Algebraische Beschreibung paralleler Prozesse

Größe: px
Ab Seite anzeigen:

Download "Algebraische Beschreibung paralleler Prozesse"

Transkript

1 Algebraische Beschreibung paralleler Prozesse Prof. Dr. W. Vogler Universität Augsburg WS 2011/2012

2 INHALTSVERZEICHNIS 2 Inhaltsverzeichnis 1 Einführung Parallele Systeme und Kommunikation Erste Beispiele Puffer Puffer Puffer mit Ack(nowledgment) Zahlenverarbeitung Fließband Zusammenfügen der Komponenten mit Parallelkomposition Semaphore Basis-Definitionen Aktionen CCS Transitionssysteme als operationale Semantik Sorten Reduktion des voll(ständig)en CCS auf Basis-CCS Gleichungsgesetze Dynamische Gesetze Statische Gesetze Expansion Starke Bisimulationen und starke Äquivalenz Starke Bisimulation Gesetze für Kongruenzeigenschaften Schwache Bisimulation und Beobachtungsäquivalenz Schwache Bisimulation Anwendung - ein einfacher Scheduler 38 7 Beobachtungskongruenz Definition und erste Eigenschaften Gesetze für = Axiome für endliche Prozesse Eine Schneller-als-Relation 47

3 1 EINFÜHRUNG 3 1 Einführung Dieses Vorlesungsskript beruht in erster Linie auf [1] sowie einer LATEX-Mitschrift von Hörern dieser Vorlesung im WS 03/04, denen ich sehr dankbar bin. Formale Systemmodelle bieten eine klare Implementationsgrundlage für die Softwareentwicklung. Mit ihrer Hilfe lässt sich bereits eine Simulation wie auch ein Model-Checking noch vor Beginn der Implementierungsphase durchführen. Damit lässt sich prüfen, ob sich das endgültige Produkt spezifikationskonform verhält; hierbei ist eine Spezifikation eine Sammlung erwünschter Eigenschaften. In dieser Vorlesung werden formale Modelle paralleler (nebenläufiger) Systeme anhand der Prozess-Algebra CCS beschrieben; die Terme einer Prozess-Algebra kann man sich als erweiterte rationale bzw. reguläre Ausdrücke vorstellen. Systemmodelle können abstrakter oder implementierungsnäher sein; letztere können z.b. die Aufteilung in parallele Komponenten beschreiben. In diesem Sinn kann CCS als Spezifikationsund als einfache Programmiersprache verstanden werden. 1.1 Parallele Systeme und Kommunikation Zunächst gehen wir davon aus, dass prinzipiell kein Unterschied zwischen einem System und einem Teilsystem besteht. Man wählt sich für die Betrachtung einfach eine für die aktuelle Zielsetzung geeignete Detailebene. So interessieren bei der Analyse von Prozessen in einem Unternehmen beispielsweise nicht die Organe der einzelnen Mitarbeiter. Das Verhalten der (Teil-)Systeme (Prozesse) besteht aus ihren Aktionen: Nachrichten (Der Benutzer eines Computers teilt diesem mit, dass er den C-Compiler starten soll; vgl. [1], Seite 13f.) autonom (Der Computer berechnet x := 1.) Dies kann oft als Kommunikation von Teilsystemen verstanden werden. (Im Beispiel: zwischen dem Prozessor und dem Hauptspeicher) Kommunikation: (i) FIFO-Kanal (First in - first out): Der Sender schreibt Nachrichten in einen Puffer, aus dem diese dann an den Empfänger weitergeleitet werden. (ii) Shared Memory: Sender und Empfänger teilen sich einen gemeinsamen Speicherbereich. Der Empfänger kann die Nachrichten mehrfach aus dem Speicher auslesen.

4 1 EINFÜHRUNG 4 (iii) Die Algebra CCS (CALCULUS OF COMMUNICATING SYSTEMS) verwendet Kommunikation per Handschlag (Rendezvous), eine gemeinsame Aktion zweier Prozesse. Während in (i) und (ii) aktive und passive Prozesse unterschieden werden, werden hier grundsätzlich alle Prozesse als aktiv betrachtet. In (i) sendet der aktive Sender an den passiven Puffer; ob der Puffer gegenüber dem Empfänger aktiv oder passiv ist, ist Geschmackssache. In (ii) sind Sender und Empfänger aktiv gegenüber dem passiven Speicher. Modellierung von (i) und (ii) in CCS: je 3 Prozesse: 1. send(5): gemeinsame Aktion von Sender und Puffer 2. write 5 into x: gemeinsame Aktion von Sender und Speicher 1.2 Erste Beispiele Wir führen zunächst eine Variante mit Variablen und Werten ein; später behandeln wir fast ausschließlich eine abstraktere Variante Puffer Ein Puffer bietet zwei Kommunikationsmöglichkeiten (Ports). Seine Beschreibung stützt sich auf zwei Prozessnamen C und C. Prozessnamen können auch als Prozedurnamen verstanden werden; genau wie letztere können sie Parameter haben. C in(x).c (x) C (x) out(x).c Das Verhalten eines Prozessnamens wird mit definiert. Auf der rechten Seite des Definitionspfeils steht ein Prozess, der dem Rumpf einer Prozedur/Methode entspricht. Hierbei tauchen noch einige unbekannte Symbole auf:

5 1 EINFÜHRUNG 5 in(x): Rendezvous, bei dem der Wertxam Portin empfangen wird out(x): Rendezvous, bei dem der Wert x am Port out gesendet wird; der Querbalken wird für Ausgaben verwendet. in(x).c (x): Rendezvous ausführen, dann sich wiec (x) verhalten. Der Punkt. ist das Symbol für Prefixing, eine einfache Form der Hintereinanderausführung. in(x).c (x) ist ein CCS-Term. Ein Ablauf des Systems ist z.b.: C in(42) C (42) out(42) C Dies bedeutet, dass der Port in mit dem Wert 42 angesprochen und damit der Pufferprozess C mit diesem Wert aufgerufen wird, der dann 42 ausgibt und wieder zum Prozess C wird. Also:C beschreibt den leeren Puffer,C (x) denxspeichernden Puffer. Wir betrachten also dasselbe System in verschiedenen Zuständen als verschiedene Prozesse, die ja auch unterschiedliches Verhalten zeigen. Bemerkung. Wir haben bereits den Parameter x in obigem Beispiel verwendet. Wie in Programmiersprachen auch besitzen Variablen in CCS verschiedene Bindungsbereiche (= scope): in(x).p : x ist hierbei eine Variable in P (mit Bindungsbereich P ). C (x)...:xist eine Variable der rechten Seite und dort gebunden. out(x).p : In diesem Fall ist x nicht gebunden und damit eine freie Variable. Der Wert von x ergibt sich erst durch eine Bindung weiter außen. Alternativ ließe sich der 1-Puffer auch mit folgender Definition beschreiben, in der kein weiterer (Unter-)Prozess mehr aufgerufen wird Puffer C in(x).out(x).c Als nächstes betrachten wir einen Puffer der Kapazität 2: Buff 2 in(x).buff 2 (x) Buff 2 (x) in(y).buff 2 (x,y)+out(x).buff 2 ( ) Buff 2 (x,y) out(x).buff 2 (y) ( ) In diesem System taucht zum ersten Mal das Symbol + auf, das einer nicht-deterministischen Auswahl (einem logischen oder) entspricht. Welche Option ausgewählt wird, wird erst zum Zeitpunkt der ersten Aktion entschieden, welche eventuell von der Umgebung beeinflußt wird. Prefixing. bindet stärker als +. Beachte: in( ): scope von x ist rechte Seite scope von y ist Buff 2 (x,y) in( ): Buff 2 (y) ist Aufruf von Buff 2 (x): formaler Parameter x, Wert y bei Aufruf.

