Diskrete Mathematik. Anusch Taraz

Größe: px
Ab Seite anzeigen:

Download "Diskrete Mathematik. Anusch Taraz"

Transkript

1 Diskrete Mathematik Anusch Taraz 15. Januar 2009

2 2

3 Inhaltsverzeichnis I Grundlagen 5 1 Mengen und Mengenoperationen Vollständige Induktion Relationen und Funktionen II Zählen 15 4 Elementares Zählen Teilmengen und Partitionen zählen Erzeugende Funktionen III Relationale Strukturen 35 7 Graphen Exkurs: Diskrete Optimierung Euler Touren und Hamilton Kreise Matchings Färbungen planarer Graphen Partielle Ordnungen IV Konstruierte Regularität Endliche projektive Ebenen Codierungstheorie V Ramseytheorie Satz von Ramsey Konvexe Polygone Arithmetische Progressionen VI Probabilistische Methoden Grundlagen und Ramseyzahlen Graphen ohne kurze Kreise Dreiecke

4 4 Inhaltsverzeichnis VIIAlgebraische Methoden Zyklenraum Intersecting families Färbungen des R n

5 Kapitel I Grundlagen Wir werden in diesem Kapitel die grundlegende Terminologie festlegen und an einigen Beispielen veranschaulichen. 1 Mengen und Mengenoperationen Wir gehen in dieser Vorlesung davon aus, dass Sie mit dem abstrakten Begriff einer Menge bereits intuitiv vertraut sind. Wir beschreiben eine Menge M hier entweder durch die explizite Angabe aller ihrer Elemente, also zum Beispiel M = {1, 4, 9}, oder in dem wir eine Bildungsvorschrift nennen, also zum Beispiel: M sei die Menge der Quadratzahlen zwischen 1 und 10. Um solche Beschreibungen möglichst kurz und trotzdem präzise zu halten, führen wir die Abkürzungen ( für alle ) und ( es existiert ) ein, sowie den Doppelpunkt : innerhalb einer Mengenklammer, der für den Ausdruck für die gilt steht. Also, noch einmal zurück zu unserem Beispiel: M = {x : 1 x 10 und eine natürliche Zahl y mit x = y 2 }. Die leere Menge bezeichnen wir mit. Bei unendlichen Mengen greifen wir auch manchmal auf die Pünktchenschreibweise zurück und vertrauen darauf, dass damit die Bildungsvorschrift implizit klar ist. So wird beispielsweise die Menge der natürlichen Zahlen ohne Null mit N = {1, 2, 3,... } bezeichnet, die Menge der natürlichen Zahlen mit Null mit N 0 := N {0}. Weitere wichtige Zahlenräume bezeichnen wir wie folgt: Z, die Menge der ganzen Zahlen, Q, die Menge der rationalen Zahlen,

6 6 Kapitel I. Grundlagen R, die Menge der reellen Zahlen. Wenn n N, dann setzen wir [n] := {1, 2,..., n}. Unsere obige Menge M könnten wir also noch knapper schreiben als M = {y 2 : y [3]}. Wenn x R, dann definieren wir x als die größte ganze Zahl n mit n x; und analog x als die kleinste ganze Zahl n mit n x. Unter der Kardinalität einer beliebigen Menge M versteht man die Anzahl der Elemente von M. Sie wird mit M bezeichnet. Zwei ebenfalls sehr geläufige Abkürzungen bezeichnen die Summe und das Produkt von mehreren Termen. Zu a 1,..., a n R bezeichnen wir mit n a i := a a n i=1 bzw. n a i := a 1... a n i=1 die Summe bzw. das Produkt dieser Zahlen. Ausgehend von einer oder mehreren Mengen lassen sich weitere Mengen konstruieren. Sei k N. Das kartesische Produkt von Mengen M 1,..., M k ist eine Menge, deren Elemente aus sogenannten Tupeln der Elemente der einzelnen Mengen besteht: M 1 M k := {(x 1,..., x k ) : x i M i i [k]}. Das geht natürlich auch, wenn die Mengen M i untereinander gleich sind. In diesem Spezialfall schreiben wir für eine Menge M: M k := M M }{{} k mal = {(x 1,..., x k ) : x i M i [k]}. Im Gegensatz dazu bezeichnen wir mit ( ) M k die Menge der k-elementigen Teilmengen von M: ( ) M := {S : S M, S = k} k Der Unterschied zwischen den beiden Konstruktionen besteht also darin, dass die Elemente von M k Folgen von Elementen aus M sind, bei denen es auf die Reihenfolge ankommt und bei denen ein Element aus M auch mehrfach auftreten kann, während die Elemente von ( ) M k (ungeordnete) Mengen sind, die k verschiedene Elemente aus M enthalten müssen. Wenn man alle (also nicht nur die k-elementigen) Teilmengen von M in einer Menge zusammenfassen möchte, dann spricht man von der Potenzmenge P(M): P(M) := {S : S M} Man beachte, dass insbesondere die Menge und die Menge M Elemente von P(M) sind.

7 2. Vollständige Induktion 7 ( Beispiel. R 2 ist die Menge aller 2-Tupel (d.h. geordnete Paare) von reellen Zahlen, R ) 2 besteht aus allen zweielementigen Mengen reeller Zahlen. Insbesondere gilt beispielsweise: (7, 7) R 2 und (7, 8) (8, 7); hingegen ist {7, 7} = {7} ( ) R 2 und {7, 8} = {8, 7}. Ein Beispiel zur Potenzmenge: Wenn M = {0, 1}, dann ist P(M) = {, {0}, {1}, {0, 1}}. Zwei weitere geläufige abkürzende Schreibweisen befassen sich mit der Vereinigung und der Schnittmenge von mehreren Mengen M 1,..., M k. Wir setzen k M i := M 1 M k und i=1 k M i := M 1 M k. Schließlich sagen wir, dass die Mengen M 1,..., M k eine Partition von M bilden, wenn k M = M i und M i M j = für alle i j [k] i=1 gilt. In diesem Fall schreiben wir M = k i=1 M i = M 1... Mk. Offensichtlich gilt dann M = k i=1 M i. Beispiel. Es sei M eine Menge mit M = n Elementen. Wir können die Teilmengen von M, also die Mitglieder der Potenzmenge P(M), nach der Anzahl ihrer Elemente gruppieren: erst die Teilmengen mit null Elementen, dann die mit einem Element, dann die mit zwei, zuletzt die mit n. Offensichtlich gehört jede Teilmenge in genau eine dieser Kategorien und wir erhalten n P(M) = 2 Vollständige Induktion i=0 i=1 ( ) M k Die Beweismethode der vollständigen Induktion ist ein wichtiges Werkzeug, um Aussagen zu beweisen, die für alle natürlichen Zahlen n gelten sollen. Sei A(n) eine solche Aussage. Dann überprüfen wir zunächst ob A(1), also die Aussage für n = 1, stimmt (Induktionsanfang). Nun sei k N beliebig und wir nehmen an, dass die Aussage A(k) wahr ist (Induktionsannahme). Wenn es uns dann gelingt, daraus zu folgern, dass auch die Aussage A(k + 1) stimmt, haben wir die Aussage A(n) für alle n N gezeigt (Induktionsschritt). Drei einfache Beispiele folgen. Beispiel. Für jede natürliche Zahl n gilt die folgende Aussage: A(n) : Die Zahl 2 2n 1 ist durch 3 teilbar. (2.1) Beweis. durch vollständige Induktion über n. Induktionsanfang: Für n = 1 ist 2 2n 1 = = 3 durch 3 teilbar, also stimmt

8 8 Kapitel I. Grundlagen die Aussage A(1). Induktionsannahme: Sei k N beliebig. Wir nehmen an, dass die Aussage A(k) wahr ist, dass also 2 2k 1 durch 3 teilbar ist. Induktionsschritt: Für n = k+1 lautet die Aussage A(k+1), dass 2 2(k+1) 1 durch 3 teilbar ist und das müssen wir jetzt zeigen. Dabei dürfen wir uns auf unser in der Induktionsannahme formuliertes Wissen berufen, und daher formen wir den Ausdruck 2 2(k+1) 1 so lange um, bis wir, irgendwo in ihm versteckt, den alten Ausdruck 2 2k 1 wieder finden: 2 2(k+1) 1 = 2 2k+2 1 = 4 2 2k 1 = 4(2 2k 1) + 3. Dem letzten Ausdruck können wir nun ganz leicht ansehen, dass er durch 3 teilbar ist: Nach Induktionsannahme ist (2 2k 1) durch 3 teilbar, also ist auch 4(2 2k 1) durch 3 teilbar, und also ist auch 4(2 2k 1) + 3 durch 3 teilbar. Damit ist unser Induktionsbeweis abgeschlossen. Unser nächstes Beispiel befasst sich mit einer Folge von natürlichen Zahlen, die durch eine rekursive Definition gegeben ist, und für die wir eine explizite Formel beweisen wollen. Beispiel. Wir betrachten die Die Folge a 0, a 1, a 2,... sei gegeben durch den Startwert a 0 := 2 und die Rekursion a n := 3a n für alle n N. Dadurch folgt beispielsweise, dass a 1 = 3a = = 7, a 2 = 3a = = 22, usw. Behauptung: Für jede Zahl n N 0 gilt die folgende Aussage: A(n) : a n = 1 2 (5 3n 1). (2.2) Beweis. durch vollständige Induktion über n. Induktionsanfang: Für n = 0 ist a 0 = 2 und 1 2 (5 30 1) = 1 2 (5 1) = 2, also stimmt die Aussage A(0). Induktionsannahme: Sei k N 0 beliebig. Wir nehmen an, dass die Aussage A(k) wahr ist. Induktionsschritt: Für n = k + 1 müssen wir zeigen, dass a k+1 = 1 2 (5 3k+1 1). Mit Hilfe der rekursiven Definition und der Induktionsannahme A(k) sehen wir, dass ( ) 1 a k+1 = 3a k + 1 = 3 2 (5 3k 1) + 1 = 1 2 (5 3k+1 3) + 1 = 1 2 (5 3k+1 1), was zu zeigen war. Nächstes Beispiel: Beispiel. Sei M eine Menge mit n := M N 0. Dann gilt: A(n) : P(M) = 2 n. (2.3)

