3 Ein wenig Kombinatorik

Größe: px
Ab Seite anzeigen:

Download "3 Ein wenig Kombinatorik"

Transkript

1 3 Ein wenig Kombinatori Definition i) Zu jedem n N definiere n Saubere Definition ist indutiv 1! 1 (Konvention: 0! 1) (n +1)!(n +1) ii) Für n N und (N {0}) mit0 n setze!(n )! 1 2 n (n +1) (n +2) n (1 2 )(1 2 (n ) 1 2 Beachte 1, 0 1, n ( ) ( ) n n n Satz 1 i) Es gibt 2 n Teilmengen der Menge {1,2,...,n} ii) Es gibt Anordnungen der Elemente von {1,2,...,n} iii) Es gibt (n )! Anordnungen von Elementen aus {1,2,...,n} iv) Es gibt ( n ) -elementige Teilmengen von {1,2,...,n} 15

2 3 Ein wenig Kombinatori Bemerung Teilmengen sind ungeordnet, demnach {1, 4} {4, 1} Anordnungen sind geordnet, also a, b b, a {1, 2,..., n} ann durch eine beliebige n-elementige Menge ersetzt werden. Die zwei Seiten von N Ordinalzahlen : durchzählen Kardinalzahlen : Mächtigeit von endlichen Mengen (Anzahl der Elemente Mächtigeit) Beweis von Satz 1 i) - iii) Sind anschaulich/heuristisch zu verstehen Wir werden die heuristischen und die auf der vollständigen Indution basierenden rigorosen Argumente geben. zu i) Heuristisch: Bei jedem Element von {1, 2,...,n} ist eine Entscheidung zu treffen: in der Teilmenge nicht in der Teilmenge z.b. bei n 4 1 drin 2 aus 3 aus 4 drin Wie viele Entscheidungen (Kombinationmöglicheiten)? Rigoros: Setze zur Abürzung Z(n) Anzahl der Teilmengen von {1, 2,..., n}. Wir werden zeigen: Z(1) 2 Z(n +1)2 Z(n) Gemäß des Prinzipes der vollständigen Indution liefert das i). Zur Indutionsveranerung, die Teilmengen der Menge {1} sind und {1}, also Z(1) 2 16

3 3 Ein wenig Kombinatori Zum Indutionsschritt, sei M eine Teilmenge von {1, 2,..., n}, dann sind M, M {n +1} (1) Teilmengen von {1, 2,..., n +1}. SeiM eine von M verschiedene Teilmenge von {1, 2,..., n}, dann sind M, M {n +1} (2) Teilmengen von {1,2,...,n+1} und die 4 Teilmengen in (1) und (2) sind paarweise verschieden. Daraus folgt Z(n +1) 2 Z(n) Jede Teilmenge M von {1, 2,..., n +1} ist von der Form M oder M {n +1}, wobei M eine Teilmenge von {1, 2,..., n} Daher gilt Z(n +1) 2 Z(n) zu ii) Dies ist Spezialfall von iii) für n zu iii) Heuristisch: Wie beommen wir eine Anordnung von Elementen aus {1, 2,..., n}? Manwählt suzessive Elemente aus der Menge. Beim ersten Glied hat man n Wahlmöglicheiten, beim zweiten n 1, etc. Insgesamt hat man Kombinationen. n (n 1)... (n +1) n (n 1)... 1 (n )... 1 (n )! Rigoros: Z(n, ) Anzahl der Anordnungen von Elementen aus {1, 2,..., n}, unser Ziel lautet: Z(n, ) (n )! für n N, N, n Dies folgt aus Prinzip der vollständigen Indution nach n aus: Z(n, 1) n Z(n, +1)(n ) Z(n, ) 17

4 3 Ein wenig Kombinatori zu iv) Anzahl der -elementigen Teilmengen von {1, 2,...,n} Z(n, ) Anzahl der Anordnungen von Elementen aus {1, 2,...,n} Z(n, ) (n )! gemäß iii) Anzahl der Anordnungen einer -elementigen Menge Z()! gemäß ii) für n Es gilt Z(n, ) Z(n, ) Z() ( ) und daher Z(n, ) Z(n, ) Z() (n )! 1 Warum gilt ( )? Wie ann man zu einer Anordnung von Elementen aus {1, 2,..., n} gelangen? Durch zwei Schritte: Auswahl einer -elementigen Teilmenge M von {1, 2,..., n} Auswahlmöglichleiten: Z(n, ) Anordnung der Elemente von M Auswahlmöglicheiten: Z() Daher Z(n, ) Z(n, ) Z() 18

5 3 Ein wenig Kombinatori Korollar 1 i) ii) ( n ) N ( ) ( ) ( ) n n n n 0 1 n }{{} n ( n ) o Beweis von Korollar 1 zu ii) Es gilt und Daher Anzahl -elementige Teilmengen von {1, 2,..., n} gemäß Satz1 2 n Anzahl Teilmengen von {1, 2,..., n} n 0 2 n Satz 2 (Binomischer Satz) (a + b) 3 (a + b)(a + b)(a + b) aaa + aab + aba + abb + baa + bab + bba + bbb a 3 +3a 2 b +3ab 2 + b 3 Wir erennen (a + b) n wobei n Z(n, )a n b 0 Z(n, ) Anzahl der Worte aus {a,b} der Länge n, die genau -mal b enthalten Wir bemeren nun Z(n, ) Anzahl der -elementigen Teilmengen von {1, 2,..., n} Satz1 19