6 1 EINFÜHRUNG 6 Buff 2 kann als Spezifikation eines Zwei-Puffers gesehen werden, der sich durch eine Verkettung C C von zwei 1-Puffern C implementieren läßt (vgl. obigen Flussgraphen). Das Symbol beschreibt eine Verkettung, welche die Ports out und in verbindet. Zusätzlich werden diese Ports internalisiert, so daß von außerhalb des Systems kein weiterer Zugriff auf diese Ports erfolgen kann (s.u.). Der Korrektheitsbeweis zeigt C C = Buff 2, wobei die Terme syntaktische ungleich ( ) sind Puffer mit Ack(nowledgment) In einigen Fällen ist eine weitere Form der Kommunikation zwischen Prozessen erforderlich, bei der keine Parameterübergabe stattfindet. Ein Prozess möchte beispielsweise eine Bestätigung für eine Datenübergabe erhalten. Dies ließe sich folgendermaßen formalisieren: D in(x).out(x).ackout.ackin.d Bemerkung. Die beiden Bestätigungsaktionen ackin und ackout besitzen dabei keine Parameter, sind reine Synchronisation der Prozesse. Daher besitzen sie eigentlich keine Richtung. Bei der Verknüpfung D D zweier Prozesse D müssen out mit in und ackout mit ackin verbunden werden. Die Verknüpfung D D hat ein Problem: sie kann Ändert man die Definition leicht ab in D so ist die neue Prozesskette D D in der Lage,

7 1 EINFÜHRUNG Zahlenverarbeitung Ein CCS-Prozess ist jedoch nicht nur in der Lage, Nachrichten zu übertragen, er kann intern auch Berechnungen durchführen, beispielsweise eine Eingabe verdoppeln: Doppeln in(x).out(2 x).doppeln Fließband Wir betrachten zwei Arbeiter, die Objekte mit einem kleinen Hammer K oder einem großen Hammer H bearbeiten. Es ist leicht einzusehen, dass ein Wettbewerb um die Hämmer entsteht. Dieser führt zu einem nicht-deterministischen Prozess. H geth.busyh K getk.busyk BusyH puth.h BusyK putk.k (Erster Buchstabe groß: Prozess, klein: eine Aktion.) Offenbar sind diese Definitionen sehr ähnlich. Jobber in(job).start(job) Start(job) if hard(job) then U seh(job) else U set ool(job) {hard(job) : boolean} UseTool(job) UseH(job)+UseK(job) U seh(job) geth.puth.f inish(job) U sek(job) getk.putk.f inish(job) F inish(job) out(done(job)).jobber {done: Funktion auf Objekten; done(job) = fertiges Objekt} Eine Sorte von P ist eine Menge von Aktionen, die alle Aktionen von P umfasst. Beispiele. H : {geth, puth} (H hat Sorte {geth, puth}) K : {getk,putk} Jobber : {in,out,getk,geth,putk,puth}

8 1 EINFÜHRUNG Zusammenfügen der Komponenten mit Parallelkomposition Zunächst betrachten wir das Teilsystem Jobber H. Dies bedeutet, dass Jobber und H parallel agieren, wobei komplementäre Aktionen (z.b. geth, geth) gemeinsam ausgeführt werden können, jedoch nicht müssen: geth ist auch ohnegeth möglich, da ein zweiter Jobber vorhanden sein könnte, der auch H nehmen will. Für die Sorten von Prozessen, die parallel ausgeführt werden (P Q), gilt: P Q : L M, wenn P : L und Q : M. Wir bringen nun eine zweite Instanz eines Jobbers ins Spiel. Dadurch verändert sich das Teilsystem zu (Jobber H) Jobber. Der Flussgraph legt nahe, dass die Parallelkomposition kommutativ und assoziativ ist, also z.b. H Jobber = Jobber H ist. Dies können wir erst zeigen, wenn = (im Sinne von gleichem Verhalten) definiert ist. Die Terme an sich sind verschieden ( ). Ebenso sollte + kommutativ und assoziativ sein. Die Aktionen für geth und geth beispielsweise können auch von anderen Prozessen aufgerufen werden; das war gerade sehr nützlich, soll aber im weiteren vermieden werden. Dazu werden die Aktionen internalisiert, so dass sie von außen nicht mehr zugreifbar sind. ((Jobber H) Jobber) \ {geth,puth} Der Restriktions-Operator \ bewirkt, dass die angegebenen Aktionen und deren Komplemente mit keinem weiteren Port verbunden werden können. Einzeln können diese Aktionen nicht mehr ausgeführt werden, wohl aber geth, geth zusammen (siehe weiter unten, τ). Restriktion verkleinert die Sorte des Prozesses genau wie der identisch geschriebene Mengenoperator. Die nachfolgenden Rümpfe von Fließband sind gleich: Fließband (((Jobber H) Jobber)\{getH,putH} K)\{getK,putK} = (Jobber Jobber H K)\{getH,putH,getK,putK} In CCS lassen sich Terme mit Hilfe algebraischer Gesetze umformen. 1.4 Semaphore Ein nützliches Konzept aus der Programmierung ist die Verwendung von Semaphoren. Definition 1.1. Ein Semaphor bestimmt sich durch Sem get.put.sem. Ein Semaphor ist offenbar ähnlich zu den Prozessen H und K. Zur Beschreibung der Ähnlichkeit dient eine Umbenennungsfunktion, die Aktionen auf Aktionen abbildet, wobeif(a) = b f(a) = b. Dabei seia = a, so daß auch f(in) = out möglich ist. ( f(in) = out) Wir schreiben a 1 / b1,, an / bn fürf mitf(b i ) = a i,f(b i ) = a i und f(a) = a sonst. Beispiel. get geth get geth. Eine Beschreibung von H und K mittels Umbenennung (Relabelling) würde so aussehen: H = Sem[ geth / get, puth / put ] K = Sem[ getk / get, putk / put ]