9 3. Relationen und Funktionen 9 Beweis. durch vollständige Induktion über n. Induktionsanfang: liegt diesmal bereits bei n = 0. Die einzige Menge M mit M = 0 ist M =. Also ist P(M) = { } und somit beträgt die linke Seite in (2.3) genau 1. Die rechte Seite ist 2 0 = 1, also stimmt die Aussage A(0). Induktionsannahme: Sei k N beliebig. Wir nehmen an, dass die Aussage A(k) wahr ist. Induktionsschritt: Sei M eine Menge mit M = n = k+1. Wir wählen ein Element x aus M beliebig aus und betrachten die Menge M := M \ {x}. Der Hintergedanke ist natürlich, dass jetzt M = k ist und wir die Induktionsannahme auf M anwenden können. Wir partitionieren die Potenzmenge von M in zwei Teile: P(M) = {S : S { M} { = S : S S : S M, } S M { M} { = S : S S {x} : S M}. (2.4) Nach A(k) gilt, dass P( M) = 2 k. Somit haben die beiden in (2.4) genannten Mengen jeweils 2 k Elemente, und insgesamt folgt P(M) = 2 k + 2 k = 2 k+1, was mit der rechten Seite von (2.3) für den Fall n = k + 1 übereinstimmt. Ein paar Bemerkungen noch: 1) Der Induktionsanfang muss immer die Aussage A(n) für die kleinste Zahl n überprüfen, für die die Aussage geltend gemacht wird. 2) Es ist auch zulässig, wenn man im Induktionsschritt nicht nur auf die Korrektheit von A(k) alleine zurückgreift, sondern auf die von allen A(1),..., A(k). 3) Will man sich im Induktionsschritt immer auf beide vorangegangenen Aussagen A(k 1) und A(k) berufen, dann müssen beim Induktionsanfang auch die Aussagen A(n) für die ersten beiden Zahlen n (für die die Aussage gelten soll) überprüft werden. 3 Relationen und Funktionen Definition. Sei k N mit k 2. Eine k-stellige Relation über den Mengen A 1,..., A k ist eine Teilmenge R A 1 A k. In dem Spezialfall R M M spricht man auch von einer Relation über der Menge M. Eine zweistellige Relation nennt man auch binäre Relation, und im Folgenden werden wir uns fast nur mit binären Relationen befassen. Eine binäre Relation R M M heißt reflexiv, wenn für alle a M gilt: (a, a) R, irreflexiv, wenn für alle a M gilt: (a, a) R, symmetrisch, wenn für alle a, b M gilt: wenn (a, b) R, dann (b, a) R,

10 10 Kapitel I. Grundlagen asymmetrisch, wenn für alle a, b M gilt: wenn (a, b) R, dann (b, a) R, antisymmetrisch, wenn für alle a, b M gilt: wenn (a, b) R und (b, a) R, dann a = b, transitiv, wenn für alle a, b, c M gilt: wenn (a, b) R und (b, c) R, dann (a, c) R. Man schreibt oft abkürzend arb oder a R b für (a, b) R und sagt, dass a und b zu einander in Relation stehen. Beispiel. a) Die Relation R teilt N N, die wir durch R teilt := {(a, b) : a ist Teiler von b} definieren, ist reflexiv, antisymmetrisch, und transitiv. b) Die Relation R kleiner R R, die wir durch R kleiner := {(a, b) : a < b} definieren, ist irreflexiv, asymmetrisch, und transitiv. c) Die Relation R nix Z Z, die wir durch R nix := {(1, 1), (1, 2), (2, 1)(1, 3)} definieren, hat keine der gerade definierten Eigenschaften. Relationen, die besondere Eigenschaften haben, haben sich besondere Bezeichnungen verdient. So wird beispielsweise eine irreflexive, symmetrische Relation als Graph bezeichnet, eine reflexive, antisymmetrische und transitive Relation als partielle Ordnung, und eine Relation, die reflexiv, symmetrisch und transitiv ist, nennt man auch Äquivalenzrelation. Definition. Wenn R eine Äquivalenzrelation über M ist und (a, b) R ist, dann sagt man auch, dass a und b äquivalent sind. Die Menge aller Elemente aus M, die zu a äquivalent sind, und heißt Äquivalenzklasse von a und wird mit [a] R := {b M : (a, b) R} bezeichnet. Die Menge der Äquivalenzklassen heißt Quotientenmenge und wird mit M/ R := {[a] R : a M} bezeichnet. Für eine Quotientenmenge sind sozusagen einander äquivalente Elemente gleich und bilden gemeinsam ein einziges Element.

11 3. Relationen und Funktionen 11 Beispiel. Wir definieren die folgende Relation R Z Z: für enthalte R genau die Paare (a, b), bei denen a und b bei Division durch 5 den gleichen Rest lassen. Etwas formaler sagen wir: R = {(a, b) : n a, n b Z r {0, 1, 2, 3, 4} mit a = 5n a + r und b = 5n b + r}. Beispielsweise ist ( 4, 11) R, denn sowohl 4 = ( 1) und 11 = lassen sich als ganzzahliges Vielfaches von 5 plus 1 schreiben. Man überprüft leicht, dass R eine Äquivalenzrelation ist. Die Äquivalenzklasse von 3, beispielswiese, ist gegeben durch [3] R = {..., 7, 2, 3, 8,... }, und allgemeiner gilt für eine Zahl k Z und damit [k] R = {k + 5n : n Z} = {..., k 10, k 5, k, k + 5, k + 10,... } Z/ R := {[0] R, [1] R, [2] R, [3] R, [4] R } Natürlich hat nicht jede Relation nur endlich viele Äquivalenzklassen. Aber es ist immer wahr, dass zwei Äquivalenzklassen entweder disjunkt oder identisch sind: Satz. Sei R eine Äquivalenzrelation über der Menge M. Dann bilden die Äquivalenzklassen eine Partition von M. Etwas genauer: Für zwei beliebige Elemente a, b M gilt: [a] R [b] R [a] R = [b] R (a, b) R. Beweis. Wir bezeichnen die drei obigen Bedingungen mit (i), (ii) und (iii). (i) (iii): Sei c [a] R [b] R. Dann ist (a, c) R und (b, c) R, wegen Symmetrie also auch (c, b) R, und daher wegen Transitivität (a, b) R. (iii) (ii): Sei c M ein beliebiges Element mit c [a] R, d.h. (a, c) R. Wegen (iii) und Symmetrie gilt, dass (b, a) R, also durch Transitivität auch (b, c) R, also c [b] R. Damit ist [a] R [b] R gezeigt, die umgekehrte Inklusion geht komplett analog. (ii) (i): klar, denn wegen der Reflexivität gilt (a, a) R und somit a [a] R = [b] R. Mit Hilfe von Relationen können wir nun noch Funktionen einführen. Definition. Sei f A B eine binäre Relation mit der Eigenschaft, dass jedem Element a A durch f genau ein Element b B zugeordnet wird, d.h. dass a A : {b B : (a, b) f} = 1 gilt. In diesem Fall nennt man f eine Abbildung oder Funktion. Sei f nun eine Funktion. Um den Zuordnungscharakter auszudrücken schreibt man auch f : A B und f : a b und nennt zu jedem a A das eindeutige Element f(a) := b B mit (a, b) f

12 12 Kapitel I. Grundlagen das Bild von a unter f. Das Urbild von b B ist definiert als f 1 (b) := {a A : f(a) = b} A und muss nicht notwendigerweise aus genau einem Element bestehen (kann übrigens auch leer sein). Analog definiert man auch Bild bzw. Urbild einer Menge X A bzw. Y B durch f(x) := {f(a)} B und f 1 (Y ) := f 1 (b) A. a X Eine Funktion f : A B heißt injektiv, wenn für alle b B gilt: f 1 (b) 1, surjektiv, wenn für alle b B gilt: f 1 (b) 1, bijektiv, wenn für alle b B gilt: f 1 (b) = 1. Beispiel. Sei R 0 := {x R : x 0}. Die Funktion f 1 : R R mit f 1 : x x 2 ist weder injektiv noch surjektiv, f 2 : R 0 R mit f 2 : x x 2 ist injektiv, aber nicht surjektiv, f 3 : R R 0 mit f 3 : x x 2 ist nicht injektiv, aber surjektiv, f 4 : R 0 R 0 mit f 4 : x x 2 ist injektiv und surjektiv. Lemma 3.1. Es seien A und B nicht-leere, endliche Mengen und f : A B eine Funktion. Dann gilt: a) Wenn f bijektiv, dann A = B. b) Wenn A = B, dann gilt: b Y f injektiv f surjektiv f bijektiv. Beweis. a) Es gilt immer, dass A = b B f 1 (b). Da für b b die Mengen f 1 (b) und f 1 (b ) disjunkt sind, haben wir A = b B f 1 (b). (3.5) Wegen der Bijektivität ist f 1 (b) = 1 für alle b B, und daraus folgt A = B. b) Zu zeigen ist, dass unter der Voraussetzung A = B aus Injektivität oder aus Surjektivität bereits Bijektivität folgt. Wir betrachten wieder die Gleichung (3.5): B = A = b B f 1 (b), (3.6) im Durchschnitt sind also die Summanden gleich 1. Wenn f injektiv ist, dann sind nach Definition alle Summanden höchstens 1, und damit wegen (3.6) auch genau 1, also ist f bijektiv. Und analog gilt: Wenn f surjektiv ist, dann sind nach Definition alle Summanden mindestens 1, und damit wegen (3.6) auch genau 1, also ist f wiederum bijektiv.

13 3. Relationen und Funktionen 13 Ausblick 1: Im nächsten Kapitel werden wir diese einfache Proposition manchmal benutzen und die Kardinalität einer Menge A dadurch bestimmen, dass wir eine Bijektion in eine Menge B angeben, deren Kardinalität wir schon kennen oder einfach berechnen können. Ausblick 2: Im Unendlichen sehen die Dinge etwas anders aus. Es gibt beispielsweise Bijektionen f : N Z (z. Bsp. n ( 1) n n/2 ) oder f : N Q. Mengen M für die es eine surjektive Funktion f : N M gilt, heißen abzählbar. Gibt es eine Bijektion f : N R? Übungsaufgaben 1. Zeigen Sie: Wenn R eine asymmetrische binäre Relation auf M ist, dann ist M auch antisymmetrisch. 2. Zeigen Sie: Sei R eine binäre Relation über M und (a, a) R. Dann kann R nicht asymmetrisch sein. Literaturhinweise zu Kapitel I Weiteres Material zu Mengen, Mengenoperationen, Relationen und vollständiger Induktion findet sich beispielsweise bei [MN] in Kapitel 1.2 bis 1.6 oder bei [S] in Kapitel 0.1 bis 0.3.

