Über relative Normgleichungen in algebraischen Zahlkörpern

Größe: px
Ab Seite anzeigen:

Download "Über relative Normgleichungen in algebraischen Zahlkörpern"

Transkript

1 Über relative Normgleichungen in algebraischen Zahlkörpern vorgelegt von Diplom-Mathematiker Claus Fieker aus Haan Vom Fachbereich 3 Mathematik der Technischen Universität Berlin zur Erlangung des akademischen Grades eines Doktors der Naturwissenschaften genehmigte Dissertation Berlin 1997 D83

2 ii Promotionsausschuß Vorsitzender: Professor Dr J Becker Berichter: Professor Dr M E Pohst Berichter: Professor Dr G M Ziegler Tag der wissenschaftlichen Aussprache: 29 April 1997

3 Inhaltsverzeichnis Einleitung 1 Kapitel I Grundlagen 3 1 Bezeichnungen 3 2 Bewertungen und Primideale 4 3 Matrizen 5 Kapitel II Einheiten 7 1 Struktur der Einheitengruppe in Relativerweiterungen 8 2 Eine untere Regulatorabschätzung 15 3 Konstruktion von Einheiten 21 Kapitel III Gitter 25 1 Gitter über Z 26 2 Gitter über o E 29 iii

4 iv INHALTSVERZEICHNIS 3 Auszählalgorithmen für o E -Gitter Duale Basis 32 Ellipse 33 Simplex 34 Mischformen 4 Ein Reduktionsalgorithmus für o E -Gitter 44 Kapitel IV Normgleichungen 51 1 Grundlagen 51 2 Nenner von nicht ganzen Lösungen 56 3 Lösen von Normgleichungen (in Relativerweiterungen) 58 Kapitel V Beispiele 69 1 Reduktion Schönere Polynome 12 Schnelleres Auszählen 2 Normgleichungen 76 Symbolverzeichnis 81 Literaturverzeichnis 83 Zusammenfassung 87

5 Einleitung Eine der ältesten Diophantischen Gleichungen ist die Normgleichung; für Zahlkörper F/E/Q sowie eine Zahl θ E := Q(α) wird eine Zahl x F := E(β) mit N F/E (x) = θ gesucht oder der Nachweis, daß es keine solche gibt Anwendungen hiervon gibt es zb in der Algebren Theorie ([1, Chapter 7] und [44, Lemmata 61, 62]) In speziellen Situationen ist schon lange bekannt, daß obiges Problem in endlich vielen Schritten gelöst werden kann; zb führt dies für F reell quadratisch über Q auf Pell sche Gleichungen, die schon Gauss behandelt hat Für (relativ-) Galois sche Erweiterungen F/E hat Siegel [48] Schranken für den Nenner und alle Koeffizienten einer Lösung angegeben und damit gezeigt, daß die Gleichung konstruktiv gelöst werden kann Später hat Bartels [3] diese Ergebnisse auf beliebige Erweiterungen verallgemeinert Mit anderen Methoden als Siegel hat Garbanati [25] für (absolut) Abel sche Körper ebenfalls Schranken erhalten Allen drei Arbeiten ist jedoch gemeinsam, daß die Schranken viel zu groß sind, um damit in der Praxis Lösungen zu finden Bei diesen drei Ansätzen wird zunächst der Nenner einer möglichen Lösung beschränkt In einem zweiten Schritt werden dann (endlich viele) Normgleichungen in den ganzen algebraischen Zahlen gelöst Der Spezialfall, Normgleichungen in Ordnungen oder allgemeiner in Moduln zu lösen, ist jedoch auch aus anderen Gründen von Interesse: Um Thue-Gleichungen zu lösen, sind wir an den Lösungen interessiert, die in der Gleichungsordnung o E [β] über der Maximalordnung o E von E liegen [5], genauer gesagt an einer Parametrisierung all dieser Lösungen Für Hauptidealtests (im Falle E = Q) muß x ein Element des zu testenden Ideals 1

6 2 EINLEITUNG sein [20, (17) Lemma] Hier ist es ausreichend, bis auf Vorzeichen zu lösen N F/E (x) = θ ist auch zulässig; auch reicht es hier, eine Lösung zu finden Weitere Spezialfälle ergeben sich aus Einschränkungen an θ, iallg wird θ ganz algebraisch sein Wenn θ eine Torsionseinheit ist, ist das Lösen der Normgleichung äquivalent zum Bestimmen der Relativ-Einheiten In dieser Arbeit ist der von Fincke im Rahmen seiner Dissertation entwickelte Algorithmus zum Lösen von Normgleichungen in Ordnungen absoluter Zahlkörper (E = Q, [20]) verallgemeinert, wobei die Arbeit von Jurk [31] fortgesetzt und erweitert wird Ferner werden Methoden von Garbanati [24] verallgemeinert, um im Fall von relativ Galois schen Körpern einen Algorithmus zu erhalten, der Normgleichungen in Körpern löst Nachdem im ersten Kapitel zunächst einige Notationen vereinbart werden, untersuchen wir im zweiten Kapitel die Wirkung der Normabbildung auf die Einheitengruppe Die hier gewonnenen Ergebnisse werden einerseits für die Parametrisierung der Lösungsmenge benötigt und andererseits, um das Problem auf ein endliches zu reduzieren Ferner wird dort eine für die Komplexität des Verfahrens wichtige Invariante, der relative Regulator, eingeführt Im dritten Kapitel wird die nötige Gittertheorie für Gitter über Zahlkörpern eingeführt, die benötigt wird, um das Ellipsoidverfahren entwickeln zu können Speziell stellen wir eine Verallgemeinerung des LLL-Algorithmus zur Gitterreduktion und des Fincke-Pohst-Algorithmus zum Auszählen von Ellipsoiden vor Im vierten Kapitel werden dann die in den letzten beiden Kapiteln gewonnenen Ergebnisse dazu benutzt, das Ellipsoid-Verfahren zur Lösung von Normgleichungen auf Relativerweiterungen zu verallgemeinern Für relativ Galois sche Erweiterungen entwickeln wir dann ein Verfahren, um die Lösbarkeit im Körper zu entscheiden und ggf eine Lösung zu finden Zusätzlich geben wir dort ein Verfahren an, welches nicht auf dem Auszählalgorithmus beruht, um Normgleichungen mittels S-Einheiten zu lösen Zum Schluß geben wir einige Beispiele an, die sowohl die Mächtigkeit der vorgestellten Verfahren als auch deren Grenzen demonstrieren An dieser Stelle möchte ich mich bei Herrn Professor Dr M E Pohst herzlich für die Betreuung während der Arbeit danken Ferner bedanke ich mich bei Herrn Professor Dr G M Ziegler für die Übernahme des Koreferats sowie bei Martin, Klaus und Jürgen für die Durchsicht einer vorläufigen Fassung dieser Arbeit Schließlich möchte ich mich an dieser Stelle auch bei allen Mitgliedern der Kant- Gruppe bedanken, ohne deren Kooperation eine Arbeit wie diese nicht entstehen kann

