Kombinationen und Permutationen

Größe: px
Ab Seite anzeigen:

Download "Kombinationen und Permutationen"

Transkript

1 10 Kombinationen und Permutationen In den nächsten beiden Kapiteln wird die Abzählungstheorie der lassischen Abbildungstypen mit Nebenbedingungen entwicelt. Sie beschäftigt sich onret mit der Frage, auf wie viele Arten es möglich ist, N Kugeln auf R Fächer so zu verteilen, dass in jedes Fach höchstens eine Kugel, mindestens eine Kugel oder genau eine Kugel ommt oder aber beliebig viele Kugeln ommen. Dabei wird unterschieden, ob die Kugeln oder Fächer unterscheidbar (gefärbt) oder ununterscheidbar (ungefärbt) sind. Diese Fragestellung wird im Folgenden auf ein einheitliches Grundmuster zurücgeführt, das auf Wörtern basiert Kombinationen -Kombinationen und Mengen Seien und n natürliche Zahlen. Ein Wort x der Länge über n wird eine -Kombination von n genannt, wenn x streng mononton ist. Ein Wort x = x 1 x 2... x heißt streng monoton, wenn x 1 < x 2 <... < x. Die Anzahl der -Kombinationen von n wird mit ( n ) bezeichnet, sprich n über, und heißt Binomialzahl von n über. Beispiel Die 2-Kombinationen von 4 lauten 12, 13, 14, 23, 24 und 34. Jede -Kombination x = x 1 x 2... x von n beschreibt eine -Teilmenge f(x) = {x 1, x 2,...,x } von n. Die Zuordnung f : x f(x) liefert eine Bijetion von der Menge aller -Kombinationen von n auf die Menge aller -Teilmengen von n. Die Menge aller -Teilmengen von n wird mit ( n ) bezeichnet. Mit dem Gleichheitsprinzip folgt ( ) ( ) n = n. (10.1)

2 98 10 Kombinationen und Permutationen Satz Für alle natürlichen Zahlen und n gilt ( n ) ( = 0, falls > n. n ) ( 0 = 1, n ) ( n = 1 und n ) 1 = n. Für 1 n gilt ( ) ( ) ( ) n n 1 n 1 = +. (10.2) 1 Für 0 n gilt ( ) n = Für 0 n gilt n(n 1) (n + 1)! = n!!(n )!. (10.3) ( ) ( ) n n =. (10.4) n Beweis. Die ersten beiden Aussagen folgen aus den Definitionen. Für den Beweis der dritten Aussage ann aufgrund der zweiten Aussage n > 1 vorausgesetzt werden. Sei A die Menge aller -Kombinationen von n, die n enthalten, und B die Menge der übrigen -Kombinationen von n. Mit dem Additionsprinzip folgt ( n ) = A + B. Eine -Kombination x1 x 2... x von n liegt in A genau dann, wenn x = n und x 1 x 2... x 1 eine ( 1)-Kombination von n 1 ist. Also folgt A = ( n 1 1). Eine -Kombination x = x1 x 2... x von n gehört zu B genau dann, wenn x eine -Kombination von n 1 ist. Folglich ist B = ( ) n 1. Die vierte Aussage wird durch vollständige Indution nach n mithilfe der dritten Aussage bewiesen. Die letzte Aussage folgt diret aus der vierten. Satz Für jede natürliche Zahl n gilt ( ) n = 2 n. (10.5) Beweis. Es gilt =0 ( ) n = =0 =0 ( ) n = n =0 ( ) n = P(n) = 2 n, dabei ergibt sich die erste Gleichung aus (10.1), die zweite aus dem Additionsprinzip und die letzte aus dem Satz Satz Für jede natürliche Zahl n gilt ( ) n ( 1) = 0. (10.6) =0

3 10.1 Kombinationen 99 Beweis. Die Summe auf der linen Seite hat wegen (10.2) die Gestalt {( ) ( )} {( ) ( )} n 1 n 1 n 1 n {( ) ( )} {( ) ( )} n 1 n 1 n 1 n 1 + ±... + ( 1) n ( 1) n. 2 3 n 2 n 1 Jede Binomialzahl ( ) n 1, 1 n 2, ommt je einmal mit positivem und negativem Vorzeichen vor, weshalb nur folgende Teilsumme übrig bleibt ( ) ( ) n 1 n ( 1) n 1 + ( 1) n = ( 1) n 1 + ( 1) n = 0. 0 n 1 Die Binomialzahl ( n ) beschreibt die Anzahl der Möglicheiten, Elemente aus einer n-elementigen Menge auszuwählen, wobei jedes Element höchstens einmal ausgewählt wird und es nicht auf die Reihenfolge der Elemente anommt. Beispiel Beim Zahlenlotto werden 6 aus 49 Zahlen gezogen. Sechs Richtige bilden eine 6-Kombination von 49. Die Anzahl der 6-Kombinationen von 49 ist gleich ( ) Die Wahrscheinlicheit, sechs Richtige zu erhalten, ist 1/ ( ) Kombinationen und charateristische Wörter Jede -Kombination x = x 1 x 2... x von n beschreibt ein Wort χ(x) = c 1 c 2... c n der Länge n über dem Alphabet {0, 1}, wobei { 1 falls i in x vorommt, c i = 0 sonst. (10.7) Das Wort χ(x) besteht aus Einsen und n Nullen und wird charateristisches Wort oder (n, )-Wort von x genannt. Die Zuordnung χ : x χ(x) liefert eine Bijetion von der Menge aller -Kombinationen von n auf die Menge aller (n, )-Wörter. Diese Zuordnung verdeutlicht folgende Tabelle -Kombinationen von 4 (4, )-Wörter 0 ǫ , 2, 3, , 0100, 0010, , 13, 14, 1100, 1010, 1001, 23, 24, , 0101, , 124, 1110, 1101, 134, ,

4 Kombinationen und Permutationen 10.2 Repetitionen Repetitionen sind Kombinationen mit Wiederholung. Ein Wort x 1 x 2... x n der Länge n über N 0 heißt eine -Repetition von n, wenn x 1 + x x n =. Beispiel Die 2-Repetitionen von 4 lauten 2000, 1100, 1010, 1001, 0200, 0110, 0101, 0020, 0011 und Jede -Repetition x 1 x 2... x n von n ist eine endliche Folge f : n N 0 mit f(i) = x i für 1 i n. Folgen mit natürlichzahligem Wertebereich sind Multimengen. Beispiel Die 2-Repetitionen von 4 aus Beispiel 10.6 entsprechen der Reihe nach den Multimengen {1, 1} M, {1, 2} M, {1, 3} M, {1, 4} M, {2, 2} M, {2, 3} M, {2, 4} M, {3, 3} M, {3, 4} M und {4, 4} M. Satz Die Anzahl der -Repetitionen von n ist gleich ( n+ 1 Beweis. Jeder -Repetition x 1 x 2...x n von n wird ein Wort über {0, 1} zugeordnet: x 2 x n x 1 {}}{{}}{{}}{ Dieses Wort hat x 1 + x x n = Einsen und n 1 Nullen und ist somit ein (n + 1, )-Wort. Diese Zuordnung liefert eine Bijetion von der Menge aller -Repetitionen von n auf die Menge aller (n + 1, )-Wörter. Die Anzahl der (n+ 1, )-Wörter ist nach dem Gleichheitsprinzip identisch mit der Anzahl der -Kombination von n + 1, letztere ist ( ) n+ 1. Also folgt mit dem Gleichheitsprinzip die Behauptung. Die folgende Tabelle zeigt vier Darstellungsformen für Repetitionen 3-Repetitionen von 2 Multimengen (4, 3)-Wörter 3-Kombinationen von 4 30 {1, 1, 1} M {1, 1, 2} M {1, 2, 2} M {2, 2, 2} M Die Binomialzahl ( ) n+ 1 beschreibt die Anzahl der Möglicheiten, Elemente aus einer n-elementigen Menge auszuwählen, wobei jedes Element mehrfach ausgewählt werden darf und es nicht auf die Reihenfolge der Elemente anommt. Beispiel Die Anzahl der Würfe mit 5 nicht unterscheidbaren Würfeln ist identisch mit der Anzahl der 5-Repetitionen von 6, nämlich ( 10 5 ) = 252. ).

