Mathe I. Jan-Peter Hohloch WS 11/12
|
|
- Kirsten Kaufer
- vor 7 Jahren
- Abrufe
Transkript
1 Mathe I Jan-Peter Hohloch WS 11/12
2 Inhaltsverzeichnis 1 Logik Aussagenlogik Die wichtigsten Junktoren Negation Konjunktion Disjunktion Exklusives Oder Implikation Äquivalenz Bemerkungen Sätze ber Implikationen Sätze ber Äquivalenzen Größe von Wahrheitstabellen Einfacherer Lösungsweg Logische Äquivalenz Tautologie und Kontradiktion Wichtige log. Äquivalenzen Kommutativität Doppelte Negation De Morgansche Regeln Implikation Äquivalenz Assoziativität Distributivität Tautologie und Kontradiktion Bemerkungen zu den logischen Äquivalenzen Quantoren Definition Bemerkungen Negation von Quantoren Reihenfolge von Quantoren Mengen Mengen allgemein Cantor Wie spezifiziert man eine Menge?
3 2.1.3 Problematik in Cantors Definition Leere Menge Kardinalität Def. Teilmenge Beispiel Wichtiger Unterschied Bemerkung Gleichheit von Mengen Operationen auf Mengen Schnittmenge/Schnitt Vereinigung Differenz Symmetrische Differenz Venn-Diagramme Satz über Mengenoperationen Symmetrische Differenz De Morgansche Regel Teilmengenbeziehungen Distributivität Def.: Beliebige Vereinigungen und Schnitte geordnete n-tupel Definition Beispiele Kartesisches Produkt Schreibweise Beispiele Abbildungen Def.: Abbildung Beispiele Schreibweisen Gleichheit von Abbildungen Surjektiv, injektiv, bijektiv Surjektivität Injektivität Bijektivität Beispiele Endlichkeit von Mengen Abzählbar unendliche Mengen Satz über endliche Mengen Hintereinanderausführung Definition Assoziativität Beweis
4 3.5.4 Beispiele Besondere Abbildungen Umkehrabbildung bijektiver Abb Beispiele Beweis Relationen Def. Relation Beispiele Anmerkung Ordnungsrelationen Beispiele Äquivalezrelation Beispiele Def.: Äquivalenzklassen Beispiele Gleichheit von Äquivalenzklassen Beweis Zerlegung Definition Beispiele Satz Repräsentantensystem Beispiel Natürliche Zahlen und Induktion Vollständige Induktion Definition Beispiel Bemerkung Verschärftes Induktionsprinzip Beispiel Prinzip der rekursiven Definition informelle Definition Beispiele Rekursive Definition mit mehreren Startwerten Rechenregeln für Produkte und Summen Änderung der Summensequenzen Doppelsummen Koeffizienten vor Summen Wohlordnungsprinzip Fibonacci Zahlen Beweis durch vollst. Induktion
5 6 Elementare Zahlentheorie Teiler Definition Satz Rest und Quotient Satz mod und div Definition a und a b-adische Darstellung natürlicher Zahlen Satz Schnelles Potenzieren mit Hilfe des Binärsystems Kongruenzrelation modulo m Definition Satz Unterscheidung Modulo und Kongruenz Satz: Kongruenzklassen modulo m Satz: Kongruenzrelation in Summen und Produkten Korollar: modulo in Summen und Produkten Größter gemeinsamer Teiler und kleinstes gemeinsames Vielfaches Definition Bemerkungen Teilerfremdheit Euklidscher Algorithmus Lemma Euklidscher Algorithmus Zusammenhang: Beweis - Algorithmus Beispiel Satz (Bachet de Méziriac) Erweiterter Euklidscher Algorithmus Korollar Bemerkungen Primzahlen Definition Satz Theorem (Fundamentalsatz der elementaren Zahlentheorie) Korollar Bemerkung Kombinatorik Satz Korollar Beispiele Auswahlanzahlen
6 7.3 Geordnete Auswahl ohne Zurücklegen Definition (n) k Satz Korollar Def.: Permutationen Geordnete Auswahl mit Zurücklegen Satz Ungeordnete Auswahl ohne Zurücklegen Def: Binomialkoeffizient Satz Binomialsatz Korollar Ungeordnete Auswahl mit Zurücklegen Satz Beispiel Die reellen Zahlen Algebraische Eigenschaften von R Bemerkungen Grundregeln der Ordnungsrelation auf R Satz Def.: Intervall Beispiele Satz Beweis Def.: Absolutbetrag Satz: Eigenschaften des Absolutbetrages Satz Beweis Def.: Irrationale Zahlen Allgemeines Prinzip Def.: Bisektionsverfahren Vollständigkeitsaxiom Bemerkung zum Boolschen Prädikat Beweis Binärdarstellung von x ]0, 1[ Algorithmus Bemerkung Bemerkungen Binärdarstellung nicht eindeutig Periodizität Satz Beweis
7 8.13 Beschränkte Mengen Definition Beispiele Satz Folgen und Reihen Def.: Folge Beispiele Beschänktheit Konvergenz Bemerkung Beispiele Satz Monotonie Definition Beispiele Satz Nullfolge Definition Bemerkung Rechenregeln für konvergente Folgen Beweis (exemplarisch) Bemerkung Beispiel Landau-Symbole Anschauliche Bedeutung Beispiele Bemerkungen Satz Teilfolgen Definition Beispiele Satz (Bolzano ( )-Weierstrass ( )) Beispiel Beweis Cauchy sches ( ) Konvergenzkriterium Beweis Reihen Definition Satz Beispiele Leibniz-Kriterium Majoranten-Kriterium Beispiel
8 9.12 Absolute Konvergenz Korollar Satz (a) Wurzelkriterium (b) Quotientenkriterium Beweis Bemerkung Beispiele Nachtrag: Mengen Beispiel: Hilberts Hotel
9 Vorwort Da sich an den Inhalten der Vorlesung sein dem letzten Skript von 06/07 einiges gendert hat, kommt hier die aktuelle Version aus der Vorlesung Mathe I für Informatiker gehalten von Prof. Huson im Wintersemester 11/12. Was den Inhalt betrifft habe ich mich im Großen und Ganzen an meine Aufschriebe und für zwei verpasste Vorlesungen an mir zur Verfügung gestellte Mitschriebe gehalten. An dieser Stelle vielen Dank an die Helfer :) Geändert habe ich jedoch die Nummerierung der Kapitel, innerhalb des Skriptes stimmt sie, in der Vorlesung wurde jedoch eine andere Zählung verwendet. Den L A TEX-Code stelle ich ebenfalls zur Verfügung, damit zukünftige Hörer der Vorlesung kleinere Anpassungen leicht vornehmen können. Außerdem könnt ihr natürlich den Code euren Vorstellungen nach anpassen (beispielsweise interne Verlinkungen anlegen) oder einfach mal ein bisschen mit L A TEX herumprobieren (in diesem Fall aber bitte auch auf das Original aufpassen ;) Jan-Peter 9
10 1 Logik 1.1 Aussagenlogik Eine Aussage ist entweder wahr oder falsch. wahr = w = 1 = true falsch = f = 0 = false Bsp.: 2 ist eine Primzahl (1) 4 ist eine Primzahl (2) es gibt unendlich viele Primzahlen (1) es gibt unendlich viele Primzahlzwillinge (?) gibt es unendlich viele Primzahlen? (keine Aussage) Durch Verknüpfungen mit und, oder, wenn, dann, etc. lassen sich aus einfachen Aussagen kompliziertere herstellen. Bsp.: Wenn heute ist ein Werktag oder heute ist ein verkaufsoffener Sonntag, dann heute haben die Geschäfte offen (BUrlG: Def. von Werktag: Alle Kalendertage, die nicht Sonn- oder gesetzliche Feiertage sind ) (1) In Aussagenlogik interessiert zunächst nur der Wahrheitswert (1 oder 0) einer Aussage. Der konkrete Inhalt bleibt unberücksichtigt. Sie ist ein einfaches Modell des alltäglichen Sprachgebrauches. Wir verwenden zur Formulierung Aussagevariablen A,B,C,...,A1;A2,... und Junktoren (und, oder,...) Dadurch erhalten wir (aussagenlogische) Ausdrücke. Auch Aussagevariablen heien Ausdrücke. Setzt man für die Aussagevariablen konkrete Aussagen ein, so erhält man man wieder eine Aussage. Bsp.: Ausdruck: A oder B C Aussage: s.o. Ob die Aussage wahr oder falsch ist, hängt von den konkreten Werten der Variablen und von den Junktoren ab. 10
