2 Wertemengen Zweck: Modellierung WS (64) 2.1 Mengen Zweck: Modellierung WS (64)

Größe: px
Ab Seite anzeigen:

Download "2 Wertemengen Zweck: Modellierung WS (64) 2.1 Mengen Zweck: Modellierung WS (64)"

Transkript

1 2 Wertemengen 2 Wertemengen Zweck: Beschreibung von Klassen von Gegenständen und Beschreibung von Begriffen Mengen Relationen und Funktionen Algebren Modellierung WS (64) 2.1 Wertemengen : Mengen 2.1 Mengen Zweck: Mengen beschreiben Sammlungen von Objekten M Menge: M ist eine genau abgegrenzte Gesamtheit von realen oder gedachten Objekten, d.h. für jedes vorstellbare Objekt trifft genau eine der folgenden Möglichkeiten zu: a) gehört zu der Gesamtheit b) gehört nicht zu der Gesamtheit. Die Objekte, die zur Gesamtheit gehören, heißen Elemente der Menge; wir schreiben M für die Aussage ist Element der Menge M und M für die Negation der Aussage. Mengen können in Form von Mengendiagrammen dargestellt werden: M Modellierung WS (64)

2 2.1 Wertemengen : Mengen Mengen bezeichnen wir in der Regel mit Großbuchstaben wie M,N,..., gegebenenfalls auch indiziert M 1,M 2,... Elemente von Mengen bezeichnen wir mit Kleinbuchstaben wie,y,...für feste, aber beliebige Elemente und a,b,...für feste Elemente. Die Bezeichnung für ein Element verwenden wir, wenn wir alle Elemente einer Menge M betrachten wollen. Mit der Aussage Sei M. drücken wir aus, dass als Repräsentant der Elemente der Menge M ausgewählt wird. Modellierung WS (64) 2.1 Wertemengen : Mengen Definiton von Mengen M = {A,B,C,...,Z} etensionale Angabe Eine Menge wird beschrieben durch eine eplizite Angabe ihrer Elemente. (vgl. Begriffsumfang) M = { N ist durch 2 teilbar} intensionale Angabe Eine Menge wird beschrieben durch eine charakterisierende Eigenschaft der Elemente, häufig durch Angabe einer Obermenge und eine zusätzliche Eigenschaft, die die Elemente besitzen sollen. M = {2, 4, 6, 8,...} induktive Definiton Eine Menge wird durch einen Konstruktionsprozess für ihre Elemente beschrieben. Die etensionale Schreibweise von Mengen eignet sich für endliche Mengen. In der Verwendung für unendliche Mengen handelt es sich meist um versteckte induktive Definitionen. Die leere Menge (auch mit {}bezeichnet) ist die einzige Menge, die kein Element enthält. Modellierung WS (64)

3 2.1 Wertemengen : Mengen Grundlegende Eigenschaften von Mengen Alle Elemente von Mengen sind verschieden. M = {a, a} enthält das Element a nur einmal. (Weitergehendes Konzept: Multimengen) Die Elemente einer Menge sind ungeordnet. M = {a, b, c} hat kein erstes, zweites und drittes Element, sondern nur ein Element, dass als erstes bzw. zweites oder drittes genannt wurde. Es gibt Mengen, die geordnet werden können, z.b. M = {1, 2, 3, 4, 5}. Die Ordnung auf den Elementen ist aber eine zusätzliche Eigenschaft, die die Menge aufweist. Modellierung WS (64) 2.1 Wertemengen : Mengen Russel s Paradoon Die angegebene Mengenbegriff stammt von Cantor. Russel zeigte, dass diese Art der Definition nicht eakt genug ist, da sie Mengendefinitionen erlaubt, für die die Elementbeziehung nicht entschieden werden kann. Russel gab dazu die folgende Menge an: M sei die Menge alle Mengen, die sich selbst nicht als Element enthalten. Beispiel: Die lieferbaren Bücher werden in einem Verzeichnis aufgelistet. Dieses Verzeichnis selbst hat wieder Buchform, ist über den Buchhandel bestellbar und kann damit ebenfalls in Verzeichnissen lieferbarer Bücher aufgelistet werden. Wir erstellen nun ein Verzeichnis von Verzeichnissen, die sich selbst nicht als lieferbares Buch nennen. Problem: Gilt M M? Wenn ja, dann enthält M sich selbst, also muss gelten M M. Wenn nein, dann enthält M sich nicht selbst, also muss gelten M M. Dieses Dilemma konnte erst durch Einführung der Aiomatischen Mengenlehre behoben werden, die die Definiton von Mengen einschränkt. Meist wird das Aiomensystem von Zermelo und Fränkel verwendet. Modellierung WS (64)

4 2.1 Wertemengen : Mengen Aussagen über Mengen Elementbeziehungen, Teilmengenbeziehungen und Mengengleichheit sind Möglichkeiten, Aussagen mit Mengen zu machen. Seien M und N Mengen. a) Teilmengenbeziehung (Inklusion) M N (M ist eine Teilmenge von N ): Für alle M gilt N. N ist dann eine Obermenge von M. b) Mengengleichheit M = N (M und N sind gleich) : M N und N M. c) Echte Teilmengenbeziehung M N (M ist eine echte Teilmenge von N ): M N und M N. Die Definitonen der Mengenbeziehungen liefern sofort die Möglichkeiten ihres Nachweises mit: Teilmengenbeziehungen zeigt man, indem man nachweist, dass jedes Element der Teilmenge in der Obermenge liegt. Um eine echte Teilmengenbeziehung zu zeigen muss man zusätzlich ein Element angeben, das in der Obermenge, aber nicht in der Teilmenge enthalten ist. Die leere Menge ist Teilmenge jeder Menge: Für alle Mengen M gilt M. Modellierung WS (64) 2.1 Wertemengen : Mengen Einfache Mengenoperationen Mengenoperationen sind Operationen, die aus bekannten Mengen neue Mengen erzeugen. Seien M und N Mengen. a) Durchschnitt M N := { M und N} b) Vereinigung M N := { M oder N} c) Mengendifferenz M \ N := { M N} d) Symmetrische Differenz M N := (M N) \ (M N) e) M und N heissen disjunkt genau dann, wenn M N =. M N Durchschnitt M N Vereinigung M N Differenz M N Symmetrische Differenz Modellierung WS (64)

5 2.1 Wertemengen : Mengen Das Komplement M c einer Menge M besteht aus allen Elementen, die nicht zu M gehören, d.h. M c := { M} Dann gehören aber zu M c mehr Elemente, als man meist beabsichtigt. Das Komplement der Menge der geraden natürlichen Zahlen sollte die Menge der ungeraden natürlichen Zahlen sein. Daher wird das Komplement meist in Bezug auf eine zuvor festgelegte Gesamtmenge U (Definitonsbereich) festgelegt. Man versteht dann unter dem Komplement M c einer Menge M U bzgl. U die Menge M c := { U M} = U \ M Modellierung WS (64) 2.1 Wertemengen : Mengen Kardinalität von Mengen Für endliche Mengen können wir durch Abzählen die Anzahl der Elemente feststellen. Für eine Menge M sei M (auch mit #M oder card(m) bzeichnet) die Anzahl der Elemente in M. Wir sagen M ist die Kardinalität von M. Es gilt: a) =0 b) M N min{ M, N } c) M N = M + N M N d) M \ N M N e) M N = M N M N f) Falls M und N disjunkt, gilt M N =0 Modellierung WS (64)

6 2.1 Wertemengen : Mengen Auch Mengen, die nicht endlich sind, haben eine Kardinalität. Man unterscheidet häufig aber nur abzählbar unendlche Mengen: Jedem Element von M kann eine natürliche Zahl zugewiesen werden, die Elemente also gewissermaßen abgezählt werden. Wenn kein Element von M doppelt gezählt wird und jedes ELement auch an die Reihe kommt, dann gilt M = N. Ein Beispiel für eine abzählbare Menge ist Q, die Menge der rationalen Zahlen. überabzählbare Mengen: Mengen, deren Elemente nicht abgezählt werde können. Ein Beispiel für eine überabzählbare Menge ist R, die Menge der reellen Zahlen. Der Umgang mit Kardinalitäten unendlicher Mengen ist nicht unbedingt intiuitiv: Es gilt beispielsweise, dass die Kardinalität der geraden natürlichen Zahlen N gerade gleich der Kardinalität der Menge der ungeraden natürlichen Zahlen N ungerade ist, und zwar gilt N gerade = N ungerade = N Andererseits gilt N gerade N ungerade = N Also gibt es doch so viele natürliche Zahlen wie gerade und ungerade Zahlen zusammen. Modellierung WS (64) 2.1 Wertemengen : Mengen Potenzmengen Beispiel: Wir würfeln mit 6 Würfeln und fassen die gewürfelten Augenzahlen in der Menge M Wurf zusammen. Wie kann M Wurf aussehen? (Achtung: {1, 1, 2, 3, 3, 3} = {1, 2, 3}) Bis auf die leere Menge kann M Wurf jede Teilmenge von {1, 2, 3, 4, 5, 6} sein. Für eine Mengen M definieren wir die Potenzmenge P(M) (auch mit Pow(M) bezeichnet) durch P(M) :={N N M} Die Potenzmenge P(M) ist die Menge aller Teilmengen von M. Die Elemente von P(M) sind Mengen: für N M gilt N P(M). Es gilt: a) P(M) und M P(M) b) P(M) 1 c) Für endliche Mengen M mit M = n N gilt P(M) =2 n Modellierung WS (64)

