Lösungen zu Kapitel 2

Größe: px
Ab Seite anzeigen:

Download "Lösungen zu Kapitel 2"

Transkript

1 Lösungen zu Kapitel 2 Lösung zu Aufgabe 1: Wir zeigen die Behauptung durch vollständige Induktion über n. Die einzige Menge mit n = 0 Elementen ist die leere Menge. Sie besitzt nur sich selbst als Teilmenge, das heißt P ( ) = 1 = 2 0. Es sei M eine nichtleere Menge mit n+1 Elementen. Wir wählen ein Element m M aus und betrachten die Menge M \ {m}. Sie besitzt nach Induktionsvoraussetzung 2 n Elemente. Eine beliebige Teilmenge von M erhalten wir, indem wir m zu einer Teilmenge von M \ {m} hinzufügen oder nicht hinzufügen. Die Menge M besitzt daher 2 2 n = 2 n+1 Elemente. 1

2 2 Lösungen zu Kapitel 2 Lösung zu Aufgabe 2: Wir zeigen zuerst die Aussage M N i = (M N i ). i I i I Sie ergibt sich aus x M N i x M ( i. x N i ) i I i. (x M x N i ) i. (x M N i ) x (M N i ). i I Die Aussage M N i = (M N i ) i I i I wird analog bewiesen. Es seien eine Menge M sowie Teilmengen M i, i I, gegeben. Für alle x gilt x M \ i I M i x M ( i I. x M i ) x M ( i I. x / M i ) i I. (x M x / M i ) x i I (M \ M i ). Hieraus folgt M i M, i I M \ M i = (M \ M i ). i I i I Die Mengen M (N O) und (M N) (M O) enthalten genau die Paare (x, y) mit x M und y N O, das heißt, es gilt M (N O) = (M N) (M O). Die Aussage M N O P (M O) (N P) ist offensichtlich wahr.

3 Lösungen zu Kapitel 2 3 Venn-Diagramm für die symmetrische Differenz zweier Men- Lösung zu Aufgabe 3: gen M und N: M N M N. Die Aussage M N = (M N) \ (N M) gilt, denn für alle x ist x M N (x M \ N) (x N \ M) (x M x / N) (x N x / M) x (M N) x / (N M) x (M N) \ (N M). Die Aussage M (N O) = (M N) (M O) ist falsch. Ein Gegenbeispiel ist M = N = {a, c} und O = {b, c}. Es ist nämlich M (N O) = {a, b, c} und (M N) (M O) = {b}. Auch die Aussage M (N O) = (M N) (M O) gilt nicht, denn für M = {a, b}, N = {a} und O = {a, b, c} ist M (N O) = {b} und (M N) (M O) =. Lösung zu Aufgabe 4: Nach den Defintionen 2.4 und 2.6 gilt (a, b) = {{a}, {a, b}} (a, b, c) = ((a, b), c) = ({{a}, {a, b}}, c) = {{{a}, {a, b}}, {{{a}, {a, b}}, c}} (a, b, c, d) = ((a, b, c), d) = {{{{{a}, {a, b}}, {{{a}, {a, b}}, c}}}, {{{{a}, {a, b}}, {{{a}, {a, b}}, c}}, d}} Lösung zu Aufgabe 5: Nein, die Aussagewürde nicht gelten. Für a = b wäre sonst (a, b, a) = {{a}, {a, b}} = (a, b, b). Lösung zu Aufgabe 6: Wir zeigen durch vollständige Induktion, dass M n = n ist. Für n = 0 ist M 0 = = 0. Da nach dem Fundierungsprinzip M n / M n ist, enthält M n+1 ein Element mehr als M n. Hieraus folgt M n+1 = M n + 1 = n + 1.

4 4 Lösungen zu Kapitel 2 Lösung zu Aufgabe 7: Es sei M eine nichtleere Menge. Wir müssen zeigen, dass es ein Element m M mit m M = gibt. Dazu nehmen wir an, dass es für alle m M ein Element m m M gibt. Es ist m m M und m M. Dann gibt es ein Element m m M, das heißt m m m M. Wenn wir diesen Prozess fortsetzen, erhalten wir eine unendliche Kette... m m m m M. Dies steht im Widerspruch zum Fundierungsprinzip. Lösung zu Aufgabe 8: Das folgende Bild enthält eine Tabelle, einen Graphen sowie ein Pfeildiagramm der Relation R = {(m, n) m + n < 6} M M auf der Menge M = {1, 2,..., 6}. M M M M 1 M M R ist offensichtlich symmetrisch. Man sieht sofort, dass R weder reflexiv, irreflexiv, antisymmetrisch noch asymmetrisch ist. R ist auch nicht linear, denn es ist beispielsweise (1, 5) / R und (5, 1) / R. Außerdem ist R nicht transistiv, da zum Beispiel (2, 1) R und (1, 4) R ist, aber (2, 4) / R.