14 14 Kapitel I. Grundlagen

15 Kapitel II Zählen 4 Elementares Zählen Wir versammeln (und benennen) hier fünf einfache Zählprinzipien, von denen die meisten so offensichtlich sind, das sie keinen Beweis benötigen. Summenregel. Wenn M 1,..., M k endliche Mengen sind, und wenn M = M 1... Mk, dann M = M M k = k M i. (4.1) Hierbei ist es natürlich essentiell, dass die Mengen M i paarweise disjunkt sind, andernfalls würden gemeinsame Elemente mehrfach gezählt - ist das der Fall, dann muss man die Formel für Inklusion-Exklusion (siehe Satz 4.1) benutzen. Die Summenformel haben wir schon mehrfach (heimlich) benutzt, so zum Beispiel in der Herleitung von (3.5). Produktregel. Wenn M 1,..., M k endliche Mengen sind, und wenn M = M 1 M k, dann M = M 1 M k = i=1 k M i. (4.2) Anders als bei der Summenregel müssen die Mengen M i hier nicht disjunkt sein. Stattdessen ist es bei der Produktregel wichtig, dass die Entscheidungen welches Element wähle ich aus M i? unabhängig voneinander sind: die Tatsache, dass ich mich für x i M i entschieden habe, darf mich nicht bei der Wahl des x j M j für j i einschränken. Ein Beispiel: Beispiel. Wir ermitteln die Kardinalität der Menge M von Autokennzeichen der Form K XY abcd, wobei K fixiert ist, X, Y Buchstaben aus einem 26-elementigen Alphabet und a, b, c, d Ziffern von 0 bis 9 sind, also M = {K} {A,..., Z} {A,..., Z} {0,..., 9} {0,..., 9} {0,..., 9} {0,..., 9}. i=1

16 16 Kapitel II. Zählen Dementsprechend gibt es M = = verschiedene Kennzeichen. Zählen durch Bijektion. Wenn A und B zwei endliche Mengen, und wenn f : A B eine Bijektion ist, dann A = B. (4.3) Diese Aussage haben wir bereits in Lemma 3.1 a) bewiesen. Hier geben wir ein kleines Anwendungsbeispiel: Beispiel. Es sei M := {m 1,..., m n } eine Menge mit n N 0 Elementen. Wir suchen nach einem Bijektionsbeweis dafür, dass P(M) = 2 n ist (was wir ja auf Seite?? bereits durch Induktion bewiesen haben). Dazu betrachten wir die folgende Funktion f : P(M) {0, 1} n, die jeder Teilmenge S M = {m 1,..., m n } ein n-tupel (x 1,..., x n ) wie folgt zuordnet: { 0 wenn m i S f(s) := (x 1,..., x n ) mit x i := für alle i [n]. 1 wenn m i S Beispielsweise gilt für M := {2, 3, 5} und S := {2, 5}, dass f(s) = (1, 0, 1). Das n-tupel f(s) nennt man auch charakteristischen Vektor von S. Man überprüft leicht, dass f eine Bijektion ist. Damit folgt P(M) (4.3) = {0, 1} n (4.2) = {0, 1} n = 2 n. Die folgende Aussage betrachtet eine binäre Relation R A B und zählt die Elemente in R einmal von A aus gesehen und einmal von B aus gesehen. Doppeltes Abzählen. Es sei R A B eine binäre Relation. Dann gilt {b B : (a, b) R} = R = {a A : (a, b) R}. (4.4) a A b B Diese Regel ergibt sich natürlich sofort aus der Summenregel, wenn man sie auf die Partition a A {(a, b) R : b B} = R = b B {(a, b) R : a A}. anwendet. Trotzdem ist es nützlich, sie für spätere Anwendungen in Form von (4.4) zu konservieren. Wir wollen dies gleich an den zwei folgenden Beispielen ausprobieren. Beispiel. Wir betrachten eine Menge G von Gartenzäunen, die eine Menge B von Blumenbeeten erzeugt. Die Gartenzäune sind Strecken in der Ebene, die sich nicht überkreuzen dürfen, und ein Blumenbeet ist ein Gebiet, das vollständig von Gartenzäunen begrenzt ist - siehe Abbildung??. Wir behaupten: 2 3 G B.

17 4. Elementares Zählen 17 Bild Dazu betrachten wir die Relation R G B, die durch R := {(g, b) : g begrenzt b} definiert ist. Offensichtlich kann jeder Gartenzaun höchstens zwei Blumenbeete begrenzen, und jedes Blumenbeet braucht mindetens drei begrenzende Gartenzäune. Mit anderen Worten: g G : {b B : (g, b) R} 2 und b B : {g G : (g, b) R} 3. Damit ergibt sich 2 G g G {b B : (g, b) R} (4.4) = {g G : (g, b) R} 3 B, b B was zu zeigen war. Obige Abschätzung werden wir später in Abschnitt?? noch benutzen. Hier ist noch ein weiteres Bespiel für die Verwendung des doppelten Abzählens, das wir [A] entliehen haben. Beispiel. Wir definieren eine Relation R [n] [n] durch (i, j) R genau dann, wenn i ein Teiler von j ist. Außerdem sei t(j) die Anzahl von Teilern von j, und t(n) die durchschnittliche Anzahl von Teilern, also: t(j) := {i [n] : (i, j) R} und t(n) := 1 n n t(j). Die Funktion t(j) scheint sehr ungleichmäßig zu sein, und entsprechend sieht es nicht ganz leicht aus, t(n) zu bestimmen. Setzen wir hingegen s(i) := {j [n] : (i, j) R}, dann zählen wir damit zu gegebenem i die Zahlen aus [n], die i als Teiler enthalten, also die Vielfachen von i, und davon gibt es genau n/i viele. Somit gilt: t(n) = 1 n = 1 n n t(j) = 1 n j=1 n s(i) = 1 n i=1 n j=1 {i [n] : (i, j) R} (4.4) = 1 n n n/i. i=1 j=1 n {j [n] : (i, j) R} i=1 (4.5) Wir versuchen jetzt, die Abrundungsklammern. los zu werden: es gilt, dass (n/i) 1 < n/i n/i, und daher folgt aus (4.5), dass n (1/i) 1 = 1 n i=1 n (n/i) 1 = 1 n i=1 n ((n/i) 1) < t(n) 1 n i=1 n (n/i) = i=1 n (1/i) i=1 (4.6)

18 18 Kapitel II. Zählen Die Summe n i=1 (1/i) wird auch als n-te harmonische Zahl bezeichnet, und man kann mit elementaren Mitteln zeigen, dass n ln(n) + 1 ln(2) (1/i) ln(n) + 1. (4.7) i=1 Kombiniert man nun (4.6) und (4.7), dann ergibt sich ln(n) ln(2) t(n) ln(n) + 1 Inklusion Exklusion. Wir haben bereits die Summenregel kennengelernt, deren Anwendung aber voraussetzt, dass die beteiligten Mengen paarweise disjunkt sein müssen. Ist diese Voraussetzung nicht gegeben, müssen wir genauer rechnen. Für den Spezialfall von zwei Mengen gilt beispielsweise offensichtlich, dass M 1 M 2 = M 1 + M 2 M 1 M 2, weil wir die Elemente in der Schnittmenge doppelt gezählt haben und daher wieder abziehen müssen. Für drei Mengen gilt M 1 M 2 M 3 = M 1 + M 2 + M 3 M 1 M 2 M 1 M 3 M 2 M 3 + M 1 M 2 M 3, (4.8) weil wir die Elemente im Schnitt aller drei Mengen erst dreimal gezählt haben, dann wieder dreimal abgezogen haben, also noch einmal hinzuzählen müssen. Bild Im Allgemeinen gilt die folgende Formel: Satz 4.1. Für endliche Mengen M 1,..., M n gilt: n M i = i=1 n (( 1) r 1 r=1 1 i 1< <i r n r j=1 ) M ij. (4.9) Die innere Summe läuft dabei über alle r-tupel (i 1,..., i r ) mit 1 i 1 < < i r n und legt damit fest, über welche M ij die Schnittmenge gebildet werden soll. Der Beweis lässt sich zum Beispiel durch vollständige Induktion über n führen, ist wegen des involvierten Indexgeschachers aber etwas aufwändig (wenn auch nicht schwierig) und wird daher zunächst vertagt. Statt dessen überprüfen wir kurz, dass im Fall n = 3 die drei Summanden für r = 1, 2, 3 der rechten Seite

19 5. Teilmengen und Partitionen zählen 19 von (4.9) mit den Summanden aus (4.8) übereinstimmen ( 1) 1 1 ( 1) 2 1 ( 1) i i 1<i i 1<i 2<i M ij = j=1 2 M ij = j=1 1 i 1 3 M i1 1 i 1<i M ij = M 1 M 2 M 3. j=1 5 Teilmengen und Partitionen zählen M i1 M i2 Wir wollen in diesem Abschnitt zählen, auf wieviele verschiedene Weisen man aus einer Menge eine Teilmenge auswählen kann. Ein einfaches Beispiel für diese Aufgabenstellung ist das Ziehen von k Lotto-Zahlen aus einer Menge von n verschiedenen möglichen Zahlen ( 6 aus 49 ). Dabei müssen wir festlegen, ob es auf die Reihenfolge ankommt, und ob Zahlen, nachdem sie gezogen wurden, noch einmal gezogen werden können (Auswahl mit oder ohne Zurücklegen). Alle diese Fälle werden in den zwei folgenden Sätzen behandelt. Satz 5.1. Seien n, k N 0 und M eine Menge mit M = n. a) Geordnet, mit Zurücklegen: Für die Menge M k = {(c 1,..., c k ) : c i M i [k]} gilt, dass M k = n k. b) Geordnet, ohne Zurücklegen: Für die Menge M k := {(c 1,..., c k ) : c i M i [k], c i c j i j [k]} gilt: M k = n (n 1)... (n k + 1) =: n k Die Funktion x x k für x R und k N 0 nennt man auch fallende Faktorielle. Die Spezialfälle lauten: x 0 = 1 für alle x R und n n = n (n 1) 1 =: n!, nennt man Fakultät. Insbesondere zählt n! die Anzahl von möglichen Reihenfolgen von n verschiedenen Elementen. c) Ungeordnet, ohne Zurücklegen: Für die Menge ( ) M = {{c 1,..., c k } : c i M i [k], c i c j i j [k]} k gilt: ( M k ) = nk k! =: ( ) n. k

