Übung zu Grundbegriffe der Informatik. Simon Wacker. 15. November 2013

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Übung zu Grundbegriffe der Informatik. Simon Wacker. 15. November 2013"

Transkript

1 Übung zu Grundbegriffe der Informatik Simon Wacker 15. November 2013

2 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die entweder wahr oder falsch ist. Dann gilt w B : A w n N 0 w B n : A w. Um die Aussage zur Linken zu beweisen, können wir die Aussage zur Rechten per Induktion über n beweisen: Induktionsanfang: n = 0. Zeige, dass A ɛ wahr ist. Induktionsschritt: Es sei n N 0 beliebig aber fest und derart, dass gilt: w B n : A w (Induktionsvoraussetzung). Weiter sei w 1 B n+1 = B n B beliebig aber fest. Dann existieren w 2 B n und a B so, dass w 1 = w 2a. Nach Induktionsvoraussetzung gilt A w2. Zeige, dass A w1 = A w2 a wahr ist. Da w 1 beliebig in B n+1 gewählt war, folgt dann w B n+1 : A w. 1/16

3 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die entweder wahr oder falsch ist. Dann gilt w B : A w n N 0 w B n : A w. Um die Aussage zur Linken zu beweisen, können wir die Aussage zur Rechten per Induktion über n beweisen: Induktionsanfang: n = 0. Zeige, dass A ɛ wahr ist. Induktionsschritt: Es sei n N 0 beliebig aber fest und derart, dass gilt: w B n : A w (Induktionsvoraussetzung). Weiter sei w 1 B n+1 = B n B beliebig aber fest. Dann existieren w 2 B n und a B so, dass w 1 = w 2a. Nach Induktionsvoraussetzung gilt A w2. Zeige, dass A w1 = A w2 a wahr ist. Da w 1 beliebig in B n+1 gewählt war, folgt dann w B n+1 : A w. 1/16

4 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die entweder wahr oder falsch ist. Dann gilt w B : A w n N 0 w B n : A w. Um die Aussage zur Linken zu beweisen, können wir die Aussage zur Rechten per Induktion über n beweisen: Induktionsanfang: n = 0. Zeige, dass A ɛ wahr ist. Induktionsschritt: Es sei n N 0 beliebig aber fest und derart, dass gilt: w B n : A w (Induktionsvoraussetzung). Weiter sei w 1 B n+1 = B n B beliebig aber fest. Dann existieren w 2 B n und a B so, dass w 1 = w 2a. Nach Induktionsvoraussetzung gilt A w2. Zeige, dass A w1 = A w2 a wahr ist. Da w 1 beliebig in B n+1 gewählt war, folgt dann w B n+1 : A w. 1/16

5 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die entweder wahr oder falsch ist. Dann gilt w B : A w n N 0 w B n : A w. Um die Aussage zur Linken zu beweisen, können wir die Aussage zur Rechten per Induktion über n beweisen: Induktionsanfang: n = 0. Zeige, dass A ɛ wahr ist. Induktionsschritt: Es sei n N 0 beliebig aber fest und derart, dass gilt: w B n : A w (Induktionsvoraussetzung). Weiter sei w 1 B n+1 = B n B beliebig aber fest. Dann existieren w 2 B n und a B so, dass w 1 = w 2a. Nach Induktionsvoraussetzung gilt A w2. Zeige, dass A w1 = A w2 a wahr ist. Da w 1 beliebig in B n+1 gewählt war, folgt dann w B n+1 : A w. 1/16

6 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die entweder wahr oder falsch ist. Dann gilt w B : A w n N 0 w B n : A w. Um die Aussage zur Linken zu beweisen, können wir die Aussage zur Rechten per Induktion über n beweisen: Induktionsanfang: n = 0. Zeige, dass A ɛ wahr ist. Induktionsschritt: Es sei n N 0 beliebig aber fest und derart, dass gilt: w B n : A w (Induktionsvoraussetzung). Weiter sei w 1 B n+1 = B n B beliebig aber fest. Dann existieren w 2 B n und a B so, dass w 1 = w 2a. Nach Induktionsvoraussetzung gilt A w2. Zeige, dass A w1 = A w2 a wahr ist. Da w 1 beliebig in B n+1 gewählt war, folgt dann w B n+1 : A w. 1/16

7 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die entweder wahr oder falsch ist. Dann gilt w B : A w n N 0 w B n : A w. Um die Aussage zur Linken zu beweisen, können wir die Aussage zur Rechten per Induktion über n beweisen: Induktionsanfang: n = 0. Zeige, dass A ɛ wahr ist. Induktionsschritt: Es sei n N 0 beliebig aber fest und derart, dass gilt: w B n : A w (Induktionsvoraussetzung). Weiter sei w 1 B n+1 = B n B beliebig aber fest. Dann existieren w 2 B n und a B so, dass w 1 = w 2a. Nach Induktionsvoraussetzung gilt A w2. Zeige, dass A w1 = A w2 a wahr ist. Da w 1 beliebig in B n+1 gewählt war, folgt dann w B n+1 : A w. 1/16

8 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die entweder wahr oder falsch ist. Dann gilt w B : A w n N 0 w B n : A w. Um die Aussage zur Linken zu beweisen, können wir die Aussage zur Rechten per Induktion über n beweisen: Induktionsanfang: n = 0. Zeige, dass A ɛ wahr ist. Induktionsschritt: Es sei n N 0 beliebig aber fest und derart, dass gilt: w B n : A w (Induktionsvoraussetzung). Weiter sei w 1 B n+1 = B n B beliebig aber fest. Dann existieren w 2 B n und a B so, dass w 1 = w 2a. Nach Induktionsvoraussetzung gilt A w2. Zeige, dass A w1 = A w2 a wahr ist. Da w 1 beliebig in B n+1 gewählt war, folgt dann w B n+1 : A w. 1/16

9 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die entweder wahr oder falsch ist. Dann gilt w B : A w n N 0 w B n : A w. Um die Aussage zur Linken zu beweisen, können wir die Aussage zur Rechten per Induktion über n beweisen: Induktionsanfang: n = 0. Zeige, dass A ɛ wahr ist. Induktionsschritt: Es sei n N 0 beliebig aber fest und derart, dass gilt: w B n : A w (Induktionsvoraussetzung). Weiter sei w 1 B n+1 = B n B beliebig aber fest. Dann existieren w 2 B n und a B so, dass w 1 = w 2a. Nach Induktionsvoraussetzung gilt A w2. Zeige, dass A w1 = A w2 a wahr ist. Da w 1 beliebig in B n+1 gewählt war, folgt dann w B n+1 : A w. 1/16

10 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die entweder wahr oder falsch ist. Dann gilt w B : A w n N 0 w B n : A w. Um die Aussage zur Linken zu beweisen, können wir die Aussage zur Rechten per Induktion über n beweisen: Induktionsanfang: n = 0. Zeige, dass A ɛ wahr ist. Induktionsschritt: Es sei n N 0 beliebig aber fest und derart, dass gilt: w B n : A w (Induktionsvoraussetzung). Weiter sei w 1 B n+1 = B n B beliebig aber fest. Dann existieren w 2 B n und a B so, dass w 1 = w 2a. Nach Induktionsvoraussetzung gilt A w2. Zeige, dass A w1 = A w2 a wahr ist. Da w 1 beliebig in B n+1 gewählt war, folgt dann w B n+1 : A w. 1/16

11 Vollständige Induktion über die Wortlänge Es sei B ein Alphabet. Dann ist B = n N 0 B n. Für jedes Wort w B sei A w eine Aussage, die entweder wahr oder falsch ist. Dann gilt w B : A w n N 0 w B n : A w. Um die Aussage zur Linken zu beweisen, können wir die Aussage zur Rechten per Induktion über n beweisen: Induktionsanfang: n = 0. Zeige, dass A ɛ wahr ist. Induktionsschritt: Es sei n N 0 beliebig aber fest und derart, dass gilt: w B n : A w (Induktionsvoraussetzung). Weiter sei w 1 B n+1 = B n B beliebig aber fest. Dann existieren w 2 B n und a B so, dass w 1 = w 2a. Nach Induktionsvoraussetzung gilt A w2. Zeige, dass A w1 = A w2 a wahr ist. Da w 1 beliebig in B n+1 gewählt war, folgt dann w B n+1 : A w. 1/16

12 Ein induktiver Beweis Für jeden Buchstaben a B definieren wir die Abbildung N a : B N 0 induktiv: N a (ɛ) = 0, { w B N a (w) + 1, falls a = b, b B : N a (wb) = N a (w), sonst. Fortan sei B = {x, y}. Zeige, dass gilt: w B : N x (w) + N y (w) = w. Beweis per vollständige Induktion über die Wortlänge wie eben skizziert. Induktionsanfang: N x (ɛ) + N y (ɛ) = = 0 = ɛ. Induktionsschritt: Für jedes Wort w B n der beliebigen aber festen Länge n N 0 gelte N x (w) + N y (w) = w. Es sei w 1 = w 2 a B n+1 beliebig aber fest. Im Falle a = x gilt N x (w 1 ) + N y (w 1 ) = (N x (w 2 ) + 1) + N y (w 2 ) IV = w = w 1. Im Falle a = y folgt analog N x (w 1 ) + N y (w 1 ) = w 1. 2/16

