1.2 Explizite Problembeschreibung
|
|
- Anton Kästner
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 1: Begriffsbildung Explizite Problembeschreibung Unter Algorithmen wollen wir Problemlöse Rezepte verstehen. Was aber ist ein Problem? Was ist eine Lösung eines Problems? In den Beispielen im vorange gangenen Abschnitt waren Probleme immer nach dem Muster gegeben gesucht aufgebaut. Ich will nun diesen am häufigsten auftretenden Problem typ der expliziten Problembeschreibung ein wenig genauer beleuchten. Definition 1 (Explizite Problembeschreibung) Eine mathematische Aussage P ist eine explizite Problembeschreibung, wenn P der Form wenn x1,,x m dann x1,,x m,y 1,,y n (1) ist. Dabei sind: x 1,,x m die Eingabevariablen von P, x1,,x m die Eingabebedingung von P (eine Formel, in der die Variablen x 1,,x m frei vorkommen), y 1,,y n die Ausgabevariablen von P und x1,,x m,y 1,,y n die Ausgabebedingung von P (eine Formel, in der die Variablen x 1,,x m,y 1,,y n frei vorkommen). Die Eingabe und Ausgabebedingung enthalten ausser den Eingabe und Ausgabevariablen nur Operationen aus dem zu Grunde liegenden Datentyp. Unter einem Datentyp stelle man sich am besten eine Kollektion von Objekten zusammen mit auf diese Objekte anwendbare Operationen vor, z.b. die natürli chen Zahlen mit Addition, Multiplikation und Vergleichsoperatoren oder Listen mit Operationen zum Einfügen und Löschen von Elementen. In der mathematischen Praxis wird der einer Problembeschreibung zu Grunde liegende Datentyp meist nicht explizit erwähnt sondern als im Zusammen hang klar angenommen. Uns ist aber klar, dass der zu Grunde liegende Datentyp eine Rolle spielt, und wenn wir darauf Bezug nehmen wollen, so sprechen wir oft von einer Problembeschreibung bezüglich des zu Grund liegenden Datentyps. Zur Schreibweise I: Ich verwende gotische Symbole x und y für die Eingabe und Ausgabevariablen, da es sich hier um Variable handelt, die selbst wieder für Variable stehen. Ich befinde mich auf einer anderen Sprachebene, der
2 Kapitel 1: Begriffsbildung 12 sogenannten Meta Ebene. In konkreten Beispielen werde ich Problembeschrei bungen mit konkreten Eingabe und Ausgabevariablen begegnen, für die ich dann lateinische Symbole x und y verwende, um sie von diesen meta sprachlichen Variablen zu unterscheiden. Zur Schreibweise II: Eine explizite Problembeschreibung P wird oft in der Form P : x 1,,x m x1,,x m. y 1,,y n x1,,x m,y 1,,y n. (2) geschrieben. Diese Schreibweise hat den Vorteil, dass daraus die Eingabe bzw. Ausgabevariablen und die Eingabe bzw. Ausgabebedingung eindeutig hervorgehen, wohingegen die Form (1) evtl. Mehrdeutigkeiten beinhalten kann. Wenn wir im Folgenden von einer Problembeschreibung P mit Eingabevari ablen x 1,,x m und Ausgabevariablen y 1,,y n sprechen, dann meinen wir damit immer eine explizite Problembeschreibung der Form (1) oder (2) mit eindeutig bestimmbarer Eingabebedingung bzw. Ausgabebedingung und wir schreiben dafür P x1,,x m, y 1,,y n (im Falle m 1 oder n 1 lassen wir die Tupelklammern auch oft weg). Wenn wir von x1,,x m und x1,,x m,y 1,,y n spre chen, dann meinen wir damit immer die Eingabe bzw. Ausgabebedingung einer Problembeschreibung P, wobei wir immer davon ausgehen, dass aus dem jeweiligen Zusammenhang eindeutig hervorgeht, auf welche Problembeschrei bung P wir die Eingabe bzw. Ausgabebedingung beziehen. Anstelle von Problembeschreibung verwende ich auch oft Problemstellung oder Prob lemspezifikation. Zur Schreibweise III: Wenn wir die einzelnen Komponenten eines Tupels nicht extra benötigen, werden wir oft Tupel (z.b. oben das Tupel der Eingabevari ablen x 1,,x m bzw. das Tupel der Ausgabevariablen y 1,,y n ) mit eigenen Namen abkürzen, z.b. x für x 1,,x m etc. Die Variablensubstitution in Tupelschreibweise ist dann komponentenweise zu verstehen, d.h. wenn x und e Tupel der Länge m (gleicher Länge!) sind und ein beliebiger Ausdruck, dann ist x e eine Abkürzung für x1 e 1,,x m e m bzw. x1,,x m e 1,,e m eine Abkürzung für x1 e 1,,x m e m. Zur Schreibweise IV: Ein Zusammenhang der Form wenn A dann B heißt Implikation und in der mathematischen Sprache ist dafür die Schreibweise A B gebräuchlich. Nicht zu verwechseln ist eine Implikation mit einer Äquivalenz wenn A dann B und umgekehrt bzw. A genau dann wenn B, die in der Mathematik als A B geschrieben wird.