20 20 Kapitel II. Zählen Beweis. Die Aussage in a) folgt direkt aus der Produktregel. Auch die für b) behauptete Kardinalitätsaussage ist intuitiv einsichtig, denn für die Auswahl von c 1 haben wir n Möglichkeiten, für die von c 2 dann n 1 Möglichkeiten, usw. Allerdings lässt sich dieser Ansatz nicht unmittelbar mit der Produktregel formalisieren, denn die Menge, aus der wir das Element c 2 auswählen, ist eben abhängig von dem Element c 1. Für einen formalen Beweis der Aussage in b) verweisen wir daher auf Aufgabe 1. Um die Formel in Aussage c) zu beweisen, wählen wir zunächst ein k-tupel aus M k und machen daraus eine k-elementige Teilmenge, im dem wir die Reihenfolge der k Elemente vergessen. Formal betrachten wir eine Funktion f : M k ( ) M k, die einem k-tupel (c1,..., c k ) M k die zugrundeliegende Menge {c 1,..., c k } ( ) M k zuordnet. Es gilt: n k = M k = ( ) f 1 (T ) = M k! k T ( M k ) und daraus folgt die behauptete Formel. Es fehlt nun noch der Fall, bei dem wir ungeordnete Elemente eventuell mehrfach auswählen. Offensichtlich können wir das daher weder durch ein k-tupel noch durch eine Teilmenge modellieren, sondern wir benötigen einen neuen Objekt- Typ, und zwar den der Muttimenge. Dazu zunächst ein kleines Beispiel: Sei M := {a, b, c, d, e}. Die Multimenge T := {c, a, b, a, c, c, e} soll beispielsweise mit der Multimenge {a, a, b, c, c, c, e} identisch sein soll, weil die Reihenfolge der Elemente irrelevant ist, sich aber von der Multimenge {a, b, c, e} unterscheiden, weil es darauf ankommt, wie oft ein Element aus M in T enthalten ist. Formal definieren wir eine Multimenge durch Angabe der Grundmenge M und eine Funktion ϕ, die zu jedem Element aus M aussagt, wie oft es in der Multimenge enthalten sein soll, also ϕ(a) = 2, ϕ(b) = 1, ϕ(c) = 3, ϕ(d) = 0 und ϕ(e) = 1 in obigem Beispiel. Die Kardinalität der Multimenge ist dann gegeben durch m M ϕ(m). Satz 5.2 (Ungeordnet, mit Zurücklegen). Seien n, k N 0 und M eine Menge mit M = n. Für die Menge der k-elementigen Multimengen über M, bezeichnet mit M := k { (M, ϕ) : ϕ : M N 0 mit m M ϕ(m) = k }, gilt, dass ( ) M n + k 1 = =: k k n. k

21 5. Teilmengen und Partitionen zählen 21 Beweis. Um die Kardinalität von M k zu bestimmen, kodieren wir die Multimengen in M k wie folgt. Sei Y die Menge aller Folgen der Länge n + k 1, die genau k mal das Zeichen und genau n 1 mal das Zeichen verwenden. Die Abbildung f : M k Y ordnet einer Multimenge T = (M, φ) M k die Folge }.. {{. } }.. {{. } }.. {{. } ϕ(m 1)mal ϕ(m 2)mal ϕ(m n)mal aus Y zu. Die Multimenge {a, a, b, c, c, c, e} beispielsweise wird also durch f auf das Wort abgebildet. Man kann leicht überprüfen, dass f eine Bijektion ist. Wir können uns also dank des Zählens durch Bijektion darauf zurückziehen, die Anzahl der Elemente in Y zu bestimmen, und das ist einfach: wir wählen (ungeordnet, ohne Zurücklegen) die k Positionen für die Zeichen aus den n+k 1 Positionen in der Folge aus. Dafür gibt es gemäß c) genau ( ) n+k 1 Möglichkeiten. Somit gilt: M k (4.3) = Y = ( n + k 1 k ). k Dazu noch ein paar Bemerkungen. Wenn M eine Menge und n eine Zahl ist, dann bezeichnen die Ausdrücke M k, M k, ( ) M k und M k also Mengen, während die Ausdrücke n k, n k, ( n k) und n k Zahlen darstellen. In den Fällen b) und c) muss zwingend k n sein, bei a) und d) ist das nicht notwendig. Wir listen einige nützliche Eigenschaften dieser Zählfunktionen auf. Lemma 5.3. Es seien m, n, k N 0 mit k n und k m. Ferner seien x, y R. Dann gelten: a) ( ) n k = n! k!(n k)!. b) ( ) ( n k = n. c) ( ) ( n 1 k 1 + n 1 ) ( k = n ) k für n, k 1. d) (x + y) n = n ( n i=0 i) x i y n i. e) 2 n = n ( n i=0 i). f) x n+k = x n (x n) k. g) (x + y) n = n ( n i=0 i) x i y n i. h) n ( n )( m ) ( i=0 i k i = n+m ) k. Beweis. Die Aussagen a),b),c) und f) folgen unmittelbar aus den Definitionen. Aussagen d) und f) kann man leicht mit Induktion über n beweisen. Aussage e) folgt mit x := 1 und y := 1 aus d). Alternativ kann man hier auch wie folgt argumentieren: Die linke Seite der Gleichung beschreibt die Anzahl der Teilmengen

22 22 Kapitel II. Zählen einer n-elementigen Menge (siehe (2.3)). Und auch die rechte Seite der Gleichung zählt die Anzahl dieser Teilmengen, allerdings sortiert nach der Größe (also i) der Teilmengen. Ein solches Argument nennt man auch kombinatorischen Beweis für eine numerische Formel. Für die Aussage h) geben wir auch einen kombinatorischen Beweis an: Die rechte Seite der Gleichung zählt (zum Beispiel) die k-elementigen Teilmengen einer Menge, die sich aus n Frauen und m Männern zusammensetzt. Und die linke Seite tut das auch, und zwar sortiert nach der Anzahl i von Frauen in der k-elementigen Teilmenge. Formal aufschreiben könnte man das zum Beispiel so: es seien N und M Mengen mit N M = und N = n und M = m. Dann ist (( ) ( )) (( ) ( )) ( ) N M N M N M f :... 0 k k 0 k mit f : (S, T ) S T eine Bijektion, und da ( ) ( N i M ( k i) = n )( m i k i) ist, ergibt sich mit der Summenregel die Formel in Aussage h). Wir gehen nun dazu über, Partitionen zu zählen. Definition. Es seien k, n N 0 und M eine Menge mit M = n. Eine k-partition der Menge M ist eine Zerlegung von M in k disjunkte, nicht-leere Mengen: M = M 1... Mk. Die Anzahl von k-partitionen einer n-elementigen Menge wird mit S n,k bezeichnet (und heißt Stirling-Zahl zweiter Art 1 ). Man setzt S 0,0 := 1. Ein Beispiel: Die Menge M = {1, 2, 3} hat drei 2-Partitionen, nämlich M = {1, 2} {3} = {1, 3} {2} = {2, 3} {1}. Satz 5.4. Es seien k, n N 0. a) Für k > n gilt: S n,k = 0. b) Für n 1 gilt: S n,0 = 0. c) Für 1 k n gilt: S n,k = S n 1,k 1 + k S n 1,k. Beweis. Die Aussagen a) und b) sind offensichtlich. Um c) zu beweisen, betrachten wir eine Menge M = {m 1,..., m n } deren k-partitionen wir zählen möchten. Wir zählen zunächst nur diejenigen k-partitionen, in denen eine Partitionsklasse aus genau dem Element m n besteht. Davon gibt es genau S n 1,k 1 viele, denn die Möglichkeiten erschöpfen sich jetzt darin, die Elemente m 1,..., m n 1 in k 1 Partitionsklassen zu gruppieren. Für alle anderen Partitionen gilt, dass das Element m n nicht alleine in einer Partitionsklasse liegt. Wir verteilen also zunächst alle Elemente m 1,..., m n 1 auf k Partitionsklassen, und wählen dann aus, zu welcher Klasse wir das Element m n dazu stecken. Dafür gibt es insgesamt k S n 1,k Möglichkeiten. Somit folgt die Behauptung aus der Summenregel. 1 Stirling-Zahlen erster Art werden mit s n,k bezeichnet und zählen Permutationen der Menge [n] mit k Zyklen.

23 5. Teilmengen und Partitionen zählen 23 Mit Hilfe der obigen Rekursion lässt sich auch eine Formel für S n,k beweisen: Satz 5.5. Für 1 k n gilt: S n,k = k r (k r)n ( 1) r!(k r)!. r=0 Beweis. Diese Aussage lässt sich entweder durch Induktion beweisen, oder alternativ auch durch einen kombinatorischen Beweis (siehe Aufgabe 2) herleiten. Eine Partition einer Menge induziert natürlich automatisch auch eine Zerlegung ihrer Kardinalität in positive Summanden und auch hier wollen wir untersuchen, wieviele mögliche Kombinationen es gibt. Definition. Es seien wieder k, n N 0. Eine k-partition der Zahl n ist eine Zerlegung von n in k Summanden: n = n n k mit n i N für alle i [k]. Bei einer geordneten Partition kommt es auf die Reihenfolge der Summanden an, bei einer ungeordneten nicht. Die Anzahl von ungeordneten k-partitionen der Zahl n wird mit P n,k bezeichnet, man setzt P 0,0 := 1. Ein Beispiel: n = 4 und k = 2. Dann gibt es zwei ungeordnete 2-Partitionen von 4, nämlich 4 = = 2 + 2, aber drei geordnete 2-Partitionen, nämlich 4 = = = Satz 5.6. Es seien k, n N 0. a) Für k > n gilt: P n,k = 0. b) Für n 1 gilt: P n,0 = 0. c) Für 1 k n gilt: P n+k,k = k 1 i=0 P n,k 1. d) Für 1 k n gilt: Es gibt genau ( n 1 k 1) geordnete k-partitionen der Zahl n. Beweis. Die Aussagen a) und b) sind wieder offensichtlich. Um c) zu beweisen wollen wir jeden Summanden in einer Partition, der gleich 1 ist, einen Einser nennen. Eine k-partition der Zahl n + k kann offensichtlich zwischen 0 und k 1 viele Einser haben. Wir behaupten, dass die Anzahl der k-partitionen der Zahl n+k mit genau i Einsern P n,k i beträgt, woraus die Aussage c) folgen würde. Dazu geben wir eine Bijektion von der Menge der k-partitionen der Zahl n + k mit genau i Einsern in die Menge der (k i)-partitionen der Zahl n wie folgt an: Schreibe zunächst Setze dann n + k = n }{{} i+1 + n i n k. }{{} i Einsen k i Summanden 2 n i+1 := n i+1 1, n i+2 := n i+2 1,..., n k := n k 1. Dann ist n i n k = n + k i (k i) = n, und also stellen die n i+1,..., n k eine (k i)-partition der Zahl n dar. Diese Abbildung ist bijektiv, denn man

