Mathematische Strukturen - an der Universität Duisburg

Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Das heutige Programm
Organisatorisches
Vorlesung “Mathematische Strukturen”
Vorstellung
Ablauf der Vorlesung und der Übungen
Prüfung
Literatur & Folien
Sommersemester 2016
Prof. Barbara König
Übungsleitung: Christine Mika & Dennis Nolte
Einführung und Motivation
Inhalt der weiteren Vorlesung
Grundlagen: Mengen, Funktionen, Relationen, . . .
Barbara König
Mathematische Strukturen
1
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wer sind wir?
Barbara König
Mathematische Strukturen
2
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Einordnung
Dozentin: Prof. Barbara König
Raum LF 264
E-Mail: barbara [email protected]
Diese Vorlesung ist für
Sprechstunde: nach Vereinbarung
KOMEDIA-Studierende im 2. Semester
gedacht.
Übungsleitung:
M.Sc. Dennis Nolte, LF 263, [email protected]
M.Sc. Christine Mika, LF 261, [email protected]
Web-Seite: www.ti.inf.uni-due.de/teaching/ss2016/mast/
Barbara König
Mathematische Strukturen
3
Barbara König
Mathematische Strukturen
4
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vorlesungstermine
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Termine der Übungsgruppen/Tutorien
Übungsgruppen:
Vorlesungs-Termin:
Dienstag, 8:30–10:00 Uhr, im LB 107
1
Di, 10-12 Uhr, LF 125
4
Di, 10-12 Uhr, BC 003
2
Di, 12-14 Uhr, LE 120
8
Di, 12-14 Uhr, LF 035
3
Di, 16-18 Uhr, LC 026
5
Mi, 12-14 Uhr, LC 137
6
Mi, 12-14 Uhr, LB 117
7
Do, 8-10 Uhr, LC 137
Tutorium: Fr, 10-12 Uhr, LF 035, Beginn am 29.4.
Barbara König
Mathematische Strukturen
5
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Hinweise zu den Übungen
Barbara König
Mathematische Strukturen
6
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Hinweise zu den Übungen
Das Übungsblatt wird jeweils am Dienstag ins Netz gestellt.
Das erste Übungsblatt wird am 19.4. bereitgestellt.
Bitte versuchen Sie, sich möglichst gleichmäßig auf die
Übungen zu verteilen. Dazu werden wir nach der ersten Woche
die Teilnehmerzahlen der einzelnen Übungen bekanntgeben.
Die schriftlichen Aufgaben müssen bis spätestens Dienstag,
10:15 Uhr, der darauffolgenden Woche abgegeben werden.
D.h., das erste Blatt muss am 26.4. abgegeben werden.
Die Abgaben werden innerhalb einer Woche korrigiert. Die
Besprechung eines Übungsblattes findet in derselben Woche
statt wie die Abgabe, das erste Blatt wird also ab 26.4.
besprochen.
Besuchen Sie die Übungen und machen Sie die Hausaufgaben!
Diesen Stoff kann man nur durch regelmäßiges Üben erlernen.
Auswendiglernen hilft nicht besonders viel.
Die Übungen beginnen in der dritten Semesterwoche am
Dienstag, den 26. April.
Einwurf in den Briefkasten neben dem Raum LF259.
Bitte geben Sie auf Ihrer Lösung deutlich die Vorlesung, Ihren
Namen, Ihre Matrikelnumer und Ihre Gruppennummer an.
Sie dürfen in Zweier-Gruppen abgeben.
Barbara König
Mathematische Strukturen
7
Barbara König
Mathematische Strukturen
8
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Hinweise zu den Übungen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Klausur
Wir verwenden Moodle, um:
die Aufgabenblätter zur Verfügung zu stellen und
um Diskussionsforen bereitzustellen.
Die Vorlesung wird durch eine Klausur am Ende des Semesters
geprüft. Der derzeitige Planungsstand für den Klausurtermin ist
Dienstag, der 23. August, 8:30–10:30 Uhr.
Eine elektronische Abgabe der Hausaufgaben über Moodle ist nicht
vorgesehen.
Moodle2-Plattform an der Universität Duisburg-Essen:
http://moodle2.uni-due.de/ (siehe auch Link auf der
Webseite)
Räume: LA 0034, LX 1205
Die Anmeldung erfolgt über das Prüfungsamt.
Bitte legen Sie dort einen Zugang an (falls noch nicht vorhanden)
und tragen Sie sich in den Kurs “Mathematische Strukturen (SoSe
2016)” (Sommersemester 2016 → Ingenieurwissenschaften →
Abteilung Informatik und Angewandte Kognitionswissenschaft) ein.
Zugangsschlüssel: . . .
Barbara König
Mathematische Strukturen
9
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Klausur
Barbara König
Mathematische Strukturen
10
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Literatur
Es gibt folgende Bonusregelung:
Wenn Sie 50% der Punkte erzielt haben, so erhalten Sie einen
Bonus für die Klausur. (Für einmaliges Vorrechnen in der
Übung gibt es 10 Extrapunkte.)
Harald Scheid, Wolfgang
Schwarz: Elemente der
Arithmetik und Algebra.
Spektrum 2008
Auswirkung: Verbesserung um eine Notenstufe; z.B. von 2,3
auf 2,0
Barbara König
Mathematische Strukturen
11
Barbara König
Mathematische Strukturen
12
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Literatur
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Literatur
Lutz Warlich: Grundlagen der
Mathematik für Studium und
Lehramt: Mengen, Funktionen,
Teilbarkeit, Kombinatorik,
Wahrscheinlichkeit.
Books on Demand, 1. Auflage
(Juli 2006)
Barbara König
Gerald Teschl, Susanne Teschl:
Mathematik für Informatiker,
Diskrete Mathematik und Lineare
Algebra, Bd.1, Springer, 2008
Mathematische Strukturen
13
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Literatur
Barbara König
Mathematische Strukturen
14
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Literatur
Angelika Steger: Diskrete
Strukturen 1. Kombinatorik,
Graphentheorie, Algebra.
Springer 2007
Martin Aigner: Diskrete
Mathematik. Vieweg+Teubner,
2006.
http://www.springerlink.com/content/p18557/
(zugreifbar über den Uni-Account)
Barbara König
Mathematische Strukturen
15
Barbara König
Mathematische Strukturen
16
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Literatur
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Literatur
Hinweise:
Die Bücher sind als Ergänzung gedacht, sie präsentieren den
Stoff oft aus einem anderen Blickwinkel.
Sehen Sie sich die Bücher erst an, bevor Sie sie kaufen. Nicht
jede/r kommt mit jedem Buch zurecht.
Dirk Hachenberger: Mathematik
für Informatiker. Pearson, 2008.
Die Bibliothek (LK) ist ein guter Platz um nach Büchern zu
stöbern (Mathematik-Abteilung im 1. Stock,
Lehrbuchsammlung im Keller)
Barbara König
Mathematische Strukturen
17
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Folien
Barbara König
Mathematische Strukturen
18
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Inhalt
Folien werden
Grundlagen
(Mengen, Relationen, Funktionen)
im Anschluss an die Vorlesung im Web als PDF bereitgestellt
und
Analysis, Kurvendiskussion, Ableitung
regelmäßig aktualisiert.
Algebraische Strukturen
(Gruppen, Körper, Vektorräume, Matrizen)
Große Teile der Folien werden im Wesentlichen gleich zu den
Folien aus dem Sommersemester 2015 sein (erhältlich über die
Webseite der letztjährigen Vorlesung).
Barbara König
Mathematische Strukturen
Kombinatorik und Wahrscheinlichkeit
19
Barbara König
Mathematische Strukturen
20
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Inhalt
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Inhalt
Grundlagen (Mengen, Relationen, Funktionen)
Wir besprechen/wiederholen grundlegende Konzepte der
Mathematik.
Wie beschreibt man Ansammlungen von Elementen?
Mengen
Wie beschreibt man Zusammenhänge zwischen Mengen?
Relationen, Funktionen
Außerdem besprechen wir grundlegende Zahlentheorie (Primzahlen,
etc.).
Diskrete Mathematik vs. Kontinuierliche Mathematik
In dieser Vorlesung geht es schwerpunktmäßig um diskrete
Mathematik, d.h., um das Arbeiten mit endlichen oder abzählbaren
Mengen von Elementen.
Daneben gibt es noch die kontinuierliche Mathematik (Analysis,
etc.), in der man mit reellen oder komplexen Zahlen arbeitet.
(Ableitung, Integration von Funktionen, etc.)
Barbara König
21
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Inhalt
b
2
c
3
d
Barbara König
22
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Inhalt
Algebraische Strukturen (Gruppen, Körper, Vektorräume,
Matrizen)
Analysis, Kurvendiskussion, Ableitbarkeit
Wir betrachten Funktionen auf reellen Zahlen und wiederholen
Grundlagen der Kurvendiskussion. Dabei gehen wir vor allem auf
das Ableiten (= Differenzieren) von Funktionen ein.
Wir behandeln grundlegende Rechenstrukturen (Gruppen, Körper)
und Anwendungen in der Kryptographie.
Anschließend: Vektorräume und Matrizen mit Anwendungen in der
Darstellung von mehrdimensionalen Räumen. Lösen von
Gleichungssystemen.
f (x)
1
y
x
-5
a
1
-4
-3
-2
-1
0
1
2
3
4
5
-1