13 Ein induktiver Beweis Für jeden Buchstaben a B definieren wir die Abbildung N a : B N 0 induktiv: N a (ɛ) = 0, { w B N a (w) + 1, falls a = b, b B : N a (wb) = N a (w), sonst. Fortan sei B = {x, y}. Zeige, dass gilt: w B : N x (w) + N y (w) = w. Beweis per vollständige Induktion über die Wortlänge wie eben skizziert. Induktionsanfang: Nx (ɛ) + N y (ɛ) = = 0 = ɛ. Induktionsschritt: Für jedes Wort w B n der beliebigen aber festen Länge n N 0 gelte N x (w) + N y (w) = w. Es sei w 1 = w 2 a B n+1 beliebig aber fest. Im Falle a = x gilt N x (w 1 ) + N y (w 1 ) = (N x (w 2 ) + 1) + N y (w 2 ) IV = w = w 1. Im Falle a = y folgt analog N x (w 1 ) + N y (w 1 ) = w 1. 2/16

14 Ein induktiver Beweis Für jeden Buchstaben a B definieren wir die Abbildung N a : B N 0 induktiv: N a (ɛ) = 0, { w B N a (w) + 1, falls a = b, b B : N a (wb) = N a (w), sonst. Fortan sei B = {x, y}. Zeige, dass gilt: w B : N x (w) + N y (w) = w. Beweis per vollständige Induktion über die Wortlänge wie eben skizziert. Induktionsanfang: Nx (ɛ) + N y (ɛ) = = 0 = ɛ. Induktionsschritt: Für jedes Wort w B n der beliebigen aber festen Länge n N 0 gelte N x (w) + N y (w) = w. Es sei w 1 = w 2 a B n+1 beliebig aber fest. Im Falle a = x gilt N x (w 1 ) + N y (w 1 ) = (N x (w 2 ) + 1) + N y (w 2 ) IV = w = w 1. Im Falle a = y folgt analog N x (w 1 ) + N y (w 1 ) = w 1. 2/16

15 Ein induktiver Beweis Für jeden Buchstaben a B definieren wir die Abbildung N a : B N 0 induktiv: N a (ɛ) = 0, { w B N a (w) + 1, falls a = b, b B : N a (wb) = N a (w), sonst. Fortan sei B = {x, y}. Zeige, dass gilt: w B : N x (w) + N y (w) = w. Beweis per vollständige Induktion über die Wortlänge wie eben skizziert. Induktionsanfang: N x (ɛ) + N y (ɛ) = = 0 = ɛ. Induktionsschritt: Für jedes Wort w B n der beliebigen aber festen Länge n N 0 gelte N x (w) + N y (w) = w. Es sei w 1 = w 2 a B n+1 beliebig aber fest. Im Falle a = x gilt N x (w 1 ) + N y (w 1 ) = (N x (w 2 ) + 1) + N y (w 2 ) IV = w = w 1. Im Falle a = y folgt analog N x (w 1 ) + N y (w 1 ) = w 1. 2/16

16 Ein induktiver Beweis Für jeden Buchstaben a B definieren wir die Abbildung N a : B N 0 induktiv: N a (ɛ) = 0, { w B N a (w) + 1, falls a = b, b B : N a (wb) = N a (w), sonst. Fortan sei B = {x, y}. Zeige, dass gilt: w B : N x (w) + N y (w) = w. Beweis per vollständige Induktion über die Wortlänge wie eben skizziert. Induktionsanfang: N x (ɛ) + N y (ɛ) = = 0 = ɛ. Induktionsschritt: Für jedes Wort w B n der beliebigen aber festen Länge n N 0 gelte N x (w) + N y (w) = w. Es sei w 1 = w 2 a B n+1 beliebig aber fest. Im Falle a = x gilt N x (w 1 ) + N y (w 1 ) = (N x (w 2 ) + 1) + N y (w 2 ) IV = w = w 1. Im Falle a = y folgt analog N x (w 1 ) + N y (w 1 ) = w 1. 2/16

17 Radler Wir haben ein Bierfass B und ein Limonadenfass L desselben Volumens. Wir möchten Radler. Dazu wiederholen wir endlich oder unendlich oft den folgenden Prozess: 1. Wir schöpfen eine Kelle von B in L und rühren das Gemisch in L um. 2. Wir schöpfen eine Kelle von L in B und rühren das Gemisch in B um. Wie ist am Ende das Verhältnis von Limonade in B zu Bier in L? 3/16

18 Radler Wir haben ein Bierfass B und ein Limonadenfass L desselben Volumens. Wir möchten Radler. Dazu wiederholen wir endlich oder unendlich oft den folgenden Prozess: 1. Wir schöpfen eine Kelle von B in L und rühren das Gemisch in L um. 2. Wir schöpfen eine Kelle von L in B und rühren das Gemisch in B um. Wie ist am Ende das Verhältnis von Limonade in B zu Bier in L? 3/16

19 Radler Wir haben ein Bierfass B und ein Limonadenfass L desselben Volumens. Wir möchten Radler. Dazu wiederholen wir endlich oder unendlich oft den folgenden Prozess: 1. Wir schöpfen eine Kelle von B in L und rühren das Gemisch in L um. 2. Wir schöpfen eine Kelle von L in B und rühren das Gemisch in B um. Wie ist am Ende das Verhältnis von Limonade in B zu Bier in L? 3/16

20 Radler Wir haben ein Bierfass B und ein Limonadenfass L desselben Volumens. Wir möchten Radler. Dazu wiederholen wir endlich oder unendlich oft den folgenden Prozess: 1. Wir schöpfen eine Kelle von B in L und rühren das Gemisch in L um. 2. Wir schöpfen eine Kelle von L in B und rühren das Gemisch in B um. Wie ist am Ende das Verhältnis von Limonade in B zu Bier in L? 3/16

21 Radler Wir haben ein Bierfass B und ein Limonadenfass L desselben Volumens. Wir möchten Radler. Dazu wiederholen wir endlich oder unendlich oft den folgenden Prozess: 1. Wir schöpfen eine Kelle von B in L und rühren das Gemisch in L um. 2. Wir schöpfen eine Kelle von L in B und rühren das Gemisch in B um. Wie ist am Ende das Verhältnis von Limonade in B zu Bier in L? 3/16

22 Radler Wir haben ein Bierfass B und ein Limonadenfass L desselben Volumens. Wir möchten Radler. Dazu wiederholen wir endlich oder unendlich oft den folgenden Prozess: 1. Wir schöpfen eine Kelle von B in L und rühren das Gemisch in L um. 2. Wir schöpfen eine Kelle von L in B und rühren das Gemisch in B um. Wie ist am Ende das Verhältnis von Limonade in B zu Bier in L? 3/16

23 Verhältnis (1) Zu Beginn und am Ende jeder Iteration enthält B dieselbe Flüssigkeitsmenge. In anderen Worten: Die Flüssigkeitsmenge in B bleibt invariant. Die gesamte Menge an Bier bleibt ebenfalls invariant; obschon verteilt auf beide Fässer. Ganz am Anfang enthält B genauso viel Bier wie L Limonade enthält. Zu Beginn und am Ende jeder Iteration gilt somit und folglich Biermenge in B + Limonadenmenge in B = Flüssigkeitsmenge in B = Gesamtmenge an Bier = Biermenge in B + Biermenge in L Limonadenmenge in B = Biermenge in L. 4/16

24 Verhältnis (1) Zu Beginn und am Ende jeder Iteration enthält B dieselbe Flüssigkeitsmenge. In anderen Worten: Die Flüssigkeitsmenge in B bleibt invariant. Die gesamte Menge an Bier bleibt ebenfalls invariant; obschon verteilt auf beide Fässer. Ganz am Anfang enthält B genauso viel Bier wie L Limonade enthält. Zu Beginn und am Ende jeder Iteration gilt somit und folglich Biermenge in B + Limonadenmenge in B = Flüssigkeitsmenge in B = Gesamtmenge an Bier = Biermenge in B + Biermenge in L Limonadenmenge in B = Biermenge in L. 4/16

25 Verhältnis (1) Zu Beginn und am Ende jeder Iteration enthält B dieselbe Flüssigkeitsmenge. In anderen Worten: Die Flüssigkeitsmenge in B bleibt invariant. Die gesamte Menge an Bier bleibt ebenfalls invariant; obschon verteilt auf beide Fässer. Ganz am Anfang enthält B genauso viel Bier wie L Limonade enthält. Zu Beginn und am Ende jeder Iteration gilt somit und folglich Biermenge in B + Limonadenmenge in B = Flüssigkeitsmenge in B = Gesamtmenge an Bier = Biermenge in B + Biermenge in L Limonadenmenge in B = Biermenge in L. 4/16

26 Verhältnis (1) Zu Beginn und am Ende jeder Iteration enthält B dieselbe Flüssigkeitsmenge. In anderen Worten: Die Flüssigkeitsmenge in B bleibt invariant. Die gesamte Menge an Bier bleibt ebenfalls invariant; obschon verteilt auf beide Fässer. Ganz am Anfang enthält B genauso viel Bier wie L Limonade enthält. Zu Beginn und am Ende jeder Iteration gilt somit und folglich Biermenge in B + Limonadenmenge in B = Flüssigkeitsmenge in B = Gesamtmenge an Bier = Biermenge in B + Biermenge in L Limonadenmenge in B = Biermenge in L. 4/16

27 Verhältnis (2) Zu Beginn und am Ende jeder Iteration gilt Limonadenmenge in B = Biermenge in L. Letzteres gilt insbesondere am Ende des gesamten Vorgangs, das heißt, das Verhältnis von Limonade in B zu Bier in L ist 1 zu 1. Bei unendlich vielen Iterationen haben wir übrigens eine perfekte 1 zu 1 Mischung von Limonade zu Bier in beiden Fässern. Radler darf seit 1993 nach Änderung des Biersteuergesetzes verkauft werden. Für den Limonadenanteil wird ebenfalls Biersteuer erhoben. (Quelle: Wikipedia) 5/16