24 24 Kapitel II. Zählen kommt umgekehrt von jeder (k i)-partition der Zahl n durch Addition von 1 zu jedem Summanden und Hinzufügen von i Einsern wieder zurück zu genau einer k-partition der Zahl n + k mit genau i Einsern. Der Beweis von d) ist noch einfacher. Wir schreiben n = als Summe von n Einsen, und entsprechend mit genau n 1 Pluszeichen. Eine geordnete k-partition der Zahl n entspricht jetzt einfach einer Auswahl von k 1 Pluszeichen (ungeordnet, ohne Zurücklegen dafür gibt es ( n 1 k 1) Möglichkeiten), und an diesen Pluszeichen beginnt dann der nächste Summand: n = }{{}}{{}}{{} =n 1 =n 2 =n k. Anfang VL Partitionen von Mengen und Zahlen kann man sich gut visualisieren, wenn man sich vorstellt, dass eine Menge von Bällen auf Körbe zu verteilen sind. Folgerung. Wir werfen n Bälle in k Körbe. Wieviele Verteilungsmöglichkeiten gibt es? Jeder Ball wird genau einmal geworfen. Trotzdem müssen wir erstens unterscheiden, ob die Bälle und die Körbe unterscheidbar sind. Außerdem wollen wir noch spezifizieren, ob es weitere Bedingungen gibt, nämlich ob die Verteilung der Bälle beliebig, oder injektiv (d.h. höchstens ein Ball pro Korb), oder surjektiv (d.h. mindestens ein Ball pro Korb), oder bijektiv ist. Dann ist die Anzahl der möglichen Verteilungen gegeben durch: n Bälle, k Körbe beliebig inj. surj. bij. a) Bälle unt.bar, Körbe unt.bar k n k n k!s n,k n! ( b) Bälle nicht unt.bar, Körbe unt.bar n+k 1 ) ( k ( n 1 ) n n) k 1 1 k c) Bälle unt.bar, Körbe nicht unt.bar i=1 S n,i 1 S n,k 1 k d) Bälle nicht unt.bar, Körbe nicht unt.bar i=1 P n,i 1 P n,k 1 (Hierbei ist natürlich klar, dass für injektive Verteilungen notwendigerweise n k gelten muss, für surjektive n k, und für bijektive n = k; andernfalls gibt es überhaupt keine solche Verteilung.) Beweis. a) In diesem Fall zählen wir eigentlich Funktionen f : [n] [k]. Also gibt es offensichtlich k n beliebige Funktionen, und k n injektive. Um die surjektiven zu zählen, machen wir uns klar, dass die Urbilder f 1 (y) für y = 1,..., k die Menge [n] in k Mengen partitionieren. Von diesen Partitionen gibt es gemäß Definition 5 genau S n,k viele. Nun können wir noch für jede Partitionsklasse aussuchen, auf welches y [k] sie abgebildet wird, dafür gibt es k! Möglichkeiten. Für bijektive Zuordnungen gibt es genau n! verschiedene Möglichkeiten.

25 6. Erzeugende Funktionen 25 b) Da die Bälle nicht unterscheidbar, die Körbe aber unterscheidbar sind, zählen wir in diesem Fall eigentlich so etwas wie Wahlausgänge. Einen beliebige Ballverteilung können wir uns als Auflistung der getroffenen Korbnummern vorstellen, also etwa {1,..., 1, 2,..., 2,..., k,..., k} und das ist dann genau eine n-elementige Multimenge über der Menge [k], wovon es gemäß Satz 5.2 genau ( ) n+k 1 n gibt. Wenn wir injektive Ballverteilungen zählen, dann wird jeder Korb entweder gar nicht oder einmal getroffen, und daher besteht unsere Freiheit genau darin, die n Körbe auszuwählen, die getroffen werden sollen dafür gibt es ( k n) Möglichkeiten. Eine surjektive Ballverteilung entspricht einer geordneten Zerlegung der Zahl n in k Summanden, und davon gibt es gemäß Satz 5.6d) genau ( n 1 k 1) viele. Es gibt nur eine bijektive Zuordnung, nämlich in jeden Korb einen Ball. c) Da jetzt die Körbe nicht mehr unterscheidbar sind, zählen wir in diesem Fall die Partitionen der Menge der n Bälle. Gemäß Definition 5 zählt S n,i genau die Anzahl solcher Partitionen in i nicht leere Körbe. Entsprechend ist k i=1 S n,i die Gesamtanzahl der Partitionen. Da die Körbe nicht unterscheidbar sind, gibt es nur eine injektive Verteilung, nämlich je ein Ball in n (beliebige) der k Körbe. Die Anzahl der surjektiven Ballverteilungen beträgt S n,k, wie schon aus unserer Diskussion im vorangegangenen Absatz folgt. Bijektive Zuordnungen gibt es nur genau eine. d) Im Unterschied zu c) sind jetzt auch die Bälle nicht mehr unterscheidbar, das heißt, wir zählen jetzt Partitionen der Zahl n der Bälle. Entsprechend übertragen sich alle Ergebnisse von Fall c), wenn wir S n,i durch P n,i ersetzen. 6 Erzeugende Funktionen Angenommen, wir kennen die ersten Werte einer Folge von Zahlen, und außerdem eine Rekursionsvorschrift, die besagt, wie sich spätere Folgengliedern aus früheren berechnen. Unser Ziel in diesem Abschnitt ist es, ein Verfahren kennenzulernen, mit dem wir dann eine explizite Formel für das n-te Folgenglied herleiten können. Wir wollen dies zunächst an einem einfachen Beispiel tun, ohne uns viele Gedanken darüber zu machen, was wir dort eigentlich machen, wieso wir es dürfen, und warum es funktioniert. Anschließend werden wir dann den theoretischen Unterbau nachliefern, und ihn an weiteren Beispielen testen. Beispiel. Die Folge a 0, a 1, a 2,... sei gegeben durch den Startwert a 0 := 2 und die Rekursion a n := 3a n für alle n N. Wir suchen eine explizite Formel für a n. Dazu entwickeln wir eine Methode, die aus sechs Schritten besteht. Schritt 1: Potenzreihe aufstellen. Wir definieren A(x) := n=0 a nx n.

26 26 Kapitel II. Zählen Schritt 2: Setze Anfangswerte und Rekursion in die Potenzreihe ein. A(x) = a 0 + a n x n = 2 + (3a n 1 + 1)x n n=1 n=1 Schritt 3: Ersetze die auftretenden a n unter Verwendung von A(x). A(x) = 1 + 3x a n 1 x n = 1 + 3x n=1 a n x n + n=0 = 1 + 3xA(x) + n=0 1 1 x. Bei der letzten Umformung haben wir die Summenformel für die geometrische Reihe benutzt: q n 1 = für alle q R mit 0 q < 1. (6.10) 1 q n=0 Schritt 4: Nach A(x) auflösen. x n n=1 x n A(x) 3xA(x) = x 1 A(x) = 1 3x + 1 (1 x)(1 3x). Schritt 5: Stelle die gebrochen rationale Funktion als Potenzreihe dar. Dazu finden wir zunächst eine Partialbruchzerlegung für den zweiten Bruch: 1 (1 x)(1 3x) = x x. wie man durch Mulitiplikation beider Seiten mit (1 x)(1 3x) schnell verifiziert. Damit haben wir gezeigt, dass A(x) = (6.10) = 1 1 3x x x = 5 2 (3x) n 1 x n = n=0 Schritt 6: Koeffizientenvergleich. Wir haben gezeigt, dass n=0 n=0 n= x 1 2 ( 5 2 (3x)n 1 2 xn a n x n 1 = A(x) = 2 (5 3n 1)x n n=0 1 1 x )

27 6. Erzeugende Funktionen 27 für unendlich viele Werte von x R gilt, und damit ergibt sich (wir müssen später noch thematisieren, warum), dass die Koeffizienten links und rechts alle übereinstimmen müssen: für alle n N 0 gilt: a n = 1 2 (5 3n 1), womit die gewünschte Formel für a n gefunden wäre. Nicht ganz überraschenderweise stimmt sie tatsächlich mit der Formel überein, die wir für genau dieses Beispiel in Abschnitt 2 (siehe Gleichung (2.2)) erst geraten und dann durch vollständige Induktion bewiesen haben. Das Bemerkenswerte an der hier vorgestellten Methode ist, dass man mit ihrer Hilfe eine solche Formel, ohne sie zu raten, herleiten kann. Mehrere Stellen in dem obigen Kochrezept bedürfen noch einer genaueren Begründung, beispielsweise die Frage, ob unsere Potenzreihen überhaupt konvergieren, oder warum wir im letzten Schritt auf die Gleichheit der Koeffizienten schließen dürfen. Dazu stellen wir jetztim Folgenden den formalen Rahmen bereit, der sich an einigen Stellen auf Hilfsmittel aus der Analysis stützen wird. Definition. Es sei (a n ) n N = a 0, a 1, a 2,... eine unendliche Folge von reellen Zahlen. Dann nennt man a n x n, n=0 eine formale Potenzreihe. Wenn für eine Zahl x R die Summe n=0 a nx n konvergiert, dann ist die Funktion dort wohldefiniert. A : R R mit A(x) := a n x n Wir wollen für das Folgende vereinbaren, dass, wann immer wir A(x) schreiben, wir damit den Grenzwert der Potenzreihe meinen, unter der Voraussetzung, dass sie konvergiert auch wenn wir diese Voraussetzung nicht jedes Mal explizit nennen. Eine weitere Verabredung: Wann immer wir in der Zukunft bei einer Summe auf die Angabe des Laufindex n und seiner Grenzen verzichten und nur schreiben, meinen wir die Summe mit Laufindex n mit Grenzen 0 und, also n=0 Ėiner Folge (an) wird also eine Funktion A(x) zugeordnet. Können zwei verschiedene Folgen die gleiche Funktion generieren? Der folgende Satz, den Sie in der Analysis noch beweisen werden, sagt nein. n=0 Satz 6.1. Seien (a n ) n N und (b n ) n N zwei Folgen und A(x) := a n x n und B(x) := b n x n.

