Überblick 2 1. Mengen 2. Relationen 3. Funktionen 4. Kardinalität von Mengen

Größe: px
Ab Seite anzeigen:

Download "Überblick 2 1. Mengen 2. Relationen 3. Funktionen 4. Kardinalität von Mengen"

Transkript

1 Grundlgen Üerlick. Mengen. Reltionen. Funktionen. Krdinlität von Mengen. Einführung Ziel und Motivtion Grundvokulr der Mthemtik lernen. Ntürliche Sprche oft zweideutig Mthemtische Sprche erlut die präzise Definition von mthemtischen Ojekten und die präzise Formulierung von Sätzen und Resultten. Ziele und Motivtion In der Informtik: Mengen, Reltionen, Funktionen etc. Grundlge für die Beschreiung von Algorithmen, Definition, ws ein Progrmm tut (Semntik), Definition, welche Zeichenketten Progrmme sind (Syntx) Definition, ws ein Progrmm tun soll (Spezifiktion) Dtenstrukturen (Arrys, Listen, Bäume, Hsh-Telle,... ) Beispiel: Mengen, Tupel und Wörter in Python 5 ein_tupel = (,, c ) noch_ein_tupel = (,, c ) ein_wort = c eine_menge = frozenset(ein_tupel) noch_eine_menge = frozenset(noch_ein_tupel) noch_eine_ndere_menge = frozenset(ein_wort) eine_sequenz_von_komplizierteren_ojekten = [ein_tupel,noch_ein_tupel,ein_wort,eine_menge, noch_eine_menge,noch_eine_ndere_menge] for x in eine_sequenz_von_komplizierteren_ojekten: for y in eine_sequenz_von_komplizierteren_ojekten: print("%s identisch zu %s? %s" % (x,y,x==y)) pss pss Ausproieren unter [python.org/shell]. Mengen.. Bsisvokulr und -konzepte Mengenlehre 6

2 Unter einer Menge verstehen wir jede Zusmmenfssung M von estimmten wohlunterschiedenen Ojekten m unserer Anschuung oder unseres Denkens (welche die Elemente von M gennnt werden) zu einem Gnzen (Georg Cntor) [Quelle] Mengen in der Informtik 7 Reihenfolge der Ojekte, mehrfche Nennung von Ojekten, etc. spielen keine Rolle. So kennt eine Menge kein erstes, zweites, usw. Ojekt. Dneen sind noch die Bsisopertionen wichtig, um us zwei oder mehr Mengen eine neue Menge zu konstruieren : Vereinigung, Schnitt, Differenz. Im Folgenden Wiederholung dieser Begriffe und deren Akürzungen ( Schulwissen ). Mengen: Bsisvokulr 8 Ein gegeenes Ojekt x ist entweder in einer gegeenen Menge M enthlten oder nicht. x M kurz für Ojekt x ist in Menge M (d.h. mindestens einml) enthlten. x M kurz für Ojekt x ist nicht (d.h. keinml) in der Menge M enthlten. Die Ojekte x mit x M nennt mn die Elemente von M. Entsprechend liest mn x M uch ls x (ist) Element von M und x M ls x (ist) kein Element von M. Um Mengen zu definieren, knn mn entweder lle Elemente der Menge explizit ufzählen oder mn definiert die Menge implizit durch Ange einer chrktisierenden Eigenschft der Elemente. Dei verwendet mn nch Konvention die Zeichen { und } zum Einleiten zw. Beenden einer Mengendefinition. Mengen: Bsisvokulr 9 Beispiel: explizie (uch: extensionle) Definition M := {,, $} d.h. M enthält genu die drei Ojekte,, $ Beispiel: implizite (uch: intensionle) Definition {x x ist Bürger der BRD mit Wohnsitz in München } Akürzungen für Mengen, die sehr oft vorkommen: N = {,,,...} Menge der ntürlichen/positiven gnzen Zhlen;

