Einführung in die Mathematik (Vorkurs 1 )

Größe: px
Ab Seite anzeigen:

Download "Einführung in die Mathematik (Vorkurs 1 )"

Transkript

1 Einführung in die Mathematik (Vorkurs 1 ) Wintersemester 2008/09 Dr. J. Jordan Institut für Mathematik Universität Würzburg Germany 1 Modulbezeichnung 10-M-VKM 1

2 Inhaltsverzeichnis 1 Aussagen und Beweise Aussagenlogik Beweistechniken Quantoren Aufgabentypen Mengen und Abbildungen Mengen Abbildungen Vollständige Induktion Natürliche Zahlen Das Prinzip der vollständigen Induktion Zahlenbereiche 27 2

3 1 Aussagen und Beweise 1.1 Aussagenlogik Die formale Logik stellt die Regeln bereit, nach denen mathematische Aussagen schlüssig und eindeutig formuliert und begründet (bewiesen) werden können. Aussagen Mathematische Aussagen sind immer genau eines von beiden, wahr oder falsch. Jede mathematische Aussage hat also einen eindeutig bestimmten Wahrheitswert, w (für wahr) oder f (für falsch) 1. Aussagen werden oft auch mit Groÿbuchstaben A, B, C... bezeichnet. Um ein paar Beispiele diskutieren zu können, benutzen wir jetzt schon ein paar Begrie nämlich natürliche Zahlen, gerade Zahlen und Primzahlen 2 die aus der Schule bekannt sein sollten, aber später nochmal exakt mathematisch eingeführt werden. Beispiel 1.1 Hier nun ein paar Beispiele zu Aussagen: A: 9 ist eine Primzahl B: Jede Primzahl ist ungerade C: 2 ist eine Primzahl D: Es gibt unendlich viele Primzahlzwillinge Aussage A ist oenbar falsch (denn 3 3 = 9). In der Tat ist 2 eine Primzahl. Also ist Aussage B falsch und Aussage C richtig. Ein Primzahlzwilling ist ein Paar aus Primzahlen p, q, so dass p q = 2 ist. Ob es unendlich viele Primzahlzwillinge gibt oder eben nur endlich viele ist unbekannt 3. Trotzdem, D ist entweder wahr oder falsch und damit eine Aussage. Der Satz Wie ist das Wetter heute ist keine mathematische Aussage, weil sein Wahrheitsgehalt weder richtig noch falsch ist. 1 Die Logik der Mathematik ist somit zweiwertig. Es gibt auch mehrwertige oder sogar unscharfe (Fuzzy-)Logik, die in der Technik eine gewisse Rolle spielt (Fuzzy-Regelung... ); diese ist aber zur Grundlegung der Mathematik eher ungeeignet (... obwohl es inzwischen schon Gebiete wie Fuzzy-Topologie, Fuzzy-Analysis, Fuzzy-Wahrscheinlichkeitstheorie usw. gibt!). 2 Der Vollständihgkeit halber: Gerade Zahlen denieren wir als die natürlichen Zahlen, welche durch zwei Teilbar sind. Primzahlen denieren wir als diejenigen natürlichen Zahlen welche ungleich eins sind und nur durch 1 und durch sich selbst teilbar sind. 3 das ist übrigens ein seit langem ungelöstes Problem 3

4 1 Aussagen und Beweise Operationen mit Aussagen Aus einfachen Aussagen gewinnt man durch logische Verknüpfungen kompliziertere Aussagen 4. (a) Konjunktion (und). Wir schreiben A B. Beispiel: Seien A und C die Aussagen aus Beispiel 1.1. Dann bedeutet die Aussage A C : 9 ist eine Primzahl und 2 ist eine Primzahl Das ist eine neue Aussage (und zwar eine falsche). Der Wahrheitswert der neuen Aussage A B ist durch folgende Tabelle (eine sogenannte Wahrheitstafel) deniert: A B A B w w w w f f f w f f f f Durch die folgende Wahrheitstafel werden weitere logische Verknüpfungen deniert. A B A A B A B A B A B w w f w w w w w f f f w f f f w w f w w f f f w f f w w (b) Disjunktion A B (oder) Bemerkung: Das logische oder,, ist nicht, wie meist in der Umgangssprache, als entweder-oder gemeint 5, sondern als einschlieÿendes Oder. 4 Die Aussagenlogik ist kein reines Konstrukt der Mathematik; sie existiert in der Natur! In der Schaltungstechnik werden logische Operationen durch geeignete Schaltkreise realisiert. Dabei bedeutet A wahr bzw. A falsch: A wahr: Der A-Schalter ist geschlossen, d.h. Strom kann ieÿen. A falsch: Der A-Schalter ist oen, d.h. Strom kann nicht ieÿen. Durch eine Reihenschaltung von mehreren Schaltern lassen sich damit Und-Verknüpfungen realisieren, durch eine Parallelschaltung Oder-Verknüpfungen. Die Und, Oder und Nicht- Elemente können mittels Halbleitertechnik realisiert werden; damit können binäre logische Aussagen im Prinzip auch experimentell überprüft (besser: erfahren) werden. 5 Ein ausschlieÿendes Oder (entweder oder) kann durch denieren. A B := (A B) ( A B). 4

5 1 Aussagen und Beweise Beispiel: Betrachte die Aussagen C 1 : Die Zahl 2 ist gerade und die Aussage C 2 : Die Zahl 2 ist eine Primzahl. Die Aussage C 1 C 2 : Die Zahl 2 ist gerade oder eine Primzahl ist auch wahr, da mindestens eine der beiden Aussagen C 1, C 2 wahr ist. Tatsächlich ist sowohl C 1 wie C 2 wahr. (c) Negation (nicht A): A. Beispiel: Die Negation von C ist C : 2 ist keine Primzahl. Die Negation von Alle Studenten wissen das es unendliche Primzahlen gibt ist Es gibt mindestens einen Studenten, welcher nicht weiÿ, das es unendlich viele Primzahlen gibt. Die Aussage B ist Nicht jede Primzahl ist ungerade. Achtung: ein typischer Anfängerfehler wäre B mit Jede Primzahl ist gerade gleichzusetzen. Das kann schon deshalb nicht richtig sein, da ja entweder B oder B richtig sein muss. (d) Implikation (A impliziert B, aus A, folgt B): A B Bemerkung: Eine Implikation A B ist stets wahr, wenn A falsch ist! Aus einer falschen Aussage kann man alles folgern! Beispiel: Die verknüpfte Aussage A D : Ist 9 eine Primzahl dann gibt es unendlich viele Primzahlzwillinge ist also wahr, obwohl wir nicht wissen, ob die Aussage D wahr ist. (e) Äquivalenz (A ist äquivalent zu B, A genau dann, wenn B): A B Beispiel: Sei q eine natürliche Zahl. Die Aussage q ist eine gerade Primzahl und die Aussage q ist 2 sind äquivalent. Sie sind entweder beide wahr (nämlich wenn q tatsächlich 2 ist) oder beide falsch. Mit Hilfe der Wahrheitstafel kann man nun Regeln verizieren. Z.B. stellt man fast, dass die Aussage A B genau dann wahr ist, wenn B A wahr ist. Die sogenannte Kommutativität von ist also durch die Tabelle A B A B B A w w w w w f f f f w f f f f f f gezeigt. Analog geht man bei der Verikation weiterer Regeln vor. Regel 1.2 (a) Kommutativität: A B B A A B B A. 5

6 1 Aussagen und Beweise (b) Assoziativität: A (B C) (A B) C A (B C) (A B) C. (c) Distributivität: A (B C) (A B) (A C) A (B C) (A B) (A C). (d) Doppelte Negation: ( A) A. (e) de Morgansche Regeln: (A B) A B (A B) A B. (f) Kontraposition: (g) Syllogismus: (A B) ( B A). ((A B) (B C)) (A C). 1.2 Beweistechniken Gegeben seien zwei Aussagen A und B. Man will nun beweisen, dass aus der Aussage A die Aussage B folgt. Wir müssen also zeigen, dass die Aussage B wahr ist falls A wahr ist. Beispiel: Sei q eine natürliche Zahl. Die Aussage A sei q ist eine gerade Primzahl und B sei q ist kleiner als 5. Wir wollen zeigen, dass die Aussage A B : Ist q eine gerade Primzahl, so ist sie kleiner als 5 wahr ist. Man kann nun auf drei Weisen vorgehen: Direkter Beweis: Man nehme an dass A wahr ist und folgere durch eine Kette logischer Schlüsse, dass B wahr ist. Beispiel: Aus A folgt zunächst die Aussage C : q ist 2, denn 2 ist eine Primzahl und jede andere gerade Zahl ist durch zwei teilbar und daher keine Primzahl. Aus C widerum folgt B, denn 2 ist kleiner als 5. 6

