TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
|
|
- Gundi Claudia Graf
- vor 8 Jahren
- Abrufe
Transkript
1 TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität Z8 Abzählbarkeit (i) Zeigen Sie, dass Z abzählbar ist. (ii) Zeigen Sie, dass R nicht abzählbar ist. Zentralübungsaufgaben (iii) Zeigen Sie, dass nicht alle nach oben beschränkte, nichtleere Teilmengen von Q Suprema haben. Bevor wir mit der eigentlichen Aufgabe anfangen, wiederholen wir kurz, was es bedeutet, wenn eine Menge abzählbar ist. Definition (Abzählbarkeit) Eine Menge M heißt höchstens abzählbar, wenn eine bijektive Abbildung f, f : N N M, existiert. M heißt abzählbar, wenn N = N ist. Die Definition legt schon nahe, dass nicht jede Menge höchstens abzählbar ist und dass, obwohl N unendlich viele Elemente enthält! Wie wir sehen werden, müssen wir zwischen Mengen mit abzählbar (unendlich) vielen und überabzählbar (unendlich) vielen Elementen unterscheiden. (i) Wir geben explizit eine solche Abbildung f an: f : N Z, n f (n) := n 2 n+1 2 n 2N n 2N + 1 Wie man direkt sieht, werden die geraden Zahlen auf positive ganze Zahlen abgebildet und die ungeraden auf die negativen. Auf den ersten Blick scheint diese Tatsache paradox: obwohl N Z eine echte Teilmenge der ganzen Zahlen ist, gibt es eine Bijektion zwischen beiden. Wie man leicht sieht, kann das aber nur für Mengen mit (abzählbar) unendlich vielen Elementen gelten, endliche Mengen können niemals echte Teilmengen mit gleicher Mächtigkeit enthalten (dieses Kriterium kann man auch dazu heranziehen, zwischen endlichen und unendlichen Mengen zu unterscheiden, Stichwort: Dedekind-unendliche Menge). (ii) Wir werden zwei Widerspruchsbeweise mit unterschiedlichen Ideen angeben: Der erste zeigt, dass reelle Zahlen nicht vollständig durch ihre Dezimaldarstellung charakterisiert sind, der Zweite beruht auf einem mengentheoretischem Argument. 1
2 (a) Nehmen wir an, R wäre abzählbar und {s n } n N wäre eine solche Abzählung, das heißt die Abbildung f : N R, n f (n) := s n. Jede Zahl s n stellen wir als Dezimalzahl dar und füllen gegebenenfalls die restlichen Stellen mit auf. Bezeichne s n m die mte Stelle der Zahl s n, also beispielsweise ist die dritte Stelle der Zahl s 7 s 7 = {, 1, 4, 5, 6, 2,,...} =, s 7 3 = 4. Jede Dezimalstelle kann nur Werte zwischen und 9 annehmen. Außerdem bezeichnen wir eine beliebige Zahl zwischen und 9 außer der mit, usw. Wir definieren also die Zahl s mit Dezimalen s n n : die n-te Dezimalstelle ist also gerade nicht die n-te Stelle der n-ten Zahl. Seien also beispielsweise die ersten 5 Zahlen der Aufzählung Dann definieren wir S, s 1 = {, 3, 1, 5, 7, 4,,...} =, s 2 = {, 1, 8, 5, 6, 2, 2,...} =, s 3 = {, 2, 4, 5, 6, 2, 7,...} =, s 4 = {, 5, 6, 1, 1, 4, 8,...} =, s 5 = {, 9, 7, 5, 6, 3, 3,...} =, S := s = {s 1, s 2, s 3, s 4,...} s j s j j, j N, als die Menge der Zahlen, dessen n-te Ziffer gerade nicht der n-ten Ziffer der n-ten Zahl der Aufzählung entspricht; in unserem Beispiel ist dies S := {, 1, 4, 1, 6,...