Mathematik für INF 2 - Cheatsheet.pdf

Mathematik für INF 2 - Cheatsheet
Mathematik für INF 2 - Cheatsheet Gruppen, Ringe und Körper Definition: Grundbegriffe der abstrakten Algebra. Verwendet für Struktur und Symmetrie in vielen Bereichen der Mathematik und Informatik. Details: Gruppe: Menge \( G \) mit Verknüpfung \( \bullet \), die abgeschlossen, assoziativ ist, ein neutrales Element und Inverses enthält. Abelsche Gruppe: Kommutative Gruppe, \( a \bullet b = b \bull...

© StudySmarter 2024, all rights reserved.

Mathematik für INF 2 - Cheatsheet

Gruppen, Ringe und Körper

Definition:

Grundbegriffe der abstrakten Algebra. Verwendet für Struktur und Symmetrie in vielen Bereichen der Mathematik und Informatik.

Details:

  • Gruppe: Menge \( G \) mit Verknüpfung \( \bullet \), die abgeschlossen, assoziativ ist, ein neutrales Element und Inverses enthält.
  • Abelsche Gruppe: Kommutative Gruppe, \( a \bullet b = b \bullet a \).
  • Ring: Menge \( R \) mit zwei Verknüpfungen \( + \) und \( \bullet \), \( (R, +) \) ist abelsche Gruppe, \( (R, \bullet) \) ist Monoid, Distributivgesetze gelten.
  • Körper: Ring \( K \) mit \( (K\setminus{\{0\}}, \bullet) \) bildet abelsche Gruppe.

Epsilon-Delta-Beweise

Definition:

Mathematischer Beweis zur Definition des Grenzwertes einer Funktion.

Details:

  • Definition: Für jede beliebige positive Zahl \( \varepsilon \gt 0 \) gibt es eine positive Zahl \( \delta \gt 0 \) sodass für alle \( x \) mit \( 0 < |x - a| < \delta \) gilt: \(|f(x) - L| < \varepsilon\)
  • Bedingung: \(0 < |x - a| < \delta\) -> \(|f(x) - L| < \varepsilon\)
  • Anwendung: Nachweis der Stetigkeit einer Funktion an einem Punkt.

Eigenwerte und Eigenvektoren

Definition:

Eigenwerte und Eigenvektoren beschreiben skalare Multiplikationen und Richtungen in linearen Abbildungen.

Details:

  • Eigenwert \( \lambda \) und Eigenvektor \( \mathbf{v} \) einer Matrix \( A \) erfüllen: \[ A \mathbf{v} = \lambda \mathbf{v} \]
  • Charakteristische Gleichung zur Bestimmung der Eigenwerte: \[ \det(A - \lambda I) = 0 \]
  • Für jeden Eigenwert \( \lambda \) entspricht ein Eigenraum der Menge aller Eigenvektoren

Lösungsmethoden für ODEs

Definition:

Methoden zur Lösung von gewöhnlichen Differentialgleichungen (ODEs)

Details:

  • Explizite Verfahren: Euler-Verfahren, Fehlberg-Verfahren
  • Implizite Verfahren: Rückwärts-Euler-Verfahren, implizites Runge-Kutta
  • Linearisierung: Bei nichtlinearen ODEs
  • Laplace-Transformation: Umformung der ODE in eine algebraische Gleichung
  • Trennung der Variablen
  • Variation der Konstanten: Zur Lösung inhomogener ODEs
  • Numerische Verfahren: 4. Reihenfolge-Runge-Kutta, Finite-Differenzen-Methode
  • Homogene, inhomogene ODEs unterscheiden

Gesetz der großen Zahlen

Definition:

Gesetz der großen Zahlen: Langfristig nähert sich der Durchschnitt der Ergebnisse einer Zufallsstichprobe dem Erwartungswert der Grundgesamtheit.

