Kapitel 6 Wahrheitsfunktionale Fuzzy-Logik. 10. Juni 2005
|
|
- Josef Walter
- vor 5 Jahren
- Abrufe
Transkript
1 Kapitel 6 Wahrheitsfunktionale Fuzzy-Logik 10. Juni 2005
2 Zusammenfassung Wahrheitsfunktionale Fuzzy-Semantik besteht aus Mengen aller wahrheitsfunktionalen Belegungen von Formeln, jedem Modell in M entspricht genau eine Belegung aller Variablen mit Werten aus [0, 1], spezielle Fuzzy-Logik: Lukasiewicz-Fuzzy-Logik, Darstellung aller möglichen Wahrheitswertfunktionen McNaughton Theorem: Wahrheitswertfunktionen sind stetig und stückweise linear mit ganzzahligen Koeffizienten, Modelle von Fuzzymengen lassen sich durch einfache geometrische Figuren darstellen, effiziente Berechnungsmethode für JM.
3 Plan für heute jede stetige wahrheitsfunktionale Fuzzy-Semantik ist axiomatisierbar, nichtstetige wahrheitsfunktionale Fuzzy-Semantik, Kapitel 7: Stratifizierte Operatoren, - Erweiterungen zweiwertiger Operatoren - von Fuzzy- zu zweiwertigen Operatoren, - stratifizierte Operatoren sind nicht wahrheitsfunktional.
4 Logische Kompaktheit, Kompaktheit und Stetigkeit Definition Ein Fuzzy-Deduktionsoperator D heißt logisch kompakt, wenn die Menge der D-konsistenten Fuzzy-Mengen induktiv ist, d.h. für jede gerichtete Menge von D-konsistenten Fuzzy-Mengen {u i } gilt, daß D( {u i }) u. Sei (F(F L ), D, M) eine abstrakte Fuzzy-Logik, D sei stetig. Falls contr(m), dann ist D = J M logisch kompakt.
5 Existenz maximalkonsistenter Theorien Sei D ein logisch kompakter Fuzzy-Deduktionsoperator. Dann ist jede D-konsistente Information in einer maximalen Theorie enthalten. Sei M eine logisch kompakte Semantik. Dann hat jede erfüllbare Information ein maximales Modell, oder äquivalent dazu, jedes Modell ist in einem maximalen Modell enthalten.
6 Kriterium für logische Kompaktheit Sei M F(F L ). Falls eine abgeschlossene Relation R [0, 1] k und partielle Operationen p 0,..., p k mit p i : (F L ) n F L existiert, so daß für alle m M dann gilt: R(m(p 0 (ϕ 1,..., ϕ n )),..., m(p k (ϕ 1,..., ϕ n ))), 1. M ist logisch kompakt. 2. Für eine Anfangsbelegung u und für jede Formel ψ F L gibt es ein Modell m M, m u mit J M (u)(ψ) = m(ψ).
7 Stetige Fuzzy-Semantik Sei M eine stetige wahrheitsfunktionale Fuzzy-Semantik. Dann gilt: 1. M ist logisch kompakt, 2. Jedes Modell m M ist enthalten in einem maximalen Modell. Beweis über Konstruktion einer geeigneten Relation R...
8 Fuzzy-Hilbert-Operatoren sind stetig Bedingung für Fuzzy-Inferenzregeln: r (a 1,..., a j = sup i I b i,..., a k ) = sup r (a 1,..., b i,..., a k ) i I Sei S = (LAX, R): Fuzzy-Beweissystem im Hilbert-Stil. Der Fuzzy- Deduktionsoperator Operator D S mit ist stetig. D S (u)(ψ) = sup{val(π, u) π ist ein Beweis für ψ}
9 Stetige Fuzzy-Deduktionsoperatoren sind axiomatisierbar Sei D S : F(F L ) F(F L ) ein stetiger Fuzzy-Deduktionsoperator. Dann existiert ein Fuzzy-Beweissystem S = (LAX, R) im Hilbert-Stil, so daß D = D S. Frage Ist eine wahrheitsfunktionale Semantik M axiomatisierbar? Gibt es ein Fuzzy-Beweissystem S mit J M = D S?
10 Zweierlei Stetigkeit Sei M eine stetige wahrheitsfunktionale Fuzzy-Semantik, dann ist J M ist stetig und logisch kompakt. Sei M eine logisch kompakte, wahrheitsfunktionale Fuzzy-Semantik, und sei M axiomatisierbar ist. Falls injektiv und für jede Formel ψ gilt, daß f ψ in jeder Variablen entweder ordnungserhaltend, oder ordnungsumkehrend ist, dann ist f ψ stetig, d.h. M ist stetig.
11 Nichtstetige Semantik M 1 Unser Alphabet enthalte nur die Junktoren {,, }. Bewertungsstruktur: U 1 = ([0, 1], min, max, 1 ), wobei 1 definiert wird durch: { 1 falls a = 0 1 (a) = 0 sonst. Die zugehörige wahrheitsfunktionale Semantik M 1 ist nicht stetig. Es gelten die folgenden Aussagen:
12 Nichtstetige Semantik M 1 (i) für jedes m M 1 ist die Fuzzy-Menge m definiert durch: { m 0 falls m(ϕ) = 0 (ϕ) = 1 sonst. ein maximales scharfes Modell für m. (ii) Die maximalen Modelle von M 1 stimmen mit der Menge der Modelle der klassischen Logik überein. (iii) Für jede klassische Kontradiktion ψ gilt in contr(m 1 )(ψ) = 1. (iv) Für jede klassische Kontradiktion ψ gilt taut(m 1 )( 1 (ψ)) = 1.
13 Klassische Tautologien sind keine M 1 -Tautologien Nicht jede klassische Tautologie ist zum Grad 1 in taut(m 1 ) enthalten. Gegenbeispiel: x x taut(m 1 )(x x) = inf {max{a, 1 (a)} a [0, 1]} inf {max{a, 0} a (0, 1]} inf {a (0, 1]} = 0.
