Abschnitt 3: Mathematische Grundlagen

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Abschnitt 3: Mathematische Grundlagen"

Transkript

1 Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen Boolsche Algebra 3.3 Induktion und Rekursion Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 46 / 708

2 Überblick 3. Mathematische Grundlagen Boolsche Algebra 3.3 Induktion und Rekursion Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 47 / 708

3 Mengen Die Charakterisierung von Daten in der Vorlesung setzt den Mengen-Begriff voraus. Als informelle Definition genügt uns: Eine Menge M ist eine Zusammenfassung von verschiedenen Objekten, den Elementen der Menge. Die Notation a M bedeutet: a ist ein Element der Menge M. Um anzuzeigen, dass a kein Element der Menge M ist, schreiben wir entsprechend a M Eine Menge kann beliebig viele Elemente enthalten, also z.b. auch gar keine. In diesem Fall spricht man von der leeren Menge, geschrieben oder {}. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 48 / 708

4 Mengen Beispiele für Mengen, die wir im Laufe der Vorlesung verwenden werden: N: Menge der natürlichen Zahlen: 1, 2, 3,... N 0: Menge der natürlichen Zahlen einschließlich 0 Z: Menge der ganzen Zahlen:..., 3, 2, 1, 0, 1, 2, 3,... R: Menge der reellen Zahlen B = {TRUE, FALSE}: Menge der Wahrheitswerte Für diese Mengen gilt z.b.: 23 N, 0 N, 0 N 0, 0 B, 0 Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 49 / 708

5 Mengen Eine Menge kann z.b. extensional durch Aufzählung der Elemente angegeben werden. Die Reihenfolge der Elemente spielt dabei keine Rolle. Man kann eine Menge aber auch intensional "beschreiben", d.h. durch Angabe einer Bedingung, die alle Elemente und nur die Elemente der Menge erfüllen. Beispiele Menge M der Quadratzahlen, die kleiner als 30 sind Extensional: M = {1, 4, 9, 16, 25} = {4, 1, 9, 25, 16} Intensional: M = {a a N, a ist Quadratzahl und a < 30} leere Menge Extensional: M = {} Intensional: M = {a a N, a < 2 und a > 1} Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 50 / 708

6 Eigenschaften von Mengen Es gelten folgende wichtige Eigenschaften von Mengen und Beziehungen zwischen Mengen: Bezeichnung Notation Bedeutung M ist Teilmenge von N M N aus a M folgt a N M ist echte Teilmenge von N M N es gilt M N und M N Vereinigung von M und N M N {x x M oder x N} Schnittmenge von N und M M N {x x M und x N} Differenz M ohne N M \ N {x x M und x / N} M und N sind disjunkt M N = M und N haben keine gemeinsamen Elemente Kardinalität einer Menge M M Anzahl der Elemente von M Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 51 / 708

7 Eigenschaften von Mengen Alle Elemente einer Menge sind verschieden. Man könnte zwar eine Menge {1, 2, 2, 3} angeben, dies wäre aber redundant. Die gleiche Menge wird durch {1, 2, 3} definiert. Mit dem Konzept einer Menge kann man also nicht mehrfaches Vorkommen eines gleichen Elementes modellieren. Hierzu dient z.b. das Konzept der Multimengen, die wie Mengen geschrieben werden, aber andere Eigenschaften und Rechenregeln haben. Soll auch die Reihenfolge der Elemente eine Rolle spielen, sind Mengen/Multimengen nicht für die Modellierung geeignet. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 52 / 708

8 Multimengen Eine Multimenge ist eine Zusammenfassung von Elementen, bei denen Elemente auch mehrfach auftreten können Beispiel: Die Menge der in dem Wort MATHEMATIK vorkommenden Buchstaben ist Als Menge: M = {A, E, H, I, K, M, T} Als Multimenge unter Berücksichtigung der Häufigkeit: MM = {A, A, E, H, I, K, M, M, T, T} Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 53 / 708

9 Multimengen Die für Mengen bekannten Begriffe lassen sich leicht auf Multimengen übertragen Jede Multimenge kann nämlich durch Auflistung der Elemente unter Berücksichtigung ihres Vorkommens als Menge geschrieben werden (dadurch werden eigentlich gleiche Elemente künstlich unterschieden). Beispiel: Die Multimenge MM = {A, A, E, H, I, K, M, M, T, T} kann aufgeschrieben werden als Menge MM = {A (1), A (2), E, H, I, K, M (1), M (2), T (1), T (2) } Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 54 / 708

10 Potenzmenge Viele Objekte werden durch Mengen beschrieben. Ein Objekt Wechselgeld könnte z.b. als Menge von Münzen und Scheinen aufgefasst werden. Der Wertebereich einer Datenmenge solcher Objekte ist dann eine Menge, die Mengen enthält. Eine Menge von Wechselgeld-Objekten enthält als Elemente Mengen von Münzen und Scheinen. Eine spezielle Form solcher Mengen von Mengen ist die Potenzmenge: Die Potenzmenge einer Grundmenge U ist die Menge aller Teilmengen von U, geschrieben P(U), formal: P(U) ={U U U} Beispiel: U = {d, f, s} P(U) ={, {d}, {f }, {s}, {d, f }, {d, s}, {f, s}, {d, f, s}} Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 55 / 708

11 Tupel, kartesisches Produkt von zwei Mengen Die Elemente einer Menge können selbst zusammengesetzt sein aus verschiedenen Mengen. Ein geordnetes Paar (Tupel) (x, y) besteht aus zwei Werten x und y, wobei x die erste und y die zweite Komponente ist. Beispiel: Eine Spielkarte hat eine Farbe und ein Symbol: (Karo,Bube), (Herz,Dame),... Das kartesische Produkt M N zweier Mengen M und N ist die Menge aller geordneten Paare mit erster Komponente aus M und zweiter Komponente aus N: M N := {(x, y) x M und y N}. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 56 / 708

