1 Definitionen: 6 Punkte gesamt
|
|
- Leopold Jaeger
- vor 6 Jahren
- Abrufe
Transkript
1 ANTWORTEN zum KOLLOQIUM zur Einführung in die Lineare Algebra Hans G. Feichtinger Sommersemester 2014 Fr., 25. Juli 2014, 10:00, Fakultät f. Mathematik Punktezahl: (1) 6 (2) 9 (3) 5 (4) 10 TOTAL (von 30): 1 Definitionen: 6 Punkte gesamt KEIN BESONDERER KOMMENTAR, sollte alles klar sein, wenn man die Unterlagen ernst genommen hat, kleine Missverstaendnisse natuerlich ausgenommen. 1..[1 Punkt] Beschreiben Sie den Begriff der Linearkombination in einem (allgemeinen) Vektorraum V über C! ich beobachte erstaunliche Probleme mit dieser Frage, obwohl es um den zentralen Begriff in der linearen Algebra geht! In einem (allgemeinen) Vektorraum V über einem Körper K kann man Summen und (skalare) Vielfache von Vektoren bilden, also aufgrund des Assoziativ-Gesetzes für die Addition auch Summen von Vielfachen von Vektoren. DAS SIND die Linearkombinationen der involvierten Vektoren (das können richtige Vektoren sein, oder Matrizen, oder Polynomfunktionen, oder allgemeine stetige Funktionen, siehe die Diskussion der Euler schen Formel!), wobei die Zahlen (Skalare) die neben den einzelnen Vektoren oft auch Koeffizienten genannt werden. ERST WENN MAN WEISS, was eine Linear-Kombination von Vektoren ist, kann man fragen: (a) Kann es sein, dass zwei verschiedene Linearkombinationen (d.h. unterschiedliche Koeffizienten ergeben denselben Vektor, d.h. dasselbe Element v V )? (b) Hat man eine endliche Folge und erlaubt beliebige Koeffizienten, bekommt man dann alle Vektoren v V? (c) Wann ist jeder Vektor v V eindeutig als eine Linearkombination von ganz wenigen/bestimmten Vektoren (eine endlichen Folge) darstellbar? 2..[1 Punkt] Wie ist eine Basis in einem Vektorraum über K definiert? 3..[1 Punkt] Wann wird eine Menge M V als linear abhängig bezeichnet? 4..[1 Punkt] Wie kann man den Winkel zwischen zwei Vektoren x, y R k definieren? Die Formel sagt: cos(α) stimmt mit dem Skalarprodukt der normierten Vektoren überein. Das ist genau-genommen eine Definition!
2 5..[1 Punkte] Wie ist das orthogonale Komplement W eines Teilraumes W R k definiert? Die Antwort sollte nicht nur eine Aussage sein, dass da gewissen Vektoren zueinander senkrecht stehen, oder nur dass die Elemnte von W zu den Elementen von W senkrecht stehen, sondern eben, dass es alle diese Vektoren sind, d.h. W := { z R k w, z w W }. Das ist die (korrekte) Beschreibung einer Teilmenge des R k. 6..[1 Punkt] Wie bestimmt man mit Hilfe der Gauss-Elimination die Inverse einer quadratischen Matrix (bzw. stellt fest, ob sie invertierbar ist): eine Kurzbeschreibung des Vorganges. 2 Sätze, Beweise, techn. Überlegungen: 9 Punkte 1..[3 Punkte] Bilden die folgende 4 Polynomfunktionen eine Basis für den Vektorraum P 3 (R) aller kubischen Polynomfunktionen? p 1 (x) = x 3 + x 2 + x + 1; p 2 (x) = 3x 6; p 3 (x) = 2x 2 4; p 4 (x) = x + 2; JA, es sind 4 Vektoren in dem 4-dimensionalen Vektorraum P 3 (R) der kubischen Polynomfunktionen auf R. Sie sind dann also genau dann linear unabhängig, wenn die zugehörige Matrix der Koeffizienten bzgl. der Standardbasis M 3 = {t 3, t 2, t 1, t 0 } invertierbar ist. Das kann man leicht mittels Gauss scher Elimination feststellen, wobei es sicherlich hilfreich und zeitsparend ist, wenn man die Reihenfolge SELBST passend wählt! Antwort also JA (aber die Punkte erfordern eine Rechnung und Begründung, nicht nur das Erraten der richtigen Behauptung, ist wohl klar). Die Matrix ist natürlich einfach (für die Invertierbarkeit ist es unwichtig, ob man die Matrix mit Zeilen oder mit Spaltenvektoren befüllt, weil eine Matrix genau dann (nicht-)invertierbar ist, wenn die transponierte Matrix (nicht-)invertierbar ist!) (1) Schaut man etwas näher sollte man sofort sehen, dass das Vertauschen von Zeilen (also ohne lange RECHNEN zu müssen!) die Matrix schon fast in Dreieckgestalt bringt, wobei dann schon klar ist dass man mit einem Schritt obere Dreiecksgestalt bekommt mit (sicher) nicht-verschwindenden Diagonaleinträgen! Somit ist die Invertierbarkeit der Matrix gegeben.