5 10.3 Permutationen Permutationen Ein Wort x der Länge über n heißt eine -Permutation von n, wenn x einen Buchstaben mehrfach enthält. Die Anzahl der -Permutationen von n wird mit (n) bezeichnet, sprich unter n. Beispiel Die 2-Permutationen von 4 lauten 12, 21, 13, 31, 14, 41, 23, 32, 24, 42, 34 und 43. Jede -Permutation x 1 x 2... x von n entspricht einer injetiven Abbildung f : n mit f(i) = x i für 1 i, und umgeehrt. Also ist die Menge aller -Permutationen von n identisch mit der Menge aller injetiven Abbildungen von nach n. Satz Für jede natürliche Zahl n gilt (n) 1 = n und (n) n = n!. (10.8) Für alle natürlichen Zahlen n und mit 1 < < n gilt (n) = (n 1) + (n 1) 1. (10.9) Beweis. Die 1-Permutationen von n sind die Ziffern 1, 2,...,n. Für eine n- Permutationen von n gibt es n Möglicheiten, den ersten Buchstaben zu wählen. Für den zweiten Buchstaben verbleiben n 1 Möglicheiten. Auf diese Weise fortfahrend ergeben sich n! Möglicheiten, die n-permutationen von n zu erzeugen. Sei A die Menge aller -Permutationen von n, die n enthalten, und B die Menge der übrigen -Permutationen von n. Mit dem Additionsprinzip folgt (n) = A + B. Jede ( 1)-Permutation y = y 1 y 2...y 1 von n 1 lässt sich zu einer -Permutation y (i) von n fortsetzen, indem n an der Position i eingefügt wird. Die Zuordnung (i, y) y (i) definiert eine Bijetion des artesischen Produts von und der Menge aller ( 1)-Permutationen von n 1 auf die Menge A. Mit dem Multipliations- und Gleichheitsprinzip folgt A = (n 1) 1. Die Elemente von B entsprechen den -Permutationen von n 1. Mit dem Gleichheitprinzip folgt B = (n 1). Durch vollständige Indution erhalten wir das folgende Korollar Für alle natürlichen Zahlen n und mit 1 n gilt (n) = n (n 1) (n + 1). (10.10) Die Zahl (n) beschreibt die Anzahl der Möglicheiten, Elemente aus einer n-elementigen Menge auszuwählen, wobei jedes Element höchstens einmal ausgewählt wird und es auf die Reihenfolge der Elemente anommt. Beispiel Wie viele dreistellige Dezimalzahlen lassen sich mit den Ziffern 2, 3, 4, 5 und 6 bilden, so dass eine Ziffer mehrfach auftritt? Diese Dezimalzahlen entsprechen den 3-Permutationen von 5. Die Antwort lautet (5) 3 = 60.

6 Kombinationen und Permutationen Korollar Die Anzahl der Permutationen vom Grad n ist gleich n!. Beweis. Die injetiven Abbildungen f : n n sind nach Satz 6.8 bijetiv. Also entsprechen die n-permutationen von n genau den Permutationen vom Grad n. Mit dem Satz folgt die Behauptung Permutationen und Zyeltypen Jede Permutation vom Grad n ist als Produt von disjunten Zyeln darstellbar (Abs. 6.4). In diesem Abschnitt werden Permutationen vom Grad n hinsichtlich ihrer Zyelstrutur lassifiziert. Stirling-Zahlen erster Art Die absolute Stirling-Zahl erster Art (James Stirling, ) beschreibt die Anzahl der Permutationen vom Grad n, die aus disjunten Zyeln bestehen. Sie wird mit s 0 (n, ) bezeichnet. Da eine Permutation vom Grad n höchstens n disjunten Zyeln besitzt, ergibt sich s 0 (n, ) = 0, falls > n. Satz Für jede natürliche Zahl n gilt ( ) n s 0 (n, 1) = (n 1)!, s 0 (n, n 1) = 2 und s 0 (n, n) = 1. (10.11) Für alle natürlichen Zahlen n und mit 1 < < n gilt s 0 (n, ) = s 0 (n 1, 1) + (n 1) s 0 (n 1, ). (10.12) Beweis. In einem Zyel der Länge n ann die Eins als Anfangselement festgehalten und die restlichen n 1 Zahlen beliebig permutiert werden. Die letzten n 1 Zahlen bilden eine Permutation vom Grad n 1. Mit dem Korollar folgt s 0 (n, 1) = (n 1)!. Eine Permutation vom Grad n mit n 1 disjunten Zyeln besteht aus einer Transposition und n 2 Fixpunten. Die Transpositionen entsprechen den 2-Kombinationen von n. Also gibt es ( n 2) derartige Transpositionen. Schließlich gibt es eine Permutation mit n Fixpunten, die identische Abbildung (1)(2)...(n). Die Menge aller Permutationen vom Grad n mit disjunten Zyeln wird in zwei Teilmengen zerlegt. Sei A die Menge aller Permutationen vom Grad n mit disjunten Zyeln, die n als Fixpunt enthalten, und sei B die Menge der übrigen Permutationen vom Grad n mit disjunten Zyeln. Mit dem Additionsprinzip folgt s 0 (n, ) = A + B. Jeder Permutation in A wird durch Fortlassen des Fixpunts n zu einer Permutation vom Grad n 1 mit 1 disjunten Zyeln. Dadurch ergibt sich eine Bijetion von A auf die Menge aller Permutationen vom Grad n 1 mit 1 disjunten Zyeln. Mit dem Gleichheitsprinzip folgt A = s 0 (n 1, 1).

7 10.4 Permutationen und Zyeltypen 103 Jeder Permutation π =...(..., i, n, j,...)... B wird ein Paar zugewiesen, bestehend aus dem Urbild i von n unter π und einer Permutation... (..., i, j,...)... vom Grad n 1, die aus π durch Entfernen von n entsteht. Dadurch erhellt sich eine Bijetion von B auf das artesischen Produt von n 1 und der Menge aller Permutationen vom Grad n 1 mit disjunten Zyeln. Mit dem Multipliations- und Gleichheitsprinzip folgt B = (n 1) s 0 (n 1, ). Die Stirling-Zahlen erster Art sind gegeben durch s(n, ) = ( 1) n s 0 (n, ). (10.13) Für die Stirling-Zahlen erster Art gilt n ( )( ) n 1 l 2n s(n, ) = ( 1) l S(n + l, l), (10.14) n + l n l l=0 wobei die S(n, ) Stirling-Zahlen zweiter Art bezeichnen (Abs. 11.2). Zyeltypen Eine Permutation π vom Grad n hat den Zyeltyp n n, wenn die Zyeldarstellung von π aus i Zyeln der Länge i besteht. Der Zyeltyp ist als symbolischer Ausdruc zu verstehen. Eine Permutation vom Zyeltyp n n hat den Grad und die Anzahl ihrer Zyeln ist n = n n (10.15) = n. (10.16) Beispiel Die Permutationen vom Zyeltyp lauten (1)(23), (2)(13) und (3)(12). Satz Die Anzahl der Permutationen vom Zyeltyp n n ist gleich n!. (10.17) 1! 2!... n! n... n Beweis. Die Permutationen vom Zyeltyp n n resultieren durch Füllen des untenstehenden Gerüsts mit den n-permutationen von n 1 2 {}}{{}}{{}}{ ( )( )...( ) ( )( )...( ) ( )( )...( )... Nach Korollar ist die Anzahl der n-permutationen von n gleich n!. Dieselbe Permutation wird auf zwei Arten erhalten: Erstens, wenn Zyeln gleicher Länge vertauscht werden, wofür es 1! 2!... n! Möglicheiten gibt. Zweitens, wenn die Elemente eines Zyels zylisch verschoben werden, wofür n n Möglicheiten existieren. 3

8 Kombinationen und Permutationen Satz Die Anzahl der fixpuntfreien Permutationen vom Grad n ist gleich ( ) n ( 1) i (n i)!. (10.18) i i=0 Beweis. Sei A die Menge aller Permutationen vom Grad n. Sei A i die Menge derjeniger Permutationen vom Grad n, die i n als Fixpunt enthalten. Die Menge aller fixpuntfreien Permutationen vom Grad n ist dann n A \ ( A i ). i=1 Sei I eine Teilmenge von n. Die Menge aller Permutationen vom Grad n, die alle Elemente aus I invariant lassen, ist A j. j I Diese Menge entspricht der Menge aller Permutationen von n \ I, die nach Satz die Mächigeit (n I )! besitzt. Diese Zahl hängt nur von der Mächtigeit von I ab. Deshalb die vereinfachte Siebformel 9.12 anwendbar ist, so dass für die Anzahl der fixpuntfreien Permutationen von Grad n gilt n A \ ( A i ) = n! + i=1 ( ) n ( 1) i (n i)! = i i=1 ( n ( 1) i i i=0 ) (n i)! Variationen Variationen sind Permutationen mit Wiederholung. Ein Wort der Länge über n wird eine -Variation von n genannt. Beispiel Die 2-Variationen von 4 lauten 11, 12, 21, 13, 31, 14, 41, 22, 23, 32, 24, 42, 33, 34, 43 und 44. Eine -Variation x 1 x 2...x von n entspricht einer Abbildung f : n mit f(i) = x i für 1 i, und umgeehrt. Die Menge aller -Variationen von n ist also identisch mit der Menge aller Abbildungen von nach n. Satz Die Anzahl der Abbildungen von nach n ist gleich n. Beweis. Es gilt n = n = n = n, (10.19) wobei die erste Identität aus Satz 6.10 und dem Gleichheitsprinzip folgt, während sich die zweite Gleichung aus Multipliationsprinzip ergibt.