6 3 Ein wenig Kombinatori Diese eineindeutige Beziehung ist gegeben durch: Sei M eine -elementige Teilmenge von {1, 2,...,n}, betrachte das Wort mit i-ter Buchstabe { b wenn i M a sonst mit i 1, 2,..., n Das Pascal sche Dreiec ist ein Algorithmus zur Berechnung der Binomialoeffizienten: ( 3 0 ( 0 ( 1 ) 0) ( 1 ( 0 2 ) ( 2 ) 1) ( 2 ) 0 ( 1 3 ) ( 3 ) 2) ( ) Das Funtionieren dieses Algorithmus drüct sich in folgendem Lemma aus: Lemma 1 Es gilt ( ) ( ) n n Beweis von Lemma 1 ( ) ( ) n n + +1! (n )! + (+1)! (n 1)! ( +1) +(n ) ( +1)! (n )! (n +1) ( +1)! (n )! (n +1)! ( +1)! ((n +1) ( + 1))! ( n +1) +1 20

7 4 Teilbareit und Rationale Zahlen Definition 1 i) Die ganzen Zahlen Z sind definiert als Z N {0} { n n N} {..., 2, 1, 0, 1, 2,...} R ii) Die Rationalen Zahlen Q sind definiert als Q { m m Z,n N} R n Satz 1 Q ausgestattet mit +, aus R genügt den Körperaxiomen und den Anordnungsaxiomen Korollar 1 (aus Satz 2) Es existiert ein r Q mit r 2 2 Satz 2 Seien a, b N. Dann gilt ( a b ) n N a b N Beweis Korollar 1 Angenommen, es gäbe ein r Q mit r 2 2 Nach Definition 1ii) existierendaherb N, a Z mit r a b,also(a b )2 2 Ohne Beschränung der Allgemeinheit sei a>0(a 0 ist ausgeschlossen. Im Falle a<0setze ã a). Also a N 21

8 4 Teilbareit und Rationale Zahlen Gemäß Satz 2 folgt aus ( a b )2 2 a b N Das ist ein Widerspruch, da es ein m N gibt mit m 2 2 Für m 1gilt 1 2 1< 2 Für m>1 gilt m 2, m > 2 Bemerung Aufgrund von Korollar 1 ist Q eine unbefriedigende Beschreibung der Zahlengerade, mit der wir messen wollen. Betrachte ein rechtwinliges, gleichschenliges Dreiec mit der Kantenlänge 1. Der Satz von Pythagoras liefert dann a Aber nach Korollar 1 gibt es ein solches a in Q Definition 2 Seien a, b N. Dann heißt b Teiler (T) von a, falls es ein q N gibt mit a q b Lemma 1 Seien a, b N. Dann existieren q, r N {0} mit a q b + r und 0 r<b 22

Die Zahlbereiche N, Z, Q

Die Zahlbereiche N, Z, Q Die Zahlbereiche N, Z, Q Ausgangspunt: N = {1,, 3...} Menge der natürlichen Zahlen schrittweise Konstrution 1 := { }, := {, { }}, 3 := {, { }, {, { }}}... (also: n + 1 := n {n} J.v. Neumann 193 N wird

Mehr

2 Vollständige Induktion

2 Vollständige Induktion Vollständige Indution Wir unterbrechen jetzt die Disussion der Axiome der reellen Zahlen, um das Beweisverfahren der vollständigen Indution ennenzulernen. Wir setzen voraus, dass die natürlichen Zahlen

Mehr

Binomialkoeffizient. Für n, k N 0 mit n k definiert man den Binomialkoeffizienten. ( ) n n! n(n 1)(n 2) (n k + 1) Binomialkoeffizient 1-1

Binomialkoeffizient. Für n, k N 0 mit n k definiert man den Binomialkoeffizienten. ( ) n n! n(n 1)(n 2) (n k + 1) Binomialkoeffizient 1-1 Binomialoeffizient Für n, N 0 mit n definiert man den Binomialoeffizienten n! n(n 1)(n 2) (n + 1) = =. (n )!! 1 ( 2)( 1) Binomialoeffizient 1-1 Binomialoeffizient Für n, N 0 mit n definiert man den Binomialoeffizienten

Mehr

2.1 Klassische kombinatorische Probleme

2.1 Klassische kombinatorische Probleme 2 Kombinatori Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objeten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche

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

Natürliche und ganze Zahlen, vollständige Induktion und Kombinatorik

Natürliche und ganze Zahlen, vollständige Induktion und Kombinatorik Kapitel 2 Natürliche und ganze Zahlen, vollständige Indution und Kombinatori 2.1 N, Z (Gruppe; Ordnungsrelation Jeder hat eine intuitive Vorstellung von der Menge der natürlichen Zahlen N : {1, 2, 3...