3 (2) 2..[2 Punkte] Zeigen Sie, dass ein Orthonormalsystem von Vektoren q 1,, q r in C k auch linear unabhängig ist. Ein Beispiel, das in dieser oder ähnlicher Form sicher immer wieder kommen wird! Standardbeweis aus der Vorlesung. v = r k=1 c k q k = 0 impliziert, dass jedes Skalarprodukt mit einem der Vektoren q l gleich null ist..., aber das sind genau die Koeffizienten, denn c l = v, q k, 1 l r, das gilt für jedes Orthonormalsystem. Strenger an die gefragte Aussage angebunden ist folgende Argumentation. Angenommen EIN Element läß sich als Linearkombination der anderen darstellen (nach Umnumerierung kann man also annehmen, dass q 1 = r k=2 c k q k gilt. Die sind alle senkrecht zu q 1, also ist q 1 zu sich selber senkrecht, also der Nullvektor. Algebraisch realisiert man das so: r q 1, q 1 = c k q 1, q k = 0, wegen der Orthogonalitätsrelationen. k=2 3..[2 Punkte] Wie kann man zeigen, dass jede linear unabhängige Menge M mit k Elementen in einem k-dimensionalen Raum auch eine Basis ist? Antwort: Man beschreibt die Vektoren als Matrix (jeder Vektor der Menge M entspricht einer Spalte, der die Koeffizienten dieser Vektoren enthält). Die Menge M ist genau dann linear unabh. wenn die Spalten der entsprechenden n n-matrix linear unabhängig sind. Aber dann ist diese Matrix invertierbar, und eine invertierbare Matrix macht aus einer Basis (durch Bilden von Linear-Kombinationen) wieder eine Basis, was zu zeigen war. 4..[1 Punkt] Wie zeigt man, dass (auch) in einer (nicht-kommutativen) Gruppe das neutrale Element eindeutig bestimmt ist? BEWEIS: Es sei (G, ) die Gruppe, und es seien e, e ein links- bzw. ein rechtsneutrales Element, d.h. man hat e g = g, oder gleichwertig g = e g, g G and h e = h, h G. Spezialisiert man diese beiden Aussagen indem man zuerst g = e und dann h = e wählt, bekommt man e = e e = e. Somit ist bewiesen dass die beiden neutralen Elemente gleich sein müssen, d.h. es gibt nur ein (zweiseitiges) neutrales Element in (G, ). 5..[1 Punkt] Wie bestimmt man eine Basis für den Spaltenraum einer Matrix A? Gauss-Elimination auf die transponierte Matrix anwenden und Pivot-Zeilen dann wieder transponieren, oder Pivot-Spalten bestimmen und dann die entsprechenden Spalten aus der urspünglichen Matrix entnehmen!
