3 Elemente der Komplexitätstheorie Definitionen und ein Beispiel Nichtdeterminismus und das P-NP-Problem... 57
|
|
- Siegfried Winkler
- vor 6 Jahren
- Abrufe
Transkript
1 Ihaltsverzeichis 1 Berechebarkeit ud Algorithme Berechebarkeit LOOP/WHILE-Berechebarkeit Turig-Maschie Äquivalez der Berechebarkeitsbegriffe Etscheidbarkeit vo Probleme Übugsaufgabe Formale Sprache ud Automate 47 3 Elemete der Komplexitätstheorie Defiitioe ud ei Beispiel Nichtdetermiismus ud das P-NP-Problem Ergäzuge I : Weitere Modelle der Berechebarkeit Rekursive Fuktioe Registermaschie Komplexitätstheoretische Beziehuge Ergäzug II : Abschluss- ud Etscheidbarkeitseigeschafte formaler Grammatike ud Sprache 91 6 Ergäzug III : Beschreibugs- komplexität edlicher Automate Eie algebraische Charakterisierug der Klasse der reguläre Sprache Miimierug determiistischer edlicher Automate Ergäzuge IV : Eideutigkeit kotextfreier Grammatike Ergäzug V: Kolmogorov-Komplexität 111 Literaturverzeichis 117 5
2 110
3 Kapitel 8 Ergäzug V: Kolmogorov-Komplexität I diesem Abschitt behadel wir die miimale Komplexität zur Beschreibug eies Wortes. Dabei sei V ei Alphabet mit midestes zwei Buchstabe. Die Wörter solle da we icht ausdrücklich aders festgelegt immer über V gebildet werde. Die i diesem Abschitt betrachtete Turig-Maschie solle stets determiistisch sei. Defiitio 8.1 Es sei A ei Algorithmus, der Wörter über {0, 1} i Wörter über V trasformiert. Die Komplexität K A (x) eies Wortes x V + bezüglich eies Algorithmus A ist die Läge der kürzeste Eigabe p {0, 1} + mit A(p) = x, d. h. i formalisierter Form K A (x) = mi{ p p {0, 1} +, A(p) = x}. Falls kei it A(p) = x existiert, so setze wir K A (x) =. We wir de Algorithmus A id betrachte, der die idetische Abbildug vo {0, 1} + i {0, 1} + realisiert, so gilt wege A id (x) = x ud A id (y) x für alle y x offebar, K Aid (x) = x. Für ei Wort a 1 a 2... a m {0, 1, 2,..., k 1} defiiere wir val k (a 1 a 2... a m ) = a 1 k m 1 + a 2 k m a m 2 k 2 + a m 1 k + a m, d. h. a 1 a 2... a m ist die k-äre Darstellug vo val k (a 1 a 2... a m ). Es sei A 2,3 der Algorithmus, der {0, 1} + i {0, 1, 2} + wie folgt abbildet. Für ei Wort x 1 x 2... x {0, 1} + bereche wir m = val 2 (x 1 x 2... x ). Da setze wir A 2,3 (x 1 x 2... x ) = y 1 y 2... y k {0, 1, 2} +, wobei für val 2 (x 1 x 2... x ) = 0 die Beziehuge y 1 = 0 ud k = 1 gelte, für val 2 (x 1 x 2... x ) 0 die Beziehuge y 1 0 ud m = val 3 (y 1 y 2... y k ) erfüllt sid. 111
4 Es sei x = 120 {0, 1, 2} + gegebe. Da ergibt sich val 3 (120) = 15. Damit gilt für jedes Wort mit 0, dass es durch A 2,3 auf 120 abgebildet wird, da val 2 (0 1111) = 15 ist. Folglich habe wir K A2,3 (x) = 1111 = 4. Aalog erhalte wir für das Wort y = 1021 de Wert val 3 (1021) = 34 ud damit K A2,3 (y) = = 6 da das kürzeste Wort z über {0, 1} mit val 2 (z) = 34 ist. Falls das Wort x mit 0 begit, aber vo 0 verschiede ist, so gibt es kei Wort z {0, 1} +, das durch A 2,3 auf x abgebildet wird. Allgemei erhalte wir K A2,3 (x) = 1 für x = 0, log 2 (val 3 (x)) für x = ax, a {1, 2}, x {0, 1, 2}, sost Offesichtlich hägt die Komplexität K A (x) bez. A i etscheidedem Maße vom Algorithmus A ab. Wir wolle u solche A suche, die bis auf additive Kostate eie miimale Größe der Komplexität liefer. Formalisiert wird dies durch die folgede Defiitio. Defiitio 8.2 Ei Algorithmus A 1 ist asymptotisch icht schlechter als ei Algorithmus A 2, we es eie Kostate c A2 so gibt, dass für alle x V gilt. K A1 (x) K A2 (x) + c A2 Wir wolle zeige, dass es Algorithme gibt, die asymptotisch besser als jeder adere Algorithmus sid. Wir schreibe eie gegebee Turigmaschie ausführlich als M = ({x 1, x 2,... x }, {z 0, z 1,..., z m }, z 0, {z r, z r+1,..., z m }, δ ), x 1, x 2,..., x ; z 0, z 1,..., z m ; z r, z r+1,..., z m ; (, z 0, u 1, v 1, R 1 ), (, z 1, u 2, v 2, R 2 ),..., (, z r 1, u r, v r, R r ), (x 1, z 0, u r+1, v r+1, R r+1 ), (x 1, z 1, u r+2, v r+2, R r+2 ),..., (x 1, z r 1, u 2r, v 2r, R 2r ),... (x, z 0, u r+1, v r+1, R r+1 ),..., (x, z r 1, u (r+1), v (r+1), R (r+1) ), wobei das Blaksymbol bezeichet ud für ei Eigabesymbol x ud eie Zustad z das Tupel (x, z, u, v, R) durch δ (x, z) = (u, v, R) festgelegt ist. Damit wird die Turig- Maschie M durch ei Wort über B = {, x 1, x 2,..., x, z 0, z 1,..., z m, R, L, N, (, ), ; } {, } beschriebe. Die + m + 9 Elemete vo B lasse z.b. durch die Wörter 01 i 0 mit 1 i + m + 9 codiere. Dadurch etsteht eie Beschreibug vo M über dem Alphabet {0, 1}. Aalog köe auch Wörter über {x 1, x 2,... x } durch Wörter über {0, 1} codiert werde. Mit M ud w bezeiche wir die Beschreibuge der Turig-Maschie M = (X, Z, z 0, Q, δ) ud w X + durch Biärwörter. 112.