Mehr

Einschub: Summen, Produkte und Potenzen.

Einschub: Summen, Produkte und Potenzen. Einschub: Summen, Produte und Potenzen. Allgemeine Summen und Produte. n b := b m +b m+1 + +b n (fallsm n) =m n =m b := 0 (fallsm > n, leere Summe) n =m b := b m b m+1... b n (fallsm n) n =m b := 1 (fallsm

Mehr

Theorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie

Theorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie Theorie der Informatik 17. März 2014 6. Formale Sprachen und Grammatiken Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 6.1 Einführung

Mehr

Beweis des Binomischen Satzes

Beweis des Binomischen Satzes Beweis des Binomischen Satzes Ein Beispiel für mathematische Beweisführung Oliver Müller 21. Februar 25 1 Vorwort Dieser Text soll hilfreich beim Erlernen der mathematischen Beweisführung über vollständige

Mehr

2 Zahlen. 2.1 Natürliche Zahlen Menge der natürlichen Zahlen. Der Ausgangspunkt für den Aufbau der Zahlenbereiche ist die Menge

2 Zahlen. 2.1 Natürliche Zahlen Menge der natürlichen Zahlen. Der Ausgangspunkt für den Aufbau der Zahlenbereiche ist die Menge 2.1 Natürliche Zahlen 2.1.1 Menge der natürlichen Zahlen Der Ausgangspunt für den Aufbau der Zahlenbereiche ist die Menge N = {0,1,2,3,...} der natürlichen Zahlen 0, 1, 2, 3, 4,... 2.1.2 Indutionsprinzip

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 Disrete Struturen und Logi WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Disrete Struturen und Logi Gesamtübersicht Organisatorisches Einführung Logi & Mengenlehre Beweisverfahren

Mehr

4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align

4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align 4. Die elementaren Zählfuntionen 4.1 Untermengen Definition 165 (Binomialoeffizienten) align ( ) n := 1 n N 0 0 ( ) n := 0 n

Mehr

Prof. Dr. Felix Otto - Analysis I (WiSe 2001/2002)

Prof. Dr. Felix Otto - Analysis I (WiSe 2001/2002) Prof. Dr. Felix Otto - Analysis I (WiSe 001/00) John Bieling Babak Haghighat Martin Killmann Oleg Lewagin Julia Nickenig Andreas Orth Martin Sander Maik Schäfer Florian Schuster Michael Strucken Andreas

Mehr

$Id: reell.tex,v /11/15 13:12:24 hk Exp $

$Id: reell.tex,v /11/15 13:12:24 hk Exp $ $Id: reell.tex,v.8 200//5 3:2:24 h Exp $ 4 Die reellen Zahlen 4.3 Das Vollständigeitsaxiom Wir hatten das Supremum einer Menge M R als die leinste obere Schrane von M definiert, sofern eine solche überhaupt

Mehr

aus A folgt B ). Sie ist falsch, wenn die Aussage A wahr ist und die Aussage B falsch. Ansonsten ist sie wahr. Wichtig ist auch die Aussage A B (

aus A folgt B ). Sie ist falsch, wenn die Aussage A wahr ist und die Aussage B falsch. Ansonsten ist sie wahr. Wichtig ist auch die Aussage A B ( 3 1. Die reellen Zahlen Die reellen Zahlen sind die Zahlen, mit denen wir gewöhnlich rechnen. Sie enthalten Elemente wie e, π oder 5 3. In diesem Kapitel geht es darum, ihren axiomatischen Aufbau und die

Mehr

Kombinatorik. ÖMO-Fortgeschrittenen-Kurs an der TU Graz. Jan Pöschko. 6. März Grundlegendes 2. 2 Zählen mit Binomialkoeffizienten 3

Kombinatorik. ÖMO-Fortgeschrittenen-Kurs an der TU Graz. Jan Pöschko. 6. März Grundlegendes 2. 2 Zählen mit Binomialkoeffizienten 3 Kombinatori ÖMO-Fortgeschrittenen-Kurs an der TU Graz Jan Pöscho 6. März 009 Inhaltsverzeichnis Grundlegendes Zählen mit Binomialoeffizienten 3 3 Inlusions-Exlusions-Prinzip 4 4 Schubfachschluss 6 Zählen

Mehr

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen: Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz WS 018/019 5.10.018 Höhere Mathemati für die Fachrichtung Physi Lösungsvorschläge zum. Übungsblatt

Mehr

«a n k b k. (4) (a + b) n = Der allgemeine binomische Lehrsatz

«a n k b k. (4) (a + b) n = Der allgemeine binomische Lehrsatz 2.2.3 Der allgemeine binomische Lehrsatz Mit Hilfe dieser neuen Begriffe und Symbole önnen wir eine allgemeingültige Formel für den Ausdruc (a + b) n angeben. Es gilt: Lemma 2. [Binomischer Lehrsatz] Sind

Mehr

1 Natürliche Zahlen und vollständige Indution Beispiel : Für jede Zahl x 6 1gilt die geometrische Summenformel 1+x + x + :::+ x n 1 xn+1 1 x : (I) Für

1 Natürliche Zahlen und vollständige Indution Beispiel : Für jede Zahl x 6 1gilt die geometrische Summenformel 1+x + x + :::+ x n 1 xn+1 1 x : (I) Für 1 Natürliche Zahlen und vollständige Indution Die ganzen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwer. (L. Kronecer) Wir setzen das System N der natürlichen Zahlen 1; ; 3;::: als beannt

Mehr

Mengen. Welche dieser Mengen sind paarweise gleich, ungleich? Begründung!

