18. Markierte Graphen und Prozesse

Größe: px
Ab Seite anzeigen:

Download "18. Markierte Graphen und Prozesse"

Transkript

1 18. Mrkierte Grphen und Prozesse Systeme der Informtik erechnen selten eine einzelne Ausge uf der Bsis einer konkreten Einge. Stttdessen estehen solche Systeme us einer Vielzhl von Komponenten, oft Prozesse gennnt. Diese Komponenten sind größtenteils unhängig voneinnder, teilweise intergieren sie jedoch miteinnder, um gemeinsm etws zu erreichen. Mn spricht hier von neenläufigen (engl. concurrent) Prozessen, welche neen loklen Aktivitäten uch Informtionen untereinnder ustuschen. Beispiele sind llgegenwärtig: eine Dtennk von Google, ds GPS Stellitennvigtionssystem, ein gewöhnliches Betriessystem, eine CPU im Zusmmenspiel mit einem 3D-Grphikprozessor, ein Moiltelefon im GSM Netz, ein Pulsmesser und die entsprechende Uhr mit Empfänger m Hndgelenk. Mn spricht zusmmenfssend uch von rektiven Systemen. Die loklen Aktivitäten der rektiven Systeme sind zumeist prozedurle Berechnungen im eknnten Sinne, und können eispielsweise ls Prozeduren in SML däqut repräsentiert werden. Die Beschreiung und Anlyse der Neenläufigkeit und Interktion geschieht in der Regel mit Kntenmrkierten Grphen. Diese stehen im Mittelpunkt dieses Kpitels Grphen mit Kntenmrkierungen Wir etrchten zunächst eine elieige Menge M von Kntenmrkierungen, und werden später sehen, wie wir dieser Menge mehr Struktur verleihen können. Mit dieser Menge M definieren wir einen mrkierten Grph wie folgt: Ein mrkierter Grph ist ein Tripel G = (V, M, E), so dss E V M V. Bechten Sie, dss E keine inäre, sondern eine ternäre, lso dreistellige Reltion ist. Anstelle der Nottion v, m, w E (us Kpitel 8), schreien wir uch (v, m, w) E. A enthält einige Beispiele für kntenmrkierte Grphen mit Knotenmenge V = {0, 1, 2, 3} und Kntenmrkierungen us M = {,, c}. Aufge Ws ist der Unterschied zwischen einer ternären Reltion E V M V, einer Funktion E V M V, und einer Funktion E V M V? Geen Sie Beispiele, die den Unterschied deutlich mchen. Aufge Zeichnen Sie die mrkierten Grphen (V, M, E) zu V = {A}, M = {, }, E = {(A,, A), (A,, A)};

2 2 18. Mrkierte Grphen und Prozesse c c Aildung 18.1: Einige mrkierte Grphen mit Knotenmenge V = {0, 1, 2, 3} und Kntenmrkierungen us M = {,, c}. Links sehen wir einen Grph mit E = {(0,, 1), (0,, 2), (1,, 3), (2, c, 3)}. Dneen E = {(0,, 1), (1, c, 3), (1,, 2)}, und schliesslich E = {(0,, 1), (1,, 0), (0,, 3), (1,, 0)}. V = N, M = N, E = {(n, (n mod 3), n + 3) n N}; V = {A, B, C}, M = {,, c}, E = {(A,, B), (B,, C), (B, c, C), (B,, C)}. Wir erweitern einige Definitionen für Grphen und Reltionen us Kpitel 8 uf mrkierte Grphen wie folgt: Sei G = (V, M, E) ein mrkierter Grph, und sei G = (V, E ) der Grph, der durch Weglssen der Mrkierungen us E entsteht, d.h. E = {(v, w) V 2 m M : (v, m, w) E}. Ein Knoten w heißt Nchfolger eines Knotens v, wenn (v, w) E. Er heißt m-nchfolger von w, wenn (v, m, w) E Ein Knoten v heißt Vorgänger eines Knotens w, wenn (v, w) E. Er heißt m-vorgänger von w, wenn (v, m, w) E. Zwei Knoten heißen enchrt oder djzent, wenn sie in G enchrt sind. Ein endlicher Pfd ist ein nichtleeres Tupel v 1, m 1,...,v n 1, m n 1, v n (V (M V ) ), sodss für lle i {1,...n 1}, (v i, m i, v i+1 ) E. Die Definitionen von Ausgngspunkt, Endpunkt, Länge eines Pfdes, einfche Pfde und Zyklen üertrgen sich vom unmrkierten Grphen G. Ist v 1, m 1,...,v n 1, m n 1, v n, ein Pfd, so ist m 1,..., m n 1 die Spur vom Ausgngspunkt v 1 zum Endpunkt v n in G. Ein Knoten w ist von einem Knoten v mit Spur M M in G erreichr, wenn es einen Pfd mit Spur M vom Ausgngspunkt v zum Endpunkt w in G git. Ein Knoten v ht die Spur M in G, wenn von ihm ein Knoten w mit Spur M in G erreichr ist. Die Definitionen von Wurzel, Quelle, initil, Senke, terminl und isoliert üertrgen sich vom unmrkierten Grphen G. Eine Spur heißt vollständig, wenn ihr Endpunkt terminl ist.

3 18.2 Äquivlenz von mrkierten Grphen und Prozessen 3 Ein Grph ohne Zyklen heißt zyklischer Grph. Ein mrkierter Grph (V, M, E) heißt Teilgrph eines Grphen (V, M, E ), wenn V V, M M, E E gilt. Für einen mrkierten Grphen (V, M, E) und Knoten v V ezeichnet Rech(G, v) den mximlen Teilgrph, der lle von v erreichren Knoten mit den zugehörigen Knten umfsst. Die Umkehrreltion zu E ist E 1 = {(w, m, v) (v, m, w) E}. Gerne enutzen wir Pfeilsymole für die Reltion, und schreien dnn v (v, m, w). m w, flls Prozesse Ein Prozess ist ein Pr (G, v), woei G = (V, M, E) ein mrkierter Grph ist, und v V einen Knoten ls Anfngsknoten (oder initilen Knoten) uszeichnet. Für einen Prozess P = (G, v) ezeichnen wir mit Trces(P) die Menge ller Spuren, die v in G ht. Außerdem ezeichnen wir mit Rech(P) den Prozess (Rech(G, v), v). Beispielsweise ist Trces(P) = {,,,, c } für zwei der drei Prozesse in A. 18.1, woei jeweils der Knoten 0 der Anfngsknoten sei. Aufge Sei (G, v) = Rech(P). Zeigen Sie, dss G zusmmenhängend ist Äquivlenz von mrkierten Grphen und Prozessen Wir wenden uns nun der Frge zu, wnn zwei Grphen (oder Prozesse) äquivlent sind. Diese Frge ist für neenläufige Systeme von ähnlicher Bedeutung wie die ereits mehrfch diskutierte Frge, wnn zwei Progrmme äquivlent sind (Kpitel 2.9 und Kpitel 9.8). Allerdings ist die Antwort nicht gnz offensichtlich. Wir werden zunächst zwei verschiedene Definitionen kennen lernen, die wir später noch verfeinern werden. Die erste Definition siert uf der Idee, dss zwei Prozesse dnn gleich sind, wenn diese dieselen Spuren hen. Definition Zwei Prozesse P = (G, v) und Q = (G, v ) (P sp Q) sind spuräquivlent def Trces(P) = Trces(Q). Anschulich gesprochen sind P und Q spuräquivlent, wenn jede Spur von P uch Spur von Q ist, und umgekehrt. Aufge Bestimmen Sie die Spuren der Prozesse in A. 18.1, woei jeweils der Knoten 0 der Anfngsknoten sei. Welche Prozesse sind spuräquivlent? Eine lterntive Definition verwendet den Begriff der Isomorphie us Kpitel 8.12.