28 Verhältnis (2) Zu Beginn und am Ende jeder Iteration gilt Limonadenmenge in B = Biermenge in L. Letzteres gilt insbesondere am Ende des gesamten Vorgangs, das heißt, das Verhältnis von Limonade in B zu Bier in L ist 1 zu 1. Bei unendlich vielen Iterationen haben wir übrigens eine perfekte 1 zu 1 Mischung von Limonade zu Bier in beiden Fässern. Radler darf seit 1993 nach Änderung des Biersteuergesetzes verkauft werden. Für den Limonadenanteil wird ebenfalls Biersteuer erhoben. (Quelle: Wikipedia) 5/16

29 Verhältnis (2) Zu Beginn und am Ende jeder Iteration gilt Limonadenmenge in B = Biermenge in L. Letzteres gilt insbesondere am Ende des gesamten Vorgangs, das heißt, das Verhältnis von Limonade in B zu Bier in L ist 1 zu 1. Bei unendlich vielen Iterationen haben wir übrigens eine perfekte 1 zu 1 Mischung von Limonade zu Bier in beiden Fässern. Radler darf seit 1993 nach Änderung des Biersteuergesetzes verkauft werden. Für den Limonadenanteil wird ebenfalls Biersteuer erhoben. (Quelle: Wikipedia) 5/16

30 Verhältnis (2) Zu Beginn und am Ende jeder Iteration gilt Limonadenmenge in B = Biermenge in L. Letzteres gilt insbesondere am Ende des gesamten Vorgangs, das heißt, das Verhältnis von Limonade in B zu Bier in L ist 1 zu 1. Bei unendlich vielen Iterationen haben wir übrigens eine perfekte 1 zu 1 Mischung von Limonade zu Bier in beiden Fässern. Radler darf seit 1993 nach Änderung des Biersteuergesetzes verkauft werden. Für den Limonadenanteil wird ebenfalls Biersteuer erhoben. (Quelle: Wikipedia) 5/16

31 Kugelspiel Wir haben eine Schale mit r roten, g grünen und b blauen Kugeln. Solange möglich ersetzen wir wiederholt zwei verschiedenfarbige Kugeln aus der Schale durch eine Kugel der dritten Farbe. Der Vogang endet, sobald nur noch Kugeln einer Farbe übrig sind. Dies tritt zwangsläufig ein, da in jedem Schritt die Kugeln in der Schale weniger werden. Ist die Farbe, welche die übrigen Kugeln haben, eindeutig anhand von r, g und b bestimmt? Falls ja, welche ist diese? 6/16

32 Kugelspiel Wir haben eine Schale mit r roten, g grünen und b blauen Kugeln. Solange möglich ersetzen wir wiederholt zwei verschiedenfarbige Kugeln aus der Schale durch eine Kugel der dritten Farbe. Der Vogang endet, sobald nur noch Kugeln einer Farbe übrig sind. Dies tritt zwangsläufig ein, da in jedem Schritt die Kugeln in der Schale weniger werden. Ist die Farbe, welche die übrigen Kugeln haben, eindeutig anhand von r, g und b bestimmt? Falls ja, welche ist diese? 6/16

33 Kugelspiel Wir haben eine Schale mit r roten, g grünen und b blauen Kugeln. Solange möglich ersetzen wir wiederholt zwei verschiedenfarbige Kugeln aus der Schale durch eine Kugel der dritten Farbe. Der Vogang endet, sobald nur noch Kugeln einer Farbe übrig sind. Dies tritt zwangsläufig ein, da in jedem Schritt die Kugeln in der Schale weniger werden. Ist die Farbe, welche die übrigen Kugeln haben, eindeutig anhand von r, g und b bestimmt? Falls ja, welche ist diese? 6/16

34 Kugelspiel Wir haben eine Schale mit r roten, g grünen und b blauen Kugeln. Solange möglich ersetzen wir wiederholt zwei verschiedenfarbige Kugeln aus der Schale durch eine Kugel der dritten Farbe. Der Vogang endet, sobald nur noch Kugeln einer Farbe übrig sind. Dies tritt zwangsläufig ein, da in jedem Schritt die Kugeln in der Schale weniger werden. Ist die Farbe, welche die übrigen Kugeln haben, eindeutig anhand von r, g und b bestimmt? Falls ja, welche ist diese? 6/16

35 Eindeutigkeit Die Farbe ist wegen der Symmetrie des Vorgangs nicht eindeutig bestimmt. Zum Beispiel: Unsere Schale enthalte jeweils eine rote, grüne und blaue Kugel. Jetzt können wir entweder eine rote und eine grüne durch eine blaue ersetzen, oder eine rote und eine blaue durch eine grüne, oder eine grüne und eine blaue durch eine rote. In jedem der drei Fälle endet der Vorgang nach dem ersten Schritt mit zwei blauen, grünen beziehungsweise roten Kugeln. Unter welchen zusätzlichen Voraussetzungen ist die Farbe eindeutig bestimmt? 7/16

36 Eindeutigkeit Die Farbe ist wegen der Symmetrie des Vorgangs nicht eindeutig bestimmt. Zum Beispiel: Unsere Schale enthalte jeweils eine rote, grüne und blaue Kugel. Jetzt können wir entweder eine rote und eine grüne durch eine blaue ersetzen, oder eine rote und eine blaue durch eine grüne, oder eine grüne und eine blaue durch eine rote. In jedem der drei Fälle endet der Vorgang nach dem ersten Schritt mit zwei blauen, grünen beziehungsweise roten Kugeln. Unter welchen zusätzlichen Voraussetzungen ist die Farbe eindeutig bestimmt? 7/16

37 Eindeutigkeit Die Farbe ist wegen der Symmetrie des Vorgangs nicht eindeutig bestimmt. Zum Beispiel: Unsere Schale enthalte jeweils eine rote, grüne und blaue Kugel. Jetzt können wir entweder eine rote und eine grüne durch eine blaue ersetzen, oder eine rote und eine blaue durch eine grüne, oder eine grüne und eine blaue durch eine rote. In jedem der drei Fälle endet der Vorgang nach dem ersten Schritt mit zwei blauen, grünen beziehungsweise roten Kugeln. Unter welchen zusätzlichen Voraussetzungen ist die Farbe eindeutig bestimmt? 7/16

38 Eindeutigkeit Die Farbe ist wegen der Symmetrie des Vorgangs nicht eindeutig bestimmt. Zum Beispiel: Unsere Schale enthalte jeweils eine rote, grüne und blaue Kugel. Jetzt können wir entweder eine rote und eine grüne durch eine blaue ersetzen, oder eine rote und eine blaue durch eine grüne, oder eine grüne und eine blaue durch eine rote. In jedem der drei Fälle endet der Vorgang nach dem ersten Schritt mit zwei blauen, grünen beziehungsweise roten Kugeln. Unter welchen zusätzlichen Voraussetzungen ist die Farbe eindeutig bestimmt? 7/16

39 Eindeutigkeit Die Farbe ist wegen der Symmetrie des Vorgangs nicht eindeutig bestimmt. Zum Beispiel: Unsere Schale enthalte jeweils eine rote, grüne und blaue Kugel. Jetzt können wir entweder eine rote und eine grüne durch eine blaue ersetzen, oder eine rote und eine blaue durch eine grüne, oder eine grüne und eine blaue durch eine rote. In jedem der drei Fälle endet der Vorgang nach dem ersten Schritt mit zwei blauen, grünen beziehungsweise roten Kugeln. Unter welchen zusätzlichen Voraussetzungen ist die Farbe eindeutig bestimmt? 7/16

40 Farbe: Eine Invariante (1) Betrachten wir einen Schritt i N 0 : Wir wählen zwei verschiedene Farben α und β und je eine Kugel der jeweiligen Farbe und ersetzen letztere durch eine Kugel der Farbe γ, wobei γ α und γ β. Bezeichne mit x die Anzahl Kugeln der Farbe α vor dem Schritt, mit y jene der Farbe β und mit z jene der Farbe γ. Nach dem Schritt befinden sich x 1 Kugeln der Farbe α in der Schale, y 1 Kugeln der Farbe β und z + 1 Kugeln der Farbe γ. Für die Differenzen der jeweiligen Anzahlen gilt: (x 1) (y 1) = x y, (x 1) (z + 1) = x z 2, (y 1) (z + 1) = y z 2. Diese bleiben also gleich modulo 2, das heißt, geteilt durch 2 haben sie denselben Rest. 8/16

41 Farbe: Eine Invariante (1) Betrachten wir einen Schritt i N 0 : Wir wählen zwei verschiedene Farben α und β und je eine Kugel der jeweiligen Farbe und ersetzen letztere durch eine Kugel der Farbe γ, wobei γ α und γ β. Bezeichne mit x die Anzahl Kugeln der Farbe α vor dem Schritt, mit y jene der Farbe β und mit z jene der Farbe γ. Nach dem Schritt befinden sich x 1 Kugeln der Farbe α in der Schale, y 1 Kugeln der Farbe β und z + 1 Kugeln der Farbe γ. Für die Differenzen der jeweiligen Anzahlen gilt: (x 1) (y 1) = x y, (x 1) (z + 1) = x z 2, (y 1) (z + 1) = y z 2. Diese bleiben also gleich modulo 2, das heißt, geteilt durch 2 haben sie denselben Rest. 8/16