7 KAPITEL I Grundlagen Hier werden wir zunächst die (wichtigsten) in dieser Arbeit verwendeten Bezeichnungen festlegen und einige theoretische Vorbemerkungen machen 1 Bezeichnungen Wir wollen Normgleichungen in Relativerweiterungen algebraischer Zahlkörper untersuchen, dazu betrachten wir die folgende Situation (alle angegebenen Eigenschaften können zb in [10, 35, 42, 46] nachgelesen werden) F = E(β) Es sei f Z[t] ein normiertes, irreduzibles Polynom vom Grad m und α eine Nullstelle hiervon in einem geeigneten Erweiterungskörper Dann ist E := Q(α) ein algebraischer Zahlkörper n vom Grad m über Q Den Ring der ganzen Zahlen von E bezeichnen wir mit o E Ferner sei nun g o E [t] normiert, irreduzi- E = Q(α) bel vom Grad n und β eine Nullstelle von g in einem passenden m Erweiterungskörper, dann setzen wir F := E(β) Bezeichne o F den Ring der ganzen Zahlen, o E ist dann ein Dedekindring und Q freier Z-Modul vom Rang m, o F ist ebenfalls Dedekind sch und ein o E -Modul von Rang n Falls die Klassenzahl von o E größer als 1 ist, ist o F jedoch iallg nicht mehr frei über o E Später werden wir Kriterien angeben, um entscheiden zu können, ob o F frei über o E ist Analoges gilt auch für die (gebrochenen) Ideale von E und F: Ideale von E sind frei vom Rang m über Z, Ideale von F sind iallg nicht frei über o E Hier, wie auch in der ganzen Arbeit, sind Ideale stets von {0} verschieden 3

8 4 I GRUNDLAGEN N F/E : F E : x N F/E (x) sei die gewöhnliche Normabbildung, ebenfalls mit N F/E sei die Idealnorm bezeichnet Es gilt dann (N F/E (x)) := N F/E (x)o E = N F/E (xo F ) =: N F/E ((x)) N F/Éund N E/Éseien die entsprechenden Normabbildungen nach Q, es gilt N F/É= N E/É N F/E Seien nun α (1),, α (r 1) R die reellen Nullstellen von f und α (r 1+1) = α (r 1+r 2 +1),,α (r 1+r 2 ) = α (r 1+2r 2) C \ R die komplexen Nullstellen (r 1, r 2 N 0 geeignet) Die Fortsetzungen der Abbildungen () (i) : α α (i) auf E liefern dann Einbettungen von E nach E (i) := (E) (i) C in die Konjugiertenkörper von E Nun setzen wir die Abbildungen noch auf den zugehörigen Polynomring E[t] fort, indem wir sie auf den Koeffizienten operieren lassen Die Nullstellen der Polynome g (i) E (i) [t] seien β (i,j) mit 1 j n Da g (i) R[t] für 1 i r 1 gilt, können wir β (i,j) R für 1 j s i und β (i,j) = β (i,j+t i) C mit n = s i + 2t i, s i < j s i + t i annehmen (s i, t i N 0 geeignet) Wegen f (i) = f (i+r 2) können wir zusätzlich noch β (i,j) = β (i+r 2,j) für r 1 < i r 1 + r 2 und 1 j n erreichen Nach Jurk [31, Bemerkung 34] nennen wir (s i, t i ) 1 i r1 die relative Signatur von F/E In [49] ist ein Algorithmus angegeben, um ein Polynom g Z[t] mit L := Q[t]/g Q[t] = F zu bestimmen, so daß wir F auch als einfache Erweiterung von Q zur Verfügung haben Ferner liefert dieser Algorithmus auch Einbettungen von E nach L, von F nach L und von L nach F, so daß wir beide Darstellungen (L und F ) benutzen können, um bei Bedarf die geeignetere zu wählen Dieser Algorithmus, sowie Algorithmen für Operationen mit Ordnungen, Idealen, Zahlkörpern, algebraischen Zahlen und alle in dieser Arbeit vorgestellten und benutzten Algorithmen sind in KANT implementiert und können über KASH [32] aufgerufen werden 2 Bewertungen und Primideale Sei VÉ= VÉ V fin Édie kanonische Menge exponentieller Bewertungen auf Q, dh, zu jeder Primzahl p PÉgibt es genau ein v = v p VÉmit fin v p (p) = 1 Für jedes VÉ fin v v p ist v(p) = 0, und es gilt V É= { log } Für einen beliebigen Zahlkörper k sei Vk fin die Menge der diskreten Bewertungen auf k, die eine Bewertung aus VÉfortsetzen, fin dh, für jedes V Vk fin gibt es genau ein v VÉmit fin V É= v Analog sei Vk die Menge der Bewertungen, die V Éfortsetzen Für jedes v Vk fin definieren wir den folgenden p-adischen Betrag:

9 3 MATRIZEN 5 Sei p PÉdiejenige Primzahl mit v(p) 0, dann setzen wir v := p v( ) Für v V k sei v := exp( v( )), ferner sei 0 v := 0 für jedes v V k Sei nun K eine endliche Erweiterung von k Aufgrund unserer Normierung besteht V K ausschließlich aus Fortsetzungen von Elementen aus V k Wir schreiben V v falls V V K eine Fortsetzung von v V k ist In diesem Fall sei n V v := n V,k := [K V : k v ] = n V,É n v,é, wobei K V wie Vervollständigung von K bzgl der von V induzierten Topologie ist und k v die Vervollständigung von k bzgl v Es gilt der für diese Arbeit wichtige Zusammenhang zwischen den Beträgen, ihren Fortsetzungen und der Norm: N K/k (x) v = ( oder (additiv geschrieben) V V K V v x V,É n V ) 1/n v,é= (1-1) v(n K/k (x)) = n V,k V (x) V V K V v für x K und v V k Ferner gilt die Produktformel: x n v V k v,é v = 1 V V K V v x n V,k V 3 Matrizen Da wir im nächsten Abschnitt viel mit Matrizen arbeiten werden, wollen wir einige Abkürzungen und Schreibweisen vereinbaren Sei R ein Ring Für eine beliebige Matrix M R n m ist M i,j das j-te Element der i-ten Zeile, es gilt M = (M i,j ) 1 i n M tr := (M i,j) 1 i m mit M i,j = M j,i 1 j m 1 j n Für ein Ringelement r R sei R n n r n := (r) 1 i n die Matrix, bei der alle 1 j n Einträge gleich r sind, für R unitär bezeichne I n R n n die Einheitsmatrix, dh 1 i = j m (I n ) i,j = δ i,j := Sei nun N Rn eine weitere Matrix Mit (M N) 0 sonst bezeichnen wir die Matrix aus R n (m +m ), deren Spalten durch Anhängen der

10 6 I GRUNDLAGEN M i,j j m Spalten von N an die von M entstehen, (M N) i,j = N i,j m sonst Analog ( ) M tr ist = (M N) tr Für Matrizen M N tr i R n i m i (1 i o) ist M o diag(m 1,, M o ) := R n o i m i M o

