Mengen. Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen. Notation und Terminologie. Bertrand Russell ( )

Größe: px
Ab Seite anzeigen:

Download "Mengen. Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen. Notation und Terminologie. Bertrand Russell ( )"

Transkript

1 Mengen Mthemtische Grundlgen der Computerlinguistik Mengen und Mengenopertionen Dozentin: Wieke Petersen 1 Folienstz Georg Cntor ( ) Eine Menge ist eine Zusmmenfssung von estimmten wohlunterschiedenen Ojekten unserer Anschuung oder unseres Denkens (welche die Elemente gennnt werden) zu einem Gnzen Mengen werden üer ihre Elemente estimmt Elemente von Mengen können seler Mengen sein Mengen können endlich oder unendlich sein Wieke Petersen mth Grundlgen 1 Wieke Petersen mth Grundlgen 3 Nottion und Terminologie Vrilen für Mengen: A,B,C,,M,N, Vrilen für Elemente:,,c,,x,y,z Ist m ein Element von M so schreit mn m M Ist m kein Element von M so schreit mn m M Zwei Mengen A und B sind genu dnn identisch oder gleich, wenn jedes Element von A uch Element von B ist und wenn jedes Element von B uch Element von A ist Es git genu eine Menge, die keine Elemente enthält, die leere Menge (Symol:, es gilt = { }) Mengen mit genu einem Element werden Einermengen (singleton) gennnt N= {1,2,3,} ist die Menge der ntürlichen Zhlen N 0 = {0,1,2,3,} ist die Menge der ntürlichen Zhlen mit 0 Z= {, 3, 2, 1,0,1,2,3,} ist die Menge der gnzen Zhlen Q ist die Menge der rtionlen Zhlen (lle Bruchzhlen ) R ist die Menge der reellen Zhlen (lle Kommzhlen ) Bertrnd Russell ( ) Russels Antinomie (1901) Sei M die Menge ller Mengen, die sich nicht selst ls Element enthlten Gilt M M oder M M? Ausweg: Theorie der Typen (Principi Mthemtic, Russel & Whitehed ) Mengen werden stufenweise ufgeut und sind immer von einem höheren Typ ls ihre Elemente Wieke Petersen mth Grundlgen 4 Wieke Petersen mth Grundlgen 5

2 Grellings Prdoxie Mengeneschreiungen Ein Adjektiv heiße utologisch, wenn es sich selst eschreit (Bsp: dreisilig, hplogistisch, kurz, xenonymisch, djektivisch, verl, voklenthltend, exquisit, ) heterologisch, wenn es sich nicht selst eschreit (Bsp: zweisilig, essr, grün, ) Ist heterologisch heterologisch? (nch DR Hofstdter: Gödel, Escher, Bch) In diesem Kurs werden Mengen so eschrieen, dss keine Prdoxien uftreten Prdoxien der Selstezüglichkeit zeichnende Hände von MC Escher Explizite Mengendrstellung { 1, 2,, n } ist die Menge, die genu die Elemente 1, 2,, n enthält Beispiel: {2,3,4,5,6,7} Implizite Mengendrstellung {x A} ist die Menge, die genu die Ojekte x enthält, uf die die Aussge A zutrifft Beispiel: {x R x N und 1 < x und x < 8}, Wieke Petersen mth Grundlgen 6 Wieke Petersen mth Grundlgen 7 Hinweise zur expliziten Mengendrstellung Hinweise zur impliziten Mengendrstellung Beschreiung durch Aufzählung oder -listung nur für endliche Mengen möglich Die Klmmern { und } heißen Mengenklmmern oder geschweifte Klmmern Reihenfolge der Elemente spielt keine Rolle: {,,c} = {c,,} Elemente können in der Klmmernottion mehrfch uftreten: {,,c} = {,,,,,,c} Beschreiung mittels chrkteristischer Eigenschft { Element Grundereich Eigenschft von Element } {x G E(x)} ( Menge ller x in G mit der Eigenschft E ) Bsp: {x N x ist eine gerde Zhl} Wenn der Grundereich us dem Kontext eknnt ist oder sich us der Eigenschft ergit, knn er weggelssen werden Bsp: {x x ist eine Primzhl} Sttt des Symols verwendet mn uch ds Symol : Also {x N : x ist eine Primzhl} Wieke Petersen mth Grundlgen 8 Wieke Petersen mth Grundlgen 9

3 Hinweise zur impliziten Mengendrstellung Teilmengen Beschreiung mittels rekursiver Definition Beispiel: Menge der Nchkommen von Georg Cntor 1 Festlegung endlich vieler Strtelemente: Die Kinder von Cntor sind Nchkommen von Cntor 2 Konstruktionsvorschrift für zusätzliche Elemente: Wenn x ein Nchkomme von Cntor ist, dnn ist jedes Kind von x ein Nchkomme von Cntor 3 Einschränkung: Nichts sonst ist ein Nchkomme von Cntor Ws ist, wenn Cntor keine Kinder htte? Lässt sich so uch die Menge der Nchkommen von Aristoteles definieren? oder die von Merlin? Eine Menge N ist eine Teilmenge der Menge M (in Zeichen: N M) genu dnn, wenn lle Elemente von N uch Elemente von M sind Wenn x N, dnn x M Wenn y M, dnn muss y N nicht unedingt gelten, es knn er gelten Eine Menge N ist eine echte Teilmenge der Menge M (in Zeichen: N M) genu dnn, wenn N eine Teilmenge von M ist und wenn M und N ungleich sind N M und N M Es git ein y M mit y N Wenn N M, dnn ist M eine Üermenge von N (in Zeichen: M N) Wenn M N und M N dnn ist M eine echte Üermenge von N (in Zeichen: M N) Wieke Petersen mth Grundlgen 10 Wieke Petersen mth Grundlgen 11 Teilmengen Mächtigkeit von Mengen x M: x ist ein Element der Menge M 2 {1,2,3} 2 {1,3,5} {3} {M M ist eine Einermenge} {3} {3} N M: Die Menge N ist eine Teilmenge der Menge M {2,3} {1,2,3,4} {2,3} {2,3} {1,2,3,4} (Die leere Menge ist eine Teilmenge jeder Menge!) {3} {M M ist eine Einermenge} N M: Die Menge N ist eine echte Teilmenge der Menge M {1} {1,2} {1,2} {1,2} Vorsicht: Die Element-von- und die Teilmengenreltion müssen streng unterschieden werden! Zwei Mengen M und N hen diesele Mächtigkeit oder heißen gleichmächtig (in Zeichen: M = N ), wenn es eine eineindeutige Zuordnung der Elemente von M uf N git (dh, die Zuordnung ordnet jedem Element us M genu ein Element us N und jedem Element us N genu ein Element us M zu) endliche Mengen Die Mächtigkeit einer endlichen Menge (in Zeichen: M ) ist die Anzhl ihrer Elemente Beispiele: = 0 {1,2} = 2 {{1,2}} = 1 Vorsicht: nicht lle unendlichen Mengen sind gleichmächtig! Wieke Petersen mth Grundlgen 12 Wieke Petersen mth Grundlgen 13