3 Kapitel 1: Begriffsbildung 13 Definition 2 (Konkrete Lösung eines Problems) Sei P x,y eine Problemstellung mit Eingabevariablen x und Ausgabevariablen y und sei e ein Eingabewert oder ein Tupel von Eingabewerten so, dass gilt: x e. Dann nennen wir l ein konkretes Lösungstupel (oft auch einfach konkrete Lösung) des Problems P für die Eingabewerte e, wenn gilt: x e,y l. Konkrete Lösungen für konkrete Eingabewerte sind schön und gut. Was wir aber wollen, sind nicht nur konkrete Lösungen, sondern ist nach Möglichkeit ein Rezept, das uns für beliebige Eingabewerte die dazugehörigen konkreten Lösungen liefert. Die Lösung eines Problems besteht für uns demnach aus der Angabe von konkreten Operationen g 1,, g n, die aus den gegebenen x 1,,x m die jeweiligen y 1,,y n produzieren, und das für alle erlaubten Eingaben. Definition 3 (Lösungsalgorithmus, Korrektheit) Sei P x, y1,,y n eine Problembeschreibung (bezüglich des zu Grunde liegenden Datentyps ) mit Ausgabevariablen y 1,,y n. Dann nennen wir g 1,, g n Lösungsoperationen für P, wenn gilt: für allex : P x,y1 g 1 x,,y n g n x (3) Wir sprechen dann oft von einer Problembeschreibung für die Operationen g 1,, g n. Wir nennen g 1,, g n Lösungsalgorithmen für P (bezüglich des zu Grunde liegenden Datentyps ), wenn darüberhinaus, d.h. zusätzlich zu (3), die Operationen durch Algorithmen so definiert sind, dass in diesen Algorithmen für g 1,, g n ausschließlich Operationen aus vorkommen. Wir nennen eine Operation korrekt bzgl. einer Problembeschreibung, wenn sie eine Lösungsoper ation ist. Einen Beweis der Aussage (3) nennen wir einen Korrektheitsbeweis für die Operationen g 1,, g n. Oft geht wieder der zu Grunde liegende Datentyp aus dem Zusammenhang hervor und wird nicht explizit angegeben. Zur Schreibweise V: Ein Zusammenhang der Form für alle x : A heißt Allaus sage und in der mathematischen Sprache ist dafür etwa die Schreibweise x A gebräuchlich. Ein Zusammenhang der Form es existiert x : A heißt Existenzaus sage und in der mathematischen Sprache ist dafür etwa die Schreibweise x A gebräuchlich.
