Ausgewählte Kapitel Diskreter Mathematik mit Anwendungen
|
|
- Beate Franke
- vor 7 Jahren
- Abrufe
Transkript
1 Wahlpflichtfach Bachelor Informatik 4. Semester Ausgewählte Kapitel Diskreter Mathematik mit Anwendungen Lektion 6: utm- und Kurt-Ulrich Witt Sommersemester 2011 Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 1/28
2 Inhaltsverzeichnis Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 2/28
3 Sowohl aus Theoretischer als auch aus praktischer Sicht (1) Existenz einer berechenbaren universellen Funktion Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 3/28
4 Sowohl aus Theoretischer als auch aus praktischer Sicht (1) Existenz einer berechenbaren universellen Funktion (2) Möglichkeit der Parametrisierung (effektive Programmierung) Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 3/28
5 Sowohl aus Theoretischer als auch aus praktischer Sicht (1) Existenz einer berechenbaren universellen Funktion (2) Möglichkeit der Parametrisierung (effektive Programmierung) Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 3/28
6 Codierung σ der Nullfunktionen und Projektionen (Code-) Alphabet: Σ = {, #, O, π, ν, C, PRK, µ, [, ], ;,, } Codierung: σ : µr Σ + mit σ(o k ) = O k, k 0 σ(πi k ) = π k # i, 1 i k, k 1 Beispiele: σ(o 3 ) = O σ(π2 5 ) = π # Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 4/28
7 Codierung σ der µ-rekursiven Funktionen sowie und für σ(x) = x für x { ν, C, PRK, µ, [, ], ;,, } σ(x 1 x 2... x n ) = σ(x 1 )σ(x 2 )... σ(x n ) x i = O k, k 0 x i = π k i, 1 i k, k 1 x i { ν, C, PRK, µ, [, ], ;,, } Beispiel add: Codierung: PRK [ π1, 1 C [ ν; π3 3 ]] σ(prk [ π 1 1, C [ ν; π 3 3]] ) = PRK [π #, C [ν; π # ]] Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 5/28
8 Nummerierung von µr definiert durch ρ : Σ { 1, 2,..., 12 } ρ( ) = 1 ρ(π) = 4 ρ(prk) = 7 ρ(]) = 10 ρ(#) = 2 ρ(ν) = 5 ρ(µ) = 8 ρ(; ) = 11 ρ(o) = 3 ρ(c) = 6 ρ([) = 9 ρ(, ) = 12 Es sei p i P die i-te Primzahl, dann sei die Abbildung definiert durch g : Σ + N g(x 1... x n ) = p ρ(x 1) 1... p ρ(xn) n Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 6/28
9 Beispiele Es gilt und id = π 1 1 σ(id) = π # g(π # ) = = d.h. der (µ-rekursiven Implementierung der) Funktion id wird die Nummer zugeordnet. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 7/28
10 Beispiele Es gilt und 1 = C [ν; O 0] σ(1) = C [ν; O] g (C [ν; O]) = = d.h. der (µ-rekursiven Implementierung der) Funktion 1 wird die Nummer zugeordnet Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 8/28
11 Nummerierung von µr Durch die Funktion definiert durch τ : µr N τ = g ρ werden den µ-rekursiven Funktionen (sehr große) Nummern zugeordnet. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 9/28
12 Umkehrung von τ Die Funktion τ ist injektiv und damit umkehrbar. Berechne zu einer Zahl n N, die die Nummer einer µ-rekursiven Funktion f ist, f = τ 1 (n): (1) Zerlege n in seine Primfaktoren (2) Ordne diese der Größe nach Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 10/28
13 Umkehrung von τ Die Funktion τ ist injektiv und damit umkehrbar. Berechne zu einer Zahl n N, die die Nummer einer µ-rekursiven Funktion f ist, f = τ 1 (n): (1) Zerlege n in seine Primfaktoren (2) Ordne diese der Größe nach (3) Fasse gleiche Faktoren zu Potenzen zusammen Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 10/28
14 Umkehrung von τ Die Funktion τ ist injektiv und damit umkehrbar. Berechne zu einer Zahl n N, die die Nummer einer µ-rekursiven Funktion f ist, f = τ 1 (n): (1) Zerlege n in seine Primfaktoren (2) Ordne diese der Größe nach (3) Fasse gleiche Faktoren zu Potenzen zusammen (4) Decodiere die Potenzen gemäß Codetabelle Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 10/28
15 Umkehrung von τ Die Funktion τ ist injektiv und damit umkehrbar. Berechne zu einer Zahl n N, die die Nummer einer µ-rekursiven Funktion f ist, f = τ 1 (n): (1) Zerlege n in seine Primfaktoren (2) Ordne diese der Größe nach (3) Fasse gleiche Faktoren zu Potenzen zusammen (4) Decodiere die Potenzen gemäß Codetabelle Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 10/28
16 Beispiel Beispiel: Kanonische Faktorisierung: woraus sich mithilfe der Codetabelle die µ-rekursive Funktion C [ν; ν] ergibt. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 11/28
17 Totalisierung von τ 1 Die Funktion τ ist nicht surjektiv, d.h. ihre Umkehrung τ 1 ist nicht total, d.h. es gibt Zahlen n N, die nicht Nummer einer µ-rekursiven Funktion sind. Beispiele: alle Primzahlen größer als 5 30 hat die Faktorisierung , woraus sich gemäß Codetabelle die Zeichenkette ergibt, die keine µ-rekursive Funktion darstellt. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 12/28
18 Totalisierung von τ 1 Surjektive Ergänzung von τ 1 : Wähle irgendeine Funktion aus µr, z.b. definiert durch Es gilt Def (ω) = ω ist µ-rekursiv, denn für gilt f = C (Übliche Notation: f (x, y) = ν(y) + x.) ω : N 0 N 0 ω(n) = [ [ ] ] add; C ν; π2 2, π1 2 ω = µ [f ] Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 13/28
19 Totalisierung von τ 1 Total definierte Umkehrung der Funktion τ 1 : mit h(i) = { f, h : N µr µ [ C [ add; C [ ν; π 2 2], π 2 1 ]], sonst falls i W (τ) und τ(f ) = i Die Funktion τ stellt eine sogenannte dar. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 14/28