9 1 EINFÜHRUNG 9 Der Operator läßt sich damit so beschreiben: C C (C[ m / out ] C[ m / in ])\{m}

10 2 BASIS-DEFINITIONEN 10 2 Basis-Definitionen 2.1 Aktionen In (Basis)-CCS existieren keine Aktionen mit Parametern, sondern nur einfache Synchronisationen wie z.b.geth, was jedoch keine Einschränkung darstellt. Definition 2.1. A: Menge von Aktionsnamen a,b,c Ā: Menge der Co-Aktionen a,b,c; es seia = a L = A A: Menge der (Port-)Beschriftungen l, m, n (L steht für label.) Die Idee der Verhaltensbeschreibung ist, dass Prozesse Aktionen ausführen und dabei in einen anderen Zustand übergehen, also ein anderer Prozess werden: Beispiel. H geth BusyH, BusyH puth H Sei nun A a.a, A c.a, B c.b, B b.b. FürA B erhalten wir: es gilt A a A, also A B a A B; ferner A c A, also A B c A B. Rendezvous: A und B führen c und c zusammen aus. Dabei verschmelzen c und c zu einer internen, unbeobachtbaren Aktion (hidden action); es genügt eine interne Aktion τ. Bsp.:A c A,B c B, also A B τ A B. Definition 2.2 (Act). Die Menge der Aktionen α,β,γ... ist Act = L {τ} (disjunkte Vereinigung). Die Restriktion \ c verbietet c, erlaubt aber dennoch weiterhin τ. Damit ergeben sich folgende Transitionen für (A B)\c: Also erzwingt \ c eine Synchronisation über c. Wir sehen : (A B)\c = a.τ.c mit C b.a.τ.c +a.b.τ.c Dabei wurde die Parallelkomposition eliminiert. Mit dem Gesetz α.τ.p = α.p ergibt sich (A B)\c = a.d mitd b.a.d +a.b.d. Gilt auch einfach τ.p = P? Beispiel. Vergleiche die beiden Terme A a.a + τ.b.a und B a.b + b.b MitP = τ.p würde A = B folgen, aber: Durch τ kann sich A autonom in A verwandeln. Wenn jetzt die Umgebung a verlangt, tritt eine Verklemmung ein. Dies kann mit B nicht geschehen. Also ist A B und i.a. P τ.p! (Widerspruch zu endlichen Automaten).

11 2 BASIS-DEFINITIONEN CCS Definition 2.3. Gegeben sei eine Menge K von Prozessnamen A, B,... und eine Menge X von Prozessvariablen X, Y,... (nur technisch) Ein CCS-Term ist ein Prozessname, eine Variable, oder 1. α.e,α Act (Präfix) 2. i I E i (Auswahl) 3. E 1 E 2 (Parallelkomposition) 4. E\L,L L (Restriktion) 5. E[f] (Umbenennung, Relabelling), f ist eine Umbenennungsfunktion: f : L L; f(l) = l f(l) = l ; f(τ) = τ wobei E,E i (i I), E 1 und E 2 CCS-Terme sind. E ist die Menge aller CCS-TermeE,F,... Bei 2) handelt es sich um ein verallgemeinertes +. Für I = {1,2} schreiben wir auch E 1 +E 2. I kann unendlich oder auch sein; dann ist i E i =: 0 =: Nil (Nil ist der inaktive Prozess). Basisprozesse, die syntaktisch keine anderen Prozesse enthalten, sind also N il, Prozeßnamen und Variablen. Bindungsstärke: regelt das Weglassen und Wiederergänzen von Klammern 4. und 5. binden stärker als 1; 1. bindet stärker als 3; 3. bindet stärker als 2. Für 4. und 5. ist keine Unterscheidung nötig: E[f]\L kann nur (E[f])\L sein und ist E\L[f]. Beispiel. R+a.P b.q\l (b.q)\{b} b.(q\{b}) Definition 2.4. Ein Prozess ist ein CCS-Term ohne (freie) Variablen (hier: alle Variablen frei). P ist die Menge der ProzesseP,Q,... Wir nehmen an, dass für jeden Prozessnamen eine Definition der FormA P gegeben ist. Diese kann auch rekursiv (A a.a) oder verschränkt rekursiv sein (A a.a, A b.a) Definition 2.5. Für (E i ) i I schreiben wir eventuell auch kurz Ẽ. Ist (X i) i I eine Menge von Variablen, so bezeichnet { E i / Xi : i I} bzw. Ẽ/ X die simultane syntaktische Substitution der (freien) X i durch E i für alle i I. Beispiel. (a.x +b.y c.y){ (a.y) / X, Nil / Y } Die Zeichenkette (a.x +b.y c.y){ (a.y) / X, Nil / Y } ist kein Prozessterm, sie beschreibt aber einen daher.

12 2 BASIS-DEFINITIONEN Transitionssysteme als operationale Semantik Die operationale Semantik gibt zu jedem Zustand ( E) an, welche Aktionen möglich sind und welche Zustände sich bei einer Aktion ergeben können. Definition 2.6. Ein (beschriftetes) Transitionssystem (S,B,{ b b B}) besteht aus einer Menge S von Zuständen, einer Menge B von Transitionsbeschriftungen und einer Transitionsrelation b S S für jedes b B. Alternativen: äquivalent ist: eine Transitionsrelation S B S Eventuell gibt es einen Startzustand s 0 S Hier: S = E und B = Act. Ziel: Definition von α Vorgehen: Das Verhalten eines Terms, z.b.e F, lässt sich aus dem Verhalten der Komponenten, hier E und F, ableiten. WennE α E (ein Übergang ist), dann auch E F α E F. (Structured Operational Semantics, Plotkin). Schreibweise: E α E E F α E F Dabei ist oben die Voraussetzung, unten die Folgerung angegeben. (SOS-Regeln; Herleitungsregeln wie in der Logik). ( ) α α Act ist die Familie kleinster Relationen, die die folgenden Regeln erfüllen: Act α.e α E Com 1 Com 2 E α E E F α E F F α F E F α E F (keine Voraussetzung, Axiom) E l E,F l F Com 3 E F τ (l τ, z.b.l = a,l = a und E führt Co-Aktion aus) E F Sum j Res Rel E j i I E α i E j E j α E α E E\L α E \L E α E E[f] f(α) E [f] (j I) (Nebenbedingung) (α L L) Name P α P A α P (A P)