1 2 3
A = 4 5 6
7 8 9
(4,5)
x
Barbara König
Mathematische Strukturen
23
Barbara König
Mathematische Strukturen
24
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Inhalt
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mathematik im KOMEDIA-Studium
Statistik (Inferenz-Statistik, Deskriptive Statistik)
( Kombinatorik und Wahrscheinlichkeit)
Kombinatorik und Wahrscheinlichkeit
Abzählen von Mengen: “Ziehen aus Urnen” und andere Modelle
mit praktischen Beispielen.
Wahrscheinlichkeit des Auftretens bestimmter Ereignisse
Informatik (
u.a. Funktionen, Relationen)
Multimedia Engineering/Multimediasysteme
( Vektorrechnung, z.B. für Grafiken)
Modellierung ( Grundlagen: Mengen, Relationen,
Funktionen, Matrizenrechnung)
Mensch-Computer-Interaktion (
Navigation mit Graphen)
Datenbanken (
Visualisierung und
Relationen)
Volkswirtschaftslehre (
Kurvendiskussion, Ableitung)
Kryptographische Verfahren (
Gruppen, Körper)
In Praxisprojekten, im Master-Studium
Barbara König
Mathematische Strukturen
25
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mengen
Barbara König
Mathematische Strukturen
26
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mengen
Menge
Menge M von Elementen, wird beschrieben als Aufzählung
Bemerkungen:
M = {0, 2, 4, 6, 8, . . . }
Die Elemente einer Menge sind ungeordnet, d.h., ihre
Ordnung spielt keine Rolle. Beispielsweise gilt:
oder als Menge von Elementen mit einer bestimmten Eigenschaft
{1, 2, 3} = {1, 3, 2} = {2, 1, 3} = {2, 3, 1} = {3, 1, 2} = {3, 2, 1}
M = {n | n ∈ N0 und n gerade}.
Ein Element kann nicht “mehrfach” in einer Menge auftreten.
Es ist entweder in der Menge, oder es ist nicht in der Menge.
Beispielsweise gilt:
Allgemeines Format:
M = {x | P(x)}
M ist Menge aller Elemente, die die Eigenschaft P erfüllen.
{1, 2, 3} =
6 {1, 2, 3, 4} = {1, 2, 3, 4, 4}
M = {x ∈ X | P(x)}
M ist Menge aller Elemente aus der Grundmenge X , die P erfüllen.
Barbara König
Mathematische Strukturen
27
Barbara König
Mathematische Strukturen
28
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mengen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mengen
Element einer Menge
Wir schreiben a ∈ M, falls ein Element a in der Menge M
enthalten ist.
Vereinigung
Die Vereinigung zweier Mengen A, A ist die Menge M, die die
Elemente enthält, die in A oder B vorkommen. Man schreibt dafür
A ∪ B.
A ∪ B = {x | x ∈ A oder x ∈ B}
Anzahl der Elemente einer Menge
Für eine Menge M gibt |M| die Anzahl ihrer Elemente an.
Teilmengenbeziehung
Wir schreiben A ⊆ B, falls jedes Element von A auch in B
enthalten ist. Die Beziehung ⊆ heißt auch Inklusion.
Schnitt
Der Schnitt zweier Mengen A, B ist die Menge M, die die Element
enthält, die sowohl in A als auch in B vorkommen. Man schreibt
dafür A ∩ B.
A ∩ B = {x | x ∈ A und x ∈ B}
Leere Menge
Mit ∅ oder {} bezeichnet man die leere Menge. Sie enthält keine
Elemente und ist Teilmenge jeder anderen Menge.
Barbara König
Mathematische Strukturen
29
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mengen
Barbara König
Mathematische Strukturen
30
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mengen
Veranschaulichung von Vereinigung und Schnitt durch
Venn-Diagramme:
Mengendifferenz
Seien A, B zwei Mengen. Dann bezeichnet A\B die Menge aller
Elemente, die in A vorkommen und in B nicht vorkommen.
A\B = {x | x ∈ A und x 6∈ B}
Beispiele:
Blau eingefärbte Fläche
entspricht der Vereinigung A ∪ B
Barbara König
{0, 1, 2, 3, 4, 5}\{0} = {1, 2, 3, 4, 5}
Blau eingefärbte Fläche
entspricht dem Schnitt A ∩ B
Mathematische Strukturen
{a, b, c}\{c, d} = {a, b}
31
Barbara König
Mathematische Strukturen
32
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mengen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mengen
Veranschaulichung der Mengendifferenz durch ein Venn-Diagramm:
Potenzmenge
Sei M eine Menge. Die Menge P(M) ist die Menge aller
Teilmengen von M.
P(M) = {A | A ⊆ M}
Beispiel:
P({1, 2, 3}) = {∅, {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, {1, 2, 3}}.
Es gilt: |P(M)| = 2|M| (für eine endliche Menge M).
Blau eingefärbte Fläche entspricht der Mengendifferenz A\B
Barbara König
Mathematische Strukturen
33
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mengen
Barbara König
Mathematische Strukturen
34
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mengen
Bemerkungen:
Wir betrachten nicht nur Paare, sondern auch sogenannte
Tupel, bestehend aus mehreren Komponenten. Ein Tupel
(a1 , . . . , an ) bestehend aus n Komponenten heißt auch
n-Tupel.
In einem Tupel sind die Komponenten geordnet! Es gilt z.B.:
Kreuzprodukt (kartesisches Produkt)
Seien A, B zwei Mengen. Die Menge A × B ist die Menge aller
Paare (a, b), wobei die erste Komponente des Paars aus A, die
zweite aus B kommt.
(1, 2, 3) 6= (1, 3, 2) ∈ N0 × N0 × N0
A × B = {(a, b) | a ∈ A, b ∈ B}
Eine Komponente kann “mehrfach” in einem Tupel auftreten.
Tupel unterschiedlicher Länge sind immer verschieden.
Beispielsweise:
Beispiel:
{1, 2} × {3, 4, 5} = {(1, 3), (1, 4), (1, 5), (2, 3), (2, 4), (2, 5)}
Es gilt: |A × B| = |A| · |B| (für endliche Menge A, B).
(1, 2, 3, 4) 6= (1, 2, 3, 4, 4)
Runde Klammern (, ) und geschweifte Klammern {, } stehen für
ganz verschiedene mathematische Objekte!
Barbara König
Mathematische Strukturen
35
Barbara König
Mathematische Strukturen
36
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
Relationen
Relation zwischen der Menge A und der Menge B
Eine Teilmenge R ⊆ A × B des Kreuzprodukts von A und B heißt
Relation zwischen A und B.
Beispiel:
A = {1, 2, 3}
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
B = {a, b, c, d}
Schreibweise: wir notieren folgendermaßen, dass ein Paar in einer
Relation liegt
R = {(1, a), (1, b), (2, b), (3, d)}
Standard-Schreibweise: (2, b) ∈ R
Infix-Schreibweise: 2 R b
Relationen können auf folgende Weise graphisch dargestellt werden:
a
1
b
2
c
3
d
Barbara König
Für Relationen wie =, <, ≤, >, ≥ wird fast immer die
Infix-Schreibweise verwendet
(Beispielsweise 2 < 5, 7 ≥ 3)
Mathematische Strukturen
37
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
Barbara König
Mathematische Strukturen
38
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
Weiteres Beispiel: Zuordnung von Studierenden zu Veranstaltungen
Ingo
Math.
Strukturen
Wir sehen uns nun einige besondere Arten von Relationen an:
Selim
Petra
Modellierung
Funktionen
Äquivalenzrelationen
Ordnungen
A = {Ingo, Selim, Petra}
B = {Math.Strukturen, Modellierung}
R = {(Ingo, Math.Strukturen), (Ingo, Modellierung),
(Selim, Math.Strukturen)}
Barbara König
Mathematische Strukturen
39
Barbara König
Mathematische Strukturen
40
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Funktionen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Funktionen
Notation von Funktionen
f:A → B
a 7→ f (a)
Funktion von der Menge A in die Menge B
Eine Relation f ⊆ A × B heißt Funktion, wenn folgendes gilt:
Die Funktion f bildet jedes Element a ∈ A auf genau ein Element
f (a) ∈ B ab. Dabei ist A der Definitionsbereich und B der
Wertebereich. Außerdem muss eine Zuordnungsvorschrift
angegeben werden (a 7→ f (a)).
für jedes Element a ∈ A gibt es genau ein Element b ∈ B mit
(a, b) ∈ f .
Anschaulich: jedes Element in der Menge A hat genau einen
ausgehenden Pfeil. (Die vorherigen Beispiels-Relationen waren also
keine Funktionen.)
Beispiel (Quadratfunktion):
f : Z → N0 ,
f (n) = n2
. . . , −3 7→ 9, −2 7→ 4, −1 7→ 1, 0 7→ 0, 1 7→ 1, 2 7→ 4, 3 7→ 9, . . .
Dabei ist N0 die Menge der natürlichen Zahlen (mit der Null) und
Z die Menge der ganzen Zahlen.
Barbara König
Mathematische Strukturen
41
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Funktionen
Barbara König
Mathematische Strukturen
42
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Funktionen
Injektive Funktion
Eine Funktion f : A → B heißt injektiv, falls es keine Elemente
a1 , a2 ∈ A gibt mit a1 6= a2 und f (a1 ) = f (a2 ).
Alternativ: Eine Funktion f ist injektiv, falls für alle Elemente
a1 , a2 ∈ A aus f (a1 ) = f (a2 ) immer a1 = a2 folgt.
Bild und Urbild einer Menge
Sei f : A → B eine Funktion und A0 ⊆ A. Dann nennt man die
Menge
f (A0 ) = {f (a) | a ∈ A0 }
Anschaulich: auf kein Element im Wertebereich zeigt mehr als ein
Pfeil.
das Bild von A0 unter der Funktion f .
Sei nun B 0 ⊆ B. Die Menge
Surjektive Funktion
Eine Funktion f : A → B heißt surjektiv, falls es für jedes b ∈ B
(mindestens) ein a ∈ A gibt mit f (a) = b.
f −1 (B 0 ) = {a ∈ A | f (a) ∈ B 0 }
heißt das Urbild von B 0 unter der Funktion f .
Anschaulich: auf jedes Element im Wertebereich zeigt
(mindestens) ein Pfeil.
Barbara König
Mathematische Strukturen
43
Barbara König
Mathematische Strukturen
44
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Funktionen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Funktionen
Bemerkung: Die bijektiven Funktionen sind genau die invertierbaren
Funktionen. Zu einer bijektiven Funktion f : A → B gibt es eine
Umkehrfunktion f −1 : B → A mit folgenden Eigenschaften:
Bijektive Funktion
Eine Funktion f : A → B heißt bijektiv, falls sie injektiv und
surjektiv ist.
f −1 (f (a)) = a für alle a ∈ A
f (f −1 (b)) = b für alle b ∈ B
Beispiel: Die Funktion
Anschaulich: auf jedes Element im Wertebereich zeigt genau ein
Pfeil. D.h., es gibt eine eins-zu-eins-Zuordnung zwischen den
Elementen des Definitionsbereichs und des Wertebereichs
f:Z→Z
z 7→ z − 1
hat als Umkehrfunktion
f −1 : Z → Z
Barbara König
Mathematische Strukturen
45
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Funktionen
z 7→ z + 1
Barbara König
Mathematische Strukturen
46
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Funktionen
Verknüpfung von Funktionen
Gegeben seien zwei Funktionen f : A → B und g : B → C . Mit
g ◦ f bezeichnen wir die Verknüpfung oder
Hintereinanderausführung von f und g . Diese Funktion ist wie
folgt definiert:
Beispiel: Funktionsverknüpfung
f
1
g ◦f : A → C
a 7→ g (f (a))
A
f
/B
g
a
b
g
X
2
c
Y
3
d
Z
/C
A
g ◦f
Barbara König
Mathematische Strukturen
47
Barbara König
Mathematische Strukturen
48
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Funktionen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
Wir betrachten nun spezielle Relationen, die nur auf einer Menge A
definiert sind.
Beispiel: Funktionsverknüpfung
Äquivalenzrelation
g ◦f
1
X
2
Y
3
Z
Eine Relation R ⊆ A × A heißt Äquivalenzrelation, falls folgendes
gilt:
Reflexivität: für alle a ∈ A gilt (a, a) ∈ R.
Transitivität: falls für beliebige a, b, c ∈ A, (a, b) ∈ R und
(b, c) ∈ R gilt, so muss auch (a, c) ∈ R gelten.
Symmetrie: falls für beliebige a, b ∈ A, (a, b) ∈ R gilt, so
muss auch (b, a) ∈ R gelten.
Barbara König
Mathematische Strukturen
48
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
Barbara König
49
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
Bemerkung:
Durch eine Äquivalenzrelation R ⊆ A × A zerfällt die Menge A
in sogenannte Äquivalenzklassen.
Beispiel für eine Äquivalenzrelation:
Graphische Darstellung von Äquivalenzklassen für das
vorherige Beispiel:
R = {(x, y ) ∈ N0 × N0 | x, y haben denselben Divisionsrest
bei ganzzahliger Division durch 3}
= {(m, n) ∈ N0 × N0 | m mod 3 = n mod 3}
Barbara König
Mathematische Strukturen
50
0
1
2
3
4
5
6
7
8
...
...
...
Barbara König
Mathematische Strukturen
51
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
(Partielle) Ordnung
Äquivalenzklassen
Eine Relation R ⊆ A × A heißt (partielle) Ordnung, falls folgendes
gilt:
Sei R ⊆ A × A eine Äquivalenzrelation und a ∈ A. Die
Äquivalenzklasse von a ist
Reflexivität: für alle a ∈ A gilt (a, a) ∈ R.
Transitivität: falls für beliebige a, b, c ∈ A, (a, b) ∈ R und
(b, c) ∈ R gilt, so muss auch (a, c) ∈ R gelten.
[a]R = {a0 ∈ A | a R a0 }
Antisymmetrie: falls für beliebige a, b ∈ A, (a, b) ∈ R und
(b, a) ∈ R gilt, so muss a = b gelten, d.h., a und b müssen
dann gleich sein.
Für zwei Element a, b ∈ A gilt entweder [a]R = [b]R oder
[a]R ∩ [b]R = ∅.
Barbara König
Mathematische Strukturen
52
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
Barbara König
Mathematische Strukturen
53
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
Bei der Definition einer Ordnung hat sich gegenüber der Definition
einer Äquivalenzrelation nur die letzte Eigenschaft geändert
(Antisymmetrie versus Symmetrie).
Beispiel für eine Ordnung:
Wir betrachten die Potenzmenge P(M) einer festen Menge M und
die Mengeninklusion ⊆.
Achtung: Antisymmetrie ist nicht das Gegenteil von Symmetrie!
Jede Gleichheitsrelation erfüllt beide Eigenschaften.
Barbara König
Mathematische Strukturen
54
Barbara König
Mathematische Strukturen
55
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Relationen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Ordnungen werden graphisch als sogenannte Hasse-Diagramme
dargestellt:
Beispiel: P({x, y , z}) und
Inklusion ⊆
Falls a R b (und a 6= b) gilt,
dann:
Wir betrachten folgende spezielle Mengen von Zahlen:
Natürliche Zahlen mit 0
N0 = {0, 1, 2, 3, 4, 5, . . . }
{x, y , z}
liegt a unterhalb von b und
wenn keine Elemente
“zwischen” a und b liegen
(bezüglich R), dann werden
beide mit einer Linie
verbunden.
{x, y }
{x, z}
{y , z}
{x}
{y }
{z}
Ganze Zahlen
Z = {. . . , −5, −4, −3, −2, −1, 0, 1, 2, 3, 4, 5, . . . }
∅
Barbara König
Mathematische Strukturen
56
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
57
Mathematische Strukturen
Analysis
Analysis, Kurvendiskussion, Ableitbarkeit
Wir betrachten Funktionen auf reellen Zahlen und wiederholen
Grundlagen der Kurvendiskussion. Dabei gehen wir vor allem auf
das Ableiten (= Differenzieren) von Funktionen ein.
Rationale Zahlen
Q: die Menge aller Brüche (= Menge aller Kommazahlen mit
endlicher oder periodischer Dezimaldarstellung)
2 −4
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
1
2
27
7
0, 75
32, 333417
1
3
= 0, 3333 . . . = 0, 3
y
Reelle Zahlen
R: die Menge aller reellen Zahlen (= Menge aller Kommazahlen
mit beliebiger – auch unendlicher, nicht-periodischer –
Dezimaldarstellung)
√
2 −4 12
2 = 1, 41421 . . . π = 3, 14159 . . .
e = 2, 718281 . . .
Barbara König
Mathematische Strukturen
2
1
-3
58
-2
-1
Barbara König
0
1
2
3
Mathematische Strukturen
x
59
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Motivation
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Motivation
Um die Steigung einer Kurve in einem Punkt zu bestimmen,
bestimmen wir die Tangente an diesem Punkt, d.h. eine Gerade,
die die Kurve in diesem Punkt berührt. Die Steigung der Tangente
ist dann die Steigung der Kurve.
Die Steigung einer Funktion an einer bestimmten Stelle ist
anschaulich ein Maß für die Steilheit bzw. den Grad des
Wachstums.
Steigung einer Geraden
y
Für ein rechtwinkliges Dreieck (mit
Katheten parallel zur x- und
y -Achse) unterhalb der Geraden
bestimmt man die Länge der
Katheten: a, b
a
b
y
x
Steigung der Geraden:
3
2
1
a
b
0
Dabei ist es unerheblich, wo das Dreieck liegt und wie groß es ist.
Man erhält immer denselben Wert.
Barbara König
Mathematische Strukturen
1
60
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Motivation
2
3
Barbara König
4
5
x
61
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Motivation
y
Es ist jedoch nicht offensichtlich, wie die Steigung der Tangente
berechnet werden soll.
f (x + h)
Wir nehmen an, dass die Kurve der Graph einer reellwertigen
Funktion f : R → R ist. Wir wollen die Steigung in x bestimmen,
d.h. eine Tangente durch den Punkt (x, f (x)) legen.
f (x + h) − f (x)
Vorgehen:
Bestimme (für beliebiges h ∈ R) einen weiteren Punkt
(x + h, f (x + h)) und lege eine Gerade durch diese beiden
Punkte.
(x)
(x)
Die Steigung der Gerade ist: f (x+h)−f
= f (x+h)−f
h
(x+h)−x
f (x)
Lasse h gegen 0 gehen (d.h. h wird immer kleiner). Dann
nähert sich die Steigung der Geraden immer mehr der
Steigung der Tangenten an.
Barbara König
Mathematische Strukturen
h
x
62
Barbara König
x
x +h
Mathematische Strukturen
63
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Grenzwerte
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Grenzwerte
Um dies genauer beschreiben zu können und um konkrete
Steigungen berechnen zu können, benötigen wir den Begriff des
Grenzwerts oder Limes.
Zur Erinnerung: Graph der Sinusfunktion
Beispiel:
y
Die Funktion
1
sin x
x
ist nicht für Null definiert. (Es ist auch nicht möglich, den
Definitionsbereich zu erweitern, da durch 0 dividiert wird.)
f : R\{0} → R,
sin x
f (x) =
x
-2
-1
0
1
2
3
4
5
6
7
8
Bei Betrachtung des Funktionsgraphen scheint sich jedoch der
Funktionswert von f für x gegen 0 beliebig der 1 zu nähern.
Barbara König
64
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Grenzwerte
-3
65
Grenzwert einer Funktion
Sei f : X → R mit X ⊆ R eine Funktion und seien x0 , a ∈ R.
Angenommen, es gibt für jedes ε > 0 ein δ > 0, so dass für jedes
x ∈ X mit |x0 − x| < δ folgt, dass |a − f (x)| < ε.
sin x
x
y
-4
Mathematische Strukturen
Grenzwerte
Graph der Funktion f : R\{0} → R, f (x) =
f (x) =
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
sin x
x
-2
Dann ist a der Grenzwert (oder Limes) von f für x gegen x0 und
man schreibt:
lim f (x) = a.
1
x→x0
-1
0
1
2
3
4
x
Bemerkungen:
Die Werte ε, δ sind reelle Zahlen.
|z| bezeichnet den Absolutwert der Zahl z ∈ R:
z
falls z ≥ 0
|z| =
−z sonst
Wir wollen ausdrücken können, dass der Grenzwert von f für x
gegen 0 gleich 1 ist.
Barbara König
Mathematische Strukturen
66
Beispielsweise: |7| = 7, |0| = 0, | − 3| = 3
Barbara König
Mathematische Strukturen
67
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Grenzwerte
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Grenzwerte
Um zu zeigen, dass limx→0 sinx x = 1 gilt, benötigen wir noch
folgende Abschätzung (ohne Beweis): für alle x ∈ R gilt
|x − sin x| ≤
Bemerkungen:
Anschaulich sagt die Grenzwert-Definition: der Abstand
zwischen f (x) und a wird beliebig klein (beschrieben durch ε),
wenn x nur nahe genug bei x0 liegt (beschrieben durch δ).
|x|3
.
6
Daraus folgt für x 6= 0:
2
1 − sin x = |x − sin x| ≤ |x| .
x |x|
6
Für eine Funktion f und ein gegebenes x0 muss nicht
notwendigerweise ein Grenzwert existieren. (Gegenbeispiel
später.)
Das heißt, wenn wir für ein ε ≤ 6 erreichen wollen, dass
|1 − sinx x | < ε gilt, dann reicht es, δ = ε zu setzen. Denn für ein x
mit |0 − x| = |x| < δ gilt:
|x|2
sin
x
δ2
1 −
≤
<
≤ δ = ε.
x 6
6
(Für ε > 6 kann man δ = 6 setzen.)
Barbara König
Mathematische Strukturen
68
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Grenzwerte
Barbara König
Mathematische Strukturen
69
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Grenzwerte
Rechnen mit Grenzwerten
Gegeben seien zwei Funktionen f , g : X → R, wobei X ⊆ R. Wir
nehmen an, dass beide Funktionen einen Grenzwert in x0 ∈ R
haben:
lim f (x) = a
lim g (x) = b
Der Begriff des Grenzwerts macht nur Sinn für sogenannte
Häufungspunkte von X .
Häufungspunkt
Sei X ⊆ R. Eine reelle Zahl x0 ∈ R ist ein Häufungspunkt von X ,
wenn es für jedes ε > 0 ein x ∈ X gibt mit x 6= x0 und |x0 − x| < ε.
x→x0
Außerdem sei c ∈ R. Dann gilt:
D.h. ein Häufungspunkt von X ist eine Zahl x0 , in deren Umgebung
unendlich viele Elemente von X sind, die beliebig nahe an x0 liegen.
lim (c · f (x)) = c · lim f (x) = c · a
x→x0
x→x0
x→x0
lim (f (x) · g (x)) =
x→x0
x→x0
70
lim f (x) + lim g (x) = a + b
x→x0
lim (f (x) − g (x)) =
x→x0
Beispiel: Die Zahl x0 = 0 ist ein Häufungspunkt von X = R\{0}.
Mathematische Strukturen
x→x0
lim (f (x) + g (x)) =
Ist x0 kein Häufungspunkt von X , dann gibt es keine Möglichkeit,
x0 beliebig nahe zu kommen und die Grenzwert-Definition macht
keinen Sinn.
Barbara König