Mengen. Welche dieser Mengen sind paarweise gleich, ungleich? Begründung! Hinweis: Auf den Übungsblättern in diesem Semester wird es grundsätzlich die drei Aufgabentypen Vorbereitungsaufgabe, Tutoraufgabe und Hausaufgabe geben. Die als Vorbereitung bezeichneten Aufgaben dienen

Mehr

1. Die reellen Zahlen

1. Die reellen Zahlen 3 1. Die reellen Zahlen 1.1. Undefinierte Begriffe. Wir verwenden eine Reihe von Begriffen ohne mathematisch genaue Definition: Eine Aussage nennen wir etwas, von dem wir sagen önnen, ob es wahr ist oder

Mehr

Kombinatorik kompakt. Stochastik WS 2016/17 1

Kombinatorik kompakt. Stochastik WS 2016/17 1 Kombinatorik kompakt Stochastik WS 2016/17 1 Übersicht Auswahl/Kombinationen von N aus m Elementen Statistische unterscheidbare ununterscheidbare Physik Objekte (gleiche) Objekte ( ohne m N m+n 1 ) N mit

Mehr

Mathematik 1 nach der Vorlesung Mathematik für Physiker 1 Wiebe. Sebastian Ritz

Mathematik 1 nach der Vorlesung Mathematik für Physiker 1 Wiebe. Sebastian Ritz Mathemati 1 nach der Vorlesung Mathemati für Physier 1 Wiebe Sebastian Ritz 2 Inhaltsverzeichnis 1 Einleitung 5 2 Mengen 7 2.1 Liste der Zahlenbereiche....................... 8 2.2 Rechenregeln für Mengen......................

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

n n!

n n! Frage: Auf wieviele Arten lässt sich das Wort Binomialoeffizient lesen? Binomialoe inomialoef nomialoeff omialoeffi ialoeffizi aloeffizie loeffizien oeffizient Das ist ein Sript! Dennoch ann man hier sehen,

Mehr

Elemente der Algebra

Elemente der Algebra Prof. Dr. H. Brenner Osnabrüc SS 2015 Elemente der Algebra Vorlesung 2 Ringe Die wichtigsten mathematischen Struturen wie Z, Q, R besitzen nicht nur eine, sondern zwei Vernüpfungen. Definition 2.1. Ein

Mehr

Theorie der Informatik

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

Mehr

Lösungen zum Ergänzungsblatt 1

Lösungen zum Ergänzungsblatt 1 Theoretische Informatik I WS 2018 Carlos Camino en zum Ergänzungsblatt 1 Letzte Änderung: 23. November 2018 Hinweise: Alle Informationen und Materialien zur Veranstaltung befinden sich auf www.fmi.uni-stuttgart.de/ti/teaching/w18/eti1.

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

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 12. November 2015 Satz 3.16 (Binomischer Lehrsatz) Seien a, b R. Dann gilt für alle

Mehr

Grundlagen der Kombinatorik

Grundlagen der Kombinatorik 60 Kapitel 4 Grundlagen der Kombinatori Einer der Schwerpunte der Kombinatori ist das Abzählen von endlichen Mengen. Wir stellen zunächst einige Grundregeln des Abzählens vor, die wir gelegentlich auch

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

KAPITEL 2. Kombinatorik

KAPITEL 2. Kombinatorik KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,

Mehr

Abzählende Kombinatorik

Abzählende Kombinatorik Kapitel Abzählende Kombinatori Die in diesem Kapitel behandelte abzählende Kombinatori untersucht endliche Struturen und beschäftigt sich mit den Möglicheiten Objete anzuordnen oder auszuwählen Die abzählende

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 4: Wörter (und vollständige Induktion) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/29 Überblick Wörter Wörter Das leere Wort Mehr zu

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Kapitel 7 Wahrscheinlicheitsrechnung 7.1 Kombinatori Def. 7.1.1:a) Für eine beliebige natürliche Zahl m bezeichnet man das Produt aus den Zahlen von 1 bis m mit m Faultät: m! : 1 2 3 m, 0! : 1. Beispiele:

Mehr

Vorkurs Mathematik. Vorlesung 5. Verknüpfungen

Vorkurs Mathematik. Vorlesung 5. Verknüpfungen Prof. Dr. H. Brenner Osnabrüc WS 2009/2010 Vorurs Mathemati Vorlesung 5 Vernüpfungen Die Addition und die Multipliation auf den natürlichen Zahlen und die Hintereinanderschaltung von Abbildungen auf einer

Mehr

Induktionsbeweis. Satz Primfaktorzerlegung. Jede natürliche Zahl n 2 lässt sich als Produkt von Primzahlen darstellen.