11 KAPITEL II Einheiten in Relativerweiterungen Obwohl Relativerweiterungen schon länger untersucht werden, gibt es bisher kaum Ansätze, die besondere Struktur dieser Körper bei der Berechnung der Einheiten auszunutzen Im Gegensatz zu zb der Berechnung der Maximalordnung oder der Galoisgruppe gibt es hier kaum Eigenschaften, die sich mit relativen Methoden untersuchen lassen Die wesentliche Schwierigkeit liegt darin begründet, daß die Eigenschaft einer Zahl x o F, eine Einheit zu sein, nicht von der Struktur von o F als o E -Modul oder Z-Modul abhängt und, daß es im wesentlichen diese Strukturinformation ist, die wir zusätzlich benutzen wollen Für die Struktur der Einheitengruppe U k in beliebigen Zahlkörpern k gilt zunächst einmal der Dirichlet sche Einheitensatz: Satz 21 Sei k ein Zahlkörper Dann gibt es Einheiten ǫ i o k (1 i #Vk 1 =: r) und ζ o k mit U k = ζ ǫ 1 ǫ r, wobei das Produkt direkt ist und ǫ i unendliche zyklische Gruppen sind Für die Gruppe der Torsionseinheiten TU k von k gilt: TU k = ζ Hieraus erhalten wir eine Darstellung von U F, die völlig unabhängig von der Struktur von o F als o E -Modul ist In diesem Kapitel werden wir eine andere Darstellung von U F finden, die die zusätzliche Strukturinformation berücksichtigt Speziell die Einheiten, deren Norm Torsionseinheiten sind, werden dort eine entscheidende Rolle spielen Diese Einheiten sind auch für das Lösen von Normgleichungen wichtig Schon sehr früh hat sich Artin [2] mit Einheiten der Norm 1 in relativ-galoisschen Zahlkörpern beschäftigt Er zeigte, daß ein maximales unabhängiges Einheitensystem im wesentlichen durch die Anwendung der Galois-Automorphismen auf eine 7

12 8 II EINHEITEN kleine Menge von Einheiten aus E erhalten werden kann In diesem Spezialfall erhält er so auch den nachfolgenden Satz 25 Es gibt verschiedene Ansätze, die Einheitengruppe U k oder wenigstens eine Untergruppe U U k von endlichem Index (U k : U) dadurch zu erhalten, daß die Einheiten geeigneter Teilkörper entsprechend geliftet werden Für bestimmte Typen von Abel schen Zahlkörpern hat zb Leopoldt [37, 38] ein maximales System unabhängiger Einheiten aus zyklischen Teilkörpern bestimmt Für den Fall, daß F die Galois sche Hülle eines nicht Abel schen quartischen Körpers ist, hat Holzberg [27] gezeigt, daß eine Untergruppe von endlichem Index immer aus den Einheiten der Teilkörper erhalten werden kann In diesem Fall gibt es auch Abschätzungen für den Index Für CM-Körper ist schon lange bekannt, daß die Einheitengruppe einfach aus der Einheitengruppe des maximalen reellen Teilkörpers konstruiert werden kann, da die Einheitenränge identisch sind Weiter ist bekannt, daß der Index (im wesentlichen) maximal 2 ist [52, Theorem 412] Im Fall von Kreisteilungskörpern gibt es auch Kriterien, um den Index zu bestimmen Hier werden wir genauer untersuchen, wie die Einheitengruppe von F von der von E beeinflußt wird Die hier vorgestellten Ergebnisse sind von zentraler Bedeutung für das Lösen von Normgleichungen in Relativerweiterungen Ähnliche Konstruktionen sind von Klebel [33] zum Lösen von bestimmten Einheitengleichungen benutzt worden Es ist zu erwarten, daß mit Hilfe dieser Ergebnisse sich zumindest die Theorie zum Lösen von Thue-Gleichungen auf den relativen Fall übertragen läßt Der nachfolgend definierte relative Regulator unterscheidet sich von der in [14] gegebenen Definition dadurch, daß hier keine absoluten Invarianten von F/Q in der Definition benutzt werden In der hier gegebenen Definition 28 werden ausschließlich relative Invarianten benutzt In [4] wird eine Variante von Satz 29 als Definition verwendet 1 Struktur der Einheitengruppe in Relativerweiterungen Für das Lösen von Normgleichungen ist die Kenntnis der Einheiten aus F, deren Normen bestimmte Eigenschaften haben, wichtig Im folgenden werden wir daher die Operation der Normabbildung auf der Einheitengruppe untersuchen Für das ganze Kapitel fixieren wir eine endliche Menge V E (2-1) S F := {V V F v S E : V v} S E V E und setzen

13 Für jedes v V E sei 1 STRUKTUR 9 P v := {V V F V v} Fixiere nun ein beliebiges V v P v ( v V E ) und setze (2-2) P v := P v \ {V v }, r v := #P v Ferner seien r E := #S E, r F := #S F und S F := v S E P v Definition 22 Seien S E und S F wie oben gegeben Dann nennen wir die Elemente von U E,SE := {x E v V E \ S E : v(x) = 0} bzw U F,SF := {x F V V F \ S F : V (x) = 0} die S E -Einheiten von E bzw S F -Einheiten von F Für eine Untergruppe A U E,SE definieren wir U A F,S F := N F/E 1 (A) U F,SF Bemerkung 23 (1) Für S E = V E (und S F = V F ) gilt U E = U E,SE und U F = U F,SF (2) Es gilt der Dirichlet sche Einheitensatz: U E,SE = ζ ǫ 1 ǫ re 1 [35, V, 1], wobei ζ eine geeignete Einheitswurzel ist (es gilt TU E = TU E,SE = ζ ) und ǫ 1,, ǫ re 1 Grundeinheiten sind (dh, sie haben unendliche Ordnung, das Produkt ist direkt und sie erzeugen die ganze Gruppe) (3) Nach (2-1) und (1-1) gelten N F/E (U F,SF ) U E,SE und U E,SE U F,SF (4) Offenbar gilt A U A F,S F, da N F/E (A) = A n ist Als nächstes wollen wir die Struktur von UF,S A F bestimmen Dazu benötigen wir folgendes Lemma: Lemma 24 Für A TU E gilt: U A F,S F /TU F ist frei vom Rang r F r E Beweis Nach Bemerkung 23(2) sind U F,SF /TU F und daher auch jede Untergruppe hiervon frei Es bleibt daher noch die Dimensionsaussage zu zeigen: Da Ñ F/E : U F,SF /TU F U E,SE /TU E : xtu F N F/E (x)tu E ein Modulhomomorphismus ist, folgt aus dem Isomorphiesatz für freie Z-Moduln und aus N F/E (x) = x n für jedes x E: ( bezeichnet hier Z-Modulisomorphien) U E,SE/TUE Bild ÑF/E U F/TU F / Kern Ñ F/E, und daher rg Kern ÑF/E = r F r E Mit TUE s dann die Behauptung A für ein geeignetes s N folgt

