Proseminar Mathematisches Problemlösen

Größe: px
Ab Seite anzeigen:

Download "Proseminar Mathematisches Problemlösen"

Transkript

1 Was bedeutet Konvexität? Konvexität ist die natürliche Fortsetzung des Linearitätsgedankens mit dem Zusatz der Positivität, d.h. ein Term heißt konvex, wenn alle Koeffizienten nichtnegativ sind. Aufgabe 1: Lösung: Ein sehr verwinkelter Museumsraum soll von drei Wächtern bewacht werden. Jeder soll sich an einen Ort stellen, von dem aus er den gesamten Raum beobachten kann. Zwei der Wächter finden nach kurzer Suche zwei (verschiedene) solche Plätze und lassen sich dort nieder. Der dritte Wächter irrt eine Zeit lang erfolglos im Raum umher. Kann man ihm einen Tipp geben, wo ein geeigneter Ort zu finden ist? Der dritte Wächter kann sich auf jeden Punkt auf der Verbindungsstrecke zwischen den anderen beiden Wächtern stellen. Seien zum Beispiel A und B die Positionen der ersten beiden Wächter und C ein Punkt auf der Verbindungsstrecke zwischen A und B.

2 Sei außerdem X ein beliebiger Punkt des Raumes. Da wir nun wissen, dass A den gesamten Raum sehen kann, kann er insbesondere den Punkt X sehen. Angenommen, Wächter C könnte diesen Punkt X nicht sehen. Dann gibt es auf der Verbindungsstrecke zwischen C und X ein Hindernis Y. Nun wissen wir aber, dass auch Wächter B den gesamten Raum sehen kann, also insbesondere den Punkt Z. Also muss die Strecke zwischen B und Z hindernisfrei sein. Also gibt es keinen solchen Punkt Y und somit kann Wächter C den Punkt X sehen. Da X ein beliebiger Punkt des Raumes ist, sieht C also den kompletten Raum. Die Menge aller Punkte, von denen aus man den gesamten Raum sehen kann, nennt man eine Konvexe Menge. Formal bedeutet das: Definition: Eine Menge K c Rⁿ heißt konvex : <=> für zwei beliebige Elemente x und y є K liegt auch die gesamte gerade Strecke [ x,y ] = { αx + βy : α,β 0, α+β =1 } in K. Beispiele:

3 Aufgabe 2: a) Seien K1,..., Kn c Rⁿ konvexe Mengen. Zeigen Sie, dass die Schnittmenge K = K1... Kn ebenfalls konvex ist. Beweis: Seien x1, x2 є K. Dann liegen x1 und x2 in jeder Menge Kj. Da die Mengen Kj konvex sind, liegt auch die gesamte Strecke [ x1, x2 ] wieder in jeder Menge Kj. Da diese Strecke nun aber in jeder Menge Kj liegt, liegt sie auch im Schnitt dieser Mengen, d.h. [ x1, x2 ] c K, und somit ist auch die Schnittmenge K von endlich vielen konvexen Mengen konvex. b) Gilt die Behauptung auch für die Vereinigung V = K1 υ... υ Kn? Gegenbeispiel: Seien z.b. die Intervalle [ -1,0 ] und [ 1,2 ] und V ihre Vereinigung. Dann sind beispielsweise 0 und 1 є V, aber ½ (0 + 1) = ½ liegt nicht in V. Aufgabe 3: Sei K c Rⁿ eine konvexe Menge. Zeigen Sie: Für alle x j Є K, j=1,...,n, und alle nichtnegativen Koeffizienten α1,...,αn mit α1+...+αn =1 gehört der Punkt α1x1+...+αnxn ebenfalls zu K. (Diesen Punkt nennt man auch den Schwerpunkt der Punktmassen (x1,α1),...,(xn,αn)) Beweis (durch Vollständige Induktion): IA: IV: n = 2: α1x1 + α2x2 Є K (Definition einer konvexen Menge) Die Behauptung sei für ein n Є N erfüllt. IS (n n+1): α1x1+...+αnxn + αn+1xn+1 = αn+1xn+1 + ( 1-αn+1) (α1/(1-αn+1)*x αn/(1-αn+1)*xn )