Induktionsbeweis. Satz Primfaktorzerlegung. Jede natürliche Zahl n 2 lässt sich als Produkt von Primzahlen darstellen. Induktionsbeweis Satz Primfaktorzerlegung Jede natürliche Zahl n 2 lässt sich als Produkt von Primzahlen darstellen. Beweis: Induktion über n (IV) Induktionsverankerung: n=2 prim. (IA) Induktionsannahme:

Mehr

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9 Chr.Nelius: Zahlentheorie (SS 2007) 9 4. ggt und kgv (4.1) DEF: Eine ganze Zahl g heißt größter gemeinsamer Teiler (ggt) zweier ganzer Zahlen a und b, wenn gilt: GGT 0 ) g 0 GGT 1 ) g a und g b GGT 2 )

Mehr

3.8 Redundante Datenspeicherung und Fehlerkorrektur Seien natürliche Zahlen k, t und s so gewählt, dass. k + 2t 2 s 1.

3.8 Redundante Datenspeicherung und Fehlerkorrektur Seien natürliche Zahlen k, t und s so gewählt, dass. k + 2t 2 s 1. 38 Redundante Datenspeicherung und Fehlerorretur Seien natürliche Zahlen, t und s so gewählt, dass + 2t 2 s 1 Sei weiter K = GF (2 s ), und seien c 0,, c 1 K Wir fassen die c i sowohl als Elemente von

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2 Lösungsblatt 23. Mai 2 Einführung in die Theoretische Informatik Hinweis:

Mehr

Markov-Ketten 1. Definition 2.1

Markov-Ketten 1. Definition 2.1 Marov-Ketten Definition 2. Sei P eine -Matrix mit Elementen {P i,j : i, j,...,}. Ein Zufallsprozess (X 0, X,...) mit endlichem Zustandsraum S{s,...,s } heißt homogene Marov-Kette mit Übergangsmatrix P,

Mehr

p 2istirrational Satz 1.15 Beweis. Es gibt keine rationale Zahl x, diediegleichungx 2 =2erfüllt.

p 2istirrational Satz 1.15 Beweis. Es gibt keine rationale Zahl x, diediegleichungx 2 =2erfüllt. p 2istirrational Satz 1.15 Es gibt keine rationale Zahl x, diediegleichungx 2 =2erfüllt. Beweis. Annahme: Es existiert x 2 Q mit x 2 = 2. Wegen x 2 Q folgt x = p q und p und q sind teilerfremde ganze Zahlen.

Mehr

Kapitel 2. Zahlenbereiche

Kapitel 2. Zahlenbereiche Kapitel 2. Zahlenbereiche 2.2. Primzahlen Definition: Eine natürliche Zahl m N heißt Teiler von n N, falls ein N existiert mit n = m Man schreibt dann auch m n. Jede Zahl besitzt offensichtlich die beiden

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

Mengenlehre. Mengenlehre. Quick Start Informatik Theoretischer Teil WS2011/ Oktober QSI - Theorie - WS2011/12

Mengenlehre. Mengenlehre. Quick Start Informatik Theoretischer Teil WS2011/ Oktober QSI - Theorie - WS2011/12 Mengenlehre Mengenlehre Quick Start Informatik Theoretischer Teil WS2011/12 10. Oktober 2011 Mengen Mengen Den Begriff Menge hat Cantor wie folgt beschrieben: Definition (Menge) Unter einer Menge verstehen

Mehr

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt Dr. M. Weimar 02.05.2016 Elemente der Stochasti (SoSe 2016) 5. Übungsblatt Aufgabe 1 (4 Punte) Beweisen sie, dass die Potenzmenge P(A) einer beliebigen endlichen Menge A genau P(A) 2 A Elemente enthält!

Mehr

Über die so definierten Potenzen beweisen wir nun einige einfache Aussagen. = a m+n a Def.

Über die so definierten Potenzen beweisen wir nun einige einfache Aussagen. = a m+n a Def. 4 NATÜRLICHE ZAHLEN UND VOLLSTÄNDIGE INDUKTION 15 der Eigenschaften von N streng begründen, was hier aber nicht geschehen soll. (Statt Zahlen önnen die a n auch Elemente irgendwelcher Mengen sein.) Über

Mehr

Vorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null)

Vorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null) Vorlesung Algebra und Zahlentheorie Leitfaden 1 Zahlentheorie in Z Bezeichnungen: Z := {..., 3, 2, 1, 0, 1, 2, 3,...} (ganze Zahlen) und N := {1, 2, 3,...} (natürliche Zahlen ohne die Null) 1.1 Teilbareit

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 015/01 0.11.015 Höhere Mathemati für die Fachrichtung Physi Lösungsvorschläge zum. Übungsblatt

Mehr

Theoretische Informatik Mitschrift

Theoretische Informatik Mitschrift 4. Reguläre Ausdrüce Theoretische Informati Mitschrift indutive Beschreibung von Sprachen, die durch endliche Automaten erennbar sind Definition 4.1: Sei Σ ein Alphabet. (a) Die Menge RA(Σ) der regulären