14 10 II EINHEITEN Satz 25 Sei U UF,S A F eine Untergruppe von endlichem Index Dann gibt es unabhängige Einheiten ǫ i U (1 i r F r E + rg A =: r) sowie eine Torsionseinheit ζ, so daß U = ζ ǫ 1 ǫ r Seien A TU E beliebig, U U F,SF von endlichem Index Dann gibt es Einheiten ǫ i U (1 i r F r E ), ǫ i U (1 i r E 1) sowie eine Torsionseinheit ζ, so daß UF,S A F U = ζ ǫ 1 ǫ rf r E und gelten U F,SF U = (U A F,S F U) ǫ 1 ǫ re 1 Beweis Direkte Konsequenz aus Bemerkung 23(4) und Lemma 24 Für den Fall E = Q und A = {±1} = TUÉerhalten wir wieder den Dirichlet schen Einheitensatz als Spezialfall Im weiteren seien A TU E beliebig und U U F,SF, von endlichem Index fixiert Wir werden im folgenden einen Regulator für UF,S A F U erklären, der die klassische Definition erweitert Dies ermöglicht uns dann, Abschätzungen für den Index (U TU E F,S F : (U TU E F,S F U)) anzugeben, um U TU E F,S F auszurechnen, ohne zunächst U F,SF zu bestimmen, was speziell im letzten Schritt (Aufstieg zu Fundamentaleinheiten) wegen der hohen Körpergrade sehr aufwendig ist [55] Ferner wird dieser Regulator ein Maß für die Komplexität des später vorgestellten Algorithmus zum Lösen von Normgleichungen darstellen Seien nun (2-3) L F : U F,SF R S F : ǫ (n V,E V (ǫ)) V SF, (2-4) L F : U F,SF R S F : ǫ (n V,E V (ǫ)) V S F definiert Nach [35, V, 1] ist L F (U F,SF ) ein Gitter vom Rang r F 1 im R S F ; daher ist dann L F (U A F,S F ) ein Gitter vom Rang r F r E Lemma 26 (1) Sei B R n n mit B i,j = a + δ i,j b i, a, b i R Dann gilt n 1 det B = ( b i )(a + 1) b i n

15 1 STRUKTUR 11 ( ) (2) Seien B R n n, C R m n B beliebig Für B := gelten dann CB B tr B = B tr (I n + C tr C)B und det(b tr B ) = det 2 B det(i n + C tr C) Speziell gilt für m = 1, dh C = (c 1,, c n ): det(i n + C tr C) = 1 + c 2 i n Beweis (1): Siehe [46, 56 Exercise 1] (2): Es gilt: (B tr B ) i,j = n +m l=1 n B l,ib l,j = B l,i B l,j + (CB) l,i (CB) l,j l=1 m l=1 = (B tr B) i,j + ((CB) tr (CB)) i,j = (B tr (I n + C tr C)B) i,j Da alle Matrizen quadratisch sind, folgt die Aussage über die Determinanten Sei nun m = 1 und D := diag(c 1,, c n ) Wir erhalten: I n + C tr C = I n + ((1,, 1)D) tr (1,, 1)D = D(D n )D Mit (1) angewendet auf a = 1, b i = c 2 i folgt daher: det(i n + C tr C) = det 2 (D) = n c 2 i + 1 n c 2 n i ( c 2 i + 1) Wir fixieren nun ein maximales unabhängiges Einheitensystem ǫ i U TU E F,S F (1 i r F r E ), ǫ i U (1 i r E 1) und ζ TU F mit U = ζ ǫ 1 ǫ rf r E ǫ 1 ǫ re 1 Nach Satz 25 gibt es solche Einheiten Definiere ι : U TU E F,S F U Z r F r E : ǫ = ζ r F r E ǫ n i i (n i ) 1 i rf r E, U

16 12 II EINHEITEN sowie mit {v 1,, v re } = S E, {V 1,, V rv 1} = P v eine Anordnung i 1 l=1 τ : S F N : V (r v l 1) + j 1 für V = V j P vi r F r E + i für V = V vi wie in (2-2) Damit ist τ(s F ) = [1, r F ] und τ( S F ) = [1, r F r E ] Für x R S F sei R r F τ(x) := (x τ(i) ) 1 i rf Mit und L := (n τ 1 (i),e τ 1 (i)(ǫ j )) 1 i rf 1 j r F r E R r F (r F r E ) L := (n τ 1 (i),e τ 1 (i)(ǫ j )) 1 i rf r E 1 j r F r E R (r F r E ) (r F r E ) erhalten wir dann die beiden kommutativen Diagramme: U TU E F,S F U ι Z r F r E L F R S F τ L R r F und Lemma 27 Sei Γ := [0, 1] r F r E Dann gelten: U TU E F,S F U ι Z r F r E L F R S F τ L R r F r E (1) vol rf r E (LΓ) = v S E r v vol( LΓ) (2) vol( LΓ) ist unabhängig von der Anordnung der Bewertungen und dem speziell gewählten Einheitensystem Beweis (1): Sei (2-5) C := r v1 1 { }} { 1,, 1 0 r v2 1 { }} { 0 1,, 1 0 r vre 1 { }} { 0 1,, 1 Dann gilt: C tr C = diag(1 rv1 1,, 1 rvre 1) Nach Lemma 26(1) und [23, 5 (67)] gilt dann: (2-6) det(i rf r E + C tr C) = r v v S E

17 1 STRUKTUR 13 Aus (1-1) zusammen mit Definition 22 und Bemerkung 23(3) folgt für jedes v S E und jedes ǫ U TU E F,S F : (2-7) n V,E V (ǫ) = v(n F/E (ǫ)) = 0 V P v ( ) L Aus L = CL, (2-6) und Lemma 26(2) erhalten wir daher det(l tr L) = det( L tr L) r v v S E Wegen vol 2 r F r E (LΓ) = det(l tr L) [34, Appendix II] und vol 2 ( LΓ) = det( L tr L) = det 2 ( L) ist dann (1) bewiesen (2): Da die entsprechenden Transformationen unimodular bzw unitär sind, folgt die Behauptung Definition 28 Wir nennen reg F/E (U) := vol( LΓ) den (S F -)Regulator von U (bezüglich F/E) Ferner sei reg F/E (F) := reg F/E (U TU E F,S F ) Satz 29 Es gilt: r E reg F/É(U) = ( n rv i 1 v i,é) reg F/E (U) reg E/É(N F/E (U)) Beweis Setze L := (L τl F ( ǫ 1 ),, τl F ( ǫ re 1)) Da rg L = r F r E gilt, gibt es ein S GL(r F 1, R) mit ( ) 0 L = rf r L E S, B wobei (wie in (2-7)) für jedes v S E und V P v n V,E V (ǫ i ) = v(n F/E (ǫ i )) = 0 V P v n V,E V ( ǫ i ) = v(n F/E ( ǫ i )) gelten und daher obda B von folgender Form ist: B = (v i (N F/E ( ǫ j ))) 1 i re 1 j r E 1

