Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 8

Größe: px
Ab Seite anzeigen:

Download "Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 8"

Transkript

1 Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 8

2 Sechszehnte Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 2 / 8

3 Satz 5.7 (Heiratssatz/Sytems of Distinct Representatives, Hall 1935) Seien A 1,..., A k [n] für n, k N und gelte A i I für alle I [k]. i I Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 3 / 8

4 Satz 5.7 (Heiratssatz/Sytems of Distinct Representatives, Hall 1935) Seien A 1,..., A k [n] für n, k N und gelte A i I i I für alle I [k]. Es existieren k verschiedene Elemente a 1,..., a k von [n] mit a i A i für i [k]. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 3 / 8

5 Satz 5.7 (Fortsetzung) Beweis: Sei (P, ) das Poset mit P = {A 1,..., A k } [n], in dem für verschiedene x, y P genau dann x y gilt, wenn x y gilt, d.h. x [n] und y = A i für ein i [k] mit x A i. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 4 / 8

6 Satz 5.7 (Fortsetzung) Beweis: Sei (P, ) das Poset mit P = {A 1,..., A k } [n], in dem für verschiedene x, y P genau dann x y gilt, wenn x y gilt, d.h. x [n] und y = A i für ein i [k] mit x A i. Es folgt, dass [n] eine Antikette ist. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 4 / 8

7 Satz 5.7 (Fortsetzung) Beweis: Sei (P, ) das Poset mit P = {A 1,..., A k } [n], in dem für verschiedene x, y P genau dann x y gilt, wenn x y gilt, d.h. x [n] und y = A i für ein i [k] mit x A i. Es folgt, dass [n] eine Antikette ist. Ist A eine Antikette von P und I = A \ [n], so folgt mit der Voraussetzung, dass A I + n A i n gilt,d.h. ν(p) = n. i I Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 4 / 8

8 Satz 5.7 (Fortsetzung) Nach dem Satz von Dilworth besitzt P eine Überdeckung mit n Ketten. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 5 / 8

9 Satz 5.7 (Fortsetzung) Nach dem Satz von Dilworth besitzt P eine Überdeckung mit n Ketten. Die Ketten der Länge 2 bestehen immer aus einer Menge A i und einem Element x A i. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 5 / 8

10 Satz 5.7 (Fortsetzung) Nach dem Satz von Dilworth besitzt P eine Überdeckung mit n Ketten. Die Ketten der Länge 2 bestehen immer aus einer Menge A i und einem Element x A i. Daher definieren diese Ketten in der Überdeckung die gesuchten Elemente. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 5 / 8

11 Satz 5.8 (Sperner 1928) Für n N ist die maximale Länge einer Antikette in B([n]) = ( 2 [n], ) gleich Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 6 / 8

12 Satz 5.8 (Sperner 1928) Für n N ist die maximale Länge einer Antikette in B([n]) = ( 2 [n], ) gleich ( ) n n. 2 Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 6 / 8

13 Beweis: (Lubell 1966) Die maximalen Ketten von B([n]) sind von der Form Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 7 / 8

14 Beweis: (Lubell 1966) Die maximalen Ketten von B([n]) sind von der Form {π(1)} Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 7 / 8

15 Beweis: (Lubell 1966) Die maximalen Ketten von B([n]) sind von der Form {π(1)} {π(1), π(2)} Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 7 / 8

16 Beweis: (Lubell 1966) Die maximalen Ketten von B([n]) sind von der Form {π(1)} {π(1), π(2)} {π(1), π(2), π(3)}... Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 7 / 8

17 Beweis: (Lubell 1966) Die maximalen Ketten von B([n]) sind von der Form {π(1)} {π(1), π(2)} {π(1), π(2), π(3)}... {π(1),..., π(n)} Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 7 / 8

18 Beweis: (Lubell 1966) Die maximalen Ketten von B([n]) sind von der Form {π(1)} {π(1), π(2)} {π(1), π(2), π(3)}... {π(1),..., π(n)} für π S n, insbesondere gibt es genau n! viele maximale Ketten. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 7 / 8

19 Beweis: (Lubell 1966) Die maximalen Ketten von B([n]) sind von der Form {π(1)} {π(1), π(2)} {π(1), π(2), π(3)}... {π(1),..., π(n)} für π S n, insbesondere gibt es genau n! viele maximale Ketten. Sei A eine Antikette von B([n]). Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 7 / 8

20 Beweis: (Lubell 1966) Die maximalen Ketten von B([n]) sind von der Form {π(1)} {π(1), π(2)} {π(1), π(2), π(3)}... {π(1),..., π(n)} für π S n, insbesondere gibt es genau n! viele maximale Ketten. Sei A eine Antikette von B([n]). Für X A existieren genau X!(n X )! maximale Ketten von B([n]), die X enthalten. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 7 / 8