}. Eine mögliche Wahl wäre in diesem Fall 1, , es gibt aber unendlich viele andere. Sei s S beliebig aber fest. s kann nicht in der Aufzählung von R enthalten sein. Denn angenommen s wäre die n-te Zahl der Aufzählung, s = s n, so müsste auch s n = s n n gelten. Nach Konstruktion von s kann dies nie erfüllt sein und s ist nicht in der Aufzählung enthalten. Widerspruch! (b) Ein anderer möglicher Beweis verwendet Intervallschachtelungen. Sei also {s n } n N eine Aufzählung von I := (, 1) R. Wenn wir zeigen können, dass eine Teilmenge von R überabzählbar ist, so muss auch R überabzählbar sein. Wir definieren rekursiv das (offene) Intervall I n : wir teilen I n 1 in drei gleich große Intervalle auf und wählen nun ein Intervall aus, in dem s n nicht liegt. Falls also s 1 =, ist, so können wir für I 1 das zweite oder das dritte Drittel auswählen, usw. So erhalten wir eine Intervallschachtelung, I j I n j > n. Wir wissen, dass eine Zahl s existiert, die in allen Intervallen der Intervallschachtelung enthalten ist, s I n n N. Andererseits muss s in der Aufzählung enthalten sein; wäre s = s j für ein j N, so hätten wir insbesondere s = s j I j. Nach Konstruktion der Intervallschachtelung kann dies aber nie erfüllt sein, Widerspruch! (iii) Beweis durch Gegenbeispiel: Sei Q := q Q q 2 < 3 Q und R := r R r 2 < 3 R. Da 3 Q hat die Menge Q kein Supremum, die Menge R R aber schon, nämlich 3. Z9 Endlichkeitsbegriffe Eine Menge heißt Dedekind-endlich, falls jede Injektion f : M M auch surjektiv ist. Eine Menge M heißt genau dann N-endlich, wenn ein n N und eine Bijektion g existieren mit g : {1,..., n} M. 2
3 Zeigen Sie, dass eine Menge genau dann N-endlich ist, wenn sie Dedekind-endlich ist. Eine kleine Nebenbemerkung vorweg: wir werden A B nicht wie üblich, das heißt A B und A B beweisen, sondern A B und A B (Nicht-A impliziert Nicht-B). Dass beide Beweismöglichkeiten äquivalent sind, sieht man anhand einer Aussagentafel. Zur Erinnerung A B ist dann wahr, falls aus A wahr B wahr folgt. Man kann auch überprüfen, dass A B gleich der logischen Operation A B ist. A B A B A B A B A B A B A B w w f f w w w w w f f w f w f f f w w f w f f f f f w w w w w w Ein kleiner Einschub: es hat sich herausgestellt, dass viele Hörer nicht zwischen und bzw. und unterschieden haben. Man benutzt und um Aussagen logisch zu verknüpfen, A B bedeutet A oder B, A B wird als A und B definiert. Solange A und B keine Mengen sind, ergeben Ausdrücke wie A B und A B keinen Sinn! Sind M und N Mengen, so sind andererseits Ausdrücke wie M N und M N nicht wohldefiniert. Weiterhin muss auch genau zwischen einem Element der Menge m M und der Teilmenge {m} M unterschieden werden: m ist keine Menge, sondern ein Element der Menge. Das bedeutet M\m ist nicht wohldefiniert, M\{m} schon! Beweis M N-endlich M Dedekind-endlich: Sei M also N-endlich. Angenommen, es gibt eine Menge M, die N-endlich, aber nicht Dedekindendlich ist (indirekter Beweis). Wir parametrisieren die N-Endlichkeit nach n: eine Menge heißt n-endlich, falls eine Bijektion g : {1,..., n} M existiert. Wir zeigen per Induktion nach n, dass eine Bijektion von einer n-endlichen Menge M auf sich selbst existiert. Laut Induktionsaxiom gibt es ein minimales n für das eine N-endliche Menge existiert, die nicht Dedekind-endlich ist. Für dieses hat man eine Bijektion g : {1,..., n} M und eine Injektion f : M M, die aber nicht surjektiv ist. Dann existiert ein m M\ f (M) und wir definieren M := M\{m}. Wir definieren f als f : M M, m f (m ) := f (m ) f ist wohldefiniert, da f (M ) f (M ) f (M) M. Da f injektiv ist, muss auch f injektiv sein. M ist n 1-endlich, denn wir können aus jeder Bijektion g : {1,..., n} M eine Bijektion von {1,..., n}\{k} nach M definieren: angenommen wir hätten g(k) = m. Dann ist g : {1,..., k 1, k + 1,..., n} M, l g (l) := g(l) eine Bijektion von {1,..., n}\{k} nach M. Wir definieren nun eine Abbildung ϕ : {1,..., n 1} {1,..., k 1, k + 1,..., n}, die die Lücke überspringt : l 1 l k 1 ϕ(l) := l + 1 k l n 1 Offensichtlich ist g ϕ : {1,..., n 1} M eine Bijektion. Weil n nach Induktionsvoraussetzung minimal war, ist M Dedekind-endlich und f : M M muss surjektiv sein. Nach Voraussetzung war aber auch f : M M injektiv. Nach Definition von f muss dann aber f (m) = m gelten und m f (M), Widerspruch! 3
