Es soll gelten: Wenn für jede Komponente bekannt ist, ob sie intakt oder defekt ist, dann ist auch der Zustand des Systems bekannt.

Größe: px
Ab Seite anzeigen:

Download "Es soll gelten: Wenn für jede Komponente bekannt ist, ob sie intakt oder defekt ist, dann ist auch der Zustand des Systems bekannt."

Transkript

1 Kapitel 1 Systeme 1.1 Grundbegriffe Bezeichnung Ein aus einzelnen Bauteilen zusammen gesetztes Gerät heißt System. Die einzelnen Bauteile heißen Komponenten des Systems. Jedes System bzw. jede Komponente ist stets in genau einem von zwei möglichen Zuständen, intakt oder defekt. Es soll gelten: Wenn für jede Komponente bekannt ist, ob sie intakt oder defekt ist, dann ist auch der Zustand des Systems bekannt. Definition a) Ein System mit n Komponenten heißt Seriensystem: Das System ist intakt genau dann, wenn alle n Komponenten intakt sind. b) Ein System mit n Komponenten heißt Parallelsystem: Das System ist intakt genau dann, wenn mindestens eine Komponente intakt ist. Bemerkung a) Ein Seriensystem ist defekt mindestens eine Komponente ist defekt. b) Ein Parallelsystem ist defekt alle Komponenten sind defekt. Definition Ein System heißt redundant, wenn es intakt sein kann, ohne daß alle Komponenten intakt sind. 3

2 4 KAPITEL 1. SYSTEME Bemerkung Ein Parallelsystem ist redundant, ein Seriensystem ist nicht redundant. Definition Ein System S bestehe aus den Komponenten K 1,...,K n. Die Komponenten K 1,...,K n heißen unabhängig: die Ereignisse {K i ist intakt}, i = 1, 2,...,n sind unabhängig. Definition Ein System S heißt isoton: Ist S intakt und fügt man zu S eine weitere intakte Komponenten hinzu, so bleibt S intakt. Definition Ein System S heißt trivial: Das System S ist (unabhängig vom Zustand der Komponenten) immer defekt oder immer intakt. 1.2 Zuverlässigkeitsschaltbilder (Fast) alle Systeme können graphisch durch ein Zuverlässigkeitsschaltbild dargestellt werden. Definition Ein Schaltbild heißt Zuverlässigkeitsschaltbild, wenn die Elemente des Schaltbildes die Komponenten des Systems symbolisieren. Das System ist intakt genau dann, wenn von einem Anfangspunkt A zu einem Endpunkt E ein Weg existiert, der nur über intakte Elemente führt. Beispiel Seriensystem mit n Komponenten. Abbildung 1.1: Seriensystem mit n Komponenten Beispiel Parallelsystem mit n Komponenten. Beispiel Serie- und Parallelschaltung unabhängiger Teilsysteme. Systeme können als Serien- und Parallelschaltung von unabhängigen Teilsystemen aufgebaut sein. Teilsysteme sind z.b. dann unabhängig, wenn die Komponenten unabhängig sind und keine Komponente in mehreren Teilsystemen vorkommt. Ein Beispiel ist

3 1.2. ZUVERLÄSSIGKEITSSCHALTBILDER 5 Abbildung 1.2: Parallelsystem mit n Komponenten Abbildung 1.3: Serie- und Parallelschaltung unabhängiger Teilsysteme Definition Ein System heißt k-von-n-system: Das System ist genau dann intakt, wenn mindestens k der n Komponenten intakt sind. Bemerkung Ein k-von-n-system kann nicht als Serien- oder Parallelschaltung von unabhängigen Teilsystemen aufgefaßt werden. Beispiel von-3-System. Beispiel Brückensystem.

4 6 KAPITEL 1. SYSTEME Abbildung 1.4: 2-von-3-System Abbildung 1.5: Brückensystem 1.3 Systemfunktionen Da Systeme und Komponenten nur zwei Zustände annehmen können, genügt es, zur Beschreibung von Systemen Variable bzw. Funktionen zu verwenden, die nur zwei verschiedene Werte annehmen können, Boolesche Variable bzw. Boolische Funktionen. Definition S sei ein System mit n Komponenten K 1,...,K n. z 1,...,z n seien Boolische Variable mit der Egenschaft: z i = { 0 falls K i defekt ist 1 falls K i intakt ist. Die Variable z i heißt Zustandsvariable der Komponente K i. (z 1,...,z n ) heißt Zustandsvektor der Komponenten von S.

5 1.4. ERMITTLUNG DER SYSTEMFUNKTION 7 Definition Die Boolische Funktion ϕ S : {0, 1} n {0, 1} mit der Eigenschaft { 0 falls S defekt ist ϕ S (z 1,...,z n ) = 1 falls S intakt ist heißt Systemfunktion von S. Bemerkung Für isotone Systeme gilt: ϕ(z 1,...,z n ) = 1 z i z i (i = 1, 2,...,n) ϕ(z 1,...,z n) = 1. Definition Eine Funktion ϕ : {0, 1} n {0, 1} mit der Eigenschaft heißt isoton. z i z i (i = 1, 2,...,n) ϕ(z 1,...,z n ) ϕ(z 1,...,z n) Bemerkung a) S ist isoton ϕ S ist isoton. b) S ist trivial ϕ S 1 oder ϕ S 0. Beispiel a) Für ein Seriensystem S gilt: b) Für ein Parallelsystem S gilt: ϕ(z 1,...,z n ) = z 1 z 2... z n = min 1 i n z i. ϕ(z 1,...,z n ) = 1 (1 z 1 ) (1 z 2 )... (1 z n ) = max 1 i n z i. 1.4 Ermittlung der Systemfunktion Satz Die Systeme S 1,...,S m haben die Systemfunktionen ϕ 1,...,ϕ m. a) Ein System, das als Serienschaltung der Systeme S 1,...,S m entsteht, hat die Systemfunktion ϕ = ϕ 1... ϕ m. b) Ein System, das als Parallelschaltung der Systeme S 1,...,S m entsteht, hat als Systemfunktion ϕ = 1 (1 ϕ 1 )... (1 ϕ m ). Beweis: Trivial.