14 Nichtstetige Semantik M 2 Sei U 2 = ([0, 1], min, max, 2 ), mit 2 (a) = { 0 falls a = 1 1 sonst. (i) M 2 ist nicht stetig. { (ii) m 1 falls m(ϕ) = 1 (ϕ) = ist ein minimales Modell in 0 sonst. M 2 und m m. (iii) Die minimalen Modelle von M 2 sind Modelle der klassischen Logik. (iv) Für ψ Cn( ) gilt taut(m 2 )(ψ) = 1 und contr(m 2 )( 2 (ψ)) = 1.
15 Klassische Kontradiktionen sind keine M 2 -Kontradiktionen Nicht jede klassische Kontradiktion ist zum Grad 1 in contr(m 2 ) enthalten. Gegenbeispiel: x x contr(m 2 )(x x) = 1 sup{min{a, 2 (a)} a [0, 1]} 1 sup{min{a, 2 (a)} a [0, 1)} 1 sup{a [0, 1)} = 0.
16 Kapitel 7 Stratifizierte Operatoren
17 Motivation Kapitel 6: Aufbau von Fuzzy-Logik durch wahrheitsfunktionalen Semantik: Welten sind fuzzy Fuzzy-Logik durch Graduierung des Ableitbarkeit- Begriffs: - Extensionsprinzip, - Stratifizierte Fuzzy-Operatoren, - Zerlegung von Fuzzy-Deduktionsoperatoren in Familien von zweiwertigen Deduktionsoperatoren, - Fuzzy-Konsequenzrelationen.
18 Beispiel - gegeben: Σ = {(ϕ i /a i )} mit ϕ F L, a i [0, 1], - Bewertung der Aussagen erfolgt nach ihrer Zuverlässigkeit, - Was ist ableitbar aus Σ und zu welchem Grad? - Σ i = {ϕ j (ϕ j, a j ) Σ, a j a i } für jedes i [0, 1], - Zuverlässigkeitsgrad von ψ Cn(Σ i ) ist mind. a i, - intuitive Begründung: eine Aussage ist so zuverlässig, wie die schwächste ihrer Begründungen.
19 Kanonische Extensionen Definition D : P(F L ) P(F L ). Für u F(F L ), ϕ F L ist die kanonische Erweiterung D von D definiert durch: D (u)(ϕ) = sup{a [0, 1] ϕ D(C(u, a)), wobei bzw. D (u) = a [0,1] {a D(C(u, a))}. 1. D : F(F L ) F(F L ) ist eine Erweiterung von D. 2. D : F(F L ) F(F L ) ist ein Abschlußoperator, genau dann wenn D ein Abschlußoperator ist.
20 Andere Erweiterungen Beispiel 1: Sei C [0, 1] ein Abschlußsystem, mit 0, 1, a C. Sei Co(C) der zugehörige Operator mit: [Co(C)](u)(ϕ) = inf{a C a u(ϕ)}. -Co(C) ist nicht die identische Abbildung -Co(C) eingeschränkt auf P(F L ) ist die identische Abbildung -also ist Co(C) nicht durch kanonische Erweiterung entstanden. Beispiel 2: Sei J(u)(ϕ) = u(ϕ) a für ein beliebiges a [0, 1], J(u) ist keine Erweiterung eines zweiwertigen Operators.
21 Charakterisierung kanonischer Erweiterungen Sei (F(F L ), D ) eine Erweiterung eines zweiwertigen Deduktionssystems, d.h. D (χ X )(ϕ) {0, 1} für jedes X F L. Sei D die Einschränkung von D auf P(F L ). Dann sind die folgenden Aussagen äquivalent: 1. (F(F ), D ) ist die kanonische Erweiterung eines zweiwertigen Deduktionssystems, 2. O(D (u), a) = b>a {D(C(u, b)} für alle a [0, 1], 3. C(D (u), a) = b>a {D(O(u, b)} für alle a [0, 1].
22 Charakterisierung kanonischer Erweiterungen II (F(F ), D ) ist die kanonische Erweiterung eines Systems (P(F L ), D) genau dann, wenn: 1. jeder abgeschlossene a-schnitt einer D -Theorie eine D-Theorie ist, 2. für jede D-Theorie τ und jedes a [0, 1] gilt τ a ist eine D -Theorie.
23 Schichtweises Ableiten kanonische Erweiterung erlaubt Verarbeitung von Fuzzy-Information, d.h. Information die stratifiziert oder in Gültigkeitsniveaus geschichtet ist, stratifizierter Deduktionsapparat kann aber auch auf scharfe Information angewendet werden, es gibt verschiedene scharfe Deduktionsoperatoren, je nach Grad der Gültigkeit, für jedes a [0, 1] wird ein scharfer Deduktionsoperator Da definiert, Da (X ) ist die Menge der Formeln, die man aus X ableiten kann mit Hilfe von Argumenten, die zum Grad a plausibel sind, es kann sowohl die verfügbare Information als auch der Deduktionsoperator stratifiziert sein, in diesem Fall: D(u)(ϕ) = sup{a [0, 1] ϕ D a (C(u, a)).}
24 Stratifizierte Operatoren Definition 1. Sei {D a } a [0,1] eine Familie von zweiwertigen Operatoren. Sei für u F(F L ) und ϕ F L : D(u)(ϕ) = sup{a [0, 1] ϕ D a (C(u, a)).} D heißt der zur Familie {D a } a [0,1] gehörende Fuzzy-Operator. 2. Die Familie {D a } a [0,1] heißt Kette, wenn für jedes X F L die Menge {D a (X )} a [0,1] eine Kette ist, d.h. (i) D 0 (X ) = X, (ii) {D a } a [0,1] ist ordnungsumkehrend.