7 1 Aussagen und Beweise Beweis durch Kontraposition: Hier nutzt man, die Kontrapositionsregel, d.h. die Tatsache, dass A B genau dann wahr ist, wenn B A wahr ist. Wir nehmen also an dass B falsch ist und versuche, wieder durch eine Kette logischer Schlüsse, zu zeigen, dass dann auch A falsch ist. Beispiel: Ist q gröÿer oder gleich 5 (Es gelte also B), dann ist q auch ungleich 2. Da alle Primzahlen auÿer zwei ungerade sind, ist q ungerade oder keine Primzahl. Es gilt also A. Indirekter Beweis: Hier nutzt man, dass A B äquivalent zu A B ist. Die Negation dazu ist wiederum A B. Um nun zu zeigen, dass A B wahr ist, zeigt man nun, dass A B falsch ist. Sei q eine gerade Primzahl gröÿer oder gleich 5. Als gerade Zahl ist q ein Vielfaches von 2 und damit keine Primzahl. Ein Widerspruch. Eine weitere wichtige Beweistechnik ist die Vollständige Induktion. Dazu kommen wir aber erst in der kommenden Woche. 1.3 Quantoren Mathematische Aussagen hängen oft von Variablen ab. Zum Beispiel hängt die Aussage A(n) : n ist gröÿer als 2n von der Variable n ab. Dabei sind die Variablen meist durch Annahme eines gewissen Denitionsbereiches eingeschränkt. In obigem Beispiel etwa, sei n eine beliebige natürliche Zahl. Wir nehmen hier schon mal die Bezeichnung n N für n aus den natürlichen Zahlen vorweg. Wir schreiben n N : A(n) statt Für alle n gilt die Aussage A(n). Wir schreiben n N : A(n) statt Es existiert ein n, so dass die Aussage A(n) gilt. Die Symbole bzw. ist der sogenannte Allquantor bzw. Existenzquantor. Beispiel 1.3 Die folgenden Aussagen seien für ganze Zahlen n bzw. m erklärt. In obigem Beispiel ist A(n) für alle natürlichen Zahlen n falsch. Wir könnten also schreiben n N : A(n). 7

8 1 Aussagen und Beweise Sei nun B(n) die Aussage n 2 > n. Für gewisse n ist diese Aussage wahr (etwa für n = 3). Wir können also schreiben n N : B(n). Beachten Sie, dass bei einer Negation einer Aussage die Quantoren und ihre Rollen vertauschen, d.h. es gilt ( n N : A(n)) n N : A(n). Oder in Worten ausgedrückt: Ist A(n) nicht für alle n richtig, dann gibt es mindestens ein n, so dass A(n) falsch ist. Analog gilt ( n N : A(n)) n N : A(n). Beispiel 1.4 Die Aussage C(n, m) n ist gröÿer als m hängt von den natürlichen Zahlen n und m ab. Die Aussage D : Für jede natürliche Zahl m gibt es eine natürliche Zahl n so dass n > m kann man abkürzend schreiben D : m N n N : C(m, n). Wir stellen zunächst fest, dass D etwas völlig anderes ist wie E : n N m N : C(m, n). In Worten: Es gibt eine natürliche Zahl m so dass für jede natürliche Zahl n die Ungleichung n > m gilt. Man kann also Existenzquantor und Allquantor nicht einfach vertauschen. Aussage D ist wahr, Aussage E ist falsch. E ist aber auch nicht die Negierung von D. Die ergibt sich durch D : m N n N C(m, n). In Worten: Es existiert eine natürliche Zahl m so dass für jede natürliche Zahl n die Ungleichung n m gilt. Warnung: Die Symbole,,,,, und sind oft sehr nützlich, etwa wenn man verschachtelte logische Ausdrücke negieren will. Keinesfalls sollten sie aber im Sinne stenographischer Abkürzungen in einem mathematischen Text (z.b. bei der Bearbeitung von Übungsblättern, Klausuraufgaben oder Bachelorarbeiten) verwendet werden. Ein mathematischer Text sollte immer aus vollständigen Sätzen bestehen. 8

9 1.4 Aufgabentypen 1 Aussagen und Beweise Fast alle Übungsaufgaben lassen sich mit einer der drei folgenden Fragetypen formulieren. Beweisen Sie: aus A folgt B: Dies ist die Standardsitutaion, wie sie in Abschnitt beschrieben ist. Beweisen Sie, dass A und B äquivalent sind: Um eine Äquivalenz zu zeigen, muÿ man beide Implikationen A B und B A zeigen. Beispiel 1.5 Wir beweisen, dass die Aussagen A:n ist gerade und die Aussage B:n 2 ist gerade äquivalent sind. Zunächst zeigen wir A B: Ist n gerade, so gibt es eine natürliche Zahl k so dass n = 2k. Damit ist auch n 2 = 2 2k 2 gerade. Nun zeigen wir B A. Hier probiern wir einen indirekten Beweis: Wir nehmen an n ist nicht gerade, also ungerade. Dann gibt es eine natürliche Zahl k so dass n = 2k 1. Dann ist n 2 = 4k(k 1) + 1 und das ist ungerade. Eigentlich haben wir also A B gezeigt. Wir wissen aber schon, dass das Äquivalent zu B A ist (Kontraposition). Beispiel 1.6 Zeigen Sie, dass die folgenden Aussagen äquivalent sind: G: Auÿer der 2 läÿt sich jede gerade natürliche Zahl als die Summe zweier Primzahlen schreiben H: Alle natürlichen Zahlen, welche gröÿer als 5 sind, lassen sich als Summe dreier Primzahlen schreiben Bemerkung: Aussage G ist mal wieder eine sehr alte unbewiesene Vermutung 6. Trotzdem können Sie zeigen, dass Aussage G und Aussage H äquivalent sind (Versuchen Sie es). Beweisen oder Widerlegen Sie Aussage A: in Übungsblättern und Klausuren werden Sie heug mit einer Aussage konfrontiert, von der Sie zunächst nicht wissen ob sie wahr oder falsch ist 7. Zunächst sollten Sie schauen ob Sie die Aussage schnell mit einem einfachen Gegenbeispiel widerlegen können. Falls ja, dann ist die Aufgabe gelöst, denn ein Gegenbeispiel ist ein Beweis, nämlich dafür, dass eine Aussage falsch ist. Beispiel: Beweisen oder widerlegen Sie die folgende Aussage: Für jede natürliche Zahl m gibt es eine natürliche Zahl n so dass n + m = nm 6 Die sogenannte Goldbachsche Vermutung. Seit 1742 haben Mathematiker vergeblich versucht sie zu bewiesen. 7 Im Beruf und in der Forschung ist das der Normalfall. Wenn man schon weiÿ ob die Aussage falsch oder wahr ist, würde man Sie nicht fragen 9

10 1 Aussagen und Beweise Wer es probiert wird schnell ein Gegenbeispiel nden. Die richtige Antwort ist also: Die Aussage ist falsch. Z.B. für m = 1 gibt es kein solches n, denn für jede natürliche Zahl n gilt n + 1 > n 1. Achtung: Ein Beispiel ist kein Beweis! Für gewisse natürliche Zahlen m gibt es ein n so dass n + m = nm. Z.B. für m = 2 wähle man n = 2. Dieses Beispiel liefert aber keinerlei Erkentnis darüber, ob obige Aussage wahr oder falsch ist. 10

11 2 Mengen und Abbildungen 2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch: x gehöre zu M oder x liegt in M. Ist x kein Element von M so schreiben wir x / M. Eine Menge kann durch Aufzählung ihrer Elemente, z.b. durch M = {a, b, c, d} oder durch Angabe einer Eigenschaft ( Aussageform) beschrieben werden M = {x x hat Eigenschaft E}. Beispiel 2.1 Zunächst benutzen wir Zahlenmengen als Beispiele. Im folgenden spendieren wir diesen die üblichen Bezeichnungen. (1) Die Menge der natürlichen Zahlen N := {1, 2, 3, 4, 5, 6,...}. N enthält mit jeder Zahl n auch die Zahl n + 1. (2) Die Menge der natürlichen Zahlen einschlieÿlich 0: (3) Die Menge der ganzen Zahlen N 0 := {0, 1, 2, 3, 4, 5, 6,...}. Z := {..., 5, 4, 3, 2, 1, 0, 1, 2, 3, 4, 5,...}. Z enthält 0 und mit jeder natürlichen Zahl n auch n. (4) Die Menge der Primzahlen P := {p N p = p 1 p 2 für p 1, p 2 N mit p 1 p 2 impliziert p 1 = 1 < p 2 }, 11

12 2 Mengen und Abbildungen Mengen haben aber nicht unbedingt etwas mit Zahlen zu tun. In kürze werden wir auch mit Mengen aus Mengen, Mengen aus Abbildungen usw. arbeiten. Zwei Mengen M und N sind gleich, d.h. M = N, wenn sie dieselben Elemente haben. D.h. M = N bedeutet (x M x N). Eine Menge M heiÿt Teilmenge von N, d.h. M N, falls jedes Element von M zu N gehört. Hier sei betont, dass die Bezeichnung M N auch erlaubt, dass M = N ist 1. Will man ausdrücken, dass M eine echte Teilmenge von N ist, d.h. M N und M N gilt schreibt man M N. Um zu zeigen, dass eine Menge M Teilmenge einer anderen Menge M ist, muÿ man zeigen, dass für jedes Element x M auch x N gilt. Um zu zeigen, dass zwei Mengen M und N gleich sind, beweist man zunächst M N und dann N M. Die Menge := {x M x x} heiÿt leere Menge. Sie ist eindeutig bestimmt und hängt nicht von M ab. Die leere Menge M ist Teilmenge jeder Menge; enthält selbst kein Element. Die Potenzmenge 2 M von M ist die Menge aller Teilmengen von M : Beispiel M = {N N M}. 2 {0,1} = {, {0}, {1}, {0, 1}}, 2 = { }, 2 2 = {, { }}. Operationen mit Mengen Im folgenden stellen wir einige wichtige Operationen mit Mengen vor: Die Vereinigung Die Vereinigung M N := {x x M x N} zweier Mengen M, N besteht sowohl aus den Elementen von M als auch aus denen von N. Beispiel 2.3 Z = N 0 { n n N}. 1 das ist leider nicht einheiltlich in der Literatur. In manchen Büchern und Vorlesungen werden die Symbole (statt ) bzw. (statt und ) benutzt. 12