4 M nicht N-endlich M nicht Dedekind-endlich: Nach Voraussetzung können wir rekursiv (das heißt per Induktion) eine injektive Abbildung g : N M konstruieren. n = 1: Es ist M und es existiert ein m 1 M. Wir definieren g(1) := m 1. Offensichtlich ist g 1 : {1} {m 1 }. Also ist {m 1 } M, denn es gibt keine bijektive Abbildung zwischen {1} und M. Also existiert ein m 2 M\{m 1 } und wir definieren g 2 (2) := m 2, g : {1, 2} {m 1, m 2 } := M 2 M, usw. Nun zum Induktionsschritt: Hat man ein injektives g n : {1,..., n} M n := {m 1,..., m n }, kann es nach Voraussetzung (M nicht N-endlich) nicht surjektiv sein. Also existiert ein m n+1 M\M n und wir definieren g(n + 1) := m n+1. Das so definierte g : N M M, M := n=1 M n, ist tatsächlich injektiv. Wäre g nicht injektiv, so gäbe es ein m M mit g(n) = m = g(ñ); andererseits liegt m in mindestens einem der M j, j N, und nach Konstruktion muss m M n und m Mñ gelten. Ohne Einschränkung sei ñ n. Da M n Mñ haben wir gñ(n) = gñ(ñ), woraus n = ñ folgt. g ist also injektiv. Allerdings müssen wir auch hier das Auswahlaxiom bemühen: denn die Zielmenge ist eine Vereinigung abzählbar vieler endlicher Mengen. Das mag zwar kleinlich bzw. verwirrend klingen, aber eine mathematisch rigorose Abhandlung dieser einfachen Tatsache nimmt fast 5 Seiten in Fränkels Buch dazu ein! Wir definieren nun f : M M als f (m) := m für alle m M c und f (m n ) := m n+1 für m n g(n). f ist injektiv, aber nicht surjektiv, denn m 1 f (M) und M ist nicht Dedekind-endlich. T8 Injektivität, Surjektivität, Bijektivität Tutoraufgaben (i) Erläutern Sie die Bedeutung des Auswahlaxioms im Beweis von Satz 1.3 der Vorlesung. (ii) Geben Sie einen Beweis an, der das Auswahlaxiom nicht verwendet und vergleichen Sie. (iii) Sei f A eine lineare Abbildung, f A : R n R m. Ist f injektiv, so folgt n m. (i) Wir wiederholen Satz 1.3 der Vorlesung und skizzieren den Beweis: Satz (Die Umkehrung einer bijektiven Abbildung) Zu jeder bijektiven Abbildung f : X Y gibt es genau eine ebenfalls bijektive Abbildung g : Y X mit den Eigenschaften f g = id Y und g f = id X. Beweis Wir zeigen zunächst, dass g existiert. f ist nach Voraussetzung bijektiv, also insbesondere surjektiv. Es gibt eine Injektion g mit f g = id Y (Rechtsinverses!), denn alle Mengen X y := f 1 ({ y}) = {x X f (x) = y} sind nichtleer, da f surjektiv ist. Mit dem Auswahlaxiom folgt, dass eine Abbildung g existiert mit g : Y X y, y g(y) g(y) X y y Y y Y X lässt sich als die Vereinigung der Fasern X y ausdrücken, y Y X y = X. y Y X y X ist klar, da X y X y Y gilt. y Y X y X ist ebenfalls wahr, denn x X f (x). Somit haben wir für alle y Y f g(y) = f g( y) = f (x) = y. 4
5 Es bleibt noch zu zeigen, dass g injektiv ist. Angenommen es gibt ein ỹ mit g(y) = x y = g(ỹ), y, ỹ Y. Dann wenden wir f von links an und erhalten so f g(y) = f (x y ) = f g(ỹ) = y = f (x y ) = ỹ, und wir schließen daraus, dass es nur ein y Y gibt mit Bild x y, g ist injektiv. f g = id Y ist also erfüllt und insbesondere haben wir f g(y ) = Y. Wir zeigen nun, dass g auch surjektiv ist. Angenommen, g wäre nicht surjektiv. Dann existieren x X mit x g(y ). Da f surjektiv ist, folgt f (x) Y = f g(y ). Da im f g = Y und g injektiv ist, gibt es ein x X derart, dass x = g f (x). Das bedeutet f (x) = y x = f ( x). f ist aber auch injektiv und wir folgern x = x, Widerspruch! Also ist g auch surjektiv und damit bijektiv. Die Eindeutigkeit und g f = id X zu zeigen ist trivial. (ii) Wir konstruieren im zweiten Beweis die Umkehrabbildung explizit. Beweis Da f bijektiv ist, existiert zu jedem y Y genau ein x y X mit f (x y ) = y. Wir definieren also g : Y X, y g(y) := x y. Man kann leicht zeigen, dass f g = id Y und g f = id X erfüllt sind. Wo liegt nun der Unterschied zwischen den beiden Beweisen, für den zweiten ist das Auswahlaxiom nicht notwendig (da die Auswahlmenge endlich ist)? Der Unterschied ist, dass der erste Beweis eigentlich aus zwei Teilen besteht und die Aussage des ersten allgemeiner ist, als notwendig: im ersten Teil wird bewiesen, dass zu jeder surjektiven Abbildung f eine Injektion g existiert, die ein Rechtsinverses zu f ist, das heißt f g = id Y. Die Injektivität von f ist nicht mit in den Beweis mit eingeflossen. Erst im zweiten Schritt haben wir die Injektivität von f benutzt, um daraus zu folgern, dass g auch surjektiv sein muss! Schritt 1 ist für sich also ein Theorem, das in einem allgemeineren Kontext Gültigkeit behält als Satz 1.3. (iii) Die Definition von Kern und Bild können passend verallgemeinert werden. Statt R n und R m betrachten wir kurz zwei allgemeine Vektorräume V 1 und V 2 und eine lineare Abbildung f : V 1 V 2 zwischen beiden. ker f := x V 1 f (x) = V 2 V1 im f := z V 2 x V 1 mit f (x) = z V 2 Hier sieht man ganz deutlich, dass der Kern einer Abbildung Teil des Urbildraums ist, während das Bild eine Teilmenge des Bildraums ist. Zu einer linearen Abbildung f A können wir eine m n-matrix assoziieren (eine Matrix mit m Zeilen und n Spalten). Hier liest sich die Definition von Bild und Kern wie folgt: ker f A := x R n f A (x) = R m R n im f A := z R m x R n mit f A (x) = z R m Den Beweis spalten wir in zwei Teile auf: zuerst zeigen wir, dass eine lineare Abbildung f A genau dann injektiv ist, wenn der Kern trivial ist, ker f A = {}. Danach zeigen wir, dass der Kern nur trivial sein kann, wenn m = dim R m n = dim R n gilt. 5
6 Lemma Eine lineare Abbildung f A : R n R m ist genau dann injektiv, wenn ker f A = {}. Beweis : Sei f A injektiv. Dann gibt es zu jedem Vektor z R m höchstens ein Urbildelement x z R n, das heißt falls x z die Gleichung f A (x z ) = z löst (also z im f A ), so gilt für alle k ker f A fa(xz + k) = z Da aber diese Gleichung höchstens eine haben kann, muss k = sein und somit ker f A = {}. : Sei ker f A = {}. Dann folgt sofort, dass die Gleichung f A (x) = z höchstens eine haben kann. Hat sie keine, dann ist z eben nicht im Bild von f A, z im f A. Also ist f A injektiv. Nun zeigen wir, dass aus ker f A = {} m n folgt. Wir geben wieder nur einen möglichen Beweis an: Lemma ker f A = {} = n m. Beweis Aus ker f A = {} folgt, dass die Spaltenvektoren der Matrix linear unabhängig sind. Mit f A (x) = haben wir nämlich auch Ax =, A mn (R), und somit λ n 1 λ l s l = s l l-te Spaltenvektor von A, x =. l=1 Da der Kern trivial ist, sind die n Spalten also linear unabhängig und der Bildraum ist n- dimensional. Das Bild ist ein n-dimensionaler Unterraum eines m-dimensionalen Vektorraums im f A R m, woraus dim im f A = n dim R m = m folgt. T9 Injektivität und Surjektivität von linearen Abbildungen Untersuchen Sie, ob die folgenden linearen Abbildungen injektiv oder surjektiv sind und geben Sie Kern und Bild an: f A : R 3 R 3, f B : R 4 R 3, f C : R 2 R A = 1 2 B = C = Wir fangen mit ker f A an (die Zahl der Vektoren, die den Kern aufspannt ist die Zahl der linear abhängigen Vektoren). 1 2 x x 2 = 1 Wir erhalten drei Gleichungen mit drei Unbekannten: x 3 λ n x 1 2x 3 = = x 1 = 2x 3 x 1 + 2x 2 = = x 1 = 2x 2 x 3 = (i) (ii) (iii) 6