11 1.2 Die wichtigsten Junktoren Negation Verneinung von A, nicht A, A A A Konjunktion A und B, A B Disjunktion A oder B, A B A B A B A B A B Exklusives Oder A XOR B, A B A B A B Implikation A impliziert B, Wenn A, dann B, A B A B A B
12 1.2.6 Äquivalenz A genau dann, wenn B, A B A B A B Bemerkungen Sätze ber Implikationen Mathematische Sätze sind häufig von der Form R S Es wird also behauptet, dass R S eine wahre Aussage ist. Zu zeigen: Wenn R wahr, dann auch S wahr. Man nennt R die Voraussetzung und S die Behauptung des mathematischen Satzes. Bsp.: a b > 2 a, b R a2 + b 2 > 2 + ab 2 Ein Beweis besteht aus einer Kette von Implikationen (im einfachsten Fall): Wobei alle Implikationen wahr sind. R R 1, R 1 R 2,..., R n S a b > 2 (a b) 2 > 4 a 2 2ab + b 2 > 4 a 2 + b 2 > 4 + 2ab a2 + b 2 2 > 2 + ab Sätze ber Äquivalenzen Manchmal sind math. Sätze von der Form R S Zu zeigen: Wenn R wahr, dann S wahr (R S) Wenn S wahr, dann R wahr (S R) Größe von Wahrheitstabellen Bei mehreren Aussagevariablen wir die Wertetabelle schnell sehr groß x Aussagevariablen 2 x Zeilen 12
13 1.3.4 Einfacherer Lösungsweg Betrachte: (A 1 A 2 ) (A 3 A 4 ) Frage: Wann falsch? Einfacher: ((A 1 A 2 ) = 1) ((A 3 A 4 ) = 0) Aussage falsch 1.4 Logische Äquivalenz A 1, A 2 = 1; A 3 = 0; A 4 = 1 Haben zwei Ausdrücke α und β für jede Kombination von Wahrheitswerten der (beteiligten) Aussagevariablen den gleichen Wahrheitswert, so heißen sie logisch äquivalent. α β (Beachte: ist kein Junktor) Wenn also α β, so hat der Ausdruck α β immer den Wahrheitswert 1 (und umgekehrt) (α β) (α β) 1.5 Tautologie und Kontradiktion Def.: Ein Ausdruck heißt Tautologie, wenn er für jede Kombination der Wahrheitswerte der Aussagevariablen immer den Wert 1 ergibt. Hat er den wert 0, heißt er Kontradiktion. Wenn er keine Kontradiktion ist, ist er erfüllbar. Ist ein Ausdruck erfüllbar? Gibt es eine schnellere Möglichkeit, als auszuprobieren? Hauptproblem der Informatik (P=NP?) A A ist eine TautologieA A ist eine Kontradiktion 1.6 Wichtige log. Äquivalenzen Kommutativität A B B A A B B A A B B A ABER!: A B B A Doppelte Negation ( A) A 13
14 1.6.3 De Morgansche Regeln (A B) A B (A B) A B Implikation A B B A A B A B Äquivalenz A B (A B) (B A) Assoziativität A (B C) (A B) C Distributivität A (B C) A B A C A (B C) A B A C Tautologie und Kontradiktion 1 = Tautologie 0 = Kontradiktion A A = 1 A A = 0 Beweis lässt sich mit Wahrheitstabellen erbringen. 1.7 Bemerkungen zu den logischen Äquivalenzen Doppelte Negation ist gleichbedeutend mit der Aussage selbst. DeMorgansche-Regeln sind für das logische Argumentieren besonders wichtig. Implikation ist ebenfalls besonders wichtig, wird im Alltag aber oft falsch gemacht. Teilaudrücke können durch logisch äquivalente ersetzt werden. Die Äuqivalenzen gelten auch, wenn man die Aussagevariablen durch Ausdrücke ersetzt. 14
15 1.8 Quantoren Quantoren ermöglichen es uns gewisse Aussagen genauer zu formulieren. Das führt zu einer Erweiterung der Aussagenlogik, nämlich der Quantorenlogik. Es geht um All- und Existenzaussagen. für alle; es existiert mindestens ein Definition Allquantor x E : P (x) bedeutet für alle x aus E gilt die Eigenschaft P. heißt Allquantor. x E : P (x) ist eine Aussage, die genau dann wahr ist, wenn P(x) für alle x E wahr ist. Existenzquantor x E : Q(x) bedeutet Es existiert mindestens ein x E mit der Eigenschaft Q(x) heißt Existenzquantor. x E : Q(x) ist genau dann wahr, wenn Q(x) für mindestens ein x E wahr ist.!x E: es existiert genau ein Bemerkungen Allquantor als Konjunktion Ist E = {x 1,..., x n } endlich, so gilt: ist eine verallgemeinerte Konjunktion. Existenzquantor als Disjunktion Ist E = {x 1,..., x n } endlich, so gilt: ist eine verallgemeinerte Disjunktion Negation von Quantoren ( x E : P (x)) x E : P (x) ( x E : Q(x)) x E : Q(x) x E : P (x) P (x 1 )... P (x n ) x E : P (x) P (x 1 )... P (x n ) 15
16 1.8.4 Reihenfolge von Quantoren und dürfen nicht vertauscht werden. Gleiche, nebeneinanderstehende Quantoren dürfen vertauscht und/oder zusammengefasst werden: m N : n N : P (x) n N : m N : P (x) m, n N : P (x) m N : n N : P (x) n N : m N : P (x) m, n N : P (x) 16
17 2 Mengen 2.1 Mengen allgemein Cantor Georg Cantor ( ), Halle/Saale, Begrnder der Mengenlehre: Menge ist eine Zusammenfassung von bestimmten wohl definierten unterschiedlichen Objektenunseres Anschauens oder unseres Denkens in einem Ganzen. Die so zusammengefassten Objekte heißen Elemente der Menge. Mengendarstellung: {...} Wie spezifiziert man eine Menge? Aufzählende Schreibweise {1,2,3,5,9} oder {2,4,6,8,...} Geht nur bei endlichen oder sogenannten abzhlbaren Mengen. Reihenfolge und Mehrfachnennung sind unerheblich: {1,2,3,5,9}={2,1,9,5,3}={2,1,1,9,1,5,3} Beschreibung durch eine Eigenschaft M = {x x hat Eigenschaft}={x : x hat Eigenschaft} Problematik in Cantors Definition Cantors Def. ist problematisch und führt zu Widersprüchen: Russelsche Antinomie: Sein M die Menge aller Mengen, die sich nicht selbst enthalten. Frage: Ist M ein Element von M? Wenn ja, dann widerspricht das der Def. von M. Wenn nein, dann widerspricht das der Def. von M. Die Axiomatische Mengenlehre behebt das Problem, für unsere Zwecke reicht aber folgende Abhilfe: Wir bilden nur Mengen, deren Elemente in wohldefinierten Grundmengen liegen, dann gibt es keine Widersprüche: Also M = {x x G E(x)} mit E(x) Eigenschaft von x Typische Grundmengen sind: N, N 0, Z, Q, R, C Grundmenge muss nicht explizit angegeben werden, aber existieren! 17
18 2.1.4 Leere Menge, einzige Menge ohne Elemente Kardinalität M =Anzahl der Elemente von M auch: Mächtigkeit, Größe N =, {N} = 1 {1, 2, 3, 4} = 4, {1, 1, 2, 3, 1, 4, 1} = Def. Teilmenge Seien M, N Mengen. M heißt Teilmenge von N, geschrieben M N, falls gilt: x : (x M x N) ( Implikation beschreibt Teilmengenbeziehungen) Ist M keine Teilmenge von N, so schreibt man M N Beispiel N N 0 Z Q R C Wichtiger Unterschied Bsp.: M := {1, N} Dann: 1 M, N M 2 M, N M Bemerkung Mengen können auch Elemente einer (anderen) Menge sein Gleichheit von Mengen M = N M N N M d.h. x : x M x N ( Äquivalenz definiert Gleichheit) 18
19 Beispiel M={2,3,5,7} N={x x ist Primzahl < 11} 2.3 Operationen auf Mengen M,N,A,B,C Mengen Schnittmenge/Schnitt M N := {x x M x N} A B = B A (Kommutativität) A (B C) = (A B) C (Assoziativität) Allgemein auch: M 1 M 2... M n = {x M 1 x M 2... x M n } = n Vereinigung M N := {x x M x N} A B = B A (Kommutativität) A (B C) = (A B) C (Assoziativität) Allgemein auch: M 1 M 2... M n = {x M 1 x M 2... x M n } = n Differenz M\N := {x x M x N Ist N M, so heißt M\N Komplement N in M, N c (M) Symmetrische Differenz M N := M\N) (N\M) 2.4 Venn-Diagramme 2.5 Satz über Mengenoperationen Seien M,N,L Mengen. M i i=1 M i i= Symmetrische Differenz M N = (M N)\(M N) 19