4 Kapitel 1: Begriffsbildung 14 Beispiel 4 (Problembeschreibung Nullstelle) : f f ist eine Funktion. z f z 0. Es handelt sich um eine explizite Problembeschreibung f,z für die Operation Nullstelle mit f : f ist eine Funktion f,z : f z 0 Wenn ich nun für eine konkret definierte Operation Nullstelle die Aussage für alle f : wenn f ist eine Funktion dann f Nullstelle f 0 beweisen kann, so ist diese Operation eine korrekte Lösung des hier gestellten Nullstellenproblems. Der zu Grunde liegende Datentyp muss die Konstante 0, die Gleichheit =, die Funktionsanwendung [ ] und den Funktionstest ist eine Funktion enthalten. Beispiel 5 (Problembeschreibung Lösen von Gleichungen) : f, X, Y, v f ist eine Funktion von X nach Y und v Y. s s X und f s v. Es handelt sich um eine explizite Problembeschreibung f,x,y,v,s mit f,x,y,v : f ist eine Funktion von X nach Y und v Y f,x,y,v,s : s X und f s v Der zu Grunde liegende Datentyp muss Gleichheit, Funktionsanwendung und Funktionstest enthalten. Der Korrektheitsbeweis eines konkret definierten Gleichungslösungsverfahrens L besteht aus einem Beweis der Aussage für alle f, X, Y, v : wenn f ist eine Funktion von X nach Y und v Y dann L f, X, Y, v X und f L f, X, Y, v v. Zur Schreibweise VI: Zusammenhänge der Form A und B bzw. A oder B heißen Konjunktion bzw. Disjunktion und in der mathematischen Sprache sind
5 Kapitel 1: Begriffsbildung 15 dafür etwa die Schreibweisen A B bzw. A B gebräuchlich. Ich kann die Korrektheitsaussage für L demnach schreiben als f ist eine Funktion von X nach Y v Y f,x,y,v L f, X, Y, v X f L f, X, Y, v v. In obigen Beispielen muss ich mir eine Frage sofort stellen: Was soll ein Lösung salgorithmus eines Problem P x,y als Resultat liefern, wenn für manche Eing aben x kein y existiert, das die Ausgabebedingung von P erfüllt? Ich denke dabei etwa in Beispiel 5 bei f an die Sinus Funktion mit X Y und v 2. Was immer ein Gleichungslöse Algorithmus bei diesem Input liefert selbst Fehlermeldungen wie error oder keine Lösung, ich kann sicher nie die Teilaussage sin L sin,,, 2 2 der Korrektheitsaussage für L beweisen, d.h. ich kann zu dieser Problemstellung keinen korrekten Lösungsalgorithmus angeben. Solche Problemstellungen nenne ich inkorrekt gestellte Probleme. Der Name verrät es schon: Wir wollen Problemspezifikationen immer so erstellen, dass sie nicht zu inkorrekt gestellten Problemen führen. Die Problems tellung in Beispiel 5 kann beispielsweise so modifiziert werden: : f, X, Y, v f ist eine Funktion von X nach Y v Y f x v. x X s s X f s v. oder : f, X, Y, v f ist eine Funktion von X nach Y v Y. s f x v s X f s v. x X In obigen Problemen und sagen die Spezifikationen nichts darüber aus, welches Resultat ein Lösungsalgorithmus im Falle einer unlösbaren Gleichung liefern soll. Für die Korrektheit eines Lösungsalgorithmus ist es demnach vollkommen egal, was der Algorithmus mit einer unlösbaren Gleichung macht. Ich entschließe mich nun zu fordern: Gesucht ist ein s, sodass s eine Lösung der Gleichung ist oder der Algorithmus "error" liefern soll. Ich spezifiziere das so:
6 Kapitel 1: Begriffsbildung 16 : f, X, Y, v f ist eine Funktion von X nach Y v Y. s s X f s v s error Aber Vorsicht! Die Korrektheitsaussage für einen Lösungsalgorithmus L lautet nun: f ist eine Funktion von X nach Y v Y f,x,y,v L f, X, Y, v X f L f, X, Y, v v L f, X, Y, v error und ich überzeuge mich rasch davon, dass diese Aussage für den Algorithmus L f, X, Y, v : error wahr ist! Das bedeutet, dass der Algorithmus, der bei jedem Input "error" liefert, eine korrekte Lösung des Problems ist. Beim Spezifizieren von Problemen ist also äußerste Vorsicht geboten. Die Problemspezifikation ist nicht falsch, jedoch uninteressant in dem Sinn, dass die Lösung des Problems trivial ist. Beispiel 6 (Problembeschreibung Quotient und Rest zweier ganzer Zahlen) Div : a, b a, b. q, r q, r a q b r Es handelt sich um eine explizite Problembeschreibung Div a,b, q,r für die Operationen Quotient und Rest a,b : a b a,b,q,r : q, r a q b r Der zu Grunde liegende Datentyp muss die arithmetischen Operationen + und und die Gleichheit = enthalten. Kann ich für konkret definierte Opera tionen Quotient und Rest die Aussage Quotient a, b Rest a, b a Quotient a, b b Rest a, b a,b beweisen, so liegen Operationen vor, die bzgl. obiger Problembeschreibung korrekt sind. Existenz von Lösungen ist hier nicht das Problem, beispielsweise erfüllen q 0 und r a immer die Ausgabebedingung, d.h.