6 8 KAPITEL 1. SYSTEME Abbildung 1.6: 2-von-3-System Beispiel von-3-System. Für das System ϕ(z 1,z 2,z 3 ) = 1, falls 3 z i 2. i=1 Für die Teilsysteme ϕ 1 (z 1,z 2,z 3 ) = z 1 z 2, ϕ 2 (z 1,z 2,z 3 ) = z 1 z 3, ϕ 3 (z 1,z 2,z 3 ) = z 2 z 3, ϕ(z 1,z 2,z 3 ) = 1 (1 ϕ 1 )(1 ϕ 2 )(1 ϕ 3 ) = = 1 (1 z 1 z 2 )(1 z 1 z 3 )(1 z 2 z 3 ). Satz Das System S bestehe aus den n Komponenten K 1,...,K n und habe die Systemfunktion ϕ. S j sei das System, bei dem K j immer intakt ist, S j sei das System, bei dem K j immer defekt ist. ϕ Sj sei die Systemfunktion von S j und ϕ Sj sei die Systemfunktion von S j. Es gilt: ϕ Sj = ϕ(z 1,...,z j 1, 1,z j+1,...,z n ), ϕ Sj = ϕ(z 1,...,z j 1, 0,z j+1,...,z n ) und ϕ = (1 z j ) ϕ Sj + z j ϕ Sj. Beweis: Setzt man in ϕ z j = 1, so erhält man ϕ Sj. Setzt man in ϕ z j = 0, so erhält man ϕ Sj.

7 1.5. NORMALFORMEN DER SYSTEMFUNKTION 9 Bemerkung Durch wiederholte Anwendung dieses Satzes kann jede Systemfuntion formelmäßig dargestellt werden. Soweit möglich wird man aber ein System als Serien- oder Parallelsystem von Teilsystemen auffassen. Beispiel Brückensystem. (a) (b) Abbildung 1.7: Das Schaltbild des Systems S 5 (a) und S 5 (b) ϕ(z 1,...,z 5 ) = (1 z 5 )(1 (1 z 1 z 2 )(1 z 3 z 4 ))+ + z 5 (1 (1 z 1 )(1 z 3 )) (1 (1 z 2 )(1 z 4 )). 1.5 Normalformen der Systemfunktion Systeme können auf verschiedene Arten durch Systemfunktionen beschrieben werden. Um eine Eindeutigkeit der Darstellung zu erzielen, werden Normalformen eingeführt. Definition M := {K 1,...,K n } sei die Menge der Komponenten von S. a) V M heißt Verbindung: S ist intakt, falls alle K V intakt sind und alle K M V defekt sind. Eine Verbindung V heißt minimal, wenn sie keine andere Verbindung als Teilmenge enthält. b) T M heißt Trennung: S ist defekt, falls alle K T defekt sind und alle K M T intakt sind. Eine Trennung T heißt minimal, wenn sie keine andere Trennung als Teilmenge enthält. Beispiel Brückensystem. Die minimalen Verbindungen sind: {K 1,K 2 }, {K 3,K 4 }, {K 1,K 4,K 5 }, {K 2,K 3,K 5 }. Die minimalen Trennmengen sind: {K 1,K 3 }, {K 2,K 4 }, {K 1,K 4,K 5 }, {K 2,K 3,K 5 }.

8 10 KAPITEL 1. SYSTEME Satz S sei ein nicht triviales isotones System mit den Komponenten K 1,...,K n. V 1,...,V k seien die minimalen Verbindungen von S. T 1,...,T m seien die minimalen Trennungen von S. SV j sei das System, das durch Serienschaltung aller Komponenten von V j entsteht. PT j sei das System, das durch Parallelschaltung aller Komponenten von T j entsteht. Dann gilt: ϕ SVj = k V j ϕ k, ϕ PTj = 1 k T j (1 ϕ k ) und k m ϕ S = 1 (1 ϕ SVj ) = ϕ PTj. j=1 j=1 Beispiel Kabelfernsehen-Sender. Das System S dient für die Signalübertragung von der Zentralstation A nach drei lokalen Stationen B, C und D. Die Stationen verbinden sich mit den Kabeln K 1,...,K 5, die die Komponenten des Systems sind. Das System ist intakt, wenn alle Stationen verbinden sich miteinander mittels der Zentralstation oder anderer lokalen Station. Die minimalen Abbildung 1.8: Das Schaltbild des Kabelfernsehen-Senders Verbindungen sind: {K 2,K 3,K 5 }, {K 2,K 4,K 5 }, {K 2,K 3,K 4 }, {K 1,K 3,K 4 }, {K 1,K 3,K 5 }, {K 1,K 2,K 5 }, {K 1,K 2,K 4 } und {K 1,K 4,K 5 }. Nach dem Satz erhält man: ϕ S =1 (1 ϕ 1 ) (1 ϕ 2 )... (1 ϕ 8 ) = = 1 (1 z 2 z 3 z 5 ) (1 z 2 z 4 z 5 ) (1 z 2 z 3 z 4 ) (1 z 1 z 3 z 4 ) (1 z 1 z 3 z 5 ) (1 z 1 z 2 z 5 ) (1 z 1 z 2 z 4 ) (1 z 1 z 4 z 5 ).

9 1.5. NORMALFORMEN DER SYSTEMFUNKTION 11 Definition a) 1 k j=1 (1 ϕ SV j ) heißt reduzierte Parallelform von ϕ S. b) m j=1 ϕ PT j heißt reduzierte Serienform von ϕ S. Bemerkung Aus Satz folgt: Die reduzierte Parallelform bzw. reduzierte Serienform eines nichttrivialen isotonen Systems ist eindeutig festgelegt. Beispiel Brückensystem. a) b) Beweis von Satz 1.5.3: a) 1. Für ein isotones System gilt: ϕ(0,...,0) ϕ(z 1,...,z n ) ϕ(1,...,1). 2. Ein isotones System ist nicht trivial ϕ(0,...,0) = 0 und ϕ(1,...,1) = 1 weil sonst wegen 1. ϕ Konstant wäre.