12 n-tupel, kartesisches Produkt von n Mengen Die Konzepte Tupel und kartesisches Produkt zweier Mengen lassen sich leicht auf eine beliebige Anzahl n von Mengen verallgemeinern. Das allgemeine kartesische Produkt über n Mengen ist die Menge aller geordneten n-tupel mit den Komponenten aus diesen Mengen: M 1 M 2... M n := {(a 1, a 2,...,a n ) a 1 M 1 und a 2 M 2... und a n M n }. Sind alle Mengen identisch (M i = M j für alle 1 i, j n), schreibt man für M M... M häufig auch M n. Die einzelnen a i,(i = 1,...,n) heißen Komponenten oder Attribute von (a 1,...,a n ). Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 57 / 708

13 n-tupel, kartesisches Produkt von n Mengen Beispiele B B = {(TRUE, FALSE), (TRUE, TRUE), (FALSE, FALSE), (FALSE, TRUE)} Für S = {7, 8, 9, 10, Bube, Dame, Koenig, Ass} und F = {Kreuz, Pik, Herz, Karo}, können wir ein Kartenspiel als die Menge F S definieren. N N 0 B = { } (1, 0, TRUE), (1, 1, TRUE),...(1, 0, FALSE), (1, 1, FALSE),... (2, 0, TRUE), (2, 1, TRUE),...(2, 0, FALSE), (2, 1, FALSE),... (3, 0, TRUE), (3, 1, TRUE),...(3, 0, FALSE), (3, 1, FALSE),..... Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 58 / 708

14 Relationen Eine n-stellige Relation R ist eine Menge von n-tupeln, d.h. R M 1... M n bzw. R P(M 1... M n ) Die kleiner -Relation (a < b) ist ein Beispiel für eine Relation. Wir können also z.b. schreiben: < N N (definiert < als Teilmenge von N N) (1, 2) < (2, 1) / < Eine (n-stellige) Relation R ist erfüllt (oder wahr) für alle n-tupel a mit a R und nur für diese Tupel. Man schreibt auch: Ra. Für zweistellige Relationen schreibt man auch xry (z.b.: x < y). Relationen drücken also spezielle Beziehungen zwischen verschiedenen Elementen der Grundmengen aus. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 59 / 708

15 Eigenschaften zweistelliger Relationen Sei R M M (d.h. R P(M M)). R ist reflexiv, wenn für alle x M gilt: xrx. R ist symmetrisch, wenn für alle x, y M gilt: aus xry folgt yrx. R ist antisymmetrisch, wenn für alle x, y M gilt: aus xry und yrx folgt x = y. R ist transitiv, wenn für alle x, y, z M gilt: aus xry und yrz folgt xrz. R ist alternativ, wenn für alle x, y M gilt: xry oder yrx. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 60 / 708

16 Äquivalenzrelation Bestimmte Kombinationen von Eigenschaften qualifizieren eine Relation zur Äquivalenzrelation, durch die man definieren kann, welche Elemente einer beliebigen Menge M gleich (äquivalent) sind: Sei R P(M M). R ist eine Äquivalenzrelation, wenn R reflexiv, symmetrisch und transitiv ist. Beispiele Das Gleichheitszeichen = definiert eine Äquivalenzrelation auf N bzw. N 0 (und natürlich auch auf Z bzw. R), denn es gilt Reflexiv: für alle n N gilt n = n Symmetrisch: für alle n 1, n 2 N gilt: aus n 1 = n 2 folgt n 2 = n 1 Transitiv: für alle n 1, n 2, n 3 N gilt: aus n 1 = n 2 und n 2 = n 3 folgt n 1 = n 3 Formal ist = N N und es gilt = = {(1, 1), (2, 2), (3, 3),...} Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 61 / 708

17 Äquivalenzrelation Beispiele (Forts.) Wenn für ein Kartenspiel F S mit S = {7, 8, 9, 10, Bube, Dame, Knig, Ass} und F = {Kreuz, Pik, Herz, Karo} beim Vergleich zweier Karten die Farbe keine Rolle spielt, sondern zwei Karten mit dem gleichen Symbol als gleich gelten, ist die entsprechende Äquivalenzrelation: {((f 1, s 1), (f 2, s 2)) f 1 F, f 2 F, s 1 S, s 2 S, s 1 = s 2} (Dabei ist eine entsprechende Äquivalenzrelation auf S angenommen, die wiederum mit = bezeichnet wird). Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 62 / 708

18 Ordungsrelationen Bestimmte Kombinationen von Eigenschaften qualifizieren eine Relation zur Ordnungsrelation, durch deren Anwendung man beispielsweise eine Menge (oder auch Multimenge) sortieren könnte: Sei R P(M M). R ist eine partielle Ordnung, wenn R reflexiv, antisymmetrisch und transitiv ist. R ist eine totale Ordnung, wenn R eine alternative partielle Ordnung ist. Beispiel: Auf den ganzen Zahlen gibt es die (totale) Ordnungsrelation P(Z Z). Im Übrigen ist < keine Ordnungsrelation. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 63 / 708

19 Funktionen (Abbildungen) Wir definieren eine Funktion f zunächst als eine Abbildung von einer Menge D auf eine Menge B, wobei D = B gelten darf aber nicht muss (genauer handelt es sich hier um 1-stellige Funktionen, später lassen wir dann für D auch ein kartesisches Produkt aus n Mengen zu, was zu n-stelligen Funktionen führt). Formal gesehen ist eine Funktion f eine 2-stellige Relation f D B, für die gilt: Aus (x, y) f und (x, z) f folgt y = z, d.h. einem Element aus D ist höchstens ein Element aus B eindeutig zugeordnet. Die Menge D heißt Definitionsbereich von f. Die Menge B heißt Bildbereich von f. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 64 / 708