7 Wir sehen sofort, dass nur x = das Gleichungssystem erfüllt und der Kern trivial ist, ker f A = {}, f A ist injektiv. Da die Dimension des Bildraums 3 ist und die Matrix drei linear unabhängige Spalten hat, spannen die Spaltenvektoren von A ganz R 3 auf, im f A = R 3, f ist surjektiv und somit auch bijektiv. Wir berechnen ker f B x 1 x 2 x 3 x 4 = Da die ersten drei Spaltenvektoren die Spaltenvektoren von A sind, erwarten wir, dass das Bild von f A wieder R 3 ist. Dazu zeigen wir, dass der Kern eindimensional ist. Obige Matrixgleichung entspricht folgendem Gleichungssystem: x 1 2x 3 7x 4 = x 1 + 2x 2 4x 4 = x 3 + 2x 4 = = x 3 = 2x 4 (i) (ii) (iv) Wir setzen (iii) in (i) ein und erhalten: x 1 2( 2x 4 ) 7x 4 = und somit x 1 = 3x 4. In (ii) eingesetzt, liefert das schließlich (3x 4 ) + 2x 2 4x 4 =, also x 2 = 1 2 x 4. x 4 ist der freie Parameter und der Kern ist gegeben durch 6 1 ker f B = lin 4 2 und f B ist nicht injektiv. Das Bild wird von drei der Spalten aufgespannt und da der Bildraum ebenfalls dreidimensional, also haben wir im f B = R 3. Wenden wir uns f C zu und berechnen ker f C x1 Schon die ersten zwei Gleichungen liefern x 1 = = x 2 : x 2 = 4x 1 + x 2 = = x 2 = 4x 1 2x 1 5x 2 = = 5x 2 = 2x 1 (i) (ii) Der Kern ist trivial, ker f C = {}, und f C ist injektiv. Das Bild wird von den zwei (linear unabhängigen) Spalten aufgespannt im f C = lin 3,
8 H1 Überabzählbarkeit von R\Q Zeigen Sie, dass R\Q überabzählbar ist. Hausaufgaben Wir wissen, dass R überabzählbar ist. Trivialerweise haben wir R\Q Q = R. Da R überabzählbar und Q abzählbar sind, muss R\Q auch überabzählbar sein (wir haben ja nur abzählbar viele Elemente aus der Menge entfernt). H11 Injektivität und Surjektivität (i) Sei π : X Y X, (x, y) π(x, y) := x eine Projektion. Konstruieren Sie eine Injektion ı : X X Y, die ein Rechtsinverses von π ist. Geben Sie außerdem das Linksinverse zu ı an (jeweils mit Probe!). (ii) Sei f A : R n R m eine lineare Abbildung. Zeigen Sie, dass f A surjektiv n m impliziert. (iii) Überprüfen Sie, ob folgende lineare Abbildungen injektiv und/oder surjektiv sind. Geben Sie Kern und Bild sowie deren Dimensionen an: f A : R 4 R 2, f B : R 3 R 4, f C : R 2 R 4 mit Matrizen A = B = C = (i) Eine Möglichkeit, eine Injektion zu konstruieren mit π ı = id X ist die folgende. Sei y Y beliebig aber fest. Wir definieren ı : X X Y, x ı(x) := (x, y ) ı ist ein (nicht eindeutig bestimmtes) Rechtsinverses von π und π ein Linksinverses von ı. Denn für alle x X gilt π ı(x) = π ı(x) = π(x, y ) = x. (ii) Wir emulieren den Beweis aus Z9 (iii): Wir zeigen zuerst, dass gilt: f A : R n R m ist surjektiv genau dann, wenn im f A = R m. Anschließend beweisen wir, dass aus im f A = R m folgt, dass n m ist. Lemma f A surjektiv im f A = R m Beweis : Wenn f A surjektiv ist, so gibt es zu jedem Punkt z R m im Bildraum mindestens ein Urbild x z R n und nach Definition des Bilds erhalten wir im f A = R m. : Sei im f A = R m. Dann gibt es zu jedem z R m ein Urbild x z R n mit f A (x z ) = z (ansonsten wäre z nicht im Bild). Lemma im f A = R m n = dim R n m = dim R m 8