21 Es folgt A ( n ) n 2 Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 8 / 8

22 Es folgt A ( n = 2 ) ( ) n 1 n n X A 2 Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 8 / 8

23 Es folgt A ( n n 2 ) = X A X A ( ) n 1 n 2 ( ) n 1 X Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 8 / 8

24 Es folgt A ( n n 2 ) = X A X A = 1 n! ( ) n 1 n 2 ( ) n 1 X X!(n X )! X A Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 8 / 8

25 Es folgt A ( n n 2 ) = X A X A = 1 n! 1 ( ) n 1 n 2 ( ) n 1 X X!(n X )! X A Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 8 / 8

Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26

Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26 Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26 Erste Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 2 / 26 Formales Vorlesung:

Mehr

Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 18

Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 18 Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 18 Elfte Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik / 18 Formale Potenzreihe

Mehr

Das Rucksackproblem. Definition Sprache Rucksack. Satz

Das Rucksackproblem. Definition Sprache Rucksack. Satz Das Rucksackproblem Definition Sprache Rucksack Gegeben sind n Gegenstände mit Gewichten W = {w 1,...,w n } N und Profiten P = {p 1,...,p n } N. Seien ferner b, k N. RUCKSACK:= {(W, P, b, k) I [n] : i

Mehr

Rückblick auf die letzte Vorlesung

Rückblick auf die letzte Vorlesung Rückblick auf die letzte Vorlesung 1. Anwendungen des Satzes über implizite Funktionen 2. Stationäre Punkte implizit definierter Funktionen 3. Reguläre Punkte 4. Singuläre Punkte Ausblick auf die heutige

Mehr

Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen

Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen Dozentin: Wiebke Petersen 4. Foliensatz Wiebke Petersen math. Grundlagen 89 starke / schwache Ordnungen Eine Ordnung R einer Menge A ist

Mehr

Erwartungswert und Varianz von Zufallsvariablen

Erwartungswert und Varianz von Zufallsvariablen Kapitel 7 Erwartungswert und Varianz von Zufallsvariablen Im Folgenden sei (Ω, A, P ) ein Wahrscheinlichkeitsraum. Der Erwartungswert von X ist ein Lebesgue-Integral (allerdings allgemeiner als in Analysis

Mehr

Körper der komplexen Zahlen (1)

Körper der komplexen Zahlen (1) Die komplexen Zahlen Körper der komplexen Zahlen (1) Da in angeordneten Körpern stets x 2 0 gilt, kann die Gleichung x 2 = 1 in R keine Lösung haben. Wir werden nun einen Körper konstruieren, der die reellen

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester Musterlösung zu Blatt 10. f(z) f(z) dz

Übungen zur Vorlesung Funktionentheorie Sommersemester Musterlösung zu Blatt 10. f(z) f(z) dz UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Musterlösung zu Blatt 0 Aufgabe. Berechnen Sie

Mehr

Effiziente Algorithmen Lineares Programmieren 216. Schwache Dualität

Effiziente Algorithmen Lineares Programmieren 216. Schwache Dualität Effiziente Algorithmen Lineares Programmieren 216 Schwache Dualität Sei wieder z = max{ c T x Ax b, x 0 } (P ) und w = min{ b T u A T u c, u 0 }. (D) x ist primal zulässig, wenn x { x Ax b, x 0 }. u ist

Mehr

Prinzipien der modernen Kryptographie Sicherheit

Prinzipien der modernen Kryptographie Sicherheit Prinzipien der modernen Kryptographie Sicherheit Prinzip 1 Sicherheitsziel Die Sicherheitsziele müssen präzise definiert werden. Beispiele für ungenügende Definitionen von Sicherheit Kein Angreifer kann

Mehr

Permutationen und symmetrische Gruppe

Permutationen und symmetrische Gruppe Permutationen und symmetrische Gruppe Für eine beliebige Menge M bilden die Bijektionen von M in M, versehen mit der Komposition von Abbildungen als Operation, eine Gruppe, die sogenannte symmetrische

Mehr

Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen

Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen Dozentin: Wiebke Petersen 4. Foliensatz Wiebke Petersen math. Grundlagen 86 starke / schwache Ordnungen Eine Ordnung R einer Menge A ist

Mehr

Lösungshinweise zu den Hausaufgaben:

Lösungshinweise zu den Hausaufgaben: Dr. B. Ackermann, M. Borgart, Dr. I Rybak, M. Kutter, J. Veenman 14. Gruppenübung zur Vorlesung Höhere Mathematik 1 Wintersemester 010/11 Prof. Dr. M. Stroppel Prof. Dr. A. Sändig Lösungshinweise zu den

Mehr

Kombinatorik von Zahlenfolgen

Kombinatorik von Zahlenfolgen 6. April 2006 Vorlesung in der Orientierungswoche 1 Kombinatorik von Zahlenfolgen Einige Beispiele Jeder kennt die Fragen aus Intelligenztests, in denen man Zahlenfolgen fortsetzen soll. Zum Beispiel könnten

Mehr

10. Übung zur Linearen Algebra I -

10. Übung zur Linearen Algebra I - . Übung zur Linearen Algebra I - en Kommentare an Hannes.Klarner@FU-Berlin.de FU Berlin. WS 29-. Aufgabe 37 i Für welche α R besitzt das lineare Gleichungssystem 4 αx + αx 2 = 4x + α + 2x 2 = α genau eine,

Mehr

Die Zahlen e und π sind irrational.