9 10.5 Variationen 105 Die Zahl n beschreibt die Anzahl der Möglicheiten, Elemente aus einer n-elementigen Menge auszuwählen, wobei jedes Element mehrfach ausgewählt werden darf und es auf die Reihenfolge der Elemente anommt. Eine -Variation von n heißt vom Typ n n, wenn sie i Buchstaben i enthält. Der Typ einer Variation ist ebenfalls als symbolisches Produt zu verstehen. Für jede -Variation vom Typ n n gilt = n. (10.20) Die Anzahl der -Variationen vom Typ n n wird Multinomialzahl von über 1,..., n genannt, urz ( ). (10.21) 1, 2,..., n Satz Für natürliche Zahlen, 1,..., n mit = n gilt ( )! = 1, 2,..., n 1! 2!... n!. (10.22) Beweis. In einem Wort der Länge önnen 1 Buchstaben 1 auf ( ) 1 Arten platziert werden. In den verbliebenen 1 freien Stellen lassen sich 2 Buchstaben 2 auf ( 1 ) 2 Arten platzieren. Auf diese Weise fortfahrend ergibt sich ( ) ( )( ) 1 = 1, 2,..., n 1 2 ( 1... n 1 n ). Daraus folgt mit Hilfe von (10.3) die Behauptung. Im Falle n = 2 werden aus Multinomialzahlen Binomialzahlen ( ) ( ) ( ) = =. (10.23) 1, Die Multinomialzahl ( ) 1,..., n beschreibt die Anzahl der Möglicheiten, Objete, von denen jeweils 1,..., n Objete gleich sind, in beliebiger Reihenfolge anzuordnen. Beispiel Das Wort MISSISSIPPI entspricht dem Wort , einer 11-Variation vom Typ Die Anzahl der Wörter, die sich mit den Buchstaben des Wortes MISSISSIPPI bilden lassen, orrespondiert zur Anzahl der 11-Variationen vom Typ ( ) 11 = , 4, 4, 2 Die Multinomialzahl ( ) 1,..., n beschreibt die Anzahl der Abbildungen von nach n, in denen jeweils i Elemente aus auf i abgebildet werden.

10 Kombinationen und Permutationen Beispiel Die 4-Variationen vom Typ lauten 1123, 1132, 1213, 1231, 1312, 1321, 2113, 2131, 2311, 3112, 3121 und Diese Wörter entsprechen den Abbildungen f : 4 3, in denen jeweils zwei Elemente auf 1 und je ein Element auf 2 und 3 abgebildet werden. Die Anzahl dieser Abbildungen ist gleich ( ) 4 = 12. 2, 1, 1 Selbsttestaufgaben Ein Bauer auft drei Kühe, zwei Schweine und vier Hennen von einem Händler, der sechs Kühe, fünf Schweine und acht Hennen anbietet. Wie viele Möglicheiten der Auswahl hat der Bauer? In einem Behälter befinden sich fünf weiße und sechs rote Kugeln. Wie viele Möglicheiten gibt es, vier Kugeln zu ziehen, so dass zwei Kugeln weiß und zwei Kugeln rot sind? Eine Studentin hat in einer Prüfung sechs von acht Fragen richtig zu beantworten. Wie viele Möglicheiten gibt es, sechs dieser Fragen auszuwählen? Wie viele Möglicheiten gibt es, wenn die Studentin die ersten drei Fragen richtig beantworten muss. Wie viele Möglicheiten gibt es, wenn die Studentin mindestens vier der ersten fünf Fragen orret beanworten soll Zeige, dass für alle natürlichen Zahlen n 0 und m 1 gilt ( ) ( ) m + i m + n + 1 =. m m + 1 i= In einer Disussionsrunde mit drei Jungen und zwei Mädchen sollen alle Jungen und Mädchen in einer Reihe sitzen. Wie viele Anordnungen gibt es, wenn beide Mädchen nebeneinander sitzen? Bestimme die Anzahl der Wörter der Länge vier, die aus den Buchstaben des Wortes NUMERICAL gebildet werden önnen Wie viele Wörter önnen in der vorigen Aufgabe gebildet werden, wenn jedes Wort mit einem Konsonanten beginnen und enden soll? Bestimme die Anzahl der Möglicheiten, fünf große Bücher, vier mittelgroße Bücher und drei leine Bücher auf einem Regal so anzuordnen, dass alle Bücher gleicher Größe nebeneinander stehen Beweise die Gleichung (10.14) Aus einer n-elementigen Menge sind Elemente auszuwählen mit bzw. ohne Berücsichtigung der Reihenfolge und mit bzw. ohne Wiederholung der Elemente. Gib die Anzahl in jedem der vier Fälle an.

11 10.5 Variationen Berechne die Anzahl der Wörter der Länge sechs, die aus den Buchstaben A, C, D, H, I und U ohne Wiederholung gebildet werden önnen, wobei die Wörter ICH und DU nicht als Teilwörter enthalten sein dürfen Wie viele Wörter önnen mit dem Wort HUGENOTTEN gebildet werden? Wie viele Wörter gibt es, die das Bigramm TT enthalten?

12 Kombinationen und Permutationen

13 11 Partitionen In diesem Kapitel wird die im letzten Kapitel begonnene Abzählungstheorie der lassischen Abbildungstypen mit Nebenbedingungen fortgesetzt Mengenpartitionen Wachstumsbeschränte Wörter Ein Wort x = x 1... x n der Länge n über N heißt wachstumsbeschränt, wenn x 1 = 1 und x i max{x 1,...,x i 1 } + 1 für 2 i n. (11.1) Beispiel Die wachstumsbeschränten Wörter der Länge 3 lauten 111, 112, 121, 122 und 123. Eine Partition der Menge n, die aus Blöcen besteht, wird -Partition von n genannt. Beispiel Die 2-Partitionen von 3 lauten {{1}, {2, 3}}, {{2}, {1, 3}} und {{3}, {1, 2}}. Satz Seien und n natürliche Zahlen mit 1 n. Die -Partitionen von n entsprechen den wachstumsbeschränten Wörtern x = x 1,...,x n der Länge n mit der Eigenschaft = max{x 1,...,x n }. (11.2) Beweis. Sei P = {P 1,...,P } eine -Partition von n. O.B.d.A. seien die Blöce von P so nummeriert, dass 1 P 1 und P j die leinste Zahl enthält, die in P 1,...,P j 1 nicht vorommt. Einer solchen Partition P wird ein Wort x = x 1...x n wie folgt zugeordnet x i = j : i P j. (11.3)

14 Partitionen Das so definierte Wort x ist nach Definition von P wachstumsbeschränt und erfüllt die Bedingung (11.2). Diese Zuordnung liefert eine bijetive Abbildung von der Menge aller -Partitionen von n auf die Menge aller wachstumsbeschränten Wörter der Länge n mit der Eigenschaft (11.2). Beispiel Die Beziehung zwischen den Partitionen von 3 und den wachstumsbeschränten Wörtern der Länge 3 zeigt folgende Tabelle Partitionen Wörter {{1, 2, 3}} 111 {{1}, {2, 3}} 122 {{1, 2}, {3}} 112 {{1, 3}, {2}} 121 {{1}, {2}, {3}} 123 Blocstrutur von Partitionen Wir lassifizieren Partitionen hinsichtlich ihrer Blocstrutur. Eine -Partition von n hat den Typ n n, wenn sie i Blöce der Mächtigeit i enthält. Für jede -Partition vom Typ n n gilt n = und n n = n. (11.4) Beispiel Die Partitionen vom Typ sind {{1}, {2, 3}}, {{2}, {1, 3}} und {{3}, {1, 2}}. Satz Die Anzahl der -Partitionen vom Typ n n ist gleich n!. (11.5) 1! 2!... n (1!) 1 (2!) 2 n... (n!) Beweis. Die -Partitionen vom Typ n n werden erhalten durch Füllen des untenstehenden Gerüsts mit den n-permutationen von n 1 {}}{... 2 {}}{... 3 {}}{ Nach Korollar ist die Anzahl dieser Permutationen gleich n!. Dieselbe Partition entsteht auf zwei Arten. Erstens, wenn Blöce gleicher Kardinalität vertauscht werden, wofür es 1! 2!... n! Möglicheiten gibt. Zweitens, wenn die Elemente eines Bloces vertauscht werden, wofür (1!) 1 (2!) 2... (n!) n Möglicheiten existieren. Die Anzahl der Partitionen vom Typ n n beschreibt die Anzahl der Möglicheiten, n unterscheidbare Kugeln auf ununterscheidbare Behälter so zu verteilen, dass i Behälter jeweils i Kugeln enthalten.

15 11.2 Stirling-Zahlen Stirling-Zahlen Stirling-Zahlen zweiter Art Die Anzahl der -Partitionen von n heißt Stirling-Zahl zweiter Art und wird mit S(n, ) bezeichnet. Eine Partition von n ann höchstens n Blöce enthalten. Also ist S(n, ) = 0, falls > n. Satz Für jede natürliche Zahl n gilt S(n, 1) = 1 und S(n, n) = 1. (11.6) Für alle natürlichen Zahlen n und mit 1 < < n gilt S(n, ) = S(n 1, 1) + S(n 1, ). (11.7) Beweis. Die einzige 1-Partition von n ist {n} und eine einzige n-partition von n ist {{1},..., {n}}. Die Menge aller -Partitionen von n wird in zwei Teilmengen zerlegt. Sei A die Menge aller -Partitionen von n, die {n} enthalten, und sei B die Menge der übrigen -Partitionen von n. Mit dem Additionsprinzip folgt S(n, ) = A + B. Jedes Element {P 1,..., P 1, {n}} A wird durch Fortlassen von {n} zu einer ( 1)-Partition {P 1,..., P 1 } von n 1. Diese Zuordnung liefert eine bijetive Abbildung von A auf die Menge aller ( 1)-Partitionen von n 1. Mit dem Gleichheitsprinzip folgt A = S(n 1, 1). Jede -Partition P = {P 1,...,P } von n 1 ist fortsetzbar zu n Partitionen P (1),..., P (n) von B, so dass in P (i) der Bloc P i um das Element i erweitert wird. Die Zuordnung (i, P) P (i) liefert eine bijetive Abbildung des artesischen Produts von und der Menge aller -Partitionen von n 1 auf die Menge B. Mit dem Multipliations- und Gleichheitsprinzip folgt B = S(n 1, ). Die Stirling-Zahl S(n, ) beschreibt die Anzahl der Möglicheiten, n unterscheidbare Kugeln auf ununterscheidbare Behälter zu verteilen. Bell-Zahlen Die Anzahl der Partitionen einer n-elementigen Menge wird n-te Bell-Zahl genannt und mit B(n) bezeichnet. Für jede natürliche Zahl n gilt B(n) = S(n, ). (11.8) =1 Die ersten fünf Bell-Zahlen lauten B(1) = 1, B(2) = 2, B(3) = 5, B(4) = 15 und B(5) = 52. Ferner wird B(0) = 1 gesetzt. Die Bell-Zahl B(n) beschreibt nach den Sätzen 5.5 und 5.6 die Anzahl der Äquivalenzen auf einer n-elementigen Menge.