13 2 Mengen und Abbildungen Sei allgemeiner S eine Menge, deren Elemente selbst Mengen sind. Die Vereinigung der Mengen aus S ist die Menge M S M := {x M S mit x M}. M S M ist also die Menge der Elemente, die mindestens einem M S angehören. Oft wird das Mengensystem indiziert, d.h., jedem Element von S wird ein eindeutiger Index i aus einer Indexmenge I zugeordnet, d.h., S = {s i i I}. Wir schreiben M i := {x i I mit x M i }. i I Beispiel 2.4 Sei I = N und M i := {i, i + 1,..., 2i} für i N. Dann ist M i = N i I Beweis: Da jede der Mengen M i Teilmenge von N ist, gilt i I M i N. Wir müssen also noch zeigen, dass auch N i I M i gilt. Sei also n ein beliebiges Element aus N, dann ist n M n. Folglich ist n i I M i. Da n beliebig war, gilt N i I M i. Der Durchschnitt Der Durchschnitt zweier Mengen M und N M N := {x x M x N} ist die Menge aller Elemente, die sowohl zu M als auch zu N gehören. Allgemeiner ist M := {x M S gilt x M} M S der Durchschnitt einer nichtleeren Menge S von Mengen. Er besteht aus den Elementen, die zu allen M S gehören. Oder mit Indexschreibweise M i := {x i I ist x M i }. i I Beispiel 2.5 Sei I die Indexmenge I = N und M i := {n N i < n < 4i}. Dann ist M i =. Beweisen Sie diese Gleichheit, ähnlich wie in Beispiel 2.4. i I 13

14 2 Mengen und Abbildungen Das Komplement Das Komplement einer Menge N in M (oder die Dierenz von M und N) ist die Menge M\N := {x x M x / N}. M\N besteht aus allen Elementen von M, die nicht zu N gehören. Zum Beispiel ist Z\N = {0, 1, 2,... }. Wir halten nun folgende wichtige Zusammenhänge fest. (a) M\M =, M\ = M. (b) M M = M, M M = M. (c) Kommutativität: (d) Assoziativität: M N = N M, M N = N M. (M N) L = M (N L), (M N) L = M (N L). (e) Distributivität: (M N) L = (M L) (M L), (M N) L = (M L) (M L). (f) Für die Teilmengen M, N einer Menge X gilt: (1) (2) X\(X\M) = M. X\(M N) = (X\M) (X\N) X\(M N) = (X\M) (X\N) } de Morgansche Regel. (3) Allgemeiner gilt sogar X\ M S M = M S (X\M) X\ M S M = M S (X\M) } de Morgansche Regel. Wie beweist man solche Regeln? Wir führen dies am Beispiel der zweiten De Morganschen Regel einmal vor: Beweis von X\(M N) = (X\M) (X\N) (i) Zunächst zeigen wir X\(M N) (X\M) (X\N). Sei also x X\(M N). Dann ist x X aber x / M N. Demnach ist x weder Element von N noch 14

15 2 Mengen und Abbildungen Element von M. Also ist x sowohl in X\M wie auch in X\N und damit auch im Schnitt dieser beiden. (ii) Nun zeigen wir X\(M N) (X\M) (X\N). Ist x (X\M) (X\N), dann ist x sowohl in X\M wie auch in X\N. damit ist x weder in M noch in N und damit in X\(M N). Kartesisches Produkt Das geordnete Paar (Tupel) zweier Objekte x, y ist das Objekt (x, y) mit der Eigenschaft (x, y) = (x, y ) x = x und y = y. Insbesondere ist (x, y) (y, x) falls x y. Formal kann man (x, y) als Menge denieren vermöge (x, y) := {{x}, {x, y}}. Man zeigt dann leicht (Übungsaufgabe), daÿ die obige Eigenschaft erfüllt ist. Das kartesische Produkt zweier Mengen M, N ist die Menge M N := {(x, y) x M und y N}. Beispiel 2.6 Die Menge N N besteht aus den Paaren (a, b) mit a N und b N. Also N N = {(1, 1), (1, 2), (2, 1),... }. Analog bildet man das n-fache Produkt M 1 M n := {(x 1,..., x n ) x 1 M 1 x n M n }. Dabei werden die n-tupel (x 1,..., x n ) rekursiv durch deniert mit der Eigenschaft (x 1,..., x n ) := ((x 1,..., x n 1 ), x n ) (x 1,..., x n ) = (y 1,..., y n ) x 1 = y 1,..., x n = y n. Eigenschaften des Produkts (a) (M 1 M 2 ) N = (M 1 N) (M 2 N). (b) (M 1 M 2 ) N = (M 1 N) (M 2 N). Versuchen Sie mal einer dieser beiden Eigenschaften zu beweisen. Zeigen Sie dazu, dass jedes Element aus (M 1 M 2 ) N auch in (M 1 N) (M 2 N) liegt, und das jedes Element aus (M 1 N) (M 2 N) auch in (M 1 M 2 ) N liegt. 15

16 2 Mengen und Abbildungen Quotienten Sei M eine Menge. Eine Relation auf M ist eine Teilmenge R M M. Wir schreiben: x R y : (x, y) R. Eine Relation auf M heiÿt Äquivalenzrelation, wenn stets gilt: (a) x R x (Reexivität) (b) x R y y R x (Symmetrie) (c) x R y und y R z x R z (Transitivität) Wir lesen x R y als x ist äquivalent zu y bezüglich R. Beispiel 2.7 Betrachte M = N und R = {(a, b) N N a + b gerade}. Dann sind also a und b äquivalent genau dann wenn a und b gerade sind oder wenn a und b ungerade sind. Beispiel 2.8 Betrachte M = N N und die Relation R := {((a, b), (c, d)) a + d = c + b}. Dann sind zum Beispiel die Paare (1, 2) und (3, 4) äquivalent. Jede Äquivalenzrelation auf einer Menge M deniert eine zugehörige Zerlegung von M in disjunkte Teilmengen. Dazu ist für jedes x M die Äquivalenzklasse von x bezüglich R deniert als Teilmenge Kl(x) := {y M x R y}. Satz 2.9 Für jede Äquivalenzrelation R M M gilt: (a) x Kl(x) (b) x R y Kl(x) = Kl(y) (c) Kl(x) Kl(y) Kl(x) Kl(y) =. Beweis: (a) ist klar, wegen x R x. Ist Kl(x) = Kl(y), so gilt y Kl(y) = Kl(x), also y R x. Sei umgekehrt y R x und z Kl(y), so also z R y und y R x z R x. Daher z Kl(x). Da z beliebig war folgt Kl(y) Kl(x). 16

17 2 Mengen und Abbildungen Die Symmetrie besagt y R x x R y. Also gilt ebenfalls Kl(x) Kl(y). Das beweist (b). Für z Kl(x) Kl(y) ist z R x und z R y also x R y Kl(x) = Kl(y). Ist Kl(x) = Kl(y), so gilt Kl(x) Kl(y) = Kl(x), da x Kl(x). Mit Hilfe einer Äquivalenzrelation kann man nun neue Mengen konstruieren. Denition 2.10 Sei R eine Äquivalenzrelation auf der Menge M. Der Quotient M/R von M bezüglich R ist deniert als die Menge der Äquivalenzklassen von R: M/R := {Kl(x) x M}. Beispiel 2.11 Sei wieder M = N und R = {(a, b) N N a + b gerade}. Dann besteht die Menge M/R aus zwei Elementen, nämlich zum einem aus der Menge der ungeraden Zahlen Kl(1) und der Menge der geraden Zahlen Kl(2). Beispiel 2.12 Gegeben sei M = N N und die Relation R := {((a, b), (c, d)) a + d = c + b}. Die Element des Quotienten M/R sind die Klassen..., Kl(1, 3), Kl(1, 2), Kl(1, 1), Kl(2, 1), Kl(3, 1),... Wir werden die Konstruktion aus Beispiel 2.12 in Kapitel 4 wiedersehen, wenn wir die ganzen Zahlen aus den natürlichen Zahlen konstruieren. 2.2 Abbildungen Eine Abbildung f einer Menge M in eine Menge N ist eine Vorschrift, die jedem Element x M jeweils ein eindeutig bestimmtes Element y = f(x) N zuordnet. y = f(x) heiÿt Wert von f an der Stelle x. M heiÿt Denitionsbereich, N der Wertebereich von f. Schreibweise: f : M N, x f(x) Beispiel 2.13 Oft werden Abbildungen durch Terme deniert, z.b.: f : Z Z, z z 2. 17

18 2 Mengen und Abbildungen Ein anderes Beispiel ist g : N N n g(n) und g(n) sei die kleinste Primzahl gröÿer als n. Im zweiten Beispiel ist nicht unbedingt klar, ob die Abbildung g wohldeniert ist, d.h. ob jedem Wert aus dem Denitionsbereich auch ein eindeutiger Wert aus dem Bildbereich zugeordnet wird. Gibt es zu jedem n N immer eine eindeutige kleinste Primzahl die gröÿer ist als n? Die Frage kann man bejahen, wenn man weiÿ, dass es unendlich viele Primzahlen gibt. Zwei Abbildungen f 1 : M 1 N 1, f 2 : M 2 N 2 heiÿen gleich wenn gilt (i)m 1 = M 2, N 1 = N 2 und (ii) f 1 (x) = f 2 (x) für alle x M 1 = M 2. Ist beides erfüllt schreiben wir f 1 = f 2. Beispiel 2.14 Betrachten Sie die Abbildungen f : Z Z, z z 2, g : N Z, z z 2 und h : N Z, h(z) :=gröÿte natürliche Zahle kleiner als z Obwohl f(z) = g(z) für alle z Z gilt, ist f g. Andererseits sind die Abbildungen g und h gleich. Wir führen nun eine Reihe wichtiger Bezeichnungen ein: a) Der Graph einer Abbildung f : M N ist die Teilmen- Denition 2.15 ge Γ f := {(x, f(x)) x M} M N. b) Das Bild einer Teilmenge A M unter f : M N ist die Teilmenge f(a) := {f(x) x A}. f(m) heiÿt Bildmenge von M. c) Das Urbild einer Teilmenge B N ist die Teilmenge f 1 (B) := {x M f(x) B}. d) Die Faser eines Elementes y N unter f ist das Urbild f 1 ({y}) := {x M f(x) = y}. Oft schreibt man auch f 1 (y) statt f 1 ({y}). e) Sei A eine Teilmenge von M. Dann nennt man f A : A N, x f(x) die Einschränkung von f auf A. 18

