Erich Schubert, Arthur Zimek KDD Übung
|
|
- Jutta Hermann
- vor 5 Jahren
- Abrufe
Transkript
1 Hausaufgabe Distanzfunktionen Erich Schubert, Arthur Zimek Ludwig-Maximilians-Universität München KDD Übung
2 Distanzfunktionen Reflexiv: Distanz zu sich selbst ist 0 x = y d(x, y) = 0 Symmetrisch: Reihenfolge der Parameter ist egal d(x, y) = a d(y, x) = a Strikt: Nur identische Elemente haben Distanz 0 d(x, y) = 0 x = y Dreiecksungleichung: Der direkte Weg ist nie länger als ein Umweg d(x, y) d(x, z) + d(z, y)
3 Eine kleine Erinnerung... Ein ist kein Beweis.
4 Eine kleine Erinnerung... Ein ist kein Beweis.... aber ein Gegenbeispiel wiederlegt!
5 Eine kleine Erinnerung... Ein ist kein Beweis.... aber ein Gegenbeispiel wiederlegt! Wenn ihr etwas beweisen sollte, dann immer für alle Situationen, oder eben ein Gegenbeispiel. Ein Positivbeispiel bringt nichts!
6 Hausaufgabe Summe der Differenzen d(x, y) = n (x i y i ) i=1
7 Hausaufgabe Summe der Differenzen d(x, y) = n (x i y i ) i=1 d((0), (1)) = 1 darf aber nicht negativ werden! Gegenbeispiel!
8 Hausaufgabe Quadrierte Euklidische Distanz d(x, y) = n (x i y i ) 2 i=1
9 Hausaufgabe Quadrierte Euklidische Distanz d(x, y) = n (x i y i ) 2 i=1 Reflexiv, symmetrisch und strikt: offensichtlich. Aber Dreicksungleichung?
10 Hausaufgabe Quadrierte Euklidische Distanz d(x, y) = n (x i y i ) 2 i=1 Reflexiv, symmetrisch und strikt: offensichtlich. Aber Dreicksungleichung? Wie sieht es aus mit: o = (0, 0), p = (1, 0), q = (2, 0)? d(o, q) = 4 d(o, p) + d(p, q) = = 2
11 Hausaufgabe Quadrierte Euklidische Distanz d(x, y) = n (x i y i ) 2 i=1 Reflexiv, symmetrisch und strikt: offensichtlich. Aber Dreicksungleichung? Wie sieht es aus mit: o = (0, 0), p = (1, 0), q = (2, 0)? d(o, q) = 4 d(o, p) + d(p, q) = = 2 Quadrierte Euklidische Distanz ist nicht metrisch! (1-dimensionales Gegenbeispiel: 0, 1, 2)
12 Hausaufgabe Projizierte Euklidische Distanz d(x, y) = n 1 (x i y i ) 2 i=1
13 Hausaufgabe Projizierte Euklidische Distanz d(x, y) = n 1 (x i y i ) 2 i=1 Reflexiv und symmetrisch: offensichtlich. Dreiecksungleichung per Cauchy-Schwarzscher Ungleichung.
14 Hausaufgabe Projizierte Euklidische Distanz d(x, y) = n 1 (x i y i ) 2 i=1 Reflexiv und symmetrisch: offensichtlich. Dreiecksungleichung per Cauchy-Schwarzscher Ungleichung. Aber nicht strikt: die Dimension n wird ignoriert!
15 Hausaufgabe Konkordanz d(x, y) = n { 1 iff xi = y i i=1 0 iff x i y i
16 Hausaufgabe Konkordanz d(x, y) = n { 1 iff xi = y i i=1 0 iff x i y i d ist nicht reflexiv. Damit für uns keine Distanz oder Metrik.
17 Hausaufgabe Hamming-Distanz d(x, y) = n { 1 iff xi y i i=1 0 iff x i = y i
18 Hausaufgabe Hamming-Distanz d(x, y) = n { 1 iff xi y i i=1 0 iff x i = y i Diskordanz auf binären Vektoren. Anzahl der gesetzten Bits nach einer XOR-Verknüpfung der beiden Vektoren. Wichtige Metrik aus der Informationstheorie. Reflexivität, Strikheit, Symmetrie sind offensichtlich.