3 N 0 = {0,,,...} ntürliche Zhlen inkl. 0; Z = {...,,, 0,,,...} gnze Zhlen; Q = {p/q p Z, q N} rtionle Zhlen; R reelle Zhlen. Mengen: Bsisvokulr 0 Die leere Menge ist durch {} definiert, wofür mn häufig uch schreit. D.h. es git kein Ojekt x mit x, oder i..w. für jedes Ojekt x gilt x. Mengen sind uch Ojekte und können dmit selst Elemente von Mengen sein, z.b. {, {, }, {, {}}, {{}, {{}}, } } Ds knn llerdings uch zu Prolemen ei impliziten Definitionen führen, siehe Russelsche Antinomie: R := {x x ist Menge mit der Eigeschft x x } Weder R R noch R R mcht Sinn. Lösung: Typentheorie. Beispiel clss PrettyPrintSet(frozenset): def str (self): if len(self) == 0: return s = { +,.join([str(x) for x in self]) + } return s pss def successor(x): return PrettyPrintSet([x, PrettyPrintSet([x])]) # {x, {x}} x = PrettyPrintSet() # x = for i in rnge(0, 0): print(x) x = successor(x) pss Ausproieren unter [python.org/shell].. Vergleiche von Mengen Mengen: Vergleiche von Mengen M ist eine Teilmenge von M (kurz: M M ), flls jedes Element von M uch Element von M ist. Entsprechend schreit mn kurz M M, flls M keine Teilmenge von M ist, d.h. flls mindestens ein Element x von M kein Element von M ist. Für die Menge der Ojekte, die nur Elemente von M, er nicht von M sind, schreit mn kurz M \ M (oder uch: M M ). Mn schreit M M, flls zwr M M, jedoch uch M \M mindestens ein Element esitzt. Beispiele: Für jede eliege Menge M gilt stets M.

4 Für eine Menge M gilt M nur und nur dnn, wenn M =. Es gilt M M genu dnn, wenn M \ M =. Mengen: Vergleiche von Mengen M und M werden genu dnn ls gleich (identisch) ngesehen (kurz: M = M ), wenn jedes Element von M uch Element von M ist, und jedes Element von M uch Element von M ist. Kurz: M = M genu dnn, wenn sowohl M M ls uch M M. Mit nderen Worten, um zu zeigen, dss zwei Mengen verschieden sind (kurz: M M ) muss mn ein Ojekt x finden, ds Element genu einer der eiden Mengen ist. Mn schreit kurz M M für die Menge, welche genu die Ojekte zusmmenfsst, welche Element genu einer der eiden Mengen M, M (er nicht eider) sind. M \ M nennt mn die Differenz von M und M, M M nennt mn die symmetrische Differenz von M, M. Bechte: Im Allgemeinen M \ M M \ M, er stets M M = M M. Mengen: Vergleiche von Mengen Als Mächtigkeit/Krdinlität (kurz: M ) einer Menge M ezeichnet mn die Zhl der (unterschiedlichen) Elemente in M. Eine Menge M ist endlich (kurz: M < ), flls es eine ntürliche Zhl k git und eine entsprechende Anzhl von verschiedenen Ojekten x, x,..., x k, so dss M = {x, x,..., x k } gilt. Ansonsten ezeichnet mn M ls unendlich (kurz: M = ). Weitere Einteilung von unendlichen Mengen folgt später: P(M) ist stets mächtiger ls M... Opertionen uf Mengen Mengen: Opertionen uf Mengen 5 Stndrdopertionen für zwei Mengen M, M : Schnitt und Vereinigung Mn schreit kurz M M für die Menge mit der Eigenschft: Ist x ein Ojekt, dnn ist x ein Element von M M genu dnn, wenn x sowohl Element von M ls uch von M ist. M M wird der Schnitt von M und M gennnt. ßpuse Entsprechend schreit mn kurz M M für die Menge mit der Eigenschft Ist x ein Ojekt, dnn ist x ein Element von M M genu dnn, wenn x Element von mindestens einer der eiden Mengen M, M ist. M M wird die Vereinigung von M und M gennnt.

