Theoretische Informatik

Größe: px
Ab Seite anzeigen:

Download "Theoretische Informatik"

Transkript

1 HTWM Hochschule für Technik und Wirtschaft Mittweida University of Applied Sciences Technikumsplatz 17 0xxxx Mittweida Fachbereich: MPI Fachgruppe Informatik Theoretische Informatik Seminargruppe: IF99P1 Mitschrift von: Isabel Drost Massaneier Str Waldheim Mitschrift von: Drost, Isabel; If99wp1 Seite 1 von 14

2 Entscheidbarkeit und Aufzählbarkeit...3 Satz6: REC RE (RE=Menge aller aufzählbaren Mengen)... 3 Satz7 Charakteriesierung der entscheidbaren Mengen:... 3 Satz8: RE={DB(f P a )}={WB:f P a } (Eine Fkt. ist aufzählbar, wenn sie Wertebereich und Definitionsbereich einer partiell rekursiven Fkt. ist.)... 4 Vorlesung 2 mit Laptop...5 Bestandsaufnahme Was ist nicht berechenbar?...5 Satz8: RE= {DB ϕ: ϕ P a } RE= {WB ϕ: ϕ P a }... 5 Satz9: Jedes unendliche M RE ist eineindeutig aufzählbar... 5 Satz10: Für unendliche A N gilt: A REC A ist streng monoton aufzählbar... 5 Satz11: Jede unendliche rekursiv aufzählbare Menge besitzt einen unendliche entscheidbare Teilmenge... 6 Satz12: RE ist abgeschlossen gegenüber... 6 Satz13 - Projektionssatz:... 7 Beispiele:... 7 Satz 14: K REC (Allgemeines Halteproblem)... 8 Satz 15: REC RE... 8 Darstellung von berechenbaren Funktionen Berechnungsvorschriften Erzeugungsschema der Algebra a=[s,ω] Nummer bezüglich einer festen Gödelisierung Phi von Pa Symolischer Bezeichner... 9 Eigenschaften:... 9 Satz 17 (Satz von Rice) Für nichttriviale F Pa ist N F nicht entscheidbar Anwendung von Methoden und Ergebnissen aus der Theoretischen Informatik in anderen Bereichen...10 Der Gödelsche Unvollständigkeitssatz Satz 18: Jede berechenbare Funktion ist arithmetisch repräsentierbar Satz 19: WA ist nicht aufzählbar Wie ist die Beweisbarkeit von WA? Satz20 Gödelscher Unvollständigkeitssatz: Jedes Beweissystem (B,F) für WA die Menge der wahren arithmet. Ausdrücke ist notwendigerweise unvollständig Isomorphiesatz von Rogers: Haben wir zwei Gödelisierungen, so können wir von einer Gödelisierung in die andere im Sinne einer Isomorphie (eineindeutige Inhaltsgleichung) umrechnen Fixpunktsatz/ Rekursionstheorem: Überblick und Prüfungswichtung/ Musterklausur:...13 Was ist berechenbar?...13 Was ist ein Alghorithmus?...13 Was ist intuitiv berechenbar?...13 Konstruktion von intuitiv berechenbaren Funktionen (Pr, R, Pa)...13 Algorithmenmodelle...13 REC, RE...13 Anwendung in anderen Theorien...13 Wesentliche Schwerpunkte siehe obige Auflistung!...13 Mitschrift von: Drost, Isabel; If99wp1 Seite 2 von 14

3 VORLESUNG Fragestellung: Was ist nicht berechenbar? Entscheidbarkeit und Aufzählbarkeit M={[a 0... a n ] : n N, a i Z,Summe von i=8 bis n (a i X i = 0 besitzt ganzzahlige Lösungen} H10 ist eine Codierung der Menge M über den natürlichen Zahlen. Liegt das 10 hilbertsche Problem innerhalb REC? (von 1900) 1972 wurde nachgewiesen, das dies nicht der Fall ist, somit liegt H10 auch nicht innerhalb von P A! Ziel: möglichst umfassende Charakterisierung der nichtentscheidbaren Mengen. (in VO wird nur ein Teil betrachtet werden. Definition: M Ν heißt aufzählbar (rekursiv aufzählbar)= M= oder: es gibt eine allgemein rekursive Funktion f, mit W f =M. f(0), f(1),...,f(i),.. M Für x M gibt es j Ν mit f(j)=x. Satz6: REC RE (RE=Menge aller aufzählbaren Mengen) Beweis Satz6: Vorgehensweise Es sei M REC so folge daraus: M RE. Es sei M REC so folgt daraus: c M R. Fall 1: M= Fall 2: M<> =>es gilt: a M f(x)={ a falls c M (x)=0 x sonst f R, da c M (x)=0 für beliebige x berechenbares Prädikat und f überall definiert. W f =M qed. Ist auch jede aufzählbare Menge entscheidbar (RE Teilmenge von REC)? Satz7 Charakteriesierung der entscheidbaren Mengen: M REC M RE und ϑ (Komplement) RE Beweis: 1. => M REC => M RE (Jede entscheidbare Menge ist auch aufzählbar, nach Satz6) Wenn M entscheidbar ist, so ist auch dessen Komplement entscheidbar, nach Satz5. Auch das Komplement von M liegt in RE Ist auch das Komplement entscheidbar, so ist es auch aufzählbar (Satz 6). 2. <= M RE und Komplement(M) RE Es sei, W f =M, W g =Komplement(M), f, g R. Auch wenn M oder deren Komplement die leere Menge ist, sind beide entscheidbar (Leere Menge Komplement=Natürliche Zahlen) Mitschrift von: Drost, Isabel; If99wp1 Seite 3 von 14