4 = αn+1xn+1 + ( 1-αn+1)y mit y = α1/(1-αn+1)*x αn/(1-αn+1)*xn Nun müssen wir noch zeigen, dass y Є K ist, also α1/(1-αn+1) αn/(1-αn+1) = 1 α1/(1-αn+1) αn/(1-αn+1) IV = α i /(1-αn+1) = (1-αn+1) / (1-αn+1) = 1 Als nächstes wollen wir einen wichtigen Satz der konvexen Geometrie beweisen: Der Satz von Helly (für Intervalle in R) Beweis: Seien Ij := [aj, bj] (j=1,...,n) Intervalle in R. Es gelte Ij Ik Ø für alle j,k = 1,...,n. Dann haben alle n Intervalle einen gemeinsamen Punkt. Wir zeigen zuerst, dass es Punkte in der Schnittmenge der Intervalle gibt: z.z.: A := max aj min bj =: B Wir nehmen an, dass aj > bk gelte für ein Paar (j,k). Wir wissen aber auch, dass aj bj und ak bk für beliebige j und k gilt. Aus diesen drei Ungleichungen folgt nun: ak bk < aj bj Aber das bedeutet nun, dass die rechte Intervallgrenze des Intervalls Ik echt kleiner als die linke Intervallgrenze des Intervalls I j ist, also dass der Schnitt der beiden Intervalle leer ist. Dies widerspricht aber der Voraussetzung. Somit haben wir gezeigt, dass es Punkte im Schnitt der Intervalle gibt. Nun muss noch gezeigt werden, dass in allen Schnittmengen die gleichen Punkte liegen.

5 Wir wissen, dass aj A B bj ist, d.h. in jedem Intervall Ij liegt das Maximum der rechten Intervallgrenzen, sowie das Minimum der linken Intervallgrenzen. Da Intervalle konvexe Mengen sind, liegt auch die Verbindungsstrecke [ A,B ] in jedem Intervall I j und somit auch im Schnitt aller Intervalle. Also haben alle Intervalle die Punkte der Strecke [ A,B ] gemeinsam. Aufgabe 4: An einem schwarzen Brett hängen ohne Überlappung endlich viele Anzeigen. Jeder dieser Anzeigenzettel sei konvex (aber nicht unbedingt rechteckig) und abgeschlossen. Zeigen Sie, dass es mindestens einen Zettel gibt, der, wenn man ihn loslässt, frei nach unten fällt, ohne die restlichen Zettel zu berühren. Lösung: Wir konstruieren einen gerichteten Graphen G mit n Knoten A1,..., An, die die n Zettel symbolisieren. Wir verbinden zwei Knoten Aj Ak miteinander, wenn gilt: Zettel Aj berührt Zettel Ak beim herunterfallen. Um die Behauptung zu beweisen, müssen wir nun also zeigen, dass es einen Knoten Ai gibt, von dem kein Pfeil ausgeht. Wir nehmen daher an, dass es keinen Knoten gibt, von dem kein Pfeil ausgeht. (Nun müssen wir zeigen, dass es einen guten Zyklus auf G gibt, d.h. es gibt einen Weg Ai1 Ai2... Aim Ai1, wobei alle Aij (j=1,...,m) unterschiedlich sind und es keine weiteren Pfeile zwischen diesen Knoten gibt.) Wir wählen uns also einen beliebigen Knoten Aj1. Dann wählen wir uns ein Aj2, sodass gilt: Aj1 Aj2 usw. wir einen Knoten Ajp erreichen, der bereits markiert wurde. Somit haben wir mit Ajp Ajp+1... Ajp einen Zyklus. Nun wählen wir uns nach dem Extremalprinzip einen minimalen Zyklus, also einen Zyklus Ai1... Aim Ai1 mit minimalem m. Wir wollen jetzt zeigen, dass es keine weitere Relation Aia Aib gibt. Also nehmen wir an, es gäbe eine solche Relation.

6 1.Fall: a < b Es gibt also einen noch kürzeren Zyklus Aib... Ai1... Aia Aib Analog zeigt man im 2. Fall, dass es einen kürzeren Zyklus Aib Aib+1... Aia Aib gibt. Dies ist aber ein Widerspruch zur Voraussetzung, dass der Zyklus minimal ist und wir haben somit gezeigt, dass es einen guten Zyklus gibt. Betrachten wir uns nun unser Schwarzes Brett. Wir projezieren dabei die Zettel A,B,C auf die x-achse und erhalten die Intervalle I(X).