42 Farbe: Eine Invariante (1) Betrachten wir einen Schritt i N 0 : Wir wählen zwei verschiedene Farben α und β und je eine Kugel der jeweiligen Farbe und ersetzen letztere durch eine Kugel der Farbe γ, wobei γ α und γ β. Bezeichne mit x die Anzahl Kugeln der Farbe α vor dem Schritt, mit y jene der Farbe β und mit z jene der Farbe γ. Nach dem Schritt befinden sich x 1 Kugeln der Farbe α in der Schale, y 1 Kugeln der Farbe β und z + 1 Kugeln der Farbe γ. Für die Differenzen der jeweiligen Anzahlen gilt: (x 1) (y 1) = x y, (x 1) (z + 1) = x z 2, (y 1) (z + 1) = y z 2. Diese bleiben also gleich modulo 2, das heißt, geteilt durch 2 haben sie denselben Rest. 8/16

43 Farbe: Eine Invariante (1) Betrachten wir einen Schritt i N 0 : Wir wählen zwei verschiedene Farben α und β und je eine Kugel der jeweiligen Farbe und ersetzen letztere durch eine Kugel der Farbe γ, wobei γ α und γ β. Bezeichne mit x die Anzahl Kugeln der Farbe α vor dem Schritt, mit y jene der Farbe β und mit z jene der Farbe γ. Nach dem Schritt befinden sich x 1 Kugeln der Farbe α in der Schale, y 1 Kugeln der Farbe β und z + 1 Kugeln der Farbe γ. Für die Differenzen der jeweiligen Anzahlen gilt: (x 1) (y 1) = x y, (x 1) (z + 1) = x z 2, (y 1) (z + 1) = y z 2. Diese bleiben also gleich modulo 2, das heißt, geteilt durch 2 haben sie denselben Rest. 8/16

44 Farbe: Eine Invariante (2) Haben wir also zu Beginn des Schritts r i rote, g i grüne und b i blaue Kugeln in der Schale und am Ende des Schritts r i+1 rote, g i+1 grüne und b i+1 blaue Kugeln, so gilt r i+1 g i+1 mod 2 = r i g i mod 2, r i+1 b i+1 mod 2 = r i b i mod 2, b i+1 g i+1 mod 2 = b i g i mod 2. Dies ist unsere Invariante! 9/16

45 Farbe (1) Unser Vorgang ende nach dem n-ten Schritt. Aufgrund der obigen Invariante wissen wir, dass gilt: r g mod 2 = r 0 g 0 mod 2 = r 1 g 1 mod 2 =... = r n+1 g n+1 mod 2. Und analog r b mod 2 = r n+1 b n+1 mod 2, b g mod 2 = b n+1 g n+1 mod 2. 10/16

46 Farbe (1) Unser Vorgang ende nach dem n-ten Schritt. Aufgrund der obigen Invariante wissen wir, dass gilt: r g mod 2 = r 0 g 0 mod 2 = r 1 g 1 mod 2 =... = r n+1 g n+1 mod 2. Und analog r b mod 2 = r n+1 b n+1 mod 2, b g mod 2 = b n+1 g n+1 mod 2. 10/16

47 Farbe (2) Es bleibe eine einzige Kugel übrig. Ist diese rot, so gilt r n+1 = 1, g n+1 = 0 und b n+1 = 0 und demnach r g mod 2 = r n+1 g n+1 mod 2 = 1, r b mod 2 = r n+1 b n+1 mod 2 = 1, b g mod 2 = b n+1 g n+1 mod 2 = 0. Für die anderen Fälle gilt analoges. Bleibt eine Kugel übrig, so ist deren Farbe eindeutig bestimmt. Deren Farbe ist nämlich genau jene, die in den beiden Differenzen modulo 2 vorkommt, welche zu 1 auswerten. Oder, äquivalent, genau jene, die in der einen Differenz modulo 2, welche zu 0 auswertet, nicht vorkommt. Unsere unbefriedigende hinreichende Bedingung für die Eindeutigkeit der Farbe ist also, dass eine einzige Kugel übrig bleibt. 11/16

48 Farbe (2) Es bleibe eine einzige Kugel übrig. Ist diese rot, so gilt r n+1 = 1, g n+1 = 0 und b n+1 = 0 und demnach r g mod 2 = r n+1 g n+1 mod 2 = 1, r b mod 2 = r n+1 b n+1 mod 2 = 1, b g mod 2 = b n+1 g n+1 mod 2 = 0. Für die anderen Fälle gilt analoges. Bleibt eine Kugel übrig, so ist deren Farbe eindeutig bestimmt. Deren Farbe ist nämlich genau jene, die in den beiden Differenzen modulo 2 vorkommt, welche zu 1 auswerten. Oder, äquivalent, genau jene, die in der einen Differenz modulo 2, welche zu 0 auswertet, nicht vorkommt. Unsere unbefriedigende hinreichende Bedingung für die Eindeutigkeit der Farbe ist also, dass eine einzige Kugel übrig bleibt. 11/16

49 Farbe (2) Es bleibe eine einzige Kugel übrig. Ist diese rot, so gilt r n+1 = 1, g n+1 = 0 und b n+1 = 0 und demnach r g mod 2 = r n+1 g n+1 mod 2 = 1, r b mod 2 = r n+1 b n+1 mod 2 = 1, b g mod 2 = b n+1 g n+1 mod 2 = 0. Für die anderen Fälle gilt analoges. Bleibt eine Kugel übrig, so ist deren Farbe eindeutig bestimmt. Deren Farbe ist nämlich genau jene, die in den beiden Differenzen modulo 2 vorkommt, welche zu 1 auswerten. Oder, äquivalent, genau jene, die in der einen Differenz modulo 2, welche zu 0 auswertet, nicht vorkommt. Unsere unbefriedigende hinreichende Bedingung für die Eindeutigkeit der Farbe ist also, dass eine einzige Kugel übrig bleibt. 11/16

50 Schleifeninvarianten und -varianten: Ein Ausblick (1) Es seien π 0 und π 1 Programmfragmente und B ein boolescher Ausdruck derart, dass ein gültiges Programm π ist. π 0 ; while(b) {π 1 } Der Ausdruck B heißt Bedingung der Schleife und das Programmfragment π 1 heißt Rumpf der Schleife. Bei der Ausführung des Programms π wird zunächst π 0 abgearbeitet und anschließend wiederholt π 1 falls und solange B wahr ist. Möchte man zeigen, dass nach Ausführung von π, sofern dieses terminiert, eine Aussage A gilt, so nutzt man oft Schleifeninvarianten. 12/16

51 Schleifeninvarianten und -varianten: Ein Ausblick (1) Es seien π 0 und π 1 Programmfragmente und B ein boolescher Ausdruck derart, dass ein gültiges Programm π ist. π 0 ; while(b) {π 1 } Der Ausdruck B heißt Bedingung der Schleife und das Programmfragment π 1 heißt Rumpf der Schleife. Bei der Ausführung des Programms π wird zunächst π 0 abgearbeitet und anschließend wiederholt π 1 falls und solange B wahr ist. Möchte man zeigen, dass nach Ausführung von π, sofern dieses terminiert, eine Aussage A gilt, so nutzt man oft Schleifeninvarianten. 12/16

52 Schleifeninvarianten und -varianten: Ein Ausblick (1) Es seien π 0 und π 1 Programmfragmente und B ein boolescher Ausdruck derart, dass ein gültiges Programm π ist. π 0 ; while(b) {π 1 } Der Ausdruck B heißt Bedingung der Schleife und das Programmfragment π 1 heißt Rumpf der Schleife. Bei der Ausführung des Programms π wird zunächst π 0 abgearbeitet und anschließend wiederholt π 1 falls und solange B wahr ist. Möchte man zeigen, dass nach Ausführung von π, sofern dieses terminiert, eine Aussage A gilt, so nutzt man oft Schleifeninvarianten. 12/16

53 Schleifeninvarianten und -varianten: Ein Ausblick (1) Es seien π 0 und π 1 Programmfragmente und B ein boolescher Ausdruck derart, dass ein gültiges Programm π ist. π 0 ; while(b) {π 1 } Der Ausdruck B heißt Bedingung der Schleife und das Programmfragment π 1 heißt Rumpf der Schleife. Bei der Ausführung des Programms π wird zunächst π 0 abgearbeitet und anschließend wiederholt π 1 falls und solange B wahr ist. Möchte man zeigen, dass nach Ausführung von π, sofern dieses terminiert, eine Aussage A gilt, so nutzt man oft Schleifeninvarianten. 12/16

54 Schleifeninvarianten und -varianten: Ein Ausblick (2) Eine Schleifeninvariante I für π 1 ist eine boolesche Aussage, die, sofern sie vor einem Schleifendurchlauf gilt, auch nach diesem gilt: B I = [π 1 ]I. (1) Obiges ist notiert in einer dynamischen Logik, welche ihr in Formale Systeme 2 kennenlernen werdet. Sie spielt eine bedeutende Rolle bei der Verifikation von Software. Gilt eine Schleifeninvariante also vor Eintritt in die Schleife, so gilt sie auch dann noch, wenn die Schleife terminiert: I = [while(b) {π 1 }]I. Möchten wir zeigen, dass nach Ausführung von π die Aussage A gilt, so genügt es also eine Schleifeninvariante I für π 1 zu finden, für welche gilt: Nach Ausführung von π 0 gilt I ; Aus I und B folgt A. 13/16

55 Schleifeninvarianten und -varianten: Ein Ausblick (2) Eine Schleifeninvariante I für π 1 ist eine boolesche Aussage, die, sofern sie vor einem Schleifendurchlauf gilt, auch nach diesem gilt: B I = [π 1 ]I. (1) Obiges ist notiert in einer dynamischen Logik, welche ihr in Formale Systeme 2 kennenlernen werdet. Sie spielt eine bedeutende Rolle bei der Verifikation von Software. Gilt eine Schleifeninvariante also vor Eintritt in die Schleife, so gilt sie auch dann noch, wenn die Schleife terminiert: I = [while(b) {π 1 }]I. Möchten wir zeigen, dass nach Ausführung von π die Aussage A gilt, so genügt es also eine Schleifeninvariante I für π 1 zu finden, für welche gilt: Nach Ausführung von π 0 gilt I ; Aus I und B folgt A. 13/16