25 Stetige Ketten Für welche Familien {D a } a [0,1] ist D ein Abschlußoperator? Sei {D a } a [0,1] eine Familie von Abschlußoperatoren, dann ist D ein Fast-Abschlußoperator. Wenn die Familie {D a } a [0,1] eine stetige Kette ist, dann ist D ein Fuzzy-Abschlußoperator. {D a } a [0,1] heißt stetige Kette, wenn {D a } a [0,1] eine Kette ist und für alle X F L, b [0, 1] gilt:. D b (X ) = a<b{d a (X )}
26 Erzeugung stetiger Ketten Definition Sei {D a } a [0,1] eine Familie von Abschlußoperatoren auf P(F L ), dann heißt der von D erzeugte Fuzzy-Abschlußoperator D stratifizierter Fuzzy-Abschlußoperator. Falls {D a } a [0,1] eine stetige Kette ist, und daher D = D, dann heißt D wohl-stratifiziert. 1. Sei {D a } a [0,1] eine Kette, dann ist {D a} a [0,1] mit D a(x ) = b<a D b (X ) für jedes X F L und jedes a [0, 1], eine stetige Kette. 2. Der von D erzeugte Fuzzy-Abschlußoperator Co(Cs(D)) stimmt mit D überein.
27 Kanonische Erweiterungen als stratifizierte Operatoren Sei J ein Abschlußoperator auf P(F L ), sei {D a } a [0,1] die Familie von Abschlußoperatoren mit D a = J für alle a. Dann ist 1. die Familie {D a } a [0,1] eine stetige Kette, 2. die kanonische Extension von J stimmt mit dem zu {D a } a [0,1] gehörenden Fuzzy-Abschlußoperator D überein.
28 Beispiel Definition Eine Fuzzy-Relation Imp : F L F L [0, 1] heißt Fuzzy-Implikation, wenn für alle ϕ, ψ, ϑ F L gilt: 1. Imp(ϕ, ϕ) = 1 (Reflexivität) 2. Imp(ϕ, ψ) Imp(ψ, ϑ) Im(ϕ, ϑ) (Transitivität) J : F(F L ) F(F L ) wird definiert durch: J(u)(ϕ) = sup{u(ψ) Imp(ψ, ϕ) ψ F L }. J a (X ) = {ϕ F L ψ X mit Imp(ψ, ϕ) a} J ist wohlstratifiziert, aber falls Imp keine scharfe Relation ist, dann ist J keine kanonische Erweiterung eines zweiwertigen Operators.
29 Zerlegung von Fuzzy-Operatoren Läßt sich jeder Fuzzy-Abschlußoperator als stratifizierten Operator betrachten? Definition Sei D ein Fuzzy-Deduktionsoperator. Wir definieren {D a } a [0,1] durch: D a (X ) := C(D(a X ), a) für jede Menge X F L. Der zu {D a } a [0,1] gehörende Fuzzy-Operator D heißt stratifizierter Operator zu D. Die Bezeichnung D ist korrekt.
30 Zerlegung von Fuzzy-Operatoren Sei J ein klassischer Abschlußoperator, J T mit J T (u) = χ J(supp(u)) dessen triviale Erweiterung und J der zu {J T a } a [0,1] gehörende stratifizierte Operator. Dann gilt für alle u F L : J(u) = J (u). Beweis: J(u)(ϕ) = sup{a [0, 1] ϕ J T a (C(u, a)).}(nach Definition) J (u)(ϕ) = sup{a [0, 1] ϕ J(C(u, a))} = sup{a [0, 1] ϕ J(supp(a C(u, a), a))} = sup{a [0, 1] J T (a C(u, a))(ϕ) a} J ist kanonischen Extension von J, daher Abschlußoperator.
31 Mehrwertige wahrheitsfunktionale Logik Sei M wahrheitsfunktional, für X F L, a [0, 1], ϕ, ψ F L, : - m = a ϕ wenn m(ϕ) a, - m = a X wenn m(ϕ) a für alle ϕ X, - X = a ϕ wenn m = a ϕ für jedes m = a X. zu jedem Grad a [0, 1] wird ein zweiwertiger scharfen Operator festgelegt: Lc a (X ) = {ϕ F L X = a ϕ. Definition Sei M eine wahrheitsfunktionale Semantik, dann heißt der zur Familie {Lc a } a [0,1] gehörende Operator Lc mit Lc(u)(ϕ) = sup{a [0, 1] ϕ Lc a (C(u, a)).} der zu M gehörende stratifizierte Fuzzy-Deduktionsoperator.
32 Fuzzy-Logik ist keine mehrwertige Logik Sei M eine wahrheitsfunktionale Semantik mit dem induzierten logischen Konsequenzoperator J M und Lc der zu M gehörende stratifizierte Fuzzy-Deduktionsoperator. Dann ist J M Lc.
Kapitel 6 Wahrheitsfunktionale Fuzzy-Logik. 2. Juni 2005
Kapitel 6 Wahrheitsfunktionale Fuzzy-Logik 2. Juni 2005 Übersicht Wahrheitsfunktionale Fuzzy-Semantik, Eigenschaften, Lukasiewicz-Fuzzy-Logik, McNaughtons Theorem, Nichtstetige Wahrheitsfunktionale Fuzzy-Logik.
MehrKapitel 8 Probabilistische und Possibilistische Logik. 23. Juni 2005
Kapitel 8 Probabilistische und Possibilistische Logik 23. Juni 2005 Zusammenfassung Kapitel 1-2 Grundlagen, Kapitel 3 Fuzzy-Mengen und -Relationen, Kapitel 4 Erweiterung des klassischen Beweisbegriffes,
MehrEinführung in die Logik
Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3
MehrKapitel 3 Fuzzy-Mengen und Relationen. 12. Mai 2005
Kapitel 3 Fuzzy-Mengen und Relationen 12. Mai 2005 Rückblick Darstellung unscharfer Konzepte mit Hilfe von Fuzzy-Mengen, Definition von Fuzzy-Mengen, Fuzzy-Mengen über einem festen Universum bilden einen
MehrGrundbegriffe der mathematischen Logik
Grundbegriffe der mathematischen Logik Vorlesung WS 2005/2006 Jakob Kellner http://www.logic.univie.ac.at/ kellner Kurt Gödel Research Center for Mathematical Logic 5. Vorlesung, 2005-11-16 Jakob Kellner
MehrProbeklausur Mathematische Logik
Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel SS 2015 Probeklausur Mathematische Logik Aufgabe 1 (a) (i) Seien R, zweistellige Relationssymbole. Ist
MehrEin und derselbe Satz kann in Bezug auf unterschiedliche Situationen s 1. und s 2 unterschiedliche Wahrheitswerte haben.