5 Defiitio 8.3 Eie Turig-Maschie M = ({0, 1}, Z, z 0, Q, δ ) heißt uiversell, we sie für jede Eigabe N w de Wert f N (w) berechet, falls f N (w) defiiert ist ud icht stoppt, falls N auf w icht stoppt. Es gilt der folgede Satz. Satz 8.4 Es gibt uiverselle Turig-Maschie. Beweis. Die uiverselle Turig-Maschie N arbeitet wie folgt: Zuerst fügt N das Wort z am Ede a ud kehrt zur erste 0 zurück, die der Codierug eier schließede Klammer folgt (dies ist der erste Buchstabe vo w. Ageomme auf dem Bad steht u M x z, wobei y bzw. z die Beschreibug eies Wortes y über {, x 1, x 2,..., x } ist bzw. eies Zustades z sid, ud der Lesekopf befidet sich über eier 0, der eie 1 folgt (d. h. der Lesekopf steht über dem erste Buchstabe der Codierug eies Buchstabe x aus {, x 1, x 2,..., x }. Da ersetzt N die 0 durch 0 (dazu werde die Buchstabe hiter alle um eie Positio ach liks verschobe). Dadurch wird die Positio des Kopfes markiert. Nu sucht N durch Vergleich des Wortes hiter dem ud z ach dem Teilstück (z, x, z, x, r) i der Beschreibug vo M (dabei wird die Stelle, bis zu der der Vergleich scho erfolgte stets mit eiem zusätzliche markiert). Da ersetzt N das am Ede stehede z durch z ud die hiter dem zuerst eigeführte stehede Codierug vo x durch die vo x, löscht das davor ud bewegt sich etspreched r ach liks (d. h. zur zweite Null ach liks) bzw. ach rechts (d. h. zur dritte Null ach liks) bzw. bewegt sich icht. Damit wurde ei Schritt vo M simuliert. Ist z ei Stoppzustad, so wird kei passedes Teilstück (z, x, z, x, r) gefude ud N streicht eifach die Beschreibug vo M ud z, womit die Beschreibug des Ergebisses auf dem Bad verbleibt. Es sei V ei Alphabet mit midestes zwei Buchstabe. Ferer sei Z V die Mege aller Turig-Maschie N mit f N : {0, 1} + V +, d.h. die Maschie aus Z V stoppe ur auf ichtleere Wörter über {0, 1} ud gebe ur ichtleere Wörter über V aus. Defiitio 8.5 Eie Turig-Maschie M = ({0, 1} V, Z, z 0, Q, δ ) heißt uiversell für Z V, we sie für jede Eigabe N w mit N Z V ud w {0, 1} de Wert f N (w) berechet. Satz 8.6 Für jedes Alphabet V mit midestes zwei Buchstabe gibt es für Z V uiverselle Turig-Maschie. Beweis. Die zu kostruierede uiverselle Turig-Maschie arbeitet wie eie uiverselle Turig-Maschie, ur dass sie och über eie Kovertierug vo {0, 1} + i V + ud umgekehrt verfügt. Im Folgede spreche wir vo uiverselle Algorithme, we sie durch uiverselle Turig-Maschie für Z V gegebe sid. Satz 8.7 Es sei U ei uiverseller Algorithmus ud x V. Da gilt K U (x) K A (x) + c A für jede Algorithmus A, wobei c A eie ur vo A (ud icht vo x) abhägige Kostate ist (d. h. U ist asymptotisch icht schlechter als jeder adere Algorithmus A). 113
6 Beweis. Es seie U ei uiverseller Algorithmus, A ei beliebiger Algorithmus ud s A die Beschreibug vo A, die U ebe p erhalte muss, um A(p) zu bereche. Es sei c A die Läge der Beschreibug s A. Aus der Eigabe s A p der Läge c A + p berechet U de Wert A(p). Es sei u p ei Wort kürzester Läge mit A(p) = x. Da gelte K A (x) = p ud U(s A p) = A(p) = x. Damit erhalte wir K U (x) = mi{ y U(y) = x} s A p = p + c A = K A (x) + c A. Aus Satz 8.7 folgt sofort, dass für zwei uiverselle Algorithme U 1 ud U 2 eie Kostate c mit K U1 (x) K U2 (x) c existiert. Die Komplexitäte bez. der beide uiverselle Algorithme uterscheide sich also höchstes um eie Kostate. Daher ist es im Folgede icht wesetlich, welche uiverselle Algorithmus wir wähle. Defiitio 8.8 Es sei U ei (fest gewählter) uiverseller Algorithmus. Da defiiere wir die Kolmogorov-Komplexität K(x) durch K(x) = K U (x). Für eie Zahl atüürliche Zahl sei bi() die Biärdarstellug vo. Defiitio 8.9 Für eie Zahl atüürliche Zahl setze wir K() = K(bi()). Wir gebe u eiige Eigeschafte der Kolmogorov-Komplexität a. Lemma 8.10 Es sei V = {0, 1}. Es gibt eie Kostate c derart, dass für alle x {0, 1} + die Beziehug K(x) x + c gilt. Beweis. Da die Kolmogorov-Komplexität auf eiem uiverselle Algorithmus beruht, erhalte wir für de Algorithmus A id aus Lemma 8.7 K(x) K Aid (x) + c Aid = x + c Aid ud damit die gewüschte Aussage mit c = c Aid. Lemma 8.11 Es sei V = {0, 1}. Für jede atürliche Zahl gibt es eie Kostate c derart, dass 2 c #({x x {0, 1} +, K(x) }) < 2 +1 gilt. 114