18 14 II EINHEITEN Seien L, L und B durch Streichen der letzten Zeile von L, L und B definiert Dann gelten: ( L 0 L 0 = L )S B = S B * Sei D 1 := diag( n τ (1),É 1,, n τ 1 (r F 1),É) R r F 1 r F 1 n τ 1 (1),E n τ 1 (r F 1),E sowie D 2 := diag(n v1,é,, n vre 1,É) R r E 1 r E 1 Dann sind definitionsgemäß und Daher folgt: reg F/É(U) = det(d 1 ) det( L ) r F 1 n τ (i),é = 1 n τ 1 (i),e und mit V,É n n V,E det(d 2 B ) = reg E/É(N F/E (U)) det(d 1 L ) = reg F/É(U) = det(d 1 ) det( L) det(b ) = det(d 1) det(d 2 ) reg F/E(U) reg E/É(N F/E (U)) r E 1 1 n vi,éreg F/E (U) reg E/É(N F/E (U)), = n v,éfür jedes V v können wir weiter schließen: = = r E r E n rv i 1 v i,én vre n τ 1 (r F ),E n τ 1 (r F ),Éreg F/E (U) reg E/É(N F/E (U)) n rv i 1 v i,éreg F/E (U) reg E/É(N F/E (U)) Bemerkung 210 (1) Für E = Q und S E = VE erhalten wir wieder die alte Definition des Regulators, dh, es gilt: (2) Für S E = V E gilt reg(u) = reg F/É(U) reg(u) = 2 r 2(n 1) reg F/E (U) reg E/É(N F/E (U)) = 2 r 2(n 1) reg F/E (U)(U E : TU E N F/E (U)) reg(u E )

19 2 EINE UNTERE REGULATORABSCHÄTZUNG 15 (3) Bei der in [14] gegebenen Definition entfällt der Faktor 2 r2(n 1) Die dort gegebene Definition unterscheidet sich von unserer in der Normierung der Funktion L F (2-3); dort wird statt mit n V,E mit n V,Émultipliziert Ferner wird dort nur der Fall S E = VE betrachtet 2 Eine untere Regulatorabschätzung In diesem Abschnitt seien A := TU E und S E := VE Wir wollen eine untere Abschätzung für reg F/E (F) herleiten, die es uns ermöglicht, mit den in [55] dargestellten Methoden, ausgehend von einer Untergruppe von endlichem Index, zu der vollen Einheitengruppe aufzusteigen Im Gegensatz zu unteren Schranken wie zb in [22, 14] werden wir keine a-priori-schranken erhalten; dafür wird unsere iallg größer, dh schärfer, sein Lemma 211 Die Abbildung: m n q : U TU E F R 0 : ǫ log( ǫ (i,j) ) 2 j=1 ist eine positiv definite quadratische Form mit Determinante d q = 2 r 2(n 1) r 1 t i n r 1+r 2 reg 2 F/E(F) Beweis Sei ǫ 1,, ǫ rf r E ein unabhängiges Erzeugendensystem für U TU E F Dann gilt für x U TU E F mit x = ζ µ 0 r F r E ǫ µ i i : r F r E q(x) = q( ǫ µ l l ) l=1 m n = ( = j=1 r F r E k,l=1 r F r E l=1 m µ k µ l ( µ l log ǫ (i,j) l ) 2 n j=1 = (µ l ) tr 1 l r F r E (log ǫ (i,j) k log ǫ (i,j) k log ǫ (i,j) l ) ) tr 1 i m,1 j n 1 k r F r E (log ǫ (i,j) k ) 1 i m,1 j n 1 k r F r E (µ l ) 1 l rf r E =: (µ l ) tr 1 l r F r E B tr B (µ l ) 1 l rf r E

20 16 II EINHEITEN Da q(x) als Summe nicht negativer Zahlen nicht negativ ist, haben wir q als positivsemidefinit nachgewiesen Da q(x) = 0 äquivalent zu x TU F ist, ist der erste Teil der Aussage gezeigt Weil definitionsgemäß det(b tr B ) = d q gilt, müssen wir nun det B tr B berechnen Um die Lemmata 26(1) und 26(2) anwenden zu können, benötigen wir zunächst einige Hilfsmatrizen: Für 1 i r 1 betrachten wir die folgenden Matrizen: log ǫ (i,1) 1 log ǫ (i,1) r F r E B i log ǫ (i,s i +t i ) 1 log ǫ (i,s i +t i ) log ǫ (i,s i +t i ) 1 log ǫ (i,s i +t i ) r r B i F r E F r E := log ǫ (i,s i +2t i ) 1 log ǫ (i,s i +2t i ) r F r log ǫ (i,s i +2t i ) 1 log ǫ (i,s i +2t i ) r E =: F r E log ǫ log ǫ (i,s i +t i +1) 1 log ǫ (i,s i +t i +1) r F r (i,s i +t i +1) 1 log ǫ (i,s i +t i +1) r F r E E und log ǫ (i,s i +2t i 1) 1 log ǫ (i,s i +2t i 1) r F r E C i := s i { }} { 1/2 1/2 1/2 1/2 ( ) 1 1 } {{ } n 1 Für r 1 < i r 1 + r 2 definieren wir analog: log ǫ (i,1) 1 log ǫ (i,1) r B i := F r E =: log ǫ (i,n) 1 log ǫ (i,n) r F r E und Damit gilt für 1 i r 1 + r 2 : 0 C i := ( log ǫ (i,s i +2t i 1) 1 log ǫ (i,s i +2t i 1) r F r E t i 1 { }} { I ti 1 n 1 { }} { 1 1 ) ( ) B i = Bi C i B i t i > 0 B i t i = 0 log ǫ (i,n) 1 log ǫ (i,n) r F r E

21 2 EINE UNTERE REGULATORABSCHÄTZUNG 17 und B = S B 1 B r 1 +r 2 B r 1 +1 B r 1 +r 2 = S B 1 B r1 +r 2 C 1 B 1 C r1 +r 2 B r1 +r 2 B r1 +1 B r1 +r 2 C r1 +1B r1 +1, C r1 +r 2 B r1 +r 2 wobei S, S die notwendigen Zeilenvertauschungen darstellen und deswegen unitär sind Schließlich seien noch C C C r B C B := und C := r1 +r I n B r1 +r I n C r C r1 +r 2 Damit folgt ( ) B B = S CB Nach Lemma 26(2) gilt det(b tr B ) = det 2 (B) det(i + C tr C) Offensichtlich haben wir r 1 2 max(0,ti 1) det(b) = reg F/E (F) und (mit [23, 5 (67)]) det(i + C tr C) = r 1 (I si +t Ci tr C i ) r 1 +r 2 i=r 1 +1 (I n 1 + 2Ci tr C i + I n 1 )