5 Lösungen zu Kapitel 2 5 Mit Definition 2.13(d) bekommen wir die folgenden Relatio- Lösung zu Aufgabe 9: nen. R 0 : R 1 : R 2 : R n = R + = R, n 3 : Lösung zu Aufgabe 10: Die Teilmengenbeziehung auf der Potenzmenge P (M) einer Menge M ist eine Ordnungsrelation, das heißt, sie ist reflexiv, transitiv und antisymmetrisch. Die echte Teilmengenbeziehung ist eine strenge Ordnungsrelation, das heißt, die Relation ist transitiv und asymmetrisch. Diese Aussagen ergeben sich aus Satz 2.1. Lösung zu Aufgabe 11: (a) Implizit ist in einem Hasse-Diagramm die Reflexivität und die Transitivität der dargestellten Relation enthalten. (b) Es sei M = {1, 2, 3, 4, 6, 8, 9, 12, 18, 24, 36, 72}. Der folgende Graph ist ein mögliches Hassediagramm der Teilbarkeitsrelation auf der Menge M Lösung zu Aufgabe 12: Wir zeigen die Behauptung durch vollständige Induktion. Für n = 1 gilt offensichtlich R n = R R. Zum Nachweis des Induktionsschlusses seien n 1 und R n R gegeben. Wir müssen zeigen, dass R n+1 = R R N R ist. Es sei ein Paar (x, y) R n+1 mit x, y M gegeben. Dann gibt es ein Element z M mit (x, z) R und (z, y) R n. Nach Induktionsvoraussetzung ist (z, y) R. Hieraus und aus der Transitivität von R folgt die Behauptung (x, y) R.

6 6 Lösungen zu Kapitel 2 Lösung zu Aufgabe 13: (a) Die Aussage gilt nicht. Für R = ist R 1 = und damit R R 1 = = = 1 M, falls M = ist. (b) Die Aussage gilt nicht. Für M = {a, b} sind R 1 = {(a, b)} und R 2 = {(b, a)} transitiv. Die Relation R 1 R 2 = {(a, b), (b, a)} ist jedoch nicht transitiv. (c) Es seien R 1 und R 2 symmetrische Relationen auf M. Dann ist R 1 R 2 ebenfalls symmetrisch, da für jedes Paar (x, y) R 1 R 2 das Paar (y, x) entweder zu R 1 oder zu R 2 gehört und damit in jedem Fall in R 1 R 2 liegt. Lösung zu Aufgabe 14: Die durch (m, n) R m besitzt genauso viele Teiler wie n auf einer Menge M natürlicher Zahlen definierte Relation ist offenbar reflexiv, symmetrisch und transitiv und damit eine Äquivalenzrelation. Die zugehörigen Äquivalenzklassen sind die Teilmengen von M, deren Elemente die gleiche Anzahl von Teilern besitzen. Für die Menge M = {1, 2,..., 15} ist die Zerlegung daher {{1}, {2, 3, 5, 7, 11, 13}, {4, 9}, {6, 8, 10, 14, 15}, {12}}. Für die Primzahlzerlegungen der Zahlen 20, 21,..., 32 er- Lösung zu Aufgabe 15: halten wir 20 = , 21 = , 22 = , 23 = 23 1, 24 = , 25 = 5 2, 26 = , 27 = 3 3, 28 = , 29 = 29 1, 30 = , 31 = 31 1, 32 = 2 5. Dies ergibt die Reihenfolge

7 Lösungen zu Kapitel 2 7 Lösung zu Aufgabe 16: Wir müssen zeigen, dass R 1 M die kleinste R umfassende reflexive Relation ist. Offenbar ist R 1 M reflexiv und enthält R. Um zu zeigen, dass R 1 M die kleinste dieser Relationen ist, sei S eine weitere reflexive Relation mit R S. Aus R S folgt R 1 M S 1 M. Da S reflexiv ist, gilt 1 M S. Hieraus folgt S 1 M = S. Insgesamt bekommen wir R 1 M S 1 M = S. Lösung zu Aufgabe 17: Die Behauptung kann analog zur Aussagevon Satz 2.7 über die transitive Hülle bewiesenwerden. Sie ergibt sichaber auchdirekt mithilfe der Gleichung R = R i = R 0 R i = R 0 R + = 1 M R + i 0 i 1 und Aufgabe 16. Lösung zu Aufgabe 18: Pfeildiagramm: Eine Relation ist eine partielle/totale Funktion genau dann, wenn von jedem Element der Urbildmenge höchstens/genau ein Pfeil ausgeht. Eine Funktion ist injektiv/surjektiv/bijektiv, wenn bei jedem Element der Bildmenge höchstens/mindestens/genau ein Pfeil endet. Tabelle: Eine Relation ist eine partielle/totale Funktion genau dann, wenn jedes Element der Urbildmenge höchstens/genau einmal in der linken Spalte der Tabelle auftritt. Eine Funktion ist injektiv/surjektiv/bijektiv genau dann, wenn jedes Element der Bildmenge höchstens/mindestens/genau einmal auf der rechten Seite der Tabelle auftritt. Graph: Eine Relation ist eine partielle/totale Funktion, wenn zu jedem Element der Urbildmenge (x-achse) höchstens/genau ein Punkt im Graphen eingezeichnet ist. Eine Funktion ist injektiv/surjektiv/bijektiv, wenn zu jedem Element der Bildmenge (y- Achse) höchstens/mindestens/genau ein Punkt im Graphen eingezeichnet ist. Lösung zu Aufgabe 19: (a) Die Relation {(x, y) x = y} ist eine totale Funktion. (b) Die Relation {(x, y) x < y} ist keine Funktion, da es zu jeder natürlichen Zahl unendlich viele größere gibt. (c) Die Relation {(x, y) x < y y x + 1} ist eine totale Funktion. Zu x erfüllt nur genau die Zahl y = x + 1 die angegebene Bedingung. (d) Die Relation {(x, y) x + y = 10} ist eine partielle Funktion. (e) Die Relation {(x, y) x + y = 10} ist eine totale Funktion. (f) Die Relation {(x, y) x 2 = y} ist eine totale Funktion.