Die Zahlen e und π sind irrational. Die Zahlen e und π sind irrational. Eva Gressung 2. Feruar 27 Die Zahl e ist irrational Zu Beginn dieses Aschnitts definieren wir die Eulersche Zahl e und zeigen anschließend, dass e irrational ist. Definition.

Mehr

Das Heiratsproblem. Definition Matching

Das Heiratsproblem. Definition Matching Das Heiratsproblem Szenario: Gegeben: n Frauen und m > n Männer. Bekanntschaftsbeziehungen zwischen allen Männern und Frauen. Fragestellung: Wann gibt es für jede der Frauen einen Heiratspartner? Modellierung

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Wann sind Codes eindeutig entschlüsselbar?

Wann sind Codes eindeutig entschlüsselbar? Wann sind Codes eindeutig entschlüsselbar? Definition Suffix Sei C ein Code. Ein Folge s {0, 1} heißt Suffix in C falls 1 c i, c j C : c i = c j s oder 2 c C und einen Suffix s in C: s = cs oder 3 c C

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 4

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 4 Prof. Dr. Bernhard Steffen Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt

Mehr

Analysis I - Einige Lösungen und Ergänzungen

Analysis I - Einige Lösungen und Ergänzungen Christian-Albrechts-Universität zu Kiel Mathematisch-Naturwissenschaftliche Fakultät Mathematisches Seminar Analysis I - Einige Lösungen und Ergänzungen von Dipl.-Math. Joscha Prochno Dipl.-Math. Dennis

Mehr

Anwendungen der Kombinatorik in der Analysis

Anwendungen der Kombinatorik in der Analysis Anwendungen der Kombinatorik in der Analysis Al-Aifari Reema 1. September 008 Bakkalaureatsarbeit aus Anwendungen der Kombinatorik in der Analysis, Johannes Kepler Universität Linz, WS 007/08. Name: Al-Aifari

Mehr

Das Zweikinderproblem

Das Zweikinderproblem Das Zweikinderproblem Definition Zweikinderproblem Eine Familie besitzt zwei Kinder. Wie groß ist die Wahrscheinlichkeit Pr[ Beide Kinder sind Mädchen. Eines der Kinder ist ein Mädchen ]? Lösung: Sei A

Mehr

Systems of Distinct Representatives

Systems of Distinct Representatives Systems of Distinct Representatives Seminar: Extremal Combinatorics Peter Fritz Lehr- und Forschungsgebiet Theoretische Informatik RWTH Aachen Systems of Distinct Representatives p. 1/41 Gliederung Einführung

Mehr

Prinzipien der modernen Kryptographie Sicherheit

Prinzipien der modernen Kryptographie Sicherheit Prinzipien der modernen Kryptographie Sicherheit Prinzip 1 Sicherheitsmodell Das Sicherheitsmodell (Berechnungsmodell, Angriffstypen, Sicherheitsziele) muss präzise definiert werden. Berechnungsmodell:

Mehr

H.J. Oberle Komplexe Funktionen SoSe Residuensatz

H.J. Oberle Komplexe Funktionen SoSe Residuensatz H.J. Oberle Komplexe Funktionen SoSe 2013 Partialbruch-Zerlegung. 10. Residuensatz Wir setzen unsere Untersuchung der isolierten Singularitäten einer holomorphen Funktion mit einer Methode fort, die komplexe

Mehr

Kompaktheit in topologischen Räumen

Kompaktheit in topologischen Räumen Kompaktheit in topologischen Räumen Joel Gotsch 21. Januar 2011 Inhaltsverzeichnis 1 Notation und Allgemeines 2 2 Definitionen 2 2.1 Allgemeine Definitionen..................... 2 2.2 Globale Kompaktheitseigenschaften...............

Mehr

Funktionentheorie. Lösungsvorschläge zum 6. Übungsblatt. f (w) w z dw.