2 Aussagenlogik () 2.3 Semantik von [ Gamut 4-58, Partee 7-4 ] Ein und derselbe Satz kann in Bezug auf unterschiedliche Situationen s und s 2 unterschiedliche Wahrheitswerte haben. Beispiel: Es regnet.
MehrLogik erster Stufe FO
Logik erster Stufe FO Sonderstellung als die Logik für die Grundlegung der Mathematik natürliche Semantik (Tarski) und große Ausdrucksstärke vollständige Beweiskalküle (Gödelscher Vollständigkeitssatz)
MehrWas ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie
Was ist Logik? Geschichte der Logik eng verknüpft mit Philosophie Begriff Logik wird im Alltag vielseitig verwendet Logik untersucht, wie man aus Aussagen andere Aussagen ableiten kann Beschränkung auf
Mehr1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.
Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)
MehrProbeklausur Mathematische Logik
Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel SS 2017 Probeklausur Mathematische Logik Aufgabe 1 (a) (i) Sei τ = {R} für ein zweistelliges Relationssymbol
MehrJeder Aussage p kann ein Wahrheitswert W(p) {0, 1} zugeordnet werden. Beispiele: W(Es regnet.) =? (je nach Lage der Dinge) W(Die Straße ist naß.) =?
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 2 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl.
Mehr1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.
Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)
MehrGrundbegriffe für dreiwertige Logik
Grundbegriffe für dreiwertige Logik Hans Kleine Büning Universität Paderborn 1.11.2011 1 Syntax und Semantik Die klassische Aussagenlogik mit den Wahrheitswerten falsch und wahr bezeichnen wir im weiteren
Mehr1 0, x C X (A). = 1 χ A(x).
Aufgabe 1 a) Wir müssen nur zeigen, dass χ A B (x) = χ A (x) χ B (x) für alle x X gilt. (Dass χ A χ B Abbildung von X in {0, 1} ist, ist klar.) Sei also x X beliebig. Fall 1: x A B. Dies bedeutet x A und
MehrMusterlösung 11.Übung Mathematische Logik
Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel, F. Reinhardt SS 2015 Aufgabe 2 Musterlösung 11.Übung Mathematische Logik Geben Sie für die folgenden
MehrLogik (Prof. Dr. Wagner FB AI)
Logik (Prof. Dr. Wagner FB AI) LERNZIELE: Über die Kenntnis und das Verständnis der gegebenen Definitionen hinaus verfolgt dieser Teil der Lehrveranstaltung die folgenden Lernziele: Bei gegebenen sprachlichen
MehrDie Prädikatenlogik erster Stufe: Syntax und Semantik
Die Prädikatenlogik erster Stufe: Syntax und Semantik 1 Mathematische Strukturen und deren Typen Definition 1.1 Eine Struktur A ist ein 4-Tupel A = (A; (R A i i I); (f A j j J); (c A k k K)) wobei I, J,
Mehr2.3 Deduktiver Aufbau der Aussagenlogik
2.3 Deduktiver Aufbau der Aussagenlogik Dieser Abschnitt beschäftigt sich mit einem axiomatischen Aufbau der Aussagenlogik mittels eines Deduktiven Systems oder eines Kalküls. Eine syntaktisch korrekte
Mehr8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem
8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem 8.1 Der Kompaktheitssatz Kompaktheitssatz Endlichkeitssatz Der Kompaktheitssatz ist auch unter dem Namen Endlichkeitssatz bekannt. Unter Verwendung
MehrVergleich und Erzeugung von Topologien und topologischen
KAPITEL 3 Vergleich und Erzeugung von Topologien und topologischen Räumen 3.1. Definition. Auf einer Menge X seien zwei Topologien τ und σ gegeben. Ist jede bezüglich σ offene Menge auch bezüglich τ offen,
MehrBerechenbarkeitstheorie 19. Vorlesung
1 Berechenbarkeitstheorie Dr. Institut für Mathematische Logik und Grundlagenforschung WWU Münster WS 15/16 Alle Folien unter Creative Commons Attribution-NonCommercial 3.0 Unported Lizenz. Erinnerung:
MehrEinführung in die lineare Algebra und GeometrieWS 2018/19 October 30, 2018
1 Beweisen Sie folgende Aussage: Das Produkt zweier ungeraden Zahlen ist ungerade Beweisen Sie folgende Aussage: Es gibt keine ganzen Zahlen n, m mit 8m + 4n = 100 [Hinweis: Beweisen Sie indirekt Nehmen
Mehr1.1 Motivation. Theorie der Informatik. Theorie der Informatik. 1.1 Motivation. 1.2 Syntax. 1.3 Semantik. 1.4 Formeleigenschaften. 1.
Theorie der Informatik 19. Februar 2014 1. Aussagenlogik I Theorie der Informatik 1. Aussagenlogik I Malte Helmert Gabriele Röger Universität Basel 19. Februar 2014 1.1 Motivation 1.2 Syntax 1.3 Semantik
MehrD-MATH Topologie FS 15 Theo Bühler. Musterlösung 11. d(x, y) := n 0. 2 n d n (x n, y n ),
D-MATH Topologie FS 15 Theo Bühler Musterlösung 11 1. a) Da (C n, d n ) kompakt ist, nimmt die stetige Funktion d n : C n C n [0, ), (x, y) d(x, y) ihr Maximum diam C n an. Ersetzen wir d n durch d n =
Mehra) Sei [G : B] = n und [B : A] = m. Seien weiter X G,B = {g 1,..., g n } vollständiges Repräsentantensystem der Linksnebenklassen von A in G.