7 Beweis. Es seie A = {x V + K(x) } ud B = {y {0, 1} + y }. Für jedes Wort x gilt: Falls x i A liegt, so gibt es eie Beschreibug y x zu x i B. Für je zwei uterschiedliche Wörter x 1, x 2 aus A gilt y x1 y x2 (uterschiedliche Beschreibuge liefer verschiedee Wörter). Daraus folgt: #(A ) #(B ). Beachte wir och, dass es 2 i Wörter der Läge i über dem Alphabet {0, 1} gibt, so ergibt sich #(A ) #(B ) = < Ferer erhalte wir aus der erste Aussage, dass für eie gewisse Kostate c alle Wörter der Läge c eie Kolmogorov-Komplexität habe, die höchstes c + c = ist. Damit gibt es midestes 2 c Wörter, dere Komplexität höchstes beträgt. Folglich gilt 2 c #(A ). Folgerug 8.12 Es sei V = {0, 1}. Für jedes 1 gibt es ei Wort w der Läge derart, dass K(w) gilt. Beweis. Nach Lemma 8.11 gibt es höchstes 2 1 Wörter z mit K(z) 1, aber es gibt 2 Wörter der Läge. Folglich muss K(w) für ei Wort w der Läge gelte. Wir bemerke, dass fast alle Kolmogorov-Komplexitäte vo Wörter der Läge über {0, 1} i eiem Itervall vo c bis + c liege, wobei c eie passede Kostate ist. Nach Lemma 8.11 erfüllt jedes Wort der Läge die Relatio K(x) + c für eie Kostate c. Es sei u c c. Da gilt erst recht K(x) + c für alle x der Läge. Die Azahl der Wörter mit K(x) < c ist sicher durch die Azahl der Wörter über {0, 1} mit eier Läge < c, d. h. durch 2 c, beschräkt. Damit ist der Ateil der Wörter der Läge mit c K(x) + c bezoge auf alle Wörter der Läge midestes 2 2 c 2 = 1 2 c. Für hireiched großes c liegt der Ateil da ahe 1. Damit ka ur ei kleier Ateil aller Wörter komprimiert werde, d. h. durch ei (deutlich) kürzeres Wort beschriebe werde. Dass trotzdem die Komprimierug vo Texte möglich ist, liegt dara, dass Texte i der Regel eie Struktur aufweise ud daher ur spezielle Wörter dabei betrachtet werde. Lemma 8.13 Für jede berechebare Fuktio f gibt es eie Kostate c f für alle x, für die f(x) defiiert ist, derart, dass K(f(x)) K(x) + c f gilt. Beweis. Es sei U der uiverselle Algorithmus mit K U (x) = K(x). Da f berechebar ist, gibt es eie Beschreibug s f der Fuktio f, dass U auf der Eigabe s f x de Wert f(x) berechet, d. h. es gilt U(s f x) = f(x). Es sei u p ei kürzestes Wort mit U(p) = x. Damit ergibt sich K(x) = p. Wir verwede u die Eigabe s f p für U. Da gibt es eie Algorithmus A, der bei der Eigabe s f zuerst aalog zu U das Wort p i x überführt, 115
8 d. h. wir erhalte s f x, ud da ereut aalog zu U das Wort s f x i f(x) überführt. Da gilt K A (f(x)) s f + p da s f p icht ei kürzestes Wort sei muss, dass durch A i f(x) überführt wird. Beachte wir och Lemma 8.7, so erhalte wir K(f(x)) = K U (f(x)) K A (f(x)) + c A p + s f + c A = K(x) + s f + c A ud damit die Aussage mit c = s f + c A. Lemma 8.14 Zu jeder berechebare Fuktio h : V + N mit h(x) K(x) für alle x V + gibt es eie Kostate C derart, dass h(x) C für alle x V + gilt. Beweis. Es sei h eie Fuktio mit de geforderte Eigeschafte. Wir ehme a, dass keie kostate obere Schrake C für h existiert. Da gibt es zu jeder Zahl m ei Wort x m mit m < h(x m ) K(x m ), (8.1) eq-kk0 wobei die letzte Relatio ach Voraussetzug gilt. Die Fuktio f mit f(m) = x m ist sogar berechebar. Dazu zähle wir alle Wörter über V auf ud bereche da der Reihe ach die Werte h(x), bis ei x mit h(x) > m gefude wird. Offesichtlich köe wir dabei statt vo m auch vo der biäre Darstellug bi(m) ausgehe. Es sei f : {0, 1} + V + die Fuktio, die bi(m) das Wort x m zuordet. Wege Lemma 8.13 erhalte wir K(x m ) = K(f (bi(m)) = K(bi(m)) + c f (8.2) für eie passede Kostate c f. Nach Lemma 8.7 habe wir och K(bi(m)) bi(m) + c = log 2 (m + 1) + c (8.3) für eie kostate c. Aus (??), (8.2) ud (8.3) erhalte wir m log 2 (m + 1) + c + c f < log 2 (m) + c mit der Kostate c = c + c f + 1. Dies ist für große m aber offesichtlich icht möglich. Folglich ist usere Aahme falsch ud es gibt eie obere Schrake für h. Folgerug 8.15 Die Kolmogorov-Komplexität ist keie berechebare Fuktio. Beweis. Wir ehme a, dass die Kolmogorov-Komplexität berechebar sei. Es gilt K(x) K(x) für alle Wörter x. Nach Lemma 8.11 gibt es eie kostate obere Schrake C für die Werte vo K(x). Dies widerspricht der Aussage vo Lemma??, ach der es ur edlich viele Wörter gibt, für die die Kolmogorov-Komplexität kleier als C ist. Wir wolle u eie Awedug der Kolmogorov-Komplexität auf ei zahletheoretisches Problem gebe ud dadurch die Brauchbarkeit des Kozepts demostriere. Bereits im Altertum (z. B. i de Elemete Euklids, ca. 300 v. Chr.) war bekat, dass es uedlich viele Primzahle gibt. Dagege war es offe, wie die Primzahle verteilt sid, oder aders gefragt, wie viele Primzahle kleier als eie vorgegebee atürliche 116
9 Zahl sid. Wir defiiere π() als die Azahl der Primzahle it p. I de Jahre 1795 ud 1798 vermutete C. F. Gauß ( ) ud A. M. Legedre ( ), dass π() ageähert durch / l() beschriebe wird, wobei l de atürliche Logarithmus (zur Basis e) bezeichet. Der russische Mathematiker P. L. Tschebycheff ( ) zeigte im Jahre 1851, dass π() / l() gilt. Im Jahre 1896 bewiese der frazösische ud der belgische Mathematiker J. S. Hadamard ( ) ud Ch. J. de la Vallee Poussi ( ) die folgede heute meist Primzahlsatz geate Aussage. Satz 8.16 (Primzahlsatz) lim π() / l() = 1. Alle bekate Beweise für de Primzahlsatz sid sehr kompliziert ud lag. Außerdem setze sie viele Vorketise aus der Zahletheorie voraus. Wir wolle jetzt mittels der Kolmogorov-Komplexität eie (eifache) Beweis für eie etwas schwächere Form des Primzahlsatzes