19 2 Mengen und Abbildungen Beispiel 2.16 Es sei f : N N, n { 1 falls n 4, n 2 falls n < 4. Weiter sei P N die Menge der Primzahlen. Das Bild von P unter f ist f(p) = {1, 4, 9}, denn f(1) = 1, f(2) = 4, f(3) = 9 und f(n) = 1 für alle n 4. Das Urbild von P N unter f ist f 1 (P) =, denn f(n) ist für kein n N eine Primzahl. Die Faser des Elementes 4 ist f 1 ({4}) = {2}. Denition 2.17 Eine Abbildung f : M N heiÿt (a) injektiv, wenn für alle x 1, x 2 M gilt f(x 1 ) = f(x 2 ) x 1 = x 2. Eine äquivalente Denition ist, dass die Faser f 1 ({y}) für jedes y N höchstens ein Element hat. (b) surjektiv, wenn f(m) = N. Eine äquivalente Denition ist, dass die Faser f 1 ({y}) für jedes y N mindestens ein Element hat. (c) bijektiv, wenn f injektiv und surjektiv ist. Eine äquivalente Denition ist, daÿ die Faser f 1 ({y}) für jedes y N genau ein Element hat. Beispiel 2.18 Betrachten Sie die Abbildungen f : Z Z, z z 2 und g : N N, g(z) = z 2. f ist weder injektiv (denn f( 1) = f(1)) noch surjektiv (denn für alle z Z ist f(z) 1). Die Abbildung g ist injektiv, denn f(z 1 ) = f(z 2 ) impliziert z 1 = z 2. g ist aber nicht surjektiv, denn das Bild von f(n) ist echt kleiner als der Wertebereich N. Für alle z N gilt z.b. f(z) 3. Es gelten die folgenden Regeln für Bild- und Urbildmengen. Satz 2.19 Für jede Abbildung f : M N und Teilmengen A, A 1, A 2 M, B 1, B 2 N gilt: (a) (b) (c) (d) f 1 (B 1 B 2 ) = f 1 (B 1 ) f 1 (B 2 ) f 1 (B 1 B 2 ) = f 1 (B 1 ) f 1 (B 2 ) f(a 1 A 2 ) = f(a 1 ) f(a 2 ) f(a 1 A 2 ) f(a 1 ) f(a 2 ) 19

20 2 Mengen und Abbildungen (e) A f 1 (f(a)) Beweis: Wir zeigen hier nur eine der Aussagen. Dafür sehr ausführlich. Der Rest ist Übung für Sie. Sei zunächst x f 1 (B 1 B 2 ), d.h. f(x) B 1 B 2. Ist f(x) B 1 so ist x f 1 (B 1 ). Ist f(x) B 2 so ist x f 1 (B 2 ). In beiden Fällen gilt x f 1 (B 1 ) f 1 (B 2 ) und damit f 1 (B 1 B 2 ) f 1 (B 1 ) f 1 (B 2 ). Wir müssen also noch f 1 (B 1 B 2 ) f 1 (B 1 ) f 1 (B 2 ) zeigen. Ist x f 1 (B 1 ) f 1 (B 2 ) dann ist f(x) entweder in B 1 oder in B 2. Es gilt also f(x) B 1 B 2 und damit x f 1 (B 1 B 2 ). Bemerkung: liest man die Aussagen (d) und (e), dann fragt man sich sofort, ob denn nicht auch Gleichheit anstelle der Inklusion gilt. Überlegen Sie sich Beispiele welche belegen, dass die Gleichheiten nicht gelten. Denition 2.20 Die Zusammensetzung oder Komposition der Abbildungen f : M N und g : N P ist die Abbildung g f : M P, x g(f(x)). (Lies: g nach f.) Falls Denitionsbereich und Wetrebereich gleich sind (also f : M M) schreiben wir auch f 2 statt f f. Die Abbildung id M : M M, x x ist die identische Abbildung (auf der Menge M). Regel 2.21 Kompositionen gehorchen den evidenten Gesetzen: (a) Für je drei Abbildungen f : M N, g : N P, h : P Q gilt h (g f) = (h g) f (b) Für jede Abbildung f : M N gilt: Assoziativität. id N f = f = f id M Einheitsgesetz Satz 2.22 Eine Abbildung f : M N ist genau dann bijektiv, wenn es eine Abbildung g : N M gibt mit g f = id M und f g = id N. Ein solches g ist eindeutig bestimmt durch f. g heiÿt auch Umkehrabbildung von f und man setzt g = f 1. Beweis: Ist f bijektiv, so gibt es für jedes y N genau ein x M mit f(x) = y. Man setzt dann g(y) := x und erhält eine Abbildung g : N M; mit den bekannten Eigenschaften. Zur Umkehrung sei g : N M Abbildung mit g f = id N, f g = id N. Aus f g = id N folgt f(g(n)) = id N (N) = N. Also N = f(g(n)) f(m) N und daher f(m) = N. Also ist f surjektiv. Aus g f = id N folgt analog die Injektivität von f. Denn sei f(x) = f(y) für x, y M. Dann ist x = g(f(x)) = g(f(y)) = y, was zu zeigen war. 20

21 2 Mengen und Abbildungen Sind f : M N, g : N P bijektive Abbildungen, so ist auch das Kompositum g f : M P bijektiv und für die entsprechenden Umkehrabbildungen gilt: (g f) 1 = f 1 g 1. Man überzeuge sich davon, dass die vertauschte Reihenfolge richtig ist. 21

22 3 Vollständige Induktion 3.1 Natürliche Zahlen In den vorherigen Kapiteln haben wir die Menge der natürlichen Zahlen schon mehrfach als Beispiel benutzt. Das Konzept der natürlichen Zahlen erscheint uns einfach, da wir es schon lange kennen. Der Mathematiker L. Kronecker ( ) sagte einst Die natürlichen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwerk. In der tat werden wir die Existenz der natürlichen Zahlen zusammen mit einigen wenigen grundlegenden Eigenschaften einfach fordern. Danach werden wir aus den natürlichen Zahlen die ganzen Zahlen, und die rationalen Zahlen konstruieren. Wie man von den rationalen Zahlen zu den reellen Zahlen kommt ist nicht so leicht (und wird auch erst in Analysis I behandelt). Von den reellen Zahlen zu den komplexen Zahlen ist es wieder sehr einfach. Nun aber zu den natürlichen Zahlen. Diese führen wir axiomatisch ein. D.h. wir fordern gewisse Eigenschaften, die eine Menge, die wir dann natürlichen Zahlen nennen, erfüllen sollte. Denition 3.1 (Peano Axiome) Ein Paar (M, p) bestehend aus einer Menge M und einer Abbildung p : M M nennen wir natürliche Zahlen, wenn die folgenden drei Bedingungen erfüllt sind: 1) Es gibt ein Anfangselement, d.h. ein Element e M, so dass p(n) e für alle n M. 2) p ist injektiv, d.h., p(n) = p(m) impliziert n = m. 3) Für jede Teilmenge T M mit (i) e T (ii) Aus t T folgt p(t) T gilt T = M. Sind alle Bedingungen für (M, p) erfüllt schreiben wir 1 := e und N := M. Das Element p(n) nennen wir Nachfolger von n, oder n + 1 := p(n) (hier wird also deniert was man unter plus eins versteht). Diese Denition deckt sich mit dem, was wir von den natürlichen Zahlen, so wie wir sie gewohnt sind, kennen. In Zukunft werden wir einfach von der 22

23 3 Vollständige Induktion Menge der natürlichen Zahlen sprechen. Jede natürliche Zahl n hat einen eindeutig bestimmten Nachfolger (nämlich n + 1). Beginnt man mit der 1 so kann man durch fortgesetztes Bilden eines Nachfolgers jede andere natürliche Zahl erreichen (diesen Vorgang nennt man zählen). Auf den natürlichen Zahlen denieren wir uns eine Abbildung + : N N N die wir Addition nennen werden. Das Paar (a, b) N N wird hierbei auf die Zahl p b (a) = p p... p(a). Statt +(a, b) schreiben wir einfach a + b. }{{} b mal Auch die Multiplikation : N N N wird durch die Abbildung p deniert. Das Paar (a, b) N N wird hier auf die Zahl abgebildet, welche durch b-maliges Anwenden der Abbildung s a : N N, n n + a entsteht. Verschiedene natürliche Zahlen a, b kann man vergleichen. Wir sagen, dass a gröÿer als b ist falls es ein c N gibt, so dass a + c = b ist. Wir schreiben a < b. Andernfalls sagen wir a ist kleiner als b (a < b). 3.2 Das Prinzip der vollständigen Induktion Vollständige Induktion ist eine sehr wichtige Beweismethode welche wir in allen mathematischen Disziplinen benutzen werden. Betrachten Sie die Aussagen und A := Für alle n N ist die Zahl 2 2n + 1 eine Primzahl B := Für alle n N ist die Zahl 2 2n 1 durch drei teilbar Sind die Aussagen wahr? Man könnte vermuten, dass A wahr ist, denn man rechnet leicht nach, dass 2 2n +1 für n = 1, 2, 3 eine Primzahl ist. Mit etwas Aufwand sieht man auch das eine Primzahl ist. Es gilt aber = und das ist durch 641 teilbar. Die Aussage A ist hiermit also widerlegt. Die Aussage B ist allerdings wahr. Wieder könnte man anfangen, die Aussage für möglichst viele natürliche Zahlen n zu testen. Im Gegensatz zu oben werden Sie kein Gegenbeispiel nden. Die Aussage ist damit aber noch nicht beweisen, da Sie ja, egal wie schnell Ihr Computer ist, nur endlich oft testen können. Die Vollständige Induktion ist nun eine Methode, die es ermöglicht Aussagen wie B zu beweisen. Satz 3.2 (Prinzip der vollständigen Induktion) Für jede natürliche Zahl n N sei eine Aussage B(n) gegeben. Es gelte: (A) B(1) gilt, d.h. die Aussage stimmt für n = 1 (Induktionsanfang). (S) B(n) B(n + 1) gilt, d.h. gilt die Aussage für eine Zahl n N, so auch für n + 1 (Induktionsschluÿ). Dann stimmt die Aussage B(n) für alle n N. 23

