Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* aller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt:

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* aller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt:"

Transkript

1 8. Grundlgen der Informtionstheorie 8.1 Informtionsgehlt, Entropie, Redundnz Def.: Sei Σ eine Menge von Zeichen. Die Menge Σ* ller Zeichenketten (Wörter) über Σ ist die kleinste Menge, für die gilt: 1. die leere Zeichenkette ε ist Element von Σ*, 2. flls Σ und w Σ*, so ist w Σ*. w bezeichnet mn uch ls Konktention (Hintereinnderschreibung) von und w. Nchricht: Folge von Zeichen, die von Sender (Quelle) n Empfänger (Senke) übermittelt wird. Also: Nchricht Element von Σ* für ein Alphbet Σ. Informtion: intuitiv: ws durch eine Nchricht übermittelt wird, Bedeutung der Nchricht Informtionstheorie nch Shnnon: Versuch, Begriff der Informtion rein sttistisch zu erfssen (sttistischer) Informtionsgehlt I(x) einer Nchricht x (nch Shnnon) intuitiv: Anzhl der Bits, die notwendig sind, um Nchricht in bzgl. Wortlänge optimlem Code binär zu codieren hängt b von Auftrittswhrscheinlichkeit der Zeichen (hier Whrscheinlichkeit = reltive Häufigkeit) Seien A und B Ereignisse, für die Whrscheinlichkeit von A und B (w(a) bzw. w(b)) gilt: 1. 0 w(a) 1 2. w(a) = 1 flls A sicher 3. w(a oder B) = w(a) + w(b) flls A und B sich usschließen drus bleitbr etw: w(nicht A) = 1 - w(a), w(a und B) = w(a) w(b) flls A und B unbhängig,... Forderungen n Informtionsgehlt: 1. Je seltener Zeichen uftritt, desto höher soll sein Informtionsgehlt sein 2. Der Informtionsgehlt einer Zeichenkette soll sich us Summe der Informtionsgehlte der Zeichen ergeben: I(x1...xn) = I(x1) I(xn) 3. Der Informtionsgehlt eines bsolut sicheren Zeichens ist 0. Logrithmus einfchste Funktion, durch die diese Bedingungen erfüllt werden können, lso definiert mn für Zeichen x: I(x ) = log2 1 w(x) [bit] (= - log 2 w(x)) Informtionsgehlt einer Nchricht ergibt sich us 2. Beispiele:

2 ) Sendet Quelle immer dsselbe Zeichen x, so ist w(x)=1 und dmit I(x) = 0 b) Im binären Fll gilt, unter Vorussetzung w(0) = 0.5 und w(1) = 0.5: I(0) = I(1) = 1. Informtionsgehlt ist die Länge der übertrgenen Zeichenkette c) Gibt es 2 k Symbole gleicher Whrscheinlichkeit, so ist I(s) = k für jedes Symbol s. d) In deutschen Texten tritt b mit Whrscheinlichkeit uf, lso 1 1 log I(b) = log = log(2) = 5.79 Bemerkung: log b (x) = log 10 (x) / log 10 (b) Entropie: mittlerer Informtionsgehlt eines Zeichens einer Quelle oder Nchricht (bstrkt gesehen dsselbe, ws mn brucht ist Alphbet + Whrsch. der Symbole) erhält mn durch Aufsummieren ller Informtionsgehlte der Zeichen des Alphbets, gewichtet mit der Whrscheinlichkeit der Zeichen: (Nme wegen Anlogie zur Thermodynmik) Def.: Seien Σ = {x1,...,xn} ein Alphbet und w eine Whrscheinlichkeitsverteilung über Σ. Die Entropie H von Σ und w ist wie folgt definiert: n n 1 H = w(xi)ld = w(xi)i(xi) w(xi) i =1 Entropie m größten, wenn lle Whrscheinlichkeiten der Zeichen gleich sind. Beispiele: 1 Zeichen mit w() = 1: H = 0 2 Zeichen,b, w() = w(b) = 0.5 H = 0.5 * * 1 = 1 4 Zeichen,b,c,d mit gleicher W H = 2 4 Zeichen,b,c, d mit w() =.5, w(b) = 0.25, w(c) = w(d) = H = 1/2 * 1 + 1/4 * 2 + 1/4 * 3 = 1.75 Def.: Seien A, B Alphbete. Eine Codierung C von A in B ist eine injektive Abbildung C: A -> B*. Binärcodierung: B = 2, meist B = {0,1} mittlere Wortlänge eines Codes C für A = {1,..., n} und Whrscheinlichkeitsverteilung w für A : wobei l i Länge von C( i ). L = n i =1 i =1 w(i)li

3 Shnnon sches Codierungstheorem: Seien Σ = {x1,...,xn} ein Alphbet, w eine Whrscheinlichkeitsverteilung über Σ und H die Entropie von Σ und w. Sei C eine Binärcodierung von Σ und L ihre mittlere Wortlänge. Es gilt: H L (Gleichheit kriegt mn hin, wenn Codierungen von Zeichengruppen zugelssen: C: A* -> B*) intuitiv: mn knn für eine Nchricht mit Entropie H keine Binärcodierung finden, die mit weniger ls H Bits pro Zeichen (im Schnitt) uskommt. Code-Redundnz: R = L - H gesucht oft: Code mit möglichst wenig Redundnz (ndererseits erhöht Redundnz ntürlich Übertrgungssicherheit) Beispiel: s w(s) I(s) 1/2 1 b 1/4 2 c 1/8 3 d 1/8 3 Entropie: 1/2 * 1 + 1/4 * 2 + 1/8 * 3 + 1/8 * 3 = 1.75 Codierung 1: -> 00 b -> 01 c -> 10 d -> 11 Code fester Wortlänge mittlere Wortlänge: 1/2 * 2 + 1/4 * 2 + 1/8 * 2 + 1/8 * 2 = 2 Redundnz: = 0.25 Codierung 2: -> 1 b -> 01 c -> 000 d -> 001 Code vribler Wortlänge wichtig: Fno-Eigenschft: kein Codewort ist Anfngsstück eines nderen mittlere Wortlänge: 1/2 * 1 + 1/4 * 2 + 1/8 * 3 + 1/8 * 3 = 1.75 dmit Redundnz 0, lso bezogen uf die mittlere Wortlänge optimler Code

4 8.2 Berechnung optimler Binärcodes nch Huffmn Def.: Ein Binärcode C für ein Alphbet ist eine injektive Abbildung: * C : Σ {0,1} Binärcodes lssen sich durch Code-Bäume repräsentieren: () Σ = {, b}, C( ) = 0, C( b) = b b) = {, b, c, d}, A( ) = 00 A( b) = 01 A( c) = 10 A( d) = b c d c) = {, b, c, d}, B( ) = 0 B( b) = 10 B( c) = 110 B( d) = 111 b c d Repräsenttion: Jeder Binärcode für knn ls Binärbum mit Symbolen us n den Knoten repräsentiert werden.