4 Mengenopertionen (unäre Potenzmengenopertion) Mengenopertionen sind Aildungen, die einer oder mehreren Mengen eindeutig eine Menge zuordnen Einstellige Opertionen werden uch unäre und zweistellige uch inäre Opertionen gennnt Die Potenzmengenopertion ist eine unäre Opertion, die jeder Menge ihre Potenzmenge zuordnet Die Potenzmenge einer Menge M ist die Menge ller möglichen Teilmengen von M, lso P OT (M) = {N N M} Mn schreit uch 2 M für die Potenzmenge von M P OT ({1,2,3}) = { }, { 1 }, { 2 }, { 3 }, { 1, 2 }, { 1, 3 }, { 2, 3 }, { 1, 2, 3 }, Mächtigkeit der Potenzmenge Für endliche Mengen gilt: ist M eine n-elementige Menge, so ist P OT (M) = 2 n n n Möglichkeiten Wieke Petersen mth Grundlgen 14 Wieke Petersen mth Grundlgen 15 Mengenopertionen (inäre Opertionen) Mengenopertionen Schnitt: A B A geschnitten mit B A B = {x x A und x B} Differenz: A \B (oder A B) A ohne B A \B = {x x A und x B} Beispiele A = {1,2,3,4}, B = {3,4,5}, U = {1,2,3,4,5,6,7}, A B = {1,2,3,4,5}, A B = {3,4} A \B = {1,2}, A = {5,6,7} Vereinigung: A B A vereinigt mit B A B = {x x A oder x B} Komplement (in U): C U (A) Komplement von A in U C U (A) = U \A Wenn U feststeht, schreit mn uch A Nottion Zwei Mengen A und B mit leerem Schnitt heißen disjunkt (A B = ) Wenn A eine Menge von Mengen ist, schreien wir A für die Vereinigung ller Elemente von A (Bsp: {B,C,D} = B C D) Wenn A eine Menge von Mengen ist, schreien wir A für den Schnitt ller Elemente von A (Bsp: {B,C,D} = B C D) Häufig werden uch Indizes und Indexmengen zur Nottion verwendet Bsp: Sei A i = {x N 0 x i}, dnn 3 i 5 A i = {0,1,2,3,4,5} und 3 i 5 A i = {0,1,2,3} Wieke Petersen mth Grundlgen 16 Wieke Petersen mth Grundlgen 17

5 Eigenschften der Mengeopertionen (Schnitt und Vereinigung) Gesetze der Komplementopertion Kommuttivgesetze: Assozitivgesetze: A B = B A A B = B A (A B) C = A (B C) (A B) C = A (B C) de Morgn: weitere Gesetze: Distriutivgesetze: Idempotenzgesetze: A B = A B A B = A B A = A A A = (A B) C = (A C) (B C) (A B) C = (A C) (B C) A A = A A A = A ist neutrles Element der Vereinigung: A = A = A Git es uch ein neutrles Element des Schnitts? Wieke Petersen mth Grundlgen 18 Wieke Petersen mth Grundlgen 19 n-tupel und Crtesisches Produkt Mengen sind ungeordnet, häufig werden jedoch geordnete Listen enötigt: Mthemtische Grundlgen der Computerlinguistik Reltionen und Funktionen Dozentin: Wieke Petersen 2 Folienstz n-tupel Ein n-tupel ist eine Liste mit n 1 Elementen Im Gegenstz zu Mengen ist die Reihenfolge festgelegt und jedes Element knn elieig oft vorkommen Beispiel: 2,3,1,,e,e,s,i,i,p,l 2-Tupel werden uch (geordnete) Pre gennnt Crtesisches Produkt Ds Crtesische Produkt (oder Kreuzprodukt) von n Mengen M 1 M n ist die Menge ller n-tupel deren i-tes Element us M i stmmt M 1 M n := { x 1,,x n x i M i für i = 1,,n} Sttt M M M schreit mn uch M n, wenn M genu n-ml uftritt Beispiel M 1 = {,,c}, M 2 = {,d} M 1 M 2 = {,,,d,,,,d, c,, c,d } M 1 = Wieke Petersen mth Grundlgen 20 Wieke Petersen mth Grundlgen 21

6 Reltionen Definition Eine Teilmenge des Crtesischen Produktes von n Mengen R M 1 M n heißt n-stellige Reltion Eine Reltion R ist lso eine Menge von n-tupeln Hinweis: Reltionen werden extensionl definiert Es ist unerhelich, wie die Reltion chrkterisiert (oder ennnt) wird Wichtig ist llein, welche Ojekte zueinnder in der Reltion stehen Für Reltionen werden häufig die Buchsten R, S, T verwendet Beispiele Schwester von Mutter von weiliches Elternteil von ilden ein Qurtet Teilmenge von inäre Reltionen inäre Reltionen sind Mengen geordneter Pre wenn in der Reltion R zu steht, dnn schreit mn, R oder R oder R(,) oder R Wenn R A B, dnn sgt mn, dss R eine Reltion zwischen A und B ist Wenn R A A, dnn sgt mn, dss R eine Reltion uf A ist Wieke Petersen mth Grundlgen 22 Wieke Petersen mth Grundlgen 23 Outline Functionl Concepts Frmes Conclusion inverse und komplementäre Reltion Interprettion of Reltionl Concepts Beispiel: exmpleverwndtschftsterme inverse Reltion Die inverse Reltion zu einer inären Reltion R A B ist die Reltion R 1 = {, B A, R} komplementäre Reltion Die komplementäre Reltion zu einer inären Reltion R A B zwischen A und B ist die Reltion R = A B \R Beispielfmilie exmple fmily Ann Tom Sue Bo Liz Tim Pm Mx mother denottionl ht δ(mother) ls Sohn = {Ann, Liz} Ann R son Bo mother Tom reltionl R son ( mother Bo of ) Bo Sue R son Ann Mx Bo Bo R son Ann Tim Liz Tim R son Liz Mx Liz Pm R son Liz Tim Mx Liz Functionl Concepts nd Frmes Wieke Petersen Wieke Petersen mth Grundlgen 25 Wieke Petersen mth Grundlgen 26

7 Outline Functionl Concepts Frmes Conclusion Interprettion of Reltionl Concepts Beispiel: exmpleverwndtschftsterme Eigenschften inärer Reltionen Sei R A A eine inäre Reltion uf A Beispielfmilie exmple fmily Sue Ann Tom Bo Liz Tim Pm Mx mother denottionl ht δ(mother) ls Mutter = {Ann, Liz} Sue R mother Ann mother reltionl ( mother of ) Bo R mother Ann Tim Sue R mother AnnLiz Pm Bo R mother AnnLiz Mx Tim R mother Liz Liz Pm Liz Mx Liz R ist reflexiv gdw für lle A gilt, dss R R ist irreflexiv gdw für kein A gilt, dss R Die Reltion ht m selen Tg Geurtstg uf der Menge der Menschen ist reflexiv Die Reltion ist Mutter von uf der Menge der Menschen ist irreflexiv Die Reltion knn die Quersumme des Geurtstgs von erechnen uf der Menge der Menschen ist weder reflexiv noch irreflexiv Welche Bedingungen erfüllen die Beispielreltionen n der Tfel? Functionl Concepts nd Frmes Wieke Petersen Wieke Petersen mth Grundlgen 27 Wieke Petersen mth Grundlgen 29 Eigenschften inärer Reltionen Sei R A A eine inäre Reltion uf A Eigenschften inärer Reltionen R ist symmetrisch gdw für lle, A mit R uch R gilt R ist symmetrisch gdw für, A niemls sowohl R ls uch R gilt Sei R A A eine inäre Reltion uf A R ist trnsitiv gdw für lle,,c A us R und Rc immer Rc folgt R ist intrnsitiv gdw für lle,,c A mit R und Rc niemls Rc gilt Die Reltion ist verheirtet mit ist symmetrisch Die Reltion ist größer ls ist symmetrisch Die Reltion ist Teilmenge von ist ntisymmetrisch R ist ntisymmetrisch gdw für lle, A us R und R folgt, dss = Welche Bedingungen erfüllen die Beispielreltionen n der Tfel? c Die Reltion ist Vorfhr von ist trnsitiv Die Reltion steht genu eine Treppenstufe höher ls ist intrnsitiv Die Reltion kennt ist weder trnsitiv noch intrnsitiv Welche Bedingungen erfüllen die Beispielreltionen n der Tfel? Wieke Petersen mth Grundlgen 30 Wieke Petersen mth Grundlgen 31