16 Partitionen Satz Für jede natürliche Zahl n 1 gilt B(n) = =1 ( ) n 1 B(n ). (11.9) 1 Beweis. Sei eine natürliche Zahl mit 1 n. Sei T = {i 1,..., i 1, n} eine -Teilmenge von n. Die Partitionen von n, die T als Element enthalten, entsprechen den Partitionen von n. Die Anzahl solcher Partitionen ist definitionsgemäß B(n ). Die Anzahl aller -Teilmengen von n, die n als Element besitzen, ist per definitionem ( n 1 1). Mit dem Multipliationsprinzip folgt, dass ( n 1 1) B(n ) die Anzahl der Partitionen von n beschreibt, die eine -Teilmenge von n der Form {i 1,...,i 1, n} als Element enthalten. Daraus folgt die Behauptung. Stirling-Zahlen erster und zweiter Art Die Stirling-Zahlen erster und zweiter Art sind eng vernüpft. Satz Für alle natürlichen Zahlen n und mit n gilt S(n, l)s(l, ) = s(n, l)s(l, ) = δ n,, (11.10) l= l= wobei δ n, das Kronecer-Symbol bezeichnet { 1 falls n =, δ n, = 0 sonst. (11.11) Der Beweis wird durch vollständige Indution nach n mithilfe der bewiesenen Formeln für die Stirling-Zahlen geführt. Um den Satz in der Sprache der Linearen Algebra zu formulieren, betrachten wir eine n n-matrix A mit den Einträgen S(i, j) und eine n n-matrix B mit den Einträgen s(i, j). Beide Matrizen sind untere Dreiecsmatrizen, denn im Falle i < j gilt S(i, j) = s(i, j) = 0. Korollar Für die Stirling-Matrizen A und B gilt A = B 1. Surjetive Abbildungen Satz Die Anzahl der surjetiven Abbildungen von n auf ist gleich! S(n, ). Beweis. Jede -Partition P = {P 1,...,P } von n definiert eine surjetive Abbildung f P : n mit f P (x) = i : x P i.

17 11.3 Zahlpartitionen 113 Die Komposition von f P mit einer Permutation π vom Grad liefert nach Satz 6.6 eine surjetive Abbildung πf P : n. Seien P und Q -Partitionen von n und π und σ Permutationen vom Grad. Aus πf P = σf Q folgt P = Q und π = σ. Also gibt es nach dem Multipliationsprinzip! S(n, ) surjetive Abbildungen der Form πf P von n auf. Sei f : n eine surjetive Abbildung. Die Menge ihrer Urbilder, P = {f 1 (i) i }, ist eine -Partition von n mit f = f P. Satz Die Anzahl der surjetiven Abbildungen von n auf ist gegeben durch ( ) ( 1) i ( i) n. (11.12) i i=0 Beweis. Sei A die Menge aller Abbildungen von n nach. Sei A i die Menge derjeniger Abbildungen von n nach, in deren Wertebereich das Element i n nicht enthalten ist. Die Menge aller surjetiven Abbildungen von n auf ist dann gleich A \ ( i=1 A i). Sei I eine Teilmenge von. Die Menge aller Abbildungen f von n nach mit f(n) I = ist j I A j. Diese Menge entspricht der Menge aller Abbildungen von n in eine ( I )-elementige Menge. Letztere Menge hat nach Satz die Mächigeit ( I ) n. Diese Zahl hängt nur von der Mächtigeit von I ab. Also ist die spezialisierte Siebformel 9.12 anwendbar, so dass für die Anzahl der surjetiven Abbildungen von n auf gilt A \ ( A i ) = n + i=1 ( ) ( 1) i ( i) n = i i=1 ( ( 1) i i i=0 ) ( i) n. Die Stirling-Zahlen zweiter Art sind vermöge der Sätze und diret berechenbar. Korollar Für alle natürlichen Zahlen n und mit 1 n gilt S(n, ) = 1! ( ) ( 1) i ( i) n. (11.13) i i= Zahlpartitionen Geordnete Zahlpartitionen Ein Wort x 1 x 2...x der Länge über N heißt eine geordnete -Zahlpartition von n, wenn x 1 +x x = n. Die Anzahl der geordneten -Zahlpartitionen von n wird mit p(n, ) bezeichnet. Es gilt p(n, ) = 0, falls > n.

18 Partitionen Beispiel Die geordneten -Zahlpartitionen von 5 lauten geord. -Zahlpartitionen von , 41, 23, , 131, 311, 122, 212, , 1121, 1211, Satz Für jede natürliche Zahl n gilt p(n, 1) = 1 und p(n, n) = 1. (11.14) Für alle natürlichen Zahlen n und mit 1 < < n gilt ( ) n 1 p(n, ) =. (11.15) 1 Beweis. Die einzige geordnete 1-Zahlpartition von n ist n und die einzige geordnete n-zahlpartition von n ist Sei x = x 1 x 2...x eine geordnete -Zahlpartition von n. Wir ordnen x ein Wort y = y 1 y 2... y 1 zu, wobei y i = x x i, 1 i 1. Das Wort y ist eine ( 1)-Kombination von n 1, denn 1 x 1 < x 1 + x 2 <... < x 1 + x x 1 = n x n 1. Umgeehrt sei y = y 1 y 2...y 1 eine ( 1)-Kombination von n 1. Wir weisen y ein Wort x = x 1 x 2... x zu, wobei x 1 = y 1, x i = y i y i 1, für 2 i 1, und x = n y 1. Dieses Wort x ist per definitionem eine geordnete -Zahlpartition von n. Diese Zuordnungen sind invers zueinander. Sie liefern eine Bijetion zwischen der Menge aller geordneten -Zahlpartition von n auf die Menge aller ( 1)- Kombination von n 1. Mit dem Gleichheitsprinzip ergibt sich die Behauptung. Beispiel Die im Beweis des Satzes definierte Bijetion verdeutlicht die folgende Tabelle geord. 3-Zahlpartition von 5 2-Kombination von Die Zahl p(n, ) beschreibt die Anzahl der Möglicheiten, n ununterscheidbare Kugeln auf unterscheidbare Behälter so zu verteilen, dass jeder Behälter mindestens eine Kugel enthält.

19 11.3 Zahlpartitionen 115 Ungeordnete Zahlpartitionen Ein Wort x 1 x 2...x der Länge über N heißt eine ungeordnete -Zahlpartition von n, wenn x 1 x 2... x und x 1 + x x = n. Die Anzahl der ungeordneten -Zahlpartitionen von n wird mit P(n, ) bezeichnet. Es gilt P(n, ) = 0, falls > n. Beispiel Die ungeordneten -Zahlpartitionen von 5 lauten ungeord. -Zahlpartitionen von , , Satz Für jede natürliche Zahl n gilt P(n, 1) = 1 und P(n, n) = 1. (11.16) Für alle natürlichen Zahlen n und mit 1 < < n gilt P(n, ) = P(n, ) + P(n 1, 1). (11.17) Beweis. Die einzige ungeordnete n-zahlpartition von n ist und die einzige ungeordnete 1-Zahlpartition von n ist n. Die Menge aller ungeordneten -Zahlpartitionen von n wird in zwei Teilmengen zerlegt. Sei A die Menge aller ungeordneten -Zahlpartitionen von n, die nur Zahlen 2 enthalten, und sei B die Menge der übrigen ungeordneten -Zahlpartitionen von n. Mit dem Additionsprinzip folgt P(n, ) = A + B. Ein Wort x 1 x 2... x A wird zu einer ungeordneten -Zahlpartition y 1 y 2...y von n, wenn von jedem x i Eins subtrahiert wird, also y i = x i 1. Diese Zuordnung liefert eine Bijetion von A auf die Menge aller ungeordneten -Zahlpartitionen von n. Mit dem Gleichheitsprinzip ergibt sich A = P(n, ). Ein Wort x 1 x 2...x B beginnt definitionsgemäß mit x 1 = 1 und wird zu einer ungeordneten ( 1)-Zahlpartition x 2...x von n 1, wenn x 1 weggelassen wird. Diese Zuordnung definiert eine bijetive Abbildung von B auf die Menge aller ungeordneten ( 1)-Zahlpartitionen von n 1. Mit dem Gleichheitsprinzip folgt B = P(n 1, 1). Die Zahl P(n, ) spezifiziert die Anzahl der Möglicheiten, n ununterscheidbare Kugeln auf ununterscheidbare Behälter so zu verteilen, dass jeder Behälter wenigstens eine Kugel aufnimmt. Ferner läßt sich P(n, ) als die Anzahl aller Möglicheiten interpretieren, die Zahl n als Summe von positiven ganzen Zahlen darzustellen.