7 Anhand der obigen Skizze sieht man, dass sich die Intervalle I(B) und I.C)schneiden, weil der Zettel B beim herunter fallen den Zettel C berühren würde. Formal bedeutet das: B C => I(B) I(C) Ø. Betrachten wir nun wieder unseren guten Zyklus. Dann gilt: I(A1) I(A2) Ø, I(A2) I(A3) Ø,..., I(Am) I(A1) Ø und alle anderen Schnittmengen I(Ak) I(Aj) sind leer, da unser guter Zyklus keine weiteren Pfeile enthält. Definieren wir uns jetzt (x -)i := linke Intervallgrenze von I(Ai) und (x +)i := rechte Intervallgrenze von I(Ai). Sei nun o.b.d.a. (x -)1= min { (x -)k : k=1,...,n } Man sieht nun, dass die Folgen { (x -)1,..., (x -)m } und { (x +)1,..., (x +)m } monoton steigend sind. Wie wir oben bereits gezeigt haben, gilt I(A1) I(A3) = Ø und daraus folgt, (x +)1 < (x -)3 (d.h. die rechte Intervallgrenze von A1 liegt links von der linken Intervallgrenze von A3, A1 und A3 schneiden sich also nicht). Analog folgt: (x +)1 < (x -)3... (x -)m-1 (x -)m und aus (x +)1 < (x -)m folgt I(A1) I(Am)= Ø, also gibt es keinen Pfeil von Am nach A1 und aus Am führt kein Pfeil heraus, d.h. Zettel M berührt beim Herunterfallen keinen Zettel. => Behauptung Isabel Helbig Literaturangaben Frau Dr. Grinberg : Mathematisches Problemlösen für Schüler, Lehrer und Studenten Mathematischer Korrespondenzzirkel der Universität Göttingen Wikipedia

Von Skalarprodukten induzierte Normen

Von Skalarprodukten induzierte Normen Von Skalarprodukten induzierte Normen Niklas Angleitner 4. Dezember 2011 Sei ein Skalarproduktraum X,, gegeben, daher ein Vektorraum X über C bzw. R mit einer positiv definiten Sesquilinearform,. Wie aus

Mehr

Dualitätssätze der linearen Optimierung

Dualitätssätze der linearen Optimierung Kapitel 9 Dualitätssätze der linearen Optimierung Sei z = c T x min! Ax = b 9.1 x 0 mit c, x R n, b R m, A R m n ein lineares Programm. Definition 9.1 Duales lineares Programm. Das lineare Programm z =

Mehr

Mathematik für Ökonomen 1

Mathematik für Ökonomen 1 Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen

Mehr

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten

Mehr

8 Summen von Quadraten

8 Summen von Quadraten 8 Summen von Quadraten A. Summen von zwei Quadraten. Sei p eine Primzahl. Beispiele. = 1 + 1, 5 = 1 +, 13 = + 3 Aber 3 und 7 sind nicht Summen von zwei Quadraten. 8.1 Satz. Genau dann ist p Summe von zwei

Mehr

= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0.

= k 0+k 0 ( ). Wir addieren (0 k) zu den Seiten der Gleichung ( ): 0 = k 0. Def 4 Eine Menge K mit zwei Abbildungen + : K K K und : K K K (heißen Addition und Multiplikation; wir werden a b bzw a+b statt (a,b), +(a,b) schreiben) ist ein kommutativer Ring, falls: (R1) (K, +) ist

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

18 Höhere Ableitungen und Taylorformel

18 Höhere Ableitungen und Taylorformel 8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a

Mehr

KONSTRUKTION VON MASSEN

KONSTRUKTION VON MASSEN KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer

Mehr

Mengen, Funktionen und Logik

Mengen, Funktionen und Logik Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

4. Mathematik Olympiade 3. Stufe (Bezirksolympiade) Klasse 12 Saison 1964/1965 Aufgaben und Lösungen

4. Mathematik Olympiade 3. Stufe (Bezirksolympiade) Klasse 12 Saison 1964/1965 Aufgaben und Lösungen 4. Mathematik Olympiade 3. Stufe (Bezirksolympiade) Klasse 1 Saison 1964/1965 Aufgaben und Lösungen 1 OJM 4. Mathematik-Olympiade 3. Stufe (Bezirksolympiade) Klasse 1 Aufgaben Hinweis: Der Lösungsweg mit

Mehr

Kapitel 1. Grundlegendes

Kapitel 1. Grundlegendes Kapitel 1 Grundlegendes Abschnitt 1.4 Vollständige Induktion Charakterisierung der natürlichen Zahlen Die Menge N 0 = {0, 1, 2, 3,...} der natürlichen Zahlen läßt sich wie folgt charakterisieren: 1. 0

Mehr

Elemente der Algebra und Zahlentheorie Musterlösung, Serie 3, Wintersemester vom 15. Januar 2006