13 2 BASIS-DEFINITIONEN 13 Bemerkung. Sum für I = {1, 2} auch: Für Nil i E i gibt es keine anwendbare Regel, also Beispiel. ((a.e +b.nil) a.f)\a τ (E F)\a Zum Beweis ein Herleitungsbaum: Act a.e a E Sum 1 a (a.e +b.nil) E a.f a F Act Com 3 (a.e +b.nil) a.f τ E F Res τ (τ {a,a}) ((a.e +b.nil) a.f)\a (E F)\a Welche Übergänge gibt es überhaupt? Versuch, den Herleitungsbaum zu konstruieren: Res, α a,a und G G \a und ((a.e +b.0) a.f)\a α G (a.e +b.0) a.f α G Com 1,Com 2 oder (s.o.)com 3 ;Com 2 nicht möglich Com 1 : a.e +b.0 α...α a,a, also α = b, a.e +b.0 b 0 G 0 a.f ((a.e +b.0) a.f)\a b (0 a.f)\ a einziger weiterer Übergang! Beispiel. Ein Zufallsgenerator für natürliche Zahlen: Random Satz 2.7. Die E α E gemäß obiger Definition sind genau die Übergänge mit (endlichem) Herleitungsbaum. Die Familie ist also eindeutig definiert.

14 2 BASIS-DEFINITIONEN 14 Aussagen A für alle E α E kann man mit Transitionsinduktion (Induktion über die Tiefe des Herleitungsbaums bzw. über die Länge der Herleitung) beweisen. Es gibt einen Fall für jede Regel. Verankerung entspricht dem (oder einem) Axiom. Für α zeigt man A direkt. E E Beispiel. Ind.schritt für den Fall Rel: Sei E[f] f(α) E [f] wegen E α E, und die Aussage A(E α E ) gilt nach Induktion. Zeige damit A(E[f] α E [f]). Restbaum E α E E[f] f(α) E [f] Hier noch ein, etwas abschreckendes, Beispiel für Herleitungen: Beispiel. A a 0.0 A[f] mitf : a i a i+1. CCS entspricht einem Transitionssystem; zu jedem E ist aber nur der von E erreichbare Teil interessant. Hier: Transitionssystem ist Grundlage aller Verhaltensbegriffe keine explizite Parallelität im Verhalten. Herleitung einer Transition eventuell langwierig Arbeiten mit CCS auch ohne eine Herleitung ( Gesetze / Axiome für = ). FallsE α E, dann heißt (α,e ) direkte Folge von E α eine Aktion von E E ein α-folgeterm von E Analog definiert man für E α 1 α n E (α 1 α n,e ) eine Folge von E α 1 α n eine Aktionsfolge von E E ein (α 1 α n -)Folgeterm von E Wir schreiben auch E α 1 α n E in diesem Fall; ferner E α 1 α n, falls E : E α 1 α n E ; Speziell: n=0, also E λ E, und λ ist eine Aktionsfolge, E ein Folgeterm von E für alle E. Wir erwarten: Haben E 1 und E 2 dieselben direkten Folgen (und damit im wesentlichen dieselben Folgen), so sind sie sicher verhaltensgleich (bisher undefiniert). τ ist intern (unbeobachtbar), daher ist interessant: Aus s Act entsteht ŝ L durch Entfernen aller τ s. Speziell: τ τ = λ.

15 2 BASIS-DEFINITIONEN 15 Für s = α 1 α n Act ist E = s E, falls E( ) τ α 1 τ ( ) (α i = τ möglich) E = s wie oben. α n ( τ ) E, Falls s Act und E ŝ = E (!), dann ist E ein s-nachkomme von E. (Beispielsweise haben P und τ.p speziell P als τ-nachkommen.) ŝ Uns interessiert vor allem =. Für s L ist s = ŝ und E = ŝ E dasselbe wie E = s E s. = mit s Act \L ist eher technisch. Beispiel. E ab = E bedeutet E τm aτ n bτ p E E = λ E bedeutet E = τa E bedeutet 2.4 Sorten Definition 2.8. E hat (semantische) Sorte L L, falls alle Aktionen von E und seinen Folgetermen in L {τ} liegen; E : L. Folgerung. L ist Sorte von E für alle E α E gilt: α L {τ} und L ist Sorte von E. Eigentlich hätten wir gerne die kleinste Sorte von E. Es ist aber generell unentscheidbar, ob ein ProzessP je die Aktionlausführen kann. (vergleiche hierzu Turingmaschinen und den Satz von Rice aus der Theoretischen Informatik) Syntaktische Sortenzuweisung: Definition 2.9. Gegeben seien Sorten L(A) L, A K (Konstanten) und L(X) L, X X. Dann ist die syntaktische Sorte L(E), E E, definiert durch: L(l.E) = {l} L(E), L(τ.E) = L(E) L( i I E i) = i I L(E i), ( L(Nil) = L(E F) = L(E\L) = L(E[f]) = Dabei sei vorausgesetzt, dass für alle A P gilt: L(P) L(A) Beispiel. L(a.b.0) = {a, b}, L((a.b.0)\a) Für A a.b.a ist L(A) = {a} unmöglich, denn dann wäre L(a.b.A) = {a, b} {a}. L(A) = {a, b, c} ist ok. (L(A) = L ist immer zulässig, aber wenig hilfreich!) Idee: Rate als syntaktische Sorte und korrigiere iterativ gemäß L(P). In diesem Beispiel funktioniert das; im abschreckenden Beispiel von oben terminiert es nicht. Lemma SeiE α E. Dann gilt:

16 2 BASIS-DEFINITIONEN 16 (i) α L(E) {τ} (ii) L(E ) L(E) Beweis. durch Transitionsinduktion (Transitionen sind induktiv definiert) Betrachte die letzte Regel im Herleitungsbaum von E α E. 1. Act : E α.e (Blatt im Herleitungsbaum Induktionsanfang) Nach Definition ist L(E) = {α} L(E ) für α τ, L(E) = L(E ) für α = τ (jeweils (i) und (ii) prüfen!) 2. Sum j : E i E i und E j α E (mit einem niedrigeren Herleitungsbaum) Nach Induktionsvoraussetzung ist α L(E j ) {τ} und L(E ) L(E j ). Nach Definition sehen wir, dass L(E j ) L(E). 3. Com 1 : E E 1 E 2, E E 1 E 2 und E 1 α E 1 Nach Induktionsvoraussetzung istα L(E 1 ) {τ} und L(E 1 ) L(E 1); mitl(e) = L(E 1 ) L(E 2 ) und L(E ) = L(E 1 ) L(E 2) L(E 1 ) L(E 2 ) = L(E). 4. Com 2, Com 3, Res, Rel: ähnlich 5. Name : E A mita P und A α E wegen P α E. Nach Induktionsvoraussetzung ist α L(P) {τ} und L(E ) L(P). DaL(P) L(A), ist L(E ) L(A). Satz Für alle E E gilt: E : L(E). Beweis. Seiαeine Aktion eines Folgeterms F von E. Wegen Lemma 2.10 (i) gilt α L(F) {τ}. Die wiederholte Anwendung von Lemma 2.10 (ii) ergibt L(F) L(E). FallsE keine Variablen, Namen oder Umbenennungen enthält, ist die syntaktische Sorte von E einfach die Menge der freien (nicht durch Restriktionen gebundenen) Portbeschriftungen. Wir kürzen oft α.n il durch α ab. Beispiel. P ((a+b.c)\c) ((b+c.d)\d) L(P) =

