Fuzzy Logic & Control
|
|
- Manfred Maurer
- vor 6 Jahren
- Abrufe
Transkript
1 The more, the fuzzier... Prof. Dr.-Ing. Doris Danziger Prof. Dr. rer. nat. Nikolaus Wulff
2 Fuzzy Theorie Lofi Zadeh enwickelte 1967 die Fuzzy Theorie. Er erweiterte die klassische Mengenlehre um den Begriff der unscharfen Fuzzy Menge. Dies war notwendig, um Dinge unseres alltäglichen Lebens adäquat beschreiben zu können: Die Menge Groß der großen Menschen. Wann ist ein Mensch groß? Z.B. ab 1.80 m, was ist mit Menschen die 1.79 m groß sind? Gehören diese zur Menge Groß oder sind sie Normal? Mit klassischen scharfen Menge lässt sich diese Frage nicht vernünftig beantworten. 2
3 Scharf versus unscharf x = x = 1.75 Klein Normal Groß Klein Normal Groß Scharfe Einteilung erlaubt nur die Zugehörigkeit zu genau einer Menge. Fuzzy Logik erlaubt die Mitgliedschaft in mehreren Mengen gleichzeitig. Scharfe Klassifizierung führt zu Sprüngen... Fuzzy Klassifizierung u. U. zu Mehrdeutigkeiten, erlaubt jedoch stetige Übergänge... 3
4 Fuzzy Menge Eine Fuzzy Menge A über einer Grundgesamtheit wird beschrieben durch ihre Zugehörigkeitsfunktion A : [0,1], d.h. ein Element kann teilweise zur Menge A gehören, da nicht nur die Werte 0 und 1 angenommen werden. Zadeh führte für diskrete Mengen die Schreibweise A={ 1 / x 1,, m / x m } j / x j j=1 und für kontinuierliche, unendliche Mengen ein, wobei A /x nicht als Quotient zu lesen ist. A= x A x / x m 4
5 Einfache Fuzzy Mengen Gebräuchliche Fuzzy Mengen sind: FuzzyTriangle (Dreieck) FuzzyTrapezoid (Trapez) FuzzyS, Z und P (Parabeln) FuzzyBell (Gausskurve) Für diese lassen sich effiziente analytisch auswertbare Formeln angeben und codieren. 5
6 FuzzySet Darstellung Die Menge etwa 4.7 Die Zahl 4 gehört zu 0,75 dazu Fuzzy Mengen werden häufig graphisch dargestellt, durch ihre Zugehörigkeitsfunktion. Numerisch einfach sind Polygone: Triangle und Trapezoid, sowie Parabeln: FuzzyP, FuzzyZ, FuzzyS. 6
7 Fuzzy Mengen cont. Meist wird die Erweiterung von der zweielementigen Menge {0,1} auf das Einheitsinterval als Tupel angegeben und die Menge analytisch definiert: Häufig wird A direkt mit der Zugehörigkeitsfunktion identifiziert. A x A x Ähnlich wie Łukasiewicz und Gödel, musste Zadeh für seine Fuzzy Mengen die wichtigsten algebraische Eigenschaften neu definieren, wobei er sich vom Erweiterungsprinzip leiten ließ: Für die Belegungen 0 und 1 soll das klassische Ergebnis herauskommen. A = { x, A x x, 0 A x 1 } 7
8 Fuzzy Operationen Im Folgendem seinen A und B Fuzzy Mengen über derselben Grundgesamtheit. A heißt Teilmenge von B wenn entsprechend ist die Gleichheit definiert: A B A x B x x A B A x = B x x Durchschnitt und Vereinigung zweier Mengen A B x = min A x, B x x A B x = max A x, B x x 8
9 Bemerkung Diese Definitionen von Vereinigung und Durchschnitt sind nicht die einzig möglichen, viele andere sind je nach Verwendungszweck im Gebrauch. Mathematisch werden die fuzzyfizierten Junktoren durch drei Abbildungen beschrieben: (AND) durch eine T-Norm: [0,1] [0,1] [0,1]. (OR) durch eine S-Norm: [0,1] [0,1] [0,1]. durch das C-Komplement: [0,1] [0,1]. Fordert man, dass die De-Morganschen Gesetze gelten sollen, so sind hierbei nur zwei der drei Funktionen unabhängig T(x,y) = C(S(C(x),C(y))). 9