10 12 KAPITEL 1. SYSTEME c) Abbildung 1.9: Brückensystem a), reduzierte Parallelform b), reduzierte Serienform c) b) Die Formeln im Satz sind wohldefiniert: 1. S sei isoton und nicht trivial. M := {K 1,...,K n } ist eine Verbindung und eine Trennung (wegen a)2.). M ist entweder selbst eine minimale Verbindung (bzw. Trennung) oder es existiert eine Teilmenge, die eine minimale Verbindung (bzw. Trennung) ist; d.h. es existiert minimale Verbindungen bzw. Trennungen. 2. Die minimalen Verbindungen (bzw. Trennungen) sind nicht leer (sonst Widerspruch zu a)2.). Daher enthält jedes Produkt in den Formeln mindestens einen Faktor, die Produkte sind aber wohl definiert. c) Beweis für ϕ S = 1 k j=1 (1 ϕ SV j ) (Der Beweis für ϕ S = m j=1 ϕ PT j geht analog): 1. Alle Komponenten einer minimalen Verbindung V l oder einer Obermenge davon sind intakt: Einerseits gilt: ϕ S = 1 (Definition einer Verbindung). Andererseits gilt: ϕ SVl = 1 und daher (1 ϕ SVl ) = 0, k k (1 ϕ SVj ) = 0, 1 (1 ϕ SVj ) = 1. j=1 j=1

11 1.5. NORMALFORMEN DER SYSTEMFUNKTION Gegenteil von Fall 1: (jede minimale Verbindung enthält eine defekte Komponente) Einerseits gilt: ϕ S = 0 (Definition einer minimalen Verbindung). Andererseits gilt: ϕ SVj = 0 (j = 1, 2,...,k) und daher (1 ϕ SVj ) = 1, k k (1 ϕ SVj ) = 1, 1 (1 ϕ SVj ) = 0. j=1 j=1 Bemerkung Aus Satz folgt: Jedes isotone, nicht triviale System läßt sich durch ein Zuverlässigkeitsbild darstellen. Satz Jede Funktion ϕ : {0, 1} n {0, 1} läßt sich eindeutig darstellen durch ϕ (D) (z 1,...,z n ) := 1 j 1 =0 1 ϕ(j 1,...,j n ) j n=0 (wobei z 0 i := 1 und (1 z i ) 0 := 1 gesetzt wird). n i=1 z j i i (1 z i) 1 j i Beweis: und daher n i=1 z j i i (1 z i) 1 j i = z j i i (1 z i) 1 j i = { 1 falls j i = z i 0 falls j i z i { 1 falls j 1 = z 1,...,j n = z n 0 sonst. Definition Ist ϕ eine Systemfunktion, so heißt ϕ (D) disjunktive Normalform von ϕ.

12 14 KAPITEL 1. SYSTEME Beispiel j 1 j 2 j 3 S.-system P.-System 2-von-3-System 3 i=1 zj i i (1 z i) 1 j i z 1 z 2 z z 1 z 2 (1 z 3 ) z 1 (1 z 2 ) z (1 z 1 ) z 2 z z 1 (1 z 2 ) (1 z 3 ) (1 z 1 ) z 2 (1 z 3 ) (1 z 1 ) (1 z 2 ) z (1 z 1 ) (1 z 2 ) (1 z 3 ) ϕ (D) S.-System = z 1 z 2 z 3, ϕ (D) P.-System = z 1 z 2 z 3 + z 1 z 2 (1 z 3 ) + + (1 z 1 ) (1 z 2 ) z 3 ϕ (D) 2-von-3-System = z 1 z 2 z 3 + z 1 z 2 (1 z 3 ) + z 1 (1 z 2 ) z 3 + (1 z 1 ) z 2 z 3. Definition ϕ sei eine Systemfunktion. ϕ := 1 ϕ heißt Ausfallsfunktion. Bemerkung Statt der Systemfunktion ϕ kann auch die Ausfallsfunktion ϕ durch ihre disjunktive Normalform ϕ (D) dargestellt werden. Beispiel ϕ (D) P.-System = (1 z 1) (1 z 2 )... (1 z n ). Satz Jede Funktion ϕ : {0, 1} n {0, 1} läßt sich eindeutig darstellen durch ϕ (L) (z 1,...,z n ) : = a n 2 n a i z i + i=1 n 1 n i=1 j=i+1 k=j+1 n 1 n i=1 j=i+1 b i,j z i z j + c i,j,k z i z j z k + + g 1,2,...,n z 1 z 2... z n, wobei a i, b i,j, c i,j,k,...,g 1,2,...,n ganzzahlige Koeffizienten sind. Beweis: Ausmultiplikation von ϕ (D) ergibt ϕ (L). Die Eindeutigkeit der Koeffizienten ergibt sich aus dem folgenden Verfahren zur Berechnung der Koeffizienten.