4 Entscheidungsverfahren: x M? Berechne simultan f(0) und g(0); f(1), g(1);... ;f(n), g(n) x kommt entweder in der oberen (f) oder der unteren (g) Berechnung vor. Kommt x in der Aufzählung f vor, gehört x zu M. Kommt es in g vor, gehört es nicht zu M. Satz8: RE={DB(f P a )}={WB:f P a } (Eine Fkt. ist aufzählbar, wenn sie Wertebereich und Definitionsbereich einer partiell rekursiven Fkt. ist.) RE<={DB:f P a } RE>={DB:f P a } Beweis erstens: M RE, WB=M 1 falls x M X M Cx=DB n.d. sonst Berechne nacheinander f(0), f(1),... bis f(i)=x In diesem Fall ist x M und es muß X M =1 gesetzt werden. Gibt es kein i mit f(i)=x (x! M) bricht der Berechnungsprozess nicht für X M (x) nicht ab. 1) X M P a 2) D Xm =M Beweis zweitens: zu zeigen ist, Jeder Definitionsbereich einer partiell rek. Funktion f ist aufzählbar (semi entscheidbar) Konstruieren einer Aufzählung f von DB mit Hilfe des dove-tailing (Schwalbenschwanz) Verfahrens: 1) Schritte berechne ϕ (0) 1 Takt 2) Schritte berechne ϕ (0) 2 Takte 3) Schritte berechne ϕ (1) 1 Takt 4) Schritte berechne ϕ (0) 3 Takte 5) Bei jedem Schritt wird getestet, ob die entsprechende Berechnung abbricht. Bricht die Berechnung ab, gehört der Zeilenindex (das Argument von ϕ) zum Definitionsbereich von ϕ. Definieren einer Aufzählung f von Dϕ: 1. Fall: Dϕ=0 => Dϕ aufzählbar nach Definition 2. Fall: Dϕ!=0=> Es gibt x Dϕ x 0 fall im x-ten Schritt des d.t. die Berechnung nicht abbricht f(x)= t falls im x-ten Schritt des d.t. die Berechnun von Dϕ (t) abbricht Es ist f R und es gibt WB=DBϕ Das dovetailin Verfahren Ergänzungen zum Beweis von Satzx : RE={Dϕ:ϕ Pa}< RE {Wϕ:ϕ Pa }< und zu zeigen: RE {f Pa} Es sei M=W f (f Pa) Konstruieren einer Aufzählung f für M mit dovetailing: 1. Fall: Wϕ=0, M RE (Definition) 2. Fall: Wϕ!=0=> es gibt a Wϕ a falls im x-ten Schritt von d.t. die Berechnung nicht abbricht f(x)= ϕ (i) Fall Berechnung von ϕ (t) abbricht Mitschrift von: Drost, Isabel; If99wp1 Seite 4 von 14

5 Vorlesung 2 mit Laptop Bestandsaufnahme Was ist nicht berechenbar? M N M ist entscheidbar, wenn C M (charakterist. Funktion) berechenbar ist und umgekehrt M ist nicht entscheidbar, wenn CM nicht berechenbar ist M ist aufzählbar M= oder M berechenbar nummerierbar (M=WBf, f R (f überall definiert)) M ist nicht aufzählbar jede Nummerierung von M ist nicht berechenbar REC RE (Definition der Entscheidbarkeit ist strenger/ restriktiver als die Aufzählbarkeit) Wegen der Gödelisierbarkeit von Pa gibt es abzählbar viele berechenbare Funktionen. Es gibt aber überabzählbar viele Teilmengen M N Daher gibt es auch nur abzählbar viele entscheidbare und abzählbar viele aufzählbare Mengen. Es gibt demzufolge überabzählbar viele nicht entscheidbare und überabzählbar viele nicht aufzählbare Mengen. Satz8: RE= {DB ϕ: ϕ P a } RE= {WB ϕ: ϕ P a } M ist bereits dann aufzählbar, wenn sie der WErtebereich einer partiell rekursiven Funktion ist Eigenschaft: M aufzählbar M semientscheidbar (X M berechenbar) Satz9: Jedes unendliche M RE ist eineindeutig aufzählbar Beweis: Es sei M RE, d.h. W f =M. g(0)=f(0) g(n+1)=f(t), t=µ y (f(y) {g(0),..., g(n)}) g ist a) berechenbar b) überall definiert qed. Der Wertebereich von g ist M (g über f definiert, WB(f) ist M und alle Elemente aus f kommen vor) W f =M, f R und es ist g eineindeutig. Satz10: Für unendliche A N gilt: A REC A ist streng monoton aufzählbar Beweis: 1. => Es sei A REC. Konstruieren einer streng monotonen Aufzählung f von A. (f muß streng monoton steigend sein, da wir bei fallend bei unendlich vielen Elementen nicht wüßten, wo genau wir anfangen sollen...) f(0)= µ x (x A) (berechenbare Funktion, das kleinste Element existiert, da A ja als unendlich groß definiert wurde) f(n+1)= µ x (x A und x>f(n)) WB f =A, f streng monoton wachsend und f R 2. <= Es sei f überall definierte, streng monotone Aufzählung von A. Konstruiere eine Entscheidung: x A! Prinzipielle Vorgehensweise: suche solange, bis das Ergebnis f(x) gleich y 0 ist, oder das Ergebnis größer als dieses ist in jedem Fall abrechende Funktion. (f ist ja streng monoton steigend und unendlich) Mitschrift von: Drost, Isabel; If99wp1 Seite 5 von 14

6 Berechne formal: f(0), f(1),...,f(i) mit f(i) x Ist f(i)=x, so gehört x zu A dazu, sonst nicht. (A ist entscheidbar, nicht nur semientscheidbar.) qed. Übungsaufgabe: Dieser Satz kann auch ohne die Eigenschaft der Unendlichkeit, und ohne die der strengen Entscheidbarkeit formuliert werden. Beweise folgende Aussage: eine Menge A ist entscheidbar, wenn sie monoton aufzählbar ist und umgekehrt. Satz11: Jede unendliche rekursiv aufzählbare Menge besitzt einen unendliche entscheidbare Teilmenge. Beweis: Folgerung aus beiden vorhergehenden Sätzen. Satz11 sagt nichts über die Relation der Mengen RE und REC aus: RE REC Aber er zeigt etwas über das Verhältnis von aufzählbaren zu entscheidbaren Mengen. Satz12: RE ist abgeschlossen gegenüber Beweis: Es seinen A, B RE a) zeige: A B RE W f =A; W g =B; f,g R Konstruiere Aufzählung h für A B: f(ndiv2) falls n gerade h(n)= Df { } g(ndiv2) falls n ungerade b) A,B RE X A,X B P a zeige: X A B P a [X A B (x) = X A (x) * X B (x)] P a (gehört x nicht zu A oder B oder zu gar keinem von beiden, so ist auch der Duchschnitt nicht definiert) qed. Ist RE auch bezüglich ϕ (der Komplementbildung) abgeschlossen? Wäre RE Komplementabgeschlossen, so hätten wir mit A RE => ϕ(a) RE } A REC Somit wäre RE REC, wir haben bereits: REC RE, somit wären Aufzählbarkeit und Entscheidbarkeit das Gleiche. Mitschrift von: Drost, Isabel; If99wp1 Seite 6 von 14