22 18 II EINHEITEN Es verbleibt also nur noch det(i si +t i 1 + C tr i C i ) bzw det(2i n 1 + 2C tr i C i ) zu bestimmen Für 1 r 1, t i = 0 folgt aus Lemma 26(2): Mir Lemma 26(1) folgt: n 1 det(i si +t i 1 + c tr i c i ) = (c i ) 2 l + 1 = n l=1 n 1 det(2i + 2c tr i c i ) = 2n 1 ( 1 + 1) = 2 n 1 n Schließlich sei 1 i r 1 und t i > 0 Mit und folgt dann l=1 s i t i 1 { }} { 1 D := diag( 2,, 1 { }} { 2, 1,, 1) C i = ( I ti 1 det(i si +t i 1 + Ci tr c) = det2 (D) det(d 2 tr + C i C i ) ( ) 1 si = 4 s i 2 ti 1 s i si+ti 1 1 ( ) ) l=1 = 2 t i ( s i 4 + t i ) l=s i +1 aus C tr i = 2 t i n 4 s i t i 1 { }} { { }} { C i = diag( 0,, 0, 1,, 1) + 2 si +t i 1 Insgesamt gilt d q = r 1 und die Behauptung folgt r 1 4 max(0,ti 1) reg 2 F/E (F) n t i =0 r 1 t i >0 = 2 r 1 t i n r 1 2 (n 1)r 2 n r 2 reg 2 F/E(F) = 2 r 2(n 1) r 1 t i n r 1+r 2 reg 2 F/E (F) 2 t i 2 n r 1 +r 2 i=r n 1 n

23 Lemma 212 Für x, y R 0, λ 1 gelten: 2 EINE UNTERE REGULATORABSCHÄTZUNG 19 (1) h 1 (x + y) h 1 (x) + h 1 (y), (2) h 1 (λx) λh 1 (x), (3) h 1 ist streng monoton wachsend h 1 : R 0 R : x cosh( x) 1, Beweis (1): Es gilt cosh(x) = k=0 x 2k (2k)! und daher: h 1 (x + y) = k=1 k=1 1 (x + y)k (2k)! 1 (2k)! (xk + y k ) = h 1 (x) + h 1 (y) (2): Da λ λ k gilt, folgt die Behauptung wie in (1) (3): Da sowohl cosh( ) als auch streng monoton wachsend sind, folgt die Aussage unmittelbar Lemma 213 Seien n N, n K R und n x 2 i h 2 : R n R : x = (x 1,, x n ) gegeben Für das Minimum M von h 2 unter den Nebenbedingungen (1) n e 2x i K, (2) n e 2x i K gilt: M 1 4 arcosh2 (K n + 1) Beweis Durch Addition der Bedingungen (1) und (2) erhalten wir (cosh(x) = 1 2 (ex + e x )): (3) n cosh(2x i) K

24 20 II EINHEITEN Nach Lemma 212(3) reicht es, das Minimum von cosh( 4h 2 ) abzuschätzen Mit Lemma 212(1) gilt: cosh 4h 2 (x) 1 = cosh( n (2x i ) 2 ) 1 = n (cosh( 2x i ) 1) woraus die Behauptung dann unmittelbar folgt n (cosh(2x i ) 1) K n, Lemma 214 Sei U U F eine Untergruppe von endlichem Index mit U E < U Dann gilt: (U E : TU E N F/E (U F )) (U E : TU E N F/E (U)) n r 1+r 2 Beweis Unmittelbare Folge aus N F/E (U E ) = U n E und dem Satz von Lagrange [40, Satz 177] Analog [55, Kapitel 2] erhalten wir nun aus Lemma 211 und Lemma 213 eine untere Schranke für reg F/E (F): Seien r := r 1 (s i + t i ) + r 2 n 1, M 1,, M r die sukzessiven Minima von q und γr r die r-te Hermitesche Konstante Dann gilt: 2 r 1 t i r 2 (n 1) r M i (2-8) n r 1+r 2γ reg r F/E (F) r Nun können wir mit Hilfe einer modifizierten Version von [55, Algorithmus 27] eine untere Regulatorschranke bestimmen Dort werden mittels des Auszähl- Algorithmus 36 die sukzessiven Minima teilweise bestimmt und gleichzeitig eine untere Schranke für die fehlenden Minima ermittelt Alternativ hierzu können wir auch den ungeänderten Algorithmus verwenden, um eine Schranke für reg F (F) zu erhalten Nachdem wir die n-maximale Obergruppe (dh p-maximal für jedes p PÉmit p n) von U E in U F bestimmt haben, können wir mit Hilfe von Satz 29 eine untere Schranke erhalten In der Praxis sollten beide Schranken parallel berechnet werden, was einfach zu implementieren ist, da die Hauptarbeit im Auszählen und Testen einer großen Menge von algebraischen Zahlen liegt

25 3 KONSTRUKTION VON EINHEITEN 21 Bemerkung 215 In [45] wird das Minimum von R n x n x2 i zusätzlich zu den in Lemma 213 gegebenen Nebenbedingungen noch unter n x i = 0 abgeschätzt Die dort angegebene untere Schranke erfordert iallg noch das Lösen mehrerer algebraischer Gleichungssysteme Für den Fall n = 5 ist die Schranke explizit, es gilt h arcosh2 ( K ) 2 Wegen arcosh (x) 0 für x gilt arcosh 2 ( K n+2 2 ) arcosh 2 (K n + 1) 1, dh, unsere Regulatorschranke ist für große K etwa halb so groß wie die in [45] Im Gegensatz zu der in [45] ist unsere Schranke jedoch explizit gegeben 3 Konstruktion von Einheiten Hier wollen wir kurz darauf eingehen, wie die in den letzten Abschnitten vorgestellten Ergebnisse für praktische Berechnungen genutzt werden können Zunächst benötigen wir jedoch noch ein Lemma 216 (1) Für jedes x o F gilt: N F/E(x) o x F (2) Seien c > 0 und M c := {x o F v V E Dann enthält M c nur endlich viele bezüglich U 1 F : v(n F/E (x)) c} nicht assoziierte Elemente Beweis (1): Konsequenz aus (1-1) (2): Analog [46, 5 (23)]: Setze M c := {x o E v V E : v(x) c} Dann ist offensichtlich # M c <, und es reicht zu zeigen, daß für jedes µ M c die Menge N µ := {x o F v VE : N F/E (x) = µ} nur endlich viele nicht assoziierte Elemente enthält Wir fixieren ein µ M c und setze T := o F /(µ) Wir zeigen nun, daß α/β UF 1 aus α β mod µ folgt Seien dazu α β mod µ beliebig aus N µ gegeben und γ o F mit α β = γµ Dann gilt: α = 1 + γ µ o β β F

Elemente der Analysis II

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

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 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.

Mehr

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

Teil II. Nichtlineare Optimierung

Teil 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

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. 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

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 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;.

Mehr

17. Penalty- und Barriere-Methoden

17. 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

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. 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.

Mehr

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

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

Mehr

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)

Mehr

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens Mathematische Grundlagen der Kryptographie 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe Stefan Brandstädter Jennifer Karstens 18. Januar 2005 Inhaltsverzeichnis 1 Ganze Zahlen 1 1.1 Grundlagen............................