x→x0
x→x0
lim f (x) − lim g (x) = a − b
x→x0
lim f (x) · lim g (x) = a · b
Barbara König
x→x0
Mathematische Strukturen
71
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stetigkeit
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stetigkeit
Manche Funktionen machen “Sprünge”, beispielsweise folgende
Funktion g :
1 falls x ≤ 3
g : R → R, g (x) =
2 falls x > 3
Stetigkeit
Eine Funktion f : X → R heißt stetig an der Stelle x0 ∈ X , wenn
der Grenzwert limx→x0 f (x) definiert ist und außerdem gleich f (x0 )
ist (limx→x0 f (x) = f (x0 )). Die Funktion f heißt stetig, wenn sie
für jedes x0 ∈ X stetig ist.
y
2
Anschaulich: wenn man sich dem Wert x0 (von links oder rechts
nähert) und Funktionswerte bildet, so erhält man im Grenzwert
genau den Wert f (x0 ).
1
0
1
2
3
4
5
x
Für stetige Funktion gilt also immer: limx→x0 f (x) = f (x0 ), d.h.,
man erhält den Grenzwert einfach durch Einsetzen in die Funktion.
Anschaulich bezeichnen wir eine Funktion als stetig, wenn sie keine
solchen Sprungstellen besitzen.
Barbara König
Mathematische Strukturen
72
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stetigkeit
Barbara König
Mathematische Strukturen
73
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stetigkeit
Wie kann man konkret zeigen, dass eine Funktion f : R → R an
einer Stelle x0 stetig bzw. nicht stetig ist?
Nicht-Stetigkeit von f : R → R an der Stelle x0 ∈ R
Es gibt ein ε > 0, so dass für alle δ > 0 gilt: es gibt ein x ∈ R mit
|x0 − x| < δ und |f (x0 ) − f (x)| ≥ ε.
Stetigkeit von f : R → R an der Stelle x0 ∈ R
Für alle ε > 0 gibt es ein δ > 0, so dass für jedes x ∈ R mit
|x0 − x| < δ folgt, dass |f (x0 ) − f (x)| < ε.
Beispiel: f : R → R, f (x) =
Beispiel: g : R → R, g (x) =
Setze ε =
Es gilt
x2
und x0 = 0
√
Für ein gegebenes ε > 0 wähle δ = ε. Wir nehmen nun ein x ∈ R
mit |x0 − x| < δ, woraus wegen x0 = 0 folgt, dass |x| < δ. Damit
gilt:
√ 2
|f (x0 ) − f (x)| = |f (0) − f (x)| = |0 − x 2 | = |x|2 < δ 2 = ε = ε
Barbara König
Mathematische Strukturen
1
2
1 falls x ≤ 3
und x0 = 3
2 falls x > 3
und sei δ beliebig. Wähle x = 3 + 2δ .
δ
δ
|x0 − x| = |3 − (3 + )| = < δ
2
2
und
δ
|g (x0 ) − g (x)| = |g (3) − g (3 + )| = |1 − 2| = 1 ≥ ε
2
74
Barbara König
Mathematische Strukturen
75
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stetigkeit
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stetigkeit
Weiteres Beispiel:
Anschaulich: wenn man sich von rechts x0 = 3 nähert, dann nähert
man sich nicht dem Funktionswert g (x0 ) = 1.
Man kann die Funktion
f : R\{0} → R,
y
f (x) =
sin x
x
stetig fortsetzen, d.h., eine Funktion f : R → R konstruieren, die
2
auf allen reellen Zahlen definiert ist,
auf R\{0} mit f übereinstimmt und
1
0
1
2
3
4
5
stetig ist.
x
Dabei ist f wie folgt definiert:
sin x
x
f (x) =
1
Es existiert auch kein Grenzwert limx→3 g (x).
falls x 6= 0
falls x = 0
Diese Funktion ist stetig, denn limx→0
Barbara König
Mathematische Strukturen
76
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Bestimmung der Ableitung
Barbara König
sin x
x
= 1.
77
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Bestimmung der Ableitung
Mit Hilfe des Grenzwert-Begriffs kann man nun die Steigung einer
Funktion f definieren. Die entstehende Funktion f 0 , die zu jedem
x-Wert die Steigung an der jeweiligen Stelle angibt, heißt
Ableitung. Die Bestimmung von f 0 bezeichnet man auch als
Ableiten bzw. Differenzieren.
Bemerkungen:
Statt f 0 (x) schreibt man manchmal auch
df
dx (x).
Ableitung
Eine Funktion f : X → R mit X ⊆ R heißt differenzierbar (oder
ableitbar) an der Stelle x ∈ X , wenn der Grenzwert
df (x)
d
dx f (x), dx
oder
Dabei steht dx für die Distanz zwischen Werten auf der
x-Achse und df (x) für die Distanz zwischen Funktionswerten.
f (x + h) − f (x)
h→0
h
lim
Jede differenzierbare Funktion ist auch stetig.
existiert. Dieser wird mit f 0 (x) bezeichnet.
Eine Funktion heißt differenzierbar, wenn sie für alle x ∈ X
differenzierbar ist. Die dabei entstehende Funktion f 0 : X → R wird
als Ableitung bezeichnet.
Barbara König
Mathematische Strukturen
78
Barbara König
Mathematische Strukturen
79
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Bestimmung der Ableitung
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Bestimmung der Ableitung
Beispiel:
Wir bestimmen die Ableitung der Sinusfunktion an der Stelle
x = 0.
sin(0 + h) − sin 0
sin h − sin 0
sin h
sin0 0 = lim
= lim
= lim
=1
h→0
h→0
h→0 h
h
h
Ableitung einer konstanten Funktion
Sei f : R → R mit f (x) = c, wobei c ∈ R eine Konstante ist.
f (x + h) − f (x)
c −c
= lim
= lim 0 = 0
h→0
h→0
h→0
h
h
f 0 (x) = lim
Folgende Abbildung stellt die Tangente an der Sinuskurve an der
Stelle 0 dar. Diese Tangente hat Steigung 1.
Ableitung der Identitätsfunkion
y
Sei f : R → R mit f (x) = x.
1
-3
-2
-1
1
2
3
f (x + h) − f (x)
(x + h) − x
= lim
= lim 1 = 1
h→0
h→0
h→0
h
h
x
f 0 (x) = lim
-1
Barbara König
Mathematische Strukturen
80
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Bestimmung der Ableitung
Barbara König
Mathematische Strukturen
81
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Bestimmung der Ableitung
Ableitung von f (x) = x n
Sei f : R → R mit f (x) = x n für ein festes n ∈ N0 .
Ableitung einer (Normal-)Parabel
Pn
n n−k k
h − xn
f (x + h) − f (x)
k=0 k x
f (x) = lim
= lim
h→0
h→0
h
h
n X
n n−k k−1
n n−1
= lim
x
h
=
x
= n · x n−1
h→0
k
1
0
Sei f : R → R mit f (x) = x 2 .
f (x + h) − f (x)
(x + h)2 − x 2
= lim
h→0
h→0
h
h
2
2xh + h
= lim
= lim (2x + h) = 2x
h→0
h→0
h
f 0 (x) =
lim
k=1
Die Berechnung basiert auf folgenden zwei Beobachtungen:
der binomischen Formel für (x + h)n mit Binomialkoeffizienten
n
Binomische Formel );
k (siehe Kombinatorik
das vorletzte Gleichheitszeichen gilt, da nur der Summand für
k = 1 keinen Faktor h enthält. Alle anderen Summanden
enthalten ein h und werden zu 0, wenn h gegen 0 geht.
Barbara König
Mathematische Strukturen
82
Barbara König
Mathematische Strukturen
83
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Bestimmung der Ableitung
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungen bekannter Funktionen
Folgende Tabelle enthält die Ableitungen weiterer bekannter
Funktionen. Dabei ist a ∈ R.
Bemerkung:
f (x)
f 0 (x)
ex
ex
ax
ln(a) · ax
Auch für f (x) = x c , wobei c ∈ R eine beliebige reelle Zahl ist, gilt
f 0 (x) = c · x c−1 .
√
1
x = x 2 gilt:
D.h. für f : R+
→
R,
f
(x)
=
0
loga (x)
1 1
1
f 0 (x) = x − 2 = √
2
2 x
sin x
cos x
1
x
1
ln(a)·x
ln(x)
cos x
− sin x
e: Eulersche Zahl (≈ 2, 718281 . . . )
ln(x): Logarithmus naturalis (Logarithmus zur Basis e)
loga (x): Logarithmus zur Basis a (bezeichnet die eindeutig
bestimmte Zahl y ∈ R für die gilt ay = x)
Barbara König
84
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungen bekannter Funktionen
Beispiel 2: Graph des Logarithmus naturalis (f (x) = ln(x)) und
seiner Ableitung (f 0 (x) = x1 ) (auf den positiven reellen Zahlen).
y
y
4
3
3
2
2
1
1
-2
-1
85
Mathematische Strukturen
Ableitungen bekannter Funktionen
Beispiel 1: Graph der Parabel (f (x) = x 2 ) und ihre Ableitung
(f 0 (x) = 2x).
-3
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
1
2
3
x
1
2
3
4
5
6
7
8
x
-1
Barbara König
Mathematische Strukturen
86
Barbara König
Mathematische Strukturen
87
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Wenn man die Ableitungen bestimmter Funktionen kennt, kann
man daraus – nach einer Art Baukastenprinzip – weitere
Ableitungen konstruieren. Dafür gelten die unten aufgeführten
Regeln.
Beweis der Faktorregel:
g (x + h) − g (x)
h→0
h
lim
Faktorregel
Sei f : X → R eine differenzierbare Funktion mit Ableitung f 0 und
sei g : X → R definiert als g (x) = c · f (x) für c ∈ R. Dann gilt:
0
0
Mathematische Strukturen
lim
Für das vorletzte Gleichheitszeichen siehe
0
g (x) = (c · f ) (x) = c · f (x)
Barbara König
c · f (x + h) − c · f (x)
h→0
h
f (x + h) − f (x)
= c · lim
= c · f 0 (x)
h→0
h
=
88
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Barbara König
Rechnen mit Grenzwerten
.
Mathematische Strukturen
89
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Summenregel
Seien f , g : X → R differenzierbare Funktionen mit Ableitungen
f 0 , g 0 und sei k : X → R definiert als k(x) = f (x) + g (x). Dann
gilt:
k 0 (x) = (f + g )0 (x) = f 0 (x) + g 0 (x)
Bemerkung:
Wir verwenden im Weiteren häufiger Abkürzungen wie c · f
(Produkt einer Funktion mit einer Konstante c).
Ebenso schreiben wir f + g und f · g für die punktweise Addition
und Multiplikation von zwei Funktionen. Dabei gilt
(f + g )(x) = f (x) + g (x) und (f · g )(x) = f (x) · g (x).
Beweis:
k(x + h) − k(x)
f (x + h) + g (x + h) − f (x) − g (x)
= lim
h→0
h→0
h
h
f (x + h) − f (x)
g (x + h) − g (x)
= lim
+ lim
= f 0 (x) + g 0 (x)
h→0
h→0
h
h
lim
Bereits eingeführt wurde die Notation f ◦ g (Verknüpfung von
Funktionen Verknüpfung ).
Für das vorletzte Gleichheitszeichen siehe wieder
Rechnen mit Grenzwerten .
Barbara König
Mathematische Strukturen
90
Barbara König
Mathematische Strukturen
91
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Beweis der Produktregel:
k(x + h) − k(x)
f (x + h) · g (x + h) − f (x) · g (x)
= lim
h→0
h→0
h
h
f (x + h) · g (x) − f (x) · g (x)
lim
h→0
h
f (x + h) · g (x + h) − f (x + h) · g (x)
+
h
g (x + h) − g (x)
f (x + h) − f (x)
· g (x) + f (x + h) ·
lim
h→0
h
h
f (x + h) − f (x)
lim
· g (x)
h→0
h
g (x + h) − g (x)
+ lim f (x + h) · lim
h→0
h→0
h
0
0
f (x) · g (x) + f (x) · g (x)
lim
Produktregel
Seien f , g : X → R differenzierbare Funktionen mit Ableitungen
f 0 , g 0 und sei k : X → R definiert als k(x) = f (x) · g (x). Dann gilt:
=
k 0 (x) = (f · g )0 (x) = f 0 (x) · g (x) + f (x) · g 0 (x)
=
Auch zum Beweis der Produktregel benötigt man die Rechenregeln
für Grenzwerte Rechnen mit Grenzwerten :
=
=
Barbara König
Mathematische Strukturen
92
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Barbara König
Mathematische Strukturen
93
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Wir betrachten nun Anwendungen der bisher eingeführten
Ableitungsregeln für Funktionen f : R → R. Für die Ableitung eines
Polynoms verwendet man die Faktor- und die Summenregel.
Beispiel für die Anwendung der Produktregel:
Ableiten eines Polynoms
Die Ableitung von f (x) = x 2 · 2x ist
Sei f (x) = an · x n + an−1 · x n−1 + · · · + a1 · x + a0 mit ai ∈ R,
n ∈ N0 .
f 0 (x) = 2x · 2x + x 2 · ln(2) · 2x = (2x + ln(2) · x 2 ) · 2x .
Dann gilt:
f 0 (x) = n · an · x n−1 + (n − 1) · an−1 · x n−2 + · · · + a1
Beispiel:
Die Ableitung von f (x) = x 5 − 2x 3 ist f 0 (x) = 5x 4 − 6x 2 .
Barbara König
Mathematische Strukturen
94
Barbara König
Mathematische Strukturen
95
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Ableitungsregeln
Beispiel für die Anwendung der Kettenregel:
Kettenregel
Seien f : R → R, g : X → R differenzierbare Funktionen mit
Ableitungen f 0 , g 0 und sei k : X → R definiert als
k(x) = f (g (x)) = (f ◦ g )(x). Dann gilt:
2
Die Ableitung von k(x) = 2x ist
2
k 0 (x) = ln(2) · 2x · 2x = 2 · ln(2) · x · 2x
k 0 (x) = (f ◦ g )0 (x) = f 0 (g (x)) · g 0 (x)
Barbara König
Mathematische Strukturen
2
Bemerkung:
Die Multiplikation mit dem Faktor g 0 (x) bei der Kettenregel
bezeichnet man manchmal auch als “Nachdifferenzieren”.
(Ohne Beweis)
96
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Barbara König
Mathematische Strukturen
97
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Durch die Kombination der Kettenregel und der Beziehung
d c
c−1 ergibt sich die Kehrwertregel.
dx x = c · x
Wenn man nun die Kehrwertregel mit der Produktregel kombiniert,
erhält man die Quotientenregel.
Kehrwertregel
Sei g : X → R eine differenzierbare Funktionen mit Ableitung g 0
1
und sei k : X → R definiert als k(x) = g (x)
. Dann gilt:
k 0 (x) = −
Quotientenregel
Seien f : X → R, g : X → R differenzierbare Funktionen mit
Ableitungen f 0 , g 0 und sei k : X → R definiert als k(x) = gf (x)
(x) .
Dann gilt:
f 0 (x) · g (x) − f (x) · g 0 (x)
k 0 (x) =
,
g (x)2
g 0 (x)
,
g (x)2
falls g (x) 6= 0.
falls g (x) 6= 0.
Beweis:
k 0 (x) =
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
d
g 0 (x)
g (x)−1 = (−1) · g (x)−2 · g 0 (x) = −
dx
g (x)2
Barbara König
Mathematische Strukturen
98
Barbara König
Mathematische Strukturen
99
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ableitungsregeln
Beweis der Quotientenregel:
Beispiel:
d
1
f (x) ·
dx
g (x)
1
g 0 (x)
0
= f (x) ·
+ f (x) · −
g (x)
g (x)2
f 0 (x) · g (x) − f (x) · g 0 (x)
=
g (x)2
k 0 (x) =
Barbara König
Mathematische Strukturen
Die Ableitung von f (x) =
f 0 (x) =
Mathematische Strukturen
101
Da die Ableitung einer Funktion f deren Steigung beschreibt, kann
man aus ihr Schlüsse über die Funktion ziehen:
n-te Ableitungen
Für eine differenzierbare Funktion f : X → R mit X ⊆ R definieren
wir Funktionen f (n) : X → R mit:
f
(n+1)
(x) = (f
Schlüsse aus der ersten Ableitung
f 0 (x) > 0: Funktion f steigt an der Stelle x
f 0 (x) < 0: Funktion f fällt an der Stelle x
(n) 0
) (x)
Dabei wird gefordert, dass jede Funktion f (n) wiederum
differenzierbar ist.
Für das Polynom p : R → R mit p(x) = x 2 + 3x − 2 gilt:
0-te Ableitung: die Funktion p selbst, d.h. p (0) = p
1-te Ableitung: p (1) (x) = p 0 (x) = 2x + 3
2-te Ableitung: p (2) (x) = p 00 (x) = 2
3-te und weitere Ableitungen: p (3) (x) = p (4) (x) = · · · = 0
Barbara König
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Man kann Ableitungen nochmal differenzieren und erhält dann die
zweite Ableitung, dritte Ableitung, . . .
(x) = f (x)
(cos x) · x − (sin x) · 1
(cos x) · x − (sin x)
=
2
x
x2
100
Mehrfache Ableitungen
f
ist
für x 6= 0.
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
(0)
sin x
x
Mathematische Strukturen
Schlüsse aus der zweiten Ableitung
f 00 (x) > 0: Ableitung f 0 steigt an der Stelle x, d.h., f ist an
der Stelle x linksgekrümmt
f 00 (x) < 0: Ableitung f 0 fällt an der Stelle x, d.h., f ist an der
Stelle x rechtsgekrümmt
102
Barbara König
Mathematische Strukturen
103
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Mit Hilfe der Ableitungen kann man auch Aussagen über die
Extrema, d.h. Minima und Maxima, einer Funktion machen.
Lokale Extrema und erste Ableitungen
Hat eine differenzierbare Funktion f : X → R mit X ⊆ R an der
Stelle x0 ein lokales Extremum, so muss an dieser Stelle f 0 (x0 ) = 0
gelten.
Lokale Extrema
Eine Funktion f : X → R mit X ⊆ R hat an der Stelle x0 ein
lokales Minimum, wenn es ein ε > 0 gibt mit f (x0 ) ≤ f (x) für alle
x mit |x0 − x| < ε.
Eine Funktion f : X → R mit X ⊆ R hat an der Stelle x0 ein
lokales Maximum, wenn es ein ε > 0 gibt mit f (x0 ) ≥ f (x) für alle
x mit |x0 − x| < ε.
Anschauliche Begründung: bei einem Extremum wechselt die
Steigung einer Funktion von negativ nach positiv (oder umgekehrt)
und muss daher an dieser Stelle den Wert 0 einnehmen.
Lokale Minima und Maxima heißen auch lokale Extrema.
Ein lokales Minimum (Maximum) ist nicht notwendigerweise auch
ein globales Minimum (Maximum) der Funktion.
Barbara König
Mathematische Strukturen
104
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Barbara König
105
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
y
3
Bemerkung:
Allerdings gibt es Nullstellen der ersten Ableitung, an denen die
Funktion kein Extremum einnimmt, sondern einen sogenannten
Sattelpunkt (eine Stelle mit Steigung 0, an der aber kein
Extremum vorliegt).
f 0 (x)
1
-3
Für f : R → R mit f (x) =
gilt
=
und es gilt
0
f (0) = 0. Jedoch gibt es an der Stelle x0 = 0 weder ein lokales
Minimum noch ein lokales Maximum (siehe Abbildung).
x3
f (x) = x 3
2
3x 2
-2
-1
1
2
3
x
-1
-2
-3
Barbara König
Mathematische Strukturen
106
Barbara König
Mathematische Strukturen
107
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Die allgemeine Regel für die Bestimmung von lokalen Minima und
Maxima lautet wie folgt:
Lokale Extrema und n-te Ableitungen
Beispiel 1: f : R → R mit f (x) = (x − 2)2 − 3
Sei f : X → R eine Funktion und f (n) : X → R, n ∈ N0 ihre n-ten
Ableitungen. Für x0 ∈ X gilt f 0 (x0 ) = 0 und n ∈ N0 \{0} ist die
kleinste Zahl, für die f (n) (x0 ) 6= 0 gilt. Wir unterscheiden nun
folgende Fälle:
n ist gerade:
f (n) (x0 ) < 0
f (n) (x0 ) > 0
n ist ungerade
1-te Ableitung: f 0 (x) = 2 · (x − 2) = 2x − 4, Nullstelle bei x = 2
2-te Ableitung: f 00 (x) = 2, f 00 (2) = 2 > 0
D.h., es gibt ein (lokales) Minimum an der Stelle x = 2 mit
Funktionswert f (2) = −3.
lokales Maximum an der Stelle x0
lokales Minimum an der Stelle x0
Sattelpunkt an der Stelle x0
Barbara König
108
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Barbara König
Mathematische Strukturen
109
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
y
3
2
f (x) = (x − 2)2 − 3
Beispiel 2: f : R → R mit f (x) = x − e x
1-te Ableitung: f 0 (x) = 1 − e x , Nullstelle bei x = 0
1
-1
1
3
5
2-te Ableitung: f 00 (x) = −e x , f 00 (0) = −1 < 0
x
D.h., es gibt ein (lokales) Maximum an der Stelle x = 0 mit
Funktionswert f (0) = −1.
-1
-2
-3
Barbara König
Mathematische Strukturen
110
Barbara König
Mathematische Strukturen
111
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Kurvendiskussion
Beispiel 3: f : R → R mit f (x) = x 5 − 2x 3
y
-3
-2
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
-1
1
2
1-te Ableitung: f 0 (x) = 5x 4 − 6x 2 = 5x 2 (x 2 − 65 ), Nullstellen bei
q
q
q
6
x = 0, x = − 65 und x = 65
5 ≈ 1, 095 . . .
x
3
3
2-te Ableitung: f 00 (x)
q=20x − 12x, es gilt
f 00 − 65 ≈ −13, 145 · · · < 0,
q 6
00
f 00
5 ≈ 13, 145 · · · > 0, f (0) = 0
-1
-2
3-te Ableitung: f 000 (x) = 60x 2 − 12, f 000 (0) = −12
-3
f (x) = x − e x
-4
Barbara König
q
D.h., es gibt ein lokales Maximum an der Stelle x = − 65 , ein
q
lokales Minimum an der Stelle x = 65 und einen Sattelpunkt an
der Stelle x = 0.
Die lokalen Extrema sind hier keine globalen Extrema.
112
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Barbara König
Mathematische Strukturen
113
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
y
2
Wendepunkte
Sei f : X → R eine differenzierbare Funktion mit f 00 (x0 ) = 0 und
f 000 (x0 ) 6= 0 für ein x0 ∈ X , d.h., die zweite Ableitung ist gleich null
und die dritte Ableitung ungleich Null.
1
-2
-1
1
-1
2
Dann gibt es an dieser Stelle einen Wendepunkt, bei dem die
Kurve ihre Krümmung ändert (von links- auf rechtsgekrümmt oder
umgekehrt).
x
f (x) = x 5 − 2x 3
-2
Barbara König
Mathematische Strukturen
114
Barbara König
Mathematische Strukturen
115
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kurvendiskussion
Beispiel 2:
Beispiel 1:
Die Funktion f : R → R mit f (x) = (x − 1) · x · (x + 1) = x 3 − x
hat (genau) einen Wendepunkt, und zwar an der Stelle x0 = 0.
Die Sinuskurve hat (unter anderem) einen Wendepunkt an der
Stelle x0 = 0.
y
y
1
1
-4
-3
-2
-1
1
-1
2
3
4
x
-2
-1
1
x
f (x) = sin(x)
-1
Barbara König
2
Mathematische Strukturen
116
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Barbara König
f (x) = x 3 − x
Mathematische Strukturen
117
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Division mit Rest
Seien a, b ∈ Z zwei ganze Zahlen mit a 6= 0. Dann gibt es
eindeutig bestimmte Zahlen z, r ∈ Z mit 0 ≤ r < |a| und
Konkret (z.B. bei Verwendung eines Taschenrechners) lassen sich
(b div a) und (b mod a) folgendermaßen berechnen (für den Fall,
dass a > 0):
b
b
b mod a = b − a ·
b div a =
a
a
z ·a+r =b
z heißt Ergebnis der ganzzahligen Division von b durch a und
man schreibt z = b div a.
Dabei steht bqc mit q ∈ R für die Abrundung von q nach unten.
D.h., bqc ist die größte ganze Zahl, die kleiner gleich q ist.
r heißt Rest der ganzzahligen Division von b durch a und man
schreibt r = b mod a.