20 Gödelisierung Mit Gödelisierung (Gödelnummerierung) bezeichnet man eine effektive Codierung von Wörtern durch natürliche Zahlen. Im Allgemeinen ist für ein Alphabet A eine Gödelnummerierung gegeben durch eine Abbildung (Gödelabbildung) g : A N 0 mit folgenden Eigenschaften: (i) g ist injektiv, d.h. für x 1, x 2 A mit x 1 x 2 ist g(x 1 ) g(x 2 ). (ii) g ist berechenbar. (iii) Die Funktion χ g : N 0 { 0, 1 } definiert durch ( 1, falls ein x A existiert mit g(x) = n χ g(n) = 0, sonst ist berechenbar. (iv) g 1 ist berechenbar. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 15/28
21 Nummerierung ϕ : N 0 P der partiell berechenbaren Funktionen: ϕ(i) = f genau dann, wenn h(i) die Funktion f berechnet Es ist also ϕ(i) = f genau dann, wenn f von der µ-rekursiven Funktion berechnet wird, die durch die Nummer i codiert ist. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 16/28
22 Σ + σ µr Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 17/28
23 N 0 g Σ + σ µr Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 17/28
24 N 0 g τ Σ + σ µr Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 17/28
25 N 0 h τ g Σ + σ µr Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 17/28
26 N 0 ϕ g P h τ Σ + σ µr Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 17/28
27 N 0 ϕ g P h τ Σ + σ µr Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 17/28
28 N 0 ϕ g P h τ Σ + σ µr Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 17/28
29 id wird von h(8400) berechnet: τ(π1 1 ) = 8400 h(8400) = π1 1 ϕ(8400) = id ϕ 8400 P id N 0 h τ π1 1 µr Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 18/28
30 1 wird von h( ) berechnet: τ(c [ν; O]) = h( ) = τ(c [ν; ν]) ϕ( ) = 1 ϕ P 1 N 0 h τ C [ν; O] µr Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 19/28
31 [ [ [ ] ]] h(30) = µ C add; C ν; π2 2, π1 2 ϕ(30) = ω ϕ 30 P ω N 0 h τ µ [ C [ add; C [ ν; π 2 ]] 2], π 2 1 µr Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 20/28
32 Schreibweise: ϕ i = f anstelle von ϕ(i) = f um doppelte Argumente zu vermeiden: ϕ i (x 1,..., x k ) = f (x 1,..., x k ) anstelle von ϕ(i)(x 1,..., x k ) = f (x 1,..., x k ) Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 21/28
33 Abstrakte Programmiersprache (N 0, P, ϕ): N 0 enthält alle Programme dieser Programmiersprache. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 22/28
34 Abstrakte Programmiersprache (N 0, P, ϕ): N 0 enthält alle Programme dieser Programmiersprache. P enthält alle Fuktionen, die von Programmen dieser Programmiersprache berechnet werden können. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 22/28
35 Abstrakte Programmiersprache (N 0, P, ϕ): N 0 enthält alle Programme dieser Programmiersprache. P enthält alle Fuktionen, die von Programmen dieser Programmiersprache berechnet werden können. ϕ ordnet jedem Programm (Syntax) seine Bedeutung (Semantik) zu. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 22/28
36 Abstrakte Programmiersprache (N 0, P, ϕ): N 0 enthält alle Programme dieser Programmiersprache. P enthält alle Fuktionen, die von Programmen dieser Programmiersprache berechnet werden können. ϕ ordnet jedem Programm (Syntax) seine Bedeutung (Semantik) zu. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 22/28
37 Existenz einer universellen Funktion Es sei (N 0, P, ϕ) eine Nummerierung. Dann gibt es eine berechenbare Funktion u ϕ P mit u ϕ (i, x) = ϕ i (x) u ϕ heißt universelle Funktion von (N 0, P, ϕ). Da u ϕ P ist, Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 23/28
38 Existenz einer universellen Funktion Es sei (N 0, P, ϕ) eine Nummerierung. Dann gibt es eine berechenbare Funktion u ϕ P mit u ϕ (i, x) = ϕ i (x) u ϕ heißt universelle Funktion von (N 0, P, ϕ). Da u ϕ P ist, existiert Funktion U ϕ µr, die alle µ-rekursiven Funktionen f µr berechnet: U ϕ (f, x) = f (x); Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 23/28
39 Existenz einer universellen Funktion Es sei (N 0, P, ϕ) eine Nummerierung. Dann gibt es eine berechenbare Funktion u ϕ P mit u ϕ (i, x) = ϕ i (x) u ϕ heißt universelle Funktion von (N 0, P, ϕ). Da u ϕ P ist, existiert Funktion U ϕ µr, die alle µ-rekursiven Funktionen f µr berechnet: U ϕ (f, x) = f (x); existiert k N 0 mit u ϕ = ϕ k, d.h. mit ϕ k (i, x) = u ϕ (i, x) = ϕ i (x) Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 23/28
40 Existenz einer universellen Funktion Es sei (N 0, P, ϕ) eine Nummerierung. Dann gibt es eine berechenbare Funktion u ϕ P mit u ϕ (i, x) = ϕ i (x) u ϕ heißt universelle Funktion von (N 0, P, ϕ). Da u ϕ P ist, existiert Funktion U ϕ µr, die alle µ-rekursiven Funktionen f µr berechnet: U ϕ (f, x) = f (x); existiert k N 0 mit u ϕ = ϕ k, d.h. mit ϕ k (i, x) = u ϕ (i, x) = ϕ i (x) Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 23/28
41 Beispiel für Parametrisierung (effektives Programmieren) Eingaben als Daten oder als Programme interpretieren : Beispiel: mult : N 0 N 0 N 0 mit mult(x, y) = x y. Dann z.b. x = 5 und y = 3, also mult(3, 5) möglich, aber auch x = (a + b) 2 und y = (c d). Damit ergibt sich die neue Funktion m : N 4 0 N 0 definiert durch m(a, b, c, d) = mult((a + b) 2, (c d)) = (a + b) 2 (c d) bzw. m(a, b, c, d) = mult(sqr(add(a, b)), minus(c, d)) Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 24/28
