Beruflich Dokumente
Kultur Dokumente
1. Logische Äquivalenzregeln
2. Übersicht Mengen
3. Beweise:
Direkter Beweis:
Die Implikation p → q kann bewiesen werden, indem man zeigt, dass aus der Richtigkeit von p die Richtigkeit
von q folgt.
z.B wenn n gerade ist, dann ist n auch gerade. Gerade Zahlen sind durch 2 teilbar
2
n = 2k
n
2
= (2k) = 4k = 2 ∗ (2k)
2 2 2
Indirekter Beweis:
Statt zu zeigen dass p → q gilt, zeigt man, dass die logisch äquivalente Aussage ¬p → ¬q
n = 2k + 1
n
2
= (2k + 1) = 4k + 4k + 1 = 2 * (2k + 2k) + 1
2 2 2
Woche 2: Mengen, Funktionen & Folgen, Reihen,
Summen- und Produktzeichen
1. Mengenlehre
Gleichheit
Entweder x ∈ A oder x ∉ A
A = B falls (A ⊂ B) ∧ (B ⊂ A)
A ⊂ B falls ∀ x(x ∈ A → x ∈ B)
Für jede Menge A gilt: 0 ⊂ A
Potenzmenge
Die Potenzmenge P (S) oder 2 der Menge S besteht aus der Menge aller Teilmengen A ⊂ S
Kreuzprodukt
Das Kreuzprodukt zweier Mengen A und B bezeichnet mit A X B, ist die Menge aller geordneten Paare (a, b),
wobei a ∈ A und b ∈ B
AXB = {(a, b) | a ∈ A ∧ b ∈ B}
A X B = {(1, a), (1, a), (3, a), (1, b), (2, b), (3, b)}
Durchschnitt:
Komplement:
–
A M A Ist
m ∈ M eine Teilmenge der Menge
m ∉ A , so bezeichnet ={ | }
Vereinigung:
Sind A und B Teilmengen einer Menge M , so bezeichnet A ∪ B = {m ∈ M | m ∈ A ∨ m ∈ B}
Differenz:
Sind A und B Teilmengen einer Menge M , so bezeichnet B \\ A = {m ∈ M | m ∈ B ∧ m ∉ A}
Rechenregeln
2. Funktionen
Wird jedem Element x einer Menge X (Definitionsbereich) genau ein Element y einer Menge Y zugeordnet,
so heisst die Zuordnung Funktion (oder Abbildung).
f :X → Y , x ↦ y = f (y)
Injektive Funktionen
Eine Funktion heisst injektiv, wenn verschiedene x1, x2 ∈ X stets auf verschiedene Werte im Bildbereich
abgebildet werden. Auf jedes Element Y zeigt höchstens ein Pfeil!
Quadratische Funktionen sind z.B nicht injektiv, denn −2 ≠ 2, aber f (−2) = 4 = f (2)
Surjektive Funktionen
Eine Funktion heisst surjektiv, falls für jedes Element y ∈ Y (mindestens) ein Element x ∈ X existiert, so dass
f (x) = y gilt. Auf jedes Element Y zeigt mindestens ein Pfeil!
Bijektive Funktionen
Eine Funktion heisst bijektiv, falls sie injektiv und surjektiv ist. Auf jedes Element in Y zeigt genau ein Pfeil!
Zusammengesetzte Funktionen
Zwei Funktionen, so dass der Wertebereich von g im Definitionsbereich von f erhalten ist.
(f o g) (x) = f (g(x))
f (x) = x
2
+ 1
g(x) = x + 2
(f o g) (x) = f (g(x)) = (x + 2) 2
+ 1 = x
2
+ 4x + 5
3. Folgen
Man nennt an das Glied der Folge it der Nummer n
2
,
1
3
,
1
4
,
1
k
)
Die Geometrische Folge
Bei einer geometrischen Folge ist der Quotient / Faktor zweier aufeinander folgender Glieder immer gleich.
{1, 2, 4, 8, 16, 32, 64, 128} = eine geometrische Folge, weil der Faktor immer gleich bzw. immer gleich 2 ist.
Mann nennt die Folge {a } eine geometrische Folge, falls das k-te Glied gegeben ist durch:
k
ak = a0 = a0 q
k
, k = 0, 1, 2 ....
a k +1
ak
= q, k = 0, 1, 2 ...
{1, 2, 3, 4, 5...} = eine arithmetische Folge, weil die Differenz immer gleich bzw. immer gleich 1 ist.