19 Hausaufgabe Hamming-Distanz Beweis der Dreiecksungleichung durch Fallunterscheidung auf den einzelnen Stellen (Dimensionen): d(x, y) + d(y, z) = =?? n n d(x i, y i ) + d(y i, z i ) i n (d(x i, y i ) + d(y i, z i )) i n d(x i, z i ) = d(x, z) i i Kernidee: wenn für jeden Summanden gilt, gilt es auch insgesamt! Also Fallunterscheidung.
20 Hausaufgabe Hamming-Distanz Beweis der Dreiecksungleichung durch Fallunterscheidung auf den einzelnen Stellen (Dimensionen): A) x i = y i y i = z i : d(x i, y i ) + d(y i, z i ) d(x i, z i ) d(x i, x i ) + d(y i, x i ) d(x i, x i )
21 Hausaufgabe Hamming-Distanz Beweis der Dreiecksungleichung durch Fallunterscheidung auf den einzelnen Stellen (Dimensionen): B) x i = y i x i z i : d(x i, y i ) + d(y i, z i ) d(x i, z i ) d(x i, x i ) + d(x i, z i ) d(x i, z i )
22 Hausaufgabe Hamming-Distanz Beweis der Dreiecksungleichung durch Fallunterscheidung auf den einzelnen Stellen (Dimensionen): C) x i = z i x i y i : d(x i, y i ) + d(y i, z i ) d(x i, z i ) d(x i, y i ) + d(y i, x i ) d(x i, x i )
23 Hausaufgabe Hamming-Distanz Beweis der Dreiecksungleichung durch Fallunterscheidung auf den einzelnen Stellen (Dimensionen): D) x i y i y i = z i : d(x i, y i ) + d(y i, z i ) d(x i, z i ) d(x i, y i ) + d(y i, y i ) d(x i, y i )
24 Hausaufgabe Hamming-Distanz Beweis der Dreiecksungleichung durch Fallunterscheidung auf den einzelnen Stellen (Dimensionen): E) x i y i y i z i x i z i : d(x i, y i ) + d(y i, z i ) d(x i, z i )
25 Hausaufgabe Hamming-Distanz Beweis der Dreiecksungleichung durch Fallunterscheidung auf den einzelnen Stellen (Dimensionen): Und damit gilt insgesamt: d(x, y) + d(y, z) = = n d(x i, y i ) + i n d(y i, z i ) n (d(x i, y i ) + d(y i, z i )) i n d(x i, z i ) = d(x, z) i i
26 Distanzfunktionen weitere Ein paar weitere für Distanzfunktionen (für zwei Mengen X, Y R n ), basierend auf einer bestehenden Distanzfunktion d : R n R n R + 0 : single-link(x, Y) = min x X,y Y d(x, y) average-link(x, Y) = 1 X Y x X,y Y d(x, y) complete-link(x, Y) = max x X,y Y d(x, y) Diese kommen im nächsten Kapitel, Clusteranalyse!
27 Distanzfunktionen weitere Es gibt hunderte an Distanzfunktionen. Für Zeitreihen: DTW, EDR, ERP, LCSS,... Für Text: Cosine und Normalisierungen davon Für Mengen basierend auf Schnitt, Vereinigung,... Für Clusters (z.b. single-link) Für Histogramme: histogram intersection, Earth movers distance, quadratische Formen Mit Normalisierung: Canberra,... Quadratische Formen / Bilinearformen: d(x, y) := x T My für positiv-definite (i.d.r. symmetrische) Matrix M. Auch eine Art Vorverarbeitung : eine passende Distanzfunktion auswählen!
28 Gegeben eine Pseudo-Metrik d auf der Menge A: d : A A R + 0. Definiere die Äquivalenzrelation so dass x y d(x, y) = 0. Sei A die Menge der Äquivalenzklassen von A bzgl.. d : A A R + 0 mit d (x, y ) := d(x, y) Eigenschaften?
29 Gegeben eine Pseudo-Metrik d auf der Menge A: d : A A R + 0. Definiere die Äquivalenzrelation so dass x y d(x, y) = 0. Sei A die Menge der Äquivalenzklassen von A bzgl.. d : A A R + 0 mit d (x, y ) := d(x, y) Eigenschaften? Wohldefiniert?