56 Schleifeninvarianten und -varianten: Ein Ausblick (2) Eine Schleifeninvariante I für π 1 ist eine boolesche Aussage, die, sofern sie vor einem Schleifendurchlauf gilt, auch nach diesem gilt: B I = [π 1 ]I. (1) Obiges ist notiert in einer dynamischen Logik, welche ihr in Formale Systeme 2 kennenlernen werdet. Sie spielt eine bedeutende Rolle bei der Verifikation von Software. Gilt eine Schleifeninvariante also vor Eintritt in die Schleife, so gilt sie auch dann noch, wenn die Schleife terminiert: I = [while(b) {π 1 }]I. Möchten wir zeigen, dass nach Ausführung von π die Aussage A gilt, so genügt es also eine Schleifeninvariante I für π 1 zu finden, für welche gilt: Nach Ausführung von π 0 gilt I ; Aus I und B folgt A. 13/16

57 Schleifeninvarianten und -varianten: Ein Ausblick (2) Eine Schleifeninvariante I für π 1 ist eine boolesche Aussage, die, sofern sie vor einem Schleifendurchlauf gilt, auch nach diesem gilt: B I = [π 1 ]I. (1) Obiges ist notiert in einer dynamischen Logik, welche ihr in Formale Systeme 2 kennenlernen werdet. Sie spielt eine bedeutende Rolle bei der Verifikation von Software. Gilt eine Schleifeninvariante also vor Eintritt in die Schleife, so gilt sie auch dann noch, wenn die Schleife terminiert: I = [while(b) {π 1 }]I. Möchten wir zeigen, dass nach Ausführung von π die Aussage A gilt, so genügt es also eine Schleifeninvariante I für π 1 zu finden, für welche gilt: Nach Ausführung von π 0 gilt I ; Aus I und B folgt A. 13/16

58 Schleifeninvarianten und -varianten: Ein Ausblick (2) Eine Schleifeninvariante I für π 1 ist eine boolesche Aussage, die, sofern sie vor einem Schleifendurchlauf gilt, auch nach diesem gilt: B I = [π 1 ]I. (1) Obiges ist notiert in einer dynamischen Logik, welche ihr in Formale Systeme 2 kennenlernen werdet. Sie spielt eine bedeutende Rolle bei der Verifikation von Software. Gilt eine Schleifeninvariante also vor Eintritt in die Schleife, so gilt sie auch dann noch, wenn die Schleife terminiert: I = [while(b) {π 1 }]I. Möchten wir zeigen, dass nach Ausführung von π die Aussage A gilt, so genügt es also eine Schleifeninvariante I für π 1 zu finden, für welche gilt: Nach Ausführung von π 0 gilt I ; Aus I und B folgt A. 13/16

59 Schleifeninvarianten und -varianten: Ein Ausblick (3) Möchte man zeigen, dass eine Schleife terminiert, so nutzt man oft Schleifenvarianten. Eine Schleifenvariante V für π 1 ist ein ganzzahliger Ausdruck, der stets nicht-negativ ist und in jedem Schleifendurchlauf kleiner wird. Um zu beweisen, dass π terminiert, genügt es also eine Schleifenvariante V für π 1 zu finden, welche nach Ausführung von π 0 nicht-negativ ist. Die Schleife wird dann höchstens n-mal durchlaufen, wobei n der Wert von V nach Ausführung von π 0 ist. 14/16

60 Schleifeninvarianten und -varianten: Ein Ausblick (3) Möchte man zeigen, dass eine Schleife terminiert, so nutzt man oft Schleifenvarianten. Eine Schleifenvariante V für π 1 ist ein ganzzahliger Ausdruck, der stets nicht-negativ ist und in jedem Schleifendurchlauf kleiner wird. Um zu beweisen, dass π terminiert, genügt es also eine Schleifenvariante V für π 1 zu finden, welche nach Ausführung von π 0 nicht-negativ ist. Die Schleife wird dann höchstens n-mal durchlaufen, wobei n der Wert von V nach Ausführung von π 0 ist. 14/16

61 Schleifeninvarianten und -varianten: Ein Ausblick (3) Möchte man zeigen, dass eine Schleife terminiert, so nutzt man oft Schleifenvarianten. Eine Schleifenvariante V für π 1 ist ein ganzzahliger Ausdruck, der stets nicht-negativ ist und in jedem Schleifendurchlauf kleiner wird. Um zu beweisen, dass π terminiert, genügt es also eine Schleifenvariante V für π 1 zu finden, welche nach Ausführung von π 0 nicht-negativ ist. Die Schleife wird dann höchstens n-mal durchlaufen, wobei n der Wert von V nach Ausführung von π 0 ist. 14/16

62 Schleifeninvarianten und -varianten: Ein Ausblick (3) Möchte man zeigen, dass eine Schleife terminiert, so nutzt man oft Schleifenvarianten. Eine Schleifenvariante V für π 1 ist ein ganzzahliger Ausdruck, der stets nicht-negativ ist und in jedem Schleifendurchlauf kleiner wird. Um zu beweisen, dass π terminiert, genügt es also eine Schleifenvariante V für π 1 zu finden, welche nach Ausführung von π 0 nicht-negativ ist. Die Schleife wird dann höchstens n-mal durchlaufen, wobei n der Wert von V nach Ausführung von π 0 ist. 14/16

63 Formalismen Notwendig um Sachverhalte präzise und prägnant zu notieren und maschinell zu verarbeiten. Je ausdrucksmächtiger ein Formalismus jedoch ist, um so schwerer ist er meist maschinell zu verarbeiten oder sogar unmöglich maschinell zu verarbeiten. Deswegen suchen wir stets Formalismen die gerade so mächtig sind, dass wir alles für einen bestimmten Zweck notwendige damit ausdrücken können. In eurem weiteren Studium werdet ihr deswegen beispielsweise eine ganze Skala von Sprachen und Automaten unterschiedlicher Mächtigkeit kennenlernen. 15/16

64 Formalismen Notwendig um Sachverhalte präzise und prägnant zu notieren und maschinell zu verarbeiten. Je ausdrucksmächtiger ein Formalismus jedoch ist, um so schwerer ist er meist maschinell zu verarbeiten oder sogar unmöglich maschinell zu verarbeiten. Deswegen suchen wir stets Formalismen die gerade so mächtig sind, dass wir alles für einen bestimmten Zweck notwendige damit ausdrücken können. In eurem weiteren Studium werdet ihr deswegen beispielsweise eine ganze Skala von Sprachen und Automaten unterschiedlicher Mächtigkeit kennenlernen. 15/16

65 Formalismen Notwendig um Sachverhalte präzise und prägnant zu notieren und maschinell zu verarbeiten. Je ausdrucksmächtiger ein Formalismus jedoch ist, um so schwerer ist er meist maschinell zu verarbeiten oder sogar unmöglich maschinell zu verarbeiten. Deswegen suchen wir stets Formalismen die gerade so mächtig sind, dass wir alles für einen bestimmten Zweck notwendige damit ausdrücken können. In eurem weiteren Studium werdet ihr deswegen beispielsweise eine ganze Skala von Sprachen und Automaten unterschiedlicher Mächtigkeit kennenlernen. 15/16

66 Formalismen Notwendig um Sachverhalte präzise und prägnant zu notieren und maschinell zu verarbeiten. Je ausdrucksmächtiger ein Formalismus jedoch ist, um so schwerer ist er meist maschinell zu verarbeiten oder sogar unmöglich maschinell zu verarbeiten. Deswegen suchen wir stets Formalismen die gerade so mächtig sind, dass wir alles für einen bestimmten Zweck notwendige damit ausdrücken können. In eurem weiteren Studium werdet ihr deswegen beispielsweise eine ganze Skala von Sprachen und Automaten unterschiedlicher Mächtigkeit kennenlernen. 15/16

67 Schönes Wochenende! 16/16

Induktive Beweise und rekursive Definitionen

Induktive Beweise und rekursive Definitionen Induktive Beweise und rekursive Definitionen Vorlesung Logik in der Informatik, HU Berlin 1. Übungsstunde Beweis durch vollständige Induktion über N Aufgabe 1 Zeige, dass für alle n N gilt: n 2 i = 2 n+1

Mehr

Aufgaben und Lösungen zum Vorkurs Mathematik: Beweismethoden Für Mittwoch den

Aufgaben und Lösungen zum Vorkurs Mathematik: Beweismethoden Für Mittwoch den Fachbereich Mathematik Aufgaben und Lösungen zum Vorkurs Mathematik: Beweismethoden Für Mittwoch den 8.9.011 Vorkurs Mathematik WS 011/1 Die mit * gekennzeichneten Aufgaben sind etwas schwerer. Dort braucht

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

Induktive Beweise und rekursive Definitionen

Induktive Beweise und rekursive Definitionen Induktive Beweise und rekursive Definitionen Vorlesung Logik in der Informatik, HU Berlin 1. Übungsstunde Beweis durch vollständige Induktion über N Aufgabe 1 Zeige, dass für alle n N gilt: n 2 i = 2 n+1

Mehr

Aufgaben und Lösungen zum Vorkurs Mathematik: Beweismethoden Für Donnerstag den x > 1 3x > 3 3x + 3 > 6 6x + 3 > 3x + 6.