5 Definition: heißt Präfix von b b, flls * * 1 n 1 l n l und b = für lle i n. Definition: i ( j ) i * { } C ( ) Ein Binärcode C : 0,1 heißt Präfixcode, flls kein Präfix eines C mit i j ist. Vorteil von Präfixcodes: 0-1-Folgen können eindeutig dekodiert werden. In Beispiel (c) codiert ds Wort c d b. Entsprechen Code-Bäumen, die Symbole us nur n den Blättern hben! i Ws sind "gute" Präfixcodes? (,w) sei ein Alphbet mit einer Whrscheinlichkeitsverteilung w: [0,1]. Beispiel: = {, b, c, d}, w ( ) = 0,5 w ( b) = 0, 25 w( c) = 0,125 w( d) = 0,125 Def.: Sei (,w) gegeben und C ein Binärcode. Die mittlere Wortlänge L C (,w) des Codes C über (,w) ist Beispiele: (w und A, B oben definiert) () L, w = 2 A ( ) ( w) (b) L, = 1,75. B ( ) LC (, w) = w( ) l C( ). Ein Präfixcode ist "gut", flls die mittlere Wortlänge klein ist. Wie bekommt mn optimlen Präfixcode (bzgl. Codierung einzelner Zeichen) für (,w)? Algorithmus von Huffmn: ( ) = { } Sei, mit,, gegeben. w 1 n Verwendete Dtenstuktur: ( B, w) mit B Bum und w [ 0,1 ]. Initilisierung: Eingbe der Liste (, w( )),(, w( )),...(, w ( )) n n n

6 Dnn wird n-1 ml folgende Opertion durchgeführt: ( B1, w1 ),...,( Bk, w k ) gegeben. Bestimme w i, w j miniml unter {w 1,..., w k } und berechne die Liste (( Bl, wl ), l { i, j} ),, wi + wj B i Bj Nch n-1 Itertionen enthält die Liste nur noch 1 Element. Dieses liefert die Bumrepräsenttion B des gesuchten Binärcodes. Beispiel: 0,05 0,09 0,12 0,13 0,16 0,45 f e c b d 0,14 0,12 0,13 0,16 0,45 f e c b d 0,14 0,25 0,16 0,45 d f e c b 0,30 0,25 0,45 f e d c b

7 0,55 0,45 d c b f e C(f) = 0000 C(e) = 0001 C(d) = 001 C(c) = 010 C(b) = 011 C() = 1 d c b f e 8.3 Code-Sicherung Grundfrge: wie knn mn Binärcodierungen so wählen, dss Fehler erknnt, möglicherweise sogr behoben werden können? redundnte Codierung: Mß für Störsicherheit eines Codes: Hmming-Distnz: minimle Anzhl von Bits, in denen sich die Codes von 2 verschiedenen Zeichen unterscheiden Beispiel: Ziffern 1 bis 4 in Binärcodierung Codierung ): C(1) = 001, C(2) = 010, C(3) = 011, C(4) = 100 Mtrix der Distnzen:

8 Hmming-Distnz h = 1 knn sein, dss unbemerkt flsche Nchricht nkommt, wenn nur 1 Bit fehlerhft übertrgen wird. Codierung b): C(1) = 000, C(2) = 011, C(3) = 101, C(4) = 110 Mtrix der Distnzen: Hmming-Distnz h = 2 wenn 1 Bit fehlerhft übertrgen wird, merkt mn, dss etws ful ist! Einfche Möglichkeit Hmming-Distnz von mindestens 2 zu erreichen: m-us-n Codes: Code jedes Zeichens ht Länge n, dvon genu m ml 1. Beispiel: Zeichen 2-us-5-Code 1-us-10-Code h mindestens 2

9 Codes mit Pritätsbits Häufig verwendete Methode der Fehlererkennung und Korrektur. Grundidee: zusätzliche Pritäts-Bits geben n, ob Anzhl der Einsen im "eigentlichen" Code eines Zeichens gerde oder ungerde ist (z.b. 0 flls gerde, 1 flls ungerde) Beispiel (im ASCII-Code): s ASCII(s) Prity Bit I N F O R M A T K jetzt knn mn feststellen, ob 1 Bit fehlerhft übertrgen wurde (ber nicht welches) Erweiterung zu Rechteck-Codes: nch Übertrgung von jeweils k Zeichen wird ein Längsprüfwort gesendet, ds ngibt, ob die Anzhl der jeweils 1., 2., 3. usw. Bits der gesendeten Wörter gerde ist. Sender will INFORMATIK übermitteln, Empfänger erhält (Reihenfolge der empfngenen Bits: spltenweise von oben nch unten, Splten von links nch rechts). empfngene Längsprüf- empfngene Längsprüf- empfngene Dten wort Dten wort Dten Pritäts-Bits ANFO RMAP IK empfngen INFO RMAT IK korrigiert

Präfixcodes und der Huffman Algorithmus

Präfixcodes und der Huffman Algorithmus Präfixcodes und der Huffmn Algorithmus Präfixcodes und Codebäume Im Folgenden werden wir Codes untersuchen, die in der Regel keine Blockcodes sind. In diesem Fll können Codewörter verschiedene Länge hben

Mehr

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt

Mehr

Wirtschaftsinformatik Informatik Grundlagen

Wirtschaftsinformatik Informatik Grundlagen C:\WINDOWS\TEMP\wiweig.doc Wirtschftsinformtik Informtik Grundlgen Grundlgen der Codierung Informtion und Kommuniktion Kommuniktion ist der Austusch von Informtionen. Dies setzt Verschlüsselung der Informtion

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mthemtik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mthemtik für Informtiker I (Wintersemester 00/00) Aufgbenbltt (. Oktober 00)

Mehr

7.9A. Nullstellensuche nach Newton

7.9A. Nullstellensuche nach Newton 7.9A. Nullstellensuche nch Newton Wir hben früher bemerkt, dß zur Auffindung von Nullstellen einer gegebenen Funktion oft nur Näherungsverfhren helfen. Eine lte, ber wirkungsvolle Methode ist ds Newton-Verfhren