7 Kapitel 1: Begriffsbildung 17 Quotient a, b : 0 Rest a, b : a sind korrekte Lösungsalgorithmen für Div. Allerdings existieren auch noch andere q, r, die die Ausgabebedingung erfüllen (z.b. q 1 und r a b), es besteht also kein eindeutiger Zusammenhang zwischen Input und Output. Auch in diesem Fall nennen wir das Problem inkorrekt gestellt. In der Praxis wird daher versucht, mathematische Probleme P x,y wenn möglich so zu formulieren, dass für alle zulässigen Eingabewerte genau eine Lösung existiert, d.h. x x y x,y. Beispiel 7 (Problembeschreibung Inverse einer Matrix) InvMat : A, K, n A K n n A ist eine quadratische Matrix über K der Dimension n. B B K n n A B E n E n ist dabei die Einheitsmatrix der Dimensio Es handelt sich um eine explizite Problembeschreibung InvMat A,K,n, B für die Operationen Inversmatrix A,K,n : A K n n A,K,n,B : B K n n A B E n Der zu Grunde liegende Datentyp muss die Matrixmultiplikation und die Einheitsmatrix E n enthalten. Zur Korrektheit einer Operation Inversmatrix muss ich die Aussage A K n n A,K,n Inversmatrix A, K, n K n n A Inversmatrix A, K, n E n beweisen können. In obiger Form ist das Problem noch inkorrekt gestellt, da nicht für jede Matrix A eine derart beschaffene Matrix B existiert, ich sollte also wieder wie in Beispiel 5 die Existenz eines solchen B in die Eingabe oder die Ausgabebedingung einbinden.
8 Kapitel 1: Begriffsbildung 18 Bemerkung Ein korrekt gestelltes Problem muss neben der eindeutigen Existenz einer Lösung noch eine weitere Bedingung erfüllen: es soll ein stetiger Zusammen hang zwischen Eingabe und Ausgabevariablen bestehen, d.h. kleine Änderungen im Input sollen nur kleine Änderungen im Output bewirken. Dieser Aspekt ist vor allem für die numerische Berechnung von Bedeutung, wir werden darauf nicht näher eingehen. Wir wollen aber Problemspezifikationen wenn möglich so formulieren, dass zumindest zu jeder Eingabe ein eindeutiges Resultat existiert.
Problemreduktion durch Transformation am Beispiel des. Erweiterten Euklidschen Algorithmus
Problemreduktion durch Transformation am Beispiel des Erweiterten Euklidschen Algorithmus Wolfgang Windsteiger JKU Linz, A 4040 Linz, Austria Kurzfassung Transformation beschreibt im Wesentlichen die algorithmische
Mehr1. Gruppen. 1. Gruppen 7
1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.