8 Definitions- und Werteereich einer Reltion Wenn R A B eine inäre Reltion ist, dnn heißt dom(r) = { A es git ein B mit (,) R} der Definitionsereich (domin) von R Die Menge rng(r) = { B es git ein A mit (,) R} heißt der Werteereich (rnge) von R Beispiel: A = {,,c,d}, B = {1,2,3,4,5}, R = {(,1),(,2),(c,3)} dom(r) = {,c}, rng(r) = {1,2,3} Äquivlenzreltion Äquivlenzreltion Eine Reltion R A A ist eine Äquivlenzreltion uf A, gdw R reflexiv, symmetrisch und trnsitiv ist Wenn R eine Äquivlenzreltion ist und R gilt, dnn sgt mn, dss äquivlent ist zu ezüglich R Für Äquivlenzreltionen verwendet mn häufig ds Symol Beispiele: Gleichheit ist im selen Semester wie ht gleich viele Elemente wie ht die sele Fre wie Welche der Beispielreltionen n der Tfel sind Äquivlenzreltionen? Wieke Petersen mth Grundlgen 32 Wieke Petersen mth Grundlgen 33 Äquivlenzreltion Äquivlenzreltion Äquivlenzklsse Sei R eine Äquivlenzreltion uf A Die Äquivlenzklsse eines Elements A ist die Menge ller zu äquivlenten Elemente von A, lso [] R = { A R} Die Menge A/R = {[] R A} ller Äquivlenzklssen von Elementen us A ezüglich R heißt Quotient von A ezüglich R Hinweis: Äquivlenzklssen können per Definition nicht leer sein Sei R eine Äquivlenzreltion uf A Dnn gilt: Zwei Äquivlenzklssen von R sind entweder disjunkt oder identisch: für lle, A gilt entweder [] R [] R = oder [] R = [] R Die Äquivlenzklssen von R decken gnz A : A/R = A Eine Menge P P OT (A) ist eine Prtition (oder disjunkte Zerlegung) von A, gdw P = A und für lle X,Y P mit X Y gilt X Y = Folglich ildet der Quotient einer Äquivlenzreltion eine Prtition der Grundmenge Wieke Petersen mth Grundlgen 34 Wieke Petersen mth Grundlgen 35

9 Funktionen Definition Eine Reltion R D W ist eine Funktion (oder Aildung), wenn sie jedem Element us D genu ein Element us W zuordnet Funktionen müssen lso die Bedigungen der Existenz und Eindeutigkeit erfüllen: Existenz: Für jedes x D git es ein y W mit x,y R Eindeutigkeit: Wenn x,y R und x,z R, dnn y = z Nottion und Terminologie Für Funktionen verwendet mn häufig die Buchsten f,g,h,f,g,h Wenn f A B eine Funktion ist, dnn sgt mn, dss f eine Funktion von A nch B ist, und schreit f : A B A wird dnn der Definitionsereich und B der Werteereich von f gennnt Wenn, f, dnn sgt mn, dss die Funktion f dem Element den Wert zuweist, und schreit f () = oder f : Elemente des Definitionsereiches heißen Argumente und Elemente des Werteereiches heißen Werte einer Funktion Wenn C A und f : A B, dnn ezeichnet f C : C B die Einschränkung der Funktion f uf C Für lle c C gilt f C (c) = f (c) Im Kontext von prtiellen Funktionen werden Funktionen, die die Existenzedingung erfüllen, häufig totle Funktionen gennnt Eine Reltion, für die die Eindeutigkeitsedingung (er nicht unedingt die Existenzedingung) gilt, heißt prtielle Funktion Wieke Petersen mth Grundlgen 36 Wieke Petersen mth Grundlgen 37 Beispiele Funktionseigenschften Sei f : D W eine Funktion Sei A = {,,c,d} B = {1,2,3,4,5} Die Reltion R A B mit R = {(,1),(,2),(c,3)} ist keine prtielle Funktion Die Reltion R A B mit R = {(,1),(c,3),(d,1)} ist eine prtielle er keine totle Funktion Die Reltion R A B mit R = {(,2),(,1),(c,3),(d,1)} ist eine totle und folglich uch eine prtielle Funktion f ist injektiv (Engl: one-to-one), wenn keine zwei verschiedenen Elemente des Definitionsereiches denselen Wert zugewiesen ekommen Wenn lso für lle x,y D gilt: f (x) = f (y) gdw x = y f ist surjektiv (Engl: onto), wenn jedes Element von W mindestens einem Element von D ls Wert zugewiesen wird Wenn es lso für jedes y W ein x D git, für ds f (x) = y gilt f ist ijektiv, wenn f injektiv und surjektiv ist Merke: Eine Funktion f ist ijektiv, gdw f 1 eine Funktion ist Wieke Petersen mth Grundlgen 38 Wieke Petersen mth Grundlgen 39

10 Komposition von Funktionen Seien f : A B und g : B C zwei Funktionen Die Funktion g f : A C mit g f = {(x,z) A C es git ein y B mit (x,y) f und (y,z) g} ist die Komposition (oder Verkettung) von f und g Es gilt (g f )(x) = g(f (x)) Die Funktion g f weist einem Element x A ds Element us C zu, ds mn erhält, wenn mn zunächst f uf x nwendet und uf ds Ergenis noch g nwendet Identitätsfunktion Die Funktion id A : A A mit f = {(,) A A} (oder f () = für lle A) heißt die Identität(sfunktion) uf A A c f B g r s t C c id A c A c g f r s t C A A Wieke Petersen mth Grundlgen 40 Wieke Petersen mth Grundlgen 41 mehrstellige Funktionen Chrkteristische Funktion einer Teilmenge Der Definitionsereich einer Funktion knn selst eine Reltion sein Eine Funktion A 1 A 2 A n B heißt n-stellige Funktion Beispiel: Die Addition der ntürlichen Zhlen + : N 0 N 0 N 0 knn ls zweistellige Funktion ufgefsst werden Zweistellige Opertionen ilden zweistellige Funktionen (Bsp: Schnitt, Vereinigung, ) n-stellige Funktionen sind n + 1-stellige Reltionen (Bsp: Mutter) Eine Teilmenge N M lässt sich mithilfe ihrer chrkteristischen Funktion eschreien Die chrkteristische Funktion einer Teilmenge N M ist die Funktion χ : M {0,1}, für die gilt: χ(x) = 1 genu dnn, wenn x N Für die chrkteristische Funktion von N M schreit mn häufig uch χ N Es gilt: { 1 wennx N χ N : M {0,1}; χ N (x) = 0 sonst Wieke Petersen mth Grundlgen 42 Wieke Petersen mth Grundlgen 43

11 Mengen von Funktionen Mit M N ezeichnet mn die Menge ller Funktionen von N nch M Also: M N = {f : N M f ist eine Funktion} Chrkteristische Funktion und Potenzmenge Wir hen gesehen, dss mn für die Potenzmenge einer Menge M uch 2 M schreien knn Wrum? In 2 M steht 2 für die 2-elementige Menge {0,1} Die Potenzmenge einer Menge M lässt sich ls Menge ller chrkteristischen Funktionen ihrer Teilmengen uffssen: P OT (M) = 2 M = {f : M {0,1} f ist eine Funktion} n Wieke Petersen mth Grundlgen 44 Wieke Petersen mth Grundlgen 45 Alphete und Wörter Mthemtische Grundlgen der Computerlinguistik formle Sprchen Dozentin: Wieke Petersen 3 Folienstz Definition Alphet Σ: endliche Menge von Symolen / Zeichen Wort: eine endliche Kette/Folge x 1 x n von Symolen/Zeichen eines Alphets (mit n 0) Ds Wort, ds us null Zeichen esteht heißt leeres Wort und wird mit ε ezeichnet Die Menge ller Wörter üer einem Alphet Σ ezeichnen wir mit Σ Σ + = Σ \ {ε} ist die Menge der nichtleeren Wörter Länge eines Wortes w : Gesmtzhl der Zeichen eines Wortes w ( c = 6, ε = 0) Wieke Petersen mth Grundlgen 46 Wieke Petersen mth Grundlgen 47

Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen

Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Dozentin: Wiebke Petersen 2. Foliensatz Wiebke Petersen math. Grundlagen 20 n-tupel und Cartesisches Produkt Mengen sind ungeordnet,

Mehr

Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen

Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen Dozentin: Wiebke Petersen 1. Foliensatz Wiebke Petersen math. Grundlagen 6 Frage Was ist eine Menge? 1 Minute zum Nachdenken

Mehr

Mathematische Grundlagen Wintersemester 2014/15 Wiebke Petersen. Gesammelte Folien Index am Ende der Datei

Mathematische Grundlagen Wintersemester 2014/15 Wiebke Petersen. Gesammelte Folien Index am Ende der Datei Mathematische Grundlagen Wintersemester 2014/15 Wiebke Petersen Gesammelte Folien Index am Ende der Datei 1 Notation und Terminologie Mengenbeschreibungen Teilmengen Mächtigkeit von Mengen Operationen

Mehr

Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen

Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Dozentin: Wiebke Petersen 2. Foliensatz Wiebke Petersen math. Grundlagen 25 n-tupel und Cartesisches Produkt Mengen sind ungeordnet,

Mehr

Ergänzungsblatt 6. Letzte Änderung: 24. November 2018

Ergänzungsblatt 6. Letzte Änderung: 24. November 2018 Ergänzungsltt 6 Letzte Änderung: 24. Novemer 2018 Theoretische Informtik I WS 2018 Crlos Cmino Erinnerung: Die Besprechungstermine für die Ergänzungen 7 is 10 fllen is uf Weiteres us. Aufgen, Lösungen

Mehr

Relationen: Äquivalenzrelationen, Ordnungsrelationen

Relationen: Äquivalenzrelationen, Ordnungsrelationen TH Mittelhessen, Sommersemester 202 Lösungen zu Üungsltt 9 Fchereich MNI, Diskrete Mthemtik 2. Juni 202 Prof. Dr. Hns-Rudolf Metz Reltionen: Äquivlenzreltionen, Ordnungsreltionen Aufge. Welche der folgenden

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 5 Ds Pumping Lemm Schufchprinzip (Folie 144) Automten und formle Sprchen Notizen zu den Folien Im Block Ds Schufchprinzip für endliche Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl

Mehr

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2011

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2011 Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 011 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Snder Bruggink Automten und Formle Sprchen 1 Reguläre Sprchen Wir eschäftigen uns

Mehr

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip.

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip. Reguläre Sprchen Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 0 Ds Pumping-Lemm Wir hen is jetzt vier Formlismen kennengelernt, mit denen wir eine reguläre Sprche ngeen können:

Mehr

Domäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge.

Domäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge. Reltionen zwischen Mengen/uf einer Menge! Eine Reltion R A B (mit A B) ist eine Reltion zwischen der Menge A und der Menge B, oder uch: von A nch B. Drstellung: c A! Wenn A = B, d.h. R A A, heißt R eine

Mehr

Überblick 2 1. Mengen 2. Relationen 3. Funktionen 4. Kardinalität von Mengen

Überblick 2 1. Mengen 2. Relationen 3. Funktionen 4. Kardinalität von Mengen Grundlgen Üerlick. Mengen. Reltionen. Funktionen. Krdinlität von Mengen. Einführung Ziel und Motivtion Grundvokulr der Mthemtik lernen. Ntürliche Sprche oft zweideutig Mthemtische Sprche erlut die präzise

Mehr

Minimalautomat. Wir stellen uns die Frage nach dem. kleinsten DFA für eine reguläre Sprache L, d.h. nach einem DFA mit möglichst wenigen Zuständen.

Minimalautomat. Wir stellen uns die Frage nach dem. kleinsten DFA für eine reguläre Sprache L, d.h. nach einem DFA mit möglichst wenigen Zuständen. Rechtslinere Sprchen Minimlutomt Es git lso sehr verschiedene endliche Beschreiungen einer regulären Sprche (DFA, NFA, rechtslinere Grmmtiken, reguläre Ausdrücke). Diese können ineinnder üersetzt werden.

Mehr

Vorkurs Mathematik. Vorlesung 3. Die rationalen Zahlen

Vorkurs Mathematik. Vorlesung 3. Die rationalen Zahlen Prof. Dr. H. Brenner Osnrück WS 2014/2015 Vorkurs Mthemtik Vorlesung 3 Die rtionlen Zhlen Definition 3.1. Unter einer rtionlen Zhl versteht mn einen Ausdruck der Form, woei, Z und 0 sind, und woei zwei

Mehr

1.2 Eigenschaften der reellen Zahlen

1.2 Eigenschaften der reellen Zahlen 12 Kpitel 1 Mthemtisches Hndwerkszeug 12 Eigenschften der reellen Zhlen Alle Rechenregeln der Grundrechenrten der reellen Zhlen lssen sich uf einige wenige Rechengesetze zurückführen, die in der folgenden

Mehr

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 2. Besprechung in KW44

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 2. Besprechung in KW44 Technische Universität München Winter 08/9 Prof. J. Esprz / Dr. M. Luttenerger, C. Welzel 08//0 HA- TA- Diskrete Strukturen Tutorufgenltt Besprechung in KW Bechten Sie: Soweit nicht explizit ngegeen, sind

Mehr

Gliederung. Kapitel 1: Endliche Automaten

Gliederung. Kapitel 1: Endliche Automaten Gliederung 0. Motivtion und Einordnung 1. Endliche Automten 2. Formle Sprchen 3. Berechnungstheorie 4. Komplexitätstheorie 1.1. 1.2. Minimierungslgorithmus 1.3. Grenzen endlicher Automten 1/1, S. 1 2017

Mehr

Eine Relation R in einer Menge M ist transitiv, wenn für alle x, y, z M gilt: (x R y y R z) x R z

Eine Relation R in einer Menge M ist transitiv, wenn für alle x, y, z M gilt: (x R y y R z) x R z Reltionen, 11 Reltionen Reltion ist einfch gesgt eine Beziehung zwischen Elementen von Mengen. In der Geometrie sind z.b. die Reltionen "ist gleich", "ist senkrecht zu", "ist prllel zu" eknnt. Die letzten

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 5 Ds Pumping Lemm Shufhprinzip (Folie 137) Automten und formle Sprhen Notizen zu den Folien Im Blok Ds Shufhprinzip für endlihe Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl von

Mehr

Analysis I. Vorlesung 3

Analysis I. Vorlesung 3 Prof. Dr. H. Brenner Osnrüc WS 2013/2014 Anlysis I Vorlesung 3 Körper Wir werden nun die Eigenschften der reellen Zhlen esprechen. Grundlegende Eigenschften von mthemtischen Struuren werden ls Axiome ezeichnet.