7 2.1 Wertemengen : Mengen Kartesisches Produkt Oft begegnen uns Elemente von Mengen nicht einzeln, sondern in fester Kombination mit Elementen anderer Mengen, z.b. Student und Sitzplatz im Hörsaal. Solche Kombinationen drücken wir in geordneten Paaren aus: (Student, Sitzplatz) Die Menge M N der geordneten Paare mit erster Komponente aus M und zweiter Komponente aus N definiert man durch M N := {(, y) M und y N} Verallgemeinert definiert man für festes n N,n 2 und Mengen M 1,...,M n M 1... M n := {( 1,..., n ) i M i für 1 i n} Die Elemente dieser Menge heißen n-tupel. Abkürzung: Falls M 1 =...= M n = M gilt, schreibt man kurz M n = M... M.Der Vollständigkeit halber ergänzt man M 1 := {() M}. Für die Kardinalität gilt: M 1... M n = M 1... M n Modellierung WS (64) 2.1 Wertemengen : Mengen Eigentlich ist für die Defintion von n-tupeln eine induktive Definition nötig, die immer wieder Paare von n-tupeln als erster Komponente und einem Element als zweiter Komponente bildet: Statt (1, 2, 3, 4, 5) müssten wir eigentlich schreiben ((((1, 2), 3), 4), 5). Diese Schreibweise ist mühselig und wird daher wie in der Definition gezeigt, durch ( 1,..., n ) abgekürzt. Zu beachten ist, dass die Reihenfolge im Tupel festgelegt ist. Auch wenn wir M M betrachten, so sind mit a, b M und a b die Paare (a, b) und (b, a) verschieden! Natürlich kannn man Kartesische Produkte ebenfalls verwenden, um neue kartesische Produkte zu bilden. Dann sind die Komponenten der Tupel ihrerseits wieder Tupel. Hier sollten wir aber NICHT abkürzen: ((Name,Vorname),(BMW,520i,PB - XY 123)) Modellierung WS (64)

8 2.1 Wertemengen : Mengen Endliche Folgen Wenn wir variable Anzahlen von Objekten modellieren wollen, beispielsweise die Schlange der Personen an einer Kinokasse, so reicht die Menge nicht dafür aus. Die Reihenfolge der Personen ist wichtig. Tupel kommen nicht Frage, da sie nur feste Kombinationen modellieren. Die Menge M + der nicht-leeren endlichen Folgen über einer Menge M definiert man M + := { M i mit i N,i>0} Mit ε oder auch ()bezeichnet man die leere Folge. Die Menge M aller endlichen Folgen über einer Menge M definiert man M := M + {ε} Modellierung WS (64) 2.1 Wertemengen : Mengen Auch für die endlichen Folgen ist eigentlich eine induktive Definition nötig. Aber zugunsten der einfacheren und intuitiv klaren Definition wird gern darauf verzichtet. Die endlichen Folgen dürfen nicht mit den unendlichen Folgen verwechselt werden, mit denen man sich in der Analysis beschäftigt. Wie zuvor angesprochen, können wir Paare von endlichen Folgen bilden. Aber wieder dürfen wir KEINE Klammern weglassen: ((1, 2, 3, 4), (5, 4, 3, 2, 1)) ((1, 2, 3, 4, 5), (4, 3, 2, 1)) Modellierung WS (64)

9 2.2 Wertemengen : Relationen 2.2 Relationen Zweck: Relationen beschreiben Beziehungen zwischen Elementen von (nicht notwendigerweise verschiedenen) Wertemengen. Rn-stellige Relation: R W 1... W n Für ( 1,..., n ) W 1... W n bedeutet ( 1,..., n ) R : Zwischen den Elementen 1,..., n besteht die Beziehung R. 4-stellige Relation R mit 2 Elementen: R Modellierung WS (64) 2.2 Wertemengen : Relationen Schreibweisen Für eine Relation R sind folgende Schreibweisen gleichbedeutend: ( 1,..., n ) R R( 1,..., n ) Die Relation R gilt für ( 1,..., n ). ( 1,..., n ) gehört zu R. Für zweistellige Relationen sind auch infie Beschreibungen Ry üblich, z.b. y für teilt y <yfür ist kleiner als y Sprechweisen Für R M n sprechen wir auch von einer Relation R über M. In der Schreibweise R( 1,..., n ) bezeichnen wir ein i mit 1 i n als i-tes Argument von R. Andere Relationen Auch die vorgestellten Teilmengenbeziehungen A B, A B und die Mengengleichheit A = B sind Relationen. Der Grundbereich dieser Relationen müsste die Gesamtheit aller Mengen sein. Um hier nicht in Probleme zu geraten, die auch in Russel s Paradoon auftreten, stellen wir uns eine Grundgesamtheit U von Elementen vor und arbeiten mit Teilmengenbeziehungen und Mengengleicheit NUR auf der Potenzmenge P(U) von U. Modellierung WS (64)

10 2.2 Wertemengen : Relationen Beschreibung von Relationen Nach Definition sind Relationen nichts anderes als Teilmengen von Mengen, also Mengen. Daher kommen zur Beschreibung einer Relation R die üblichen Mengenschreibweisen in Frage: intensionale Beschreibung Die Art der Beziehung zwischen den Elementen wird beschrieben, die für R vorliegen muss. R(, y) : teilt y R = {(, y) teilt y} etensionale Beschreibung Die Elemente der Relation R werden aufgezählt. R = {(1, 1), (2, 2), (3, 3)} induktive Definitonen Ein Konstruktionsprozess für die Elemente von R wird angegeben. R(w 1,w 2 ): w 1 ist Anfangswort von w 2 1.) (w, w) R für alle w Σ 2.) (w 1,w 2 ) R und s Σ (w 1,w 2 s) R 3.) Keine anderen Wortpaare gehören zu R. Modellierung WS (64) 2.2 Wertemengen : Relationen Beispiele: 1. R 1 N R mit R 1 (, y) gilt, falls der ganzzahlige Anteil von y ist. 2. R 2 N 3 mit R 2 (, y, z) gilt, falls + y = z gilt. 3. Datum Wochentag Monat Jahr: (12, März, 1999) ist ein gültiges Datum, d.h. (12, März, 1999) Datum 4. befreundet_mit Personen 2 : Für alle, y aus Personen gilt befreundet_mit y genau dann, wenn y befreundet_mit gilt. Schreibweisen: ( 1,..., n ) R oder R( 1,..., n ), speziell bei n =2: (, y) R oder R(, y), aber auch Ry (Infinotation). Modellierung WS (64)

11 2.2 Wertemengen : Relationen Relationen werden mit Großbuchstaben bezeichnet P,Q,R,... Formal ist eine Relation eine Teilmenge eines Grundbereiches. Meist ist der Grundbereich ein kartesisches Produkt von Mengen. Mit Hilfe von Relationen formalisieren wir Aussagen über einem Grundbereich, Aussagen, die wir mit wahr oder falsch bewerten können. Für ein Tupel ( 1,..., n ) W 1... W n ist die Aussage ( 1,..., n ) R wahr sein, wenn ( 1,..., n ) tatsächlich Element der mit R bezeichneten Teilmenge von W 1... W n ist, ansonsten ist die Aussage falsch. Zusammengefasst: Die Relation R gilt für die Tupel in R. Man beachte, dass die Elemente einer Relation R Tupel von Elementen sind, d.h. für ( 1,..., n ) R ist die Reihenfolge 1,..., n der Komponenten des Tupels wichtig. Als Spezialfall der obigen Definition können Relationen auch über nur einer Menge definiert sein: R M n Gerade bei solchen Relationen R M n ist die Reihenfolge der Komponenten im Argumenttupel wichtig: R( 1, 2,..., n ) und R( 2, 1,..., n ) sind verschiedene Aussagen, wenn 1 und 2 verschieden sind. Für ( 1,..., n ) R spielt jedes i eine Rolle in der durch R beschriebenen Beziehung zwischen den Elementen 1,..., n aus M. Modellierung WS (64) 2.2 Wertemengen : Relationen Kardinalität von D B Wie viele verschiedene Relationen über den Wertemengen W 1,...,W n gibt es? Genauer: Wie viele verschiedene Relationen über W 1... W n gibt es? Die Wertemenge aller Relationen über W 1... W n ist Pow(W 1... W n ) Falls alle Wertemengen W i endliche Mengen sind, können wir die Kardinalität bestimmen: Pow(W 1... W n ) =2 W 1... W n =2 W 1... W n =2 n i=1 W i Modellierung WS (64)

12 2.2 Wertemengen : Relationen Die Kardinalität der Wertemenge Pow(W 1... W n ) wird entsprechend der Struktur dieser Menge ermittelt: Pow(W 1... W n ) ist Potenzmenge einer anderen Menge. Die Kardinalität der Potenzmenge Pow(M) für eine endliche Menge ist Pow(M) =2 M Also müssen wir die Kardinaltität der Grundmenge M bestimmen. Der Menge M entspricht hier das kartesische Produkt W 1... W n. Die Kardinalität der Wertemenge W 1... W n für endliche Mengen W 1,...,W n ist W 1... W n = W 1... W n = Die Kardinalitäten der Mengen W 1,...,W n setzen wir als bekannt voraus. n W i Die Kardinaltität der Menge Pow(W 1... W n ) ergibt sich also durch Zusammensetzen der Rechenregeln zum Bestimmen der Kardinalität entsprechend dem Aufbau der Menge. i=1 Modellierung WS (64) 2.2 Wertemengen : Relationen Eigenschaften von Relationen R M M Refleivität R ist refleiv : Für alle M gilt R(, ). R refleiv : M : R(, ) Symmetrie R ist symmetrisch : Für alle, y M gilt mit R(, y) auch R(y, ). R symmetrisch :, y M :(R(, y) R(y, )) Transitivität R ist transitiv : Für alle, y, z M gilt mit R(, y) und R(y, z) auch R(, z). R transitiv :, y, z M :((R(, y) und R(y, z)) R(, z)) Eine refleive, symmetrische und transitive Relation heißt auch Äquivalenzrelation. Modellierung WS (64)