MehrEinige Gedanken zur Fibonacci Folge
Einige Gedanken zur Fibonacci Folge Im Folgenden gehe ich auf einige Aspekte von Aufgabe 4 auf Übungsblatt, d.h. auf Aufgabe 4 auf Seiten und 3 des Buches Hahn-Dzewas: Mathematik, ein. Die Aufgabe hat
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Inhaltsverzeichnis Teil 1 Teil
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrBrückenkurs Mathematik 2015
Technische Universität Dresden Fachrichtung Mathematik, Institut für Analysis Dr.rer.nat.habil. Norbert Koksch Brückenkurs Mathematik 2015 1. Vorlesung Logik, Mengen und Funktionen Ich behaupte aber, dass
MehrMengenlehre. ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN. Ronald Balestra CH Zürich Name: Vorname:
Mengenlehre ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 21. August 2016 Inhaltsverzeichnis 1 Mengenlehre 1 1.1 Die Menge im mathematischen
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
Mehr2 Polynome und rationale Funktionen
Gleichungen spielen auch in der Ingenieurmathematik eine große Rolle. Sie beschreiben zum Beispiel Bedingungen, unter denen Vorgänge ablaufen, Gleichgewichtszustände, Punktmengen. Gleichungen für eine
MehrGrundlagen der Arithmetik und Zahlentheorie
Grundlagen der Arithmetik und Zahlentheorie 1.0 Teilbarkeit In diesem Abschnitt werden wir einerseits die ganzen Zahlen an sich studieren und dabei besonders wichtige Zahlen, die Primzahlen, entsprechend
Mehr( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
Mehr2. Teilbarkeit. Euklidischer Algorithmus
O. Forster: Einführung in die Zahlentheorie 2. Teilbarkeit. Euklidischer Algorithmus 2.1. Wir benutzen die folgenden Bezeichnungen: Z = {0, ±1, ±2, ±3,...} Menge aller ganzen Zahlen N 0 = {0, 1, 2, 3,...}
Mehr4 Der Gauß Algorithmus
4 Der Gauß Algorithmus Rechenverfahren zur Lösung homogener linearer Gleichungssysteme Wir betrachten ein GLS (1) a 11 x 1 + a 1 x + + a 1n x n = a 1 x 1 + a x + + a n x n = a m1 x 1 + a m x + + a mn x
MehrVollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die kontinuierlich ablaufende Zeit.
Kapitel 4 Reelle Zahlen 4.1 Die reellen Zahlen (Schranken von Mengen; Axiomatik; Anordnung; Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die
MehrAddition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):
Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume
MehrLineare Gleichungssysteme
Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrGrundlagen der Mathematik
Universität Hamburg Winter 2016/17 Fachbereich Mathematik Janko Latschev Grundlagen der Mathematik Lösungsskizzen 2 Präsenzaufgaben (P2) Wir betrachten drei Teilmengen der natürlichen Zahlen: - A = {n
MehrThema: Logik: 2. Teil. Übersicht logische Operationen Name in der Logik. Negation (Verneinung) Nicht
Thema: Logik: 2. Teil Übersicht logische Operationen Name in der Logik Symbol Umgangssprachlicher Name Negation (Verneinung) Nicht Konjunktion ^ Und Disjunktion v Oder Subjunktion (Implikation) Bijunktion
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrDezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule
Berufsfeldbezogenes Fachseminar - Zahlentheorie Lisa Laudan Prof. Dr. Jürg Kramer Wintersemester 2014/2015 Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule 1.1
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrEinführung in Algebra und Zahlentheorie Lösungsvorschläge zur Klausur vom Aufgabe 1 (6 Punkte)
Aufgabe 1 (6 Punkte) Einführung in Algebra und Zahlentheorie svorschläge zur Klausur vom 23.09.2016 a) Bestimmen Sie das multiplikativ inverse Element zu 22 in Z/61Z. b) Finden Sie ein x Z mit folgenden
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
Mehr1.2 Eigenschaften der ganzen Zahlen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 13 1.2 Eigenschaften der ganzen Zahlen Dieser Abschnitt handelt von den gewöhlichen ganzen Zahlen Z und ihren Verknüpfungen plus und mal. Man kann die natürlichen
MehrMATHEMATISCHE METHODEN DER PHYSIK 1
MATHEMATISCHE METHODEN DER PHYSIK 1 Helmuth Hüffel Fakultät für Physik der Universität Wien Vorlesungsskriptum Sommersemester 2012 Version vom 08-03-2012 Inhaltsverzeichnis 1 Lineare gewöhnliche Differentialgleichungen
MehrKomplexität von Algorithmen
Komplexität von Algorithmen Prof. Dr. Christian Böhm WS 07/08 in Zusammenarbeit mit Gefei Zhang http://www.dbs.informatik.uni-muenchen.de/lehre/nfinfosw Ressourcenbedarf - Größenordnungen Prozesse verbrauchen
MehrUnvollständigkeit der Arithmetik
Unvollständigkeit der Arithmetik Slide 1 Unvollständigkeit der Arithmetik Hans U. Simon (RUB) Email: simon@lmi.rub.de Homepage: http://www.ruhr-uni-bochum.de/lmi Unvollständigkeit der Arithmetik Slide
Mehr2 Die Körper-Axiome. I. Axiome der Addition (A.1) Assoziativgesetz. Für alle x, y, z R gilt (x + y)+z = x +(y + z).