7 Satz13 - Projektionssatz: Eine Menge ist aufzählbar, genau dann, wenn sie die Projektion einer entscheidbaren Menge ist. M RE genau dann wenn, es gibt B REC und M ist Projektion von B. P(N) (Nummerierbare Mengen) REC RE (aufzählbare Mengen) Formal: M ist aufzählbar M ist Projektion einer geeigneten entscheidbaren Menge B. Beweis: 1. => Es sei M aufzählbar, d.h. M=WB f, f R A N ist Projektion von B N 2 = Df x A Es gibt y mit [x,y] Β G f ={[x,y]:x N, y=f(x)} (Graph von f) G f entscheidbar? => stimmt, wenn man für ein beliebiges Paar Zahlen [a,b] feststellen kann, ob es zu G f gehört oder nicht. Vorgehensweise: setze a ein und prüfe, ob b herauskommt, kommt b heraus, gehört [a,b] dazu, sonst nicht. Ist M Projektion von G f? => stimmt, wenn y Μ Es gibt eine Nummer x mit f(x)=y 2. <= zu zeigen: alle Projektionen von B sind aufzählbar ohne Beschränkung der Allgemeinheit: B NxN (N kreuz N) P1= P2: Projektion auf erste Komponente P3: Projektion auf zweite Komponente Zeige, dass P1, P2, P3 aufzählbar sind. Zu P1: Leere Menge ist aufzählbar, nach Definition. (Menge is aufzählbar, wenn sie leer ist, oder eine bestimmte Eigenschaft besitzt) j Zu P2(P3): Konstruieren einer Aufzählung ϕ 2(3) von P2(3): i(j) falls im x-ten Schritt des dovetail. felstgestellt wird, dass [i,j] zu B gehört ϕ 2(3) (x)={ } a sonst i [i,j] im x-ten Schritt von dove-tailing a P2(P3) Es sind ϕ 2(3) R und es gilt Wϕ 2 =P2, Wϕ 3 =P3 Projektionssatz und dovetailing hängen eng zusammen: Der Beweis der Aufzählbarkeit einer Menge gelingt mit dovetailing genau dann, wenn der Nachweis mit dem Projektionssatz geführt werden kann. Beispiele: 1) K={i:i D i } ϕ ist Gödelisierung von P a (TMaschine) ϕ i ist die i-te Funktion (Maschine) D i =Dϕ i Mitschrift von: Drost, Isabel; If99wp1 Seite 7 von 14

8 K ist das spezielle Halteproblem für Turingmaschinen, i gehört zu K genau dann, wenn die i-te Turingmaschine auf i angesetzt anhält. Zeige: K ist aufzählbar, K RE. true Turingmaschine i hält bei Eingabe von x nach t Takten mit Ausgabe y an Turingprädikat: T(x,i,t,y)= Df { } false sonst Gib x ein und lasse die Maschine i (Arbeitsmechanismus der Maschine ist also i) t Takte laufen, steht danach die Maschine auf anhalten und gibt sie y aus, so gib Du als Beobachter true aus. T(5,7,3,6)=> nimm die 7. Turingmaschine aus all Deinen gödilisierten Turingmaschinen, gib 5 ein und lasse die Maschine 3 Takte laufen, steht sie nach 3 Takten auf dem Endzustand und gibt 6 aus, gibst Du true aus. B T sei die Menge aller der Quadtrupel, für die T wahr ergibt. Kann ich in obigem Bsp. wahr ausgeben, gehört die Fkt zu B T dazu. Ob eine Maschine dazugehört, läßt sich ganz einfach, via ausprobieren, herausfinden. Das heißt, die Menge B T ist entscheidbar. B T {[x1,x2,x3,x4]:t(x1,x2,x3,x4)} REC K ist Projektion von B T : z K Es gibt einen Takt t und (eine Ausgabe ) y mit (z, z, t,y) B T (Projetziere auf die erste Komponente und identifiziere mit der zweiten Komponente Turingmaschine z hält bei Eingabe von z an) Somit ist K aufzählbar, da es Projektion einer entscheidbaren Menge ist. (K RE) 2) A={i:D i } Behauptung: A ist aufzählbar ( RE) i A Es gibt x, es gibt t und es gibt y mit T(x,i,t,y) d.h. A ist Projektion von B T, somit ist A aufzählbar. Weitere Untersuchung von K Satz 14: K REC (Allgemeines Halteproblem) Definition von K: K={i:i D i }; i K i D i (i ist eine bestimmte Turingmaschine, dieses i gehört zu K, wenn i bei Eingabe von i anhält, sprich, wenn das i zum Definitionsbereich von der i-ten Turingmaschine gehört. Können wir dies angeben, so wissen wir dass c k (charakterist. Fkt. von K) nicht berechenbar ist. Beweis: Annahme: K sei Element von REC, somit müssten sowohl K als auch dessen Komplement ϕ(k) RE (aufzählbar) sein (Satz 7); somit müsste nach Satz 6 ϕ(κ) den Definitionsbereich eines m sein. Gehört m zum Definitionsbereich von m, so gehört m auch zum Komplement von K, so gehört m nicht zu K, so gehört m nicht zum Definitionsbereich von m (Definition von K: m gehört zu K, wenn m zum Definitionsbereich der m-ten Turingmaschine D m gehört.) m D m m ϕ(k) m K m D m Dies ist ein Widerspruch. Somit ist die Annahme verkehrt und K ist kein Element von REC. Somit ist K nicht entscheidbar und somit C K (charakterist.funktion) nicht berechenbar. (Erster Formaler Beweis einer nicht berechenbaren Funktion.) Satz 15: REC RE P(N) (Nummerierbare Mengen) RE (aufzählbare REC Mengen) K Komplement von Mitschrift von: Drost, Isabel; If99wp1 K nicht aufzählbar Seite 8 von 14