13 2.2 Wertemengen : Relationen Zweistellige Relationen R M 1 M 2 über endlichen Mengen M 1 und M 2 können in einer Matridarstellung beschrieben werden: M 1... M 2 R y 1 y 2... y n n + + Ein Eintrag + bedeutet, dass das Tupel zur Relation gehört. Viele Eigenschaften zweistelliger Relationen lassen sich anhand der Matridarstellung erläutern und überprüfen. Beispielsweise bedeutet die Refleivität, dass die Diagonale komplett mit Einträgen+ gefüllt sein muss. Modellierung WS (64) 2.2 Wertemengen : Relationen Beispiele: Refleivität Gleichheit von Zahlen: = y Wahrnehmung: Ich nehme mich als Person wahr. Symmetrie Gleichheit von Zahlen: = y Ungefähre Position: Die Balhornstraße ist in der Nähe des Bahnhofs. Transitivität Gleichheit von Zahlen: = y Verwandtschaft: Peter ist verwandt mit Paul. Aber: Ungefähre Position: Der Bahnhof ist in der Nähe vom Kump. Der Kump ist in der Nähe vom Auld Triangle. Das Auld Triangle ist in der Nähe der Lötlampe. Der Lötlampe ist in der Nähe vom Salue. Das Salue ist in der Nähe der Uni. Also ist die Uni in der Nähe vom Bahnhof. Modellierung WS (64)

14 2.2 Wertemengen : Relationen Weitere Eigenschaften von Relationen R M M (1) Irrefleivität (Antirefleivität) R ist irrefleiv : Für kein M gilt R(, ). R irrefleiv : M : nicht R(, ) Antisymmetrie (Identitivität) R ist antisymmetrisch : Für alle, y M folgt aus R(, y) und R(y, ) auch = y. R antisymmetrisch :, y M :((R(, y) und R(y, )) = y) Asymmetrie R ist asymmetrisch : Für alle, y M folgt aus R(, y), dass R(y, ) nicht gilt. R asymmetrisch :, y M :(R(, y) nicht R(y, )) Modellierung WS (64) 2.2 Wertemengen : Relationen Beachte: Refleivität und Irrefleivität sind verwandte, aber verschiedene Eigenschaften. Insbesondere ist Irrefleivität nicht die Negation der Refleivität. Beispiel: Eine Tür kann offen oder geschlossen (= nicht offen) sein, andererseits kann sie abgeschlossen und nicht abgeschlossen sein. Beide Eigenschaften können in beliebiger Kombination zusammen auftreten. Modellierung WS (64)

15 2.2 Wertemengen : Relationen Weitere Eigenschaften von Relationen R M M (2) Konneität R ist konne : Für alle, y M gilt R(, y) oder R(y, ). R konne :, y M :(R(, y) oder R(y, )) Alternativität R ist alternativ : Für alle, y M mit y gilt entweder R(, y) oder R(y, ). R alternativ :, y M, y :(R(, y) nicht R(y, )) Eine refleive, antisymmetrische und transitive Relation heißt auch Halbordnung oder partielle Ordnung. Modellierung WS (64) 2.2 Wertemengen : Relationen Schwache Konneität (Semikonneität) R ist konne : Für alle, y M gilt = y oder R(, y) oder R(y, ). R konne :, y M :( = y oder R(, y) oder R(y, )) Eine irrefleive und transitive Relation heißt auch strenge Halbordnung. Eine refleive und transitive Relation heißt auch Quasiordnung. Eine konnee, refleive, antisymmetrische und transitive Relation heißt auch totale Ordnung oder lineare Ordnung. Modellierung WS (64)

16 2.2 Wertemengen : Relationen Weitere Eigenschaften von Relationen R M 1 M 2 (1) Rechtseindeutigkeit R ist rechtseindeutig : Für alle M 1 und alle y, y M 2 folgt aus R(, y) und R(, y ) sofort y = y. R rechtseindeutig : M 1 y, y M 2 :((R(, y) und R(, y )) y = y ) Linkseindeutigkeit R ist linkseindeutig : Für alle, M 1 und alle y M 2 folgt aus R(, y) und R(,y) sofort =. R linkseindeutig :, M 1 y M 2 :((R(, y) und R(,y)) = ) Modellierung WS (64) 2.2 Wertemengen : Relationen Weitere Eigenschaften von Relationen R M 1 M 2 (2) Links-Totalität R ist links-total : Für alle M 1 gibt es ein y M 2 mit R(, y). R links-total : M 1 y M 2 : R(, y) Rechts-Totalität R ist rechts-total : Für alle y M 2 gibt es ein M 1 mit R(, y). R rechts-total : y M 2 M 1 : R(, y) Modellierung WS (64)

17 2.2 Wertemengen : Relationen Überprüfung von Eigenschaften Liegt mit R eine zweistellige Relation über einem endlichen Grundbereich M vor, lassen sich die angegebenen Eigenschaften in der Matridarstellung einfach veranschaulichen: Sei M = {1, 2, 3, 4, 5} R In der Zeile steht das erste Argument, in der Spalte das zweite. Ein Eintrag + bedeutet, dass das Tupel zur Relation gehört. Modellierung WS (64) 2.2 Wertemengen : Relationen 1. Refleivität: Die Diagonale muss mit +-Zeichen gefüllt sein. 2. Irrefleivität: In der Diagonalen darf kein +-Zeichen stehen. 3. Symmetrie: Das Muster der +-Zeichen ist symmetrisch zur Diagonalen. 4. Asymmetrie: Von zwei symmetrisch zur Diagonalen liegenden Feldern darf nur eines ein +-Zeichen enthalten. Insbesondere ist die Diagonale leer. 5. Antisymmetrie: Mit Ausnahme der Felder auf der Diagonalen darf von zwei symmetrisch zur Diagonalen liegenden Feldern nur eines ein +- Zeichen enthalten. 6. Konneität: Von zwei symmetrisch zur Diagonalen liegenden Feldern muss eines ein +-Zeichen enthalten. Insbesondere ist die Diagonale komplett gefüllt. 7. Alternativität: Von zwei symmetrisch zur Diagonalen liegenden verschiedenen Feldern muss GENAU eines ein +-Zeichen enthalten. Über die Diagonale wird nichts gesagt. 8. Rechts-Eindeutigkeit: Pro Zeile gibt es nur maimal ein +-Zeichen. 9. Links-Totalität: Pro Zeile gibt es nur mindestens ein +-Zeichen. Modellierung WS (64)

18 2.2 Wertemengen : Relationen 10. Links-Eindeutigkeit: Pro Spalte gibt es nur maimal ein +-Zeichen. 11. Rechts-Totalität: Pro Spalte gibt es nur mindestens ein +-Zeichen. 12. Transitivität: Keine ganz so offensichtliche graphische Korrespondenz. Modellierung WS (64) 2.3 Wertemengen : Funktionen 2.3 Funktionen Zweck: Funktionen beschreiben Zuordnungen von Elementen einer Wertemenge auf Elemente einer anderen (nicht notwendigerweise verschiedenen) Wertemenge. f Funktion: f D B und f rechtseindeutig Für (, y) D B bedeutet (, y) f : Dem Elemente D wird durch f das eine Element y B zugeordnet. D heißt Definitionsbereich (engl. domain) und B Bildbereich oder Wertebereich (engl. range). Funktion f mit 3 Elementen: D f Von jedem Element der Menge D darf nur ein Pfeil starten. B Modellierung WS (64)

19 2.3 Wertemengen : Funktionen Schreibweisen für Funktionen D B bezeichnet die Wertemenge der Funktionen, die von D nach B abbilden. Nach Definition der Funktionen als spezielle zweistellige Relationen gilt: D B Pow(D B) f : D B ist die Signatur der Funktion f und steht für f D B. f() =y steht für (, y) f, f() y steht für (, y) f. Mit f() bezeichnen wir den zugeordneten Wert aus B für den Wert aus D. Im Sinne der Zuordnung sagt man auch, f wird auf D angewendet. Für liefert f das Ergebnis f(). D und B können zusammengesetzte Wertebereiche sein. Ist D ein kartesisches Produkt aus n Wertemengen, so sprechen wir von einer n-stelligen Funktion. fn-stellige Funktion: f : D 1... D n B Modellierung WS (64) 2.3 Wertemengen : Funktionen Beschreibung von Funktionen Nach Definition sind Funktionen ebenfalls nichts anderes als Teilmengen von Mengen, also Mengen. Daher kommen zur Beschreibung einer Funktion f die üblichen Mengenschreibweisen in Frage: intensionale Beschreibung Die Art der Beziehung zwischen den Elementen wird beschrieben, die für f vorliegen muss. f() = 2 + f = {(, y) y = 2 + } etensionale Beschreibung Die Elemente der Relation f werden aufgezählt. f = {(1, 1), (2, 2), (3, 3)} induktive Definitonen Ein Konstruktionsprozess für die Elemente von f wird angegeben. f(w) =n : w hat n Zeichen 1.) f(ε) :=0 2.) w Σ und s Σ f(ws) :=f(w)+1 Modellierung WS (64)

20 2.3 Wertemengen : Funktionen In der Logik und der Mathematik wird manchmal der Begriff der n-stelligen Funktion auch für n = 0 verwendet. Aus der Sicht der Abbildungsvorschrift ist der zugeordnete Wert des Bildbereichs abhängig von den Argumenten der Funktion. Bei einer 0-stellige Funktion haben wir keine Argumente, also ist der zugeordnete Wert konstant. Damit stehen 0-stellige Funktionen für konstante Funktionen, d.h. Funktionen, die genau einen Wert annehmen. Natürlich können auchn-stellige Funktionen mit n>0 konstant sein! Modellierung WS (64) 2.3 Wertemengen : Funktionen Einschränkung von Funktionen In manchen Fällen interessiert nicht die Funktion f D B auf dem gesamten Bereich D, sondern nur auf einem Teilbereich D D. f D auf D eingeschränkte Funktion: f D := {(, y) f D } f D hat die Signatur f D : D B Funktion f mit 3 Elementen: D f Eingeschränkte Funktion f D : D B mit nur noch 2 Elementen. D' D' B Modellierung WS (64)

21 2.3 Wertemengen : Funktionen Eigenschaften von Funktionen f : D B (1) total f ist total : Für alle D gibt es ein y B mit f() =y. f total : D y B : f() =y partiell f ist partiell : Es gibt ein D, so dass für alle y B gilt f() y. f partiell : D y B : f() y Aus Sicht der Funktion als Abbildungsvorschrift ist für eine partielle Funktion die Zuordnung nicht für alle Elemente des Grundbereiches definiert. Wir sagen f ist an diesen Stellen undefiniert. Die Totalität einer Funktion f ist nichts anderes als die bereits definierte Links-Totalität zweistelliger Relationen. Modellierung WS (64) 2.3 Wertemengen : Funktionen In der Mathematik werden Funktionen meist als totale Funktionen eingeführt, ohne dies eplizit als Eigenschaft zu erwähnen. Singularitäten wie die Stelle 0 für die Funktion f() = 1 werden in der Signatur eplizit entfernt: f : R \{0} R. Modellierung WS (64)