8 8 Lösungen zu Kapitel 2 Lösung zu Aufgabe 20: (a) Die Funktion f 1 :, f 1 (x) = x 2, ist weder injektiv noch surjektiv. Es ist W( f 1 ) = {x x 0}. (b) Die Funktion f 2 : x., f 2 (x) = x 3, ist bijektiv. Es ist f 1 2 (x) = 3 x für alle (c) Die Funktion f 3 :, f 3 (x) = x 3 x = x(x + 1)(x 1), ist surjektiv, aber nicht injektiv. (d) Die Funktion f 4 :, f 4 (x) = 2 x, ist injektiv, da sie streng monoton ist. Es ist W( f 4 ) = {x x > 0} = +. (e) Die Funktion f 5 : +, f 5 (x) = 2 x, ist bijektiv, und es gilt f 1 5 (x) = log 2 x für alle x +.

9 Lösungen zu Kapitel 2 9 Lösung zu Aufgabe 21: Wir zeigen zunächst Satz 2.8(c). Es seien M und N nichtleere Mengen sowie f : M N eine totale Funktion. Die Behauptung lautet: f ist genau dann surjektiv, wenn eine Funktion f : N M mit f f = 1 N existiert. Es sei f surjektiv. Wir definieren f wie folgt. Für jedes n N setzen wir f (n) = m für ein festes Element m M mit f (m) = n. Offenbar gilt ( f f )(n) = f ( f (n)) = f (m) = n = 1 N (n) für alle n N mit geeigneten m M. Es sei jetzt f eine Funktion wie in der Behauptung angegeben. Zu zeigen ist die Surjektivität von f. Dazu sei ein Element n N gegeben. Ein Urbild von n unter f ist f (n), denn es gilt f ( f (n)) = ( f f )(n) = 1 N (n) = n. Damit ist f surjektiv. Wir kommen zu Satz 2.9 und zeigen die Aussagen (a), (b) und (d). Es seien M und N nichtleere Mengen sowie f : M N eine Funktion. Für alle Mengen M, M M und N, N N gelten die folgenden Aussagen: (a) f (M M ) = f (M ) f (M ), (b) f (N N ) = f (N ) f (N ), (d) f (N N ) = f (N ) f (N ). Die Aussage (a) folgt aus n f (M M ) m. (m M M f (m) = n) (b) ergibt sich aus und (c) schließlich aus m. ((m M m M ) f (m) = n) m. ((m M f (m) = n) (m M f (m) = n)) m. (m M f (m) = n) m. (m M f (m) = n) n f (M ) n f (M ) n f (M ) f (M ). m f (N N ) f (m) N N f (m) N f (m) N m f (N ) m f (N ) m f (N ) f (N ) m f (N N ) f (m) N N f (m) N f (m) N m f (N ) m f (N ) m f (N ) f (N ).

10 10 Lösungen zu Kapitel 2 Lösung zu Aufgabe 22: Die erste Aussage ergibt sich aus n f (M ) \ f (M ) n f (M ) n / f (M ) m M. n = f (m ) m M. n = f (m ) ( ) m M. (n = f (m ) m / M ) n f (M \ M ). Im Allgemeinen gilt nicht die Gleichheit f (M ) \ f (M ) = f (M \ M ). Um dies einzusehen, betrachten wir die Mengen M = {a, b}, M = {a}, M = {b} und N = {c} sowie die Abbildung f : M N mit f (a) = f (b) = c. Es gilt f (M ) \ f (M ) = {c} \ {c} = = {c} = f (M \ M ). Die zweite Aussage folgt aus der Tatsache, dass für eine injektive Abbildung f auch die Umkehrung der Implikation ( ) gilt. Lösung zu Aufgabe 23: Es ist die Äquivalenz der folgenden Aussagen nachzuweisen: (a) Es gibt eine injektive Abbildung f : M N. (b) Es gibt eine surjektive Abbildung g : N M, oder M ist die leere Menge. Wir setzen zunächst die Gültigkeit von (a) voraus. Im Falle M = ist nichts zu zeigen. Wir können daher m M annehmen. Die Abbildung g : N M definieren wir durch { m, falls f (m) = n, g(n) = m, falls n / f (M) für alle n N.Die Abbildung g ist wohldefiniert, da f nach Voraussetzung injektiv ist. Um zu zeigen, dass g surjektiv ist, sei ein beliebiges Element m M gegeben. Wegen g( f (m)) = m ist f (m) ein Urbild von m, das heißt, g ist surjektiv. Zum Nachweis der anderen Beweisrichtung setzen wir jetzt (b) voraus. Falls M = ist, gibt es nur eine Abbildung f : M N, die leere Abbildung, und diese ist injektiv. Es sei M =. Wir betrachten die Mengen g 1 (m), m M. Bei ihnen handelt es sich um ein nichtleeres System disjunkter Teilmengen von N. Nach dem Auswahlaxiom existiert eine Menge N N, die aus jeder Menge g 1 (m), m M, genau ein Element enthält. Für ein beliebiges Element m M definieren wir f (m) durch f (m) = n für das eindeutig bestimmte Element n N mit g(n) = m. Die so definierte Abbildung f : M N ist offenbar injektiv.