Mehr

1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes

1. Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 1 Woche: Einführung in die Codierungstheorie, Definition Codes, Präfixcode, kompakte Codes 5/ 44 Unser Modell Shannon

Mehr

5.2 BASIC MSC (BMSC) BASIC MSC. Kommunikation zwischen Instanzen. Message Sequence Charts

5.2 BASIC MSC (BMSC) BASIC MSC. Kommunikation zwischen Instanzen. Message Sequence Charts BASIC MSC Ein System besteht us Instnzen. Eine Instnz ist eine bstrkte Einheit, deren Interktion mit nderen Instnzen oder mit der Umgebung mn (teilweise) beobchten knn. Instnzen kommunizieren untereinnder

Mehr

Endliche Automaten. S. Kuske: Endliche Automaten; 6.Novenber 2006

Endliche Automaten. S. Kuske: Endliche Automaten; 6.Novenber 2006 1 Endliche Automten Einfches Modellierungswekzeug (z.b. UML-Sttechrts) Verrbeiten Wörter/Ereignisfolgen Erkennen Sprchen Erluben schnelle Sprcherkennung Anwendungsbereiche: Objektorientierte Modellierung,

Mehr

- 1 - VB Inhaltsverzeichnis

- 1 - VB Inhaltsverzeichnis - - VB Inhltsverzeichnis Inhltsverzeichnis... Die Inverse einer Mtrix.... Definition der Einheitsmtrix.... Bedingung für die inverse Mtrix.... Berechnung der Inversen Mtrix..... Ds Verfhren nch Guß mit

Mehr

BINOMISCHE FORMELN FRANZ LEMMERMEYER

BINOMISCHE FORMELN FRANZ LEMMERMEYER BINOMISCHE FORMELN FRANZ LEMMERMEYER Ds Distributivgesetz. Die binomischen Formeln sind im wesentlichen Vrinten des Distributivgesetzes. Dieses kennen wir schon; es besgt, dss () (b + = b + c und ( + b)c

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 5 Ds Pumping Lemm Schufchprinzip (Folie 144) Automten und formle Sprchen Notizen zu den Folien Im Block Ds Schufchprinzip für endliche Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl

Mehr

Lösungen Quadratische Gleichungen. x = x x = Also probieren wir es 3 4 = 12. x + + = Lösen Sie die folgenden Gleichungen nach x auf:

Lösungen Quadratische Gleichungen. x = x x = Also probieren wir es 3 4 = 12. x + + = Lösen Sie die folgenden Gleichungen nach x auf: Aufgbe : ) Lösen Sie die folgenden Gleichungen nch uf: = kein Problem einfch die Wurel iehen und ds ± nicht vergessen.. = = ±, b) + 5 = 0 Hier hben wir bei jedem Ausdruck ein, lso können wir usklmmern:

Mehr

Multiplikative Inverse

Multiplikative Inverse Multipliktive Inverse Ein Streifzug durch ds Bruchrechnen in Restklssen von Yimin Ge, Jänner 2006 Viele Leute hben Probleme dbei, Brüche und Restklssen unter einen Hut zu bringen. Dieser kurze Aufstz soll

Mehr

Vorkurs Mathematik DIFFERENTIATION

Vorkurs Mathematik DIFFERENTIATION Vorkurs Mthemtik 6 DIFFERENTIATION Beispiel (Ableitung von sin( )). Es seien f() = sin g() = h() =f(g()) = sin. (f () =cos) (g () =) Also ist die Ableitung von h: h () =f (g())g () =cos = cos. Mn nennt

Mehr

Thema 13 Integrale, die von einem Parameter abhängen, Integrale von Funktionen auf Teilmengen von R n

Thema 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

Mehr

Grundlagen zu Datenstrukturen und Algorithmen Schmitt, Schömer SS 2001

Grundlagen zu Datenstrukturen und Algorithmen Schmitt, Schömer SS 2001 Grundlgen zu Dtenstrukturen und Algorithmen Schmitt, Schömer SS 001 http://www.mpi-sb.mpg.de/~sschmitt/info5-ss01 U N S A R I V E R S A V I E I T A S N I S S Lösungsvorschläge für ds 4. Übungsbltt Letzte

Mehr

Funktionen und Mächtigkeiten

Funktionen und Mächtigkeiten Vorlesung Funktionen und Mähtigkeiten. Etws Mengenlehre In der Folge reiten wir intuitiv mit Mengen. Eine Menge ist eine Zusmmenfssung von Elementen. Zum Beispiel ist A = {,,,,5} eine endlihe Menge mit

Mehr

Wurzeln. bestimmen. Dann braucht man Wurzeln. Treffender müsste man von Quadratwurzeln sprechen. 1. Bei Quadraten, deren Fläche eine Quadratzahl ist,

Wurzeln. bestimmen. Dann braucht man Wurzeln. Treffender müsste man von Quadratwurzeln sprechen. 1. Bei Quadraten, deren Fläche eine Quadratzahl ist, Seitenlängen von Qudrten lssen sich mnchml sehr leicht und mnchml etws schwerer Wurzeln bestimmen. Dnn brucht mn Wurzeln. Treffender müsste mn von Qudrtwurzeln sprechen. Sie stehen in enger Beziehung zu

Mehr

1KOhm + - y = x LED leuchtet wenn Schalter x gedrückt ist

1KOhm + - y = x LED leuchtet wenn Schalter x gedrückt ist . Ohm = LED leuchtet wenn chlter gedrückt ist 2. Ohm = NICH ( = NO ) LED leuchtet wenn chlter nicht gedrückt ist = ist die Negtion von? Gibt es so einen kleinen chlter (Mikrotster)? 2. Ohm = UND LED leuchtet

Mehr

Integrieren. Regeln. Einige Integrale die man auswendig kennen sollte. Partielle Integration

Integrieren. Regeln. Einige Integrale die man auswendig kennen sollte. Partielle Integration Integrieren Regeln (f() + g())d = f()d + g()d c f()d = c f()d b f()d = f()d b Einige Integrle die mn uswendig kennen sollte s d = s + s+ + C (für s ) d = ln + C cos d = sin + C sin d = cos + C sinh d =

Mehr

10. Riemannsche Geometrie I: Riemannsche Metrik. Variable Bilinearformen.

10. Riemannsche Geometrie I: Riemannsche Metrik. Variable Bilinearformen. 10. Riemnnsche Geometrie I: Riemnnsche Metrik Wir können in der hyperbolischen Geometrie noch nicht wirklich messen. Hierfür bruchen wir ein Riemnnsches Längen- und Winkelmß, d.h. eine Riemnnsche Geometrie.