Elemente der Algebra und Zahlentheorie Musterlösung, Serie 3, Wintersemester vom 15. Januar 2006 Prof. E.-W. Zink Institut für Mathematik Humboldt-Universität zu Berlin Elemente der Algebra und Zahlentheorie Musterlösung, Serie 3, Wintersemester 2005-06 vom 15. Januar 2006 2te, korrigierte und erweiterte

Mehr

4 Messbare Funktionen

4 Messbare Funktionen 4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und

Mehr

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit

Cauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das

Mehr

Zahlen und metrische Räume

Zahlen 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

Mehr

ε δ Definition der Stetigkeit.

ε δ Definition der Stetigkeit. ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x

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

Brückenkurs Mathematik

Brückenkurs Mathematik Beweise und Beweisstrategien andreas.kucher@uni-graz.at Institute for Mathematics and Scientific Computing Karl-Franzens-Universität Graz Graz, September 5, 2015 Hinweis zu den Folien Diese Folien sind

Mehr

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

Übung zur Vorlesung Algorithmische Geometrie

Übung zur Vorlesung Algorithmische Geometrie Übung zur Vorlesung Algorithmische Geometrie Dipl.-Math. Bastian Rieck Arbeitsgruppe Computergraphik und Visualisierung Interdisziplinäres Zentrum für Wissenschaftliches Rechnen 8. Mai 2012 B. Rieck (CoVis)

Mehr

Konvexe Funktionen und Legendre-Transformation

Konvexe Funktionen und Legendre-Transformation Konvexe Funktionen und Legendre-Transformation Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x, y auch stets deren Verbindungsstrecke xy = {x +t xy 0 t 1} = {(1 t)x +ty 0 t 1} enthält.

Mehr

Konvexe Mengen. Kanglin,Chen. Universität Bremen, Proseminar WS 04/05

Konvexe Mengen. Kanglin,Chen. Universität Bremen, Proseminar WS 04/05 Konvexe Mengen Kanglin,Chen Universität Bremen, Proseminar WS 04/05 Satz. (Satz von Kirchberger) Sei P, Q E n kompakt und nicht leer. Dann gilt: P, Q sind durch eine Hyperebene streng trennbar. Für jede

Mehr

Zahlen und metrische Räume

Zahlen 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,

Mehr

Skript und Übungen Teil II

Skript und Übungen Teil II Vorkurs Mathematik Herbst 2009 M. Carl E. Bönecke Skript und Übungen Teil II Das erste Semester wiederholt die Schulmathematik in einer neuen axiomatischen Sprache; es ähnelt damit dem nachträglichen Erlernen

Mehr

Konstruktion der reellen Zahlen

Konstruktion 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

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

11 Logarithmus und allgemeine Potenzen

11 Logarithmus und allgemeine Potenzen Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den

Mehr

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x

Mehr

Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen

Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Michael Schaeer 3.04.03 Abstract This seminar is about convex functions and several imortant ineualities. At the beginning the term

Mehr

Affine Geometrie (Einfachere, konstruktive Version)

Affine Geometrie (Einfachere, konstruktive Version) Affine Geometrie (Einfachere, konstruktive Version) Def. Affiner Raum der Dimension n über Körper K ist nach Definition K n. Bemerkung. Man könnte Theorie von affinen Raumen auch axiomatisch aufbauen mit

Mehr

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene Netzwerk- und Graph-Algorithmen Fortgeschrittene Netzwerk- und Graph-Algorithmen Dr. Hanjo Täubig Lehrstuhl für Eziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester 2007/08

Mehr

Proseminar Mathematik. Ungleichungen I Betreuung: Natalia Grinberg. Karlsruher Institut für Technologie

Proseminar Mathematik. Ungleichungen I Betreuung: Natalia Grinberg. Karlsruher Institut für Technologie Proseminar Mathematik Ungleichungen I 12.6.215 Betreuung: Natalia Grinberg Karlsruher Institut für Technologie Inhaltsverzeichnis 1 Young-Ungleichung 2 2 Hölder-Ungleichung 4 3 Minkowski-Ungleichung 5

Mehr

Theorie der Informatik

Theorie der Informatik Theorie der Informatik 8. Reguläre Sprachen II Malte Helmert Gabriele Röger Universität Basel 24. März 24 Pumping Lemma Pumping Lemma: Motivation Man kann zeigen, dass eine Sprache regulär ist, indem man

Mehr

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.