Aufgaben und Lösungen zum Vorkurs Mathematik: Beweismethoden Für Donnerstag den x > 1 3x > 3 3x + 3 > 6 6x + 3 > 3x + 6. Fachbereich Mathematik Aufgaben und Lösungen zum Vorkurs Mathematik: Beweismethoden Für Donnerstag den 7.9.01 Vorkurs Mathematik WS 01/13 Die mit * gekennzeichneten Aufgaben sind etwas schwerer. Dort braucht

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

Fachwissenschaftliche Grundlagen

Fachwissenschaftliche Grundlagen Fachwissenschaftliche Grundlagen Vorlesung im Wintersemester 2011/2012, Universität Landau Roland Gunesch 9. Vorlesung Roland Gunesch (Mathematik) Fachwissenschaftliche Grundlagen 9. Vorlesung 1 / 17 Themen

Mehr

1.2 Eigenschaften der ganzen Zahlen

1.2 Eigenschaften der ganzen Zahlen Lineare Algebra I WS 2015/16 c Rudolf Scharlau 13 1.2 Eigenschaften der ganzen Zahlen Dieser Abschnitt handelt von den gewöhlichen ganzen Zahlen Z und ihren Verknüpfungen plus und mal. Man kann die natürlichen

Mehr

Elementare Beweismethoden

Elementare Beweismethoden Elementare Beweismethoden Christian Hensel 404015 Inhaltsverzeichnis Vortrag zum Thema Elementare Beweismethoden im Rahmen des Proseminars Mathematisches Problemlösen 1 Einführung und wichtige Begriffe

Mehr

ist ein regulärer Ausdruck.

ist ein regulärer Ausdruck. Dr. Sebastian Bab WiSe 12/13 Theoretische Grlagen der Informatik für TI Termin: VL 11 vom 22.11.2012 Reguläre Ausdrücke Reguläre Ausdrücke sind eine lesbarere Notation für Sprachen Denition 1 (Regulärer

Mehr

Kapitel 3. Natürliche Zahlen und vollständige Induktion

Kapitel 3. Natürliche Zahlen und vollständige Induktion Kapitel 3 Natürliche Zahlen und vollständige Induktion In Kapitel 1 haben wir den direkten Beweis, den modus ponens, kennen gelernt, der durch die Tautologie ( A (A = B) ) = B gegeben ist Dabei war B eine

Mehr

2.2 Ereignisse und deren Wahrscheinlichkeit

2.2 Ereignisse und deren Wahrscheinlichkeit 2.2 Ereignisse und deren Wahrscheinlichkeit Literatur: [Papula Bd., Kap. II.2 und II.], [Benning, Kap. ], [Bronstein et al., Kap. 1.2.1] Def 1 [Benning] Ein Zufallsexperiment ist ein beliebig oft wiederholbarer,

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

Grundbegriffe der Informatik

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

Mehr

MATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST

MATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST Privatdozent Dr. C. Diem diem@math.uni-leipzig.de http://www.math.uni-leipzig.de/ diem/wiwi MATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST Es folgt eine Musterlösung zusammen mit Anleitungen

Mehr

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.

7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt. 7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim

Mehr

Grundbegriffe der Informatik Tutorium 2

Grundbegriffe der Informatik Tutorium 2 Grundbegriffe der Informatik Tutorium 2 Tutorium Nr. 32 Philipp Oppermann 13. November 2013 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum

Mehr

Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln

Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Michael Kniely November 2009 1 Vorbemerkungen Definition. Sei n N +, ϕ(n) := {d [0, n 1] ggt (d, n) = 1}. Die Abbildung ϕ : N + N + heißt

Mehr

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl. Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )

Mehr

Themen: Kubische Gleichungen, Ungleichungen, Induktion

Themen: Kubische Gleichungen, Ungleichungen, Induktion Lo sungen zu U bungsblatt Mathematik fu r Ingenieure Maschinenbauer und Sicherheitstechniker), 1. Semester, bei Prof. Dr. G. Herbort im WiSe1/14 Dipl.-Math. T. Pawlaschyk, 05.11.1 Themen: Kubische Gleichungen,

Mehr

Vorlesung. Vollständige Induktion 1

Vorlesung. Vollständige Induktion 1 WS 015/16 Vorlesung Vollständige Induktion 1 1 Einführung Bei der vollständigen Induktion handelt es sich um ein wichtiges mathematisches Beweisverfahren, mit dem man Aussagen, die für alle natürlichen

Mehr

Schnupperkurs: Ausgewählte Methoden zur Aufgabenlösung

Schnupperkurs: Ausgewählte Methoden zur Aufgabenlösung Mathematisches Institut II.06.004 Universität Karlsruhe Priv.-Doz. Dr. N. Grinberg SS 05 Schnupperkurs: Ausgewählte Methoden zur Aufgabenlösung Vorlesung 3: Elementare Beweismethoden: Direkter Beweis,

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker II (Sommersemester 2004) Lösungen zu Aufgabenblatt

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

Vertiefung NWI: 13. Vorlesung zur Wahrscheinlichkeitstheorie

Vertiefung NWI: 13. Vorlesung zur Wahrscheinlichkeitstheorie Fakultät für Mathematik Prof. Dr. Barbara Gentz SS 2013 Vertiefung NWI: 13. Vorlesung zur Wahrscheinlichkeitstheorie Mittwoch, 10.7.2013 13. Markoffketten 13.1 Beispiele 1. Irrfahrt auf dem zweidimensionalen

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

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

mathe plus Aussagenlogik Seite 1

mathe plus Aussagenlogik Seite 1 mathe plus Aussagenlogik Seite 1 1 Aussagenlogik 1.1 Grundbegriffe Def 1 Aussage Eine Aussage ist ein beschriebener Sachverhalt, dem eindeutig einer der Wahrheitswerte entweder wahr oder falsch zugeordnet

Mehr

Wiederholung Vorlesungen 1 bis 8

Wiederholung Vorlesungen 1 bis 8 Wiederholung Vorlesungen 1 bis 8 Aufgabe 1 a) Sind die im Folgenden gegebenen Ausdrücke als Folge interpretierbar? Wenn ja, wie? i) 1,,4,8,16,3,64,..., ii)... 5, 3, 1,1,3,5,..., iii) 3,10,π,4, 1 7,10,1,14,16,18,...

Mehr

Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Übungsblatt 1

Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Übungsblatt 1 Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Zeigen Sie mit vollständiger Induktion:

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Lösungen Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Kapitel I: Mengen Aufgabe

Mehr

Technische Universität München WS 2012/13 Fakultät für Informatik Lösungsvorschläge zu Blatt 4 Dr. C. Herzog, M. Maalej 12.

Technische Universität München WS 2012/13 Fakultät für Informatik Lösungsvorschläge zu Blatt 4 Dr. C. Herzog, M. Maalej 12. 4/1 Technische Universität München WS 2012/13 Fakultät für Informatik Lösungsvorschläge zu Blatt 4 Dr. C. Herzog, M. Maalej 12. November 2012 Übungen zu Grundlagen der Programmierung Aufgabe 14 (Lösungsvorschlag)

Mehr

1 Vorbereitung: Potenzen 2. 2 Einstieg und typische Probleme 3

1 Vorbereitung: Potenzen 2. 2 Einstieg und typische Probleme 3 Das vorliegende Skript beschäftigt sich mit dem Thema Rechnen mit Kongruenzen. Das Skript entsteht entlang einer Unterrichtsreihe in der Mathematischen Schülergesellschaft (MSG) im Jahr 2013. Die vorliegende

Mehr

Das Banach-Tarski-Paradox

Das Banach-Tarski-Paradox Das Banach-Tarski-Paradox Thomas Neukirchner Nicht-messbare Mengen verdeutlichen auf eindrucksvolle Weise, dass es keinen additiven - geschweige denn σ-additiven Volumenbegriff auf der Potenzmenge P(R

Mehr

Die Ackermannfunktion

Die Ackermannfunktion Die Ackermannfunktion Slide 1 Die Ackermannfunktion Hans U. Simon (RUB) Email: simon@lmi.rub.de Homepage: http://www.ruhr-uni-bochum.de/lmi Die Ackermannfunktion Slide 2 Eine Frage zu Anfang Ist jede intuitiv

Mehr

Übung zur Vorlesung Multiagentensysteme

Übung zur Vorlesung Multiagentensysteme Ludwig-Maximilians-Universität München SS 2007 Institut für Informatik Aufgabenblatt 1 Dr. Brandt / Fischer & Harrenstein 23. April 2007 Übung zur Vorlesung Multiagentensysteme Tutorübung: 25. April 2007

Mehr

Formale Methoden 1. Gerhard Jäger 16. Januar Uni Bielefeld, WS 2007/2008 1/19

Formale Methoden 1. Gerhard Jäger 16. Januar Uni Bielefeld, WS 2007/2008 1/19 1/19 Formale Methoden 1 Gerhard Jäger Gerhard.Jaeger@uni-bielefeld.de Uni Bielefeld, WS 2007/2008 16. Januar 2008 2/19 Reguläre Ausdrücke vierte Art (neben Typ-3-Grammatiken, deterministischen und nicht-deterministischen

Mehr

1 Σ endliches Terminalalphabet, 2 V endliche Menge von Variablen (mit V Σ = ), 3 P (V (Σ ΣV )) {(S, ε)} endliche Menge von Regeln,

1 Σ endliches Terminalalphabet, 2 V endliche Menge von Variablen (mit V Σ = ), 3 P (V (Σ ΣV )) {(S, ε)} endliche Menge von Regeln, Theorie der Informatik 8. März 25 8. Reguläre Sprachen I Theorie der Informatik 8. Reguläre Sprachen I 8. Reguläre Grammatiken Malte Helmert Gabriele Röger 8.2 DFAs Universität Basel 8. März 25 8.3 NFAs

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Beweise)

Diskrete Strukturen Kapitel 2: Grundlagen (Beweise) WS 2014/15 Diskrete Strukturen Kapitel 2: Grundlagen (Beweise) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_14

Mehr

Zahlentheorie für den Landeswettbewerb für Anfängerinnen und Anfänger der Österreichischen Mathematik-Olympiade

Zahlentheorie für den Landeswettbewerb für Anfängerinnen und Anfänger der Österreichischen Mathematik-Olympiade Zahlentheorie für den Landeswettbewerb für Anfängerinnen und Anfänger der Österreichischen Mathematik-Olympiade Clemens Heuberger 22. September 2014 Inhaltsverzeichnis 1 Dezimaldarstellung 1 2 Teilbarkeit

Mehr

4.4.1 Statisches perfektes Hashing. des Bildbereichs {0, 1,..., n 1} der Hashfunktionen und S U, S = m n, eine Menge von Schlüsseln.