20 Funktionen (Abbildungen) Funktionen sind also Relationen mit speziellen Eigenschaften: sie stellen eine rechtseindeutige Beziehung zwischen Definitionsbereich und Bildbereich dar. Als Schreibweisen sind gebräuchlich: (x, y) f y = f (x) f (x) =y f : x y x D heißt auch Urbild. y B heißt auch Bild. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 65 / 708

21 Signatur von Funktionen Da Funktionen spezielle Relationen sind, stammen sie aus Wertebereichen, die Teilmengen der Wertebereiche entsprechend strukturierter Relationen sind: Die Menge D B ist die Menge aller Funktionen, die D als Definitionsbereich und B als Bildbereich haben. D B enthält als Elemente alle Mengen von Tupeln (d, b) (D B), die Funktionen sind. Es gilt: D B P(D B). Für eine Funktion f D B gilt: f D B. Man schreibt: f : D B, d.h. f hat die Signatur D B. Signatur ist ein zentrales Konzept in der Spezifikation von Programmen (und beinhaltet neben Definitions- und Bildbereich auch den Namen der Funktion). Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 66 / 708

22 Eigenschaften von Funktionen Eine Funktion f : D B ist total, wenn es für jedes x D ein Paar (x, y) f gibt (andernfalls ist f partiell); surjektiv, wenn es zu jedem y B mindestens ein Paar (x, y) f gibt (jedes Bild hat mindestens ein Urbild); injektiv, wenn es zu jedem y B höchstens ein Paar (x, y) f gibt (jedes Bild hat höchstens ein Urbild); bijektiv (eindeutig), wenn f zugleich surjektiv und injektiv ist (jedes Bild hat genau ein Urbild). Vorsicht: Wenn ein Mathematiker nicht angibt, ob eine Funktion total oder partiell ist, meint er in der Regel eine totale Funktion. Für einen Informatiker ist die partielle Funktion der Normalfall. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 67 / 708

23 Stelligkeit von Funktionen Funktionen aus D B sind n-stellig, wenn der Definitionsbereich D = D 1... D n eine Menge von n-tupeln ist. Dabei ist n N 0, d.h. auch n = 0 ist zulässig. Ganz allgemein hat also eine n-stellige Funktion f die Signatur f : D 1... D n B. Ist D =, also n = 0, so ist die Funktion 0-stellig. 0-stellige Funktionen sind konstante Funktionen, kurz Konstanten, für jeweils einen Wert aus B, d.h. jeder Wert b aus B (b B) kann als 0-stellige Funktion b : B aufgefasst werden. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 68 / 708

24 Funktionen Beispiele: Die Funktion 1 : N ist eine Konstante und kann als das Element 1 N interpretiert werden (Analoges gilt für alle Elemente in N, N 0, Z, etc.). Genauso: TRUE : B für das Element TRUE B (analog: FALSE). Die Funktion ID : M M mit x x (x M) heißt Identitätsabbildung. Z.B. für M = {a, b} gilt a a und b b, d.h. in Relationenschreibweise wäre ID {a,b} = {(a, a), (b, b)} bzw. in Funktionsschreibweise wäre ID(a) =a und ID(b) =b. Die Funktion +:N 0 N 0 N 0 definiert die Addition zweier Elemente (Zahlen) aus N 0. Z.B. gilt (12, 44) 56 und (27, 33) 60. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 69 / 708

25 Funktionen Beispiele (cont.): Die Funktion abs : Z N 0 definiert den Absolutbetrag einer ganzen Zahl. Z.B. gilt und Die Funktion ggt : N N N berechnet den kleinsten gemeinsamen Teiler zweier natürlicher Zahlen. Z.B. gilt (12, 44) 4 und (27, 33) 3. Die Quadratwurzel-Operation : R R ist ein Beispiel für eine partielle Funktion, denn die Funktion ist nur für reele Zahlen x > 0 definiert. Z.B. gilt (25.0) 5.0 aber für 13.0 gibt es kein Bild, d.h. ( 13.0) ist undefiniert. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 70 / 708

26 Funktionen Beispiele (cont.): Die Funktion summe : N 0 N ist definiert als Wir schreiben auch Es gilt z.b. n n. n i=0 i oder n i anstatt summe(n). i=0 summe(0) = n i=0 i = 0 summe(1) = n i=0 i = = 1 summe(5) = n i=0 i = = 15 Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 71 / 708

27 Komposition von (totalen) Funktionen Gegeben seien totale 3 Abbildungen f 1 : M 1 N 1,...,f n : M n N n mit n N g : N 1... N n N. Für x 1 M 1,...,x n M n gilt f 1 (x 1 ) N 1,...,f n (x n ) N n. Diese Werte können als Argumente in g eingesetzt werden und man erhält die Komposition g(f 1 (x 1 ),...,f n (x n )) 3 Es ginge auch mit partiellen Abb., ist aber etwas komplizierter Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 72 / 708

28 Komposition von (totalen) Funktionen Die dadurch beschriebene Zuordnung (x 1,...,x n ) g(f 1 (x 1 ),...,f n (x n )) definiert somit eine totale Abbildung M 1... M n N. Die Komposition erlaubt uns, überall dort, wo ein Element der Menge M in der Signatur einer Funktion f gefordert wird, stattdessen die Anwendung einer Funktion g zu verwenden, solange g den Bildbereich M hat. Offenbar kann man mittels Komposition beliebig viele Funktionen verschachteln. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 73 / 708

29 Komposition von (totalen) Funktionen Beispiele In der Addition auf den ganzen Zahlen +:Z Z Z kann an der ersten Stelle statt eines Elements aus Z z.b. wiederum eine Addition stehen. Man erhält eine Abbildung (Z Z) Z Z mit (x, y, z) (x + y)+z Durch die Komposition der oben genannten Funktionen abs : Z N und +:N N N kann man z.b. ein Funktion abssum : Z Z N erhalten mit (x, y) abs(x) +abs(y) Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 74 / 708