9 Darstellung von berechenbaren Funktionen 1. Berechnungsvorschriften Pascalprogramme Turingprogramme Markov-Befehle... Bsp: (y=0; (x 0,...,x n ),y) berechnet die Funktion f mit den Eingaben x 0 bis x n Ergebnis ist die Null 2. Erzeugungsschema der Algebra a=[s,ω] S={0,s} {I k (n) :n Ν, k<=n} Ω={SUB (n) :n N} {PR,MIN} Bsp: PR(I (1) 1,SUB(s,I 3 (3) )) berechnet die Funktion f(x,y)=x+y 3. Nummer bezüglich einer festen Gödelisierung Phi von Pa n bezeichnet die Funtkion ϕ n 4. Symolischer Bezeichner DIV(x,y), add(x,y), s(x) Eigenschaften: 1. Die Darstellungen 1 bis 3 sind universell. Jede berechenbare Funktion ist in dieser Weise darstellbar 2. Für die Darstellungen von 1 bis 3 gibt es für jede berechenbare Funktion beliebieg viele Darstellungen 3. Die Darstellungen gemäß 1 bis 3 sind in eine beliebige Darstellung aus 1 bis 3 umrechenbar. Die Darstellungen 1 bis 3 sind algorithmisch gleichwertig. Daher ist eine Konzentration auf eine Darstellung möglich. Wir konzentrieren uns auf die Gödelnummern. Haben wir eine bestimmte Funktion, so hat diese unendlich viele Gödelnummern und unter Umständen die Eigenschaften Unterscheidbarkeit, Aufzählbarkeit. F Pa F={f:f Pa und f besitzt eine Eigenschaft ξ} N F ={i:ϕ i F} ist die Menge aller Gödelnummern (Programme, Erzeugungschemata) von Funktionen aus F. F heißt trivial, falls F= oder F=Pa N F = (falls F= ) oder N (Menge aller Nummern falls F=Pa) Für triviale F ist die Menge N F entscheidbar. Mitschrift von: Drost, Isabel; If99wp1 Seite 9 von 14

10 Satz 17 (Satz von Rice) Für nichttriviale F Pa ist N F nicht entscheidbar. Nichttriviale Eigenschaften von berechenbaren Funktionen/ Computerprogrammen/ Gödelnnummern sind nicht entscheidbar. Beispiele: F={f:f Pa und f monoton} Die zweite Eigenschaft ist nicht trivial. Das bedeutet, mit einem vorgegebenen Algorithmus läßt sich nicht entscheiden, ob eine Funktion/ ein Programm monoton ist, oder nicht. F ist ebenfalls nicht aufzählbar, allerdings kann man feststellen, ob eine Funktion nicht monoton ist. Somit ist das Komplement dieser Menge positiv semientscheidbar. N F ={i:i N und ϕ i= ϕk} (Aquivalenzproblem, Es ist algorithmisch nicht entscheidbar, ob zwei beliebige Programme bei allen Eingaben das gleiche leisten oder nicht Massenproblem, universelles Problem. N F ={i:d i =N} (Finde heraus, ob der Definitionsbereich von beliebig vorgegebenen Funktionen gleich N ist! Dies ist trivialerweise nicht entscheidbar. Es ist also algorithmisch nicht entscheidbar, ob ein vorgegebenes Programm eine allgemein rekursive Funktion berechnet oder nicht.) Somit ist keine algorithmische Eigenschaft eines Programms nicht entscheidbar. Mithin ist der Satz von Rice recht restriktiv. Anwendung von Methoden und Ergebnissen aus der Theoretischen Informatik in anderen Bereichen Der Gödelsche Unvollständigkeitssatz Formeln (Aussagen) der Zahlentheorie sind ZK über einem bestimmten Alphabet, bestehend aus Variablen und Konstantensymbolen, den Zeichen +,*,=,,,,, und (,). Beispiel: x y((x+y)=x*(x+1)) (In Deutsch: Für jedes x gibt es ein y mit der Eigenschaft x+y=x*(x+1) ) Formeln werden mit Interpretationen Bedeutungen (Semantik) zugewiesen. Dabei wird zwischen Termen (Ausdrücken, denen mittels Interpretation eine natürliche Zahl (ein Wort aus N) zugewiesen wird) und Formeln, denen ein Wahrheitsgehalt zugewiesen wird, unterschieden. Beispiel: φ(x)=5, φ(y)=7 φ(x*(1+y))=40 (Dies ist ein Term!) t 1, t 2 sind Terme, F 1, F 2 sind Formeln (t 1 =t 2 ) ist wahr = Für jede Interpretation φ ist φ (t 1 )= φ (t 2 ) F 1 wahr F 1 ist falsch F 1 F 2 wahr F 1 wahr und F 2 wahr F 1 F 2 wahr F 1 wahr oder F 2 wahr x F 1 wahr Es gibt n N mit F 1 (x n) ist wahr F 1 (x n): jede nichtgebundene Variable x in F 1 wird durch n ersetzt x F 1 wahr F(x n) ist wahr für alle n N WA= Df {F:Fist wahre Formel} (elementare Zahlentheorie/ Arithmetik) Eine Funktion f:n k =>N heißt arithmetisch repräsentierbar, wenn es eine Formel F gibt, mit f(x 1,...x k )=y F(x 1,...,x k,y) ist wahr für beliebige x und y gibt. (F liefert wahr, wenn beide Seiten links gleich sind, sonst falsch. Beispiele: f(x 1,x 2 )=x 1 +x 2 ist durch x 1 +x 2 =y arithmetisch repräsentierbar. DIV(x 1,x 2 ) ist arithmetisch repräsentierbar durch F(x 1,x 2,y)= r((r<x 2 ) x 1 =y*x 2 +r)) (r sei der Rest, der bei der DIV-Division übrigbleibt.) Mitschrift von: Drost, Isabel; If99wp1 Seite 10 von 14