Mehr

2.1 Codes: einige Grundbegriffe

2.1 Codes: einige Grundbegriffe Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie 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

Mehr

6 Fehlerkorrigierende Codes

6 Fehlerkorrigierende Codes R. Reischuk, ITCS 35 6 Fehlerkorrigierende Codes Wir betrachten im folgenden nur Blockcodes, da sich bei diesen das Decodieren und auch die Analyse der Fehlertoleranz-Eigenschaften einfacher gestaltet.

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

Mehr

Basis 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. 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

Mehr

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor

GNS-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

Mehr

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Stefan Lucks Diskrete Strukturen (WS 2009/10) 57 2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Uhr: Stunden mod 24, Minuten mod 60, Sekunden mod 60,... Rechnerarithmetik: mod 2 w, w {8, 16, 32,

Mehr

Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen

Seminar 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

Mehr

Lenstras Algorithmus für Faktorisierung

Lenstras 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

Mehr

4 Greedy-Algorithmen (gierige Algorithmen)

4 Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine

Mehr

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten: KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand

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

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

Mehr

Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt

Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Leonhard Euler 1 Wann immer in den Anfängen der Analysis die Potenzen des Binoms entwickelt

Mehr

Steinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering

Steinerbäume. Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Steinerbäume Seminarausarbeitung Hochschule Aalen Fakultät für Elektronik und Informatik Studiengang Informatik Schwerpunkt Software Engineering Verfasser Flamur Kastrati Betreuer Prof. Dr. habil. Thomas

Mehr

Einführung in die Informatik I

Einführung in die Informatik I Einführung in die Informatik I Algorithmen und deren Programmierung Prof. Dr. Nikolaus Wulff Definition Algorithmus Ein Algorithmus ist eine präzise formulierte Handlungsanweisung zur Lösung einer gleichartigen

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w 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

Mehr

Codes und Codegitter. Katharina Distler. 27. April 2015

Codes und Codegitter. Katharina Distler. 27. April 2015 Codes und Codegitter Katharina Distler 7. April 015 Inhaltsverzeichnis 1 Codes 4 Codegitter 14 Einleitung Die folgende Seminararbeit behandelt das Konzept von Codes und Codegittern. Da sie bei der Informationsübertragung

Mehr

Approximationsalgorithmen

Approximationsalgorithmen Ausarbeitung zum Thema Approximationsalgorithmen im Rahmen des Fachseminars 24. Juli 2009 Robert Bahmann robert.bahmann@gmail.com FH Wiesbaden Erstellt von: Robert Bahmann Zuletzt berarbeitet von: Robert

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. 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

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. 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

Mehr

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

ERGÄNZUNGEN 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,

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Zyklen von indefiniten binären quadratischen Formen und die engere Idealklassengruppe reell quadratischer Zahlkörper mit Diskriminante d < 10 6

Zyklen von indefiniten binären quadratischen Formen und die engere Idealklassengruppe reell quadratischer Zahlkörper mit Diskriminante d < 10 6 Zyklen von indefiniten binären quadratischen Formen und die engere Idealklassengruppe reell quadratischer Zahlkörper mit Diskriminante d < 10 6 1. Einleitung. von Daniel C. Mayer. Dem Gedächtnis an Alexander

Mehr

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf Kochen mit Jordan Vorbereitungen Man nehme eine Matrix A R n n und bestimme ihr charakteristisches Polynom p(λ) = (λ c ) r (λ c j ) rj C[X] Dabei gilt: algebraische Vielfachheit r j ˆ= Länge des Jordanblocks

Mehr

Geometrische Mannigfaltigkeiten

Geometrische 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

Mehr

Sprechen wir über Zahlen (Karl-Heinz Wolff)

Sprechen 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,

Mehr

Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern

Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Integration geometrischer und fotogrammetrischer Information zum Wiederfinden von Bildern Björn Burow SE Mustererkennung in Bildern und 3D-Daten Lehrstuhl Graphische Systeme BTU Cottbus Inhaltsübersicht

Mehr

2 Lineare Gleichungssysteme

2 Lineare Gleichungssysteme Beispiel.5: Funktion von Runge (V) Beispiel Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung.3: Interpolation

Mehr

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise:

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise: Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 5.4 Prädikatenlogik mit Gleichheit Resolution 192 Beispiel Bsp.: Betrachte Schlussweise in: 1 Wenn es regnet, dann wird die Straße nass. R N

Mehr

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die

Mehr

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen. Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und

Mehr

Karlsruher Institut für Technologie Institut für Algebra und Geometrie

Karlsruher Institut für Technologie Institut für Algebra und Geometrie Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. Stefan Kühnlein Dipl.-Math. Jochen Schröder Einführung in Algebra und Zahlentheorie Übungsblatt 2 Aufgabe 1 (4 Punkte) Seien

Mehr

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling

Approximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani

Mehr

RSA Verfahren. Kapitel 7 p. 103

RSA Verfahren. Kapitel 7 p. 103 RSA Verfahren RSA benannt nach den Erfindern Ron Rivest, Adi Shamir und Leonard Adleman war das erste Public-Key Verschlüsselungsverfahren. Sicherheit hängt eng mit der Schwierigkeit zusammen, große Zahlen

Mehr

Post-quantum cryptography

Post-quantum cryptography Post-quantum cryptography Post-quantum cryptography 1. Komplexität & Quantencomputer 2. Kryptografie in Gittern 3. FHE Eine Revolution im Datenschutz? WIESO? KOMPLEXITÄT Public-Key-Kryptografie Grafiken:

Mehr

(PRO-)SEMINAR ZUR ALGEBRA

(PRO-)SEMINAR ZUR ALGEBRA (PRO-)SEMINAR ZUR ALGEBRA U. GÖRTZ, C. KAPPEN, WS 200/ Einführung Kettenbrüche sind Ausdrücke der Form a 0 + a + a 2+... (beziehungsweise gewisse Varianten davon). Kettenbrüche sind ein klassisches und

Mehr

Wie kann man beweisen, dass (H, ) eine Gruppe ist?

Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )

Mehr

Laufzeit und Komplexität

Laufzeit und Komplexität Laufzeit und Komplexität Laufzeit eines Algorithmus Benchmarking versus Analyse Abstraktion Rechenzeit, Anzahl Schritte Bester, Mittlerer, Schlechtester Fall Beispiel: Lineare Suche Komplexitätsklassen

Mehr

Numerisches Programmieren

Numerisches Programmieren Technische Universität München SS 2012 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dipl-Math Dipl-Inf Jürgen Bräckle Dr-Ing Markus Kowarschik Numerisches

Mehr

Gitter und Codes. SS 2007 Prof. Dr. G. Nebe, Dr. M. Künzer

Gitter und Codes. SS 2007 Prof. Dr. G. Nebe, Dr. M. Künzer Gitter und Codes SS 2007 Prof. Dr. G. Nebe, Dr. M. Künzer In dieser Vorlesung werden Grundlagen, schöne Beispiele und Ergebnisse der kombinatorischen und geometrischen Theorie von Gittern und einige Analoga

Mehr

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt 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

Mehr

Beweis der Darstellbarkeit irgend eines ganzen invarianten Gebildes einer binären Form als ganze Function einer geschlossenen Anzahl solcher Gebilde.