17 Wir setzen in diesem Buch die reellen Zahlen als gegeben voraus. Um auf sicherem Boden zu stehen, werden wir in diesem und den folgenden Paragraphen einige Axiome formulieren, aus denen sich alle Eigenschaften
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrVorkurs Mathematik Abbildungen
Vorkurs Mathematik Abbildungen Philip Bell 19. September 2016 Diese Arbeit beruht im Wesentlichen auf dem Vortrag Relationen, Partitionen und Abbildungen von Fabian Grünig aus den vorangehenden Jahren.
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
MehrErzeugende Funktionen
Hallo! Erzeugende Funktionen sind ein Mittel um lineare Rekursionen schneller ausrechnen zu können. Es soll die Funktion nicht mehr als Rekursion angeschrieben werden, sondern so, dass man nur n einsetzen
Mehr1.4 Homomorphismen und Isomorphismen
Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 28 1.4 Homomorphismen und Isomorphismen Definition 1.4.1 Es seien (G, ) und (H, ) zwei Gruppen. Eine Abbildung ϕ : G H heißt (Gruppen-)Homomorphismus,
MehrVorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion
Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten
Mehr1 Vorbereitung: Potenzen 2. 2 Einstieg und typische Probleme 3
Das vorliegende Skript beschäftigt sich mit dem Thema Rechnen mit Kongruenzen. Das Skript entsteht entlang einer Unterrichtsreihe in der Mathematischen Schülergesellschaft (MSG) im Jahr 2013. Die vorliegende
MehrGruppentheorie und Symmetrie in der Chemie
Gruppentheorie und Symmetrie in der Chemie Martin Schütz Institut für theoretische Chemie, Universität Stuttgart Pfaffenwaldring 55, D-70569 Stuttgart Stuttgart, 26. April 2002 Mathematische Definition
MehrMATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST
Privatdozent Dr. C. Diem diem@math.uni-leipzig.de http://www.math.uni-leipzig.de/ diem/wiwi MATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST Es folgt eine Musterlösung zusammen mit Anleitungen
Mehrmit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"
Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrGleichungen und Ungleichungen
Gleichung Eine Gleichung erhalten wir durch Gleichsetzen zweier Terme. Kapitel 3 Gleichungen und Ungleichungen linke Seite = rechte Seite Grundmenge: Menge aller Zahlen, die wir als Lösung der Gleichung
MehrLineare Gleichungssysteme
Poelchau-Oberschule Berlin A. Mentzendorff September 2007 Lineare Gleichungssysteme Inhaltsverzeichnis 1 Grundlagen 2 2 Das Lösungsverfahren von Gauß 4 3 Kurzschreibweise und Zeilensummenkontrolle 6 4
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
MehrDonnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.
Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
Mehr6. Rechnen mit Matrizen.