30 Komposition von (totalen) Funktionen Beispiele (cont.) Man kann i.ü. auch den Term als Komposition von folgenden Funktionen auffassen: 1 : N 2 : N +:N N N denn steht ja für: +(1, 2) und 1 sowie 2 sind Funktionen ohne Argumente. Diesen Kniff werden wir uns später noch zu Nutze machen. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 75 / 708

31 Nocheinmal: Schreibweisen Die Notation f (x 1,...,x n ), die die Anwendung von f auf die Argumente x 1,...,x n beschreibt, nennen wir Funktionsschreibweise. Bei 2-stelligen Funktionen verwendet man häufig auch die Infixschreibweise x 1 fx 2. Beispiel: statt +(17, 8) für die Addition. Bei 1-stelligen Funktionen verwendet man gerne die Präfixschreibweise fx 1. Beispiel log 13 statt log(13) für die Logarithmusfunktion. Manchmal ist jedoch auch die Postfixschreibweise x 1...x n f gebräuchlich. Beispiel: 21! statt!(21) für die Fakultätsfunktion. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 76 / 708

32 Nocheinmal: Schreibweisen Bemerkung: In der Mathematik gibt es Schreibweisen, die sich nicht direkt einer dieser Schreibweisen unterordnen lassen, z.b. x (Quadratwurzel) x y (Potenzierung) x y (Division)... Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 77 / 708

33 Prädikate Ein Prädikat ist eine Funktion aus D B. Jede Relation R D = M 1... M n kann als Prädikat D B aufgefasst werden, mit (x 1,...,x n ) TRUE genau dann wenn (x 1,...,x n ) R Beispiel: die Äquivalenzrelation =: Z Z ist das Prädikat =: Z Z B und es gilt z.b. =( 321, 321) TRUE und =( 321, 3) FALSE Wir lassen als Schreibweise = TRUE meist weg und schreiben bei 2-stelligen Prädikaten in Infixschreibweise 321 = 321. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 78 / 708

34 Prädikate Beispiele: Die Ordnungs- und Äquivalenzrelationen von oben können wie erwähnt alle als Prädikate aufgefasst werden, z.b. =: M M B mit M {N, N 0, Z, R,...} z.b. (2, 2) TRUE, d.h. 2 = 2 und (2, 3) FALSE : M M B mit M {N, N 0, Z, R,...} und z.b. (2, 3) TRUE, d.h. 2 3 und (2, 2) FALSE... Ungleichheitsprädikat: : M M B mit M {N, N 0, Z, R,...} z.b. (3, 2) TRUE, d.h. 3 2 und (2, 2) FALSE Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 79 / 708

35 Prädikate Beispiele (cont.): Das Prädikat teilt : N N 0 B mit (x, y) TRUE genau dann wenn y (ganzzahlig) teilbar durch x ist. oder etwas formaler und in Infixschreibweise x y genau dann wenn es ein z N 0 gibt mit y = x z. Z.B. gilt 3 6 TRUE (es gibt ein k N 0 mit 6 = k 3, nämlich k = 2) und 3 0 TRUE (es gibt ein k N 0 mit 0 = k 3, nämlich k = 0) Dagegen 7 8 FALSE (es gibt kein k N 0 mit 8 = k 7). Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 80 / 708

36 Folgen Bei Mengen und Multimengen spielt wie besprochen die Reihenfolge der Elemente keine Rolle. Wenn aber die Reihenfolge wichtig ist, benötigt man andere Konzepte, wie z.b. das der Folgen, die eine sequentielle Reihenfolge von Elementen modelliert (mehrfaches Auftreten eines Elements spielt dabei auch ein Rolle, d.h. Folgen sind spezielle Multimengen). Eine Folge (x 1,...,x n ) der Länge n über die Elemente einer Menge M (d.h. x i M) ist ein n-tupel von Werten aus M, d.h. (x 1,...,x n ) M n. Eine Folge x M 0 der Länge n = 0 wird leere Folge genannt. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 81 / 708

37 Folgen Beispiele Sei M 1 = {1, 2}. Es gilt x11 =(1) ist eine Folge über M 1 x12 =(1, 1, 1, 1, 2, 2, 1, 2, 1) ist eine Folge über M 1 x13 =()ist eine Folge über M 1 (die leere Folge) Sei M 2 = {A, B, C,...X, Y, Z}. Es gilt x21 =(M, A, T, H, E, M, A, T, I, K) ist eine Folge über M 2 x22 =(B) ist eine Folge über M 2 x23 =()ist eine Folge über M 2 (die leere Folge) Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 82 / 708

38 Folgen Die Menge aller nicht-leeren Folgen über M wird meist mit bezeichnet. M + = M 1 M 2 M 3... Die Menge aller Folgen (auch leerer) über M ist dann M = M 0 M +. Die Länge einer Folge x wird auch mit x bezeichnet. Ist x eine Folge über M, so wird M auch als Grundmenge von x bezeichnet. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 83 / 708

39 Folgen Beispiele von vorher: Sei wiederum M 1 = {1, 2}. Es gilt x11 =(1) (M 1) 1 x12 =(1, 1, 1, 1, 2, 2, 1, 2, 1) (M 1) 9 x13 =() (M 1) 0 (die leere Folge) Sei wiederum M 2 = {A, B, C,...X, Y, Z}. Es gilt x21 =(M, A, T, H, E, M, A, T, I, K) (M 2) 10 x22 =(B, C, A) (M 2) 3 x23 =() (M 2) 0 (die leere Folge) Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 84 / 708

