F - Logik. Konzepte und Subkonzept- Beziehung. Objekte werden durch eindeutige Ids identifiziert: Objektorientierte (Frame basierte) Logik

Größe: px
Ab Seite anzeigen:

Download "F - Logik. Konzepte und Subkonzept- Beziehung. Objekte werden durch eindeutige Ids identifiziert: Objektorientierte (Frame basierte) Logik"

Transkript

1 F-Logik F-Logik (Syntx) Kifer, Lusen, Wu, Journl of the ACM, 42: , Dnk n Jürgen J Angele F - Logik Objektorientierte (Frme bsierte) Logik Konzepte und Subkonzept- Beziehung Objekte werden durh eindeutige Ids identifiziert: Element::OBJECT. Wohl-definierte Semntik (wohl-fundierte Semntik) Effiziente Evlutionsstrtegie Turing-vollständig Moleule:: OBJECT. IoniMoleule::Moleule. Slt::IoniMoleule. Aid::IoniMoleule. Bse::IoniMoleule. StrongAid::Aid. WekAid::Aid. -> downlods -> Hlo pilot downlods -> Ontoprise Hlo Improved downlod (Formt: EXE/78 MB) Mtter::OBJECT. PureSubstne::Mtter. Mixture::Mtter. HomogeniousMixture::Mixture.

2 Konzeptuelle Modellierung Definiere Bereihe von Beziehungen: Element[hsNme=>>STRING; hssymbol=>string; hsweight=>number; hsgroupnme=>string;... elementnumber=>number; eletronegtivity=>number]. Moleule[hsNme=>>STRING; hsformul=>>string; hschrge=>number]. IoniMoleule[hsNme=>>STRING; hsanion=>anion; hsction=>ction; hsanioncoeffiient=>number; hsctioncoeffiient=>number; hsformul=>>string]. Instnzen und Attribute Zuordnung von Attributswerte : Lti:WekAid. Lti[hsFormul->>"HC3H5O3"; hsnme->>"lti Aid"; hsk1->1.4e-4]. Sodiumltte:Slt. Sodiumltte[hsFormul->>"NC3H5O3"; hsnme->>"sodium ltte"; issltof->lti]. Regeln // Der ph-wert hängt von der Konzentrtion des Hydronium (H3O+) b Regel phvlue: FORALL Ph,H,R phh(h,ph) <- power(10,r,h) nd multiply(r,-1,ph). // Der ph-wert hängt von der Konzentrtion des Hydronium b Regel phmixture: FORALL H,Ph,M M[hsPh->Ph] <- M:Mixture[hsH->H] nd phh(h,ph). /* Shem */ Mixture[ hsh =>NUMBER; hsph=>number]. /* Fkten */ m:mixture[hsh -> 1.7 E-4]. Erstes Beispiel /* Regeln */ FORALL Ph,H,R phh(h,ph) <- power(10,r,h) nd multiply(r,-1,ph). FORALL H,Ph,M m[hsph->ph] <- M:Mixture[hsH->H] nd phh(h,ph). /* Query */ FORALL Ph <- m[hsph->ph].

3 Quntifizierung Quntifizierung knn sih uh über Konzepte und Beziehungen erstreken: FORALL X,Y <- X::Y. FORALL X,R <- X[hsNme=>>R]. FORALL A,R <- Element[A=>R]. F-Molekül Ein F-Molekül: Sodiumltte:Slt[hsFormul->>"NC3H5O3"; hsnme->>{"sodium ltte", "sodiumltte"}; issltof->lti]. Knn in mehrere F-Atome gesplittet werden: Sodiumltte:Slt. Sodiumltte[hsFormul->>"NC3H5O3"]. Sodiumltte[hsNme->>"Sodium ltte"]. Sodiumltte[hsNme->>"sodiumltte"]. Sodiumltte[isSltOf->Lti]. Prmetrisierte Beziehungen m:mixture[ hsmole(lti)->0.1; hsmole(sodiumltte)->0.12 ]. Anstelle von Prädikte m:mixture[ hsmole(lti)->0.1; hsmole(sodiumltte)->0.12 ]. shreibe uh hsmole(m,lti,0.1). hsmole(m,sodiumltte,0.12).

4 Builtins isstring(<rg>) ont(<string 1 >, <string 2 >, <string 3 >) ut(<string>,<n>,<vrible>) tokenize(<string>,<delimiters>,<vrible>) tokenizen(<string>,<n>,<delimiters>,<vrible>) tolower(<string>,<vrible>) toupper(<string>,<vrible>) regexp(<regulr expression>,<string1>,<string2>) onstnt2string(<funtion>,<string>) string2number(<string>,<number>) sin,os,tn,sin,os,eil,floor,exp, rint,sqrt,round,mx,min,pow Builtin Beispiele tolower: FORALL X <- tolower( I Love Ontologies!,X). is, equls: FORALL B,C,A <- (B is A+1) AND (C is A+2) AND equls(a,1). dbessuser2, ont: FORALL X, PROJECTID, PROJECTNAME X:Projet[nme->> PROJECTNAME] <- dbessuser2( tble_projets", F( projetid",projectid, projet_nme",projectname), "mssqlserver2000", dtbse_projets", omputer_xyz:1433", "zope","zope") AND ont( projet", PROJECTID,X). [, b,, d, e] [Hed Til] [, b,, d Til] Listen Vershhtelung und Pfdusdrüke Sodiumltte[isSltOf-> Lti[hsFormul->>"HC3H5O3"; hsnme->>"lti Aid"; hsk1->>1.4e-4]]. FORALL X,Y <- Sodiumltte[isSltOf->X[hsNme->>Y]. FORALL Y <- Sodiumltte.isSltOf[hsNme->>Y].

5 Negtion FORALL I,A,C I[isSoluble->true] <- I:IoniMoleule[hsAnion->A; hsction->c] nd (equl(a,chlorine) or equl(a,bromine) or equl(a,iodine)) nd not equl(c,merury) nd not equl(c,led) nd not equl(c,silver). p(1). p(2). p(3). Komplexere Regeln FORALL X mximum(x) <- p(x) AND FORALL Y (p(y) -> lessorequl(y,x)). Beliebige first-order Formel Nmensräume (Nmespes) Um vershiedene Objekte in vershiedenen Ontologien zu untersheiden: <ns ontons:rs=" ontons:finne=" ontons=" rs#cr[rs#driver => rs#person; rs#pssenger =>> rs#person; rs#sets => NUMBER]. rs#person[rs#nme => STRING]. </ns> Modellierung mit unbeknnten Ressouren _1:BufferSolution[hsPrt->>{_2,_3}] nd _2:WekAid nd _3:Slt[isSltOf->_2]. Drükt us, dss eine Pufferlösung us zwei Substnzen s1 und s2 besteht; s1 ist eine shwhe Säure (WekAid) und s2 ein Slz (Slt) dieser shwhen Säure s1.

