große Zahlen

Mehr

Datenstrukturen & Algorithmen

Datenstrukturen & Algorithmen Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen

Mehr

Abschnitt: Algorithmendesign und Laufzeitanalyse

Abschnitt: Algorithmendesign und Laufzeitanalyse Abschnitt: Algorithmendesign und Laufzeitanalyse Definition Divide-and-Conquer Paradigma Divide-and-Conquer Algorithmen verwenden die Strategien 1 Divide: Teile das Problem rekursiv in Subproblem gleicher

Mehr

Definition 27 Affiner Raum über Vektorraum V

Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,

Mehr

Definition und Eigenschaften Finiter Elemente

Definition und Eigenschaften Finiter Elemente Definition und Eigenschaften Finiter Elemente 1 Das letzte Mal Im letzten Vortrag haben wir zum Schluss das Lemma von Lax Milgram präsentiert bekommen, dass ich hier nocheinmal in Erinnerung rufen möchte:

Mehr

Z = 60! 29!31! 1,1 1017.

Z = 60! 29!31! 1,1 1017. Aufgabe : Eine Hochzeitsgesellschaft besteht aus 60 Personen. a Wieviele verschiedene Möglichkeiten für Sitzordnungen gibt es? b Nehmen Sie nun an, dass 9 Gäste aus dem Familien- und Freundeskreis der

Mehr

Codierung. Auszug aus dem Skript von Maciej Liśkiewicz und Henning Fernau

Codierung. Auszug aus dem Skript von Maciej Liśkiewicz und Henning Fernau Codierung Auszug aus dem Skript von Maciej Liśkiewicz und Henning Fernau Ein bisschen Informationstheorie Betrachten wir das folgende Problem: Wie lautet eine sinnvolle Definition für das quantitative

Mehr

Über Kommentare und Ergänzungen zu diesen Lösungsbeispielen freuen wir uns!

Über Kommentare und Ergänzungen zu diesen Lösungsbeispielen freuen wir uns! Aufgaben und Lösungen. Runde 04 Über Kommentare und Ergänzungen zu diesen n freuen wir uns!» KORREKTURKOMMISSION KARL FEGERT» BUNDESWETTBEWERB MATHEMATIK Kortrijker Straße, 577 Bonn Postfach 0 0 0, 5 Bonn

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

Sprechen wir über Zahlen (Karl-Heinz Wolff)

Sprechen wir über Zahlen (Karl-Heinz Wolff) Sprechen wir über Zahlen (Karl-Heinz Wolff) Die Überschrift ist insoweit irreführend, als der Autor ja schreibt und nicht mit dem Leser spricht. Was Mathematik im allgemeinen und Zahlen im besonderen betrifft,

Mehr

Effizienten MAC-Konstruktion aus der Praxis: NMAC Idee von NMAC:

Effizienten MAC-Konstruktion aus der Praxis: NMAC Idee von NMAC: Effizienten MAC-Konstruktion aus der Praxis: NMAC Idee von NMAC: Hashe m {0, 1} auf einen Hashwert in {0, 1} n. Verwende Π MAC3 für Nachrichten fixer Länge auf dem Hashwert. Wir konstruieren Π MAC3 mittels

Mehr

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise:

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise: Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 5.4 Prädikatenlogik mit Gleichheit Resolution 192 Beispiel Bsp.: Betrachte Schlussweise in: 1 Wenn es regnet, dann wird die Straße nass. R N

Mehr

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)

Mehr

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0. 1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch

Mehr

Lernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können.

Lernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können. 6. Bäume Lernziele 6. Bäume Lernziele: Definition und Eigenschaften binärer Bäume kennen, Traversierungsalgorithmen für binäre Bäume implementieren können, die Bedeutung von Suchbäumen für die effiziente

Mehr

6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne

6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne 6.2 Petri-Netze WS 06/07 mod 621 Petri-Netz (auch Stellen-/Transitions-Netz): Formaler Kalkül zur Modellierung von Abläufen mit nebenläufigen Prozessen und kausalen Beziehungen Basiert auf bipartiten gerichteten

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

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

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

Mehr

Sortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1

Sortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Sortieren durch Einfügen Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Schon wieder aufräumen Schon wieder Aufräumen, dabei habe ich doch erst neulich man findet alles schneller wieder Bücher auf Regal

Mehr

Algorithmen und Datenstrukturen Suchbaum

Algorithmen und Datenstrukturen Suchbaum Algorithmen und Datenstrukturen Suchbaum Matthias Teschner Graphische Datenverarbeitung Institut für Informatik Universität Freiburg SS 12 Motivation Datenstruktur zur Repräsentation dynamischer Mengen

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

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

Mehr

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

Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt

Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Leonhard Euler 1 Wann immer in den Anfängen der Analysis die Potenzen des Binoms entwickelt