20 Partitionen Beispiel Die Zahl 10 ann auf P(10, 3) = 8 Arten als Summe von drei positiven ganzen Zahlen geschrieben werden 10 = = = = = = = = Die Zähloeffizienten P(n, ) sind unter den behandelten Zähloeffizienten die einzigen, für die eine explizite Berechnungsvorschrift beannt ist. Selbsttestaufgaben Beweise den Satz Gegeben seien n Kugeln und r Fächer. Die Kugeln werden in die Fächer anhand einer Abbildung f : n r platziert. Einerseits ann nach den Abbildungstypen lassifiziert werden, je nachdem, ob f injetiv, surjetiv oder bijetiv ist oder eine dieser Eigenschaften hat. Die Injetivität besagt, dass in jedes Fach höchstens eine Kugel ommt, die Surjetivität, dass mindestens eine Kugel in jedes Fach gelegt wird, und die Bijetivität, dass jedes Fach genau eine Kugel aufnimmt. Zum anderen ann danach lassifiziert werden, ob die Kugeln oder Fächer unterscheidbar oder ununterscheidbar sind. Diese Fragestellung führt auf insgesamt sechzehn Fälle, die in folgender Tabelle zusammengefasst sind: Kugeln gefärbt Fächer gefärbt Kugeln gefärbt Fächer einfarbig Kugeln einfarbig Fächer gefärbt Kugeln einfarbig Fächer einfarbig Trage die entsprechenden Anzahlen ein. f beliebig f injetiv f surjetiv f bijetiv

4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align

4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align 4. Die elementaren Zählfuntionen 4.1 Untermengen Definition 165 (Binomialoeffizienten) align ( ) n := 1 n N 0 0 ( ) n := 0 n

Mehr

Nützlich bei Diskretisierungen von Problemen sind Gaussklammern, die reellen Werten ganzzahlige zuordnen:

Nützlich bei Diskretisierungen von Problemen sind Gaussklammern, die reellen Werten ganzzahlige zuordnen: Nützlich bei Disretisierungen von Problemen sind Gausslammern, die reellen Werten ganzzahlige zuordnen: Definition 57 (floor, ceiling.. r R : floor(r := r := max{z Z z r} 2. r R : ceiling(r := r := min{z

Mehr

Grundlagen der Kombinatorik

Grundlagen der Kombinatorik 60 Kapitel 4 Grundlagen der Kombinatori Einer der Schwerpunte der Kombinatori ist das Abzählen von endlichen Mengen. Wir stellen zunächst einige Grundregeln des Abzählens vor, die wir gelegentlich auch

Mehr

Über die so definierten Potenzen beweisen wir nun einige einfache Aussagen. = a m+n a Def.

Über die so definierten Potenzen beweisen wir nun einige einfache Aussagen. = a m+n a Def. 4 NATÜRLICHE ZAHLEN UND VOLLSTÄNDIGE INDUKTION 15 der Eigenschaften von N streng begründen, was hier aber nicht geschehen soll. (Statt Zahlen önnen die a n auch Elemente irgendwelcher Mengen sein.) Über

Mehr

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt Dr. M. Weimar 02.05.2016 Elemente der Stochasti (SoSe 2016) 5. Übungsblatt Aufgabe 1 (4 Punte) Beweisen sie, dass die Potenzmenge P(A) einer beliebigen endlichen Menge A genau P(A) 2 A Elemente enthält!

Mehr

2 Vollständige Induktion

2 Vollständige Induktion Vollständige Indution Wir unterbrechen jetzt die Disussion der Axiome der reellen Zahlen, um das Beweisverfahren der vollständigen Indution ennenzulernen. Wir setzen voraus, dass die natürlichen Zahlen

Mehr

1 Natürliche Zahlen und vollständige Indution Beispiel : Für jede Zahl x 6 1gilt die geometrische Summenformel 1+x + x + :::+ x n 1 xn+1 1 x : (I) Für

1 Natürliche Zahlen und vollständige Indution Beispiel : Für jede Zahl x 6 1gilt die geometrische Summenformel 1+x + x + :::+ x n 1 xn+1 1 x : (I) Für 1 Natürliche Zahlen und vollständige Indution Die ganzen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwer. (L. Kronecer) Wir setzen das System N der natürlichen Zahlen 1; ; 3;::: als beannt

Mehr

KAPITEL 2. Kombinatorik

KAPITEL 2. Kombinatorik KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathemati Prof. Dr. Oliver Matte Max Lein Zentralübung 15. Abzählbareit Mathemati für Physier 2 Analysis 1) Wintersemester 2010/2011 Lösungsblatt 3 29.10.2009) i)

Mehr

2.1 Klassische kombinatorische Probleme

2.1 Klassische kombinatorische Probleme 2 Kombinatori Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objeten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche

Mehr

solche Permutationen. Für n von 1 bis 8 ergeben sich folgende Zahlen: [ ]

solche Permutationen. Für n von 1 bis 8 ergeben sich folgende Zahlen: [ ] 5A Permutationen Symmetrien geometrischer Figuren beschreibt man mathematisch durch Vertauschungen einer gewissen Anzahl von Punten, welche die Gesamtfigur unverändert lassen Beispiel : Drehungen und Spiegelungen

Mehr

Abzählende Kombinatorik

Abzählende Kombinatorik Kapitel Abzählende Kombinatori Die in diesem Kapitel behandelte abzählende Kombinatori untersucht endliche Struturen und beschäftigt sich mit den Möglicheiten Objete anzuordnen oder auszuwählen Die abzählende

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

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

Mehr

Wie viele Möglichkeiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n = 5? Für n = 2 gibt es 2 Möglichkeiten.

Wie viele Möglichkeiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n = 5? Für n = 2 gibt es 2 Möglichkeiten. n-faultät Wie viele Möglicheiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n? Für n gibt es Möglicheiten. Für n 3 hat das 3. Kind 3 Möglicheiten, die beiden restlichen Plätze önnen jeweils

Mehr

Kombinatorik und Urnenmodelle

Kombinatorik und Urnenmodelle Kapitel 2 Kombinatori und Urnenmodelle In diesem Abschnitt nehmen wir an, dass (Ω, A, P ein Laplace scher Wahrscheinlicheitsraum ist (vgl. Bsp.1.3, d.h. Ω ist endlich, A = P (Ω und P (A = A Ω A Ω. Für

Mehr

Algebra - Neutrales und Nullelement. Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation

Algebra - Neutrales und Nullelement. Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation Algebra - Neutrales und Nullelement Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation 1. ein r S mit x S : x r = x, nennt man r rechtneutrales Element 2. ein l S mit x S : l x = x, nennt

Mehr

Kombinatorik. ÖMO-Fortgeschrittenen-Kurs an der TU Graz. Jan Pöschko. 6. März Grundlegendes 2. 2 Zählen mit Binomialkoeffizienten 3

Kombinatorik. ÖMO-Fortgeschrittenen-Kurs an der TU Graz. Jan Pöschko. 6. März Grundlegendes 2. 2 Zählen mit Binomialkoeffizienten 3 Kombinatori ÖMO-Fortgeschrittenen-Kurs an der TU Graz Jan Pöscho 6. März 009 Inhaltsverzeichnis Grundlegendes Zählen mit Binomialoeffizienten 3 3 Inlusions-Exlusions-Prinzip 4 4 Schubfachschluss 6 Zählen

Mehr

WS 2013/14. Diskrete Strukturen

WS 2013/14. Diskrete Strukturen WS 2013/14 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/ws1314

Mehr

Analyse von Hashfunktionen

Analyse von Hashfunktionen Analyse von Hashfuntionen Borys Gendler 5. Februar 2007 In dieser Arbeit wird die Anzahl der Kollisionen beim Einfügen eines Elements in einer Hashtabelle untersucht. Wir beantworten die Frage, wie sich

Mehr

Kombinatorik. LSGM Leipziger Schülergesellschaft für Mathematik. Toscho Mathecamp 12. Juli 21. Juli 2008 Klasse 11/12. Inhaltsverzeichnis

Kombinatorik. LSGM Leipziger Schülergesellschaft für Mathematik. Toscho Mathecamp 12. Juli 21. Juli 2008 Klasse 11/12. Inhaltsverzeichnis LSGM Leipziger Schülergesellschaft für Mathemati Kombinatori Toscho Mathecamp 1. Juli 1. Juli 008 Klasse 11/1 Inhaltsverzeichnis 1 Grundlagen Aufgaben 3 3 Politi in der Mathemati 3 4 Olympiadeaufgaben

Mehr

WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3)

WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3) WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15

Mehr

Natürliche und ganze Zahlen, vollständige Induktion und Kombinatorik

Natürliche und ganze Zahlen, vollständige Induktion und Kombinatorik Kapitel 2 Natürliche und ganze Zahlen, vollständige Indution und Kombinatori 2.1 N, Z (Gruppe; Ordnungsrelation Jeder hat eine intuitive Vorstellung von der Menge der natürlichen Zahlen N : {1, 2, 3...