6 Modellierung uf der Metebene Substne ist ein Konzept. Substne[numberOfKnownSubstnes->10000]. Module Blne { import Retion. Retion[ privte hsretntslist; privte hsprodutslist ]. FORALL P,L,R bproduts1(r,l) <- R:om.ontoprise.ontonov.ontology.Retion[hsProduts->>P] nd list(r,p,l). FORALL R,C,C1,M,Re,Pr,L,L1,L2,Z R[oeffiients->>C; hsretntslist->>l1;hsprodutslist->>l2] <- bretnts(r,re) nd bretnts1(r,l1) nd bproduts(r,pr) nd bproduts1(r,l2) nd ontlists(re,pr,l) nd mtrixbyols(l,m) nd lessolve(m,c1) nd length(l,z) nd length(c,z) nd wholenumbered(c1,c). } Prmetrisierte Module: Sttishe Vershhtelung Trnsitive { // Trnsitive Subklssenbeziehung FORALL X[subClssOf->>Z] <- X[subClssOf->>Y] nd Y[subClssOf->>Z] } Cr { } publi PssengerVehile[subClssOf ->> MotorVehile]. publi Truk[subClssOf ->> MotorVehile]. publi Vn[rdfs:subClssOf ->> PssengerVehile]. FORALL X,Y <- X[subClssOf->>Y]@Cr. Prmetrisierte Module Trnsitive { // Trnsitive Subklssenbeziehung FORALL X[subClssOf->>Z] <- X[subClssOf->>Y] nd Y[subClssOf->>Z] } Cr { } PssengerVehile[rdfs:subClssOf ->> MotorVehile]. Truk[subClssOf ->> MotorVehile]. Vn[rdfs:subClssOf ->> PssengerVehile].

7 Prmetrisierte Module FORALL X,Y <- X = PssengerVehile, Y = MotorVehile X = Truk, Y = MotorVehile X = Vn, Y = PssengerVehile Lloyd-Topor Trnsformtion FORALL X mximum(x) <- p(x) AND FORALL Y (p(y) -> lessorequl(y,x)). FORALL X,Y mximum(x) <- p(x) AND (NOT p(y) OR lessorequl(y,x)). FORALL X,Y <- X[subClssOf->>Y]@Trnsitive(Cr). X = PssengerVehile, Y = MotorVehile X = Truk, Y = MotorVehile X = Vn, Y = PssengerVehile X = Vn, Y = MotorVehile FORALL X mximum(x) <- p(x) AND NOT q(x). FORALL X,Y q(x) <- p(y) AND NOT lessorequl(y,x). Trnsformtion von F-LogikF nh Horn-Logik :C is_(,c) A::B sub_(a,b) Trnsformtion von F-LogikF nh Horn-Logik FORALL X,Y,Z X[nestor->>Y] <- X[fther->Z] AND Z[nestor->>Y]. A[B=>C] A[B=>>C] [B->] [B->>] tttype_(a,b,c) settttype_(a,b,c) tt_(,b,) settt_(,b,) FORALL X,Y,Z settt_(x,nestor,y) <- settt_(x,fther,z) AND settt_(z,nestor,y).

8 Nive Evlution Unmittelbrer Folgeopertor X q(f(), ), q(,), q(f(),), r(, ), r(, d), r(e,f) p(x, Y) q(f(x), X) r(x, Y) p(x, ) Y d f(x) f() f() X X e Y d f Gegeben ist eine Menge von Fkten F. Der unmittelbre Folgeopertor T ist gegeben durh: T (F) = {H σ H <- B 1 Λ.. Λ B n. nd B i σ F} F, σ ist eine Vriblensubstitution. T i (F) = T(T(T(.(F).))) i-ml Semntik eines F-Logik Progrmms (ohne Negtion) Wenn ein n existiert, so dss: T n (F) = T n+1 (F) dnn ist G = T n (F) = F p (F) die Menge der durh die Regeln (ohne Negtion) gemeinten Fkten. p(). p(b). q(). r(x) q(x). t(x) p(x) nd r(x). F = {p(), p(b), q()} Beispiel T(F) = {r()} {p(), p(b), q()} T(T(F)) = {r(), t(b), p(), p(b), q()} = T(T(T(F))) = T(T(T(.(F).)))

9 Unmittelbrer Folgeopertor mit Negtion Gegeben ist eine Menge von Fkten F. Der unmittelbre Folgeopertor T ist gegeben durh: T (F) = {H σ H <- B 1 Λ.. Λ B n Λ N 1 Λ.. Λ N n. nd B i σ F nd N j σ F }, σ ist eine Vriblensubstitution. Strtifizierung: Beispiel p(). p(b). q(). r(x) q(x). Shiht 1 t(x) p(x) nd not r(x). Shiht 2 F 0 = {p(), p(b), q()} F p (F 0 ) = {r()} {p(), p(b), q()} = F 1 F p (F 1 ) = {t(b), r(), p(), p(b), q()} = F 2 Aber ws ist dmit? person(somebody). womn(x) <- person(x) nd not mn(x). mn(x) <- person(x) nd not womn(x). Alternierender Fixpunkt (Wohl-fundierte Semntik) Vn Gelder et l., JACM 1991, Wenn ein n existiert wie: T n+1 (F) = T n-1 (F) und T n+2 (F) = T n (F) Dnn sind die whren Fkten gegeben durh die kleinere Menge von T n-1 (F) und T n (F) Unbeknnte Fkten sind durh die Mengendifferenz gegeben.