11 Satz 18: Jede berechenbare Funktion ist arithmetisch repräsentierbar Satz 19: WA ist nicht aufzählbar WA= Df {F:Fist wahre Formel} (elementare Zahlentheorie/ Arithmetik) Beweis: Annahme: WA ist aufzählbar. Für beliebige F gilt F WA oder F WA Zeige: WA ist entscheidbar F WA: Zähle WA auf, bis entweder F oder F erscheint. Im ersten Fall gehört F dazu, im zweiten nicht. Somit ist bei der Annahme, dass WA aufzählbar, WA automatisch entscheidbar. Es sei A eine aufzählbare aber nicht entscheidbare Menge. X A ist berechenbar und wegen Satz18 ist X A arithmetisch repräsentierbar (F). N A X A (n)=1; F(n,1) ist wahr. F(n,1) WA, dies ist entscheidbar laut Annahme, somit müßte auch A entscheidbar sein, dies stimmt aber nicht. Wiederspruch: Die Annahme WA ist aufzählbar ist falsch. qed. Wie ist die Beweisbarkeit von WA? Es sei b Σ* ein Beweis, B die Menge aller Beweise. Minimalanforderungen an B: 1. B REC 2. Es gibt F R (einen Algorithmus/ eine Interpretationsfunktion) mit F(b) ist die vom Beweis b bewiesene Aussage. Allgemein: b=(p1,...pn) Im Beweis haben wir eine Folge von Beweisschritten (elemtaren Axiomen, bewiesenen Schritten oder sie wurden mithilfe von festen Beweisregeln aus dem vorhergehenden Aussagen erzeugt) Mit dem Beweis wird häufig das bewiesen, was als letztes Element darstellt. Somit ist das zu Beweisende ( F(b) ) eine Projektion auf das letzte Element der Beweiskette pn. (B,F) heißt Beweissystem für A= DF 1) B REC 2) F:B->A, F R Bew(B,F)= DF F(B) (Wertebereich von F) = {p: Es gibt b B und F(b)=p } (Menge aller der Aussagen, die ich mittels B und F (B,F) beweisen kann. Im allgemeinen gilt: Bew(B,F) </= A) (B,F) heißt für A vollständig = DF Bew(B,F)=A Satz20 Gödelscher Unvollständigkeitssatz: Jedes Beweissystem (B,F) für WA die Menge der wahren arithmet. Ausdrücke ist notwendigerweise unvollständig. Wenn ich z.b. einen Satz aus der elmentaren Zahlentheorie nicht beweisen kann, so hat das verschiedene Mitschrift von: Drost, Isabel; If99wp1 Seite 11 von 14

12 Ursachen: Aussage falsch Aussage mit meinem Beweissystem nicht nachweisbar Beweis nur noch nicht gefunden Aussage, die ich beweisen will. WA Beweis(B,F) Beweis von Satz20: Annahme: (B,F) ist vollständig für WA. Da B entscheidbar (laut Vorraussetzung) => B ist aufzählbar (REC RE) Aufzählung von B sei ϕ (ϕ (n) sei Element von B) F(ϕ (n)) ist Aufzählung von WA, Widerspruch mit Satz 19. qed. Beweissystem, dass ich nutze Isomorphiesatz von Rogers: Haben wir zwei Gödelisierungen, so können wir von einer Gödelisierung in die andere im Sinne einer Isomorphie (eineindeutige Inhaltsgleichung) umrechnen. Sind ϕ und ψ Gödelisierungung von Pa (Pr), dann gibt es einen Übersetzungsisomorphismus h R mit ϕ i =ψ h(i) (Es gibt einen eineindeutige Umrechnungen h von Gödelisierungung ineinander. Es genügt also, sich auf eine Gödelisierung zu beschränken.) S m n Theorem: Für beliebige k k=m+n; gibt es eine Übersetzungsfunktion s mit ϕ i =(x 1,...,x k )= ϕ i (x 1,...,x m,y 1,...,y n ) = ϕ s(i,x1,...,xm) (y 1,...,y n ) (Ich kann also eine k-stellige Funktion in eine n-stellige Fkt. überleiten und die restlichen Stellen m als konstant annehmen.) Konsequenz: Für jede kstellige berechenbare Funktion gibt es eine Übersetzungsfunktion, die es erlaubt, die ersten Parameter als konstant zu betrachten. Bei der Untersuchung von berechenbaren Funktionen kann man sich auf einstellige Funktionen beschränken. Fixpunktsatz/ Rekursionstheorem: Für jede Gödelisierung ϕ und jede Übersetzungsfunktion k R gibt es ein n N (nat. Zahlen) mit ϕ n = ϕ k(n) (n ist der Fixpunkt bezüglich k). Es gibt keine universelle Störfunktion. Es gilt darüberhinaus, dass es unendlich viele solche Fixpunkte gibt. Konsequenz: Es gibt keine universelle Störfunktion. ϕi i a j ϕi!=ϕj Mitschrift von: Drost, Isabel; If99wp1 Seite 12 von 14

13 Überblick und Prüfungswichtung/ Musterklausur: Was ist berechenbar? Was ist ein Alghorithmus? Was ist intuitiv berechenbar? Konstruktion von intuitiv berechenbaren Funktionen (Pr, R, Pa) s, o, I m (n)... Pr Pr, SUB... R MIN...R/Pa Algorithmenmodelle Pascalfraqument RAM Turing Markov R, Pa Hauptsatz der Algorithmentheorie: alle Modelle berechnen das Gleiche, sie berechnen die Fkt. aus Pa These von Church Gibt es algorithmisch unlösbare Probleme? REC, RE Definition, Eigenschaften, Zusammenhänge zwischen den Mengen REC RE K (spezielles Halteproblem) dovetailing Reduktion m A m B und A REC (RE) => B REC (B RE) H10, PKP (Postsches Korrespondenzproblem) Eigenschaften Gödelisierungen (Definition, Eigenschaften, Aussagen) T (Turingprädikat) Projektionsatz (Aussage über die Aufzählbarkeit und über den Satz von Rice indirekt über die nichtaufzählbarkeit) Satz von Rice Anwendung in anderen Theorien Gödelscher Unvollständigkeitssatz Wesentliche Schwerpunkte siehe obige Auflistung! Mitschrift von: Drost, Isabel; If99wp1 Seite 13 von 14