Funktionentheorie. Lösungsvorschläge zum 6. Übungsblatt. f (w) w z dw. Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz SS 04 3.06.04 Funktionentheorie Lösungsvorschläge zum 6. Übungsblatt Aufgabe (K) a) Zeigen

Mehr

Willkommen zur Vorlesung Statistik (Master)

Willkommen zur Vorlesung Statistik (Master) Willkommen zur Vorlesung Statistik (Master) Thema dieser Vorlesung: Verteilung diskreter Zufallsvariablen Prof. Dr. Wolfgang Ludwig-Mayerhofer Universität Siegen Philosophische Fakultät, Seminar für Sozialwissenschaften

Mehr

Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)

Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) 1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 4: Konvergenz und Stetigkeit Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 22. November 2007) Folgen Eine Folge

Mehr

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) 1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,

Mehr

2 Direkte Lösungsverfahren für lineare Gleichungen

2 Direkte Lösungsverfahren für lineare Gleichungen 2 Direkte Lösungsverfahren für lineare Gleichungen (2.1) Sei L R N N eine normierte untere Dreiecksmatrix und b R N. Dann ist L invertierbar und das Lineare Gleichungssystem (LGS) Ly = b ist mit O(N 2

Mehr

3. Übung zum G8-Vorkurs Mathematik (WiSe 2011/12)

3. Übung zum G8-Vorkurs Mathematik (WiSe 2011/12) Technische Universität München Zentrum Mathematik PD Dr. Christian Karpfinger http://www.ma.tum.de/mathematik/g8vorkurs 3. Übung zum G8-Vorkurs Mathematik (WiSe 0/) Aufgabe 3.: Gehen Sie die Inhalte der

Mehr

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Proseminar Lineare Algebra SS10 Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Natalja Shesterina Heinrich-Heine-Universität ASymmetrische Polynome Definition 1 Sei n

Mehr

2 Direkte Lösungsverfahren für lineare Gleichungen

2 Direkte Lösungsverfahren für lineare Gleichungen (2.1) Sei x = (x n ) n=1,...,n R N, A = (a m,n ) m=1,...,m, n=1,...,n R M,N. a) Sei 1 m n N. Dann ist x[m : n] = (x k ) k=m,...,n R 1+n m Teilvektor von x. b) Seien 1 m 1 m 2 M, 1 n 1 n 2 N. Dann ist A[m

Mehr

Algorithmische Spieltheorie. Martin Gairing

Algorithmische Spieltheorie. Martin Gairing Algorithmische Spieltheorie Martin Gairing Folien zur Vorlesung vom 26.04.2004 Organisatorisches: Vorlesung Montags, 14:15-15:45 Uhr Übungen Montags, 16:00-17:00 Uhr Folien zur Vorlesung unter http://www.upb.de/cs/ag-monien/lehre/ss04/spieltheo/

Mehr

Lösungen 4.Übungsblatt

Lösungen 4.Übungsblatt Karlsruher Institut für Technology (KIT) WS 2011/2012 Institut für Analysis Priv.-Doz. Dr. Gerd Herzog Dipl.-Math.techn. Rainer Mandel Lösungen 4.Übungsblatt Aufgabe 13 (K) Bestimmen Sie sämtliche Häufungswerte

Mehr

Diskrete Kurven und Flächen

Diskrete Kurven und Flächen Vorlesung 18 Diskrete Kurven und Flächen 18.1 Polygonale Kurven in der Ebene Definition 18.1. Eine offene, orientierte polygonale Kurve P n im R 2 ist ein ebener Polygonzug bestehend aus 1. n voneinander

Mehr

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel Zuerst wollen wir die Gamma-Funktion definieren, die eine Verallgemeinerung von n! ist. Dazu benötigen wir einige Resultate. Lemma.

Mehr

1) Brillouin-Streuung zur Ermittlung der Schallgeschwindigkeit

1) Brillouin-Streuung zur Ermittlung der Schallgeschwindigkeit Übungen zu Materialwissenschaften II Prof. Alexander Holleitner Übungsleiter: Eric Parzinger / Jens Repp Kontakt: eric.parzinger@wsi.tum.de / jens.repp@wsi.tum.de Blatt 3, Besprechung: 7. und 14.5.214

Mehr

15 Grundlagen der Idealtheorie

15 Grundlagen der Idealtheorie 15 Grundlagen der Idealtheorie Definition und Lemma 15.1. Sei R ein Ring, S R. x R nennt man eine R-Linearkombination von Elementen in) S falls n N 0, s 1,..., s n S, λ 1,..., λ n R mit x = n i=1 λ is

Mehr

Sei R ein Integritätsring. R heißt Hauptidealring, falls jedes Ideal I R ein Hauptideal ist, d.h. I = b := Rb := {rb r R} für ein b R.