11 Lösungen zu Kapitel 2 11 Lösung zu Aufgabe 24: f (x) = 2x + 3, g(x) = 3x 4, ( f g)(x) = f (g(x)) = 2(3x 4) + 3 = 6x 5, (g f )(x) = g( f (x)) = 3(2x + 3) 4 = 6x + 5, D( f g) = D(g f ) = W( f g) = W(g f ) =. f (x) = 1 x, g(x) = x 1, ( f g)(x) = f (g(x)) = 1 x 1, (g f )(x) = g( f (x)) = 1 x 1, D( f g) = {x x = 0}, D(g f ) = {x x = 1}, W( f g) = {x x = 1}, W(g f ) = {x x = 0}. f (x) = x 2, g(x) = x 1, 1 ( f g)(x) = f (g(x)) = x 2, (g f )(x) = g( f (x)) = 1 x 2, D( f g) = {x 0 < x 1 2 }, D(g f ) = {x x 2}, W( f g) = {x x 0}, W(g f ) = {x x > 0}. Lösung zu Aufgabe 25: Die Höhe h(t) des Balls zur Zeit t setzt sich aus (a) der Anfangshöhe h 0 = 25 m, (b) der Höhe h 1 (t) = vt = 20t durch die gleichförmige Bewegung mit der Geschwindigkeit v = 20 m/s senkrecht nach oben und (c) der Höhe h 2 (t) = 2 1 gt2 = t2 = 5t 2 infolge der beschleunigten Bewegung durch die Gravitation senkrecht nach unten zusammen. Insgesamt bekommen wir h(t) = h 0 + h 1 (t) h 2 (t) = t 5t 2. Hier haben wir den Luftwiderstand vernachlässigt und die Gravitationskonstante g = 9,81 m/s 2 näherungsweise mit 10 m/s 2 angesetzt.

12 12 Lösungen zu Kapitel 2 Lösung zu Aufgabe 26: Im Buch wird gezeigt, dass die Addition und die Multiplikation primitiv-rekursive Funktionen sind. Wir bezeichnen sie an dieser Stelle mit f (m, n) = m + n und g(m, n) = m n. Damit ist auch die Funktion h(m, n) = f (g(m, n), u 2 1 (m, n)) (= m n + m) eine primitiv-rekursive Funktion. Mit dieser Hilfsfunktion ist die Fakultät primitiv-rekursiv. Aus f 1 (0) = s(z()), f 1 (m + 1) = h( f 1 (m), m) f 2 (0, n) = s(z()), f 2 (m + 1, n) = g( f 2 (m, n), n) folgt, dass die Potenz f 2 (m, n) = n m primitiv-rekursiv ist. Es sei v die Vorgängerfunktion mit { 0, falls m = 0, v(m) = m 1, falls m 1 für alle m 0. Sie ist wegen primitiv-rekursiv. Hieraus und aus v(0) = z(), v(m + 1) = u 2 2 (v(m), m) f 4 (0, n) = u 1 1 (n), f 4 (m + 1, n) = v(u 2 1 ( f 4(m, n), n)) folgt, dass auch die Differenz f 4 (m, n) = n m primitiv-rekursiv ist. Es bleibt zu zeigen, dass die Kleinerrelation < ebenfalls primitiv-rekursiv ist. Offensichtlich ist die Vorzeichenfunktion sign mit { 0, falls m = 0, sign(m) = 1, sonst primitiv-rekursiv. Wegen { 0, falls m n = 0, sign(m n) = 1, falls m n > 0 { 0, falls n m, = 1, falls n < m = f 3 (m, n) für alle n, m 0, ist auch die Kleinerrelation f 3 (m, n) als Hintereinanderausführung der Differenz und der Vorzeichenfunktion primitiv-rekursiv.

13 Lösungen zu Kapitel 2 13 Lösung zu Aufgabe 27: Im folgenden Scheme-Programm wird zunächst eine Funktion folge mit den Parametern a, b und n definiert, die für n > 1 den Wert a b n 1 und für n 1 den Wert a berechnet. Die gesuchten Folgen liefern damit die Aufrufe (folge 1 2 n) und (folge 1 2 n), die als eigene Funktionen (f n) und (g n) definiert wurden. (define (folge a b n) (if (> n 1) (* b (folge a b (- n 1))) a)) (define (f n) (folge 1 2 n)) (define (g n) (folge 1 3 n)) Beispielsweise liefert (f 3) das Ergebnis 4 und (g 3) das Ergebnis 9. Das folgende Scheme-Programm enthält eine allgemeinere Lösung, in der die Multiplikation durch eine frei wählbare Funktion o ersetzt wurde. (define (folge o a b n) (if (> n 1) (o b (folge o a b (- n 1))) a)) (define (f n) (folge * 1 2 n)) (define (g n) (folge * 1 3 n))

14

Vorkurs Mathematik Abbildungen

Vorkurs Mathematik Abbildungen Vorkurs Mathematik Abbildungen Philip Bell 19. September 2016 Diese Arbeit beruht im Wesentlichen auf dem Vortrag Relationen, Partitionen und Abbildungen von Fabian Grünig aus den vorangehenden Jahren.