28 28 Kapitel II. Zählen Wenn es ein ε > 0 gibt, so dass für alle x R mit 0 x ε gilt, dass A(x) und B(x) sind wohldefiniert und es gilt A(x) = B(x), dann folgt n N 0 : a n = b n. Durch diesen Satz ist also klar, dass die Zuordnung Folge Funktion im obigen Sinne injektiv ist und wir daher auch die Umkehrabbildung betrachten können. Wir werden später (siehe 6.4) noch sehen, wie man aus einer gegebenen Funktion A(x) die Folgenglieder a n so berechnet, dass A(x) = n 0 a nx n gilt. Man sagt dann auch, dass A(x) die erzeugende Funktion der Folge (a n ) n N ist. Wir definieren nun die grundlegenden Operationen Addition, Multiplikation, Inversion und Ableitung von formalen Potenzreihen. Definition. Es seien a n x n und b n x n zwei formale Potenzreihen. a) Die Summe von a n x n und b n x n ist definiert als die formale Potenzreihe cn x n mit c n := a n + b n für alle n N 0. b) Das Produkt von a n x n und b n x n ist definiert als die formale Potenzreihe cn x n mit c n := n k=0 a kb n k für alle n N 0. c) Die Potenzreihe b n x n heißt inverse Potenzreihe von a n x n, wenn für ihr Produkt c n x n (das wie in b) definiert ist) gilt: c 0 = 1 und c n = 0 für alle n N. d) Die Ableitung von a n x n ist definiert als die formale Potenzreihe na n x n 1 = (n + 1)a n+1 x n. n=1 n=0 Betrachtet man formale Potenzreihen als Funktionen, dann leisten die obigen Operationen das, was ihre Namen suggerieren. Satz 6.2. Es seien A(x) = a n x n und B(x) = b n x n für x R konvergent. a) Wenn C(x) = c n x n mit c n = a n + b n ist, dann gilt C(x) = A(x) + B(x). b) Wenn C(x) = c n x n mit c n = n k=0 a kb n k ist, dann gilt C(x) = A(x) B(x). c) Wenn A(x) in x differenzierbar ist und wir die Ableitung mit A (x) bezeichnen, dann gilt A (x) = n=0 (n + 1)a n+1x n. Beweis. siehe Analysis. Lemma 6.3. a n x n hat genau dann eine inverse Potenzreihe b n x n, wenn a 0 0 ist. In diesem Fall gilt b 0 = 1 und b n = 1 n a k b n k n N. a 0 a 0 k=1

29 6. Erzeugende Funktionen 29 Beweis. Sei b n x n zunächst eine beliebige Potenzreihe und c n x n das Produkt von a n x n und b n x n. Wenn b n x n die inverse Potenzreihe von a n x n ist, dann folgt aus 1 = c 0 und 0 = c n und n c n = a j b n k für alle n N 0, dass k=0 1 = c 0 = a 0 b 0 und 0 = c n = 1 a 0 = b 0 und 0 = a 0 b n + n a k b n k k=0 n a k b n k k=1 n N n N 1 = b 0 und 1 n a k b n k = b n n N. a 0 a 0 Wenn umgekehrt diese Gleichungen gegeben sind, dann ist b n x n die zu a n x n inverse Potenzreihe. Beispiel. a) Sei γ R beliebig und A(x) := n 0 a nx n mit a n := γ n. A(x) ist also die sogenannte geometrische Reihe. Wir wollen die zu A(x) inverse Potenzreihe B(x) bestimmen und wenden dazu Proposition 6.3 an. Dann ist b 0 = 1/a 0 = 1 und b n = n k=1 a kb n k, also b 1 = a 1 b 0 = γ und b 2 = (a 1 b 1 + a 2 b 0 ) = ( γ 2 + γ 2 ) = 0. Auch für n 3 folgt dann, dass b n = 0 ist, wie man sich induktiv leicht klar macht: k=1 b n = (a 1 b n 1 + a 2 b n a n 2 b 2 +a n 1 b 1 + a n b 0 ) }{{} =0 weil b n 1 = = b 2 = 0 = (γ n 1 ( γ) + γ n ) = 0. Also ist B(x) = b 0 + b 1 x = 1 γx die inverse Potenzreihe zu A(x), das heißt ( n 0 γn x n ) (1 γx) = 1, also γ n x n 1 = 1 γx. (6.11) n 0 b) Nach a) gilt (mit γ = 1), dass n 0 xn = (1 x) 1. Bildet man auf beiden Seiten die k-fache Ableitung, dann erhält man n(n 1) (n k + 1)x n k = n k k! (1 x) k+1

30 30 Kapitel II. Zählen und daraus folgt ( ) n + k x n k n 0 = n k ( ) n x n k = k 1 (1 x) k+1 (6.12) für alle k N, sofern die Summe konvergiert. Der folgende Satz aus der Analysis über die sogenannte Taylor Entwicklung befasst sich nun mit der schon angerissenen Frage, wie man an einer Funktion A(x) abliest, welche Folge (a n ) n N0 mit A(x) = n 0 a nx n sie erzeugt. Satz 6.4. Sei A : R R eine Funktion, die in 0 unendlich oft differenzierbar ist, und bezeichne mit A (k) (x) die k-te Ableitung an der Stelle x. Dann gilt: A(x) = n 0 vorausgesetzt, die Summe konvergiert. A (n) (0) x n, n! Mit anderen Worten: A(x) ist die erzeugende Funktion für die Folge (a n ) n N0 mit a n := A (n) (0)/n!. Satz 6.4 werden Sie in der Analysis Vorlesung beweisen. Beispiel. Wir hatten in Proposition 5.3 d) bereits gesehen, dass für m N 0 gilt: (1 + y) m = m n=0 ( ) m y n. n Nun wollen wir eine ähnliche Formel für den Fall m R herleiten. Sei also r R und setze A(y) := (1 + y) r. Dann gilt für die r-te Ableitung an der Stelle 0: A (n) (0) = r (r 1) (r n + 1) (1 + 0) r n = r n, also (1 + y) r = A(y) 6.4 = n 0 A (n) (0) y n = r n n! n! yn = n 0 n 0 ( ) r y n. (6.13) n Nach dieser kurzen Einführung in die Theorie der erzeugenden Funktionen wollen wir die Methode jetzt noch einmal auf ein konkretes Beispiel anwenden. Beispiel. Die Folge der Fibonacci-Zahlen ist gegeben durch die Startwerte F 0 = 0 und F 1 = 1 und die rekursive Vorschrift F n+2 = F n+1 + F n, für alle n N 0. Wir suchen eine explizite Formel für F n.

31 6. Erzeugende Funktionen 31 Schritt 1: Potenzreihe aufstellen. Wir definieren F (x) := n N 0 F n x n. Schritt 2: Setze Anfangswerte und Rekursion in die Potenzreihe ein. F (x) = F 0 + F 1 x + n 2 = x + n 0 F n x n F n+2 x n+2 = x + n 0(F n+1 + F n )x n+2. Schritt 3: Ersetze die auftretenden F n unter Verwendung von F (x). F (x) = x + F n+1 x n+2 + F n x n+2 n 0 n 0 = x + x F n+1 x n+1 + x 2 F n x n n 0 n 0 = x + x(f (x) F 0 ) + x 2 F (x) = x + xf (x) + x 2 F (x). Schritt 4: Nach F (x) auflösen. F (x) xf (x) x 2 F (x) = x F (x) = x 1 x x 2. Schritt 5: Stelle die gebrochen rationale Funktion als Potenzreihe dar. Dazu machen wir folgenden Ansatz. Bestimme α, β, γ, δ R, so dass für alle x R gilt: F (x) = x 1 x x 2 = α 1 γx + β 1 δx = α(1 δx) + β(1 γx) (1 γx)(1 δx) (6.14). Wir versuchen, die vier Variablen so zu wählen, dass die beiden Zähler und die beiden Nenner jeweils übereinstimmen und erhalten so die zwei Gleichungen: x = α(1 δx) + β(1 γx) (6.15) 1 x x 2 = (1 γx)(1 δx) = γ( 1 γ x)δ(1 x) (6.16) δ Aus Gleichung (6.16) erkennen wir, dass 1/γ und 1/δ die Lösungen der Gleichung 1 x x 2 = 0 sind. Mit Hilfe der Lösungsformel für quadratische Gleichungen ergibt sich daraus 1 γ = und analog, also γ = = 2 (1 + (1 5) 5) (1 5) = δ = 1 5, also δ = = = 1 5, 2

32 32 Kapitel II. Zählen Um β zu berechnen, setzen wir in (6.15) x = 1/δ und erhalten 1 δ = β(1 γ δ ), also β = 1 δ δ δ γ = = 1 5. Um α zu berechnen, setzen wir in (6.15) x = 0 und erhalten 0 = α + β, also α = β = 1 5. Man sollte sich allerdings klar machen, dass wir auf diesem Wege die Werte für α und β nicht streng hergeleitet haben, weil wir x = 1/δ in Gleichung (6.15) gesetzt haben, letztere aber aus Gleichung (6.14) gewonnen hatten, die offensichtlich für genau diesen Wert von x gar nicht gilt. Nichtsdestotrotz lässt sich natürlich jetzt, da wir Werte für α, β, γ, δ geraten haben, leicht überprüfen, dass sie die ursprüngliche Gleichung (6.14) für unendlich viele Werte von x erfüllen. Wir haben also gezeigt, dass für diese Werte von α, β, γ, δ F (x) = x 1 x x 2 = α 1 γx + β (6.11) = α 1 δx Schritt 6: Koeffizientenvergleich. Wir haben gezeigt, dass n 0 Nach Satz 6.1 folgt damit, dass γ n x n + β δ n x n. n=0 F n x n = F (x) = (αγ n + βδ n ) x n. ( F n = αγ n + βδ n = 1 5 n=0 1 ) n ( n=0 1 + ) n 5. 2 womit die gewünschte Formel für F n gefunden wäre. Sie darf sicher schon insofern als Überraschung gelten, als dass beim ersten Anblick nicht einmal klar, dass sie für jedes n N 0 eine natürliche Zahl erzeugt. Übungsaufgaben 1. Finden Sie einen formalen Beweis für die Aussage von Satz 5.1b): k 1 M k = (n i) i=0