Beispiele: b3c = 3, b5, 17c = 5, bπc = 3, b−1c = −1,
b−0, 7c = −1
Dabei ist |a| der Absolutwert von a, beispielsweise ist | − 7| = 7.
Im Folgenden wird a aber immer eine positive ganze Zahl sein.
Barbara König
Mathematische Strukturen
118
Barbara König
Mathematische Strukturen
119
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Ein Spezialfall der Division mit Rest ist die Teilbarkeit:
Gelten folgende Beziehungen?
Teilbarkeit
Seien a, b ∈ Z zwei ganze Zahlen. Man sagt, a teilt b, wenn es ein
z ∈ Z gibt mit a · z = b.
Wir schreiben auch a | b und nennen a Teiler von b.
2 | 18
−7 | 14
3 | 10
0|0
0|7
7|0
Bemerkung: Hier wird auch a = 0 erlaubt.
Die Relation | (Teilbarkeit) ist eine partielle Ordnung, wenn man
sie auf die natürlichen Zahlen einschränkt.
Barbara König
Mathematische Strukturen
120
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
(Ja, z = 9)
(Ja, z = −2)
(Nein)
(Ja, z beliebig)
(Nein)
(Ja, z = 0)
Barbara König
Mathematische Strukturen
121
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Eindeutigkeit der Primfaktorzerlegung
Sei n ∈ N0 mit n 6= 0 eine natürliche Zahl. Ein Produkt
p1 · · · · · pm = n von Primzahlen heißt Primfaktorzerlegung von n.
Primzahl
Eine Zahl p ∈ N0 heißt Primzahl, wenn folgendes gilt:
Jede Zahl n 6= 0 besitzt eine solche Primfaktorzerlegung.
Wenn man zudem verlangt, dass die Primfaktoren in aufsteigender
Reihenfolge angeordnet sind (pi ≤ pj für i < j), so ist die
Primfaktorzerlegung einer Zahl eindeutig.
p 6= 0 und p 6= 1
die einzigen Teiler von p in den natürlichen Zahlen sind 1 und
p selbst.
Bemerkungen:
Primzahlen: 2, 3, 5, 7, 11, 13, 17, 19, 23, 29, 31, 37, 41, . . .
Die Primfaktorzerlegung von 1 ist das leere Produkt.
Es gibt unendlich viele Primzahlen.
Barbara König
Wenn wir auch die 1 als Primzahl einführen würden, so
würden wir die die Eindeutigkeit der Primfaktorzerlegung
verlieren. (7 = 1 · 7 = 1 · 1 · 7 = . . . ).
Mathematische Strukturen
122
Barbara König
Mathematische Strukturen
123
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Kleinstes gemeinsames Vielfaches
Seien a, b ∈ N0 . Eine Zahl m ∈ N0 mit m 6= 0 heißt kleinstes
gemeinsames Vielfaches von a und b (m = kgV (a, b)), falls
folgendes gilt:
Größter gemeinsamer Teiler
Seien a, b ∈ N0 (wobei mindestens eine der beiden Zahlen
verschieden von 0 ist). Eine Zahl d ∈ N0 heißt größter gemeinsamer
Teiler von a und b (d = ggT (a, b)), falls folgendes gilt:
a | m und b | m, d.h., sowohl a als auch b teilen m.
d | a und d | b, d.h., d teilt sowohl a als auch b.
für jede andere natürliche Zahl m0 , die von a und b geteilt
wird, gilt: m ≤ m0 .
für jede andere natürliche Zahl d 0 , die a und b teilt, gilt:
d 0 ≤ d.
Barbara König
Mathematische Strukturen
124
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Barbara König
Mathematische Strukturen
125
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Bestimmung von d = ggT (a, b) – Methode 2 (Euklidischer
Algorithmus)
Wie bestimmt man den größten gemeinsamen Teiler?
ggT (0, a) = a
Bestimmung von d = ggT (a, b) – Methode 1
Bestimme die Primfaktorzerlegungen von a und b
ggT (a, b) = ggT (b, a)
Betrachte alle Primfaktoren p, die in beiden Zerlegungen
vorkommen: angenommen p kommt in a k-mal und in b `-mal
vor. Dann kommt p in d genau min(k, `)-mal vor.
ggT (a, b) = ggT (a − b, b), falls b ≤ a
Wende diese Regeln zur ggT -Berechnung so lange an, bis ein
Ausdruck der Form ggT (0, a) erreicht wird.
Beispiel: ggT (12, 30)
12 = 2 · 2 · 3, 30 = 2 · 3 · 5
ggT (12, 30) = ggT (30, 12) = ggT (18, 12) = ggT (6, 12)
ggT (12, 30) = 2 · 3 = 6.
Barbara König
= ggT (12, 6) = ggT (6, 6) = ggT (0, 6) = 6
Mathematische Strukturen
126
Barbara König
Mathematische Strukturen
127
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Der ggT und die ggT -Berechnung sind ein wichtiges Werkzeug für
das Lösen bestimmter Gleichungen.
Bemerkung:
Lösen diophantischer Gleichungen
Da es bei großen Zahlen sehr schwer ist, die Primfaktorzerlegung
zu finden, ist Methode 2 bei weitem effizienter, insbesondere, wenn
man die dritte Regel durch
ggT (a, b) = ggT (a mod b, b)
Gegeben seien a, b, c ∈ N0 (wobei mindestens eine der beiden
Zahlen a, b verschieden von 0 ist). Wir suchen Lösungen x, y ∈ Z
der Gleichung
a·x +b·y =c
falls b ≤ a
Es gilt:
ersetzt.
Diese Gleichung hat genau dann eine Lösung, wenn
ggT (a, b) | c.
Barbara König
Mathematische Strukturen
128
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Barbara König
Mathematische Strukturen
129
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Für Gleichungen der Form a · x + b · y = ggT (a, b) kann man x, y
dadurch bestimmen, dass man die ggT -Berechnung “rückwärts”
nachvollzieht.
Gleichungen der Form a · x + b · y = c mit c 6= ggT (a, b) (aber
ggT (a, b) | c) kann man folgendermaßen lösen:
Beispiel: Lösen von 30 · x + 12 · y = 6.
Zunächst die Gleichung a · x 0 + b · y 0 = ggT (a, b) lösen.
ggT (12, 30) = ggT (12, 18) = ggT (6, 12) = ggT (6, 6)
Dann die Lösungen x 0 , y 0 mit c/ggT (a, b) multiplizieren, das
ergibt die Lösungen x, y .
= ggT (6, 0) = ggT (0, 6) = 6
Dabei wurden die Zahlen folgendermaßen ermittelt:
18 = 30 − 12, 6 = 18 − 12.
Beispiel: Lösen von 30 · x + 12 · y = 24
Lösen von 30 · x 0 + 12 · y 0 = 6 ergibt x 0 = 1, y 0 = −2.
mit 24/6 = 4 multiplizieren ergibt x = 4, y = −8.
Damit kann man einsetzen:
6 = 18 − 12 = (30 − 12) − 12 = 30 · 1 + 12 · (−2)
Und damit hat man eine Lösung x = 1, y = −2.
Barbara König
Mathematische Strukturen
130
Barbara König
Mathematische Strukturen
131
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zahlen
Beispiele (Eulersche ϕ-Funktion):
n
0
1
2
3
4
5
6
Teilerfremdheit
Zwei Zahlen a, b ∈ N0 heißen teilerfremd, falls ggT (a, b) = 1.
Eulersche ϕ-Funktion
Die Eulersche ϕ-Funktion ϕ : N0 → N0 ist folgendermaßen
definiert:
ϕ(n) mit n ∈ N0 ist die Anzahl der Zahlen zwischen 1 und n,
die zu n teilerfremd sind.
ϕ(n)
0
1
1
2
2
4
2
n
7
8
9
10
11
12
13
ϕ(n)
6
4
6
4
10
4
12
Für eine Primzahl p gilt ϕ(p) = p − 1.
ϕ(n) = |{m ∈ N0 | 1 ≤ m ≤ n und ggT (m, n) = 1}|
Außerdem gilt:
ϕ(m · n) = ϕ(m) · ϕ(n), falls m, n teilerfremd sind.
ϕ(p k ) = p k − p k−1 , falls p eine Primzahl ist.
Barbara König
Mathematische Strukturen
132
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Mathematische Strukturen
133
Monoide, Gruppen, Körper
Wir betrachten nun grundlegende “Rechenstrukturen”. Das sind
Strukturen, mit denen man rechnen kann wie mit
(natürlichen/rationalen/reellen) Zahlen, die aber möglicherweise
andere Elemente enthalten.
Monoid
Gegeben sei eine Menge M und eine zweistellige Abbildung
◦ : M × M → M. Wir benutzen meist die Infix-Schreibweise:
◦((m1 , m2 )) = m1 ◦ m2 und bezeichnen ◦ als zweistelligen
Operator.
Dabei beantworten u.a. wir folgende Fragen:
(M, ◦) heißt Monoid, falls folgendes gilt:
Welche (gemeinsamen) Eigenschaften haben Addition und
Multiplikation?
◦ ist assoziativ, d.h., es gilt m1 ◦ (m2 ◦ m3 ) = (m1 ◦ m2 ) ◦ m3
für alle m1 , m2 , m3 ∈ M.
Wie unterscheiden sich N0 und Z?
Es gibt ein neutrales Element e ∈ M, für das gilt:
e ◦ m = m ◦ e = m für alle m ∈ M.
Kann man auch mit endlichen Mengen von Objekten rechnen?
Was sind mögliche Anwendungen in der Kryptographie?
Barbara König
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mathematische Strukturen
134
Barbara König
Mathematische Strukturen
135
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Modulo-Rechnen
Wir definieren Zn = {0, 1, . . . , n − 1} mit folgender Addition +n
und Multiplikation ·n . Seien k, ` ∈ Zn , dann gilt:
(Gegen-)Beispiele für Monoide
(N0 , +), (Z, +), (Q, +), (R, +) sind Monoide
(neutrales Element: 0)
k ·n ` = (k · `) mod n
k +n ` = (k + `) mod n
(N0 , ·), (Z, ·), (Q, ·), (R, ·) sind Monoide
(neutrales Element: 1)
(Zn , +n ) und (Zn , ·n ) sind Monoide
(mit neutralen Elementen 0 bzw. 1)
(Z, −) ist kein Monoid
(fehlende Assoziativität)
Sie spielen eine große Rolle u.a. in der Kryptographie und
Kodierungstheorie.
Barbara König
Mathematische Strukturen
136
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Barbara König
137
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Bemerkungen:
Man kann Addition/Multiplikation und Modulo-Rechnung beliebig
tauschen. Es gilt:
Additions-/Multiplikationstabellen für Z5 :
Modulo-Gesetze
(a + b) mod n = ((a mod n) + (b mod n)) mod n
+n
0
1
2
3
4
(a · b) mod n = ((a mod n) · (b mod n)) mod n
ak mod n = (a mod n)k mod n
Statt (x mod n) = (a mod n) schreibt man oft auch:
x ≡a
Barbara König
0
0
1
2
3
4
1
1
2
3
4
0
2
2
3
4
0
1
3
3
4
0
1
2
4
4
0
1
2
3
·n
0
1
2
3
4
0
0
0
0
0
0
1
0
1
2
3
4
2
0
2
4
1
3
3
0
3
1
4
2
4
0
4
3
2
1
(mod n).
Mathematische Strukturen
138
Barbara König
Mathematische Strukturen
139
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Monoide, Gruppen, Körper
In vielen Fällen (z.B. zum Lösen von Gleichungssystemen) benötigt
man beim Rechnen etwas mehr Struktur: man braucht sogenannte
Inverse.
(Gegen-)Beispiele für Gruppen
(Z, +), (Q, +), (R, +) sind Gruppen
(Inverses zu x ist −x)
Gruppe
(N0 , +) ist keine Gruppe
(fehlende Inverse)
Ein Monoid (G , ◦) mit neutralem Element e heißt Gruppe, wenn
zusätzlich zu den Monoid-Eigenschaften noch folgendes gilt:
(Q\{0}, ·), (R\{0}, ·) sind Gruppen
(Inverses zu x ist x1 )
für jedes g ∈ G gibt es ein g −1 ∈ G mit g ◦ g −1 = e.
Dabei heißt g −1 das Inverse von g .
(Q, ·), (R, ·) sind keine Gruppen
(0 hat kein Inverses)
(G , ◦) heißt kommutative Gruppe (oder abelsche Gruppe), falls
außerdem g1 ◦ g2 = g2 ◦ g1 für alle g1 , g2 ∈ G gilt.
(Z, ·), (Z\{0}, ·) sind keine Gruppen
(fehlende Inverse)
Bemerkung: In jeder Gruppe gilt nicht nur g ◦ g −1 = e, sondern
auch g −1 ◦ g = e für alle g ∈ G .
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mathematische Strukturen
140
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Barbara König
Mathematische Strukturen
141
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Am Beispiel Z4 (n = 4):
(Gegen-)Beispiele für Gruppen (Fortsetzung)
Es gilt n = 4 = 2 · 2, d.h., 4 ist keine Primzahl.
(Zn , +n ) ist eine Gruppe
m = 2 hat kein multiplikatives Inverses in Z4 , denn
ggT (2, 4) = 2 6= 1.
(Zn , ·n ) ist keine Gruppe
(0 hat kein Inverses)
Insbesondere hat die Gleichung 2 ·4 x = (2 · x) mod 4 = 1 keine
Lösung: 2 · x ist für alle x ∈ Z eine gerade Zahl und (2 · x) mod 4
ist daher ebenfalls eine gerade Zahl. D.h., man kann niemals das
Ergebnis 1 erhalten.
(Zn \{0}, ·n ) ist genau dann eine Gruppe, wenn n eine
Primzahl ist.
(Ein Element m ∈ Zn hat genau dann ein Inverses, wenn m, n
teilerfremd sind.)
Die Zahlen 1 und 3 sind allerdings teilerfremd zu n und besitzen
multiplikative Inverse in Z4 .
Barbara König
Mathematische Strukturen
142
Barbara König
Mathematische Strukturen
143
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Für die Bildung von multiplikativen Inversen in Zn benötigen wir
folgenden Satz:
Inversenbildung in (Zn , +n )
Das Inverse zu m ∈ Zn bezüglich der Addition +n ist
−n m = (−m) mod n = (n − m) mod n. Es gilt:
Satz von Euler-Fermat
Für teilerfremde Zahlen m, n ∈ N0 mit n > 1 gilt:
m +n (−n m) = (m + (−m)) mod n = 0 mod n = 0
mϕ(n) mod n = 1
Eulersche ϕ-Funktion
Barbara König
Mathematische Strukturen
144
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Barbara König
Mathematische Strukturen
145
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Inversenbildung in (Zn , ·n ) (Methode 1)
Mit dem Satz von Euler-Fermat:
m−1 = mϕ(n)−1 mod n
Beispiel: Wir berechnen das multiplikative Inverse von 3 in Z5 .
3−1 = 3ϕ(5)−1 mod 5 = 33 mod 5 = 27 mod 5 = 2
Denn es gilt
Test: 3 ·5 2 = (3 · 2) mod 5 = 6 mod 5 = 1.
m ·n m−1 = (m · mϕ(n)−1 ) mod n = mϕ(n) mod n = 1
Bemerkung: Inversenbildung funktioniert nur dann, wenn m, n
teilerfremd sind. (Ansonsten hat m kein multiplikatives Inverses.)
Diese Bedingung ist immer erfüllt, falls m 6= 0 und n eine Primzahl
ist.
Barbara König
Mathematische Strukturen
146
Barbara König
Mathematische Strukturen
147
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Inversenbildung in (Zn , ·n ) (Methode 2)
Beispiel: Wir berechnen wieder das multiplikative Inverses von 3 in
Z5 .
Das Inverse zu m ∈ Zn bezüglich der Multiplikation ·n kann auch
folgendermaßen bestimmt werden:
Löse 3 · x + 5 · y = 1:
Diophantische Gleichung m · x + n · y = 1 lösen.
Bestimme Inverses m−1 = x mod n.
ggT (3, 5) = ggT (5, 3) = ggT (2, 3) = ggT (3, 2) = ggT (1, 2)
= ggT (2, 1) = ggT (1, 1) = ggT (0, 1) = 1
Denn es gilt:
Rückwärts einsetzen: 1 = 3 − 2 = 3 − (5 − 3) = 3 · 2 + 5 · (−1)
m ·n m−1 = m ·n (x mod n) = (m · x) mod n = (1 − n · y ) mod n = 1
Wir erhalten die Lösungen x = 2, y = −1
Bestimme m−1 = x mod n = 2 mod 5 = 2.
Diese Methode funktioniert auch dann, wenn der Wert ϕ(n) nicht
einfach berechnet werden kann (z.B. wenn n sehr groß ist).
Barbara König
Mathematische Strukturen
148
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Barbara König
Mathematische Strukturen
149
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Nun betrachten wir noch eine Rechenstruktur, die zwei
(miteinander kompatible) Operationen (normalerweise + und ·)
vereint.
Körper
Tabelle der Inversen in (Z5 \{0}, ·5 ):
m
m−1
1
1
2
3
3
2
Sei (K , +, ·) ein Tupel, das aus einer Menge K und zwei
zweistelligen Operationen + und · auf K besteht.
4
4
(K , +, ·) heißt Körper, falls folgendes gilt:
(K , +) ist eine kommutative Gruppe mit neutralem Element 0.
(K \{0}, ·) ist eine kommutative Gruppe mit neutralem
Element 1.
Das Distributivgesetz gilt: das heißt, für alle a, b, c ∈ K gilt:
a · (b + c) = a · b + a · c.
Barbara König
Mathematische Strukturen
150
Barbara König
Mathematische Strukturen
151
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Monoide, Gruppen, Körper
Körperaxiome (Zusammenfassung, Teil 2)
Körperaxiome (Zusammenfassung, Teil 1)
Jedes Element hat ein additives Inverses und jedes Element,
außer 0, hat ein multiplikatives Inverses.
Für einen Körper (K , +, ·) muss gelten:
+ : K × K → K und · : K × K → K sind zweistellige
Operationen auf K .
+ und · sind kommutativ, d.h., es gilt für alle x, y ∈ K :
x +y =y +x
+ und · sind assoziativ, d.h., es gilt für alle x, y , z ∈ K :
x · (y + z) = x · y + x · z
+ hat ein neutrales Element, welches mit 0 bezeichnet wird
und · hat ein neutrales Element, welches mit 1 bezeichnet
wird.
Mathematische Strukturen
und
x ·y =y ·x
Es gilt das Distributivgesetz, d.h., für alle x, y , z ∈ K gilt
(x + y ) + z = x + (y + z) und (x · y ) · z = x · (y · z)
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
und
(x + y ) · z = x · z + y · z
(Das zweite Distributivgesetz folgt aus dem ersten aufgrund
der Kommutativität von ·.)
152
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Monoide, Gruppen, Körper
Barbara König
Mathematische Strukturen
153
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Anwendungsbeispiel: RSA
Wir betrachten eine Anwendung im Bereich der asymmetrischen
Verschlüsselung (public-key cryptography).
Das sogenannte RSA-Verfahren (benannt nach Rivest, Shamir,
Adleman) ist die Grundlage von wichtigen
Kommunikationsprotokollen im Internet. Außerdem bildet es die
Basis von elektronischen Signaturen.
(Gegen-)Beispiele für Körper
(Q, +, ·), (R, +, ·) sind Körper
(Zn , +n , ·n ) ist ein Körper, falls n eine Primzahl ist
Sender
Alice
Weitere Beispiele für Körper (auf die wir nicht mehr weiter
eingehen): komplexe Zahlen, endliche Körper (mit 4, 8, 9, . . .
Elementen), . . .
Versenden
einer
verschlüsselten
Nachricht M
Empfänger
Bob
Alice will eine Nachricht M an Bob verschicken.
Alice verwendet den öffentlichen Schlüssel von Bob zum
Verschlüsseln.
Bob verwendet seinen privaten Schlüssel zum Entschlüsseln.
Barbara König
Mathematische Strukturen
154
Barbara König
Mathematische Strukturen
155
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Anwendungsbeispiel: RSA
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Anwendungsbeispiel: RSA
2. Schritt: Verschlüsselung
Alice will eine Nachricht M an Bob verschlüsseln. Sie kodiert
diese Nachricht als eine Zahl m ∈ Zn (z.B. durch
Binärkodierung).
1. Schritt: Schlüsselerzeugung
Bob generiert zwei große Primzahlen p, q mit p 6= q und setzt
n = p · q.
Alice rechnet c = me mod n und schickt c an Bob.
Bob bestimmt ϕ(n)
(in diesem Fall gilt ϕ(n) = (p − 1) · (q − 1)).
Hier wird also in Zn gerechnet.
Bob bestimmt d, e mit (d · e) mod ϕ(n) = 1
(d.h., d, e sind in Zϕ(n) zueinander multiplikativ invers)
3. Schritt: Entschlüsselung
Bob empfängt c.
(e, n) ist der öffentliche Schlüssel, den Bob bekanntgibt.
Er rechnet m = c d mod n und erhält damit wieder die
ursprüngliche Nachricht.
(d, n) ist der private Schlüssel, den Bob geheimhält.
Wie bei der Verschlüsselung wird hier wieder in Zn gerechnet.
Barbara König
Mathematische Strukturen
156
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Anwendungsbeispiel: RSA
Mathematische Strukturen
157
Anwendungsbeispiel: RSA
Rechenbeispiel RSA
p = 5, q = 11, n = 5 · 11 = 55
Warum funktioniert RSA?
Korrektheit: Warum erhält Bob wieder die ursprüngliche Nachricht?
Das kann mit dem Satz von Euler-Fermat nachgewiesen werden.
ϕ(n) = (p − 1) · (q − 1) = 4 · 10 = 40
Wähle e = 3 und berechne das Inverse (Methode 2):
Es gilt (e · d mod ϕ(n)) = 1 und damit gibt es eine Zahl z mit
e · d = z · ϕ(n) + 1. Also entsteht beim Verschlüsseln und
anschließenden Entschlüsseln:
Löse 3 · x + 40 · y = 1, ergibt Lösungen x = −13, y = 1
Setze d = x mod 40 = (−13) mod 40 = 27
Nachricht m = 9 soll übertragen werden. Alice berechnet die
Kodierung c = 93 mod 55 = 729 mod 55 = 14.
Code c = 14 kommt an. Bob rechnet
(me mod n)d mod n = me·d mod n = mz·ϕ(n)+1 mod n
= (m · (mϕ(n) )z ) mod n = m · 1z mod n = m mod n = m
1427 mod 55 = (143 mod 55)9 mod 55
Diese Argumentation funktioniert nicht, falls m, n nicht teilerfremd
sind. In diesem Fall kann man aber anders nachweisen, dass man
dennoch das richtige Ergebnis erhält.
= (2744 mod 55)9 mod 55 = 499 mod 55
= (493 mod 55)3 mod 55 = (117649 mod 55)3 mod 55
= 43 mod 55 = 64 mod 55 = 9 = m
Barbara König
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mathematische Strukturen
158
Barbara König
Mathematische Strukturen
159
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Anwendungsbeispiel: RSA
Vektorräume und Matrizen
Warum funktioniert RSA? (Fortsetzung)
Wir betrachten nun Vektoren, die Tupel von Elementen eines
Körpers sind. Mengen von Vektoren bilden einen sogenannten
Vektorraum.
Sicherheit: Warum ist es für andere Teilnehmer (außer Bob)
schwierig, die Nachricht zu entschlüsseln?
Das liegt daran, dass man d nur dann leicht aus e berechnen kann,
wenn man ϕ(n) kennt. Um ϕ(n) zu berechnen, müsste man die
Primfaktorzerlegung von großen Zahlen n (ca. 1024–2048 Bits)
bestimmen, was sehr schwer ist.
Barbara König
Mathematische Strukturen
Vektoren sind wichtig für die Darstellung geometrischer Objekte.
Matrizen werden dazu verwendet, um (lineare) Funktionen in
Vektorräumen zu beschreiben. Sie spielen auch eine wichtige Rolle
beim Lösen von Gleichungssystemen.
160
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Barbara König
Mathematische Strukturen
161
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Vektor
Sei n ∈ N0 eine natürliche Zahl und (K , +, ·) ein Körper. Ein
Vektor u~ der Dimension n über K besteht aus n Elementen
u1 , . . . , un ∈ K des Körpers.
Vektorraum
Die Menge aller Vektoren der Dimension n über K heißt
n-dimensionaler Vektorraum über K und wird mit K n bezeichnet.
Ein Vektor wird im allgemeinen folgendermaßen dargestellt und
heißt daher auch Spaltenvektor.
 