gebe. Dafür beötige wir die folgede Aussage. Lemma 8.17 Es sei 1, 2, 3,... eie uedliche Folge atürlicher Zahle mit de Eigeschafte i i+1 ud K( i ) log 2( i ) 2 für i 1. Weiterhi sei q i, i 1, die größte Primzahl, die die Zahl i teilt. Da ist die Mege Q = {q i i 1} uedlich. Beweis. Wir ehme a, dass Q edlich ist (ud werde eie Widerspruch herleite). Es seie p die größte Primzahl i Q ud p 1, p 2,..., die Primzahle mit p i p. Da hat jede Zahl i eie Primzahldarstellug i = p r i,1 1 p r i, p r m,1 m mit gewisse Zahle r j,i N 0. Daher existiert ei Algorithmus A, der zu eier Eigabe (r i,1, r i,2,..., r i,m ) die Biärdarstellug vo i berechet. Da gibt es ach Lemma 8.10 eie Kostate c mit K( i ) log 2 (r i,1 + 1) + log 2 (r i,2 + 1) log 2 (r i,m + 1) + c. Wege r i,j log 2 ( i + 1) liefert dies K( i ) m log 2 (log 2 ( i + 1)) + c. Aufgrud der Voraussetzug K( i ) log 2 ( i) 2 erhalte wir log 2 ( i + 1) 2 K( i ) m log 2 (log 2 ( i + 1)) + c für alle i 1. Dies ist aber umöglich, da m ud c kostate Werte sid. 117
10 Satz 8.18 Für uedlich viele N gilt 64 log 2 () (log 2 (log 2 ())) 2 π(). Beweis. Es sei p j die j-te Primzahl etspreched der atürliche Ordug der atürliche Zahle. Es seie N ud die größte Primzahl, die teilt. Da lässt sich eifach aus ud durch Multiplikatio gewie. Wege der Existez eier Aufzählug aller Primzahle, ka auch aus de Zahle m ud bestimmt werde, idem ma aus der Aufzählug ud m die Primzahl ermittelt ud da mit multipliziert. Als Eigabe ist das Wort bi(m)bi( ) aber icht verwedbar, da keie Iformatio vorliegt, wo bi(m) aufhört. Deshalb setze wir für k mit der Biärdarstellug bi(k) = a 1 a 2... a log2 (k) Bi(k) = a 1 0a a log2 (k) 10a log2 (k) 1. Wir betrachte u Bi(m)bi( ). Dieses Wort ermöglicht die Berechug vo aus m ud, da die erste 1 a eier gerade Positio azeigt, dass die Biärdarstellug vo m gerade aus de Buchstabe davor a ugerader Positio gebildet wird. Es gilt Bi(m)bi( ) = 2 log 2 (m) + log 2 ( ). Wir verkürze diese Eigabe zur Berechug vo och weiter (die Läge der kürzeste Eigabe liefert die Kolmogorov-Komplexität). Dazu betrachte wir w = Bi( log 2 (m + 1) )bi(m)bi( ). Tatsächlich ermöglicht Bi( log 2 (m) ) die Ketis, dass die erste log 2 (m) Positioe ach der erste 1 a gerader Positio gerade bi(m) sid ud die restliche Werte da bi( ) agebe. Offebar gilt w = 2 log 2 ( log 2 (m + 1) ) + log 2 (m + 1) + log 2 ( + 1). Dieser Prozess ka beliebig weiter iteriert werde. Wir führe ur och eie Iteratiosschritt durch. Wir betrachte also v(m, mit der Läge ) = Bi( log p 2 ( log 2 (m + 1) ) )bi( log 2 (m + 1) )bi(m)bi( ) m v(m, ) = 2 log p 2 ( log 2 ( log 2 (m+1) ) ) + log 2 ( log 2 (m+1) ) + log 2 (m+1) + log 2 ( +1). m (8.4) Wir betrachte u die Zahle mit 2 i 2 i+1 1. Dies sid 2 i Zahle. Jede dieser Zahle hat eie Biärdarstellug der Läge i + 1. Nach der zweite Aussage vo Lemma 8.10 gibt es höchste 2 i 2 Zahle mit eier Kolmogorov-Komplexität (i 3). 118
11 Damit gilt für mehr als die Hälfte der Zahle mit 2 i 2 i+1 1 die Beziehug K() log 2 ( + 1) 2. Es gibt höchstes 2 i 1 Biärwörter der Läge i 2. Somit gibt es auch höchstes 2 i 1 Wörter v(m, ) der Läge i 2. Damit müsse midestes die Hälfte der Zahle mit 2 i 2 i+1 1 die Bedigug v(m, erfülle. Somit gibt es für jedes i N eie Zahl i mit ) i = log 2 ( + 1) 2 i i 2 i+1 1, K( i ) log 2 ( i + 1) 2 ud v(m, i ) log 2 ( i + 1) 1. (8.5) Ausführlich lautet die letzte der Beziehuge wege (8.4) log 2 ( i + 1) 1 2 log 2 ( log 2 ( log 2 (m+1) ) ) + log 2 ( log 2 (m+1) ) + log 2 (m+1) + log 2 ( i +1), woraus wege log 2 ( i ) = log 2 ( i ) log 2 ( ) log 2 ( ) 2 log 2 ( log 2 ( log 2 (m + 1) ) ) + log 2 ( log 2 (m + 1) ) + log 2 (m + 1) log 2 (log 2 (log 2 (m))) + log 2 (log 2 (m)) + log 2 (m) + 6 folgt (wobei die 6 aus der 2 dadurch etsteht, dass wir jedes Mal icht zur ächste gaze Zahl übergehe ud dadurch eie Verkleierug um 4 eitrete ka), woraus sich 64 m log 2 (m) (log 2 (log 2 (m))) 2 (8.6) ergibt. Nach (8.5) erfüllt die Folge 1, 2,... die Voraussetzuge des Lemmas Damit gilt (8.6) für uedlich viele atürliche Zahle m. Somit gibt es uter de erste 64 m log 2 (m) (log 2 (log 2 (m))) 2 atürliche Zahle midestes m Primzahle, d. h. π(32 m log 2 (m) (log 2 (log 2 (m))) 2 ) m. Wir setze u = 32 m log 2 (m) (log 2 (log 2 (m))) 2. Es ergibt sich π() m = 32 log 2 (m) (log 2 (log 2 (m))) 2. Wege m ergibt sich π() 32 log 2 () (log 2 (log 2 ())) 2 ud damit die gewüschte Aussage. 119
4 Konvergenz von Folgen
4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder
Mehr4. Die Menge der Primzahlen. Bertrands Postulat
O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p
Mehr6. Übung - Differenzengleichungen
6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf
Mehr$Id: reihen.tex,v /06/14 13:59:06 hk Exp $
Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,