10 T- und S-Normen Wichtige algebraische Eigenschaften von Normen: Randbedingung: T(x,1) = x Kommutativität: T(x, y) = T(y, x) Monotonie: Für y 1 y 2 gilt T(x, y 1 ) T(x, y 2 ) Assoziativität: T(x, T(y, z)) = T(T(x, y), z) Randbedingung: S(x, 0) = x Kommutativität: S(x, y) = S(y, x) Monotonie: Für y 1 y 2 gilt S(x, y 1 ) S(x, y 2 ) Assoziativität: S(x, S(y, z)) = S(S(x, y), z) 10
11 Eigenschaften von Normen Mehrwertige Normen lassen sich auf Grund der Assoziativität rekursiv definieren: T x 1, x 2, x 3 :=T T x 1, x 2, x 3 T x 1,, x m :=T T x 1,, x m 1, x m S x 1, x 2, x 3 :=S S x 1, x 2, x 3 S x 1,, x m :=S S x 1,, x m 1, x m Normen sind wahrheitserhaltend (truth-functional), d. h. W(A B) = T(W(A),W(B)) sowie W(A B) = S(W(A),W(B)) 11
12 Wichtige Fuzzy Normen Zadeh MinMax Norm T m und S m : Algebraisches Produkt / Summe T p und S p : A B x = A x B x A B x = A x B x A x B x Beschränkte Differenz / Summe T L und S L : A B x = min A x, B x A B x = max A x, B x A B x = max 0, A x B x 1 A B x = min 1, A x B x In all diesen Fällen gilt A x = 1 A x 12
13 Übungen Zeigen Sie, dass wirklich C(A(x)) = 1 A(x) gilt. Zeigen Sie T L T P T m S m S P S L. Berechnen Sie T m und S m für mehr als 2 Argumente. Berechnen Sie T P und S P für mehr als 2 Argumente. Berechnen Sie T L und S L für mehr als 2 Argumente. Bemerkung: Im JEFIS Projekt sind verschiedene Normen bereits implementiert und alle Fuzzy Sets können damit parametrisiert werden. Schauen Sie sich die API an. 13
14 Fuzzy Basics Als Träger (engl. Support) einer Fuzzy Menge A wird die Menge bezeichnet. Ein α-schnitt ist die Niveau Menge Das 1-Niveau heißt Kern der Fuzzy Menge A. supp A = { x A x 0 } A = { x A x } kern A = { x A x =1 } A 1 Träger, Schnitt und Kern sind klassische, scharfe Mengen mit Zugehörigkeit 0 oder 1! 14
15 Fuzzy Zahlen Durch Fuzzy Mengen lassen sich unscharfe Fuzzy Zahlen definieren, wie z.b. etwa drei. Eine Fuzzy Zahl Φ hat eine konvexe Zugehörigkeitsfunktion, die genau in einem Punkt φ den Wert μ Φ (φ)=1 besitzt, d.h. der Kern kern(φ) hat eine scharfe Singularität an der Stelle φ. Der Träger supp(φ) beschreibt die Unschärfe um den Punkt φ. Fuzzy Zahlen sollen die selben arithmetischen Operationen erlauben, wie die reellen Zahlen, allerdings unter Berücksichtigung des Trägers. 15
16 Fuzzy Arithmetik Gegeben zwei Fuzzy Zahlen A und B, stellt sich die Frage der Berechnung von Addition: Subtraktion: Multiplikation: C = A B C = A B C = A B Division: C = A B Eine effiziente Approximation lässt sich mittels Fehlerfortpflanzung finden (hier nur symmetrisch): C±γ = (A±α) (B±β) = (A+B) ± (α+β) C±γ = (A±α) (B±β) = (A*B) ± (B*α+A*β) C±γ = (A±α) (B±β) = (A/B) ± (B*α+A*β)/B 2 16