40 Folgen: Projektion Die Projektion π : M n I n M. bildet eine Folge x =(x 1,...,x n ) der Länge n und ein i (1 i n) auf die i-te Komponente x i der Folge ab. Die Menge I n = {i i N und 1 i n} heißt Indexmenge. Beispiel: sei M = N 0 und x =(4, 5, 6) π(x, 1) =4, π(x, 2) =5, π(x, 3) =6. Offensichtlich ist auch x =(π(x, 1),..., π(x, x )) eine alternative Schreibweise für eine Folge x. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 85 / 708

41 Folgen: Konkatenation Die Konkatenation : M n M m M n+m konkateniert zwei Folgen beliebiger Länge (aber selber Grundmenge M) miteinander: x y =(π(x, 1),...,π(x, x ),π(y, 1),...,π(y, y )), oder anders ausgedrückt: { π(x, i) π((x y), i) = π(y, i x ) für 1 i x für x + 1 i x + y Beispiel: Sei M = N 0 und x =(7, 0, 3, 18), y =(21, 3, 7), dann ist x y =(π(x, 1),π(x, 2),π(x, 3),π(x, 4),π(y, 5 4),π(y, 6 4),π(y, 7 4)) =(7, 0, 3, 18, 21, 3, 7). Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 86 / 708

42 Boolsche Algebra Überblick 3. Mathematische Grundlagen Boolsche Algebra 3.3 Induktion und Rekursion Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 87 / 708

43 Boolsche Algebra Die Menge B Die Menge B = {TRUE, FALSE} der boolschen Werte wurde bereits erwähnt Wegen der häufigen Verwendung dieser Menge in der Informatik betrachten wir sie noch etwas genauer Die wichtigsten Operationen auf B sind sog. innere Operationen, d.h. der Definitions- und Bildbereich ist immer B n bzw. B (Man sagt auch, B ist abgeschlossen über diesen Operationen; die Abgeschlossenheit der Operatoren ist eine wesentliche Eigenschaft einer Algebra) Sie lassen sich wegen der Endlichkeit von Definitions- und Bildbereich mit Hilfe von Wahrheitstafeln explizit angeben. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 88 / 708

44 Boolsche Algebra Operationen auf B Negation: : B B Konjunktion: : B B B Disjunktion: : B B B x x TRUE FALSE FALSE TRUE x y x y TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE x y x y TRUE TRUE TRUE TRUE FALSE TRUE FALSE TRUE TRUE FALSE FALSE FALSE Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 89 / 708

45 Boolsche Algebra Rechenregeln, Wahrheitstafeln Aus diesen drei Operationen lassen sich z.b. alle möglichen zweistelligen Operationen ableiten, z.b. x y als Abkürzung für x y. Einige Rechenregeln (x, y, z B) Kommutativ-Gesetze x y = y x x y = y x Assoziativ-Gesetze x (y z) =(x y) z x (y z) =(x y) z Distributiv-Gesetze: x (y z) =(x y) (x z) x (y z) =(x y) (x z) Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 90 / 708

46 Boolsche Algebra Rechenregeln, Wahrheitstafeln Diese Gesetze lassen sich am einfachsten mittels Wahrheitstafeln beweisen, z.b. x y x y y x TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 91 / 708

Abschnitt 3: Mathematische Grundlagen

Abschnitt 3: Mathematische Grundlagen Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 3.2 Induktion und Rekursion 3.3 Boolsche Algebra Peer Kröger (LMU München) Einführung in die Programmierung WS 14/15 48 / 155 Überblick

Mehr

Kapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung

Kapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2 Mathematische Grundlagen Skript zur Vorlesung Einführung in die Programmierung im Wintersemester 2012/13 Ludwig-Maximilians-Universität

Mehr

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

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

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen)

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

Mehr

(1.18) Def.: Eine Abbildung f : M N heißt

(1.18) Def.: Eine Abbildung f : M N heißt Zurück zur Mengenlehre: Abbildungen zwischen Mengen (1.17) Def.: Es seien M, N Mengen. Eine Abbildung f : M N von M nach N ist eine Vorschrift, die jedem x M genau ein Element f(x) N zuordnet. a) M = N

Mehr

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { } Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird

Mehr

2 Mengen, Relationen, Funktionen

2 Mengen, Relationen, Funktionen Grundlagen der Mathematik für Informatiker Grundlagen der Mathematik für Informatiker Mengen, Relationen, Funktionen. Mengen Definition. [Georg Cantor 895] Eine Menge ist eine Zusammenfassung bestimmter,

Mehr

Formale Methoden 1. Gerhard Jäger 7. November Uni Bielefeld, WS 2007/2008 1/18

Formale Methoden 1. Gerhard Jäger 7. November Uni Bielefeld, WS 2007/2008 1/18 1/18 Formale Methoden 1 Gerhard Jäger Gerhard.Jaeger@uni-bielefeld.de Uni Bielefeld, WS 2007/2008 7. November 2007 2/18 Geordnete Paare Mengen sind ungeordnet: {a, b} = {b, a} für viele Anwendungen braucht

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

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 20 n-tupel und Cartesisches Produkt Mengen sind ungeordnet,

Mehr

Vorlesung 4. Tilman Bauer. 13. September 2007

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

Mehr

Mengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } }

Mengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } } Mengen Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung aller Elemente: { 1,

Mehr

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

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 15. Oktober 2015 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage veröffentlicht

Mehr

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {

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

Tutorium: Diskrete Mathematik

Tutorium: Diskrete Mathematik Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016

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

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

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

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

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

Dieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.

Dieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird. Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,

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

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 19. Oktober 2017 1/27 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage

Mehr

Vorkurs Mathematik für Informatiker

Vorkurs Mathematik für Informatiker Vorkurs Mathematik für Informatiker 5. Relationen Thomas Huckle, Kilian Röhner Technische Universität München 9.10.2017 Relationen Mit Relationen können wir Beziehungen zwischen je zwei Dingen ausdrücken.