5. Übungszettel zur Vorlesung Geometrische Gruppentheorie Musterlösung WiSe 2015/16 WWU Münster Prof. Dr. Linus Kramer Nils Leder Cora Welsch Aufgabe 5.1 Sei G eine Gruppe und seien A, B G Untergruppen
MehrKlauselmengen. Definition Sei
Klauselmengen Definition 2.38 Sei α = (p 11... p 1k1 )... (p n1... p nkn ) eine in aussagenlogische Formel in KNF. Dann heißen die Mengen {p i1,..., p iki }, 1 i n, der jeweils disjunktiv verknüpften Literale
MehrLogik. Logik. Vorkurs Informatik Theoretischer Teil WS 2013/ September Vorkurs Informatik - Theorie - WS2013/14
Logik Logik Vorkurs Informatik Theoretischer Teil WS 2013/14 30. September 2013 Logik > Logik > logische Aussagen Logik Logik > Logik > logische Aussagen Motivation Logik spielt in der Informatik eine
MehrSchlussregeln aus anderen Kalkülen
Was bisher geschah Klassische Aussagenlogik: Syntax Semantik semantische Äquivalenz und Folgern syntaktisches Ableiten (Resolution) Modellierung in Aussagenlogik: Wissensrepräsentation, Schaltungslogik,
MehrÜbungen zur Diskreten Mathematik I Blatt 6
1 Blatt 6 Aufgabe 19 Es sei M := {n N : n 2} und R := {(n, m) M M : n teilt m}. a) Zeigen Sie, dass R eine Ordnungsrelation auf M ist. b) Überprüfen Sie, ob R eine totale Ordnung auf M ist. c) Zeigen Sie,
MehrUniversität Heidelberg 12. April 2018 Institut für Informatik Klaus Ambos-Spies Nadine Losert. 2. Klausur zur Vorlesung Mathematische Logik
Universität Heidelberg 12. April 2018 Institut für Informatik Klaus Ambos-Spies Nadine Losert 2. Klausur zur Vorlesung Mathematische Logik Es können maximal 48 Punkte erworben werden. Die Klausur ist bestanden,
MehrLogik und Beweisbarkeit
Logik und Beweisbarkeit VL 10 Martin Mundhenk Univ. Jena, Institut für Informatik 22. Januar 2019 Vorlesung 11: Beweissysteme 3. Berechenbarkeitstheorie VL08: URM-berechenbare Funktionen und die These
MehrFinite Elemente Methode für elliptische Differentialgleichungen
Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte
MehrAufgaben zur Verbandstheorie
TU Bergakademie Freiberg WS 2005/06 Institut für Diskrete Mathematik & Algebra Prof. Dr. Udo Hebisch Aufgaben zur Verbandstheorie 1. Für ein beliebiges n IN sei X n die Menge aller Teiler von n. Definiert
MehrSatz 1.18 (Kompaktheitssatz der Aussagenlogik)
Satz 1.18 (Kompaktheitssatz der Aussagenlogik) Σ F ist erfüllbar genau dann, wenn jede endliche Teilmenge von Σ erfüllbar ist. Σ F ist unerfüllbar genau dann, wenn es eine unerfüllbare endliche Teilmenge
MehrPrädikatenlogiken. Mathematische Logik. Vorlesung 6. Alexander Bors. 30. März & 6. April A. Bors Logik
Mathematische Logik Vorlesung 6 Alexander Bors 30. März & 6. April 2017 1 Überblick 1 Formale Prädikatenlogiken erster Stufe (Quelle: Ziegler, pp. 3 24) 2 Erinnerung Letztes Mal haben wir begonnen, ein
MehrWas bisher geschah: klassische Aussagenlogik
Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur Junktoren: t, f,,,,, aussagenlogische Formeln AL(P) induktive Definition: IA Atome (Aussagenvariablen) p, q, r,... P IS zusammengesetzte
MehrWas bisher geschah. wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min Disjunktion 2 max Negation 1 x 1 x Implikation 2 Äquivalenz 2 =
Was bisher geschah (Klassische) Aussagenlogik: Aussage Wahrheitswerte 0 (falsch) und 1 (wahr) Junktoren Syntax Semantik Stelligkeit Symbol Wahrheitswertfunktion wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min
Mehrf(1, 1) = 1, f(x, y) = 0 sonst üblicherweise Konjunktion, manchmal auch
Belegungen, Wahrheitsfunktionen 1. Wie viele binäre Funktionen gibt es auf der Menge {0, 1} (d.h., Funktionen von {0, 1} 2 nach {0, 1})? Geben Sie alle diese Funktionen an, und finden Sie sinnvolle Namen
MehrNormalform. 2.1 Äquivalenz und Folgerung. 2.2 Die pränexe Normalform
2 Normalformen 2.1 Äquivalenz und Folgerung Definition 2.1 Äquivalenz, Folgerung). Seien ϕ, ψ FO[σ]. a) ϕ und ψ heißen äquivalent kurz: ϕ ψ, bzw. ϕ = ψ), wenn für alle zu ϕ und ψ äquivalent passenden σ-interpretationen
MehrWas bisher geschah Modellierung in Logiken: klassische Prädikatenlogik FOL(Σ, X) Spezialfall klassische Aussagenlogik AL(P)
Was bisher geschah Modellierung in Logiken: klassische Prädikatenlogik FOL(Σ, X) Spezialfall klassische Aussagenlogik AL(P) Syntax Semantik Signatur, Variablen Terme (induktive Definition, Baumform) Atome
MehrWeitere Beweistechniken und aussagenlogische Modellierung
Weitere Beweistechniken und aussagenlogische Modellierung Vorlesung Logik in der Informatik, HU Berlin 2. Übungsstunde Aussagenlogische Modellierung Die Mensa versucht ständig, ihr Angebot an die Wünsche
Mehr4.2 Quotientenvektorräume
306 LinAlg II Version 1 6. Juni 2006 c Rudolf Scharlau 4.2 Quotientenvektorräume Zum Verständnis der folgenden Konstruktion ist es hilfreich, sich noch einmal den Abschnitt 1.4 über Restklassen vom Beginn
Mehr2.1 Lineare Temporallogiken: LTL
2.1 Lineare Temporallogiken: LTL N bezeichne die Menge der nicht-negativen ganzen Zahlen (inklusive der Null). Sei Σ ein Alphabet. Ein endliches Wort ü b e r Σ ist eine endliche Folge a 1 a 2...a n,sodassa
MehrWiederholungsklausur zur Analysis I
Wiederholungsklausur zur Analysis I Prof. Dr. C. Löh/M. Blank 5. Oktober 2011 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
MehrLogik für Informatiker
Logik für Informatiker 2. Aussagenlogik Teil 2 28.04.2015 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Organisatorisches Termine Donnerstags: 30.04.2015 nicht
MehrEinführung in die Logik (Vorkurs)
Einführung in die Logik (Vorkurs) Jürgen Koslowski 2014-04-07 Ein Beispiel Familie A will im kommenden Jahr eine Waschmaschine, ein Auto und ein Moped anschaffen. Aber falls Herr A seinen üblichen Bonus
MehrEinführung in die mathematische Logik
Prof. Dr. H. Brenner Osnabrück SS 2016 Einführung in die mathematische Logik Arbeitsblatt 3 Übungsaufgaben Aufgabe 3.1. Beweise mittels Wahrheitstabellen, dass die folgenden Aussagen Tautologien sind.
MehrFundamentale Sätze. versuche folgendes: gib eine Formelmenge Φ an, so dass Mod(Φ) = {(N, +, )}
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 4.7 Prädikatenlogik Fundamentale Sätze 171 Fundamentale Sätze versuche folgendes: gib eine Formelmenge Φ an, so dass Mod(Φ) = {(R, +, )} gib
MehrFormale Grundlagen der Informatik 1 Kapitel 19. Syntax & Semantik
Formale Grundlagen der Informatik 1 Kapitel 19 & Frank Heitmann heitmann@informatik.uni-hamburg.de 23. Juni 2015 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/25 Motivation Die ist eine Erweiterung
MehrLogik Vorlesung 4: Horn-Logik und Kompaktheit
Logik Vorlesung 4: Horn-Logik und Kompaktheit Andreas Maletti 14. November 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen
MehrSyntax der Aussagenlogik
Einführende Beispiele bitte im Buch nachlesen: Uwe Schöning: Logik für Informatiker. 5. Auflage, Spektrum Akad. Verlag, 2. Definition: Syntax der Aussagenlogik ) Atomare Formeln (A i, i =, 2, 3,...)sindFormeln.
MehrGrundlagen: 1. Logik. Aussagen und Aussagenformen Wahrheitstabellen; Tautologien und Kontradiktionen Logische Äquivalenz. Prädikate und Quantoren
Zusammenfassung Grundlagen Logik, Mengen, Relationen, Folgen & Mengenfamilien, Kardinalitäten Techniken Mathematisches Beweisen, Induktion, Kombinatorische Beweise Strukturen Graphen 1 Grundlagen: 1. Logik
MehrErfüllbarkeit von Formelmengen
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.6 Aussagenlogik Kompaktheit 75 Erfüllbarkeit von Formelmengen bisher nur Erfüllbarkeit einzelner Formeln betrachtet erweitere Begriff auf Mengen
MehrAussagenlogischer Kalkül, Vollständigkeitssatz
Aussagenlogischer Kalkül, Vollständigkeitssatz Salome Vogelsang 22. Februar 2012 Eine Motivation für den Regelkalkül des Gentzen-Typus ist formuliert von Gentzen selbst: "Mein erster Gesichtspunkt war
MehrWas bisher geschah: klassische Aussagenlogik
Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur Junktoren: t, f (nullstellig), (einstellig),,,, (zweistellig) aussagenlogische Formeln AL(P) induktive Definition: IA atomare Formeln
MehrTheorie der Informatik
Theorie der Informatik 1. Aussagenlogik I Malte Helmert Gabriele Röger Universität Basel 19. Februar 2014 Motivation Aufgabe von letzter Vorlesungsstunde Worin besteht das Geheimnis Ihres langen Lebens?
MehrTensorprodukte. Isabel Semm. 21. Dezember 2004
Tensorprodukte Isabel Semm 21. Dezember 2004 1 1 Existenz und Eindeutigkeit Definition: Seien M, N, P A-Moduln. f: M x N P heisst A-bilinear, falls x M: N P, y f(x, y) und y N: M P, x f(x, y) Homomorphismen
MehrLogik Vorlesung 8: Modelle und Äquivalenz
Logik Vorlesung 8: Modelle und Äquivalenz Andreas Maletti 12. Dezember 2014 Überblick Inhalt 1 Motivation und mathematische Grundlagen 2 Aussagenlogik Syntax und Semantik Äquivalenz und Normalformen Weitere
MehrTU7 Aussagenlogik II und Prädikatenlogik
TU7 Aussagenlogik II und Prädikatenlogik Daniela Andrade daniela.andrade@tum.de 5.12.2016 1 / 32 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds
MehrSchwartz-Raum (Teil 1)
Schwartz-Raum (Teil 1) Federico Remonda, Robin Krom 10. Januar 2008 Zusammenfassung Der Schwartz-Raum ist ein Funktionenraum, der besondere Regularitätseigenschaften besitzt, die uns bei der Fouriertransformation
Mehrα i e i. v = α i σ(e i )+µ
Beweis: Der Einfachheit halber wollen wir annehmen, dass V ein endlich-dimensionaler Vektorraum mit Dimension n ist. Wir nehmen als Basis B {e 1,e 2,...e n }. Für beliebige Elemente v V gilt dann v α i
MehrÜbungen zur Diskreten Mathematik I Blatt 1
1 Blatt 1 Aufgabe 1 Überprüfen Sie, ob die folgenden Aussagen Tautologien sind (i) (A B) (( A) ( B)), (ii) (A B) (( A) ( B)), (iii) ((A B) C) ((A C) (B C)), (iv) ((A B) C) ((A C) (B C)), (v) (A = B) ((
Mehr- Theorie der uninterpretierten
Theorie der uninterpretierten Funktionen Entscheidungsverfahren mit Anwendungen in der Softwareverifikation STEPHAN FALKE INSTITUT FÜR THEORETISCHE INFORMATIK (ITI) 0 KIT 13. Universität Mai 2013 des S.
MehrTheorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie
Theorie der Informatik 17. März 2014 6. Formale Sprachen und Grammatiken Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 6.1 Einführung
MehrKapitel 1.5. Ein adäquater Kalkül der Aussagenlogik. Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls
Kapitel 1.5 Ein adäquater Kalkül der Aussagenlogik Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls Mathematische Logik (WS 2012/13) Kapitel 1.5: Kalküle 1/30 Syntaktischer
Mehr10. Unbeschränkte selbstadjungierte. Operatoren
10. Unbeschränkte selbstadjungierte 10.1. Motivation Operatoren Observable hermitescher Operator, quadratische Form mit reellen Erwartungswerten Erzeugende einer Gruppe von Transformationen (z. B. Schrödinger
MehrTheorie der Informatik. Theorie der Informatik. 2.1 Äquivalenzen. 2.2 Vereinfachte Schreibweise. 2.3 Normalformen. 2.
Theorie der Informatik 24. Februar 2014 2. Aussagenlogik II Theorie der Informatik 2. Aussagenlogik II 2.1 Äquivalenzen Malte Helmert Gabriele Röger 2.2 Vereinfachte Schreibweise Universität Basel 24.
MehrEinführung in die Semantik, 5. Sitzung Aussagenlogik
Einführung in die, 5. Sitzung Aussagenlogik Göttingen 9. November 2006 Aussagenlogik Warum die formalen Sprachen der Logik? formale Sprachen haben wie jede Sprache ein Vokabular, eine und eine. Die Relation
MehrNotengebung. Teilnote Kreuzerlliste: 60% 69% 4; 70% 79% 3; 80% 89% 2; 90% 100% 1. Falls Sie weitere Fragen haben, bitte melden Sie sich bei mir.
Notengebung Die Gesamtnote für die Übung ergibt sich je zur Hälfte aus der Teilnote Kreuzerlliste und der Teilnote Zwischentest, gerundet auf freundliche Weise; für eine positive Benotung müssen beide
Mehr6.1 Zerlegungen Ober- und Unterintegrale Existenz des Integrals
Kapitel 6 Das Riemann-Integral In diesem Abschnitt wollen wir einen Integralbegriff einführen. Dieser Integralbegriff geht auf Riemann 1 zurück und beruht auf einer naheliegenden Anschauung. Es wird sich
MehrTheoretische Informatik und Logik Übungsblatt 4 (SS 2017) Lösungen
Theoretische Informatik und Logik Übungsblatt 4 (SS 2017) en Aufgabe 4.1 Für jede der folge Formeln ist folges zu tun: Wenn die Formel gültig oder unerfüllbar ist, so beweisen Sie dies mit dem Tableau-Kalkül.
Mehr1.1 Grundbegriffe. Logik und Diskrete Strukturen (Sommer 2018) Prof. Dr. Ulrich Hertrampf
. Grundbegriffe Beispiele: Paris und Mäuse / Otto und der Arzt /... Definition: Syntax der Aussagenlogik ) Atomare Formeln (A i, i =, 2, 3,...)sindFormeln. 2) Falls F und G Formeln, dann auch (F ^ G) und
MehrDiskrete Strukturen. Vorlesung 3: Naive Mengenlehre. 30. Oktober 2018
Diskrete Strukturen Vorlesung 3: Naive Mengenlehre 30. Oktober 2018 2 Organisation Prüfung: vorauss. am Freitag, den 22. Februar 2019 von 10 11 Uhr im AudiMax, HS 3, HS 9 Abmeldungen noch bis zum 12. Januar
MehrAbschnitt 3.2: Der Satz von Ehrenfeucht
Abschnitt 3.2: Der Satz von Ehrenfeucht In diesem Abschnitt wird gezeigt, dass ein enger Zusammenhang zwischen EF-Spielen und der Ausdrucksstärke der Logik erster Stufe besteht. Zur Formulierung dieses
MehrMengen, Theorien, Modelle
Mengen, Theorien, Modelle Ein Crashkurs in formaler Logik Dr. Uwe Scheffler [Technische Universität Dresden] April 2011 Georg Cantor Menge nennt man jede Zusammenfassung von wohlunterschiedenen Objekten
MehrKlausur TheGI Februar 2006 Version A
B. Mahr, S. Bab, T. Wieczorek WS 05/06 Klausur TheGI 3 14. Februar 2006 Version A Name, Vorname: Matr.-Nr.: Übung im WS Aufgabe: 1 2 3 4 5 6 7 8 9 Punkte: Summe: Klausurnote: Punkte: Insgesamt sind in
MehrKapitel 3 Fuzzy-Mengen und Relationen. 29. April 2005
Kapitel 3 und Relationen 29. April 2005 Rückblick Tarski s Deduktionsbegriff, Verbandstheorie, Abstrakte Logik über Verbänden Wohldefinierte Eigenschaften P wohldefinierte Eigenschaft auf einer Menge M,
MehrPrädikatenlogiken. Mathematische Logik. Vorlesung 7. Alexander Bors. 6. & 27. April A. Bors Logik
Prädikatenlogiken Mathematische Logik Vorlesung 7 Alexander Bors 6. & 27. April 2017 1 Prädikatenlogiken Überblick 1 Formale Prädikatenlogiken erster Stufe (Quelle: Ziegler, pp. 3 24) (Abgeleitete) Axiome
MehrSemantic Web Technologies I
www.semantic-web-grundlagen.de Semantic Web Technologies I Lehrveranstaltung im WS08/09 PD Dr. Pascal Hitzler M.Sc. Markus Krötzsch Dr. Sebastian Rudolph Logik Grundlagen Einleitung und Ausblick XML und
Mehr5.2 Logische Gültigkeit, Folgerung, Äquivalenz
5.2 Logische Gültigkeit, Folgerung, Äquivalenz Durch Einsetzung von PL1-Formeln für die Metavariablen in AL-Gesetzen erhält man PL1-Instanzen von AL-Gesetzen. Beispiele: φ φ AL PL1-Instanzen: Pa () Pa
MehrKapitel 1.2. Aussagenlogik: Semantik. Mathematische Logik (WS 2011/12) Kapitel 1.2: Aussagenlogik: Semantik 1 / 57
Kapitel 1.2 Aussagenlogik: Semantik Mathematische Logik (WS 2011/12) Kapitel 1.2: Aussagenlogik: Semantik 1 / 57 Übersicht 1.2.1 Interpretationen der al. Formeln 1.2.2 Zentrale semantische Begriffe 1.2.3
MehrDer Kern des Dirac-Operators
Der Kern des Dirac-Operators Bernd Ammann Universität Regensburg Antrittsvorlesung, Regensburg, 3.12.2009 1. Motivation Dirac-Gleichung Witten-Spinor Weierstraß-Darstellung 2. Dirac-Operatoren in höheren
MehrDie komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe
Die komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe Matthias Nagel Riemannsche Flächen Stets sei X eine 2-dimensionale Mannigfaltigkeit (Fläche). Definition. ) Eine komplexe Karte auf X ist
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 14 Aussagenlogik Syntax & Semantik. Motivation. Motivation
Formale Grundlagen der Informatik 1 Kapitel 14 Aussagenlogik & Frank Heitmann heitmann@informatik.uni-hamburg.de Mit der Aussagenlogik lassen sich einfache Verknüpfungen zwischen (atomaren) Gebilden ausdrücken
MehrNormalformen. Wie bei der Aussagenlogik lassen sich Formeln wieder in dazu äquivalente umwandeln, die eine bestimmte Form haben.
Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 4.5 Prädikatenlogik Normalformen 148 Normalformen Wie bei der Aussagenlogik lassen sich Formeln wieder in dazu äquivalente umwandeln, die eine
MehrSeminar Kommutative Algebra und Varietäten Vortrag 1: Ideale kommutativer Ringe
Seminar Kommutative Algebra und Varietäten Vortrag 1: Ideale kommutativer Ringe Sebastian Dobrzynski 17042014 1 Grundsätzliches zu Idealen Vorab legen wir fest: Alle im Vortrag betrachteten Ringe sind
MehrSS Juli Übungen zur Vorlesung Logik Blatt 11
SS 2011 06. Juli 2011 Übungen zur Vorlesung Logik Blatt 11 Prof. Dr. Klaus Madlener Abgabe bis 13. Juli 2011 10:00 Uhr 1. Aufgabe: [Axiomatisierung, Übung] 1. Definieren Sie eine Formel A n der Prädikatenlogik
MehrKurseinheit 1 Einführung und mathematische Grundlagen Aussagenlogik
Kurseinheit 1 Einführung und mathematische Grundlagen Aussagenlogik Fragen Seite Punkte 1. Was ist die Mathematische Logik? 3 2 2. Was sind die Aussagenlogik und die Prädikatenlogik? 5 4 3. Was sind Formeln,
MehrMathematisches Argumentieren und Beweisen Beweisarten Besipiele. Hagen Knaf, WS 2014/15
Mathematisches Argumentieren und Beweisen Beweisarten Besipiele Hagen Knaf, WS 2014/15 Im Folgenden sind einige der in der Vorlesung besprochenen Beispielbeweise für die verschiedenen Beweisarten aufgeführt
Mehr10 Formale Grundlagen
95 10 Formale Grundlagen 10.1 Mengentheorie Die Aussagen hierzu sind aus [?, S.13-21] und [?, S.75-136]. In [?] sind die nötigsten Aussagen zusammengefaßt. In [?] sind insbesondere Links und Rechtsinverse
MehrKapitel 2: Multiplikative Funktionen. 3 Multiplikative Funktionen. Definition 2.1 (arithmetische Funktion, (vollständig) multiplikative Funktion)
Kapitel 2: Multiplikative Funktionen 3 Multiplikative Funktionen Definition 2.1 (arithmetische Funktion, (vollständig) multiplikative Funktion) (a) Eine Funktion α : Z >0 C heißt arithmetisch (oder zahlentheoretisch).
MehrVorlesung Diskrete Strukturen Abbildungen
Vorlesung Diskrete Strukturen Abbildungen Bernhard Ganter WS 2009/10 Hashfunktionen Wenn eine Datenbank Millionen von Dokumenten enthält und immer neue dazu kommen, stellt sich folgendes Problem: Bei neuen
MehrFuzzy Logic & Control
The more, the fuzzier... Prof. Dr.-Ing. Doris Danziger Prof. Dr. rer. nat. Nikolaus Wulff Fuzzy Theorie Lofi Zadeh enwickelte 1967 die Fuzzy Theorie. Er erweiterte die klassische Mengenlehre um den Begriff
MehrTheorie der reell abgeschlossenen Körper (RCF)
Theorie der reell abgeschlossenen Körper (RCF) 1 Einführung Die im Vortrag betrachteten Modelle verwenden die Sprache L ORing ={0,1,+,-,,
MehrKompakte Operatoren in Hilberträumen
Kompakte Operatoren in Hilberträumen 1 Vorbemerkungen Im Folgenden bezeichne H immer einen seperablen Hilbertraum über C Mit B(H 1, H 2 ) bezeichnen wir die Menge aller beschränkten linearen Operatoren
MehrAussagenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Modellierung und Beweise. Aussagenlogik H. Kleine Büning 1/37
Aussagenlogik Übersicht: 1 Teil 1: Syntax und Semantik 2 Teil 2: Modellierung und Beweise Aussagenlogik H. Kleine Büning 1/37 Modellierungsaufgabe Es gibt drei Tauben und zwei Löcher. Jede Taube soll in
MehrVorlesung Diskrete Strukturen Abbildungen
Vorlesung Diskrete Strukturen Abbildungen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung in die
Mehr