20 2.5.2 De Morgansche Regel Sind M, N L, so ist (M N) c = M c N c und (M N) c = M c N c Teilmengenbeziehungen M N = M M N M N = M N M Distributivität L (M N) = (L M) (L N) L (M N) = (L M) (L N) 2.6 Def.: Beliebige Vereinigungen und Schnitte Sei A eine Menge von Mengen. A := {x A A : x A} A A A := {x A A : x A} A A Besteht A aus A 1, A 2,..., so schreibt man: A i b.z.w. i N A i i N Wenn A 1 A 2... A k, so ist k i=1 = A k Bei unendlichen Schnitten können überraschende Phänomene auftreten: A n R := {x R 0 < x < 1 n, n N}, dann hat jede Menge A n unendlich viele Elemente und es gilt A 1 A 2..., aber es ist A n = n N 2.7 geordnete n-tupel Bei Mengen: Reihenfolge unerheblich, auch unendliche Mengen möglich Bei Tupeln: Reihenfolge relevant, nur endlich viele Elemente Definition (x 1, x 2,..., x n ) = (y 1, y 2,..., y n ) x 1 = y 1, x 2 = y 2,..., x n = y n Dabei müssen nicht alle x i (bzw y i ) verschieden sein. Für n=2: Paar Für n=3: Tripel 20
21 2.7.2 Beispiele Paare zur Beschreibung von Punkten in der Ebene, Tripel im 3D-Raum (2, 3, 4, 4) = (2, 3, 4, 4) (2, 4, 3, 4) 2.8 Kartesisches Produkt Sei n N, n 2 und M 1, M 2,..., M n nicht-leere Mengen. Die Menge der geordneten n-tupel M 1 M 2... M n := {(x 1, x 2,...x n ) x 1 M 1 x 2 M 2... x n M n } heißt das kartesische Produkt der Mengen M 1 bis M n. Ist eine der Mengen leer, so ist M 1 M 2... M n = Schreibweise M 1 M 2... M n = n M i i=1 Ist M 1 = M 2 =... = M n, so M n = M 1 M 2... M n Beispiele A B B A im Allgemeinen A 2 = {(1, 1), (1, 2), (2, 1), (2, 2)} Tabelle einer Datenbank ist Teilmenge eines kartesischen Produktes endlicher Mengen. N A Alice 23 T= David 30 Y oda 999 T N A 21
22 3 Abbildungen Alltägliche Beispiele: Foto: Zuordnung: Jeder Punkt in der Originalszene ein Punkt auf dem Foto Computerprogramm: Eingabedaten Ausgabedaten Funktionen: z.b. f(x) = x Def.: Abbildung Seien M,N nicht-leere Mengen (nicht unbedingt verschieden). Eine Abbildung f von M auf N: f : M N ist eine Zuordnung, die jedem x M genau ein f(x) N zuordnet. Schreibe x f(x). x heißt Argument oder Urbild. f(x) heißt Bild unter f. M heißt Definitionsbereich von f f(m) := {f(x) x M} heißt Bild von f oder Bildbereich von f f(m) N Die Menge G f := {(x, f(x)) x M} N heißt Graph von f. Funktionen sind Spezialfälle von Abbildungen, deren Definitionsmenge in R (oder R n ) oder in C (oder C n ) liegt Beispiele Identische Abbildung, Identität M sei eine Menge. id M : M M, x x Abbildung f : R\{0} R, x 1 x Geht nicht von R auf R! 22
23 Betragsfunktion : R { R (auch möglich, aber nicht nötig: R R 0 = R 0 = R + ) x x 0 x = x x < 0 Schaltfunktion, Bool sche Funktion {0, 1} n {0, 1} z.b. : {0, 1} 2 {0, 1} (A, B) A B Indikatorfunktion Sei M A 1 M : A {1, 0}, x { 0 x M 1 x M ist die Indikatorfunktion der Menge M. Zwei Funktionen für dieselbe Abbildung f : {0, 1} {0, 1}, x x g : {0, 1} {0, 1}, x x 2 g und f beschreiben dieselbe Abbildung 0 0, Schreibweisen f : M N, Abb. A M : f(a) = {f(x) x A} Bild (-menge) unter f B N : f 1 (B) = {x x M, f(x) B} (volles) Urbild von B unter f Beispiele f : Z N 0, x x 2 f(z) = {0, 1, 4, 9, 16,...} = f(n 0 ) Aus f(a 1 ) = f(a 2 ) folgt nicht im Allgemeinen A 1 = A 2! f({ 1, 1, 3, 7}) = {1, 9, 49} f 1 ({1, 2, 3, 4}) = {1, 1, 2, 2} f 1 ({2}) = = f 1 ({3} Aus f 1 (B 1 ) = f 1 (B 2 ) folgt nicht im Allgemeinen B 1 = B 2 23
24 3.2 Gleichheit von Abbildungen Abbildungen f : M 1 N 1 und g : M 1 M 2 heißen gleich, wenn: (1) M 1 = M 2 (2) N 1 = N 2 (3) f(x) = g(x) x M 1 (= M 2 ) Man schreibt f = g. 3.3 Surjektiv, injektiv, bijektiv f : M N, Abb Surjektivität f heißt surjektiv, falls f(m) = N. Also n N m M : f(m) = n Injektivität f heißt injektiv, falls m 1, m 2 M : m 1 m 2 f(m 1 ) f(m 2 ) ( m 1, m 2 M : f(m 1 ) = f(m 2 ) m 1 = m 2 ) Bijektivität f heißt bijektiv oder Bijektion, falls f surjektiv und injektiv ist Beispiele (a) f(x) = x 2 f : Z N 0, x x 2 f 1 ({3}) =, f( 1) = f(1) = 1 f ist weder surjektiv noch injektiv. b: g(x) = 3x + 2 g : R R, x 3x + 2 surjektiv?: Betrachte y R gesucht ist x mit y = 3x + 2 y 2 3 = x g ist surjektiv. injektiv?: 3x = 3x x 1 = 3x 2 x 1 = x 2 g ist injektiv. g ist bijektiv. 24
25 c: Konjunktion : {0, 1} 2 {0, 1} surjektiv?: 0 0 = 0, 1 1 = 1 ja injektiv?: 0 0 = 0 = 0 1 nein d: h(x) = x + 2 h : N N, x x + 2 surjektiv?: y + 1 = x ja injektiv?: h 1 (1) = nein e: i(x) = x 1 i : N N 0, x x 1 surjektiv?: i 1 (0) = 1, i 1 (1) = 2,... ja injektiv?: y + 1 = x ja i ist bijektiv. f: Explizite Zuordnung j : {1, 2, 3, 4, 5} {a, b, c, d, e}, j(1) = a, j(2) = b,..., j(5) = e surjektiv und injektiv (leicht zu sehen) j ist bijektiv. 3.4 Endlichkeit von Mengen Bijektivität bentigt man zur Definition der Endlichkeit einer Menge: Menge M heißt endlich : M = n N g : {1, 2,..., n} M : g bijektiv Abzählbar unendliche Mengen h : N M : h bijektiv (Bsp. e oben) Ist Z abzählbar? Dazu definiere: f : N Z, x { k, falls x = 2k + 1 k, falls x = 2k wobei k = {0, 1, 2,...} 25
26 3.4.2 Satz über endliche Mengen Sei f : M N Abb. Sind M und N endlich und M = N, so sind folgende Aussagen äquivalent ( ist eine davon wahr, so sind alle wahr): (1) f ist injektiv (2) f ist surjektiv (3) f ist bijektiv Beweisbar durch Ringschluss. Beweis Zu zeigen (1) (2): Sei m 1, m 2 M Ist m 1 m 2, so f(m 1 ) f(m 2 ) (dann injektiv) Also f(m) = M Da M = N gilt, folgt f(m) = N. Da f(m) N N endlich, folgt f(m) = N, d.h. f ist surjektiv. Zu zeigen (2) (3): Sei N = {n 1, n 2,..., n k }, k = N Zu jedem Bildpunkt n i N existiert mindestens ein m i M mit f(m i ) = n i, da f surjektiv. Aus der Def. einer Abbildung folgt, dass m 1, m 2,..., m n paarweise verschieden sind. Da M = N und für i j ist f(m i ) = n i n j = f(m j ) Also ist f auch injektiv und daher bijektiv. Zu zeigen (3) (1): Durch Def. von Bijektivität. 3.5 Hintereinanderausführung Definition f : M N, g : N P, Abb. Die Zuordnung x g(f(x)) für jedes x M definiert eine Abb. von M nach P; die Hintereinanderausführung g f (g nach f) der Abb. g und f. Also: (g f)(x) := g(f(x)) 26
27 3.5.2 Assoziativität Ist zusätzlich h : P Q eine weitere Abb., so gilt folgendes: (h g) f = h (g f) Beweis Def. f g ist Abb., per Konstruktion ist x f(g(x)) Assoziativität Sei x M beliebig: ((h g) f)(x) = (h g)(f(x)) = h(g(f(x))) = h((g f)(x)) = (h (g f))(x) Beispiele (a) h : R R, x sin(x 2 ), dann h = g f, wobei: f : R R, x x 2 g : R R, x sin(x) Beachte: (f g)(x) = (sin(x)) 2, also f g g f (b) A = Menge alle TN der Vorlesung, die an den Übungsgruppen teilnehmen B = Übungsgruppen der VL C = Menge der Tutoren f : A B, x Übungsgr., der x angehört g : B C, x Tutor der Übungsgruppe x g f : A C, x Tutor der Übungsgruppe, der x angehört. 27