Mehr

Von den rationalen zu den reellen Zahlen

Von den rationalen zu den reellen Zahlen Skript zur Schülerwoche 016, zweiter Tag: Von den rationalen zu den reellen Zahlen Dr. Mira Schedensack 1. September 016 1 Einführung Dieser Vorlesung geht von der Menge der rationalen Zahlen aus und definiert

Mehr

Teil I. Lineare Optimierung

Teil I. Lineare Optimierung Teil I Lineare Optimierung 5 Kapitel 1 Grundlagen Definition 1.1 Lineares Optimierungsproblem, lineares Programm. Eine Aufgabenstellung wird lineares Optimierungsproblem oder lineares Programm genannt,

Mehr

1.4 Die Ackermannfunktion

1.4 Die Ackermannfunktion a : N 2 N : Beispiele: a(0, y) = y + 1, a(x, 0) = a(x 1, 1), x > 0, a(x, y) = a(x 1, a(x, y 1)), x, y > 0. Beh.: a(1, y) = y + 2 Bew. durch Induktion über y: a(1, 0) = a(0, 1) = 2 = 0+2. a(1, y + 1) =

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

1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche

1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche 1 1 Angeordnete Körper 1.1 Anordnungen und Positivbereiche Definition 1.1. Eine zweistellige Relation auf einer Menge heißt partielle Ordnung, falls für alle Elemente a, b, c der Menge gilt: (i) a a (ii)

Mehr

Wie werden die Vorlesungen/Übungen organisiert?

Wie werden die Vorlesungen/Übungen organisiert? Wie werden die Vorlesungen/Übungen organisiert? Mein Name: Prof Vladimir Matveev Sprechstunden: nach jeder Vorlesung bzw in der Pause Homepage der Vorlesung: http://usersminetuni-jenade/~matveev/lehre/la13/

Mehr

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum

Mehr

Seminar Einführung in die Kunst mathematischer Ungleichungen

Seminar 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.................................

Mehr

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke Konvexe Mengen Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke xy = {x + t xy 0 t 1} = {(1 t)x + ty 0 t 1} enthält. konvex nicht konvex Lemma

Mehr

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt. 7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim

Mehr

1 3 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7

1 3 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1 3 1 3 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1 3 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1 3 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1є7 1

Mehr

Lösen von Gleichungen mittels Ungleichungen

Lösen von Gleichungen mittels Ungleichungen Lösen von Gleichungen mittels Ungleichungen. März 00 Die Aufgaben sind mit Schwierigkeitsstufen leicht, mittel, schwer markiert. Aufgabe (leicht) Ermittle alle nichtnegativen reellen Zahlen a, b, c, für

Mehr

max{ x i a i : 1 i n} max{ x p a p, x r a r } max{a p x p, x r a r } d 2.

max{ x i a i : 1 i n} max{ x p a p, x r a r } max{a p x p, x r a r } d 2. Erster Tag 5. Juli 007 Aufgabe 1. Gegeben seien eine positive ganze Zahl n und reelle Zahlen a 1, a,..., a n. Für jedes i (1 i n) sei d i = max{a j : 1 j i} min{a j : i j n} und sei d = max{d i : 1 i n}.

Mehr

Vervollständigung Lateinischer Quadrate

Vervollständigung Lateinischer Quadrate Vervollständigung Lateinischer Quadrate Elisabeth Schmidhofer 01.12.2013 Inhaltsverzeichnis 1 Vorwort 3 2 Einleitung 4 2.1 Beispele.............................................. 4 3 Lateinische Quadrate

Mehr

II. Wissenschaftliche Argumentation

II. Wissenschaftliche Argumentation Gliederung I. Motivation II. Wissenschaftliche Argumentation i. Direkter Beweis ii. iii. Indirekter Beweis Beweis durch vollständige Induktion Seite 35 II. Wissenschaftliche Argumentation Ein Beweis ist

Mehr

Proseminar: Primzahlen 1. Vortrag Der erweiterte euklidische Algorithmus

Proseminar: Primzahlen 1. Vortrag Der erweiterte euklidische Algorithmus Proseminar: Primzahlen 1. Vortrag Der erweiterte euklidische Algorithmus Max Zoller 14. April 8 1 Der klassische euklidische Algorithmus Beispiel: ggt 15, 56? 15 = 1 56 + 49 56 = 1 49 + 7 49 = 7 7 + =