9 Beweis Das Bild f A wird durch die Spaltenvektoren der zu f A gehörigen Matrix A mn (R) aufgespannt. Da im f A = R m hat die Matrix mindestens m linear unabhängige Spalten (mit m Einträgen). Wäre n < m, so würden die Spalten nicht R m aufspannen, sondern nur einen echten Untervektorraum von R m, Widerspruch! (iii) Wir berechnen den Kern. Die Zahl der Vektoren, die den Kern aufspannt, ist die Zahl der linear abhängigen Vektoren. Für f A müssen wir das Gleichungssystem x x = lösen. Wir erhalten also zwei Gleichungen mit vier Unbekannten (ein unterbestimmtes Gleichungssystem). x 3 x 4 x 1 + 2x 2 5x 3 = x 1 + 2x 2 + 7x 3 2x 4 = (i) (ii) Aus (ii) erhalten wir x 1 = 2x 2 + 7x 3 2x 4. Eingesetzt in (i) ergibt dies (2x 2 + 7x 3 2x 4 ) + 2x 2 5x 3 = = 4x 2 + 2x 3 2x 4 = Wir lösen nach x 4 auf und setzen das Ergebnis gleich in (ii) ein: x 4 = 2x 2 + x 3 x 1 = 2x 2 + 7x 3 2 (2x 2 + x 3 ) = 2x 2 + 5x 3. Wir erkennen, dass das Gleichungssystem zwei freie Parameter hat, x 2 und x 3, der Kern wird von zwei Vektoren aufgespannt ker f A = lin, Da der Kern nicht trivial ist (was auch zu erwarten war), ist die Abbildung f A nicht injektiv. Sie ist allerdings surjektiv, denn zwei der Spalten sind linear unabhängig und der Bildraum ist ebenfalls zweidimensional, im f A = R 2, und f A ist surjektiv. Nun zu f B : R 3 R 4. Wir lösen wieder das zugehörige homogene Gleichungssystem x x = x Gleichungen (i), (ii) und (iv) liefern x 3 = 5x 1 + x 2. Eingesetzt in (iii) lösen wir nach x 3 auf. 2x 1 + x 2 + (5x 1 + x 2 ) = = 7x 1 + 2x 2 = Daraus erhalten wir x 2 = 7 2 x 1 und x 3 = 5x x 1 = 3 2 x 1 und x 1 ist der freie Parameter, der Kern ist eindimensional. 2 ker f B = 7 R3 3 9
10 Da der Kern nicht trivial ist, kann f B nicht injektiv sein. Das Bild wird von zwei der Spaltenvektoren aufgespannt, ist also ein Untervektorraum von R 4 (siehe Blatt 2) und f B kann auch nicht surjektiv sein im f B = lin 1, 1 1 R4 1 1 Schließlich wiederholen wir die Prozedur für f C : x1 x 2 = Das entsprechende Gleichungssystem ist überbestimmt. Schon aus den ersten zwei Gleichungen folgt sofort, dass x 1 = = x 2 sein muss: x 1 + 5x 2 = = x 1 = 5x 2 x 1 3x 2 = = x 1 = 3x 2 (i) (ii) Also ist ker f C = {} und das Bild wird von den zwei Spalten aufgespannt, f C ist injektiv, aber nicht surjektiv im f C = lin 1, 3 2 R4 4 5 H12 Heiratsproblem ( ) Sei M eine nichtleere, endliche Menge von Mädchen, J eine Menge von Jungen. Zwischen den Mädchen aus M und den Jungen aus J bestehen Freundschaften (Relationen, ), beschrieben durch die Menge := (m, j) M J m j (also die Menge der Jungen und Mädchen, die miteinander befreundet sind). Ziel ist es, für jedes Mädchen einen Partner aus J zu finden, mit dem sie befreundet ist (also m j erfüllt ist). Für jede Teilmenge M M bezeichne J(M ) die Menge der Jungen, die mit mindestens einem Mädchen aus M befreundet sind. Beweisen Sie, dass man genau dann Paare aus jeweils befreundeten Mädchen und Jungen bilden kann, wenn für jede Teilmenge M M gilt: J(M ) M. (Hinweis: Lädt eine Menge von Mädchen M alle befreundeten Jungen zu einer Party ein, so herrscht auf keiner Party Mädchenüberzahl.) Man führe den Beweis durch Induktion nach n := M durch und unterscheide dabei die folgenden zwei Fälle: (a) Auf allen von Mädchen in M organisierten Parties mit < M < M herrscht Jungenüberzahl. (b) (a) ist falsch. 1