28 3.5.5 Besondere Abbildungen injektiver Die Hintereinanderausführung surjektiver bijektiver injektiv Abb. ist surjektiv bijektiv. 3.6 Umkehrabbildung bijektiver Abb. f : M N, Abb., Dann gilt: (a) f ist bijektiv genau dann, wenn eine Abbildung g : N M existiert mit g f = id M und f g = id N (b) g ist eindeutig bestimmt und heißt Umkehrabbildung (inverse Abbildung) f 1 von f (c) f 1 ist bijektiv und (f 1 ) 1 = f Beispiele f : {1, 2, 3} {1, 2, 3}, f(1) = 3, f(2) = 1, f(3) = 2 f 1 (1) = 2, f 1 (2) = 3, f 1 (3) = 1 f : {1, 2, 3} {1, 2, 3}, f(1) = 1, f(2) = 2, f(3) = 3 f 1 (1) = 1, f 1 (2) = 2, f 1 (3) = 3 f : R R, x x 3 f 1 (x) = 3 x Verwechslungsgefahr: f : M N, Abb. f 1 (B) = {x M f(x) B} nicht dasselbe! Beweis (a) Angenommen f ist bijektiv. Zu zeigen: g mit den geforderten Eigenschaften. Sei y N beliebig. Da f bijektiv:!x M : f(x) = y Wir setzen g(y) = x. Dann ist g : N M. Außerdem: (f g)(y) = f(g(y)) = f(x) = y = id N (y) (g f)(x) = g(f(x)) = g(y) = x = id M (x) 28
29 Angenommen es existiert eine Abb. g mit f(g(y)) = y und g(f(x)) = x Zu zeigen: f ist bijektiv f surjektiv? Sei y N beliebig. dann ist g(y) M, f(g(y)) = y, d.h. g(y) ist Urbild von y unter f, also ist f surjetiv f injektiv? Sei f(x 1 ) = f(x 2 ). Dann x 1 = g(f(x 1 )) = g(f(x 2 )) = x 2, also ist f injektiv. (b) Zu zeigen: Eindeutigkeit von g: Angenommen es gäbe 2 solcher Abb. g 1 und g 2. Sei y N Dann existiert genau ein x M mit f(x) = y, da f bijektiv. Es folgt: g 1 (y) = g 1 (f(x)) = x g 2 (y) = g 2 (f(x)) = x g 1 = g 2 (c) u.u. in Übung 29
30 4 Relationen Bisher: f : M N, Abb.: Jedem x M wird genau ein y n zugeordnet. Jetzt: Verzichtet man auf die unterstrichenen Forderungen, so beschreibt man eine Teilmenge von M N. (Allgemein: Teilmengen n-facher kartesischer Produkte M 1 M 2... M n ) 4.1 Def. Relation Seien M 1,..., M n nichtleere Mengen. Eine n-stellige Relation R über die mengen M 1,..., M n ist eine Teilmenge von M 1... M n R 1... M n Gilt M 1 =... = M n, so spricht man von einer n-stelligen Relation auf M Beispiele Relationelle Datenbank V orn N achn Alter W ohnort P eter Blau 23 T Ü P eter rot 24 T Ü M aren Rot 28 RT R V orn Nachn Alter W ohnort Zweistellige Relationen (besonders wichtig) Besondere Symbole: oder oder G f Graph von Abb. f (f : M N, G f = {(x, f(x)) x M} ist Relation M N Da G f eindeutig, kann Abb. f als spezielle Relation betrachtet werden. Gleichheitsrelation auf M R = {(x, x) x M} (Graph von id M ) M M übliche Kleiner-Relation auf Z R < = {(x, y) x, y Z, x < y} Z Z Teilerrelation ( teilt ) auf N: x y heißt x teilt y, d.h. k N : y = k x 30
31 -Relation auf Z x y x < y x = y Anmerkung Es gibt zwei besonders wichtige Typen von Relation: Ordnungsrelationen Äquivalenzrelationen Bsp.: <, Ordnungsrelationen 4.2 Ordnungsrelationen Sei M eine nicht-leere Menge, eine 2-stellige Relation auf M mit folgenden Eigenschaften: (1) x M : x x (Reflexivität) (2) x, y M : x y y x x = y (Antisymmetrie) (3) x, y, z M : x y y z x z (Transitivität) Dann heißt Ordnungsrelation oder partielle Ordnung. Gilt zusätzlich (4) x, y M : x y y x so heißt vollständige/lineare/totale Ordnung. Häufig schreibt man statt, obwohl das nicht die übliche kleiner-gleich-ordnungsrelation auf N, N 0,... bedeuten muss. Ist u v und u v, so schreibt man u < v Beispiele normale Ordnungsrelation auf N ist totale Ordnung Gleichheitsrelation ist partielle Ordnung auf jeder Menge, nicht total, falls M > 1 Teilerrelation auf N ist partielle Ordnung, nicht total (z.b. weder 2 3 noch 3 2) Teilmengenrelation auf der Potenzmenge von M ist partielle Ordnung, nicht total, falls M > 1 M = {1, 2, 3}, R = {(1, 1), (2, 2), (3, 3), (1, 2), (2, 3)} Transitivität verletzt: (1, 2) R, (2, 3) R, aber (1, 3) R 31
32 Sei (partielle) Ordnung auf M Ordne M n durch u = (u 1, u 2,..., u n ) v = (v 1, v 2,..., v n ) u = v oder u i < v i für das kleinste i mit u i v i Bsp.: (a, p, p, l, e) M 5, (a, p, p, s, s) M 5 hier: u v, da l < s Das ist partielle Ordnung auf M n (s. ÜB 4) Ist total, so ist auch total. Ist total, so heißt lexikographische Ordnung. 4.3 Äquivalezrelation Sei M =, eine zweistellige Relation auf M mit folgenden Eigenschaften: (1) Reflexivität (2) Symmetrie: x y y x (3) Transitivität Dann heißt Äquvalenzrelation Beispiele Gleichheitsrelation: trivial M = Z, x y x y gerade Allgemein: Wähle r N fest, M = Z Reflexivität x x = 0 r 0 x x Symmetrie x y r x y r (x y) r x + y r y x y x zu zeigen Transitivität x y y z x z: r x y r y z x y = k r, k Z y z = l r, l Z x z = x y + y z = k r + l r = (k + l) r also transitiv, da r x z, also x z 32
33 4.4 Def.: Äquivalenzklassen Sei Äquivalenzrel. auf M und x M. Dann heißt [x] := {y M y x} Äquivalenzklasse von x (bezüglich ) auf M Beispiele Gleichheitsrelation auf M x M : [x] = {x} Relation x Z, x y 2 x y [0] = {y Z 2 y} = [2] = [ 2] [1] = {y Z 2 y} = [3] = [ 3] Relation f : M N, Abb.; x, y M : x y f(x) = f(y) [x] = f 1 ({f(x)}) volles Urbild f 1 (f(x)) von f(x) bzgl. f 4.5 Gleichheit von Äquivalenzklassen Sei eine Äquivalenzrelation aufm, x, y M (a) Die folgenden Aussagen sind äquivalent: (i) [x] = [y] (ii) x y (iii) x y (b) Ist [x] [y], so ist [x] [y] = Beweis (a) durch Ringschluss (i) (ii): x [x] = [y] x [y] (Reflexivität, Annahme) (ii) [iii): x [y] x y (Def. Äquivalenzklasse) (iii) (i): Sei z [x], dann z x Aus x y folgt wg. Transitivität z y, also [x] [y], da z [y] Wegen Symmetrie gilt y x, es folgt analog [y] [x] [x] = [y] (b) Indirekter Beweis (A B B A) Sei [x] [y], z [x] [y] Aus (a) folgt [z] = [x] = [y] 33
34 4.6 Zerlegung Definition Äquivalenzklassen einer Äquivalenzrelation auf M führen zu einer Zerlegung von M: (a) Mengen A und B heißen disjunkt, falls A B = (b) Sei Z P(M) Teilmengensystem Elemente von Z paarweise disjunkt: A, A Z : A A A A = (c) Sei Z eine Menge paarweise disjunkter, nicht-leerer Teilmengen von M. Dann schreibt man für A auch A oder A ( disjunkte Vereinigung ) A Z A Z A Z Gilt dabei A = M, so heißt Z Zerlegung von M ( Partition ) Beispiele A Z M = {1, 2, 3, 4} Z = {{1}, {2}, {3, 4}} Zerlegung von M Z = {{1, 4}, {2, 3}} Zerlegung von M Z = {z Z 2 z} {z Z 2 z} Satz Sei M eine Menge. (a) Ist eine Äquivalenzrelation auf M und Z eine die Menge aller verscheidenen Äquivalenzklassen (bezügl. ) auf M, so ist Z eine Zerlegung von M. (b) Sei Z eine Zerlegung von M. Setze x y : x, y liegen in derselben Menge A Z. Dann ist eine Äquvalenzrelation auf M. Die Äquivalenzklassen bezgl. sind gerade die Mengen A Z Beweis (a) Sei Äquivalenzrelation auf M. Für jedes x M gilt: x [x] Folglich A = M A Z Dies ist eine disjunkte Vereinigung nach der Definition einer Äquivalenzklasse. Damit ist Z eine Zerlegung von M. 34
35 (b) z.z. (wie oben definiert) hat Eigenschaften einer Äquivalenzrelation (s.o.) Reflexivität Sei x M. Dann ist x A für genau eine Menge A Z, also x x Symmetrie Sei x y, d.h. x, y A für A Z, dann auch y x. Transitivität Ist x y und y z, so x, y A, y, z B für geeignete A, B Z. Da y A B folgt A = B, da Zerlegung, d.h. x, z A(= B), also x z. 4.7 Repräsentantensystem Sei eine Äquivalenzrelation auf M, Z die Menge der Äquivalenzklassen bezgl.. Wählt man aus jeder Äquivalenzklasse genau ein Element aus, so bilden die Elemente ein Repräsentantensystem der Äquivalnzklassen bezgl Beispiel x y : 2 x y, Äquvalenzklassen [0], [1], also {0, 1} ist Repräsentantensystem; ebenso {26, 1357} 35