Sei R ein Integritätsring. R heißt Hauptidealring, falls jedes Ideal I R ein Hauptideal ist, d.h. I = b := Rb := {rb r R} für ein b R. Hauptidealring Definition Hauptideal Sei R ein Integritätsring. R heißt Hauptidealring, falls jedes Ideal I R ein Hauptideal ist, d.h. I = b := Rb := {rb r R} für ein b R. Satz Jeder euklidische Ring R

Mehr

Lösungsvorschläge für das 5. Übungsblatt

Lösungsvorschläge für das 5. Übungsblatt Lösungsvorschläge für das 5. Übungsblatt Aufgabe 6 a) Sei = [0, ], f(x) := [e x ] für x. Hierbei ist [y] := maxk Z k y} für y. Behauptung: f ist messbar und es ist f(x) dx = 2 log 2. falls x [0, log 2),

Mehr

8. Übungsblatt zur Vorlesung Mathematik I für Informatik

8. Übungsblatt zur Vorlesung Mathematik I für Informatik Fachbereich Mathematik Prof. Dr. Thomas Streicher Dr. Sven Herrmann Dipl.-Math. Susanne Pape 8. Übungsblatt zur Vorlesung Mathematik I für Informatik Wintersemester 2009/2010 01./02. Dezember 2009 Gruppenübung

Mehr

Algorithmen und Datenstrukturen SS09. Foliensatz 15. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik

Algorithmen und Datenstrukturen SS09. Foliensatz 15. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik Foliensatz 15 Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Sommersemester 2009 TU Ilmenau Seite 1 / 16 Untere Schranken für das Vergleichsbasierte Sortieren TU

Mehr

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

Entscheidungsbäume. 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

Mehr

Prinzip der Inklusion- Exklusion

Prinzip der Inklusion- Exklusion Prinzip der Inklusion- Exklusion Ziel: Zählen von Elementen in nicht-disjunkten Mengen. 2 Mengen A 1, A 2 : Zählen zunächst die Elemente in A 1. Addieren dazu die Anzahl der Elemente in A 2. Zählen damit

Mehr

Stetige Funktionen, Binomischer Lehrsatz

Stetige Funktionen, Binomischer Lehrsatz Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.

Mehr

A U F G A B E N A N A L Y S I S. 11. Vorlesung Zeigen Sie, mit Hilfe der ɛ-δ -Sprache, daß die Funktion x, x 0, stetig bei x 0 = 5 ist.

A U F G A B E N A N A L Y S I S. 11. Vorlesung Zeigen Sie, mit Hilfe der ɛ-δ -Sprache, daß die Funktion x, x 0, stetig bei x 0 = 5 ist. A U F G A B E N A N A L Y S I S. Vorlesung. Zeigen Sie, mit Hilfe der ɛ-δ -Sprache, daß die Funktion, 0, stetig bei 0 = 5 ist. Lösung: Es sei 5 < ɛ. () Daraus folgt 5 ɛ < < 5 + ɛ () oder Folglich gilt

Mehr

8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem

8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem 8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem 8.1 Der Kompaktheitssatz Kompaktheitssatz Endlichkeitssatz Der Kompaktheitssatz ist auch unter dem Namen Endlichkeitssatz bekannt. Unter Verwendung

Mehr

Kapitel 8 Absolutstetige Verteilungen

Kapitel 8 Absolutstetige Verteilungen Kapitel 8 Absolutstetige Verteilungen Vorlesung Wahrscheinlichkeitsrechnung I vom 27. Mai 2009 Lehrstuhl für Angewandte Mathematik FAU 8. Absolutstetige Verteilungen Charakterisierung von Verteilungen

Mehr

Hauptklausur zur Stochastik für Lehramt

Hauptklausur zur Stochastik für Lehramt Universität Duisburg-Essen Essen, den 20.02.203 Fakultät für Mathematik Dr. Daniel Herden Dipl.-Inf. Christian Thiel Matthias aus der Wiesche Hauptklausur zur Stochastik für Lehramt Bearbeitungszeit: mind.

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 23 Die Gradformel Satz 1. Seien K L und L M endliche Körperweiterungen. Dann ist auch K M eine endliche Körpererweiterung und

Mehr

Analysis für Informatiker

Analysis für Informatiker Analysis für Informatiker Wintersemester 2017/2018 Carsten.Schneider@risc.jku.at 1 Bemerkung: Dies ist kein Skript, welches den gesamten Inhalt der Vorlesung abdeckt. Es soll den Studierenden aber während

Mehr

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012

Darstellungssatz von Riesz in vollständig regulären Räumen. Carina Pöll Wintersemester 2012 Darstellungssatz von Riesz in vollständig regulären Räumen Carina Pöll 0726726 Wintersemester 2012 Inhaltsverzeichnis 1 Einleitung 1 2 Definitionen und Resultate aus der Topologie 1 3 Der Darstellungssatz

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Wintersemester 2012/13 25. Vorlesung Dynamisches Programmieren Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Klausurvorbereitung Tipp: Schreiben Sie sich alle Fragen

Mehr

Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik

Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik UNIVERSITÄT ULM Institut für Zahlentheorie und Wahrscheinlichkeitstheorie Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik Prof. Dr. Helmut Maier, Hans- Peter Reck Gesamtpunktzahl: 100