33 6. Erzeugende Funktionen 33 Ein möglicher Ansatz dafür: Wählen Sie ein beliebiges Element x aus M aus, finden Sie eine Bijektion f : (M \ {x}) k ( (M \ {x}) k 1 [k 1] ) M k und beweisen Sie dann die gesuchte Formel durch Induktion über M. 2. Es sei T n,k die Anzahl geordneter k-partitionen einer n-elementigen Menge. a) Welche Abbildungen von [n] nach [k] zählt T n,k und in welchem Zusammenhang stehen T n,k und S n,k? b) Beweisen Sie, dass für 1 k n T n,k = k ( ) k ( 1) r (k r) n r r=0 und leiten Sie daraus die Formel in Satz 5.5 her. Literaturhinweise zu Kapitel II Weiteres Material zu den Abschnitten 4 und 5 findet sich beispielsweise bei [A] in Kapitel 1.1, 1.2 und 2.4; bei [MN] in Kapitel 3.1 bis 3.3 sowie 3.7; und bei [S] in Kapitel 1.1 bis 1.3. Zusätzliche Informationen zu Abschnitt 6 finden sich bei [A] in Kapitel 3.1 und 3.2, bei [MN] in Kapitel 12 und [S] in Kapitel 4.2.

Diskrete Mathematik. Kurzskript zur Vorlesung von Anusch Taraz im Wintersemester 2007/ Februar Mengen... 2

Diskrete Mathematik. Kurzskript zur Vorlesung von Anusch Taraz im Wintersemester 2007/ Februar Mengen... 2 Diskrete Mathematik Kurzskript zur Vorlesung von Anusch Taraz im Wintersemester 007/08 Zentrum für Mathematik, TUM 19. Februar 008 Inhaltsverzeichnis 1 Einführung und Grundlagen 1.1 Mengen..........................................

Mehr

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Lösungsmenge 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

Mehr

2 Mengen, Abbildungen und Relationen

2 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

Mehr

Lösungen zur Übungsserie 1

Lösungen zur Übungsserie 1 Analysis 1 Herbstsemester 2018 Prof. Peter Jossen Montag, 24. September Lösungen zur Übungsserie 1 Aufgaben 1, 3, 4, 5, 6, 8 Aufgabe 1. Sei X eine endliche Menge mit n Elementen, und sei Y eine endliche

Mehr

Kapitel 1. Mengen und Abbildungen. 1.1 Mengen

Kapitel 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

Mehr

1 Vollständige Induktion

1 Vollständige Induktion 1 Vollständige Induktion Die vollständige Induktion ist eine machtvolle Methode, um Aussagen zu beweisen, die für alle natürlichen Zahlen gelten sollen. Sei A(n) so eine Aussage, die zu beweisen ist. Bei

Mehr

3 Werkzeuge der Mathematik

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

Mehr

5. Äquivalenzrelationen

5. Äquivalenzrelationen 5. Äquivalenzrelationen 35 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will, so kann es sinnvoll sein, zunächst kleinere, einfachere Mengen (bzw. Gruppen)

Mehr

Vollständige Induktion. Analysis I. Guofang Wang. Universität Freiburg

Vollständige 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

Mehr

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 2

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 2 D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler Lösung 2 Hinweise 1. Eine Möglichkeit ist, auf diese Forderungen massgeschneiderte Relationen explizit anzugeben. Dies ist aber nicht

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen)

Diskrete 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

Mehr

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

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

Mehr

Ferienkurs zum Propädeutikum Diskrete Mathematik. Technische Universität München

Ferienkurs zum Propädeutikum Diskrete Mathematik. Technische Universität München Ferienkurs zum Propädeutikum Diskrete Mathematik Andreas Würfl Stefan König Technische Universität München WS 09/10 Übersicht 1 Binäre Relationen 2 Elementares Zählen 3 Partitionen zählen 4 Erzeugende

Mehr

Tutorium: Diskrete Mathematik

Tutorium: 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

Mehr

Kapitel 1. Grundlagen Mengen

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

Mehr

WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3)

WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3) WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15

Mehr

WS 2009/10. Diskrete Strukturen

WS 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

Mehr

WS 20013/14. Diskrete Strukturen

WS 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

Mehr

5. Äquivalenzrelationen

5. Äquivalenzrelationen 36 Andreas Gathmann 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will so kann es sinnvoll sein zunächst kleinere einfachere Mengen (bzw. Gruppen) zu betrachten

Mehr

Wiederholung. Operationen auf Mengen. Relationen, Abbildungen/Funktionen. Beweistechniken: Landau-Notation A B, A Å B, A B, A \ B, P(A)

Wiederholung. Operationen auf Mengen. Relationen, Abbildungen/Funktionen. Beweistechniken: Landau-Notation A B, A Å B, A B, A \ B, P(A) Wiederholung Operationen auf Mengen A B, A Å B, A B, A \ B, P(A) Relationen, Abbildungen/Funktionen Reflexiv, symmetrisch, antisymmetrisch, transitiv Injektiv, surjektiv, bijektiv Beweistechniken: Indirekter

Mehr

B Grundbegriffe zu Mengen und Abbildungen

B Grundbegriffe zu Mengen und Abbildungen B Grundbegriffe zu Mengen und Abbildungen Die Sprache der Mengen und Abbildungen hat sich als Basissprache in der modernen Mathematik durchgesetzt. Da sie sehr praktisch ist, wird sie auch in diesem Buch

Mehr

A N A L Y S I S I F Ü R T P H, U E ( ) 1. Übungstest (FR, ) (mit Lösung )

A N A L Y S I S I F Ü R T P H, U E ( ) 1. Übungstest (FR, ) (mit Lösung ) Institut für Analysis und Scientific Computing TU Wien W. Auzinger WS 05/6 A N A L Y S I S I F Ü R T P H, U E (03.088). Übungstest (FR, 6..05) (mit Lösung ) Aufgabe. a ) Wandeln Sie die periodische Dezimalzahl

Mehr

Kapitel 1. Grundlagen

Kapitel 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

Mehr

Mengen und Abbildungen

Mengen und Abbildungen Mengen und Abbildungen Der Mengenbegriff Durchschnitt, Vereinigung, Differenzmenge Kartesisches Produkt Abbildungen Prinzip der kleinsten natürlichen Zahl Vollständige Induktion Mengen und Abbildungen

Mehr

Univ.-Prof. Dr. Goulnara ARZHANTSEVA

Univ.-Prof. Dr. Goulnara ARZHANTSEVA Diskrete Mathematik Univ.-Prof. Dr. Goulnara ARZHANTSEVA SS 2018 c Univ.-Prof. Dr. Goulnara Arzhantseva Kapitel 02: Funktionen, Multimengen, Kompositionen 1 / 18 Funktionen zwischen endlichen Mengen [n]

Mehr

Abschnitt 3: Mathematische Grundlagen

Abschnitt 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

Mehr

3 Vollständige Induktion

3 Vollständige Induktion 3.1 Natürliche Zahlen In den vorherigen Kapiteln haben wir die Menge der natürlichen Zahlen schon mehrfach als Beispiel benutzt. Das Konzept der natürlichen Zahlen erscheint uns einfach, da wir es schon

Mehr

2 Mengen und Abbildungen

2 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:

Mehr

Kapitel 1. Grundlagen

Kapitel 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

Mehr

Institut 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 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

Mehr

Übersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19

Übersichtsblatt 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

Mehr

WS 2009/10. Diskrete Strukturen

WS 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

Mehr

(1.18) Def.: Eine Abbildung f : M N heißt

(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

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/ws13/14

Mehr

Berechnung von Teilmengen

Berechnung von Teilmengen Berechnung von Teilmengen Satz Anzahl der Teilmengen 2 n = n k=0 k=0 ( ) n k Beweis Korollar aus Binomischem Lehrsatz (1 + 1) n = n ( n k=0 k) 1 k 1 n k. Oder kombinatorisch: Sei M Menge mit M = n. Die

Mehr

Mengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } }

Mengen. (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,

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen)

Diskrete 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

Mehr

3. Relationen Erläuterungen und Schreibweisen

3. Relationen Erläuterungen und Schreibweisen 3. Relationen Eine Relation ist allgemein eine Beziehung, die zwischen Dingen bestehen kann. Relationen im Sinne der Mathematik sind ausschließlich diejenigen Beziehungen, bei denen stets klar ist, ob

Mehr

Konstruktion der reellen Zahlen

Konstruktion der reellen Zahlen Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert

Mehr

Vorlesung Diskrete Strukturen Abbildungen

Vorlesung Diskrete Strukturen Abbildungen Vorlesung Diskrete Strukturen Abbildungen Bernhard Ganter WS 2009/10 Hashfunktionen Wenn eine Datenbank Millionen von Dokumenten enthält und immer neue dazu kommen, stellt sich folgendes Problem: Bei neuen

Mehr

Diskrete 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 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

Mehr

Vorlesung Diskrete Strukturen Relationen

Vorlesung Diskrete Strukturen Relationen Vorlesung Diskrete Strukturen Relationen Bernhard Ganter WS 2009/10 Relationen Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B. Ein wichtiger Spezialfall ist

Mehr

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit

Mengen. 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: {

Mehr

Mengen, Funktionen und Logik

Mengen, Funktionen und Logik Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Mathematik 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 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:

Mehr

Skript und Übungen Teil II

Skript 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

Mehr

1.1 Mengen und Abbildungen

1.1 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

Mehr

Übungen zur Vorlesung Einführung in die Mathematik

Übungen 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

Mehr

Abschnitt 3: Mathematische Grundlagen

Abschnitt 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.