Mehr

Das Multi Traveling Salesman Problem

Das Multi Traveling Salesman Problem Das Multi Traveling Salesman Problem Harald Voit Seminar Ganzzahlige Optimierung 19. bis 21. Januar 2007 Wallenfels Das Multi Traveling Salesman Problem p.1/26 Übersicht Vom TSP zum ATSP Das Multi Traveling

Mehr

5 Teilmengen von R und von R n

5 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

Mehr

15 Hauptsätze über stetige Funktionen

15 Hauptsätze über stetige Funktionen 15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen

Mehr

Mathematische Grundlagen der Ökonomie Übungsblatt 8

Mathematische Grundlagen der Ökonomie Übungsblatt 8 Mathematische Grundlagen der Ökonomie Übungsblatt 8 Abgabe Donnerstag 7. Dezember, 0:5 in H 5+7+8 = 20 Punkte Mit Lösungshinweisen zu einigen Aufgaben 29. Das Bisektionsverfahren sucht eine Nullstelle

Mehr

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse

Mehr

Geraden in der Ebene und Zerlegung von Graphen

Geraden in der Ebene und Zerlegung von Graphen Geraden in der Ebene und Zerlegung von Graphen Proseminar: Beweise aus dem Buch am 17.01.2015 von Ina Seidel 1 Historisches zu Sylvester und Gallai James Joseph Sylvester * 1814, 1897 war britischer Mathematiker.Unter

Mehr

Existenz des Lebesgue-Borel-Maßes

Existenz des Lebesgue-Borel-Maßes A Existenz des Lebesgue-Borel-Maßes In diesem (nicht prüfungsrelevanten) Anhang tragen wir u.a. die Existenz des Lebesgue- Borel-Maßes nach. 52 Es empfiehlt sich, diesen Anhang erst nach Kapitel 5 zu lesen

Mehr

ist über C diagonalisierbar.

ist über C diagonalisierbar. Prüfungsaufgaben A 1. (10 Punkte) Kreuzen Sie direkt auf de Aufgabenblatt an, ob die Behauptungen WAHR oder FALSCH sind. Sie üssen Ihre Antworten nicht begründen! Für jede richtige Antwort gibt es 1 Punkt.

Mehr

Das Schubfachprinzip

Das Schubfachprinzip Das Schubfachprinzip Jonas Kaspar 7. Mai 2015 Proseminar: Mathematisches Problemlösen im Sommersemester 2015. Übungsleitung: Natalia Grinberg Vortragstermin: 8. Mai 2015 Fachbereich Mathematik Karlsruher

Mehr

Vokabelliste FB Mathematik Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II. Mengenbegriffe:

Vokabelliste FB Mathematik Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II. Mengenbegriffe: Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II Mathematik Symbol, Definition Deutsch Erklärung Mengenbegriffe: natürlichen Zahlen natürlichen Zahlen inkl. der 0 ganzen Zahlen rationalen

Mehr

Vollständige Induktion

Vollständige Induktion Schweizer Mathematik-Olympiade smo osm Vollständige Induktion Aktualisiert: 1 Dezember 01 vers 100 Eine der wichtigsten Beweistechniken der Mathematik überhaupt ist die (vollständige) Induktion Wir nehmen

Mehr

Serie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015

Serie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015 Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum

Mehr

9. Geometrische Konstruktionen und Geometrische Zahlen.

9. Geometrische Konstruktionen und Geometrische Zahlen. 9. Geometrische Konstruktionen und Geometrische Zahlen. Die Dreiteilungsgleichnung. Das Problem der Dreiteilung des Winkels wurde von Descartes vollständig gelöst. Dies ist in der Geometrie von Descartes

Mehr

Zusammenfassung der Vorlesung Einführung in die Analysis

Zusammenfassung der Vorlesung Einführung in die Analysis Zusammenfassung der Vorlesung Einführung in die Analysis Hier werden die wichtigsten Definitionen und Sätze aus der Vorlesung dargestellt, zusammen mit Beweisideen und Querverbindungen. Ziel ist es, die

Mehr

Topologische Begriffe

Topologische Begriffe Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer

Mehr

Wir erinnern uns: Um eine Zufallsvariable mit N verschiedenen, gleichwahrscheinlichen Zuständen binär zu codieren, benötigen wir

Wir erinnern uns: Um eine Zufallsvariable mit N verschiedenen, gleichwahrscheinlichen Zuständen binär zu codieren, benötigen wir Kapitel 3: Entropie Motivation Wir erinnern uns: Um eine Zufallsvariable mit N verschiedenen, gleichwahrscheinlichen Zuständen binär zu codieren, benötigen wir log N Bits log p N Bits Die Information steht