Mehr

Lineare Algebra 6. Übungsblatt

Lineare Algebra 6. Übungsblatt Lineare Algebra 6. Übungsblatt Fachbereich Mathematik M. Schneider 16.05.01 Konstantin Pertschik, Daniel Körnlein Gruppenübung Aufgabe G19 Berechnen Sie das inverse Element bzgl. Multiplikation in der

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 17 Potenzreihen Definition 17.1. Es sei (c n ) n N eine Folge von reellen Zahlen und x eine weitere reelle Zahl. Dann heißt

Mehr

13 Auswahlaxiom und Zornsches Lemma

13 Auswahlaxiom und Zornsches Lemma 13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses

Mehr

2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung

2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche: Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 24/ 44 Zwei Beispiele a 0

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 2

Technische Universität München Zentrum Mathematik. Übungsblatt 2 Technische Universität München Zentrum Mathematik Mathematik 2 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 2 Hausaufgaben Aufgabe 2.1 Sei [a, b] R ein Intervall und ( ) n N [a,

Mehr

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen: Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere

Mehr

Satz Eine Teilmenge U von M ist genau dann offen, wenn jeder Punkt von U innerer Punkt ist. U x, und U ist als Vereinigung offener Mengen offen.

Satz Eine Teilmenge U von M ist genau dann offen, wenn jeder Punkt von U innerer Punkt ist. U x, und U ist als Vereinigung offener Mengen offen. Ergänzungen zu offenen und abgeschlossenen Mengen Definition Ist L Teilmenge eines topologischen Raums M, so heißt x L innerer Punkt von L, wenn es eine offene Umgebung von x gibt, die ganz in L liegt.

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 1 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Übungen zur Vorlesung Stochastische Prozesse Musterlösungen Aufgabe 1: (Verzweigungsprozess) Die

Mehr

Bewegungsplanung bei unvollständiger Information

Bewegungsplanung bei unvollständiger Information Bewegungsplanung bei unvollständiger Information Sebastian Hempel Aktuelle Forschungsthemen in der Algorithmik Überblick 1. Einleitung 2. Auswege aus einem Labyrinth 3. Finden eines Ziels in unbekannter

Mehr

Lineare Algebra I 5. Tutorium Die Restklassenringe /n

Lineare Algebra I 5. Tutorium Die Restklassenringe /n Lineare Algebra I 5. Tutorium Die Restklassenringe /n Fachbereich Mathematik WS 2010/2011 Prof. Dr. Kollross 19. November 2010 Dr. Le Roux Dipl.-Math. Susanne Kürsten Aufgaben In diesem Tutrorium soll

Mehr

i Pr(X = i). Bsp: Sei X die Summe zweier Würfe eines Würfels. Dann gilt E[X] =

i Pr(X = i). Bsp: Sei X die Summe zweier Würfe eines Würfels. Dann gilt E[X] = Erwartungswert Definition Erwartungswert Der Erwartungswert einer diskreten ZV ist definiert als E[X] = i i Pr(X = i). E[X] ist endlich, falls i i Pr(X = i) konvergiert, sonst unendlich. Bsp: Sei X die

Mehr

Häufungspunkte und Satz von Bolzano und Weierstraß.

Häufungspunkte und Satz von Bolzano und Weierstraß. Häufungspunkte und Satz von Bolzano und Weierstraß. Definition: Sei (a nk ) k N eine konvergente Teilfolge der Folge (a n ) n N.Dannwirdder Grenzwert der Teilfolge (a nk ) k N als Häufungspunkt der Folge

Mehr

9. Gruppenübung zur Vorlesung. Höhere Mathematik 2. Sommersemester x 3 + 4x 2 + 4x + 1 d x (d) x ln(x) d x. lim tan(a/2) + 1

9. Gruppenübung zur Vorlesung. Höhere Mathematik 2. Sommersemester x 3 + 4x 2 + 4x + 1 d x (d) x ln(x) d x. lim tan(a/2) + 1 O. Alaya, R. Bauer M. Fetzer, K. Sanei Kashani, F. Kissling B. Krinn, J. Schmid 9. Gruppenübung zur Vorlesung Höhere Mathematik Sommersemester 3 Lösungshinweise zu den Hausaufgaben: π Dr. M. Künzer Prof.