u1
 .. 
u~ =  . 
Hinweis: es gibt noch allgemeinere Definitionen eines Vektorraums
(ähnlich zu den Definitionen von Monoid, Gruppe, Körper), die wir
hier aber nicht betrachten.
Die Operationen auf einem Vektorraum sind Addition von Vektoren
und Skalarmultiplikation, die im Folgenden betrachtet werden.
un
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Mathematische Strukturen
162
Barbara König
Mathematische Strukturen
163
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Vektorräume und Matrizen
Klassisches Beispiel: Sei n = 2 und K = R, d.h., wir betrachten
den Vektorraum R2 .
In Vektorräumen sind verschiedene Operationen definiert:
Dann handelt es sich bei den Vektoren um Punkte im
zweidimensionalen Raum. Diese werden auch durch Pfeile –
ausgehend vom Ursprung des Koordinatensystems – dargestellt.
y
−2
2
3
Addition von Vektoren
Die Addition auf Vektoren ist eine zweistelligen Operation
+ : K n × K n → K n , die folgendermaßen definiert ist:
    

u1
v1
u1 + v1
 ..   ..   .. 
 . + . = . 
1, 5
2, 5
2
un
1
−1
0
1
vn
un + vn
Dabei werden die einzelnen Körperelemente mit Hilfe der
+-Operation des Körpers verknüpft.
x
−2
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
2
Die erste Koordinate bezeichnet man dabei – wie üblich – als
x-Koordinate, die zweite als y -Koordinate.
Barbara König
164
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
165
Multiplikation mit einem Skalar
Ein Vektor u~ ∈ K n kann mit einem einzelnen Körperelement k ∈ K
multipliziert werden. Das Element k nennt man dann auch Skalar.
  

u1
k · u1
  

k ·  ...  =  ... 
un
−un
un
Mathematische Strukturen
k · un
Dabei entstehen k · u1 , . . . , k · un durch die
Multiplikationsoperation im Körper.
Dabei sind −u1 , . . . , −un die additiven Inversen im Körper.
Barbara König
Mathematische Strukturen
Vektorräume und Matrizen
Vektorraum als Gruppe
Ein Vektorraum mit der Addition ist eine kommutative Gruppe.
Das neutrale Element ist der Nullvektor ~0 und das additive Inverse
zu u~ wird mit −~
u bezeichnet:
 
 


0
u1
−u1
 


.
~0 = 
Falls u~ =  ...  , dann ist − u~ =  ...  .
 .. 
0
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
166
Barbara König
Mathematische Strukturen
167
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Wir betrachten nun bestimmte Abbildungen auf Vektorräumen:
sogenannte lineare Abbildungen.
Eigenschaften der Multiplikation mit einem Skalar
Lineare Abbildung
Seien K n , K m zwei Vektorräume. Eine Funktion ψ : K n → K m
heißt lineare Abbildung, falls folgendes gilt:
Seien u~, ~v ∈ K n Vektoren und k, ` ∈ K Skalare. Dann gilt:
k · (` · u~) = (k · `) · u~
k · (~
u + ~v ) = k · u~ + k · ~v
ψ(~
u + ~v ) = ψ(~
u ) + ψ(~v )
(k + `) · u~ = k · u~ + ` · u~
ψ(k · u~) = k · ψ(~
u)
1 · u~ = u~
Dabei ist 1 das neutrale Element der Multiplikation im Körper.
für alle u~, ~v ∈ K n
für alle u~ ∈ K n , k ∈ K
Die Multiplikation mit einem Skalar ist eine lineare Abbildung.
Auch viele der interessanten Abbildungen in der Geometrie sind
linear (z.B. Drehungen, Spiegelungen).
Barbara König
Mathematische Strukturen
168
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Barbara König
Mathematische Strukturen
169
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Wir betrachten nun Matrizen, mit denen solche linearen
Abbildungen beschrieben werden können:
Bemerkungen:
Matrix
Seien m, n ∈ N0 und K ein Körper. Eine m×n-Matrix A über K
besteht aus m · n Einträgen
Ai,j ∈ K
Eine m×n-Matrix besteht also aus m Zeilen der Länge n, oder –
anders ausgedrückt – aus n Spalten der Länge m.
Dabei heißt m Zeilendimension und n Spaltendimension der Matrix.
für i ∈ {1, . . . , m}, j ∈ {1, . . . , n}
Sie wird folgendermaßen dargestellt:

A1,1 . . .

..
A =  ...
.
Bei einem Eintrag Ai,j bezeichnet der erste Index i die Zeile, der
zweite Index j die Spalte.