17 Beispiele für Fuzzy Arithmetik Visualisierung der Fuzzy Zahlen Arithmetik, deutlich ist die Verbreiterung des Trägers zu erkennen, während der Kern den normalen Rechenregeln genügt. Die Fuzzy Arithmetik ist jedoch kein Körper, da i.a. A A
18 Fuzzy Vergleich Wie groß ist der Wahrheitsgehalt der Aussage A ist (ungefähr) gleich B, d.h. W(A B)? Nach dem Zadehschen Erweiterungsprinzip ist dies gleich dem Wert der maximalen Übereinstimmung von A und B. W A B = sup x A x B x Für eine Singleton-Menge A(x) δ(x 0 ) reduziert sich dies für jede(!) T-Norm zu: W x 0 B = sup x T x 0, B x =B x 0 18
19 Fuzzy Vergleich cont. Ist A kein Singleton so muss das Supremum der Norm explizit ausgewertet werden, z.b. für MinMax: W A B = sup x W A B = sup x A x B x min A x, B x = x 0 μ(x) 1 α(x 0 ) A B x 0 19
20 Übung Berechnen Sie für welche der drei Normen T m, T P und T L der Satz vom Widerspruch und der tertium non datur verletzt sind und für welche nicht. Wie lautet die Formel für den Vergleich wenn die Produkt Norm T P verwendet wird? Wie groß ist der Wahrheitswert α(x 0 ) für den Vergleich zweier gegebener Dreiecks Fuzzy Mengen A und B unter Verwendung der T m und T P Norm? 20
Fundamente der Computational Intelligence Teil 2
Fundamente der Computational Intelligence Teil 2 Günter Rudolph Fachbereich Informatik, Lehrstuhl XI Fachgebiet Computational Intelligence WS 2006/07 Grobe Gliederung 1. Fuzzy Methoden 2. Evolutionäre
MehrFuzzy Logic & Control
Λογος ist..., wenn man trotzdem denkt. Prof. Dr.-Ing. Doris Danziger Prof. Dr. rer. nat. Nikolaus Wulff Agenda Klassische Mengen Regelbasierte Systeme Mehrwertige Logiken und Fuzzy Logik Fuzzy Mengen,
MehrEinführung in die Fuzzy Logik
Einführung in die Fuzzy Logik Einleitung und Motivation Unscharfe Mengen fuzzy sets Zugehörigkeitsfunktionen Logische Operatoren IF-THEN-Regel Entscheidungsfindung mit dem Fuzzy Inferenz-System Schlußbemerkungen
MehrZahlen 25 = = 0.08
2. Zahlen Uns bisher bekannte Zahlenbereiche: N Z Q R ( C). }{{} später Schreibweisen von rationalen/reellen Zahlen als unendliche Dezimalbrüche = Dezimalentwicklungen. Beispiel (Rationale Zahlen) 1 10
MehrLösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }
Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird
MehrLineare Algebra und analytische Geometrie I
Sei G eine Gruppe. Zeige, dass ( 1 ) 1 = Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Arbeitsblatt 3 Die Pausenaufgabe Aufgabe 3.1. Formuliere die binomischen
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} Ganze Zahlen : Aus
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
MehrMengenlehre. Ist M eine Menge und x ein Element von M, so schreiben wir x M. Ist x kein Element von M, so schreiben wir x M.
Mengenlehre Eine Menge ist eine Zusammenfassung bestimmter und unterschiedlicher Objekte. Für jedes Objekt lässt sich eindeutig sagen, ob es zu der Menge gehört. Die Objekte heißen Elemente der Menge.
MehrWichtige Klassen reeller Funktionen
0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei
MehrDieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.
Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,
MehrFuzzy Logic und Wahrscheinlichkeit
Philosophische Fakultät Institut für Philosophie, Lehrstuhl für Theoretische Philosophie, Holm Bräuer M.A. Fuzzy Logic und Wahrscheinlichkeit Ein Kurzüberblick Was ist Fuzzy Logic? Fuzzy-Logik (englisch:
MehrAnalysis I - Reelle Zahlen
November 17, 2008 Algebraische Grundbegriffe und Körper Definition Sei M eine Menge. Jede Funktion f : M M M heißt eine (binäre, innere) Verknüpfung oder eine Operation auf M. Wir schreiben für (a, b)
MehrFuzzy-Logik Kontext C mit Interpretation. A B
Unexaktes Schlußfolgern Einführung Fuzzy-Mengen Fuzzy-Logik Formel. A B Kontext C mit Interpretation. A B Modifizierer von Fuzzy-Mengen Operationen auf Fuzzy-Mengen Fuzzy-Inferenz Defuzzifizierung C mit
MehrMatrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte
Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung
Mehr1 Folgen und Stetigkeit
1 Folgen und Stetigkeit 1.1 Folgen Eine Folge ist eine durchnummerierte Zusammenfassung von reellen Zahlen. Sie wird geschrieben als (a 1, a 2, a 3,...) = (a n ) n N. Es ist also a n R. Der Index n gibt
MehrAnalysis 1, Woche 2. Reelle Zahlen. 2.1 Anordnung. Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität).
Analysis 1, Woche 2 Reelle Zahlen 2.1 Anordnung Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität). 2. Für jeden a, b K mit a b und b a gilt a = b (Antisymmetrie).
MehrDie reellen Zahlen als Dedekindsche Schnitte. Iwan Otschkowski
Die reellen Zahlen als Dedekindsche Schnitte Iwan Otschkowski 14.12.2016 1 1 Einleitung In dieser Ausarbeitung konstruieren wir einen vollständig geordneten Körper aus gewissen Teilmengen von Q, den Dedekindschen
MehrZahlen und metrische Räume
Zahlen und metrische Räume Natürliche Zahlen : Die natürlichen Zahlen sind die grundlegendste Zahlenmenge, da man diese Menge für das einfache Zählen verwendet. N = {1, 2, 3, 4,...} bzw. N 0 = {0, 1, 2,
MehrWeitere Eigenschaften
Weitere Eigenschaften Erklärung der Subtraktion: x y := x + ( y) (5) Die Gleichung a + x = b hat die eindeutig bestimmte Lösung x = b a. Beweis: (a) Zunächst ist x = b a eine Lösung, denn a + x = a + (b
MehrVollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die kontinuierlich ablaufende Zeit.
Kapitel 4 Reelle Zahlen 4.1 Die reellen Zahlen (Schranken von Mengen; Axiomatik; Anordnung; Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die
MehrMengenlehre. Begriff der Mengenzugehörigkeit x M, x Ê M >x : x { a 1. e e x = a n. } 2 x = a 1. >x : x { y P(y) } 2 P(x) Begriff der leeren Menge
Mengenlehre Grundbegriff ist die Menge Definition (Naive Mengenlehre). Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung
MehrKurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif
14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte
MehrKapitel 1.5 und 1.6. Ein adäquater Kalkül der Aussagenlogik
Kapitel 1.5 und 1.6 Ein adäquater Kalkül der Aussagenlogik Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls Mathematische Logik (WS 2010/11) Kapitel 1.5 und 1.6: Kalküle 1 /
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:
MehrErweitertes boolsches Retrieval
Erweitertes boolsches Retrieval In diesem Unterabschnitt werden andere Ansätze zur Verbesserung des boolschen Retrievals vorgestellt. Im Gegensatz zum Vektorraummodell wird bei diesen Ansätzen versucht,
MehrMengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } }
Mengen Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung aller Elemente: { 1,
Mehr1. Grundlagen. Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen
1. Grundlagen Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen Peter Buchholz 2016 MafI 2 Grundlagen 7 1.1 Was ist Analysis? Analysis ist
Mehr1. Grundlagen. 1.1 Was ist Analysis? 1.2 Aussagen und Mengen
. Grundlagen Gliederung. Was ist Analysis?.2 Aussagen und Mengen.3 Natürliche Zahlen.4 Ganze Zahlen, rationale Zahlen. Was ist Analysis? Analysis ist neben der linearen Algebra ein Grundpfeiler der Mathematik!
MehrDie Topologie von R, C und R n
Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).
MehrMengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit
Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {
Mehr02. Vektorräume und Untervektorräume
02. Vektorräume und Untervektorräume Wir kommen nun zur eigentlichen Definition eines K-Vektorraums. Dabei ist K ein Körper (bei uns meist R oder C). Informell ist ein K-Vektorraum eine Menge V, auf der
MehrBrückenkurs Mathematik 2015
Technische Universität Dresden Fachrichtung Mathematik, Institut für Analysis Dr.rer.nat.habil. Norbert Koksch Brückenkurs Mathematik 2015 1. Vorlesung Logik, Mengen und Funktionen Ich behaupte aber, dass
MehrMATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016
MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/17 MARK HAMILTON LMU MÜNCHEN 1.1. Grundbegriffe zu Mengen. 1. 17. OKTOBER 2016 Definition 1.1 (Mengen und Elemente). Eine Menge ist die Zusammenfassung
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
MehrMengenlehre. ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN. Ronald Balestra CH Zürich Name: Vorname:
Mengenlehre ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 21. August 2016 Inhaltsverzeichnis 1 Mengenlehre 1 1.1 Die Menge im mathematischen
MehrKardinalzahlen. Bemerkung. Eine unendliche Kardinalzahl α muss eine Limesordinalzahl sein. (Beweis zur Übung)
Kardinalzahlen Kardinalzahlen sollen die Größe von Mengen messen, daher suchen wir eine Aussage der Form, dass jede Menge bijektiv auf eine Kardinalzahl abgebildet werden kann. Um eine brauchbare Theorie
Mehr01. Gruppen, Ringe, Körper
01. Gruppen, Ringe, Körper Gruppen, Ringe bzw. Körper sind wichtige abstrakte algebraische Strukturen. Sie entstehen dadurch, dass auf einer Menge M eine oder mehrere sogenannte Verknüpfungen definiert
Mehrbekannt Analog reduzieren wir die Randwerte im 2d-System. Man erhält dann eine Blocktridia-
3.. Jetzt: Eliminiere 1. und 2. wie folgt u 2 + 2u 1 = h 2 f 1 + α }{{} bekannt Nun: Au = b mit A R n,n, b R n, u R n und A hat die Gestalt 2 1 1 2 1 A =......... =: tridiag( 1, 2, 1)...... 1 1 2 Analog
MehrVektorräume und Lineare Abbildungen
Lineare Algebra Kapitel 9. Vektorräume Der Körper der reellen Zahlen Der Vektorraumbegriff, Beispiele Rechnen in Vektorräumen Linearkombinationen und Erzeugendensysteme Lineare Abhängigkeit und Unabhängigkeit
MehrVollständigkeit der reellen Zahlen
Vollständigkeit der reellen Zahlen Vorlesung zur Didaktik der Analysis Oliver Passon Vollständigkeit von R 1 take home message I Wollte man mit Zahlen nur rechnen, könnte man mit den rationalen Zahlen
MehrÜbungen zum Vorkurs Mathematik für Studienanfänger Ein leeres Produkt ist gleich 1, eine leere Summe 0. ***
M. Welter Übungen zum Vorkurs Mathematik für Studienanfänger 2004 Einige Zeichen und Konventionen: IN := {1, 2, 3, 4,...} Die Menge der natürlichen Zahlen IN 0 := IN {0}{0, 1, 2, 3, 4,...} Z := {..., 2,
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
MehrFortgeschrittene Mathematik Raum und Funktionen
Fortgeschrittene Mathematik Raum und Funktionen Thomas Zehrt Universität Basel WWZ Thomas Zehrt (Universität Basel WWZ) R n und Funktionen 1 / 33 Outline 1 Der n-dimensionale Raum 2 R 2 und die komplexen
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Kapitel 1: Aussagen, Mengen
MehrIn diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,
2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.