MehrZahlenfolgen und Konvergenzkriterien
www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik ür Iormatiker -- 8 Folge -- 11.10.2015 1 Folge: Deiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reiheolge wichtig,
MehrZusammenfassung: Folgen und Konvergenz
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele
MehrKapitel 4: Stationäre Prozesse
Kapitel 4: Statioäre Prozesse M. Scheutzow Jauary 6, 2010 4.1 Maßerhaltede Trasformatioe I diesem Kapitel führe wir zuächst de Begriff der maßerhaltede Trasformatio auf eiem Wahrscheilichkeitsraum ei ud
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes
MehrNennenswertes zur Stetigkeit
Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrMethoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln
6 Kovergete Folge Lerziele: Kozepte: Grezwertbegriff bei Folge, Wachstumsgeschwidigkeit vo Folge Resultat: Mootoe beschräkte Folge sid koverget. Methode: Hero-Verfahre, Erweiterug vo Differeze vo Quadratwurzel
Mehr6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $
Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum
Mehr5-1 Elementare Zahlentheorie
5- Elemetare Zahletheorie 5 Noch eimal: Zahletheoretische Fuktioe 5 Der Rig Φ als Rig der formale Dirichlet-Reihe! Erierug: Ei Polyom mit Koeffiziete i eiem Körper K ist ach Defiitio ichts aderes als eie
Mehr3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.
3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie
MehrÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 4 LÖSUNGEN MAT/MAT3 ANALYSIS I HERBSTSEMESTER 00 PROF. DR. AMILLO DE LELLIS Aufgabe. Etscheide Sie für folgede Folge (wobei N \ {0}), ob diese koverget sid, ud bereche sie gegebeefalls ihre
MehrÜbungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx
Übuge zur Ifiitesimalrechug, H.-C. Im Hof 9. März Blatt 4 Abgabe: 6. März, Nachmittag Aufgabe. Zeige e x dx π. Beweis. Wir bemerke als erstes, dass e x dx e x dx + e x dx e x dx formal sieht ma dies per
Mehr... a ik) i=1...m, k=1...n A = = ( a mn
Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,
Mehr6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung
6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez
Mehr4. Reihen Definitionen
4. Reihe 4.1. Defiitioe Addiere wir die Glieder eier reelle Zahlefolge (a k ), so heißt diese Summe S (uedliche) (Zahle-) Reihe S (Folge: Fuktio über N; Reihe: 1 Zahl): S := a 1 + a 2 + a 3 +... := Σ a
Mehr1 Elementare Zahlentheorie. 0. Grundbegriffe
Elemetare Zahletheorie 0 Grudbegriffe 0 Teilbarkeit i N Mit N (oder auch ur N, zumidest i dieser Vorlesug werde die Mege {,, } der gaze Zahle bezeichet; wir ee diese Zahle die atürliche Zahle Wir verwede
MehrWir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach!
Lösug zu Übug 4 Prof. Dr. B.Grabowski E-Post: grabowski@htw-saarlad.de Zu Aufgabe ) Wir weise die Gültigkeit der 4Axiome der sigma-algebra für die Potezmege eier edliche Mege A ach! ) Die leere Mege ud
MehrLösungsskizzen Mathematik für Informatiker 5. Aufl. Kapitel 3 Peter Hartmann
Lösugsskizze Mathematik für Iformatiker 5. Aufl. Kapitel 3 Peter Hartma Verstädisfrage. Ka ma ei Axiom beweise? Nei!. Ka ei Beweis eier Aussage richtig sei, we im Iduktiosschluss die Iduktiosaahme icht
MehrWallis-Produkt, Gammafunktion und n-dimensionale Kugeln
Wallis-Produkt, Gammafuktio ud -dimesioale Kugel Thomas Peters Thomas Mathe-Seite www.mathe-seite.de 6. Oktober 3 Das Ziel dieses Artikels ist es, Formel für das Volume ud die Oberfläche vo -dimesioale
MehrAnalysis ZAHLENFOLGEN Teil 4 : Monotonie
Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik
MehrAufgabe G 1.1. [Vollständige Induktion, Teleskopsumme] n k 3 = n N : k(k + 1) = 1 1
Istitut für Aalysis ud Algebra Mathematik I für Studierede der E-Techik Prof Dr Volker Bach WiSe 06/7 M Sc Birgit Komader M Sc Christoph Brauer Theme: Groe Übug - Lösuge Vollstädige Iduktio - Teleskopsumme
Mehr1 Aussagenlogik und vollständige Induktion
Dr. Siegfried Echterhoff Aalysis 1 Vorlesug WS 08 09 1 Aussagelogi ud vollstädige Idutio Die Mathemati basiert auf eier Reihe vo Axiome, d.h. auf mathematische Aussage, die als (offesichtlich? wahr ageomme
Mehr7.2 Grundlagen der Wahrscheinlichkeitsrechnung
7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet
MehrStochastisches Integral
Kapitel 11 Stochastisches Itegral Josef Leydold c 26 Mathematische Methode XI Stochastisches Itegral 1 / 2 Lerziele Wieer Prozess ud Browsche Bewegug Stochastisches Itegral Stochastische Differetialgleichug
MehrÜbungsblatt 1 zur Vorlesung Angewandte Stochastik
Dr Christoph Luchsiger Übugsblatt 1 zur Vorlesug Agewadte Stochastik Repetitio WT Herausgabe des Übugsblattes: Woche 9, Abgabe der Lösuge: Woche 1 (bis Freitag, 1615 Uhr), Rückgabe ud Besprechug: Woche
MehrEinführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.
ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede
Mehrvon solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:
Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
Mehrn gerade 0 n ungerade (c) x n = a 1 n, a R + (d) x 1 := 2, x n+1 = 2 + x n (e) x n = (f) x n = exp(exp(n)) (g) x n = sin(n)
Übugsaufgabe Aalysis I Aufgabe. Beweise oder widerlege Sie: a Jede i R kovergete Folge ist beschräkt. b Es gibt Cauchy-Folge im R, die icht kovergiere. c Beschräkte Folge sid koverget. d Folge mit eiem
MehrEinführung in die Grenzwerte
Eiführug i die Grezwerte Dieser Text folgt hauptsächlich der Notwedigkeit i sehr kurzer Zeit eie Idee ud Teile ihrer Awedug zu präsetiere, so dass relativ schell mit dieser Idee gerechet werde ka. Der
Mehr1 Lösungen zu Analysis 1/ 12.Übung
Lösuge ausgewählter Beispiele zu Aalysis I, G. Bergauer, Seite Lösuge zu Aalysis / 2.Übug. Eileitug Gleichmäßige Kovergez ist eie starke Eigeschaft eier Fuktioefolge. Formuliert ma sie für Netze, statt
MehrGrundlagen der Mathematik (LPSI/LS-M1)
Fachbereich Mathematik Algebra ud Zahletheorie Christia Curilla Grudlage der Mathematik (LPSI/LS-M1) Übugsklausur WiSe 2010/11 - C. Curilla/S. Koch/S. Ziegehage Liebe Studierede, im Folgede fide Sie eiige
MehrArithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr
ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gaz ausführliches Traiig Datei Nr. 4002 Neu Überarbeitet Stad: 7. Juli 206 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
MehrMusterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09
Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht
MehrDritter Zirkelbrief: Ungleichungen
Matheschülerzirkel Uiversität Augsburg Schuljahr 014/015 Dritter Zirkelbrief: Ugleichuge Ihaltsverzeichis 1 Grudlage vo Ugleichuge 1 Löse vo Ugleichuge 3 3 Mittel 4 4 Mittelugleichuge 5 5 Umordugsugleichug
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 11. c n (z a) n,
f : a P UNIVERSIÄ DES SAARLANDES FACHRICHUNG 6. MAHEMAIK Prof. Dr. Rolad Speicher M.Sc. obias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 202 Musterlösug zu Blatt Aufgabe. Zeige Sie durch Abwadlug
MehrArithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr
DEMO für ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gz ausführliches Traiig Datei Nr. 40012 Neu geschriebe ud sehr erweitert Std: 4. Februar 2010 INTERNETBIBLIOTHEK
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
Mehr1.2. Taylor-Reihen und endliche Taylorpolynome
1.. aylor-reihe ud edliche aylorpolyome 1..1 aylor-reihe Wir köe eie Fuktio f() i eier Umgebug eies Puktes o gut durch ihre agete i o: t o () = f(o) + f (o) (-o) aäher: Wir sehe: Je weiter wir vo o weg
MehrKlausur 1 über Folgen
www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
Mehrn (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =
Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:
Mehr5.3 Wachstum von Folgen
53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische
MehrÜbungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Serie 10
Humboldt-Uiversität zu Berli Istitut für Mathematik Prof. A. Griewak Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jase Übugsaufgabe zur Vorlesug ANALYSIS I (WS 2/3) Serie 0 Musterlösug S.
MehrReihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel
Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe
Mehr5.7. Aufgaben zu Folgen
5.7. Aufgabe zu Folge Aufgabe : Lieares ud beschräktes Wachstum Aus eiem Quadrat mit der Seiteläge dm gehe auf die rechts agedeutete Weise eue Figure hervor. Die im -te Schritt agefügte Quadrate sid jeweils
MehrDeterminante und Resultante Azadeh Pasandi
Determiate ud Resultate 07.01.2009 Azadeh Pasadi Defiitio ud Grudeigeschafte: sei U, V, W ud Vektor-Raum über Körper F ud beachte eie Abbildug f ( u,v ) vo kartesische Produkt: f: U x V W Diese Abbildug
Mehr1 Das Skalarprodukt und das Kreuzprodukt
Das Skalarprodukt ud das Kreuzprodukt Wir betrachte zu x = de Ausdruck y t x : = x Grud: Die rechte Seite der Gleichug ist: y t x = (y tx +... + (y ty { t x } y +... + x y x + x y (x y +... + x y x x t
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester 2012. Musterlösung zu Blatt 0
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Rolad Speicher M.Sc. Tobias Mai Übuge zur Vorlesug Fuktioetheorie Sommersemester 01 Musterlösug zu Blatt 0 Aufgabe 1. Käpt Schwarzbart,
Mehr1 Vollständige Induktion
1 Vollstädige Idutio 1.1 Idutiosbeweise Das Beweisprizip der vollstädige Idutio ist eies der wichtigste Hilfsmittel der Mathemati icht ur der Aalysis. Es fidet Verwedug bei pratische alle Aussage, die
MehrAufgaben zur Analysis I
Aufgabe zur Aalysis I Es werde folgede Theme behadelt:. Logik, Iduktio, Mege, Abbilduge 2. Supremum, Ifimum 3. Folge, Fuktioefolge 4. Reihe, Potezreihe 5. Mootoie ud Stetigkeit 6. Differetialrechug 7.