36 5 Natürliche Zahlen und Induktion Natürliche Zahlen sind durch Peano-Axiome beschrieben. Das entscheidende Axiom ist das Prinzip der vollständigen Induktion. 5.1 Vollständige Induktion Definition Sei n 0 N fest. Für jedes n n 0 sei A(n) eine Aussage (von n abhängig) Es gelte: (1) A(n 0 ) ist wahr ( Induktionsanfang ) (2) n n 0 : Ist A(n) wahr }{{} Induktionsvoraussetzung, so ist auch A(n + 1) wahr }{{} Induktionsbehauptung ( Induktionsschritt, Induktionsschulss ) Dann ist A(n) für alle n n 0 wahr. Dies liefert eine Beweismethode für Aussagen, die von natürlichen Zahlen abhängen. Man hat immer 2 Dinge zu beweisen: Induktionsanfang gilt (A(n 0 ) wahr) Induktionsschritt: n n 0 : A(n) A(n + 1) Beispiel Behauptung: Für jede natürliche Zahl n gilt n = n(n+1) 2 Beweis: Induktionsanfang n 0 = 1, 1 = 1(1+1) 2 = 2 2 = 1 Induktionsschluss Induktionsannahme n = n(n+1) 2 gelte für ein beliebiges aber festes n Induktionsbehauptung Dann gilt auch n+1 i=1 i = (n+1)((n+1)+1) 2 36
37 Induktionsbeweis n + n + 1 = n(n+1) 2 + n + 1 = n(n+1)+2(n+1) = 2 (n+1)(n+2) 2 = (n+1)((n+1)+1) Bemerkung Induktionsprinzip gilt auch für N Verschärftes Induktionsprinzip A(n), n 0 wie in 5.1 definiert. Es gelte: (1) A(n 0 ) ist wahr. (2) n n 0 : A(n 0 ) A(n 0 + 1)... A(n) A(n + 1) Dann ist A(n) für alle n n 0 wahr Beispiel Behauptung: Jede natürlicher Zahl n > 1 ist Primzahl oder Produkt von Primzahlen Beweis: Induktionsanfang n 0 = 2 ist Primzahl Induktionsschluss Induktionsannahme Aussage gilt für 2, 3, 4,..., n Induktionsbehauptung Dann gilt die aussage auch für n + 1 Induktionsbeweis Ist n + 1 Primzahl, so gilt die Aussage, sonst n + 1 ist keine Primzahl, also n + 1 = k l mit 1 < k < n < l < n + 1 Nach Ind.vor. gilt Aussage für k und l n + 1 ist Produkt von Primzahlen. 37
38 5.3 Prinzip der rekursiven Definition Man will eine Abb. g : A M definieren, M Menge, A = {n N n n 0 }, wobei n 0 N fest vorgegeben informelle Definition Definiere g(n 0 ) (Festlegung des Startwertes ) Beschreibe, wie man für jedes n n 0 g(n+1) aus g(n) erhält. ( Rekursionsschritt ) Dann ist g auf ganz A definiert Beispiele Fakultätsfunktion! : N 0 N, n n! Rek.def.: 0! := 1, (n + 1)! := n! (n + 1), n 0 Potenzen von R, Def. von x n x 0 := 1, x n+1 := x n x Summen A = {n N 0 n n 0 N 0 } fest vorgegeben. Gegeben: a : A R, k a k, Abb. ( Folge ), also a(k) = a k n Für jedes n N 0, n n 0 definiere a k durch k=n 0 n 0 a k = a n0 k=n 0 n+1 a k = k=n 0 n k=n 0 a k + a n+1, n n 0 n Konvention für n < n 0 : a k := 0 k=n 0 38
39 Produkte n k=n 0 a k, n n 0 : n 0 a k = a n0 k=n 0 n+1 a k = k=n 0 n k=n 0 a k (n + 1) n n 0 n Konvention für n n 0 : a k := 1 k=n 0 n Spezialfall: k = n k = n! k=1 Wichtige Frage k=0 Gibt es eine geschlossene Form für eine rekursiv definierte Abb. Definiere rekursiv: g : N N g(1) := 2 g(n + 1) := 3g(n) + 4, n 1 Wir zeigen: g(n) = 4 3 n 1 2, geschlossene Form n 1 Beweis durch Induktion: Indanf.: g(1) = = 4 2 = 2 = 2 Indvor.: Beh. richtig für n, also g(n) = 4 3 n 1 2 Indbeh.: g(n + 1) = 4 3 n 2 Indschritt: g(n + 1) = 3 g(n) + 4 = 3 (4 3 n 1 2) + 4 = 4 3 n = 4 3 n Rekursive Definition mit mehreren Startwerten Man kann Funktionen auch rekursiv definieren, wenn die Def. von g(n+1) nicht nur von g(n), sondern auch von g(n 1) abhängt (allg.: k vorherige Werte, wobei k fest gewählt). Dann muss man g(n 0 ) und g(n 0 1) als Startwerte definieren (allg.: k Startwerte). 39
40 Beispiel h(1) := 1, h(2) := 3, h(n + 1) := 2 h(n) h(n 1) n 2 Vermutung: h(n) = 2n 1 n 1 Beweis Da wir unsere Vermutung im Induktionsschluss für n und n 1 verwenden wollen, müssen wir den Ind.Anf. für n = 1 und n = 2 machen. Indanf.: n = 1 : h(1) = 1, = 1 n = 2 : h(2) = 3, = 3 Indschluss: Sei n 2 h(n + 1) = 2 h(n) h(n 1) = 2 (2n 1) (2(n 1) 1) = 2 2n 2 2n = 2n + 1 = 2(n 1) Rechenregeln für Produkte und Summen Änderung der Summensequenzen n k=0 a k = n+1 a k 1 k=1 Schreibweisen: n a k = a k = a k = k=0 0 k n k {0,...,n k n B = {a 0, a 1,...a n } : a k = a Analog für Produkte k=0 a B a k = n k=0 a k 40
41 5.4.2 Doppelsummen f : N 0 N 0 R n m f(i, j) = n ( m f(i, j)) i=0 j=0 i=0 j=0 = m f(0, j) + m f(1, j) m f(n, j) j=0 = m j=0 i=0 n f(i, j) j=0 Ist n = m, so schreibt man auch: j=0 n i,j= Koeffizienten vor Summen n a 0 b k = n a 0 b k k=0 (a 0 + a 1 ) k=0 n b k = a 0 k=0 n b k + a 1 k=0 Allgemein: ( m a i ) ( n b k ) = m i=0 k=0 f(i, j) n b k = 1 k=0 i=0 k=0 5.5 Wohlordnungsprinzip n a m b k i=0 k=0 n a i b k Ist M N, so besitzt M ein kleinstes Element: min(m). Logisch äquivalent zum Prinzip der vollst. Induktion. 41
42 5.6 Fibonacci Zahlen F (0) := 0, F (1) := 1, F (n) := F (n 1) + F (n 2) 0, 1, 1, 2, 3, 5, 8, 13, 21, 34,... F (n) = (1+ 5) n (1 5) n 2 n Beweis durch vollst. Induktion Indanf.: (1+ 5) 0 (1 5) (1+ 5) 1 (1 5) = 0 = 1 Indschritt: F (n) = 1 5 (p n q n ) mit p = , g = Es gilt 1 + p = p 2, 1 + q = q 2 Beweis: p 2 = = = = = 1 + p F (n) = F (n 1) + F (n 2) = 5 1 (p n 1 q n 1 ) (p n 2 q n 2 ) = 5 1 (p n 1 + p n 2 ) 1 5 (q n 1 + q n 2 ) = 1 5 p n 2 (p + 1) 1 5 q n 2 (q + 1) 5 (p n q n ) = 1 42
43 6 Elementare Zahlentheorie 6.1 Teiler Definition Seien a, b Z und b 0. Dann heißt b Teiler von a, falls ein q Z existiert, sodass a = b q. Wir schreiben b a. Falls b kein Teiler von a ist: b a. Merke: 0 ist niemals Teiler Beispiel 3 6, 6 = ( 2) ( 3) 17 0, 0 = Satz (a) b c und b d, dann gilt b (kc + ld), k, l Z (b) b a und a 0, dann gilt b a (c) b a und a b, dann gilt a = b oder a = ( b) Beweis (a) Auf ÜB: Ist b a = i, c a = j, i, j Z, da a b a c Dann kb+lc a = ki + lj Z, da k, l, i, j Z also a kb + lc. (b) Da b a gilt b a. Also a = b q für ein q N, da a 0 gilt q a = q b = b i = b 1 + b b q b i=1 43
44 (c) Es gilt a = r b, b = q a, q, r Z a = r q a a rqa = 0 a(1 rq) = 0 Da a 0, da a b: 1 rq = 0 a 1 rq = 0 rq = 1 Somit r 1, q 1 r 1, q 1, da 0 niemals Teiler gilt: q = r = 1 oder q = r = Rest und Quotient Im Allgemeinen lassen sich ganze Zahlen nicht durch einander teilen. Daher benötigen wir Division mit Rest Satz Seien a, b Z, b 0. Dann existieren eindeutig bestimmte Zahlen q, r Z mit (i) a = q b + r (ii) 0 r b r heißt Rest, q Quotient Beweis Wir benötigen zwei Beweise: A Beweis der Existenz von q und r mit (i) und (ii) B Eindeutigkeit von q,r A 1.Fall b > 0 Sei q die größte Zahl aus Z mit q a b. Dann gilt q b a Setze: r = a qb 0 Es ist also a = qb + r Zu zeigen: r < b Dazu nehmen wir an, dass r < b falsch ist. Dann leiten wir aus r b eine Aussage ab, von der wir wissen, dass sie falsch ist. Dann wissen wir, dass r b falsch sein muss, es folgt r < b ( Widerspruchsbeweis, A B A B = 0) Dann r = b + s, s 0, d.h. 44