5 Mengen: Opertionen uf Mengen 6 Häufig enötigt mn uch den Schnitt und die Vereinigung von mehreren Mengen. Für eine Menge S, deren Elemente selst Mengen sind, definiert mn: S := M S M := {x für jedes M S gilt x M } S := M S M := {x es git mindestens ein M S mit x M } Dmit M M = {M, M } und M M = {M, M } Gilt S = {M,..., M k } für ein k N, dnn schreit mn uch k M i := S i= k M i := S i= Mengen: Opertionen uf Mengen 7 Ist eine Menge Ω fest vorgegeen (fixiert) und etrchtet mn usschließlich Teilmengen von Ω, so schreit mn für eine Menge A Ω sttt Ω \ A kurz A. Ω nennt mn dnn ds Universum oder die Grundmenge und A ds Komplement von A (zgl. Ω). Wichtig: Ohne Ange, welches Universum gewählt wurde, mcht A keinen Sinn... Potenzmenge und Prtitionen Mengen: Potenzmenge 8 Bezeichnet M eine Menge, so schreit mn M oder P(M) für die Potenzmenge von M: P(M) := M := {A A M} Die Potenzmenge von M ht genu lle lle Teilmengen von M ls Elemente. Beispiele: P({, }) = {, {}, {}, {, }} P({,, }) = {, {}, {}, {}, {, }, {, }, {, }, {,, }} P( ) = { } P({, { }}) = {, { }, {{ }}, {, { }}} Eine Menge mit k Elementen ht Krdinlität... k. Intuitiv: um eine Teilmenge zu konstruieren muss für jedes Element entschieden werden, o es zur Teilmenge gehört oder nicht dmit k j/nein (inäre) Entscheidungen lso k mögliche Teilmengen ( richtiger Beweis später). 5

6 Mengen: Prtitionen 9 Eine Prtition einer Menge M ist eine Menge P P(M) von disjunkten, nicht leeren Teilmengen von M, deren Vereinigung gerde M ergit. Etws formler: M = P, d.h. die Elemente von P üerdecken M. Für jede elieige A, B P gilt entweder A = B oder A B = Für jede elieiges A P gilt A. Beispiel: Die möglichen Prtitionen von {,, } sind: {{,, }}, {{}, {, }}, {{, }, {}}, {{, }, {}}, {{}, {}, {}} Einige mögliche Prtitionen von N 0 : {N 0, N 0 + }, {{x} x N 0 }, {N 0 } Visulisierung von Mengen: Venn- und KV-Digrmme Mengen: Vernschulichung 0 Die Beziehungen zwischen mehreren Mengen vernschulicht mn z.b. mittels Venn-Digrmmen oder Krnugh-Veitch-Digrmme. Ω A B A B A Ω A B C B C Wichtig: Allgemeine Lge ller Mengen. (Bildquelle: [wikipedi] Mengen: Vernschulichung Venn-Digrmme und KV-Digrmme für llgemeine Mengen (Bildquelle: [wikipedi]) 6

7 A A A A A B B B B B D D D D D C C C C C Mengen: Vernschulichung Venn-Digrmme und KV-Digrmme für 5 llgemeine Mengen (Bildquelle: [wikipedi]) A E A B D C..6 Mengenterme Mengenusdrücke/-terme Stehen A, B, C,... für elieige Mengen, d.h. sind Vrilenezeichner von Typ Menge, dnn können wir mittels,, P( ), \, Mengenterme/-usdrücke ufstellen, die die Konstruktion von weiteren, komplexeren Mengen eschreien. Ist ein Universum Ω definiert, dnn steht uch ds Komplement A einer Menge A Ω zur Verfügung. Werten sich zwei Mengenterme für jede konkrete Whl von Mengen A, B, C,... stets zur selen Menge us, dnnn nennt mn die Mengenterme äquivlent. Mengenusdrücke/-terme Die Äquivlenz von Mengenterme lässt sich entweder mittels KV-Digrmmen üerprüfen (für is zu c. 5 Vrilen) oder mittels Äquivlenzumformungen unter Verwendung von Stndrdäquivlenzen/- identitäten. Für jetzt: lles entsprechend zur Umformung von rithmetischen Ausdrücken/Termen, später formle Definition für logische Formeln. 7