30 Zu zeigen: für alle z x, w y gilt d(z, w) = d(x, y).
31 Zu zeigen: für alle z x, w y gilt d(z, w) = d(x, y). Da z x und w y haben wir per Definition: z = x und d(z, x) = 0 w = y und d(w, y) = 0
32 Zu zeigen: für alle z x, w y gilt d(z, w) = d(x, y). Da z x und w y haben wir per Definition: z = x und d(z, x) = 0 w = y und d(w, y) = 0 Durch 1 anwenden Dreiecksungleichung erhalten wir: d(z, w) d(z, x) + d(x, w) d(x, y) d(x, z) + d(z, y)
33 Zu zeigen: für alle z x, w y gilt d(z, w) = d(x, y). Da z x und w y haben wir per Definition: z = x und d(z, x) = 0 w = y und d(w, y) = 0 Durch 2 anwenden Dreiecksungleichung erhalten wir: d(z, w) d(z, x) + d(x, y) + d(y, w) d(x, y) d(x, z) + d(z, w) + d(w, y)
34 Zu zeigen: für alle z x, w y gilt d(z, w) = d(x, y). Da z x und w y haben wir per Definition: z = x und d(z, x) = 0 w = y und d(w, y) = 0 Durch 2 anwenden Dreiecksungleichung erhalten wir: d(z, w) d(z, x) + d(x, y) + d(y, w) = d(x, y) d(x, y) d(x, z) + d(z, w) + d(w, y) = d(z, w)
35 Zu zeigen: für alle z x, w y gilt d(z, w) = d(x, y). Da z x und w y haben wir per Definition: z = x und d(z, x) = 0 w = y und d(w, y) = 0 Durch 2 anwenden Dreiecksungleichung erhalten wir: d(z, w) d(z, x) + d(x, y) + d(y, w) = d(x, y) d(x, y) d(x, z) + d(z, w) + d(w, y) = d(z, w) Distanzberechnungen auf den Äquivalenzklassen wohldefiniert: egal welchen Repräsentanten wir wählen, es kommt das gleiche Ergebnis für d heraus.
36 Zu zeigen (Striktheit): d (a, b ) = 0 a = b
37 Zu zeigen (Striktheit): d (a, b ) = 0 a = b d (a, b ) = 0 d(a, b) = 0 a b a = b
38 Zu zeigen (Striktheit): d (a, b ) = 0 a = b d (a, b ) = 0 d(a, b) = 0 a b a = b Reflexivität, Symmetrie und Dreickecksungleichung folgen trivial aus den Eigenschaften von d!
39 euclid xy ((r 1, x 1, y 1 ), (r 2, x 2, y 2 )) = (x 1 x 2 ) 2 + (y 1 y 2 ) 2 Datensatz ID x y Datensatz ID x y
40 euclid xy ((r 1, x 1, y 1 ), (r 2, x 2, y 2 )) = (x 1 x 2 ) 2 + (y 1 y 2 ) 2 Datensatz ID x y Datensatz ID x y Euklidische Distanz auf X Y. Metrik auf R 2 X Y, aber nur eine Pseudo-metric auf Datensatz ID X Y. Duplikate haben eine Distanz von 0!
Lineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß
Lineare Algebra I - 26. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Donnerstag 8.12.: 8:30 Uhr - Vorlesung 10:15 Uhr - große Übung / Fragestunde Klausur: Mittwoch, 14.12. 14:15 Uhr, A3 001 Cauchy-Schwarz
MehrMathematische Strukturen
Mathematische Strukturen Lineare Algebra I Kapitel 3 16. April 2013 Kartesisches Produkt Das kartesische Produkt (benannt nach René Descartes) von n Mengen M 1,..., M n ist M 1 M n := {(x 1,..., x n )
MehrSeminar Einführung in die Kunst mathematischer Ungleichungen
Seminar Einführung in die Kunst mathematischer Ungleichungen Geometrie und die Summe von Quadraten Clara Brünn 25. April 2016 Inhaltsverzeichnis 1 Einleitung 2 1.1 Geometrie allgemein.................................