45 a qb = b + s a s = b + qb a s = b(1 + q) b(1 + q) = a s a q + 1 a b r < b 2.Fall b < 0 Es ist a = q b + r, 0 r < b (folgt aus 1.Fall) Also: a = q b + r und somit 0 r < b B Angenommen q,r sind nicht eindeutig. a = q 1 b + r 1 = q 2 b + r 2 Ohne Beschränkung der Allgemeinheit: r 1 r 2 q 1 b + r 1 = q 2 b + r 2 r 1 r 2 = q 2 b q 1 b r 1 r 2 = b(q 1 q 2 ) 0 (da r 1 r2) Also b (r 1 r 2 ) Zu zeigen: r 1 r 2 = 0, durch Widerspruchsbeweis: r 1 r b) b r 1 r 2 r 1 < b r 1 = r 2 und da b 0 : q 1 = q mod und div Definition Seinen a, b Z, b 0 Sei a = q b + r mit 0 r < b, q, r Z, wie Dann q = a div b r = a mod b q,r eindeutig nach 6.2, d.h. div : Z Z\{0} Z, (a, b) a div b mod : Z Z\{0} Z, (a, b) a mod b Beachte: a mod b = 0 b a 45
46 6.3.2 a und a Sei x R x kleinste ganze Zahl q mit q r ceiling x größte ganze Zahl q mit q r floor Also: x = x = x, x Z Bemerkung { a a div b = b, wenn b > 0 a b, wenn b < 0 a mod b = a b(a div b) In Java,C,... für a 0, in der regel nicht für a < 0 ( Beim Programmiern auch negativer Rest möglich, in der Mathematik nicht!) Def. in{ Java: a a\b = b, für a b > 0 a b, für a b < b-adische Darstellung natürlicher Zahlen Satz Sei b N, b > 1 Jedes n N 0 lässt sich darstellen in der Form: n = k x i b i, wobei i=0 (i) b k n < b k+1 für n > 0, bzw. k = 0, falls n = 0 (ii) x i N 0, 0 x i b 1, x k 0 für n 0 Diese Darstellung ist eindeutig, sie heißt b-adische Darstellung von n. x i heißen Ziffern von n bzgl. b. Schreibweise n = (x k x k 1... x 1 x 0 ) b oder, wenn b klar ist: n = x k x k 1... x 1 x 0 46
47 Beweis Existenz und Eindeutigkeit durch Induktion nach n Existenz IA: n 0 = 0, n 0 = 0 x 0 k 0 = 0 1 = 0 IS: i=0 IV: Aussage gelte für alle n N 0, n < n IB: Aussage gilt dann auch für n Setze x 0 = n mod b Dann b (n x 0 ), also n x 0 = n b, 0 n < n, da b > 1 Wende IV an: n = k x i bi, k, x i mit (i) und (ii) i=0 Setze x i+1 = x i für i = 0,..., k Dann: n = b n + x 0 k = b x i bi + x 0 i=0 = k x i+1 b i+1 + x 0 i=0 = k+1 i=1 x i b i + x 0 = k x i b i i=0 Gilt (i)? Z.z.: b k+1 n < b k+2 Ist n > 0, so gilt nach IV b k n < b k+1 b b k b n b k+1 b n + x 0 b k+1 n Es gilt auch n b k+1 1, also auch bn b k+2 b n = bn + x 0 b k+2 b + x 0 x 0 <b < b k+2 Gilt (ii)? Ja, für x 1,...x k+1 nach IV, da x i+1 = x i. Auch ist 0 x 0 < b, da x 0 = n mod b. 47
48 Eindeutigkeit: n = l i=0 x i b i = r j=0 y i b i, a i, y i, l, r mit (i),(ii) Dann x 0 = y 0 = n mod b Betrachte n x 0, wende IV an b, n y 0 b Beispiel Binärsystem (161) 10 1.Möglichkeit (wie im Beweis) n = n b + x 0 n = n x 0 b : 161 mod 2 = 1 = x mod 2 = 80 mod 2 = 0 = x mod 2 = 40 mod 2 = 0 = x mod 2 = 20 mod 2 = 0 = x mod 2 = 10 mod 2 = 0 = x mod 2 = 5 mod 2 = 1 = x mod 2 = 2 mod 2 = 0 = x mod 2 = 1 mod 2 = 1 = x 7 (161) 10 = ( ) 2 2.Möglichkeit Höchste Potenz von 2, die 161? 2 7 = = 33 Höchste 2er-Potenz 33? 2 5 = = 1 = 2 0 (161) 10 = ( ) 2 48
49 Hexadezimalsystem (161) 10 0,...9, A,..., F 161 mod 16 = mod 16 = 10 mod 16 = 10 = A (161) 10 = (A1) 16 oder (161) 10 = ( 1010 }{{} (161) 10 = (A1) }{{} ) 2 =(10) 10 =(A) 16 =(1) 10 =(1) Schnelles Potenzieren mit Hilfe des Binärsystems Sei a R, m N Um a m zu berechnen: a } a {{... a} Sehr langsam für große m m 1 Multiplikation Schneller: m = 2 l (Spezialfall) a m : a 2, (a 2 ) 2 = a 4,..., ((a 2 ) l 1 ) 2 = (a 2 ) l = a m l Multiplikationen, statt 2 l 1 Allgemeiner Fall: m = k x i 2 i, x i {0, 1}, x k = 1 (o.b.d.a. m > 0) i=0 k x i 2 i i=0 a m = a = a 2k a x k 1 2 k 1... a x 1 2 a x 0 = (a 2k 1 a x k 1 2 k 2... a x 1 ) 2 a x 0 =... = (...(a 2 a x k 1) 2... a x 1 ) 2 a x 0 square and multiply Algorithmus square and multiply b := a for j = k 1 (step 1)down to 0 do b := b 2 if x j = 1 then b := b a end P rint b 49
50 6.5 Kongruenzrelation modulo m Definition Sei m N. Für a, b Z gilt: a b (mod m) ( a kongruent b modulo m ) m a b d.h. a b = k m, bzw. a = b + km, b = a + ( k) m, k Z z.b (mod 7), da 7 17 ( 4) = Satz (a) Kongruenzrelation modulo m ist Äquivalenzrelation (b) a 0 (mod m) m a (c) a b (mod m), c Z c a c b (mod m) (d) a b (mod m) a mod m = b mod m (e) a mod m a (mod m) Beweis (a) Reflexivität Symmetrie Transitivität: a b (mod m) b c (mod m) m a b m b c m (a b) + (b c) = a c a c (mod m) (b) trivial (c) a b (mod m) m a b c m c(a b) c 0 cm ca cb c 0 ca cb (mod cm) ca cb (mod m) (d) Es gilt: a b (mod m) m a b a = b + km k Z Auch gilt: b = q 1 m + r, 0 r < m Folglich: a = q 1 m + r + km = m(q 1 + k) + r also: a mod m = r = b mod m 50
51 (d) a = q 1 m + r b = q 2 m + r a b = (q 1 q 2 )m, d.h. m a b a b (mod m) (e) Es gilt: (a mod m) mod m = a mod m Behauptung folgt aus (d) Unterscheidung Modulo und Kongruenz Bei festem m ist a a mod m, Abb. Z N (mod m) dagegen ist Relation auf Z 2 17 mod 7 = (mod 7), aber (mod 7), 17 ( 4) (mod 7) (mod 2) aber 3 2 (mod 2) (6.5.2 (c) nur Implikation, nicht Äquivalenz!) Satz: Kongruenzklassen modulo m Die Äquivalenzklassen der Kongruenzrelation modulo m (genannt: Kongruenzklassen modulo m sind genau die Mengen {r + k m k Z}, r = 0,..., r = m 1} Die Menge Z m := {0, 1,..., m 1} ist ein Repräsentantensystem der Kongruenzklassen mod m. Beweis Folgt aus (d), da Aufteilung je nach Rest Bsp: Kongruenzklassen mod 2 [0], [1], Z 2 = {0, 1} Satz: Kongruenzrelation in Summen und Produkten Seien a 1 a 2 (mod m) b 1 b 2 (mod m), dann: (a) a 1 + b 1 a 2 + b 2 (mod m) (b) a 1 b 1 a 2 b 2 (mod m) (c) a 1 b 1 a 2 b 2 (mod m) 51
52 Beweis Aus Voraussetzung: m a 1 a 2 m b 1 b 2 (a) Voraussetzung a 1 a 2 = k m b 1 b 2 = l m, k, l Z a 1 a 2 + b 1 b 2 = km + lm a 1 + b 1 (a 2 + b 2 ) = (k + l)m m (a 1 + b 1 ) (a 2 + b 2 ) a 1 + b 1 a 2 + b 2 (mod m) (b) analog (c) m a 1 a 2 m (a 1 a 2 )b 1 = a 1 b 1 a 2 b 2 m b 1 b 2 m (b 1 b 2 )a 2 = a 2 b 1 a 2 b 2 Also ( (a)): m (a 1 b 1 a 2 b 1 ) + (a 2 b 1 a 2 b 2 ) m a 1 b 1 a 2 b 2 a 1 b 1 a 2 b 2 (mod m) Korollar: modulo in Summen und Produkten (=wichtige Folgerung aus einem Satz) (a ± b) mod m = ((a mod m) ± (b mod m)) mod m (a b) mod m = ((a mod m) (b mod m)) mod m In mod-beziehungen (von Summen und Produkten) lassen sich Zahlen durch andere Zahlen aus derselben Kongruenzklasse ersetzen Beweis Aus (e) folgt: a mod m a (mod m) b mod m b (mod m) Aus folgt: (a mod m) + (b mod m) a + b (mod m) Aus 6.5.2(e) folgt: (a mod m) + (b mod m) ((a mod m) + (b mod m)) mod m (mod m) Aus Transitivität von folgt Behauptung. 52
Kapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr3 Werkzeuge der Mathematik
3.1 Mengen (18.11.2011) Definition 3.1 Die Menge heißt leere Menge. :=»x M x x Definition 3.2 Es seien N und M Mengen. Wir definieren: und analog M N : (x M x N). N M : (x N x M). Wir sagen M ist Teilmenge
MehrMathematik 1 für Informatiker und Bioinformatiker
Mitschrieb der Vorlesung Mathematik 1 für Informatiker und Bioinformatiker Prof. Dr. Peter Hauck Wintersemester 2006/2007 Mitschrieb in L A TEXvon Rouven Walter Letzte Änderung: 10. Oktober 2010 Lizenz
Mehr2 Mengen, Abbildungen und Relationen
Vorlesung WS 08 09 Analysis 1 Dr. Siegfried Echterhoff 2 Mengen, Abbildungen und Relationen Definition 2.1 (Mengen von Cantor, 1845 1918) Eine Menge M ist eine Zusammenfassung von wohlbestimmten und wohl
MehrTechnische Universität München. Ferienkurs Lineare Algebra 1. Mengenlehre, Aussagen, Relationen und Funktionen. 21. März 2011.