Man nennt die Folge {a } eine arithmetische Folge, falls das k-te Glied gegeben ist durch:
k
a = a + kd, k = 0, 1, 2 ...
k 0
4. Summe
∑(a k + b k ) = ∑(a k ) + ∑(b k )
n a 0 +a n
∑ (a k ) = n ∗
k=0 2
Geometrische Reihe:
n+1
n n k q −1
∑ ak = a0 ∗ ∑ q = a0 ∗
k=0 k=0 q−1
=a =a =a
n
n n−1 k+1 n−1 k q −1
∑ ak 0 ∗ ∑ q 0 ∗ ∑ q ∗ q 0 ∗
k=1 k=0 k=0 q−1
Arithmetische Reihe:
a 0 +a n −1
n ∗
2
5. Produkt
Formeln
= (−1) = (−1) = (−1) = (−1) =1
100 1+100
100 i ∑ (i) 100∗ 50∗101 5050
∏ (−1) i=1 2
i=1
Woche 3: Big-O Notation, Zahlen & Divisionen und
Matrizen
1. Big-O
Normale Funktionen (Keine Polynome)
|f (x)| ≤ C|g(x)|, ∀x > k → f (x) ∈ O(g(x))
Bsp: f (x) = x 2
+ 2x + 1 ∈ O(x )
2
2 2 2 2
f (x) ≤ x + 2x + x → 4x
C = 4, k = 1
Polynome
Bei Polynome gibt die höchste Potenz von x den Ton an → x wächst am schnellsten n
Bsp: f (x) = x 5
− 3x
3
+ 2x
2
− 13 ∈ O(x )
5
5
f (x) ≤ 19x
5
C = ∑ = 1 + 3 + 2 + 13 = 19, k = 1
k=0
Fakultäten
Grundsätzlich gilt:
n
n! = O(n )
(n! + 2
n
) = O(n! + n!) bei n ≥ 4
(n
3
+ log(n
2
+ 1)) = O(n
3
+ n )
3
bei n ≤ 2
→ 2n! ∗ 2n
3
= 4(n! + n )
3
, wobei C = 4, k = 4
a|b → ∀c(a|bc)
24 = 1 ∗ 19 + 5
19 = 3 ∗ 5 + 4
5 = 1 ∗ 4 + 1
4 = 4 ∗ 1 + 0
Matrizen
Addition:
1 2 −2 1 1 − 2 2 + 1 −1 3
[ ] + [ ] = [ ] = [ ]
3 1 2 −4 3 + 2 1 − 4 5 −3
Multiplikation
1 2 3 6
3 ∗ [ ] = [ ]
3 1 9 3
A ∗ B ≠ B ∗ A
Transponierte Matrix
1 2 −2 1 3
A = [ ] und B = [ ]
3 1 2 −4 −2
−2 2
⎡ ⎤
T
1 3 T
A = [ ] und B = 1 4
2 1
⎣ ⎦
3 −2
Inverse Matrix
−1
A ∗ A = In
a b −1
1 d −b −1
1 0
A = [ ], A = ∗ [ ] → A ∗ A = [ ]
c d ad − bc −c a 0 1
Woche 4: Vollständige Induktion, Rekursiv definierte
Funktionen, Schlussregeln (Inferenzregeln)
Induktionsbeweis
Bsp: P (n) = 1 + 2 + 3 + +n = n(n+1)
2
= ∑
n
k=1
k =
n(n+1)
1(1+1)
= 1
2
1(1+1)
= 1 = true
2
Schritt 2: Induktionsschritt:
P (n) → P (n + 1) :
... n + (n + 1) =
n(n+1)
1 + 2 + 3 + 4+ + (n + 1)
2
... =
n(n+1)+2(n+1)
... =
(n+1)(n+2)
→ true
2
Bsp: n < 2
n
Induktionsschritt:
n + 1 < 2
n
+ 1 → Big − O Estimation
n + 1 < 2
n
+ 2
n
→ n + 1 ≤ 2 ∗ 2
n
n+1
n + 1 ≤ 2
Bsp: 2 n
< n!, ∀n ≥ 4
Induktionsverankerung: P (4) : 2 4
< 4!
Induktionsschritt
Induktionsbeweis: 2 n
< n! → 2
n+1
< (n + 1)! ?
2 + 1 = 2 ∗ 2
n n
2 ∗ 2
n
< n! ∗ 2
2
n+1
< n! ∗ (n + 1) → weil 2 < n + 1 bei n ≥ 4
n+1
2 < (n + 1)!
Bsp: H j = 1 +
1
2
+
1
3
+
1
4
+ ... + 1
j
, j = 1, 2, 3 ...