Mehr

Grundlagen der Mathematik

Grundlagen der Mathematik Grundlagen der Mathematik Übungsaufgaben zu Kapitel 1 Einführung 1.1.1 Für reelle Zahlen a und b gilt (a+b) (a-b) = a 2 -b 2. Was ist die Voraussetzung? Wie lautet die Behauptung? Beweisen Sie die Behauptung.

Mehr

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit

Mengen. 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: {

Mehr

Lineare Algebra I. Auswahlaxiom befragen. (Wer schon im Internet danach sucht, sollte das auch mal mit dem Begriff

Lineare Algebra I. Auswahlaxiom befragen. (Wer schon im Internet danach sucht, sollte das auch mal mit dem Begriff Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 2 Prof. Dr. Markus Schweighofer 11.11.2009 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 2.1: Behauptung:

Mehr

1.4 Äquivalenzrelationen

1.4 Äquivalenzrelationen 8 1.4 Äquivalenzrelationen achdem nun die axiomatische Grundlage gelegt ist, können wir uns bis zur Einführung der Kategorien das Leben dadurch erleichtern, daß wir bis dorthin, also bis auf weiteres,

Mehr

Mathematik-Vorkurs für Informatiker (Wintersemester 2012/13) Übungsblatt 8 (Relationen und Funktionen)

Mathematik-Vorkurs für Informatiker (Wintersemester 2012/13) Übungsblatt 8 (Relationen und Funktionen) DEPENDABLE SYSTEMS AND SOFTWARE Fachrichtung 6. Informatik Universität des Saarlandes Christian Eisentraut, M.Sc. Julia Krämer Mathematik-Vorkurs für Informatiker (Wintersemester 0/3) Übungsblatt 8 (Relationen

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

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen)

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) 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

Mehr

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

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

Mehr

mathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen

mathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen Einführung in die Logik - 6 mathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen Modelltheoretische / Denotationelle Semantik der Prdikatenlogik Ein Modell ist ein künstlich geschaffenes

Mehr

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

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

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

Kapitel 1. Grundlagen

Kapitel 1. Grundlagen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

Kapitel 1. Grundlagen Mengen

Kapitel 1. Grundlagen Mengen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

Spickzettel Mathe C1

Spickzettel Mathe C1 Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine

Mehr

Mathematik 1 für Informatiker und Bioinformatiker

Mathematik 1 für Informatiker und Bioinformatiker Mitschrieb der Vorlesung Mathematik 1 für Informatiker und Bioinformatiker Prof. Dr. Peter Hauck Wintersemester 2006/2007 Mitschrieb in L A TEXvon Rouven Walter Letzte Änderung: 10. Oktober 2010 Lizenz

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

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

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

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

R = {(1, 1), (2, 2), (3, 3)} K 1 = {1} K 2 = {2} K 3 = {3}

R = {(1, 1), (2, 2), (3, 3)} K 1 = {1} K 2 = {2} K 3 = {3} Äquivalenzrelationen Aufgabe 1. Lesen Sie im Skript nach was eine Äquivalenzrelation und eine Äquivalenzklasse ist. Gegeben ist die Menge A = {1, 2, 3. Finden Sie 3 Äquivalenzrelationen auf A und geben

Mehr

Einführung in die Mengenlehre

Einführung in die Mengenlehre Einführung in die Mengenlehre D (Menge von Georg Cantor 845-98) Eine Menge ist eine Zusammenfassung bestimmter wohlunterschiedener Objekte unseres Denkens oder unserer Anschauung zu einem Ganzen wobei

Mehr

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.

Donnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl. Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )

Mehr

Mathematik für Informatiker I. Musterlösungen zum Hausübungsblatt 3. Aufgabe 1. Christoph Eisinger Wintersemester 2010/11

Mathematik für Informatiker I. Musterlösungen zum Hausübungsblatt 3. Aufgabe 1. Christoph Eisinger Wintersemester 2010/11 Mathematik für Informatiker I Christoph Eisinger Wintersemester 2010/11 Musterlösungen zum Hausübungsblatt 3 Aufgabe 1 Zu überpüfen sind jeweils folgende Eigenschaften: 1. Reflexivität: x R x x S 2. Symmetrie:

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

Vorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen.

Vorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Vorlesung 4 Universität Münster 13. September 2007 1 Kartesische Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Seien M und N zwei Mengen. Dann bezeichnen wir mit M N das (kartesische) Produkt

Mehr

2.2 Konstruktion der rationalen Zahlen

2.2 Konstruktion der rationalen Zahlen 2.2 Konstruktion der rationalen Zahlen Wie wir in Satz 2.6 gesehen haben, kann man die Gleichung a + x = b in Z jetzt immer lösen, allerdings die Gleichung a x = b im allgemeinen immer noch nicht. Wir

Mehr

Kapitel III. Aufbau des Zahlensystems

Kapitel III. Aufbau des Zahlensystems Kapitel III. Aufbau des Zahlensystems 1 Addition und Multiplikation natürlicher Zahlen Wir wollen erklären, wie man natürliche Zahlen addiert und multipliziert und dabei nur den Begriff das Zählens verwenden.