10 Alternierender Fixpunkt: Beispiel person(sb). womn(x) <- person(x) nd not mn(x). mn(x) <- person(x) nd not womn(x). T(F={person{sb}}) = {womn(sb), mn(sb), person(sb)} T(T(F)) = {person(sb)} T(T(T(F))) = {womn(sb), mn(sb), person(sb)} T(T(T(T(F)))) = {person(sb)} Whre Fkten = {person(sb)} Unbeknnte Fkten = {womn(sb), mn(sb)} Dynmishes Filtern (Kifer( Kifer) q(f(), ), q(,), q(f(),), r(, ), r(, d), r(e,f) p(x, Y) q(f(x), X) r(x, Y) p(x, ) p(x, ) X,, p(x, Y) q(f(x), X) r(x, Y) f(), f(e), e, f(), q(f(), ) q(,) q(f(),) X,, e, r(, ) r(, d) r(e, ), e, f() Problem Negtion f() q(x, ) not p(x, ) f() f() Strtifizierung q(x, ) not p(x, ) Shiht 2 X,,,, p(x, Y) q(f(x), X) r(x, Y) X,,,, p(x, Y) q(f(x), X) r(x, Y) Shiht 1 X,, f(), f(), f(), q(f(), ) q(,) q(f(),) X, r(, ) r(,d) r(e,f) X,, f(), f(), f(), q(f(), ) q(,) q(f(),) X, r(, ) r(,d) r(e,f) Shiht 0

Semantic Web Technologies II SS 2008

Semantic Web Technologies II SS 2008 Semantic Web Technologies II SS 2008 09.07.2008 Die Regelbasierte Ontologiesprache F-Logik Dr. Peter Haase PD Dr. Pascal Hitzler Dr. Steffen Lamparter Denny Vrandecic Content licensed under Creative Commons

Mehr

Automaten, Spiele, und Logik

Automaten, Spiele, und Logik Automten, Spiele, und Logik Wohe 7 19. Mi 2014 Inhlt der heutigen Vorlesung Alternierende Automten Definition Verindung zu regulären Sprhen Komplementtion Engel und Teufel Ws ist eine nihtdeterministishe

Mehr

Studiengang: Umweltingenieurwesen M.Sc. Modul Wasseraufbereitungstechnologien Hydrochemie der Wasseraufbereitung

Studiengang: Umweltingenieurwesen M.Sc. Modul Wasseraufbereitungstechnologien Hydrochemie der Wasseraufbereitung Studiengng: Umweltingenieurwesen M.Sc. Modul Wsserufbereitungstechnologien Hydrochemie der Wsserufbereitung Grundlgen: Hydrochemie der Wsserversorgung us dem chelorstudium wünschenswert: eigener Lptop

Mehr

Beweisen mit Semantischen Tableaux

Beweisen mit Semantischen Tableaux Beweisen mit Semantischen Tableaux Semantische Tableaux geben ein Beweisverfahren, mit dem ähnlich wie mit Resolution eine Formel dadurch bewiesen wird, dass ihre Negation als widersprüchlich abgeleitet

Mehr

Funktionen und Mächtigkeiten

Funktionen und Mächtigkeiten Vorlesung Funktionen und Mähtigkeiten. Etws Mengenlehre In der Folge reiten wir intuitiv mit Mengen. Eine Menge ist eine Zusmmenfssung von Elementen. Zum Beispiel ist A = {,,,,5} eine endlihe Menge mit

Mehr

ping karlsruhe Mining Software Call Graphs Frank Eichinger

ping karlsruhe Mining Software Call Graphs Frank Eichinger ping krlsruhe Motivtion Softwre Mining Cll-Grphen Grph Mining Trnsformtionen Auslik Mining Softwre Cll Grphs Frnk Eihinger Lehrstuhl Prof. Böhm Institut für Progrmmstrukturen und Dtenorgnistion (IPD) Universität

Mehr

10 Das Riemannsche Integral

10 Das Riemannsche Integral 10 Ds Riemnnsche Integrl 50 10 Ds Riemnnsche Integrl Ziel dieses Prgrphen ist es, den Inhlt einer Fläche, die vom Grphen einer Funktion berndet wird, exkt zu definieren. f(b) f() = t 0 t1 t2 t3 t4 t5 t

Mehr

Chemisches Gleichgewicht

Chemisches Gleichgewicht TU Ilmenu Chemishes Prktikum Versuh Fhgebiet Chemie 1. Aufgbe Chemishes Gleihgewiht Stellen Sie 500 ml einer 0,1m N her! estimmen Sie die genue onzentrtion der hergestellten N mit zwei vershiedenen Anlysenmethoden

Mehr

Boole'sche Algebra. Inhaltsübersicht. Binäre Funktionen, Boole'sche Algebren, Schaltalgebra. Verknüpfungen der mathematischen Logik

Boole'sche Algebra. Inhaltsübersicht. Binäre Funktionen, Boole'sche Algebren, Schaltalgebra. Verknüpfungen der mathematischen Logik Boole'sche Algebr Binäre Funktionen, Boole'sche Algebren, Schltlgebr Inhltsübersicht Verknüpfungen der mthemtischen Logik Boole sche Algebren Grundelemente der Schltlgebr Regeln der Schltlgebr Normlformen

Mehr

Top-Aevo Prüfungsbuch

Top-Aevo Prüfungsbuch Top-Aevo Prüfungsbuh Testufgben zur Ausbildereignungsprüfung (AEVO) 250 progrmmierte Testufgben (Multiple Choie) 1 Unterweisungsentwurf / 1 Präsenttion 40 möglihe Frgen nh einer Unterweisung Top-Aevo.de

Mehr

Übungen zur Vorlesung Modellierung WS 2003/2004 Blatt 11 Musterlösungen

Übungen zur Vorlesung Modellierung WS 2003/2004 Blatt 11 Musterlösungen Dr. Theo Lettmnn Pderorn, den 9. Jnur 24 Age 9. Jnur 24 A x, A 2 x, Üungen zur Vorlesung Modellierung WS 23/24 Bltt Musterlösungen AUFGABE 7 : Es sei der folgende prtielle deterministishe endlihe Automt

Mehr

2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt

2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt 2 Linere Opertoren Im Folgenden seien X,Y, Z stets normierte Räumen über dem selben Körper K = C oder K = R. 2.1. Definition. () Eine Abbildung T : X Y heißt liner, flls T(αx + βy) = αtx + βty x,y X, α,

Mehr

Seminar zum anorganisch-chemischen Praktikum I. Quantitative Analyse. Prof. Dr. M. Scheer Patrick Schwarz

Seminar zum anorganisch-chemischen Praktikum I. Quantitative Analyse. Prof. Dr. M. Scheer Patrick Schwarz Seminr zum norgnish-hemishen Prktikum I Quntittive Anlyse Prof. Dr. M. Sheer Ptrik Shwrz itertur A. F. Hollemn, E. Wierg, ehruh der Anorgnishen Chemie, de Gruyter Verlg, Berlin, New York (Ahtung, neue

Mehr

Falls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.

