Ecken des Zuordnungsproblems
|
|
- Monica Maus
- vor 6 Jahren
- Abrufe
Transkript
1 Total unimodulare Matrizen Ecken des Zuordnungsproblems Definition.6 Ein Zuordnungsproblem mit den Vorzeichenbedingungen 0 apple x ij apple für i, j =,...,n statt x ij 2{0, } heißt relaxiertes Zuordnungproblem. Beispiel.7 Wir betrachten ein relaxiertes Zuordnungproblem mit Kostenmatrix C =(c ij )=@ 0 0 A 0 Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 26 / 206
2 Total unimodulare Matrizen Fortsetzung Beispiel. Dann sind x = (x, x 2, x 3, x 2, x 22, x 23, x 3, x 32, x 33 ) = (, 0, 0, 0,, 0, 0, 0, ) y = (0,, 0,, 0, 0, 0, 0, ) und z = ( 2, 2, 0, 2,, 0, 0, 0, ) 2 optimale Lösungen. Wegen z = 2 x + 2 y ist aber z keine Ecke und würde damit vom Simplexalgorithmus niemals als optimale Lösung ermittelt. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 27 / 206
3 Total unimodulare Matrizen Ganzzahligkeit der Ecken beim Zuordnungsproblem Satz.8 Für jedes relaxierte Zuordnungsproblem sind alle Ecken ganzzahlig. Für ein relaxiertes Zuordnungsproblem der Größe n n gilt also x ist Ecke ) x 2{0, } n n Beweis. Induktion über n. n = : x = ist die einzige zulässige und damit optimale Lösung. n! n: Esseix Ecke eines relaxierten n n-zuordnungsproblems. Fall : Es existieren apple i, j apple n mit x ij =. Dann streiche aus dem Zuordnungsproblem Zeile i und Spalte j und aus x alle entsprechenden Komponenten. Der Restvektor von x muss dann eine Ecke des (n ) (n ) Zuordnungsproblems sein, das nach I.V. nur ganzzahlige Ecken hat. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 28 / 206
4 Total unimodulare Matrizen Fortsetzung Beweis. Fall 2: Es existiert kein i, j mit x ij =. Damit folgt 0 apple x ij < für alle i, j. Wegen P n j= x ij =für alle i folgt: Für jedes i gibt es mindestens zwei Variablen x ij > 0. Damit existieren mindestens 2n Variablen x ij > 0. Widerspruch, denn eine Ecke x und damit eine zulässige Basislösung hat nur 2n BVs. Folgerung.9 Wir können Zuordnungsprobleme mit dem Simplexalgorithmus optimal lösen. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 29 / 206
5 Total unimodulare Matrizen Konsequenz Wir können Zuordnungsprobleme lösen, indem wir zum relaxierten Problem übergehen und das relaxierte Problem mit dem Simplexalgorithmus lösen. Wir wollen nun untersuchen, für welche weiteren kombinatorischen Probleme solch ein Vorgehen möglich ist, bzw. welche Bedingungen hinreichend für ganzzahlige Ecken sind. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 30 / 206
6 Total unimodulare Matrizen Quadratische Untermatrizen Definition.0 Für eine Matrix A =(a ij ) 2 R m n sowie Zeilenindizes apple i < i 2 < < i k apple m und Spaltenindizes apple j < j 2 < < j k apple n heißt die Matrix 0 quadratische Untermatrix von A. a i,j a i,j 2 a i,j k a i2,j a i2,j 2 a i2,j k... a ik,j a ik,j 2 a ik,j k C A 2 Rk k Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 3 / 206
7 Total unimodulare Matrizen Totale unimodulare Matrix Definition. Eine Matrix A 2 R m n ist total unimodular genau dann, wenn jede quadratische Untermatrix von A die Determinante 0, oder hat. Wenn A =(a ij ) total unimodular ist, dann sind alle Matrixelemente a ij gleich 0, oder. Die Umkehrung gilt natürlich nicht. Beispiel.2 Die Matrix A = C A 2 R4 6 ist total unimodular. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 32 / 206
8 für gerichtete Graphen Definition.3 Es sei G =(V, E) eingerichteter Graph mit Knotenmenge V = {v,...,v m } und Kantenmenge E = {e,...,e n }. Dann heißt die m n-matrix A =(a ij )mit 8 < a ij = : von G. wenn v i Anfangsknoten von e j ist, wenn v i Endknoten von e j ist, 0 sonst Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 33 / 206
9 Beispiel.4 Die Matrix von Beispiel.2 ist des folgenden Graphen: Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 34 / 206
10 für ungerichtete Graphen Definition.5 Es sei G =(V, E) ein(ungerichteter) Graph mit Knotenmenge V = {v,...,v m } und Kantenmenge E = {e,...,e n }. Dann heißt die m n Matrix A =(a ij )mit von G. wenn vi inzident mit e a ij = j ist 0 sonst Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 35 / 206
11 Eigenschaften einer () Lemma.6 Es sei G ein gerichteter Graph mit m Knoten. Dann hat die A von G einen Rang r(a) apple m. Beweis. Die Summe der Zeilenvektoren ergibt den Nullvektor, dainjederspalte genau eine und eine existiert. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 36 / 206
12 Eigenschaften einer (2) Definition.7 Ein gerichteter Graph G ist ein Wald bzw. ein Baum gdw. der G zugeordnete ungerichtete Graph G 0 (siehe Graphentheorie, Definition.6) ein Wald bzw. ein Baum ist. Beispiel.8 gerichteter Graph G: Der zugeordnete ungerichtete Graph G 0 ist ein Baum: Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 37 / 206
13 Lemma.9 Unimodularität Ein gerichteter Graph G ist genau dann ein Wald, wenn die Spalten der von G linear unabhängig sind. Beweis. Wir zeigen: G enthält einen Kreis gdw. die Spalten der A 2 R m n linear abhängig sind. ) : Es sei C = ein Kreis in G 0 und j,...,j k seien die zugehörigen Spaltenindizes der. Für l =,...,k setzen wir: el hat in G die Richtung v l = l! v l sonst Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 38 / 206
14 Fortsetzung Beweis. Damit gilt Unimodularität a j + + k a j k = 0 die Spaltenvektoren sind also linear abhängig. ( : Die Spalten von A seien linear abhängig. Dann existieren Spaltenindizes j,...,j k und Zahlen,..., k 6=0mit a j + + k a j k = 0 Es sei E 00 die Menge der Kanten zu den Spaltenindizes j,...,j k und V 00 sei die Menge der mit den Kanten aus E 00 inzidenten Knoten. Wir betrachten jetzt den Graphen G 00 =(V 00, E 00 ).Weilalle j 6=0muss es für jede Zeile i, in der nicht nur 0en auftreten, mindestens zwei Spalten geben, deren Linearkombination in der i-ten Zeile = 0 ist. Damit hat jeder Knoten in G 00 mindestens den Grad 2 und G 00 kann damit nicht kreisfrei sein. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 39 / 206
15 Eigenschaften einer (3) Satz.20 Es sei A 2 R m n die Inzidenzmatriz eines gerichteten Graphen G. Dann ist A total unimodular. Beweis. Vollständige Induktion über die Größe k einer quadratischen Untermatrix. k = : Die Untermatrizen der Größe k = sind die Matrixelemente selbst. Per Definition der sind sie gleich 0, oder. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 40 / 206
16 Fortsetzung Beweis. k! k: EsseiA 0 eine quadratische Untermatrix von A. Fall : A 0 hat in jeder Spalte zwei Elemente 6= 0. Dann definieren die Zeilen und Spalten von A 0 (als betrachtet) einen gerichteten Graphen G 0 mit k Knoten und k Kanten. Damit kann G 0 nicht kreisfrei sein. Nach Lemma.9 sind die Spaltenvektoren von A 0 linear abhängig. Also folgt det(a 0 )=0. Fall 2: A 0 enthält eine Spalte j mit höchstens einem Element aij 0 Berechnung von det(a 0 )entwickelnwirnachspaltej. Es folgt 6= 0. Zur det(a 0 )=( Nach I.V. gilt det(a 0 ij )=0, oder ) i+j a 0 ij det(a 0 ij). Also gilt auch det(a 0 )=0, oder. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 4 / 206
17 Eigenschaften einer (4) Satz.2 Es sei A 2 R m n die eines (ungerichteten) bipartiten Graphen G. Dann ist A total unimodular. Beweis. Übungsaufgabe. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 42 / 206
18 Cramersche Regel Für den Beweis des nächsten Satzes benötigen wir die sogenannte Cramersche-Regel. Lemma.22 Es sei A 2 R n n eine quadratische Matrix mit det(a) 6= 0.Für das LGS Ax = b sei A j := (a,...,a j, b, a j+,...,a n ), also die Matrix, die entsteht, wenn in A die j-te Spalte durch den Vektor b ersetzt wird. Dann gilt für die eindeutige Lösung x =(x j ) 2 R n des Gleichungssystems Ax = b x j = det(a j) det(a). Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 43 / 206
19 Beispiel.23 Wir betrachten das LGS {z } A x x 2 x 3 {z } x 0 A 3 A {z } b Es gilt A = = 6 Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 44 / 206
20 Fortsetzung Beispiel. 0 det(a )=det det(a 2 )=det@ det(a 3 )=det@ Daraus folgt A = =0 A = =6 A = =6 x = 0 6 =0, x 2 = 6 6 =, x 3 = 6 6 = Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 45 / 206
21 Totale Unimodularität und ganzzahlige Ecken Satz.24 Es sei A 2 R m n eine total unimodulare Matrix und b 2 Z m sei ein ganzzahliger Vektor. Dann hat die Menge X = {x 2 R n Ax = b, x 0} R n nur ganzzahlige Ecken. Beweis. O.B.d.A. gelte r(a) = m. x ist Ecke, x ist zulässige Basislösung (siehe Satz??) Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 46 / 206
22 Fortsetzung Beweis. x ist zulässige Basislösung,9j,...,j m mit: I die Spaltenvektoren a j,...,a jm sind linear unabhängig, I die Komponenten xj,...,x jm von x sind für A 0 =(a j,...,a jm ) (eindeutige) Lösung des LGS 0 A 0 x j. x jm C A = b I x 0. Nach der Cramer-Regel gilt x jk = det(a0 j k ) det(a 0 ) Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 47 / 206
23 Fortsetzung Beweis. Weil A total unimodular ist und die Spaltenvektoren linear unabhängig sind, folgt det(a 0 )=oder. Weil b ganzzahlig ist, ist auch det(a 0 j k ) ganzzahlig. Damit sind die x jk ganzzahlig. Peter Becker (H-BRS) Operations Research II Wintersemester 205/6 48 / 206
Unimodularität. Kapitel 1. Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206
Kapitel 1 Unimodularität Peter Becker (H-BRS) Operations Research II Wintersemester 2015/16 11 / 206 Inhalt 1 Unimodularität Total unimodulare Matrizen Inzidenzmatrix Optimierungsprobleme auf Graphen Peter
MehrOptimierung. Vorlesung 08
Optimierung Vorlesung 08 Heute Dualität Ganzzahligkeit Optimierung der Vorlesung durch Evaluierung 2 Das duale LP Das primale LP Maximiere c T x unter Ax b, x R d 0. wird zu dem dualen LP Minimiere b T
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10
D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)
MehrVorlesung Lineare Optimierung (Sommersemester 2007)
1 Vorlesung Lineare Optimierung (Sommersemester 007) Kapitel 9: Ganzzahlige Polyeder und Kombinatorische Dualität Volker Kaibel Otto-von-Guericke Universität Magdeburg Montag, 9. Juli 007 Gliederung Ganzzahlige
MehrGanzzahlige lineare Programme
KAPITEL 5 Ganzzahlige lineare Programme Wir betrachten nun Optimierungsprobleme vom Typ (42) min c T x s.d. Ax = b, x 0, x ganzzahlig, wobei die Matrix A R m n und die Vektoren c R n, b R m gegeben seien.
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
MehrZiel Geklärt werden soll die Frage nach der Anzahl an Spannbäumen, die ein gegebener Graph G hat.
Ziel Geklärt werden soll die Frage nach der Anzahl an Spannbäumen, die ein gegebener Graph G hat. Definition Sei G = (V, E) ein beliebiger Graph. Dann bezeichne T (G) die Anzahl seiner Spannbäume, d.h.
MehrZugeordneter bipartiter Graph
Zugeordneter bipartiter Graph Für ein Transportproblem sei A = {A 1,...,A m } die Menge der Fabriken und B = {B 1,...,B n } sei die Menge der Warenhäuser. Wir ordnen nun einem Transportproblem einen bipartiten
MehrOperations Research. Ganzzahlige lineare Programme. ganzzahlige lineare Programme. Ganzzahlige lineare Programme. Rainer Schrader. 25.
Operations Research Rainer Schrader Ganzzahlige lineare Programme Zentrum für Angewandte Informatik Köln 25. Juni 2007 1 / 49 2 / 49 Ganzzahlige lineare Programme Gliederung ganzzahlige lineare Programme
MehrFreie Bäume und Wälder
(Martin Dietzfelbinger, Stand 4.6.2011) Freie Bäume und Wälder In dieser Notiz geht es um eine besondere Sorte von (ungerichteten) Graphen, nämlich Bäume. Im Gegensatz zu gerichteten Bäumen nennt man diese
Mehr8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten
Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A
Mehr1. Transport- und Zuordnungsprobleme
1. Transport- und Zuordnungsprobleme Themen 1. Transport- und Zuordnungsprobleme Themen: Analyse der Problemstruktur Spezielle Varianten des Simplexalgorithmus für Transport- und Zuordnungsprobleme Bezug
MehrCramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...
Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den
MehrWirtschafts- und Finanzmathematik
Prof Dr Stefan Etschberger HSA Wirtschafts- und Finanzmathematik für Betriebswirtschaft und International Management Wintersemester 2016/17 Determinanten: Vorüberlegung Permutationen und Inversionen
Mehr, c d. f + e + d. ae + bg a f + bh. ce + dg c f + dh
Die Determinante Blockmatrizen Bemerkung: Für zwei 2 2-Matrizen gilt a b e f a b c d g h c d e g a b, c d f h a c b e + d a g, c f + ae + bg a f + bh ce + dg c f + dh b d h Sind die Einträge der obigen
MehrEinführung in die Mathematik des Operations Research
Universität zu Köln Mathematisches Institut Prof. Dr. F. Vallentin Einführung in die Mathematik des Operations Research Sommersemester 3 en zur Klausur (7. Oktober 3) Aufgabe ( + 3 + 5 = Punkte). Es sei
MehrLineare Programmierung
asis Definition 3.38 Gegeben sei ein LP in der Normalform mit m als Rang der Matrix 2 R m n. x 2 R n mit x = b heißt asislösung gdw. n m Komponenten x i gleich Null und die zu den restlichen Variablen
MehrIn allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.
Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:
MehrCramersche Regel. Satz 2.26
ramersche Regel Satz 6 Es sei A R n n eine quadratische Matrix mit det(a) 6= Für das LGS Ax = b sei A j := (a,,a j, b, a j+,,a n ), also die Matrix, die entsteht, wenn in A die j-te Spalte durch den Vektor
Mehr2.5 Smith-Normalform für Matrizen über Euklidischen Ringen
2.5. SMITH-NORMALFORM FÜR MATRIZEN ÜBER EUKLIDISCHEN RINGEN73 2.5 Smith-Normalform für Matrizen über Euklidischen Ringen Bemerkung 2.74. Sei K ein Körper und A K n m, b K n 1. Das lineare Gleichungssystem
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrDie Determinante einer Matrix
Chr.Nelius, Lineare Algebra II (SS 2005) 6 Die Determinante einer Matrix Wir betrachten im folgenden Determinantenformen auf dem Vektorraum V = K n. Eine solche Form ist eine Abbildung von n Spaltenvektoren
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg.
Übungsaufgaben 13. Übung: Woche vom 23. 1.-27. 1. 2017 (Lin.Alg. II): Heft Ü 3: 1.1.3; 1.1.7 (a,b); 1.1.8; 1.1.11; 3.4.3 (b); 1.3.3 (c); 1.2.3 (b,d); Hinweis 1: 3. Test (Integration, analyt. Geom.) ist
Mehr6. Einführung 43. gilt. Dann soll also A B x B = b eindeutig lösbar sein, also A B vollen Rang haben, d. h. invertierbar (regulär) sein.