8 Stndrdäquivlenzen für A, B, C Mengenvrilen. A = A A A = A A A = A = A A B = B A A B = B A A (B C) = (A B) C A (B C) = (A B) C Mengenusdrücke/-terme 5 Noch mehr Stndrdäquivlenzen für A, B, C Mengenvrilen. A (B C) = (A B) (A C) A (B C) = (A B) (A C) A \ (B C) = (A \ B) (A \ C) A \ (B C) = (A \ B) (A \ C) A = A (A B) A = A (A B) A B = (A \ B) (B \ A) Mit definiertem Universum Ω: A A = A A = Ω A \ B = A B A = A A B = A B A B = A B Mengenusdrücke/-terme 6 Üerprüfen/Beweisen z.b. durch Aufstellen des KV-Digrmms einml für die linke und einml für die rechte Seite einer Äquivlenz. Beispiel: A \ (B C) = (A \ B) (A \ C) Linke Seite: v.l.n.r. A, B C, A \ (B C) A A A B B B C C C Rechte Seite: v.l.n.r. A \ B, A \ C, (A \ B) (A \ C) A A A B B B C C C..7 Tupel, Sequenzen, Folgen und Wörter Tupel, Sequenzen, Folgen und Wörter 7 Mengen: Zusmmenfssung von Ojekten ohne Bechtung von Anordnung oder Vielfchheiten von elieig vielen Ojekten {,,, {, }, } = {, {, },, } 8

9 Tupel: Zusmmenfssung einer festen, endlichen Anzhl von Ojekten unter Bechtung der Anordnung/Auflistung der Ojekte und Bechtung von Vielfchheiten. (,,, {, }, ) (, {, },, ) Definitionen von Tupeln durch ( und ) eingeleitet zw. eendet. Tupel, Sequenzen, Folgen und Wörter 8 Sequenz/Folge: Ist für jede ntürliche Zhl i N (oder uch i N 0 ) ein Ojekt i gegeen, dnn ezeichnet mn die unendliche Auflistung (,,...) (zw. ( 0,,...)), die die Ojekte nch nwchsendem Index uflistet/zusmmenfsst, ls Sequenz/Folge. Kurzschreiweise: ( i ) i N (zw. ( i ) i N0 ) Beispiel: (i) i N0 = (0,,,,...), (/i) i N = (, /, /, /,...) Häufig sgt mn sttt Tupel uch endliche Sequenz oder Folge und fsst die Definitionen zusmmen: Gilt I N 0 und ist für jedes i I ein Ojekt i gegegeen, so schreit ( i ) i I für ds Tupel, welches die Ojekte i nch nwchsendem Index uflistet. Nottion: Für k N definiert mn [k] := {,,..., k} mit [0] =. Dnn gilt ( i ) i [k] = (,,..., k ) mit ( i ) i [0] = (). Tupel, Sequenzen, Folgen und Wörter 9 Länge t eines Tupels t oder uch Anzhl #t der Komponenten/Einträge eines Tuples ist gerde Anzhl der Ojekte (einschließlich Vielfchheiten) der zusmmengefssten Ojekte. Beispiele: (, (, c)) = (,,,,, ) = 6 ( {, }, {, },, (, {(, )}) ) = Synonyme: k-tupel für Tupel der Länge k, Pr für -Tupel Zwei Tupel sind identisch, wenn sie diesele Länge hen und sie n jeder Position denselen Eintrg esitzen. Beispiele: (, (, c)) (, (c, )) (, {, c}) = (, {c, }) ({c, }, ) () (,, c) Tupel, Sequenzen, Folgen und Wörter 0 Sind A, B Mengen, so schreit mn A B für ds krtesisches Produkt von A und B: die Menge ller Pre, deren erste Komponente ein Element us A und deren zweite Komponente ein Element us B ist: A B = {(, ) A, B} Entsprechend definiert mn A A... A k = {(,,..., k ) A, A,..., k A k } (für k = 0 ist ds Produkt die Menge { () }). Bechte: (A B) C A B C A (B C) d A B C = {(,, c) A, B, c C} (A B) C = {((, ), c) A, B, c C} 9