42 Beispiel für Parametrisierung (effektives Programmieren) Durch Funktionen als aktuelle Parameter wird also aus [ [ ]] mult = PRK O 1, C add; π1 3, π3 3 die neue Funktion [ [ [ ]] [ ]] m = C mult; C sqr; C add; π1 4, π4 2, C minus; π3 4, π4 4 generiert. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 25/28
43 Allgemeines Prinzip der Parametrisierung Es sei (N 0, P, ϕ) eine Nummerierung. Dann gibt es für alle i N 0 sowie für alle (x 1,..., x m ) N m 0 und (y 1,..., y n ) N n 0 eine total berechenbare Funktion s : N m+1 0 N 0, so dass gilt. ϕ i (x 1,..., x m, y 1,..., y n ) = ϕ s(i,x1,...,x m)(y 1,..., y n ) Die Parameter x 1,..., x m können als Programme interpretiert werden. Die Funktion s generiert aus dem Progamm i und den Programmen x 1,..., x m das Programm s(i, x 1,..., x m ). Wichtig: Dieser Generator existiert allgemein, d.h. für alle i und alle (x 1,..., x m ): s R (sogar s PR). Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 26/28
44 Beispiel für Parametrisierung (effektives Programmieren) Angewendet auf obiges Beispiel: i ist die Codierung der µ-rekursiven Funktion für mult Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 27/28
45 Beispiel für Parametrisierung (effektives Programmieren) Angewendet auf obiges Beispiel: i ist die Codierung der µ-rekursiven Funktion für mult x 1 die Codierung der µ-rekursiven Funktion für C [ sqr; C [ add; π1 4, ]] π4 2 Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 27/28
46 Beispiel für Parametrisierung (effektives Programmieren) Angewendet auf obiges Beispiel: i ist die Codierung der µ-rekursiven Funktion für mult x 1 die Codierung der µ-rekursiven Funktion für C [ sqr; C [ add; π1 4, ]] π4 2 x 2 die Codierung der µ-rekursiven Funktion für C [ minus; π3 4, ] π4 4 Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 27/28
47 Beispiel für Parametrisierung (effektives Programmieren) Angewendet auf obiges Beispiel: i ist die Codierung der µ-rekursiven Funktion für mult x 1 die Codierung der µ-rekursiven Funktion für C [ sqr; C [ add; π1 4, ]] π4 2 x 2 die Codierung der µ-rekursiven Funktion für C [ minus; π3 4, ] π4 4 y 1 = a, y 2 = b, y 3 = c und y 4 = d Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 27/28
48 Beispiel für Parametrisierung (effektives Programmieren) Angewendet auf obiges Beispiel: i ist die Codierung der µ-rekursiven Funktion für mult x 1 die Codierung der µ-rekursiven Funktion für C [ sqr; C [ add; π1 4, ]] π4 2 x 2 die Codierung der µ-rekursiven Funktion für C [ minus; π3 4, ] π4 4 y 1 = a, y 2 = b, y 3 = c und y 4 = d Die Funktion s würde dann aus den Codierungen von mult, C [ sqr; C [ add; π 4 1, π4 2]] und C [ minus; π 4 3, π 4 4] die Codierung von m generieren. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 27/28
49 Beispiel für Parametrisierung (effektives Programmieren) Angewendet auf obiges Beispiel: i ist die Codierung der µ-rekursiven Funktion für mult x 1 die Codierung der µ-rekursiven Funktion für C [ sqr; C [ add; π1 4, ]] π4 2 x 2 die Codierung der µ-rekursiven Funktion für C [ minus; π3 4, ] π4 4 y 1 = a, y 2 = b, y 3 = c und y 4 = d Die Funktion s würde dann aus den Codierungen von mult, C [ sqr; C [ add; π 4 1, π4 2]] und C [ minus; π 4 3, π 4 4] die Codierung von m generieren. Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 27/28
50 Kurt-Ulrich Witt Diskrete Mathematik Lektion 6 28/28
Theoretische Informatik
Theoretische Informatik Lektion 10: Entscheidbarkeit Kurt-Ulrich Witt Wintersemester 2013/14 Kurt-Ulrich Witt Theoretische Informatik Lektion 10 1/15 Inhaltsverzeichnis Kurt-Ulrich Witt Theoretische Informatik
MehrEntscheidungsprobleme
Entscheidungsprobleme übliche Formulierung gegeben: Eingabe x aus einer Grundmenge U Frage: Hat x eine bestimmte Eigenschaft P? Beispiel: gegeben: Frage: n N Ist n eine Primzahl? Formalisierung: Grundmenge
MehrLineare Algebra 6. Übungsblatt
Lineare Algebra 6. Übungsblatt Fachbereich Mathematik M. Schneider 16.05.01 Konstantin Pertschik, Daniel Körnlein Gruppenübung Aufgabe G19 Berechnen Sie das inverse Element bzgl. Multiplikation in der
Mehr2.5 Halteproblem und Unentscheidbarkeit
38 25 Halteproblem und Unentscheidbarkeit Der Berechenbarkeitsbegriff ist auf Funktionen zugeschnitten Wir wollen nun einen entsprechenden Begriff für Mengen einführen Definition 255 Eine Menge A Σ heißt
MehrBerechenbarkeitsmodelle
Berechenbarkeit 2 Endliche Automaten erkennen nicht alle algorithmisch erkennbaren Sprachen. Kontextfreie Grammatiken erzeugen nicht alle algorithmisch erzeugbaren Sprachen. Welche Berechnungsmodelle erlauben
MehrWS 2016/17 Torsten Schreiber
104 Diese Fragen sollten Sie ohne Skript beantworten können: Was bedeutet die Rechtseindeutigkeit einer Relation? Was weiß man von einer surjektiven Funktion? Wann ist eine Funktion total / partiell? Welche
MehrZur Zykelschreibweise von Permutationen
Zur Zykelschreibweise von Permutationen Olivier Sète 16. Juni 2010 1 Grundlagen Definition 1.1. Eine Permutation von {1, 2,..., n} ist eine bijektive Abbildung σ : {1, 2,..., n} {1, 2,..., n}, i σ(i).