11 Beispiel: Sei M := {m i i N, 12 i < 33, i nicht prim}, J := { j k k N, 2 k 16}. m i sei mit j k genau dann befreundet, wenn k ein Teiler von i ist und k i. Ist hier das Heratsproblem lösbar? Wie verhält es sich, wenn M ersetzt wird duch M := {m i i N, 12 < i 33, i nicht prim}. Wir suchen eine Paarbildungsfunktion ( Heiratsfunktion ), das heißt eine injektive Funktion f : M J mit f (m) J({m}) m M. Wir behaupten also: es existiert genau dann eine Paarbildungsfunktion, wenn für alle Teilmengen M M gilt J(M ) M ( ) : Angenommen, es gibt eine Teilmenge M M mit J(M ) < M. Dann können nicht alle Mädchen mit einem Jungen gepaart werden (die Paarbildungsfunktion ist injektiv und es gibt genausoviele Bilder wie Urbilder), Widerspruch! : Beweis durch Induktion nach n := M. Induktionsanfang, n = 1: M = {m}, J(M) 1 (nach Voraussetzung ( )) und m kann mit j J(M) gepaart werden. Induktionsschritt mit Fallunterscheidung, n n + 1: Sei M eine Menge mit n + 1 Mädchen. (a) Für alle M M mit < M M gelte J(M ) M + 1. Sei m M beliebig, aber fest, und j J({m }). Definiere f (m ) := j. Dann erfüllen M := M\{m } und J := J\{j } wieder die Bedingung ( ). Im Detail bedeutet das: es gilt J (M ) M für alle M M, J (M ) := j J m M, (m, j). Denn es gilt J (M ) = J(M )\{j } und somit J (M ) J(M ) 1 M. Wegen der Induktionsvoraussetzung können die n = M Mädchen mit jeweils einem befreundetem Jungen gepaart werden und es existiert eine injektive Heiratsfunktion f : M J mit f (m ) = j. (b) Angenommen, (a) gelte nicht, das heißt es existiert ein M M, < M n mit J(M ) = M =: k. Dann können wir nach Induktionsvoraussetzung für k die Mädchen aus M unter den Jungen aus J := J(M ) einen Partner finden. Wir behaupten nun, dass die Bedingung ( ) für die restlichen Mädchen und Jungen wieder erfüllt ist: J (N) N, M := M\M, J := J\J und N M. Angenommen, das wäre falsch, das heißt es existiert ein N M mit J (N) < N ; dann verletzt auch N M die Bedingung ( ) (für M und J), denn J(N M ) = J (N) J und somit J(N M ) < N + M = N M, Widerspruch! Also können wir nach Induktionsvoraussetzung für Schritt n k + 1 auch für die Mädchen aus M einen befreundeten Partner aus J finden und es existiert Paarbildungsfunktionen auf M und M. Beispiel: Wir listen die Freundschaften zwischen Elementen von M M und J auf und erhalten: m 12 j 2, j 3, j 4, j 6 m 18 j 2, j 3, j 6, j 8 m 24 j 2, j 3, j 4, j 6, j 8 m 28 j 2, j 4, j 7, j 14 m 14 j 2, j 7 m 2 j 2, j 5, j 1 m 25 j 5 m 3 j 2, j 3, j 5, j 6, j 1, j 15 m 15 j 3, j 5 m 21 j 3, j 7 m 26 j 2, j 13 m 32 j 2, j 4, j 8, j 16 m 16 j 2, j 4, j 8 m 22 j 2, j 11 m 27 j 2, j 9 m 33 j 3, j 11 Das Heiratsproblem M und J hat eine, M und J hat keine. Eine für ersteres sind beispielsweise folgende Paarungen: 11
12 m 12 j 4 m 18 j 6 m 24 j 12 m 28 j 14 m 14 j 2 m 2 j 1 m 25 j 5 m 3 j 15 m 15 j 3 m 21 j 7 m 26 j 13 m 32 j 16 m 16 j 8 m 22 j 11 m 27 j 9 12
Übungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
Mehr0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrDefinition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrAlso kann nur A ist roter Südler und B ist grüner Nordler gelten.
Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
Mehr4. Übungsblatt Matrikelnr.: 6423043
Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 2015/16 Prof. Dr. M. Hinze Dr. P. Kiani Analysis I für Studierende der Ingenieurwissenschaften Lösungshinweise zu Blatt 2 Aufgabe 1: (12 Punkte) a) Beweisen
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
Mehra n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:
Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend
MehrFrohe Weihnachten und ein gutes neues Jahr!
Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrDivision 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
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrVorlesung Diskrete Strukturen Graphen: Wieviele Bäume?