Mehr

Teil 1. Mathematische Grundlagen

Teil 1. Mathematische Grundlagen Teil 1 Mathematische Grundlagen 5 6 1.1 Aussagenlogi Aussage und Axiom Aussage: sprachlicher Ausdruc mit eindeutigem Wahrheitswert w ( wahr ) bzw. f ( falsch ) A : Beschreibung Axiom: grundlegende nicht

Mehr

$Id: reell.tex,v /11/15 13:12:24 hk Exp $

$Id: reell.tex,v /11/15 13:12:24 hk Exp $ $Id: reell.tex,v.8 200//5 3:2:24 h Exp $ 4 Die reellen Zahlen 4.3 Das Vollständigeitsaxiom Wir hatten das Supremum einer Menge M R als die leinste obere Schrane von M definiert, sofern eine solche überhaupt

Mehr

Univ.-Prof. Dr. Goulnara ARZHANTSEVA

Univ.-Prof. Dr. Goulnara ARZHANTSEVA Diskrete Mathematik Univ.-Prof. Dr. Goulnara ARZHANTSEVA SS 2018 c Univ.-Prof. Dr. Goulnara Arzhantseva Kapitel 02: Funktionen, Multimengen, Kompositionen 1 / 18 Funktionen zwischen endlichen Mengen [n]

Mehr

Technische Universität München. Aufgaben Montag WS 2011/12

Technische Universität München. Aufgaben Montag WS 2011/12 Technische Universität München Andreas Wörfel Ferienurs Analysis 1 für Physier Aufgaben Montag WS 2011/12 Aufgabe 1 Ne Menge Mengen a Zeigen Sie: A B A B B Zeige: A B A B B x (A B x A B x B, also: (A B

Mehr

2. Unendliche Mengen endliche vs. unendliche Mengen, abzählbare vs. überabzählbare Mengen

2. Unendliche Mengen endliche vs. unendliche Mengen, abzählbare vs. überabzählbare Mengen Diskrete Mathematik LVA 405.020 C. Fuchs Inhaltsübersicht 31.01.2018 Inhaltsübersicht Die diskrete Mathematik beschäftigt sich, im Gegensatz zur Analysis, mit diskreten anstatt kontinuierlichen (stetigen)

Mehr

3.8 Redundante Datenspeicherung und Fehlerkorrektur Seien natürliche Zahlen k, t und s so gewählt, dass. k + 2t 2 s 1.

3.8 Redundante Datenspeicherung und Fehlerkorrektur Seien natürliche Zahlen k, t und s so gewählt, dass. k + 2t 2 s 1. 38 Redundante Datenspeicherung und Fehlerorretur Seien natürliche Zahlen, t und s so gewählt, dass + 2t 2 s 1 Sei weiter K = GF (2 s ), und seien c 0,, c 1 K Wir fassen die c i sowohl als Elemente von

Mehr

Bei Permutationen ohne Wiederholung geht es um das Anordnen von n Dingen, die mit den Zahlen 1,2,,n nummeriert sind.

Bei Permutationen ohne Wiederholung geht es um das Anordnen von n Dingen, die mit den Zahlen 1,2,,n nummeriert sind. 6 Kombinatori PermutationenOhneWiederholung@n_IntegerD := Permutations@Range@nDD PermutationenMitWiederholung@n_ListD := Permutations@Flatten@Table@Table@i, 8n@@iDD

Mehr

Kapitel 2. Kapitel 2 Zählen (Kombinatorik)

Kapitel 2. Kapitel 2 Zählen (Kombinatorik) Zählen (Kombinatorik) Inhalt 2.1 2.1 Einfache Zählformeln A A B B = A A + B. B. 2.2 2.2 Binomialzahlen 2.3 2.3 Die Die Siebformel 2.4 2.4 Permutationen Seite 2 2.1 Einfache Zählformeln Erinnerung: Für

Mehr

Berechnung von Teilmengen

Berechnung von Teilmengen Berechnung von Teilmengen Satz Anzahl der Teilmengen 2 n = n k=0 k=0 ( ) n k Beweis Korollar aus Binomischem Lehrsatz (1 + 1) n = n ( n k=0 k) 1 k 1 n k. Oder kombinatorisch: Sei M Menge mit M = n. Die

Mehr

15.2 Kombinatorische Abzählformeln

15.2 Kombinatorische Abzählformeln 15.2 Kombinatorische Abzählformeln 1. Permutationen In wie vielen verschiedenen Reihenfolgen ann man n verschiedene Dinge anordnen? Wie viele Reihenfolgen gibt es, wenn die Dinge nicht alle verschieden

Mehr

Prof. S. Krauter Kombinatorik. WS Blatt04.doc

Prof. S. Krauter Kombinatorik. WS Blatt04.doc Prof. S. Krauter Kombinatorik. WS-05-06 Blatt04.doc Mengenpartitionen:. Auf dem Tisch liegen 7 verschiedene Gegenstände. Wie viele verschiedene Möglichkeiten gibt es, diese 7 Gegenstände in 3 gleiche Schachteln

Mehr

Kombinatorik kompakt. Stochastik WS 2016/17 1

Kombinatorik kompakt. Stochastik WS 2016/17 1 Kombinatorik kompakt Stochastik WS 2016/17 1 Übersicht Auswahl/Kombinationen von N aus m Elementen Statistische unterscheidbare ununterscheidbare Physik Objekte (gleiche) Objekte ( ohne m N m+n 1 ) N mit

Mehr

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen: Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere

Mehr

Universität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente

Universität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente Universität Basel Wirtschaftswissenschaftliches Zentrum Kombinatorik Dr. Thomas Zehrt Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente 2 Teil 1 Endliche Mengen Eine endliche Menge M ist eine Menge,

Mehr

3 Überlagerungen und Quotienten

3 Überlagerungen und Quotienten $Id: quotient.tex,v 1.12 2017/01/25 18:36:36 h Exp $ 3 Überlagerungen und Quotienten 3.3 Der Riemannsche Existenzsatz Wie in der letzten Sitzung angeündigt wollen wir nun den Riemannschen Existenzsatz

Mehr

Klausur: Diskrete Strukturen I

Klausur: Diskrete Strukturen I Universität Kassel Fachbereich 10/16 13.09.01 Klausur: Diskrete Strukturen I Name: Vorname: Matrikelnummer: Versuch: Unterschrift: Bitte fangen Sie für jede Aufgabe ein neues Blatt an. Beschreiben Sie

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Kapitel 7 Wahrscheinlicheitsrechnung 7.1 Kombinatori Def. 7.1.1:a) Für eine beliebige natürliche Zahl m bezeichnet man das Produt aus den Zahlen von 1 bis m mit m Faultät: m! : 1 2 3 m, 0! : 1. Beispiele:

Mehr

Vorkurs Mathematik. Vorlesung 5. Verknüpfungen

Vorkurs Mathematik. Vorlesung 5. Verknüpfungen Prof. Dr. H. Brenner Osnabrüc WS 2009/2010 Vorurs Mathemati Vorlesung 5 Vernüpfungen Die Addition und die Multipliation auf den natürlichen Zahlen und die Hintereinanderschaltung von Abbildungen auf einer

Mehr

Die Zahlbereiche N, Z, Q

Die Zahlbereiche N, Z, Q Die Zahlbereiche N, Z, Q Ausgangspunt: N = {1,, 3...} Menge der natürlichen Zahlen schrittweise Konstrution 1 := { }, := {, { }}, 3 := {, { }, {, { }}}... (also: n + 1 := n {n} J.v. Neumann 193 N wird

Mehr

Mathematik 1 nach der Vorlesung Mathematik für Physiker 1 Wiebe. Sebastian Ritz

Mathematik 1 nach der Vorlesung Mathematik für Physiker 1 Wiebe. Sebastian Ritz Mathemati 1 nach der Vorlesung Mathemati für Physier 1 Wiebe Sebastian Ritz 2 Inhaltsverzeichnis 1 Einleitung 5 2 Mengen 7 2.1 Liste der Zahlenbereiche....................... 8 2.2 Rechenregeln für Mengen......................