22 2.3 Wertemengen : Funktionen Eigenschaften von Funktionen f : D B (2) Injektivität f ist injektiv : Für jedes y B gibt es höchstens ein D mit f() =y. f injektiv : y B, D :((f() =y und f( )=y) = ) Surjektivität f ist surjektiv : Für jedes y B gibt es ein D mit f() =y. f surjektiv : y B D : f() =y Bijektivität (meist nur in Zusammenhang mit totalen Funktionen) f ist bijektiv : Für jedes y B gibt es genau ein D mit f() =y. f bijektiv : y B D :(f() =y und D(f( )=y) = )) Wenn eine totale und bijektive Funktion f : D B eistiert, dann sind die beiden Wertemengen D und B gleichmächtig. Modellierung WS (64) 2.3 Wertemengen : Funktionen Für Funktionen sind andere Begriffe zur Beschreibung von Eigenschaften üblich als für 2-stellige Relationen. Folgende Übereinstimmungen bestehen: Funktion rechts-eindeutige Relation totale Funktion links-totale und rechts-eindeutige Relation injektive Funktion links-eindeutige und rechts-eindeutige Relation surjektive Funktion rechts-totale und rechts-eindeutige Relation totale bijektive Funktion links-totale, rechts-totale, links-eindeutige und rechts-eindeutige Relation Modellierung WS (64)

23 2.3 Wertemengen : Funktionen Beispiele für Funktionen id m : M M mit id M = {(, ) M} identische Funktion auf M Sei ein Grundbereich U gegeben und M U. { w falls M χ M : U {w, f} mit χ M () = f sonst charakteristische Funktion für M +:N N N mit +={((, y),+ y), y N} Addition auf N Modellierung WS (64) 2.3 Wertemengen : Funktionen Kardinalität von D B Wie viele verschiedene Funktionen f : D B gibt es? Genauer: Wie viele verschiedene rechtseindeutige Relationen über D B gibt es? Kurz: Was ist die Kardinalität von D B? Die Wertemenge der Relationen über D B hat für endliche Mengen D und B die Kardinalität Pow(D B) =2 D B Hier sind aber auch Relationen berücksichtigt, die keine Funktionen sind! Für endliche Mengen D und B kann man die Anzahl der totalen Funktionen leicht bestimmen: {f : D B f total } = B D Partielle Funktionen können wir als totale Funktionen auffassen, die an den undefinierten Stellen den neuen Wert zuweisen. Für endliche Mengen D und B ist dann die Anzahl der Funktionen: D B = {f : D B} =( B +1) D Modellierung WS (64)

24 2.3 Wertemengen : Funktionen Die Kardinalität der Wertemenge D B kann hier nicht über die Struktur der Menge ermittelt werden wie bei der Anzahl der Relationen, da hier eine Einschränkung der Menge Pow(D B) über die zusätzlich verlangte Eigenschaft der Rechts-Eindeutigkeit vorliegt. Daher müssen wir versuchen, die definierende Eigenschaft der Wertemenge D B zur Ermittlung der Kardinalität heranzuziehen. Betrachten wir zunächst die totalen Funktionen. Wir gehen von endlichen Mengen D und B aus. Graphisch betrachtet geht bei einer totalen Funktion von jedem Element der linken Menge D ein Zuordnungspfeil aus. Das Ziel eines Zuordnungspfeiles kann jedes Element der rechten Menge B sein. Für jeden Zuordnungspfeil haben wir unabhängig von allen anderen die freie Auswahl des Zielpunktes. Falls D ein Element enthält, können wir diesem Element genau ein Element aus B zuordnen. Dafür haben wir B viele Möglichkeiten. Also gibt es für D =1insgesamt B = B 1 = B D verschiedene Zuordnungen, d.h. totale Funktionen von D auf B. Modellierung WS (64) 2.3 Wertemengen : Funktionen Falls D zwei Elemente enthält, können wir den beiden Elementen unabhängig voneinander jeweils ein Element aus B zuordnen. Dafür haben wir jeweils B viele Möglichkeiten. Also gibt es für D =2insgesamt B B = B 2 = B D verschiedene Zuordnungen, d.h. totale Funktionen von D auf B. Mit Hilfe der Induktion lässt sich die Anzahl der verschiedenen totalen Funktionen von D auf B für eine n-elementige Menge D bestimmen: {f : D B f total } = B n = B D Modellierung WS (64)

25 2.3 Wertemengen : Funktionen Betrachten wir nun alle Funktionen, also die partiellen Funktionen. Graphisch betrachtet geht bei einer partiellen Funktion von jedem Elemnt der linken Menge D höchstens ein Zuordnungspfeil aus. Das Ziel eines Zuordnungspfeiles kann wieder jedes Element der rechten Menge B sein. Für jeden Zuordnungspfeil haben wir unabhängig von allen anderen die freie Auswahl des Zielpunktes. Also besteht der einzige Unterschied zu den totalen Funktionen darin, dass wir zunächst eine Teilmenge D u von D festlegen, die alle die Elemente enthält, von denen kein Zuordnungspfeil ausgehen soll. D sei eine n-elementige Menge. Falls D u = {a 1,...,a k } Dgenau k Elemente enthält, sind dies die einzigen undefinierten Stellen von f. Die auf D \D eingeschränkte Funktion f D\D ist dann total. Die Anzahl der Auswahlmöglichkeiten für D u aus D ( n ist genau k). ( n (Der Binomialkoeffizient k) gibt die Anzahl der k-elementigen Teilmengen einer n-elementigen Menge an.) Die Anzahl der totalen Funktionen f D\D : D B ist B D = B D k Modellierung WS (64) 2.3 Wertemengen : Funktionen Aufsummiert über die Anzahl der möglichen undefinierten Stellen, also über 0,...,nergibt sich nach Binomi {f : D B} = n k=0 ( n k) B D k =(1+ B ) D Der alternative Ansatz, partielle Funktionen als totale Funktionen aufzufassen, die an den undefinierten Stellen den neuen Wert zuweisen, führt zum gleichen Ergebnis. Wir sehen, dass wir die definierende Eigenschaft der Rechts-Eindeutigkeit für die Wertemenge {f : D B} intensiv zur Kardinalitätsbestimmung nutzen müssen. Modellierung WS (64)

26 2.4 Wertemengen : Terme und Termalgebren 2.4 Terme und Termalgebren Zweck: Schachtelungen von Funktionsanwendungen manipulieren (19 + y 2 )=19 + y 2 Wir unterscheiden: den Wert einer (geschachtelten) Funktionsanwendung, z.b. 7 (5 + 9), und die Zeichenreihe, z.b. 7 (5 + 9), die die Funktionsanwendung beschreibt. In Beweisen treten in Funktionsanwendungen aber (fest, aber beliebig gewählte) Variablen auf, daher ist eine Auswertung nicht möglich! Zweck: Symbolische Verarbeitung von Beschreibungen von Funktionsanwendungen Welches Wissen über Funktionen haben wir zur Verfügung? Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Sorten Die Signatur einer Funktion gibt uns Informationen über Definitions- und Bildbereich. f : D B D kann ein kartesisches Produkt von Mengen sein. Da wir für ein fest, aber beliebig aus D gewähltes das Ergebnis, also den Wert von f() nicht bestimmen können, sind die Wertemengen D und B nicht relevant, es ist nur ihr Name wichtig. Eine Sorte ist ein Name für einen Wertebereich. Der Wertebereich muss nicht weiter definiert sein. Beispiele für Sorten sind N, BOOL,STACK,... Modellierung WS (64)

27 2.4 Wertemengen : Terme und Termalgebren Signaturen Für eine Funktion f : D B oder f : D 1... D n B liefert die Signatur einer Funktion also die Sorten von Definitions- und Bildbereich, sowie die Stelligkeit von f. Im Bereich der Algebren spricht man von Operationen statt von Funktionen. Eine Signatur Σ=(S, F ) besteht aus einer abzählbaren Menge S von Sorten und einer abzählbaren Menge F von Signaturen von Operationen mit Sorten aus S. Wir werden im folgenden nur Signaturen Σ=(S, F ) mit endlichen Mengen S und F betrachten. In F sind auch 0-stellige Operationen enthalten, die sogenannten Konstanten. Diese Operationen dienen als Bezeichner für besondere Elemente aus ihrem Bildbereich. Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Korrekte Terme Eine Signatur Σ=(S, F ) liefert uns die Informationen, die nötig sind, um symbolische Beschreibungen für die Anwendung von Operationen auf Elemente von Grundbereichen zu bilden. Zusätzlich verwenden wir Variable, denen wir jeweils eine Sorte als Grundbereich zuordnen. Für eine Signatur Σ=(S, F ) und eine abzählbare Menge von Variablen wird die Menge T Σ (V ) der korrekten Terme wird induktiv definiert durch 1. Für jede Sorte s S ist eine Variable der Sorte s ein korrekter Term der Sorte s. 2. Für jede Signatur a : s ist a ein korrekter Term der Sorte s. 3. Für jede Signatur f : s 1... s n s und korrekte Terme t i der Sorte s i für 1 i n ist f(t 1,...,t n ) ein korrekter Term der Sorte s. 4. Für jede Sorte s S sind nur so gebildete Zeichenketten korrekte Terme der Sorte s. Die Menge aller korrekten Terme der Sorte s für ein s S bezeichnen wir mit T Σ (V ). Meist sprechen wir kurz von Termen, statt von korrekten Termen. Terme ohne Variable heißen Grundterme. f(t 1,...,t n ) heißt n-stelliger Term, diet i seine Unterterme. Wir nehmen an, dass wir zu jeder Sorte s S abzählbar unendlich viele Variablen zur Verfügung haben. Modellierung WS (64)