Technische Universität München Ferienkurs Lineare Algebra 1 Mengenlehre, Aussagen, Relationen und Funktionen 21. März 2011 Tanja Geib Inhaltsverzeichnis 1 Aussagen 1 2 Mengenlehre 3 2.1 Grundlegende Definitionen
MehrMengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } }
Mengen Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung aller Elemente: { 1,
MehrGrundlagen. Kapitel Mengen
Kapitel 1 Grundlagen 1.1 Mengen Grundobjekte mathematischer Theorien sind Mengen. Zwar stellt man sich darunter Gesamtheiten von gewissen Dingen (den Elementen der Menge) vor, doch führt die uneingeschränkte
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
Mehr2 Mengen und Abbildungen
2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:
MehrMengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit
Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {
Mehr0 Mengen und Abbildungen, Gruppen und Körper
0 Mengen und Abbildungen, Gruppen und Körper In diesem Paragrafen behandeln wir einige für die Lineare Algebra und für die Analysis wichtige Grundbegriffe. Wir beginnen mit dem Begriff der Menge. Auf Cantor
MehrAbbildungen. Kapitel Definition: (Abbildung) 5.2 Beispiel: 5.3 Wichtige Begriffe
Kapitel 5 Abbildungen 5.1 Definition: (Abbildung) Eine Abbildung zwischen zwei Mengen M und N ist eine Vorschrift f : M N, die jedem Element x M ein Element f(x) N zuordnet. Schreibweise: x f(x) 5. Beispiel:
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
MehrKapitel 1. Mengen und Abbildungen. 1.1 Mengen
Kapitel 1 Mengen und Abbildungen 1.1 Mengen Die Objekte der modernen Mathematik sind die Mengen. Obwohl die Logik einen axiomatischen Zugang zur Mengenlehre bietet, wollen wir uns in dieser Vorlesung auf
MehrLineare Algebra. Jung Kyu Canci. Mit der Hilfe von: Stefano Iula, Olivia Ebneter, Katharina Laubscher, Viviane Wehrle
Lineare Algebra Jung Kyu Canci Mit der Hilfe von: Stefano Iula, Olivia Ebneter, Katharina Laubscher, Viviane Wehrle Herbstsemester 2015 2 Inhaltsverzeichnis 1 Einführung in die Lineare Algebra 5 1.1 Elementare
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 19. Oktober 2017 1/27 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume
MehrAnmerkungen zu Mengen und Abbildungen
Anmerkungen zu Mengen und Abbildungen Kartesisches Produkt von n Mengen und n-stellige Relationen Sind M 1, M,, M n nichtleere Mengen, so ist ihr kartesisches Produkt erklärt als Menge aller geordneter
MehrÜbungen zur Vorlesung Einführung in die Mathematik
Übungen zur Vorlesung Einführung in die Mathematik von G. Greschonig und L. Summerer, WS 2017/18 Aufgabe 1. Zeige, dass das Quadrat einer ungeraden Zahl, vermindert um 1, stets durch 4 teilbar ist. Folgere
MehrKommutativität. De Morgansche Regeln
1. Formale Logik Proposition 1.1. Die logischen Elementarverknüpfungen gehorchen folgenden Äquivalenzen: (1.1) (1.2) p p p p p p Idempotenz (1.3) (1.4) p q q p p q q p Kommutativität (1.5) (1.6) (p q)
MehrAnalyis I - Grundlagen
Elementare Aussagenlogik October 23, 2008 Elementare Aussagenlogik Definition Eine Aussage im Sinne der Aussagenlogik ist eine sprachliche Aussage, bei der klar entschieden werden kann, ob sie wahr oder
Mehr4. Funktionen und Relationen
4. Funktionen und Relationen Nikolaus von Oresmes Richard Dedekind (1831-1916) René Descartes 1596-1650 Pierre de Fermat 1607/8-1665 Seite 1 Inhalt der Vorlesung Teil 4: Funktionen und Relationen 4.1 Funktionen:
Mehr(1.18) Def.: Eine Abbildung f : M N heißt
Zurück zur Mengenlehre: Abbildungen zwischen Mengen (1.17) Def.: Es seien M, N Mengen. Eine Abbildung f : M N von M nach N ist eine Vorschrift, die jedem x M genau ein Element f(x) N zuordnet. a) M = N
Mehr1. Grundlagen. Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen
1. Grundlagen Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen Peter Buchholz 2016 MafI 2 Grundlagen 7 1.1 Was ist Analysis? Analysis ist
Mehr1. Grundlagen. 1.1 Was ist Analysis? 1.2 Aussagen und Mengen
. Grundlagen Gliederung. Was ist Analysis?.2 Aussagen und Mengen.3 Natürliche Zahlen.4 Ganze Zahlen, rationale Zahlen. Was ist Analysis? Analysis ist neben der linearen Algebra ein Grundpfeiler der Mathematik!
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 15. Oktober 2015 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage veröffentlicht
MehrHM I Tutorium 1. Lucas Kunz. 27. Oktober 2016
HM I Tutorium 1 Lucas Kunz 27. Oktober 2016 Inhaltsverzeichnis 1 Theorie 2 1.1 Logische Verknüpfungen............................ 2 1.2 Quantoren.................................... 3 1.3 Mengen und ihre
MehrVorlesung 3: Logik und Mengenlehre
28102013 Erinnerung: Zeilen-Stufen-Form (ZSF) eines LGS 0 0 1 c 1 0 0 0 1 0 0 1 c r 0 0 0 c r+1 0 0 0 0 0 0 0 0 0 c m Erinnerung: Information der Zeilen-Stufen-Form Aus der ZSF liest man ab: Folgerung
MehrLineare Algebra, Teil I
Lineare Algebra, Teil I (Folien zur Vorlesung) Joachim Stöckler Auszüge aus dem Vorlesungsskript von Prof. Rudolf Scharlau aus dem WS 2009/10 werden auf den Folien verwendet. Für die Bereitstellung dieses
MehrBrückenkurs Mathematik 2015
Technische Universität Dresden Fachrichtung Mathematik, Institut für Analysis Dr.rer.nat.habil. Norbert Koksch Brückenkurs Mathematik 2015 1. Vorlesung Logik, Mengen und Funktionen Ich behaupte aber, dass
MehrTechnische Universität München. Ferienkurs Lineare Algebra 1. Mengenlehre, Aussagen, Relationen und Funktionen. Aufgaben mit Musterlösung
Technische Universität München Ferienkurs Lineare Algebra 1 Mengenlehre, Aussagen, Relationen und Funktionen Aufgaben mit Musterlösung 21. März 2011 Tanja Geib 1 Aufgabe 1 Geben Sie zu B = {0, 2, 4} und
MehrVorkurs Mathematik. Prof. Udo Hebisch WS 2017/18
Vorkurs Mathematik Prof. Udo Hebisch WS 2017/18 1 1 Logik 2 1 Logik Unter einer Aussage versteht man in der Mathematik einen in einer natürlichen oder formalen Sprache formulierten Satz, für den eindeutig
MehrAnalysis I - Notizen 1. Daniel Lenz Jena - Wintersemester 2016
Analysis I - Notizen 1 Daniel Lenz Jena - Wintersemester 2016 1 Es handelt sich nicht um ein Skriptum zur Vorlesung. Besten Dank an alle, die zu Verbesserungen früherer Notizen zur Analysis I beigetragen
MehrWarum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7
Warum Mathe? IG/StV-Mathematik der KFU-Graz März 2011 Inhalt 1 Mengen 1 1.1 Mengenoperationen.............................. 2 1.2 Rechenregeln.................................. 3 2 Übungsbeispiele zum
MehrInstitut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark Dr. Markus Lange. Analysis 1. Aufgabenzettel 4
Institut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark 08.11.2018 Dr. Markus Lange Analysis 1 Aufgabenzettel 4 Abgabe bis 14. November 2018, 19:00 Uhr Erinnerung: Die Anmeldung für den Übungsschein
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
MehrMengen und Abbildungen
Mengen und Abbildungen Der Mengenbegriff Durchschnitt, Vereinigung, Differenzmenge Kartesisches Produkt Abbildungen Prinzip der kleinsten natürlichen Zahl Vollständige Induktion Mengen und Abbildungen
MehrMATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016
MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/17 MARK HAMILTON LMU MÜNCHEN 1.1. Grundbegriffe zu Mengen. 1. 17. OKTOBER 2016 Definition 1.1 (Mengen und Elemente). Eine Menge ist die Zusammenfassung
Mehr2 Mengen, Relationen, Funktionen
Grundlagen der Mathematik für Informatiker 1 2 Mengen, Relationen, Funktionen 2.1 Mengen Definition 2.1 [Georg Cantor 1895] Eine Menge ist eine Zusammenfassung bestimmter, wohlunterschiedener Dinge unserer
Mehr2 Mengen, Relationen, Funktionen
Grundlagen der Mathematik für Informatiker Grundlagen der Mathematik für Informatiker Mengen, Relationen, Funktionen. Mengen Definition. [Georg Cantor 895] Eine Menge ist eine Zusammenfassung bestimmter,
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten
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
Mehr1. Mengentheoretische Grundbegriffe. naiver Mengenbegriff : Eine Menge ist eine Zusammenfassung M von bestimmten, wohlunterschiedenen
1. Mengentheoretische Grundbegriffe Cantors (1845 1918) naiver Mengenbegriff : Slide 1 Eine Menge ist eine Zusammenfassung M von bestimmten, wohlunterschiedenen Objekten unserer Anschauung oder unseres
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016
MehrGliederung. Mengen und operationen. Relationen. Funktionen. Kardinalität von Mengen. Formale Grundlagen der Informatik Knorr/Fuchs SS 2000
Gliederung Mengen und operationen Relationen Funktionen Kardinalität von Mengen Mengen, Relationen, Funktionen 1 Mengen Definition (Naive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer
Mehri=1 j= 5 2. Verifizieren Sie die Gleichung indem Sie die Ausdrücke ohne Summenzeichen schreiben. j=0
Übungen zur Einführung in die Analysis (Einführung in das mathematische Arbeiten WS 2017 1. Schreiben Sie die folgenden Ausdrücke ohne Verwendung von Summen- bzw. Produktzeichen: 7 2 3 5 k 2k+1, a k, 2
MehrMengenlehre und vollständige Induktion
Fachschaft MathPhys Heidelberg Mengenlehre und vollständige Induktion Vladislav Olkhovskiy Vorkurs 018 Inhaltsverzeichnis 1 Motivation 1 Mengen.1 Grundbegriffe.................................. Kostruktionen
MehrWS 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/ws13/14
MehrKapitel 2 Mathematische Grundlagen
Kapitel 2 Mathematische Grundlagen Ziel: Einführung/Auffrischung einiger mathematischer Grundlagen 2.1 Mengen, Relationen, Ordnungen Definition: Eine Menge ist eine Zusammenfassung von wohlbestimmten und
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 015/016 30.10.015 Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 1. Übungsblatt
MehrSkript und Übungen Teil II