6. Einführung 43 und aus der linearen Unabhängigkeit der (a i ) i I(x) folgt y i = z i auch für i I(x). Insgesamt gilt also y = z, d. h., nach Definition 6.9 ist x eine Ecke von P. Beachte: Der Koordinatenvektor
Mehrmit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"
Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
MehrA = A A
Musterlösung - Aufgabenblatt 8 Aufgabe 1 Gegeben ist das Polytop P = conv {±e i ± e j : 1 i, j 3, i j} = conv {e 1 + e 2, e 1 e 2, e 1 + e 2, e 1 e 2, e 1 + e 3, e 1 e 3, e 1 + e 3, e 1 e 3, e 2 + e 3,
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
Mehr7 Determinanten. D ist alternierend g.d.w. für alle i j gilt:
7 Determinanten Im folgenden betrachten wir quadratische Matrizen Wir schreiben dabei eine n n Matrix A (über dem Körper K) primär als Zeilenvektor, dessen Elemente die Spalten von A sind; also A = (a
MehrVortrag 20: Kurze Vektoren in Gittern
Seminar: Wie genau ist ungefähr Vortrag 20: Kurze Vektoren in Gittern Kerstin Bauer Sommerakademie Görlitz, 2007 Definition und Problembeschreibung Definition: Gitter Seien b 1,,b k Q n. Dann heißt die
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehr3 Lineare Gleichungssysteme
3 Lineare Gleichungssysteme 3 Fortsetzung des Matrizenkalküls Als erstes beweisen wir einen einfachen Satz über den Rang von Matrizenprodukten Satz 3 (a) Für Matrizen A : Ã l m, B : Ã m n gilt rang AB
Mehr5. Das klassische Transportproblem
5 Das klassische Transportproblem Ein homogenes Gut soll von verschiedenen Lagerplätzen abtransportiert und so auf die Zielorte verteilt werden, dass dort der Bedarf der Kunden gedeckt wird Die Vorrats-
Mehr1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme. Duales Problem. a i u i + i=1. j=1
1. Transport- und Zuordnungsprobleme Optimierungsalgorithmus für Transportprobleme Duales Problem Lemma 1.4. Das zum Transportproblem duale Problem lautet: max unter den Nebenbedingungen m a i u i + i=1
MehrDeterminanten. I. Permutationen
Determinanten Durch Bildung der Determinante wird einer quadratischen (! Matrix eine gewisse Zahl zuordnet. Die Determinante tritt besonders bei Fragen der Flächen- bzw. Volumsberechnung auf (siehe auch
MehrVollständiger Graph. Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete).
Vollständiger Graph Definition 1.5. Sei G =(V,E) ein Graph. Gilt {v, w} E für alle v, w V,v w, dann heißt G vollständig (complete). Mit K n wird der vollständige Graph mit n Knoten bezeichnet. Bemerkung
MehrKlausur zur Vorlesung Einführung in das Operations Research im Wintersemester 2005/2006
Universität Hannover Wirtschaftswissenschaftliche Fakultät Lehrstuhl für Produktionswirtschaft Prof. Dr. Stefan Helber Klausur zur Vorlesung Einführung in das Operations Research im Wintersemester 005/006
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
MehrNachbarschaft, Grad, regulär, Inzidenz
Nachbarschaft, Grad, regulär, Inzidenz Definition Eigenschaften von Graphen Sei G = (V, E) ein ungerichteter Graph. 1 Die Nachbarschaftschaft Γ(u) eines Knoten u V ist Γ(u) := {v V {u, v} E}. 2 Der Grad
MehrWir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds
39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
MehrVektorräume und Rang einer Matrix
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
Mehr[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.
Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv
Mehr4 Determinanten. 4.1 Eigenschaften der Determinante. ME Lineare Algebra HT
ME Lineare Algebra HT 2008 86 4 Determinanten 4. Eigenschaften der Determinante Anstatt die Determinante als eine Funktion IC n n IC durch eine explizite Formel zu definieren, bringen wir zunächst eine
MehrTutorium: Analysis und Lineare Algebra
Tutorium: Analysis und Lineare Algebra Vorbereitung der Bonusklausur am 14.5.218 (Teil 2) 9. Mai 218 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 218 Steven Köhler 9. Mai 218 3 c 218
MehrSeien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren.
Beweis: 1. 2. Seien u, v V, u v. Da G zusammenhängend ist, muss mindestens ein Pfad zwischen u und v existieren. Widerspruchsannahme: Es gibt zwei verschiedene Pfade zwischen u und v. Dann gibt es einen
MehrÜbung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist:
Svenja Hüning, Michael Kerber, Hannah Schreiber WS 2016/2017 Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist: Hinweise: Dieses Blatt präsentiert Beispiellösungen zu
Mehr7 Determinanten. f i : Mat n n (K) K. j=1 ( 1)i+j a ij D(A ij )
7 Determinanten Im folgenden betrachten wir quadratische Matrizen. Wir schreiben dabei eine n n Matrix A (über dem Körper K) primär als Zeilenvektor, dessen Elemente die Spalten von A sind; also A = (a
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
MehrKapitel 14 Lineare Gleichungssysteme
Kapitel 4 Lineare Gleichungssysteme Kapitel 4 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 83 / 246 Kapitel 4 Lineare Gleichungssysteme Definition 4. (Lineares Gleichungssystem LGS)
MehrDefinition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n.
1 Die Determinante Definition 1 Sei π ein Element aus der symmetrischen Gruppe S n der Permutationen aller natürlichen Zahlen von 1 bis n. a) Ein Fehlstand von π ist ein Paar (i, j) mit 1 i < j n und π(i)
Mehr5.4 Basis, Lineare Abhängigkeit
die allgemeine Lösung des homogenen Systems. Wieder ist 2 0 L i = L h + 0 1 Wir fassen noch einmal zusammen: Ein homogenes lineares Gleichungssystem A x = 0 mit m Gleichungen und n Unbekannten hat n Rang(A)
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
Mehr= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2
1 Graphen Definition: Ein Graph G = (V,E) setzt sich aus einer Knotenmenge V und einer (Multi)Menge E V V, die als Kantenmenge bezeichnet wird, zusammen. Falls E symmetrisch ist, d.h.( u,v V)[(u,v) E (v,u)
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 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/ws1314
MehrGemischte Aufgaben zur Klausurvorbereitung
Gunter Ochs Wintersemester / Gemischte Aufgaben zur Klausurvorbereitung Lösungshinweise (ohne Galantie auf Fehreleiheit. Gegeben sei eine Tabelle, die bestimmten Buchstaben Zahlen von bis zuordnet. Buchstabe
Mehr05. Lineare Gleichungssysteme
05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a
Mehr5. Bäume und Minimalgerüste
5. Bäume und Minimalgerüste Charakterisierung von Minimalgerüsten 5. Bäume und Minimalgerüste Definition 5.1. Es ein G = (V, E) ein zusammenhängender Graph. H = (V,E ) heißt Gerüst von G gdw. wenn H ein
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Lineare Gleichungssysteme Das System a x + a x +... + a n x n = b a x + a x +... + a n x n = b. +. +... +. =. a m x + a m x +... + a mn x n = b m heißt lineares Gleichungssystem
MehrWir verallgemeinern jetzt den Begriff bilinear zu multilinear. Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante.
118 36 Determinanten Wir verallgemeinern jetzt den Begriff bilinear zu multilinear Unser Ziel ist dabei insbesondere die Einführung der sogenannten Determinante 361 Definition (alternierend, symmetrisch,
MehrSpline-Interpolation
Spline-Interpolation Tim Schmölzer 20 November 2009 Tim Schmölzer Spline-Interpolation 20 November 2009 1 / 38 Übersicht 1 Vorbemerkungen 2 Lösbarkeit des Interpolationsproblems 3 Stabilität der Interpolation
MehrKapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24
Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt
MehrEigenwerte und Netzwerkanalyse. Page Rank
A Google versucht die Bedeutung von Webseiten mithilfe des sogenannten zu ermitteln. Der einer Seite basiert ausschließlich auf der Verweisstruktur des Webs. Der Inhalt einer Seite hat dagegen keinen direkten
MehrProbeklausur zu Mathematik 2 für Informatik
Gunter Ochs Wintersemester 4/5 Probeklausur zu Mathematik für Informatik Lösungshinweise wie immer ohne Garantie auf Fehlefreiheit. Gegeben sei das Dreieck im R mit den Eckpunkten A a Berechnen Sie die
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrKapitel 15 Lineare Gleichungssysteme
Kapitel 15 Lineare Gleichungssysteme Kapitel 15 Lineare Gleichungssysteme Mathematischer Vorkurs TU Dortmund Seite 1 / 27 Kapitel 15 Lineare Gleichungssysteme Definition 15.1 (Lineares Gleichungssystem
MehrEinheit 11 - Graphen
Einheit - Graphen Bevor wir in medias res (eigentlich heißt es medias in res) gehen, eine Zusammenfassung der wichtigsten Definitionen und Notationen für Graphen. Graphen bestehen aus Knoten (vertex, vertices)
MehrLineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Klausur: voraussichtlich Mittwoch,
Lineare Algebra I - 2. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Klausur: voraussichtlich Mittwoch, 4.2. 4:3 Uhr, A3 A 2 Mat(n, n; K) Dann ist 7 A : Mat(n, ; K)! Mat(n, ; K) b! A b ein Endomorphismus.
Mehra 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =
3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrMathematik für Anwender I
Prof Dr H Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 11 Rang von Matrizen Definition 111 Es sei K ein Körper und sei M eine m n-matrix über K Dann nennt man die Dimension des von
Mehrg 1 g = e, (1) (g 1 ) 1 g 1 = e, (2) Unter Verwendung des Assoziativgesetzes ist nach (1), und weil e neutrales Element ist. Nach (2) folgt nun
Stefan K. 1.Übungsblatt Algebra I Aufgabe 1 1. zu zeigen: (g 1 ) 1 = g g G, G Gruppe Beweis: Aus dem Gruppenaxiom für das Linksinverse zu g haben wir und für das Linksinverse zu g 1 Unter Verwendung des
Mehr3 Matrizen und Lineare Gleichungssysteme
3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrEigenwerte und Eigenvektoren
Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte
MehrMathematik I für MB und ME
Mathematik I für MB und ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Wintersemester 28/29 Übungsaufgaben Serie 4: Lineare Unabhängigkeit, Matrizen, Determinanten, LGS Prüfen Sie, ob die folgenden
Mehra 1 a 1 A = a n . det = λ det a i
49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K
Mehr5 Graphen. Repräsentationen endlicher Graphen. 5.1 Gerichtete Graphen. 5.2 Ungerichtete Graphen. Ordnung von Graphen
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 5 Graphen 5.1 Gerichtete Graphen Definition 5.1 (V, E) heißt gerichteter Graph (Digraph), wenn V Menge von Knoten
MehrMinimumproblem. Definition 4.7. Ein LP der Form. unter den Nebenbedingungen. d ij x j b i (i =1,...,m)
Minimumproblem Definition 4.7 Ein LP der Form nx Minimiere Z = c j x j j=1 unter den Nebenbedingungen nx d ij x j b i (i =1,...,m) j=1 und den Vorzeichenbedingungen x j 0(j =1,...,n) heißt Minimumproblem.
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
MehrPlanare Graphen und Färbungen. Kapitel 7. Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/ / 296
Kapitel 7 Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 256 / 296 Inhalt Inhalt 7 Färbungen Peter Becker (H-BRS) Graphentheorie Wintersemester 2018/19 257 / 296 Jordankurve Zentrale Frage
Mehr5.2 Rechnen mit Matrizen
52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 95 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij
MehrOperations Research. Flüsse in Netzwerken. Flüsse in Netzwerken. Unimodularität. Rainer Schrader. 2. Juli Gliederung.
Operations Research Rainer Schrader Flüsse in Netzwerken Zentrum für Angewandte Informatik Köln 2. Juli 2007 1 / 53 2 / 53 Flüsse in Netzwerken Unimodularität Gliederung Netzwerke und Flüsse bipartite
MehrKAPITEL 6 GANZZAHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULARE MATRIZEN
KPITEL 6 GNZZHLIGE OPTIMIERUNG UND VOLLSTÄNDIG UNIMODULRE MTRIZEN F. VLLENTIN,. GUNDERT. Ganzzahlige lineare Programme Viele Optimierungsprobleme des Operations Research lassen sich als ganzzahlige lineare
MehrAm Dienstag, den 16. Dezember, ist Eulenfest. 1/45
Am Dienstag, den 16. Dezember, ist Eulenfest. 1/45 Grundbegriffe der Informatik Einheit 12: Erste Algorithmen in Graphen Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009
MehrOrthogonale Matrix. Definition 4.19
Orthogonale Matrix Ausgleichsprobleme sind häufig schlecht konditioniert. Matrix des Normalengleichungssystems kann nahezu singulär sein. Spezielle Matrixzerlegung für höhere numerische Stabilität: QR-Zerlegung
MehrWir betrachten einen einfachen Algorithmus, der den Zusammenhang eines Graphen testen soll.
Kapitel 2 Zusammenhang 2.1 Zusammenhängende Graphen Wir betrachten einen einfachen Algorithmus, der den Zusammenhang eines Graphen testen soll. (1) Setze E = E, F =. (2) Wähle e E und setze F = F {e},
MehrLineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 1 (WS 2010/2011) Abgabetermin: Donnerstag, 21. Oktober.
Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 1 (WS 2010/2011) Abgabetermin: Donnerstag, 21. Oktober http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen an die Vorlesung: Im Folgenden werden einige
Mehr