MehrEinige wichtige Ungleichungen
Eiige wichtige Ugleichuge Has-Gert Gräbe, Leipzig http://www.iformatik.ui-leipzig.de/~graebe 1. Februar 1997 Ziel dieser kurze Note ist es, eiige wichtige Ugleichuge, die i verschiedee Olympiadeaufgabe
Mehr7. Potenzreihen und Taylor-Reihen
7. Potezreihe ud Taylor-Reihe 39 7. Potezreihe ud Taylor-Reihe Mit Hilfe der Cauchysche Itegralformel wolle wir u i diesem Kapitel ei weiteres sehr zetrales Resultat der Fuktioetheorie herleite, ämlich
MehrAufgaben und Lösungen Weihnachtsgeschenke zur Vorlesung Analysis I
Aufgabe ud Lösuge Weihachtsgescheke zur Vorlesug Aalysis I Der Witersemester 008/009 Übug am 4.., 5..008 sowie 0.0.009 Aufgabe. Folge Aufgabe Ma bestimme, ob die Folge (a ) mit a = + 3 + 4 kovergiert ud
MehrDie erste Zeile ("Nummerierung") denkt man sich also dazu. Häufig wird eine Indexschreibweise benutzt um ein Folgenglied zu kennzeichnen.
Folge ud Reihe (Izwische Stoff der Hochschule. ) Stad: 30.03.205. Folge Was sid Zahlefolge? Z.B. oder Das ist die vereifachte Wertetabelle eier Fuktio geschriebe wie üblich bei Fuktioe i eier Wertetabelle.
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
MehrBeweistechniken Vollständige Induktion - Beispiele, Erweiterungen und Übungen
Beweistechike Vollstädige Iduktio - Beispiele, Erweiteruge ud Übuge Alex Chmelitzki 15. März 005 1 Starke Iduktio Eie etwas abgewadelte Form der Iduktio ist die sogeate starke Iduktio. Bei dieser Spielart
MehrStatistik mit Excel 2013. Themen-Special. Peter Wies. 1. Ausgabe, Februar 2014 W-EX2013S
Statistik mit Excel 2013 Peter Wies Theme-Special 1. Ausgabe, Februar 2014 W-EX2013S 3 Statistik mit Excel 2013 - Theme-Special 3 Statistische Maßzahle I diesem Kapitel erfahre Sie wie Sie Date klassifiziere
MehrIndizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5
FU Berli: WiSe 13-14 (Aalysis 1 - Lehr.) Übugsaufgabe Zettel 9 Aufgabe 37 Idiziere Sie die folgede Summe ud Produte gemäß der Vorgabe um ud schreibe Sie sie eimal explizit aus: 5 (a) + 1) 0( Lösug. Die
MehrAufgrund der Körperaxiome ist jedoch
Hiweise: Der Doppelstrich // steht für eie Kommetarzeile. Tipp- ud Rechtschreibfehler köe trotz mehrfacher Kotrolle icht hudertprozetig vermiede werde. Die selbst erstellte Lösugsasätze orietiere sich
MehrLösungen zum Ferienkurs Analysis 1, Vorlesung 2 Wintersemester 2014/2015
Lösuge zum Feriekurs Aalysis, Vorlesug Witersemester 04/05 Fabia Hafer, Thomas Baldauf I Richtig oder Falsch Sid folgede Aussage richtig oder falsch? Korrigiere bzw. ergäze Sie falsche Aussage. Gebe Sie
Mehrα : { n Z n l } n a n IR
1 KAPITEL VI. ZAHLENFOLGEN UND REIHEN 1) REELLE ZAHLENFOLGEN: i) Jede Abbildug α : IN a IR heiÿt 'reelle Zahlefolge' bzw. 'Folge i IR'. Ma otiert diese i der Form α = a ) IN = a ) =0 = a 0, a 1, a 2,...)
MehrFormelnfürdieAnzahlmöglicherQuadrateaufn*nSpielfeldern
Modrago Formel Herleitug, Azahl Quadrate ud Differeze 01.doc 1 FormelfürdieAzahlmöglicherQuadrateauf*Spielfelder Mit Erläuteruge zur Ableitug der Formel vo Dr. Volker Bagert Berli, 11.03.010 Ihaltsverzeichis
Mehr1. Zahlenfolgen und Reihen
. Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,
MehrLösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I
Uiversität des Saarlades Fakultät für Mathematik ud Iformatik Witersemester 2003/04 Prof. Dr. Joachim Weickert Dr. Marti Welk Dr. Berhard Burgeth Lösuge der Aufgabe zur Vorbereitug auf die Klausur Mathematik
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
Mehrn 1,n 2,n 3,...,n k in der Stichprobe auftreten. Für die absolute Häufigkeit können wir auch die relative Häufigkeit einsetzen:
61 6.2 Grudlage der mathematische Statistik 6.2.1 Eiführug i die mathematische Statistik I der mathematische Statistik behadel wir Masseerscheiuge. Wir habe es deshalb im Regelfall mit eier große Zahl
MehrInformatik II Dynamische Programmierung
lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit
Mehr4.6 Berechnung von Eigenwerten
4.6 Berechug vo Eigewerte 4.6 Berechug vo Eigewerte I diesem Abschitt befasse wir us mit dem Eigewertproblem: zu gegebeer Matrix A R sid die Eigewerte (ud gegebeefalls Eigevektore) gesucht. Wir erier a
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
MehrStatistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39
Statistik Eiführug Kofidezitervalle für eie Parameter Kapitel 7 Statistik WU Wie Gerhard Derfliger Michael Hauser Jörg Leeis Josef Leydold Güter Tirler Rosmarie Wakolbiger Statistik Eiführug // Kofidezitervalle
MehrAufgaben und Lösungen der Probeklausur zur Analysis I
Fachbereich Mathematik AG 5: Fuktioalaalysis Prof. Dr. K.-H. Neeb Dipl.-Math. Rafael Dahme Dipl.-Math. Stefa Wager ATECHNISCHE UNIVERSITÄT DARMSTADT SS 007 19. Jui 007 Aufgabe ud Lösuge der Probeklausur
MehrLösungen zu Übungsblatt 2 Signale, Codes und Chiffren II Sommersemester 2009 Übung vom 26. Mai 2009
Uiversität Karlsruhe TH Istitut für Kryptographie ud Sicherheit Willi Geiselma Vorlesug Marius Hillebrad Übug Lösuge zu Übugsblatt 2 Sigale, Codes ud Chiffre II Sommersemester 2009 Übug vom 26. Mai 2009
MehrVorkurs Grundlagen für das Mathematikstudium Lösungen 2: Binomialreihen, Exponential- und Logarithmusfunktion
Uiversität Zürich, 3. September 0 Vorurs Grudlage für das Mathematistudium Lösuge : Biomialreihe, Expoetial- ud Logarithmusfutio Lösug zu Aufgabe Seie x, y > 0 ud a > 0. Da gilt: a log a z z für alle z
MehrZusammenfassung Wirtschaftsinformatik Stefan Käßmann
I. Iformatio ud Nachricht 1. Iformatio ud Nachricht - Nachricht (Sytax), Sigale, Zeiche - Iformatio (Sematik), bit - Rausche 2. digitale Nachrichte - digitale Sigale (Sigalparameter aus edlicher Zeichevorrat)
Mehr1.3 Funktionen. Seien M und N Mengen. f : M N x M : 1 y N : y = f(x) nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig.