13 1.5. NORMALFORMEN DER SYSTEMFUNKTION 15 Definition Ist ϕ eine Systemfunktion, so heißt ϕ (L) Linearform von ϕ. Bemerkung Ist S isoton und nicht trivial, so gilt: a 0 = 0. Verfahren zur Berechnung der Koeffizienten: Die Koeffizienten lassen sich durch folgende Gleichungen berechnen. ϕ(0, 0, 0,...,0) = a 0, Beispiel von-3-System ϕ(1, 0, 0,...,0) = a 0 + a 1, ϕ(0, 1, 0,...,0) = a 0 + a 2, ϕ(0, 0, 0,...,1) = a 0 + a n,. ϕ(1, 1, 0,...,0) = a 0 + a 1 + a 2 + b 1,2, ϕ(1, 0, 1,...,0) = a 0 + a 1 + a 3 + b 1,3,. ϕ(1, 0, 0,...,1) = a 0 + a 1 + a n + b 1,n, ϕ(0, 1, 1,...,0) = a 0 + a 2 + a 3 + b 2,3,. 0 = ϕ(0, 0, 0) = a 0 a 0 = 0 0 = ϕ(1, 0, 0) = a 0 + a 1 a 1 = 0 0 = ϕ(0, 1, 0) = a 0 + a 2 a 2 = 0 0 = ϕ(0, 0, 1) = a 0 + a 3 a 3 = 0 1 = ϕ(1, 1, 0) = a 0 + a 1 + a 2 + b 1,2 b 1,2 = 1 1 = ϕ(1, 0, 1) = a 0 + a 1 + a 3 + b 1,3 b 1,3 = 1 1 = ϕ(0, 1, 1) = a 0 + a 2 + a 3 + b 2,3 b 2,3 = 1 1 = ϕ(1, 1, 1) = a 0 + a 1 + a 2 + a 3 + b 1,2 + b 1,3 + b 2,3 + c 1,2,3 c 1,2,3 = 2. Also: ϕ (L) 2-von-3-System = z 1 z 2 + z 1 z 3 + z 2 z 3 2 z 1 z 2 z 3.

14 16 KAPITEL 1. SYSTEME

ZUVERLÄSSICHKEITSTHEORIE

ZUVERLÄSSICHKEITSTHEORIE ZUVERLÄSSICHKEITSTHEORIE Spezialvorlesung WS 2012/13 Dmitry Efrosinin Institut für Stochastik, JKU 2012 Inhaltsverzeichnis Einführung 1 1 Systeme 3 1.1 Grundbegriffe............................ 3 1.2 Zuverlässigkeitsschaltbilder.....................

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 7 Die Lösungsmenge eines homogenen linearen Gleichungssystems in n Variablen über einem Körper K ist ein Untervektorraum

Mehr

2. Teilbarkeit. Euklidischer Algorithmus

2. Teilbarkeit. Euklidischer Algorithmus O. Forster: Einführung in die Zahlentheorie 2. Teilbarkeit. Euklidischer Algorithmus 2.1. Wir benutzen die folgenden Bezeichnungen: Z = {0, ±1, ±2, ±3,...} Menge aller ganzen Zahlen N 0 = {0, 1, 2, 3,...}

Mehr

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,

Mehr

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9 Chr.Nelius: Zahlentheorie (SS 2007) 9 4. ggt und kgv (4.1) DEF: Eine ganze Zahl g heißt größter gemeinsamer Teiler (ggt) zweier ganzer Zahlen a und b, wenn gilt: GGT 0 ) g 0 GGT 1 ) g a und g b GGT 2 )

Mehr

Kapitel 1. Erste algebraische Strukturen. 1.2 Ringe und Körper

Kapitel 1. Erste algebraische Strukturen. 1.2 Ringe und Körper Kapitel 1 Lineare Algebra individuell M. Roczen und H. Wolter, W. Pohl, D.Popescu, R. Laza Erste algebraische Strukturen Hier werden die grundlegenden Begriffe eingeführt; sie abstrahieren vom historisch

Mehr

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit

3 Lineare Algebra (Teil 1): Lineare Unabhängigkeit 3 Lineare Algebra (Teil : Lineare Unabhängigkeit 3. Der Vektorraum R n Die Menge R n aller n-dimensionalen Spalten a reeller Zahlen a,..., a n R bildet bezüglich der Addition a b a + b a + b. +. :=. (53

Mehr

5 Quadriken. K = { R 2 ax 2 + bxy + cy 2 + dx + ey + f = 0} wobei a, b, c, d, e, f reelle Zahlen sind mit (a, b, c) (0, 0, 0).

5 Quadriken. K = { R 2 ax 2 + bxy + cy 2 + dx + ey + f = 0} wobei a, b, c, d, e, f reelle Zahlen sind mit (a, b, c) (0, 0, 0). 5 Quadriken Kegelschnitte Ein Kegelschnitt ist eine Teilmenge K R 2, welche durch eine quadratische Gleichung in zwei Unbestimmten beschrieben werden kann: x K = { R 2 ax 2 + bxy + cy 2 + dx + ey + f =

Mehr

Einführung in die Logik

Einführung in die Logik Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3

Mehr

Kapitel V. Affine Geometrie

Kapitel V. Affine Geometrie Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : 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 x 1 + a m2 x 2 + + a mn x n = b

Mehr

2 Teilbarkeit in Z. (a) Aus a b folgt a b und a b und a b und a b. (b) Aus a b und b c folgt a c.

2 Teilbarkeit in Z. (a) Aus a b folgt a b und a b und a b und a b. (b) Aus a b und b c folgt a c. 2 Teilbarkeit in Z Bis auf weiteres stehen kleine Buchstaben für ganze Zahlen. Teilbarkeit. Sei a 0. Eine Zahl b heißt durch a teilbar, wenn es ein q gibt mit b = qa. Wir sagen dann auch: a teilt b (ist

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4

Mehr

Mathematisches Institut II Universität Karlsruhe Priv.-Doz. Dr. N. Grinberg

Mathematisches Institut II Universität Karlsruhe Priv.-Doz. Dr. N. Grinberg 1 Mathematisches Institut II 06.07.004 Universität Karlsruhe Priv.-Doz. Dr. N. Grinberg SS 05 Schnupperkurs: Ausgewählte Methoden zur Aufgabenlösung Vorlesung 5: Elementare Zahlentheorie: Teilbarkeit Primfaktorzerlegung

Mehr

Ausgangsfrage: gegeben Vektorraum, wieviele Komponenten hat. allgemein: ein Vektorraum mit, heisst 'Unterraum' von. ist ein Unterraum von V.