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlgen der Mthemtik, WS 2014/15 Thoms Timmermnn 3. Dezember 2014 Wiederholung: Konstruktion der gnzen Zhlen (i) Betrchten formle Differenzen b := (, b) mit, b N 0 (ii) Setzen b c d, flls +

Mehr

Ergänzungsblatt 7. Letzte Änderung: 30. November Vorbereitungsaufgaben

Ergänzungsblatt 7. Letzte Änderung: 30. November Vorbereitungsaufgaben Theoretische Informtik I WS 2018 Crlos Cmino Ergänzungsltt 7 Letzte Änderung: 30. Novemer 2018 Vorereitungsufgen Vorereitungsufge 1 Wiederholen Sie die Begriffe us Üungsltt 0, Aschnitt 4. 1. Welche der

Mehr

2.1.4 Polynomalgebren und ihre Restklassenalgebren

2.1.4 Polynomalgebren und ihre Restklassenalgebren 2.1. GRUNDLAGEN 59 2) Ist R ein kommuttiver Ring mit Eins, so ist der Polynomring R[X] eine R-Alger. 2) Ist A eine R-Alger und I A ein Idel, so ist A/I eine R-Alger und ν I ein R- Algerenhomomorphismus.

Mehr

2.6 Reduktion endlicher Automaten

2.6 Reduktion endlicher Automaten Endliche Automten Jörg Roth 153 2.6 Reduktion endlicher Automten Motivtion: Wir sind n Automten interessiert, die mit möglichst wenigen Zuständen uskommen. Automten, die eine Sprche mit einem Minimum n

Mehr

P RS S. Definition : Beispiel : PQ und RS sind Repräsentanten des gleichen Vektors v. Man schreibt kurz, aber leider nicht ganz richtig : v = PQ

P RS S. Definition : Beispiel : PQ und RS sind Repräsentanten des gleichen Vektors v. Man schreibt kurz, aber leider nicht ganz richtig : v = PQ I. Vektorräume ================================================================== 1. Geometrische Definition von Vektoren -----------------------------------------------------------------------------------------------------------------

Mehr

Modul 3: Schaltnetze. Informatik I. Modul 3: Schaltnetze. Schaltnetze. Formale Grundlagen. Huntingtonsche Axiome.

Modul 3: Schaltnetze. Informatik I. Modul 3: Schaltnetze. Schaltnetze. Formale Grundlagen. Huntingtonsche Axiome. Herstsemester 2, Institut für Informtik IFI, UZH, Schweiz Modul 3: Schltnetze Informtik I Modul 3: Schltnetze Einführung in die formlen Grundlgen logischer Beschreiungen Boolesche Alger, Schltlger Vorussetzende

Mehr

Spiele und logische Komplexitätsklassen

Spiele und logische Komplexitätsklassen Spiele und logische Komplexitätsklssen Mrtin Horsch 26. Jnur 2006 Inhlt des Seminrvortrges Ehrenfeucht-Frïssé-Spiel mit k Mrken Formeln mit k Vrilen und logische Komplexitätsklssen k-vrileneigenschft logischer

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Einführung in die Theoretische Informtik Johnnes Köler Institut für Informtik Humoldt-Universität zu Berlin WS 2011/12 Minimierung von DFAs Frge Wie können wir feststellen, o ein DFA M = (Z, Σ, δ, q 0,

Mehr

Grundbegriffe der Informatik Aufgabenblatt 5

Grundbegriffe der Informatik Aufgabenblatt 5 Grundegriffe der Informtik Aufgenltt 5 Mtr.nr.: Nchnme: Vornme: Tutorium: Nr. Nme des Tutors: Ausge: 20. Novemer 2013 Age: 29. Novemer 2013, 12:30 Uhr im GBI-Briefksten im Untergeschoss von Geäude 50.34

Mehr

Inhalt. Endliche Automaten. Automaten und Formale Sprachen. Franz Binder. Endliche Automaten. Deterministische Automaten

Inhalt. Endliche Automaten. Automaten und Formale Sprachen. Franz Binder. Endliche Automaten. Deterministische Automaten Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm Reguläre δ: Σ (Q Q Ω) Beispiel δ 0 δ 0 1 2 1 2 0 1 2 δ Formle Automt Reguläre Definition Ein nicht-deterministischer, endlicher Automt esteht us einer

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien Automten un formle Sprhen Notizen zu en Folien 1 Grunlgen un formle Beweise Venn-Digrmme (Folie 6) Im oeren Digrmm er Folie 6 sin zwei Mengen ngegeen: A un B. Es ist explizit ein Element von A ngegeen,

Mehr

Grundbegriffe der Mengenlehre

Grundbegriffe der Mengenlehre Reiner Winter Grundegriffe der Mengenlehre 1. Der Mengenegriff Die Mengenlehre wurde von Georg Cntor (1845-1918) egründet. Im Jhre 1895 g er die folgende, erühmt gewordene Begriffsestimmung der Menge n:

Mehr

Teil III. Reguläre Sprachen und endliche Automaten Teil 3: Die Nerode-Relation

Teil III. Reguläre Sprachen und endliche Automaten Teil 3: Die Nerode-Relation Teil III Reguläre Sprchen und endliche Automten Teil 3: Die Nerode-Reltion Aleitungen und die Nerode-Reltion L Aleitung einer Sprche Sei Σ ein Alphet, L Σ, x Σ. Aleitung von L nch x: D x L := {z Σ xz L}

Mehr

4. Lineare Gleichungen mit einer Variablen

4. Lineare Gleichungen mit einer Variablen 4. Linere Gleichungen mit einer Vrilen 4. Einleitung Werden zwei Terme einnder gleichgesetzt, sprechen wir von einer Gleichung. Enthlten eide Terme nur Zhlen, so entsteht eine Aussge, die whr oder flsch

Mehr

Lösungen zum Ergänzungsblatt 4

Lösungen zum Ergänzungsblatt 4 en zum Ergänzungsltt 4 Letzte Änderung: 23. Novemer 2018 Theoretische Informtik I WS 2018 Crlos Cmino Vorereitungsufgen Vorereitungsufge 1 Sei M = ({p, q, r}, {, }, δ, p, {q, r}) ein DEA mit folgender

Mehr

Klausur zur Vorlesung Grundbegriffe der Informatik 10. März 2009 mit Lösungsvorschlägen

Klausur zur Vorlesung Grundbegriffe der Informatik 10. März 2009 mit Lösungsvorschlägen Klusur zur Vorlesung Grundegriffe der Informtik 10. März 2009 mit Lösungsvorschlägen Klusurnummer Nme: Vornme: Mtr.-Nr.: Aufge 1 2 3 4 5 6 7 mx. Punkte 4 2 7 8 8 8 9 tts. Punkte Gesmtpunktzhl: Note: Aufge

Mehr

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 2 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem

Mehr

1.5. Abbildung. DEFINITION injektiv, surjektiv, bijektiv Eine Abbildung f ist injektiv, falls es zu jedem y Y höchstens ein x X gibt mit

1.5. Abbildung. DEFINITION injektiv, surjektiv, bijektiv Eine Abbildung f ist injektiv, falls es zu jedem y Y höchstens ein x X gibt mit CHAPTER. MENGEN UND R ELATIONEN.5. ABBILDUNG.5. Abbildung Eine Abbildung (oder Funktion ist eine Reltion f über X Y mit der Eigenschft: für jedes x us X gibt es genu ein y Y mit (x,y f. Die übliche Schreibweise

Mehr

6-1 Elementare Zahlentheorie. mit 1 b n und 0 a b (zusammen mit der Ordnung ) nennt man die n-te Farey-Folge, zum Beispiel ist

6-1 Elementare Zahlentheorie. mit 1 b n und 0 a b (zusammen mit der Ordnung ) nennt man die n-te Farey-Folge, zum Beispiel ist 6- Elementre Zhlentheorie 6 Frey-Folgen Die Menge F n der rtionlen Zhlen mit n und (zusmmen mit der Ordnung ) nennt mn die n-te Frey-Folge, zum Beispiel ist F = { < < < < < < < < < < } Offensichtlich gilt:

Mehr

4 Die rationalen Zahlen

4 Die rationalen Zahlen 4 Die rtionlen Zhlen Der Ring der gnzen Zhlen ht den Mngel, dß nicht jede Gleichung = X, 0 innerhl Z lösr ist. (Z.B. ist 1 = 2 X unlösr in Z). Zu seiner Beseitigung erweitert mn den Zhlereich zum Körper

Mehr

Franz Binder. Vorlesung im 2006W

Franz Binder. Vorlesung im 2006W Formle Reguläre und Formle Institut für Alger Johnnes Kepler Universität Linz Vorlesung im 2006W http://www.lger.uni-linz.c.t/students/win/ml Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm δ: Σ (Q

Mehr

FK03 Mathematik I: Übungsblatt 1; Lösungen

FK03 Mathematik I: Übungsblatt 1; Lösungen FK03 Mthemtik I: Übungsbltt 1; Lösungen Verständnisfrgen: 1. Woher stmmen die Objekte in einer Menge? Die Objekte einer Menge entstmmen unserer Anschuung und unserem Denken. 2. Welche Drstellungen von

Mehr

1. Kapitel: Arithmetik. Ergebnisse mit und ohne Lösungsweg

1. Kapitel: Arithmetik. Ergebnisse mit und ohne Lösungsweg Arithmetik Lösungen Lö. Kpitel: Arithmetik. Ergenisse mit und ohne Lösungsweg Zu Aufge.: ) 7 ist eine rtionle Zhl, d sie sich ls Bruch us zwei gnzen Zhlen (Nenner 0) drstellen lässt: 7 7. 6 ) Eenso, denn

Mehr

Minimierung von DFAs. Minimierung 21 / 98

Minimierung von DFAs. Minimierung 21 / 98 Minimierung von DFAs Minimierung 21 / 98 Ein Beispiel: Die reguläre Sprche L({, } ) Wie stellt mn fest, o ein Wort ds Suffix esitzt? Ein erster Anstz: Speichere im ktuellen Zustnd die eiden zuletzt gelesenen

Mehr

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 2. Besprechung in KW44

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 2. Besprechung in KW44 Technische Universität München Winter 2017/18 Prof. J. Esprz / Dr. M. Luttenerger, S. Sickert 2018/02/08 HA-Lösung TA-Lösung Diskrete Strukturen Tutorufgenltt 2 Besprechung in KW44 Bechten Sie: Soweit

Mehr

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt

Mehr

10: Lineare Abbildungen

10: Lineare Abbildungen Chr.Nelius: Linere Alger SS 2008 1 10: Linere Aildungen 10.1 BEISPIEL: Die Vektorräume V 2 und Ê 2 hen diegleiche Struktur. Es git eine ijektive Aildung f : V 2 Ê 2, die durch die Vorschrift definiert

Mehr

a q 0 q 1 a M q 1 q 3 q 2

a q 0 q 1 a M q 1 q 3 q 2 Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 4 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem

Mehr

Musterlösungen zum 6. Übungsblatt

Musterlösungen zum 6. Übungsblatt Musterlösungen zum 6 Üungsltt Anlysis ei Dr Rolf Busm WS 6/7 Aufge 6 (Tois Hessenuer) ) 3 ep()d, setze u = ep(), v = 3 dnn gilt: 3 ep()d = ep() 3 = e (3 ep() ) 3 ep() d = e 3e + 6 ep() = 6e 3e + 6e 6e

Mehr

vollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimalautomat: minimaler vollständiger DFA

vollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimalautomat: minimaler vollständiger DFA Ws isher geschh NFA A = (X, Q, δ, I, F ) vollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimlutomt: minimler vollständiger DFA Für jede Sprche L X sind die folgenden Aussgen

Mehr

Vorkurs Theoretische Informatik

Vorkurs Theoretische Informatik Vorkurs Theoretische Informtik Einführung in reguläre Sprchen Areitskreis Theoretische Informtik Freitg, 05.10.2018 Fchgruppe Informtik Üersicht 1. Chomsky-Hierchie 2. Automten NEA DEA 3. Grmmtik und Automten

Mehr

Übungsblatt 1. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18

Übungsblatt 1. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Institut für Theoretische Informtik Lehrstuhl Prof. Dr. D. Wgner Üungsltt Vorlesung Theoretische Grundlgen der Informtik im WS 78 Ausge 9. Oktoer 27 Age 7. Novemer 27, : Uhr (im Ksten im UG von Geäude

Mehr

Copyright, Page 1 of 5 Der Faktorraum

Copyright, Page 1 of 5 Der Faktorraum www.mthemtik-netz.de Copright, Pge of 5 Der Fktorrum Ein sehr wichtiges Konstrukt, welches üerll in der Mthemtik Verwendung findet, ist der Fktorrum, oft uch Quotientenrum gennnt. Dieser ist selst ein

Mehr

Logik und Grundlagen der Informatik

Logik und Grundlagen der Informatik Logik und Grundlgen der Informtik Üungsklusur Stephn Schulz 25. Ferur 2015 1 Aufge 1: (2+2+3P) Sei M 1 = {2x x Z}. Sei M 2 = {5x x N}. ) Bestimmen Sie M 1 M 2. ) Bestimmen Sie M 2 \M 1 c) Geen Sie eine

Mehr

3 Werkzeuge der Mathematik

3 Werkzeuge der Mathematik 3.1 Mengen (18.11.2011) Definition 3.1 Die Menge heißt leere Menge. :=»x M x x Definition 3.2 Es seien N und M Mengen. Wir definieren: und analog M N : (x M x N). N M : (x N x M). Wir sagen M ist Teilmenge

Mehr

3.1 Multiplikation Die Multiplikation von algebraischen Termen kennen Sie von früher. Die wichtigsten Punkte seien hier kurz wiederholt:

3.1 Multiplikation Die Multiplikation von algebraischen Termen kennen Sie von früher. Die wichtigsten Punkte seien hier kurz wiederholt: .1 Multipliktion Die Multipliktion von lgerischen Termen kennen Sie von früher. Die wichtigsten Punkte seien hier kurz wiederholt: c Multipliktor Multipliknd Produkt Kommuttivgesetz (Vertuschungsgesetz)

Mehr

FORMALE SYSTEME. Kleene s Theorem. Wiederholung: Reguläre Ausdrücke. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2.

FORMALE SYSTEME. Kleene s Theorem. Wiederholung: Reguläre Ausdrücke. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2. FORMALE SYSTEME 7. Vorlesung: Reguläre Ausdrücke Mrkus Krötzsch Rndll Munroe, https://xkcd.com/851_mke_it_etter/, CC-BY-NC 2.5 TU Dresden, 2. Novemer 2017 Mrkus Krötzsch, 2. Novemer 2017 Formle Systeme

Mehr

Scheinklausur: Theoretische Informatik I

Scheinklausur: Theoretische Informatik I +//+ Scheinklusur: Theoretische Informtik I WS / Hinweise: Hlten Sie die Klusur geschlossen, is der Beginn durch die Aufsichtspersonen ngezeigt wird Betrugsversuche oder Stören hen sofortigen Ausschluss

Mehr

2 2 Reguläre Sprachen. 2.6 Minimale DFAs und der Satz von Myhill-Nerode. Übersicht

2 2 Reguläre Sprachen. 2.6 Minimale DFAs und der Satz von Myhill-Nerode. Übersicht Formle Systeme, Automten, Prozesse Übersicht 2 2.1 Reguläre Ausdrücke 2.2 Endliche Automten 2.3 Nichtdeterministische endliche Automten 2.4 Die Potenzmengenkonstruktion 2.5 NFAs mit ɛ-übergängen 2.7 Berechnung

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Technische Universität München Fkultät für Informtik Prof. Tois Nipkow, Ph.D. Ssch Böhme, Lrs Noschinski Sommersemester 2011 Lösungsltt 4 20. Juni 2011 Einführung in die Theoretische Informtik Hinweis:

Mehr

1. Kapitel: Arithmetik. Ergebnisse mit und ohne Lösungsweg

1. Kapitel: Arithmetik. Ergebnisse mit und ohne Lösungsweg Arithmetik Lösungen Lö. Kpitel: Arithmetik. Ergenisse mit und ohne Lösungsweg Zu Aufge.: 7 ist eine rtionle Zhl, d sie sich ls Bruch us zwei gnzen Zhlen (Nenner 0) drstellen lässt: 7 7. 6 Eenso, denn 5?