17 2 BASIS-DEFINITIONEN Reduktion des voll(ständig)en CCS auf Basis-CCS volles CCS: Aktionen und Namen mit Parameter gut für Anwendungen und Beispiele schwierig für Beweise Annahme: Alle Parameter-Werte liegen in V. Definition 2.12 (Volle CCS-Terme E + ). Jeder Prozessname A K habe eine Stelligkeit (# Parameter). Es seien Ausdrücke e (expression) und boolesche Ausdrücke b aus Daten-Variablen x,y,... und Konstanten über V und geeigneten Operationssymbolen gegeben. E + enthält alle X X, alle A(e 1,...,e n ), wobei A Stelligkeit n hat, und zue, E i E + : 1. a(x).e, a(e).e, τ.e (a A) 2. i I E i 3. E 1 E 2 4. E\L (L L) 5. E[f] (f eine Umbenennungsfunktion) 6. if b then E {if b thene else E ˆ= if b then E + if b thene } Zu jedem A K mit Stelligkeit n gibt es eine DefinitionA(x 1,...,x n ) E, wobei diex i verschieden sind und E keine Prozess-Variablen und keine freien Daten-Variablen außer x 1,...,x n enthält. (Bindung durch a(x). ; also keine globalen Datenvariablen, die außerhalb der Prozedur A definiert sind) Beispiele. 1. C in(x).c (x) und C (x) out(x).c (x frei inc (x), aber nicht inin(x).c (x);xfrei inout(x).c) Der Name C mit Parameter x wird zur Familie (C v ) v V. Analog wird out zu einer Familie(out v ) v V von Aktionen. Aus der einen (symbolischen) Definition von C wird eine Familie von Definitionen: C v out v.c (v V) C stellt eine Auswahl dar: C v V in v.c v 2. Even(x) if x gerade then out(x).0 wird zu Even 2n und Even 2n+1 (Kennen wir den Wert von x, so auch den Wert von x gerade.) Übersetzung: F E + ˆF E Zul im vollen CCS gibt es eine Familie(l v ) v V von eigenen Portbeschriftungen; zu A K : (Aṽ)ṽ V n Wir betrachten F E + mit freien Daten-Variablen x i bzw. x nur, wennf Teilterm von E

18 2 BASIS-DEFINITIONEN 18 ist. 1. in einer Definition A( x) E bzw. 2. in a(x).e 1. wird zu FamilieAṽ E{ṽ/ x },ṽ V n ; die x i sind nicht mehr frei ine{ṽ/ x }. 2. wird zu v V a v. E{ v / x },xnicht frei in E{ v / x }. Konsequenz: Wir übersetzen also nur F E + ohne freie Daten-Variablen: Ist F a(e).e oder A(e 1,...,e n ) oder if b then E, so kann man e, e i, b auswerten zu e, e i V bzw. b {T,F}. Übersetzungen: F X X a(x).e v V av.ê{v / x } a(e).e a e.ê { e V} τ.e τ.ê i I E i i I Êi E 1 E 2 Ê 1 Ê2 E\L Ê\{l v : l L, v V} E[f] ifbthene Ê[ f], mit f(l v ) = { f(l) v {Ê T, falls b = 0 F A(e 1,...,e n ) A e1,..., e n Beispiel. V = N, F in(x).if x < 3 then out(x).0 F Konsequenz: Wir arbeiten nach Wunsch mit (vollem) CCS oder Basis-CCS. Wir betrachten hier volles CCS nur als intuitive abkürzende Schreibweise für CCS; die Übersetzung gibt den Prozessen des vollen CCS eine Semantik. Alternative: Semantik direkt definieren; dann kann/sollte man beweisen, dass die Übersetzung korrekt ist, weile und Ê dieselbe Semantik haben. Basis-CCS: keine Daten-Variablen/-Ausdrücke, also keine Substitution, keine Auswertung von Ausdrücken, kein if a und a sind völlig symmetrisch

19 3 GLEICHUNGSGESETZE 19 3 Gleichungsgesetze Ziel: Angabe und Anwendungen von Gleichungen (rein syntaktisch) (Obwohl (verhaltens-) gleich bisher undefiniert!) Gesetze für: statisch: statische Operationen dynamische Operationen Kombinationen aus statischen und dynamischen Operationen Komposition, Restriktion, Umbenennung SOS-Regeln haben die Form: α E 1 i1 E α i1,...,e m im E im α op(e 1,...,E n ) op(e 1,...,E n) wobei op ein Operationssymbol; i 1,...,i m {1,...,n} und E i E i für alle anderen i Grobe Termstruktur bleibt erhalten dynamisch: Präfix, Auswahl, Namen (0-stellige Operationen) verschwinden beim Ausführen einer Aktion 3.1 Dynamische Gesetze Satz 3.1 (Monoid-Gesetze). ( P rozesse P, Q, R) (i) P +Q = Q+P (ii) (P +Q)+R = P +(Q+R) (iii) P +P = P (Idempotenz) (iv) P +Nil = P (neutrales Element) Beweisidee. gleiche direkte Folgen Wegen i), ii) und iv) istσ-summe sinnvoll. Satz 3.2 (τ-gesetze). (i) α.τ.p = α.p (ii) P +τ.p = τ.p (iii) α.(p +τ.q)+α.q = α.(p +τ.q) Korollar 3.3. P +τ.(p +Q) = τ.(p +Q) Beweis. Einschub. Was ist ein Beweis für P = Q? Genaugenommen sindp,q,... inp +Q = Q+P,... Variable. Eine Gleichung ist also ein Paar (E 1,E 2 ) E E.