Mehr

Absolute Stetigkeit von Maßen

Absolute 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

Mehr

Thema 3 Folgen, Grenzwerte

Thema 3 Folgen, Grenzwerte Thema 3 Folgen, Grenzwerte Definition Eine Folge von reellen Zahlen ist eine Abbildung von N in R d.h. jedem n N ist eine Zahl a n zugeordnet. Wir schreiben für eine solche Folge. Beispiele. (a n ) n N

Mehr

Vollständigkeit. 1 Konstruktion der reellen Zahlen

Vollständigkeit. 1 Konstruktion der reellen Zahlen Vortrag im Rahmen des Proseminars zur Analysis, 17.03.2006 Albert Zeyer Ziel des Vortrags ist es, die Vollständigkeit auf Basis der Konstruktion von R über die CAUCHY-Folgen zu beweisen und äquivalente

Mehr

Algebraische Kurven - Vorlesung 29. Projektion weg von einem Punkt

Algebraische Kurven - Vorlesung 29. Projektion weg von einem Punkt Algebraische Kurven - Vorlesung 29 Definition 1. Die Abbildung P n K Projektion weg von einem Punkt {(1, 0,..., 0)} Pn 1 K, (x 0, x 1...,x n ) (x 1,..., x n ), heißt die Projektion weg vom Punkt (1, 0,...,

Mehr

Elemente der Algebra

Elemente der Algebra Prof. Dr. H. Brenner Osnabrück SS 2015 Elemente der Algebra Vorlesung 1 Der Gruppenbegriff Definition 1.1. Eine Verknüpfung auf einer Menge M ist eine Abbildung : M M M, (x,y) (x,y) = x y. Statt (x,y)

Mehr

Folglich besitzt die kanonische Faktorisierung von Permutationen der Ordnung 2 nur 2-Zykeln, also Transpositionen, als Elemente.

Folglich besitzt die kanonische Faktorisierung von Permutationen der Ordnung 2 nur 2-Zykeln, also Transpositionen, als Elemente. Stefan K. 5.Übungsblatt Algebra I Aufgabe 1 gesucht: die Elemente von S n mit der Ordnung 2 Lösung: Wir betrachten die kanonische Faktorisierung einer Permutation π S n : jede Permutation π e Sn ist bis

Mehr

Musterlösung zu Blatt 11, Aufgabe 1

Musterlösung zu Blatt 11, Aufgabe 1 Musterlösung zu Blatt, Aufgabe Analysis II MIIA SoSe 7 Martin Schottenloher Musterlösung zu Blatt, Aufgabe I Aufgabenstellung Berechnen Sie folgende komplexe Kurvenintegrale vgl. 3.9: a zn dz für n N,

Mehr

Die Topologie von R, C und R n

Die Topologie von R, C und R n Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).

Mehr

Übungen zur Vorlesung MATHEMATIK II

Übungen zur Vorlesung MATHEMATIK II Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom

Mehr

Lineare Algebra I. - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Monday 12 September 16

Lineare Algebra I. - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Monday 12 September 16 Lineare Algebra I - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß 1. Mengen und Abbildungen: Mengen gehören zu den Grundlegendsten Objekten in der Mathematik Kurze Einführung in die (naive) Mengelehre

Mehr

Die Hamming-Distanz definiert eine Metrik.

Die Hamming-Distanz definiert eine Metrik. Die Hamming-Distanz definiert eine Metrik. Satz Metrik Hamming-Distanz Die Hamming-Distanz ist eine Metrik auf {0, 1} n, d.h. für alle x, y, z {0, 1} n gilt: 1 Positivität: d(x, y) 0, Gleichheit gdw x

Mehr

Hardcore-Prädikat. Definition Hardcore-Prädikat. Ziel: Destilliere Komplexität des Invertierens auf ein Bit.

Hardcore-Prädikat. Definition Hardcore-Prädikat. Ziel: Destilliere Komplexität des Invertierens auf ein Bit. Hardcore-Prädikat Ziel: Destilliere Komplexität des Invertierens auf ein Bit. Definition Hardcore-Prädikat Sei Π f eine Einwegfunktion. Sei hc ein deterministischer pt Alg mit Ausgabe eines Bits hc(x)

Mehr

Analysis I. 2. Übungsstunde. Steven Battilana. battilana.uk/teaching

Analysis I. 2. Übungsstunde. Steven Battilana. battilana.uk/teaching Analysis I. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching March 5, 07 Erinnerung (Euler Formel). e iϕ = cos ϕ + i sin ϕ. Die Polarform von z = x + iy C sei Euler Formel z

Mehr

Statistische Physik - Theorie der Wärme (PD Dr. M. Falcke) Übungsblatt 12: Ferromagnet

Statistische Physik - Theorie der Wärme (PD Dr. M. Falcke) Übungsblatt 12: Ferromagnet Freie Universität Berlin WS 2006/2007 Fachbereich Physik 26.01.2007 Statistische Physik - heorie der Wärme PD Dr. M. Falcke) Übungsblatt 12: Ferromagnet Aufgabe 1 6 Punkte) Ein ferromagnetisches System

Mehr

Vorlesung Algebra I. Inhaltsverzeichnis 1. Einleitung 1 2. Gruppen Einleitung

Vorlesung Algebra I. Inhaltsverzeichnis 1. Einleitung 1 2. Gruppen Einleitung Vorlesung Algebra I Christian Lehn Inhaltsverzeichnis 1. Einleitung 1 2. Gruppen 5 1.1. Vorkenntnisse Gruppen 1. Einleitung Definition. Es sei G eine Menge. Eine Verknüpfung auf G ist eine Abbildung :

Mehr

Algorithmentheorie 1. Vorlesung

Algorithmentheorie 1. Vorlesung Algorithmentheorie 1. Vorlesung Martin Dietzfelbinger 6. April 2006 FG KTuEA, TU Ilmenau AT 06.04.2006 Methode, Material Vorlesung Vorlesungsskript (Netz, Copyshop) Folien (im Netz) Vorlesung nachbereiten!