6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem
Mehr13. Funktionen in einer Variablen
13. Funktionen in einer Variablen Definition. Seien X, Y Mengen. Eine Funktion f : X Y ist eine Vorschrift, wo jedem Element der Menge X eindeutig ein Element von Y zugeordnet wird. Wir betrachten hier
MehrLösungen der Aufgaben zu Kapitel 10
Lösungen der Aufgaben zu Kapitel 10 Abschnitt 10.2 Aufgabe 1 (a) Die beiden Funktionen f(x) = 1 und g(y) = y sind auf R definiert und stetig. 1 + x2 Der Definitionsbereich der Differentialgleichung ist
Mehr4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9
Chr.Nelius: Zahlentheorie (SS 2007) 9 4. ggt und kgv (4.1) DEF: Eine ganze Zahl g heißt größter gemeinsamer Teiler (ggt) zweier ganzer Zahlen a und b, wenn gilt: GGT 0 ) g 0 GGT 1 ) g a und g b GGT 2 )
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrRationale, irrationale und reelle Zahlen. 4-E Vorkurs, Mathematik
Rationale, irrationale und reelle Zahlen 4-E Vorkurs, Mathematik Rationale Zahlen Der Grund für die Einführung der rationalen Zahlen ist der, dass wir mit ihnen auch Gleichungen der Form q x = p lösen
MehrKapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
MehrKomplexe Zahlen und konforme Abbildungen
Kapitel 1 Komplexe Zahlen und konforme Abbildungen 1.0 Geometrie der komplexen Zahlen Die Menge C der komplexen Zahlen, lässt sich mithilfe der bijektiven Abbildung C := {x + iy : x,y R}, C z = x + iy
Mehr1. Musterlösung zu Mathematik für Informatiker I, WS 2003/04
1 Musterlösung zu Mathematik für Informatiker I, WS 2003/04 MICHAEL NÜSKEN, KATHRIN TOFALL & SUSANNE URBAN Aufgabe 11 (Aussagenlogik und natürliche Sprache) (9 Punkte) (1) Prüfe, ob folgenden Aussagen
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrDualitätssätze der linearen Optimierung
Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =
Mehr9.4 Lineare gewöhnliche DGL
9.4 Lineare gewöhnliche DGL Allgemeinste Form einer gewöhnlichen DGL: Falls linear in ist, sprechen wir von einer "linearen" DGL: und eine Matrix zeitabhängigen Komponenten ein zeitabhängiger Vektor In
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
MehrSkript und Übungen Teil II
Vorkurs Mathematik Herbst 2009 M. Carl E. Bönecke Skript und Übungen Teil II Das erste Semester wiederholt die Schulmathematik in einer neuen axiomatischen Sprache; es ähnelt damit dem nachträglichen Erlernen
MehrGleichungen, Ungleichungen, Beträge
KAPITEL 2 Gleichungen, Ungleichungen, Beträge Man bestimme alle reellen Lösungen der Gleichung x + 2 x 2 4 = 1. Nach Multiplikation beider Seiten mit x 2 4 ergibt sich die quadratische Gleichung x + 2
Mehr3.9 Elementarmatrizen
90 Kapitel III: Vektorräume und Lineare Abbildungen 3.9 Elementarmatrizen Definition 9.1 Unter einer Elementarmatrix verstehen wir eine Matrix die aus einer n n-einheitsmatrix E n durch eine einzige elementare
MehrKapitel 3: Variablen
Kapitel 3: Variablen Thema: Programmieren Seite: 1 Kapitel 3: Variablen Im letzten Kapitel haben wir gelernt, bestimmte Ereignisse zu wiederholen solange eine Bedingung erfüllt ist. Nun möchten wir aber
MehrVorkurs Mathematik. Vorlesung 5. Cauchy-Folgen
Prof. Dr. H. Brenner Osnabrück WS 2014/2015 Vorkurs Mathematik Vorlesung 5 Cauchy-Folgen Ein Problem des Konvergenzbegriffes ist, dass zur Formulierung der Grenzwert verwendet wird, den man unter Umständen
MehrBestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.
Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ
Mehr1 Lineare Gleichungssysteme
1 Lineare Gleichungssysteme Wenn man in der Schule an den Punkt der lineare Gleichungssysteme kommt, hat man normale Gleichungen und deren Umformungen schon behandelt. Und das nicht ohne Grund, denn die
MehrHöhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 1. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann SS 014 Höhere Mathematik II für die Fachrichtung Informatik Lösungsvorschläge zum 1. Übungsblatt Aufgabe
MehrViele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung
Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele
Mehr6 Gewöhnliche Differentialgleichungen
6 Gewöhnliche Differentialgleichungen Differentialgleichungen sind Gleichungen in denen nicht nur eine Funktion selbst sondern auch ihre Ableitungen vorkommen. Im einfachsten Fall gibt es eine unabhängige
MehrElliptische Kurven Einführendes Bsp.