MehrEinführung in die Kodierungstheorie
Anton Malevich Einführung in die Kodierungstheorie Skript zu einer im Februar 2013 gehaltenen Kurzvorlesung Fakultät für Mechanik und Mathematik Belorussische Staatliche Universität Institut für Algebra
Mehr8 KAPITEL 1. GRUNDLAGEN
8 KAPITEL 1. GRUNDLAGEN Beweis. 1. Sei A X abgeschlossen, dann ist X \ A offen und jede offene Überdeckung von A lässt sich durch Hinzunahme von X \ A auf ganz X fortsetzen. Die Kompaktheit von X erlaubt
MehrTopologische Grundbegriffe II. Inhaltsverzeichnis
Vortrag zum Seminar zur Analysis, 03.05.2010 Dennis Joswig, Florian Goy Aufbauend auf den Resultaten des Vortrages Topologische Grundbegriffe I untersuchen wir weitere topologische Eigenschaften von metrischen
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
Mehrachsenparallele Stauchung und Streckung durch Gewichte :
Gewichtete Minkowski-Distanzfunktion achsenparallele Stauchung und Streckung durch Gewichte : Forderung: staab@uni-koblenz.de 1 Einheitskreis Translationsinvarianz keine Skalierungsinvarianz keine Rotationsinvarianz
MehrEinführung in die Topologie - Sommer Lösungen 4.
Einführung in die Topologie - Sommer 2012 Lösungen 4. (1) Wir brauchen eine Vorbereitung (vgl. Abs. 2 der Angabe): Sei (x n ) eine Folge in X. Sei x ein Punkt, dessen Umgebungen unendlich viele Folgenglieder
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
Mehr1 Die Jordansche Normalform
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme
Mehr9 Metrische und normierte Räume
9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik
Mehr8.1. DER RAUM R N ALS BANACHRAUM 17
8.1. DER RAUM R N ALS BANACHRAUM 17 Beweis. Natürlich ist d 0 und d(x, y) = 0 genau dann, wenn x = y. Wegen (N2) ist x = x und damit d(x, y) = d(y, x). Die letzte Eigenschaft einer Metrik schließt man
MehrAnalyis I -Metrische Räume - eine Einführung in die Topologie
Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X
Mehr6 Distanzfunktionen. Quadratische Pseudo. 1. Eigenschaften und Klassifikation
6 Distanzfunktionen 1. Eigenschaften und Klassifikation 2. Distanzfunktionen auf Punkten Minkowski Distanzfunktion L m Gewichtete Minkowski Distanzfunktion L m w Quadratische Distanzfunktion d q Quadratische
Mehr5. Clusteranalyse. Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer Clusterstruktur kennen, verschiedene
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
Mehr5. Clusteranalyse Vorbemerkungen. 5. Clusteranalyse. Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften
5. Clusteranalyse Vorbemerkungen 5. Clusteranalyse Lernziele: Grundlegende Algorithmen der Clusteranalyse kennen, ihre Eigenschaften benennen und anwenden können, einen Test auf das Vorhandensein einer
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten
MehrVorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen
Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen Susanna Pohl Vorkurs Mathematik TU Dortmund 10.03.2015 Mengen und Relationen Mengen Motivation Beschreibung von Mengen Mengenoperationen
MehrZusammenfassung Analysis 2
Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge
MehrDer metrische Raum (X, d) ist gegeben. Zeigen Sie, dass auch
TECHNISCHE UNIVERSITÄT BERLIN SS 07 Institut für Mathematik Stand: 3. Juli 007 Ferus / Garcke Lösungsskizzen zur Klausur vom 6.07.07 Analysis II. Aufgabe (5 Punkte Der metrische Raum (X, d ist gegeben.
MehrKontrollfragen und Aufgaben zur 3. Konsultation
1 Technische Universität Ilmenau Fakultät für Mathematik und Naturwissenschaften Institut für Mathematik Prof. Dr. Michael Stiebitz Kontrollfragen und Aufgaben zur 3. Konsultation Termin: Ort: Determinante
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrMetrische Räume und stetige Abbildungen. Inhaltsverzeichnis
Metrische Räume und stetige Abbildungen Vortrag zum Seminar zur Analysis, 19. 04. 2010 René Koch, Stefan Lotterstedt In der Vorlesung Analysis I haben wir uns mit der Stetigkeit von reellen (komplexen)
MehrUltrametrik. Christian Semrau Metrische Räume
Ultrametrik Christian Semrau 05.11.2002 Inhaltsverzeichnis 1 Metrische Räume 1 1.1 Definition der Metrik.................................. 1 1.2 Offene und abgeschlossene Mengen..........................