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V
Mehrklar. 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
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
Mehrx 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 +
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrBeispiellösungen zu Blatt 111
µ κ Mathematisches Institut Georg-August-Universität Göttingen Beispiellösungen zu Blatt 111 Aufgabe 1 Ludwigshafen hat einen Bahnhof in Dreiecksform. Markus, Sabine und Wilhelm beobachten den Zugverkehr
MehrRekursionen (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
Mehr6.2 Perfekte Sicherheit
04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da
MehrAustausch- 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:
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrMathematik 1. Lösungsvorschläge zum 2. Übungsblatt
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
Mehr7. Ringe und Körper. 7. Ringe und Körper 49
7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrLernmaterial für die Fernuni Hagen effizient und prüfungsnah
Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrEinführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)
Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff
MehrERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
Mehr3.1. Die komplexen Zahlen
3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 13/2 29.1.27 en zur Probeklausur Aufgabe 1 (ca. 6 Punkte) Sei
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehr5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56
5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten
MehrAlgebra. Patrik Hubschmid. 8. Oktober 2013
Algebra Patrik Hubschmid 8. Oktober 2013 Inhaltsverzeichnis 1 Fortführung der Gruppentheorie 7 1.1 Sylowsätze.................................... 7 3 Vorwort Dieses Skript zur Vorlesung Algebra im Wintersemester
Mehr2 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 )
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrÜbung zur Algebra WiSe 2008/2009, Blatt 1
Aufgabe 1: Zeigen Sie, dass die Untergruppe der Permutationsmatrizen in GL(n, R) isomorph zur symmetrischen Gruppe S n ist. Es sei Perm n die Menge der Permutationsmatrizen in GL(n, R). Der Isomorphismus
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
Mehr1 Aussagenlogik und Mengenlehre
1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres
MehrCodierungstheorie Rudolf Scharlau, SoSe 2006 9
Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets
Mehr3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper
32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrLernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können.
6. Bäume Lernziele 6. Bäume Lernziele: Definition und Eigenschaften binärer Bäume kennen, Traversierungsalgorithmen für binäre Bäume implementieren können, die Bedeutung von Suchbäumen für die effiziente
Mehr(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
MehrZ = 60! 29!31! 1,1 1017.
Aufgabe : Eine Hochzeitsgesellschaft besteht aus 60 Personen. a Wieviele verschiedene Möglichkeiten für Sitzordnungen gibt es? b Nehmen Sie nun an, dass 9 Gäste aus dem Familien- und Freundeskreis der
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathemati Prof. Dr. Oliver Matte Max Lein Zentralübung 15. Abzählbareit Mathemati für Physier 2 Analysis 1) Wintersemester 2010/2011 Lösungsblatt 3 29.10.2009) i)
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
MehrEin 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
MehrSatz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich
Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrCharakteristikenmethode 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)
MehrBinärdarstellung von Fliesskommazahlen
Binärdarstellung von Fliesskommazahlen 1. IEEE 754 Gleitkommazahl im Single-Format So sind in Gleitkommazahlen im IEEE 754-Standard aufgebaut: 31 30 24 23 0 S E E E E E E E E M M M M M M M M M M M M M
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrWas ist Mathematik? Eine Strukturwissenschaft, eine Geisteswissenschaft, aber keine Naturwissenschaft.
Vorlesung 1 Einführung 1.1 Praktisches Zeiten: 10:00-12:00 Uhr Vorlesung 12:00-13:00 Uhr Mittagspause 13:00-14:30 Uhr Präsenzübung 14:30-16:00 Uhr Übungsgruppen Material: Papier und Stift wacher Verstand
MehrUmgekehrte Kurvendiskussion
Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen
MehrNachhilfe-Kurs Mathematik Klasse 13 Freie Waldorfschule Mitte
Nachhilfe-Kurs Mathematik Klasse 3 Freie Waldorfschule Mitte März 8 Aufgaben zur analytischen Geometrie Musterlösung Gegeben sind die Ebenen E und E sowie die Punkte A und B: E : 4x + y + 3z = 3 E : x
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 11: Abstrakte Reduktionssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrErwin Grüner 09.02.2006
FB Psychologie Uni Marburg 09.02.2006 Themenübersicht Folgende Befehle stehen in R zur Verfügung: {}: Anweisungsblock if: Bedingte Anweisung switch: Fallunterscheidung repeat-schleife while-schleife for-schleife
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrAufgabe 1 (Excel) Anwendungssoftware 1 / 11 Semesterschlussprüfung 21.06.2004
Anwendungssoftware 1 / 11 Dauer der Prüfung: 90 Minuten. Es sind alle fünf Aufgaben mit allen Teilaufgaben zu lösen. Versuchen Sie, Ihre Lösungen soweit wie möglich direkt auf diese Aufgabenblätter zu
MehrPeriodische Fahrpläne und Kreise in Graphen
Periodische Fahrpläne und Kreise in Graphen Vorlesung Algorithmentechnik WS 2009/10 Dorothea Wagner Karlsruher Institut für Technologie Eisenbahnoptimierungsprozess 1 Anforderungserhebung Netzwerkentwurf
MehrGibt es verschiedene Arten unendlich? Dieter Wolke
Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen
Mehr