4 4 18. Mrkierte Grphen und Prozesse Definition Zwei Prozesse ((V, M, E), v) und ((V, M, E ), v ) sind isomorph, wenn es eine Bijektion φ V V git, sodss (v 1, m, v 2 ) E genu dnn, wenn (φ(v 1 ), m, φ(v 2 )) E, und φ(v) = v. Zwei Prozesse P, Q sind isomorph (P = Q), wenn ihre Grphen isomorphe Struktur esitzen, d.h. dss die Knoten ijektiv ufeinnder ildr sind, und die Bijektion die initilen Zustände ufeinnder ildet. Bechten Sie, dss Isomorphie die Knoten von V uf diejenigen von V ildet, während die Kntenmrkierungen nicht geildet werden. Isomorphie erlut uns lso, von den Identitäten der Knoten zu strhieren. Wir etrchten dzu folgendes Beispiel: links der Prozess P = (G, 3) mit Knotenmenge {0, 1, 2, 3} und rechts der Prozess Q = (G, A) mit Knotenmenge {A, B, C, D}. Der Anfngsknoten ist dei jeweils mit einem Pfeil gekennzeichnet. 3 D c C 2 1 c 0 B A Beide Prozesse sind isomorph, d die Bijektion {(3, A), (2, B), (1, C), (0, D)} die Bedingungen us Definition 18.2 erfüllt. Aufge Welche der Prozesse us A sind isomorph zu P, welche zu Q? Proposition Zwei isomorphe Prozesse sind spuräquivlent. Beweis. Sei P = ((V, M, E), v) und Q = ((V, M, E ), v ), und sei φ V V eine Bijektion, sodss (v 1, m, v 2 ) E genu dnn, wenn (φ(v 1 ), m, φ(v 2 )) E, und φ(v) = v. Wir zeigen nur Trces(P) Trces(Q), die ndere Richtung geht nlog mit φ 1, der Umkehrfunktion von φ, die sicher existiert (wrum?). Sei m 1,...,m n 1 Trces(P) elieig, lso eine elieige Spur von v. Wir müssen zeigen, dss diese uch eine Spur von v ist. Aufgrund der Definition von Spur git es Knoten v 2,...v n V, sodss v, m 1, v 2,...,v n 1, m n 1, v n, ein Pfd in E ist. Wenn wir zeigen können, dss dnn φ(v), m 1, φ(v 2 ),..., φ(v n 1 ), m n 1, φ(v n ), ein Pfd in E ist, dnn ist dmit m 1,...,m n 1 eine Spur von φ(v ) = v, und wir sind fertig. Es leit lso zu zeigen, dss wenn v 1, m 1, v 2,...,v n 1, m n 1, v n ein Pfd von v 1 ist (in E), dss uch φ(v 1 ), m 1, φ(v 2 ),..., φ(v n 1 ), m n 1, φ(v n ) ein Pfd von φ(v 1 ) ist (in E ). Wir zeigen dies per Induktion üer n. n = 1: Mit (v 1, m 1, v 2 ) E ist (nch Vorussetzung) (φ(v 1 ), m 1, φ(v 2 )) E, und dmit φ(v 1 ), m 1, φ(v 2 ) ein Pfd.

5 18.3 Eine Sprche für Prozesse 5 n 1: Mit (v n 1, m, v n ) E ist (nch Vorussetzung) (φ(v n 1 ), m, φ(v n )) E. D der Pfd v 1, m 1, v 2,...,v n 2, m n 2, v n 1 kürzer ist, dürfen wir nnehmen (Induktionsnnhme), dss φ(v), m 1, φ(v 2 ),...,φ(v n 2 ), m n 2, φ(v n 1 ) ein Pfd von φ(v 1 ) ist (in E ). Aus eiden folgt die Behuptung: φ(v), m 1, φ(v 2 ),..., φ(v n 1 ), m n 1, φ(v n ) ist ein Pfd von φ(v) (in E ). Aufge Gilt die Umkehrung der oigen Proposition? Aufge Zeigen Sie, dss Isomorphie uf Prozessen eine Äquivlenzreltion ist. Zeigen Sie dssele für Spuräquivlenz. (Erinnerung: Eine Äquivlenzreltion ist eine reflexive, trnsitive und symmetrische, inäre Reltion. Eine Reltion R ist symmetrisch, wenn R 1 R gilt.) 18.3 Eine Sprche für Prozesse Uns interessiert nun die Frge, wie wir Prozesse erzeugen können. Wir hen zuvor (Kpitel 7) gesehen, wie sich reine und mrkierte Bäume in einer Sprche (ls SML Dtenstrukturen) drstellen lssen. Nun mchen wir in gewissen Sinne ds umgekehrte. Wir geen eine einfche Sprche für Grphen, zw. Prozesse. Die konkreten Knotenezeichner sind dei für uns unwesentlich. Wir versuchen, stttdessen, Prozesse is uf Isomorphie erzeugen zu können, d.h. es ist nicht von Bedeutung, wie die Knoten im Grph des Prozesses heißen. Der erste Schritt ist eine Sprche für (kntenmrkierte) zyklische Grphen Astrkte Syntx Die strkte Syntx einer Sprche eschreit die Buform der Sprche. Ülicherweise definiert mn die strkte Syntx einer Sprche mithilfe einer schemtischen Drstellung, die ls strkte Grmmtik ezeichnet wird. A zeigt eine strkte Grmmtik für unsere erste Sprche L 0, woei wir eine elieige Menge M von Mrkierungen nnehmen. Wir finden drin drei Opertoren: einen nullstelligen Opertor 0, einen zweistelligen Opertor., sowie einen zweistelligen Opertor +. Lssen Sie sich nicht von den verwendeten Symolen 0 und + verwirren, evor wir uns die Bedeutung dieser Sprche ewusst gemcht hen. Wir lesen die Grmmtik in dieser Aildung wie folgt: 0 ist in der Sprche L 0. Wenn P in der Sprche L 0 ist, und M, dnn ist.p in der Sprche L 0. Wenn P 1 in der Sprche L 0 ist, und P 2 eenflls, dnn ist P 1 + P 2 in der Sprche L 0. Wir nennen die Elemente von L 0 Terme der Sprche L 0. Die einzelnen Konstrukte sollen dei die folgende intuitive Bedeutung hen:

6 6 18. Mrkierte Grphen und Prozesse M P L 0 = 0.P P + P Aildung 18.2: Astrkte Grmmtik von L 0. 0 ist der Term, der keinerlei Nchfolger esitzt, entspricht lso einem terminlen Knoten. Der Term.P esitzt eine Knte, die zum Term P führt und mit mrkiert ist. P 1 + P 2 stellt einen Term dr, der lle die usgehenden Knten esitzt, die die Terme P 1 oder P 2 esitzen. Aufgrund dieser Intuition heißt der Opertor. uch Präfix-Opertor, der Opertor + heißt Auswhl-Opertor, und 0 wird gemeinhin schlicht Stop(-Opertor) gennnt. Hier sind einige sehr einfche Beispiele, die die intuitive Bedeutung der Terme in Form von Prozessen erhellen. Aufgrund der Ttsche, dss Knoteneschriftungen für uns nicht relevnt sein sollen, sind diese in diesen Beispielen nicht ufgeführt. Allein die Struktur der Grphen und die Knteneschriftungen sind für uns von Bedeutung (.0) + (.0).((.0) + (.0)) Wir postulieren die folgenden Klmmersprregeln: P + Q + R (P + Q) + R + klmmert links..p.(.p). klmmert rechts.p + Q (.P) + Q Punkt vor Strich Aufge Fügen Sie die fehlenden Klmmern in die folgenden Terme ein:.p,.(p +.Q),.P +.Q,...0,.P + (.Q), und.p +..Q Semntik von L 0 Die Semntik einer Sprche legt die Regeln für die Ausführung von Elementen der Sprche, lso den Termen von L 0, fest. Typischerweise unterscheidet mn zwischen der sttischen und der dynmischen Semntik 1, woei die sttische Semntik die Bedingungen formuliert, die semntisch zulässige Terme erfüllen müssen. Ds heißt, im Allgemeinen git es Terme, die syntktisch 1 Siehe dzu uch Kpitel 2.8 und Kpitel 12

7 18.3 Eine Sprche für Prozesse 7 zulässig sind, die er semntisch keinen Sinn ergeen. Wie in Kpitel 2.6 und 2.8 ereits diskutiert, geschieht dies in SML zum Beispiel, indem geprüft wird, o eine Phrse wohlgetypt ist. Dies ist ufgrund der Einfchheit unserer Sprche (keine Dtentypen) nicht sehr erhellend, wir üerspringen diesen Schritt dher zunächst. Die dynmische Semntik eschreit, welche Ergenisse die Ausführung zulässiger Terme liefern soll. Etws formler knn mn sgen, dss wir festlegen müssen, welches mthemtische Ojekt mit einem Term ssoziiert werden soll. In unserem Kontext soll ds Ergenis der Ausführung (die Semntik) eines Termes P ein Prozess (G, v) sein (woei G zyklisch ist). Dfür hen wir festzulegen, ws G = (V, M, ) ist und ws v V ist. Um diese Frge zu entworten, edienen wir uns zunächst eines elegnten technischen Kniffes. Wir identifizieren V mit L 0 : die Knoten eines Prozesses sind lle erluten Terme der Sprche! Ds heißt, die Knten des Prozesses verinden Terme der Sprche, und dher ist eine Teilmenge von (L 0 M L 0 ). Dmit ist intuitiv klr, dss der Anfngsknoten der Semntik von P, der Knoten P selst ist. Nun leit es, festzulegen, ws die Reltion sein könnte. Wir werden die ternäre Reltion mithilfe so gennnter Inferenzregeln definieren, die wir in Kpitel 2.6 ereits kennen gelernt hen. Allgemein ht eine Inferenzregel die Form A 1...A n A woei n 0 Die Aussgen A 1...A n üer dem Strich werden ls Prämissen ezeichnet und die Aussge A unter dem Strich ls Konklusion. Wir sgen, dss die Aussge A mit der Regel us den Aussgen A 1...A n geleitet werden knn. Ht eine Regel keine Voredingung, so ist sie ohne jede Voredingung gültig, mn spricht dnn trefflich von einem Axiom (vgl. dzu die Nomenkltur in Kpitel 8.4). A zeigt die definierenden Inferenzregeln für die Menge, woei genu die Tripel enthlten soll, die mit den Regeln geleitet werden können. Für jede Regel ist links ein Nme ngegeen. Die Regel prefix ist ein Axiom. Als konkretes Beispiel etrchten wir die Inferenzregel choice l: P P P + Q P Die Regel esgt, dss die Knte P + Q P (lso ds Tripel P + Q,, P ) dnn in enthlten ist, wenn die Knte P P drin enthlten ist. Insgesmt esgen die Regeln, dss fur jedes P, Q L 0 und jedes M gilt, (.P,, P) ; (P + Q,, P ), wenn (P,, P ) ; (P + Q,, Q ), wenn (Q,, Q ) ;