Mehr

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen

20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium

Mehr

Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem:

Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: 4 4 4 4 4 1 1 1 1 2 2 3 3 5 5 5 5 5 5 6 6 6 7 7 8 8 9 9 9 9 9 8 6 Verwenden Sie dazu eine atomare Formel A[n, x, y] für jedes Tripel (n,

Mehr

1. Einleitung wichtige Begriffe

1. Einleitung wichtige Begriffe 1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und

Mehr

Übungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Lösungsvorschlag Serie 12

Übungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Lösungsvorschlag Serie 12 Humboldt-Universität zu Berlin Institut für Mathematik Prof. A. Griewank Ph.D.; Dr. A. Hoffkamp; Dipl.Math. T.Bosse; Dipl.Math. L. Jansen Übungsaufgaben zur Vorlesung ANALYSIS I (WS 2/3) Lösungsvorschlag

Mehr

Ebene und. Gerade, 2. Punkte A, B, C,..., die auf einer Geraden liegen, heißen kollinear.

Ebene und. Gerade, 2. Punkte A, B, C,..., die auf einer Geraden liegen, heißen kollinear. 16 3 Das Axiomensystem Motiviert von den Elementen des Euklid, wollen wir jetzt ein modernes Axiomensystem für die Ebene Geometrie aufstellen. Zum ersten Mal wurde das um 1900 von David Hilbert geleistet,

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme 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 41 und 42 4 Vektorräume

Mehr

5 Stetigkeit und Differenzierbarkeit

5 Stetigkeit und Differenzierbarkeit 5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.

Mehr

Elementare Beweismethoden

Elementare Beweismethoden Elementare Beweismethoden Christian Hensel 404015 Inhaltsverzeichnis Vortrag zum Thema Elementare Beweismethoden im Rahmen des Proseminars Mathematisches Problemlösen 1 Einführung und wichtige Begriffe

Mehr

Analysis I - Einige Lösungen und Ergänzungen

Analysis I - Einige Lösungen und Ergänzungen Christian-Albrechts-Universität zu Kiel Mathematisch-Naturwissenschaftliche Fakultät Mathematisches Seminar Analysis I - Einige Lösungen und Ergänzungen von Dipl.-Math. Joscha Prochno Dipl.-Math. Dennis

Mehr

Wendepunkte. Jutta Schlumberger

Wendepunkte. Jutta Schlumberger Wendepunkte Jutta Schlumberger Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser Ausarbeitung

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

1 Der Simplex Algorithmus I

1 Der Simplex Algorithmus I 1 Nicoletta Andri 1 Der Simplex Algorithmus I 1.1 Einführungsbeispiel In einer Papiermühle wird aus Altpapier und anderen Vorstoffen feines und grobes Papier hergestellt. Der Erlös pro Tonne feines Papier

Mehr

40. Österreichische Mathematik-Olympiade Kurswettbewerb Lösungen

40. Österreichische Mathematik-Olympiade Kurswettbewerb Lösungen 40. Österreichische Mathematik-Olympiade Kurswettbewerb Lösungen TU Graz, 29. Mai 2009 1. Für welche Primzahlen p ist 2p + 1 die dritte Potenz einer natürlichen Zahl? Lösung. Es soll also gelten 2p + 1

Mehr

Bäume und Wälder. Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann

Bäume und Wälder. Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann Bäume und Wälder Seminar: Graphentheorie Sommersemester 2015 Dozent: Dr. Thomas Timmermann Ida Feldmann 2-Fach Bachelor Mathematik und Biologie 6. Fachsemester Inhaltsverzeichnis Einleitung 1 1. Bäume

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

8 Konvergenzkriterien und Häufungswerte von Folgen in R

8 Konvergenzkriterien und Häufungswerte von Folgen in R 8 Konvergenzkriterien und Häufungswerte von Folgen in R 8.1 Konvergenz monotoner Folgen 8.2 Die Zahl e 8.3 Existenz monotoner Teilfolgen 8.4 Auswahlprinzip von Bolzano-Weierstraß 8.5 Konvergenzkriterium

Mehr

Kapitel III. Aufbau des Zahlensystems

Kapitel III. Aufbau des Zahlensystems Kapitel III. Aufbau des Zahlensystems 1 Addition und Multiplikation natürlicher Zahlen Wir wollen erklären, wie man natürliche Zahlen addiert und multipliziert und dabei nur den Begriff das Zählens verwenden.