20 3 GLEICHUNGSGESETZE 20 Definition 3.4. Gegeben sei eine Menge G von Gleichungen. Dann ist ein Beweis von F 1 = F 2 eine Herleitung mit folgenden Regeln: E = E reflexiv E = E E = E symmetrisch 3. E = E, E = E E = E transitiv E 1 = E 1,...,E n = E n op(e 1,...,E n ) = op(e 1 (op: Operationssymbol),...,E n ) Substitution Ein Term darf in jedem Kontext durch einen gleichen ersetzt werden. E = E E{Ẽ/ X} = E {Ẽ/ X} ({Ẽ/ X} eine Substitution) E = E falls (E,E ) G Instantiierung von Variablen Beachte: {Ẽ/ X} ist kein CCS-Operator. 4. läßt die Grobstruktur gleich; 5. verändert sie. Beispiel. P +τ.p = τ.p (6) τ.p = P +τ.p (2) (1) (5) P = P τ.(p +Q) = (P +Q)+τ.(P +Q) P +τ.(p +Q) = P +((P +Q)+τ.(P +Q)) (4) Folgerung. Wegen muss = eine Äquivalenzrelation sein. Wegen 4. sogar eine Kongruenz; vgl. z.b. Satz Im allgemeinen ist τ.p P, s.o. α.(p +Q)? = α.p +α.q (Entscheidung zwischen P und Q fällt bereits bei α) Dann wäre z.b. a.b 3.1(iv) = a.(b.0+0) = a.b.0+a.0 a.b und a.b+a haben dieselben Aktionsfolgen, abera.b+a a Also im Allgemeinem. 0 verklemmt, a.b a b nicht. Nun zua P. Oft trittainp auf, d.h.p E{ A / X }, wobeie genau die VariableX enthält. Wir erwarten: Da A E{ A / X }, gilt A = E{ A / X }, d.h. A löst die Gleichung X = E. Ferner wäre es gut, wenn A die einzige Lösung wäre, d.h. Q = E{ Q / X } A = Q. Beides soll auch bei verschränkter Rekursion gelten, d.h. für Gleichungssysteme X = Ẽ. Dabei ist P eine Lösung, wenn P = Ẽ{ P/ X}, d.h.

21 3 GLEICHUNGSGESETZE 21 Definition 3.5. Sei E E. X ist sequentiell in E, falls jeder Teilausdruck F von E, der X enthält, die Form F X oder F F 1 +F 2 oder F α.f hat. X ist bewacht (guarded) in E, wenn jedes Auftreten von X in E in einem Teilausdruck l.f, l L (also l τ), liegt. Beispiele. X inτ.x +a.(b+x)+b c X ina.x b X inτ.(a b+b.(c+τ.x)) Satz 3.6. (i) Wenn A P, dann gilt A = P. (ii) Falls die E i, i I, nur die Variablen X i, i I, enthalten und diese bewacht und sequentiell in allen E i sind, dann gilt: Wenn P = Ẽ{ P/ X} und Q = Ẽ{ Q/ X}, dann P = Q. (Wenn das Gleichungssystem X = Ẽ lösbar, dann eindeutig.) Beispiel. A a.a,b a.a.b Behauptung: A = B 3.2 Statische Gesetze Satz 3.7. (i) P Q = Q P (ii) P (Q R) = (P Q) R (iii) P 0 = P Satz 3.8. (i) P \L = P, falls L(P) (L L) = (wobei L(P) syntaktische Sorte von P ist) (ii) P \K \L = P \ (iii) P[f]\L = P \ [f] (iv) (P Q)\L = P \L Q\L, falls (sonst verlieren P, Q eventuell Kommunikationsmöglichkeiten)

22 3 GLEICHUNGSGESETZE 22 Satz 3.9. (i) P[id] = P (ii) P[f] = P[f ], falls f L(P) = f L(P) (iii) P[f][f ] = (iv) (P Q)[f] = P[f] Q[f], falls (sonst gewinnen P, Q eventuell Kommunikationsmöglichkeiten; kann z.b. P a und Q b ausführen, so können für f = a / b P[f] und Q[f] mittels a und a kommunizieren) Die Umbenennung ist meist injektiv. Speziell in P[ l 1 /l1,..., l n /ln ] sind meist alle l i, l i, l i, l i verschieden und l i, l i L(P). (D.h. f(l i) = l i = f(l i ) schadet nicht!). Dann ist 3.9 (iv) anwendbar und ( l 1 /l1,..., l n / ln ) = ( l n/ ln )... ( l 1 /l1 ), (Gleichheit von Funktionen, Funktionskomposition) d.h. P[ l 1 /l1,..., l n /ln ] = P[ l 1 /l1 ]...[ l n /ln ] nach Satz 3.9 (iii). Korollar Seien a,b,c L. (entgegen sonstiger Konvention, dass l L und a,b,c bzw. a,b,c Act; zur Erinnerung: τ L) (i) P[ b / a ] = P, falls a,a, L(P) (ii) P \a = P[ b / a ]\b, falls b,b L(P) (α-konversion: Umbenennung gebundener Größen) (iii) P \a[ b / c ] = P[ b / c ]\a, falls {b,c} {a,a} =. Beweis. (i) P[ b / a ] 3.9(ii) = P[id] 3.9(i) = P (ii) P[ b / a ]\b = P \{a,b} [ b / a ] (3.8 (iii) mitl = {b}, f = ( b / a )) = P \b\a [ b / a ] (3.8 (ii)) = P \a [ b / a ] (3.8 (i) mitl = {b}) = P \a (3.10 (i)) (iii) 3.8 (iii) mitl = {a}, f = ( b / c ). Beispiel. C C C C C := (C[ mid / out ] C[ mid / in ])\mid, wobei mid,mid L(C) Dies ist ein Beispiel für die Standard Concurrent Form (SCF) (P 1 [f 1 ]... P n [f n ])\L siehe auch Fließband (Abschnitt 1.2.5): (Jobber Jobber Sem[ puth / put, geth / get ]... )\{geth,puth,...}

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel. Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de

Mehr

Algebraische Beschreibung paralleler Prozesse

Algebraische Beschreibung paralleler Prozesse Algebraische Beschreibung paralleler Prozesse Prof. Dr. W. Vogler Universität Augsburg WS 2009/2010 INHALTSVERZEICHNIS 2 Inhaltsverzeichnis 1 Einführung 3 1.1 Parallele Systeme und Kommunikation......................

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik

Mehr

Also kann nur A ist roter Südler und B ist grüner Nordler gelten.