8 8 18. Mrkierte Grphen und Prozesse prefix.p P choice l P P P + Q P choice r Q Q P + Q Q Aildung 18.3: Semntik von L 0 nichts sonst ist Element von. Bechten Sie, dss wir festgelegt hen, dss in nur die Tripel liegen, die durch die Inferenzregeln geleitet werden können, und sonst keine. Anders gesgt ist die kleinste Reltion (ezüglich der Inklusionsordnung IO), die den oigen Regeln genügt. Jetzt wollen wir den Begriff der Semntik eines Terms P L 0 forml definieren. Sei G L0 = {(L 0, M, E) E L 0 M L 0 } die Menge ller Grphen üer M mit Knotenmenge L 0. Wir nennen die Funktion die Semntik der Terme von L 0. L 0 G L0 L 0 mit P = ((L 0, M, ), P) Bei der grfischen Vernschulichung der Semntik eines Terms P eschränken wir uns uf die Drstellung von Rech( P ), denn dies ist ds Frgment der Semntik, welches uns interessiert. Die oigen Inferenzregeln können dzu verwendet werden, um in kompkter Form die Semntik eines Termes P zuleiten. Mn erzeugt dfür für jede Knte in Rech( P ) einen sogennnten Beweisum, welcher die Existenz dieser Knte in Rech( P ) eweist. Wir etrchten ls Beispiel den Term (.0 + 0) +.(0 + 0). Wir erhlten die folgenden Beweisäume, welche für jede Knte die Prämissen ufstpeln, is ein Axiom erreicht ist mit prefix (.0 + 0) +.(0 + 0) 0 mit choice l mit choice l.(0 + 0) mit prefix (.0 + 0) +.(0 + 0) mit choice r D jede der Regeln von L 0 höchstens eine Prämisse esitzt, verzweigen sich die Beweisäume nicht. Wir werden später uch Verzweigungen der Beweisäume kennenlernen. Aufgrund der oigen Inferenzen esitzt der Prozeß (.0 + 0) +.(0 + 0) die folgende grfische Drstellung:

9 18.3 Eine Sprche für Prozesse 9 (.0 + 0) +.(0 + 0) Aufge Leiten Sie mit den Inferenzregeln die Knten für folgende Prozesse her: 0, 0 + 0,.0,..0 +.c.0,.(.0 + c.0),..(0 + 0) Zeichnen Sie die jeweiligen Prozesse. Wir entworten nun die Frge, inwiefern wir jeden endlichen zyklischen Prozess üer M durch einen Term von L 0 is uf Isomorphie drstellen können. Proposition Für jeden endlichen zyklischen Prozess (G, v) üer M git es einen Term P L 0, so dß, Rech((G, v)) zu Rech( P ) isomorph ist. Wir verzichten uf den Beweis dieser Proposition, d der Beweis etws umständlich ist. Die folgende Aufge dient dzu, in den nötigen Umstnd ein wenig einzuführen. Aufge Geen Sie einen Term us L 0 n, dessen Semntik isomorph zu dem Prozess (G, 0) ist, woei G = ({0, 1, 2, 3, 4, 5, 6}, M, E) mit E = {(0,, 1), (0,, 2), (0,, 3), (1,, 4), (2,, 5), (3,, 6)}. Aufge Beweisen Sie, dss für elieige P, Q L 0 der Prozess Rech( P + Q ) isomorph zu Rech( Q + P ) ist. Ist uch Rech(.(P + Q) ) isomorph zu Rech(.(Q + P) )? Ist Rech(.Q ) isomorph zu Rech(.Q +.Q )? Wie steht es mit Rech(.(P + Q) +.(P + Q) ) und Rech(.(P + Q) +.(Q + P) )? L: Syntx für elieige Grphen Um elieige Grphen eschreien zu können, fehlen uns noch Ausdrucksmittel zur Drstellung von Zyklen. Dzu edienen wir uns rekursiver Gleichungen, wie wir sie ereits mehrfch gesehen hen. Konkret werden die Gleichungen gnz ähnlich zu den verschränkt rekursiven Definitionen von Funktionen, die wir in Kpitel 8.2 kennengelernt hen, verwendet. Wir führen dzu eine Menge V r von Rekursionsvrilen ein, welche ls linke Seiten in definierenden Gleichungen fungieren, und uns dmit Mittel geen, Knoten, die uf Zyklen liegen, syntktisch uszuzeichnen, und Knten dorthin zurückweisen zu lssen. Hier ist dzu ein erstes Beispiel. Mit der Vrilen X V r können wir einen einfchen Zyklus wie folgt definieren: X =..X Der von X erzeugte Prozess ist rechts ngedeutet. Im llgemeinen Fll verwenden wir mehrere Gleichungen, die oft verschränkt rekursiv definiert sind, wie etw in folgendem Fll:

10 Mrkierte Grphen und Prozesse M X V r P L = 0.P P + P X Aildung 18.4: Astrkte Grmmtik von L. X =..Y Y =.Z +.Y Z =.Y Der von X erzeugte Prozess ist wiederum rechts ngedeutet. Wir nehmen n, dss eine Menge solcher Gleichungen disjunkt, er nicht unedingt erschöpfend ist (vgl. Kpitel 4.6). Auf der linken Seite der Gleichungen finden wir Rekursionsvrilen us V r, uf der rechten Seite finden wir Terme. Diese Terme entsprechen im Wesentlichen den Termen von L 0, mit dem Unterschied, dss uch Rekursionsvrilen us V r in den Termen vorkommen können. Die strkte Grmmtik dieser erweiterten Sprche L ist in A ngegeen. Mn sieht, dss is uf Rekursionsvrilen X V r die Grmmtik mit der Grmmtik von L 0 us A üereinstimmt. Mit diesen Festlegungen definiert uns eine Menge solcher Gleichungen offensichtlich eine prtielle Funktion Γ V r L. In Mengenschreiweise ergeen die oigen Beispiele die folgenden prtiellen Funktionen: Γ = {(X,..X)} zw. Γ = {(X,..Y ), (Y,.Z +.Y ), (Z,.Y )} Wir nennen Γ V r L eine Menge von rekursiven Gleichungen üer L. Wenn (X, P) Γ, lso Γ(X) = P ist, können wir sgen, dss X den gleichen Prozeß wie P repräsentiert, nur dss jedesml, wenn eine Vrile Y erreicht wird, mit der rechten Seite Γ(Y ) der definierenden Gleichung von Y fortgesetzt wird. Ein jedes Γ eschreit, wie wir sofort sehen werden, einen Grph mit oder ohne Zyklen. Den Zusmmenhng zwischen Γ und Grph werden wir wiederum durch eine semntische Aildung eschreien. Für ein gegeenes Γ liefert uns die Semntik einen Prozeß, indem wir einen Term us L ls Anfngszustnd festlegen. In den eiden oigen Beispielen hen wir jeweils X ls Anfngszustnd festgelegt Semntik von L Wie zuvor wird die Semntik von L eine Aildung jedes Termes von L uf einen Prozess sein. Diese Semntik ist ntürlich von der Festlegung einer estimmten Menge rekursiver Gleichungen Γ hängig.

11 18.3 Eine Sprche für Prozesse 11 prefix.p P choice l P P P + Q P choice r Q Q P + Q Q rec Γ(X) = P P P X P Aildung 18.5: Semntik von L für Γ V r L Für eine gegeene Menge rekursiver Gleichungen Γ üer L ergit sich die Semntik von L durch ds Anfügen einer einzigen Inferenzregel n die Regeln us A. 18.3: rec Γ(X) = P P P X P Diese Regel esgt, dss die linke Seite X einer Gleichung von Γ einen -Nchfolger P ht, wenn uch die rechte Seite P einen solchen ht. Die sonstigen Regeln leien unverändert; lle Inferenzregeln sind noch einml in A zusmmengefsst. Nun wollen wir wiederum den Begriff der Semntik eines Terms P L forml definieren. Zunächst definieren wir G L = {(L, M, E) E L M L} ls die Menge ller Grphen üer M, ei denen die Knotenmenge die Menge L ist. Für eine prtielle Funktion Γ : V r L sei Γ L M L die kleinste ternäre Reltion, die den Inferenzregeln us A genügt. Dies ist lso die Menge, die für jedes P, Q L und jedes M, die folgenden Elemente enthält: (.P,, P) Γ ; (P + Q,, P ) Γ, wenn (P,, P ) Γ ; (P + Q,, Q ) Γ, wenn (Q,, Q ) Γ ; (X,, P ) Γ, wenn Γ(X) = P und P P ; nichts sonst ist Element von Γ. Die Semntik der Terme von L ezüglich Γ eschreien wir durch eine kskdierte Funktion, welche ls erstes Argument die rekursiven Gleichungen gemäß Γ erhält, und ls zweites Argument den Term P L, welcher ls Anfngsknoten fungieren soll. Für Γ schreien wir kurz uch Γ. (V r L) L G L L Γ P = ((L, M, Γ ), P) Wir wollen uns die Funktionsweise dieser Regeln nhnd der Gleichung X =.X, lso Γ = {(X,.X)} vernschulichen. Eine Knte von X existiert gemäß der Definition genu dnn, wenn sie mit den Inferenzregeln geleitet werden knn. Dvon git es nur eine:

12 Mrkierte Grphen und Prozesse Γ(X) =.X X X mit prefix.x X mit rec Der für X Γ resultierende Prozess ist rechts ngedeutet, woei wir uns wieder uf den erreichren Teilgrphen Rech( X Γ ) eschränken. Als zweites Beispiel etrchten wir Γ = {(X,..X)}, welches uns schon eknnt ist, und möchten.x Γ estimmen. Wir erhlten den rechts ngedeuteten Prozess ufgrund der folgenden Beweise:.X X mit prefix Γ(X) =..X X.X X mit prefix..x.x mit rec Aufge Üerzeugen Sie sich dvon, dss für ds oige Beispiel keine weiteren Trnsitionen für Rech(.X Γ ) eweisr sind. Zeichnen Sie Rech(.(c.X + c..x) Γ ). Aufge Erzeugen Sie durch Anwendung der semntischen Regeln die Prozesse X Γ, woei Γ jeweils gegeen ist durch: 1. X =..0 +.c.0 2. X =..X +.c.0 3. X =...X 4. X =.Z 5. X = X 6. X =..Y Y =.Z +.Y Z =.Y 7. X = Y Y =.Z 8. X = in.y Y = out.x + in.out.y 9. X = in.in.out.out.x Wir hen nun mit L eine Sprche, mit der wir elieige endliche Prozesse is uf Isomorphie syntktisch notieren können. Dies ist uf den ersten Blick offensichtlich, llerdings ist der Beweis wiederum etws umständlich. Wir verzichten dher zunächst druf. Aufge Betrchten Sie die Prozesse X =...X, X =..X und X =.(.X +.X) n. Welche dieser Prozesse sind isomorph, welche spuräquivlent? X.X

13 18.3 Eine Sprche für Prozesse 13 Bemerkungen Der in diesem Kpitel ufgezeigte Weg, die Semntik einer Sprche zu definieren, geht uf Hennessy und Plotkin (1979/81) zurück. Er wird gemeinhin ls strukturelle, opertionelle Semntik (SOS) ezeichnet. Ds Wort strukturell ezieht sich dei uf die Ttsche, dss die Semntik eines komplexen Terms us der Struktur des Termes und der Semntik seiner Teilterme ergit. Opertionell edeutet, dss die Semntik in sich ein usführres Modell mit Zuständen und Zustndsüergängen konstituiert.

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip.

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip. Reguläre Sprchen Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 0 Ds Pumping-Lemm Wir hen is jetzt vier Formlismen kennengelernt, mit denen wir eine reguläre Sprche ngeen können:

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 5 Ds Pumping Lemm Schufchprinzip (Folie 144) Automten und formle Sprchen Notizen zu den Folien Im Block Ds Schufchprinzip für endliche Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl

Mehr

FORMALE SYSTEME. Kleene s Theorem. Wiederholung: Reguläre Ausdrücke. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2.

FORMALE SYSTEME. Kleene s Theorem. Wiederholung: Reguläre Ausdrücke. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2. FORMALE SYSTEME 7. Vorlesung: Reguläre Ausdrücke Mrkus Krötzsch Rndll Munroe, https://xkcd.com/851_mke_it_etter/, CC-BY-NC 2.5 TU Dresden, 2. Novemer 2017 Mrkus Krötzsch, 2. Novemer 2017 Formle Systeme

Mehr

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 2 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem

Mehr

10: Lineare Abbildungen

10: Lineare Abbildungen Chr.Nelius: Linere Alger SS 2008 1 10: Linere Aildungen 10.1 BEISPIEL: Die Vektorräume V 2 und Ê 2 hen diegleiche Struktur. Es git eine ijektive Aildung f : V 2 Ê 2, die durch die Vorschrift definiert

Mehr

Umwandlung von endlichen Automaten in reguläre Ausdrücke

Umwandlung von endlichen Automaten in reguläre Ausdrücke Umwndlung von endlichen Automten in reguläre Ausdrücke Wir werden sehen, wie mn us einem endlichen Automten M einen regulären Ausdruck γ konstruieren knn, der genu die von M kzeptierte Sprche erzeugt.

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Einführung in die Theoretische Informtik Johnnes Köler Institut für Informtik Humoldt-Universität zu Berlin WS 2011/12 Minimierung von DFAs Frge Wie können wir feststellen, o ein DFA M = (Z, Σ, δ, q 0,

Mehr

a q 0 q 1 a M q 1 q 3 q 2

a q 0 q 1 a M q 1 q 3 q 2 Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 4 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem

Mehr

Was nicht bewertet werden soll, streichen Sie bitte durch. Werden Täuschungsversuche beobachtet, so wird die Präsenzübung mit 0 Punkten bewertet.

Was nicht bewertet werden soll, streichen Sie bitte durch. Werden Täuschungsversuche beobachtet, so wird die Präsenzübung mit 0 Punkten bewertet. Prof Dr Dr hc W Thoms Formle Systeme, Automten, Prozesse SS 2011 Musterlösung - Präsenzüung Dniel Neider, Crsten Otto Vornme: Nchnme: Mtrikelnummer: Studiengng (itte nkreuzen): Informtik Bchelor Informtik

Mehr

Frank Heitmann 2/71. 1 Betrachten wir Σ für ein Alphabet Σ, so ist Σ die Menge

Frank Heitmann 2/71. 1 Betrachten wir Σ für ein Alphabet Σ, so ist Σ die Menge Formle Grundlgen der Informtik Kpitel 2 und reguläre Sprchen Frnk Heitmnn heitmnn@informtik.uni-hmurg.de 7. April 24 Frnk Heitmnn heitmnn@informtik.uni-hmurg.de /7 Alphet und Wörter - Zusmmengefsst Die

Mehr

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung)

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung) Wörter, Grmmtiken und die Chomsky-Hierrchie Sprchen und Grmmtiken Wörter Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 2012 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Alphet Ein

Mehr

Eine Relation R in einer Menge M ist transitiv, wenn für alle x, y, z M gilt: (x R y y R z) x R z

Eine Relation R in einer Menge M ist transitiv, wenn für alle x, y, z M gilt: (x R y y R z) x R z Reltionen, 11 Reltionen Reltion ist einfch gesgt eine Beziehung zwischen Elementen von Mengen. In der Geometrie sind z.b. die Reltionen "ist gleich", "ist senkrecht zu", "ist prllel zu" eknnt. Die letzten

Mehr

Klausur zur Vorlesung Grundbegriffe der Informatik 10. März 2009 mit Lösungsvorschlägen

Klausur zur Vorlesung Grundbegriffe der Informatik 10. März 2009 mit Lösungsvorschlägen Klusur zur Vorlesung Grundegriffe der Informtik 10. März 2009 mit Lösungsvorschlägen Klusurnummer Nme: Vornme: Mtr.-Nr.: Aufge 1 2 3 4 5 6 7 mx. Punkte 4 2 7 8 8 8 9 tts. Punkte Gesmtpunktzhl: Note: Aufge

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Technische Universität München Fkultät für Informtik Prof. Tois Nipkow, Ph.D. Ssch Böhme, Lrs Noschinski Sommersemester 2011 Lösungsltt 4 20. Juni 2011 Einführung in die Theoretische Informtik Hinweis:

Mehr

Mitschrift Repetitorium Theoretische Informatik und Logik

Mitschrift Repetitorium Theoretische Informatik und Logik Mitschrift Repetitorium Theoretische Informtik und Logik Teil 1: Formle Sprchen, 15.01.2010, 1. Edit Allgemeine Hinweise für die Prüfung Ds Pumping-Lemm für kontextfreie Sprchen kommt nicht (sehr wohl

Mehr

Grundbegriffe der Informatik Aufgabenblatt 5

Grundbegriffe der Informatik Aufgabenblatt 5 Grundegriffe der Informtik Aufgenltt 5 Mtr.nr.: Nchnme: Vornme: Tutorium: Nr. Nme des Tutors: Ausge: 20. Novemer 2013 Age: 29. Novemer 2013, 12:30 Uhr im GBI-Briefksten im Untergeschoss von Geäude 50.34

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Mthemtik: Mg. Schmid Wolfgng Areitsltt. Semester ARBEITSBLATT MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Zunächst einml müssen wir den Begriff Sklr klären. Definition: Unter einem Sklr ersteht mn eine

Mehr

1.7 Inneres Produkt (Skalarprodukt)

1.7 Inneres Produkt (Skalarprodukt) Inneres Produkt (Sklrprodukt) 17 1.7 Inneres Produkt (Sklrprodukt) Montg, 27. Okt. 2003 7.1 Wir erinnern zunächst n die Winkelfunktionen sin und cos, deren Wirkung wir m Einheitskreis vernschulichen: ϕ

Mehr

Vorname: Nachname: Matrikelnummer: Studiengang (bitte ankreuzen): Technik-Kommunikation M.A.

Vorname: Nachname: Matrikelnummer: Studiengang (bitte ankreuzen): Technik-Kommunikation M.A. Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Klusur 23.09.2010 Prof. Dr. J. Giesl M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Vornme: Nchnme: Mtrikelnummer: Studiengng (itte nkreuzen):

Mehr

Spiele und logische Komplexitätsklassen

Spiele und logische Komplexitätsklassen Spiele und logische Komplexitätsklssen Mrtin Horsch 26. Jnur 2006 Inhlt des Seminrvortrges Ehrenfeucht-Frïssé-Spiel mit k Mrken Formeln mit k Vrilen und logische Komplexitätsklssen k-vrileneigenschft logischer

Mehr

ARBEITSBLATT 5L-8 FLÄCHE ZWISCHEN FUNKTION UND X-ACHSE

ARBEITSBLATT 5L-8 FLÄCHE ZWISCHEN FUNKTION UND X-ACHSE Mthemtik: Mg. Schmid WolfgngLehrerInnentem RBEITSBLTT 5L-8 FLÄCHE ZWISCHEN FUNKTION UND X-CHSE Wie wir die Fläche zwischen einer Funktion und der -chse erechnen, hen wir rechentechnische ereits geklärt.

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 3 Endliche Automten Automten und formle Sprchen Notizen zu den Folien Üerführungsfunction eines DFA (Folie 92) Wie sieht die Üerführungfunktion us? δ : Z Σ Z Ds heißt: Ein Pr us Zustnd und Alphetsymol

Mehr

Klausur TheGI 2 Automaten und Komplexität (Niedermeier/Hartung/Nichterlein, Sommersemester 2013)

Klausur TheGI 2 Automaten und Komplexität (Niedermeier/Hartung/Nichterlein, Sommersemester 2013) Berlin, 17.07.2013 Nme:... Mtr.-Nr.:... Klusur TheGI 2 Automten und Komplexität (Niedermeier/Hrtung/Nichterlein, Sommersemester 2013) 1 2 3 4 5 6 7 8 Σ Bereitungszeit: mx. Punktezhl: 60 min. 60 Punkte

Mehr

/LQHDUH*OHLFKXQJVV\VWHPH

/LQHDUH*OHLFKXQJVV\VWHPH /LQHDUH*OHLFKXQJVV\VWHPH (für Grund- und Leistungskurse Mthemtik) 6W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP Nch dem Studium dieses Skripts sollten folgende Begriffe eknnt sein: Linere Gleichung; homogene

Mehr

Grundlagen der Informatik

Grundlagen der Informatik Grundlgen der Informtik Vorlesungsprüfung vom 02.03.2007 Gruppe B Lösung Nme: Mtrikelnummer: Zuerst itte Nme und Mtrikelnummer uf ds Titelltt schreien. Es sind keine Unterlgen und keine Temreit erlut.

Mehr

18. Algorithmus der Woche Der Euklidische Algorithmus

18. Algorithmus der Woche Der Euklidische Algorithmus 18. Algorithmus der Woche Der Euklidische Algorithmus Autor Friedrich Eisenrnd, Universität Dortmund Heute ehndeln wir den ältesten ereits us Aufzeichnungen us der Antike eknnten Algorithmus. Er wurde

Mehr

Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt Lösungsskizze 3

Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt Lösungsskizze 3 Prof. J. Esprz Technische Universität München S. Sickert, J. Krämer KEINE ABGABE Einführung in die theoretische Informtik Sommersemester 27 Üungsltt 3 Üungsltt Wir unterscheiden zwischen Üungs- und Agelättern.

Mehr

Die Dreiecke ADM A und BCM C sind kongruent aufgrund

Die Dreiecke ADM A und BCM C sind kongruent aufgrund Westfälische Wilhelms-Universität Münster Mthemtisches Institut pl. Prof. Dr. Lutz Hille Dr. Krin Hlupczok Üungen zur Vorlesung Elementre Geometrie Sommersemester 010 Musterlösung zu ltt 4 vom 3. Mi 010

Mehr

Technische Universität München Sommer 2016 Prof. J. Esparza / Dr. M. Luttenberger, S. Sickert. Lösung

Technische Universität München Sommer 2016 Prof. J. Esparza / Dr. M. Luttenberger, S. Sickert. Lösung Technische Universität München Sommer 2016 Prof. J. Esprz / Dr. M. Luttenerger, S. Sickert Lösung Einführung in die theoretische Informtik Klusur Bechten Sie: Soweit nicht nders ngegeen, ist stets eine

Mehr

ARBEITSBLATT 5L-6 FLÄCHENBERECHNUNG MITTELS INTEGRALRECHNUNG

ARBEITSBLATT 5L-6 FLÄCHENBERECHNUNG MITTELS INTEGRALRECHNUNG Mthemtik: Mg. Schmid WolfgngLehrerInnentem RBEITSBLTT 5L-6 FLÄHENBEREHNUNG MITTELS INTEGRLREHNUNG Geschichtlich entwickelte sich die Integrlrechnug us folgender Frgestellung: Wie knn mn den Flächeninhlt

Mehr

Beispiellösungen zu Blatt 24

Beispiellösungen zu Blatt 24 µthemtischer κorrespondenz- zirkel Mthemtisches Institut Georg-August-Universität Göttingen Aufge Beispiellösungen zu Bltt Mn eweise, dss mn ein Qudrt für jede Zhl n 6 in genu n kleinere Qudrte zerlegen

Mehr

Name... Matrikel-Nr... Studiengang...

Name... Matrikel-Nr... Studiengang... Proeklusur zum ersten Teil der Vorlesung Berechenrkeitstheorie WS 2015/16 30. Novemer 2015 Dr. Frnzisk Jhnke, Dr. Dniel Plcín Bereitungszeit: 80 Minuten Nme... Mtrikel-Nr.... Studiengng... 1. So oder so

Mehr

Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt 5

Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt 5 Prof. J. Esprz Technische Universität München S. Sickert, J. Krämer KEINE ABGABE Vielen Dnk n Jn Wgener für die erweiterten Aufgenlösungen Einführung in die theoretische Informtik Sommersemester 2017 Üungsltt

Mehr

Name... Matrikel Nr... Studiengang...

Name... Matrikel Nr... Studiengang... Proeklusur zur Vorlesung Berechenrkeitstheorie WS 201/1 1. Jnur 201 Prof. Dr. André Schulz Bereitungszeit: 120 Minuten [So oder so ähnlich wird ds Deckltt der Klusur ussehen.] Nme... Mtrikel Nr.... Studiengng...

Mehr

Lösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }.

Lösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }. Lösung zur Klusur Grundlgen der Theoretischen Informtik 1. Zeigen Sie, dss die folgende Sprche regulär ist: { w {, } w w 0 (mod 3) }. Lösung: Wir nennen die Sprche L. Eine Sprche ist genu dnn regulär,

Mehr

FORMALE SYSTEME. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2. November Markus Krötzsch

FORMALE SYSTEME. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2. November Markus Krötzsch FORMALE SYSTEME 7. Vorlesung: Reguläre Ausdrücke Mrkus Krötzsch TU Dresden, 2. November 2017 Rndll Munroe, https://xkcd.com/851_mke_it_better/, CC-BY-NC 2.5 Mrkus Krötzsch, 2. November 2017 Formle Systeme

Mehr

Die Regelungen zu den Einsendeaufgaben (Einsendeschluss, Klausurzulassung) finden Sie in den Studien- und Prüfungsinformationen Heft Nr. 1.

Die Regelungen zu den Einsendeaufgaben (Einsendeschluss, Klausurzulassung) finden Sie in den Studien- und Prüfungsinformationen Heft Nr. 1. Modul : Grundlgen der Wirtschftsmthemtik und Sttistik Kurs 46, Einheit, Einsendeufge Die Regelungen zu den Einsendeufgen (Einsendeschluss, Klusurzulssung) finden Sie in den Studien- und Prüfungsinformtionen

Mehr

Grundbegriffe der Mengenlehre

Grundbegriffe der Mengenlehre Reiner Winter Grundegriffe der Mengenlehre 1. Der Mengenegriff Die Mengenlehre wurde von Georg Cntor (1845-1918) egründet. Im Jhre 1895 g er die folgende, erühmt gewordene Begriffsestimmung der Menge n:

Mehr

Inhalt. Endliche Automaten. Automaten und Formale Sprachen. Franz Binder. Endliche Automaten. Deterministische Automaten

Inhalt. Endliche Automaten. Automaten und Formale Sprachen. Franz Binder. Endliche Automaten. Deterministische Automaten Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm Reguläre δ: Σ (Q Q Ω) Beispiel δ 0 δ 0 1 2 1 2 0 1 2 δ Formle Automt Reguläre Definition Ein nicht-deterministischer, endlicher Automt esteht us einer

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN Mthemtik: Mg. Schmid Wolfgng Areitsltt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN Wir wollen eine Gerde drstellen, welche durch die Punkte A(/) und B(5/) verläuft. Die Idee ist folgende:

Mehr

Hausaufgabe 2 (Induktionsbeweis):

Hausaufgabe 2 (Induktionsbeweis): Prof. Dr. J. Giesl Formle Sprhen, Automten, Prozesse SS 2010 Üung 3 (Age is 12.05.2010) M. Brokshmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 3 Endliche Automten Automten und formle Sprchen Notizen zu den Folien Üerführungsfunktion eines NFA (Folien 107 und 108) Wie sieht die Üerführungsfunktion us? δ : Z Σ P(Z) Ds heißt, jedem Pr us Zustnd

Mehr

Analytischen Geometrie in vektorieller Darstellung

Analytischen Geometrie in vektorieller Darstellung Anltische Geometrie Anltischen Geometrie in vektorieller Drstellung Anltische Geometrie Gerden Punkt-Richtungs-Form () Mit Hilfe von Vektoren lssen sich geometrische Ojekte wie Gerden und Eenen eschreien

Mehr

1 Folgen von Funktionen

1 Folgen von Funktionen Folgen von Funktionen Wir etrchten Folgen von reell-wertigen Funktionen f n U R mit Definitionsereicht U R und interessieren uns für ntürliche Konvergenzegriffe. Genuer setzen wir uns mit folgenden Frgen

Mehr

Domäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge.

Domäne und Bereich. Relationen zwischen Mengen/auf einer Menge. Anmerkungen zur Terminologie. r Relationen auf/in einer Menge. Reltionen zwischen Mengen/uf einer Menge! Eine Reltion R A B (mit A B) ist eine Reltion zwischen der Menge A und der Menge B, oder uch: von A nch B. Drstellung: c A! Wenn A = B, d.h. R A A, heißt R eine

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mthemtik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufge 69. Quizz Integrle. Es sei Höhere Mthemtik für Informtiker II (Sommersemester

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 5 Ds Pumping Lemm Shufhprinzip (Folie 137) Automten und formle Sprhen Notizen zu den Folien Im Blok Ds Shufhprinzip für endlihe Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl von

Mehr

Theoretische Informatik und Logik Übungsblatt 2 (2013S) Lösung

Theoretische Informatik und Logik Übungsblatt 2 (2013S) Lösung Theoretische Informtik und Logik Üungsltt 2 (2013S) en Aufge 2.1 Geen Sie jeweils eine kontextfreie Grmmtik n, welche die folgenden Sprchen erzeugt, sowie einen Aleitungsum für ein von Ihnen gewähltes

Mehr

Grundlagen der Theoretischen Informatik, WS11/12 Minimale Automaten

Grundlagen der Theoretischen Informatik, WS11/12 Minimale Automaten Fkultät IV Deprtment Mthemtik Lehrstuhl für Mthemtische Logik und Theoretische Informtik Prof. Dr. Dieter Spreen Dipl.Inform. Christin Uhrhn Grundlgen der Theoretischen Informtik, WS11/12 Minimle Automten

Mehr

Franz Binder. Vorlesung im 2006W

Franz Binder. Vorlesung im 2006W Formle Reguläre und Formle Institut für Alger Johnnes Kepler Universität Linz Vorlesung im 2006W http://www.lger.uni-linz.c.t/students/win/ml Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm δ: Σ (Q

Mehr

Endliche Automaten können wahlweise graphisch oder tabellarisch angegeben werden.

Endliche Automaten können wahlweise graphisch oder tabellarisch angegeben werden. Aufgensmmlung GTI Hinweise. Dies ist eine Aufgensmmlung zum Lernen für die Klusur, keine Proeklusur. Die Zeitduer, die für die Lösung vorgesehen ist, ist lso nicht uf drei Stunden normiert. Für die Klusur

Mehr

6. Übungsblatt. (i) Von welchem Typ ist die Grammatik G? Begründen Sie Ihre Antwort kurz.

6. Übungsblatt. (i) Von welchem Typ ist die Grammatik G? Begründen Sie Ihre Antwort kurz. Vorlesung Theoretische Informtik Sommersemester 2015 Prof. S. Lnge 6. Üungsltt 1. Aufge Es sei die folgende Grmmtik G = [Σ, V, S, R] gegeen. Dei seien Σ = {, } und V = {S, B}, woei S ds Strtsymol ist.

Mehr

1. Formale Sprachen Formale Sprachen

1. Formale Sprachen Formale Sprachen 1. Formle Sprchen Formle Sprchen 1. Formle Sprchen 1.1. Ws ist eine formle Sprche? Wenn mn einen Gednken in einer ntürlichen Sprche usdrücken will, kommt es im wesentlichen uf 2 Aspekte n: 1. Der korrekte

Mehr

3.3 Extrema I: Winkel Ebene/Gerade

3.3 Extrema I: Winkel Ebene/Gerade 3 3 ANALYSIS 3.3 Extrem I: Winkel Eene/Gerde In diesem Aschnitt gehen wir von einer Gerde g und einer g nicht enthltenden Eene ε us und wollen unter llen möglichen spitzen Schnittwinkeln zwischen g und

Mehr

vollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimalautomat: minimaler vollständiger DFA

vollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimalautomat: minimaler vollständiger DFA Ws isher geschh NFA A = (X, Q, δ, I, F ) vollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimlutomt: minimler vollständiger DFA Für jede Sprche L X sind die folgenden Aussgen

Mehr

Analysis I. Vorlesung 3

Analysis I. Vorlesung 3 Prof. Dr. H. Brenner Osnrüc WS 2013/2014 Anlysis I Vorlesung 3 Körper Wir werden nun die Eigenschften der reellen Zhlen esprechen. Grundlegende Eigenschften von mthemtischen Struuren werden ls Axiome ezeichnet.

Mehr

Satz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m.

Satz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m. Stz 6.5 (Mittelwertstz der Integrlrechnung) Sei f : [, b] R stetig. Dnn gibt es ein ξ [, b], so dss 9:08.06.2015 gilt. f dx = (b )f(ξ) Lemm 6.6 Sei f : [, b] R stetig und m f(x) M für lle x [, b]. Dnn

Mehr

Brüche gleichnamig machen

Brüche gleichnamig machen Brüche gleichnmig mchen L Ds Erweitern von Brüchen (siehe L ) ist lediglich ein Instrument, ds vorwiegend eingesetzt wird, um Brüche mit unterschiedlichem Divisor gleichnmig zu mchen. Brüche gleichnmig

Mehr

Modul 3: Schaltnetze. Informatik I. Modul 3: Schaltnetze. Schaltnetze. Formale Grundlagen. Huntingtonsche Axiome.

Modul 3: Schaltnetze. Informatik I. Modul 3: Schaltnetze. Schaltnetze. Formale Grundlagen. Huntingtonsche Axiome. Herstsemester 2, Institut für Informtik IFI, UZH, Schweiz Modul 3: Schltnetze Informtik I Modul 3: Schltnetze Einführung in die formlen Grundlgen logischer Beschreiungen Boolesche Alger, Schltlger Vorussetzende

Mehr

Algorithmische Bioinformatik I

Algorithmische Bioinformatik I Ludwig-Mximilins-Universität München Institut für Informtik Prof. Dr. Volker Heun Sommersemester 2016 Semestrlklusur 21. Juli 2016 Algorithmische Bioinformtik I Vornme Nme Mtrikelnummer Reihe Pltz Unterschrift

Mehr

dem Verfahren aus dem Beweis zu Satz 2.20 erhalten wir zunächst die folgenden beiden ε-ndeas für die Sprachen {a} {b} und {ε} {a} +

dem Verfahren aus dem Beweis zu Satz 2.20 erhalten wir zunächst die folgenden beiden ε-ndeas für die Sprachen {a} {b} und {ε} {a} + Lösungen zu Üungsltt 3 Aufge 1. Es gilt L(( ) ) = ({} {}) {} = ({} {}) ({} {} + ). Mit dem Verfhren us dem Beweis zu Stz 2.20 erhlten wir zunächst die folgenden eiden -NDEAs für die Sprchen {} {} und {}

Mehr

5.1 Charakterisierung relativ kompakter und kompakter

5.1 Charakterisierung relativ kompakter und kompakter Kpitel 5 Kompkte Mengen 5.1 Chrkterisierung reltiv kompkter und kompkter Mengen X sei im weiteren ein Bnchrum. Definition 5.1. Eine Menge K X heißt kompkt, wenn us jeder offenen Überdeckung von K eine

Mehr

Übungen zur Vorlesung Grundlagen der Mathematik II Lösungsvorschlag

Übungen zur Vorlesung Grundlagen der Mathematik II Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner SS 2015 Bltt 6 26.05.2015 Üungen zur Vorlesung Grundlgen der Mthemtik II Lösungsvorschlg 21. ) Ein Qudrt mit der Seitenlänge + und dmit dem

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundegriffe der Informtik Einheit 14: Endliche Automten Thoms Worsch Krlsruher Institut für Technologie, Fkultät für Informtik Wintersemester 2009/2010 1/56 Üerlick Erstes Beispiel: ein Getränkeutomt

Mehr

Flächenberechnung. Aufgabe 1:

Flächenberechnung. Aufgabe 1: Flächenerechnung Aufge : Berechnen Sie den Flächeninhlt zwischen dem Funktionsgrphen und der -Achse in den Grenzen von is von: ) f() = ) f() = - Skizzieren Sie die Funktionsgrphen und schrffieren Sie die

Mehr

Grundkurs Mathematik. Einführung in die Integralrechnung. Lösungen und Ergebnisse zu den Aufgaben

Grundkurs Mathematik. Einführung in die Integralrechnung. Lösungen und Ergebnisse zu den Aufgaben Seite Einführung in die Integrlrechnung Lösungen und Ergenisse Gr Stefn Gärtner Grundkurs Mthemtik Einführung in die Integrlrechnung Lösungen und Ergenisse zu den Aufgen Von llen Wissenschftlern können

Mehr

Integralrechnung. 1. Stammfunktionen

Integralrechnung. 1. Stammfunktionen Integrlrechnung. Stmmfunktionen In der Differentilrechnung hen wir gelernt, durch Aleiten einer Funktion f eine neue Funktion f zu finden, die uns hilft, Eigenschften von f zu estimmen (z.b. Hoch- oder

Mehr

Skript für die Oberstufe und das Abitur 2015 Baden-Württemberg berufl. Gymnasium (AG, BTG, EG, SG, WG)

Skript für die Oberstufe und das Abitur 2015 Baden-Württemberg berufl. Gymnasium (AG, BTG, EG, SG, WG) Sript für die Oerstufe und ds Aitur Bden-Württemerg erufl. Gymnsium (AG, BTG, EG, SG, WG) Mtrizenrechnung, wirtschftliche Anwendungen (Leontief, Mterilverflechtung) und Linere Optimierung Dipl.-Mth. Alexnder

Mehr

G2.3 Produkte von Vektoren

G2.3 Produkte von Vektoren G Grundlgen der Vektorrechnung G. Produkte von Vektoren Ds Sklrprodukt Beispiel: Ein Schienenfhrzeug soll von einem Triler ein Stück s gezogen werden, der neen den Schienen fährt (vgl. Skizze). Wir wollen

Mehr

Karlsruher Institut für Technologie Institut für Algebra und Geometrie

Karlsruher Institut für Technologie Institut für Algebra und Geometrie Krlsruher Institut für Technologie Institut für Alger und Geometrie PD Dr. Stefn Kühnlein Dipl.-Mth. Jochen Schröder Einführung in Alger und Zhlentheorie Üungsltt 7 Aufge 1 (4 Punkte) Sei R ein kommuttiver

Mehr

Ungleichungen. Jan Pöschko. 28. Mai Einführung

Ungleichungen. Jan Pöschko. 28. Mai Einführung Ungleichungen Jn Pöschko 8. Mi 009 Inhltsverzeichnis Einführung. Ws sind Ungleichungen?................................. Äquivlenzumformungen..................................3 Rechnen mit Ungleichungen...............................

Mehr

v P Vektorrechnung k 1

v P Vektorrechnung k 1 Vektorrechnung () Vektorielle Größen in der hysik: Sklren Größen wie Zeit, Msse, Energie oder Tempertur werden in der hysik mit einer Mßzhl und einer Mßeinheit ngegeen: 7 sec, 4.5 kg. Wichtige physiklische

Mehr

Datenstrukturen & Algorithmen Lösungen zu Blatt 2 FS 16

Datenstrukturen & Algorithmen Lösungen zu Blatt 2 FS 16 Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérle de Zurich Politecnico federle di Zurigo Federl Institute of Technology t Zurich Institut für Theoretische Informtik 9. März 2016

Mehr

4 Die rationalen Zahlen

4 Die rationalen Zahlen 4 Die rtionlen Zhlen Der Ring der gnzen Zhlen ht den Mngel, dß nicht jede Gleichung = X, 0 innerhl Z lösr ist. (Z.B. ist 1 = 2 X unlösr in Z). Zu seiner Beseitigung erweitert mn den Zhlereich zum Körper

Mehr

Teil V: Formale Sprachen

Teil V: Formale Sprachen Formle Sprchen Teil V: Formle Sprchen 1. Sprchen und Grmmtiken 2. Endliche Automten Frnz-Josef Rdermcher & Uwe Schöning, Fkultät für Ingeneurwissenschften und Informtik, Universität Ulm, 2008/09 Formle

Mehr

3. Das Rechnen mit Brüchen (Rechnen in )

3. Das Rechnen mit Brüchen (Rechnen in ) . Ds Rechnen mit Brüchen (Rechnen in ) Brüche sind Teile von gnzen Zhlen. Zwischen zwei unterschiedlichen gnzen Zhlen ht es immer unendlich viele Brüche. Brüche entstehen us einer Division; eine gnze Zhl

Mehr

Die Keplersche Fassregel

Die Keplersche Fassregel Die Keplersche Fssregel K. Gerer Bei vielen Aufgen, z.b. ei der Lösung von Differentilgleichungen, tucht die Schwierigkeit uf, dss Integrtionen nicht durchgeführt werden können. So können z.b. die folgenden

Mehr

1 Grundlagen der Theorie formaler Sprachen

1 Grundlagen der Theorie formaler Sprachen 1 Grundlgen der Theorie formler Sprchen Wir eginnen dmit, dss wir in diesem Kpitel zunchst einige grundlegende Begriffe und Methoden us der Theorie formler Sprchen, insesondere der regulären Sprchen, wiederholen.

Mehr

1. Kapitel: Arithmetik. Ergebnisse mit und ohne Lösungsweg

1. Kapitel: Arithmetik. Ergebnisse mit und ohne Lösungsweg Arithmetik Lösungen Lö. Kpitel: Arithmetik. Ergenisse mit und ohne Lösungsweg Zu Aufge.: ) 7 ist eine rtionle Zhl, d sie sich ls Bruch us zwei gnzen Zhlen (Nenner 0) drstellen lässt: 7 7. 6 ) Eenso, denn

Mehr

Hans U. Simon Bochum, den Annette Ilgen. Beispiele zur Vorlesung. Theoretische Informatik. WS 08/09

Hans U. Simon Bochum, den Annette Ilgen. Beispiele zur Vorlesung. Theoretische Informatik. WS 08/09 Hns U. Simon Bohum, den 7..28 Annette Ilgen Beispiele zur Vorlesung Theoretishe Informtik WS 8/9 Voremerkung: Hier findet sih eine Smmlung von Beispielen und Motivtionen zur Vorlesung Theoretishe Informtik.

Mehr

DEA1 Deterministische Version

DEA1 Deterministische Version Endliche Automten 4 Deterministische endliche Automten Zu dem nichtdeterministischen Automten EA git es eine deterministische Version. EA Akzeptor für Wörter üer X = { } mit mindestens einem führenden.