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

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. Grundlagen. Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen

1. Grundlagen. Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen 1. Grundlagen Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen Peter Buchholz 2016 MafI 2 Grundlagen 7 1.1 Was ist Analysis? Analysis ist

Mehr

1. Grundlagen. 1.1 Was ist Analysis? 1.2 Aussagen und Mengen

1. Grundlagen. 1.1 Was ist Analysis? 1.2 Aussagen und Mengen . Grundlagen Gliederung. Was ist Analysis?.2 Aussagen und Mengen.3 Natürliche Zahlen.4 Ganze Zahlen, rationale Zahlen. Was ist Analysis? Analysis ist neben der linearen Algebra ein Grundpfeiler der Mathematik!

Mehr

MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016

MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016 MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/17 MARK HAMILTON LMU MÜNCHEN 1.1. Grundbegriffe zu Mengen. 1. 17. OKTOBER 2016 Definition 1.1 (Mengen und Elemente). Eine Menge ist die Zusammenfassung

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

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

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

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

Abschnitt 5: Grundlagen der funktionalen und imperativen Programmierung

Abschnitt 5: Grundlagen der funktionalen und imperativen Programmierung Abschnitt 5: Grundlagen der funktionalen und imperativen Programmierung 5. Grundlagen der funktionalen und imperativen Programmierung 5.1 Sorten und abstrakte Datentypen 5.2 5.3 in Java 5.4 EXKURS: Funktionale

Mehr

Grundlagen. Kapitel Mengen

Grundlagen. Kapitel Mengen Kapitel 1 Grundlagen 1.1 Mengen Grundobjekte mathematischer Theorien sind Mengen. Zwar stellt man sich darunter Gesamtheiten von gewissen Dingen (den Elementen der Menge) vor, doch führt die uneingeschränkte

Mehr

Grundlagen der linearen Algebra und analytischen Geometrie

Grundlagen der linearen Algebra und analytischen Geometrie Grundlagen der linearen Algebra und analytischen Geometrie Sascha Trostorff 27. Oktober 2017 Inhaltsverzeichnis I. Einführung in die Mengenlehre 3 1. Grundlagen der Aussagenlogik 4 2. Naive Mengenlehre

Mehr

Vorlesung 3: Logik und Mengenlehre

Vorlesung 3: Logik und Mengenlehre 28102013 Erinnerung: Zeilen-Stufen-Form (ZSF) eines LGS 0 0 1 c 1 0 0 0 1 0 0 1 c r 0 0 0 c r+1 0 0 0 0 0 0 0 0 0 c m Erinnerung: Information der Zeilen-Stufen-Form Aus der ZSF liest man ab: Folgerung

Mehr

Eine Relation R in einer Menge M ist eine Teilmenge von M x M. Statt (a,b) R schreibt man auch arb.

Eine Relation R in einer Menge M ist eine Teilmenge von M x M. Statt (a,b) R schreibt man auch arb. 4. Relationen 4.1 Grundlegende Definitionen Relation R in einer Menge M: Beziehung zwischen je 2 Elementen von M. Beispiel

Mehr

Formale Sprachen und Automaten

Formale Sprachen und Automaten Mengen Eine Menge ist eine Gruppe von Elementen, die eine Einheit bilden (siehe z.b. Halmos 1976). Formale Sprachen und Automaten Mathematisches Rüstzeug Mengen können verschiedene Typen von Elementen

Mehr

Aussagenlogik. Mengenlehre. Relationen. Funktionen. Zahlentheorie. Vollständige Induktion. Reihen. Zahlenfolgen. WS 2016/17 Torsten Schreiber

Aussagenlogik. Mengenlehre. Relationen. Funktionen. Zahlentheorie. Vollständige Induktion. Reihen. Zahlenfolgen. WS 2016/17 Torsten Schreiber Mengenlehre Aussagenlogik Relationen Zahlentheorie Funktionen Vollständige Induktion Zahlenfolgen Reihen 193 Definition einer Menge: Beziehungsjunktoren: ist Element, d.h. Wert und Format stimmen überein

Mehr

Bemerkungen zur Notation

Bemerkungen 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)

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

Für unseren Gebrauch ist eine Menge bestimmt durch die in ihr enthaltenen Elemente. Ist M eine Menge, so ist ein beliebiges Objekt m wieder so ein

Für unseren Gebrauch ist eine Menge bestimmt durch die in ihr enthaltenen Elemente. Ist M eine Menge, so ist ein beliebiges Objekt m wieder so ein Mengen 1.2 9 1.2 Mengen 7 Der Begriff der Menge wurde am Ende des 19. Jahrhunderts von Georg Cantor wie folgt eingeführt. Definition (Cantor 1895) Eine Menge ist eine Zusammenfassung M von bestimmten,

Mehr

0 Mengen und Abbildungen, Gruppen und Körper

0 Mengen und Abbildungen, Gruppen und Körper 0 Mengen und Abbildungen, Gruppen und Körper In diesem Paragrafen behandeln wir einige für die Lineare Algebra und für die Analysis wichtige Grundbegriffe. Wir beginnen mit dem Begriff der Menge. Auf Cantor

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

Mathematik-Vorkurs für Informatiker (Wintersemester 2012/13) Übungsblatt 8 (Relationen und Funktionen)

Mathematik-Vorkurs für Informatiker (Wintersemester 2012/13) Übungsblatt 8 (Relationen und Funktionen) DEPENDABLE SYSTEMS AND SOFTWARE Fachrichtung 6. Informatik Universität des Saarlandes Christian Eisentraut, M.Sc. Julia Krämer Mathematik-Vorkurs für Informatiker (Wintersemester 0/3) Übungsblatt 8 (Relationen