Mehr4.2 Grenzwerte und Stetigkeit reeller Funktionen
4. Grenzwerte und Stetigkeit reeller Funktionen 73 4. Grenzwerte und Stetigkeit reeller Funktionen Definition 4.. Gegeben sei eine Funktion y = mit D(f). (i) Sei D(f). heißt stetig in, falls es für alle
MehrBrückenkurs Mathematik
Brückenkurs Mathematik Eine Einführung mit Beispielen und Übungsaufgaben von Prof. Dr. Karl Bosch 14., korrigierte Auflage Oldenbourg Verlag München Inhaltsverzeichnis 1 Grundlagen der Mengenlehre 1 1.1
MehrÜbungen zum Vorkurs Mathematik für Studienanfänger Ein leeres Produkt ist gleich 1, eine leere Summe 0. ***
Universität Bonn Mathematisches Institut Dr. Michael Welter Übungen zum Vorkurs Mathematik für Studienanfänger 2013 Einige Zeichen und Konventionen: IN := {1, 2, 3, 4,...} Die Menge der natürlichen Zahlen
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
MehrKapitel L:IV. IV. Nichtklassische Logiken. Fuzzy-Mengen Modifizierer für Fuzzy-Mengen Operationen auf Fuzzy-Mengen Fuzzy-Inferenz Defuzzifizierung
Kapitel L:IV IV. Nichtklassische Logiken Fuzzy-Mengen Modifizierer für Fuzzy-Mengen Operationen auf Fuzzy-Mengen Fuzzy-Inferenz Defuzzifizierung L:IV-1 Nonclassical Logics LETTMANN/STEIN 1998-2013 Fuzzy-Mengen
MehrVorlesung Diskrete Strukturen Die Sprache der modernen Mathematik
Vorlesung Diskrete Strukturen Die Sprache der modernen Mathematik Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden
MehrMathematischer Vorkurs für Physiker WS 2012/13: Vorlesung 1
TU München Prof. P. Vogl Mathematischer Vorkurs für Physiker WS 2012/13: Vorlesung 1 Komplexe Zahlen Das Auffinden aller Nullstellen von algebraischen Gleichungen ist ein Grundproblem, das in der Physik
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
MehrLineare Algebra I 5. Tutorium Die Restklassenringe /n
Lineare Algebra I 5. Tutorium Die Restklassenringe /n Fachbereich Mathematik WS 2010/2011 Prof. Dr. Kollross 19. November 2010 Dr. Le Roux Dipl.-Math. Susanne Kürsten Aufgaben In diesem Tutrorium soll
MehrTechnische Anwendungen von Fuzzy-Systemen. Inhalt
Seite 1 von 83 Technische Anwendungen von Fuzzy-Systemen Zusammenfassung "Technische Anwendungen von Fuzzy-Systemen" erläutert den Aufbau eines Fuzzy-Systems und stellt verschiedene Anwendungsgebiete vor.
Mehr0 Mengen und Abbildungen, Gruppen und Körper
0 Mengen und Abbildungen, Gruppen und Körper In diesem Paragrafen behandeln wir einige für die Lineare Algebra und für die Analysis wichtige Grundbegriffe. Wir beginnen mit dem Begriff der Menge. Auf Cantor
MehrDie komplexen Zahlen
Die komplexen Zahlen Wir haben gesehen, dass die Menge R der reellen Zahlen einen angeordneten Körper bildet und dass für die Menge Q der rationalen Zahlen entsprechendes gilt. In beiden Körpern sind Gleichungen
Mehr1 Grundlagen der Numerik
1 Grundlagen der Numerik 1.1 Gleitpunkt-Arithmetik Es gibt nur endlich viele Zahlen auf dem Computer. Gleitpunktzahl: x = σmb E σ: Vorzeichen B: Basis (feste Zahl >1); M: Mantisse E: Exponent B = 2 : Dualzahl
MehrÜbungen zum Vorkurs Mathematik für Studienanfänger Ein leeres Produkt ist gleich 1, eine leere Summe 0. ***
Universität Bonn Mathematisches Institut Dr. Michael Welter Übungen zum Vorkurs Mathematik für Studienanfänger 2010 Einige Zeichen und Konventionen: IN := {1, 2, 3, 4,...} Die Menge der natürlichen Zahlen
MehrBrückenkurs Mathematik
Brückenkurs Mathematik Von Dr. Karl Bosch Professor für angewandte Mathematik und Statistik an der Universität Stuttgart-Hohenheim 10., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis
MehrVorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion
Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten
MehrMathematische Grundlagen I Logik und Algebra
Logik und Algebra Dr. Tim Haga 21. Oktober 2016 1 Aussagenlogik Erste Begriffe Logische Operatoren Disjunktive und Konjunktive Normalformen Logisches Schließen Dr. Tim Haga 1 / 21 Präliminarien Letzte
MehrEinführung in die mathematische Logik
Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 22 Repräsentierbarkeit in einer Theorie Wir haben schon in der zwanzigsten Vorlesung davon gesprochen, wann eine arithmetische
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,...} = N {0} N. Rationale Zahlen Q := { m } n m Z, n N. Beachte:
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrMultiplikation und Division in Polarform
Multiplikation und Division in Polarform 1-E1 1-E Multiplikation und Division in Polarform: Mathematisches Rüstzeug n m b b = b n+m bn bm = bn m ( b n )m = b n m Additionstheoreme: cos 1 = cos 1 cos sin
MehrAlgebraische Grundlagen 1
Algebraische Grundlagen 1 B.Grabowski 25. Oktober 2011 1 (C) Prof.Dr.B.Grabowski, HTW des Saarlandes, 10/2011, Skript zur Vorlesung Höhere Mathematik 1 Inhaltsverzeichnis 1 Algebra-Grundlagen 2 1.1 Zweiwertige
MehrKapitel 6: Das quadratische Reziprozitätsgesetz
Kapitel 6: Das quadratische Reziprozitätsgesetz Ziel dieses Kapitels: die Untersuchung der Lösbarkeit der Kongruenzgleichung X also die Frage, ob die ganze Zahl Z eine Quadratwurzel modulo P besitzt. Im
Mehr3.1 Folgen. ,...) die Folge der sogenannten Hauptbrüche in Q. Mathematik I WiSe 2005/ y = (y n ) n N = ( 1 3, 1 9, 1 27, 1 81, 1
Kapitel 3. Folgen und Reihen 3.1 Folgen Eine Folge ist eine durchnummerierte Zusammenfassung von reellen Zahlen. Sie wird geschrieben als a = (a 1, a 2, a 3,...) = (a n ) n N. Es ist also a n R. Der Index
MehrArithmetik, Algebra, Mengen- und Funktionenlehre
Carsten Gellrich Regina Gellrich Arithmetik, Algebra, Mengen- und Funktionenlehre Mit zahlreichen Abbildungen, Aufgaben mit Lösungen und durchgerechneten Beispielen VERLAG HARRI DEUTSCH Inhaltsverzeichnis
MehrDifferentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11
Institut für Analysis Prof. Dr. Wolfgang Reichel Dipl.-Math. Anton Verbitsky Aufgabe 1 Differentialgleichungen und Hilberträume Sommersemester 14 Übungsblatt 11 5 Punkte In dieser Aufgabe geht es um die
MehrRepräsentierbarkeit arithmetischer Prädikate
Repräsentierbarkeit arithmetischer Prädikate Michael Schatz 9. Mai 2012 Dieses Handout richtet sich nach Kapitel 6.3 in [R], wobei es 2 wesentliche Änderungen zu beachten gilt: (a) Rautenberg arbeitet
MehrKapitel 1.5. Ein adäquater Kalkül der Aussagenlogik. Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls
Kapitel 1.5 Ein adäquater Kalkül der Aussagenlogik Teil 1: Kalküle und Beweisbarkeit und die Korrektheit des Shoenfield-Kalküls Mathematische Logik (WS 2012/13) Kapitel 1.5: Kalküle 1/30 Syntaktischer
Mehr5 Teilmengen von R und von R n
5 Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,...,x n ) : x i R} = R }... {{ R }. n mal Für x R ist x der Abstand zum Nullpunkt. Die entsprechende Verallgemeinerung
Mehr5 Fuzzy Unscharfe Mengen
5 Fuzzy Unscharfe Mengen Fuzzy Unscharfe Mengen Motivation Einfaches Modell eines Fuzzy Reglers Unscharfe Mengen Interpretation linguistischer Werte Operationen auf unscharfen Mengen Fuzzy Relationen Fuzzy
MehrZahlen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden
Zahlen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Die natürlichen Zahlen Für eine beliebige Menge S definiert man den Nachfolger S + durch S + := S {S}.
MehrZentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza)
WS 2013/14 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Esparza) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2013ws/ds/uebung/ 30. Oktober 2013 ZÜ DS ZÜ
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
MehrFolgen und Reihen Folgen
Folgen und Reihen 30307 Folgen Einstieg: Wir beginnen mit einigen Beispielen für reelle Folgen: (i),, 4, 8, 6, (ii) 4,, 6, 3, 7, (iii) 0,,,, 3,, (iv), 3, 7,,, Aufgabe : Setzt die Zahlenfolgen logisch fort
MehrAufgaben zu Kapitel 0
Aufgaben zu Kapitel 0 0.1. Seien A und B zwei Mengen. Wie kann man paarweise disjunkte Mengen A 1, A 2 und A 3 so wählen, dass A 1 A 2 A 3 = A B gilt? 0.2. Seien E ein Menge und A eine Teilmengen von E.
MehrAnalysis I. Guofang Wang Universität Freiburg
Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum
MehrAlgebraische Strukturen und Verbände
KAPITEL 4 Algebraische Strukturen und Verbände Definition 4.1. Sei M eine Menge. Eine Abbildung : M M M nennt man eine (zweistellige) Verknüpfung in M. Man schreibt dafür auch a b := (a, b) mit a, b M.
MehrEine Relation R in einer Menge M ist eine Teilmenge von M x M. Statt (a,b) R schreibt man auch arb.
4. Relationen 4.1 Grundlegende Definitionen Relation R in einer Menge M: Beziehung zwischen je 2 Elementen von M. Beispiel
MehrMathematik I. Vorlesung 7. Folgen in einem angeordneten Körper
Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
MehrVorlesung Mathematik 1 für Ingenieure (A)
1 Vorlesung Mathematik 1 für Ingenieure (A) Wintersemester 2016/17 Kapitel 1: Zahlen Prof. Dr. Gerald Warnecke Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg http://fma2.math.uni-magdeburg.de:8001
MehrEinführung in die Informatik I
Einführung in die Informatik I Arithmetische und bitweise Operatoren im Binärsystem Prof. Dr. Nikolaus Wulff Operationen mit Binärzahlen Beim Rechnen mit Binärzahlen gibt es die ganz normalen arithmetischen
MehrMathematik 1, Teil B
FH Oldenburg/Ostfriesland/Wilhelmshaven Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre
MehrReelle Zahlen, Gleichungen und Ungleichungen
9 2. Vorlesung Reelle Zahlen, Gleichungen und Ungleichungen 4 Zahlenmengen und der Körper der reellen Zahlen 4.1 Zahlenmengen * Die Menge der natürlichen Zahlen N = {0,1,2,3,...}. * Die Menge der ganzen
MehrPeano-Axiome und Peano-Strukturen
Peano-Axiome und Peano-Strukturen Filippo Leonardi 27. März 2012 1 Peano-Arithmetik Der Folgende Abschnitt beruht auf Abschnitt 3.3 in [Rau08] und benützt dieselbe Notation. In diesem Abschnitt arbeiten
Mehr3. Diskrete Mathematik
Diophantos von Alexandria um 250 Georg Cantor 1845-1918 Pythagoras um 570 v. Chr Pierre de Fermat 1607/8-1665 Seite 1 Inhalt der Vorlesung Teil 3: Diskrete Mathematik 3.1 Zahlentheorie: Abzählbarkeit,
Mehrb liegt zwischen a und c.
2 DIE ANORDNUNGSAXIOME 5 (2.4) a, b, c R : (a < b 0 < c) ac < bc Monotoniegesetz der Multiplikation Bezeichnungen a > b : b < a (> wird gelesen: größer als ) a b : a < b oder a = b a b : a > b oder a =
MehrAnalyis I -Metrische Räume - eine Einführung in die Topologie
Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X
MehrMengenlehre. Spezielle Mengen
Mengenlehre Die Mengenlehre ist wie die Logik eine sehr wichtige mathematische Grundlage der Informatik und ist wie wir sehen werden auch eng verbunden mit dieser. Eine Menge ist eine Zusammenfassung von
Mehr