(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.
|
|
- Axel Dresdner
- vor 6 Jahren
- Abrufe
Transkript
1 8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y = 1 n+1. Definition 8.1. Sei M R eine Teilmenge von R und seien s, t R reelle Zahlen. (a) Die Menge M heißt nach oben (bzw. nach unten) beschränkt, falls es ein a R gibt mit x a (bzw. mit x a) für alle x M. Jede solche Zahl a heißt obere (bzw. untere) Schranke von M. (b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist. (c) Die Zahl t heißt Supremum (oder kleinste obere Schranke) von M (geschrieben t = sup M), falls (i) x t für alle x M ist und (ii) für jede Zahl a R mit x a für alle x M gilt, dass t a ist. Man nennt s Infimum (oder größte untere Schranke) von M, falls (i) x s für alle x M ist und (ii) für jede Zahl a R mit x a für alle x M gilt, dass s a ist. Aus den beiden definierenden Bedingungen folgt sofort, dass das Supremum und Infimum einer Menge, wenn sie existieren, eindeutig bestimmt sind. Es gibt eine sehr einfache Beziehung zwischen Suprema und Maxima sowie Infima und Minima von Mengen. Bemerkung 8.. Sei M R und seien s, t R. Dann gilt: (i) t = max(m) genau dann, wenn t = sup M ist und t M gehört. (ii) s = min(m) genau dann, wenn s = inf M ist und s M gehört. Beweis. Sei t = max(m). Nach Definition ist t M und t x für alle x M. Ist a R irgendeine obere Schranke von M, so ist a t, da t M. Also ist t = sup M. Ist umgekehrt t = sup M und t M, so gilt t x für alle x M und daher ist t = max(m). Teil (ii) beweist man entsprechend. Für M R definieren wir M = { x; x M}. Lemma 8.3. Seien M R und t R. Dann gilt t = sup(m) genau dann, wenn t = inf( M) ist. Beweis. Sei t = sup M. Dann ist t x für alle x M und daher t x für alle x M. Ist a R mit a x für alle x M, so ist a x für alle x M. Nach Definition des Supremums ist a t, also a t. Damit ist gezeigt, dass t = inf( M) ist. Die umgekehrte Implikation folgt völlig analog. 41
2 Beschränkte Mengen brauchen weder ein Maximum noch ein Minimum zu besitzen. Mit Hilfe des Intervallschachtelungsprinzips, und damit letztlich der Vollständigkeit von R, zeigen wir, dass sich Suprema und Infima wesentlich besser verhalten in dieser Hinsicht. Satz 8.4. (a) Jede nach oben beschränkte Menge M R hat ein Supremum. (b) Jede nach unten beschränkte Menge M R besitzt ein Infinimum. Beweis. Wegen Lemma 8.3 genügt es, den Teil (a) zu beweisen. Sei also M R nicht leer und nach oben beschränkt. Wir fixieren einen Punkt a 0 M sowie eine obere Schranke b 0 von M und setzen I 0 = [a 0, b 0 ]. Rekursiv kann man abgeschlossene Intervalle I k = [a k, b k ] R wählen so, dass für alle k N gilt (i) I k+1 I k, (ii) Länge (I k ) = ( 1 )k Länge (I 0 ), (iii) b k ist obere Schranke von M und M I k. Seien dazu I 0,..., I k gewählt mit diesen Eigenschaften. Ist a k+b k obere Schranke von M, so setze man a k+1 = a k und b k+1 = a k+b k. Ist a k+b k keine obere Schranke von M, so wähle man a k+1 = a k+b k und b k+1 = b k. Sei I k+1 = [a k+1, b k+1 ]. In jedem Fall ist Länge (I k+1 ) = 1 Länge (I k) = ( 1 )k+1 Länge (I 0 ), die Zahl b k+1 ist obere Schranke von M und I k+1 M. Nach dem Intervallschachtelungsprinzig (Satz 5.5) gibt es ein t R mit k N I k = {t}. Im Beweis von Satz 5.5 haben wir gesehen, dass lim a k = t = lim b k k k ist. Ist x M, so ist x b k für alle k N und damit nach Satz 4.10 auch x t. Sei a R irgendeine obere Schranke von M. Nach Konstruktion gibt es eine Folge (x k ) k N in M mit a k x k b k für alle k N. Nach dem Vergleichskriterium (4.9) und Satz 4.10 ist t = lim k x k gezeigt, dass t = sup M gilt. a. Damit haben wir Beispiele 8.5. (a) Ist (x n ) n N eine monoton wachsende beschränkte Folge in R, so gilt lim n x n = sup{x n ; n N}. Zur Begründung beachte man, dass nach Satz 8.4 das Supremum t = sup{x n ; n N} existiert und dass nach Definition des Supremums zu jedem ɛ > 0 ein n 0 N existiert mit x n0 > t ɛ. Da die Folge (x n ) n N monoton wächst, ist dann t ɛ < x n0 x n t und insbesondere auch x n t < ɛ für alle n n 0. (b) Ist (x n ) eine monoton fallende und beschränkte Folge in R, so gilt entsprechend lim n x n = inf{x n ; n N}. (c) Direkt oder als Anwendung von Teil (b) folgt, dass inf{ 1 n ; n N } = 0. 4
3 (d) Offensichtlich ist inf[a, b] = inf]a, b[= a, sup[a, b] = sup]a, b[= b für alle a, b R mit a < b. Definition 8.6. Sei M R eine Menge und sei (a n ) n N eine Folge in R. (a) Ist M nicht nach oben (bzw. unten) beschränkt, so setzt man sup M = ( bzw. inf M = ). (b) Man nennt den Limes superior und lim n a n := lim sup a n := lim (sup{a k; k n}) R {+, } n n lim n a n := lim inf n a n := lim n (inf{a k; k n}) R {+, } den Limes inferior der Folge (a n ) n N. Hierbei gelte für die konstanten Folgen c n = (n N), d n = (n N) definitonsgemäß lim c n =, n lim d n =. n Als vereinfachende Konvention schreibt man x < und x > für alle x R. Bemerkung 8.7. Zur Wohldefiniertheit von Limes superior und Limes inferior überlege man sich: (a) Für zwei Mengen A B gilt sup A sup B und inf A inf B. (b) Ist (a n ) n N nicht nach oben beschränkt, so gilt sup{a k ; k n} = für alle n N und damit lim n a n =. Ist (a n ) n N nach oben beschränkt, so ist (sup{a k ; k n}) n N eine monoton fallende Folge in R und konvergiert eigentlich gegen ein s R oder uneigentlich gegen. Es ist lim n a n = genau dann, wenn lim n a n = gilt. (c) Zu (b) entsprechende Aussagen gelten für den Limes inferior. Satz 8.8. Sei (a n ) n N eine beschränkte Folge in R. Dann gilt: (a) lim n a n = max{c R; c ist Häufungspunkt von (a n ) n N }. (b) lim n a n = min{c R; c ist Häufungspunkt von (a n ) n N }. Beweis. (a) Sei (a n ) n N eine beschränkte Folge in R. Aus Bemerkung 8.7 (b) folgt, dass s = lim n a n R. Sei ɛ > 0. Dann gibt es nur endlich viele n N mit a n s + ɛ. Denn sonst wäre nach Satz 4.10 s = lim n sup{a k ; k n} s + ɛ. Also liegt jeder Häufungspunkt der Folge (a n ) n N in (, s]. Anderseits gibt es zu jedem gegebenen ɛ > 0 unendlich viele Indizes n N mit a n > s ɛ. Denn sonst gäbe es ein n 0 N mit a k s ɛ für alle k n 0. Folglich wäre sup{a k ; k n 0 } s ɛ und nach Beispiel 8.5 (b) würde folgen, dass s sup{a k ; k n 0 } s ɛ. Da es zu jedem ɛ > 0 unendlich viele 43
4 n N gibt a n > s ɛ und nur endlich viele n N mit a n s + ɛ, ist {n N; a n ]s ɛ, s + ɛ[} unendlich für alle ɛ > 0. Also ist s ein Häufungspunkt der Folge (a n ) n N, der größer oder gleich jedem anderen Häufungspunkt dieser Folge ist. (b) Entsprechend zeigt man, dass lim n a n der kleinste Häufungspunkt von (a n ) n N ist. Korollar 8.9. Eine Folge (a n ) n N in R ist (eigentlich oder uneigentlich) konvergent genau dann, wenn lim n a n = lim n a n ist. In diesem Fall gilt lim n a n = lim n a n = lim n a n. Beweis. Ist (a n ) n N beschränkt, so konvergiert (a n ) n N nach Satz 5.7 dann und nur dann, wenn (a n ) n N genau einen Häufungspunkt besitzt und nach Satz 8.8 ist dies äquivalent zu lim n a n = lim n a n. Offensichtlich stimmen in diesem Fall Limes superior und Limes inferior mit dem Limes überein. Bleibt noch der Fall zu betrachten, dass (a n ) n unbeschränkt ist. Ist (a n ) n N nicht nach oben beschränkt, so konvergiert (a n ) n N (uneigentlich!) genau dann, wenn lim n a n = ist. Dies impliziert, dass lim n a n = lim n a n = ist. Stimmen umgekehrt Limes superior und Limes inferior überein, so ist lim n a n = lim n a n = und daher auch lim n a n =. Ist (a n ) n N nicht nach unten beschränkt, so sieht man entsprechend, dass (a n ) n N konvergiert (uneigentlich!) genau dann, wenn lim n a n = ist bzw. genau dann, wenn lim n a n = lim n a n = gilt. Im Folgenden wollen wir uns überlegen, wie man die Größe (in der Mathematik spricht man von Mächtigkeit) unendlicher Mengen vergleichen kann. Definition Eine Menge M heißt abzählbar, falls es eine surjektive Abbildung ϕ : N M gibt. Offensichtlich ist eine Menge M genau dann abzählbar, wenn es eine Folge (x n ) n N gibt mit {x n ; n N} = M. Beispiel (a) Jede endliche Menge {a 0,..., a N } ist abzählbar. Denn {a 0,..., a N } ist die Menge der Folgenglieder der durch x n = a n für n = 0,..., N, x n = a N für n > N definierten Folge. (b) Die Menge N der natürlichen Zahlen ist abzählbar als Bildmenge der Folge x n = n (n N). (c) Die Menge Z der ganzen Zahlen ist abzählbar als Bildmenge der durch x n = n für n N und x n 1 = n für n N definierten Folge (x n ) n N. (d) Die Menge N = {(i, j); i, j N} ist abzählbar. Eine Folge (x n ) n N mit Bildmenge N erhält man, indem man nacheinander für k = 0, 1,,... die Mengen {(i, j) N ; i + j = k} abzählt: (x n ) n N = ((0, 0), (0, 1), (1, 0), (0, ), (1, 1), (, 0),...). 44
5 (e) Die Vereinigung abzählbar vieler abzählbarer Mengen M n (n N) ist abzählbar. Zum Beweis schreibe man M n in der Form M n = {x nm ; m N} (n N) und beachte, dass die durch ϕ : N M n, (i, j) x ij n N definierte Abbildung surjektiv ist. Da N nach Teil (d) abzählbar ist, gibt es eine surjektive Abbildung ψ : N N. Als Komposition surjektiver Abbildungen ist auch ϕ ψ : N n N M n surjektiv. (f) Auch die Menge Q der rationalen Zahlen ist abzählbar. Dies folgt mit Teil (e), denn Q = { } p ; p { n,..., n} und q {1,..., n} q n N ist eine Darstellung von Q als Vereinigung abzählbar vieler abzählbarer Mengen. Bevor wir zeigen, dass R nicht abzählbar ist, kommen wir noch einmal auf das Eindeutigkeitsproblem für die Darstellung reeller Zahlen als b-adische Brüche zurück (vgl. Satz 5.11). Wir betrachten nur den Fall b = 10. Lemma 8.1. Seien (a k ) k 1, (b k ) k 1 Folgen in {0,..., 9} mit a k 10 k = b k 10 k. k=1 k=1 Dann gilt a k = b k für alle k 1 oder es gibt ein k 0 N mit a k, b k {0, 9} für alle k k 0. Beweis. Sei a k b k für ein k N. Definiere N = min{k N ; a k b k } als die kleinste Zahl mit a N b N. Da alle Ziffern mit kleineren Indizes übereinstimmen, sind auch x := a k 10 k = b k 10 k k=n k=n Darstellungen derselben reellen Zahl x. Ist a N < b N, so folgt aus ( x a N 10 N k = a N 10 N + 9 k=n+1 = (a N + 1)10 N b N 10 N k=1 b k 10 k = x, k=n 10 k ) 10 N dass b N = a N + 1, a k = 9 und b k = 0 für alle k > N gilt. Ist a N > b N, so folgt genauso, dass a N = b N + 1, b k = 9 und a k = 0 für alle k > N gilt. 45
6 Genauso wie im obigen Beweis zeigt man, dass sich zwei Ziffernfolgen (a n ) n k, (b n ) n k in {0,..., b 1} derart, dass die b-adischen Brüche mit diesen Ziffernfolgen dieselbe reelle Zahl darstellen, in der ersten voneinander verschiedenen Ziffer höchstens um 1 unterscheiden können und dass von dieser Stelle an in der Ziffernfolge, in der an dieser Stelle die kleinere Ziffer steht, nur noch die Ziffer b 1 und in der anderen Ziffernfolge nur noch die Ziffer 0 vorkommen kann. Satz Die Menge R der reellen Zahlen ist nicht abzählbar. Beweis. Wir nehmen an, R sei abzählbar. Eine einfache Überlegung zeigt, dass jede Teilmenge einer abzählbaren Menge abzählbar ist. Also gibt es eine Folge (x n ) n 1 in R mit {x n ; n 1} =]0, 1[. Die Dezimalbruchentwicklung der Zahlen x n (siehe Satz 5.11) hat die Form x 1 = 0, a 11 a 1 a x = 0, a 1 a a 3... x 3 = 0, a 31 a 3 a Da die reelle Zahl c = 0, c 1 c c 3... mit den Ziffern c k = 1, falls a kk 1, c k =, falls a kk = 1, in ]0, 1[ liegt, müsste es ein n N geben mit c = x n. Da in der Dezimalbruchentwicklung von c weder die Zahl 0 noch die Zahl 9 vorkommt, müssten nach Satz 8.1 alle Ziffern in der Entwicklung von c und von x n übereinstimmen. Dies ist nicht möglich, da c so definiert wurde, dass c n a nn ist. Dieser Widerspruch zeigt, dass R nicht abzählbar ist. Korollar (a) Kein Intervall ]a, b[ R mit a < b ist abzählbar. (b) Die Menge R \ Q der irrationalen Zahlen ist nicht abzählbar. Beweis. (a) Da für a, b R mit a < b die Abbildung ϕ : ]0, 1[ ]a, b[, ϕ(t) = a + t(b a) bijektiv ist und da ]0, 1[ nach dem letzten Beweis nicht abzählbar ist, kann auch das Intervall ]a, b[ nicht abzählbar sein. (b) Nach Beispiel 8.11 (f) ist Q abzählbar und nach 8.11 (e) ist insbesondere die Vereinigung zweier abzählbarer Mengen abzählbar. Die Annahme, dass R \ Q abzählbar ist, würde zu dem Widerspruch führen, dass auch R = Q (R \ Q) abzählbar wäre. 46
3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper
32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrBeispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =
Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.
MehrAnalysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum
Analysis I III Vorlesungsskriptum WS 2005/06 WS 2006/07 R. Verfürth Fakultät für Mathematik, Ruhr-Universität Bochum Inhaltsverzeichnis Kapitel I. Aufbau des Zahlsystems 5 I.1. Die natürlichen Zahlen
MehrErgänzungen zur Analysis I
537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
MehrInoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH) 2000 2004
Höhere Mathεmatik für Informatiker Inoffizielles Skriptum zur Vorlesung Höhere Mathematik für Informatiker basierend auf Vorlesungen an der Universität Karlsruhe (TH) 2 24 ii Inhaltsverzeichnis I Eindimensionale
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrHandreichung. zur Mathematikvorlesung für. Wirtschaftswissenschaftler)
1 Handreichung zur Mathematikvorlesung für Wirtschaftswissenschaftler) Dr.Dr. Christina Schneider 2 Hinweis Das vorliegende Manuskript versteht sich als kurze und kompakte Handreichung zu meiner Vorlesung
MehrGibt es verschiedene Arten unendlich? Dieter Wolke
Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen
MehrReelle Zahlen. Mathematische Grundlagen Lernmodul 4. Stand: Oktober 2010
Mathematische Grundlagen Lernmodul 4 Reelle Zahlen Stand: Oktober 200 Autoren: Prof. Dr. Reinhold Hübl, Professor Fakultät für Technik, Wissenschaftliche Leitung ZeMath, E-Mail: huebl@dhbw-mannheim.de
Mehr1 Die reellen Zahlen. 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen,
1 Die reellen Zahlen 1. Ziele des Mathematikstudiums: Die Studierenden sollen lernen, präzise und logisch zu denken, komplexe Strukturen schnell und gründlich zu erfassen, Dinge kritisch zu hinterfragen
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
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
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
Mehr1 Stochastische Prozesse in stetiger Zeit
1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.
Mehra n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:
Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend
MehrTheoretische Informatik
Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrGeometrische Mannigfaltigkeiten
Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie
Mehr2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.
2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es
Mehr1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.
1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch
MehrMathematik 1. Lösungsvorschläge zum 2. Übungsblatt
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt
Mehr11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
MehrExtremwertverteilungen
Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen
MehrInduktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010
Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver
MehrFolgen. Kapitel 3. 3.1 Zinsrechnung
Kapitel 3 Folgen Eine Folge reeller Zahlen ordnet natürlichen Zahlen jeweils eine reelle Zahl zu. Liegen beispielsweise volkswirtschaftliche Daten quartalsweise vor, so kann man diese als Folge interpretieren.
MehrFolgen und endliche Summen
Kapitel 2 Folgen und endliche Summen Folgen und ihre Eigenschaften Endliche arithmetische und geometrische Folgen und Reihen Vollständige Induktion Anwendungen Folgen/endliche Summen Eigenschaften Folgen
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrAufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II. Heinrich Voß
Aufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II Heinrich Voß Institut für Angewandte Mathematik der Universität Hamburg 99 Inhaltsverzeichnis Folgen und Reihen 2. Einführende
MehrVorlesung Analysis I / Lehramt
Vorlesung Analysis I / Lehramt TU Dortmund, Wintersemester 2012/ 13 Winfried Kaballo Die Vorlesung Analysis I für Lehramtsstudiengänge im Wintersemester 2012/13 an der TU Dortmund basiert auf meinem Buch
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
MehrDiskrete Mathematik für Informatiker
Diskrete Mathematik für Informatiker Markus Lohrey Universität Siegen Wintersemester 2014/2015 Lohrey (Universität Siegen) Diskrete Mathematik Wintersem. 2014/2015 1 / 344 Organisatorisches zur Vorlesung
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,
MehrEinführung in die Statistik
Einführung in die Statistik Dr. C.J. Luchsinger 2 Zufallsgrössen Literatur Kapitel 2 * Statistik in Cartoons: Kapitel 4 * Krengel: 3.1 und 3.2 in 3 und (Honours Program) 10 sowie 11.1, 11.2 und 11.3 in
Mehr4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140
4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1}
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
MehrOptimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013
Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen
MehrQualitative Datenanalyse
Qualitative Datenanalyse Prof. Dr. Stefan E. Schmidt Francesco Kriegel TU Dresden Fakultät Mathematik Institut Algebra SS 2007 28. September 2008 Inhaltsverzeichnis Kapitel 1 Formale Begriffsanalyse 1
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrVorlesung Analysis I für Informatiker & Statistiker. Universität München, WS 11/12. Prof. Dr. Max v. Renesse mrenesse@math.tu-berlin.
Vorlesung Analysis I für Informatiker & Statistiker Universität München, WS 11/12 Prof. Dr. Max v. Renesse mrenesse@math.tu-berlin.de Kapitel 1: Grundlagen 1.1 Aussagenlogik Elementare Aussagenlogik Definition
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrAufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6
Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.
MehrFrohe Weihnachten und ein gutes neues Jahr!
Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
Mehr17. Penalty- und Barriere-Methoden
H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
Mehr1 Zahlen. 1.1 Die reellen Zahlen
Zahlen Die aus dem Alltagsleben bekannten rationalen Zahlen (Bruchzahlen) reichen nicht aus, um Analysis rigoros betreiben zu können. Die historische Entwicklung zeigt vielmehr, dass für die Belange der
Mehrw a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2
1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba
MehrERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
MehrGNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor
GNS-Konstruktion und normale Zustände 1 Rückblick Wir betrachten von-neumann-algebren M B(H), d.h. Unteralgebren mit 1 H M, die in der schwachen Operatortopologie (und damit in jeder der anderen) abgeschlossen
Mehr9. Natürliche Zahlen, rationale Zahlen, reelle Zahlen.
9-1 Funktionen 9 Natürliche Zahlen, rationale Zahlen, reelle Zahlen Hier soll ein Überblick gegeben werden, wie die reellen Zahlen ausgehend von den natürlichen Zahlen konstruiert werden Dies erfolgt in
MehrLösungen zu Kapitel 7
Lösungen zu Kapitel 7 Lösung zu Aufgabe 1: Nach Definition 7.1 ist eine Verknüpfung auf der Menge H durch eine Abbildung : H H H definiert. Gilt H = {a 1,..., a m }, so wird eine Verknüpfung auch vollständig
MehrElemente der Analysis I: Zusammenfassung und Formelsammlung
Elemente der Analysis I: Zusammenfassung und Formelsammlung B. Schuster/ L. Frerick 9. Februar 200 Inhaltsverzeichnis Grundlagen 5. Mengen und Zahlen................................ 5.. Mengen...................................
