1.2 Explizite Problembeschreibung

Größe: px
Ab Seite anzeigen:

Download "1.2 Explizite Problembeschreibung"

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 Problemreduktion durch Transformation am Beispiel des Erweiterten Euklidschen Algorithmus Wolfgang Windsteiger JKU Linz, A 4040 Linz, Austria Kurzfassung Transformation beschreibt im Wesentlichen die algorithmische

Mehr

1. Gruppen. 1. Gruppen 7

1. 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.

Mehr

Einige Gedanken zur Fibonacci Folge

Einige 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

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: 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

Mehr

Definition, Rechenoperationen, Lineares Gleichungssystem

Definition, 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

Mehr

Brückenkurs Mathematik 2015

Brückenkurs 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

Mehr

Mengenlehre. ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN. Ronald Balestra CH Zürich Name: Vorname:

Mengenlehre. 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

Mehr

3 Matrizenrechnung. 3. November

3 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

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 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

Mehr

2 Polynome und rationale Funktionen

2 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

Mehr

Grundlagen der Arithmetik und Zahlentheorie

Grundlagen 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

( ) 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

Mehr

β 1 x :=., und b :=. K n β m

β 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

Mehr

2. Teilbarkeit. Euklidischer Algorithmus

2. 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,...}

Mehr

4 Der Gauß Algorithmus

4 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

Mehr

Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die kontinuierlich ablaufende Zeit.

Vollständigkeit; 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

Mehr

Addition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):

Addition, 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

Mehr

Brückenkurs Mathematik

Brückenkurs 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

Mehr

Lineare Gleichungssysteme

Lineare 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

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 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

Mehr

Grundlagen der Mathematik

Grundlagen 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

Mehr

Thema: Logik: 2. Teil. Übersicht logische Operationen Name in der Logik. Negation (Verneinung) Nicht

Thema: 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

Mehr

Definition, Rechenoperationen, Lineares Gleichungssystem

Definition, 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

Mehr

Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule

Dezimaldarstellung 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

Mehr

1 Matrizenrechnung zweiter Teil

1 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

Mehr

Einführung in Algebra und Zahlentheorie Lösungsvorschläge zur Klausur vom Aufgabe 1 (6 Punkte)

Einführung 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.)

(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

Mehr

Lineare Gleichungssysteme und Matrizen

Lineare 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

Mehr

1.2 Eigenschaften der ganzen Zahlen

1.2 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

Mehr

MATHEMATISCHE METHODEN DER PHYSIK 1

MATHEMATISCHE 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

Mehr

Komplexität von Algorithmen

Komplexität 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

Mehr

Unvollständigkeit der Arithmetik

Unvollständigkeit 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

Mehr

2 Die Körper-Axiome. I. Axiome der Addition (A.1) Assoziativgesetz. Für alle x, y, z R gilt (x + y)+z = x +(y + z).

2 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

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 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

Mehr

Vorkurs Mathematik Abbildungen

Vorkurs 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.

Mehr

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs 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

Mehr

Erzeugende Funktionen

Erzeugende 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

Mehr

1.4 Homomorphismen und Isomorphismen

1.4 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,

Mehr

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Vorkurs 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

Mehr

1 Vorbereitung: Potenzen 2. 2 Einstieg und typische Probleme 3

1 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

Mehr

Gruppentheorie und Symmetrie in der Chemie

Gruppentheorie 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

Mehr

MATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST

MATHEMATIK 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

Mehr

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

mit 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"

Mehr

Konvergenz im quadratischen Mittel - Hilberträume

Konvergenz 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

Mehr

Gleichungen und Ungleichungen

Gleichungen 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

Mehr

Lineare Gleichungssysteme

Lineare 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

Mehr

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Matrizen, 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

Mehr

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

Donnerstag, 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 )

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Konstruktion der reellen Zahlen

Konstruktion 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

Mehr

6. Rechnen mit Matrizen.

6. 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

Mehr

13. Funktionen in einer Variablen

13. 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

Mehr

Lösungen der Aufgaben zu Kapitel 10

Lösungen 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

Mehr

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9

4. 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 )

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte 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

Mehr

Rationale, irrationale und reelle Zahlen. 4-E Vorkurs, Mathematik

Rationale, 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

Mehr

Kapitel 16. Invertierbare Matrizen

Kapitel 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,

Mehr

Komplexe Zahlen und konforme Abbildungen

Komplexe 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

Mehr

1. Musterlösung zu Mathematik für Informatiker I, WS 2003/04

1. 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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

Mehr

Dualitätssätze der linearen Optimierung

Dualitätssätze 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 =

Mehr

9.4 Lineare gewöhnliche DGL

9.4 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

Mehr

3.4 Der Gaußsche Algorithmus

3.4 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,

Mehr

Skript und Übungen Teil II

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

Mehr

Gleichungen, Ungleichungen, Beträge

Gleichungen, 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

Mehr

3.9 Elementarmatrizen

3.9 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

Mehr

Kapitel 3: Variablen

Kapitel 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

Mehr

Vorkurs Mathematik. Vorlesung 5. Cauchy-Folgen

Vorkurs 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

Mehr

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.

Bestimmen 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

Mehr

1 Lineare Gleichungssysteme

1 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

Mehr

Höhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 1. Übungsblatt

Höhere 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

Mehr

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Viele 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

Mehr

6 Gewöhnliche Differentialgleichungen

6 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

Mehr

Elliptische Kurven Einführendes Bsp.

Elliptische 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

Mehr

Elemente der Analysis II

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

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1

Mathem.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

Mehr

Zahlen und elementares Rechnen

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

Mehr

Wiederholung: lineare Abbildungen

Wiederholung: 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 ) =

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium 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 +

Mehr

2.3 Basis und Dimension

2.3 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

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 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

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Aussagenlogik. Aussagen und Aussagenverknüpfungen

Aussagenlogik. 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,

Mehr

Allgemeine Algebren. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden

Allgemeine 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

Mehr

Kostenmodell. 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) 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

Mehr

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

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

Mehr

Kapitel 1. Grundlagen Mengen

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

Mehr

1 Modulare Arithmetik

1 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

Mehr

Extremwerte von Funktionen mehrerer reeller Variabler

Extremwerte 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

Mehr

Inexakte Newton Verfahren

Inexakte 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

Mehr

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

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

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 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

Mehr

Lösungsvorschläge zu den Aufgaben auf Übungsblatt 07. x Dy y x

Lösungsvorschläge 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

Mehr

Zusatz: Einführung in die Mathematischen Beweistechniken

Zusatz: 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

Mehr

Matrizen - 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. 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

Mehr

Einiges über komplexe Zahlen

Einiges 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

Mehr

Universität Zürich HS , Vorlesung #3

Universität 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

Mehr

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

Kapitel 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

Mehr

Aufgabe 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 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