Mehr

2.9 Die komplexen Zahlen

2.9 Die komplexen Zahlen LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in

Mehr

Resolution für die Aussagenlogik

Resolution für die Aussagenlogik Resolution für die Aussagenlogik Der Resolutionskakül ist ein Beweiskalkül, der auf Klauselmengen, d.h. Formeln in KNF arbeitet und nur eine Schlußregel besitzt. Der Resolution liegt die folgende Vorstellung

Mehr

Einführung in Markoff-Ketten

Einführung in Markoff-Ketten Einführung in Markoff-Ketten von Peter Pfaffelhuber Version: 6. Juli 200 Inhaltsverzeichnis 0 Vorbemerkung Grundlegendes 2 Stationäre Verteilungen 6 3 Markoff-Ketten-Konvergenzsatz 8 0 Vorbemerkung Die

Mehr

Vorlesung Diskrete Strukturen Ordnungsrelationen

Vorlesung Diskrete Strukturen Ordnungsrelationen Vorlesung Diskrete Strukturen Ordnungsrelationen Bernhard Ganter WS 2009/10 Ein Spiegelei zubereiten... Was muss man tun, wenn man ein Spiegelei brät? HE Herd einschalten PH Pfanne auf den Herd stellen

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 91

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 91 Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : R R systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufgabe 45. Polynome sind stets stetig. Höhere Mathematik für Informatiker II (Sommersemester

Mehr

Algebra I. Prof. Dr. M. Rost. Übungen Blatt 4 (WS 2015/16) 1. Abgabetermin: Donnerstag, 19. November.

Algebra I. Prof. Dr. M. Rost. Übungen Blatt 4 (WS 2015/16) 1. Abgabetermin: Donnerstag, 19. November. Algebra I Prof. Dr. M. Rost Übungen Blatt 4 (WS 2015/16) 1 Abgabetermin: Donnerstag, 19. November http://www.math.uni-bielefeld.de/~rost/a1 Erinnerungen an die Vorlesung: Im Folgenden werden manchmal einige

Mehr

ε δ Definition der Stetigkeit.

ε δ Definition der Stetigkeit. ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x

Mehr

Übungen zur Analysis II Blatt 27 - Lösungen

Übungen zur Analysis II Blatt 27 - Lösungen Prof. Dr. Torsten Wedhorn SoSe 22 Daniel Wortmann Übungen zur Analysis II Blatt 27 - Lösungen Aufgabe 5: 6+6+6* Punkte Bestimme alle lokalen Extrema der folgenden Funktionen: a b c* f : R 3 R g : R 2 R

Mehr

Blatt 0: Mathematik I für Ingenieure (B) Abbildungen und Kompositionen. apl. Prof. Dr. Matthias Kunik/ Dr. Uwe Risch

Blatt 0: Mathematik I für Ingenieure (B) Abbildungen und Kompositionen. apl. Prof. Dr. Matthias Kunik/ Dr. Uwe Risch Blatt 0: Mathematik I für Ingenieure (B) apl. Prof. Dr. Matthias Kunik/ Dr. Uwe Risch 10.10.016 Abbildungen und Kompositionen Allgemeine Erklärungen: Siehe Seite 1 zu Anmerkungen zu Mengen und Abbildungen!

Mehr

Lineare Algebra II Lösungen der Aufgaben 42 und 43

Lineare Algebra II Lösungen der Aufgaben 42 und 43 D Blottière SS 7 P Schützdeller Universität Paderborn Lineare Algebra II Lösungen der Aufgaben 4 und 43 Aufgabe 4 : Bemerkungen : Es sei V ein n-dimensionaler Vektorraum über einem Körper K und β : V V

Mehr

e x e x x e x + e x (falls die Grenzwerte existieren), e x e x 1 e 2x = lim x 1

e x e x x e x + e x (falls die Grenzwerte existieren), e x e x 1 e 2x = lim x 1 Aufgabe a Hier kann man die Regel von de l Hospital zweimal anwenden (jeweils und die Ableitung des Nenners ist für hinreichend große x ungleich. Dies führt auf e x e x e x + e x e x + e x e x e x e x

Mehr

Drehung um einen Punkt um Winkel α.

Drehung um einen Punkt um Winkel α. Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D

Mehr