24 3 Vollständige Induktion Beweis: Betrachte die Menge M := {n N B(n) ist erfüllt }. ist eine Teilmenge von N und erfüllt (i) und (ii) in obiger Denition. Also ist M = N. Ein Induktionsschluÿ funktioniert nach dem Dominoprinzip (A) = (S) B(1) = (S) B(2) = (S) (S)... = B(n) = (S) B(n + 1) = (S)... B(1) gilt wegen (A) B(2) gilt wegen (S) und n = 1 B(3) gilt wegen (S) und n = 2 Induktionsschritt (S) immer wieder anwenden Bemerkung: Aus dem Prinzip der vollständigen Induktion lassen sich leicht verallgemeinerte Induktionsprinzipien ableiten: Z.B. gilt: Korollar 3.3 Sei n 0 Z = {0, ±1, ±2,... } fest gewählt. Um eine Aussage B(n) für alle n Z mit n n 0 zu beweisen, reicht es zu zeigen: (A) B(n 0 ) gilt (Induktionsanfang) (S) Für beliebiges n Z mit n n 0 B(n + 1) (Induktionsschritt). gilt: Falls B(n) richtig ist, so auch Beweis: Setze C(n) := B(n 0 n + 1) und wende das Prinzip der vollständigen Induktion auf C(n) an. Anwendung 1: Mit Hilfe des Induktionsprinzips, können wir rekursiv denieren. Summe: n a k deniert durch 1 a k := a 1 und n+1 a k := n a k + a n+1 k=1 k=1 k=1 k=1 Produkt: n a k deniert durch 1 a k := a 1 und n+1 a k := n a k a n+1 k=1 k=1 k=1 k=1 Fakultät: n! deniert durch 0! := 1 und (n + 1)! := n! (n + 1) 24

25 3 Vollständige Induktion Anwendung 2: Viele wichtige Sätze, lassen sich durch vollständige Induktion beweisen. Wir zeigen nun drei Beispiele dafür. Satz 3.4 Für alle natürlichen Zahlen n N gilt n k = k=1 n(n + 1). 2 Beweis: Wir betrachten also die Aussage A(n) = n k=1 k = n(n+1) 2. (A) Zunächst müssen wir zeigen, dass die Aussage A(1) wahr ist. Das ist leicht, denn 1 k=1 k = 1 = (S) Nun müssen wir zeigen, dass A(n) A(n+1) wahr ist, d.h., falls n k=1 k = n(n+1) gilt muss auch n+1 2 k=1 k = n+1(n+2) gelten. Sei also A(n) wahr, dann 2 gilt n+1 k = k=1 = n k + n + 1 = k=1 n(n + 1) + 2(n + 1) 2 Die Aussage A(n) A(n + 1) ist also wahr. n(n + 1) 2 = + n + 1 (n + 1)(n + 2) 2 Satz 3.5 Seien A und B Mengen mit n Elementen. Die Anzahl der Bijektionen f : A B ist n!. Beweis: Wir wollen zeigen, dass die Aussage C(n) = Die Anzahl der Bijektionen f : A B ist n! für alle n N wahr ist. Der Induktionsanfang ist wieder leicht. Es gibt genau eine Abbildung f : A B falls A und B nur ein Element haben. Diese Abbildung ist bijektiv. Insbesondere gilt also C(1). Nun nehmen wir an dass C(n) wahr ist. Induktionsschluÿ (n n + 1): Seien A = {a 1,..., a n+1 }, B = {b 1,..., b n+1 } Mengen mit n + 1 Elementen. Ist f : A B Bijektion, so nimmt f(a n+1 ) genau einen der n + 1 möglichen Werte b 1,..., b n+1 an. Ferner ist f A\{an+1 } : A \ {a n+1 } B \ {f(a n+1 )} Bijektion zwischen nelementigen Mengen. Hier benutzen wir nun, dass C(n) wahr ist. Nach Induktionsvoraussetzung gibt es genau n! Bijektionen A \ {a n+1 } B \ {b i }, i = 1,..., n + 1. Daher gibt es zu jedem i = 1,..., n + 1 genau n! Bijektionen A B mit a n+1 b i. Also gibt es insgesamt genau (n + 1)n! = (n + 1)! Bijektionen A B. 25

26 3 Vollständige Induktion Satz 3.6 (Bernoullische Ungleichung.) Für x 1 und n N gilt stets (1 + x) n 1 + nx. Diesmal schreiben wir die vollständige Induktion etwas schneller auf: Beweis: Induktionsanfang: Für n = 1 stimmt die Behauptung (1 + x) x. Induktionsschluÿ: (1 + x) n+1 = (1 + x) (1 + x) n (1 + x)(1 + nx) }{{}}{{} 0 1+nx = 1 + (n + 1)x + }{{} nx (n + 1)x. 0 26

27 4 Zahlenbereiche Die natürlichen Zahlen (zusammen mit der Addition und der Multiplikation) wurden in Kapitel 3 axiomatisch eingeführt. Aus den natürlichen Zahlen kann man nun die ganzen Zahlen Z = {..., 2, 1, 0, 1, 2,... } die rationalen Zahlen, die reellen Zahlen und auch die komplexen Zahlen (zusammen mit den jeweiligen Additionen und Multiplikationen) konstruieren. Die mit Abstand aufwendigste Konstruktion ist die der reellen Zahlen. Das wird aber erst Teil der Vorlesung Analysis sein. Wir führen hier nur exemplarisch vor wie man aus den natürlichen Zahlen die ganzen Zahlen konstruiert. Ganze Zahlen Gegeben seien also die natürlichen Zahlen (zusammen mit der Addition und der Multiplikation). Wir betrachten nun wieder die Äquivalenzrelation aus Beispiel Es sei also M = N N und R die Relation R := {((a, b), (c, d)) a + d = c + b}. Die Element des Quotienten M/R sind die Klassen..., Kl(1, 3), Kl(1, 2), Kl(1, 1), Kl(2, 1), Kl(3, 1),.... Wir denieren nun eine Addition auf M/R via Kl(a, b) Kl(c, d) = Kl(a + c, b + d). Man beachte, dass die neue Abbildung nur aus der bekannten Operation + in N hervorgeht. Problematisch ist, dass das Ergebnis der Addition Kl(a, b) Kl(c, d) anscheinend von der Wahl der Repräsentanten (a, b) Kl(a, b) bzw. (c, d) Kl(a, b) abhängt 1. Man muss also noch die wohldeniertheit der Abbildung testen. Sei also (ã, b) ein Elemente aus der gleichen Äquivalenzklasse wie (a, b) und ( c, d) ein Elemente aus der gleichen Äquivalenzklasse wie (c, d), dann ist Kl(ã, b) Kl( c, d) = Kl(ã + c, b + d). Wegen a + b = b + ã und c + d = d + c gilt aber Kl(ã + c, b + d) = Kl(a + c, b + d). 1 Klar was gemeint ist? Sowohl (1, 2) wie auch (2, 3) sind ja Elemente der gleichen Äquivalenzklasse Kl(1, 2). Trotzdem muss die Summe eindeutig sein. 27

28 4 Zahlenbereiche Ähnlich wird nun auch eine Multiplikation auf M/R deniert. Nämlich Kl(a, b) Kl(c, d) = (ac + bd, ad + bc). Man beachte, dass für jedes Element Kl(c, d) M/R sowohl Kl(1, 1) Kl(c, d) = Kl(1+c, 1+d) = Kl(c, d) wie auch Kl(1, 1) Kl(c, d) = Kl(c+d, c+d) = Kl(1, 1) gilt. Das Element Kl(1, 1) nennen wir ab jetzt 0. Die Elemente Kl(1, 2), Kl(1, 3),... nennen wir 1, 2,... und die Elemente Kl(2, 1), Kl(3, 1),... nennen wir 1, Auÿerdem schreiben wir in Zukunft Z statt M/R, a + b statt a b und ab statt a b. Wir haben also auf einer neuen Menge Z eine neue Addition und eine neue Multiplikation deniert. Man kann nun nachrechnen, dass sämtliche aus der Schule bekannten Rechenregeln auch auf unserer Menge Z stimmen. Insbesondere gelten alle Rechenregeln von N auf Z eingeschränkt auf 1, 2, 3. Deshalb stellt man sich auch weiterhin N als Teilmenge von Z vor (obwohl N in unserer Konstruktion formal etwas anderes ist). Rationale Zahlen und reelle Zahlen Im Gegensatz zum Zahlenbereich N läÿt sich jede additive Gleichung a + x = b mit a, b Z lösen. Andererseits läst sich nicht jede multiplikative Gleichung ax = b mit a, b Z in Z lösen. Daher betrachtet man die Rationalen Zahlen, also die Brüche { n } Q := m n Z, m N. Auch hier müÿte man nun die Menge Q zusammen mit einer Addition und einer Multiplikation formal aus N und Z konstruieren. Auch hier werden wieder passende Äquivalenzklassen gebildet. Diese Konstruktion wird im Prpädeutikum zum Thema Äquivalenzrelationen nachgeholt. In der linaren Algebra werden Sie lernen was ein Körper ist. Hier sei schon einmal gesagt, dass Q (genau wie R und C) ein Beispiel für einen Körper ist, N und Z aber nicht. Für jetzt reicht uns die Erkenntnis, dass Q bezüglich Addition und Multiplikation abgeschlossen ist, d.h. für alle p, q Q ist q + p Q und pq Q. Ich hoe Sie erinnern sich noch daran wie man eine solche Addition bzw. Multiplikation durchführt. Nämlich nach den Formeln a b + c d = ad + bc bd bzw a b c d = ab cd. Um vernünftig Mathematik betreiben zu können reicht die Menge der rationalen Zahlen noch nicht aus. Z.B. ist die Gleichung x 2 = 2 in Q nicht lösbar. Trotzdem kann man sich Probleme vorstellen, deren Lösung eben genau die Bedingung x 2 = 2 erfüllt 2. Daher erweitert man die rationalen Zahlen noch auf die 2 Z.B. die Frage, wie lange ist die Diagonale eines rechtwinkligen Dreiecks dessen Katheten beide die Länge 1 haben. Wenn wir eine Mathematik nur in Q aufziehen wollten dann wäre die Antwort: So ein Dreieck gibt es nicht. 28