H
2
n
≥ 1 +
n
Induktionsverankerung: P (1) : H 2 → 1 +
1
2
= 1 +
1
2
→ true
Induktionsschritt:
Induktionsvoraussetzung: H 1
2
→ 1 +
1
2
= 1 +
1
2
= true
Induktionsbeweis: H n
2
→ H
n+1
2
bzw. 1 + n
2
→ 1 +
n+1
1 +
1
2
+
1
3
+
1
2
n
+
2
1
n
+1
+ ... 2
1
n+1
≥ 1 +
n
2
+
n
1
n
+1
+ ... 2
1
n+1
.... ≥ 1 + n
2
+ 2
n
+
2
1
n+1
.... ≥ 1 + n
2
+
1
2
≥ 1 +
n+1
2
Bsp: 1 ... +(2n + 1) =
2 2 2 2 (n+1)(2n+1)(2n+3)
+ 3 + 5 +
3
Induktionsverankerung: P (1) : (2 ∗ 0 + 1)
(1+1)(2∗1+1)(2∗1+3)
2 2
(2 ∗ 1 + 1) = → 10 = 10
3
Induktionsschritt:
Induktionsvoraussetzung:
(n+1)(2n+1)(2n+3) ((n+1)+1)(2(n+1)+1)(2(n+1)+3) (n+2)(2n+3)(2n+5)
→ →
3 3 3
(n+1)(2n+1)(2n+3)
2 2 2 2 2 2
+ 3 + 5 + + (2n + 3) = + (2n + 3)
3
.... =
2
(n+1)(2n+1)(2n+3)+3(2n+3)
.... =
2
(2n+3)[(n+1)(2n+1)+3(2n+3)] (2n+3)[2n +3n+1+6n+9]
=
3 3
.... =
2
(2n+3)(2n +9n+10) (2n+3)(n+2)(2n+5)
=
3 3
Fibonacci Beispiele
Bsp: ∀n ∈ N : (f + f + ... +f 1
2
2
2
n
2 = f n ∗ f n+1
IVA: n = 1 : f = f ∗ f = 1 1
2
1
2
2
2
2
= 1 ∗ 1 → true
IS:
IB: f 1
2 + f 22 + ... f n
2 + f (n+1) 2 = f (n+1) ∗ f (n+2)
IVA: n = 1 : f = f 1 2∗1
= 1 = 1 → true
IV: f + f + f ... f
1 3 5 2n−1
= f 2n
IB: f 1
+ f3 + f5 ... +f 2n−1
+ f 2n+1 = f 2n + f 2n+1
=f 2n
+ f 2n+1 = f 2n + f 2n+1
Woche 5: Grundlagen des Zählens, Schubfachprinzip,
Permutationen & Kombinationen
Grundlegende Zählprinzipien
Produktregel
Falls ein erstes Ereignis aus n Möglichkeiten und danach ein zweites (unabhängig vom ersten Ereignis) aus
1
Bsp:
Anzahl Nummernschilder, wenn jedes Schild aus 3 Buchstaben und 3 Zahlen besteht?
3 3 ′ ′
= 26 ∗ 26 ∗ 26 ∗ 10 ∗ 10 ∗ 10 = 26 ∗ 10 = 17 576 000
Summenregel
Kann ein erstes Ereignis auf n Arten und ein zweites Ereignis auf n Arten, wobei nicht beide Ereignisse
1 2
gleichzeitig eintreten können, dann können die beiden Ereignisse auf n + n Arten eintreten.
1 2
Bsp:
Student wählt seine PA aus drei Listen mit je 23, 15 und 19 Arbeiten aus. Aus wie vielen Projekten kann er
auswählen?
23 + 15 + 19 = 57 Projekte
Ein- / Ausschlussprinzip
Für zwei beliebige Mengen A und B gilt: |A ∪ B| = |A| + |B| − |A ∩ B|
Bsp:
Wie viele Bitstrings der Länge 8 starten mit einer 1 oder enden mit 00 (1xxxxx00)?
=2 7
+ 2
6
− 2
5
= 128 + 64 − 32
Bsp:
Wieviele ganze Zahlen zwischen 100 und 999 gibt es, die durch 7 teilbar sind?
S1: Erste Zahl in der Menge herausfinden, die durch 7 teilbar ist: → 105/7 = 15
S2: Letzte Zahl in der Menge herausfinden, die durch 7 teilbar ist: → 994/7 = 142
a n = a + (n − 1) ∗ d → 994 = 105 + (n − 1)∗ → n = 128
oder ⌊ 900
7
⌋
Schubfachprinzip
Verallgemeinertes Schubfachprinzip: Falls man N Objekte auf k Schubfächer verteilt, dann gibt es wenigstens
ein Schubfach, welches mindestens ⌈ n
k
⌉ Objekte enthält
12
⌉ = 9, die im selben Monat Geburtstag haben.
Bsp: Zeigen Sie, dass sich in jeder Menge von 5 ganzen Zahlen (mindestens) 2 befinden, die bei Division
durch 4 den gleichen Rest haben.
(n−r)!
Anzahl r-Permutationen mit Wiederholung
Die Anzahl r-Permutationen bei einer Menge mit n Objekten mit Wiederholung ist n r
Bsp: Eine Münze wird 10 mal geworfen und es erscheint jeweils Kopf oder Zahl. Wie viele mögliche Ausgänge
hat dieses Experiment total?
Typ 1, n nicht unterscheidbare Objekte vom Typ 2 ... und schliesslich n nicht unterscheidbare Objekte vom
2 k
n!
n 1 !∗n 2 !∗n k !
Anzahl r-Kombinationen
Wichtig! Bei Kombinationen spielt die Reihenfolge keine Rolle
Die Anzahl von r−Kombinationen einer Menge von n ≥ 0 Elementen ist gegeben durch:
n! n
C(n, r) = = ( ) = C(n, n − r)
r!(n−r)! r
n+r−1
C(n + r − 1, r) = ( )
r
Beispielaufgaben
1. Einhundert Lose, durchnummeriert von 1 bis 100, werden an 100 verschiedene Leute verkauft. Es sollen
vier verschiedene Preise verlost werden. Wieviele Möglichkeiten gibt es, die Preise zu verteilen
D.h der erste Preis kann von 100 Pers. gewonnen werden, zweiter von 99 etc
′ ′
→ 100 ∗ 99 ∗ 98 ∗ 97 = 94 109 400 = P (100, 4)
D.h. Es bleiben nach dem gewinn des ersten Preises, noch 99 Leute übrig, die restlichen Preise zu
gewinnen.