10 A (B C) = {(, (, c)) A, B, c C} Tupel, Sequenzen, Folgen und Wörter ein_tupel = (,, c ) noch_ein_tupel = ((, ), c ) und_noch_eins = (,(, c )) menge_von_zeugs = frozenset([ein_tupel,noch_ein_tupel,und_noch_eins]) for x in menge_von_zeugs: for y in menge_von_zeugs: print("%s equivlent zu %s? %s" % (x,y,x==y)) Progrmmiersprchen mchen uch diese Unterschiede, d Klmmerstruktur z.b. uch vorgit, wie etws gespeichert wird. Ausproieren unter [python.org/shell] Tupel, Sequenzen, Folgen und Wörter Grphisch vernschulicht (entspricht Speicherstruktur): (,, c) entspricht ((, ), c) entspricht c c (, (, c)) entspricht c Tupel, Sequenzen, Folgen und Wörter Mn schreit A k für lle k-tupel mit Komponenten nur us A: A k = {(,..., k ) A, A,..., k A} Bechte: A 0 := {()} und A := {() A} A Progrmmiersprchen mchen uch diesen Unterschied z.b. Python: [ ] ist die Liste, die ds Zeichen enthält, und nicht einfch ds Zeichen ; entsprechend ist [] die leere Liste. Tupel können prinzipiell durch Mengen simuliert werden z.b. (, ) durch {{0, }, {, }} oder (ohne Zhlen er umständlicher) durch {{, }, {{ }, }}. 0

11 Wörter und Sprchen Für die Informtik ilden Tupel die konzeptuelle Grundlge für Zeichenketten (strings). Ülicherweise ist eine Menge von Grundzeichen (Alphet) vorgegeen z.b. ASCII, UTF-8, lphnumerisch {,..., z, A,..., Z, 0,..., 9} Häufig wird ein Alphet mit Σ oder Γ ezeichnet. und mn etrchtet nur Tupel mit Einträgen us diesem Alphet. Für die Menge ller (endlichen) Tupel mit Einträgen us einem Alphet Σ schreit mn kurz Σ := k N 0 Σ k = {Σ k k N 0 }. Mn nennt Σ uch die Menge ller endlichen Wörter üer Σ, und ezeichnet die Elemente von Σ ls (endliche) Wörter (üer Σ). Wörter und Sprchen 5 Solnge keine Missverständnisse entstehen können, schreit mn für ein Wort (,,..., k ) einfch kurz... k. Für ds leere Tupel () enötigt mn dnn ein spezielles Symol, meistens ε (empty word) oder λ (leeres Wort), ds mn dnn ds leere Wort nennt. Ist Σ ein Alphet, so ezeichnet mn eine Teilmenge L Σ ls Sprche (üer Σ). Für Wörter und Tupel definiert mn noch die Konktention ( Verkettung ): Die Konktention uv zweier Wörter u = u... u k und v = v... v l (u i, v j Σ) ist gerde uv := u... u k v... v l. Bechte: uε = εu = u und uv = u + v. Entsprechend ist die Konktention zweier Tupel (u,..., u k ) und (v,..., v l ) ds neue Tupel (u,..., u k, v,..., v k ).. Reltionen.. Bsisvokulr und -konzepte Reltionen 6 Gegeen Mengen A, A,..., A k, so nennt mn R A A... A k eine (k-stellige) Reltion oder eine Reltion der Stelligkeit/Arität k. Gilt (,,..., k ) R, dnn sgt mn, dss die Ojekte,,..., k zgl. R in Reltion stehen. Reltionen ilden die Grundlge für Dtennken: Vereinfcht gesprochen ist eine (klssische) Dtennk eine Menge von Dtennktellen, woei jede Telle eine Reltion speichert z.b. A Id A Nchnme A Vornme Mn Spider Brot Bernd Womn Wonder Gg Ldy A Id A Mtrikelnummer A Id A Geschlecht m w w R S T