Mehr

Mathe Warm-Up, Teil 1 1 2

Mathe Warm-Up, Teil 1 1 2 Mthe Wrm-Up, Teil 1 1 2 HEUTE: 1. Elementre Rechenopertionen: Brüche, Potenzen, Logrithmus, Wurzeln 2. Summen- und Produktzeichen 3. Gleichungen/Ungleichungen 1 orientiert sich n den Kpiteln 3,4,6,8 des

Mehr

Klausur über den Stoff der Vorlesung Grundlagen der Informatik II (90 Minuten)

Klausur über den Stoff der Vorlesung Grundlagen der Informatik II (90 Minuten) Institut für Angewndte Informtik und Formle Beschreiungsverfhren 2.7.24 Klusur üer den Stoff der Vorlesung Grundlgen der Informtik II (9 Minuten) Nme: Vornme: Mtr.-Nr.: Semester: (SS 24) Ich estätige,

Mehr

Problem: Finde für Alphabet mit n Zeichen einen Binärcode, der die Gesamtlänge eines Textes (über diesem Alphabet) minimiert.

Problem: Finde für Alphabet mit n Zeichen einen Binärcode, der die Gesamtlänge eines Textes (über diesem Alphabet) minimiert. Anwendungen von Bäumen 4.3.2 Huffman Code Problem: Finde für Alphabet mit n Zeichen einen Binärcode, der die Gesamtlänge eines Textes (über diesem Alphabet) minimiert. => nutzbar für Kompression Code fester

Mehr

Kapitel 1 : Mathematische Grundlagen und Stöchiometrie

Kapitel 1 : Mathematische Grundlagen und Stöchiometrie pitel : Mthemtische Grundlgen und Stöchiometrie Elementre Rechenumformungen. Dreistzrechnung : Immer dnn, wenn zwei Meßgrößen zueinnder proportionl bzw. indirekt proportionl (d.h. die eine proportionl

Mehr

Brückenkurs Lineare Gleichungssysteme und Vektoren

Brückenkurs Lineare Gleichungssysteme und Vektoren Brückenkurs Linere Gleichungssysteme und Vektoren Dr Alessndro Cobbe 30 September 06 Linere Gleichungssyteme Ws ist eine linere Gleichung? Es ist eine lgebrische Gleichung, in der lle Vriblen nur mit dem

Mehr

Nutzung der Abwärme aus Erneuerbare-Energie-Anlagen

Nutzung der Abwärme aus Erneuerbare-Energie-Anlagen 5 2014 Sonderdruck us BWK 5-2014 Wichtige Kennzhlen und effiziente Plnung für die dezentrle Wärmewende Nutzung der Abwärme us Erneuerbre-Energie-Anlgen Wichtige Kennzhlen und effiziente Plnung für die

Mehr

Organisation. Was kommt zum Test? Buch Informatik Grundlagen bis inkl. Kapitel 7.4 Wissensfragen und Rechenbeispiele

Organisation. Was kommt zum Test? Buch Informatik Grundlagen bis inkl. Kapitel 7.4 Wissensfragen und Rechenbeispiele Organisation Was kommt zum Test? Buch Informatik Grundlagen bis inkl Kapitel 74 Wissensfragen und Rechenbeispiele 3 Vorträge zur Übung Informationstheorie, Huffman-Codierung und trennzeichenfreie Codierung

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlgen der Mthemtik, WS 2014/15 Thoms Timmermnn 3. Dezember 2014 Wiederholung: Konstruktion der gnzen Zhlen (i) Betrchten formle Differenzen b := (, b) mit, b N 0 (ii) Setzen b c d, flls +

Mehr

Zum Satz von Taylor. Klaus-R. Loeffler. 2 Der Satz von Taylor 2

Zum Satz von Taylor. Klaus-R. Loeffler. 2 Der Satz von Taylor 2 Zum Stz von Tylor Klus-R. Loeffler Inhltsverzeichnis 1 Der verllgemeinerte Stz von Rolle 1 2 Der Stz von Tylor 2 3 Folgerungen, Anwendungen und Gegenbeispiele 4 3.1 Jede gnzrtionle Funktion ist ihr eigenes

Mehr

FernUniversität Gesamthochschule in Hagen

FernUniversität Gesamthochschule in Hagen FernUniversität Gesmthochschule in Hgen FACHBEREICH MATHEMATIK LEHRGEBIET KOMPLEXE ANALYSIS Prof. Dr. Andrei Dum Proseminr 9 - Anlysis Numerische Integrtion Ulrich Telle Mtrikel-Nr. 474 Köln, den 7. Dezember

Mehr

6. Quadratische Gleichungen

6. Quadratische Gleichungen 6. Qudrtische Gleichungen 6. Vorbemerkungen Potenzieren und Wurzelziehen, somit uch Qudrieren und Ziehen der Qudrtwurzel, sind entgegengesetzte Opertionen. Sie heben sich gegenseitig uf. qudrieren Qudrtwurzel

Mehr

Endliche Automaten 7. Endliche Automaten

Endliche Automaten 7. Endliche Automaten Endliche Automten 7 Endliche Automten Einfches Modellierungswekzeug (z.b. UML-Sttechrts) Verrbeiten Wörter/Ereignisfolgen Erkennen Sprchen Erluben schnelle Sprcherkennung Anwendungsbereiche: Objektorientierte

Mehr

a = c d b Matheunterricht: Gesucht ist x. Physikunterricht Gesucht ist t: s = vt + s0 -s0 s - s0 = vt :v = t 3 = 4x = 4x :4 0,5 = x

a = c d b Matheunterricht: Gesucht ist x. Physikunterricht Gesucht ist t: s = vt + s0 -s0 s - s0 = vt :v = t 3 = 4x = 4x :4 0,5 = x Bltt 1: Hilfe zur Umformung von Gleichungen mit vielen Vriblen Im Mthemtikunterricht hben Sie gelernt, wie mn Gleichungen mit einer Vriblen umformt, um diese Vrible uszurechnen. Meistens hieß sie. In Physik

Mehr

Satz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m.