Mehr

2 Die Menge der ganzen Zahlen. von Peter Franzke in Berlin

2 Die Menge der ganzen Zahlen. von Peter Franzke in Berlin Die Menge der ganzen Zahlen von Peter Franzke in Berlin Das System der natürlichen Zahlen weist einen schwerwiegenden Mangel auf: Es gibt Zahlen mn, derart, dass die lineare Gleichung der Form mx n keine

Mehr

Mathematische Grundlagen der Computerlinguistik

Mathematische Grundlagen der Computerlinguistik Centrum für Informations- und Sprachverarbeitung (CIS) 10. Juni 2014 Table of Contents 1 2 Äquivalenz Der Begriff der Äquivalenz verallgemeinert den Begriff der Gleichheit. Er beinhaltet in einem zu präzisierenden

Mehr

A B A und B w w w w f f f w f f f f. A B A oder B (A B) w w w w f w f w w f f f

A B A und B w w w w f f f w f f f f. A B A oder B (A B) w w w w f w f w w f f f Kapitel 1 Zum Aufwärmen 1.1 Aussagen Eine Aussage im üblichen Sinn ist nicht unbedingt eine Aussage im mathematischen Sinn. Aussagen wie Mathe ist doof sind keine Aussagen im mathematischen Sinn, weil

Mehr

6. Induktives Beweisen - Themenübersicht

6. Induktives Beweisen - Themenübersicht 6. Induktives Beweisen - Themenübersicht Ordnungsrelationen Partielle Ordnungen Quasiordnungen Totale Ordnungen Striktordnungen Ordnungen und Teilstrukturen Noethersche Induktion Anwendung: Terminierungsbeweise

Mehr

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse

Mehr

Natürliche, ganze und rationale Zahlen

Natürliche, ganze und rationale Zahlen Natürliche, ganze und rationale Zahlen Zunächst haben die zum Zählen verwendeten natürlichen Zahlen 0, 1, 2, 3,... nichts mit dem reellen Zahlen zu tun. Durch die ausgezeichnete reelle Zahl 1 (Maßeinheit!)

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

Technische Universität München

Technische Universität München Stand der Vorlesung Kapitel 2: Auffrischung einiger mathematischer Grundlagen Mengen, Potenzmenge, Kreuzprodukt (Paare, Tripel, n-tupel) Relation: Teilmenge MxN Eigenschaften: reflexiv, symmetrisch, transitiv,

Mehr

Abbildungseigenschaften

Abbildungseigenschaften Abbildungseigenschaften.5. Injektivität Injektivität (injektiv, linkseindeutig) ist eine Eigenschaft einer mathematischen Funktion. Sie bedeutet, dass jedes Element der Zielmenge höchstens einmal als Funktionswert

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Inhaltsverzeichnis Teil 1 Teil

Mehr

Mathematische Grundlagen der Computerlinguistik

Mathematische Grundlagen der Computerlinguistik Centrum für Informations- und Sprachverarbeitung (CIS) 2. Juni 2014 Table of Contents 1 2 Ähnlich wie Funktionen besitzen Relationen charakteristische Eigenschaften. Diese Eigenschaften definieren wie

Mehr

Mathematik für Ökonomen 1

Mathematik für Ökonomen 1 Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen

Mehr

Theoretische Informatik

Theoretische Informatik Mathematische Grundlagen Patrick Horster Universität Klagenfurt Informatik Systemsicherheit WS-2007-Anhang-1 Allgemeines In diesem einführenden Kapitel werden zunächst elementare Grundlagen kurz aufgezeigt,

Mehr

Kapitel 2 Mathematische Grundlagen

Kapitel 2 Mathematische Grundlagen Kapitel 2 Mathematische Grundlagen Ziel: Einführung/Auffrischung einiger mathematischer Grundlagen 2.1 Mengen, Relationen, Ordnungen Definition: Eine Menge ist eine Zusammenfassung von wohlbestimmten und

Mehr

4.1 Definition. Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn. = y 1. = y 2. xfy 1. xfy 2

4.1 Definition. Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn. = y 1. = y 2. xfy 1. xfy 2 4.1 Definition Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn xfy 1 xfy 2 = y 1 = y 2 Y heißt Zielbereich oder Zielmenge von f. Statt (x, y) f oder xfy schreibt man y = f(x). Vollständige

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

2. Symmetrische Gruppen

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

Mehr

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale Kapitel I Reelle Zahlen 1 Axiomatische Charakterisierung der reellen Zahlen R 2 Angeordnete Körper 3 Die natürlichen, die ganzen und die rationalen Zahlen 4 Das Vollständigkeitsaxiom und irrationale Zahlen

Mehr

Mengen, Funktionen und Logik

Mengen, Funktionen und Logik Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Geordnete Mengen. Eine Relation heißt Ordnung oder Ordnungsrelation, wenn sie reflexiv, transitiv und antisymmetrisch ist.

Geordnete Mengen. Eine Relation heißt Ordnung oder Ordnungsrelation, wenn sie reflexiv, transitiv und antisymmetrisch ist. Geordnete Mengen Eine Relation heißt Ordnung oder Ordnungsrelation, wenn sie reflexiv, transitiv und antisymmetrisch ist. Ist eine Ordnungsrelation auf eine geordnete Menge., dann nennt man Die Namensgebung

Mehr

In diesem Kapitel wiederholen wir Begriffe und Notationen für grundlegende mathematische

In diesem Kapitel wiederholen wir Begriffe und Notationen für grundlegende mathematische Kapitel 1 Mathematische Objekte In diesem Kapitel wiederholen wir Begriffe und Notationen für grundlegende mathematische Objekte wie Tupel, Mengen, Relationen und Funktionen. Außerdem erklären wir die

Mehr

ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen

ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen ELEMENTARE DISKRETE MATHEMATIK Kapitel 4: Mächtigkeit von Mengen MAA.01011UB MAA.01011PH Vorlesung mit Übung im WS 2016/17 Christoph GRUBER Günter LETTL Institut für Mathematik und wissenschaftliches Rechnen

Mehr

13. Funktionen in einer Variablen

13. Funktionen in einer Variablen 13. Funktionen in einer Variablen Definition. Seien X, Y Mengen. Eine Funktion f : X Y ist eine Vorschrift, wo jedem Element der Menge X eindeutig ein Element von Y zugeordnet wird. Wir betrachten hier

Mehr

1.1 Mengen und Abbildungen

1.1 Mengen und Abbildungen Lineare Algebra I WS 2015/16 c Rudolf Scharlau 3 1.1 Mengen und Abbildungen In diesem Abschnitt stellen wir die grundlegende mathematische Sprache und Notation zusammen, die für jede Art von heutiger Mathematik

Mehr

Strukturelle Rekursion und Induktion

Strukturelle Rekursion und Induktion Kapitel 2 Strukturelle Rekursion und Induktion Rekursion ist eine konstruktive Technik für die Beschreibung unendlicher Mengen (und damit insbesondere für die Beschreibung unendliche Funktionen). Induktion

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

17 R E L AT I O N E N

17 R E L AT I O N E N 17 R E L AT I O N E N 17.1 äquivalenzrelationen 17.1.1 Definition In Abschnitt 11.2.1 hatten wir schon einmal erwähnt, dass eine Relation R M M auf einer Menge M, die reflexiv, symmetrisch und transitiv

Mehr

A N A L Y S I S I F Ü R T P H, U E ( ) 1. Übungstest (FR, ) (mit Lösung )

A N A L Y S I S I F Ü R T P H, U E ( ) 1. Übungstest (FR, ) (mit Lösung ) Institut für Analysis und Scientific Computing TU Wien W. Auzinger WS 05/6 A N A L Y S I S I F Ü R T P H, U E (03.088). Übungstest (FR, 6..05) (mit Lösung ) Aufgabe. a ) Wandeln Sie die periodische Dezimalzahl

Mehr

24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN

24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN 24 KAPITEL 2. REELLE UND KOMPLEXE ZAHLEN x 2 = 0+x 2 = ( a+a)+x 2 = a+(a+x 2 ) = a+(a+x 1 ) = ( a+a)+x 1 = x 1. Daraus folgt dann, wegen x 1 = x 2 die Eindeutigkeit. Im zweiten Fall kann man für a 0 schreiben

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

11 Logarithmus und allgemeine Potenzen

11 Logarithmus und allgemeine Potenzen Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den

Mehr

Folgerungen aus dem Auflösungsatz

Folgerungen aus dem Auflösungsatz Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und

Mehr

Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen

Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Aufgabe 1: Es sei D die Menge aller rationalen Dedekind-Mengen, also D := { M 2 Q M is Dedekind-Menge }. Auf der Menge D definieren wir

Mehr

3. Die Definition einer Abbildung von A in B beinhaltet eigentlich zwei Bedingungen, nämlich

3. Die Definition einer Abbildung von A in B beinhaltet eigentlich zwei Bedingungen, nämlich Kapitel 3: Abbildungen Seite 32 Kap 3: Abbildungen Kap. 3.1: Abbildungen (Funktion), Bild und Urbild Der Begriff der Abbildung ist wie auch der Begriff der Menge von fundamentaler Bedeutung für die Mathematik.

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

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

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

Wie kann man beweisen, dass (H, ) eine Gruppe ist?

Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )

Mehr

Ordnungsrelationen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden

Ordnungsrelationen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden Ordnungsrelationen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Geordnete Mengen Eine Relation R A A heißt Ordnung oder Ordnungsrelation, wenn sie reflexiv,

Mehr

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Vorkurs 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

Mehr

Musterlösung zu Blatt 11, Aufgabe 1

Musterlösung zu Blatt 11, Aufgabe 1 Musterlösung zu Blatt 11, Aufgabe 1 I Aufgabenstellung Es sei I =[a, b] ein kompaktes Intervall. (a) Zeigen Sie, daß eine stetige Funktion f : I R genau dann injektiv ist, wenn sie strikt monoton ist.

Mehr

Kapitel 2 MENGENLEHRE

Kapitel 2 MENGENLEHRE Kapitel 2 MENGENLEHRE In diesem Kapitel geben wir eine kurze Einführung in die Mengenlehre, mit der man die ganze Mathematik begründen kann. Wir werden sehen, daßjedes mathematische Objekt eine Menge ist.