29 4 Zahlenbereiche reellen Zahlen. Wie das genau geht werden Sie in der Vorlesung Analysis erfahren. Veranschaulichen kann man sich die reellen Zahlen aber als die Punkte auf einer Geraden. Sowohl auf Q wie auch auf R gibt es eine Ordnungsrelation > bzw.. Auch hier verzichten wir auf eine formale Konstruktion. Für Q und R führen wir noch ein paar Bezeichnungen ein: Sei F = Q oder F = R und a, b F mit a < b. Das abgeschlossene Intervall [a, b] sei deniert durch [a, b] := {x F a x b}. Analog denieren wir oene Intervalle ]a, b[:= {x F a < x < b}. Desweiteren sei [a, b[ := {x F a x < b}, ]a, b] := {x F a < x b}, ]a, [ := {x F a < x}, [a, [ := {x F a x}, ], a[ := {x F x < a}, [, a[ := {x F x a} Die Gleichung X = 0 besitzt keine Lösung in reellen Zahlen. Um diese Gleichung aber trotzdem lösen zu können, führen wir eine neue Zahl i = 1 als Lösung dieser Gleichung ein: i = 0; diese Zahl heiÿt auch imaginäre Einheit. Wir haben noch nicht richtig erklärt, was denn nun eigentlich i = 1 für eine Zahl sein soll. Wir führen dazu die komplexen Zahlen geometrisch als Punkte in der Gauÿschen Ebene ein. Satz und Denition 4.1 Die Menge C := R 2 aller Paare reeller Zahlen versehen mit der Addition und der Multiplikation (x 1, y 1 ) + (x 2, y 2 ) := (x 1 + x 2, y 1 + y 2 ) (x 1, y 1 ) (x 2, y 2 ) := (x 1 x 2 y 1 y 2, x 1 y 2 + x 2 y 1 ) ist ein Körper, der sogenannte Körper der komplexen Zahlen. Hierbei ist (0, 0) das Nullelement (0, 0) und (1, 0) das Einselement (1, 0). Die komplexe Zahl heiÿt imaginäre Einheit. i := (0, 1) Oenbar gilt i 2 = (0, 1) (0, 1) = ( 1, 0). Also ist i 2 das additiv Inverse des Einselements. 29

30 4 Zahlenbereiche Jede komplexe Zahl (x, y) läÿt sich eindeutig zerlegen, als Summe aus dem 1- Anteil (den sogenannten Realanteil) und dem i-anteil (den sogenannten Imaginäranteil), d.h. (x, y) = x(1, 0) + y(0, 1) = x + iy. Für das praktische Rechnen in komplexen Zahlen ist diese Schreibweise auch geeigneter. Man veriziert leicht: (a+ib)+(c+id) = (a+c)+i(b+d), (a+ib) (c+id) = (ac bd)+i(ad+bc); hierbei haben wir in der zweiten Gleichung die Gleichung i 2 = 1 ausgenutzt. Das multiplikativ Inverse von a + ib C \ {0} berechnet sich wie folgt: 1 a + ib = 1 a + ib a ib a ib = a ib a 2 + b = 2 a a 2 + b + i b 2 a 2 + b. 2 Zu einer komplexen Zahl z = a + ib heiÿt a der Realteil von z und wird mit Re z bezeichnet und b heiÿt der Imaginärteil von z und wird mit Im z notiert. Zu z = a + ib bezeichnet z = a ib die zu z konjugierte komplexe Zahl (bei der Berechnung des Inversen von z 0 haben wir also mit dem Konjugierten von z erweitert). Es gilt z = Re z + i Im z, Re z = 1 2 (z + z), Im z = 1 (z z). 2i Komplexe Zahlen lassen sich gut in der Gauÿschen Zahlenebene darstellen: i Im z +ib a + ib ib a a ib Re z Für z = a + ib C ist z z = (a + ib)(a ib) = a 2 + b 2 eine nicht-negative reelle Zahl, und für z 0 ist diese Zahl positiv. Wir setzen z = zz und nennen dises Zahl den Absolutbetrag der komplexen Zahl z. Geometrisch misst z den Abstand von z zum Ursprung 0 in der Gauÿschen Zahlenebene (Pythagoras). Es gilt die Dreiecksungleichung z + w z + w. 30

31 4 Zahlenbereiche Die komplexen Zahlen haben sehr schöne analytische und algebraische Eigenschaften: Z.B. ist C algebraisch abgeschlossen, d.h. jede algebraische Gleichung über C besitzt eine Lösung (Fundamentalsatzes der Algebra). Ferner gibt es eine Verbindung zu den trigonometrischen Funktionen. (Dazu später mehr!) 31

2 Mengen und Abbildungen

2 Mengen und Abbildungen 2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:

Mehr

Einführung in die Mathematik (Vorkurs 1 )

Einführung in die Mathematik (Vorkurs 1 ) Einführung in die Mathematik (Vorkurs 1 ) Wintersemester 2008/09 Dr. J. Jordan Institut für Mathematik Universität Würzburg Germany 1 Modulbezeichnung 10-M-VKM 1 Inhaltsverzeichnis 1 Aussagen und Beweise

Mehr

Brückenkurs Mathematik

Brückenkurs 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

Mehr

Mengen und Abbildungen

Mengen und Abbildungen Mengen und Abbildungen Der Mengenbegriff Durchschnitt, Vereinigung, Differenzmenge Kartesisches Produkt Abbildungen Prinzip der kleinsten natürlichen Zahl Vollständige Induktion Mengen und Abbildungen

Mehr

3 Vom Zählen zur Induktion

3 Vom Zählen zur Induktion 7 3 Vom Zählen zur Induktion 3.1 Natürliche Zahlen und Induktions-Prinzip Seit unserer Kindheit kennen wir die Zahlen 1,, 3, 4, usw. Diese Zahlen gebrauchen wir zum Zählen, und sie sind uns so vertraut,

Mehr

1 Sprechweisen und Symbole der Mathematik

1 Sprechweisen und Symbole der Mathematik 1 Sprechweisen und Symbole der Mathematik Übersicht 1.1 Junktoren......................................................... 1 1.2 Quantoren......................................................... 4 1.3

Mehr

Lineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund

Lineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund Lineare Algebra 1 Detlev W. Hoffmann WS 2013/14, TU Dortmund 1 Mengen und Zahlen 1.1 Mengen und Abbildungen Eine Menge ist eine Zusammenfassung wohlunterscheidbarer Objekte unserer Anschauung/unseres Denkens/unserer

Mehr

Surjektive, injektive und bijektive Funktionen.

Surjektive, 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

Mehr

Kapitel 3. Natürliche Zahlen und vollständige Induktion

Kapitel 3. Natürliche Zahlen und vollständige Induktion Kapitel 3 Natürliche Zahlen und vollständige Induktion In Kapitel 1 haben wir den direkten Beweis, den modus ponens, kennen gelernt, der durch die Tautologie ( A (A = B) ) = B gegeben ist Dabei war B eine

Mehr

Mathematik 1 für Informatik Inhalt Grundbegrie

Mathematik 1 für Informatik Inhalt Grundbegrie Mathematik 1 für Informatik Inhalt Grundbegrie Mengen, speziell Zahlenmengen Aussagenlogik, Beweistechniken Funktionen, Relationen Kombinatorik Abzählverfahren Binomialkoezienten Komplexität von Algorithmen

Mehr

Logik, Mengen und Abbildungen

Logik, Mengen und Abbildungen Kapitel 1 Logik, Mengen und bbildungen Josef Leydold Mathematik für VW WS 2016/17 1 Logik, Mengen und bbildungen 1 / 26 ussage Um Mathematik betreiben zu können, sind ein paar Grundkenntnisse der mathematischen

Mehr

Vorlesung. Funktionen/Abbildungen

Vorlesung. Funktionen/Abbildungen Vorlesung Funktionen/Abbildungen 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56 5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten

Mehr

Zahlen und metrische Räume

Zahlen 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

Mehr

Grundlagen der Mengenlehre

Grundlagen der Mengenlehre mathe plus Grundlagen der Mengenlehre Seite 1 1 Grundbegriffe Grundlagen der Mengenlehre Def 1 Mengenbegriff nach Georg Cantor (1845-1918) Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener

Mehr

Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen

Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Dozentin: Wiebke Petersen 2. Foliensatz Wiebke Petersen math. Grundlagen 25 n-tupel und Cartesisches Produkt Mengen sind ungeordnet,

Mehr

Einführung in die Informatik 2

Einführung in die Informatik 2 Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,

Mehr

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)

(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.) 3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten

Mehr

2. Vorlesung. Die Theorie der schwarz-weissen Ketten.

2. Vorlesung. Die Theorie der schwarz-weissen Ketten. 2. Vorlesung. Die Theorie der schwarz-weissen Ketten. Die Theorie der schwarzen Steinchen haben wir jetzt halbwegs vertanden. Statt mit schwarzen Steinen wie die Griechen, wollen wir jetzt mit schwarzen

Mehr

Mathematische Strukturen

Mathematische Strukturen Mathematische Strukturen Lineare Algebra I Kapitel 3 18. April 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de

Mehr

Mengenlehre gibt es seit den achtziger Jahren des 19. Jahrhunderts. Sie wurde von

Mengenlehre gibt es seit den achtziger Jahren des 19. Jahrhunderts. Sie wurde von Grundbegriffe der Mengenlehre 2 Mengenlehre gibt es seit den achtziger Jahren des 19. Jahrhunderts. Sie wurde von Georg Cantor begründet. Der Begriffsapparat der Mengenlehre hat sich als so nützlich für

Mehr

WS 2009/10. Diskrete Strukturen

WS 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

Mehr

3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich.