4.4.1 Statisches perfektes Hashing. des Bildbereichs {0, 1,..., n 1} der Hashfunktionen und S U, S = m n, eine Menge von Schlüsseln. 4.4 Perfektes Hashing Das Ziel des perfekten Hashings ist es, für eine Schlüsselmenge eine Hashfunktion zu finden, so dass keine Kollisionen auftreten. Die Größe der Hashtabelle soll dabei natürlich möglichst

Mehr

5 Grundlagen der Zahlentheorie

5 Grundlagen der Zahlentheorie 5 Grundlagen der Zahlentheorie 1 Primfaktorzerlegung Seienm, n N + := {k N k > 0} Man schreibt n n, gesprochen m teilt n oder m ist ein Teiler von n, wenn es eine positive natürliche Zahl k gibt mit mk

Mehr

äußere Klammern können entfallen, ebenso solche, die wegen Assoziativität von + und Konkatenation nicht notwendig sind:

äußere Klammern können entfallen, ebenso solche, die wegen Assoziativität von + und Konkatenation nicht notwendig sind: 3. Reguläre Sprachen Bisher wurden Automaten behandelt und Äquivalenzen zwischen den verschiedenen Automaten gezeigt. DEAs erkennen formale Sprachen. Gibt es formale Sprachen, die nicht erkannt werden?

Mehr

Vollständige Induktion

Vollständige Induktion Schweizer Mathematik-Olympiade smo osm Vollständige Induktion Aktualisiert: 1 Dezember 01 vers 100 Eine der wichtigsten Beweistechniken der Mathematik überhaupt ist die (vollständige) Induktion Wir nehmen

Mehr

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.

Mehr

24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN

24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN 24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN x 2 = 0+x 2 = ( a+a)+x 2 = a+(a+x 2 ) = a+(a+x 1 ) = ( a+a)+x 1 = x 1. Daraus folgt dann, wegen x 1 = x 2 die Eindeutigkeit. Im zweiten Fall kann man für a 0 schreiben

Mehr

TU8 Beweismethoden. Daniela Andrade

TU8 Beweismethoden. Daniela Andrade TU8 Beweismethoden Daniela Andrade daniela.andrade@tum.de 12.12.2016 1 / 21 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds findet ;) 2

Mehr

1 Das Prinzip der vollständigen Induktion

1 Das Prinzip der vollständigen Induktion 1 1 Das Prinzip der vollständigen Induktion 1.1 Etwas Logik Wir nennen eine Formel oder einen Satz der Alltagssprache eine Aussage, wenn sie wahr oder falsch sein kann. Die Formeln 2 = 3, 2 4, 5 5 sind

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Dr. Werner Meixner, Dr. Alexander Krauss Sommersemester 2010 Lösungsblatt 3 14. Mai 2010 Einführung in die Theoretische

Mehr

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

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

Mehr

Übungen zu Grundlagen der Logik in der Informatik - WS15/16

Übungen zu Grundlagen der Logik in der Informatik - WS15/16 Übungen zu Grundlagen der Logik in der Informatik - WS15/16 1 / 11 Übungen zu Grundlagen der Logik in der Informatik - WS15/16 Donnerstag 14:15-15:45, Cauerstraße 7/9, Raum 0.154-115 Freitag 14:15-15:45,

Mehr

Theoretische Informatik. Alphabete, Worte, Sprachen

Theoretische Informatik. Alphabete, Worte, Sprachen Theoretische Informatik Alphabete, Worte, Sprachen Alphabete, Worte, Sprachen 1. Alphabete und Worte Definitionen, Beispiele Operationen mit Worten Induktionsbeweise 2. Sprachen Definition und Beispiele

Mehr

DIE SPRACHE DER WAHRSCHEINLICHKEITEN

DIE SPRACHE DER WAHRSCHEINLICHKEITEN KAPITEL 1 DIE SPRACHE DER WAHRSCHEINLICHKEITEN Es ist die Aufgabe der ersten drei Kapitel, eine vollständige Beschreibung des grundlegenden Tripels (Ω, A, P) und seiner Eigenschaften zu geben, das heutzutage

Mehr

Theoretische Informatik SS 03 Übung 3

Theoretische Informatik SS 03 Übung 3 Theoretische Informatik SS 03 Übung 3 Aufgabe 1 a) Sind die folgenden Funktionen f : partiell oder total: f(x, y) = x + y f(x, y) = x y f(x, y) = x y f(x, y) = x DIV y? Hierbei ist x DIV y = x y der ganzzahlige

Mehr

Universität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente

Universität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente Universität Basel Wirtschaftswissenschaftliches Zentrum Kombinatorik Dr. Thomas Zehrt Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente 2 Teil 1 Endliche Mengen Eine endliche Menge M ist eine Menge,

Mehr

Brückenkurs Mathematik

Brückenkurs 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

Mehr

Induktive Definitionen

Induktive Definitionen Induktive Definitionen Induktive Definition: Konstruktive Methode zur Definition einer Menge M von Objekten aus Basisobjekten mittels (Erzeugungs-) Regeln Slide 1 Rekursion über den Aufbau: Konstruktive

Mehr

Ersetzbarkeitstheorem

Ersetzbarkeitstheorem Ersetzbarkeitstheorem Die Abgeschlossenheit läßt sich auch folgendermaßen formulieren: Ersetzbarkeitstheorem Seien F und G Formeln mit F G. SeienH und H Formeln, so daß H aus H hervorgeht, indem ein Vorkommen

Mehr

Formale Sprachen. Spezialgebiet für Komplexe Systeme. Yimin Ge. 5ahdvn. 1 Grundlagen 1. 2 Formale Grammatiken 4. 3 Endliche Automaten 5.

Formale Sprachen. Spezialgebiet für Komplexe Systeme. Yimin Ge. 5ahdvn. 1 Grundlagen 1. 2 Formale Grammatiken 4. 3 Endliche Automaten 5. Formale Sprachen Spezialgebiet für Komplexe Systeme Yimin Ge 5ahdvn Inhaltsverzeichnis 1 Grundlagen 1 2 Formale Grammatien 4 Endliche Automaten 5 4 Reguläre Sprachen 9 5 Anwendungen bei Abzählproblemen

Mehr

1 Zahlentheorie. 1.1 Kongruenzen

1 Zahlentheorie. 1.1 Kongruenzen 3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern

Mehr

11. Folgen und Reihen.

11. Folgen und Reihen. - Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a

Mehr

n=1 a n mit reellen Zahlen a n einen

n=1 a n mit reellen Zahlen a n einen 4 Unendliche Reihen 4. Definition und Beispiele Ein altes Problem der Analysis ist es, einer Reihe mit reellen Zahlen einen Wert zuzuordnen. Ein typisches Beispiel ist die unendliche Reihe + +..., die

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

Grundlagen der Theoretischen Informatik Musterlösungen zu ausgewählten Übungsaufgaben

Grundlagen der Theoretischen Informatik Musterlösungen zu ausgewählten Übungsaufgaben Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekt mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufgabe 45. Polynome sind stets stetig. Höhere Mathematik für Informatiker II (Sommersemester

Mehr

Handout zu Beweistechniken

Handout zu Beweistechniken Handout zu Beweistechniken erstellt vom Lernzentrum Informatik auf Basis von [Kre13],[Bün] Inhaltsverzeichnis 1 Was ist ein Beweis? 2 2 Was ist Vorraussetzung, was ist Behauptung? 2 3 Beweisarten 3 3.1

Mehr

SS April Übungen zur Vorlesung Logik Blatt 1. Prof. Dr. Klaus Madlener Abgabe bis 27. April :00h

SS April Übungen zur Vorlesung Logik Blatt 1. Prof. Dr. Klaus Madlener Abgabe bis 27. April :00h SS 2011 20. April 2011 Übungen zur Vorlesung Logik Blatt 1 Prof. Dr. Klaus Madlener Abgabe bis 27. April 2011 10:00h 1. Aufgabe: [strukturelle Induktion, Übung] Zeigen Sie mit struktureller Induktion über

Mehr

Im allerersten Unterabschnitt wollen wir uns mit einer elementaren Struktur innerhalb der Mathematik beschäftigen: Mengen.

Im allerersten Unterabschnitt wollen wir uns mit einer elementaren Struktur innerhalb der Mathematik beschäftigen: Mengen. Kapitel 1 - Mathematische Grundlagen Seite 1 1 - Mengen Im allerersten Unterabschnitt wollen wir uns mit einer elementaren Struktur innerhalb der Mathematik beschäftigen: Mengen. Definition 1.1 (G. Cantor.