A1,n
.. 
. 
Eine Matrix, für die m = n gilt, heißt quadratisch.
Am,1 . . . Am,n
Barbara König
Mathematische Strukturen
170
Barbara König
Mathematische Strukturen
171
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Matrizen können mit Vektoren mulipliziert werden.
Bemerkung:
Multiplikation einer Matrix mit einem Vektor
Wir verwenden das Summenzeichen Σ als abkürzende Schreibweise:
Kn
Sei A eine m×n-Matrix und u~ ∈
ein Vektor der Dimension n.
Dann ist A · u~ folgender Vektor aus K m :

  

A1,1 . . . A1,n
u1
A1,1 · u1 + · · · + A1,n · un

.. · ..  = 
..

...
A·~
u =  ...
.
. .
Am,1 · u1 + · · · + Am,n · un
Am,1 . . . Am,n
un
n
X
j=1
Rechenregeln für Summen
n
X
Das heißt, in der i-ten Zeile des Spaltenvektors steht der Eintrag
n
X
j=1
Barbara König
j=1
172
Vektorräume und Matrizen
aj +
(k · aj ) = k ·
Barbara König
n
X
bj
j=1
n
X
aj
j=1
Mathematische Strukturen
173
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Beispiel: Multiplikation von Matrix und Vektor in R
Merkregel:
Multiplikation einer 2 × 3-Matrix mit einem Vektor der
Dimension 3:
Die Multiplikation einer m×n-Matrix mit einem Vektor der
Dimension n ergibt einen Vektor der Dimension m.
 
1
3 4 −1  
3+2+2
7
· 0, 5 =
=
−2 2 −3
−2 + 1 + 6
5
−2
Barbara König
n
X
j=1
n
X
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
(aj + bj ) =
j=1
Ai,j · uj
Mathematische Strukturen
aj = a1 + a2 + · · · + an
Mathematische Strukturen
Multipliziere die Zeilen der Matrix nacheinander mit der
Spalte des Vektors (und addiere jeweils die
Multiplikationsergebnisse auf).
174
Barbara König
Mathematische Strukturen
175
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Matrix als lineare Abbildung
Eine m × n-Matrix A über K beschreibt eine lineare Abbildung
ψA : K n → K m wie folgt:
Beispiel: wir betrachten folgende 2 × 2-Matrix als lineare
Abbildung:
−1 2
A=
2 1
ψA (~
u ) = A · u~
Es gilt:
0
−1 2
0
−2
0
−2
A·
=
·
=
, d.h. ψA (
)=
−1
2 1
−1
−1
−1
−1
−1 2
1
−1
1
−1
1
A·
=
·
=
, d.h. ψA (
)=
0
2 1
0
2
0
2
2
−1 2
2
0
2
0
A·
=
·
=
, d.h. ψA (
)=
1
2 1
1
5
1
5
Durch Nachrechnen stellt man fest, dass tatsächlich die
Eigenschaften einer linearen Abbildung erfüllt sind. Insbesondere
gilt für eine Matrix A, Vektoren u~, ~v und einen Skalar k:
A · (~
u + ~v ) = A · u~ + A · ~v
A · (k · u~) = k · (A · u~)
Außerdem gibt es zu jeder linearen Abbildung ψ : K n → K m eine
Matrix A mit ψ = ψA .
Barbara König
176
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Barbara König
177
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Graphische Darstellung:
Graphische Darstellung:
y
y
5
5
4
4
3
3
2
2
1
−3 −2 −1
−1
1
1
2
3
4
5
6
x
−3 −2 −1
−1
−2
2
3
4
5
6
x
−2
Rote Punkte/Vektoren werden auf grüne Punkte/Vektoren
abgebildet. Darstellung der Abbildungsvorschrift durch gestrichelte
Pfeile.
Barbara König
1
Mathematische Strukturen
Lineare Abbildungen bilden Geraden auf Geraden ab. Linien werden
also erhalten. Daher stammt der Name!
178
Barbara König
Mathematische Strukturen
178
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Vektorräume und Matrizen
Zwei Matrizen gleicher Zeilen- und Spaltendimension können
addiert werden:
Matrizen als additive Gruppe
Die Menge aller m × n-Matrizen über einem Körper K bildet eine
kommutative Gruppe bezüglich der Addition.
Dabei ist die Nullmatrix N das neutrale Element und das additive
Inverse zu A ist −A:




0 ... 0
−A1,1 . . . −A1,n



.. 
..
N =  ... . . . ... 
− A =  ...
.
. 
Addition von Matrizen
Seien A, B m × n-Matrizen. Dann hat C = A + B folgendes
Aussehen:

 
 

A1,1 . . . A1,n
B1,1 . . . B1,n
C1,1 . . . C1,n
 ..
.. + ..
..  =  ..
.. 
..
..
..
 .
.
.
.
.   .
.   .
. 
Am,1 . . . Am,n
Bm,1 . . . Bm,n
Cm,1 . . . Cm,n
Mathematische Strukturen
−Am,1 . . . −Am,n
0 ... 0
mit Ci,j = Ai,j + Bi,j .
Die Addition erfolgt komponentenweise.
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
179
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Barbara König
Mathematische Strukturen
180
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Matrizen können auch miteinander multipliziert werden.
Multiplikation von Matrizen
Sei A eine m × n-Matrix und B eine n × r -Matrix. Dann ist
C = A · B eine m × r -Matrix und hat folgendes Aussehen:

 
 

A1,1 . . . A1,n
B1,1 . . . B1,r
C1,1 . . . C1,r
 ..
..  ·  ..
..  =  ..
.. 
..
..
..
 .
.
.
.
.   .
.   .
. 
Am,1 . . . Am,n
Bn,1 . . . Bn,r
mit
Ci,j =
n
X
`=1
Barbara König
Merkregel:
Multipliziere die Zeilen der ersten Matrix (A) mit den Spalten
der zweiten Matrix (B).
Um in der Ergebnismatrix C den Eintrag Ci,j zu erhalten,
multipliziere die i-te Zeile der ersten Matrix (A) mit der j-ten
Spalte der zweiten Matrix (B) und addiere jeweils die
Multiplikationsergebnisse auf.
Cm,1 . . . Cm,r
Ai,` · B`,j
Mathematische Strukturen
181
Barbara König
Mathematische Strukturen
182
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Vektorräume und Matrizen
Alternative Beschreibung: teile B in r (Spalten-)Vektoren auf
B = ~b1 . . . ~br
Beispiel: Matrixmultiplikation in R
Multiplikation einer 2 × 3-Matrix mit einer 3 × 2-Matrix:
Multipliziere diese Spaltenvektoren dann einzeln. Die entstehenden
Spaltenvektoren werden dabei von links nach rechts
nebeneinandergeschrieben.
A · B = A · ~b1 . . . ~br = A · ~b1 . . . A · ~br

1
0
3 4 −1 
· 0, 5 −3
−2 2 −3
−2 −1
3 + 2 + 2 0 − 12 + 1
7 −11
=
=
−2 + 1 + 6 0 − 6 + 3
5 −3
Multiplikation einer Matrix mit einem Vektor ist daher ein
Spezialfall der Matrizenmultiplikation.
Barbara König
183
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
In dem Feld rechts von der ersten Matrix A und unterhalb der
zweiten Matrix B entsteht dann die neue Matrix C .

1
−1 
· 0, 5
−3
−2

0
7

−3 =
5
−1
−11
−3
Barbara König
Barbara König
Mathematische Strukturen
184
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
A · (B · C ) = (A · B) · C
Ein Eintrag von C entsteht dadurch, dass die entsprechende
Zeile von A und Spalte von B miteinander multipliziert
werden.
4
2

Assoziativität der Matrizenmultiplikation
Matrixmultiplikation ist assoziativ. D.h., falls A eine m × n-Matrix,
B eine n × r -Matrix und C eine r × s-Matrix ist, dann gilt:
Die zweite Matrix B wird nach oben verschoben.
3
−2
Vektorräume und Matrizen
Merkregel Falk-Schema: Folgende “Eselsbrücke” hilft bei der
Matrizenmultiplikation A · B = C
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
3
-2
4
2
-1
-3
Mathematische Strukturen
1
0,5
-2
7
5
Es macht keinen Sinn zu fragen, ob die Menge aller Matrizen
beliebiger Dimension ein Monoid oder eine Gruppe bezüglich der
Multiplikation ist. Es läßt sich nicht jede Matrix mit jeder Matrix
verknüpfen, da die Dimensionen übereinstimmen müssen.
0
-3
-1
-11
-3
Diese Frage macht nur Sinn für quadratische Matrizen fester
Dimension.
185
Barbara König
Mathematische Strukturen
186
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Eigenschaften quadratischer Matrizen (I)
Die Menge aller quadratischen n × n-Matrizen bildet ein
Monoid mit der Multiplikationsoperation.
Eigenschaften quadratischer Matrizen (II)
Insbesondere gibt es ein neutrales Element der Multiplikation,
die sogenannte Einheitsmatrix En :


1 ... 0


En =  ... . . . ... 
Nicht jede quadratische Matrix A hat ein multiplikatives
Inverses A−1 . Matrizen, die kein multiplikatives Inverses
haben, heißen singulär.
Matrizenmultiplikation ist außerdem nicht kommutativ.
0 ... 1
Diese Matrix hat Einsen in der Diagonale von links oben nach
rechts unten und besteht ansonsten nur aus Nullen.
Barbara König
Mathematische Strukturen
187
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Barbara König
Mathematische Strukturen
188
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Beispiel 2: Nicht-Existenz von Inversen
Die Nullmatrix, aber auch viele andere Matrizen haben kein
Inverses. Wir betrachten folgende Matrix A:


1 0 0
A = 0 0 0 
0 0 0
Beispiel 1: Multiplikation mit der Einheitsmatrix

−2 3

E3 · 0, 5 7
1 1

−2 + 0 + 0

= 0 + 0, 5 + 0
0+0+1
 
 

1
1 0 0
−2 3 1
−3 = 0 1 0 · 0, 5 7 −3
0
0 0 1
1 1 0
 

3+0+0
1+0+0
−2 3 1
0 + 7 + 0 0 + (−3) + 0 = 0, 5 7 −3
0+0+1
0+0+0
1 1 0
Es gibt keine 3 × 3-Matrix B, so dass A · B die Einheitsmatrix ist:

 

1 0 0
B1,1 B1,2 B1,3
A · B = 0 0 0 · B2,1 B2,3 B2,3 
B3,1 B3,2 B3,3
0 0 0

 

B1,1 B1,2 B1,3
1 0 0
0
0  6= 0 1 0 = E3
= 0
0
0
0
0 0 1
Für jede n × n-Matrix A gilt sowohl En · A = A, als auch A · En = A.
Barbara König
Mathematische Strukturen
189
Barbara König
Mathematische Strukturen
190
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Vektorräume und Matrizen
Die Multiplikation von zwei Matrizen entspricht der Verknüpfung
der dazugehörigen linearen Abbildungen.
Matrixmultiplikation und Verknüpfung linearer Abbildungen
Sei A eine m × n-Matrix über und ψA : K n → K m die dazugehörige
lineare Abbildung mit ψA (~
u ) = A · u~. Analog sei B eine
r
n × r -Matrix und ψB : K → K n die dazugehörige lineare
Abbildung.
Beispiel 3: Nicht-Kommutativität der Matrizenmultiplikation

 
1 2 0
1 −1
3 1 2 · 0 0
0 3 1
0 2

 
−2 1 −2
1



6= 0 0 0
= 0
6 2 4
0
 

0
1 −1 0
0  = 3 1 0 
0
0 2 0
 

−1 0
1 2 0
0 0  · 3 1 2 
2 0
0 3 1
Dann beschreibt die Matrix C = A · B folgende lineare Abbildung
ψC : K r → K m mit
ψC (~
u ) = (A · B) · u~ = A · (B · u~) = A · ψB (~
u ) = ψA (ψB (~
u ))
und damit gilt ψC = ψA·B = ψA ◦ ψB .
Das beruht im wesentlichen auf der Assoziativität der
Matrixmultiplikation.
Barbara König
Mathematische Strukturen
191
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
192
Erzeugendensystem
Gegeben sei ein n-dimensionaler Vektorraum über einem Körper K .
Eine Menge S = {~v1 , . . . , ~vm } von Vektoren heißt
Erzeugendensystem des Vektorraums, falls sich jeder Vektor
u~ ∈ K n als Linearkombination von Vektoren aus S darstellen läßt.
D.h., für jeden Vektor u~ gibt es Skalare k1 , . . . , km ∈ K , so dass
gilt:
u~ = k1 · ~v1 + · · · + km · ~vm
Das hat auch Beziehungen zur Berechnung von multiplikativen
Inversen einer Matrix und zum Lösen von Gleichungssystemen.
Mathematische Strukturen
Mathematische Strukturen
Erzeugendensysteme und Basen
Wir betrachten nun Konzepte, mit denen man einen Vektorraum
aus einigen wenigen Vektoren, sogenannten Basisvektoren erzeugen
kann.
Barbara König
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
193
Barbara König
Mathematische Strukturen
194
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Bemerkung: Die Beziehung
Beispiel 1: die Menge
u~ = k1 · ~v1 + · · · + km · ~vm
2
0
1
S ={
,
,
}
0
1
1
kann auch dargestellt werden als
ist ein Erzeugendensystem für den Vektorraum R2 . Ein Vektor u~
läßt sich immer folgendermaßen darstellen:
u1
0
1
u1
2
u~ =
=
·
+ u2 ·
+0·
u2
0
1
1
2
u~ = ~v1
|


k1
 
. . . ~vm ·  ... 
{z
}
km
V
wobei V = ~v1 . . . ~vm eine Matrix ist, die aus den
Spaltenvektoren ~v1 , . . . , ~vm zusammengesetzt ist.
D.h., eine Multiplikation einer Matrix mit einem Vektor ergibt eine
Linearkombination der Spalten der Matrix.
Barbara König
Mathematische Strukturen
195
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
196
Beispiel 2: die Menge
   
1
0



S = { 0 , 1}
0
0
Linear unabhängige Menge
Gegeben sei ein n-dimensionaler Vektorraum über einem Körper K .
Eine Menge S = {~v1 , . . . , ~vm } von Vektoren heißt linear
unabhängig, falls sich kein Vektor ~v aus S als Linearkombination
der anderen Vektoren darstellen läßt.
Mathematische Strukturen
Mathematische Strukturen
Erzeugendensysteme und Basen
Die Menge S im vorherigen Beispiel enthält überflüssige Elemente,
mindestens ein Vektor ist redundant. Beispielsweise kann der dritte
Vektor durch die beiden ersten dargestellt werden.
Barbara König
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
ist linear unabhängig im R3 , sie ist jedoch kein Erzeugendensystem.
197
Barbara König
Mathematische Strukturen
198
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Alternative Definition für linear unabhängig:
Eine Menge S = {~v1 , . . . , ~vm } von Vektoren ist linear unabhängig,
wenn für beliebige Skalare k1 , . . . , km ∈ K aus
Basis
Gegeben sei ein n-dimensionaler Vektorraum über einem Körper K .
Eine Menge B = {~b1 , . . . , ~bm } von Vektoren heißt Basis, falls sie
gleichzeitig ein Erzeugendensystem und linear unabhängig ist.
k1 · ~v1 + · · · + km · ~vm = ~0
immer k1 = · · · = km = 0 folgt.
Das heißt, man kann den Nullvektor nur auf eine Weise als
Linearkombination von linear unabhängigen Vektoren darstellen:
indem man alle Skalare mit 0 belegt.
In Kombination mit Lösungsverfahren für Gleichungssysteme (
Gaußsches Eliminationsverfahren, wird im Anschluss behandelt),
erhält man dadurch eine Methode, um zu überprüfen, ob eine
Menge von Vektoren linear unabhängig ist.
Barbara König
Mathematische Strukturen
199
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
     
1
0
−2





B3 = { 0 , 2 , 2 }
0
1
1
     
2
0
−2
B2 = {0 , 3 ,  0 }
0
0
1
ist keine Basis des R3 , denn ihre Vektoren sind nicht linear
unabhängig. Insbesondere kann man den dritten Vektor durch
Linearkombination der anderen beiden Vektoren darstellen:
 
 
 
−2
1
0
 2  = (−2) · 0 + 1 · 2
1
0
1
sind beides Basen des R3 .
Für B1 ist dies relativ offensichtlich. Aus B2 kann man einfach die
Elemente von B1 (die sogenannten Einheitsvektoren) bestimmen
und außerdem sind die drei Vektoren linear unabhängig.
Mathematische Strukturen
200
Beispiel 3: die Menge
     
1
0
0
B1 = {0 , 1 , 0}
0
0
1
Barbara König
Mathematische Strukturen
Erzeugendensysteme und Basen
Beispiel 3: die Mengen
und
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
201
Barbara König
Mathematische Strukturen
202
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Bemerkungen:
Wenn B eine Basis des K n ist, dann gibt es für jeden Vektor
des K n genau eine Möglichkeit, diesen als Linearkombination
von Vektoren aus B darzustellen.
Einheitsvektoren
Gegeben sei ein n-dimensionaler Vektorraum über einem Körper K
und sei i ∈ {1, . . . , n}. Der i-te Einheitsvektor e~i ist der Vektor,
der an der i-ten Stelle eine 1 hat und sonst nur aus Nullen besteht.
 
 
1
0
0
 .. 
 
 
e~1 =  . 
...
e~n =  . 
 .. 
0
0
1
Die Einheitsvektoren bilden immer eine Basis des K n . Für
jeden Vektor u~ gilt:
 
u1
 .. 
u~ =  .  = u1 · e~1 + · · · + un · e~n
un
Die Einheitsvektoren sind jedoch nicht die einzige Basis.
Barbara König
Mathematische Strukturen
203
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Barbara König
Mathematische Strukturen
204
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Weitere Bemerkungen:
Weitere Bemerkungen:
Kn
Ein Erzeugendensystem des
besteht immer aus mindestens
n Vektoren. Eine Menge, die weniger als n Vektoren enthält,
kann also kein Erzeugendensystem sein.
Eine Basis des K n besteht immer aus genau n Vektoren.
Eine linear unabhängige Menge mit n Vektoren ist immer eine
Basis des K n .
Eine linear unabhängige Menge im K n besteht immer aus
höchstens n Vektoren. Eine Menge, die mehr als n Vektoren
enthält, ist also immer linear abhängig.
Barbara König
Mathematische Strukturen
Ein Erzeugendensystem mit n Vektoren ist auch immer eine
Basis des K n .
205
Barbara König
Mathematische Strukturen
206
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Erzeugendensysteme und Basen
Wir können nun die Frage beantworten, wann eine quadratische
Matrix A invertierbar ist.
Aus den letzten beiden Bemerkungen ergeben sich zwei einfache
Verfahren, um festzustellen, ob eine Menge B ⊆ K n von Vektoren
eine Basis des K n ist oder nicht:
Angenommen die Matrix A ist invertierbar, d.h., es gibt ein
multiplikatives Inverses A−1 mit A · A−1 = En . Wir betrachten A−1
als aufgebaut aus einzelnen
Spaltenvektoren ~a1 , . . . , ~an , d.h.
−1
A = ~a1 . . . ~an . Dann gilt:
Man überprüft, ob B genau n Vektoren enthält und ob diese
Vektoren ein Erzeugendensystem sind.
A · A−1 = A · ~a1 . . . ~an = A · ~a1 . . . A · ~an = e~1 . . . e~n
Oder: Man überprüft, ob B genau n Vektoren enthält und ob
diese Vektoren linear unabhängig sind.
Es gilt also A · ~ai = e~i für i ∈ {1, . . . , n}. Das bedeutet, dass man
aus den Spalten von A durch Linearkombination jeden
Einheitsvektor (und damit auch jeden anderen Vektor) erhalten
kann.
Insbesondere kann eine Menge von Vektoren, die mehr oder
weniger als n Vektoren enthält, niemals eine Basis sein.
Barbara König
Mathematische Strukturen
207
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Mathematische Strukturen
208
Zusammenfassend gilt also:
Invertierbare Matrizen und Basen
Eine n × n-Matrix A über einem Körper K ist invertierbar, genau
dann, wenn die Spalten von A eine Basis des K n bilden.
Umgekehrt gilt auch, dass es zu einer Matrix, deren
Spaltenvektoren eine Basis bilden, Vektoren ~a1 , . . . , ~an gibt, die die
obigen Eigenschaften haben und aus denen man eine inverse
Matrix konstruieren kann. (Wie man diese Vektoren berechnen
kann, besprechen wir später.)
Mathematische Strukturen
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Erzeugendensysteme und Basen
Die Menge der Spaltenvektoren von A ist damit ein
Erzeugendensystem und – da sie aus genau n Vektoren besteht –
eine Basis.
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Man sagt dann auch, die Matrix hat den vollen Rang.
209
Barbara König
Mathematische Strukturen
210
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Wir betrachten nun ein Verfahren zum Lösen von
Gleichungssystemen.
Trotzdem bleiben noch viele offene Fragen:
Gegeben sei eine m × n-Matrix A und ein m-dimensionaler Vektor
~b. Gesucht ist ein n-dimensionaler Vektor ~x , der folgende
Gleichung erfüllt:
A · ~x = ~b
Wie berechnet man ~x ? (Wir haben ja noch kein Verfahren,
um das multiplikative Inverse einer Matrix zu bestimmen.)
Was passiert, wenn A nicht quadratisch oder nicht invertierbar
ist?
Wenn A quadratisch (m = n) und zudem noch invertierbar ist,
dann kann man zeigen, dass es genau eine Lösung ~x gibt: man
multipliziert die obige Gleichung auf beiden Seiten mit A−1 :
Kann eine Gleichung evtl. mehrere Lösungen haben?
Kann eine Gleichung evtl. keine Lösung haben?
A−1 · A · ~x = A−1 · ~b und daraus folgt wegen
A−1 · A · ~x = En · ~x = ~x , dass ~x = A−1 · ~b.
Barbara König
Mathematische Strukturen
211
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Beispiel 1: Gleichungssystem mit einer Lösung
3 · x1 + 4 · x2 = 2
    