Mehr

6. Übungsblatt. (i) Von welchem Typ ist die Grammatik G? Begründen Sie Ihre Antwort kurz.

6. Übungsblatt. (i) Von welchem Typ ist die Grammatik G? Begründen Sie Ihre Antwort kurz. Vorlesung Theoretische Informtik Sommersemester 2015 Prof. S. Lnge 6. Üungsltt 1. Aufge Es sei die folgende Grmmtik G = [Σ, V, S, R] gegeen. Dei seien Σ = {, } und V = {S, B}, woei S ds Strtsymol ist.

Mehr

13. Quadratische Reste

13. Quadratische Reste ChrNelius: Zhlentheorie (SS 007) 3 Qudrtische Reste Wir ehndeln jetzt ei den Potenzresten den Sezilfll m und führen die folgende Begriffsildung ein: (3) DEF: Seien n und teilerfremd heißt qudrtischer Rest

Mehr

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung)

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung) Wörter, Grmmtiken und die Chomsky-Hierrchie Sprchen und Grmmtiken Wörter Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 2012 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Alphet Ein

Mehr

Frank Heitmann 2/71. 1 Betrachten wir Σ für ein Alphabet Σ, so ist Σ die Menge

Frank Heitmann 2/71. 1 Betrachten wir Σ für ein Alphabet Σ, so ist Σ die Menge Formle Grundlgen der Informtik Kpitel 2 und reguläre Sprchen Frnk Heitmnn heitmnn@informtik.uni-hmurg.de 7. April 24 Frnk Heitmnn heitmnn@informtik.uni-hmurg.de /7 Alphet und Wörter - Zusmmengefsst Die

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Mthemtik: Mg. Schmid Wolfgng Areitsltt. Semester ARBEITSBLATT MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Zunächst einml müssen wir den Begriff Sklr klären. Definition: Unter einem Sklr ersteht mn eine

Mehr

R := {((a, b), (c, d)) a + d = c + b}. Die Element des Quotienten M/R sind die Klassen

R := {((a, b), (c, d)) a + d = c + b}. Die Element des Quotienten M/R sind die Klassen Die ntürlichen Zhlen (zusmmen mit der Addition und der Multipliktion) wurden in Kpitel 3 xiomtisch eingeführt. Aus den ntürlichen Zhlen knn mn nun die gnzen Zhlen Z = {..., 2, 1, 0, 1, 2,...} die rtionlen

Mehr

Übungsblatt Nr. 1. Lösungsvorschlag

Übungsblatt Nr. 1. Lösungsvorschlag Institut für Kryptogrphie und Sicherheit Prof. Dr. Jörn Müller-Qude Nico Döttling Dirk Achench Tois Nilges Vorlesung Theoretische Grundlgen der Informtik Üungsltt Nr. svorschlg Aufge (K) (4 Punkte): Semi-Thue-Systeme

Mehr

Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt 5

Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt 5 Prof. J. Esprz Technische Universität München S. Sickert, J. Krämer KEINE ABGABE Vielen Dnk n Jn Wgener für die erweiterten Aufgenlösungen Einführung in die theoretische Informtik Sommersemester 2017 Üungsltt

Mehr

Name... Matrikel-Nr... Studiengang...

Name... Matrikel-Nr... Studiengang... Proeklusur zum ersten Teil der Vorlesung Berechenrkeitstheorie WS 2015/16 30. Novemer 2015 Dr. Frnzisk Jhnke, Dr. Dniel Plcín Bereitungszeit: 80 Minuten Nme... Mtrikel-Nr.... Studiengng... 1. So oder so

Mehr

9 Das Riemannsche Integral

9 Das Riemannsche Integral 1 9 Ds Riemnnsche Integrl 9.1 Definition und Beispiele Sei I = [, ] R mit

Mehr

1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt

1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt Metrische Räume Sei X eine nichtleere Menge. Definition.. Eine Abbildung: d : X X R heißt Metrik uf X, flls für lle x, y, z X gilt (i) d(x, y) 0, (ii) d(x, y) = d(y, x), (iii) d(x, y) d(x, z) + d(z, y)

Mehr

Automaten, Spiele, und Logik

Automaten, Spiele, und Logik Automten, Spiele, und Logik Woche 1 15. April 2014 Inhlt der gnzen Vorlesung Automten uf endlichen Wörtern uf undendlichen Wörtern uf endlichen Bäumen Spiele Erreichrkeitsspiele Ehrenfeucht-Frïssé Spiele

Mehr

Umwandlung von endlichen Automaten in reguläre Ausdrücke

Umwandlung von endlichen Automaten in reguläre Ausdrücke Umwndlung von endlichen Automten in reguläre Ausdrücke Wir werden sehen, wie mn us einem endlichen Automten M einen regulären Ausdruck γ konstruieren knn, der genu die von M kzeptierte Sprche erzeugt.

Mehr

Vorlesung Theoretische Informatik Sommersemester 2018 Dr. B. Baumgarten

Vorlesung Theoretische Informatik Sommersemester 2018 Dr. B. Baumgarten Vorlesung Theoretische Informtik Sommersemester 28 Dr. B. Bumgrten Üungen zur Wiederholung quer durch den Stoff Mit Lösungseispielen Vollständigkeit wird nicht grntiert, und einige sind klusuruntypisch

Mehr

Gliederung. Kapitel 1: Endliche Automaten

Gliederung. Kapitel 1: Endliche Automaten Gliederung. Einleitung und Grundegriffe. Endliche utomten 2. Formle Sprchen 3. Berechenrkeitstheorie 4. Komplexitätstheorie E: diversion.. Grundlgen.2..3. Grenzen endlicher utomten /2, S. 28 Prof. Steffen

Mehr

Analysis. Prof. Dr. Knut Smoczyk. Leibniz Universität Hannover. Stand: 21. September Alle Rechte beim Autor

Analysis. Prof. Dr. Knut Smoczyk. Leibniz Universität Hannover. Stand: 21. September Alle Rechte beim Autor Anlysis Prof. Dr. Knut Smoczyk Leibniz Universität Hnnover Stnd: 21. September 2013 Alle Rechte beim Autor Inhltsverzeichnis 1 Vorbereitungen 5 1.1 Mengen..................................... 5 1.2 Reltionen...................................

Mehr

Nichtdeterministische endliche Automaten. Nichtdetermistische Automaten J. Blömer 1/12

Nichtdeterministische endliche Automaten. Nichtdetermistische Automaten J. Blömer 1/12 Nichtdeterministische endliche Automten Nichtdetermistische Automten J. Blömer 1/12 Nichtdeterministische endliche Automten In mnchen Modellierungen ist die Forderung, dss δ eine Funktion von Q Σ Q ist,

Mehr

Minimalität des Myhill-Nerode Automaten

Minimalität des Myhill-Nerode Automaten inimlität des yhill-nerode Automten Wir wollen zeigen, dss der im Beweis zum yhill-nerode Stz konstruierte DEA für die reguläre Sprche L immer der DEA mit den wenigsten Zuständen für L ist. Sei 0 der konstruierte

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien Inhltsverzeichnis Automten und formle Sprchen Notizen zu den Folien 1 Grundlgen und formle Beweise 3 Venn-Digrmme (Folie 28).................................. 3 Beispiele zu Mengenopertionen (Folie 29)..........................