28 2.4 Wertemengen : Terme und Termalgebren Nach Definition gilt also V T Σ (V ) Für jede 0-stellige Operation a F gilt a T Σ (V ). Wenn keine mindestens einstelligen Operationen vorhanden sind, so sind dies die einzigen Terme. Damit auch in diesem Fall wenigstens ein Grundterm vorhanden ist, fordert man, dass mindestens eine 0-stellige Operation in F vorhanden ist, also eine Konstante eplizit benannt ist. Wenn die Signatur aus dem Zusmmenhang klar ist und keine besonderen Anforderungen an die Menge der Variablen gestellt werden soll, dann bezeichnen wir T Σ (V ) auch kurz mit T. Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Kantorowitsch-Bäume für Terme Ein Term ist eine Zeichenreihe und enthält NUR Strukturinformation auf Basis der Signatur: Welche Operationen sind nacheinander auszuführen. Diese Struktur ist baumorientiert: 1. Für eine Variable oder eine Konstante a besteht der Baum, der den Term repräsentiert, aus einem Blattknoten mit Label bzw. a. 2. Für f(t 1,...,t n ) besteht der ein repräsentierende Baum aus einem Wurzelknoten mit dem Label f, der als Nachfolger von links nach rechts die Bäume hat, die die Unterterme t 1,...,t n repräsentieren. Die Struktur von nach Definition gebildeten Termen ist eindeutig! Modellierung WS (64)

29 2.4 Wertemengen : Terme und Termalgebren Notationen für Terme Gegeben seien eine n-stellige Operation f und Terme t 1,...,t n der passenden Sorten. Funktionsform: f(t 1,...,t n ) Präfiform: ft 1...t n Postfiform: t 1...t n f Infiform: t 1 ft 2 für zweistellige Operationen Nur die Funktionsform benutzt Hilfszeichen wie Klammern und Kommata, daher ist für das Verständnis dieser Notation kein weiteres Wissen nötig. Nur für die Prüfung der Korrektheit der Sorten in den Argumenten wird die Signatur benötigt. Für die Präfi- und Postfiform wird für mehrfach geschachtelte Terme auch Information über die Stelligkeit der Operationen benötigt. Infinotationen haben sich für häufig benutzte zweistellige Operationen eingebürgert: + y, < y, y,... Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Ablesen der Termnotation Präfi-Notation: Schreibe Label bei erstem Besuch des Knotens f Infi-Notation: Schreibe Label bei vorletztem Besuch des Knotens + * Postfi-Notation: Schreibe Label bei letztem Besuch des Kno- - 5 tens 3 y Modellierung WS (64)

30 2.4 Wertemengen : Terme und Termalgebren Vorsicht bei Infi-Notation! Hier wird zusätzlich Information über benötigt über Präzedenz: Welche Operation bindet stärker? Beispiel: Punktrechnung vor Strichrechnung. über Assozoativität: Welche Operation ist aus einer Reihe gleicher Operationen zuerst auszuführen?? Beispiel: von links nach rechts ausrechnen. In Situationen, in denen die Lage nicht klar ist, sollte man immer Klammern verwenden, um die gewünschte Struktur eakt zu beschreiben: 5+6 7= ( 5) + 6(6 7) ( (5 + 6)) 7 (5 + (6 7))... Auch in Mischungen verschiedener Schreibweisen sind solche Zusatzangaben über Präzedenz und Assoziativität und gliedernde Klammern häufig nötig. Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Grundbereiche der Variablen Für die Variablen aus V, die zur Bildung von Termen verwendet wurden, sollen beliebige Werte der passenden Sorte eingesetzt werden. Über welche Objekte mit passenden Sorten verfügen wir??? Zu jeder Sorte gibt es Terme dieser Sorte! (Die Annahme, dass zu jeder Sorte abzählbar viele Variablen zur Verfügung stehen, liefert uns passende Terme, auch wenn keine passenden Operationen vorhanden sind.) Ziel: Eakte Beschreibung des Vorgehens bei Ersetzungen von Variablen durch Terme Modellierung WS (64)

31 2.4 Wertemengen : Terme und Termalgebren (Simultane) Substitution Für eine Signatur Σ und die Menge der korrekten Terme T Σ (V ) definieren wir die simultane Ersetzung aller Vorkommen einer Variablen (der Sorte s) durch einen Term (der Sorte s): Sei V eine Variable (der Sorte s) und t T Σ (V ) ein Term (der Sorte s). Das Ergebnis der (simultanen) Substitution von durch t, in Zeichen [/t], wird induktiv definiert durch { t falls = y Für eine Variable y ist y[/t] :=. y sonst Für eine Konstante a ist a[/t] :=a. Für einen zusammengesetzten Term f(t 1,...,t n ) ist f(t 1,...,t n )[/t] :=f(t 1 [/t],...,t n [/t]). Achtung: Für t [/t] werden nur die Vorkommen von in t ersetzt, keine Vorkommen in t. Nur eine Ersetzung von Variablen durch Terme ist erlaubt, nicht umgekehrt und nicht Term durch Term. Für t [/t] werden alle Vorkommen von in t simultan ersetzt. Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Mehrfache (Simultane) Substitution Für eine Signatur Σ und die Menge der korrekten Terme T Σ (V ) definieren wir die simultane Ersetzung aller Vorkommen mehrerer, paarweise verschiedener Variablen (auch verschiedener Sorten) durch Terme (der passender Sorten) analog zum obigen Fall: t[ 1 /t 1,..., n /t n ] ist das Ergebnis der simultanen Ersetzung aller Vorkommen von 1,..., n durch die entsprechenden Terme t 1,...,t n analog zur vorherigen Definiton. Vorgehensweise: 1. Markiere in t alle Vorkommen der Variablen 1,..., n. 2. Ersetze in beliebiger Reihenfolge, z.b. von links nach rechts, die markierten Vorkommen von 1,..., n durch die entsprechenden Terme t 1,...,t n. Eine Substitution ersetzt immer nur eine endliche Menge von Variablen durch Terme. Alle Variablen in der Substitution müssen paarweise verschieden sein! Modellierung WS (64)

32 2.4 Wertemengen : Terme und Termalgebren Substitution als Funktion Man kann eine Substitution auch als Abbildung σ : V T Σ (V ) auffassen, die für fast alle Variablen, d.h. mit Ausnahme von höchstens endlich vielen Variablen mit der identischen Abbildung auf V übereinstimmt. Diese Abbildung σ kann man dann mit den zuvor angegebenen Definitionen auf T Σ (V ) fortsetzen: σ : T Σ (V ) T Σ (V ) σ() a a σ(f(t 1,...,t n )) f(σ(t 1 ),...,σ(t n )) Substitutionen sind damit induktiv definierte Funktionen auf T Σ (V ). Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Hintereinanderausführung von Substitution Betrachte t[ 1 /t 1,..., m /t m ][y 1 /t 1,...,y n /t n] Zunächst werden alle Vorkommen von 1,..., m durch die entsprechenden Terme t 1,...,t m ersetzt. Dann werden alle Vorkommen von y 1,...,y n durch die entsprechenden Terme t 1,...,t n ersetzt, also insbesondere in den zuvor eingesetzten Vorkommen von t 1,...,t m. Also muss die Gesamtsubstitution zunächst folgendermaßen aussehen: [ 1 /t 1 [y 1 /t 1,...,y n /t n],..., m /t m [y 1 /t 1,...,y n /t n],...] Der hintere Teil der Substitution ist noch nicht festgelegt. Alle Variablen, die zum im Schnitt { 1,..., m } {y 1,...,y n } gehören, werden duch beide Substitutionen ersetzt. Für die zweite Substitution bleiben für solche Variablen nur die Vorkommen in den zuvor eingesetzten Vorkommen von t 1,...,t m. Alle solchen Vorkommen sind in der teilweise bestimmten Gesamtsubstitution schon berücksichtigt. Es fehlen also nur die Variablen in {y 1,...,y n }\{ 1,..., m }. Dies seien y i1,...,y ik. [ 1 /t 1 [y 1 /t 1,...,y n /t n],..., m /t m [y 1 /t 1,...,y n /t n],y i1 /t i 1,...,y ik /t i k ] Modellierung WS (64)

33 2.4 Wertemengen : Terme und Termalgebren Hintereinanderausführung von Substitution Betrachte [ 1 /t 1,..., m /t m ][y 1 /t 1,...,y n /t n] Vorgehensweise: 1. Wende die zweite Substitution auf die zu ersetzenden Terme der ersten Substituion an. 2. Füge die Ersetzungen y i /t i für alle y i hinzu, die unter den 1,..., m nicht vorkommen. Seien σ und τ zwei Substitutionen. tστ bezeichnet das Ergebnis der Substitutionen σ und τ, wobei zuerst σ und dann τ ausgeführt wird. Beachte die umgekehrte Reihenfolge in Funktionsschreibweise: τ(σ(t)). Beispiel: 1. [/f(y),y/][y/z] =[/f(z),y/] 2. [/f(y, y)][y/g(z,z)] = [/f(g(z,z),g(z,z)),y/g(z,z)] 3. [/y, y/][/y, y/] =[/, y/y] =[] Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Term Matching Durch Anwendung einer Substitution wird ein Term spezialisiert. s umfasst t, falls s durch Anwendung einer Substitution σ zu t spezialisiert werden kann: sσ = t Die Relation s umfasst t definiert eine Halbordnung auf T Σ (V ). Ziel: Verfahren, um Substitutionen zu bestimmen, die s zu t spezialisieren Eine solche Substitution σ heißt Matching Substitution und der Sachverhalt sσ = t heißt Matching. Für zwei Terme s und t ist ein Abweichungspaar (s,t ) ein Paar von verschiedenen Untertermen s von s und t von t, die an korrespondierenden Stellen in den Kantorowitch-Bäumen von s und t auftreten und für die die Labelfolgen oberhalb von s bzw. t bis zur Wurzel übereinstimmen. Die Menge aller Abweichungspaare bezeichnen wir mit A(s, t). Beispiel: f(, g(h(, a))) und f(h(a, b),g(h(y, a))) haben die Abweichungspaare (, h(a, b)) und (, y). Ausgehend von der Funktionsform besteht ein Abweichungspaar aus den Teiltermen, die von links nach rechts gelesen an der ersten Stelle beginnen, an der sich die beiden Terme unterscheiden. Modellierung WS (64)