Vorkurs Mathematik Herbst 2009 M. Carl E. Bönecke Skript und Übungen Teil II Das erste Semester wiederholt die Schulmathematik in einer neuen axiomatischen Sprache; es ähnelt damit dem nachträglichen Erlernen
MehrBrückenkurs Mathematik 2018
Mathematik 2018 1. Vorlesung Logik, Mengen und Funktionen Prof. Dr. 24. September 2018 Ich behaupte aber, dass in jeder besonderen Naturlehre nur so viel eigentliche Wissenschaft angetroffen werden könne,
MehrKapitel 1: Grundbegriffe
Kapitel 1: Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika (KO) 1 / 20 Gliederung 1 Logik Ein ganz kurzer Ausflug in die Kombinatorik Stefan Ruzika (KO) 2
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Relationen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 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/ws0910
MehrGrundlegendes der Mathematik
Kapitel 2 Grundlegendes der Mathematik (Prof. Udo Hebisch) 2.1 Logik Unter einer Aussage versteht man in der Mathematik einen in einer natürlichen oder formalen Sprache formulierten Satz, für den eindeutig
MehrKapitel 2 Mathematische Grundlagen
Kapitel 2 Mathematische Grundlagen Ziel: Einführung/Auffrischung einiger mathematischer Grundlagen 2.1 Mengen, Relationen, Ordnungen Definition: Eine Menge ist eine Zusammenfassung von wohlbestimmten und
MehrMengenlehre. Begriff der Mengenzugehörigkeit x M, x Ê M >x : x { a 1. e e x = a n. } 2 x = a 1. >x : x { y P(y) } 2 P(x) Begriff der leeren Menge
Mengenlehre Grundbegriff ist die Menge Definition (Naive Mengenlehre). Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung
MehrBA-INF 011 Logik und Diskrete Strukturen WS 2013/14 Mögliche Klausuraufgaben Stand vom
Prof. Dr. Norbert Blum Elena Trunz Informatik V BA-INF 011 Logik und Diskrete Strukturen WS 2013/14 Mögliche Klausuraufgaben Stand vom 5.2.2014 Bitte beachten Sie, dass die tatsächlichen Klausuraufgaben
MehrEinführung in die Mathematik (Vorkurs 1 )
Einführung in die Mathematik (Vorkurs 1 ) Wintersemester 2011 Dr. J. Jordan und Dr. F. Möller Institut für Mathematik Universität Würzburg Germany 1 Modulbezeichnung 10-M-VKM 1 Inhaltsverzeichnis 1 Aussagenlogik
MehrVorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen
Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen Susanna Pohl Vorkurs Mathematik TU Dortmund 10.03.2015 Mengen und Relationen Mengen Motivation Beschreibung von Mengen Mengenoperationen
MehrÜbung: Teilmengen. Beweis: Für alle Elemente einer Menge, die Teilmenge einer Menge ist, gilt, dass auch Element von ist. (Definition der Teilmenge)
15 Übung: Teilmengen seien Mengen. Zu zeigen ist: wenn Beweis: dann auch Für alle Elemente einer Menge, die Teilmenge einer Menge ist, gilt, dass auch Element von ist. (Definition der Teilmenge) für alle
MehrAnalysis I Marburg, Wintersemester 1999/2000
Skript zur Vorlesung Analysis I Marburg, Wintersemester 1999/2000 Friedrich W. Knöller Literaturverzeichnis [1] Barner, Martin und Flohr, Friedrich: Analysis I. de Gruyter. 19XX [2] Forster, Otto: Analysis
MehrAbschnitt 3: Mathematische Grundlagen
Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 3.2 Induktion und Rekursion 3.3 Boolsche Algebra Peer Kröger (LMU München) Einführung in die Programmierung WS 14/15 48 / 155 Überblick
MehrLösungen zu Kapitel 2
Lösungen zu Kapitel 2 Lösung zu Aufgabe 1: Wir zeigen die Behauptung durch vollständige Induktion über n. Die einzige Menge mit n = 0 Elementen ist die leere Menge. Sie besitzt nur sich selbst als Teilmenge,
MehrEinführung in die Mathematik (Vorkurs 1 )
Einführung in die Mathematik (Vorkurs 1 ) Sommersemester 2015 Dr. J. Jordan Institut für Mathematik Universität Würzburg Germany 1 Modulbezeichnung 10-M-VKM 1 Inhaltsverzeichnis 1 Aussagenlogik 4 2 Beweistechniken
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
MehrMathematische Grundlagen
Prof. Dr. Peter Becker Fachbereich Informatik Mathematische Grundlagen Klausur Wintersemester 2015/16 16. März 2015 Name: Vorname: Matrikelnr.: Aufgabe 1 2 4 5 6 Summe Punkte 10 10 10 10 10 10 60 erreicht
MehrFormale Sprachen und Automaten
Mengen Eine Menge ist eine Gruppe von Elementen, die eine Einheit bilden (siehe z.b. Halmos 1976). Formale Sprachen und Automaten Mathematisches Rüstzeug Mengen können verschiedene Typen von Elementen
Mehrdefinieren eine Aussage A als einen Satz, der entweder wahr (w) oder falsch (f) (also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1.
22 Kapitel 1 Aussagen und Mengen 1.1 Aussagen Wir definieren eine Aussage A als einen Satz, der entweder wahr w) oder falsch f) also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1. 2 ist eine
MehrLineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund
Lineare Algebra 1 Detlev W. Hoffmann WS 2013/14, TU Dortmund 1 Mengen und Zahlen 1.1 Mengen und Abbildungen Eine Menge ist eine Zusammenfassung wohlunterscheidbarer Objekte unserer Anschauung/unseres Denkens/unserer
MehrAbschnitt 3: Mathematische Grundlagen
Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 Mengen und Abbildungen 3.2 Induktion und Rekursion 3.3 Ausdrücke 3 Mathematische Grundlagen Einf. Progr. (WS 08/09) 102 Überblick 3.
MehrGrundlagen der linearen Algebra und analytischen Geometrie
Grundlagen der linearen Algebra und analytischen Geometrie Sascha Trostorff 27. Oktober 2017 Inhaltsverzeichnis I. Einführung in die Mengenlehre 3 1. Grundlagen der Aussagenlogik 4 2. Naive Mengenlehre
MehrEinführung in die Mathematik (Vorkurs 1 )
Einführung in die Mathematik (Vorkurs 1 ) Wintersemester 2015/16 Dr. J. Jordan Institut für Mathematik Universität Würzburg Germany 1 Modulbezeichnung 10-M-VKM 1 Inhaltsverzeichnis 1 Aussagenlogik 4 2
MehrÜbersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19
Theoretische Informatik I WS2018/19 Übersichtsblatt Hertrampf/Bahrdt Institut für Formale Methoden der Informatik Theoretische Informatik Universität Stuttgart 1 Mathematische Aussagen Um mathematische
Mehr1.1 Mengen und Abbildungen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 3 1.1 Mengen und Abbildungen In diesem Abschnitt stellen wir die grundlegende mathematische Sprache und Notation zusammen, die für jede Art von heutiger Mathematik
MehrVollständige Induktion. Analysis I. Guofang Wang. Universität Freiburg
Universität Freiburg 26.10.2011 Vollständige Induktion Wir unterbrechen jetzt die Diskussion der Axiome der reellen Zahlen, um das Beweisverfahren der vollständigen Induktion kennenzulernen. Wir setzen
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Mengen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz WS 2018/2019 18.10.2018 Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum
Mehraus der Bedingung/Annahme A folgt ein Widerspruch ), so ist A falsch!
Bemerkungen: 1 Die Bedeutung von (und damit ) ist klar. wird oft, vor allem in Beweisen, auch als geschrieben (im Englischen: iff, if and only if). 2 Für zwei boolesche Aussagen A und B ist A B falsch
MehrVorkurs: Grundlagen für das Mathematikstudium. Caroline Uhler
Vorkurs: Grundlagen für das Mathematikstudium Caroline Uhler Inhaltsverzeichnis 1 Logische Grundbegriffe 3 2 Elementare Mengenlehre 5 3 Relationen und Abbildungen 8 3.1 Produkte......................................
MehrLineare Algebra I. Anhang. A Relationen. Heinz H. GONSKA, Maria D. RUSU, Michael WOZNICZKA. Wintersemester 2009/10
Fakultät für Mathematik Fachgebiet Mathematische Informatik Anhang Lineare Algebra I Heinz H. GONSKA, Maria D. RUSU, Michael WOZNICZKA Wintersemester 2009/10 A Relationen Definition A.1. Seien X, Y beliebige
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 9. November 2017 1/34 Beispiel 3.6 Wir können die rationalen Zahlen wie folgt konstruieren:
MehrGrundlagen der Mengenlehre
mathe plus Grundlagen der Mengenlehre Seite 1 1 Grundbegriffe Grundlagen der Mengenlehre Def 1 Mengenbegriff nach Georg Cantor (1845-1918) Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener
MehrInjektiv, Surjektiv, Bijektiv
Injektiv, Surjektiv, Bijektiv Aufgabe 1. Geben Sie einen ausführlichen Beweis für folgende Aussage: Wenn f A B surjektiv ist und R A A A eine reflexive Relation auf A ist, dann ist R B = {( f(x), f(y)
MehrA B A und B w w w w f f f w f f f f. A B A oder B (A B) w w w w f w f w w f f f
Kapitel 1 Zum Aufwärmen 1.1 Aussagen Eine Aussage im üblichen Sinn ist nicht unbedingt eine Aussage im mathematischen Sinn. Aussagen wie Mathe ist doof sind keine Aussagen im mathematischen Sinn, weil
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Jens Struckmeier Fachbereich Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2010/11 Jens Struckmeier (Mathematik,
MehrWS 20013/14. Diskrete Strukturen
WS 20013/14 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
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
Mehr3. Für beliebiges A bezeichnet man die Menge A A manchmal auch mit A 2 (in Worten:
35 4 Paarungen 4. Produktmengen Die Mengen {x, y} und {y, x} sind gleich, weil sie die gleichen Elemente enthalten. Manchmal legt man aber zusätzlich Wert auf die Reihenfolge der Elemente. Die Objekte
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 0/ Thomas Timmermann 8. Januar 0 Kardinalzahlen und die Mächtigkeit von Mengen Gleichmächtigkeit von Menge Zur Erinnerung: Wir wollen unendlich große Mengen hinsichtlich
MehrKapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2 Mathematische Grundlagen Skript zur Vorlesung Einführung in die Programmierung im Wintersemester 2012/13 Ludwig-Maximilians-Universität
Mehr3. Funktionen. 3.1 Grundbegriffe [Kö 4.1; Sch-St 4.3]
13 3. Funktionen 3.1 Grundbegriffe [Kö 4.1; Sch-St 4.3] Definition 1. A und B seien Mengen. a Eine Abbildung (oder Funktion f von A nach B (Schreibweise: f: A B ist eine Vorschrift, die jedem x A genau
Mehr