14 1. Verwendung der Rekursion 2. Erstellung eines Turingprogrammes ;+++;---;?++;--+;---;--+ (ist die charakterist. Fkt. einer Menge berechenbar, so ist diese Menge entscheidbar) (ist die spezielle charakterist. Fkt. einer Menge berechenbar, so ist die Menge aufzählbar) 4. Komplement monoton aufzählbar => Komplement auch entscheidbar (Satz10') Komplement entscheidbar => M entscheidbar (Satz5) P auf M reduzierbar, M entscheidbar => P entscheidbar 5. Def. Turingprädikat Verwendung für den Beweis der Aufzählbarkeit mithilfe des Projektionssatzes 6. nein Satz von Rice ja nur Semientscheidbarkeit gefragt/ Aufzählbarkeit (Dovetailing, Projektionsatz) Man muß zwei Elemente x1 und x2 finden, so, das die Funktionswerte verschieden sind. i M Es gibt x1, x2, t1, t2, y1, y2 mit T(i, xi, t1, y1) und T(i, x2, t2, y2) und y1 y2 Mitschrift von: Drost, Isabel; If99wp1 Seite 14 von 14

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen Berechenbarkeit und Komlexität Entscheidbarkeit und Unentscheidbarkeit Wolfgang Schreiner Wolfgang.Schreiner@risc.uni-linz.ac.at Research Institute for Symbolic Comutation (RISC) Johannes Keler University,

Mehr

Zur Vereinfachung betrachten wir nun nur noch Funktionen f, die einen Funktionswert f nµberechnen. Sie werden alle in einer Tabelle dargestellt:

Zur Vereinfachung betrachten wir nun nur noch Funktionen f, die einen Funktionswert f nµberechnen. Sie werden alle in einer Tabelle dargestellt: Informatik 13: Gierhardt Theoretische Informatik III Berechenbarkeit Nicht-berechenbare Funktionen Nach der Church-Turing-These kann alles, was berechenbar ist, mit einer Turing-Maschine oder einer While-Maschine

Mehr

Theoretische Informatik II

Theoretische Informatik II Theoretische Informatik II Einheit 4.6 Elementare Berechenbarkeitstheorie II: Unlösbare Probleme 1. Beweistechniken für Unlösbarkeit 2. Wichtige unlösbare Probleme 3. Der Satz von Rice 4. Unentscheidbare

Mehr

Theoretische Informatik 2

Theoretische Informatik 2 Theoretische Informatik 2 Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2009/10 Entscheidbare und semi-entscheidbare Sprachen Definition Eine NTM M hält bei Eingabe x, falls

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Turing-Maschine, Berechenbarkeit INSTITUT FÜR THEORETISCHE 0 KIT 07.11.2011 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen

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

Theoretische Informatik

Theoretische Informatik Theoretische Informatik - das Quiz zur Vorlesung Teil I - Grundzüge der Logik In der Logik geht es um... (A) die Formen korrekten Folgerns (B) die Unterscheidung von wahr und falsch (C) das Finden von

Mehr

Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle.

Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle. Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik Seminar Entscheidungsverfahren für logische Theorien Tobias Hebel Koblenz, am 18.02.2005 Inhaltsverzeichnis 1 Einleitung... 3 2 Grundlagen...

Mehr

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

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

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

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

Mehr

Zusammenfassung Grundzüge der Informatik 4

Zusammenfassung Grundzüge der Informatik 4 Zusammenfassung Grundzüge der Informatik 4 Sommersemester 04 Thorsten Wink 21. September 2004 Version 1.2 Dieses Dokument wurde in L A TEX 2εgeschrieben. Stand: 21. September 2004 Inhaltsverzeichnis 1

Mehr

Algorithmen und Programmierung

Algorithmen und Programmierung Algorithmen und Programmierung Kapitel 5 Formale Algorithmenmodelle A&P (WS 14/15): 05 Formale Algorithmenmodelle 1 Überblick Motivation Formale Algorithmenmodelle Registermaschine Abstrakte Maschinen

Mehr

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

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

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

Zusammenfassung. 1 Wir betrachten die folgende Signatur F = {+,,, 0, 1} sodass. 3 Wir betrachten die Gleichungen E. 4 Dann gilt E 1 + x 1

Zusammenfassung. 1 Wir betrachten die folgende Signatur F = {+,,, 0, 1} sodass. 3 Wir betrachten die Gleichungen E. 4 Dann gilt E 1 + x 1 Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 7 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 1 Wir betrachten die folgende Signatur

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

Fixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

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

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

Mehr

2. Vorlesung. Slide 40

2. Vorlesung. Slide 40 2. Vorlesung Slide 40 Knobelaufgabe Was tut dieses Programm? Informell Formal Wie stellt man dies sicher? knobel(a,b) { Wenn a = 0 dann return b sonst { solange b 0 wenn a > b dann { a := a - b sonst b

Mehr

3 Quellencodierung. 3.1 Einleitung

3 Quellencodierung. 3.1 Einleitung Source coding is what Alice uses to save money on her telephone bills. It is usually used for data compression, in other words, to make messages shorter. John Gordon 3 Quellencodierung 3. Einleitung Im

Mehr

Prädikatenlogik - Micromodels of Software

Prädikatenlogik - Micromodels of Software Prädikatenlogik - Micromodels of Software Philipp Koch Seminar Logik für Informatiker Universität Paderborn Revision: 30. Mai 2005 1 Inhaltsverzeichnis 1 Motivation 3 2 Modelle 3 2.1 Definition eines Modells.......................

Mehr

Funktionale Programmierung Teil 2 Methodik: Spezifikation, Implementierung, Verifikation

Funktionale Programmierung Teil 2 Methodik: Spezifikation, Implementierung, Verifikation Grundlagen der Programm- und Systementwicklung Funktionale Programmierung Teil 2 Methodik: Spezifikation, Implementierung, Verifikation Technische Universität München Institut für Informatik Software &

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Algorithmen II Vorlesung am 15.11.2012

Algorithmen II Vorlesung am 15.11.2012 Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

Mehr

2. Universelle Algebra

2. Universelle Algebra 2. Universelle Algebra Die Theorie der universellen Algebra verallgemeinert die Theorien der klassischen Algebren. Obwohl ursprünglich nur eine Sorte betrachtet wurde, werden wir hier gleich den mehrsortigen

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

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

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

Mehr

Grammatiken. Einführung

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

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

NP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)

NP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP

Mehr

Einfache Ausdrücke Datentypen Rekursive funktionale Sprache Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at