Mehr

Nullstellen quadratischer Gleichungen

Nullstellen quadratischer Gleichungen Nullstellen qudrtischer Gleichungen Rolnd Heynkes 5.11.005, Achen Nch y ufgelöst hen qudrtische Gleichungen die Form y = x +x+c. Zeichnet mn für jedes x uf der rechten Seite und ds drus resultierende y

Mehr

Prof. Dr. Ulrich Furbach Dr. Manfred Jackel Dr. Björn Pelzer Christian Schwarz. Nachklausur

Prof. Dr. Ulrich Furbach Dr. Manfred Jackel Dr. Björn Pelzer Christian Schwarz. Nachklausur Grundlgen der Theoretischen Infomtik SS 213 Institut für Informtik Prof. Dr. Ulrich Furch Dr. Mnfred Jckel Dr. Björn Pelzer Christin Schwrz Nchklusur Modul Grundlgen der Theoretischen Informtik 4IN118/INLP1

Mehr

Prof. Dipl.-Ing. Edgar Neuherz MATHEMATIK. Mathematik und angewandte Mathematik HAK

Prof. Dipl.-Ing. Edgar Neuherz MATHEMATIK. Mathematik und angewandte Mathematik HAK Prof. Dipl.-ng. Edgr Neuherz MATHEMATK 2 und ngewndte HAK lizensiert für: Dipl.-ng. Edgr Neuherz 2. Schulreit (2013-08-01 23:56) Schuljhr 2012/13 Verntwortlich für den nhlt Dipl.-ng. Edgr Neuherz Grz,

Mehr

Berechnung von Flächen unter Kurven

Berechnung von Flächen unter Kurven Berechnung von Flächen unter Kurven Es soll die Fläche unter einer elieigen (stetigen) Kurve erechnet werden. Dzu etrchten wir die (sog.) Flächenfunktion, mit der die zu erechnende Fläche qusi ngenähert

Mehr

Vektoren. b b. R heißt der Vektor. des. und b. . a b

Vektoren. b b. R heißt der Vektor. des. und b. . a b 6 Vektoren 66 Ds Vektorprodukt Definition des Vektorprodukts Wir etrchten im dreidimensionlen Rum zwei nicht kollinere Vektoren R, \{0} Gesucht ist ein Vektor x R, der uf jedem der eiden Vektoren und senkrecht

Mehr

Brückenkurs Lineare Gleichungssysteme und Vektoren

Brückenkurs Lineare Gleichungssysteme und Vektoren Brückenkurs Linere Gleichungssysteme und Vektoren Dr Alessndro Cobbe 30 September 06 Linere Gleichungssyteme Ws ist eine linere Gleichung? Es ist eine lgebrische Gleichung, in der lle Vriblen nur mit dem

Mehr

Universität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III

Universität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III Nme Vornme Mtrikelnummer Lösungsvorschlg Universität Krlsruhe Institut für Theoretische Informtik o. Prof. Dr. P. Snders 8. März 2006 Klusur: Informtik III Aufgbe 1. Multiple Choice 10 Punkte Aufgbe 2.

Mehr

Übungsblatt Nr. 1. Lösungsvorschlag

Übungsblatt Nr. 1. Lösungsvorschlag Institut für Kryptogrphie und Sicherheit Prof. Dr. Jörn Müller-Qude Nico Döttling Dirk Achench Tois Nilges Vorlesung Theoretische Grundlgen der Informtik Üungsltt Nr. svorschlg Aufge (K) (4 Punkte): Semi-Thue-Systeme

Mehr

2. Klausur zur Vorlesung Informatik III Wintersemester 2003/2004

2. Klausur zur Vorlesung Informatik III Wintersemester 2003/2004 Universität Krlsruhe Theoretische Informtik Fkultät für Informtik WS 2003/04 ILKD Prof. Dr. D. Wgner 14. April 2004 2. Klusur zur Vorlesung Informtik III Wintersemester 2003/2004 Lösung! Bechten Sie: Bringen

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Einführung in die Theoretische Informtik Johnnes Köler Institut für Informtik Humoldt-Universität zu Berlin WS 011/1 Inhlt der Vorlesung Themen dieser VL: Welche Rechenmodelle sind däqut? Welche Proleme

Mehr

MC-Serie 12 - Integrationstechniken

MC-Serie 12 - Integrationstechniken Anlysis D-BAUG Dr. Meike Akveld HS 15 MC-Serie 1 - Integrtionstechniken 1. Die Formel f(x) dx = xf(x) xf (x) dx i) ist im Allgemeinen flsch. ii) folgt us der Sustitutionsregel. iii) folgt us dem Huptstz

Mehr

3 Hyperbolische Geometrie

3 Hyperbolische Geometrie Ausgewählte Kpitel der Geometrie 3 Hperbolische Geometrie [... ] Im Folgenden betrchten wir nun spezielle gebrochen-linere Abbildungen, nämlich solche, für die (mit den Bezeichnungen ϕ,b,c,d wie oben die

Mehr

Mathematische Probleme, SS 2013 Montag $Id: dreieck.tex,v /04/15 09:12:15 hk Exp hk $ 1.4 Dreiecksberechnung mit Seiten und Winkeln

Mathematische Probleme, SS 2013 Montag $Id: dreieck.tex,v /04/15 09:12:15 hk Exp hk $ 1.4 Dreiecksberechnung mit Seiten und Winkeln Mthemtishe Proleme, SS 2013 Montg 15.4 $Id: dreiek.tex,v 1.5 2013/04/15 09:12:15 hk Exp hk $ 1 Dreieke 1.4 Dreiekserehnung mit Seiten und Winkeln In der letzten Sitzung htten wir egonnen die vershiedenen

Mehr

KOMPETENZHEFT ZUR TRIGONOMETRIE, I

KOMPETENZHEFT ZUR TRIGONOMETRIE, I Mthemtik mcht Freu(n)de KOMPETENZHEFT ZUR TRIGONOMETRIE, I 1. Aufgenstellungen Aufge 1.1. Erkläre, wrum die eiden drgestellten Dreiecke ähnlich zueinnder sind und erechne die fehlenden Seitenlängen x und

Mehr

BINOMISCHE FORMELN FRANZ LEMMERMEYER

BINOMISCHE FORMELN FRANZ LEMMERMEYER BINOMISCHE FORMELN FRANZ LEMMERMEYER Ds Distributivgesetz. Die binomischen Formeln sind im wesentlichen Vrinten des Distributivgesetzes. Dieses kennen wir schon; es besgt, dss () (b + = b + c und ( + b)c

Mehr

1 3 Z 1. x 3. x a b b. a weil a 0 0. a 1 a weil a 1. a ist nicht erlaubt! 5.1 Einführung Die Gleichung 3 x 9 hat die Lösung 3.

1 3 Z 1. x 3. x a b b. a weil a 0 0. a 1 a weil a 1. a ist nicht erlaubt! 5.1 Einführung Die Gleichung 3 x 9 hat die Lösung 3. 5 5. Einführung Die Gleichung x 9 ht die Lösung. x 9 Z 9 x Die Gleichung x ht die Lösung. x Z x Definition Die Gleichung x, mit, Z und 0, ht die Lösung: x x Ist kein Vielfches von, so entsteht eine neue

Mehr

( ) ( ) 4. Der Hauptsatz der Infinitesimalrechnung. Hauptsatz (1. Form) I. Newton ( ), G.F. Leibniz ( )

( ) ( ) 4. Der Hauptsatz der Infinitesimalrechnung. Hauptsatz (1. Form) I. Newton ( ), G.F. Leibniz ( ) 4. Der Huptstz der Infinitesimlrechnung Huptstz (. orm) I. Newton (64-77), G.. Leiniz (646-76) ür jede im Intervll [,] stetige unktion f sei ( ) = f ( t) dt sogennnte Integrlfunktion dnn gilt: Die Integrlfunktion

Mehr

Zusammenfassung: Abstände, Winkel und Spiegelungen

Zusammenfassung: Abstände, Winkel und Spiegelungen Zusmmenfssung: Astände, Winkel und Spiegelungen Inhltsverzeichnis Astände 1 Winkel 5 Spiegelungen 7 Für Experten 1 Astände Astnd Punkt Punkt: Schreiweise: Den Astnd zweier Punkte A und B ezeichnet mn mit

Mehr

Grundlagen der Informatik II Prüfung SS Aufg./15 pages 2. ) = a n ba m1 ba m k

Grundlagen der Informatik II Prüfung SS Aufg./15 pages 2. ) = a n ba m1 ba m k Grundlgen der Informtik II Prüfung 23.7.212 SS 212 1 Aufg./15 pges 2 Aufge 1. Endliche Automten (1 Punkte) / 1 Gegeen seien die folgenden Sprchen L und ihr Komplement L: k L = w {, } w = n ( m i ) = n

Mehr