Mehr

2. Symmetrische Gruppen

2. Symmetrische Gruppen 14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen

Mehr

Vorlesung Diskrete Strukturen Abbildungen

Vorlesung Diskrete Strukturen Abbildungen Vorlesung Diskrete Strukturen Abbildungen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung in die

Mehr

3 Vom Zählen zur Induktion

3 Vom Zählen zur Induktion 7 3 Vom Zählen zur Induktion 3.1 Natürliche Zahlen und Induktions-Prinzip Seit unserer Kindheit kennen wir die Zahlen 1,, 3, 4, usw. Diese Zahlen gebrauchen wir zum Zählen, und sie sind uns so vertraut,

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

Vorlesung 4. Tilman Bauer. 13. September 2007

Vorlesung 4. Tilman Bauer. 13. September 2007 Vorlesung 4 Universität Münster 13. September 2007 Kartesische Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Definition Seien M und N zwei Mengen. Dann bezeichnen wir mit M N das (kartesische)

Mehr

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen

Mehr

Grundlagen. Kapitel Mengen

Grundlagen. 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

Mehr

Lineare Algebra I 5. Tutorium Die Restklassenringe /n

Lineare Algebra I 5. Tutorium Die Restklassenringe /n Lineare Algebra I 5. Tutorium Die Restklassenringe /n Fachbereich Mathematik WS 2010/2011 Prof. Dr. Kollross 19. November 2010 Dr. Le Roux Dipl.-Math. Susanne Kürsten Aufgaben In diesem Tutrorium soll

Mehr

Vorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen.

Vorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Vorlesung 4 Universität Münster 13. September 2007 1 Kartesische Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Seien M und N zwei Mengen. Dann bezeichnen wir mit M N das (kartesische) Produkt

Mehr

Vorlesung Diskrete Strukturen Relationen

Vorlesung Diskrete Strukturen Relationen Vorlesung Diskrete Strukturen Relationen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung in die Mathematik

Mehr

Analysis I - Notizen 1. Daniel Lenz Jena - Wintersemester 2016

Analysis 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

Mehr

3. Untergruppen. 3. Untergruppen 23

3. Untergruppen. 3. Untergruppen 23 3. Untergruppen 23 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten

Mehr

Mathematik für Ökonomen 1

Mathematik für Ökonomen 1 Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen

Mehr

Formale Sprachen und Automaten

Formale 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

Mehr

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.) 3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten

Mehr

ANALYSIS I FÜR TPH WS 2016/17 1. Übung Übersicht

ANALYSIS I FÜR TPH WS 2016/17 1. Übung Übersicht . Übung Übersicht Aufgaben zu Kapitel und 2 Aufgabe : Drei klassische Ungleichungen Aufgabe 2: ) Beweis einer Summenformel Induktion) Aufgabe : ) Teleskopsummen Aufgabe 4: Noch etwas Formelmanipulation

Mehr

2 Lösungen zu Kapitel 2

2 Lösungen zu Kapitel 2 2 Lösungen zu Kapitel 2 2. Lösung. Die Funktion f ist nicht injektiv. So gibt es (unendlich) viele Paare (x, y) mit f(x, y) = 0, etwa (0, 0) und (/2, ). Die Funktion f ist surjektiv. Zum Beispiel gilt

Mehr

Grundlagen der Mathematik

Grundlagen der Mathematik Grundlagen der Mathematik Übungsaufgaben zu Kapitel 1 Einführung 1.1.1 Für reelle Zahlen a und b gilt (a+b) (a-b) = a 2 -b 2. Was ist die Voraussetzung? Wie lautet die Behauptung? Beweisen Sie die Behauptung.

Mehr

Grundbegriffe der Mathematik - Blatt 1, bis zum

Grundbegriffe der Mathematik - Blatt 1, bis zum Grundbegriffe der Mathematik - Blatt 1 bis zum 9.3.01 1. I.) Formalisieren Sie die folgenden Aussagen a) bis c) wie im folgenden Beispiel: Sei K ein Teilmenge der reellen Zahlen. Aussage: K ist genau dann

Mehr

Einführung in die Informatik 2

Einführung 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,

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

Mehr

Grundkurs Mathematik I

Grundkurs Mathematik I Prof. Dr. H. Brenner Osnabrück WS 2016/2017 Grundkurs Mathematik I Vorlesung 9 In theory, theory and praxis are the same, in praxis they aren t Die Multiplikation auf den natürlichen Zahlen Zur Definition

Mehr

4. Funktionen und Relationen

4. 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

Konstruktion reeller Zahlen aus rationalen Zahlen

Konstruktion reeller Zahlen aus rationalen Zahlen Konstruktion reeller Zahlen aus rationalen Zahlen Wir nehmen an, daß der Körper der rationalen Zahlen bekannt ist. Genauer wollen wir annehmen: Gegeben ist eine Menge Q zusammen mit zwei Verknüpfungen

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

Mehr

Lineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund

Lineare 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

Mehr

1 Loesungen zu Analysis 1/ 1.Uebung

1 Loesungen zu Analysis 1/ 1.Uebung Loesungen ausgewaehlter Beispiele zu Analysis I, G. Bergauer, Seite 1 1 Loesungen zu Analysis 1/ 1.Uebung 1.1 Einleitung Gegeben Mengen X, A mit A X. Sei die Menge durch A = {a X : a erfuellt B} gegeben,

Mehr

Kapitel 2. Kapitel 2 Zählen (Kombinatorik)

Kapitel 2. Kapitel 2 Zählen (Kombinatorik) Zählen (Kombinatorik) Inhalt 2.1 2.1 Einfache Zählformeln A A B B = A A + B. B. 2.2 2.2 Binomialzahlen 2.3 2.3 Die Die Siebformel 2.4 2.4 Permutationen Seite 2 2.1 Einfache Zählformeln Erinnerung: Für

Mehr

9. Polynom- und Potenzreihenringe

9. Polynom- und Potenzreihenringe 64 Andreas Gathmann 9. Polynom- und Potenzreihenringe Bevor wir mit der allgemeinen Untersuchung von Ringen fortfahren, wollen wir in diesem Kapitel kurz zwei sehr wichtige weitere Beispiele von Ringen

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische 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

Mehr

1.3 Aussagen. Beispiel: Das Bruttosozialprodukt der Bundesrepublik Deutschland ist höher als das der USA ist eine offenbar falsche Aussage.

1.3 Aussagen. Beispiel: Das Bruttosozialprodukt der Bundesrepublik Deutschland ist höher als das der USA ist eine offenbar falsche Aussage. 1.3 Aussagen In der Mathematik geht es um Aussagen. Eine Aussage ist ein statement, das entweder wahr oder falsch sein kann. Beides geht nicht! Äußerungen, die nicht die Eigenschaft haben, wahr oder falsch

Mehr

Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen

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

Mehr

FU Berlin: WiSe (Analysis 1 - Lehr.) Übungsaufgaben Zettel 5. Aufgabe 18. Aufgabe 20. (siehe Musterlösung Zettel 4)

FU Berlin: WiSe (Analysis 1 - Lehr.) Übungsaufgaben Zettel 5. Aufgabe 18. Aufgabe 20. (siehe Musterlösung Zettel 4) FU Berlin: WiSe 13-14 (Analysis 1 - Lehr.) Übungsaufgaben Zettel 5 Aufgabe 18 (siehe Musterlösung Zettel 4) Aufgabe 20 In der Menge R der reellen Zahlen sei die Relation 2 R 2 definiert durch: x 2 y :

Mehr

Einführung in die lineare Algebra und GeometrieWS 2018/19 October 30, 2018

Einführung 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

Mehr

WS 2008/09. Diskrete Strukturen

WS 2008/09. Diskrete Strukturen WS 2008/09 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/ws0809

Mehr

: G G G. eine Abbildung. Gelten die folgenden Eigenschaften, so nennen wir (G,,e) eine Gruppe: (x,y) x y

: G G G. eine Abbildung. Gelten die folgenden Eigenschaften, so nennen wir (G,,e) eine Gruppe: (x,y) x y 5 GRUPPEN 5 Gruppen Hier fehlt eine schöne Einleitung oder ein motivierendes Beispiel. Definition [5.1] Sei G eine nicht-leere Menge, e G ein (ausgezeichnetes) Element in G und : G G G eine Abbildung.

Mehr

Natürliche, ganze und rationale Zahlen

Natürliche, ganze und rationale Zahlen Natürliche, ganze und rationale Zahlen Zunächst haben die zum Zählen verwendeten natürlichen Zahlen 0, 1, 2, 3,... nichts mit dem reellen Zahlen zu tun. Durch die ausgezeichnete reelle Zahl 1 (Maßeinheit!)

Mehr

Injektiv, Surjektiv, Bijektiv

Injektiv, 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)

Mehr

Kapitel 2 Mathematische Grundlagen

Kapitel 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

Mehr

7 Äquivalenzrelationen

7 Äquivalenzrelationen 71 7 Äquivalenzrelationen 7.1 Äquivalenzrelationen und Klassen Definition Eine Relation R auf einer Menge oder einem allgemeineren Objektbereich heißt eine Äquivalenzrelation, falls sie reflexiv, symmetrisch

Mehr

1. Mengentheoretische Grundbegriffe. naiver Mengenbegriff : Eine Menge ist eine Zusammenfassung M von bestimmten, wohlunterschiedenen

1. 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

Mehr

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren 3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)

Mehr

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen Inhaltsverzeichnis Teil II: Gruppen 2 3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen.................. 2 3.1.1 Gruppen.......................................... 2 3.1.2 Untergruppen.......................................

Mehr

WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (4)

WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (4) WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (4) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15

Mehr

Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26

Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26 Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26 Erste Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 2 / 26 Formales Vorlesung:

Mehr

Aufgabenblatt 1: Abgabe am vor der Vorlesung

Aufgabenblatt 1: Abgabe am vor der Vorlesung Aufgabenblatt 1: Abgabe am 17.09.09 vor der Vorlesung Aufgabe 1. a.) (1P) Geben Sie die Lösungsmenge der folgenden Gleichung an: 6x + y = 10. Zeichnen Sie die Lösungsmenge in ein Koordinatensystem. b.)

Mehr

3. Für beliebiges A bezeichnet man die Menge A A manchmal auch mit A 2 (in Worten:

3. 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

Mehr

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten

Mehr

Surjektive, injektive und bijektive Funktionen.

Surjektive, 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

Mehr