4 3 Multiple Choice: Gesamt 5 Punkte ANTWORTVEKTOR: J,J,N,J,N bzw. W,W,F,W,F (einfache Beweise waren auch möglich!) Wahr oder Falsch? (kurze Erläuterung?) Jeweils ein Punkt, bzw. ein Minuspunkt bei falscher Antwort und Null Punkte bei Nichtbeantwortung. Schreiben Sie Bitte links von der Angabe W oder F! 1..[1 Punkt] In einem 6-dimensionalen Vektorraum sind je 7 Vektoren linear abhängig. 2..[1 Punkt] Jede Obermenge einer linear abhängigen Menge ist linear abhängig. [JA] Beweis könnte bei einem der nächsten Termine gefragt werden. 3..[1 Punkt] Jede Abbildung R R von der Form T : x x + β (β R, fix) definiert eine lineare Abbildung. NEIN: Das ist zwar die Terminologie in der Schule, aber in allen Mathematik- Buechern (weltweit) ist so einer Abbildung als affine Abbildung bekannt und nur dann linear (im Sinne der Definitione) wenn β = 0 ist. Klar: (x 1 + β) + (x 2 + β) x + β! (ausser für β = 0). 4..[1 Punkt] Jede Teilmenge einer Basis ist eine linear unabhängige Menge. [JA] 5..[1 Punkt] Wenn ja zwei Vektoren aus einer Menge M R 3 linear unabhängig sind, dann ist die Menge M linear unabhängig. Nein: Je 5 zufällige Vektoren im R 3 (schauen Sie sich Ihre linke Hand in allgemeiner Position an!) hat diese Eigenschaft (keine zwei Finger sind genau parallel!), aber trotzdem sind mehr als 3 Vektoren im R 3 linear abhängig!! 4 Beweise, Rechenschritte, Ansätze: 10 Punkte 1..[2 Punkte] Man zeige, dass M 1 eine Linearkombination der Matrizen M 2 und M 3 = M2 t ist. ( ) ( ) M 1 =, M =. 0 1 Das Standardrezept waere, dieses Problem in einer Standard-Basis zu beschreiben, d.h. der 1-Pixel Matrizen. Dann ist die Frage, ob M 1 = c 1 M 2 + c 2 M 3 (eine Linearkombination der beiden Matrizen M 2, M 3 ) ist, leicht in ein Gleichungssystem mit 4 Gleichungen für 2 Variablen zu erstellen. Ein paar KollegInnen haben aber gleich gesehen, dass wegen der Nullen in den beiden Matrizen jeweils an diesen Stellen nur die andere etwas beitragen kann/muss, also ist die einzige Möglichkeit M 1 = 3M 2 2M t [1 Punkt] Bestimmen sie die Koordinaten [x] B des Vektors x = [ 3; 3] in der durch die Spalten der Matrix gegebenen Basis von V = R 2. ( ) 1 2 B = 3 3
5 Antwort [5, 4], ein einfaches 2 2 Gleichungssystem. 3..[1 Punkt] Man beweise, dass das Bild einer linear abhängigen Menge unter einer linearen Abbildung T : V W wieder linear abhängig ist. Das war einfach die Wiederholung eines Beispiels aus dem ersten Termin! 4..[3 Punkte] Man zeige, dass die Abbildung p(t) p(2t 1) eine lineare und Abbildung auf dem (reellen) Vektorraum P 2 (R) der quadratischen Polynomfunktionen ist, und stelle die Matrix für diese lineare Abbildung auf. Zusatzpunkt: Welche Beschreibung der inversen Abbildung würden Sie vorschlagen? KOMMENTAR: Zuerst einmal ist zu überlegen, was die Abbildung macht. Sie bildet jede Polynomfunktion p(t) P 2 (R) auf die Polynomfunktion T (p(t)) := q(t) P 2 (R) ab, mit q(t) = p(2t 1) (Substitution). Ist die Abbildung linear? Dazu hat man die Addition in P 2 (R) in Betracht zu ziehen. Hat man Polynomfunktionen p 1 (t), p 2 (t) und das Summenpolynom p(t) := p 1 (t)+p 2 (t), und sind q 1 (t), q 2 (t), q(t) die zugeordneten Polynomfunktionen (durch ebendiese Substitution), so gilt q 1 (t) + q 2 (t) = p 1 (2t 1) + p 2 (2t 1) = p(2t 1) = q(t), und genauso (als Beispiel λ = 3 gewählt) ist 3q(t) = 3p(2t 1) gerade der Wert der Polynomfunktion 3 p(t) am Argument (2t 1)! Um die Matrix zu dieser linearen Abbildung zu bekommen (daraus auch die Invertierbarkeit etc. zu bestimmen) muss man [nur] eine Basis wählen und in die Matrix spaltenweise die Bilder der Basis-Vektoren schreiben. Ich habe nicht die komplizierte Terminologie verlangt, d.h. die Schreibweise [T ] M 2 M 2, wobei M 2 = {t 2, t 1, t 0 } die übliche Monomial-Basis ist. Die Bilder der Basis-Vektoren sind die Polynomfunktionen (2t 1) 2 = 4t 2 4t + 1, also ist die erste Spalte der Matrix [4; 4; 1], sowie (2t 1) (als Bild des Polynoms p(t) = t unter der Substitution), also ist die 2-te Spalte [0; 2; 1], sowie einfach [0; 0, 1] für T (1) (das Bild der konstanten Funktion 1 unter der Substitution ist natuerlich q(t) = p(2t 1) 1), also ist die Matrix eine untere Dreiecksmatrix mit nicht-verschwindenden Diagonal-Elementen, also invertierbar! Natürlich ist die inverse Abbildung durch die inverse Substitution gegeben. Also wenn y = 2t 1 ist, dann ist t = (y 1)/2. Für die Abbildung q(y) q((y 1)/2) gibt es also dann genauso eine Matrix, welche die inverse zur oben aufgestellten Matrix sein muss! 5..