Mehr

Algebra - Neutrales und Nullelement. Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation

Algebra - Neutrales und Nullelement. Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation Algebra - Neutrales und Nullelement Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation 1. ein r S mit x S : x r = x, nennt man r rechtneutrales Element 2. ein l S mit x S : l x = x, nennt

Mehr

Gleichmächtige Mengen

Gleichmächtige Mengen Gleichmächtige Mengen Definition 617 Zwei Mengen A und B heißen gleichmächtig genau dann, wenn eine bijektive Funktion f : A B existiert Sind die Mengen A und B gleichmächtig, dann schreiben wir dafür

Mehr

2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin

2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin 2 Kombinatorik Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objekten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche

Mehr

b liegt zwischen a und c.

b liegt zwischen a und c. 2 DIE ANORDNUNGSAXIOME 5 (2.4) a, b, c R : (a < b 0 < c) ac < bc Monotoniegesetz der Multiplikation Bezeichnungen a > b : b < a (> wird gelesen: größer als ) a b : a < b oder a = b a b : a > b oder a =

Mehr

Kapitel 1: Grundbegriffe

Kapitel 1: Grundbegriffe Kapitel 1: Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika (KO) 1 / 20 Gliederung 1 Logik Ein ganz kurzer Ausflug in die Kombinatorik Stefan Ruzika (KO) 2

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 16. November 2017 1/35 Modulare Arithmetik Modulare Arithmetik Definition 3.33 Es sei

Mehr

2n n + 2. n + (1 + j) 1. 2n + 2 = 1. 2n + 2. (n + 1) + j + 2 1

2n n + 2. n + (1 + j) 1. 2n + 2 = 1. 2n + 2. (n + 1) + j + 2 1 Aufgabe Die strenge Monotonie zeigen wir mittels vollständiger Indution. Indutionsanfang: Trivialerweise ist f streng monoton wachsend. Indutionsschritt: Wir nehmen an, es sei gezeigt, dass für ein gewisses

Mehr

2. Reelle und komplexe Zahlen [Sch-St ]

2. Reelle und komplexe Zahlen [Sch-St ] 7 2. Reelle und komplexe Zahlen [Sch-St 6.4-6.5] 2.1 Körperstruktur und Anordnung von R [Kö 2.1-2.2] Für (beliebige) reelle Zahlen a, b, c R gelten die folgenden (algebraischen) Körperaxiome: (K1) a +

Mehr

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v. Teil I Lineare Algebra I Vorlesung Sommersemester 2011 Olga Holtz MA 378 Sprechstunde Fr 14-16 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 12-14 und nv jokar@mathtu-berlinde Kapitel

Mehr

Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest.

Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest. Analysis, Woche Zahlen A. Elementares Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest... Logische Symbole Seien A und B Aussagen. So eine Aussage ist zum Beispiel: Gras

Mehr

15 Grundlagen der Idealtheorie

15 Grundlagen der Idealtheorie 15 Grundlagen der Idealtheorie Definition und Lemma 15.1. Sei R ein Ring, S R. x R nennt man eine R-Linearkombination von Elementen in) S falls n N 0, s 1,..., s n S, λ 1,..., λ n R mit x = n i=1 λ is

Mehr

Kombinatorik. Kombinatorik

Kombinatorik. Kombinatorik Kombinatori Kombinatori Ziel: Bestimmen der Mächtigeiten bestimmter endlicher Mengen, die durch Anordnung oder Auswahl von Elementen einer Menge gebildet werden. Wir wissen bereits, dass für die Potenzmenge

Mehr

Sei M Grundmodell von ZFC+GCH, E sog. Easton-Indexfunktion mit folgenden Eigenschaften:

Sei M Grundmodell von ZFC+GCH, E sog. Easton-Indexfunktion mit folgenden Eigenschaften: Satz (Easton): Sei M Grundmodell von ZFC+GCH, E sog. Easton-Indexfunktion mit folgenden Eigenschaften: 1. E : A = {κ Card κ regulär} Card 2. κ, λ A, κ < λ : E(κ) E(λ) 3. κ A : cof(e(κ)) > κ Dann existiert

Mehr

Kommentare und Lösungen zur Aufgabe 2 in Serie 1

Kommentare und Lösungen zur Aufgabe 2 in Serie 1 Analysis 1 Herbstsemester 2018 Prof. Peter Jossen 9. Otober 2018 Kommentare und Lösungen zur Aufgabe 2 in Serie 1 Ich habe zwei Lösungsversuche zur Aufgabe 2 in Serie 1 erhalten. Die erste führt nicht

Mehr

Mehrfach und unendlich oft differenzierbare Funktionen, Potenzreihen

Mehrfach und unendlich oft differenzierbare Funktionen, Potenzreihen Kapitel V Mehrfach und unendlich oft differenzierbare Funtionen, Potenzreihen 21 Mehrfache Differenzierbareit und Potenzreihen 22 Die trigonometrischen und die Hyperbelfuntionen 23 Konvexe Funtionen und