Also kann nur A ist roter Südler und B ist grüner Nordler gelten. Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Programmiersprachen und Übersetzer

Programmiersprachen und Übersetzer Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch

Mehr

Beweisbar sichere Verschlüsselung

Beweisbar sichere Verschlüsselung Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische

Mehr

Grammatiken. Einführung

Grammatiken. Einführung Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische

Mehr

Semantik von Formeln und Sequenzen

Semantik von Formeln und Sequenzen Semantik von Formeln und Sequenzen 33 Grundidee der Verwendung von Logik im Software Entwurf Syntax: Menge von Formeln = Axiome Ax K ist beweisbar Formel ϕ beschreiben Korrektkeit Vollständigkeit beschreibt

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes. Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

Formale Sprachen und Grammatiken

Formale Sprachen und Grammatiken Formale Sprachen und Grammatiken Jede Sprache besitzt die Aspekte Semantik (Bedeutung) und Syntax (formaler Aufbau). Die zulässige und korrekte Form der Wörter und Sätze einer Sprache wird durch die Syntax

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen

Mehr

2.11 Kontextfreie Grammatiken und Parsebäume

2.11 Kontextfreie Grammatiken und Parsebäume 2.11 Kontextfreie Grammatiken und Parsebäume Beispiel: Beispiel (Teil 3): Beweis für L(G) L: Alle Strings aus L der Länge 0 und 2 sind auch in L(G). Als Induktionsannahme gehen wir davon aus, dass alle

Mehr

Analysis I für Studierende der Ingenieurwissenschaften

Analysis I für Studierende der Ingenieurwissenschaften Fachbereich Mathematik der Universität Hamburg WiSe 2015/16 Prof. Dr. M. Hinze Dr. P. Kiani Analysis I für Studierende der Ingenieurwissenschaften Lösungshinweise zu Blatt 2 Aufgabe 1: (12 Punkte) a) Beweisen

Mehr

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,

Mehr

Der Zwei-Quadrate-Satz von Fermat

Der Zwei-Quadrate-Satz von Fermat Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen

Mehr

Grundlagen der Theoretischen Informatik, SoSe 2008

Grundlagen der Theoretischen Informatik, SoSe 2008 1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)

Mehr

Modul Diskrete Mathematik WiSe 2011/12

Modul Diskrete Mathematik WiSe 2011/12 1 Modul Diskrete Mathematik WiSe 2011/12 Ergänzungsskript zum Kapitel 4.2. Hinweis: Dieses Manuskript ist nur verständlich und von Nutzen für Personen, die regelmäßig und aktiv die zugehörige Vorlesung

Mehr

Informatik IC2. Balazs Simon 2005.03.26.

Informatik IC2. Balazs Simon 2005.03.26. Informatik IC2 Balazs Simon 2005.03.26. Inhaltsverzeichnis 1 Reguläre Sprachen 3 1.1 Reguläre Sprachen und endliche Automaten...................... 3 1.2 Determinisieren.....................................

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:

Mehr

3. LINEARE GLEICHUNGSSYSTEME

3. LINEARE GLEICHUNGSSYSTEME 176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an

Mehr

Systeme 1. Kapitel 6. Nebenläufigkeit und wechselseitiger Ausschluss

Systeme 1. Kapitel 6. Nebenläufigkeit und wechselseitiger Ausschluss Systeme 1 Kapitel 6 Nebenläufigkeit und wechselseitiger Ausschluss Threads Die Adressräume verschiedener Prozesse sind getrennt und geschützt gegen den Zugriff anderer Prozesse. Threads sind leichtgewichtige

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5) Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff

Mehr

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 11: Abstrakte Reduktionssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A

Mehr

Kapiteltests zum Leitprogramm Binäre Suchbäume

Kapiteltests zum Leitprogramm Binäre Suchbäume Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm

Mehr

Motivation. Motivation

Motivation. Motivation Vorlesung Modellierung nebenläufiger Systeme Sommersemester 2012 Universität Duisburg-Essen Was sind nebenläufige Systeme? Ganz allgemein: Systeme, bei denen mehrere Komponenten/Prozesse nebenläufig arbeiten

Mehr

Seminar Model-Based Testing - Preorder. Marcel Bosling

Seminar Model-Based Testing - Preorder. Marcel Bosling Seminar Model-Based Testing - Preorder Marcel Bosling 1 / 34 Inhaltsverzeichnis Systeme, Prozesse und LTS Ausgewählte Preorder Trace Preorder Observable Testing Preorder Testing Preorder Conformance Testing

Mehr

Zusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen

Zusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 6 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Satz 1 Seien F, G Boolesche Ausdrücke

Mehr

Text-Zahlen-Formatieren

Text-Zahlen-Formatieren Text-Zahlen-Formatieren Beobachtung: Bei der Formatierung einer Zahl in eine Textzahl und umgekehrt zeigt Excel ein merkwürdiges Verhalten, welches nachfolgend skizziert werden soll: Wir öffnen eine neue

Mehr

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Das große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten

Das große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt

Mehr

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56 5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten

Mehr

Übung Theoretische Grundlagen

Übung Theoretische Grundlagen Übung Theoretische Grundlagen Berechenbarkeit/Entscheidbarkeit Nico Döttling November 26, 2009 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory

Mehr

1 topologisches Sortieren

1 topologisches Sortieren Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung

Mehr

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Eine Logikschaltung zur Addition zweier Zahlen

Eine Logikschaltung zur Addition zweier Zahlen Eine Logikschaltung zur Addition zweier Zahlen Grundlegender Ansatz für die Umsetzung arithmetischer Operationen als elektronische Schaltung ist die Darstellung von Zahlen im Binärsystem. Eine Logikschaltung

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Mathematische Grundlagen der Informatik 2

Mathematische Grundlagen der Informatik 2 Zusammenfassung Math2I Mathematische Grundlagen der Informatik 2 Emanuel Duss emanuel.duss@gmail.com 12. April 2013 1 Zusammenfassung Math2I Mathematische Grundlagen der Informatik 2 Dieses Dokument basiert

Mehr

Leichte-Sprache-Bilder

Leichte-Sprache-Bilder Leichte-Sprache-Bilder Reinhild Kassing Information - So geht es 1. Bilder gucken 2. anmelden für Probe-Bilder 3. Bilder bestellen 4. Rechnung bezahlen 5. Bilder runterladen 6. neue Bilder vorschlagen

Mehr

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term

Mehr

Reaktive Programmierung Vorlesung 16 vom 14.07.2015: Theorie der Nebenläufigkeit

Reaktive Programmierung Vorlesung 16 vom 14.07.2015: Theorie der Nebenläufigkeit 18:13:55 2015-07-14 1 [16] Reaktive Programmierung Vorlesung 16 vom 14.07.2015: Theorie der Nebenläufigkeit Christoph Lüth & Martin Ring Universität Bremen Sommersemester 2015 2 [16] Organisatorisches

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer

Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Allgemein: Das RSA-Verschlüsselungsverfahren ist ein häufig benutztes Verschlüsselungsverfahren, weil es sehr sicher ist. Es gehört zu der Klasse der

Mehr

6.2 Scan-Konvertierung (Scan Conversion)

6.2 Scan-Konvertierung (Scan Conversion) 6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster

Mehr

WS 2013/14. Diskrete Strukturen

WS 2013/14. Diskrete Strukturen WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314

Mehr

Wortproblem für kontextfreie Grammatiken

Wortproblem für kontextfreie Grammatiken Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?