Falls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable. Sttistik I für Sttistiker, Mthemtiker und Informtiker Lösungen zu Bltt 11 Gerhrd Tutz, Jn Ulbricht, Jn Gertheiss WS 7/8 Theorie: Stetige Zufllsvriblen Begriff Stetigkeit: Eine Vrible oder ein Merkml X

Mehr

Spiele und logische Komplexitätsklassen

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

Mehr

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

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

Mehr

Höhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 8. Übungsblatt

Höhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 8. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmnn SS Höhere Mthemtik II für die Fchrichtung Informtik Lösungsvorschläge zum 8. Übungsbltt Aufgbe 9 erechnen

Mehr

2.1 Motivation, Zurückführung auf ein Doppelintegral. Wir betrachten einen zylindrischen Körper K, der von der Fläche

2.1 Motivation, Zurückführung auf ein Doppelintegral. Wir betrachten einen zylindrischen Körper K, der von der Fläche Kpitel 2 Ds Flähenintegrl 2.1 Motivtion, Zurükführung uf ein Doppelintegrl Wir betrhten einen zylindrishen Körper K, der von der Flähe z f(x, y, seitlih von einer Zylinderflähe mit Erzeugenden prllel zur

Mehr

Ehrenfeucht-Fraïssé-Spiele über Spuren

Ehrenfeucht-Fraïssé-Spiele über Spuren Ehrenfeuht-Frïssé-Spiele üer Spuren Mrtin Horsh 14. Juni 2006 Vortrgsinhlt Ehrenfeuht-Frïssé-Spiel mit n Runden und k Mrken Lokle Temporllogik üer Mzurkiewiz-Spuren (LoTL) LoTL und die Logik erster Stufe

Mehr

Teil 2: Objektorientierte deduktive Datenbanken (DOOD)

Teil 2: Objektorientierte deduktive Datenbanken (DOOD) Teil 2: Objektorientierte deduktive Datenbanken (DOOD) Gerd Stumme Christoph Schmitz Wintersemester 2004/05 Nachteile relationaler Modellierung Polyeder PolyID (4,*) cubo#5 Hülle (1,1) Flächen (3,*) Begrzg

Mehr

Der Tigerschwanz kann als Stimmungsbarometer gesehen werden. a) Richtig b) Falsch. Tiger sind wasserscheu. a) Richtig b) Falsch

Der Tigerschwanz kann als Stimmungsbarometer gesehen werden. a) Richtig b) Falsch. Tiger sind wasserscheu. a) Richtig b) Falsch ?37??38? Der Tigershwnz knn ls Stimmungsrometer gesehen werden. Tiger sind wssersheu.?39??40? Ds Gerüll der Tigermännhen soll die Weihen nloken. Die Anzhl der Südhinesishen Tiger eträgt nur mehr ) 2 )

Mehr

Umstellen von Formeln und Gleichungen

Umstellen von Formeln und Gleichungen Umstellen von Formeln und Gleihungen. Ds Zusmmenfssen von Termen edeutet grundsätzlih ein Ausklmmern, uh wenn mn den Zwishenshritt niht immer ufshreit. 4 6 = (4 6) =. Steht eine Vrile, nh der ufgelöst

Mehr

Thema 7 Konvergenzkriterien (uneigentliche Integrale)

Thema 7 Konvergenzkriterien (uneigentliche Integrale) Them 7 Konvergenzkriterien (uneigentliche Integrle) In diesem Kpitel betrchten wir unendliche Reihen n= n, wobei ( n ) eine Folge von reellen Zhlen ist. Die Reihe konvergiert gegen s (oder s ist die Summe

Mehr

Grundlagen des Maschinellen Lernens Kap 3: Lernverfahren in anderen Domänen

Grundlagen des Maschinellen Lernens Kap 3: Lernverfahren in anderen Domänen . Motivtion 2. Lernmodelle Teil I 2.. Lernen im Limes 2.2. Fllstudie: Lernen von Ptternsprchen 3. Lernverfhren in nderen Domänen 3.. 3.2. Entscheidungsbäume 3.3. Entscheidungsbäume über regulären Ptterns

Mehr

R. Brinkmann http://brinkmann-du.de Seite 1 17.11.2010

R. Brinkmann http://brinkmann-du.de Seite 1 17.11.2010 R. rinkmnn http://rinkmnn-du.de Seite 7..2 Grundegriffe der Vektorrehnung Vektor und Sklr Ein Teil der in Nturwissenshft und Tehnik uftretenden Größen ist ei festgelegter Mßeinheit durh die nge einer Mßzhl

Mehr

LÖSUNGSVORSCHLÄGE ZUM 7. ÜBUNGSBLATT IN LINEARER ALGEBRA II

LÖSUNGSVORSCHLÄGE ZUM 7. ÜBUNGSBLATT IN LINEARER ALGEBRA II LÖSUNGSVORSCHLÄGE ZUM 7. ÜBUNGSBLATT IN LINEARER ALGEBRA II Prof. Werner Bley, Frnz Gmeineder Deember 9, 211 Aufgbe 1 Obwohl ds Resultt dieser Aufgbe niht sehr tiefliegend ist, ht es doh eine gnz wihtige

Mehr

Datenaustausch mit JSON

Datenaustausch mit JSON Datenaustausch mit JSON Datenaustausch Kodierung von Daten Binärformate (PNG, MP4, Word,... ) effizient, aufwändig, nicht menschenlesbar Textformate (Java,... ): menschenlesbar, Aufwand für Ein- und Ausgabe

Mehr

Mathe Warm-Up, Teil 1 1 2

Mathe Warm-Up, Teil 1 1 2 Mthe Wrm-Up, Teil 1 1 2 HEUTE: 1. Elementre Rechenopertionen: Brüche, Potenzen, Logrithmus, Wurzeln 2. Summen- und Produktzeichen 3. Gleichungen/Ungleichungen 1 orientiert sich n den Kpiteln 3,4,6,8 des

Mehr

Automaten, Spiele, und Logik

Automaten, Spiele, und Logik Automten, Spiele, und Logik Woche 9 13. Juni 2014 Inhlt der heutigen Vorlesung Büchi Automten co-büchi Automten Komplementierung für deterministische Büchi Automten Ein Ziel: den Stz von Büchi-Elgot-Trkhtenrot

Mehr

Mathematik Trigonometrie Einführung

Mathematik Trigonometrie Einführung Mthemtik Trigonometrie Einführung Ws edeutet ds Wort Trigonometrie und mit ws eshäftigt sih die Trigonometrie? Eine kleine Wortkunde: tri edeutet 'drei' Beispiel: Trithlon,... gon edeutet 'Winkel'/'Ek'

Mehr

Taylorreihen - Uneigentlische Integrale

Taylorreihen - Uneigentlische Integrale Anlysis II für M, LG und Ph, WS 2006/07, Übung 2, Lösungsskizze Gruppenübung Tylorreihen - Uneigentlische Integrle G 5 Berechnen Sie die Tylorreihe mit der Entwicklungsmitte 0 von f (x) = log(x + ), f

Mehr

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt

Mehr

π 2 r 2 r 2 sin 2 (t)r cos(t) dt π 2 cos2 (t) cos(t) dt = r 2 π dt = cos(x) sin(x) u v = cos(x) sin(x) + = cos(x) sin(x) + x

π 2 r 2 r 2 sin 2 (t)r cos(t) dt π 2 cos2 (t) cos(t) dt = r 2 π dt = cos(x) sin(x) u v = cos(x) sin(x) + = cos(x) sin(x) + x Wir substituieren x x(t) r sin(t), t [ π, π ]. Dnn ist x (t) r cos(t), lso r x dx π π r π r r sin (t)r cos(t) dt π cos (t) cos(t) dt r π π cos (t) dt Wir integrieren cos mittels prtieller Integrtion: Sei

Mehr

Technische Universität München Sommer 2016 Prof. J. Esparza / Dr. M. Luttenberger, S. Sickert 18. Juni HA-Lösung. TA-Lösung

Technische Universität München Sommer 2016 Prof. J. Esparza / Dr. M. Luttenberger, S. Sickert 18. Juni HA-Lösung. TA-Lösung ehnishe niversität Münhen ommer 2016 Prof. J. Esprz / Dr. M. Luttenerger,. ikert 18. Juni 2016 HA-Lösung A-Lösung Einführung in die theoretishe Informtik Aufgenltt 8 Behten ie: oweit niht explizit ngegeen,

Mehr

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 6 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 6 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Prof Dr J Giesl Formle ysteme, utomten, Prozesse 2010 M rockschmidt, F Emmes, C Fuhs, C Otto, T tröder Hinweise: Die Husufgben sollen in Gruppen von je 2 tudierenden us dem gleichen Tutorium berbeitet

Mehr

Komplexe Kurvenintegrale

Komplexe Kurvenintegrale Komplexe Kurvenintegrle nlog zu Kurvenintegrlen: Sei : [, b] D R n ein stükweiser C Weg, f : D R und F : D R n gegeben. Dnn htten wir in Anlysis II/III die beiden Kurvenintegrle. und 2. Art f (x)ds = b

Mehr

1KOhm + - y = x LED leuchtet wenn Schalter x gedrückt ist

1KOhm + - y = x LED leuchtet wenn Schalter x gedrückt ist . Ohm = LED leuchtet wenn chlter gedrückt ist 2. Ohm = NICH ( = NO ) LED leuchtet wenn chlter nicht gedrückt ist = ist die Negtion von? Gibt es so einen kleinen chlter (Mikrotster)? 2. Ohm = UND LED leuchtet

Mehr

Normalformen der Prädikatenlogik

Normalformen der Prädikatenlogik Normalformen der Prädikatenlogik prädikatenlogische Ausdrücke können in äquivalente Ausdrücke umgeformt werden Beispiel "X (mensch(x) Æ sterblich(x)) "X (ÿ mensch(x) sterblich(x)) "X (ÿ (mensch(x) Ÿ ÿ

Mehr

10: Lineare Abbildungen

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

Mehr

Erkundungen. Terme vergleichen. Rechteck Fläche als Produkt der Seitenlängen Fläche als Summe der Teilflächen A B

Erkundungen. Terme vergleichen. Rechteck Fläche als Produkt der Seitenlängen Fläche als Summe der Teilflächen A B Erkundungen Terme vergleihen Forshungsuftrg : Fläheninhlte von Rehteken uf vershiedene Arten erehnen Die Terme () is (6) eshreien jeweils den Fläheninhlt von einem der drei Rehteke. Ordnet die Terme den

Mehr

Theoretische Informatik und Logik Übungsblatt 2 (2013S) Lösung

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

Mehr

1 152.17. 1. Gegenstand und Zweck

1 152.17. 1. Gegenstand und Zweck 5.7. März 0 Verordnung üer die Klssifizierung, die Veröffentlihung und die Arhivierung von Dokumenten zu Regierungsrtsgeshäften (Klssifizierungsverordnung, KRGV) Der Regierungsrt des Kntons Bern, gestützt

Mehr

2.5 Algebra. 1 Faktorisieren Terme faktorisieren (-1) ausklammern Terme mit Klammern faktorisieren... 3

2.5 Algebra. 1 Faktorisieren Terme faktorisieren (-1) ausklammern Terme mit Klammern faktorisieren... 3 2.5 Algebr Inhltsverzeichnis Fktorisieren 2. Terme fktorisieren...................................... 2.2 (-) usklmmern....................................... 2.3 Terme mit Klmmern fktorisieren..............................

Mehr

Abiturprüfung Mathematik 2013 (Baden-Württemberg) Berufliche Gymnasien Analysis, Aufgabe 1

Abiturprüfung Mathematik 2013 (Baden-Württemberg) Berufliche Gymnasien Analysis, Aufgabe 1 www.mthe-ufgben.com Abiturprüfung Mthemtik 013 (Bden-Württemberg) Berufliche Gymnsien Anlysis, Aufgbe 1 1.1 Die Funktion f ist gegeben durch π f( x) = + sin x ; x. Ds Schubild von f ist K. 1.1.1 (8 Punkte)

Mehr

Warum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7

Warum Mathe? IG/StV-Mathematik der KFU-Graz. 1 Mengen Mengenoperationen Rechenregeln Mengen 4. Funktionen 7 Warum Mathe? IG/StV-Mathematik der KFU-Graz März 2011 Inhalt 1 Mengen 1 1.1 Mengenoperationen.............................. 2 1.2 Rechenregeln.................................. 3 2 Übungsbeispiele zum

Mehr

9 Riemann-Integral für Funktionen einer Variablen

9 Riemann-Integral für Funktionen einer Variablen 9 Riemnn-Integrl für Funktionen einer Vriblen Integrl = (orientierte) Fläche zwischen Funktion f : r, bs Ñ R und der x-achse «ř n px n x n 1 qf pξ n q mit Zwischenpunkten ξ n P rx n 1, x n s x n 1 x n

Mehr

Logarithmen und Logarithmengesetze

Logarithmen und Logarithmengesetze R. Brinkmnn http://brinkmnn-du.de Seite 9.. Logrithmen und Logrithmengesetze Wir betrhten die Gleihung 5 = 5 Auf der linken Seite steht eine Potenz mit der Bsis 5 und dem Eponenten. Auf der rehten Seite

Mehr

Javakurs FSS Lehrstuhl Stuckenschmidt. Tag 3 - Objektorientierung

Javakurs FSS Lehrstuhl Stuckenschmidt. Tag 3 - Objektorientierung Javakurs FSS 2012 Lehrstuhl Stuckenschmidt Tag 3 - Objektorientierung Warum Objektorientierung Daten und Funktionen möglichst eng koppeln und nach außen kapseln Komplexität der Software besser modellieren

Mehr

Einführung in die Stochastik 6. Übungsblatt

Einführung in die Stochastik 6. Übungsblatt Einführung in die Stochastik 6. Übungsblatt Fachbereich Mathematik SS M. Kohler 3. Mai A. Fromkorth D. Furer Gruppen und Hausübung Aufgabe (a) Die Wahrscheinlichkeit, dass eine S Bahn Verspätung hat, betrage.3.

Mehr

Theorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie

Theorie der Informatik. Theorie der Informatik. 6.1 Einführung. 6.2 Alphabete und formale Sprachen. 6.3 Grammatiken. 6.4 Chomsky-Hierarchie Theorie der Informatik 17. März 2014 6. Formale Sprachen und Grammatiken Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 6.1 Einführung

Mehr

Chapter 1 : þÿ b e t a t h o m e Z i t a t b a y e r n c h a p t e r

Chapter 1 : þÿ b e t a t h o m e Z i t a t b a y e r n c h a p t e r Chapter 1 : þÿ b e t a t h o m e Z i t a t b a y e r n c h a p t e r þÿ 2 8. O k t. 2 0 1 2 D a s b e s t e P r e i s - L e i s t u n g s - V e r h ä l t n i s : S i e g e r B e s t C a r s 2 0 1 2, «A

Mehr

Getriebe und Übersetzungen Übungsaufgaben

Getriebe und Übersetzungen Übungsaufgaben Gewereshule Lörrh Getriee und Üersetzungen Üungsufgen Quelle: Ai-Prüfungen des Lndes Bden-Württeerg 1 HP 1996/97-1 Shiffsufzug Bei der Bergfhrt uss von jeder Motor-Getrieeeinheit eine Krftdifferenz von

Mehr

G2 Grundlagen der Vektorrechnung

G2 Grundlagen der Vektorrechnung G Grundlgen der Vektorrechnung G Grundlgen der Vektorrechnung G. Die Vektorräume R und R Vektoren Beispiel: Physiklische Größen wie Krft und Geschwindigkeit werden nicht nur durch ihre Mßzhl und ihre Einheit,

Mehr

3 Prädikatenlogik der 1. Stufe (PL1) Teil I

3 Prädikatenlogik der 1. Stufe (PL1) Teil I 3 Prädikatenlogik der 1. Stufe (PL1) Teil I 3.3 Quantoren [ Gamut 70-74 McCawley 23-44 Chierchia 113-117 ]? Sind folgende Sätze jeweils synonym? (1) (a) Hans ist verheiratet oder nicht verheiratet. (b)

Mehr

Gebrochenrationale Funktionen (Einführung)

Gebrochenrationale Funktionen (Einführung) Gebrochenrtionle Funktionen (Einführung) Ac Eine gebrochenrtionle Funktion R ist von der Form R(x) P(x) und Q(x) gnzrtionle Funktionen n-ten Grdes sind. P(x) Q(x), wobei Im Allgemeinen ht eine gebrochenrtionle

Mehr

Grundwissen Mathematik 8.Klasse Gymnasium SOB. Darstellung im Koordinatensystem: Der Kreisumfang ist direkt proportional zu seinem Radius.

Grundwissen Mathematik 8.Klasse Gymnasium SOB. Darstellung im Koordinatensystem: Der Kreisumfang ist direkt proportional zu seinem Radius. Gymso 1 Grundwissen Mthemtik 8.Klsse Gymnsium SOB 1.Funktionle Zusmmenhänge 1.1.Proportionlität Ändern sih ei einer Zuordnung die eiden Größen im gleihen Verhältnis, so spriht mn von einer direkten Proportionlität.

Mehr

F-Logic - Einblick und Vergleich mit Prolog

F-Logic - Einblick und Vergleich mit Prolog F-Logic - Einblick und Vergleich mit Prolog Stefan Clepce 26. Jan. 2005 (überarbeitete Fassung des Vortrags am 17. Jan. 2005) Horn Klauseln: Klauseln (Disjunktionen von Literalen) mit höchstens einem positiven

Mehr

2. Landeswettbewerb Mathematik Bayern 2. Runde 1999/2000

2. Landeswettbewerb Mathematik Bayern 2. Runde 1999/2000 Lndeswettewer Mthemtik Bern Runde 999/000 Aufge Ein Würfel wird durh je einen Shnitt rllel zur order-, Seiten und Dekflähe in ht Quder zerlegt (siehe Skizze) Können sih die Ruminhlte dieser Quder wie :

Mehr

Die Begrenzung der Beschleunigung und ihre Folgen Die Herleitung der relativistischen Kraftgesetze

Die Begrenzung der Beschleunigung und ihre Folgen Die Herleitung der relativistischen Kraftgesetze Rolnd Meissner Bodestrße 7, D-06122 Hlle, E-Mil: rolndmeissner@gmx.de Die Begrenzung der Beschleunigung und ihre Folgen Die Herleitung der reltivistischen Krftgesetze Abstrct The reltivistic term of Force

Mehr

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

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

Mehr

Das kleine 9er-Einmaleins mit den 10 Fingern lernen.

Das kleine 9er-Einmaleins mit den 10 Fingern lernen. Ws? Multiplizieren 9er-Finger-Einmleins Wozu? Ds kleine 9er-Einmleins mit den 10 Fingern lernen. 1. Beide Hände mit usgestrekten Fingern zeigen nh oen. 2. Die Dumen zeigen nh ußen (Hndflähen zum Gesiht).

Mehr

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)

VII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen) VII. Folgen und Reihen von Funktionen (Vertuschung von Grenzprozessen) Definition. Sei {f n } eine Folge von Funktionen, die uf einer Menge E definiert sind. Die Folgen der Funktionswerte {f n (x)} seien

Mehr

Multiplikative Inverse

Multiplikative Inverse Multipliktive Inverse Ein Streifzug durch ds Bruchrechnen in Restklssen von Yimin Ge, Jänner 2006 Viele Leute hben Probleme dbei, Brüche und Restklssen unter einen Hut zu bringen. Dieser kurze Aufstz soll

Mehr

Sie das Gerät aus und überprüfen Sie den Lieferumfang. Netzkabel. Trägerbogen/Plastikkarten-Trägerbogen DVD-ROM

Sie das Gerät aus und überprüfen Sie den Lieferumfang. Netzkabel. Trägerbogen/Plastikkarten-Trägerbogen DVD-ROM Instlltionsnleitung Hier eginnen ADS-2100 Lesen Sie zuerst die Produkt-Siherheitshinweise, evor Sie ds Gerät einrihten. Lesen Sie dnn diese Instlltionsnleitung zur korrekten Einrihtung und Instlltion.

Mehr

Informatik III Wintersemester 2016/17. Aufgabenblatt 4

Informatik III Wintersemester 2016/17. Aufgabenblatt 4 Informatik III Wintersemester 2016/17 Universität Augsburg Prof. Dr. W. Vogler Moritz Laudahn, M.S. Aufgabe 1 Aufgabenblatt 4 Geben Sie einen Entsheidungsbaum für das im Skript beshriebene Insertion Sort

Mehr

GESTRA SPECTORcom-Gateway. Kessel- und Brennersteuerung Durch das Intranet, Internet oder GSM-Netz ins Kesselhaus

GESTRA SPECTORcom-Gateway. Kessel- und Brennersteuerung Durch das Intranet, Internet oder GSM-Netz ins Kesselhaus GESTRA -Gtewy - un steuerung Durh s Intrnet, oer GSM-Netz ins hus Die Systemvorteile im einzelnen Mit em -Gtewy ist es GESTRA gelungen, ie Welt er steuerung mit er er Wsserseite zu verinen. Ein kleines,

Mehr

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Proseminar Lineare Algebra SS10 Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Natalja Shesterina Heinrich-Heine-Universität ASymmetrische Polynome Definition 1 Sei n

Mehr

Ausdrucksstärke von monadischem Datalog auf Bäumen

Ausdrucksstärke von monadischem Datalog auf Bäumen Ausdrucksstärke von monadischem Datalog auf Bäumen RWTH Aachen Seminar über Automaten für XML (WS 2005/06) 06. Dezember 2005 Druckversion Worum es geht... Aufgabe: Selektieren von Knoten in Bäumen Anfragesprache:

Mehr

Analysis II WS 11/12 Serie 9 Musterlösung

Analysis II WS 11/12 Serie 9 Musterlösung Analysis II WS / Serie 9 Musterlösung Aufgabe Bestimmen Sie die kritischen Punkte und die lokalen Extrema der folgenden Funktionen f : R R: a fx, y = x + y xy b fx, y = cos x cos y Entscheiden Sie bei

Mehr

1 - FortProg ist: [ ] objekt-orientiert; [ ] funktional; [ ] logisch; [ ] manchmal nicht auszuhalten

1 - FortProg ist: [ ] objekt-orientiert; [ ] funktional; [ ] logisch; [ ] manchmal nicht auszuhalten 1 - FortProg ist: [ ] objekt-orientiert; [ ] funktional; [ ] logisch; [ ] manchmal nicht auszuhalten Java-1. a), e) Java-2. --- gestrichen --- Java-3. keine Antwort ist richtig Java-4. a) Java-5. a), b)

Mehr

Präsenz-Aufgaben = i. (a) i 15 = i 14 i = (i 2 ) 7 i = ( 1) 7 i = i i 15 = 0 + ( 1)i, i (i i) = i 1 = i i 15 = 0 + 1i,

Präsenz-Aufgaben = i. (a) i 15 = i 14 i = (i 2 ) 7 i = ( 1) 7 i = i i 15 = 0 + ( 1)i, i (i i) = i 1 = i i 15 = 0 + 1i, Präsenz-Aufgben 1. 1. Schreiben Sie z in der Form z α + βi mit α,β R. Aus der Vorlesung ist beknnt: i i i 1, i 1 1 i i i i i 1 i. () i 15 i 1 i (i ) 7 i ( 1) 7 i i i 15 + ( 1)i, (b) i 15 1 i 15 () 1 i

Mehr

b f(x)p(x) dx = f(ξ) 2e 2 , Hess f (2, 0) =

b f(x)p(x) dx = f(ξ) 2e 2 , Hess f (2, 0) = Es seien U R n offen und ψ : U R n stetig differenzierbr. Weiter sei f : U R zweiml stetig differenzierbr. Kennzeichnen Sie whre Aussgen mit W und flsche Aussgen mit F. F Flls dψ(x) ein Isomorphismus für

Mehr

Chapter 1 : þÿ A b h e b u n g e n b e t a t h o m e c h a p t e r

Chapter 1 : þÿ A b h e b u n g e n b e t a t h o m e c h a p t e r Chapter 1 : þÿ A b h e b u n g e n b e t a t h o m e c h a p t e r þÿ i c h? H a b e n S i e b e i u n s e i n e G e p ä c k v e r s i c h e r u n g a b g e s c h l o s s e n, b i t t e n w i r S i e,.

Mehr

Chapter 1 : þÿ b e t a t h o m e s y s t e m w e t t e c h a p t e r

Chapter 1 : þÿ b e t a t h o m e s y s t e m w e t t e c h a p t e r Chapter 1 : þÿ b e t a t h o m e s y s t e m w e t t e c h a p t e r þÿ h ä n g t v o n d e r S t r a h l e n a r t u n d v o n d e r e n E n e r g i e a b. S i e l i e g t f ü r A l p h a s t r a h l

Mehr

Der Punkt von Fermat 1

Der Punkt von Fermat 1 Der Punkt von Fermat 1 Geometrie Der Punkt von Fermat Autor: Peter Andree Inhaltsverzeichnis 9 Der Punkt von Fermat 1 9.1 Die Aufgabe von Fermat an Torricelli................... 1 9.2 Der klassische, analytische

Mehr

Typisierung von semistrukturierten Daten. Steffen Staab ISWeb Informationssysteme & Semantic Web

Typisierung von semistrukturierten Daten. Steffen Staab ISWeb Informationssysteme & Semantic Web Typisierung von semistrukturierten Daten Typisierung von semistrukturierten Daten Idee: Strukturieren und Typisieren von semistrukturierte Daten. Zwei einfache Formalismen basierend auf: Logik Graphensimulation

Mehr

Studienbegleitende Prüfung Modul 12 Anorganisch-Chemisches Grundpraktikum SS Niederschlag von CuS Niederschlag von PbS

Studienbegleitende Prüfung Modul 12 Anorganisch-Chemisches Grundpraktikum SS Niederschlag von CuS Niederschlag von PbS Studienbegleitende Prüfung Modul 1 Anorganish-Chemishes Grundpraktikum SS 003.09.003 Name: Vorname: Matrikelnummer: Fahsemester: Punkte: Note: Frage 1 Was geshieht, wenn Sie Lösungen folgender Kationen

Mehr

RWTH Aachen Lehrgebiet Theoretische Informatik Rossmanith Dreier Hark Kuinke. SS 2017 Blatt

RWTH Aachen Lehrgebiet Theoretische Informatik Rossmanith Dreier Hark Kuinke. SS 2017 Blatt RWTH Achen Lehrgeiet Theoretische Informtik Rossmnith Dreier Hrk Kuinke SS 2017 Bltt 4 22.5.2017 Lösungsvorschlg zur Vorlesung Formle Sprchen, Automten und Prozesse Aufge T11 1. L, d L, er / L. L, d für

Mehr

Logik-Grundlagen. Syntax der Prädikatenlogik

Logik-Grundlagen. Syntax der Prädikatenlogik Logik-Grundlagen X 1 :...: X k : ( A 1 A 2... A m B 1 B 2... B n ) Logische und funktionale Programmierung - Universität Potsdam - M. Thomas - Prädikatenlogik III.1 Syntax der Prädikatenlogik Prädikat:

Mehr

( ) ( 1) ( ) ( ) ( ) S ( 1;1) a () 1 1. Analysis Ableitungen: x x. Berechnung der Koeffizienten: b = ( ) Gleichung der Tangenten t:

( ) ( 1) ( ) ( ) ( ) S ( 1;1) a () 1 1. Analysis Ableitungen: x x. Berechnung der Koeffizienten: b = ( ) Gleichung der Tangenten t: Lösungen Abiur Leisungskurs Mhemik www.mhe-schule.de Seie von 9 P Anlysis = R, ² k.. p = + b+, b, R Ableiungen: k' ( ) = = p' = + b Berechnung der Koeffizienen: ; p =.. S : () p' () k' () + b + = b= =

Mehr

Klausur Formale Systeme Fakultät für Informatik 2. Klausur zum WS 2010/2011

Klausur Formale Systeme Fakultät für Informatik 2. Klausur zum WS 2010/2011 Fakultät für Informatik 2. Klausur zum WS 2010/2011 Prof. Dr. Bernhard Beckert 08. April 2011 Vorname: Matrikel-Nr.: Platz: Klausur-ID: **Platz** **Id** Die Bearbeitungszeit beträgt 60 Minuten. A1 (17)

Mehr

9 Das Riemannsche Integral

9 Das Riemannsche Integral 1 9 Ds Riemnnsche Integrl 9.1 Definition und Beispiele Sei I = [, ] R mit

Mehr

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

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

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Flächenberechnung - Umfang und Fläche von Rechteck und Quadrat

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Flächenberechnung - Umfang und Fläche von Rechteck und Quadrat Unterrichtsmterilien in digitler und in gedruckter Form Auszug us: Flächenberechnung - Umfng und Fläche von Rechteck und Qudrt Ds komplette Mteril finden Sie hier: Downlod bei School-Scout.de Inhltsverzeichnis

Mehr

10. Riemannsche Geometrie I: Riemannsche Metrik. Variable Bilinearformen.

10. Riemannsche Geometrie I: Riemannsche Metrik. Variable Bilinearformen. 10. Riemnnsche Geometrie I: Riemnnsche Metrik Wir können in der hyperbolischen Geometrie noch nicht wirklich messen. Hierfür bruchen wir ein Riemnnsches Längen- und Winkelmß, d.h. eine Riemnnsche Geometrie.

Mehr

Das Relationale Modell

Das Relationale Modell Kapitel 3 Das Relationale Modell 1 / 50 Generelle Anmerkungen Wurde in den Siebzigern von E.F.Codd entwickelt (er bekam den Turing Award dafür) Im Moment das am weitesten verbreitete Datenmodell Hat die

Mehr

c dl SPiC (Teil C, SS 11) 13 Zeiger und Felder 13.1 Zeiger Einführung 13 1 Zeigervariable := Behälter für Verweise ( Adresse) Beispiel int x = 5;

c dl SPiC (Teil C, SS 11) 13 Zeiger und Felder 13.1 Zeiger Einführung 13 1 Zeigervariable := Behälter für Verweise ( Adresse) Beispiel int x = 5; Überblick: Teil C Systemnhe Softwreentwicklung Einordnung: Zeiger (Pointer) Literl: Drstellung eines Wertes 0110 0001 12 Progrmmstruktur und Module Vrible: Bezeichnung chr ; eines Dtenobjekts Behälter

Mehr

Spannung galvanischer Zellen (Zellspannungen)

Spannung galvanischer Zellen (Zellspannungen) Spnnung glvnisher Zellen (Zellspnnungen) Ziel des Versuhes Kennenlernen der Abhängigkeit der Zellspnnung von den Konzentrtionen der potenzilbestimmenden Ionen (Nernst-Gleihung). Anwendung der Zellspnnungsmessung

Mehr

Ungleichungen. Jan Pöschko. 28. Mai Einführung

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

Mehr

Übungsblatt Nr. 1. Lösungsvorschlag

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

Mehr

Chapter 1 : þÿ b e t a t h o m e K u n d e n d i e n s t E - M a i l - A d r e s s e c h a p t e r

Chapter 1 : þÿ b e t a t h o m e K u n d e n d i e n s t E - M a i l - A d r e s s e c h a p t e r Chapter 1 : þÿ b e t a t h o m e K u n d e n d i e n s t E - M a i l - A d r e s s e c h a p t e r þÿ M a r k e t i n g a k t i o n e n u n d z a u b e r t d a b e i W e t t g u t s c h e i n e i m W e

Mehr

Periodensystem. Physik und Chemie. Sprachkompendium und einfache Regeln

Periodensystem. Physik und Chemie. Sprachkompendium und einfache Regeln Periodensystem Physik und Chemie Sprachkompendium und einfache Regeln 1 Begriffe Das (neutrale) Wasserstoffatom kann völlig durchgerechnet werden. Alle anderen Atome nicht; ein dermaßen komplexes System

Mehr

Typengetriebene Interpretation. Semantik und Pragmatik. Typengetriebene Interpretation. Argumentstruktur und Lambda-Präfixe

Typengetriebene Interpretation. Semantik und Pragmatik. Typengetriebene Interpretation. Argumentstruktur und Lambda-Präfixe Tyengetriebene Interrettion emntik und Prgmtik 29. Mi 2007 Gerhrd Jäger Regelformte bislng drei Arten von Regeln: X Y, Z:: X = Y ( Z ) X Y, Z:: X = Z ( Y ) X Y, Z, W:: X = Z ( Y )( W ) Gemeinsmkeiten:

Mehr