3.5 Ringe und Körper. Diese Eigenschaften kann man nun auch. 1. (R, +) ist eine kommutative Gruppe. 2. Es gilt das Assoziativgesetz bezüglich. 3.5 Ringe und Körper Gehen wir noch mal zu den ganzen Zahlen zurück. Wir wissen: (Z, + ist eine Gruppe, es gibt aber als Verknüpfung noch die Multiplikation, es gibt ein neutrales Element bezüglich, es

Mehr

Axiomatische Beschreibung der ganzen Zahlen

Axiomatische Beschreibung der ganzen Zahlen Axiomatische Beschreibung der ganzen Zahlen Peter Feigl JKU Linz peter.feigl@students.jku.at 0055282 Claudia Hemmelmeir JKU Linz darja@gmx.at 0355147 Zusammenfassung Wir möchten in diesem Artikel die ganzen

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

1 Zahlentheorie. 1.1 Kongruenzen

1 Zahlentheorie. 1.1 Kongruenzen 3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern

Mehr

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre

Vorlesung. Einführung in die mathematische Sprache und naive Mengenlehre Vorlesung Einführung in die mathematische Sprache und naive Mengenlehre Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johann-von-Neumann-Haus Fachschaft Menge aller Studenten eines Institutes

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

Mathematik Vorkurs. Goethe-Universität in Frankfurt am Main. von Sven Jarohs

Mathematik Vorkurs. Goethe-Universität in Frankfurt am Main. von Sven Jarohs Mathematik Vorkurs Goethe-Universität in Frankfurt am Main von Sven Jarohs 1 Inhaltsverzeichnis 1 Vorbemerkungen 3 Grundlegende Begriffe und Regeln der Logik 3 3 Beweistechniken 7 4 Einführung in die Mengenlehre

Mehr

Halbgruppen, Gruppen, Ringe

Halbgruppen, Gruppen, Ringe Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die

Mehr

Topologische Räume und stetige Abbildungen Teil 2

Topologische Räume und stetige Abbildungen Teil 2 TU Dortmund Mathematik Fakultät Proseminar zur Linearen Algebra Ausarbeitung zum Thema Topologische Räume und stetige Abbildungen Teil 2 Anna Kwasniok Dozent: Prof. Dr. L. Schwachhöfer Vorstellung des

Mehr

Analysis I - Stetige Funktionen

Analysis 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

Mehr

Eine Aussage kann eine Eigenschaft für ein einzelnes, konkretes Objekt behaupten:

Eine Aussage kann eine Eigenschaft für ein einzelnes, konkretes Objekt behaupten: Aussagen Aussagen Eine Aussage kann eine Eigenschaft für ein einzelnes, konkretes Objekt behaupten: verbale Aussage formale Aussage Wahrheitswert 1) 201 ist teilbar durch 3 3 201 wahre Aussage (w.a.) 2)

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen

Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen Susanna Pohl Vorkurs Mathematik TU Dortmund 10.03.2015 Mengen und Relationen Mengen Motivation Beschreibung von Mengen Mengenoperationen

Mehr

Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen.

Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen. Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen. Betrachtungen zu Sprache, Logik und Beweisen Sprache Wir gehen von unserem Alphabet einigen Zusatzsymbolen aus.

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Vorkurs Mathematik Teil I. Grundlagen

Vorkurs Mathematik Teil I. Grundlagen Inhalt Vorkurs Mathematik Teil I. Grundlagen 1. Aussagen 2. Mengen und Abbildungen 3. Der Aufbau des Zahlensystems 4. Gleichungen und Ungleichungen 5. Komplexe Zahlen 2 of 128 Aachen 2016 - Olaf Wittich

Mehr

Wie beweise ich etwas? 9. Juli 2012

Wie beweise ich etwas? 9. Juli 2012 Schülerzirkel Mathematik Fakultät für Mathematik. Universität Regensburg Wie beweise ich etwas? 9. Juli 2012 1 Was ist ein Beweis? 1.1 Ein Beispiel Nimm einen Stift und ein Blatt Papier und zeichne fünf

Mehr

11. Folgen und Reihen.

11. Folgen und Reihen. - Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a

Mehr

5. Aussagenlogik und Schaltalgebra

5. Aussagenlogik und Schaltalgebra 5. Aussagenlogik und Schaltalgebra Aussageformen und Aussagenlogik Boolesche Terme und Boolesche Funktionen Boolesche Algebra Schaltalgebra Schaltnetze und Schaltwerke R. Der 1 Aussagen Information oft

Mehr

Mathematische Grundlagen der Computerlinguistik

Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen (Teil II) Centrum für Informations- und Sprachverarbeitung (CIS) 2. Juni 2014 Table of Contents 1 2 3 Definition Mengenfamilie Eine Menge, deren sämtliche Elemente selbst wiederum

Mehr

Definition 4.2. Die Menge Q der rationalen Zahlen ist definiert durch. Wir führen jetzt auf Z eine Addition und eine Multiplikation ein durch

Definition 4.2. Die Menge Q der rationalen Zahlen ist definiert durch. Wir führen jetzt auf Z eine Addition und eine Multiplikation ein durch Kapitel 4 Die rationalen Zahlen Wir haben gesehen, dass eine Gleichung a x = b mit a, b Z genau dann eine Lösung x Z besitzt, wenn a b. Zum Beispiel hat 2 x = 1 keine Lösung x Z. Wir wollen nun den Zahlbereich

Mehr

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte Einige mathematische Konzepte 1 Mengen 1.1 Elementare Definitionen Mengendefinition Die elementarsten mathematischen Objekte sind Mengen. Für unsere Zwecke ausreichend ist die ursprüngliche Mengendefinition

Mehr

Übungsaufgaben Mengenlehre

Übungsaufgaben Mengenlehre Übungsaufgaben Mengenlehre Die folgenden Übungsaufgaben beziehen sich auf den Stoff des Skriptes zur Mengenlehre der Lehrveranstaltung Wirtschaftsmathematik und dienen der Klausurvorbereitung. Zuvor werden

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Lösungen Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Kapitel I: Mengen Aufgabe

Mehr

Technische Universität München. Lösung Montag WS 2013/14. (Einheitskreis, ohne Rechnung ersichtlich) (Einheitskreis, ohne Rechnung ersichtlich)

Technische Universität München. Lösung Montag WS 2013/14. (Einheitskreis, ohne Rechnung ersichtlich) (Einheitskreis, ohne Rechnung ersichtlich) Technische Universität München Andreas Wörfel Ferienkurs Analysis 1 für Physiker Lösung Montag WS 01/1 Aufgabe 1 Zum warm werden: Komplexe Zahlen - Lehrling Bestimmen Sie das komplex Konjugierte, den Betrag

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode

Mehr

Handout zu Beweistechniken

Handout zu Beweistechniken Handout zu Beweistechniken erstellt vom Lernzentrum Informatik auf Basis von [Kre13],[Bün] Inhaltsverzeichnis 1 Was ist ein Beweis? 2 2 Was ist Vorraussetzung, was ist Behauptung? 2 3 Beweisarten 3 3.1

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Mathematik für Techniker

Mathematik für Techniker Siegfried Völkel u.a. Mathematik für Techniker 7., neu bearbeitete und erweiterte uflage 16 1 Rechenoperationen Prinzip der Mengenbildung Wenn eine ussageform für die Objekte eines Grundbereichs vorliegt,

Mehr

Grundbegriffe der Mathematik

Grundbegriffe der Mathematik Grundbegriffe der Mathematik Geschrieben von Jan Pöschko auf Grundlage der Vorlesung im WS 2005/2006 von Ao.Univ.-Prof. Clemens Heuberger Inhaltsverzeichnis 1 Aussagenlogik 3 1.1 Verknüpfungen..........................................

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2

Übungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3

Mehr

18 Höhere Ableitungen und Taylorformel

18 Höhere Ableitungen und Taylorformel 8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik Einheit 1 Mathematische Methodik 1. Problemlösen 2. Beweistechniken 3. Wichtige Grundbegriffe Methodik des Problemlösens Klärung der Voraussetzungen Welche Begriffe sind zum Verständnis

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

Übungen Mathematik I, M

Übungen Mathematik I, M Übungen Mathematik I, M Übungsblatt, Lösungen (Stoff aus Mathematik 0) 09.0.0. Kommissar K hat 3 Tatverdächtige P, Q und R. Er weiß: (a) Wenn sich Q oder R als Täter herausstellen, dann ist P unschuldig.