Mehr

2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin

2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin 2 Kombinatorik Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objekten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche

Mehr

Kommentare und Lösungen zur Aufgabe 2 in Serie 1

Kommentare und Lösungen zur Aufgabe 2 in Serie 1 Analysis 1 Herbstsemester 2018 Prof. Peter Jossen 9. Otober 2018 Kommentare und Lösungen zur Aufgabe 2 in Serie 1 Ich habe zwei Lösungsversuche zur Aufgabe 2 in Serie 1 erhalten. Die erste führt nicht

Mehr

Lösung zu Serie 20. Die Menge der Polynome vom Grad 4 ohne Nullstelle ist gegeben durch

Lösung zu Serie 20. Die Menge der Polynome vom Grad 4 ohne Nullstelle ist gegeben durch Lineare Algebra D-MATH, HS 2014 Prof. Richard Pin Lösung zu Serie 20 1. (a) Bestimme alle irreduziblen Polynome vom Grad 4 in F 2 [X]. (b) Bestimme die Fatorisierung von X 6 + 1 und X 10 + 1 und X 20 +

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrüc SS 2009 Einführung in die Algebra Vorlesung 15 Der Hauptsatz der elementaren Zahlentheorie Wir beweisen nun, dass sich jede natürliche Zahl in eindeutiger Weise als Produt

Mehr

(λ), t P j i = P j i. heißt symmetrisch, wenn t A = A und antisymmetrisch, wenn

(λ), t P j i = P j i. heißt symmetrisch, wenn t A = A und antisymmetrisch, wenn 3. 1 Transposition der Elementarmatrizen aus R n n. Für 1 i, j n und λ G(R) bzw. λ R gilt t S i (λ) S i (λ), t Q j i (λ) Qi j (λ), t P j i P j i. 3. 11 Definition. Eine Matrix A R n n t A A. heißt symmetrisch,

Mehr

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie Prof. Dr. H. Brenner Osnabrüc SS 2008 Zahlentheorie Vorlesung 5 In diesem Abschnitt beschäftigen wir uns mit der Einheitengruppe der Restlassenringe Z/(n), also mit (Z/(n)). Ihre Anzahl wird durch die

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 2008/09 Blatt

Mehr

Kombinatorik. Kombinatorik

Kombinatorik. Kombinatorik Kombinatori Kombinatori Ziel: Bestimmen der Mächtigeiten bestimmter endlicher Mengen, die durch Anordnung oder Auswahl von Elementen einer Menge gebildet werden. Wir wissen bereits, dass für die Potenzmenge

Mehr

Anmerkungen zu Mengen und Abbildungen

Anmerkungen zu Mengen und Abbildungen Anmerkungen zu Mengen und Abbildungen Kartesisches Produkt von n Mengen und n-stellige Relationen Sind M 1, M,, M n nichtleere Mengen, so ist ihr kartesisches Produkt erklärt als Menge aller geordneter

Mehr

Thema 1 Die natürlichen Zahlen

Thema 1 Die natürlichen Zahlen Thema 1 Die natürlichen Zahlen Wir bezeichnen mit N die Menge der natürlichen Zahlen dh N {1,,, } Falls wir das Nullelement 0 dazu nehmen, dann bezeichnen wir die resultierende Menge mit N 0 also N 0 {0,

Mehr

Formale Potenzreihen, Rekursionen und erzeugende Funktionen

Formale Potenzreihen, Rekursionen und erzeugende Funktionen KAPITEL 2 Formale Potenzreihen, Reursionen und erzeugende Funtionen Wir gehen von folgender abstraten Situation aus Gegeben ist eine Klasse O ombinatorischer Objete und eine Klassifiationsabbildung t :

Mehr

WS 2009/10. Diskrete Strukturen. Dr. Werner Meixner. Fakultät für Informatik TU München.

WS 2009/10. Diskrete Strukturen. Dr. Werner Meixner. Fakultät für Informatik TU München. WS 2009/10 Diskrete Strukturen Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2009ws/ds/uebung/ 16. Dezember 2009 ZÜ DS ZÜ IX Hausaufgaben Blatt 8 1. Blatt 8, HA 2.1

Mehr

Permutationsgruppen. 1 Zykelzerlegung und Signum. Jesko Hüttenhain. Winter 2013

Permutationsgruppen. 1 Zykelzerlegung und Signum. Jesko Hüttenhain. Winter 2013 Permutationsgruppen Jesko Hüttenhain Winter 2013 Sei N eine endliche Menge. Dann bezeichnen wir mit S N := {σ : N N σ bijektiv} die symmetrische Gruppe auf N. Für n N sei [n] := {1,..., n}. Wir schreiben

Mehr

2. Symmetrische Gruppen

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

Mehr

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr.

Übungsblatt 13. Lineare Algebra I, Prof. Dr. Plesken, SS (β α) tr = α tr β tr. Übungsblatt 13 Lineare Algebra I, Prof Dr Plesen, SS 2008 Aufgabe 1 (Transponierte lineare Abbildung) Sei α : V W linear Zeige: α tr ist injetiv (surjetiv) genau dann, wenn α surjetiv (injetiv) ist Ist

Mehr

Wahrscheinlichkeitstheorie. Rohfassung. Prof. Dr. Hans-Jürgen Steens Fachhochschule Kaiserslautern Standort Zweibrücken

Wahrscheinlichkeitstheorie. Rohfassung. Prof. Dr. Hans-Jürgen Steens Fachhochschule Kaiserslautern Standort Zweibrücken Wahrscheinlicheitstheorie Rohfassung Prof. Dr. Hans-Jürgen Steens Fachhochschule Kaiserslautern Standort Zweibrücen steens@informati.fh-l.de 8. November 2016 2 Kapitel 1 Kombinatori und elementare Wahrscheinlicheitsrechnung

Mehr

2n n + 2. n + (1 + j) 1. 2n + 2 = 1. 2n + 2. (n + 1) + j + 2 1

2n n + 2. n + (1 + j) 1. 2n + 2 = 1. 2n + 2. (n + 1) + j + 2 1 Aufgabe Die strenge Monotonie zeigen wir mittels vollständiger Indution. Indutionsanfang: Trivialerweise ist f streng monoton wachsend. Indutionsschritt: Wir nehmen an, es sei gezeigt, dass für ein gewisses

Mehr

3. Musterlösung zu Mathematik für Informatiker II, SS 2004

3. Musterlösung zu Mathematik für Informatiker II, SS 2004 . Musterlösung zu Mathemati für Informatier II, SS 004 PETER SCHEIBLECHNER &MICHAEL NÜSKEN Aufgabe. (Differenzen). Bestimme die Differenz f für f : Z! R mit (4 Punte) (i) f (n) n(n ) n. ( f )(n) (n +)n

Mehr

A B A B A B C. Beispiel 1 Wie viele Möglichkeiten gibt es 3 verschiedene Kugeln: A, B und C auf verschiedene Arten auf 3 Plätze anzuordnen?

A B A B A B C. Beispiel 1 Wie viele Möglichkeiten gibt es 3 verschiedene Kugeln: A, B und C auf verschiedene Arten auf 3 Plätze anzuordnen? eispiel 1 Wie viele Möglicheiten gibt es 3 verschiedene Kugeln:, und auf verschiedene rten auf 3 Plätze anzuordnen? Lösung Es gibt also 6 Möglicheiten, 3 verschiedene Kugeln auf 3 verschiedene Plätze anzuordnen.

Mehr

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen TEIL II: GRUPPEN In der modernen Algebra versucht man die Zahlen (Z, Q, R, ) durch die Konzentration auf Rechenoperationen (+,,... ), oder allgemeiner auf strukturelle Eigenschaften dieser Operationen,

Mehr

II Wahrscheinlichkeitsrechnung

II Wahrscheinlichkeitsrechnung 251 1 Hilfsmittel aus der Kombinatorik Wir beschäftigen uns in diesem Abschnitt mit den Permutationen, Kombinationen und Variationen. Diese aus der Kombinatorik stammenden Abzählmethoden sind ein wichtiges

Mehr

Beweis des Binomischen Satzes

Beweis des Binomischen Satzes Beweis des Binomischen Satzes Ein Beispiel für mathematische Beweisführung Oliver Müller 21. Februar 25 1 Vorwort Dieser Text soll hilfreich beim Erlernen der mathematischen Beweisführung über vollständige

Mehr

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v. Teil I Lineare Algebra I Vorlesung Sommersemester 2 Olga Holtz MA 378 Sprechstunde Fr 4-6 und nv holtz@mathtu-berlinde Sadegh Jokar MA 373 Sprechstunde, Do 2-4 und nv jokar@mathtu-berlinde Kapitel 4 Der

Mehr

Vorkurs Mathematik. Arbeitsblatt 5. Verknüpfungen

Vorkurs Mathematik. Arbeitsblatt 5. Verknüpfungen Prof Dr H Brenner Osnabrüc WS 2009/2010 Vorurs Mathemati Arbeitsblatt 5 Vernüpfungen Aufgabe 51 Betrachte die ganzen Zahlen Z mit der Differenz als Vernüpfung, also die Abbildung Z Z Z, (a, b) a b Besitzt

Mehr

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66

6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten Pink: Lineare Algebra HS 2014 Seite 66 6 Determinanten 6.1 Symmetrische Gruppe Definition: Eine bijektive Abbildung von einer Menge X auf sich selbst heisst eine Permutation von X. Satz-Definition:

Mehr

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte)

Diskrete Strukturen. Hausaufgabe 1 (5 Punkte) Technische Universität München Fakultät für Informatik Lehrstuhl für Informatik 15 Computergraphik & Visualisierung Prof. Dr. Rüdiger Westermann Dr. Werner Meixner Wintersemester 007/08 Lösungsblatt 7

Mehr

Lineare Algebra I, Musterlösung zu Blatt 9

Lineare Algebra I, Musterlösung zu Blatt 9 Lineare Algebra I, Musterlösung zu Blatt 9 Wintersemester 2007/08 1. Untersuchen Sie, ob die folgenden Matrizen invertierbar sind und bestimmen Sie gegebenenfalls die Inverse. 8 1 3 1 a) A = 3 3 1 1 11

Mehr

2 Zahlen. 2.1 Natürliche Zahlen Menge der natürlichen Zahlen. Der Ausgangspunkt für den Aufbau der Zahlenbereiche ist die Menge

2 Zahlen. 2.1 Natürliche Zahlen Menge der natürlichen Zahlen. Der Ausgangspunkt für den Aufbau der Zahlenbereiche ist die Menge 2.1 Natürliche Zahlen 2.1.1 Menge der natürlichen Zahlen Der Ausgangspunt für den Aufbau der Zahlenbereiche ist die Menge N = {0,1,2,3,...} der natürlichen Zahlen 0, 1, 2, 3, 4,... 2.1.2 Indutionsprinzip

Mehr

Vorkurs Mathematik. Christoph Hindermann. Mengenlehre und Kombinatorik

Vorkurs Mathematik. Christoph Hindermann. Mengenlehre und Kombinatorik Kapitel 1 Christoph Hindermann Vorkurs Mathematik 1 1.1.1 Begriff der Menge Eine Menge ist eine Zusammenfassung bestimmer, wohl unterscheidbarer Objekte unserer Anschauung oder unseres Denkens. Die Objekte

Mehr

Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik

Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik UNIVERSITÄT ULM Institut für Zahlentheorie und Wahrscheinlicheitstheorie Musterlösung zur Probelausur zur Angewandten Disreten Mathemati Prof Dr Helmut Maier, Hans- Peter Rec Gesamtpuntzahl: 130 Punte,

Mehr

Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: a 11 a 12 a a 1n a 21 a 22. det. a nn.

Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: a 11 a 12 a a 1n a 21 a 22. det. a nn. Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: Definition 1.2 (Leibniz-Formel) Die Determinante einer n n-matrix ist a 11 a 12 a 13... a 1n a 11 a 12 a 13... a 1n a 21

Mehr

5.2 Rechnen mit Matrizen

5.2 Rechnen mit Matrizen 52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest.

Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest. Analysis, Woche Zahlen A. Elementares Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest... Logische Symbole Seien A und B Aussagen. So eine Aussage ist zum Beispiel: Gras

Mehr

Inhaltsverzeichnis (Ausschnitt)

Inhaltsverzeichnis (Ausschnitt) 6 Diskrete Wahrscheinlichkeitsräume Inhaltsverzeichnis (Ausschnitt) 6 Diskrete Wahrscheinlichkeitsräume Laplacesche Wahrscheinlichkeitsräume Kombinatorik Allgemeine diskrete Wahrscheinlichkeitsräume Deskriptive

Mehr

Funktionen. x : Variable von f oder Argument f x : Funktionswert, Wert der Funktion f an der Stelle x D f. : Definitionsmenge(Urbildmenge)

Funktionen. x : Variable von f oder Argument f x : Funktionswert, Wert der Funktion f an der Stelle x D f. : Definitionsmenge(Urbildmenge) Funktionen Eine Funktion oder Abbildung ist eine Beziehung zwischen zwei nicht leere Mengen D f und Z, die jedem Element x aus einer Menge D f genau ein Element y aus anderer Menge Z zuordnet. f : D f

Mehr

= 1, i2 Z. Bemerkung Ein auf einer beliebigen abgeschlossenen und invarianten Teilmenge

= 1, i2 Z. Bemerkung Ein auf einer beliebigen abgeschlossenen und invarianten Teilmenge .Ò Shiftabbildungen 8.1 235 Abb 1 Ein Subshift vom endlichen Typ 1 3 2 7.Ò Beispiel Der Graph in Abbildung 1 legt fest, dass auf 1 nur 1 und 2, auf 2 nur 2 und 3, und auf 3 nur 1 folgen kann. Eine zulässige

Mehr

Lineare Algebra I für Mathematiker Lösungen

Lineare Algebra I für Mathematiker Lösungen Lineare Algebra I für Mathematiker Lösungen Anonymous 24. April 2016 Aufgabe 1 Beantworten Sie bitte die folgenden Fragen. Jeder Vektorraum hat mindestens ein Element. Q ist ein R-Vektorraum (mit der Multiplikation

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere Mathematik für die Fachrichtung Physik Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz WS 018/019 5.10.018 Höhere Mathemati für die Fachrichtung Physi Lösungsvorschläge zum. Übungsblatt

Mehr

4 Messbare Funktionen

4 Messbare Funktionen 4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und

Mehr

Lösungsvorschlag zu den Hausaufgaben der 3. Übung

Lösungsvorschlag zu den Hausaufgaben der 3. Übung FAKULTÄT FÜR MATHEMATIK Prof. Dr. Patrizio Neff 30.0.204 Lösungsvorschlag zu den Hausaufgaben der 3. Übung Aufgabe : (6 Punte) Welche der folgenden Tupel sind Maßräume? Beweisen Sie Ihre Behauptung. {

Mehr

Basen. Inhaltsverzeichnis

Basen. Inhaltsverzeichnis Vortrag zum Seminar zur Funtionentheorie, 15.07.2009 Benjamin Laumen Diese Ausarbeitung beruht auf Kapitel III, Paragraph 4 Unterpunt 1 3 aus dem Buch: Elliptische Funtionen und Modulformen von M. Koecher

Mehr

Elemente der Algebra

Elemente der Algebra Prof. Dr. H. Brenner Osnabrüc SS 2015 Elemente der Algebra Vorlesung 16 Der Chinesische Restsatz für Z Satz 16.1. Sei n eine positive natürliche Zahl mit anonischer Primfatorzerlegung 1 p r 2 2 p r (die

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrüc SS 2009 Einführung in die Algebra Vorlesung 12 Ringe Wir beginnen einen neuen Abschnitt dieser Vorlesung, in dem es um Ringe geht. Definition 12.1. Ein Ring R ist eine Menge

Mehr

Leitfaden 20. t = dim V dimu.

Leitfaden 20. t = dim V dimu. Leitfaden 2 Einschub (Nachtrag zur LA I): Komplementärbasen Sei V ein Vektorraum, U ein Unterraum Eine Folge (v,, v t ) von Vektoren aus V heißt linear unabhängig modulo U, falls folgendes gilt: sind p

Mehr

Mengenlehre. Aufgaben mit Lösungen

Mengenlehre. Aufgaben mit Lösungen Mengenlehre Aufgaben mit Lösungen Inhaltsverzeichnis 1 Hilfsmittel 1 1. Zahlenmengen........................................ 1 2. Symbole........................................... 1 3. Intervalle: Schreibweise...................................

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 2. Übungsblatt

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 2. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heio Hoffmann WS 2013/14 Höhere Mathemati I für die Fachrichtung Informati Lösungsvorschläge zum 2. Übungsblatt Aufgabe

Mehr

2.6 Zahlpartitionen. 2.7 Mehr Rekursionsformeln - Catalanzahlen

2.6 Zahlpartitionen. 2.7 Mehr Rekursionsformeln - Catalanzahlen Beweis. (kombinatorisch): Links steht die Anzahl der k-partitionen einer n-elementigen Menge. Wie entstehen diese? Wir wählen wieder ein festes Element e n aus M. Man kann die k-partitionen von M dann

Mehr

(für Grund- und Leistungskurse Mathematik) 26W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP

(für Grund- und Leistungskurse Mathematik) 26W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP .RPELQDWRULN (für Grund- und Leistungsurse Mathemati) 6W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP Nach dem Studium dieses Sripts sollten folgende Begriffe beannt sein: n-menge, Kreuzprodut, n-tupel Zählprinzip

Mehr

SS 2016 Torsten Schreiber

SS 2016 Torsten Schreiber SS 01 Torsten Schreiber 15 Ein lineares Gleichungssystem besteht immer aus einer Anzahl an Variablen und Gleichungen. Die Zahlen vor den Variablen werden in der sogenannten zusammen gefasst und die Zahlen

Mehr

Elemente der Stochastik (SoSe 2016) 4. Übungsblatt

Elemente der Stochastik (SoSe 2016) 4. Übungsblatt Dr. M. Weimar 26.04.2016 Elemente der Stochastik (SoSe 2016) 4. Übungsblatt Aufgabe 1 (1+1+2=4 Punkte) Eine Autofahrerin verursacht einen Unfall und begeht Fahrerflucht. Ein Zeuge will sich die Nummer

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 12. November 2015 Satz 3.16 (Binomischer Lehrsatz) Seien a, b R. Dann gilt für alle

Mehr

Vollständige Induktion. Analysis I. Guofang Wang. Universität Freiburg

Vollständige Induktion. Analysis I. Guofang Wang. Universität Freiburg Universität Freiburg 26.10.2011 Vollständige Induktion Wir unterbrechen jetzt die Diskussion der Axiome der reellen Zahlen, um das Beweisverfahren der vollständigen Induktion kennenzulernen. Wir setzen

Mehr

Skript und Übungen Teil II

Skript und Übungen Teil II Vorkurs Mathematik Herbst 2009 M. Carl E. Bönecke Skript und Übungen Teil II Das erste Semester wiederholt die Schulmathematik in einer neuen axiomatischen Sprache; es ähnelt damit dem nachträglichen Erlernen

Mehr

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

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

Mehr

1 Die natürlichen Zahlen und vollständige Induktion

1 Die natürlichen Zahlen und vollständige Induktion 1 Die natürlichen Zahlen und vollständige Indution 1.1 Einführung Mit Æ bezeichnen wir die Menge der natürlichen Zahlen Æ = {1,2,3,...}. Manche Autoren lassen die natürlichen Zahlen auch mit der Null beginnen,

Mehr

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung

4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung 43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr