4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align
|
|
- Klara Arnold
- vor 6 Jahren
- Abrufe
Transkript
1 4. Die elementaren Zählfuntionen 4.1 Untermengen Definition 165 (Binomialoeffizienten) align ( ) n := 1 n N 0 0 ( ) n := 0 n <, n N 0, N ( ) ( ) ( ) n n 1 n 1 := + sonst 1 ( n, N ) Disrete Struturen 4.1 Untermengen 260/571
2 Satz 166 Sei N eine Menge mit N = n Elementen. Die Menge aller -elementigen Untermengen von N wird bezeichnet mit ( ) N. Es gilt: ( ) ( ) N N = = ( ) n. Disrete Struturen 4.1 Untermengen 261/571
3 Beweis: Seien n, 0, a N. 1 ( ) n und > n sind lar. 0 2 Definiere { ( ) } N S a := A ; a A, { ( ) } N S a := A ; a / A. Disrete Struturen 4.1 Untermengen 262/571
4 Beweis (Forts.): 3 Damit gilt Daraus folgt ( ) S a S N a =, S a S a =. ( ) ( ) S a = N \ {a} n 1 = 1 1 (per Indution) ( ) ( ) S a = N \ {a} n 1 = (per Indution) ( ) n = ( ) n ( ) n 1. Disrete Struturen 4.1 Untermengen 263/571
5 Zwischenbemerung zur Nomenlatur: (a + b) n = n =0 ( ) n a b n = (a + b) (a + b) (a + b) Disrete Struturen 4.1 Untermengen 264/571
6 4.2 Partitionen von Mengen und Zahlen Ungeordnete Partitionen 1. Mengenpartitionen Sei N eine Menge der Kardinalität n und sei N 0. Eine Zerlegung von N in nichtleere, paarweise disjunte Teilmengen heißt eine -Partition von N. Die einzelnen Teilmengen heißen auch Klassen. Ihre Anzahl wird mit S n, bezeichnet (die sog. Stirling-Zahlen der 2. Art). Disrete Struturen 4.2 Partitionen von Mengen und Zahlen 265/571
7 Beispiel 167 N = {1, 2, 3, 4, 5}, = 2 S 5,2 = 15. {1} {2, 3, 4, 5} {1, 2} {3, 4, 5} {2} {1, 3, 4, 5} {1, 3} {2, 4, 5} {3} {1, 2, 4, 5} {1, 4} {2, 3, 5} {4} {1, 2, 3, 5} {1, 5} {2, 3, 4} {5} {1, 2, 3, 4} {2, 3} {1, 4, 5} Weiter gilt: S n,1 = 1, S n,2 = Übung, S n,n = 1. {2, 4} {1, 3, 5} {2, 5} {1, 3, 4} {3, 4} {1, 2, 5} {3, 5} {1, 2, 4} {4, 5} {1, 2, 3} Disrete Struturen 4.2 Partitionen von Mengen und Zahlen 266/571
8 2. Zahlpartitionen Sei N 0 n = n 1 + n n mit n 1,..., n N und n 1 n 2... n. Eine solche Zerlegung heißt -Partition der Zahl n. Die Anzahl aller -Partitionen von n N wird mit bezeichnet. P n, Disrete Struturen 4.2 Partitionen von Mengen und Zahlen 267/571
9 Beispiel 168 n = 8, = 4. 8 = = = = = P 8,4 = 5 Disrete Struturen 4.2 Partitionen von Mengen und Zahlen 268/571
10 4.2.2 Geordnete Partitionen 1. Mengenpartitionen Seien N, n, wie vorher. Eine (beliebig) geordnete -Menge N heißt -Permutation aus N. Ihre Anzahl ist n (n 1) (n + 1) = n ( n hoch fallend, fallende Faultät ). Analog: n := n (n + 1) (n + 1) Disrete Struturen 4.2 Partitionen von Mengen und Zahlen 269/571
11 Überlegung: Jede -Menge aus N ergibt! -Permutationen. Also ( ) n! = n oder: Eine -Mengenpartition ergibt ( ) ( ) n = n! = n! n! (n )! = n! S n, geordnete -Mengenpartitionen (Die Klassen sind (beliebig) untereinander geordnet, aber nicht in sich!). Disrete Struturen 4.2 Partitionen von Mengen und Zahlen 270/571
12 2. Zahlpartitionen Eine geordnete Zahlpartition ist gegeben durch N n = n 1 + n n ; n 1,..., n N Betrachte folgende graphische Darstellung: }{{} n Wähle aus den n 1 Trennstellen 1 aus. Jede der ( n 1 1) Wahlmöglicheiten ergibt eine eindeutig bestimmte geordnete -Zahlpartition und umgeehrt. Ihre Anzahl ist also ( ) n 1. 1 Disrete Struturen 4.2 Partitionen von Mengen und Zahlen 271/571
13 4.3 Multimengen Beispiel 169 M := {1, 2, 2, 3, 5, 5, 5} M = 7 Satz 170 Die Anzahl der -Multimengen (also Multimengen der Kardinalität ) aus N ( N = n) ist ( n + 1 ) = n! (n + 1) =.! Disrete Struturen 4.3 Multimengen 272/571
14 Beweis: Sei o.b.d.a. N = {1,..., n}. Betrachte eine Multimenge {a 1, a 2,..., a } der Kardinalität. Sei o.b.d.a. a 1 a 2 a. Definiere die Ersetzung f: f : a 1 a 1 1 a 2 a a 3 a a a + 1 n + 1 Das Ergebnis unter f ist eine Menge [n + 1]. Die Anzahl der Möglicheiten auf der rechten Seite beträgt ( ) n+ 1, und die durch f gegebene Zuordnung ist offensichtlich bijetiv. Disrete Struturen 4.3 Multimengen 273/571
15 Andere Beweisvariante: Beweis: n 1 0 n Von n + Kugeln werden schwarz gefärbt; die erste darf nicht schwarz gefärbt werden. Also bleiben n weiße Kugeln übrig, darunter die erste. Jede dieser weißen Kugeln zählt nun als sooft ausgewählt, wie unmittelbar rechts davon schwarze Kugeln stehen. Es werden also aus n weißen Kugeln ausgewählt (mit Wiederholung). Disrete Struturen 4.3 Multimengen 274/571
16 Beispiel 171 Darstellung zu obigem Beispiel: Zugehörige Multimenge: {1, 2, 2, 3, 5, 5, 5} Disrete Struturen 4.3 Multimengen 275/571
17 4.4 Anzahl von Abbildungen Betrachte Funtionen von N (Urbildraum) nach R (Bildraum), N = n, R = r mit n, r N 0. Die Anzahl beliebiger Abbildungen N R ist r n. Die Anzahl der injetiven Abbildungen N R ist r n. Die Anzahl der surjetiven Abbildungen N R ( geordnete r-mengenpartitionen von N ) ist r! S n,r. Disrete Struturen 4.4 Anzahl von Abbildungen 276/571
Kombinationen und Permutationen
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
MehrWS 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
MehrWS 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
MehrNatürliche 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...
MehrÜber 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
MehrAbzählende 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
MehrGrundlagen 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
MehrBerechnung 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
MehrBevor 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
Mehr2.1 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
MehrMathematik 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......................
Mehr1 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
MehrDiskrete 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
MehrKombinatorik 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
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrVorkurs 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
MehrWS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1)
WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrKombinatorische Beweisprinzipien
Kombinatorische Beweisprinzipien Satz Binomischer Lehrsatz Beweis (a + b) n = n k=0 ( ) n a k b n k k Multipliziere (a + b) n aus: (a + b) (a + b)... (a + b). Aus jedem der n Faktoren wird entweder a oder
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
MehrWahrscheinlichkeitsrechnung
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:
MehrUniversität 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,
MehrKAPITEL 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,
MehrProf. 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
Mehr3 Ein wenig Kombinatorik
3 Ein wenig Kombinatori Definition i) Zu jedem n N definiere 1 2 3 n Saubere Definition ist indutiv 1! 1 (Konvention: 0! 1) (n +1)!(n +1) ii) Für n N und (N {0}) mit0 n setze!(n )! 1 2 n (n +1) (n +2)
MehrFormale Sprachen. Spezialgebiet für Komplexe Systeme. Yimin Ge. 5ahdvn. 1 Grundlagen 1. 2 Formale Grammatiken 4. 3 Endliche Automaten 5.
Formale Sprachen Spezialgebiet für Komplexe Systeme Yimin Ge 5ahdvn Inhaltsverzeichnis 1 Grundlagen 1 2 Formale Grammatien 4 Endliche Automaten 5 4 Reguläre Sprachen 9 5 Anwendungen bei Abzählproblemen
MehrZahlen und Rechenstrukturen
Teil 1 Zähltheorie KAPITEL 1 Zahlen und Rechenstruturen Eine lassische Aufgabe der disreten Mathemati (Kombinatori) besteht darin zu ermitteln, wieviele Konfigurationen (d.h. disrete Objete von einem
MehrBinomialkoeffizient. Für n, k N 0 mit n k definiert man den Binomialkoeffizienten. ( ) n n! n(n 1)(n 2) (n k + 1) Binomialkoeffizient 1-1
Binomialoeffizient Für n, N 0 mit n definiert man den Binomialoeffizienten n! n(n 1)(n 2) (n + 1) = =. (n )!! 1 ( 2)( 1) Binomialoeffizient 1-1 Binomialoeffizient Für n, N 0 mit n definiert man den Binomialoeffizienten
MehrDiskrete Strukturen. Wilfried Buchholz. Skriptum einer 3-std. Vorlesung im Sommersemester 2009 Mathematisches Institut der Universität München
Disrete Struturen Wilfried Buchholz Sriptum einer 3-std. Vorlesung im Sommersemester 2009 Mathematisches Institut der Universität München 1 Vollständige Indution Wir setzen hier das System Z = {..., 2,
MehrKombinatorik. 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
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Mehr1 Mengen. 1.1 Definition
1 Mengen 1.1 Definition Eine Menge M ist nach dem Begründer der Mengenlehre Georg Cantor eine Zusammenfassung von wohlunterschiedenen(verschiedenen) Elementen. Eine Menge lässt sich durch verschiedene
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Mengen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
Mehr2 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$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
MehrDiskrete Mathematik I Die Mathematik von Paul Erdős
Lehrstuhl II für Mathemati Prof Dr Eberhard Triesch Disrete Mathemati I Die Mathemati von Paul Erdős Sript zur Vorlesung Disrete Mathemati Einleitung Die Disrete Mathemati ist die Mathemati der endlichen
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 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/ws0809
MehrNatürliche, ganze und rationale Zahlen
Natürliche, ganze und rationale Zahlen Zunächst haben die zum Zählen verwendeten natürlichen Zahlen 0, 1, 2, 3,... nichts mit dem reellen Zahlen zu tun. Durch die ausgezeichnete reelle Zahl 1 (Maßeinheit!)
Mehr1. Übung zur Vorlesung,,Diskrete Strukturen (SS 01)
1 Übung zur Vorlesung,,Disrete Struturen (SS 01 Lösung zu Aufgabe Es ist zu zeigen: Für, n N 0 gilt Algebraischer Beweis ( ( n + n + + 1 0 Es sei n N 0 beliebig Wir beweisen die Behauptung durch Indution
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrKapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen
Kapitel IV Endliche, abzählbare und überabzählbare Mengen Wir haben schon einige Mengen in den Kapiteln I und II kennengelernt, etwa die Zahlenmengen N, Z, Q und R. Jede dieser Zahlenmengen enthält unendlich
MehrAnalyse 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
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 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/ws0809
MehrBei 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
MehrDiskrete 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
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2
1 Graphen Definition: Ein Graph G = (V,E) setzt sich aus einer Knotenmenge V und einer (Multi)Menge E V V, die als Kantenmenge bezeichnet wird, zusammen. Falls E symmetrisch ist, d.h.( u,v V)[(u,v) E (v,u)
Mehr: das Bild von ) unter der Funktion ist gegeben durch
% 1.3 Funktionen Seien und Mengen nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig. Bezeichnungen: : Definitionsbereich : Bildbereich (Zielmenge) von Der Graph einer Funktion: graph!
Mehr1 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,
MehrWie 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
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
MehrEinschub: Summen, Produkte und Potenzen.
Einschub: Summen, Produte und Potenzen. Allgemeine Summen und Produte. n b := b m +b m+1 + +b n (fallsm n) =m n =m b := 0 (fallsm > n, leere Summe) n =m b := b m b m+1... b n (fallsm n) n =m b := 1 (fallsm
MehrELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen
ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen MAA.01011UB MAA.01011PH Vorlesung mit Übung im WS 2016/17 Christoph GRUBER Günter LETTL Institut für Mathematik und wissenschaftliches Rechnen
Mehr2.6 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
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 16. November 2017 1/35 Modulare Arithmetik Modulare Arithmetik Definition 3.33 Es sei
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
MehrKombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26
Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26 Erste Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 2 / 26 Formales Vorlesung:
Mehr1. 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
MehrÜbungsblatt 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
Mehr2 Aufbau des Zahlensystems Natürliche Zahlen
2 Aufbau des Zahlensystems atürliche Zahlen (2.1 Die Menge der natürlichen Zahlen = {1,2,3,...} lässt sich eindeutig durch die Peano-Axiome charaterisieren: (P1 1 (P2 n = n + 1 (P3 n,m, n m = n + 1 m +
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
MehrDer Fundamentalsatz der Algebra
Der Fundamentalsatz der Algebra Vortragsausarbeitung im Rahmen des Proseminars Differentialtopologie Benjamin Lehning 17. Februar 2014 Für den hier dargelegten Beweis des Fundamentalsatzes der Algebra
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
MehrLudwig-Maximilians-Universität München SoSe 2009 Institut für Informatik PD Dr. Martin Lange Dipl.-Inf. Markus Latte 25. Juni 2009
Ludwig-Maximilians-Universität München SoSe 2009 Institut für Informati PD Dr. Martin Lange Dipl.-Inf. Marus Latte 25. Juni 2009 Übung zur Vorlesung Logi für Informatier Übungsblatt 8 Abgabe bis Freitag,
MehrThema 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,
MehrGrundlagen der Graphentheorie. Thomas Kamps 6. Oktober 2008
Grundlagen der Graphentheorie Thomas Kamps 6. Oktober 2008 1 Inhaltsverzeichnis 1 Definition von Graphen 3 2 Unabhängigkeit von Ecken und Kanten 3 3 Teil- und Untergraphen 4 4 Schnitt, Vereinigung und
MehrTheoretische Informatik SS 03 Übung 11
Theoretische Informatik SS 03 Übung 11 Aufgabe 1 Zeigen Sie, dass es eine einfachere Reduktion (als die in der Vorlesung durchgeführte) von SAT auf 3KNF-SAT gibt, wenn man annimmt, dass die Formel des
MehrTechnische Universität München. Kombinatorik. Christian Fuchs
Kombinatorik Christian Fuchs 1.Definition Kombinatorik 2.Grundlegende Zählmethoden 3.Binomialkoeffizienten 4.Permutationen 5.Stirling-Zahlen 6.Catalan-Zahlen 7.Zahlpartitionen 8.Aufgaben 9.Literatur Technische
MehrGraphentheorie Graphentheorie. Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke
Graphen Graphentheorie Graphentheorie Grundlagen Bäume Eigenschaften von Graphen Graphen-Algorithmen Matchings und Netzwerke 2 Was ist ein Graph? Ein Graph ist in der Graphentheorie eine abstrakte Struktur,
MehrKombinatorik. Simon Rainer 21. Juli Simon Kombinatorik 21. Juli / 51
Kombinatorik Simon Rainer sr@mail25.de 21. Juli 2015 Simon Rainersr@mail25.de Kombinatorik 21. Juli 2015 1 / 51 Was ist Kombinatorik? Teilgebiet der diskreten Mathematik Endliche oder abzählbar unendliche
MehrVollständige 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
Mehr2. Symmetrische Gruppen
14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen
MehrAufgabenblatt 1: Abgabe am vor der Vorlesung
Aufgabenblatt 1: Abgabe am 17.09.09 vor der Vorlesung Aufgabe 1. a.) (1P) Geben Sie die Lösungsmenge der folgenden Gleichung an: 6x + y = 10. Zeichnen Sie die Lösungsmenge in ein Koordinatensystem. b.)
MehrFolgen und Reihen. 1. Folgen
1. Folgen Aufgabe 1.1. Sie kennen alle die Intelligenztests, bei welchen man zu einer gegebenen Folge von Zahlen die nächsten herausfinden soll. Wie lauten die nächsten drei Zahlen bei den folgenden Beispielen?
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 4
Prof. Dr. Bernhard Steffen Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt
MehrLineare Darstellungen von Symmetrischen Gruppen
Lineare Darstellungen von Symmetrischen Gruppen 150 232 (Holtkamp) 2st., Mi 12.00-14.00, NA 2/24 1 Beispiel 1. Freies Monoid über Alphabet X Beispiel 2. S 1, S 2, S 3,... Satz 1. (Bijektion zw. Partitionen
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 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/ws0809
MehrEinführung 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
MehrTheoretische Informatik. Exkurs: Komplexität von Optimierungsproblemen. Optimierungsprobleme. Optimierungsprobleme. Exkurs Optimierungsprobleme
Theoretische Informatik Exkurs Rainer Schrader Exkurs: Komplexität von n Institut für Informatik 13. Mai 2009 1 / 34 2 / 34 Gliederung Entscheidungs- und Approximationen und Gütegarantien zwei Greedy-Strategien
MehrVerteilen von Bällen auf Urnen
Verteilen von Bällen auf Urnen Szenario: Wir verteilen n Bälle auf m Urnen, d.h. f : B U mit B = {b 1,..., b n } und U = {u 1,..., u m }. Dabei unterscheiden wir alle Kombinationen der folgenden Fälle
MehrSachrechnen/Größen WS 14/15-
Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016
Mehr4.13. 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
MehrMaße auf Produkträumen
Maße auf Produkträumen Es seien (, Ω 1 ) und (X 2, Ω 2 ) zwei Meßräume. Wir wollen uns zuerst überlegen, wie wir ausgehend davon eine geeignete σ-algebra auf X 2 definieren können. Wir betrachten die Menge
MehrKombinatorische Abzählverfahren - LÖSUNGEN
Kombinatorische Abzählverfahren - LÖSUNGEN TEIL C: Lösungen 1. Produtregel das einfache Verfahren Aufgabe 1: Auto-Ausstattung Aufgabe 2: Tanzstunde Aufgabe 3: Menüplanung Aufgabe 4: Atenzeichen Aufgabe
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrElemente der Algebra
Prof. Dr. H. Brenner Osnabrüc SS 2015 Elemente der Algebra Vorlesung 2 Ringe Die wichtigsten mathematischen Struturen wie Z, Q, R besitzen nicht nur eine, sondern zwei Vernüpfungen. Definition 2.1. Ein
MehrZur Zykelschreibweise von Permutationen
Zur Zykelschreibweise von Permutationen Olivier Sète 16. Juni 2010 1 Grundlagen Definition 1.1. Eine Permutation von {1, 2,..., n} ist eine bijektive Abbildung σ : {1, 2,..., n} {1, 2,..., n}, i σ(i).
MehrGleichungen fünften Grades
Gleichungen fünften Grades Teil 1 Marc Pollak 11. Juni 2013 Motivation Was ist uns bisher bekannt? Allgemeine Lösung einer Gleichung zweiten Grades durch die Mitternachtsformel Vor zwei Wochen, Lösung
MehrDiskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr
Bemerkung: Der folgende Abschnitt Boolesche Algebren ist (im WS 2010/11) nicht Teil des Prüfungsstoffs, soweit nicht Teile daraus in der Übung behandelt werden! Diskrete Strukturen 5.9 Permutationsgruppen
MehrMathematische Grundlagen der Computerlinguistik
Centrum für Informations- und Sprachverarbeitung (CIS) 10. Juni 2014 Table of Contents 1 2 Äquivalenz Der Begriff der Äquivalenz verallgemeinert den Begriff der Gleichheit. Er beinhaltet in einem zu präzisierenden
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 0/ Thomas Timmermann 8. Januar 0 Kardinalzahlen und die Mächtigkeit von Mengen Gleichmächtigkeit von Menge Zur Erinnerung: Wir wollen unendlich große Mengen hinsichtlich
MehrTECHNISCHE 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)
MehrDiskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen)
WS 2015/16 Diskrete Strukturen Kapitel 4: Graphentheorie (Grundlagen) 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
MehrLösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version A)
Lösungen zur Probeklausur zur Vorlesung Analysis I, WS08/09, Samstag, 10.1.009 (Version A) Kennwort: Übungsgruppe: (Sie können ein beliebiges Kennwort wählen, um Ihre Anonymität zu wahren! Da die Probeklausur
MehrKlausur zur Vorlesung Analysis 1 (240003) 1. Termin: Aufgaben und Lösungen
Prof Dr M Kaßmann Wintersemester 9/ Faultät für Mathemati Universität Bielefeld Klausur zur Vorlesung Analysis () Termin: 5 Aufgaben Lösungen Aufgaben: Die omplexen Lösungen der Gleichung z = i sind (
MehrGrundlagen der Mathematik
Universität Hamburg Winter 016/17 Fachbereich Mathematik Janko Latschev Lösungsskizzen 6 Grundlagen der Mathematik Präsenzaufgaben (P9) Die Ordnung der natürlichen Zahlen I Wir hatten in der Vorlesung
Mehr15 Grundlagen der Idealtheorie
15 Grundlagen der Idealtheorie Definition und Lemma 15.1. Sei R ein Ring, S R. x R nennt man eine R-Linearkombination von Elementen in) S falls n N 0, s 1,..., s n S, λ 1,..., λ n R mit x = n i=1 λ is
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
MehrMusterlösung 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