Mehr

Abbildungen. Kapitel Definition: (Abbildung) 5.2 Beispiel: 5.3 Wichtige Begriffe

Abbildungen. Kapitel Definition: (Abbildung) 5.2 Beispiel: 5.3 Wichtige Begriffe Kapitel 5 Abbildungen 5.1 Definition: (Abbildung) Eine Abbildung zwischen zwei Mengen M und N ist eine Vorschrift f : M N, die jedem Element x M ein Element f(x) N zuordnet. Schreibweise: x f(x) 5. Beispiel:

Mehr

Brückenkurs Mathematik 2015

Brückenkurs Mathematik 2015 Technische Universität Dresden Fachrichtung Mathematik, Institut für Analysis Dr.rer.nat.habil. Norbert Koksch Brückenkurs Mathematik 2015 1. Vorlesung Logik, Mengen und Funktionen Ich behaupte aber, dass

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

17 Lineare Abbildungen

17 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:

Mehr

Ein geordnetes Paar (oder: ein 2-Tupel) enthält immer zwei Elemente, deren Reihenfolge festgelegt ist. Mehrfachnennungen sind nicht erlaubt!

Ein geordnetes Paar (oder: ein 2-Tupel) enthält immer zwei Elemente, deren Reihenfolge festgelegt ist. Mehrfachnennungen sind nicht erlaubt! Relationen, Funktionen und Partitionen 1. Geordnetes Paar Ein geordnetes Paar (oder: ein 2-Tupel) enthält immer zwei Elemente, deren Reihenfolge festgelegt ist. Mehrfachnennungen

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

Mathematische Strukturen

Mathematische Strukturen Mathematische Strukturen Lineare Algebra I Kapitel 3 16. April 2013 Kartesisches Produkt Das kartesische Produkt (benannt nach René Descartes) von n Mengen M 1,..., M n ist M 1 M n := {(x 1,..., x n )

Mehr

4. Funktionen und Relationen

4. Funktionen und Relationen Bestimmung der Umkehrfunktionen c) bei reellen Funktionen geometrisch durch Spiegelung des Funktionsgraphen an der Winkelhalbierenden y = x. y = x 3 y = x y = x y = (x+1)/2 y = x 1/3 y = 2x 1 Seite 27

Mehr

1 Mathematische Grundbegriffe

1 Mathematische Grundbegriffe 1 1 Mathematische Grundbegriffe 1.1 Relationen und Funktionen Seien A 1,..., A n Mengen. Ein n-tupel über A 1,..., A n ist eine Folge (a 1,..., a n ) von Objekten a i A i, für i = 1,..., n. Zwei n-tupel

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

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

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

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten

Mehr

HM I Tutorium 1. Lucas Kunz. 27. Oktober 2016

HM I Tutorium 1. Lucas Kunz. 27. Oktober 2016 HM I Tutorium 1 Lucas Kunz 27. Oktober 2016 Inhaltsverzeichnis 1 Theorie 2 1.1 Logische Verknüpfungen............................ 2 1.2 Quantoren.................................... 3 1.3 Mengen und ihre

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

R = {(1, 1), (2, 2), (3, 3)} K 1 = {1} K 2 = {2} K 3 = {3}

R = {(1, 1), (2, 2), (3, 3)} K 1 = {1} K 2 = {2} K 3 = {3} Äquivalenzrelationen Aufgabe 1. Lesen Sie im Skript nach was eine Äquivalenzrelation und eine Äquivalenzklasse ist. Gegeben ist die Menge A = {1, 2, 3. Finden Sie 3 Äquivalenzrelationen auf A und geben

Mehr

Relationen und Funktionen

Relationen und Funktionen Relationen und Funktionen Relationen und Funktionen Quick Start Informatik Theoretischer Teil WS2011/12 11. Oktober 2011 Relationen und Funktionen > Relationen Relationen Relationen und Funktionen > Relationen

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018 23. November 2017 1/40 Satz 4.27 (Multinomialsatz) Seien r, n N 0. Dann gilt für

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 9. November 2017 1/34 Beispiel 3.6 Wir können die rationalen Zahlen wie folgt konstruieren:

Mehr

Vorsemesterkurs Informatik

Vorsemesterkurs Informatik Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung

Mehr

Allgemeine Algebren. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden

Allgemeine Algebren. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden Allgemeine Algebren Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Operationen Eine Operation auf einer Menge A ist eine Abbildung f : A n A. A n ist dabei

Mehr

Vorkurs Mathematik Einführung in das mathematische Denken. Übungsaufgaben

Vorkurs Mathematik Einführung in das mathematische Denken. Übungsaufgaben Justus-Liebig-Universität Gießen Fachbereich 07 Mathematisches Institut Vorkurs Mathematik Einführung in das mathematische Denken Übungsaufgaben PD Dr. Elena Berdysheva Aufgabe 1. Schreiben Sie folgende

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

Einführung in die Semantik, 2./3. Sitzung Mengen / Relatione

Einführung in die Semantik, 2./3. Sitzung Mengen / Relatione Eigenschaften von Einführung in die Semantik, 2./3. Sitzung Mengen / / Göttingen 2. November 2006 Eigenschaften von Mengenlehre Eigenschaften von Eigenschaften von Das Konzept Menge Eine Menge ist eine

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

Technische Universität München. Ferienkurs Lineare Algebra 1. Mengenlehre, Aussagen, Relationen und Funktionen. Aufgaben mit Musterlösung

Technische Universität München. Ferienkurs Lineare Algebra 1. Mengenlehre, Aussagen, Relationen und Funktionen. Aufgaben mit Musterlösung Technische Universität München Ferienkurs Lineare Algebra 1 Mengenlehre, Aussagen, Relationen und Funktionen Aufgaben mit Musterlösung 21. März 2011 Tanja Geib 1 Aufgabe 1 Geben Sie zu B = {0, 2, 4} und