1.3 Fuktioe Seie M ud N Mege f : M N x M : 1 y N : y fx et ma Fuktio oder Abbildug. Beachte: Zuordug ist eideutig. Bezeichuge: M : Defiitiosbereich N : Bildbereich Zielmege vo f Der Graph eier Fuktio:
MehrKlassische Theoretische Physik I WS 2013/2014
Karlsruher Istitut für Techologie www.tkm.kit.edu/lehre/ Klassische Theoretische Physik I WS 3/4 Prof. Dr. J. Schmalia Blatt 7 Dr. P. P. Orth Abgabe ud Besprechug 3..3. Tayloretwicklug I 5 + 5 + 5 + 5
MehrGeometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr
ZAHLENFOLGEN Teil Geometrische Folge Auch Wachstumsfolge Viele Aufgabe Lösuge ur auf der Mathe-CD Hier ur Ausschitte Datei Nr. 00 Friedrich Buckel März 00 Iteretbibliothek für Schulmathematik 00 Geometrische
MehrTutorium Mathematik I, M Lösungen
Tutorium Mathematik I, M Lösuge 16. November 2012 *Aufgabe 1. Ma utersuche die folgede Reihe auf Kovergez (a) ( 1) (1 ) (b) ( ) 2 +1 (c) (!) 3 10 (3)! (d) (e) (f) 2 +3 3 2 +1 3 ( 2 +1) 2 + 3 ( 2 +3) (g)
Mehr1 Funktionen und Flächen
Fuktioe ud Fläche. Fläche Defiitio: Die Ebee R ist defiiert als Mege aller geordete Paare vo reelle Zahle: R = {(,, R} Der erste Eitrag heißt da auch Koordiate ud der zweite Koordiate. Für zwei Pukte (,,
Mehr1 Einführende Worte 2
Sara Adams Semiarvortrag Rekursive Fuktioe - WS 2004/05 1 Sara Adams Semiarvortrag Rekursive Fuktioe - WS 2004/05 2 1 Eiführede Worte Semiar Grudlegede Algorithme Auflösug vo Rekursioe 1.1 Beispiele Bevor
MehrZusammenfassung: Gleichungen und Ungleichungen
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge
MehrLösungen zu Kapitel 4
Lösuge zu Kapitel 4 Lösug zu Aufgabe : Die folgede Grezwerte köe aalog zu Beispiel 4.(c bestimmt werde: (a lim + = 3 3. (b Die Folge a ist diverget. (c lim + = 0. 3 (d lim ( + 3 = 0. (e lim ( + = 0. Lösug
MehrKapitel 10. Rekursion
Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 1/14 1 Kapitel 10 Rekursio Rekursio Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 1/14 Ziele Das Prizip der rekursive
Mehri=0 a it i das erzeugende Polynome von (a 0,..., a j ).
4 Erzeugede Fuktioe ud Polyome Defiitio 4 Sei a = (a 0, a, eie Folge vo atürliche Zahle, da heißt die formale Potezreihe f a (t := i 0 a it i die erzeugede Fuktio vo a Gilt a i = 0 für i > j, so heißt
MehrMusterlösung zu Übungsblatt 2
Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.
MehrÜbungen zur Analysis I WS 2008/2009
Mathematisches Istitut der Uiversität Heidelberg Prof. Dr. E. Freitag /Thorste Heidersdorf Übuge zur Aalysis I WS 008/009 Blatt 3, Lösugshiweise Die folgede Hiweise sollte auf keie Fall als Musterlösuge
Mehr= a n: Wurzelexponent x: Radikand oder Wurzelbasis a: Wurzelwert Bei der ersten Wurzel wird einfach das Wurzelzeichen weggelassen.
Wurzelgesetze Gesetzmäßigkeite Grudlage Das Wurzelziehe (oder Radiziere) ist die Umkehrug des Potezieres. Daher sid die Wurzelgesetze de Potezgesetze sehr ählich. Die Wurzel aus eier positive Zahl ergibt
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlebereiche 2.1. Natürliche Zahle Die Mege N {1, 2, 3,... } der atürliche Zahle wird formal durch die Peao Axiome defiiert: (A1) 1 N (A2) N ( + 1) N (A3) m ( + 1) (m + 1) (A4) N ( + 1) 1 (A5)
Mehr4 Andreas Gathmann. x 2 +y 2 x 2 +y 2 x 2 +y 2
4 Adreas Gathma 1. Komplexe Zahle Bevor wir mit der komplexe Aalysis begie, wolle wir uächst die grudlegede Defiitioe ud Eigeschafte der komplexe Zahle och eimal kur wiederhole. Defiitio 1.1. Die Mege
Mehr2 Asymptotische Schranken
Asymptotische Schrake Sowohl die Laufzeit T () als auch der Speicherbedarf S() werde meist durch asymptotische Schrake agegebe. Die Kostate c i, welche i der Eiführug deiert wurde, sid direkt vo der Implemetatio
MehrUmrechnung einer tatsächlichen Häufigkeitsverteilung in eine prozentuale Häufigkeitsverteilung
.3. Prozetuale Häufigkeitsverteilug (HV) Die prozetuale Häufigkeitsverteilug erlaubt de Vergleich vo Auswertuge, dee uterschiedliche Stichprobegröße zugrude liege. Es köe auch uterschiedliche Stichprobegröße
Mehr