34 2.4 Wertemengen : Terme und Termalgebren Algorithmus für das Matching Es seien zwei Terme s und t gegeben, die keine Variable gemeinsam haben. Gesucht ist eine Substitution mit sσ = t. Algorithmus: 1. Setze σ =[], also die leere Substitution (identische Abbildung). 2. Solange A(sσ, t) gilt (a) Wähle (s,t ) A(sσ, t). (b) Falls s eine Variable aus s ist, setze σ = σ[s /t ]. (c) Sonst eistiert kein Matching, Abbruch des Algorithmus. 3. Bei Erfolg gilt sσ = t und σ ist eine Matching Substitution. Man beachte, dass in jeder Iteration die (ggf. ergänzte) Substitution auf den Anfangsterm s angewendet wird. Wenn man sich den bisher aus s erzeugten Term merkt, muss nur noch die Ergänzung der Substituion angewendet werden. Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Beispiel für ein Matching Gesucht ist eine Matching Substitution für f(, g(y, z)) und f(g(a, b),g(g(b, b),a)) It. Term s Term t σ (Ergänzung) 1 f(, g(y, z)) f(g(a, b), g(g(b, b), a)) [/g(a, b)] 2 f(g(a, b),g(y,z)) f(g(a, b),g(g(b, b),a)) [y/g(b, b)] 3 f(g(a, b),g(g(b, b),z)) f(g(a, b),g(g(b, b),a)) [z/a] 4 f(g(a, b),g(g(b, b),a)) f(g(a, b),g(g(b, b),a)) Damit ist σ =[][/g(a, b)][y/g(b, b)][z/a] =[/g(a, b),y/g(b, b),z/a] eine Matching Substitution. Modellierung WS (64)

35 2.4 Wertemengen : Terme und Termalgebren Unifikation Durch Anwendung einer Substitution wird ein Term spezialisiert. Beim Matching wird durch Spezialisierung des einen Terms der zweite Term gebildet. Ziel: zwei Terme zu einem für beide gleichen dritten Term spezialisieren s und t sind unifizierbar, falls es eine Substitution σ gibt, die s und t zu einem Term spezialisiert: σ heißt Unifikator von s und t sσ = tσ Falls σ ein Unifikator von s und t ist und τ eine weitere Substitution, dann ist auch die Gesamtsubstitution στ ein Unifikator von s und t. Eine Substitution σ 1 heißt allgemeiner als eine zweite Substitution σ 2, falls es eine Substitution τ gibt mit σ 1 τ = σ 2 Beispiel: [/f(y)] ist allgemeiner als [/f(g(a)),y/g(a)]. Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Allgemeinster Unifikator Die allgemeinere Substitution spezialisiert die Terme weniger stark. Da Substitutionen nur endlich viele Variablen verändern, muss es daher einen allgemeinsten Unifikator geben. Ziel: Verfahren, um allgemeinste Unifikatoren für s und t zu bestimmen für s und t Zwei allgemeinste Unifikatoren σ 1 und σ 2 für s und t unterscheiden sich nur durch die noch vorkommenden Variablen in sσ 1 und sσ 2. Eine Umbenennung der Variablen unifiziert die Ergebnisse. Beispiel: [/y] und [y/] sind allgemeinste Unifikatoren für f(, y) und f(y, ). Die Variablenumbenennung [/y, y/] liefert f(, y)[/y][/y, y/] =f(y, y)[/y, y/] =f(, ) =f(, y)[y/] und Es gilt f(, y)[y/][/y, y/] =f(, )[/y, y/] =f(y, y) =f(, y)[/y] [/y][/y, y/] =[y/] Modellierung WS (64)

36 2.4 Wertemengen : Terme und Termalgebren Algorithmus für den Allgemeinsten Unifikator Es seien zwei Terme s und t gegeben. Gesucht ist eine Substitution mit sσ = tσ. Algorithmus: 1. Setze σ =[], also die leere Substitution (identische Abbildung). 2. Solange A(sσ, tσ) gilt (a) Wähle (s,t ) A(sσ, tσ). (b) Falls s eine Variable ist und s nicht in t vorkommt, setze σ = σ[s /t ]. (c) Falls t eine Variable ist und t nicht in s vorkommt, setze σ = σ[t /s ]. (d) Sonst eistiert kein allgemeinster Unifikator, Abbruch des Algorithmus. 3. Bei Erfolg gilt sσ = tσ und σ ist ein allgemeinster Unifikator. Man beachte, dass in jeder Iteration die (ggf. ergänzte) Substitution auf die Anfangsterme s und t angewendet wird. Wenn man sich die bisher aus s und t erzeugten Terme merkt, muss nur noch die Ergänzung der Substituion angewendet werden. Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Beispiel für eine Unifikation Gesucht ist ein allgemeinster Unifikator für f(, g(y, z)) und f(g(a, y),g(g(b, b),)) It. Term s Term t σ (Ergänzung) 1 f(,g(y, z)) f(g(a, y),g(g(b, b),)) [/g(a, y)] 2 f(g(a, y),g(y,z)) f(g(a, y),g(g(b, b),g(a, y))) [y/g(b, b)] 3 f(g(a, g(b, b)),g(g(b, b),z)) f(g(a, g(b, b)),g(g(b, b),g(a, g(b, b)))) [z/g(a, g(b, b))] 4 f(g(a, g(b, b)),g(g(b, b),g(a, g(b, b)))) f(g(a, g(b, b)),g(g(b, b),g(a, g(b, b)))) Damit ist σ =[][/g(a, y)][y/g(b, b)][z/g(a, g(b, b))] = [/g(a, g(b, b)), y/g(b, b), z/g(a, g(b, b))] ein allgemeinster Unifikator. Modellierung WS (64)

37 2.4 Wertemengen : Terme und Termalgebren Aiome Zwei Terme aus T Σ (V ) sind nur dann gleich, wenn ihre Struktur gleich ist (Gleichheit der Zeichenketten). In der Mathematik kennen wir Gesetze, die uns Gleichheit von Termen liefern: 7+a = a +7 gilt aufgrund des Gesetzes + y = y + Im Bereich der Termalgebren verstehen wir unter einem Aiom eine Gleichung der Form t 1 = t 2 Aiome sind unbewiesene, aber als wahr akzeptierte Aussagen. Die in den Aiomen vorkommenden Variablen werden implizit als allquantifiziert aufgefasst: Für alle, y gilt + y = y + Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Anwendung von Aiomen Aiome induzieren Gleiheitsaussagen für Terme: Ein Aiom t 1 = t 2 kann auf einen Term s angewendet werden, wenn s einen Teilterm s enthält und eine Matching Substitution eistiert mit s = t 1 σ. Das Ergebnis ist der Term t, der durch Ersetzung des Teiltermes s in s durch t 2 σ entsteht. Wir schreiben s = t durch Anwendung von Aiom t 1 = t 2 s = t Anwendung s' t' s' = t 1 σ = t 2σ = t' Spezialisierung t1 = t 2 Aiom Das Aiom t 1 = t 2 kann auch in der Form t 2 = t 1 angewendet werden. Modellierung WS (64)

38 2.4 Wertemengen : Terme und Termalgebren Abstrakte Algebren Eine abstrakte Algebra A =(T Σ (V ), Σ,Q) ist ein Tripel bestehend aus Σ einer Signatur, T Σ (V ) der Menge der korrekten Terme und Q einer Menge von Aiomen. Eine abstrakte Algebra oder algebraische Struktur liefert einen Bereich von Strukturen, nämlich den Termen, die entsprechend der Signatur Σ gebildet wurden und den Aiomen aus Q gehorchen, d.h. zwei Terme t 1 und t 2 sind gleich, t 1 = t 2, wenn t 1 durch Anwendung der Aiome aus Q in t 2 umgewandelt werden kann. Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Beispiel: Boolesche Algebra B Signatur Σ=({Bool},F) Operationen F : true : Bool false : Bool : Bool Bool Bool : Bool Bool Bool : Bool Bool Aiome Q: Q1 ( y) z = (y z) Assoziativität ( y) z = (y z) Q2 y = y Kommutativität y = y Q3 = Idempotenz = Q4 ( y) = Verschmelzung ( y) = Q5 (y z) = ( y) ( z) Distributivität (y z) = ( y) ( z) Q6 true = Neutrale false = false Elemente true = true false = Q7 = false Komplement = true Q8 ( ) = Involution Q9 ( y) = y DeMorgan ( y) = y Modellierung WS (64)

39 2.4 Wertemengen : Terme und Termalgebren Konkrete Algebra Eine zu einer abstrakten Algebra A =(T Σ (V ), Σ,Q) passende konkrete Algebra A =(S A,F A,Q A ) ist ein Tripel bestehend aus S A einer Menge von konkreten Wertebereichen, die den Sorten in S aus Σ fest zugeordnet sind, F S einer Menge von Signaturen von konkreten (totalen) Funktionen auf Mengen in S A, die den Operationen in F zugeordnet sind, so dass die Signaturen in F S und F mit der Zuordnung der Wertebereiche konsistent sind, Q A einer Menge von Aiomen, die den Aiomen in Q entsprechen und die für die Funktionen in F S gelten. Eine konkrete Algebra stellt ein Modell der abstrakten Algebra dar. In der konkreten Algebra können die Werte der Terme in den Ergebnissorten berechnet werden. Die Einhaltung der Aiome bedeutet also, dass die Werte der Terme in den Aiomen gleich sind. Zwei Terme t 1 und t 2 aus T Σ (V ) mit der Eigenschaft, dass t 1 durch Anwendung der Aiome aus Q in t 2 umgewandelt werden kann, haben in A also den gleichen Wert. Modellierung WS (64) 2.4 Wertemengen : Terme und Termalgebren Beispiel: Konkrete Algebra B M zur Booleschen Algebra Sei M eine endliche Menge. Konkrete Algebra B Abstrakte Algebra B Sorten: P(M) Bool Signaturen: false M : M M M Durchschnitt : M M M Vereinigung. c : M M Komplement bzgl. M Aiome: true X M = X true = Modellierung WS (64)

Einführung in die Informatik 2

Einführung in die Informatik 2 Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,

Mehr

Mengen und Abbildungen

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

Mehr

2 Modellierung mit Wertebereichen

2 Modellierung mit Wertebereichen 2 Modellierung mit Wertebereichen Mod-2.1 In der Modellierung von Systemen, Aufgaben, Lösungen kommen Objekte unterschiedlicher Art und Zusammensetzung vor. Für Teile des Modells wird angegeben, aus welchem

Mehr

3. Relationen Erläuterungen und Schreibweisen

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

Mehr

1.1 Mengen und Abbildungen

1.1 Mengen und Abbildungen Lineare Algebra I WS 2015/16 c Rudolf Scharlau 3 1.1 Mengen und Abbildungen In diesem Abschnitt stellen wir die grundlegende mathematische Sprache und Notation zusammen, die für jede Art von heutiger Mathematik

Mehr

Kapitel 1. Grundlagen Mengen

Kapitel 1. Grundlagen Mengen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen)

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

Kapitel 1. Grundlagen

Kapitel 1. Grundlagen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

2 Mengen und Abbildungen

2 Mengen und Abbildungen 2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:

Mehr

Warum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7

Warum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7 Warum Mathe? IG/StV-Mathematik der KFU-Graz März 2011 Inhalt 1 Mengen 1 1.1 Mengenoperationen.............................. 2 1.2 Rechenregeln.................................. 3 2 Übungsbeispiele zum

Mehr

Mengen, Funktionen und Logik

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

Mehr

Mengen und Abbildungen

Mengen und Abbildungen 1 Mengen und bbildungen sind Hilfsmittel ( Sprache ) zur Formulierung von Sachverhalten; naive Vorstellung gemäß Georg Cantor (1845-1918) (Begründer der Mengenlehre). Definition 1.1 Eine Menge M ist eine

Mehr

σ-algebren, Definition des Maßraums

σ-algebren, Definition des Maßraums σ-algebren, Definition des Maßraums Ziel der Maßtheorie ist es, Teilmengen einer Grundmenge X auf sinnvolle Weise einen Inhalt zuzuordnen. Diese Zuordnung soll so beschaffen sein, dass dabei die intuitiven

Mehr

Mathematik für Ökonomen 1

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

Mehr

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

Grundlagen der Mathematik

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

Mehr

Einführung in die Mengenlehre

Einführung in die Mengenlehre Einführung in die Mengenlehre D (Menge von Georg Cantor 845-98) Eine Menge ist eine Zusammenfassung bestimmter wohlunterschiedener Objekte unseres Denkens oder unserer Anschauung zu einem Ganzen wobei

Mehr

2 ZAHLEN UND VARIABLE

2 ZAHLEN UND VARIABLE Zahlen und Variable 2 ZAHLEN UND VARIABLE 2.1 Grundlagen der Mengenlehre Unter einer Menge versteht man die Zusammenfassung von unterscheidbaren Objekten zu einem Ganzen. Diese Objekte bezeichnet man als

Mehr

mathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen

mathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen Einführung in die Logik - 6 mathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen Modelltheoretische / Denotationelle Semantik der Prdikatenlogik Ein Modell ist ein künstlich geschaffenes

Mehr

2. Symmetrische Gruppen

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

Mehr

2. Grundlegende Strukturen 2.1 Wertebereiche beschrieben durch Mengen

2. Grundlegende Strukturen 2.1 Wertebereiche beschrieben durch Mengen 2. Grundlegende Strukturen 2.1 Wertebereiche beschrieben durch Mengen In der Modellierung von Systemen, Aufgaben, Lösungen kommen Objekte unterschiedlicher Art und Zusammensetzung vor. Für Teile des Modells

Mehr

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

Lineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund Lineare Algebra 1 Detlev W. Hoffmann WS 2013/14, TU Dortmund 1 Mengen und Zahlen 1.1 Mengen und Abbildungen Eine Menge ist eine Zusammenfassung wohlunterscheidbarer Objekte unserer Anschauung/unseres Denkens/unserer

Mehr

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen

Mehr

Mengenlehre. Jörg Witte

Mengenlehre. Jörg Witte Mengenlehre Jörg Witte 25.10.2007 1 Grbegriffe Die Menegenlehre ist heute für die Mathematik grlegend. Sie spielt aber auch in der Informatik eine entscheidende Rolle. Insbesondere fußt die Theorie der

Mehr

Mathematik 1, Teil B

Mathematik 1, Teil B FH Oldenburg/Ostfriesland/Wilhelmshaven Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre

Mehr

Kapitel 2 Mathematische Grundlagen

Kapitel 2 Mathematische Grundlagen Kapitel 2 Mathematische Grundlagen Ziel: Einführung/Auffrischung einiger mathematischer Grundlagen 2.1 Mengen, Relationen, Ordnungen Definition: Eine Menge ist eine Zusammenfassung von wohlbestimmten und

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen

Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen Susanna Pohl Vorkurs Mathematik TU Dortmund 10.03.2015 Mengen und Relationen Mengen Motivation Beschreibung von Mengen Mengenoperationen

Mehr

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

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

Mehr

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte Einige mathematische Konzepte 1 Mengen 1.1 Elementare Definitionen Mengendefinition Die elementarsten mathematischen Objekte sind Mengen. Für unsere Zwecke ausreichend ist die ursprüngliche Mengendefinition

Mehr

Kapitel 2 MENGENLEHRE

Kapitel 2 MENGENLEHRE Kapitel 2 MENGENLEHRE In diesem Kapitel geben wir eine kurze Einführung in die Mengenlehre, mit der man die ganze Mathematik begründen kann. Wir werden sehen, daßjedes mathematische Objekt eine Menge ist.

Mehr

Elementare Mengenlehre

Elementare Mengenlehre Vorkurs Mathematik, PD Dr. K. Halupczok WWU Münster Fachbereich Mathematik und Informatik 5.9.2013 Ÿ2 Elementare Mengenlehre Der grundlegendste Begri, mit dem Objekte und Strukturen der Mathematik (Zahlen,

Mehr

Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem:

Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: 4 4 4 4 4 1 1 1 1 2 2 3 3 5 5 5 5 5 5 6 6 6 7 7 8 8 9 9 9 9 9 8 6 Verwenden Sie dazu eine atomare Formel A[n, x, y] für jedes Tripel (n,

Mehr

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau, Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel

Mehr

Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen

Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Dozentin: Wiebke Petersen 2. Foliensatz Wiebke Petersen math. Grundlagen 25 n-tupel und Cartesisches Produkt Mengen sind ungeordnet,

Mehr

Theoretische Informatik

Theoretische Informatik Mathematische Grundlagen Patrick Horster Universität Klagenfurt Informatik Systemsicherheit WS-2007-Anhang-1 Allgemeines In diesem einführenden Kapitel werden zunächst elementare Grundlagen kurz aufgezeigt,

Mehr

3 Mengen, Logik. 1 Naive Mengenlehre

3 Mengen, Logik. 1 Naive Mengenlehre 3 Mengen, Logik Jörn Loviscach Versionsstand: 21. September 2013, 15:53 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html This work is

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume

Mehr

Vorkurs Mathematik Abbildungen

Vorkurs Mathematik Abbildungen Vorkurs Mathematik Abbildungen Philip Bell 19. September 2016 Diese Arbeit beruht im Wesentlichen auf dem Vortrag Relationen, Partitionen und Abbildungen von Fabian Grünig aus den vorangehenden Jahren.

Mehr

Lineare Algebra I. Auswahlaxiom befragen. (Wer schon im Internet danach sucht, sollte das auch mal mit dem Begriff

Lineare Algebra I. Auswahlaxiom befragen. (Wer schon im Internet danach sucht, sollte das auch mal mit dem Begriff Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 2 Prof. Dr. Markus Schweighofer 11.11.2009 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 2.1: Behauptung:

Mehr

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

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

Mehr

Lineare Algebra I. - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Monday 12 September 16

Lineare Algebra I. - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Monday 12 September 16 Lineare Algebra I - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß 1. Mengen und Abbildungen: Mengen gehören zu den Grundlegendsten Objekten in der Mathematik Kurze Einführung in die (naive) Mengelehre

Mehr

Grundkurs Semantik. Sitzung 3: Mengenlehre. Andrew Murphy

Grundkurs Semantik. Sitzung 3: Mengenlehre. Andrew Murphy Grundkurs Semantik Sitzung 3: Mengenlehre Andrew Murphy andrew.murphy@uni-leizpig.de Grundkurs Semantik HU Berlin, Sommersemester 2015 http://www.uni-leipzig.de/ murphy/semantik15 15. Mai 2015 Basiert

Mehr

Mengen (siehe Teschl/Teschl 1.2)

Mengen (siehe Teschl/Teschl 1.2) Mengen (siehe Teschl/Teschl 1.2) Denition nach Georg Cantor (1895): Eine Menge ist eine Zusammenfassung von bestimmten und wohlunterschiedenen Objekten unserer Anschauung oder unseres Denkens zu einem

Mehr

Kapitel 3. Natürliche Zahlen und vollständige Induktion

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

Mehr

Logik, Mengen und Abbildungen

Logik, Mengen und Abbildungen Kapitel 1 Logik, Mengen und bbildungen Josef Leydold Mathematik für VW WS 2016/17 1 Logik, Mengen und bbildungen 1 / 26 ussage Um Mathematik betreiben zu können, sind ein paar Grundkenntnisse der mathematischen

Mehr

3 M E N G E N, A L P H A B E T E, A B B I L D U N G E N

3 M E N G E N, A L P H A B E T E, A B B I L D U N G E N 3 M E N G E N, A L P H A B E T E, A B B I L D U N G E N Im Kapitel über Signale, Nachrichten,... usw. haben wir auch über Inschriften gesprochen. Ein typisches Beispiel ist der Rosetta-Stein (Abb. 3.1),

Mehr

A B A und B w w w w f f f w f f f f. A B A oder B (A B) w w w w f w f w w f f f

A B A und B w w w w f f f w f f f f. A B A oder B (A B) w w w w f w f w w f f f Kapitel 1 Zum Aufwärmen 1.1 Aussagen Eine Aussage im üblichen Sinn ist nicht unbedingt eine Aussage im mathematischen Sinn. Aussagen wie Mathe ist doof sind keine Aussagen im mathematischen Sinn, weil

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

Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1

Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1 Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1 1 Vorbemerkungen Mathematische Begriffe und Argumentationsweisen sind in vielen Fällen nötig, wo man über abstrakte Objekte sprechen und

Mehr

2 Mengenlehre. Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen.

2 Mengenlehre. Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen. Mengenlehre 2 Mengenlehre Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen. Üblicherweise werden Mengen mit Großbuchstaben

Mehr

Vorlesung. Funktionen/Abbildungen

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

Mehr

DIE SPRACHE DER WAHRSCHEINLICHKEITEN

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

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

Halbgruppen, Gruppen, Ringe

Halbgruppen, Gruppen, Ringe Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die

Mehr

Mathematik 1 für Informatik Inhalt Grundbegrie

Mathematik 1 für Informatik Inhalt Grundbegrie Mathematik 1 für Informatik Inhalt Grundbegrie Mengen, speziell Zahlenmengen Aussagenlogik, Beweistechniken Funktionen, Relationen Kombinatorik Abzählverfahren Binomialkoezienten Komplexität von Algorithmen

Mehr

ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen

ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen MAA.01011UB MAA.01011PH Vorlesung mit Übung im WS 2016/17 Christoph GRUBER Günter LETTL Institut für Mathematik und wissenschaftliches Rechnen

Mehr

Grundlagen der Mengenlehre

Grundlagen der Mengenlehre mathe plus Grundlagen der Mengenlehre Seite 1 1 Grundbegriffe Grundlagen der Mengenlehre Def 1 Mengenbegriff nach Georg Cantor (1845-1918) Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener

Mehr

Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch

Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch 1.2 Mengenlehre Grundlagen der Mathematik 1 1.2 Mengenlehre Definition: Menge, Element, Variablenraum Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert

Mehr

Natürliche, ganze und rationale Zahlen

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

Mehr

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre Vorlesung Einführung in die mathematische Sprache und naive Mengenlehre Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johann-von-Neumann-Haus Fachschaft Menge aller Studenten eines Institutes

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

Mathematik für Techniker

Mathematik für Techniker Siegfried Völkel u.a. Mathematik für Techniker 7., neu bearbeitete und erweiterte uflage 16 1 Rechenoperationen Prinzip der Mengenbildung Wenn eine ussageform für die Objekte eines Grundbereichs vorliegt,

Mehr

1 Mengen. 1.1 Definition

1 Mengen. 1.1 Definition 1 Mengen 1.1 Definition Eine Menge M ist nach dem Begründer der Mengenlehre Georg Cantor eine Zusammenfassung von wohlunterschiedenen(verschiedenen) Elementen. Eine Menge lässt sich durch verschiedene

Mehr

2.2 der Größenbegriff

2.2 der Größenbegriff (mit Äquivalenzrelationen) Maximilian Geier Institut für Mathematik, Landau Universität Koblenz-Landau Zu Größen gelangt man ausgehend von realen Gegenständen durch einen Abstraktionsvorgang. Man geht

Mehr

1.4 Äquivalenzrelationen

1.4 Äquivalenzrelationen 8 1.4 Äquivalenzrelationen achdem nun die axiomatische Grundlage gelegt ist, können wir uns bis zur Einführung der Kategorien das Leben dadurch erleichtern, daß wir bis dorthin, also bis auf weiteres,

Mehr

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

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

Mehr

In diesem Kapitel wiederholen wir Begriffe und Notationen für grundlegende mathematische

In diesem Kapitel wiederholen wir Begriffe und Notationen für grundlegende mathematische Kapitel 1 Mathematische Objekte In diesem Kapitel wiederholen wir Begriffe und Notationen für grundlegende mathematische Objekte wie Tupel, Mengen, Relationen und Funktionen. Außerdem erklären wir die

Mehr

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale Grundlagen 2008W. Vorlesung im 2008S  Institut für Algebra Johannes Kepler Universität Linz Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige

Mehr

6. Induktives Beweisen - Themenübersicht

6. Induktives Beweisen - Themenübersicht 6. Induktives Beweisen - Themenübersicht Ordnungsrelationen Partielle Ordnungen Quasiordnungen Totale Ordnungen Striktordnungen Ordnungen und Teilstrukturen Noethersche Induktion Anwendung: Terminierungsbeweise

Mehr

Kurze Wiederholung: [Relationen und Abbildungen]

Kurze Wiederholung: [Relationen und Abbildungen] SS 2012, Lineare Algebra 1 Lösungen zum 1. Aufgabenblatt Die Lösungen wurden erstellt von: Isabel Voigt und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com

Mehr

Die Sprache der Mathematik

Die Sprache der Mathematik Die Sprache der Mathematik Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Diese Lehrveranstaltung...... ist Pflicht für alle Studenten der Informatik und

Mehr

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

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

Mehr

1 Mengenlehre. 1.1 Grundbegriffe

1 Mengenlehre. 1.1 Grundbegriffe Dieses Kapitel behandelt Grundlagen der Mengenlehre, die in gewisser Weise am nfang der Mathematik steht und eine Sprache bereitstellt, die zur weiteren Formulierung der Mathematik sehr hilfreich ist.

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

Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen

Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen Dozentin: Wiebke Petersen 1. Foliensatz Wiebke Petersen math. Grundlagen 6 Frage Was ist eine Menge? 1 Minute zum Nachdenken

Mehr

3 Vom Zählen zur Induktion

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

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

Mehr

Frage 8.3. Wozu dienen Beweise im Rahmen einer mathematischen (Lehramts-)Ausbildung?

Frage 8.3. Wozu dienen Beweise im Rahmen einer mathematischen (Lehramts-)Ausbildung? 8 Grundsätzliches zu Beweisen Frage 8.3. Wozu dienen Beweise im Rahmen einer mathematischen (Lehramts-)Ausbildung? ˆ Mathematik besteht nicht (nur) aus dem Anwenden auswendig gelernter Schemata. Stattdessen

Mehr

Mathematischen Grundlagen und Notationen

Mathematischen Grundlagen und Notationen Mathematischen Grundlagen und Notationen Susanne Schimpf Juni 008 Es geht in dieser Lerneinheit darum, mathematische Notationen besser zu verstehen und auch selbst korrekt zu benutzen. Außerdem sollen

Mehr

Rechnerstrukturen. Michael Engel und Peter Marwedel WS 2013/14. TU Dortmund, Fakultät für Informatik

Rechnerstrukturen. Michael Engel und Peter Marwedel WS 2013/14. TU Dortmund, Fakultät für Informatik Rechnerstrukturen Michael Engel und Peter Marwedel TU Dortmund, Fakultät für Informatik WS 2013/14 Folien a. d. Basis von Materialien von Gernot Fink und Thomas Jansen 21. Oktober 2013 1/33 1 Boolesche

Mehr

1.2 Eigenschaften der ganzen Zahlen

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

Mehr

Notizen zu Transformationen und Permutationen. T (A) = {f : A A}

Notizen zu Transformationen und Permutationen. T (A) = {f : A A} Transformationen Notizen zu Transformationen und Permutationen Ist A eine Menge, so ist die Menge T (A) = {f : A A} bezüglich der Komposition (Hintereinanderausführung) als Operation und der identischen

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

1 Mengen und Aussagen

1 Mengen und Aussagen $Id: mengen.tex,v 1.2 2010/10/25 13:57:01 hk Exp hk $ 1 Mengen und Aussagen Der wichtigste Grundbegriff der Mathematik ist der Begriff einer Menge, und wir wollen damit beginnen die klassische, 1878 von

Mehr

Mengenlehre. ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN. Ronald Balestra CH Zürich Name: Vorname:

Mengenlehre. ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN. Ronald Balestra CH Zürich  Name: Vorname: Mengenlehre ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 21. August 2016 Inhaltsverzeichnis 1 Mengenlehre 1 1.1 Die Menge im mathematischen

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

Satz 18 (Satz von der totalen Wahrscheinlichkeit)

Satz 18 (Satz von der totalen Wahrscheinlichkeit) Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Unabhängigkeit KAPITEL 4

Unabhängigkeit KAPITEL 4 KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht

Mehr

24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN

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

Mehr

Natürliche Zahlen, Summen und Summenformeln

Natürliche Zahlen, Summen und Summenformeln Vorlesung Natürliche Zahlen, Summen und Summenformeln.1 Die natürlichen Zahlen Die natürlichen Zahlen sind diejenigen Zahlen mit denen wir zählen 0,1,,3,... Es gibt unendlich viele und wir schreiben kurz

Mehr

4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper

4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper 4 Einige Grundstrukturen Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper Abbildungen Seien X und Y Mengen. Eine (einstellige) Abbildung f : X Y ordnet jedem x X genau ein Element

Mehr

Programmiersprachen und Übersetzer

Programmiersprachen und Übersetzer Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

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

Informatik I WS 07/08 Tutorium 24

Informatik I WS 07/08 Tutorium 24 Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben

Mehr

Informationsverarbeitung auf Bitebene

Informationsverarbeitung auf Bitebene Informationsverarbeitung auf Bitebene Dr. Christian Herta 5. November 2005 Einführung in die Informatik - Informationsverarbeitung auf Bitebene Dr. Christian Herta Grundlagen der Informationverarbeitung

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Beweise)

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

Mehr

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

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

Mehr

Anhang B. Relationenalgebraische Definitionen. B.1 Relationen

Anhang B. Relationenalgebraische Definitionen. B.1 Relationen Anhang B Relationenalgebraische Definitionen Die relationenalgebraischen Definitionen bilden die Grundlage der formalen Aspekte der Projekte WebReference und InterMediate [Her00]. Sie sind [SS89] entnommen.

Mehr