MehrSkalarprodukt, Norm & Metrik
Skalarprodukt, Norm & Metrik Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 11. Mai 2016 Stefan Ruzika 5: Skalarprodukt, Norm & Metrik 11. Mai 2016 1 / 13 Gliederung 1
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
MehrV. Metriken. Gliederung. I. Motivation. Lesen mathematischer Symbole. Wissenschaftliche Argumentation. Matrizenrechnung. Seite 67
Gliederung I. Motivation II. III. Lesen mathematischer Symbole Wissenschaftliche Argumentation IV. Matrizenrechnung V. Metriken Seite 67 Problemstellung: Gegeben seien 2 Punkte im Raum. Wie groß ist die
MehrAnalysis 2 UE VI) 121, 129, 133, 134, 140, 143
27.04.2009 Analysis 2 UE VI) 2, 29, 33, 34, 40, 43 2) Sei M j = {(x, y) R 2 j x + y < j} (j N)}. Bestimmen Sie das Innere, den Rand und die abgeschlossene Hülle der Menge T (bezüglich der euklidischen
MehrEINFÜHRUNG IN DIE THEORIE DER LINEAREN VEKTORRÄUME
HOCHSCHULBÜCHER FÜR MATHEMATIK HERAUSGEGEBEN VON H. GRELL, K. MARUHN UND W. RINOW BAND 60 EINFÜHRUNG IN DIE THEORIE DER LINEAREN VEKTORRÄUME VON H.BOSECK MIT 14 ABBILDUNGEN Zweite^ berichtigte Auflage
MehrVorkurs Gruppen. Jonas Müller. 11. Oktober 2018
Vorkurs Gruppen Jonas Müller 11. Oktober 2018 Für den Vorkurs der Fachschaft MathPhysInfo im Wintersemester 2018/19. Basierend auf den Vorträgen der letzten Jahre von Saskia Klaus. Inhaltsverzeichnis 1
Mehr3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153
3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
Mehr6 Distanzfunktionen (2) 6 Distanzfunktionen. 6.1 Eigenschaften und Klassifikationen. Einführung
6 en 6 en (2) 1. Eigenschaften und Klassifikation 2. en auf Punkten Minkowski L m Gewichtete Minkowski L m w Quadratische d q Quadratische Pseudo Dynamical Partial Semi Pseudo Chi Quadrat Semi Pseudo Kullback
Mehr5 Teilmengen von R und von R n
5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,
MehrErgänzende Übungen Lineare Algebra I. Wintersemester 2010/11. Prof. Dr. Kristina Reiss Heinz Nixdorf-Stiftungslehrstuhl für Didaktik der Mathematik
Ergänzende Übungen Lineare Algebra I Wintersemester 2010/11 Prof. Dr. Kristina Reiss Heinz Nixdorf-Stiftungslehrstuhl für Didaktik der Mathematik 1 Äquivalenz Was bedeutet Äquivalenz? Wie wird der Begriff
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 1 (SS 2011) Abgabetermin: Donnerstag, 21. April http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Symmetrische
MehrFerienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Musterlösungen zu den Übungen
Technische Universität München Department of Physics Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Musterlösungen zu den Übungen Freitag, 6.. Sascha Frölich
MehrMengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit
Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {
MehrÜbungen zu Multimedia-Datenbanken Aufgabenblatt 4 - Musterlösungen
Übungen zu Multimedia-Datenbanken Aufgabenblatt 4 - Musterlösungen Übung: Dipl.-Inf. Tina Walber Vorlesung: Dr.-Ing. Marcin Grzegorzek Fachbereich Informatik, Universität Koblenz Landau Ausgabe: 31.0.2010
Mehr1 Metrische Räume. In diesem Abschnitt wollen wir den Begriff des metrischen Raumes einführen und an einigen Beispielen illustrieren.
1 Metrische Räume 1 Metrische Räume In diesem Abschnitt wollen wir den Begriff des metrischen Raumes einführen und an einigen Beispielen illustrieren. Definition und Beispiele (1.1) Definition (Metrischer
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
Mehr1 Definition von Relation, Äquivalenzrelation und Äquivalenzklassen
1 Definition von Relation, Äquivalenzrelation und Äquivalenzklassen Einleitung 1 Wie der Name schon sagt sind Äquivalenzrelationen besondere Relationen. Deswegen erkläre ich hier ganz allgemein, was Relationen
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Oliver Matte Max Lein Zentralübung Mathematik für Physiker 2 Analysis ) Wintersemester 200/20 Lösungsblatt 5 2..200) 32. Häufungspunkte Sei a
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus
MehrTopologische Grundbegriffe in metrischen und topologischen
KAPITEL 1 Topologische Grundbegriffe in metrischen und topologischen Räumen Die topologischen Grundbegriffe offene Mengen, abgeschlossene Mengen, Inneres einer Menge und Abschließung einer Menge, Stetigkeit
MehrÜbungsblatt 5 Lösungsvorschläge
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 5 Lösungsvorschläge Vorlesung Algorithmentechnik im WS 09/10 Problem 1: Lineare Weihnachtsalgebra Kreisbasen [vgl. Kapitel
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
Mehr1. Metrik, Norm und das Skalarprodukt
www.mathematik-netz.de Coyright, Page 1 of 6 Metrische, normierte und toologische Räume 1. Metrik, Norm und das Skalarrodukt Tologische Eigenschaften sielen insbesondere in der Analysis eine wichtige Rolle.
Mehr(c) (a) X ist abgeschlossen. X = A,wobeiderDurchschnittüberalleabgeschlossenenMengengebildet wird, die X enthalten. (d) (e)
27 15. Metrische Räume Mit Hilfe einer Norm können wir den Abstand x y zweier Punkte x, y messen. Eine Metrik ist eine Verallgemeinerung dieses Konzepts: 15.1. Metriken. Es sei M eine beliebige Menge.
Mehr1.2 Abstände und Winkel
5 1.2 Abstände und Winkel Im Folgenden werde zunächst der n-dimensionale affine Standardraum A n = (R n, R n, τ) zugrunde gelegt und in der Regel auch A n = R n gesetzt. Im Vektorraum R n stehen das (euklidische)
Mehr4.2 Die adjungierte Abbildung
4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,
MehrLösungsskizzen zur Präsenzübung 02
Lösungsskizzen zur Präsenzübung 02 Mirko Getzin Universität Bielefeld Fakultät für Mathematik 24. April 2014 Keine Gewähr auf vollständige Richtigkeit und Präzision aller (mathematischen) Aussagen. Das
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016
MehrVerallgemeinerte Dreiecksungleichungen Michael Kapovich
Verallgemeinerte Dreiecksungleichungen Michael Kapovich Wir alle wissen, dass eine gerade Linie die kürzeste Verbindung von einem Punkt zu einem anderen Punkt ist. Dieses Wissen scheint in den Jahrmillionen
MehrHinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4.
Hinweis: Die Klausur Lineare Algebra 2 für die Fachrichtung Informatik besteht aus den Aufgaben 2.1 bis 2.4. Aufgabe 2.1 (8 Punkte) Es sei K ein Körper, n N, V ein 2n-dimensionaler K -Vektorraum und U
MehrInhalt der Vorlesung Lineare Algebra I
Inhalt der Vorlesung Lineare Algebra I Prof. Dr. W. Plesken WS 2000/2001 1 1 Mengen und Abbildungen 1.1 Inhalt und Ziel der Vorlesung 1.2 Die mengentheoretische Sprechweise Lernziel: Einfache Notation
MehrÜbungen zur Funktionalanalysis Lösungshinweise Blatt 2
Übungen zur Funktionalanalysis Lösungshinweise Blatt 2 Aufgabe 5. Beweisen Sie: Ein kompakter Hausdorffraum, welcher dem ersten Abzählbarkeitsaxiom genügt, ist folgenkompakt. Lösung. Es sei X ein kompakter
MehrLösungen zur Übungsserie 1
Analysis 1 Herbstsemester 2018 Prof. Peter Jossen Montag, 24. September Lösungen zur Übungsserie 1 Aufgaben 1, 3, 4, 5, 6, 8 Aufgabe 1. Sei X eine endliche Menge mit n Elementen, und sei Y eine endliche
MehrLineare Algebra 2 (SS 13) Blatt 13: Musterlösung
Prof. Dr. B. Hanke Dr. J. Bowden Lineare Algebra 2 (SS ) Blatt : Musterlösung Aufgabe. Es sei C (R) der R-Vektorraum der unendlich oft differenzierbaren Funktionen auf R und : C (R) C (R), f f die Abbildung,
MehrMengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } }
Mengen Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung aller Elemente: { 1,
Mehr4.4 Hermitesche Formen
44 Hermitesche Formen Wie üblich bezeichnen wir das komplex konjugierte Element von ζ = a + bi C (a, b R) mit ζ = a bi Definition 441 Sei V ein C-Vektorraum Eine hermitesche Form (HF) auf V ist eine Abbildung
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 1 Mengen 2 Relationen Definition Operationen Eigenschaften Äquivalenzrelationen Mehrstellige Relationen 3 Abbildungen 4
MehrDie Topologie von R, C und R n
Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I (Wintersemester 2003/2004) Aufgabenblatt 6
Mehr4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit
4.4 Simultane Diagonalisierbarkeit und Trigonalisierbarkeit Definition 4.41. Eine Familie F linearer Operatoren heißt vertauschbar oder kommutierend, wenn für je zwei Operatoren U,T in F gilt: UT = TU.
Mehr7 Äquivalenzrelationen
71 7 Äquivalenzrelationen 7.1 Äquivalenzrelationen und Klassen Definition Eine Relation R auf einer Menge oder einem allgemeineren Objektbereich heißt eine Äquivalenzrelation, falls sie reflexiv, symmetrisch
MehrModulprüfung Mathematik I Fachrichtung: Computer Science in Engineering, Computervisualistik, Informatik, Wirtschaftsinformatik WS 2013/
Fakultät für Mathematik Institut für Algebra und Geometrie Prof. Dr. Martin Henk, Dr. Michael Höding Modulprüfung Mathematik I Fachrichtung: Computer Science in Engineering, Computervisualistik, Informatik,
MehrAlgorithmen auf Sequenzen
Algorithmen auf Sequenzen Fehlertolerante Mustersuche: Distanz- und Ähnlichkeitsmaße Sven Rahmann Genominformatik Universitätsklinikum Essen Universität Duisburg-Essen Universitätsallianz Ruhr Einführung
Mehr(a), für i = 1,..., n.
.4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung
MehrÜbersicht zur Vorlesung
Stand: 19.1.2012 Übersicht zur Vorlesung Ausgewählte Kapitel der Geometrie Definitionen/Axiome Anordnungsaxiome Archimedisches Axiom Definition von größer in den reellen Zahlen Intervalle Punkte, Geraden
MehrÜbungen zur Analysis II
Übungen zur Analysis II Prof. Dr. C. Löh/M. Blank Blatt 10 vom 3. Dezember 011 Aufgabe 1 (Beispiel für eine Kurve). Sei γ : R R 3 t (cos t, sin t, t). 1. Zeigen Sie, dass γ eine reguläre parametrisierte
MehrWiederholung. Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen.
Wiederholung Wir wiederholen einige Begriffe und Sätze der Analysis, die in der Maßtheorie eine wichtige Rolle spielen. Definition. Sei X eine Menge und d : X X R eine Abbildung mit den Eigenschaften 1.
MehrD-INFK Lineare Algebra HS 2016 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8. die gegebene Basis und b = die gesuchte Orthonormalbasis.
D-INFK Lineare Algebra HS 016 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 8 1. Seien a { 1 0 1 1 1 0 0 0 1 } die gegebene Basis und b { b1, b, b } die gesuchte Orthonormalbasis. b 1 a 1 a 1 1 1 0
MehrMathematik für Informatiker I Mitschrift zur Vorlesung vom
Mathematik für Informatiker I Mitschrift zur Vorlesung vom 18.11.2004 Zur Wiederholung: Das Kartesische Produkt dient dem Ordnen von Mengen. A B = {(a, b) : a A, b B)} Spezialfall A = Äquivalenzrelation
MehrVerständnisfragen: Lineare Algebra und Analytische Geometrie I und II
Verständnisfragen: Lineare Algebra und Analytische Geometrie I und II Matrizen, lineare Gleichungssysteme Wie kommt man von einem linearen Gleichungssystem zu einer Matrix? Was ist die Zeilenstufenform?
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016 Teil 1: Wiederholung 1 Mengen 2 Abbildungen 3 Exkurs Beweistechniken 4 Relationen Definition Operationen Eigenschaften Äquivalenzrelationen
MehrÜbungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 8
Prof. Roland Gunesch Sommersemester 2010 Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt 8 Aufgabe 1: Sei (X, d) ein kompakter metrischer Raum. Die Hausdorff-Metrik
MehrÜbungen zu Lineare Algebra 1, NAWI Graz, WS 2018/19 Blatt 1 (3.10.)
Blatt 1 (3.10.) 1. Von einem Parallelogramm ABCD sind die Punkte A = (2, 1), B = (6, 2) und D = (3, 5) gegeben. Berechnen Sie C. 2. Stellen Sie rechnerisch fest, ob das Viereck ABCD mit A = (2, 3), B =
Mehr30 Metriken und Normen
31 Metriken und Normen 153 30 Metriken und Normen Lernziele: Konzepte: Metriken, Normen, Skalarprodukte, Konvergenz von Folgen Frage: Versuchen Sie, möglichst viele verschiedene Konvergenzbegriffe für
MehrNeues Thema: abstrakte Algebra: Gruppen- und Körpertheorie
Neues Thema: abstrakte Algebra: Gruppen- und Körpertheorie Def. Eine Gruppe besteht aus einer nicht leeren Menge G und einer Abbildung : G G G (wir werden a b oder ab statt (a,b) schreiben; die Abbildung
Mehr4.4 Hierarchische Clusteranalyse-Verfahren
Clusteranalyse 18.05.04-1 - 4.4 Hierarchische Clusteranalyse-Verfahren Ablauf von hierarchischen Clusteranalyse-Verfahren: (1) Start jedes Objekt sein eigenes Cluster, also Start mit n Clustern (2) Fusionierung
MehrDie Hamming-Distanz definiert eine Metrik.
Die Hamming-Distanz definiert eine Metrik. Satz Metrik Hamming-Distanz Die Hamming-Distanz ist eine Metrik auf {0, 1} n, d.h. für alle x, y, z {0, 1} n gilt: 1 Positivität: d(x, y) 0, Gleichheit gdw x
MehrLösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung
D-MATH Lineare Algebra I/II HS 07/FS 08 Dr Meike Akveld Lösung 3: Sylvesters Trägheitssatz & Singulärwertzerlegung Wir wissen, dass eine Basis B von R n existiert, sodass p [β Q ] B I I q 0 n p q gilt
MehrKommutativität. De Morgansche Regeln
1. Formale Logik Proposition 1.1. Die logischen Elementarverknüpfungen gehorchen folgenden Äquivalenzen: (1.1) (1.2) p p p p p p Idempotenz (1.3) (1.4) p q q p p q q p Kommutativität (1.5) (1.6) (p q)
MehrMathematische Grundlagen der Computerlinguistik
Centrum für Informations- und Sprachverarbeitung (CIS) 10. Juni 2014 Table of Contents 1 2 Äquivalenz Der Begriff der Äquivalenz verallgemeinert den Begriff der Gleichheit. Er beinhaltet in einem zu präzisierenden
MehrÜbungsblatt Nr. 7. Lösungsvorschlag
Institut für Kryptographie und Sicherheit Prof. Dr. Jörn Müller-Quade Nico Döttling Dirk Achenbach Tobias Nilges Vorlesung Theoretische Grundlagen der Informatik Übungsblatt Nr. 7 svorschlag Aufgabe (K)
MehrM U = {x U f 1 =... = f n k (x) = 0}, (1)
Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit
Mehr9 Vektorräume mit Skalarprodukt
9 Skalarprodukt Pink: Lineare Algebra 2014/15 Seite 79 9 Vektorräume mit Skalarprodukt 9.1 Normierte Körper Sei K ein Körper. Definition: Eine Norm auf K ist eine Abbildung : K R 0, x x mit den folgenden
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
MehrPROSEMINAR DARSTELLUNGEN ENDLICHEN GRUPPEN: FUNDAMENTALE BEGRIFFEN. pg 1, g 2 q ÞÑ g 1 G g 2,
PROSEMINAR DARSTELLUNGEN ENDLICHEN GRUPPEN: FUNDAMENTALE BEGRIFFEN LOUIS-HADRIEN ROBERT 1. Gruppe und Wirkungen Definition 1.1. Eine Gruppe pg, Gq ist eine Menge G mit einer Multiplikation: so dass G :
MehrFachwissenschaftlicher Hintergrund zur Vektorrechnung
Fachwissenschaftlicher Hintergrund zur Vektorrechnung Seminar zur Didaktik der Linearen Algebra Dr. Oliver Passon SoSe 2010 Einführung: Vektorrechnung ist anders Grundbegriffe bei der schulischen Behandlung
Mehr