. . . A1,n
x1
b1




..
.
. 
..
.
.  ·  ..  =  .. 
. . . Am,n
xn
bm
x1 − 3 · x2 = 5
Man kann dieses Gleichungssystem durch “geschicktes” Einsetzen
lösen: zweite Gleichung wird umgeformt in x1 = 5 + 3 · x2 ,
eingesetzt in die erste Gleichung ergibt
und das ist gleichbedeutend damit, dass das folgende
Gleichungssystem eine Lösung hat:
3 · (5 + 3 · x2 ) + 4 · x2 = 15 + 13 · x2 = 2
A1,1 · x1 + · · · + A1,n · xn = b1
..
.
und daraus folgt x2 = −1. Daher: x1 = 5 + 3 · x2 = 5 + 3 · (−1) = 2.
Am,1 · x1 + · · · + Am,n · xn = bm
Barbara König
Mathematische Strukturen
212
In den folgenden Beispielen arbeiten wir im Körper R.
A · ~x = ~b
Am,1
Mathematische Strukturen
Gaußsches Eliminationsverfahren
Wir betrachten eine Gleichung in “ausgeschriebener” Form:
wird geschrieben als

A1,1
 ..
 .
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Die (einzige) Lösung ist damit x1 = 2, x2 = −1.
213
Barbara König
Mathematische Strukturen
214
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Gaußsches Eliminationsverfahren
Für dieses Beispiel gilt:
A=
Beispiel 2: Gleichungssystem ohne Lösung
3 4
1 −3
~b =
2
5
x1 + 2 · x2 = 3
−2 · x1 − 4 · x2 = 1
und A hat das multiplikative Inverse
3
13
1
13
A−1 =
4
13
3
− 13
Man sieht, dass man −2 · x1 − 4 · x2 erhält, indem man x1 + 2 · x2
mit −2 multipliziert. Also müsste auch das Ergebnis rechts unten
(= 1) ein entsprechendes Vielfaches des Ergebnisses rechts oben
(= 3) sein. Das ist aber nicht der Fall.
Daher hat das Gleichungssystem keine Lösung.
!
(Wir werden noch sehen, wie man solche Inverse tatsächlich
berechnen kann.)
Hier sieht man, dass die Matrix
1
2
A=
−2 −4
Test:
−1
~x = A
· ~b =
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
3
13
1
13
4
13
3
− 13
! 2
·
=
5
Barbara König
26
13
13
− 13
!
=
2
−1
Mathematische Strukturen
aus linear abhängigen Spaltenvektoren besteht und nicht den vollen
Rang hat. Sie ist also nicht invertierbar.
215
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Barbara König
Mathematische Strukturen
216
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Beispiel 3: Gleichungssystem mit mehreren Lösungen
Wir betrachten nun ein allgemeines Verfahren, um solche
Gleichungssystem zu lösen: das Gaußsche Eliminationsverfahren.
Der Einfachheit halber stellen wir ein Gleichungssystem
folgendermaßen dar:
x1 + 2 · x2 = 3
−2 · x1 − 4 · x2 = −6
Die untere Gleichung ist ein Vielfaches der oberen Gleichung
(Faktor −2). Also ist die untere Gleichung redundant und wir
müssen alle Lösungen der oberen Gleichung bestimmen. Es gilt
x1 = 3 − 2 · x2 , also hat die Lösung ~x die Form:
x1
3 − 2 · x2
3
−2
~x =
=
=
+ x2 ·
x2
x2
0
1
A1,1 · x1 + · · · + A1,n · xn = b1
..
.
Am,1 · x1 + · · · + Am,n · xn = bm
entspricht
A1,1
..
.
Dabei kann x2 ∈ R beliebig gewählt werden und wir haben
unendlich viele Lösungen.
Am,1
. . . A1,n
..
..
.
.
. . . Am,n
b1
..
.
bm
Wie in Beispiel 2 ist die Matrix nicht invertierbar.
Barbara König
Mathematische Strukturen
217
Barbara König
Mathematische Strukturen
218
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Gaußsches Eliminationsverfahren
Das Gaußsche Eliminationsverfahren basiert auf folgenden
Beobachtungen:
Ziel: wir bringen das Gleichungssystem durch die oben
beschriebenen Umformungen auf folgende Form (obere
Dreiecksform):
Wenn man zwei Zeilen vertauscht, so ändern sich dadurch die
Lösungen nicht.
A1,1 A1,2 . . . A1,k
0
A2,2 . . . A2,k
..
..
..
..
.
.
.
.
0
...
0 Ak,k
0
...
..
..
.
.
0
...
Wenn man eine Zeile mit einem Wert ungleich 0 multipliziert,
so ändern sich dadurch die Lösungen nicht.
Wenn man das Vielfache einer Zeile zu einer anderen Zeile
addiert (von einer anderen Zeile subtrahiert), so ändern sich
dadurch die Lösungen nicht.
Wenn man zwei Spalten i, j vertauscht, so ändert sich
dadurch die Reihenfolge der Variablen (Wert von xi wird mit
Wert von xj vertauscht). Das kann man sich merken und am
Ende wieder in Ordnung bringen.
Barbara König
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
. . . A1,n
. . . A2,n
..
..
.
.
. . . Ak,n
0
..
.
0
b1
b2
..
.
bk
bk+1
..
.
bm
wobei A1,1 = 1, A2,2 = 1, . . . , Ak,k = 1
219
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Barbara König
Mathematische Strukturen
220
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Bei einer m × n-Matrix A läuft das Gaußsche Eliminationsverfahren
in n Schritten ab. In jedem Schritt wird eine weitere Spalte in die
gewünschte Form gebracht.
Bemerkung:
Gaußsches Eliminationsverfahren (i-ter Schritt)
Es handelt sich dabei um eine Matrix mit Einsen auf der (nicht
notwendigerweise durchgehenden) Diagonale, bei der unterhalb der
Diagonale nur Nullen stehen.
Angenommen die Spalten 1, . . . , i − 1 sind schon in der
gewünschten Form. Dann sieht die Matrix folgendermaßen aus:
1 A1,2 . . . A1,i
0
1
. . . A2,i
..
.. . .
..
.
.
.
.
0 ...
0
Ai,i
0 ...
0 Ai+1,i
.. . .
..
..
.
.
.
.
0 ...
0
Am,i
Außerdem kommen ab der k + 1-sten Zeile nur noch Nullen vor.
Dieser Block von Nullen kann auch vollkommen fehlen.
Aus obiger Form kann man dann relativ einfach alle Lösungen
ablesen.
Barbara König
Mathematische Strukturen
221
Barbara König
...
...
..
.
A1,n
A2,n
..
.
. . . Ai,n
. . . Ai+1,n
..
..
.
.
. . . Am,n
b1
b2
..
.
bi
bi+1
..
.
bm
Mathematische Strukturen
222
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Wir betrachten nun Ai,i , das sogenannte Pivotelement.
Pivotelement Ai,i 6= 0
In diesem Fall hat Ai,i ein multiplikatives Inverses A−1
i,i (wir
arbeiten in einem Körper!).
Pivotelement Ai,i 6= 0 (Fortsetzung)
Wir behandeln nun jede Zeile j (mit j > i): wir multiplizieren die
i-te Zeile mit Aj,i und ziehen sie von der j-ten Zeile ab.
A−1
i,i ,
Wir multiplizieren die i-te Zeile mit
wodurch das
Pivotelement nun den Wert 1 hat. Wir haben folgende Situation:
1 A1,2 . . . A1,i
0
1
. . . A2,i
.. . .
..
..
.
.
.
.
0 ...
0
1
0 ...
0 Ai+1,i
.. . .
..
..
.
.
.
.
0 ...
0
Am,i
Barbara König
...
...
..
.
A1,n
A2,n
..
.
. . . Ai,n
. . . Ai+1,n
..
..
.
.
. . . Am,n
Dadurch ergibt sich folgende Zeile:
b1
b2
..
.
0
0
(Aj,i −Aj,i ·1)
...
(Aj,n −Aj,i ·Ai,n ) | (bj −Aj,i ·bi )
und es gilt Aj,i − Aj,i · 1 = 0.
Damit ist die i-te Spalte jetzt in der richtigen Form.
bi
bi+1
..
.
bm
Mathematische Strukturen
223
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Barbara König
Mathematische Strukturen
224
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Pivotelement Ai,i = 0 (Fall 2)
Falls das Pivotelement Ai,i den Wert 0 hat, so hat es kein
multiplikatives Inverses und wir können das vorherige Verfahren
nicht anwenden. Wir unterscheiden zwei Fälle:
Angenommen es gibt kein Element Aj,i (mit j > i) unterhalb von
Ai,i mit Aj,i 6= 0. D.h., alle Elemente in dieser Spalte, angefangen
mit Ai,i , sind gleich Null.
Pivotelement Ai,i = 0 (Fall 1)
Dann betrachten wir das Rechteck rechts unten in der Matrix:
Angenommen es gibt ein Element Aj,i (mit j > i) unterhalb von
Ai,i mit Aj,i 6= 0.
Ai,i
Ai+1,i
..
.
Dann vertausche die i-te und die j-te Zeile und fange mit dem
i-ten Schritt wieder von vorne an.
(Achtung: die Elemente bi , bj in der rechten Spalte müssen auch
getauscht werden.)
Barbara König
...
Mathematische Strukturen
Am,i
. . . Ai,n
. . . Ai+1,n
..
..
.
.
. . . Am,n
bi
bi+1
..
.
bm
Falls alle Elemente Aj,` (mit j ≥ i und ` ≥ i) gleich Null sind, dann
hält das Verfahren an.
225
Barbara König
Mathematische Strukturen
226
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Gaußsches Eliminationsverfahren
Ablesen der Lösung:
Pivotelement Ai,i = 0 (Fall 2) (Fortsetzung)
Ansonsten finde eine Spalte `, in der es einen Wert Aj,` 6= 0 gibt
(mit j ≥ i, ` ≥ i) und vertausche die Spalte i und die Spalte `.
Beginne mit dem i-ten Schritt wieder von vorne.
Mathematische Strukturen
Umgeformtes Gleichungssystem
Keine Lösung
Wir betrachten zunächst den unteren Block, in dem nur Nullen
stehen. Falls eines der Elemente bk+1 , . . . , bm ungleich Null ist, so
hat das Gleichungssystem keine Lösung.
Diese Vertauschung muss gemerkt und später wieder rückgängig
gemacht werden!
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
227
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Barbara König
Mathematische Strukturen
228
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Umgeformtes Gleichungssystem
Umgeformtes Gleichungssystem
Lösung bestimmen
Ansonsten betrachte den oberen Block mit
A1,1 = 1, A2,2 = 1, . . . , Ak,k = 1
A1,1 A1,2 . . . A1,k
0
A2,2 . . . A2,k
..
..
..
..
.
.
.
.
0
...
0 Ak,k
. . . A1,n
. . . A2,n
..
..
.
.
. . . Ak,n
Lösung bestimmen (Fortsetzung)
Die j-te Zeile entspricht folgender Gleichung:
xj + Aj,j+1 · xj+1 + · · · + Aj,n · xn = bj
b1
b2
..
.
Es gilt
xj = bj − Aj,j+1 · xj+1 − · · · − Aj,n · xn
bk
Setze dabei für xj+1 , . . . , xn möglicherweise bereits berechneten
Werte ein.
und behandle die Zeilen von unten nach oben wie im Folgenden
beschrieben.
Barbara König
Mathematische Strukturen
229
Barbara König
Mathematische Strukturen
230
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Nachbehandlung
Zuletzt mache noch die gemerkten Vertauschungen rückgängig.
Dadurch erhält man die Werte von x1 , . . . , xn , wobei
gegebenenfalls Variablen xj in der Darstellung übrigbleiben. Diese
bleiben stehen und repräsentieren beliebige Körperelemente.
Dies passiert immer dann, wenn der obere Block nicht quadratisch
ist und die Diagonale daher nicht ganz durchgeht.
Bemerkungen:
Insgesamt erhält man eine Menge von Lösungsvektoren ~x , die wie
folgt dargestellt werden können:
Ein Pivotelement ist günstig, wenn es ein einfach zu handhabendes
multiplikatives Inverses hat. Am besten ist natürlich die Eins als
Pivotelement.
Beim Zeilen- bzw. Spaltentausch hat man meist mehrere
Möglichkeiten. In diesem Fall tauscht man mit der Zeile, die das
günstigste Pivotelement liefert.
~x ∈ {~
u + xj1 · ~v1 + · · · + xjr · ~vr | xjk ∈ R}
Falls u~ = ~0 (das passiert, falls ~b = ~0), dann ist die Lösungsmenge
ein Vektorraum und ~v1 , . . . , ~vr eine Basis dieses Vektorraums.
Barbara König
Mathematische Strukturen
231
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Barbara König
Mathematische Strukturen
232
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Beispiel 4:
Anfangssituation:
Wir lösen folgendes Gleichungssystem in R:
0 0
3
1
3
3 4 −2
3
4
6 8
1 −1 −13
+3 · x3 +x4
=3
3 · x1 +4 · x2 −2 · x3 +3 · x4 = 4
6 · x1 +8 · x2 +x3
−x4
= −13
Schritt 1(a): Zeile 1 und Zeile 2 vertauschen, um Pivotelement
ungleich 0 zu erhalten
In Matrixschreibweise:
 




x1
0 0 3
1
3
x2 
3 4 −2 3  ·   =  4 
x3 
6 8 1 −1
−13
x4
Barbara König
Mathematische Strukturen
3 4 −2
3
4
0 0
3
1
3
6 8
1 −1 −13
233
Barbara König
Mathematische Strukturen
234
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Schritt 1(b): Zeile 1 mit
zu machen
1
0
6
1
3
Gaußsches Eliminationsverfahren
Schritt 2(a): Spalte 2 und Spalte 4 vertauschen, um Pivotelement
ungleich 0 zu erhalten. (Spaltenvertauschung merken!)
multiplizieren, um Pivotelement zu eins
4
3
− 23
0
8
4
3
1
3
1
3
1 −1 −13
1
0
0
0
0
− 23
0
1
0 −7
Mathematische Strukturen
0
3
0 −21
Schritt 2(b): Rechne “(Zeile 3) − (−7)· (Zeile 2)”
1 1 − 23
3
1
3
5 −7 −21
Barbara König
3
5
4
3
Das Pivotelement ist bereits 1.
4
3
1
4
3
1 − 23
1
Schritt 1(c): Rechne “(Zeile 2) − 0· (Zeile 1)” und
“(Zeile 3) − 6· (Zeile 1)”
4
3
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
0 1
0 0
235
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
3
26
Barbara König
4
3
4
3
0
0
3
0
236
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Bestimmung der Lösung:
Schritt 2(c): Zeile 3 mit
zu machen
1
26
multiplizieren, um Pivotelement zu eins
1 1 − 32
0 1
0 0
3
1
4
3
4
3
0
0
3
0
Zeile 3: x3 = 0
Zeile 2: x2 + 3 · x3 = 3, also x2 = 3 − 3 · x3 = 3 − 0 = 3
Zeile 1: x1 + x2 − 23 · x3 + 43 · x4 = 34 ,
also x1 =
Damit ist das Gleichungssystem in der gewünschten Form.
Mathematische Strukturen
− x2 + 23 · x3 − 43 · x4 =
4
3
− 3 + 0 − 43 · x4 = − 53 − 43 · x4 .
Vertauschungen rückgängig machen: wir müssen noch x2 und x4
zurücktauschen, es ergibt sich damit
Existenz der Lösung: es gibt keinen Block von Nullen, daher
existiert eine Lösung.
Barbara König
4
3
5 4
x1 = − − · x2
3 3
237
x2 beliebig
Barbara König
x3 = 0
Mathematische Strukturen
x4 = 3
238
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
Beispiel 2 (noch einmal):
Vektorschreibweise:
   5
x1
−3
x2  
 
~x = 
x3  = 
x4
x1 + 2 · x2 = 3
  5
 4
− 43 · x2
−3
−3





x2
 =  0  + x2 ·  1 
  0 
 0 
0
3
3
0
−2 · x1 − 4 · x2 = 1
Anfangssituation:
Dieses Gleichungssystem hat unendlich viele Lösungen, eine für
jede Belegung von x2 mit einer reellen Zahl.
Barbara König
Mathematische Strukturen
1
2 3
−2 −4 1
239
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Gaußsches Eliminationsverfahren
240
Bemerkung:
Das Gaußsche Eliminationsverfahren kann nicht dazu benutzt
werden, um diophantische Gleichungen zu lösen.
1 2 3
0 0 7
Dort sucht man nach Lösungen in den ganzen Zahlen Z. Die
ganzen Zahlen mit der Addition und Multiplikation bilden jedoch
keinen Körper (fehlende multiplikative Inverse!).
Existenz der Lösung: Im unteren Block der Nullen ist das Element
in der rechten Spalte ungleich Null (7). Daher existiert keine
Lösung.
Mathematische Strukturen
Mathematische Strukturen
Gaußsches Eliminationsverfahren
Schritt 1: Rechne “(Zeile 2) − (−2)·(Zeile 1)”
Barbara König
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Das Gaußsche Eliminationsverfahren ist jedoch für jeden beliebigen
Körper (z.B. (Zp , +p , ·p ), p Primzahl) anwendbar.
241
Barbara König
Mathematische Strukturen
242
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Multiplikatives Inverses einer Matrix
Multiplikatives Inverses einer Matrix
Damit A−1 das Inverse von A ist, muss gelten:
Mit Hilfe des Gaußschen Eliminationsverfahrens kann man nun das
multiplikative Inverse einer Matrix bestimmen.
A · A−1 = A · ~a1 . . . ~an = A · ~a1 . . . A · ~an