Satz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m. Stz 6.5 (Mittelwertstz der Integrlrechnung) Sei f : [, b] R stetig. Dnn gibt es ein ξ [, b], so dss 9:08.06.2015 gilt. f dx = (b )f(ξ) Lemm 6.6 Sei f : [, b] R stetig und m f(x) M für lle x [, b]. Dnn

Mehr

Thema 7 Konvergenzkriterien (uneigentliche Integrale)

Thema 7 Konvergenzkriterien (uneigentliche Integrale) Them 7 Konvergenzkriterien (uneigentliche Integrle) In diesem Kpitel betrchten wir unendliche Reihen n= n, wobei ( n ) eine Folge von reellen Zhlen ist. Die Reihe konvergiert gegen s (oder s ist die Summe

Mehr

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung)

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung) Wörter, Grmmtiken und die Chomsky-Hierrchie Sprchen und Grmmtiken Wörter Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 2012 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Alphet Ein

Mehr

Umwandlung von endlichen Automaten in reguläre Ausdrücke

Umwandlung von endlichen Automaten in reguläre Ausdrücke Umwndlung von endlichen Automten in reguläre Ausdrücke Wir werden sehen, wie mn us einem endlichen Automten M einen regulären Ausdruck γ konstruieren knn, der genu die von M kzeptierte Sprche erzeugt.

Mehr

3 Hyperbolische Geometrie

3 Hyperbolische Geometrie Ausgewählte Kpitel der Geometrie 3 Hperbolische Geometrie [... ] Im Folgenden betrchten wir nun spezielle gebrochen-linere Abbildungen, nämlich solche, für die (mit den Bezeichnungen ϕ,b,c,d wie oben die

Mehr

Seminar Quantum Computation - Finite Quanten-Automaten und Quanten-Turingmaschinen

Seminar Quantum Computation - Finite Quanten-Automaten und Quanten-Turingmaschinen Seminr Quntum Computtion - Finite Qunten-Automten und Qunten-Turingmschinen Sebstin Scholz sscholz@informtik.tu-cottbus.de Dezember 3. Einleitung Aus der klssischen Berechenbrkeitstheorie sind die odelle

Mehr

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6

Aufgaben 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.

Mehr

Mathematik 1 für Bauwesen 14. Übungsblatt

Mathematik 1 für Bauwesen 14. Übungsblatt Mthemtik für Buwesen Übungsbltt Fchbereich Mthemtik Wintersemester 0/0 Dr Ivn Izmestiev 8/900 Dr Vince Bárány, M Sc Juli Plehnert Gruppenübung Aufgbe G () Berechnen Sie ds Volumen des Rottionskörpers,

Mehr

Elemente der Analysis II: Zusammenfassung der wichtigsten Definitionen und Ergebnisse

Elemente der Analysis II: Zusammenfassung der wichtigsten Definitionen und Ergebnisse Elemente der Anlysis II: Zusmmenfssung der wichtigsten Definitionen und Ergebnisse J. Wengenroth Dies ist die einzige zugelssene Formelsmmlung, die bei der Klusur benutzt werden drf. Es dürfen Unterstreichungen

Mehr

Definition Suffixbaum

Definition Suffixbaum Suffix-Bäume Definition Suche nch einer Menge von Mustern Längste gemeinsme Zeichenkette Pltzreduktion Suffixbäume für Muster Alle Pre Suffix-Präfix Übereinstimmung Sich wiederholende Strukturen Definition

Mehr

Klausur zur Vorlesung Grundbegriffe der Informatik 10. März 2009 mit Lösungsvorschlägen

Klausur zur Vorlesung Grundbegriffe der Informatik 10. März 2009 mit Lösungsvorschlägen Klusur zur Vorlesung Grundegriffe der Informtik 10. März 2009 mit Lösungsvorschlägen Klusurnummer Nme: Vornme: Mtr.-Nr.: Aufge 1 2 3 4 5 6 7 mx. Punkte 4 2 7 8 8 8 9 tts. Punkte Gesmtpunktzhl: Note: Aufge

Mehr

Resultat: Hauptsatz der Differential- und Integralrechnung

Resultat: Hauptsatz der Differential- und Integralrechnung 17 Der Huptstz der Differentil- und Integrlrechnung Lernziele: Konzept: Stmmfunktion Resultt: Huptstz der Differentil- und Integrlrechnung Methoden: prtielle Integrtion, Substitutionsregel Kompetenzen:

Mehr

3 Uneigentliche Integrale

3 Uneigentliche Integrale Mthemtik für Ingenieure II, SS 29 Dienstg 9.5 $Id: uneigentlich.te,v.5 29/5/9 6:23:8 hk Ep $ $Id: prmeter.te,v.2 29/5/9 6:8:3 hk Ep $ 3 Uneigentliche Integrle Mn knn die eben nchgerechnete Aussge e d =,

Mehr

Universität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III

Universität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III Nme Vornme Mtrikelnummer Lösungsvorschlg Universität Krlsruhe Institut für Theoretische Informtik o. Prof. Dr. P. Snders 8. März 2006 Klusur: Informtik III Aufgbe 1. Multiple Choice 10 Punkte Aufgbe 2.

Mehr

Ungleichungen. Jan Pöschko. 28. Mai Einführung

Ungleichungen. Jan Pöschko. 28. Mai Einführung Ungleichungen Jn Pöschko 8. Mi 009 Inhltsverzeichnis Einführung. Ws sind Ungleichungen?................................. Äquivlenzumformungen..................................3 Rechnen mit Ungleichungen...............................

Mehr

Datenstrukturen & Algorithmen Lösungen zu Blatt 2 FS 16

Datenstrukturen & Algorithmen Lösungen zu Blatt 2 FS 16 Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérle de Zurich Politecnico federle di Zurigo Federl Institute of Technology t Zurich Institut für Theoretische Informtik 9. März 2016

Mehr

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 6 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 6 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Prof Dr J Giesl Formle ysteme, utomten, Prozesse 2010 M rockschmidt, F Emmes, C Fuhs, C Otto, T tröder Hinweise: Die Husufgben sollen in Gruppen von je 2 tudierenden us dem gleichen Tutorium berbeitet

Mehr

Quadratische Funktionen und p-q-formel

Quadratische Funktionen und p-q-formel Arbeitsblätter zum Ausdrucken von softutor.com Qudrtische Funktionen und -q-formel Gib den Vorfktor und die Anzhl der Schnittstellen mit der -Achse n. x 3 Beschreibe die Reihenfolge beim Umformen einer

Mehr

Das Rechnen mit Logarithmen

Das Rechnen mit Logarithmen Ds Rechnen mit Logrithmen Etw in der 0. Klssenstufe kommt mn in Kontkt mit Logrithmen. Für die, die noch nicht so weit sind oder die, die schon zu weit dvon entfernt sind, hier noch einml ein kleiner Einblick:

Mehr

Lösungshinweise zu den zusätzliche Übungsaufgaben

Lösungshinweise zu den zusätzliche Übungsaufgaben Lösungshinweise zu den zusätzliche Übungsufgben Aufgbe Z.1 (Mximin Regel [1]) Als Gleichgewicht ergibt sich, mit Auszhlungsvektor 5, 5. Aufgbe Z. (Dominnzüberlegungen und Nsh Gleichgewicht ) & b) [1]/

Mehr

1.2. Orthogonale Basen und Schmistsche Orthogonalisierungsverfahren.

1.2. Orthogonale Basen und Schmistsche Orthogonalisierungsverfahren. .. Orthogonle Bsen und Schmistsche Orthogonlisierungsverfhren. Definition.. Eine Bsis B = { b, b,..., b n } heit orthogonl, wenn die Vektoren b i, i =,,..., n, prweise orthogonl sind, d.h. bi b j = fur

Mehr

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 2 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG R Käppeli L Herrmnn W Wu Herbstsemester 206 Linere Algebr und Numerische Mthemtik für D-BAUG Beispiellösung für Serie 5 ETH Zürich D-MATH Aufgbe 5 5) Seien u und v Lösungen des LGS Ax = b mit n Unbeknnten

Mehr

Grundwissen Abitur Analysis

Grundwissen Abitur Analysis GYMNASIUM MIT SCHÜLERHEIM PEGNITZ mthem-technolog u sprchl Gmnsium WILHELM-VON-HUMBOLDT-STRASSE 7 9257 PEGNITZ FERNRUF 0924/48333 FAX 0924/2564 Grundwissen Abitur Anlsis Ws sind Potenzfunktion mit ntürlichen

Mehr

46. Aufgabe (4 Punkte) Verständnisfragen: a) Was besagt die Church sche-these?

46. Aufgabe (4 Punkte) Verständnisfragen: a) Was besagt die Church sche-these? Formle Methoden der Informtik WS 00/0 Lehrstuhl für Dtenbnken und Künstliche Intelligenz ProfDrDrFJRdermcher H Ünver T Rehfeld J Dollinger 9 Aufgbenbltt Besprechung in den Tutorien vom 00 (b Übungstermin)

Mehr

Teil 1: Rechenregeln aus der Mittelstufe. Allgemeine Termumformungen

Teil 1: Rechenregeln aus der Mittelstufe. Allgemeine Termumformungen Teil 1: Rechenregeln us der Mittelstufe Allgemeine Termumformungen Kommuttivgesetz: Bei reinen Produkten oder Summen ist die Reihenfolge egl x y z = z y x = x z y =.. x+y+z = z+y+x = x+z+y =.. Ausklmmern:

Mehr

Uneigentliche Riemann-Integrale

Uneigentliche Riemann-Integrale Uneigentliche iemnn-integrle Zweck dieses Abschnitts ist es, die Vorussetzungen zu lockern, die wir n die Funktion f : [, b] bei der Einführung des iemnn-integrls gestellt hben. Diese Vorussetzungen wren:

Mehr

Exponential- und Logarithmusfunktion

Exponential- und Logarithmusfunktion Mthemtik I und II für Ingenieure (IAM) Version.3/..003.0.5 Eponentil- und Logrithmusfunktion Definition.0.0: Sei +, dnn ist die llgemeine Form einer Eponentilfunktion f: + gegeben durch die Funktionsgleichung

Mehr

Repetitionsaufgaben Exponential-und Logarithmusfunktion

Repetitionsaufgaben Exponential-und Logarithmusfunktion Repetitionsufgben Eponentil-und Logrithmusfunktion Inhltsverzeichnis A) Vorbemerkungen B) Lernziele C) Eponentilfunktionen mit Beispielen 2 D) Aufgben Ep.fkt. mit Musterlösungen 6 E) Logrithmusfunktionen

Mehr

1. Stegreifaufgabe aus der Physik Lösungshinweise

1. Stegreifaufgabe aus der Physik Lösungshinweise . Stegreifufgbe us der Physik Lösungshinweise Gruppe A Aufgbe Ds.Newtonsche Gesetz lässt sich zum Beispiel so formulieren: Wirkt uf einen Körper keine Krft (oder ist die Summe ller Kräfte null) so bleibt

Mehr

Grundbegriffe der Informatik Aufgabenblatt 6

Grundbegriffe der Informatik Aufgabenblatt 6 Mtr.nr.: Nchnme: Vornme: Grundbegriffe der Informtik Aufgbenbltt 6 Tutorium: Nr. Nme des Tutors: Ausgbe: 2. Dezember 2015 Abgbe: 11. Dezember 2015, 12:30 Uhr im GBI-Briefksten im Untergeschoss von Gebäude

Mehr

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip.

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip. Reguläre Sprchen Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 0 Ds Pumping-Lemm Wir hen is jetzt vier Formlismen kennengelernt, mit denen wir eine reguläre Sprche ngeen können:

Mehr

18. Algorithmus der Woche Der Euklidische Algorithmus

18. Algorithmus der Woche Der Euklidische Algorithmus 18. Algorithmus der Woche Der Euklidische Algorithmus Autor Friedrich Eisenrnd, Universität Dortmund Heute ehndeln wir den ältesten ereits us Aufzeichnungen us der Antike eknnten Algorithmus. Er wurde

Mehr

Mathematik schriftlich

Mathematik schriftlich WS KV Chur Abschlussprüfungen 00 für die Berufsmtur kufmännische Richtung Mthemtik schriftlich LÖSUNGEN Kndidtennummer Nme Vornme Dtum der Prüfung Bewertung mögliche erteilte Punkte Punkte. Aufgbe 0. Aufgbe

Mehr

1.2 Der goldene Schnitt

1.2 Der goldene Schnitt Goldener Schnitt Psclsches Dreieck 8. Der goldene Schnitt Beim Begriff Goldener Schnitt denken viele Menschen n Kunst oder künstlerische Gestltung. Ds künstlerische Problem ist, wie ein Bild wohlproportioniert

Mehr

Grundbegriffe der Informatik Aufgabenblatt 5

Grundbegriffe der Informatik Aufgabenblatt 5 Grundegriffe der Informtik Aufgenltt 5 Mtr.nr.: Nchnme: Vornme: Tutorium: Nr. Nme des Tutors: Ausge: 20. Novemer 2013 Age: 29. Novemer 2013, 12:30 Uhr im GBI-Briefksten im Untergeschoss von Geäude 50.34

Mehr

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009 UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis

Mehr

10: Lineare Abbildungen

10: Lineare Abbildungen Chr.Nelius: Linere Alger SS 2008 1 10: Linere Aildungen 10.1 BEISPIEL: Die Vektorräume V 2 und Ê 2 hen diegleiche Struktur. Es git eine ijektive Aildung f : V 2 Ê 2, die durch die Vorschrift definiert

Mehr

Grundlagen der Technischen Informatik. 2. Übung

Grundlagen der Technischen Informatik. 2. Übung Grundlagen der Technischen Informatik 2. Übung Christian Knell Keine Garantie für Korrekt-/Vollständigkeit Organisatorisches Übungsblätter zuhause vorbereiten! In der Übung an der Tafel vorrechnen! Bei

Mehr

Kapitel 4. Minimierung. Prof. Dr. Dirk W. Hoffmann. Hochschule Karlsruhe w University of Applied Sciences w Fakultät für Informatik

Kapitel 4. Minimierung. Prof. Dr. Dirk W. Hoffmann. Hochschule Karlsruhe w University of Applied Sciences w Fakultät für Informatik Kpitel 4 Minimierung Prof. Dr. Dirk W. Hoffmnn Hochschule Krlsruhe w University of Applied Sciences w Fkultät für Informtik Minimierung Motivtion Jede Boolesche Funktion lässt sich uf verschiedene Weise

Mehr

Lösungsvorschläge zum 9. Übungsblatt.

Lösungsvorschläge zum 9. Übungsblatt. Übung zur Anlysis II SS 1 Lösungsvorschläge zum 9. Übungsbltt. Aufgbe 33 () A : {(x, y) R : x [ 1, 1] und y oder x und y [ 1, 1]}. (b) A : {(x, y) R : x < y < 1 + x }. (c) A : {(x, y) R : x < y < 1 + x

Mehr

Versuchsplanung. Grundlagen. Extrapolieren unzulässig! Beobachtungsbereich!

Versuchsplanung. Grundlagen. Extrapolieren unzulässig! Beobachtungsbereich! Versuchsplnung 22 CRGRAPH www.crgrph.de Grundlgen Die Aufgbe ist es Versuche so zu kombinieren, dss die Zusmmenhänge einer Funktion oder eines Prozesses bestmöglich durch eine spätere Auswertung wiedergegeben

Mehr

Mathematik Bruchrechnung Grundwissen und Übungen

Mathematik Bruchrechnung Grundwissen und Übungen Mthemtik Bruchrechnung Grundwissen und Übungen von Stefn Gärtner (Gr) Stefn Gärtner -00 Gr Mthemtik Bruchrechnung Seite Inhlt Inhltsverzeichnis Seite Grundwissen Ws ist ein Bruch? Rtionle Zhlen Q Erweitern

Mehr

Lineare Algebra I 5. Tutorium mit Lösungshinweisen

Lineare Algebra I 5. Tutorium mit Lösungshinweisen Fchbereich Mthemtik Prof Dr JH Bruinier Mrtin Fuchssteiner Ky Schwieger TECHNISCHE UNIVERSITÄT DARMSTADT AWS 07/08 0607 (T ) Linere Algebr I 5 Tutorium mit Lösungshinweisen Welche Gruppen kennen Sie? Welche

Mehr

Code-Arten und Code-Sicherung. Literatur: Blieberger et.al.: Informatik (Kap. 3 und 4), Springer-Verlag R.-H. Schulz: Codierungstheorie, Vieweg

Code-Arten und Code-Sicherung. Literatur: Blieberger et.al.: Informatik (Kap. 3 und 4), Springer-Verlag R.-H. Schulz: Codierungstheorie, Vieweg Codierungstheorie Code-Arten und Code-Sicherung Inhaltsübersicht und Literatur Informationstheorie Was ist eine Codierung? Arten von Codes Informationsgehalt und Entropie Shannon'sches Codierungstheorem

Mehr

Mathematik Rechenfertigkeiten

Mathematik Rechenfertigkeiten 26 Mthemtik Rechenfertigkeiten Skript Freitg Dr. Dominik Tsndy, Mthemtik Institut, Universität Zürich Winterthurerstrsse 9, 857 Zürich Skript: Dr. Irmgrd Bühler (Überrbeitung: Dr. Dominik Tsndy) 9. August

Mehr

1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie

1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie Gliederun 1. Motivtion / Grundlen 2. Sortierverfhren 3. Elementre Dtenstrukturen / Anwendunen 4. Bäume / Grphen 5. Hshin 6. Alorithmische Geometrie 3/1, Folie 1 2010 Prof. Steffen Lne - HD/FbI - Dtenstrukturen

Mehr

XING Events. Kurzanleitung

XING Events. Kurzanleitung XING Events Kurznleitung 00 BASIC nd PLUS Events 2 Die Angebotspkete im Überblick Wählen Sie zwischen zwei Pketen und steigern Sie jetzt gezielt den Erfolg Ihres Events mit XING. Leistungen Event BASIS

Mehr

Grundlagen des Maschinellen Lernens Kap 3: Lernverfahren in anderen Domänen

Grundlagen des Maschinellen Lernens Kap 3: Lernverfahren in anderen Domänen . Motivtion 2. Lernmodelle Teil I 2.. Lernen im Limes 2.2. Fllstudie: Lernen von Ptternsprchen 3. Lernverfhren in nderen Domänen 3.. 3.2. Entscheidungsbäume 3.3. Entscheidungsbäume über regulären Ptterns

Mehr

Mathematik. Name, Vorname:

Mathematik. Name, Vorname: Kntonsschule Zürich Birch Fchmittelschule Aufnhmeprüfung 2007 Nme, Vornme: Nr.: Zeit: 90 Minuten erlubte Hilfsmittel: Tschenrechner us der Sekundrschule, lso weder progrmmierbr noch grfik- oder lgebrfähig

Mehr

3. Ganzrationale Funktionen

3. Ganzrationale Funktionen 3. Gnzrtionle Funktionen ) Definitionen und Beispiele Definition: Eine gnzrtionle Funktion n-ten Grdes ht ls Definitionsterm ein Polynom n-ten Grdes, d.h. y = f() = n n n-1 n-1 1 0. n 0, i ( i = 1, n)

Mehr

1 Kurvendiskussion /40

1 Kurvendiskussion /40 009 Herbst, (Mthemtik) Aufgbenvorschlg B Kurvendiskussion /0 Gegeben ist eine Funktion f mit der Funktionsgleichung: f ( ) 0 6 = ; mit.. Untersuchen Sie ds Verhlten der Funktionswerte von f im Unendlichen.