Mehr

Aufgaben zu Kapitel 14

Aufgaben zu Kapitel 14 Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt

Mehr

Vorlesung. Vollständige Induktion 1

Vorlesung. Vollständige Induktion 1 WS 015/16 Vorlesung Vollständige Induktion 1 1 Einführung Bei der vollständigen Induktion handelt es sich um ein wichtiges mathematisches Beweisverfahren, mit dem man Aussagen, die für alle natürlichen

Mehr

Diskrete Mathematik. Marcel Erné Fakultät für Mathematik und Physik

Diskrete Mathematik. Marcel Erné Fakultät für Mathematik und Physik Diskrete Mathematik Marcel Erné Fakultät für Mathematik und Physik Vorlesung für Studierende des Bachelor- und Master-Studienganges Mathematik Sommersemester 2011 0. Natürliche Zahlen und endliche Mengen

Mehr

Musterlösung 11.Übung Mathematische Logik

Musterlösung 11.Übung Mathematische Logik Lehr- und Forschungsgebiet Mathematische Grundlagen der Informatik RWTH Aachen Prof. Dr. E. Grädel, F. Reinhardt SS 2015 Aufgabe 2 Musterlösung 11.Übung Mathematische Logik Geben Sie für die folgenden

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

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9

4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9 Chr.Nelius: Zahlentheorie (SS 2007) 9 4. ggt und kgv (4.1) DEF: Eine ganze Zahl g heißt größter gemeinsamer Teiler (ggt) zweier ganzer Zahlen a und b, wenn gilt: GGT 0 ) g 0 GGT 1 ) g a und g b GGT 2 )

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

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

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

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie. Vorlesung 3. Der euklidische Algorithmus

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie. Vorlesung 3. Der euklidische Algorithmus Prof. Dr. H. Brenner Osnabrück SS 2008 Zahlentheorie Vorlesung 3 Der euklidische Algorithmus Euklid (4. Jahrhundert v. C.) Definition 3.1. Seien zwei Elemente a, b (mit b 0) eines euklidischen Bereichs

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

Klausur zur Vorlesung Mathematische Logik

Klausur zur Vorlesung Mathematische Logik Universität Heidelberg 13. Februar 2014 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Klausur zur Vorlesung Mathematische Logik Musterlösung Aufgabe 1 (Aussagenlogik

Mehr

Ergänzende Übungen Lineare Algebra I. Wintersemester 2010/11. Prof. Dr. Kristina Reiss Heinz Nixdorf-Stiftungslehrstuhl für Didaktik der Mathematik

Ergänzende Übungen Lineare Algebra I. Wintersemester 2010/11. Prof. Dr. Kristina Reiss Heinz Nixdorf-Stiftungslehrstuhl für Didaktik der Mathematik Ergänzende Übungen Lineare Algebra I Wintersemester 2010/11 Prof. Dr. Kristina Reiss Heinz Nixdorf-Stiftungslehrstuhl für Didaktik der Mathematik 1 Äquivalenz Was bedeutet Äquivalenz? Wie wird der Begriff

Mehr

Konstruktion der reellen Zahlen 1 von Philipp Bischo

Konstruktion der reellen Zahlen 1 von Philipp Bischo Konstruktion der reellen Zahlen 1 von Philipp Bischo 1.Motivation 3 1.1. Konstruktion von R im allgemeine 3 2.Voraussetzung 3 2.1Die Menge Q zusammen mit den beiden Verknüpfungen 3 2.2Die Rationalen Zahlen

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

3 Vollständige Induktion

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

Mehr

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.

Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.

Mehr

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME

Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist

Mehr

Programmierung 1 - Repetitorium

Programmierung 1 - Repetitorium WS 2002/2003 Programmierung 1 - Repetitorium Andreas Augustin und Marc Wagner Homepage: http://info1.marcwagner.info Donnerstag, den 10.04.03 Kapitel 7 Korrektheit 7.1 Abstrakte Prozeduren Abstrakte Prozedur

Mehr

Kapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen

Kapitel IV. Endliche, abzählbare und überabzählbare Mengen. IV.1 Abzählbare Mengen Kapitel IV Endliche, abzählbare und überabzählbare Mengen Wir haben schon einige Mengen in den Kapiteln I und II kennengelernt, etwa die Zahlenmengen N, Z, Q und R. Jede dieser Zahlenmengen enthält unendlich

Mehr

1.) Rekursion und Induktion: Rechnen mit natürlichen Zahlen

1.) Rekursion und Induktion: Rechnen mit natürlichen Zahlen 1) Rekursion und Induktion: Rechnen mit natürlichen Zahlen Aufbauend auf: "Anwendungen: Sätze, Beweise, Algorithmen und Programme", "Fasern" Aufgaben: 9 > restart; Axiomatik der natürlichen Zahlen Wir

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

Mehr

Kurze Wiederholung: [Relationen und Abbildungen]

Kurze Wiederholung: [Relationen und Abbildungen] SS 2012, Lineare Algebra 1 Lösungen zum 1. Aufgabenblatt Die Lösungen wurden erstellt von: Isabel Voigt und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com

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

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

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

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

Mehr

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

Elementare Beweismethoden

Elementare Beweismethoden Elementare Beweismethoden Christian Hensel 404015 Inhaltsverzeichnis Vortrag zum Thema Elementare Beweismethoden im Rahmen des Proseminars Mathematisches Problemlösen 1 Einführung und wichtige Begriffe

Mehr