Ausgangsfrage: gegeben Vektorraum, wieviele Komponenten hat. allgemein: ein Vektorraum mit, heisst 'Unterraum' von. ist ein Unterraum von V. L2.3 Basis und Dimension Ausgangsfrage: gegeben Vektorraum, wieviele Komponenten hat Formaler: was ist die 'Dimension' von Sei Definition: 'Span' 'lineare Hülle' = alle möglichen Linearkombination der

Mehr

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen

Mehr

Halbgruppen, Gruppen, Ringe

Halbgruppen, Gruppen, Ringe Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die

Mehr

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12

Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen

Mehr

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v. Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2011 Lösungsblatt 9 25. Juli 2011 Einführung in die Theoretische Informatik

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 23 Die Gradformel Satz 1. Seien K L und L M endliche Körperweiterungen. Dann ist auch K M eine endliche Körpererweiterung und

Mehr

1 Zahlentheorie. 1.1 Kongruenzen

1 Zahlentheorie. 1.1 Kongruenzen 3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern

Mehr

3.6 Bemerkungen zur Umformung boolescher Formeln (NAND): doppelte Negation

3.6 Bemerkungen zur Umformung boolescher Formeln (NAND): doppelte Negation 3.6 Bemerkungen zur Umformung boolescher Formeln (NAND): Häufig verwendeten Umformungen sind: Idempotenz doppelte Negation De Morgan a = a a a = a a + b = a b ADS-EI 3.6 Bemerkungen zur Umformung boolescher

Mehr

Technische Universität München. Mathematik für Physiker 1

Technische Universität München. Mathematik für Physiker 1 Tutorübung - Lösungen T: Basiswechsel Technische Universität München Zentrum Mathematik Mathematik für Physiker Wintersemester /2 Michael Kaplan Jan Wehrheim Christian Mendl Übungsblatt 9 Wir betrachten

Mehr

Chr.Nelius: Zahlentheorie (WS 2006/07) ggt und kgv

Chr.Nelius: Zahlentheorie (WS 2006/07) ggt und kgv ChrNelius: Zahlentheorie (WS 2006/07) 8 3 ggt und kgv Wir erinnern uns hoffentlich an die folgenden Definitionen des ggt s und des kgv s zweier ganzer Zahlen (31) DEF: Eine ganze Zahl g heißt größter gemeinsamer

Mehr

Algebraische Strukturen und Verbände

Algebraische Strukturen und Verbände KAPITEL 4 Algebraische Strukturen und Verbände Definition 4.1. Sei M eine Menge. Eine Abbildung : M M M nennt man eine (zweistellige) Verknüpfung in M. Man schreibt dafür auch a b := (a, b) mit a, b M.

Mehr

Beispiel 85. Satz 86 Eine Unteralgebra (bzgl. ) einer Gruppe ist eine Untergruppe, falls sie unter der Inversenbildung 1 abgeschlossen ist.

Beispiel 85. Satz 86 Eine Unteralgebra (bzgl. ) einer Gruppe ist eine Untergruppe, falls sie unter der Inversenbildung 1 abgeschlossen ist. 5.4 Untergruppen Definition 84 Eine Unteralgebra T,, 1 einer Gruppe G = S,, 1 heißt Untergruppe von G, falls T,, 1 eine Gruppe ist. Bemerkung: Nicht jede Unteralgebra einer Gruppe ist eine Untergruppe!

Mehr

3. Der größte gemeinsame Teiler

3. Der größte gemeinsame Teiler Chr.Nelius: Zahlentheorie (SoSe 2016) 18 3. Der größte gemeinsame Teiler (3.1) DEF: a und b seien beliebige ganze Zahlen. a) Eine ganze Zahl t heißt gemeinsamer Teiler von a und b, wenn gilt t a und t

Mehr

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene Netzwerk- und Graph-Algorithmen Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester

Mehr

2 Die Körper-Axiome. I. Axiome der Addition (A.1) Assoziativgesetz. Für alle x, y, z R gilt (x + y)+z = x +(y + z).

2 Die Körper-Axiome. I. Axiome der Addition (A.1) Assoziativgesetz. Für alle x, y, z R gilt (x + y)+z = x +(y + z). 17 Wir setzen in diesem Buch die reellen Zahlen als gegeben voraus. Um auf sicherem Boden zu stehen, werden wir in diesem und den folgenden Paragraphen einige Axiome formulieren, aus denen sich alle Eigenschaften

Mehr

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent. Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen

Mehr

Implizite Funktionen

Implizite Funktionen Implizite Funktionen Durch die Bedingung F (x, y) = C, C R wird eine bestimmte Teilmenge des R 2 festgelegt, zb durch die Bedingung x y = 4 Dabei können wir obda C = 0 annehmen, da wir stets zur Betrachtung

Mehr

Vorlesung 3: Logik und Mengenlehre

Vorlesung 3: Logik und Mengenlehre 28102013 Erinnerung: Zeilen-Stufen-Form (ZSF) eines LGS 0 0 1 c 1 0 0 0 1 0 0 1 c r 0 0 0 c r+1 0 0 0 0 0 0 0 0 0 c m Erinnerung: Information der Zeilen-Stufen-Form Aus der ZSF liest man ab: Folgerung

Mehr

Kapitel 5 KONVERGENZ

Kapitel 5 KONVERGENZ Kapitel 5 KONVERGENZ Fassung vom 21. April 2002 Claude Portenier ANALYSIS 75 5.1 Metrische Räume 5.1 Metrische Räume DEFINITION 1 Sei X eine Menge. Eine Abbildung d : X X! R + heißt Metrik oder Distanz

Mehr

3.5 Duale Vektorräume und Abbildungen

3.5 Duale Vektorräume und Abbildungen 3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung

Mehr

3. Übungszettel zur Vorlesung. Geometrische Gruppentheorie Musterlösung. Cora Welsch

3. Übungszettel zur Vorlesung. Geometrische Gruppentheorie Musterlösung. Cora Welsch 3. Übungszettel zur Vorlesung Geometrische Gruppentheorie Musterlösung WiSe 2015/16 WWU Münster Prof. Dr. Linus Kramer Nils Leder Cora Welsch Aufgabe 3.1 Sei I eine Indexmenge und A α für jedes α I eine