1 ... 0


= En =  ... . . . ...  = e~1 . . . e~n
Gegeben sei eine quadratische Matrix


A1,1 . . . A1,n

.. 
..
A =  ...
.
. 
An,1 . . . An,n
0 ... 1
Man stellt sich vor, dass das multiplikative Inverse A−1 aus
Spaltenvektoren ~a1 , .. . , ~an zusammengesetzt ist und schreibt
A−1 = ~a1 . . . ~an .
Also gilt für jedes i ∈ {1, . . . , n}: A · ~ai = e~i
Dabei ist e~i der i-te Einheitsvektor.
Man muss also n Gleichungssysteme mit jeweils n Gleichungen
lösen. Existieren für alle Gleichungssysteme Lösungen, so erhält
man die Inverse A−1 . Anderenfalls gibt es keine Inverse.
(Siehe auch den Abschnitt über Erzeugendensysteme und Basen
Invertierbare Matrizen und Basen .)
Barbara König
Mathematische Strukturen
243
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Multiplikatives Inverses einer Matrix
3 · y1 + 4 · y2 = 0
y1 − 3 · y2 = 1
Das ergibt die Lösungen y1 =
A−1 = ~a1 ~a2
x1 − 3 · x2 = 0
Barbara König
1
13 .
Mathematische Strukturen
4
13
3
und y2 = − 13
.
Insgesamt erhält man folgende Matrix A−1 :
3 · x1 + 4 · x2 = 1
und x2 =
244
Mathematische Strukturen
y
Wir setzen nun ~a2 = 1 und lösen das Gleichungssystem
y2
A · ~a2 = e~2 :
x
Wir setzen zunächst ~a1 = 1 und lösen das Gleichungssystem
x2
A · ~a1 = e~1 :
3
13
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Multiplikatives Inverses einer Matrix
Beispiel: wir bestimmen das multiplikative Inverse folgender Matrix
3 4
A=
1 −3
Das ergibt die Lösungen x1 =
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
245
x1 y1
=
=
x2 y2
Barbara König
3
13
1
13
4
13
3
− 13
Mathematische Strukturen
!
246
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Multiplikatives Inverses einer Matrix
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Schlussbemerkungen
Bemerkung (Gauß-Jordan-Verfahren):
Es gibt eine effizientere Methode um das Inverse einer Matrix zu
bestimmen. Man kann insbesondere alle n Gleichungssysteme
“gleichzeitig” lösen.
Es gibt noch viele andere wichtige Gebiete im Zusammenhang mit
algebraischen Strukturen, Vektorräumen und Matrizen:
Dabei schreibt man die zu invertierende Matrix und die
Einheitsmatrix wie folgt nebeneinander:
Ringe (Strukturen, die ähnlich zu Körpern sind, in denen aber
weniger Gesetze gelten)
Eigenvektoren und Eigenwerte
3
4 1 0
1 −3 0 1
Determinanten
...
Dann formt man die linke Matrix durch Zeilentausch (nicht
Spaltentausch!), indem man Zeilen mit einem Wert (ungleich 0)
multipliziert und indem man Vielfache von Zeilen zu anderen
Zeilen addiert, zur Einheitsmatrix um.
Die Matrix, die dabei rechts entsteht, ist dann die Inverse.
Barbara König
Mathematische Strukturen
247
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Kombinatorik: Einführung
Barbara König
Mathematische Strukturen
248
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen
Angenommen, wir haben eine Urne (einen großen Behälter), in der
n durchnumerierte (und daher unterscheidbare) Kugeln liegen. Aus
dieser Urne werden k Kugeln gezogen.
Es folgt eine Einführung in die Kombinatorik.
Dabei geht es darum, die Elemente einer Menge zu zählen. Dabei
ist die Größe der Menge nicht fest (sonst wäre das ja einfach!),
sondern abhängig von bestimmten Parametern.
Die Frage ist: wieviele verschiedene Möglichkeiten gibt es, Kugeln
zu ziehen?
Anwendungsbeispiele:
Anzahl der Zustände bzw. Anzahl der Abläufe in einem
System zählen. (Wichtig für Systeme der Informatik, in denen
die Anzahl der Systemzustände sehr groß werden kann.)
1
2
...
...
n
Wahrscheinlichkeiten für das Eintreten eines Ereignisses
berechnen. (Wichtig für Statistik.)
Mit Hilfe dieser Metapher lassen sich viele Zählprobleme erfassen.
Barbara König
Mathematische Strukturen
249
Barbara König
Mathematische Strukturen
250
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen
Beispiel 1: Lottozahlen
Bei der Ziehung der Lottozahlen werden die Kugeln nicht
zurückgelegt und die Reihenfolge nicht beachtet. Es ist egal, ob
eine Zahl vor oder nach einer anderen Zahl gezogen wird.
Die Antwort: das hängt davon ab . . .
Es hängt insbesondere davon ab, wie die Regeln festgelegt werden:
Die Parameter sind n = 49 und k = 6 (6 aus 49).
Werden die Kugeln nach dem Ziehen wieder in die Urne
gelegt? (Ziehen mit/ohne Zurücklegen)
Beispiel 2: Würfeln mit drei (identischen) Würfeln
Wird die Reihenfolge des Ziehens gewertet? (mit/ohne
Beachtung der Reihenfolge)
Das kann man als das Ziehen von k = 3 Kugeln aus einer Urne mit
n = 6 Kugeln interpretieren. Hierbei werden die Kugeln
zurückgelegt und die Reihenfolge ebenfalls nicht betrachtet.
Beispiel: Ist die Sequenz 1, 5, 7 gleichbedeutend mit 7, 1, 5?
Beim Ziehen mit Zurücklegen kann eine Zahl durchaus auch
mehrfach auftreten. Dieses mehrfache Auftreten spielt (im
Unterschied zu Mengen) eine Rolle. Das Würfelergebnis 3, 3, 6 ist
verschieden von 3, 6, 6.
Barbara König
251
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, mit Reihenfolge)
Barbara König
252
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, mit Reihenfolge)
Diese neun Möglichkeiten kann man auch als Entscheidungsbaum
darstellen:
Wir beginnen mit folgendem Fall:
Ziehe k Kugeln aus einer Urne mit n Kugeln, mit Zurücklegen und
unter Beachtung der Reihenfolge.
Angenommen, die Urne enthält n = 3 drei Kugeln:
1
2
3
Dann gibt es folgende neun Möglichkeiten, k = 2 Kugeln aus der
Urne zu ziehen:
1
3
1
1
2
1
3
1
1
2
2
2
3
2
1
3
2
3
3
3
Barbara König
Mathematische Strukturen
3
1
2
2
1
3
2
1
3
2
3 Entscheidungsmöglichkeiten auf der ersten Ebene, ergibt
dreimal 3 Entscheidungsmöglichkeiten auf der zweiten Ebene.
253
Damit hat man insgesamt 3 · 3 = 32 = 9 Fälle.
Barbara König
Mathematische Strukturen
254
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, mit Reihenfolge)
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, mit Reihenfolge)
Im allgemeinen Fall:
1
n
2
...
...
...
2
1
1
n
2
n
...
...
Ziehen mit Zurücklegen und unter Beachtung der Reihenfolge
Für das Ziehen aus einer Urne mit Zurücklegen und unter
Beachtung der Reihenfolge ergeben sich
1
n
2
...
nk Möglichkeiten,
...
falls sich n (verschiedene) Kugeln in der Urne befinden und k
Kugeln gezogen werden.
...
Auf der ersten Ebene: n Entscheidungsmöglichkeiten
Auf der zweiten Ebene: n · n Entscheidungsmöglichkeiten
...
k
Auf der k-ten Ebene: n
| · n ·{z. . . · n} = n Möglichkeiten
k-mal
Barbara König
Mathematische Strukturen
255
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, mit Reihenfolge)
Barbara König
Mathematische Strukturen
Ziehen aus Urnen (mit Zurücklegen, mit Reihenfolge)
Anwendungen:
Wieviele Funktionen zwischen A und B gibt es? (Fortsetzung)
Gegeben seien zwei endliche Mengen A, B. Wieviele Funktionen
zwischen A und B gibt es?
Wir nehmen an, dass A = {a1 , . . . , ak } mit k = |A| und n = |B|.
Wir können B als Urne betrachten, aus der nacheinander k
Elemente gezogen werden (mit Zurücklegen, unter Beachtung der
Reihenfolge).
Beispiel: sei A eine Menge von Personen und B eine Menge von
Räumen. Wieviele Möglichkeiten gibt, jeder Person einen Raum
zuzuordnen? (Dabei müssen nicht notwendigerweise alle Räume
verwendet werden und mehreren Personen kann der gleiche Raum
zugeteilt werden.)
Barbara König
Mathematische Strukturen
256
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
D.h., zunächst wird ein Element aus B gezogen, das a1 zugeordnet
wird, dann wird ein weiteres Element gezogen, das a2 zugeordnet
wird, etc.
Insgesamt erhält man nk Funktionen zwischen den Mengen A
und B.
257
Barbara König
Mathematische Strukturen
258
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, mit Reihenfolge)
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
Bemerkung: Beim Zählen von Möglichkeiten erhält man leicht sehr
große Zahlen (sogenannte Zustandsexplosion).
Wir betrachten nun folgenden Fall:
Beispiel: eine Bedienoberfläche enthält 10 Elemente (Widgets, wie
beispielsweise Radio Buttons, Drop-down-lists, . . . ), von denen
sich jedes in 5 verschiedenen Zuständen befinden kann, die
unabhängig voneinander einstellbar sind.
Ziehe k Kugeln aus einer Urne mit n Kugeln, ohne Zurücklegen
und unter Beachtung der Reihenfolge.
In wievielen Zuständen kann sich die Oberfläche insgesamt
befinden?
Angenommen, die Urne enthält n = 3 drei Kugeln:
Dieser Fall macht nur Sinn, falls k ≤ n.
1
Insgesamt erhält man 510 = 9.765.625 Möglichkeiten.
1
2
3
2
1
3
3
1
2
Es ist sehr schwierig, diese fast 10 Millionen Zustände alle
durchzuprobieren, um festzustellen, dass sich die unter der
Benutzeroberfläche liegende Software immer korrekt verhält.
1
3
2
2
3
1
3
2
1
259
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
2
2
1
3
Barbara König
Wir betrachten den allgemeinen Fall, zunächst für n = k:
1
2
2
n
3
3
2
3
1
2
3 Entscheidungsmöglichkeiten auf der ersten Ebene, ergibt:
3 · 2 Entscheidungsmöglichkeiten auf der zweiten Ebene und
3 · 2 · 1 Entscheidungsmöglichkeiten auf der dritten Ebene.
Damit hat man insgesamt 3 · 2 · 1 = 6 Fälle.
Mathematische Strukturen
...
3
1
n
3
...
...
n
1
n
2
...
...
1
3
...
2
1
...
Barbara König
2
1
3
3
260
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
Diese sechs Möglichkeiten kann man auch als Entscheidungsbaum
darstellen:
1
3
Dann gibt es folgende sechs Möglichkeiten, k = 3 Kugeln aus der
Urne zu ziehen:
Antwort: Ziehen von 10 Kugeln aus einer Urne mit 5 Kugeln (mit
Zurücklegen, unter Beachtung der Reihenfolge).
Barbara König
2
...
...
...
Auf der ersten Ebene: n Entscheidungsmöglichkeiten
Auf der zweiten Ebene: n · (n − 1) Entscheidungsmöglichkeiten
...
Auf der k-ten Ebene: n · (n − 1) · . . . · 1 = n! Möglichkeiten
261
Barbara König
Mathematische Strukturen
262
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
Wertetabelle:
Fakultätsfunktion
Die Funktion, die n ∈ N0 auf
n
0
1
2
3
4
n · (n − 1) · . . . · 2 · 1
abbildet, wird als Fakultätsfunktion bezeichnet. Man schreibt:
n · (n − 1) · . . . · 2 · 1 = n!
Für n = 0 wird 0! = 1 festgelegt.
Barbara König
263
Mathematische Strukturen
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
3
...
Barbara König
n
3
...
...
1
n
3
...
...
Beispiel: es sind n = 3 Kugeln in der Urne, von denen k = 2
gezogen werden:
n
1
n
2
...
...
...
1
3
2
...
2
...
Mathematische Strukturen
3
2
1
3
3
1
2
Im letzten Schritt sind noch 2 = n − k + 1 Kugeln übrig.
Auf der ersten Ebene: n Entscheidungsmöglichkeiten
...
Auf der k-ten Ebene: n · (n − 1) · . . . · (n − k + 1) Möglichkeiten
Barbara König
264
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
1
2
n!
120
720
5040
40320
362880
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
Im allgemeinen Fall hat man beim letzten Ziehen noch n − k + 1
Kugeln übrig:
2
n
5
6
7
8
9
Man sieht, dass die Fakultätsfunktion ungeheuer schnell wächst.
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
1
n!
1
1
2
6
24
Warum?
Zum Schluss sind n − k Kugeln übrig, wir befinden uns
einen Schritt vorher.
265
Barbara König
Mathematische Strukturen
266
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
n hoch k fallend
Seien k, n ∈ N0 mit k ≤ n. Der Ausdruck
Ziehen ohne Zurücklegen und unter Beachtung der Reihenfolge
Für das Ziehen aus einer Urne ohne Zurücklegen und unter
Beachtung der Reihenfolge ergeben sich
k
n = n · (n − 1) · . . . · (n − k + 1)
wird n hoch k fallend gelesen.
Für den Fall k = 0 setzt man n0 = 1. (Das gilt auch, falls n = 0.)
nk =
Es gilt:
n!
(n − k)!
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
n!
Möglichkeiten,
(n − k)!
falls sich n (verschiedene) Kugeln in der Urne befinden und k ≤ n
Kugeln gezogen werden.
n · . . . · (n − k + 1) · (n − k) · . . . · 1
=
(n − k) · . . . · 1
= n · . . . · (n − k + 1)
= nk
Barbara König
Mathematische Strukturen
267
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
Barbara König
Mathematische Strukturen
268
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
Wieviele injektive Funktionen zwischen A und B gibt es?
(Fortsetzung)
Anwendungen:
Gegeben seien zwei endliche Mengen A, B. Wieviele injektive
Funktionen zwischen A und B gibt es?
Wir nehmen an, dass k = |A| mit A = {a1 , . . . , ak } und n = |B|.
Wir können B als Urne betrachten, aus der nacheinander k
Elemente gezogen werden, ohne dass Elemente zurückgelegt
werden (jedoch mit Beachtung der Reihenfolge).
(Kein Element im Wertebereich darf mehr als einem Element im
Definitionsbereich zugeordnet werden!)
Beispiel: sei A eine Menge von Personen und B eine Menge von
Räumen. Wieviele Möglichkeiten gibt, jeder Person einen Raum
zuzuordnen, so dass sich in einem Raum höchstens eine Person
befindet?
Barbara König
Mathematische Strukturen
Insgesamt erhält man nk injektive Funktionen zwischen den
Mengen A und B.
269
Barbara König
Mathematische Strukturen
270
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, mit Reihenfolge)
Beispiel (Fortsetzung):
Beispiel: gegebenen seien n Städte, die alle der Reihe nach besucht
werden sollen (Problem des Handlungsreisenden). Wieviele
Möglichkeiten gibt es, die Städte zu besuchen?
Nehmen wir an, die Städte wären Duisburg (DU), Essen (E),
Bochum (BO), Dortmund (DO). Dann gibt es 4! = 24
Möglichkeiten:
Wir legen n mit den Namen Städte beschriftete Kugeln in eine
Urne und ziehen nacheinander n Kugeln.
DU
DU
DU
DU
DU
DU
Insgesamt hat man nn = n! Möglichkeiten.
Barbara König
E BO DO
E DO BO
BO E DO
BO DO E
DO E BO
DO BO E
E
E
E
E
E
E
DU BO DO
DU DO BO
BO DU DO
BO DO DU
DO DU BO
DO BO DU
271
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Barbara König
1
Angenommen, die Urne enthält n = 3 Kugeln:
2
Barbara König
,
Mathematische Strukturen
272
3
2
,
2
1
3
2
3
2
1
3
1
3
2
Im Fall, dass k Kugeln gezogen werden, fallen jeweils k!
Kombinationen zusammen. Das ist die Anzahl der Möglichkeiten, k
verschiedene Kugeln beliebig anzuordnen.
Fall k = 3: Es gibt 3! = 6 verschiedene Anordnungen.
3
Mathematische Strukturen
1
3
Dann gibt es folgende drei Möglichkeiten, k = 2 Kugeln aus der
Urne zu ziehen:
1
DU E BO
DU BO E
E DU BO
E BO DU
BO DU E
BO E DU
Diese drei Möglichkeiten entstehen dadurch, dass von den sechs
Möglichkeiten beim Ziehen mit Reihenfolge (ohne Zurücklegen)
jeweils immer zwei zusammenfallen.
Dieser Fall macht wiederum nur Sinn, falls k ≤ n.
2
DO
DO
DO
DO
DO
DO
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehe k Kugeln aus einer Urne mit n Kugeln, ohne Zurücklegen
und ohne Beachtung der Reihenfolge.
,
DU E DO
DU DO E
E DU DO
E DO DU
DO DU E
DO E DU
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Wir betrachten nun folgenden Fall:
1
BO
BO
BO
BO
BO
BO
273
1
2
3
2
1
3
3
1
2
1
3
2
2
3
1
3
2
1
Barbara König
Mathematische Strukturen
274
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Wenn man mit Beachtung der Reihenfolge zieht, so erhält man
Binomialkoeffizient
Seien k, n ∈ N0 mit k ≤ n. Der Ausdruck
n
n!
=
k
(n − k)! · k!
nk Möglichkeiten.
Damit hat man jedoch die Möglichkeiten ohne Beachtung der
Reihenfolge um den Faktor k! überschätzt. Durch diesen Faktor
muss noch geteilt werden.
wird Binomialkoeffizient genannt. Er ist immer eine natürliche
Zahl.
Insgesamt ergeben sich damit
n!
nk
=
k!
(n − k)! · k!
Sprechweise: “n über k”, “k aus n”
Möglichkeiten.
Barbara König
Mathematische Strukturen
275
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
n
=
k
=
Barbara König
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Binomialkoeffizienten als Pascalsches Dreieck:
0
0
1
1
0
1
2
2
2
0
1
2
3
3
3
0
1
2
4
4
4
4
0
1
2
3
5
5
5
5
n!
n!
=
(n − k)! · k!
k! · (n − k)!
n!
n
=
(n − (n − k))! · (n − k)!
n−k
0
Es gilt also für alle n, k ∈ N0 , k ≤ n:
1
3
1
1
1
1
1
Mathematische Strukturen
2
3
3
5
4
4
4
5
5
1
n
n
=
k
n−k
Barbara König
276
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
277
3
4
5
1
2
1
3
6
10
Barbara König
1
4
10
1
5
Mathematische Strukturen
1
278
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Bemerkung: die Werte im unteren und oberen Dreieck entsprechen
einander, es sind nur verschiedene Darstellungen angegeben.
Einmal der Binomialkoeffizient, einmal der berechnete Wert des
Binomialkoeffizienten.
Ziehen ohne Zurücklegen und ohne Beachtung der Reihenfolge
Für das Ziehen aus einer Urne ohne Zurücklegen und ohne
Beachtung der Reihenfolge ergeben sich
n
n!
Möglichkeiten,
=
k! · (n − k)!
k
Beispiele:
5!
120
5
5!
=
=
= 10
=
(5 − 3)! · 3!
2! · 3!
2·6
3
5
5!
5!
120
=
=
=
=1
(5 − 0)! · 0!
5! · 0!
120 · 1
0
falls sich n (verschiedene) Kugeln in der Urne befinden und k ≤ n
Kugeln gezogen werden.
Im letzten Fall zieht man 0 Kugeln (aus einer Urne mit 5 Kugeln).
Dabei kann es nur eine mögliche enstehende Sequenz von Kugeln
geben: die leere Sequenz.
Barbara König
Mathematische Strukturen
279
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Barbara König
Mathematische Strukturen
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Beispiel: Lottozahlen
Beispiel: Fussballpaarung
Beim Lottospielen werden k = 6 Kugeln aus n = 49 gezogen, die
Kugeln werden nicht zurückgelegt, die Reihenfolge wird nicht
beachtet.
Aus einem Topf mit Kugeln, die mit n = 18 Fussball-Mannschaften
beschriftet sind, werden zwei Kugeln gezogen, um eine Paarung zu
ermitteln.
Daher gibt es insgesamt
Es gibt dabei
49
= 13.983.816
6
Mathematische Strukturen
18
= 153
2
mögliche Ziehungsergebnisse. (Das ist genau die Anzahl der Spiele
in einer Bundesliga-Hinrunde.)
mögliche Ziehungsergebnisse.
Barbara König
280
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
281
Barbara König
Mathematische Strukturen
282
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Anwendungen: allgemeine binomische Formel.
Formel:
Der Ausdruck (x + y )n soll (in einem Körper) mit Hilfe des
Distributivgesetzes ausmultipliziert werden. Was erhält man?
n X
n n−k k
(x + y ) =
x
y
k
n
(x + y )n = (x + y ) · (x + y ) · . . . · (x + y )
k=0
Wenn man diesen Ausdruck ausmultipliziert, wählt man aus
jedem der Faktoren entweder ein x oder ein y .
Spezialfall n = 2:
Wenn man k-mal ein y wählt, dann wählt man (n−k)-mal
ein x. Man erhält den Summanden x n−k · y k .
(x + y )2 = (x + y ) · (x + y ) = x · x + x · y + y · x + y · y
2
2
2 0 2
2
2
2 0
= x + 2xy + y =
·x y +
· xy +
x y
0
1
2
Wieviele
Möglichkeiten gibt es, k-mal ein y zu wählen?
n
k
Zusammenfassung: Der Summand x n−k · y k kommt kn -mal vor.
Der Index k kann einen der Werte von 0 bis n einnehmen.
Barbara König
Mathematische Strukturen
283
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (ohne Zurücklegen, ohne Reihenfolge)
Barbara König
284
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, ohne Reihenfolge)
Wir betrachten nun noch den letzten Fall:
Spezialfall n = 3:
Ziehe k Kugeln aus einer Urne mit n Kugeln, mit Zurücklegen und
ohne Beachtung der Reihenfolge.
(x + y )3 = (x + y ) · (x + y ) · (x + y )
= x ·x ·x +x ·x ·y +x ·y ·x +x ·y ·y
+y ·x ·x +y ·x ·y +y ·y ·x +y ·y ·y
3
2
2
Mathematische Strukturen
2
3
Dann gibt es folgende sechs Möglichkeiten, k = 2 Kugeln aus der
Urne zu ziehen:
3
= x + 3x y + 3xy + y
3
3
3
3 0 3
3 0
2
2
=
·x y +
·x y +
xy +
x y
0
1
2
3
Barbara König
1
Angenommen, die Urne enthält n = 3 Kugeln:
285
1
,
2
1
,
3
2
,
3
1
,
1
2
,
2
3
,
3
Barbara König
Mathematische Strukturen
286
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, ohne Reihenfolge)
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, ohne Reihenfolge)
Die sechs Möglichkeiten kann man dadurch darstellen, dass man
drei Fächer (eines für jede Farbe) einrichtet. Die Anzahl der
Möglichkeiten ist die Anzahl der Möglichkeiten, zwei Kugeln auf
diese drei Fächer zu verteilen.
Hier braucht man eine gute Idee, um die Anzahl der Möglichkeiten
zu zählen. Sie entstehen anscheinend nicht dadurch, dass die neun
Möglichkeiten des Ziehens mit Reihenfolge (mit Zurücklegen) in
gleich große Blöcke zusammengefasst werden.
1
2
1
1
2
3
1
2
3
2
1
1
3
3
2
1
1
2
2
3
3
3
2
?
1
3
1
2
2
3
3
Dabei bestimmt die Farbe des Fachs die Farbe der Kugeln.
Barbara König
Mathematische Strukturen
287
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, ohne Reihenfolge)
1
2
1
Man kann entweder die zwei Striche wählen: 42 = 6 Möglichkeiten
oder die zwei Kreise wählen: ebenfalls 42 = 6 Möglichkeiten
◦| |◦
3
n
erhält man auch
Bemerkung: aufgrund der Beziehung kn = n−k
dann in beiden Fällen das gleiche Ergebnis, wenn die Anzahl der
Striche und der Kreise unterschiedlich ist.
| ◦ |◦
3
◦◦ | |
1
2
| ◦ ◦|
2
3
Barbara König
3
288
Wir müssen also in einer vierelementigen Zeichenfolge darüber
entscheiden, wo die beiden Striche und wo die beiden Kreise
platziert werden.
◦| ◦ |
2
Mathematische Strukturen
Ziehen aus Urnen (mit Zurücklegen, ohne Reihenfolge)
Die Farben kann man weglassen und nur noch zwischen erstem,
zweitem und dritten Fach unterscheiden.
Wir benutzen eine Notation, in der die Kugeln durch kleine Kreise
und die Trennwände zwischen den Fächern als Striche dargestellt
werden (siehe rechte Spalte).
1
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
| | ◦◦
Mathematische Strukturen
289
Barbara König
Mathematische Strukturen
290
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, ohne Reihenfolge)
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, ohne Reihenfolge)
Allgemeiner Fall:
Wir ziehen k Kugeln
Ziehen mit Zurücklegen und ohne Beachtung der Reihenfolge
Für das Ziehen aus einer Urne mit Zurücklegen und ohne
Beachtung der Reihenfolge ergeben sich
n+k −1
n+k −1
=
Möglichkeiten,
k
n−1
die Anzahl der Kreise ist k
Wir haben n Kugeln in der Urne
die Anzahl der Farben bzw.
Fächer ist n. Damit ist die Anzahl der Trennstriche n − 1.
Die Länge der Zeichenfolge ist die Summe beider Zahlen: n + k − 1
Insgesamt ergeben sich damit
n+k −1
n+k −1
=
k
n−1
falls sich n (verschiedene) Kugeln in der Urne befinden und k
Kugeln gezogen werden.
Möglichkeiten.
Barbara König
Mathematische Strukturen
291
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen (mit Zurücklegen, ohne Reihenfolge)
1,1,1
1,2,2
1,3,3
1,4,4
1,5,5
1,6,6
2,2,2
2,3,3
2,4,4
2,5,5
2,6,6
3,3,3
3,4,4
3,5,5
3,6,6
4,4,4
4,5,5
4,6,6
5,5,5
5,6,6
6,6,6
Falls mit drei identischen Würfeln gewürfelt wird, so entspricht das
dem Ziehen von k = 3 Kugeln aus einer Urne mit n = 6 Kugeln,
mit Zurücklegen und ohne Beachtung der Reichenfolge.
Insgesamt haben wir
n+k −1
8
8!
=
=
= 56
k
3
5! · 3!
verschiedene Würfelergebnisse.
Es folgt die Aufzählung aller 56 Möglichkeiten . . .
Mathematische Strukturen
Mathematische Strukturen
292
Ziehen aus Urnen (mit Zurücklegen, ohne Reihenfolge)
Beispiel: Würfeln
Barbara König
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
293
1,1,2
1,2,3
1,3,4
1,4,5
1,5,6
1,1,3
1,2,4
1,3,5
1,4,6
1,1,4
1,2,5
1,3,6
1,1,5
1,2,6
2,2,3
2,3,4
2,4,5
2,5,6
2,2,4
2,3,5
2,4,6
2,2,5
2,3,6
2,2,6
3,3,4
3,4,5
3,5,6
3,3,5
3,4,6
3,3,6
4,4,5
4,5,6
4,4,6
1,1,6
5,5,6
Barbara König
Mathematische Strukturen
294
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Ziehen aus Urnen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Um das Kapitel “Kombinatorik” abzuschließen, machen wir noch
einige Überlegungen zur Wahrscheinlichkeit von Ereignissen.
Motivation: Wahrscheinlichkeit, im Lotto zu gewinnen
Zusammenfassung der vier Fälle:
Ziehen
mit Zurücklegen
ohne Zurücklegen
mit Reihenfolge
nk
n!
nk = (n−k)!
n
n!
k = (n−k)!·k!
ohne Reihenfolge
n+k−1
k
=
n+k−1
n−1
Bei einer Ziehung der Lottozahlen gibt es insgesamt
Möglichkeiten (sogenannte Elementarereignisse).
49
6
Diese Elementarereignisse sind alle gleich wahrscheinlich. (Warum
das so ist, überlegen wir uns im Folgenden.)
Also ist die Wahrscheinlichkeit dafür, dass die eigene Kombination
gezogen wird:
Dabei werden k Kugeln aus einer Urne mit n Kugeln gezogen.
1
=
49
6
1
= 0, 000000072 . . .
13.983.816
Dabei ist 1 die Wahrscheinlichkeit dafür, dass das betrachtete
Ereignis auf jeden Fall eintritt (entspricht 100%).
Barbara König
Mathematische Strukturen
295
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Barbara König
Mathematische Strukturen
296
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Bemerkungen:
Elementarereignisse und ihre Wahrscheinlichkeiten werden in einem
Wahrscheinlichkeitsraum zusammengefasst.
Die Formel
Wahrscheinlichkeitsraum
Ein Wahrscheinlichkeitsraum besteht aus
alle x ∈ Ω auf. Falls Ω = {x1 , . . . , xn }, so kann man dies auch
folgendermaßen schreiben:
X
einer Funktion P : Ω → R, die jedem Elementarereignis eine
Wahrscheinlichkeit zuordnet.
x∈Ω
Dabei muss gelten:
P(x) =
n
X
i=1
P(xi ) = P(x1 ) + · · · + P(xn )
Die Elementarereignisse müssen alle Möglichkeiten abdecken
und dürfen sich nicht überlappen. Es tritt also immer genau
ein Elementarereignis ein.
Für jedes x ∈ Ω gilt 0 ≤ P(x) ≤ 1. (Die Wahrscheinlichkeit
für ein Ereignis liegt zwischen 0 und 1.)
P
P(x) = 1. (Die Summe aller Wahrscheinlichkeiten ist 1.)
Im Folgenden ist Ω eine endliche Menge. Es macht jedoch
auch Sinn, unendliche Ergebnismengen zu betrachten.
x∈Ω
Mathematische Strukturen
P(x) bedeutet: summiere die Werte P(x) für
x∈Ω
einer Ergebnismenge Ω, bestehend aus den
Elementarereignissen, und
Barbara König
P
297
Barbara König
Mathematische Strukturen
298
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Beim Ziehen aus Urnen besteht die Ergebnismenge aus allen
möglichen Kombinationen, die beim Ziehen entstehen können.
Falls alle Elementarereignisse in Ω gleich wahrscheinlich sind, so gilt
P(x) =
Beispiel:
Beim Ziehen von k = 2 Kugeln aus einer Urne mit n = 3 Kugeln
(mit Zurücklegen, mit Beachtung der Reihenfolge) erhält man
folgende neun Elementarereignisse:
1
1
2
1
3
1
1
2
2
2
3
2
1
3
2
3
3
3
1
|Ω|
für jedes x ∈ Ω
Beim Ziehen mit Beachtung der Reihenfolge ist jedes Ereignis
gleich wahrscheinlich, unter der Voraussetzung, dass bei einem Zug
keine der vorhandenen Kugeln bevorzugt wird. Dann hat jede
Verzweigung im Entscheidungsbaum die gleiche Wahrscheinlichkeit.
(Das gilt mit und ohne Zurücklegen.)
Entscheidungsbaum (Ziehen mit Zurücklegen, mit Reihenfolge)
Entscheidungsbaum (Ziehen ohne Zurücklegen, mit Reihenfolge)
Barbara König
Mathematische Strukturen
299
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Barbara König
Mathematische Strukturen
300
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Also gilt:
Beispiel:
Beim Ziehen von k aus n Kugeln (mit Zurücklegen, mit Beachtung
der Reihenfolge) hat jede Kombination die Wahrscheinlichkeit
Beim Ziehen von k = 2 Kugeln aus einer Urne mit n = 3 Kugeln
(mit Zurücklegen, mit Beachtung der Reihenfolge) hat jedes der
unten aufgeführten Elementarereignisse x die Wahrscheinlichkeit
P(x) = 312 = 19 .
1
nk
Beim Ziehen von k aus n Kugeln (ohne Zurücklegen, mit
Beachtung der Reihenfolge) hat jede Kombination die
Wahrscheinlichkeit
1
nk
Barbara König
Mathematische Strukturen
301
1
1
2
1
3
1
1
2
2
2
3
2
1
3
2
3
3
3
Barbara König
Mathematische Strukturen
302
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Weiteres Beispiel:
Wir betrachten einen gezinkten Würfel, bei dem die Sechs
wahrscheinlicher ist als die anderen Zahlen.
Frage: was ist die Wahrscheinlichkeit dafür, dass entweder eine 1
oder eine 6 gewürfelt wird?
Die Ergebnismenge ist bei einem sechsseitigen Würfel wie folgt:
Ω = {1, 2, 3, 4, 5, 6}
Antwort: man muss nur die Wahrscheinlichkeiten der
entsprechenden Elementarereignisse aufaddieren.
Wir betrachten folgende Zurdnung von Wahrscheinlichkeiten:
1
falls x ∈ {1, 2, 3, 4, 5}.
P(6) = 12 , P(x) = 10
P(1) + P(6) =
Test: Ergibt die Summe der Wahrscheinlichkeiten eins?
X
P(x) = P(1)+P(2)+P(3)+P(4)+P(5)+P(6) = 5·
x∈Ω
Barbara König
1
10
+
1
2
=
6
10
= 35 .
1 1
+ =1
10 2
Mathematische Strukturen
303
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Barbara König
Mathematische Strukturen
304
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Das Würfeln einer 1 oder 6 bezeichnet man als
(zusammengesetztes) Ereignis, im Unterschied zu
Elementarereignissen.
Für Ziehen ohne Zurücklegen, ohne Beachtung der Reihenfolge
kann man den Wahrscheinlichkeitsraum des Ziehens ohne
Zurücklegen, mit Beachtung der Reihenfolge betrachten.
Ereignis, Wahrscheinlichkeit eines Ereignisses
Wir betrachten einen Wahrscheinlichkeitsraum, bestehend aus Ω
und P : Ω → R.
Beispiel:
Beim Ziehen von k = 2 aus einer Urne mit n = 3 Kugeln (ohne
Zurücklegen) gibt es folgende sechs Elementarereignisse, jeweils
mit Wahrscheinlichkeit 16 .
Eine Menge E ⊆ Ω heißt Ereignis. Die Wahrscheinlichkeit des
Ereignisses E wird folgendermaßen berechnet:
X
P(E ) =
P(x)
1
2
1
3
2
3
2
1
3
1
3
2
x∈E
Beispiel mit dem gezinkten Würfel: Ereignis E = {1, 6} mit
3
P(E ) = P({1, 6}) = P(1) + P(6) =
5
Barbara König
Mathematische Strukturen
305
Diese kann man zu drei Ereignissen zusammenfassen, die jeweils
die gleichen Kombinationen (ohne Beachtung der Reihenfolge)
enthalten. Jedes dieser drei Ereignisse hat die Wahrscheinlichkeit
1
1
1
1
6 + 6 = 2 · 6 = 3.
Barbara König
Mathematische Strukturen
306
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Wahrscheinlichkeit
Wir betrachten nun noch das Ziehen mit Zurücklegen, ohne
Beachtung der Reihenfolge basierend auf dem
Wahrscheinlichkeitsraum des Ziehens mit Zurücklegen, mit
Beachtung der Reihenfolge.
Im allgemeinen Fall fasst man k! Möglichkeiten zu einem Ereignis
zusammen.
Beim Ziehen von k aus n Kugeln (ohne Zurücklegen, ohne
Beachtung der Reihenfolge) hat jede Kombination die
Wahrscheinlichkeit
1
k! · k =
n
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
k!
n!
(n−k)!
k! · (n − k)!
=
=
n!
1
n!
k!·(n−k)!
Beispiel:
Beim Ziehen von k = 2 Kugeln aus einer Urne mit n = 3 Kugeln
(mit Zurücklegen) gibt es folgende neun Elementarereignisse,
jeweils mit Wahrscheinlichkeit 19 .
1
= n
k
Also hat auch in diesem Fall jede Kombination die gleiche
Wahrscheinlichkeit.
Bemerkung: Aufgrund dieser Beziehung war die Berechnung der
Wahrscheinlichkeit für einen Lottogewinn korrekt.
Barbara König
307
Mathematische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Mit Summe
2
9
,
2
1
,
1
+
2
9
+
2
3
1
2
3
2
1
1
3
3
2
1
1
2
2
3
3
Barbara König
Mathematische Strukturen
308
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeit
Diese kann man zu sechs Ereignissen zusammenfassen, die aber
nicht alle die gleiche Wahrscheinlichkeit haben. Es ergeben sich
folgende Wahrscheinlichkeiten:
1
1
:
:
2
9
2
9
1
1
9
+
1
9
+
,
3
:
2
9
1
9
2
,
2
:
1
9
+
1
9
=1
2
3
,
,
3
3
:
2
9
:
1
9
Weiteres Beispiel:
Beim Würfeln mit zwei (fairen und ununterscheidbaren) Würfeln
haben nicht alle Ergebnisse dieselbe Wahrscheinlichkeit:
Die Kombination 1, 2 kann aus den Folgen 1 2 und 2 1
entstehen. Jede der beiden Folgen hat die Wahrscheinlichkeit
1
1
= 36
.
62
Also hat das Würfelergebnis 1, 2 die Wahrscheinlichkeit
1
1
2 · 36
= 18
.
Vorsicht! Beim Ziehen von k aus n Kugeln (mit Zurücklegen, ohne
Beachtung der Reihenfolge) hat nicht jede Kombination dieselbe
Wahrscheinlichkeit.
Barbara König
Mathematische Strukturen
Der Sechserpasch 6, 6 kann nur aus der Folge 6 6 entstehen.
Er hat die Wahrscheinlichkeit
309
Barbara König
1
62
=
1
36 .
Mathematische Strukturen
310
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeitsrechnung
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeitsrechnung
Unabhängigkeit von Ereignissen (Definition)
Rechnen mit Wahrscheinlichkeiten
Sei Ω ein Wahrscheinlichkeitsraum und seien A, B ⊆ Ω Ereignisse:
Zwei Ereignisse A, B ⊆ Ω heißen unabhängig, falls gilt:
P(A ∩ B) = P(A) · P(B)
P(Ω\A) = 1 − P(A)
Beispiel Würfel:
Die Ereignisse A = {1, 3, 5} (Ergebnis ist ungerade) und
B = {2, 4, 6} (Ergebnis ist gerade) sind nicht unabhängig. Es
gilt:
1
1 1
P(A ∩ B) = P(∅) = 0 6= = · = P(A) · P(B)
4
2 2
P(A ∪ B) = P(A) + P(B) − P(A ∩ B)
P(∅) = 0
Die Ereignisse {1, 3, 5} (Ergebnis ist ungerade) und {1, 2, 3, 4}
(Ergebnis ist kleiner gleich vier) sind unabhängig. Es gilt:
1
1 2
P(A ∩ B) = P({1, 3}) = = · = P(A) · P(B)
3
2 3
Insbesondere folgt daraus P(A ∪ B) = P(A) + P(B), falls
A ∩ B = ∅, d.h., falls A und B disjunkte Ereignisse sind.
Barbara König
Mathematische Strukturen
311
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Wahrscheinlichkeitsrechnung
Mathematische Strukturen
312
Wahrscheinlichkeitsrechnung
Beispiel Würfel: A = {1, 3, 5} (Ergebnis ist ungerade) und
B = {1, 2, 3} (Ergebnis ist kleiner gleich drei).
Bedingte Wahrscheinlichkeit (Definition)
Dann gilt:
Die bedingte Wahrscheinlichkeit ist definiert durch
P(A | B) =
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
P(A ∩ B)
,
P(B)
P(A | B) =
falls P(B) 6= 0.
P({1, 3})
2
P(A ∩ B)
=
=
P(B)
P({1, 2, 3})
3
Unabhängigkeit und bedingte Wahrscheinlichkeit
Die Wahrscheinlichkeit P(A | B) ist intuitiv die Wahrscheinlichkeit,
dass das Ereignis A eintritt, unter der Bedingung, dass man bereits
weiß, dass das Ereignis B eintritt.
Zwei (nicht-leere) Ereignisse A, B sind unabhängig genau dann,
wenn:
P(A | B) = P(A) und P(B | A) = P(B)
Sprechweise: Wahrscheinlichkeit von A, vorausgesetzt B.
D.h., die Kenntnis, dass das Ereignis B eintreten wird, ändert die
Wahrscheinlichkeit von A nicht.
Barbara König
Mathematische Strukturen
313
Barbara König
Mathematische Strukturen
314
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Zusammenfassung
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Grundlagen
Mengenlehre:
Menge M
Element einer Menge a ∈ M
Themen der Vorlesung
Grundlagen: Mengenlehre, Relationen und Zahlentheorie
Teilmenge M 0 ⊆ M
Analysis, Ableitung, Kurvendiskussion
Schnitt/Vereinigung ∪, ∩
Algebraische Strukturen: Monoide/Gruppen/Körper,
Vektorräume und Matrizen, Gaußsches Eliminationsverfahren
Kreuzprodukt M1 × M2
Potenzmenge P(M)
Relationen: Partielle Ordnung, Äquivalenzrelation (Symmetrie,
Antisymmetrie, Reflexivität, Transitivität)
Kombinatorik: Ziehen aus Urnen, Wahrscheinlichkeit
Funktionen: Surjektivität, Injektivität, Bijektivität,
Funktionsverkettung, Bild/Urbild einer Menge, Definitionsund Wertebereich
Mengen von Zahlen: N0 , Z, Q, R, . . .
Barbara König
Mathematische Strukturen
315
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Analysis
Barbara König
Mathematische Strukturen
316
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Analysis
Ableitung, Kurvendiskussion:
Grenzwert, Stetigkeit:
Definition der Ableitung (basierend auf Grenzwerten)
Steigung von Geraden und Tangenten
Bestimmung der Ableitung bei konkreten Funktionen
Berechnung der Steigung mit Hilfe eines Grenzwertes
Ableitungen bekannter Funktionen
Grenzwert
Häufungspunkt
Ableitungsregeln (Faktorregel, Summenregel, Produktregel,
Kettenregel, Quotientenregel)
Stetigkeit von Funktionen
n-te Ableitungen
Kurvendiskussion (Minima, Maxima, Sattelpunkte,
Wendepunkte)
Barbara König
Mathematische Strukturen
317
Barbara König
Mathematische Strukturen
318
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Grundlagen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Algebraische Strukturen
Zahlentheorie:
Division mit Rest
Monoide/Gruppen/Körper:
Modulo-Rechnung
Teilbarkeit
Zweistellige Operatoren
Primzahlen
Neutrale Elemente 0, 1
Primfaktorzerlegung
Inverse −a, a−1
Teilerfremdheit
Assoziativität
Größter gemeinsamer Teiler ggT & kleinstes gemeinsames
Vielfaches kgV
Kommutativität
Euklidischer Algorithmus
Der Körper (Zn , +n , ·n ), falls n eine Primzahl ist
Distributivität
Diophantische Gleichungen
Die Eulersche ϕ-Funktion
Satz von Euler-Fermat
Barbara König
Mathematische Strukturen
319
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Algebraische Strukturen
Barbara König
Mathematische Strukturen
320
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Algebraische Strukturen
Vektorräume und Matrizen (Lineare Algebra):
Vektor ~v
RSA-Algorithmus:
Vektorraum
Schlüsselerzeugung
Skalar
Privater Schlüssel
Öffentlicher Schlüssel
Anwendungsgebiet “Geometrie” (Punkte auf der Ebene und
im Raum)
Verschlüsselung einer Nachricht
Vektor-Addition ~v + u~
Entschlüsselung einer Nachricht
Vektorraum als Gruppe
Multiplikation mit einem Skalar k · ~v
Matrizen/Lineare Abbildungen A, ψA
Barbara König
Mathematische Strukturen
321
Barbara König
Mathematische Strukturen
322
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Algebraische Strukturen
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Algebraische Strukturen
Matrizen:
Basen, Gaußsches Eliminationsverfahren und inverse Matrizen:
Matrizen
Erzeugendensystem
Zeilendimension/Spaltendimension
Lineare Unabhängigkeit
Multiplikation einer Matrix mit einem Vektor A · ~v
Basis
Addition von zwei Matrizen A + B
Lineare Gleichungssysteme
Die additive Gruppe der Matrizen
Gaußsches Eliminationsverfahren
Matrixmultiplikation A · B
Anzahl der möglichen Lösungen
Einheitsmatrix En
Inverse Matrix bestimmen
Inverse Matrix A−1
Barbara König
Mathematische Strukturen
323
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Kombinatorik
324
Ziehen aus Urnen mit Anwendungen:
Anzahl der Funktionen zwischen zwei Mengen
Mit Reihenfolge, mit Zurücklegen (nk Möglichkeiten)
Anzahl der injektiven Funktionen zwischen zwei Mengen
Mit Reihenfolge, ohne Zurücklegen (nk Möglichkeiten)
Ohne Reihenfolge, mit Zurücklegen ( n+k−1
Möglichkeiten)
k
n
Ohne Reihenfolge, ohne Zurücklegen ( k Möglichkeiten)
Mathematische Strukturen
Mathematische Strukturen
Stichwortsammlung: Kombinatorik
Ziehen aus Urnen (k Kugeln aus einer Urne mit n Kugeln):
Barbara König
Barbara König
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Fakultätsfunktion
Binomialkoeffizienten
Allgemeine binomische Formel
325
Barbara König
Mathematische Strukturen
326
Organisatorisches Einführung Grundlagen 1 Analysis Grundlagen 2 Algebraische Strukturen Kombinatorik Zusammenfassung
Stichwortsammlung: Kombinatorik
Wahrscheinlichkeiten:
Elementarereignisse/Ergebnismenge Ω
Wahrscheinlichkeitsraum
Wahrscheinlichkeiten in der Urnen-Metapher
Rechnen mit Wahrscheinlichkeiten
Unabhängige Ereignisse und bedingte Wahrscheinlichkeiten
Barbara König
Mathematische Strukturen
327