Mehr

a Z1 a 1 a 1,2 Diese Matrix hat genau dann Rang 2, ist also genau dann invertierbar, wenn a 2,2 a 1,2a 2,1

a Z1 a 1 a 1,2 Diese Matrix hat genau dann Rang 2, ist also genau dann invertierbar, wenn a 2,2 a 1,2a 2,1 18 Determinnten 207 18 Determinnten Nchdem wir nun schon recht usführlich Mtrizen und linere Gleichungssysteme studiert hben, wollen wir jetzt die sogennnten Determinnten einführen, die beim Rechnen mit

Mehr

9 Üben X Prismen und Zylinder 1401

9 Üben X Prismen und Zylinder 1401 9 Üben X Prismen und Zylinder 40. Entscheide begründend: ) Gibt es Prismen mit Ecken? b) Gibt es Prismen mit Knten? c) Knn es ein Prism mit 7 Flächen geben?. Bestimme je einen Term, der die Anzhl der Knten

Mehr

c dl SPiC (Teil C, SS 11) 13 Zeiger und Felder 13.1 Zeiger Einführung 13 1 Zeigervariable := Behälter für Verweise ( Adresse) Beispiel int x = 5;

c dl SPiC (Teil C, SS 11) 13 Zeiger und Felder 13.1 Zeiger Einführung 13 1 Zeigervariable := Behälter für Verweise ( Adresse) Beispiel int x = 5; Überblick: Teil C Systemnhe Softwreentwicklung Einordnung: Zeiger (Pointer) Literl: Drstellung eines Wertes 0110 0001 12 Progrmmstruktur und Module Vrible: Bezeichnung chr ; eines Dtenobjekts Behälter

Mehr

Numerische Integration durch Extrapolation

Numerische Integration durch Extrapolation Numerische Integrtion durch Extrpoltion Pblo Thiel Romberg-Verfhren Idee: Im Gegenstz zur numerischen Integrtion mit Hilfe der einfchen bzw. zusmmengesetzten Trpez-, Simpson-, 3/8- oder zum Beispiel der

Mehr

Geodäten. Mathias Michaelis. 28. Januar 2004

Geodäten. Mathias Michaelis. 28. Januar 2004 Geodäten Mthis Michelis 28. Jnur 2004 1 Vektorfelder Definition 1.1 Sei S 3 eine reguläre Fläche. Ein Vektorfeld uf S ist eine Abbildung v : S 3 so, dss v(p) T n S für lle p S. Ein Vektorfeld ordnet lso

Mehr

26. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 7 Saison 1986/1987 Aufgaben und Lösungen

26. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 7 Saison 1986/1987 Aufgaben und Lösungen 26. Mthemtik Olympide 2. Stufe (Kreisolympide) Klsse 7 Sison 986/987 Aufgben und Lösungen OJM 26. Mthemtik-Olympide 2. Stufe (Kreisolympide) Klsse 7 Aufgben Hinweis: Der Lösungsweg mit Begründungen und

Mehr

1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt

1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt Metrische Räume Sei X eine nichtleere Menge. Definition.. Eine Abbildung: d : X X R heißt Metrik uf X, flls für lle x, y, z X gilt (i) d(x, y) 0, (ii) d(x, y) = d(y, x), (iii) d(x, y) d(x, z) + d(z, y)

Mehr

Dein Trainingsplan. sportmannschaft. ... und was sonst noch wichtig ist. Deine Zähne sind wie deine. und du bist der Trainer!

Dein Trainingsplan. sportmannschaft. ... und was sonst noch wichtig ist. Deine Zähne sind wie deine. und du bist der Trainer! hben Freunde Deine Zähne sind wie deine sportmnnschft und du bist der Triner! Und jeder Triner weiß, wie wichtig jeder einzelne Spieler ist eine wichtige und schöne Aufgbe! Drum sei nett zu deinen Zähnen

Mehr

S 1. Definition: Ein endlicher Automat ist ein 5-Tupel. Das endliche Eingabealphabet

S 1. Definition: Ein endlicher Automat ist ein 5-Tupel. Das endliche Eingabealphabet Der endliche Automt Modell: Eingend rechtsseitig unegrenzt F F F F F F F F F F F F F F Lesekopf S 1 Definition: Ein endlicher Automt ist ein 5-Tupel A = ( Σ;S;F;s 0 ; ϕ ) Dei ist Σ= {e 1;e 2...e n} Ds

Mehr

Algorithmische Bioinformatik I

Algorithmische Bioinformatik I Ludwig-Mximilins-Universität München Institut für Informtik Prof. Dr. Volker Heun Sommersemester 2016 Semestrlklusur 21. Juli 2016 Algorithmische Bioinformtik I Vornme Nme Mtrikelnummer Reihe Pltz Unterschrift

Mehr

Informatik I Modul 3: Schaltnetze

Informatik I Modul 3: Schaltnetze Herbstsemester 2, Institut für Informtik IFI, UZH, Schweiz Informtik I Modul 3: Schltnetze 2 Burkhrd Stiller M3 Modul 3: Schltnetze Einführung in die formlen Grundlgen logischer Beschreibungen Boolesche

Mehr

Reguläre Sprachen und endliche Automaten

Reguläre Sprachen und endliche Automaten 2 Reguläre Sprchen und endliche Automten Sei Σ = {, b,...} ein endliches Alphbet. Ein endliches Wort über Σ ist eine Folge w = 0... n 1, wobei i Σ für i = 0,...,n 1. Wir schreiben w für die Länge von w,

Mehr

Musterlösung der 1. Klausur zur Vorlesung

Musterlösung der 1. Klausur zur Vorlesung Prof. Dr. M. Röger Dipl.-Mth. C. Zwilling Fkultät für Mthemtik TU Dortmund Musterlösung der. Klusur zur Vorlesung Anlysis I (24.02.206) Wintersemester 205/6 Aufgbe. Sei R mit sin() 0. Der Beweis erfolgt

Mehr

Bonusklausur über den Stoff der Vorlesung Grundlagen der Informatik II (45 Minuten)

Bonusklausur über den Stoff der Vorlesung Grundlagen der Informatik II (45 Minuten) Institut für Angewndte Informtik und Formle Beschreiungsverfhren 5.0.208 Bonusklusur üer den Stoff der Vorlesung Grundlgen der Informtik II (45 Minuten) Nme: Vornme: Mtr.-Nr.: Semester: (WS 207/8) Ich

Mehr