[3 Punkte] Wie lautet die Gleichung der Ebene durch die Punkte P = [1, 2, 3], Q = [2, 1, 0] und R = [0, 2, 0] in Parameterform bzw. in Normaldarstellung. Wie berechnet man die Abstand dieser Ebene vom Punkt S = [1, 1, 1]. Stoff der 6.Kl. AHS. Punkt plus zwei Vektoren (> Parameter- Darstellung). Normalgleichung: Normale zur Ebene ist das Kreuzprodukt z.b. zu PQ und PR, das
6 ist der Vektor [9; 6; 3] = 3 [3, 2, 1]. Einsetzen eines Punktes (z.b. R, ist der geringste Rechenaufwand!!) ergibt 3x + 2y z = 4. Abstand ist gleichzeitig auch die Projektion von PS auf den normierten Normalvektor bzw. könnte man sogar einfach einsetzen, um festzustellen, dass S in der Ebene liegt: == 4.
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
Mehrx 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 +
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
Mehru + 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
MehrLineare 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
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
MehrEinführung 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:
MehrElemente 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
MehrA Matrix-Algebra. A.1 Definition und elementare Operationen
A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrLösungen 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.
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrÜbungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS
Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage
MehrGeometrische Maße oder,... wie kann man quantitative Aussagen über geometrische Objekte erhalten?
In der euklidischen Geometrie der Mittelstufe ging es zumeist um geometrische Konstruktionen und um qualitative Aussagen über geometrische Objekte in Bezug zueinander. Möchte man, insbesondere im dreidimensionalen
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische
MehrSeminararbeit 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
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
Mehrklar. 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
Mehr9.2. 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
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrH. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen
H. Gruber, R. Neumann Erfolg im Mathe-Abi Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen Inhaltsverzeichnis Inhaltsverzeichnis Analysis Von der
MehrVorlesung 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
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
Mehr3.1. 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
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
Mehr3.3 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.
MehrGleichungen - Aufgabenstellung und Lösungsstrategien
Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung
MehrBeispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0.
Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 5 0 6 5 2 x + 3 y 3 z = 5 2 3 3 5 2 x 3 y = 4 2 3 0 4 z2 /3 z : 3 2 x 3 y = 4 2 3 0 4 4 x + y z = 5 4 5 6 y + z = 5 0 6 5 z2 + 2 z 2 x 3 y = 4 2
MehrMathematischer Vorkurs für Physiker WS 2009/10
TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,
MehrHamilton-Formalismus
KAPITEL IV Hamilton-Formalismus Einleitung! IV.1 Hamilton sche Bewegungsgleichungen IV.1.1 Kanonisch konjugierter Impuls Sei ein mechanisches System mit s Freiheitsgraden. Im Rahmen des in Kap. II eingeführten
MehrDefinition 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,
MehrDivision 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
MehrMatrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.
Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und
MehrStatistische Methoden
Statistische Methoden Dr CJ Luchsinger 6 Repetition: Rechnen mit Matrizen für die Statistik Matrizen sind aus zwei Gründen für die Statistik sehr wichtig: Sie ermöglichen uns einerseits eine sehr elegante
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrEinführung in die Tensorrechnung
1. Definition eines Tensors Tensoren sind Grössen, mit deren Hilfe man Skalare, Vektoren und weitere Grössen analoger Struktur in ein einheitliches Schema zur Beschreibung mathematischer und physikalischer
MehrLINEARE 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
Mehr11. 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
MehrLineare Algebra für Informatiker TUM Sommersemester 2011 Dozent: Christian Pötzsche
Lineare Algebra für Informatiker TUM Sommersemester 20 Dozent: Christian Pötzsche Janosch Maier 3. Juli 20 Herzlichen Dank an Lucas Westermann, Florian Scheibner (https://github. com/lswest/lamitschrift)
MehrMathematik 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
MehrLeitfaden 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
MehrVorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: 978-3-446-43035-8. Weitere Informationen oder Bestellungen unter
Vorwort Günter M. Gramlich Lineare Algebra Eine Einführung ISBN: 978-3-446-43035-8 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-43035-8 sowie im Buchhandel. Carl Hanser
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrNumerische Behandlung des Eigenwertproblems
Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrLineare Algebra und Computer Grafik
Lineare Algebra und Computer Grafik Vorlesung an der Hochschule Heilbronn (Stand: 7 Mai ) Prof Dr V Stahl Copyright 6 by Volker Stahl All rights reserved Inhaltsverzeichnis Vektoren 4 Vektoren und Skalare
Mehr11 Normalformen von Matrizen
11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell
MehrEinführung 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
Mehr34 5. FINANZMATHEMATIK
34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.
MehrLineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung
Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrHöhere 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 ; : :
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
Mehrax 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
Mehr7 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
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrFotografie * Informatik * Mathematik * Computer-Algebra * Handreichung für Lehrer
BIKUBISCHE INTERPOLATION AM BEISPIEL DER DIGITALEN BILDBEARBEITUNG - AUFGABENSTELLUNG FÜR SCHÜLER Problem Bei Veränderung der Größe eines Digitalbildes sind entweder zuviel Pixel (Verkleinerung) oder zuwenig
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 8 Projektive Invarianz und das kanonische Kamerapaar Kanonisches Kamerapaar aus gegebener Fundamentalmatrix Freiheitsgrade
Mehr4. Übungsblatt Matrikelnr.: 6423043
Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrDAS ABI-PFLICHTTEIL Büchlein
DAS ABI-PFLICHTTEIL Büchlein für Baden-Württemberg Alle Originalaufgaben Haupttermine 004 0 Ausführlich gerechnete und kommentierte Lösungswege Mit vielen Zusatzhilfen X π Von: Jochen Koppenhöfer und Pascal
MehrBecker I Brucker. Erfolg in Mathe 2015. Realschulabschluss Baden-Württemberg Wahlteil. Übungsbuch mit Tipps und Lösungen
Becker I Brucker Erfolg in Mathe 2015 Realschulabschluss Baden-Württemberg Wahlteil Übungsbuch mit Tipps und Lösungen Inhaltsverzeichnis Vorwort 1 Aufgaben 5 1 Algebra.......................................
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
Mehr6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte
Numerik I Version: 240608 40 6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte Die zwei wichtigsten Aufgaben der linearen Algebra: Lösung linearer Gleichungssysteme: Ax = b, wobei die n
MehrComputer 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),
MehrÜBERBLICK ÜBER DAS KURS-ANGEBOT
ÜBERBLICK ÜBER DAS KURS-ANGEBOT Alle aufgeführten Kurse sind 100 % kostenfrei und können unter http://www.unterricht.de abgerufen werden. ANALYSIS / INFINITESIMALRECHNUNG Nullstellen * Nullstellen einer
MehrAufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:
Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an
MehrAufgabe 1 (Excel) Anwendungssoftware 1 / 11 Semesterschlussprüfung 21.06.2004
Anwendungssoftware 1 / 11 Dauer der Prüfung: 90 Minuten. Es sind alle fünf Aufgaben mit allen Teilaufgaben zu lösen. Versuchen Sie, Ihre Lösungen soweit wie möglich direkt auf diese Aufgabenblätter zu
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
MehrBeispiel 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;.