Mehr

Die Weierstraßsche Funktion

Die Weierstraßsche Funktion Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede

Mehr

Informatik II Bäume. Beispiele. G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de. Stammbaum. Stammbaum. Stammbaum

Informatik II Bäume. Beispiele. G. Zachmann Clausthal University, Germany zach@in.tu-clausthal.de. Stammbaum. Stammbaum. Stammbaum lausthal Beispiele Stammbaum Informatik II. Zachmann lausthal University, ermany zach@in.tu-clausthal.de. Zachmann Informatik - SS 06 Stammbaum Stammbaum / Parse tree, Rekursionsbaum Parse tree, Rekursionsbaum

Mehr

Teilbarkeit von natürlichen Zahlen

Teilbarkeit von natürlichen Zahlen Teilbarkeit von natürlichen Zahlen Teilbarkeitsregeln: Die Teilbarkeitsregeln beruhen alle darauf, dass man von einer Zahl einen grossen Teil wegschneiden kann, von dem man weiss, dass er sicher durch

Mehr

1. Grundlegende Konzepte der Informatik

1. Grundlegende Konzepte der Informatik 1. Grundlegende Konzepte der Informatik Inhalt Algorithmen Darstellung von Algorithmen mit Programmablaufplänen Beispiele für Algorithmen Aussagenlogik Zahlensysteme Kodierung Peter Sobe 1 Algorithmen

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

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat. Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften

Mehr

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

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

3. Das Auslastungsspiel

3. Das Auslastungsspiel Literatur: 3. Das Auslastungsspiel R. W. Rosenthal. A class of games possessing pure-strategy Nash equilibria. International Journal of Game Theory 2, pp. 65 67. 1973. D. S. Johnson, Chr. H. Papadimitriou,

Mehr

Beweis der Darstellbarkeit irgend eines ganzen invarianten Gebildes einer binären Form als ganze Function einer geschlossenen Anzahl solcher Gebilde.

Beweis der Darstellbarkeit irgend eines ganzen invarianten Gebildes einer binären Form als ganze Function einer geschlossenen Anzahl solcher Gebilde. 73 Beweis der Darstellbarkeit irgend eines ganzen invarianten Gebildes einer binären Form als ganze Function einer geschlossenen Anzahl solcher Gebilde. von F. Mertens. 1. Ich habe in dem hundertsten Bande

Mehr

Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz

Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Vorlesung 04.12.2006: Binäre Entscheidungsdiagramme (BDDs) Dr. Carsten Sinz Datenstruktur BDD 1986 von R. Bryant vorgeschlagen zur Darstellung von aussagenlogischen Formeln (genauer: Booleschen Funktionen)

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9

Mehr

Kernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung

Kernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung Kernel, Perceptron, Regression Erich Schubert, Arthur Zimek Ludwig-Maximilians-Universität München 2014-07-20 KDD Übung Kernel-Fukctionen Kernel kann mehrdeutig sein! Unterscheidet zwischen: Kernel function

Mehr

Automaten und formale Sprachen: Vorlesungsskript G. Brewka, A. Nittka

Automaten und formale Sprachen: Vorlesungsskript G. Brewka, A. Nittka Automaten und formale Sprachen: Vorlesungsskript G. Brewka, A. Nittka Literatur: John E. Hopcroft, Rajeev Motwani, Jeffrey D. Ullman, Einführung in die Automatentheorie, Formale Sprachen und Komplexitätstheorie,

Mehr

Kryptologie und Kodierungstheorie

Kryptologie und Kodierungstheorie Kryptologie und Kodierungstheorie Alexander May Horst Görtz Institut für IT-Sicherheit Ruhr-Universität Bochum Lehrerfortbildung 17.01.2012 Kryptologie Verschlüsselung, Substitution, Permutation 1 / 18

Mehr

Zeichnen von Graphen. graph drawing

Zeichnen von Graphen. graph drawing Zeichnen von Graphen graph drawing WS 2006 / 2007 Gruppe: D_rot_Ala0607 Christian Becker 11042315 Eugen Plischke 11042351 Vadim Filippov 11042026 Gegeben sei ein Graph G = (V; E) Problemstellung V E =

Mehr

17. Penalty- und Barriere-Methoden

17. Penalty- und Barriere-Methoden H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende

Mehr

Highway Hierarchies. Kristian Dannowski, Matthias Hoeschel

Highway Hierarchies. Kristian Dannowski, Matthias Hoeschel Highway Hierarchies Kristian Dannowski, Matthias Hoeschel Gliederung Einleitung / Bidirektional Dijkstra Intuition / Naive Strategie Konstruktion der Highway Hierarchie Suche in der Highway Hierarchie

Mehr