′
→ 99 ∗ 98 ∗ 97 = 941 094 = P (99, 3)
c) falls die Person mit Los 47 einen der Preise gewinnen soll:
2. Auf wieviele Arten können 5 Elemente aus einer Menge von 3 Elementen ausgewählt werden, wenn die
Reihenfolge berücksichtigt wird und Wiederholungen erlaubt sind?
5
n = 3, r = 5 → 3 = 243
3. Auf wieviele Arten können 3 Elemente aus einer Menge von 5 Elementen ausgewählt werden, wenn die
Reihenfolge nicht berücksichtigt wird und Wiederholungen erlaubt sind?
r
)
7
n = 5, r = 3 → ( ) = 35
3
4. Wieviele verschiedene binäre Strings können gebildet werden, wenn ein String stets mit einer 1 beginnen
muss, ausserdem stets genau drei weitere 1 Bits enthalten muss, stets genau zwölf 0 Bits enthalten muss
und jedem 1 Bit mindestens zwei 0 Bits folgen müssen.
Erste 'I00' is fix und drei weitere 'I00' sind fix -->'I00I00I00I00+0000'
7
→ ( ) = 35
3
5. Wieviele Möglichkeiten gibt es, 6 unterschiedliche Objekte in 4 Fächer zu verteilen, so dass jedes der
Fächer mindestens ein Objekt enthält?
n = A, B, C, D, E, F
r = 1, 2, 3, 4
Fall 1: A, B, C|D|E|F → Aus 6 Objekten werden 3 ausgewählt und in eine Box hereingelegt → ( 6
3
) = 20
Fall 2: A, B|C, D|E|F → Aus 6 Objekten werden die ersten 2 in eine Box hereingelegt → (
6
2
) = 15
Anschliessend werden Aus 4 übrigen Objekte 2 Objekte in die zweite Box hereingelegt → ( 4
2
) = 6
Dies muss noch durch 2 dividiert werden, da die Objekte als {AB} oder {BA} betrachtet werden können.
Also sind es jetzt 45.
Fall 2 + Fall 1 = 20 + 45 = 65
Binomialkoeffizienten
Definition
α α(α−1)(α−2)(α−k+1)
( ) =
k k!
10 10! 10∗9∗8
( ) = =
3 3! 1∗2∗3
n n n
∑ ( ) = 2
k=0 k
∑
n
k=0
(−1)
k
= 0 bei n > 0
n k n
∑ (2) = 3
k=0
1 1
p(x i ) = = , i = 1, 2, 3.. . n
Ω n
Die Wahrscheinlichkeit eines Ereignisses A des endlichen Stichprobenraumes Ω von lauger gleich
wahrscheinlichen Ereignissen ist gegeben durch:
ünstigeF älle
=
|A| Anzahlg
p(A) =
|Ω| Anzahlm öglicheF älle
Wichtige Regeln
–
Komplementäres Ereignis:
p(A) = 1 − p(A)
p(A) = ∑ p(s) . Bsp: 2 Gezinkte Würfel, davon einer mit der das Ereignis eine 4 zu würfeln die
Wahrscheinlichkeit ist, und beim zweiten Würfel das Ereignis 3 zu würfeln
2
7
ist. AlleanderenZahlenhabendieW ahrscheinlichkeit$
1
7
. Wie gross ist die Wahrscheinlichkeit dafür,
dass die Augensumme 7 Auftritt?
P 1 (4) =
2
7
, P 1 (1 ∨ 2 ∨ 3 ∨ 5 ∨ 6) =
1
2 1
P 2 (3) = , P 1 (1 ∨ 2 ∨ 4 ∨ 5 ∨ 6) =
7 7
P (1, 6) = (
1
7
)
2
P (2, 5) = (
1
7
)
2
P (3, 4) = (
1
7
)
2
P (4, 3) = (
2
7
)
2
P (5, 2) = (
1
7
)
2
P (6, 1) = (
1
7
)
2
1 2 2 2 9
P (A) = 5 ∗ ( ) + ( ) =
7 7 49
expand((x + x + x + x2 3 4
+ x
5
+ x ) )
6 3
expand((x + x + x + x2 3 4
+ x
5
+ x ) )
6 4
r = 1, 2, 3. . . ∞
p(x = r) =
1
2
,(
1
2
2
) ,(
1
2
3
) ...(
1
2
)
∞
∞ 1 k 1 ∞ 1 k 1 1 4
E(x) = ∑ k( ) = ∑ (k + 1)( ) = ∗ = = 2
k=1 2 2 k=0 2 2 (1−1/2) 2 2
∞ k 1
∑ (k + 1)(x) = 2
k=0 (1−x)
Bedingte Wahrscheinlichkeit
Sind A und B zwei Ereignisse mit p(B) > 0, dann bezeichnet man die Wahrscheinlichkeit von A unter der
Voraussetzung B mit p(A|B)
A∩B
p(A∩B) Ω A∩B
p(A|B) = = B
=
p(B) B
Ω
Bsp: Bei einem Lottospiel müssen 6 Zahlen zwischen 1 und 30 geraten werden. Die zahlen 1, 14, 15, 20, 23
und 27 gezogen. Sie erfahren, dass die Zahl 15 gezogen wurde. Um wieviel wird die Gewinnchance durch
diese Information vergrössert?