Beweis der Darstellbarkeit irgend eines ganzen invarianten Gebildes einer binären Form als ganze Function einer geschlossenen Anzahl solcher Gebilde. 73 Beweis der Darstellbarkeit irgend eines ganzen invarianten Gebildes einer binären Form als ganze Function einer geschlossenen Anzahl solcher Gebilde. von F. Mertens. 1. Ich habe in dem hundertsten Bande

Mehr

Die Weierstraßsche Funktion

Die 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

Mehr

3 Der Hamming-Code. Hamming-Codes

3 Der Hamming-Code. Hamming-Codes 3 Der Hamming-Code Hamming-Codes Ein binärer Code C heißt ein Hamming-Code Ha s, wenn seine Kontrollmatrix H als Spalten alle Elemente in Z 2 s je einmal hat. Die Parameter eines n-k-hamming-codes sind:

Mehr

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen Berechenbarkeit und Komlexität Entscheidbarkeit und Unentscheidbarkeit Wolfgang Schreiner Wolfgang.Schreiner@risc.uni-linz.ac.at Research Institute for Symbolic Comutation (RISC) Johannes Keler University,

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Stefan Lucks Krypto und Mediensicherheit (2009) 4: Stromchiffren

Stefan Lucks Krypto und Mediensicherheit (2009) 4: Stromchiffren 4: Stromchiffren Zwei Grundbausteine der symmetrischen Kryptographie: Stromchiffren Verschlüsseln beliebig langer Klartexte, interner Zustand Blockchiffren Verschlüsseln von Blocks einer festen Größe,

Mehr

Technische Informatik - Eine Einführung

Technische Informatik - Eine Einführung Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine

Mehr

Wie viele Nullstellen hat ein Polynom?

Wie viele Nullstellen hat ein Polynom? Wie viele Nullstellen hat ein Polynom? Verena Pölzl 0812265 Sabine Prettner 8930280 Juni 2013 1 Inhaltsverzeichnis 1 Warum will man wissen, wie viele Nullstellen ein Polynom hat? 3 2 Oligonome 4 3 Die

Mehr

1 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 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

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.

Mehr

16. All Pairs Shortest Path (ASPS)

16. All Pairs Shortest Path (ASPS) . All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e

Mehr

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada Stochastische Analysis für Zufallsmatrizen Roland Speicher Queen s University Kingston, Kanada Was ist eine Zufallsmatrix? Zufallsmatrix = Matrix mit zufälligen Einträgen A : Ω M N (C) Was ist eine Zufallsmatrix?

Mehr

Codierung, Codes (variabler Länge)

Codierung, Codes (variabler Länge) Codierung, Codes (variabler Länge) A = {a, b, c,...} eine endliche Menge von Nachrichten (Quellalphabet) B = {0, 1} das Kanalalphabet Eine (binäre) Codierung ist eine injektive Abbildung Φ : A B +, falls

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 15: Differentialgleichungen FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen

Mehr

Amerikanischen Optionen

Amerikanischen Optionen Die Bewertung von Amerikanischen Optionen im Mehrperiodenmodell Universität-Gesamthochschule Paderborn Fachbereich 17 Seminar Finanzmathematik SS 2001 Referentin: Christiane Becker-Funke Dozent: Prof.

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. 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

Mehr

Entwurf robuster Regelungen

Entwurf robuster Regelungen Entwurf robuster Regelungen Kai Müller Hochschule Bremerhaven Institut für Automatisierungs- und Elektrotechnik z P v K Juni 25 76 5 OPTIMALE ZUSTANDSREGELUNG 5 Optimale Zustandsregelung Ein optimaler

Mehr

Zuammenfassung: Reelle Funktionen

Zuammenfassung: Reelle Funktionen Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,

Mehr

Definition 27 Affiner Raum über Vektorraum V

Definition 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,

Mehr

DHBW Karlsruhe, Vorlesung Programmieren, Klassen (2)

DHBW Karlsruhe, Vorlesung Programmieren, Klassen (2) DHBW Karlsruhe, Vorlesung Programmieren, Klassen (2) Aufgabe 3 Bankkonto Schreiben Sie eine Klasse, die ein Bankkonto realisiert. Attribute für das Bankkonto sind der Name und Vorname des Kontoinhabers,

Mehr

Berechnung von Eigenwerten und Eigenvektoren

Berechnung von Eigenwerten und Eigenvektoren Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.

Mehr

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie und, oder, nicht, wenn... dann zwischen atomaren und komplexen Sätzen. I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten

Mehr

1 Das Lemma von Burnside und seine Anwendungen

1 Das Lemma von Burnside und seine Anwendungen Das Lemma von Burnside und seine Anwendungen Mit dem Lemma von Burnside lassen sich Zählprobleme lösen, bei denen Symmetrien eine Rolle spielen. Betrachten wir als einführendes Beispiel die Anzahl der

Mehr

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),

Mehr

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 7 Projektionen und Rückprojektionen Der Punkt Die Gerade Die Quadrik Die Ebene Zusammenhang Kalibriermatrix - Bild des absoluten

Mehr

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus

Mehr

Ohne Mathematik undenkbar!

Ohne Mathematik undenkbar! Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als

Mehr

34 5. FINANZMATHEMATIK

34 5. FINANZMATHEMATIK 34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.

Mehr

SO(2) und SO(3) Martin Schlederer. 06. Dezember 2012

SO(2) und SO(3) Martin Schlederer. 06. Dezember 2012 SO(2) und SO(3) Martin Schlederer 06. Dezember 2012 Inhaltsverzeichnis 1 Motivation 2 2 Wiederholung 2 2.1 Spezielle Orthogonale Gruppe SO(n)..................... 2 2.2 Erzeuger.....................................

Mehr

ab (a wird gefunden als die Abcisse des Minimums). so erhält man eine

ab (a wird gefunden als die Abcisse des Minimums). so erhält man eine 24 ab (a wird gefunden als die Abcisse des Minimums). so erhält man eine gerade Linie. Die (:~). Kurve (verg I. Fig. 5) ist ein Parabel. Wenn nun d gröszer als a wird. wird die Kurve wieder steigen. Die

Mehr

Kapitel 7: Formaler Datenbankentwurf

Kapitel 7: Formaler Datenbankentwurf 7. Formaler Datenbankentwurf Seite 1 Kapitel 7: Formaler Datenbankentwurf Die Schwierigkeiten der konzeptuellen Modellierung sind zu einem großen Teil dadurch begründet, dass sich die relevanten Strukturen

Mehr

Umsetzung von DEA in Excel

Umsetzung von DEA in Excel Umsetzung von DEA in Excel Thorsten Poddig Armin Varmaz 30. November 2005 1 Vorbemerkungen In diesem Dokument, das als Begleitmaterial zum in der Zeitschrift,,Controlling, Heft 10, 2005 veröffentlichten

Mehr