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathemati Prof. Dr. Oliver Matte Max Lein Zentralübung 15. Abzählbareit Mathemati für Physier 2 Analysis 1) Wintersemester 2010/2011 Lösungsblatt 3 29.10.2009) i)

Mehr

PCF-Theorie (Jech, Seiten 466 bis 469)

PCF-Theorie (Jech, Seiten 466 bis 469) 22.6.2009 Vortrag von Stefan Knauf Stefan.Knauf@Uni-Bonn.de PCF-Theorie (Jech, Seiten 466 bis 469) Die Shelahsche PCF-Theorie ist die Theorie der möglichen Konfinalitäten von Ultraprodukten regulärer Kardinalzahlen.

Mehr

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie Prof. Dr. H. Brenner Osnabrüc SS 2008 Zahlentheorie Vorlesung 5 In diesem Abschnitt beschäftigen wir uns mit der Einheitengruppe der Restlassenringe Z/(n), also mit (Z/(n)). Ihre Anzahl wird durch die

Mehr

1 Häufungswerte von Folgen

1 Häufungswerte von Folgen KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heio Hoffmann WS 0/..0 Höhere Mathemati I für die Fachrichtung Informati. Saalübung (..0) Häufungswerte von Folgen Oft

Mehr

Was bisher geschah Alphabet, Wort, Sprache

Was bisher geschah Alphabet, Wort, Sprache Was bisher geschah Alphabet, Wort, Sprache Wörter w A Operationen: Spiegelung R, Verkettung Palindrome Relationen: Präfix, Infix, Postfix, lexikographische, quasi-lexikographische Ordnung Sprachen L A

Mehr

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt

6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)

Mehr

Erste Schnittpunktsätze und Anfänge einer Dreiecksgeometrie

Erste Schnittpunktsätze und Anfänge einer Dreiecksgeometrie Christoph Vogelsang Matr.Nr. 66547 Nils Martin Stahl Matr.Nr. 664 Seminar: Geometrie Dozent: Epkenhans Wintersemester 005/006 Erste Schnittpunktsätze und Anfänge einer Dreiecksgeometrie Ausarbeitung der

Mehr

Kapitel 6: Das quadratische Reziprozitätsgesetz

Kapitel 6: Das quadratische Reziprozitätsgesetz Kapitel 6: Das quadratische Reziprozitätsgesetz Ziel dieses Kapitels: die Untersuchung der Lösbarkeit der Kongruenzgleichung X also die Frage, ob die ganze Zahl Z eine Quadratwurzel modulo P besitzt. Im

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

Analysis für Informatiker

Analysis für Informatiker Analysis für Informatiker Wintersemester 2017/2018 Carsten.Schneider@risc.jku.at 1 Bemerkung: Dies ist kein Skript, welches den gesamten Inhalt der Vorlesung abdeckt. Es soll den Studierenden aber während

Mehr

Lösungen zum Übungsblatt 7

Lösungen zum Übungsblatt 7 Lösungen zum Übungsblatt 7 Mirko Getzin Universität Bielefeld Fakultät für Mathematik 5. Dezember 203 Ich gebe keine Gewähr auf eine vollständige Richtigkeit der Lösungen zu den Übungsaufgaben. Das Dokument

Mehr

Das Transferprinzip und Nichtstandardeinbettungen

Das Transferprinzip und Nichtstandardeinbettungen Das Transferprinzip und Nichtstandardeinbettungen Frederik Stefan Herzberg Seminar zur Logik: Nichtstandardanalysis Wintersemester 2002/03 Mathematisches Institut der Universität Bonn 19. November 2002

Mehr

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke

Konvexe Mengen. Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x,y auch stets deren Verbindungsstrecke Konvexe Mengen Def. Eine Teilmenge A R n heißt onvex, wenn sie mit je zwei Punten x,y auch stets deren Verbindungsstrece xy = {x + t xy 0 t } = {( t)x + ty 0 t } enthält. onvex nicht onvex Lemma 2. Der

Mehr

$Id: reell.tex,v /11/11 12:32:08 hk Exp $

$Id: reell.tex,v /11/11 12:32:08 hk Exp $ Mathemati für Physier I, WS 203/204 Montag. $Id: reell.tex,v.23 203// 2:32:08 h Exp $ Die reellen Zahlen.5 Potenzen mit rationalen Exponenten Wir behandeln gerade die Bernoulli-Ungleichung +x) n +nx gültig

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 21. Januar 2016 Definition 8.1 Eine Menge R zusammen mit zwei binären Operationen

Mehr

Mathematische Probleme, SS 2013 Donnerstag $Id: dreieck.tex,v /04/26 11:37:34 hk Exp $

Mathematische Probleme, SS 2013 Donnerstag $Id: dreieck.tex,v /04/26 11:37:34 hk Exp $ $Id: dreiec.tex,v 1.9 2013/04/26 11:37:34 h Exp $ 1 Dreiece 1.5 Einige spezielle Punte im Dreiec In der letzten Sitzung haben wir die Konstrution der vier speziellen Punte S m, S w, S u und S h beendet.

Mehr

5. Ordinalzahlen (Vorlesung 11)

5. Ordinalzahlen (Vorlesung 11) EINFÜHRUNG IN DIE LOGIK UND MENGENLEHRE 29 5.. Grundlegende Eigenschaften. 5. Ordinalzahlen (Vorlesung ) Definition 5. (Wohlordnung). Eine lineare Ordnung < auf einer Menge a heißt Wohlordnung, wenn jede

Mehr

Das starke Banach-Tarski Paradox und Satz von Tarski (Teil I)

Das starke Banach-Tarski Paradox und Satz von Tarski (Teil I) Das starke Banach-Tarski Paradox und Satz von Tarski (Teil I) Lukas Fischer 17. Oktober 2017 Die folgenden Inhalte entstammen dem Buch Lectures on Amenability von Volker Runde, insbesondere den Seiten

Mehr

2.3 Basis und Dimension

2.3 Basis und Dimension 23 Basis und Dimension Erinnerung Gegeben ein K-Vektorraum V, ein Vektorensystem x,, x n in V Eine Linearkombination in den x i ist ein Vektor der Form λ x + + λ n x n mit λ i K Die λ i heißen Koeffizienten

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

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 4: Wörter und vollständige Induktion Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2009/2010 1/41 Überblick Wörter Wörter

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 4: Wörter und vollständige Induktion Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/40 Überblick Wörter Wörter

Mehr

Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule

Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule Berufsfeldbezogenes Fachseminar - Zahlentheorie Lisa Laudan Prof. Dr. Jürg Kramer Wintersemester 2014/2015 Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule 1.1

Mehr

2 Aufbau des Zahlensystems Natürliche Zahlen

2 Aufbau des Zahlensystems Natürliche Zahlen 2 Aufbau des Zahlensystems atürliche Zahlen (2.1 Die Menge der natürlichen Zahlen = {1,2,3,...} lässt sich eindeutig durch die Peano-Axiome charaterisieren: (P1 1 (P2 n = n + 1 (P3 n,m, n m = n + 1 m +

Mehr

Nützlich bei Diskretisierungen von Problemen sind Gaussklammern, die reellen Werten ganzzahlige zuordnen:

Nützlich bei Diskretisierungen von Problemen sind Gaussklammern, die reellen Werten ganzzahlige zuordnen: Nützlich bei Disretisierungen von Problemen sind Gausslammern, die reellen Werten ganzzahlige zuordnen: Definition 57 (floor, ceiling.. r R : floor(r := r := max{z Z z r} 2. r R : ceiling(r := r := min{z

Mehr

2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung

2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche: Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 24/ 44 Zwei Beispiele a 0

Mehr

Mathematik für Anwender I

Mathematik für Anwender I Prof. Dr. H. Brenner Osnabrück WS 2011/2012 Mathematik für Anwender I Vorlesung 2 Körper Wir werden nun die Eigenschaften der reellen Zahlen besprechen. Grundlegende Eigenschaften von mathematischen Strukuren

Mehr

Was bisher geschah Alphabet, Wort, Sprache

Was bisher geschah Alphabet, Wort, Sprache Was bisher geschah Alphabet, Wort, Sprache Wörter w A Operationen: Spiegelung R, Verkettung Palindrome Relationen: Präfix, Infix, Postfix, lexikographische, quasi-lexikographische Ordnung Sprachen L A

Mehr

Bei Permutationen ohne Wiederholung geht es um das Anordnen von n Dingen, die mit den Zahlen 1,2,,n nummeriert sind.

Bei Permutationen ohne Wiederholung geht es um das Anordnen von n Dingen, die mit den Zahlen 1,2,,n nummeriert sind. 6 Kombinatori PermutationenOhneWiederholung@n_IntegerD := Permutations@Range@nDD PermutationenMitWiederholung@n_ListD := Permutations@Flatten@Table@Table@i, 8n@@iDD

Mehr

Definition 4 (Operationen auf Sprachen) Beispiel 5. Seien A, B Σ zwei (formale) Sprachen. Konkatenation: AB = {uv ; u A, v B} A + = n 1 An

Definition 4 (Operationen auf Sprachen) Beispiel 5. Seien A, B Σ zwei (formale) Sprachen. Konkatenation: AB = {uv ; u A, v B} A + = n 1 An Definition 4 (Operationen auf Sprachen) Seien A, B Σ zwei (formale) Sprachen. Konkatenation: AB = {uv ; u A, v B} A 0 = {ɛ}, A n+1 = AA n A = n 0 An A + = n 1 An Beispiel 5 {ab, b}{a, bb} = {aba, abbb,

Mehr

Mathematik I. Vorlesung 5

Mathematik I. Vorlesung 5 Prof. Dr. H. Brenner Osnabrüc WS 2009/2010 Mathemati I Vorlesung 5 Für zwei natürliche Zahlen n, m gilt n m genau dann, wenn man n = m+ mit einem N schreiben ann (siehe Aufgabe 4.12). In diesem Fall ist

Mehr