Mehr

Vorlesung. Vollständige Induktion 1

Vorlesung. Vollständige Induktion 1 WS 015/16 Vorlesung Vollständige Induktion 1 1 Einführung Bei der vollständigen Induktion handelt es sich um ein wichtiges mathematisches Beweisverfahren, mit dem man Aussagen, die für alle natürlichen

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.

Lösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1. Lösungen Klausur Aufgabe (3 Punkte) Zeigen Sie, dass n k k (n + ) n k für alle n N. IA: Für n ist k kk 2 2. IV: Es gilt n k kk (n + ) n für ein n N. IS: Wir haben n+ k k k n k k + (n + ) n+ k IV (n + )

Mehr

11. Folgen und Reihen.

11. Folgen und Reihen. - Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a

Mehr

Ferienkurs Analysis 1, SoSe Unendliche Reihen. Florian Beye August 15, 2008

Ferienkurs Analysis 1, SoSe Unendliche Reihen. Florian Beye August 15, 2008 Ferienkurs Analysis 1, SoSe 2008 Unendliche Reihen Florian Beye August 15, 2008 1 Reihen und deren Konvergenz Definition 1.1. Eine reelle bzw. komplexe Reihe ist eine unendliche Summe über die Glieder

Mehr

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen

Kapitel V. Folgen und Konvergenz. V.1 Konvergenz von Zahlenfolgen Kapitel V Folgen und Konvergenz V.1 Konvergenz von Zahlenfolgen Wir erinnern an den Begriff der Folge, den wir schon im Kapitel III verwenden. Eine Folge (a n ) n=1 AN in A ist eine Abbildung a ( ) : N

Mehr

Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen

Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen Dozentin: Wiebke Petersen 4. Foliensatz Wiebke Petersen math. Grundlagen 89 starke / schwache Ordnungen Eine Ordnung R einer Menge A ist

Mehr

Grundlagen der Theoretischen Informatik

Grundlagen der Theoretischen Informatik Grundlagen der Theoretischen Informatik 3. Endliche Automaten (V) 21.05.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Bis jetzt Determinierte endliche Automaten (DEAs) Indeterminierte

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

Übung zur Vorlesung Multiagentensysteme

Übung zur Vorlesung Multiagentensysteme Ludwig-Maximilians-Universität München SS 2007 Institut für Informatik Aufgabenblatt 1 Dr. Brandt / Fischer & Harrenstein 23. April 2007 Übung zur Vorlesung Multiagentensysteme Tutorübung: 25. April 2007

Mehr

KAPITEL 4 FLÜSSE IN NETZWERKEN

KAPITEL 4 FLÜSSE IN NETZWERKEN KAPITEL 4 FLÜSSE IN NETZWERKEN F. VALLENTIN, A. GUNDERT 1. Das Max-Flow-Min-Cut Theorem Es sei D = (V, A) ein gerichteter Graph, s, t V zwei Knoten. Wir nennen s Quelle und t Senke. Definition 1.1. Eine

Mehr

Beschreibungskomplexität von Grammatiken Definitionen

Beschreibungskomplexität von Grammatiken Definitionen Beschreibungskomplexität von Grammatiken Definitionen Für eine Grammatik G = (N, T, P, S) führen wir die folgenden drei Komplexitätsmaße ein: Var(G) = #(N), Prod(G) = #(P ), Symb(G) = ( α + β + 1). α β

Mehr

Kapitel 6. Exponentialfunktion

Kapitel 6. Exponentialfunktion Kapitel 6. Exponentialfunktion 6.1. Potenzreihen In Kap. 4 haben wir Reihen ν=0 a ν studiert, wo die Glieder feste Zahlen sind. Die Summe solcher Reihen ist wieder eine Zahl, z.b. die Eulersche Zahl e.

Mehr

5. Verschiedene Repräsentanten

5. Verschiedene Repräsentanten 5. Verschiedene Repräsentanten 5.1. Die Sätze Hall und König Sei I := {1,...,n}, und sei A(I) = (A 1,...,A n ) eine Familie von Teilmengen einer endlichen Menge E. Zu K I seien A(K) := (A i : i K) und

Mehr

Das Prinzip der Inklusion und Exklusion

Das Prinzip der Inklusion und Exklusion Extremal Combinatorics Gliederung Einleitung Inklusion und Exklusion Bonferroni-Ungleichungen Erweiterungen Zusammenfassung Einleitung (I) Prinzip der Inklusion und Exklusion Siebformel Das Sieb des Eratosthenes

Mehr