Einfache Ausdrücke Datentypen Rekursive funktionale Sprache Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at Inhalt SWP Funktionale Programme (2. Teil) Einfache Ausdrücke Datentypen Rekursive funktionale Sprache Franz Wotawa Institut für Softwaretechnologie wotawa@ist.tugraz.at Interpreter für funktionale Sprache

Mehr

Kapitel 5: Applikative Programmierung

Kapitel 5: Applikative Programmierung Kapitel 5: Applikative Programmierung In der applikativen Programmierung wird ein Programm als eine mathematische Funktion von Eingabe-in Ausgabewerte betrachtet. Das Ausführen eines Programms besteht

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Prolog basiert auf Prädikatenlogik

Prolog basiert auf Prädikatenlogik Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:

Mehr

Zusammenfalten des Post schen Verbandes mittels Operationen aus binären booleschen Funktionen

Zusammenfalten des Post schen Verbandes mittels Operationen aus binären booleschen Funktionen Institut für Informatik der Bayerischen Julius Maximilians Universität Würzburg Zusammenfalten des Post schen Verbandes mittels Operationen aus binären booleschen Funktionen Studienarbeit von Christian

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Einführung in die Theoretische Informatik Woche 10 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Zusammenfassung Zusammenfassung der letzten LV Satz Sei G = (V, Σ, R, S) eine kontextfreie

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 8: kontextfreie Grammatiken Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2009/2010 1/37 Überblick Kontextfreie Grammatiken

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

5 Logische Programmierung

5 Logische Programmierung 5 Logische Programmierung Logik wird als Programmiersprache benutzt Der logische Ansatz zu Programmierung ist (sowie der funktionale) deklarativ; Programme können mit Hilfe zweier abstrakten, maschinen-unabhängigen

Mehr

effektives Verfahren ~ Algorithmus (Al Chwarismi) Regelsystem, Methode, Rezept, Gebrauchsanleitung Programm (griech. προγραφω, vor-schreiben)

effektives Verfahren ~ Algorithmus (Al Chwarismi) Regelsystem, Methode, Rezept, Gebrauchsanleitung Programm (griech. προγραφω, vor-schreiben) effektive Verfahren Ein Verfahren ist effektiv, wenn es für jeden Fall, der in einem zuvor abgegrenzten Bereich von eindeutigen Unterscheidungen auftreten kann, eine eindeutige und ausführbare Handlungsanweisung

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

Mehr

Künstliche Intelligenz Maschinelles Lernen

Künstliche Intelligenz Maschinelles Lernen Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen

Mehr

1. Grundlegende Konzepte der Informatik

1. Grundlegende Konzepte der Informatik 1. Grundlegende Konzepte der Informatik Inhalt Algorithmen Darstellung von Algorithmen mit Programmablaufplänen Beispiele für Algorithmen Aussagenlogik Zahlensysteme Kodierung Peter Sobe 1 Algorithmen

Mehr

Mächtigkeit von WHILE-Programmen

Mächtigkeit von WHILE-Programmen Mächtigkeit von WHILE-Programmen Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 26. November 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

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

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Klausur für Studiengänge INF und IST

Klausur für Studiengänge INF und IST Familienname: Matrikelnummer: Studiengang: (bitte ankreuzen) INF IST MED Vorname: Email-Adresse: Immatrikulationsjahr: Klausur für Studiengänge INF und IST sowie Leistungsschein für Studiengang Medieninformatik

Mehr

Rekursionsanfang, Rekursionsschritt oder äquivalente Antworten. (z.b.: Abbruchbedingung (= Basisfall), eigentliche Rekursion (= Selbstaufruf))

Rekursionsanfang, Rekursionsschritt oder äquivalente Antworten. (z.b.: Abbruchbedingung (= Basisfall), eigentliche Rekursion (= Selbstaufruf)) Formale Methoden der Informatik WS / Lehrstuhl für Datenbanken und Künstliche Intelligenz Prof.Dr.Dr.F.J.Radermacher H. Ünver T. Rehfeld J. Dollinger 8. Aufgabenblatt Besprechung in den Tutorien vom..

Mehr

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge Lehrstuhl für Softwaretechnik und Programmiersprachen Professor Dr. Michael Leuschel Grundlagen der Theoretischen Informatik - Sommersemester 2012 Übungsblatt 1: Lösungsvorschläge Disclaimer: Bei Folgendem

Mehr

Erfüllbarkeit und Allgemeingültigkeit

Erfüllbarkeit und Allgemeingültigkeit Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ

Mehr

Primzahlzertifikat von Pratt

Primzahlzertifikat von Pratt Primzahlzertifikat von Pratt Daniela Steidl TU München 17. 04. 2008 Primzahltests in der Informatik "Dass das Problem, die Primzahlen von den Zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren

Mehr

GTI. Hannes Diener. 6. Juni - 13. Juni. ENC B-0123, diener@math.uni-siegen.de

GTI. Hannes Diener. 6. Juni - 13. Juni. ENC B-0123, diener@math.uni-siegen.de GTI Hannes Diener ENC B-0123, diener@math.uni-siegen.de 6. Juni - 13. Juni 1 / 49 Die Turingmaschine war das erste (bzw. zweite) formale Modell der Berechenbarkeit. Sie wurden bereits 1936 (also lange

Mehr

Mathematische Maschinen

Mathematische Maschinen Mathematische Maschinen Ziel: Entwicklung eines allgemeinen Schemas zur Beschreibung von (mathematischen) Maschinen zur Ausführung von Algorithmen (hier: (partiellen) Berechnungsverfahren). Mathematische

Mehr

Einführung in die Algebra

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

Mehr

Formale Grundlagen der Informatik 1 Kapitel 12 Zusammenfassung

Formale Grundlagen der Informatik 1 Kapitel 12 Zusammenfassung Formale Grundlagen der Informatik 1 Kapitel 12 Zusammenfassung Frank Heitmann heitmann@informatik.uni-hamburg.de 13. Mai 2014 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/17 Überblick Wir hatten

Mehr

Komplexität und Komplexitätsklassen

Komplexität und Komplexitätsklassen Dr. Sebastian Bab WiSe 12/13 Theoretische Grundlagen der Informatik für TI Termin: VL 21 vom 21.01.2013 Komplexität und Komplexitätsklassen Die meisten Probleme mit denen wir zu tun haben sind entscheidbar.