Mehr

Mitschrift Repetitorium Theoretische Informatik und Logik

Mitschrift Repetitorium Theoretische Informatik und Logik Mitschrift Repetitorium Theoretische Informtik und Logik Teil 1: Formle Sprchen, 15.01.2010, 1. Edit Allgemeine Hinweise für die Prüfung Ds Pumping-Lemm für kontextfreie Sprchen kommt nicht (sehr wohl

Mehr

Übungen zur Wiederholung quer durch den Stoff Vollständigkeit wird nicht garantiert, und einige sind umfangreicher als klausurtypisch.

Übungen zur Wiederholung quer durch den Stoff Vollständigkeit wird nicht garantiert, und einige sind umfangreicher als klausurtypisch. Vorlesung Theoretische Informtik Sommersemester 2017 Dr. B. Bumgrten Üungen zur Wiederholung quer durch den Stoff Vollständigkeit wird nicht grntiert, und einige sind umfngreicher ls klusurtypisch. 1.

Mehr

Name... Matrikel Nr... Studiengang...

Name... Matrikel Nr... Studiengang... Proeklusur zur Vorlesung Berechenrkeitstheorie WS 201/1 1. Jnur 201 Prof. Dr. André Schulz Bereitungszeit: 120 Minuten [So oder so ähnlich wird ds Deckltt der Klusur ussehen.] Nme... Mtrikel Nr.... Studiengng...

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN Mthemtik: Mg. Schmid Wolfgng Areitsltt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN Wir wollen eine Gerde drstellen, welche durch die Punkte A(/) und B(5/) verläuft. Die Idee ist folgende:

Mehr

Lösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }.

Lösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }. Lösung zur Klusur Grundlgen der Theoretischen Informtik 1. Zeigen Sie, dss die folgende Sprche regulär ist: { w {, } w w 0 (mod 3) }. Lösung: Wir nennen die Sprche L. Eine Sprche ist genu dnn regulär,

Mehr

Grundlagen der Theoretischen Informatik

Grundlagen der Theoretischen Informatik 1 2 Grundlgen der Theoretischen Informtik Till Mosskowski Fkultät für Informtik Otto-von-Guericke-Universität Mgdeurg Gegeen sei eine Kleene Alger üer K. Wir etrchten nun n n Mtrizen üer K. Die Menge ller

Mehr

F ds= F ds. Theorem 1: "Stefanie Bayer" Wegintegrale und Kurvenintegrale

F ds= F ds. Theorem 1: Stefanie Bayer Wegintegrale und Kurvenintegrale Wegintegrle und Kurvenintegrle Theorem : Sei F ein uf dem Weg = [, ] stetiges Vektorfeld und sei = [, ] Reprmeteristion von. Wenn richtungs-whrend ist, dnn gilt und wenn richtungs-wechselnd ist, dnn gilt

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien Inhltsverzeichnis Automten und formle Sprchen Notizen zu den Folien 1 Grundlgen und formle Beweise 3 Venn-Digrmme (Folie 32).................................. 3 Beispiele zu Mengenopertionen (Folie 33)..........................

Mehr

Ein Skript für Analysis I und II

Ein Skript für Analysis I und II Ein Skript für Anlysis I und II Chris Preston Sommersemester 2002 1 2 Dies ist ein Skript für Anlysis I und II. Die erste Hälfte ist ber nicht geeignet ls Skript für Anlysis I: Dfür gibt es ein eigenes

Mehr

Grundlagen der Theoretischen Informatik, WS11/12 Minimale Automaten

Grundlagen der Theoretischen Informatik, WS11/12 Minimale Automaten Fkultät IV Deprtment Mthemtik Lehrstuhl für Mthemtische Logik und Theoretische Informtik Prof. Dr. Dieter Spreen Dipl.Inform. Christin Uhrhn Grundlgen der Theoretischen Informtik, WS11/12 Minimle Automten

Mehr

Endliche Automaten. Endliche Automaten 1 / 115

Endliche Automaten. Endliche Automaten 1 / 115 Endliche Automten Endliche Automten 1 / 115 Endliche Automten Endliche Automten erluen eine Beschreiung von Hndlungsläufen: Wie ändert sich ein Systemzustnd in Ahängigkeit von veränderten Umgeungsedingungen?

Mehr

Algorithmen und Datenstrukturen 1 Kapitel 4.2

Algorithmen und Datenstrukturen 1 Kapitel 4.2 Endliche Automten Algorithmen und Dtenstrukturen 1 Kpitel 4.2 Roert Giegerich Technische Fkultät roert@techfk.uni-bielefeld.de Vorlesung, U. Bielefeld, Winter 2005/2006 Roert Giegerich Endliche Automten

Mehr

18. Algorithmus der Woche Der Euklidische Algorithmus

18. Algorithmus der Woche Der Euklidische Algorithmus 18. Algorithmus der Woche Der Euklidische Algorithmus Autor Friedrich Eisenrnd, Universität Dortmund Heute ehndeln wir den ältesten ereits us Aufzeichnungen us der Antike eknnten Algorithmus. Er wurde

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 15 ORTHOGONALITÄT

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 15 ORTHOGONALITÄT Mthemtik: Mg. Schmid Wolfgng Areitsltt 5. Semester ARBEITSBLATT 5 ORTHOGONALITÄT Ws versteht mn zunächst einml unter orthogonl? Dies ist nur ein nderes Wort für norml oder im rechten Winkel. Ws uns hier

Mehr

Endliche Automaten können wahlweise graphisch oder tabellarisch angegeben werden.

Endliche Automaten können wahlweise graphisch oder tabellarisch angegeben werden. Aufgensmmlung GTI Hinweise. Dies ist eine Aufgensmmlung zum Lernen für die Klusur, keine Proeklusur. Die Zeitduer, die für die Lösung vorgesehen ist, ist lso nicht uf drei Stunden normiert. Für die Klusur

Mehr

Prof. Dr. Javier Esparza Garching b. München, den Klausur Einführung in die theoretische Informatik Sommer-Semester 2017

Prof. Dr. Javier Esparza Garching b. München, den Klausur Einführung in die theoretische Informatik Sommer-Semester 2017 Prof. Dr. Jvier Esprz Grching. München, den 10.08.17 Klusur Einführung in die theoretische Informtik Sommer-Semester 2017 Bechten Sie: Soweit nicht nders ngegeen, ist stets eine Begründung zw. der Rechenweg

Mehr

Technische Universität München. Ferienkurs Lineare Algebra 1. Mengenlehre, Aussagen, Relationen und Funktionen. 21. März 2011.

Technische Universität München. Ferienkurs Lineare Algebra 1. Mengenlehre, Aussagen, Relationen und Funktionen. 21. März 2011. Technische Universität München Ferienkurs Lineare Algebra 1 Mengenlehre, Aussagen, Relationen und Funktionen 21. März 2011 Tanja Geib Inhaltsverzeichnis 1 Aussagen 1 2 Mengenlehre 3 2.1 Grundlegende Definitionen

Mehr

Grundlagen der Theoretischen Informatik

Grundlagen der Theoretischen Informatik Grundlgen der Theoretischen Informtik 3. Endliche Automten 6.05.2015 Vioric Sofronie-Stokkermns e-mil: sofronie@uni-kolenz.de 1 Üersicht 1. Motivtion 2. Terminologie 3. Endliche Automten und reguläre Sprchen

Mehr