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrKAPITEL 0. Einführung
Lineare Algebra KAPITEL 0 Einführung Dieses Skript zur Vorlesung Lineare Algebra an der Goethe Universität Frankfurt im Sommersemester 2011 befindet sich noch in der Entstehung und wird fortlaufend aktualisiert
MehrNachhilfe-Kurs Mathematik Klasse 13 Freie Waldorfschule Mitte
Nachhilfe-Kurs Mathematik Klasse 13 Freie Waldorfschule Mitte März 2008 Zusammenfassung IB 1. Lagebeziehungen zwischen geometrischen Objekten 1.1 Punkt-Gerade Ein Punkt kann entweder auf einer gegebenen
MehrLineare Gleichungssysteme und Gauß'scher Algorithmus
Zurück Letzter Update 7... Lineare Gleichungssysteme und Gauß'scher Algorithmus In der Mathematik bezeichnet man mit Matrix ein rechteckiges Schema, in dem Zahlen oder Funktionen angeordnet werden. Hier
Mehr0, 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,
MehrSkript zur Vorlesung Höhere Mathematik für Bachelorstudiengänge. Prof. Dr. R. Herzog. gehalten im SS2013 Technische Universität Chemnitz
Skript zur Vorlesung Höhere Mathematik für Bachelorstudiengänge Prof. Dr. R. Herzog gehalten im SS2013 Technische Universität Chemnitz Auszug aus den Studienordnungen zu den Ausbildungszielen der mit dieser
MehrBestimmung 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,
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
MehrAufgaben 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)
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
MehrMathematik I für Wirtschaftswissenschaftler
1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.
MehrVorlesung. 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
Mehr2.1 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
MehrUmgekehrte Kurvendiskussion
Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen
MehrKongruenzrechnung. 2 Kongruenzrechnung 7 2.1 Rechnenregeln Addition und Multiplikation... 7 2.2 Rechenregeln bzgl. verschiedener Moduln...
Kongruenzrechnung Inhaltsverzeichnis 1 Einführung und Definitionen 2 1.1 Einige Beispiele aus dem Alltag..................... 2 1.2 Kongruenzrechnung im Alltag und Rechenproben........... 3 1.3 Kongruenzen
MehrVorlesung. 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.
MehrKapitel 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:
MehrK2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte
K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5
MehrLeitprogramm Vektorgeometrie
Leitprogramm Vektorgeometrie Torsten Linnemann Pädagogische Hochschule FHNW Gymnasium Oberwil E-mail:torsten.linnemann@fhnw.ch 18. September 2011 Dank: Ich danke der Klasse 4aL, Kantonsschule Solothurn,
Mehr7 Lineare Abbildungen und Lineare Gleichungssysteme
7 LINEARE ABBILDUNGEN UND LINEARE GLEICHUNGSSYSTEME 5 7 Lineare Abbildungen und Lineare Gleichungssysteme 7 Lineare Abbildungen 7 Abbildungen: Eine Verallgemeinerungen des Funktionsbegriffs Bemerkung:
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 7 Projektionen und Rückprojektionen Der Punkt Die Gerade Die Quadrik Die Ebene Zusammenhang Kalibriermatrix - Bild des absoluten
MehrInvariantentheorie. Vorlesung 5. Invariantenringe zu Untergruppen
Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invariantentheorie Vorlesung 5 Invariantenringe zu Untergruppen Proposition 5.1. Es sei R G R eine Operation einer Gruppe G auf einem kommutativen Ring durch
MehrMathematik II für Studierende der Informatik Kapitel. Kodierungstheorie
Mathematik II für Studierende der Informatik Kapitel Kodierungstheorie Markus Junker Sommersemester 2011 (korrigierte Version vom Sommersemester 2012) Einführung, Beispiele, Definitionen Ausgangspunkt
MehrDer Advanced Encryption Standard (AES)
Der Advanced Encryption Standard (AES) Prof. Dr. Rüdiger Weis TFH Berlin Sommersemester 2008 Geschichte des AES Die Struktur des AES Angriffe auf den AES Aktuelle Ergebnisse DerAdvanced Encryption Standard
Mehr