MehrTypen von Programmiersprachen
Typen von Programmiersprachen Berechenbarkeitstheorie: Formalisierung des intuitiven Berechenbarkeitsbegriffs man kann vier Typen von Programmiersprachen zum Berechnen von Zahlenfunktionen unterscheiden:
MehrPrimitiv rekursive Funktionen
Primitiv rekursive Funktionen Primitiv rekursive Funktionen Historisch: Die Einführung der primitiven Rekursivität war ein erster (und erfolgloser) Versuch, den Begriff der Berechenbarkeit (oft synonym
MehrFunktionale Programmierung ALP I. µ-rekursive Funktionen WS 2012/2013. Prof. Dr. Margarita Esponda. Prof. Dr. Margarita Esponda
ALP I µ-rekursive Funktionen WS 2012/2013 Primitiv-rekursive Funktionen Jede primitiv-rekursive Funktion ist Loop-berechenbar. Das bedeutet, dass jede PR-Funktion in der Loop-Programmiersprache formuliert
Mehr6.2 µ-rekursive Funktionen R p (N) (partiell rekursive Funktionen)
6.2 µ-rekursive Funktionen R p (N) (partiell rekursive Funktionen) Primitiv rekursive Funktionen P(N) Die bisher betrachteten Operationen auf Funktionen bilden totale Funktionen wieder in totalen Funktionen
MehrHandout zu Gödel: Die Unvollständigkeitssätze
Handout zu Gödel: Die Unvollständigkeitssätze Juanfernando Angel-Ramelli, Christine Schär, Katja Wolff December 4, 2014 Contents 1 Einleitung 1 1.1 Gödels Theoreme (1931)..............................
MehrAutomaten, Formale Sprachen und Berechenbarkeit I Wichtige Begriffe
Automaten, Formale Sprachen und Berechenbarkeit I Wichtige Begriffe Eine partielle Funktion ist eine Relation f A B; für jedes x dom(f) gibt es ein y range(f) mit x f y; wir schreiben statt f A B und x
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Sascha Böhme, Lars Noschinski Sommersemester 2011 Lösungsblatt 9 25. Juli 2011 Einführung in die Theoretische Informatik
MehrEntscheidungsprobleme
Entscheidungsprobleme übliche Formulierung gegeben: Eingabe x aus einer Grundmenge M Frage: Hat x eine bestimmte Eigenschaft P? Beispiel: gegeben: Frage: n N Ist n eine Primzahl? Formalisierung: Grundmenge
MehrTheoretische Informatik II
Theoretische Informatik II Einheit 4.2 Rekursive Funktionen 1. Primitiv- und µ-rekursive Funktionen 2. Analyse und Programmierung 3. Äquivalenz zu Turingmaschinen Berechenbarkeit auf N ohne Maschinenmodelle
MehrGTI. Hannes Diener. 18. Juni. ENC B-0123,
GTI Hannes Diener ENC B-0123, diener@math.uni-siegen.de 18. Juni 1 / 32 Als Literatur zu diesem Thema empfiehlt sich das Buch Theoretische Informatik kurzgefasst von Uwe Schöning (mittlerweile in der 5.
MehrEinführung in die Theoretische Informatik
Technische Universität München Fakultät für Informatik Prof. Tobias Nipkow, Ph.D. Dr. Werner Meixner, Dr. Alexander Krauss Sommersemester 2010 Lösungsblatt 11 15. Juli 2010 Einführung in die Theoretische
MehrTeil 4: Lernen rekursiver Funktionen
Theorie des Algorithmischen Lernens Sommersemester 2007 Teil 4: Lernen rekursiver Funktionen Version 1.0 Gliederung der LV Teil 1: Motivation 1. Was ist Lernen 2. Das Szenario der Induktiven Inf erenz
MehrBemerkungen zur Notation
Bemerkungen zur Notation Wir haben gerade die Symbole für alle und es gibt gebraucht. Dies sind so genannte logische Quantoren, und zwar der All- und der Existenzquantor. Die Formel {a A; ( b B)[(a, b)
MehrDarstellung ganzer Zahlen als Bitvektoren
Darstellung ganzer Zahlen als Bitvektoren Jan Peleska Jan Bredereke Universität Bremen, Fachbereich Informatik Vers. 1.2 1 Darstellung natürlicher Zahlen z N 0 und Addition 1.1 Dualzahlen dargestellt durch
Mehr6.6 Normal- und Kompositionsreihen
282 6.6 Normal- und Kompositionsreihen Es geht jetzt um die innere Struktur von Gruppen, soweit diese mit Ketten von ineinandergeschachtelten Normalteilern beschrieben werden kann. Erinnern wir uns deshalb
MehrDiagonalisierung und Reduktion
Diagonalisierung und Reduktion Sebastian Wild und Markus E. Nebel 13. März 2012 Inhaltsverzeichnis 1 Notationen 1 2 Diagonalisierung 3 2.0 Grundidee..................................... 3 2.1 Beispielaufgabe..................................
MehrÜbungen zur Diskreten Mathematik I Blatt 6
1 Blatt 6 Aufgabe 19 Es sei M := {n N : n 2} und R := {(n, m) M M : n teilt m}. a) Zeigen Sie, dass R eine Ordnungsrelation auf M ist. b) Überprüfen Sie, ob R eine totale Ordnung auf M ist. c) Zeigen Sie,
MehrLOOP-Programme: Syntaktische Komponenten
LOOP-Programme: Syntaktische Komponenten LOOP-Programme bestehen aus folgenden Zeichen (syntaktischen Komponenten): Variablen: x 0 x 1 x 2... Konstanten: 0 1 2... Operationssymbole: + Trennsymbole: ; :=
MehrTheoretische Informatik 1
Theoretische Informatik 1 Teil 2 Bernhard Nessler Institut für Grundlagen der Informationsverabeitung TU Graz SS 2007 Übersicht 1 Codierung, Gödelisierung Paare, Tupel, Listen Überabzählbarkeit 2 Ist universell?
MehrWir suchen Antworten auf die folgenden Fragen: Was ist Berechenbarkeit? Wie kann man das intuitiv Berechenbare formal fassen?
Einige Fragen Ziel: Wir suchen Antworten auf die folgenden Fragen: Wie kann man das intuitiv Berechenbare formal fassen? Was ist ein Algorithmus? Welche Indizien hat man dafür, dass ein formaler Algorithmenbegriff
Mehr17 Lineare Abbildungen
Chr.Nelius: Lineare Algebra II (SS2005) 1 17 Lineare Abbildungen Wir beginnen mit der Klärung des Abbildungsbegriffes. (17.1) DEF: M und N seien nichtleere Mengen. Eine Abbildung f von M nach N (in Zeichen:
MehrAbbildungen, injektiv, surjektiv, bijektiv
Dr. Sebastian Bab WiSe 12/13 Theoretische Grundlagen der Informatik für TI Termin: VL 4 vom 25.10.2012 Abbildungen, injektiv, surjektiv, bijektiv Abbildungen sind eindeutige Zuordnungen Denition 23 (Abbildung(Funktion))
MehrVorlesung Algebra I. Inhaltsverzeichnis 1. Einleitung 1 2. Gruppen Einleitung
Vorlesung Algebra I Christian Lehn Inhaltsverzeichnis 1. Einleitung 1 2. Gruppen 5 1.1. Vorkenntnisse Gruppen 1. Einleitung Definition. Es sei G eine Menge. Eine Verknüpfung auf G ist eine Abbildung :
Mehr2.7 Der Shannon-Fano-Elias Code
2.7 Der Shannon-Fano-Elias Code Die Huffman-Codierung ist ein asymptotisch optimales Verfahren. Wir haben auch gesehen, dass sich die Huffman-Codierung gut berechnen und dann auch gut decodieren lassen.
MehrKapitel 2: Multiplikative Funktionen. 3 Multiplikative Funktionen. Definition 2.1 (arithmetische Funktion, (vollständig) multiplikative Funktion)
Kapitel 2: Multiplikative Funktionen 3 Multiplikative Funktionen Definition 2.1 (arithmetische Funktion, (vollständig) multiplikative Funktion) (a) Eine Funktion α : Z >0 C heißt arithmetisch (oder zahlentheoretisch).
MehrKapitel 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
MehrALP I Rekursive Funktionen
ALP I Rekursive Funktionen SS 2011 Äquivalenz vieler Berechnungsmodelle Effektiv Berechenbare Funktionen Mathematische Modelle Maschinelle Modelle Text λ-kalkül Kombinatorische Logik Allgemein rekursive
Mehrκ Κα π Κ α α Κ Α
κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ
MehrKapitel 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
Mehr15. September 2010 Prof. Dr. W. Bley. Universität Kassel Klausur SS 2010 Diskrete Strukturen I (Informatik) Name:... Matr.-Nr.:... Viel Erfolg!
15. September 010 Prof. Dr. W. Bley Universität Kassel Klausur SS 010 Diskrete Strukturen I (Informatik) 1 3 4 5 6 Name:................................................ Matr.-Nr.:............................................
MehrLOOP-Programme 1. Def (Meyer/Ritchie). LOOP-Programme werden induktiv aufgebaut aus den (Basis-) Anweisungen. Führe P X-mal aus ) LOOP-Programme 2
LOOP-Programme 1 LOOP-Programme verwenden (jeweils) endlich viele Variablen aus VAR := {X 0,X 1,X 2,...}, oft nur mit X,Y,Z,U,V,W bezeichnet, die als Register fungieren. Slide 1 Def (Meyer/Ritchie). LOOP-Programme
MehrKlausur Grundlagen der Algebra und Computeralgebra
Prof. Werner M. Seiler, Ph.D. FB 10 Mathematik und Naturwissenschaften Institut für Mathematik Klausur Grundlagen der Algebra und Computeralgebra 21.02.2012 Name: Vorname: Geburtsdatum: Matrikelnummer:
MehrEinführung 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,
MehrPrimitiv rekursive und µ-rekursive Funktionen
Primitiv rekursive und µ-rekursive Funktionen Loop-, While- und Goto-Programme sind vereinfachte imperative Programme und stehen für imperative Programmiersprachen, bei denen Programme als Folgen von Befehlen
Mehr{ id, falls sgn(σ) = 1, τ, falls sgn(σ) = 1,
Aufgabe I1 (4 Punkte) Es seien (G, ) und (H, ) Gruppen a) Wann heißt eine Abbildung Φ : G H ein Gruppenhomomorphismus? b) Es seien Φ, Ψ : G H zwei Gruppenhomomorphismen Zeigen Sie, dass eine Untergruppe
MehrKlausur zu Diskrete Strukturen, WS 09/10
Aufgabenblatt (Gesamtpunktzahl: 50) Klausur zu Diskrete Strukturen, WS 09/10 B.Sc-Modulprüfung / Scheinklausur Dr. Timo Hanke, Lehrstuhl D für Mathematik, RWTH Aachen 06.02.2010 (1. Termin) Name: Matrikelnummer:
MehrLineare Algebra. 6. Übungsstunde. Steven Battilana.
Lineare Algebra 6. Übungsstunde Steven attilana stevenb@student.ethz.ch November, 6 Lineare Abbildungen Eine Abbildung f : X Y heisst injektiv, falls x, x X : x x fx fx. In Worten: erschiedene Elemente
MehrUnentscheidbare Probleme: Diagonalisierung
Unentscheidbare Probleme: Diagonalisierung Prof Dr Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen Oktober 2011 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit
MehrUnabhängige Zufallsvariablen
Kapitel 9 Unabhängige Zufallsvariablen Die Unabhängigkeit von Zufallsvariablen wird auf die Unabhängigkeit von Ereignissen zurückgeführt. Im Folgenden sei Ω, A, P ) ein Wahrscheinlichkeitsraum. Definition
MehrUnter einer Abbildung f von einer Menge A in eine Menge B versteht man eine Vorschrift, die jedem a A eindeutig ein bestimmtes b = f (a) B zuordnet:
Abbildung Unter einer Abbildung f von einer Menge A in eine Menge B versteht man eine Vorschrift, die jedem a A eindeutig ein bestimmtes b = f (a) B zuordnet: f : A B. Für die Elementzuordnung verwendet
MehrBeispiel: NTM. M = ({q 0,q 1,q 2 }, {0, 1}, {0, 1, #},δ, q 0, #, {q 2 }) q 2
Beispiel: NTM M = ({q 0,q 1,q 2 }, {0, 1}, {0, 1, #},δ, q 0, #, {q 2 }) 0,1,R 0,0,R q0 1,0,R q1 #,#,R q2 0,0,L Zustand 0 1 # q 0 {(1, R, q 0 )} {(0, R, q 1 )} q 1 {(0, R, q 1 ),(0, L, q 0 )} {(1, R, q
MehrVorkurs 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.
MehrKapitel 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
MehrUnentscheidbarkeitssätze der Logik
Unentscheidbarkeitssätze der Logik Elmar Eder () Unentscheidbarkeitssätze der Logik 1 / 30 Die Zahlentheorie ist nicht formalisierbar Satz (Kurt Gödel) Zu jedem korrekten formalen System der Zahlentheorie
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 3: Alphabete, Abbildungen, Aussagenlogik Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2010/2011 1/32 Überblick Alphabete
MehrTheorie der Informatik Einleitung. Theorie der Informatik Basisfunktionen und Einsetzung Primitive Rekursion. 14.
Theorie der Informatik 16. April 2014 14. primitive Rekursion und µ-rekursion Theorie der Informatik 14. primitive Rekursion und µ-rekursion 14.1 Einleitung 14.2 Basisfunktionen und Einsetzung Malte Helmert
Mehr2 Zufallsvariable, Verteilungen, Erwartungswert
2 Zufallsvariable, Verteilungen, Erwartungswert Bisher: Zufallsexperimente beschrieben durch W-Räume (Ω, A, P) Häufig interessiert nur eine zufällige Größe X = X(ω), die vom Ergebnis ω des Zufallsexperiments
MehrKAPITEL 1: ENDLICHE KÖRPER 1 ALLGEMEINES 2 GLEICHUNGEN ÜBER EINEM ENDLICHEN KÖRPER
RUPRECHT-KARLS-UNIVERSITÄT HEIDELBERG MATHEMATISCHES INSTITUT SEMINAR: QUADRATISCHE FORMEN ÜBER DEN RATIONALEN ZAHLEN SOMMERSEMESTER 2007 DOZENT: PROF. DR. KAY WINGBERG ASSISTENT: JOHANNES BARTELS KAPITEL
MehrOptimaler Transport. Marzena Franek. Skiseminar Februar Institut für Numerische und Angewandte Mathematik
Institut für Numerische und Angewandte Mathematik Skiseminar Februar 2009 1 Das Problem von Monge 1 Das Problem von Monge 2 1 Das Problem von Monge 2 3 1 Das Problem von Monge 2 3 4 1 Das Problem von Monge
MehrKapitel 5. Mathematische Semantik. 1 Motivation
Kapitel 5 Mathematische Semantik In diesem Kapitel werden wir nun eine weitere Technik zur Definition der Semantik einer Programmiersprache vorstellen: die mathematische bzw. denotationale Semantik. Außerdem
Mehr1 Einführung. 2 Typ-0- und Typ-1-Sprachen. 3 Berechnungsmodelle. 4 Unentscheidbarkeit. 5 Unentscheidbare Probleme. 6 Komplexitätstheorie
1 Einführung 2 Typ-0- und Typ-1-Sprachen 3 Berechnungsmodelle 4 Unentscheidbarkeit 5 Unentscheidbare Probleme 6 Komplexitätstheorie 139 Unentscheidbarkeit Überblick Zunächst einmal definieren wir formal
MehrÜberlagerung I. Überlagerung für z z 2 : komplexe Quadratwurzel. Christoph Schweigert, Garben p.1/19
Überlagerung I Überlagerung für z z 2 : komplexe Quadratwurzel Christoph Schweigert, Garben p.1/19 Überlagerung II Überlagerung für z z 3 : komplexe dritte Wurzel Christoph Schweigert, Garben p.2/19 Überlagerung
Mehr5 Erwartungswerte, Varianzen und Kovarianzen
47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,
MehrDefinition der Kolmogorov-Komplexität I
Definition der Kolmogorov-Komplexität I Definition: Die Komplexität K A (x) eines Wortes x V + bezüglich des Algorithmus A ist die Länge der kürzesten Eingabe p {0, 1} + mit A(p) = x, d.h. in formalisierter
Mehr6.4 Entscheidbarkeit. nein sein müssen, ist klar. THEO 6.4 Entscheidbarkeit 205/307 c Ernst W. Mayr
6.4 Entscheidbarkeit Wortproblem Leerheit Äquivalenz Schnittproblem Typ 3 ja ja ja ja DCFL ja ja ja nein (*) Typ 2 ja ja nein (*) nein Typ 1 ja nein (*) nein nein Typ 0 nein (*) nein nein nein (*) Diese
Mehr6 Permutationen. Beispiele: a) f : R R, f(x) = x 2. b) f : R R, f(x) = e x. c) f : R 2 R, x (Projektion auf die x Achse) y
6 Permutationen Seien und B Mengen. Eine bbildung von nach B ist eine Vorschrift f, die jedem Element x ein eindeutig bestimmtes Element y = f(x) B zuordnet. Schreibe f : B, x f(x) Beispiele: a) f : R
Mehr10 Der Integralsatz von Gauß
10 Der Integralsatz von Gauß In diesem Abschnitt beweisen wir den Integralsatz von Gauß, die mehrdimensionale Verallgemeinerung des Hauptsatzes der Differential- und Integralrechnung. Aussage des Satzes
MehrSkript und Übungen Teil II
Vorkurs Mathematik Herbst 2009 M. Carl E. Bönecke Skript und Übungen Teil II Das erste Semester wiederholt die Schulmathematik in einer neuen axiomatischen Sprache; es ähnelt damit dem nachträglichen Erlernen
MehrKAPITEL 0. Zur Vorbereitung
KAPITEL 0 Zur Vorbereitung 1. Grundbegriffe aus der Mengenlehre Es soll hier kurz auf die aus der Schule teilweise bekannte elementare Mengenlehre eingegangen werden, da wir deren Schreib und Sprechweise
Mehr3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit
3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit Lernziele dieses Kapitels: Mehrdimensionale Zufallsvariablen (Zufallsvektoren) (Verteilung, Kenngrößen) Abhängigkeitsstrukturen Multivariate
Mehr5 Der Transzendenzgrad
$Id: trgrad.tex,v 1.6 2009/05/11 14:48:57 hk Exp $ 5 Der Transzendenzgrad Wir stellen nun einige der Tatsachen über die Mächtigkeit von Mengen zusammen, die Ihnen wahrscheinlich aus den ersten Semester
MehrTheorie der Informatik
Theorie der Informatik 15. primitive Rekursion und µ-rekursion Malte Helmert Gabriele Röger Universität Basel 22. April 2015 Überblick: Vorlesung Vorlesungsteile I. Logik II. Automatentheorie und formale
MehrGrundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier. Henning Fernau Universität Trier
Grundlagen Theoretischer Informatik 2 WiSe 2011/12 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik 2 Gesamtübersicht Organisatorisches; Einführung Ersetzungsverfahren:
MehrGrundkurs Theoretische Informatik
Gottfried Vossen I Kurt-Ulrich Witt Grundkurs Theoretische Informatik Eine anwendungsbezogene Einführung - Für Studierende in allen Informatik-Studiengängen 5., durchgesehene Auflage Mit 147 Abbildungen
MehrGrundlagen der theoretischen Informatik
Grundlagen der theoretischen Informatik Kurt Sieber Fakultät IV, Department ETI Universität Siegen SS 2013 Vorlesung vom 09.04.2013 Inhalt der Vorlesung Teil I: Automaten und formale Sprachen (Kurt Sieber)
MehrMusterlösung zur Probeklausur zur Angewandten Diskreten Mathematik
UNIVERSITÄT ULM Institut für Zahlentheorie und Wahrscheinlichkeitstheorie Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik Prof. Dr. Helmut Maier, Hans- Peter Reck Gesamtpunktzahl: 100
Mehr2. 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
MehrPraxisprojekt zur Optimierung der Platzsuche
Praxisprojekt zur Optimierung der Platzsuche Automatisierte Berechnung von Ordnungszahlen Vanessa Sylvia Ulrich Hochschule Bonn-Rhein-Sieg Fachbereich Informatik Grantham-Allee 20 53757 Sankt Augustin
Mehr1.3 Primitiv rekursive und µ-rekursive Funktionen
Definition 1.11 Die Klasse der primitiv rekursiven Funktionen (a) Basisfunktionen: (1.) die konstanten Funktionen c (c N) (2.) die Projektionen Π m i (x 1,...,x m ) = x i (1 i m) (3.) die Nachfolgerfunktion
Mehr4.2 Grenzwerte und Stetigkeit reeller Funktionen
4. Grenzwerte und Stetigkeit reeller Funktionen 73 4. Grenzwerte und Stetigkeit reeller Funktionen Definition 4.. Gegeben sei eine Funktion y = mit D(f). (i) Sei D(f). heißt stetig in, falls es für alle
MehrTheoretische Informatik für Wirtschaftsinformatik und Lehramt
Theoretische Informatik für Wirtschaftsinformatik und Lehramt Universelle Turingmaschinen und Church sche These Priv.-Doz. Dr. Stefan Milius stefan.milius@fau.de Theoretische Informatik Friedrich-Alexander
MehrVorkurs Mathematik B
Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 8. September 2011 Für die Mathematik zentral sind Abbildungen und Funktionen. Häufig wird zwischen beiden Begriffen nicht unterschieden.
MehrPrüfungsprotokoll der mündlichen Prüfung Grundlagen der Theoretischen Informatik (Bachelor Informatik)
Prüfungsprotokoll der mündlichen Prüfung Grundlagen der Theoretischen Informatik 25310 (Bachelor Informatik) Prüfer: Prof. Dr. Verbeek Semester der Prüfung: SS 2010 Datum der Prüfung: 25.11.2010 Dauer:
MehrDIFFERENTIATION PARAMETERABHÄNGIGER INTEGRALE
DIFFERENTIATION PARAMETERABHÄNGIGER INTEGRALE Zusammenfassung. Ergänzend zur Übung vom 06.06.203 soll hier die Leibnizregel für die Differentiation parameterabhängiger Integrale formuliert und bewiesen
MehrGrundlagen der Programmierung
Grundlagen der Programmierung SS 05 Prof. Dr. K. Madlener Lösungshinweise zu Übungsblatt 6 Aufgabe 6.1. Sei f(x, b) = µy b.(y y x (y + 1) (y + 1) > x) f.a. x, b N. Sei weiter f(x) = f(x, x) f.a. x N. Aufgabe
Mehr1. Klausur Diskrete Mathematik Seite 1 von 22
1. Klausur Diskrete Mathematik Seite 1 von 22 1. Welches der folgenden Gesetze über reguläre Ausdrücke gilt im Allgemeinen nicht? (Hierbei bezeichnen D, E, F reguläre Ausdrücke und wir schreiben abkürzend
MehrDank. Theoretische Informatik II. Teil II. Registermaschinen. Vorlesung
Dank Vorlesung Theoretische Informatik II Bernhard Beckert Institut für Informatik Diese Vorlesungsmaterialien basieren zum Teil auf den Folien zu den Vorlesungen von Katrin Erk (gehalten an der Universität
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
MehrAbbildungen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden
Abbildungen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Abbildungen Die wichtigsten Relationen sind die Abbildungen: Eine Abbildung (A,B,f ) von A nach
Mehr3. Klausur Einführung in die Theoretische Informatik Seite 1 von Welches der folgenden klassischen Probleme der Informatik ist entscheidbar?
3. Klausur Einführung in die Theoretische Informatik Seite 1 von 14 1. Welches der folgenden klassischen Probleme der Informatik ist entscheidbar? A. Gegeben eine kontextfreie Grammatik G. Gibt es ein
Mehr1 Einführung. 2 Typ-0- und Typ-1-Sprachen. 3 Berechnungsmodelle. 4 Unentscheidbarkeit. 5 Unentscheidbare Probleme. 6 Komplexitätstheorie
1 Einführung 2 Typ-0- und Typ-1-Sprachen 3 Berechnungsmodelle 4 Unentscheidbarkeit 5 Unentscheidbare Probleme 6 Komplexitätstheorie WS 11/12 155 Überblick Zunächst einmal definieren wir formal den Begriff
Mehr$Id: ring.tex,v /05/03 15:13:26 hk Exp $
$Id: ring.tex,v 1.13 2012/05/03 15:13:26 hk Exp $ 3 Ringe 3.1 Der Ring Z m In der letzten Sitzung hatten wir die sogenannten Ringe eingeführt, dies waren Mengen A versehen mit einer Addition + und einer
MehrAnalysis I Marburg, Wintersemester 1999/2000
Skript zur Vorlesung Analysis I Marburg, Wintersemester 1999/2000 Friedrich W. Knöller Literaturverzeichnis [1] Barner, Martin und Flohr, Friedrich: Analysis I. de Gruyter. 19XX [2] Forster, Otto: Analysis
MehrAngewandte Mathematik am Rechner 1
Angewandte Mathematik am Rechner 1 SOMMERSEMESTER 2017 Kapitel 3 [Bildquellen: Wikipedia User David Madore, Inductiveload ] Grundlagen 2: Funktionen, Berechenbarkeit und emergente Komplexität Michael Wand
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik 0 KIT 17.05.2010 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik nationales Forschungszentrum Vorlesung in am
Mehr01. Gruppen, Ringe, Körper
01. Gruppen, Ringe, Körper Gruppen, Ringe bzw. Körper sind wichtige abstrakte algebraische Strukturen. Sie entstehen dadurch, dass auf einer Menge M eine oder mehrere sogenannte Verknüpfungen definiert
MehrLineare Abbildungen - I
Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit
MehrFachwissenschaftliche Grundlagen
Fachwissenschaftliche Grundlagen Vorlesung im Wintersemester 2011/2012, Universität Landau Roland Gunesch 6. Vorlesung Roland Gunesch (Mathematik) Fachwissenschaftliche Grundlagen 6. Vorlesung 1 / 36 Themen
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 12. November 2014 Darstellung natürlicher Zahlen durch Mengen 1. Wie können wir natürliche Zahlen durch Mengen darstellen? Idee 0 = und
MehrLineare Kongruenzgeneratoren und Quicksort
Seminar Perlen der theoretischen Informatik Dozenten: Prof. Johannes Köbler und Olaf Beyersdorff Lineare Kongruenzgeneratoren und Quicksort Ausarbeitung zum Vortrag Mia Viktoria Meyer 12. November 2002
MehrAnalysis für Informatiker
Analysis für Informatiker Wintersemester 2017/2018 Carsten.Schneider@risc.jku.at 1 Bemerkung: Dies ist kein Skript, welches den gesamten Inhalt der Vorlesung abdeckt. Es soll den Studierenden aber während
MehrChinesischer Restsatz für Ringe
Chinesischer Restsatz für Ringe Lena Wehlage 22. Mai 2017 1 1 Einleitung Ziel dieses Vortrags zum allgemeinen chinesischen Restsatz ist es, den im letzten Vortrag kennengelernten chinesischen Restsatz
Mehr