Mehr

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

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

Mehr

Logik für Informatiker

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

Mehr

Semantik von Formeln und Sequenzen

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

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes) Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden

Mehr

Grammatiken und die Chomsky-Hierarchie

Grammatiken und die Chomsky-Hierarchie Grammatiken und die Chomsky-Hierarchie Def.: Eine Grammatik G=(Σ,V,S,R) besteht aus endlichem Alphabet Σ endlicher Variablenmenge V mit V Σ= Startsymbol SєV endlicher Menge R с (V Σ) + x(v Σ)* von Ableitungsregeln

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Rekursion und Iteration - Folgen und Web-Diagramme

Rekursion und Iteration - Folgen und Web-Diagramme Rekursion und Iteration - Folgen und Web-Diagramme Ac Einführungsbeispiel Quadratpflanze Ein Quadrat mit der Seitenlänge m wächst wie in der Grafik beschrieben: Figur Figur2 Figur3 Täglich kommt eine Generation

Mehr

SWP Prüfungsvorbereitung

SWP Prüfungsvorbereitung 20. Juni 2011 1 Grammatiken 2 LL(1) 3 EXP 4 Datentypen 5 LP Grammatiken Angabe Erstellen Sie First- und Follow-Mengen aller Non-Terminale der folgenden Grammatik. S a S S B y B A C A A b b A x A ɛ C c

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht

Mehr

1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen. I.2. I.2. Grundlagen von von Programmiersprachen.

1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen. I.2. I.2. Grundlagen von von Programmiersprachen. 1. Der Begriff Informatik 2. Syntax und Semantik von Programmiersprachen I.2. I.2. Grundlagen von von Programmiersprachen. - 1 - 1. Der Begriff Informatik "Informatik" = Kunstwort aus Information und Mathematik

Mehr

1. Mathematik-Schularbeit 6. Klasse AHS

1. Mathematik-Schularbeit 6. Klasse AHS . Mathematik-Schularbeit 6. Klasse AHS Arbeitszeit: 50 Minuten Lernstoff: Mathematische Grundkompetenzen: (Un-)Gleichungen und Gleichungssysteme: AG. Einfache Terme und Formeln aufstellen, umformen und

Mehr

Das P versus N P - Problem

Das P versus N P - Problem Das P versus N P - Problem Dr. Michael Huber Habilitationsvortrag eines der sieben Milleniumsprobleme des Clay Mathematics Institute A gift to Mathematics from Computer Science (Steve Smale) Überblick

Mehr

Umgekehrte Kurvendiskussion

Umgekehrte Kurvendiskussion Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen

Mehr

Geometrische Mannigfaltigkeiten

Geometrische Mannigfaltigkeiten Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie

Mehr

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

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

Mehr

1 Aussagenlogik und Mengenlehre

1 Aussagenlogik und Mengenlehre 1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres

Mehr

Numerische Verfahren und Grundlagen der Analysis

Numerische Verfahren und Grundlagen der Analysis Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)

Mehr

1 Vom Problem zum Programm

1 Vom Problem zum Programm 1 Vom Problem zum Programm Ein Problem besteht darin, aus einer gegebenen Menge von Informationen eine weitere (bisher unbekannte) Information zu bestimmen. 1 Vom Problem zum Programm Ein Algorithmus ist

Mehr

7 Rechnen mit Polynomen

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

Mehr

Analysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum

Analysis I III. Vorlesungsskriptum WS 2005/06 WS 2006/07. Fakultät für Mathematik, Ruhr-Universität Bochum Analysis I III Vorlesungsskriptum WS 2005/06 WS 2006/07 R. Verfürth Fakultät für Mathematik, Ruhr-Universität Bochum Inhaltsverzeichnis Kapitel I. Aufbau des Zahlsystems 5 I.1. Die natürlichen Zahlen

Mehr

Repetitorium zur Informatik IV

Repetitorium zur Informatik IV Repetitorium zur Informatik IV Christoph Kreitz 6. 10. September 1993 Zusammenfassung Diese Wiederholung geht nicht nach didaktischen Gesichtspunkten vor sondern faßt systematisch in Stichworten die wichtigsten

Mehr

Erwin Grüner 09.02.2006

Erwin Grüner 09.02.2006 FB Psychologie Uni Marburg 09.02.2006 Themenübersicht Folgende Befehle stehen in R zur Verfügung: {}: Anweisungsblock if: Bedingte Anweisung switch: Fallunterscheidung repeat-schleife while-schleife for-schleife

Mehr

Wissensbasierte Systeme

Wissensbasierte Systeme WBS4 Slide 1 Wissensbasierte Systeme Vorlesung 4 vom 03.11.2004 Sebastian Iwanowski FH Wedel WBS4 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010 Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver

Mehr

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

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

Mehr

Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS. Prof. Dr. M. Voigt

Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS. Prof. Dr. M. Voigt Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS Prof. Dr. M. Voigt 2. März 2015 II Inhaltsverzeichnis 5 Grundlagen 1 5.1 Funktionen einer Variablen...................... 1 5.2 spezielle Funktionen.........................

Mehr

Aufgaben Theoretische Informatik

Aufgaben Theoretische Informatik Aufgaben Theoretische Informatik Elmar Eder 26. Dezember 2015 Lösungen der Aufgaben bitte abgeben auf dem Abgabesystem von Dominik Kaaser auf https://ti.cosy.sbg.ac.at/ als ASCII- oder UTF-8-Dateien mit

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) Algebra und Zahlentheorie 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

Mehr

16. All Pairs Shortest Path (ASPS)

16. All Pairs Shortest Path (ASPS) . All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e

Mehr

Skalare Differentialgleichungen

Skalare Differentialgleichungen Kapitel 2 Skalare Differentialgleichungen 2.1 Skalare lineare Differentialgleichungen 2.2 Bernoulli und Riccati Differentialgleichungen 2.3 Differentialgleichungen mit getrennten Variablen 2.4 Exakte Differentialgleichungen

Mehr

Die Weierstraßsche Funktion

Die Weierstraßsche Funktion Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede

Mehr

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

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

Mehr

Dr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1

Dr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1 .1 Dr. Jürgen Roth Fachbereich 6: Abteilung Didaktik der Mathematik Elemente der Algebra . Inhaltsverzeichnis Elemente der Algebra & Argumentationsgrundlagen, Gleichungen und Gleichungssysteme Quadratische

Mehr