Mehr

Analysis I Marburg, Wintersemester 1999/2000

Analysis 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

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

Lineare Algebra, Teil I

Lineare Algebra, Teil I Lineare Algebra, Teil I (Folien zur Vorlesung) Joachim Stöckler Auszüge aus dem Vorlesungsskript von Prof. Rudolf Scharlau aus dem WS 2009/10 werden auf den Folien verwendet. Für die Bereitstellung dieses

Mehr

Vorlesung 2. Tilman Bauer. 6. September 2007

Vorlesung 2. Tilman Bauer. 6. September 2007 Vorlesung 2 Universität Münster 6. September 2007 Organisatorisches Meine Koordinaten: Sprechstunden: Di 13:30-14:30 Do 9:00-10:00 tbauer@uni-muenster.de Zimmer 504, Einsteinstr. 62 (Hochhaus) für alle

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

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

definieren eine Aussage A als einen Satz, der entweder wahr (w) oder falsch (f) (also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1.

definieren eine Aussage A als einen Satz, der entweder wahr (w) oder falsch (f) (also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1. 22 Kapitel 1 Aussagen und Mengen 1.1 Aussagen Wir definieren eine Aussage A als einen Satz, der entweder wahr w) oder falsch f) also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1. 2 ist eine

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

4.1 Motivation. Theorie der Informatik. Theorie der Informatik. 4.1 Motivation. 4.2 Syntax der Prädikatenlogik. 4.3 Semantik der Prädikatenlogik

4.1 Motivation. Theorie der Informatik. Theorie der Informatik. 4.1 Motivation. 4.2 Syntax der Prädikatenlogik. 4.3 Semantik der Prädikatenlogik Theorie der Informatik 3. März 2014 4. Prädikatenlogik I Theorie der Informatik 4. Prädikatenlogik I 4.1 Motivation Malte Helmert Gabriele Röger 4.2 Syntax der Prädikatenlogik Universität Basel 3. März

Mehr

Vorlesung Diskrete Strukturen Rechnen mit 0 und 1

Vorlesung Diskrete Strukturen Rechnen mit 0 und 1 Vorlesung Diskrete Strukturen Rechnen mit 0 und 1 Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung

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

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten

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

Algebra. Eine Menge A heißt abzählbar, wenn A gilt. Insbesondere sind, und abzählbar, und sind nicht abzählbar (überabzählbar).

Algebra. Eine Menge A heißt abzählbar, wenn A gilt. Insbesondere sind, und abzählbar, und sind nicht abzählbar (überabzählbar). Algebra 1 Mengen 1.1 Operationen A Anzahl der Elemente von A (Mächtigkeit, Betrag, Kardinalität) (A) Potenzmenge von X ( (A) = 2 A ) A B wenn jedes Element von A auch Element von B ist. A = B (A B und

Mehr

3. Für beliebiges A bezeichnet man die Menge A A manchmal auch mit A 2 (in Worten:

3. Für beliebiges A bezeichnet man die Menge A A manchmal auch mit A 2 (in Worten: 35 4 Paarungen 4. Produktmengen Die Mengen {x, y} und {y, x} sind gleich, weil sie die gleichen Elemente enthalten. Manchmal legt man aber zusätzlich Wert auf die Reihenfolge der Elemente. Die Objekte

Mehr

Einführung in die mathematische Logik

Einführung in die mathematische Logik Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 7 Sprachen erster Sufe Die in der letzten Vorlesung erwähnten Konstruktionsmöglichkeiten für Aussagen sind im Wesentlichen

Mehr

5.9 Permutationsgruppen. Sei nun π S n. Es existiert folgende naive Darstellung: Kürzer schreibt man auch

5.9 Permutationsgruppen. Sei nun π S n. Es existiert folgende naive Darstellung: Kürzer schreibt man auch 5.9 Permutationsgruppen Definition 103 Eine Permutation ist eine bijektive Abbildung einer endlichen Menge auf sich selbst; o. B. d. A. sei dies die Menge U := {1, 2,..., n}. S n (Symmetrische Gruppe für

Mehr

5. Äquivalenzrelationen

5. Äquivalenzrelationen 5. Äquivalenzrelationen 35 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will, so kann es sinnvoll sein, zunächst kleinere, einfachere Mengen (bzw. Gruppen)

Mehr

: das Bild von ) unter der Funktion ist gegeben durch

: das Bild von ) unter der Funktion ist gegeben durch % 1.3 Funktionen Seien und Mengen nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig. Bezeichnungen: : Definitionsbereich : Bildbereich (Zielmenge) von Der Graph einer Funktion: graph!

Mehr

Behauptung: Wenn f : A -> W und g: W -> V Funktionen sind, dann ist g. f: A->V eine Funktion

Behauptung: Wenn f : A -> W und g: W -> V Funktionen sind, dann ist g. f: A->V eine Funktion Algorithmen und Programmierung 2. Aufgabenblatt Aufgabe 2.1 a) Jedes Konto besitzt einen Betrag: total Es gibt Konten mit dem gleichen Betrag, aber nicht alle Beträge kommen vor: nicht injektiv und nicht

Mehr

Summen, Indices und Multiindices

Summen, Indices und Multiindices Summen, Indices und Multiindices 1 Einleitung Möchten wir zwei Zahlen a und b addieren, so schreiben wir für gewöhnlich a + b. Genauso schreiben wir a + b + c, für die Summe von drei Zahlen a, b und c.

Mehr

1.1 Mengen und Abbildungen

1.1 Mengen und Abbildungen Lineare Algebra 2005-2013 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

Spickzettel Mathe C1

Spickzettel Mathe C1 Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine

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

Grundbegriffe der Informatik

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

Mehr