Mehr

4 Kongruenz und Modulorechnung

4 Kongruenz und Modulorechnung 1 4 Kongruenz und Modulorechnung In unserer Zeitrechnung haben wir uns daran gewöhnt, nur mit endlich vielen Zahlen zu rechnen. Es ist gerade 3 Uhr und in 50 Stunden muss ich abreisen. Wie spät ist es

Mehr

Mathematische Grundlagen

Mathematische Grundlagen Luise Unger In LATEX gesetzt von Luise Unger Mathematische Grundlagen Kurseinheit 1: Grundlagen 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 77 7 7 777 7 77 7777777 77777 7 77 7 7 7 7 7 7 77777777777

Mehr

Der Zwei-Quadrate-Satz von Fermat

Der Zwei-Quadrate-Satz von Fermat Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat

Mehr

Analysis I: Übungsblatt 1 Lösungen

Analysis I: Übungsblatt 1 Lösungen Analysis I: Übungsblatt 1 Lösungen Verständnisfragen 1. Was ist Mathematik? Mathematik ist eine Wissenschaft, die selbstgeschaffene, abstrakte Strukturen auf ihre Eigenschaften und Muster hin untersucht.

Mehr

Mathematik für Informatiker/Informatikerinnen 2

Mathematik für Informatiker/Informatikerinnen 2 Mathematik für Informatiker/Informatikerinnen 2 Koordinaten: Peter Buchholz Informatik IV Praktische Informatik Modellierung und Simulation Tel: 755 4746 Email: peter.buchholz@udo.edu OH 16, R 216 Sprechstunde

Mehr

Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 8

Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 8 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

Mehr

Zahlen und Gleichungen

Zahlen und Gleichungen Kapitel 2 Zahlen und Gleichungen 21 Reelle Zahlen Die Menge R der reellen Zahlen setzt sich zusammen aus den rationalen und den irrationalen Zahlen Die Mengen der natürlichen Zahlen N, der ganzen Zahlen

Mehr

3. Relationen Erläuterungen und Schreibweisen

3. Relationen Erläuterungen und Schreibweisen 3. Relationen Eine Relation ist allgemein eine Beziehung, die zwischen Dingen bestehen kann. Relationen im Sinne der Mathematik sind ausschließlich diejenigen Beziehungen, bei denen stets klar ist, ob

Mehr

Mathematischer Vorkurs

Mathematischer Vorkurs Mathematischer Vorkurs Dr. Agnes Lamacz Mathematischer Vorkurs TU Dortmund Seite 1 / 170 Kapitel 11 Aussageformen Mathematischer Vorkurs TU Dortmund Seite 103 / 170 11.1 Denition: Aussageformen Eine Aussageform

Mehr

1.1 Teilbarkeit, Primzahlen und Teilerfremdheit

1.1 Teilbarkeit, Primzahlen und Teilerfremdheit Kapitel Primzahlen Bevor wir uns allgemeineren Themen und Begriffen der Algebra zuwenden, wollen wir einige zugleich elementare und schöne Ideen aus der Theorie der Primzahlen zusammenstellen, da diese

Mehr

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie und, oder, nicht, wenn... dann zwischen atomaren und komplexen Sätzen. I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

Mehr

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit

Mehr

1 Aussagenlogik und Mengenlehre

1 Aussagenlogik und Mengenlehre 1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres

Mehr

Naive Mengenlehre. ABER: Was ist eine Menge?

Naive Mengenlehre. ABER: Was ist eine Menge? Naive Mengenlehre Im Wörterbuch kann man unter dem Begriff Menge etwa die folgenden Bestimmungen finden : Ansammlung, Konglomerat, Haufen, Klasse, Quantität, Bündel,... usf. Die Mengenlehre ist der (gegenwärtig)

Mehr

Logic in a Nutshell. Christian Liguda

Logic in a Nutshell. Christian Liguda Logic in a Nutshell Christian Liguda Quelle: Kastens, Uwe und Büning, Hans K., Modellierung: Grundlagen und formale Methoden, 2009, Carl Hanser Verlag Übersicht Logik - Allgemein Aussagenlogik Modellierung

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de

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

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

2 Rationale und reelle Zahlen

2 Rationale und reelle Zahlen 2 reelle Es gibt Mathematik mit Grenzwert (Analysis) und Mathematik ohne Grenzwert (z.b Algebra). Grenzwerte existieren sicher nur dann, wenn der Zahlbereich vollständig ist, also keine Lücken aufweist

Mehr

00. Einiges zum Vektorraum R n

00. 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

Mehr

Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch

Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert werden durch 1.2 Mengenlehre Grundlagen der Mathematik 1 1.2 Mengenlehre Definition: Menge, Element, Variablenraum Eine Menge A ist die Zusammenfassung gleichartiger Elemente zu einer Gesamtheit. Eine Menge kann definiert

Mehr

der einzelnen Aussagen den Wahrheitswert der zusammengesetzten Aussage falsch falsch falsch falsch wahr falsch wahr falsch falsch wahr wahr wahr

der einzelnen Aussagen den Wahrheitswert der zusammengesetzten Aussage falsch falsch falsch falsch wahr falsch wahr falsch falsch wahr wahr wahr Kapitel 2 Grundbegriffe der Logik 2.1 Aussagen und deren Verknüpfungen Eine Aussage wie 4711 ist durch 3 teilbar oder 2 ist eine Primzahl, die nur wahr oder falsch sein kann, heißt logische Aussage. Ein

Mehr

Thema 4 Limiten und Stetigkeit von Funktionen

Thema 4 Limiten und Stetigkeit von Funktionen Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

9. Natürliche Zahlen, rationale Zahlen, reelle Zahlen.

9. Natürliche Zahlen, rationale Zahlen, reelle Zahlen. 9-1 Funktionen 9 Natürliche Zahlen, rationale Zahlen, reelle Zahlen Hier soll ein Überblick gegeben werden, wie die reellen Zahlen ausgehend von den natürlichen Zahlen konstruiert werden Dies erfolgt in

Mehr

4. Vektorräume und Gleichungssysteme

4. Vektorräume und Gleichungssysteme technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume

Mehr

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge

Im gesamten Kapitel sei Ω eine nichtleere Menge. Wir bezeichnen die Potenzmenge 1 Mengensysteme Ein Mengensystem ist eine Familie von Teilmengen einer Grundmenge und damit eine Teilmenge der Potenzmenge der Grundmenge. In diesem Kapitel untersuchen wir Mengensysteme, die unter bestimmten

Mehr

Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln

Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Michael Kniely November 2009 1 Vorbemerkungen Definition. Sei n N +, ϕ(n) := {d [0, n 1] ggt (d, n) = 1}. Die Abbildung ϕ : N + N + heißt

Mehr

Diskrete Mathematik für Informatiker

Diskrete Mathematik für Informatiker Diskrete Mathematik für Informatiker Markus Lohrey Universität Siegen Wintersemester 2014/2015 Lohrey (Universität Siegen) Diskrete Mathematik Wintersem. 2014/2015 1 / 344 Organisatorisches zur Vorlesung

Mehr

Gibt es verschiedene Arten unendlich? Dieter Wolke

Gibt es verschiedene Arten unendlich? Dieter Wolke Gibt es verschiedene Arten unendlich? Dieter Wolke 1 Zuerst zum Gebrauch des Wortes unendlich Es wird in der Mathematik in zwei unterschiedlichen Bedeutungen benutzt Erstens im Zusammenhang mit Funktionen

Mehr

Wissenschaftliches Arbeiten Quantitative Methoden

Wissenschaftliches Arbeiten Quantitative Methoden Wissenschaftliches Arbeiten Quantitative Methoden Prof. Dr. Stefan Nickel WS 2008 / 2009 Gliederung I. Motivation II. III. IV. Lesen mathematischer Symbole Wissenschaftliche Argumentation Matrizenrechnung

Mehr

Einführung in die Analysis

Einführung in die Analysis Ergänzungen zur Vorlesung Einführung in die Analysis Christian Schmeiser 1 Vorwort In dieser Vorlesung werden Grundbegriffe der Analysis wie Folgen und Reihen, Konvergenz und Vollständigkeit am Beispiel

Mehr

Ebene algebraische Kurven

Ebene algebraische Kurven Ebene algebraische Kurven Tangenten und Singularitäten Meyrer Claudine 4. November 010 Inhaltsverzeichnis 1 Lokale Eigenschaften an-algebraischer Kurven (in C ) 1.1 Denitionen..............................

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

Mathematischen Grundlagen und Notationen

Mathematischen Grundlagen und Notationen Mathematischen Grundlagen und Notationen Susanne Schimpf Juni 008 Es geht in dieser Lerneinheit darum, mathematische Notationen besser zu verstehen und auch selbst korrekt zu benutzen. Außerdem sollen

Mehr

Lineare Abhängigkeit

Lineare 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

Mehr

7. Ringe und Körper. 7. Ringe und Körper 49

7. Ringe und Körper. 7. Ringe und Körper 49 7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich

Mehr

Weitere Beweistechniken und aussagenlogische Modellierung

Weitere Beweistechniken und aussagenlogische Modellierung Weitere Beweistechniken und aussagenlogische Modellierung Vorlesung Logik in der Informatik, HU Berlin 2. Übungsstunde Aussagenlogische Modellierung Die Mensa versucht ständig, ihr Angebot an die Wünsche

Mehr

4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper

4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper 4 Einige Grundstrukturen Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper Abbildungen Seien X und Y Mengen. Eine (einstellige) Abbildung f : X Y ordnet jedem x X genau ein Element

Mehr

Mathematik für Informatiker I Mitschrift zur Vorlesung vom 14.12.2004

Mathematik für Informatiker I Mitschrift zur Vorlesung vom 14.12.2004 Mathematik für Informatiker I Mitschrift zur Vorlesung vom 14.12.2004 In der letzten Vorlesung haben wir gesehen, wie man die einzelnen Zahlenbereiche aufbaut. Uns fehlen nur noch die reellen Zahlen (siehe

Mehr