Details:

  • Formulierung: \( \text{Für eine Folge } X_i \text{ von i.i.d. Zufallsvariablen mit } E[X_i] = \mu: \frac{1}{n} \sum_{i=1}^{n} X_i \to \mu \text{ für } n \to \infty\)
  • Zwei Varianten: Schwaches und starkes Gesetz.
  • Schwaches Gesetz: \( \frac{1}{n} \sum_{i=1}^{n} X_i \to \mu \text{ in Wahrscheinlichkeit}\)
  • Starkes Gesetz: \( \frac{1}{n} \sum_{i=1}^{n} X_i \to \mu \text{ fast sicher}\)

Homomorphismen und Isomorphismen

Definition:

Homomorphismus: Struktur-erhaltende Abbildung zwischen zwei algebraischen Strukturen. Isomorphismus: Bijektiver Homomorphismus, der umkehrbar ist.

Details:

  • Homomorphismus: Abbildung \( \varphi: A \rightarrow B \) mit \( \varphi(a+b) = \varphi(a) + \varphi(b) \) und \( \varphi(a \cdot b) = \varphi(a) \cdot \varphi(b) \)
  • Isomorphismus: Homomorphismus, der bijektiv (invertierbar) ist
  • Gruppe, Ring, Vektorraum erfordern spezifische Bedingungen für Homomorphismen/Isomorphismen
  • .

Reihen und Konvergenzkriterien

Definition:

Reihen sind Summen unendlich vieler Glieder einer Folge; Konvergenzkriterien bestimmen, ob Reihen konvergieren.

Details:

  • Eine Reihe \(\sum_{n=1}^{\infty} a_n\) konvergiert, wenn die Partialsummen \(S_N = \sum_{n=1}^{N} a_n\) einen Grenzwert haben.
  • Wichtige Konvergenzkriterien:
    • Divergenzkriterium: \(a_n \rightarrow 0\) notwendig für Konvergenz.
    • Majorantenkriterium: \(0 \leq a_n \leq b_n\) und \(\sum b_n\) konvergiert, dann konvergiert \(\sum a_n\).
    • Minorantenkriterium: \(a_n \geq b_n \geq 0\) und \(\sum b_n\) divergiert, dann divergiert \(\sum a_n\).
    • Alternierendes Kriterium (Leibniz): \(a_n \) alternierend, \(a_n \rightarrow 0\) und \(a_{n+1} \leq a_n\) dann konvergiert \(\sum_{n=1}^{\infty} (-1)^n a_n\).

Matrizen und Determinanten

Definition:

Matrizen sind rechteckige Anordnungen von Zahlen, die Vektoren abbilden oder lineare Gleichungssysteme darstellen. Determinanten sind skalare Werte, die Eigenschaften von Matrizen beschreiben.

Details:

  • Eine Matrix der Größe \(m \times n\) hat \(m\) Zeilen und \(n\) Spalten: \(A = (a_{ij})\) mit \(i=1,...,m\) und \(j=1,...,n\).
  • Matrixmultiplikation: Für Matrizen \(A\) (\(m \times n\)) und \(B\) (\(n \times p\)) ist \(C = A \cdot B\) eine \(m \times p\) Matrix mit Elementen \(c_{ij} = \sum_{k=1}^{n} a_{ik}b_{kj}\)
  • Determinante einer \(2 \times 2\) Matrix: \(A = \begin{pmatrix} a & b \ c & d \end{pmatrix}\), \(det(A) = ad - bc\).
  • Determinante einer \(n \times n\) Matrix: Rekursiv über Laplace-Entwicklung berechnet.
  • Eine Matrix ist invertierbar, wenn ihre Determinante ungleich null ist.
  • Transponierte Matrix \(A^T\): Vertauschen von Zeilen und Spalten.
Sign Up

Melde dich kostenlos an, um Zugriff auf das vollständige Dokument zu erhalten

Mit unserer kostenlosen Lernplattform erhältst du Zugang zu Millionen von Dokumenten, Karteikarten und Unterlagen.

Kostenloses Konto erstellen

Du hast bereits ein Konto? Anmelden