Elliptische Kurven Einführendes Bsp. Eine Menge von Kugeln wird als eine quadratische Pyramide angeordnet. Mit 1 Kugel oben, 4 weiteren darunter, dann 9 weiteren darunter usw. Wenn diese quadratische Kugelpyramide
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
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrMathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1
Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1 1 Vorbemerkungen Mathematische Begriffe und Argumentationsweisen sind in vielen Fällen nötig, wo man über abstrakte Objekte sprechen und
MehrZahlen und elementares Rechnen
und elementares Rechnen Christian Serpé Universität Münster 7. September 2011 Christian Serpé (Universität Münster) und elementares Rechnen 7. September 2011 1 / 51 Gliederung 1 2 Elementares Rechnen 3
MehrWiederholung: lineare Abbildungen
Wiederholung: lineare Abbildungen Def Es seien (V,+, ) und (U, +, ) zwei Vektorräume Eine Abbildung f : V U heißt linear, falls für alle Vektoren v 1, v 2 V und für jedes λ R gilt: (a) f (v 1 + v 2 ) =
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
Mehr2.3 Basis und Dimension
Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit
Mehr1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
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
MehrAussagenlogik. Aussagen und Aussagenverknüpfungen
Aussagenlogik Aussagen und Aussagenverknüpfungen Aussagen sind Sätze, von denen sich sinnvollerweise sagen läßt, sie seien wahr oder falsch. Jede Aussage besitzt also einen von zwei möglichen Wahrheitswerten,
MehrAllgemeine Algebren. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden
Allgemeine Algebren Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Operationen Eine Operation auf einer Menge A ist eine Abbildung f : A n A. A n ist dabei
MehrKostenmodell. Daniel Graf, Tobias Pröger. 22. September 2016 (aktualisierte Fassung 5 vom 9. Oktober 2016)
Kostenmodell Daniel Graf, Tobias Pröger 22. September 2016 (aktualisierte Fassung 5 vom 9. Oktober 2016) Erklärung: Diese Mitschrift ist als Ergänzung zur Vorlesung gedacht. Wir erheben keinen Anspruch
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr1 Modulare Arithmetik
$Id: modul.tex,v 1.10 2012/04/12 12:24:19 hk Exp $ 1 Modulare Arithmetik 1.2 Euklidischer Algorithmus Am Ende der letzten Sitzung hatten wir den größten gemeinsamen Teiler zweier ganzer Zahlen a und b
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
MehrInexakte Newton Verfahren
Kapitel 3 Inexakte Newton Verfahren 3.1 Idee inexakter Newton Verfahren Wir betrachten weiterhin das nichtlineare Gleichungssystem F (x) = mit einer zumindest stetig differenzierbaren Funktion F : R n
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,
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrLösungsvorschläge zu den Aufgaben auf Übungsblatt 07. x Dy y x
Lösungsvorschläge zu den Aufgaben auf Übungsblatt 07 Aufgabe 1. Es seien R ein kommutativer Ring mit 1 und D R. Wir schreiben { ) x Dy QR, D) = x, y R}. y x Dann ist QR, D) abgeschlossen bezüglich der
MehrZusatz: Einführung in die Mathematischen Beweistechniken
Zusatz: Einführung in die Mathematischen Beweistechniken Quick-Start Informatik Theoretischer Teil WS 11/12 Jens Keppeler 7. Oktober 2011 Das folgende Zusatzskript, sowie die dazugehörigen Folien orientieren
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
MehrEiniges über komplexe Zahlen
Lineare Algebra und Analytische Geometrie I für LB WS 2001/2002 Dr. Bruno Riedmüller Einiges über komplexe Zahlen Es muss davon ausgegangen werden, dass der Leser mit komplexen Zahlen wenig oder nicht
MehrUniversität Zürich HS , Vorlesung #3
Algebraic Number Theory P. Habegger Universität Zürich HS 2010 6.10.2010, Vorlesung #3 1.4 Diskriminante Die primitivste Invariante eines Zahlkörpers ist sein Grad. Die Diskriminante eines Zahlkörpers
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
MehrAufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).
Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =
Mehr