Mehr

SEP 114. Design by Contract

SEP 114. Design by Contract Design by Contract SEP 114 Design by Contract Teile das zu entwickelnde Programm in kleine Einheiten (Klassen, Methoden), die unabhängig voneinander entwickelt und überprüft werden können. Einheiten mit

Mehr

Zwischenablage (Bilder, Texte,...)

Zwischenablage (Bilder, Texte,...) Zwischenablage was ist das? Informationen über. die Bedeutung der Windows-Zwischenablage Kopieren und Einfügen mit der Zwischenablage Vermeiden von Fehlern beim Arbeiten mit der Zwischenablage Bei diesen

Mehr

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort: Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung

Mehr

Zeichen bei Zahlen entschlüsseln

Zeichen bei Zahlen entschlüsseln Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren

Mehr

Binäre Suchbäume (binary search trees, kurz: bst)

Binäre Suchbäume (binary search trees, kurz: bst) Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

Repetitionsaufgaben Wurzelgleichungen

Repetitionsaufgaben Wurzelgleichungen Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen

Mehr

1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4

1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4 1. Kennlinien Der Transistor BC550C soll auf den Arbeitspunkt U CE = 4 V und I C = 15 ma eingestellt werden. a) Bestimmen Sie aus den Kennlinien (S. 2) die Werte für I B, B, U BE. b) Woher kommt die Neigung

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in

Mehr

Mediator 9 - Lernprogramm

Mediator 9 - Lernprogramm Mediator 9 - Lernprogramm Ein Lernprogramm mit Mediator erstellen Mediator 9 bietet viele Möglichkeiten, CBT-Module (Computer Based Training = Computerunterstütztes Lernen) zu erstellen, z. B. Drag & Drop

Mehr

Berechnungen in Access Teil I

Berechnungen in Access Teil I in Access Teil I Viele Daten müssen in eine Datenbank nicht eingetragen werden, weil sie sich aus anderen Daten berechnen lassen. Zum Beispiel lässt sich die Mehrwertsteuer oder der Bruttopreis in einer

Mehr

Beispiellösungen zu Blatt 111

Beispiellösungen zu Blatt 111 µ κ Mathematisches Institut Georg-August-Universität Göttingen Beispiellösungen zu Blatt 111 Aufgabe 1 Ludwigshafen hat einen Bahnhof in Dreiecksform. Markus, Sabine und Wilhelm beobachten den Zugverkehr

Mehr

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775, Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen

Mehr

Guten Morgen und Willkommen zur Saalübung!

Guten Morgen und Willkommen zur Saalübung! Guten Morgen und Willkommen zur Saalübung! 1 Wie gewinnt man ein Spiel? Was ist ein Spiel? 2 Verschiedene Spiele Schach, Tic-Tac-Toe, Go Memory Backgammon Poker Nim, Käsekästchen... 3 Einschränkungen Zwei

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Theorie der Informatik

Theorie der Informatik Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax

Mehr

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat. Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

Binäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen

Binäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders

Mehr

Deterministische Turing-Maschinen (DTM) F3 03/04 p.46/395

Deterministische Turing-Maschinen (DTM) F3 03/04 p.46/395 Deterministische Turing-Maschinen (DTM) F3 03/04 p.46/395 Turing-Machine Wir suchen ein Modell zur formalen Definition der Berechenbarkeit von Funktionen und deren Zeit- und Platzbedarf. Verschiedene Modelle

Mehr

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.

Mehr

Algebra. Patrik Hubschmid. 8. Oktober 2013

Algebra. Patrik Hubschmid. 8. Oktober 2013 Algebra Patrik Hubschmid 8. Oktober 2013 Inhaltsverzeichnis 1 Fortführung der Gruppentheorie 7 1.1 Sylowsätze.................................... 7 3 Vorwort Dieses Skript zur Vorlesung Algebra im Wintersemester

Mehr

Der Aufruf von DM_in_Euro 1.40 sollte die Ausgabe 1.40 DM = 0.51129 Euro ergeben.

Der Aufruf von DM_in_Euro 1.40 sollte die Ausgabe 1.40 DM = 0.51129 Euro ergeben. Aufgabe 1.30 : Schreibe ein Programm DM_in_Euro.java zur Umrechnung eines DM-Betrags in Euro unter Verwendung einer Konstanten für den Umrechnungsfaktor. Das Programm soll den DM-Betrag als Parameter verarbeiten.

Mehr

Welches Problem denn? Das Heiratsproblem. Formale Beschreibung. Paarungen

Welches Problem denn? Das Heiratsproblem. Formale Beschreibung. Paarungen Das Heiratsproblem Welches Problem denn? Eine Heirat: ein Problem. Mehrere Heiraten: mehrere Probleme. Viele Heiraten: viele Probleme? Martin Schönhacker (P.S.: Heiraten muss kein Problem sein!) 1 2 Formale

Mehr

Fotos verkleinern mit Paint

Fotos verkleinern mit Paint Fotos verkleinern mit Paint Warum Paint? Sicher, es gibt eine Menge kostenloser guter Programme und Möglichkeiten im Netz zum Verkleinern von Fotos. Letztendlich ist es Geschmackssache, aber meine Erfahrungen

Mehr

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren:

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren: 4. AUSSAGENLOGIK: SYNTAX 4.1 Objektsprache und Metasprache 4.2 Gebrauch und Erwähnung 4.3 Metavariablen: Verallgemeinerndes Sprechen über Ausdrücke von AL 4.4 Die Sprache der Aussagenlogik 4.5 Terminologie

Mehr

Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken?

Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken? UErörterung zu dem Thema Ist Fernsehen schädlich für die eigene Meinung oder fördert es unabhängig zu denken? 2000 by christoph hoffmann Seite I Gliederung 1. In zu großen Mengen ist alles schädlich. 2.

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Urlaubsregel in David

Urlaubsregel in David Urlaubsregel in David Inhaltsverzeichnis KlickDown Beitrag von Tobit...3 Präambel...3 Benachrichtigung externer Absender...3 Erstellen oder Anpassen des Anworttextes...3 Erstellen oder Anpassen der Auto-Reply-Regel...5

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30 Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion

Mehr

Anleitung über den Umgang mit Schildern

Anleitung über den Umgang mit Schildern Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder

Mehr

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes

Mehr