( ))
6
30
p(A|B) = p(A)
p(B|A) = p(B)
p(A∩B) p(A)p(B)
p(A|B) = = = p(A)
p(B) p(B)
Wenn diese Gleichungen nicht übereinstimmen , dann sind die Ereignisse abhängig
p(B|A)∗p(A)
p(A|B) =
p(B)
n k n−k
B(k|n, p) = ( )p (1 − p)
k
μ = np
k
μ −μ
f (k) = e
k!
Zufallsvariablen
Eine Zufallsvariable X is eine Abbildung vom Stichprobenraum S in die Menge der rellen Zahlen R, wobei
jedem Ergebnis r ∈ S eine relle Zahl X(r) zugeordnet wird.
Bsp: Ein Würfel wird so lange geworfen, bis die Zahl 6 erscheint oder der Würfel 10x geworfen wurde:
r = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
p(x = r) =
1
6
,
5
6
∗
1
6
,(
5
6
)
2
∗
1
6
etc... bis ( 5
6
)
8
∗
1
6
und bei r = 10 → ( 5
6
)
9
also (∑ 10
k=0
k ∗ (
5
6
)
k−1
∗
1
6
) +10 ∗ (
5
6
)
10
Der Erwartungswert ist linear - Falls X und X i = 1, 2, 3.. . n Zufallsvariablen auf S sind, und a, b beliebige reelle
Zahlen, dann gilt:
E(aX + b) = aE(X) + b
Varianz einer Zufallsvariable
V (X) = ∑(X(s) − E(X))
2
∗ p(s) = ∑(r − E(X))
2
∗ p(r = x)
Standardabweichung = √V (x)
E(X) = np
V (X) = E(x)(1 − p) = n ∗ p ∗ (1 − p)
E(X) = μ
V (X) = μ = E(X)
Woche 9: Zahlentheorie I
Division mit Rest
a = qn + r
Kongruenz
a ≅b mod n , falls die Differenz von a und b durch n teilbar ist.
n|(a − b) = a ≅ b mod n
∃q : a − b = q ∗ n
Euklidischer Algorithmus
Bsp: ggT (963, 218)
Diophantische Gleichung
n1 ∗ x + n2 ∗ y = n
n 1 (x + kn 2 ) + n 2 (y − kn 1 )
Bsp: 3x + 7y = 1, x = −2, y = 1
x = −2 + 3 ∗ 7 = 19 & y = 1 − 3 ∗ 3 = −8
~ ~
3 ∗ x + 7 ∗ y = 1
~ ~
3 ∗ 19 + 7 ∗ (−8) = 57 − 56 = 1
1. Mittels dem euklidischem und erweiterten euklidischen alg. das ggT(144, 37) herausfinden und die
diophantische gleichung lösen:
144 = 3 ∗ 37 + 33 = −8 ∗ 37 + 9 ∗ (144 − 3 ∗ 37) = 9 ∗ 144 − 35 ∗ 37
37 = 1 ∗ 33 + 4 = 33 − 8(37 − 1 ∗ 33) = −8 ∗ 37 + 9 ∗ 33
33 = 8 ∗ 4 + 1 1 = 33 − 8 ∗ 4
Modulare Inverse
n 1 ∗ x = 1( mod n 2 ) n 1 : multipliziert mit was und das ganze mod n 2 ergibt 1?
Chinesischer Restsatz
x ≅ b1 ( mod n 1 )
x ≅ b2 ( mod n 2 )
x ≅ b3 ( mod n 3 )
x ≅ b4 ( mod n 4 )
N = n1 ∗ n2 ∗ n3 ∗ n4
N
Ni =
ni
b1 N1 = n2 ∗ n3 ∗ n4 x1 b1 ∗ N1 ∗ x1
b2 N2 = n1 ∗ n3 ∗ n4 ∗ x2 b2 ∗ N2 ∗ x2
bi (Restwerte) Ni xi (Inverse von N )
i bi ∗ Ni ∗ xi
b3 N3 = n1 ∗ n2 ∗ n4 ∗ x3 b3 ∗ N3 ∗ x3
b4 N4 = n1 ∗ n2 ∗ n3 ∗ x4 b4 ∗ N4 ∗ x4
4
x = ∑ bi ∗ Ni ∗ xi
i=1
Bsp:
x ≅ 1( mod 2)
x ≅ 2( mod 3)
x ≅ 3( mod 5)
x ≅ 4( mod 11)
N = 2 ∗ 3 ∗ 5 ∗ 11 = 330
bi Ni xi bi ∗ Ni ∗ xi
Überprüfung:
323 mod 2 = 1
323 mod 3 = 2
323 mod 5 = 3
323 mod 11 = 4
Z n = 0, 1, 2, 3.. . , n − 1
ϕ(4) = Z 4 ∗ = 1, 3 = 2
ϕ(5) = Z 5 ∗ = 1, 2, 3, 4 = 4
ϕ(3) = Z 3 ∗ = 1, 2 = 2
ϕ(2) = Z 2 ∗ = 1 = 1
ϕ(p) = p − 1
ϕ(p ∗ q) = (p − 1)(q − 1)
ϕ(35) = ϕ(5 ∗ 7) = (5 − 1)(7 − 6) = 4 ∗ 6 = 24
4 3
ϕ(16) = ϕ(2 ) = (2 − 1) ∗ 2 = 8
2 1
ϕ(693) = ϕ(3 ∗ 7 ∗ 11) = (3 − 1) ∗ 3 ∗ (7 − 1) ∗ (11 − 1) = 360
mod p
p
m mod p = m
Bsp: 2 340
mod 11 = 1
Formel m p−1
mod p anwenden
(2
10
)
34
mod 11 = 1
(2
10
mod 11)
34
mod 11 = 1
34
1 mod 11 = 1
Allgemein gilt: Seien $a,n \in N$ mit ggT($a,n$) $=1$ und $\phi(n)$ die eulerschei $\phi$-Funktion, dann gilt:
ϕ(n)
a ≅ 1(modn)
Nspire: Zahleingeben --> Buch auf der rechten Seite --> Base 2
4 3 2 1 0 4 2 0
21(I 0I 0I ) 2 = 1 ∗ 2 + 0 ∗ 2 + 1 ∗ 2 + 0 ∗ 2 + 1 ∗ 2 = 2 + 2 + 2 = (2 ∗ 2 + 1)2 ∗ 2 + 1
.... = (((5 2
)
2
∗ 5) )
2 2
∗ 5
.... = (((25) 2
∗ 5) )
2 2
∗ 5 mod 11
.... = ((3 2
∗ 5) )
2 2
∗ 5 mod 11
.... = ((1) 2
)
2
∗ 5 mod 11
.... = = 5
Q Q M Q Q M
−
−
−
−
−
−
3 → 9 ≅ 9 → 81 ≅ 4 → 12 ≅ 1 → 1 ≅ 1 → 1 ≅ 1 → 3 ≅ 3
Das Inverse berechnen mit dem kleinen Satz von Fermat (Nur bei Primzahlen)
Sei p eine Primzahl. In diesem Fall kann der kleine Satz von Fermat genutzt werden, um die Inversen
systematisch zu bestimmen. Seia ∈ Z p
∗
= 1, 2, . . . . p − 1 , dann gilt:
p−1 p−2
a = a ∗ a = 1( mod p)
5−2
1 mod 5 = 1
5−2
2 mod 5 = 8 mod 5 = 3
5−2
3 mod 5 = 27 mod 5 = 2
5−2
4 mod 5 = 64 mod 5 = 4
Modulare Quadratwurzeln
x
2
= a bwz. (x ∗ x) mod n = a
mod n
Bsp: n = 7, Z ∗
7
= 1, 2, 3, 4, 5, 6
x 1 2 3 4 5 6
2
x = (x ∗ x) mod 7 1 4 2 2 4 1
a 1 2 3 4 5 6
√a mod 7 1, 6 3, 4 -- 2, 5 -- --
Falls n eine Primzahl ist, hat jedes Element keine oder genau 2 Quadratwurzeln (siehe n = 7)
Falls n das Produkt von zwei verschiedenen Primzahlen sind, so hat jedes Element entweder keine oder genau
4 Quadratwurzeln (siehe n = 15 → n = 3 ∗ 5)
Schnelle überprüfung, ob eine bestimmte Zahl ein quadratisches Residum modulo eine Primzahl ist.
Sei p eine ungerade Primzahl, dann ist a < p ein quadratischer Rest modulo p dann, wenn a
p−1
2
≅ 1( mod p)
Bsp: Sei p = 11. Nun zeigen wir, dass 3 ein quadratisches Residuum modulo 11 ist.
11−1
5
3 2
= 3 = 243 → 243 mod 11 = 1
Finde zu gegebenem y ∈ Z ein k ∈ N (falls es existiert), so dass die folgende Gleichung erfüllt ist:
∗
p
y = b (
k
mod p) oder k = log b (y) mod p
3. A berechnet β a
mod p = g
b∗a
mod p und B berechnet α b
mod p = g
b∗a
mod p
Bsp: Primzahl p = 19 und die Erzeugende g = 3. Weiter wählt Aliche die Geheimzahl a = 3 und Bob wählt
b = 4
1. Die Anforderungen sind erfüllt, denn g < p und g ist eine Erzeugende von n
2. Alice schickt 3 3
mod 19 = α = 8 an Bob
Bob schickt 3 4
mod 19 = β = 5 an Alice
3. Alice berechnet β a
mod n also 5 3
mod 19 = 11
4. Bob berechnet α b
mod n also 8 4
mod 19 = 11
Es gilt:
Perfekte Sicherheit
Ein Verschlüsselungsalgorithmus heisst perfekt sicher, falls für alle m ∈ M und alle c ∈ C folgendes gilt:
p(m|c) = p(m)
Die Kenntnis eines Geheimtextes c liefert (absolut) keine Information über das Vorliegen eines Klartextes m.
Beispiel:
Gegeben ist die Klartextmenge M = 01, die Geheimtextmenge G = 00, 01, 10, 11 und die Schlüsselmenge
K = k , k , k . Die Wahrscheinlichkeitsverteilungen auf der Klartextmenge p(0) = , p(1) = 14 und auf der
3
1 2 3
4
Schlüsselmenge p(k 1) =
1
2
, p(k2) = 1
4
und p(k 3) =
1
4
. Die Verschlüsselungsfunktion f sei wie folgt definiert:
f (k 1 , 0) = 01
f (k 2 , 0) = 10
f (k 3 , 0) = 11
f (k 1 , 1) = 10
f (k 2 , 1) = 11
f (k 3 , 1) = 00
1 1 1
p(00) = ∗ =
4 4 16
3 1 3
p(01) = ∗ =
4 2 8
p(10) =
1
4
∗
1
2
+
3
4
∗
1
4
=
16
5
3 1 1 1 1
p(11) = ∗ + ∗ =
4 4 4 4 4
Falls diese Gleichung stimmt, müssen alle anderen Gleichungen noch überprüft werden!
Jeder Teilnehmer T hat ein privater Schlüssel zum decrypten d = d und ein öffentlicher Schlüssel e = d
T T
zum encrypten.
Umgekehrt ordnet der Entschlüsselungs-Algorithmus f zum privaten Schlüssel d dem Geheimtext c den
d
Klartext m = f (c) zu. Nur wer zum öffentlichen Schlüssel e den passenden geheimen Schlüssel d hat,
d
kann entschlüsseln.
2668, 17
2668 = 2
2
∗ 23 ∗ 29 . Da 17 nicht vorkommt, sind die Zahlen teilerfremd
1. Schlüsselerzeugung
Wähle zwei grosse (mind 300-600 stellige) Primzahlen p = 47 und q = 59.
Berechne n = p ∗ q = 2773
Berechne ϕ(n) = (p − 1) ∗ (q − 1) = 2668
Wähle eine zu ϕ(n) teilerfremde Zahl e (ggt(ϕ(n), e = 1)) → e = 17
Bestimme ein modulares Inverses modulo ϕ(n) zu e
e ∗ d ≅ 1(modϕ(n))
d = 157
2. Verschlüsselung
m1 = 8
e
f e (m) = m mod n = c
17
8 mod 2773 = c = 596
3. Entschlüsselung
c = 596
d
f d (c) = c mod n = m
157
596 mod 2773 = 8
Faktorisieren von n
Bsp: Die Zahl n = 10921 ist das Produkt von zwei verschiedenen Primzahlen. Ausserdem gilt ϕ(10921) = 10692
. Faktorisieren Sie n.
2a
10921
n = 10921 = p ∗ q, ϕ(n) = 10692, p =
q
10921
10692 = ( − 1)(q − 1)
q
10921
10692 = 10921 − − q + 1
q
10921
10692 = 10922 − − q
q
10921
230 − − q = 0
q
2
−q + 230q − 10921 = 0
2
q − 230q + 10921 = 0
√ 2
230 230 −4∗1∗10921 230±96
q 1,2 = =
± 2 2
q 1 = 163
q 2 = 67
Woche 12: Graphentheorie I
Ein ungerichteter Graph G = (V , E) besteht aus:
Addiert man die Gerade aller Knoten (Ecken) eines Graphen, zählt man alle Kanten des Graphen doppelt. Es
gilt also das Handshaking Lemma
∑ deg(v) = 2 ∗ |E|
v∈V
n = Anzahl Kanten
Isomorphe Graphen
Zwei Graphen sind isomorph, wenn es eine bijektive Abbildung gibt. Isomorphe Graphen haben gleich viele
Knoten und Kanten und deren Gradlisten sind identisch.
Voraussetzungen:
Vollständiger Graph
Ein vollständiger Graph K besitzt zwischen je zwei Knoten stets genau eine Kante.
n
n
m = ( ) =
2
(n−1)n
2
Kanten
Baum
Ein Baum mit n Knoten ist ein Graph, der keinen Kreis enthält.
Page-Rank Algorithmus
Bsp mit d = 4
5
Schritte:
Gleichungen aufstellen
Gleichungen in Matrixform
Das ganze Mal 5 oder was auch immer rechnen
Vektoren durch Einheitsmatrix * X ersetzen
Umordnen (5 ∗ 𝟙 − 5A)
Gleichung lösen (solve)
Die Adjazenzmatrix
Die Adjazenzmatrix A(G) des Graphen G mit n Knoten ist die n ∗ n Matrix mit den Elementen A = Anzahl
ij
Die Gradmatrix
Die Gradmatrix D(G) des Graphen G ist die n ∗ n Diagonalmatrix, deren Diagonaleinträge die Gerade der
entsprechenden Knoten von G sind.
Es gilt: B ∗ B T
= A + D → mit nSpire ausrechnen
Warum ist (B ∗ B T
)
T
Symmetrisch? Weil: (B ∗ B T
)
T
= B
T
∗ (B
T
)
T
= B ∗ B
T
(B
T
)
T
gleicht sich wieder aus
UND ES GILT: (A ∗ B) T
= B
T
∗ A
T
Ein Weg oder ein Kreis heissen "einfach", falls jede Kante höchstens einmal vorkommt.
Die Anzahl Wege der Länge x zwischen zwei beliebigen, nicht notwendigerweise verschiedenen Knoten von
einem Graph zu berechnen ist folgendes:
Regel:
Jeder Graph hat genau dann einen Eulerkreis, wenn alle Knoten einen geraden Grad haben.
Jeder Graph hat genau dann einen Eulerweg, wenn es genau zwei Knoten mit ungeradem Grad hat.
Hamiltonkreis
Ein Hamiltonweg (bzw. ein Hamiltonkreis) in einem Graphen G ist ein einfacher Weg (bzw. ein einfacher
Kreis), der jeden Knoten von G einmal durchläuft.
Woche 13: Graphentheorie II
Planarer Graph
Ein Graph heisst planar, wenn er sich in der Ebene ohne Kantenkreuzungen zeichnen lässt.
Eulerscher Polyedersatz
Anz. Knoten - Anz. Kanten + Anz. Flächen = |V | − |E| + |F | = 2
Beweisskizze:
Wir konstruieren den zu G dualen Graphen G , indem wir in jede Fläche einen Knoten setzen und zwei dieser
∗
Knoten genau dann verbinden, wenn sie in benachbarten Flächen, d.h auf verschiedenen Seiten einer Kante
von G liegen.
Anschliessend konstruiert man ein Gerüst des dualen Graphen G , nämlich B . Das ist ein Baum, welcher alle
∗ ∗
Knoten von G miteinander verbindet. Es gilt B hat genau F − 1 Kanten. Also Flächen vom
∗ ∗ ∗
Kanten. Die Summe ist gleich der Anzahl der Kanten von G.
|E| = |V | + |F | − 2
Die kleinste Zhal der Farben, die eine Färbung von G ermöglicht, wird chromatische Zahl von G, kurz χ(G)
genannt.
Bsp. χ(G) = 3
Die chromatische Zahl ist immer 1 ≤ χ(G) ≤ Δ(G) + 1. Es gibt mindestens 1 Farbe, und höchstens die max.
Anzahl von Knoten eines Graphen + 1.
Gleichheit gilt im Satz nur für vollständige Graphen χ(K n) = n und Δ(K n) = n − 1 und Kreise ungerader
Länge χ(C 2k+1) = 3 und χ(C ) = 2
2k
n
P (P n , x) = x
Es gilt für vollständige Graphen (Sei K der vollständige Graph mit n Knoten)
n
P (K n , x) = x ∗ (x − 1)(x − 2). . . (x − n + 1)
Bsp: K
5
Bsp: K
3
n−1
P (T n , x) = x ∗ (x − 1)
Bsp: T und P (T
3 3, 2)
Dekompositionsgleichung
Es gilt:
P (G − e, x) = P (G, x) + P (G e , x)
P (G, x) = P (G − e, x) − P (G e , x)
Der Rekursive Algorithmus wird so lange gemacht, bis ein Baum oder ein Kreis entsteht.
Die Chromatische Zahl kann auch ausgerechnet werden
Das chromatische Polynom P (C n, x) eines Kreises C mit n ≥ 1 Knoten, ist gegeben durch
n
n n
P (C n , x)) = (x − 1) + (−1) (x − 1)
Gerüste
Ein Gerüst eines Graphen G = (V , E) ist ein zusammenhängender kreisfreier Untergraph (Baum), der alle
Knoten aus V enthält
Die parallelen Kanten werden NICHT ignoriert und die Schlingen werden weggelassen.
Woche 14: Graphentheorie III
Gewichtete Graphen: Länge und Abstand
Die Länge oder das Gewicht eines Weges in G ist die Summe der Gewichte sämtlicher Kanten des Weges:
Der Abstand d(u, v) zwischen zwei Knoten u, v ∈ V ist das Minimum der Längen aller Wege von u nach v.
Ein Weg der Länge d(u, v) von u nach v wird kürzester Weg genannt.
Initialisierung:
S = ∅
L(a) := 0
Wiederholungen:
Schritte:
Initialisierung:
S = a
T = ∅
Wiederholungen:
Schritte:
Initialisierung:
R = {{x}|x ∈ V }
T = ∅
Wiederholungen:
Wähle eine Kante {x, y} ∈ E − T minimalen Gewichts, so dass, x und y nicht zur gleichen Klasse von R
gehören
Ersetze in R die beiden Klassen von x und y durch ihre Vereinigung
Füge der Menge T die Kante x, y hinzu.
Bspt: L
2 (G))
A 1,1 A 1,2
A = [ ]
A 2,1 A 2,2