MehrDie Cantor-Funktion. Stephan Welz
Die Cantor-Funktion Stephan Welz Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
Mehr5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56
5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten
MehrNoethersche und artinsche Ringe
Noethersche und artinsche Ringe Seminar Kommutative Algebra und Varietäten Prof. Dr. K. Wingberg, Dr. J. Gärtner Vortrag 6 Yassin Mousa 05.06.2014 Im Folgenden bezeichne R immer einen kommutativen Ring
MehrElementare Zahlentheorie (Version 1)
Elementare Zahlentheorie (Version (Winter Semester, 2005-6 Zur Notation N ist die Menge der natürlichen Zahlen:, 2, 3, 4, 5,... und so weiter. Z ist die Menge aller ganzen Zahlen:..., 4, 3, 2,, 0,, 2,
MehrVorlesung. Komplexe Zahlen
Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrSprechen wir über Zahlen (Karl-Heinz Wolff)
Sprechen wir über Zahlen (Karl-Heinz Wolff) Die Überschrift ist insoweit irreführend, als der Autor ja schreibt und nicht mit dem Leser spricht. Was Mathematik im allgemeinen und Zahlen im besonderen betrifft,
MehrSeminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen
Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Michael Schaeer 3.04.03 Abstract This seminar is about convex functions and several imortant ineualities. At the beginning the term
MehrLenstras Algorithmus für Faktorisierung
Lenstras Algorithmus für Faktorisierung Bertil Nestorius 9 März 2010 1 Motivation Die schnelle Faktorisierung von Zahlen ist heutzutage ein sehr wichtigen Thema, zb gibt es in der Kryptographie viele weit
MehrAmerikanischen Optionen
Die Bewertung von Amerikanischen Optionen im Mehrperiodenmodell Universität-Gesamthochschule Paderborn Fachbereich 17 Seminar Finanzmathematik SS 2001 Referentin: Christiane Becker-Funke Dozent: Prof.
MehrZusammenfassung. 1 Wir betrachten die folgende Signatur F = {+,,, 0, 1} sodass. 3 Wir betrachten die Gleichungen E. 4 Dann gilt E 1 + x 1
Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 7 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 1 Wir betrachten die folgende Signatur
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrScheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.
Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung
MehrEinführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)
Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff
MehrJurgen Muller Analysis I-IV
Jurgen Muller Analysis I-IV Skriptum zur Vorlesung Wintersemester 5/6 bis Sommersemester 7 Universitat Trier Fachbereich IV Mathematik/Analysis Dank an Elke Gawronski und Judith Wahlen fur die Mithilfe
MehrDie Weierstraßsche Funktion
Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede
MehrThema 13 Integrale, die von einem Parameter abhängen, Integrale von Funktionen auf Teilmengen von R n
Them 13 Integrle, die von einem Prmeter bhängen, Integrle von Funktionen uf Teilmengen von R n Wir erinnern drn, dß eine Funktion h : [, b] R eine Treppenfunktion ist, flls es eine Unterteilung x < x 1
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrFixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik 3. Endliche Automaten (V) 21.05.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Determinierte endliche Automaten (DEAs) Indeterminierte
Mehr6.2 Perfekte Sicherheit
04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da
Mehr9. Anwendungen der Fundamentalgruppe
76 Andreas Gathmann 9. Anwendungen der Fundamentalgruppe Nachdem wir mit Hilfe von Überlagerungen nun in der Lage sind, Fundamentalgruppen zu berechnen, wollen wir in diesem abschließenden Kapitel noch
MehrMinimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie
Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern
MehrCodierungstheorie Rudolf Scharlau, SoSe 2006 9
Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Finanzmathematik 1 11 Folgen und Reihen 1 111 Folgen allgemein 1 112
MehrBONUS MALUS SYSTEME UND MARKOV KETTEN
Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,
MehrGrammatiken. Einführung
Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische
MehrDefinition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
Mehr3 Quellencodierung. 3.1 Einleitung
Source coding is what Alice uses to save money on her telephone bills. It is usually used for data compression, in other words, to make messages shorter. John Gordon 3 Quellencodierung 3. Einleitung Im
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
MehrMathematische Grundlagen
Luise Unger In LATEX gesetzt von Luise Unger Mathematische Grundlagen Kurseinheit 1: Grundlagen 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 77 7 7 777 7 77 7777777 77777 7 77 7 7 7 7 7 7 77777777777
MehrEuklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz
Tobias Kraushaar Kaiserstr. 178 44143 Dortmund Matr.- Nr.: 122964 Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz 1. EINLEITUNG... 2 2. HAUPTTEIL... 3 2.1. Der
Mehr