Mehr

Überlagerung I. Überlagerung für z z 2 : komplexe Quadratwurzel. Christoph Schweigert, Garben p.1/19

Überlagerung I. Überlagerung für z z 2 : komplexe Quadratwurzel. Christoph Schweigert, Garben p.1/19 Überlagerung I Überlagerung für z z 2 : komplexe Quadratwurzel Christoph Schweigert, Garben p.1/19 Überlagerung II Überlagerung für z z 3 : komplexe dritte Wurzel Christoph Schweigert, Garben p.2/19 Überlagerung

Mehr

Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule

Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule Berufsfeldbezogenes Fachseminar - Zahlentheorie Lisa Laudan Prof. Dr. Jürg Kramer Wintersemester 2014/2015 Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule 1.1

Mehr

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN 8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es

Mehr

MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016

MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016 MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/17 MARK HAMILTON LMU MÜNCHEN 1.1. Grundbegriffe zu Mengen. 1. 17. OKTOBER 2016 Definition 1.1 (Mengen und Elemente). Eine Menge ist die Zusammenfassung

Mehr

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum, 2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.

Mehr

2 Lineare Gleichungssysteme

2 Lineare Gleichungssysteme 2 Lineare Gleichungssysteme Betrachte ein beliebiges System von m linearen Gleichungen in den n Unbekannten x,,x n : a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x n = b 2 () a m x + a m2 x

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Kapitel 3: Die Sätze von Euler, Fermat und Wilson. 8 Der Satz von Euler

Kapitel 3: Die Sätze von Euler, Fermat und Wilson. 8 Der Satz von Euler Kapitel 3: Die Sätze von Euler, Fermat und Wilson In diesem Kapitel wollen wir nun die eulersche -Funktion verwenden, um einen berühmten Satz von Euler zu formulieren, aus dem wir dann mehrere interessante

Mehr

Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen

Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen Vor(schau)kurs für Studienanfänger Mathematik: Aussagen und Mengen 09.10.2014 Herzlich Willkommen zum 2. Teil des Vorschaukurses für Mathematik! Organisatorisches Der Vorkurs besteht aus sechs Blöcken

Mehr

2 Polynome und rationale Funktionen

2 Polynome und rationale Funktionen Gleichungen spielen auch in der Ingenieurmathematik eine große Rolle. Sie beschreiben zum Beispiel Bedingungen, unter denen Vorgänge ablaufen, Gleichgewichtszustände, Punktmengen. Gleichungen für eine

Mehr

Kapitel 2 MENGENLEHRE

Kapitel 2 MENGENLEHRE Kapitel 2 MENGENLEHRE In diesem Kapitel geben wir eine kurze Einführung in die Mengenlehre, mit der man die ganze Mathematik begründen kann. Wir werden sehen, daßjedes mathematische Objekt eine Menge ist.

Mehr

Topologieseminar. Faserbündel. Michael Espendiller. 16. Oktober 2010 Universität Münster - 3 Faserbündel oder lokal triviale Bündel 4

Topologieseminar. Faserbündel. Michael Espendiller. 16. Oktober 2010 Universität Münster - 3 Faserbündel oder lokal triviale Bündel 4 Wintersemester 2010/2011 Topologieseminar Faserbündel Michael Espendiller 16. Oktober 2010 Universität Münster - Inhaltsverzeichnis 1 Allgemeine Bündel 1 2 Morphismen und Schnitte 2 3 Faserbündel oder

Mehr

Kapitel 1.3. Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln

Kapitel 1.3. Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln Kapitel 1.3 Normalformen aussagenlogischer Formeln und die Darstellbarkeit Boolescher Funktionen durch aussagenlogische Formeln Mathematische Logik (WS 2011/12) Kapitel 1.3: Normalformen 1/ 29 Übersicht

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Dr. Werner Meixner, Dr. Alexander Krauss Sommersemester 2010 Lösungsblatt 11 15. Juli 2010 Einführung in die Theoretische

Mehr

2.2 Kollineare und koplanare Vektoren

2.2 Kollineare und koplanare Vektoren . Kollineare und koplanare Vektoren Wie wir schon gelernt haben, können wir einen Vektor durch Multiplikation mit einem Skalar verlängern oder verkürzen. In Abbildung 9 haben u und v die gleiche Richtung,

Mehr

Diskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr

Diskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr Bemerkung: Der folgende Abschnitt Boolesche Algebren ist (im WS 2010/11) nicht Teil des Prüfungsstoffs, soweit nicht Teile daraus in der Übung behandelt werden! Diskrete Strukturen 5.9 Permutationsgruppen

Mehr

Affine Eigenschaften ( stets K = R)

Affine Eigenschaften ( stets K = R) Affine Eigenschaften ( stets K = R) Def. 15 Sei M eine Teilmenge eines affinen Raums A über V (über K). Eine Eigenschaft der Menge M heißt affin, wenn für jede Affinität F : A A 1 die Bildmenge {F(a)wobei

Mehr

6. Transitive Hülle. 6.1 Min-Plus-Matrix-Produkt und Min-Plus-Transitive Hülle Ring Z(+, ) Semiring N(+, )

6. Transitive Hülle. 6.1 Min-Plus-Matrix-Produkt und Min-Plus-Transitive Hülle Ring Z(+, ) Semiring N(+, ) 6. Transitive Hülle 6.1 Min-Plus-Matrix-Produkt und Min-Plus-Transitive Hülle Ring Z(+, ) Semiring N(+, ) Gruppe Halbgruppe Halbgruppe Halbgruppe Wir betrachten den (kommutativen) Semiring über R { } mit

Mehr

2. Spezielle anwendungsrelevante Funktionen

2. Spezielle anwendungsrelevante Funktionen 2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für

Mehr

Übungsblatt 14. Lineare Algebra II, Prof. Dr. Plesken, WS 2008/09

Übungsblatt 14. Lineare Algebra II, Prof. Dr. Plesken, WS 2008/09 Übungsblatt 14 Lineare Algebra II, Prof. Dr. Plesken, WS 2008/09 Aufgabe 3. (Symmetrisches Produkt. 4 Punkte.) Sei V ein n-dimensionaler K-Vektorraum mit Basis B V n und ϕ: V K[x 1,...,x n ] 1 der Isomorphismus,

Mehr

6 Julia-Mengen. 114 Kapitel 2 Konforme Abbildungen

6 Julia-Mengen. 114 Kapitel 2 Konforme Abbildungen 114 Kapitel 2 Konforme Abbildungen 6 Julia-Mengen Sei G C ein Gebiet. Eine holomorphe Abbildung f : G G kann eine holomorphe oder eine meromorphe Funktion auf G sein. Definition. Zwei holomorphe Abbildungen

Mehr

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist.

(b) Man nennt die Menge M beschränkt, wenn sie nach oben und unten beschränkt ist. 8 Punktmengen Für die Menge M = { 1 n ; n N } ist 1 = max(m), denn 1 M und 1 n 1 für alle n N. Die Menge M besitzt aber kein Minimum, denn zu jeder Zahl x = 1 n M existiert ein y M mit y < x, etwa y =

Mehr

Vortrag 4 - Primärzerlegung

Vortrag 4 - Primärzerlegung Vortrag 4 - Primärzerlegung von Christian Straßberger Beispiel 4.1: Primfaktorzerlegung als Primärzerlegung Sei n Z : n = ±p d1 1 pd2 2 pdr r, wobei p i Primzahlen, d i N. Dann ist (n) = (p d1 1 ) (pdr

Mehr

Summen und direkte Summen

Summen und direkte Summen Summen und direkte Summen Sei V ein K-Vektorraum. Wie früher erwähnt, ist für beliebige Teilmengen M, N V die Teilmenge M +N V wie folgt definiert M +N = {v+w : v M, w N}. Man sieht leicht, dass i.a. M

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil

Mehr

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

Mehr

KAPITEL 1: ENDLICHE KÖRPER 1 ALLGEMEINES 2 GLEICHUNGEN ÜBER EINEM ENDLICHEN KÖRPER

KAPITEL 1: ENDLICHE KÖRPER 1 ALLGEMEINES 2 GLEICHUNGEN ÜBER EINEM ENDLICHEN KÖRPER RUPRECHT-KARLS-UNIVERSITÄT HEIDELBERG MATHEMATISCHES INSTITUT SEMINAR: QUADRATISCHE FORMEN ÜBER DEN RATIONALEN ZAHLEN SOMMERSEMESTER 2007 DOZENT: PROF. DR. KAY WINGBERG ASSISTENT: JOHANNES BARTELS KAPITEL

Mehr

Mathematik III. Vorlesung 61. Abzählbare Mengen

Mathematik III. Vorlesung 61. Abzählbare Mengen Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 61 Abzählbare Mengen Wir erinnern daran, dass zwei Mengen M und N gleichmächtig heißen, wenn es eine bijektive Abbildung zwischen ihnen

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil

Mehr

6.1 Präsentationen von Gruppen

6.1 Präsentationen von Gruppen 244 6.1 Präsentationen von Gruppen Es geht jetzt um die Beschreibung von Gruppen durch Erzeugende und Relationen, also z. B. um die genaue Beschreibung dessen, was Zeilen wie die folgende bedeuten: G :=

Mehr

Einführung. Ablesen von einander zugeordneten Werten

Einführung. Ablesen von einander zugeordneten Werten Einführung Zusammenhänge zwischen Größen wie Temperatur, Geschwindigkeit, Lautstärke, Fahrstrecke, Preis, Einkommen, Steuer etc. werden mit beschrieben. Eine Zuordnung f, die jedem x A genau ein y B zuweist,

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 20 Multiplikative Systeme Wir wollen zeigen, dass es zu jedem Integritätsbereich R einen Körper K gibt derart, dass R ein Unterring

Mehr

Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif

Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif 14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können

Mehr

WAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie

WAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie Seite 1 von 27 WAHRSCHEINLICHKEITSTHEORIE A N W E N D U N G Terminologie Netzwerke, Systeme, Komponenten, Zuverlässigkeitsschaltbild Ein System S ist ein Netzwerk aus zusammengehörigen (verbundenen) Komponenten

Mehr

Algebra & Zahlentheorie. Letztes Tutorium. David Müßig. muessig[at]mi.fu-berlin.de WiSe 12/13

Algebra & Zahlentheorie. Letztes Tutorium. David Müßig. muessig[at]mi.fu-berlin.de  WiSe 12/13 Letztes Tutorium David Müßig muessig[at]mi.fu-berlin.de http://page.mi.fu-berlin.de/def/tutorium/ WiSe 12/13 1 Beispiele 1.1 e-te Wurzeln in Z/nZ Bemerkung. Dies ist ein Beispiel zur Bestimmung von e x

Mehr

31 Polynomringe Motivation Definition: Polynomringe

31 Polynomringe Motivation Definition: Polynomringe 31 Polynomringe 31.1 Motivation Polynome spielen eine wichtige Rolle in vielen Berechnungen, einerseits weil oftmals funktionale Zusammenhänge durch Polynome beschrieben werden, andererseits weil Polynome

Mehr

1 Körper. Wir definieren nun, was wir unter einem Körper verstehen, und sehen dann, dass es noch andere, ganz kleine Körper gibt:

1 Körper. Wir definieren nun, was wir unter einem Körper verstehen, und sehen dann, dass es noch andere, ganz kleine Körper gibt: 1 Körper Sie kennen bereits 2 Beispiele von Zahlkörpern: (Q, +, ) (R, +, ) die rationalen Zahlen mit ihrer Addition und Multiplikation die reellen Zahlen mit ihrer Addition und Multiplikation Vielleicht

Mehr

Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik

Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik Lineare Algebra Analytische Geometrie I* Übungsaufgaben, Blatt Musterlösungen Aufgabe. Es seien A, B, C Teilmengen einer Menge X. Zeige: i A B C =

Mehr

Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme

Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme Kapitel 11 Die duale Simplexmethode zur Lösung rein ganzzahliger linearer Programme Wir betrachten folgendes Optimierungsproblem z = c T x min! Ax = b (11.1) (11.2) x j ganz für j = 1,..., n 1 n, (11.3)

Mehr

6 Lineare Gleichungssysteme

6 Lineare Gleichungssysteme 6 LINEARE GLEICHUNGSSYSTEME 3 6 Lineare Gleichungssysteme Unter einem linearen Gleichungssystem verstehen wir ein System von Gleichungen α ξ + + α n ξ n = β α m ξ + + α mn ξ n = β m mit Koeffizienten α

Mehr

Kapitel 6: Das quadratische Reziprozitätsgesetz

Kapitel 6: Das quadratische Reziprozitätsgesetz Kapitel 6: Das quadratische Reziprozitätsgesetz Ziel dieses Kapitels: die Untersuchung der Lösbarkeit der Kongruenzgleichung X also die Frage, ob die ganze Zahl Z eine Quadratwurzel modulo P besitzt. Im

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

2.5 Smith-Normalform für Matrizen über Euklidischen Ringen

2.5 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

Mehr

Mathematik 1, Teil B. Inhalt:

Mathematik 1, Teil B. Inhalt: FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten

Mehr

Analysis II 14. Übungsblatt

Analysis II 14. Übungsblatt Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben

Mehr

6. Boolesche Algebren

6. Boolesche Algebren 6. Boolesche Algebren 6.1 Definitionen Eine Boolesche Algebra ist eine Algebra S,,,, 0, 1,, sind binäre, ist ein unärer Operator, 0 und 1 sind Konstanten. Es gilt: 1 und sind assoziativ und kommutativ.

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte Lösungen zu den Übungsblättern 9-10 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt

Mehr

7 Der kleine Satz von Fermat

7 Der kleine Satz von Fermat 7 Der kleine Satz von Fermat Polynomkongruenz modulo p. Sei p eine Primzahl, n 0 und c 0,..., c n Z. Wir betrachten die Kongruenz ( ) c 0 + c 1 X +... + c n 1 X n 1 + c n X n 0 mod p d.h.: Wir suchen alle

Mehr

Reelle Zufallsvariablen

Reelle Zufallsvariablen Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen

Mehr

10 Untermannigfaltigkeiten

10 Untermannigfaltigkeiten 10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und

Mehr

Differenzengleichungen. und Polynome

Differenzengleichungen. und Polynome Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen

Mehr

Lineare Algebra I (WS 12/13)

Lineare Algebra I (WS 12/13) Lineare Algebra I (WS 12/13) Bernhard Hanke Universität Augsburg 17.10.2012 Bernhard Hanke 1 / 9 Wir beschreiben den folgenden Algorithmus zur Lösung linearer Gleichungssysteme, das sogenannte Gaußsche

Mehr

Es gibt endlich präsentierte Gruppen mit unlösbarem Wortproblem

Es gibt endlich präsentierte Gruppen mit unlösbarem Wortproblem Es gibt endlich präsentierte Gruppen mit unlösbarem Wortproblem 11. Juni 2010 Zusammenfassung Diese Ausarbeitung, basierend auf einem Vortrag im Rahmen des Seminars Algorithmisches in der Geometrie, beschäftigt

Mehr

Klammersprache Definiere

Klammersprache Definiere Klammersprache w=w 1...w n {(,)}* heißt korrekt geklammert, falls die Anzahl ( ist gleich der Anzahl ). in jedem Anfangsstück w 1,...,w i (i n) ist die Anzahl ( nicht kleiner als die Anzahl ). Definiere

Mehr

2.3 Basis und Dimension

2.3 Basis und Dimension Lineare Algebra I WS 205/6 c Rudolf Scharlau 65 2.3 Basis und Dimension In diesem zentralen Abschnitt werden einige für die gesamte Lineare Algebra fundamentale Grundbegriffe eingeführt: Lineare Abhängigkeit

Mehr

Kapitel II. Vektoren und Matrizen

Kapitel II. Vektoren und Matrizen Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft

Mehr

Algebraische Kurven - Vorlesung 29. Projektion weg von einem Punkt

Algebraische Kurven - Vorlesung 29. Projektion weg von einem Punkt Algebraische Kurven - Vorlesung 29 Definition 1. Die Abbildung P n K Projektion weg von einem Punkt {(1, 0,..., 0)} Pn 1 K, (x 0, x 1...,x n ) (x 1,..., x n ), heißt die Projektion weg vom Punkt (1, 0,...,

Mehr

mit. Wir definieren (Skalarprodukt = Winkel).

mit. Wir definieren (Skalarprodukt = Winkel). 1 Grundidee des Simplexverfahrens (von George Dantzig): Man bestimmt eine beliebige Ecke (Extremalpunkt) einer Lösungsmenge eines Ungleichungssystems. Nun geht man an den Kanten vom Punkt entlang und kontrolliert

Mehr

z = c T x : Ax = b, x 0 }, - die Darstellung der Nichtbasisvektoren durch die Basis ist

z = c T x : Ax = b, x 0 }, - die Darstellung der Nichtbasisvektoren durch die Basis ist Kapitel 5 Die Simplexmethode Es werden folgende Bezeichnungen verwendet: - das untersuchte Problem ist min x R n { z = c T x : Ax = b, x 0 }, - die erste zulässige Basislösung sei x = x 1, x 2,, x m, 0,,

Mehr

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele: L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: 2) Vektoren: vollständig bestimmt durch Angabe einer und einer Beispiele: Übliche

Mehr

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i

Mehr

Lösungen der Aufgaben zu Abschnitt 5.4

Lösungen der Aufgaben zu Abschnitt 5.4 A Filler: Elementare Lineare Algebra Lösungen zu Abschnitt 54 Lösungen der Aufgaben zu Abschnitt 54 B ist linear unabhängig, wenn die Vektorgleichung ( ) ( ) ( ) ( ) 456 λ + λ + λ = bzw das LGS λ +4λ +λ

Mehr