Mehr

4. Induktives Definieren - Themenübersicht

4. Induktives Definieren - Themenübersicht Induktives Definieren 4. Induktives Definieren - Themenübersicht Induktives Definieren Natürliche Zahlen Operationen auf natürlichen Zahlen Induktive Algorithmen Induktiv definierte Mengen Binärbäume Boolesche

Mehr

Reihen/Partialsummenfolgen und vollständige Induktion. Robert Klinzmann

Reihen/Partialsummenfolgen und vollständige Induktion. Robert Klinzmann Reihen/Partialsummenfolgen und vollständige Induktion Robert Klinzmann 3. Mai 00 Reihen / Partialsummen 1 Inhaltsverzeichnis 1 Vorwort Das Prinzip der vollständigen Induktion 3 3 Herleitung der Gauß schen

Mehr

Formale Systeme. Büchi-Automaten. Prof. Dr. Bernhard Beckert WS 2009/2010 KIT INSTITUT FÜR THEORETISCHE INFORMATIK

Formale Systeme. Büchi-Automaten. Prof. Dr. Bernhard Beckert WS 2009/2010 KIT INSTITUT FÜR THEORETISCHE INFORMATIK Formale Systeme Prof. Dr. Bernhard Beckert WS 2009/2010 KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz

Mehr

Vervollständigung Lateinischer Quadrate

Vervollständigung Lateinischer Quadrate Vervollständigung Lateinischer Quadrate Elisabeth Schmidhofer 01.12.2013 Inhaltsverzeichnis 1 Vorwort 3 2 Einleitung 4 2.1 Beispele.............................................. 4 3 Lateinische Quadrate

Mehr

Beschreibungskomplexität von Grammatiken Definitionen

Beschreibungskomplexität von Grammatiken Definitionen Beschreibungskomplexität von Grammatiken Definitionen Für eine Grammatik G = (N, T, P, S) führen wir die folgenden drei Komplexitätsmaße ein: Var(G) = #(N), Prod(G) = #(P ), Symb(G) = ( α + β + 1). α β

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Informatiker I (Wintersemester 2003/2004) Aufgabenblatt 9

Mehr

Mathematische Grundlagen der Ökonomie Übungsblatt 8

Mathematische Grundlagen der Ökonomie Übungsblatt 8 Mathematische Grundlagen der Ökonomie Übungsblatt 8 Abgabe Donnerstag 7. Dezember, 0:5 in H 5+7+8 = 20 Punkte Mit Lösungshinweisen zu einigen Aufgaben 29. Das Bisektionsverfahren sucht eine Nullstelle

Mehr

18 Höhere Ableitungen und Taylorformel

18 Höhere Ableitungen und Taylorformel 8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 2. Übungsblatt

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 2. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heio Hoffmann WS 2013/14 Höhere Mathemati I für die Fachrichtung Informati Lösungsvorschläge zum 2. Übungsblatt Aufgabe

Mehr

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik Einheit 1 Mathematische Methodik 1. Problemlösen 2. Beweistechniken 3. Wichtige Grundbegriffe Methodik des Problemlösens Klärung der Voraussetzungen Welche Begriffe sind zum Verständnis

Mehr

Grundlagen der Theoretischen Informatik

Grundlagen der Theoretischen Informatik Grundlagen der Theoretischen Informatik Sommersemester 2015 22.04.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Bis jetzt 1. Terminologie 2. Endliche Automaten und reguläre Sprachen

Mehr

Fakultät für Informatik Universität Magdeburg Jürgen Dassow. Vorbemerkungen

Fakultät für Informatik Universität Magdeburg Jürgen Dassow. Vorbemerkungen Vorbemerkungen if (x > y) z = x; else z = y; Wenn es blaue Tiger regnet, dann fressen alle Kirschbäume schwarze Tomaten. q(1) = 1, q(i) = q(i 1) + 2i 1 für i 2 Welchen Wert hat q(6)? 24 ist durch 2 teilbar.

Mehr

Kapitel 4. Induktive Definitionen und Beweise

Kapitel 4. Induktive Definitionen und Beweise Kapitel 4 Induktive Definitionen und Beweise Bei der Definition der Semantik der Programmiersprache IMP haben wir an vielen verschiedenen Stellen induktive Definitionen benutzt: angefangen bei der Syntax

Mehr

Potenzgesetze und Logarithmengesetze im Komplexen

Potenzgesetze und Logarithmengesetze im Komplexen Potenzgesetze und Logarithmengesetze im Komplexen Man kennt die Potenzgesetze und die Logarithmengesetze gewöhnlich schon aus der Schule und ist es gewohnt, mit diesen leicht zu agieren und ohne große

Mehr

Formale Sprachen. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S

Formale Sprachen. Formale Grundlagen (WIN) 2008S, F. Binder. Vorlesung im 2008S Formale Grundlagen (WIN) Franz Binder Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Das Alphabet Σ sei eine endliche

Mehr

Lösung zur Aufgabe Würfel färben von Heft 20

Lösung zur Aufgabe Würfel färben von Heft 20 Lösung zur Aufgabe Würfel färben von Heft 20 (1) Jedes der 24 Teilquadrate grenzt an genau eine der acht Ecken. Da nach unserer Vorschrift die drei Teilquadrate an jeder Ecke unterschiedlich gefärbt sein

Mehr

Analysis I - Stetige Funktionen

Analysis I - Stetige Funktionen Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt

Mehr

1. Musterlösung zu Mathematik für Informatiker I, WS 2003/04

1. Musterlösung zu Mathematik für Informatiker I, WS 2003/04 1 Musterlösung zu Mathematik für Informatiker I, WS 2003/04 MICHAEL NÜSKEN, KATHRIN TOFALL & SUSANNE URBAN Aufgabe 11 (Aussagenlogik und natürliche Sprache) (9 Punkte) (1) Prüfe, ob folgenden Aussagen

Mehr

Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man

Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man x / M. Man sagt, M ist Teilmenge von N und schreibt M N, wenn für jedes x M auch x N gilt.

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume

Mehr

6 Reelle und komplexe Zahlenfolgen

6 Reelle und komplexe Zahlenfolgen Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun

Mehr

6.1 Natürliche Zahlen 6.2 Induktion und Rekursion 6.3 Ganze, rationale, reelle und komplexe Zahlen 6.4 Darstellung von Zahlen

6.1 Natürliche Zahlen 6.2 Induktion und Rekursion 6.3 Ganze, rationale, reelle und komplexe Zahlen 6.4 Darstellung von Zahlen 6. Zahlen 6.1 Natürliche Zahlen 6.2 Induktion und Rekursion 6.3 Ganze, rationale, reelle und komplexe Zahlen 6.4 Darstellung von Zahlen 6. Zahlen GM 6-1 6.1 Natürliche Zahlen Vom lieben Gott gemacht Menschenwerk:

Mehr

Informationsblatt Induktionsbeweis

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

Mehr

Drehung um einen Punkt um Winkel α.

Drehung um einen Punkt um Winkel α. Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D

Mehr

Lösungsvorschläge Blatt Z1

Lösungsvorschläge Blatt Z1 Theoretische Informatik Departement Informatik Prof. Dr. Juraj Hromkovič http://www.ita.inf.ethz.ch/theoinf16 Lösungsvorschläge Blatt Z1 Zürich, 2. Dezember 2016 Lösung zu Aufgabe Z1 Wir zeigen L qi /

Mehr

4. Übungsblatt zu Mathematik für Informatiker I, WS 2003/04

4. Übungsblatt zu Mathematik für Informatiker I, WS 2003/04 4. Übungsblatt zu Mathematik für Informatiker I, WS 2003/04 JOACHIM VON ZUR GATHEN, OLAF MÜLLER, MICHAEL NÜSKEN Abgabe bis Freitag, 14. November 2003, 11 11 in den jeweils richtigen grünen oder roten Kasten

Mehr

Einführung Grundbegriffe

Einführung Grundbegriffe Einführung Grundbegriffe 1.1 Der Modellbegriff Broy: Informatik 1, Springer 1998 (2) Die Modellbildung der Informatik zielt auf die Darstellung der unter dem Gesichtspunkt einer gegebenen Aufgabenstellung

Mehr

Kapitel 5: Abstrakte Algorithmen und Sprachkonzepte. Elementare Schritte

Kapitel 5: Abstrakte Algorithmen und Sprachkonzepte. Elementare Schritte Elementare Schritte Ein elementarer Berechnungsschritt eines Algorithmus ändert im Allgemeinen den Wert von Variablen Zuweisungsoperation von fundamentaler Bedeutung Zuweisungsoperator In Pascal := In

Mehr

Grundlagen der Mengenlehre

Grundlagen 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

Mehr

Lösungen zu Ungerade Muster in Pyramiden. Muster: Die Summe der ungeraden Zahlen (in jeder Teilpyramide) ist stets eine Quadratzahl.

Lösungen zu Ungerade Muster in Pyramiden. Muster: Die Summe der ungeraden Zahlen (in jeder Teilpyramide) ist stets eine Quadratzahl. Lösungen zu Ungerade Muster in Pyramiden Aufgabe Muster: Die Summe der ungeraden Zahlen (in jeder Teilpyramide) ist stets eine Quadratzahl. Begründung : Zunächst schauen wir eine Abbildung an, in der die

Mehr

Mathematische Grundlagen der Computerlinguistik

Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen (Teil II) Centrum für Informations- und Sprachverarbeitung (CIS) 2. Juni 2014 Table of Contents 1 2 3 Definition Mengenfamilie Eine Menge, deren sämtliche Elemente selbst wiederum

Mehr