12 Reltionen: Join und Projektion 7 Die wichtigste Dtennkopertion sind Join und Projektion. Der Join R i=j S konkteniert ( verkettet ) jedes Tupel (r,..., r k ) R mit jedem Tupel (s,..., s l ) S, soweit r i = s j gilt: (r,..., r k ) R, R i=j S = (r,..., r k, s,..., s l ) (s,..., s l ) S, r i = s j Die Projektion π i,i,...,i j reduziert jedes Tupel (r,..., r k ) R uf die Einträge n den Positionen i < i <... < i j k: π i,i,...,i k (R) = {(r i, r i,..., r ij ) (r,..., r k,...) R} Hiermit lssen sich die Dtennktellen verknüpfen und filtern, um dmit Dtennknfrgen zu entworten. Mehr dzu in Dtennken. Reltionen 8 Beispiel: Reltionen/Tellen R, S, T A Id A Nchnme A Vornme Mn Spider Brot Bernd Womn Wonder Gg Ldy A Id A Mtrikelnummer A Id A Geschlecht m w w R S T Dtennknfrgen entsprechen Verknüpfen der Tellen mittels Join und Projektion z.b. Anfrge Vornmen ller weilichen Personen : π (R = (T = {(w)})) (Selst uswerten mit R, S, T von oen.).. Binäre Reltionen und Grphen Binäre Reltionen 9 Im Weiteren: inäre, d.h. -stellige Reltionen R A B Grundlge für lle verzeigerten Dtenstrukturen in der Informtik (z.b. Listen, Bäume, Grphen). Binäre Reltionen uf Zhlen us der Schule eknnt: kleiner-gleich, kleiner <, gleich =, ungleich, usw. Nottionsprolem: = = {(x, x) x R} R R (?!) Dher R zw. = N usw. für essere Unterscheidrkeit. Infixnottion: R für (, ) R Vgl.: N 5 sttt (, 5) N Für später: inverse Reltion R := {(, ) (, ) R}. Z.B. R = R.

13 Binäre Reltionen: Grphen 0 Vernschulichung von inären Reltionen mittels Grphen. Ein gerichterter Grph (kurz: Digrph) G = (V, E) esteht us einer Menge V gennnt Knotenmenge, Elemente von V entsprechend Knoten von G. einer inären Reltion E V V gennnt Kntenreltion/-menge, Elemente von E entsprechend Knten von G. Ein Digrph G ist endlich, flls V endlich; nsonsten ist G unendlich. Ein Digrph G ist iprtit, flls V = A B mit A B = und E A B B A (nur Knten zwischen A und B). Visulisierung eines (endlichen) Digrphen G = (V, E): Für jeden Knoten v V mle einen Knuel mit Nmen v Für jede Knte (s, t) mle einen Pfeil vom Knuel für s zum Knuel für t (s für source, t für trget ). Flls s = t, dnn mle Schleife. Flls G unendlich, een nur schemtische Skizze möglich i.a. Binäre Reltionen: Grphen Beispiel: G = (V, E) mit V = {,,, } [0.cm] E = {(, ), (, ), (, ), (, ), (, ), (, ), (, )} lterntiv Nicht iprtit. Binäre Reltionen: Grphen Beispiel: G = (V, E) mit V = {,,, } [0.cm] E = {(, ), (, ), (, ), (, ), (, )} lterntiv Biprtit. Binäre Reltionen: Grphen Visulisierung von R A B ls Digrph G R := ((A B), R). Beispiel: Visulisierung von {(x, y) x, y {0,,, }, x N0 y}

14 0 Beispiel: Skizze zu N0 N 0 N Binäre Reltionen: Grphen Eine Folge v 0, v,..., v l von Knoten v i V heißt Weg/Pfd, flls (v i, v i ) E für jedes i [l] gilt, d.h. wenn je zwei ufeinnderfolgende Knoten durch eine Knte us E verunden sind. Die Länge eines Pfdes (v 0, v,..., v l ) ist l, d.h. die Anzhl der Knten ( Schritte ), von v 0 is v l. Ein Pfd heißt einfch, flls kein Knoten mehrmls in dem Pfd vorkommt ( esucht wird). Fkt: In einem endlichen Digrphen ht ein einfcher Pfd mximl Länge V. Beispiel: v 0 v v v Einige Pfde: v 0 v 0, v 0 v 0, v v 0, v, v 0 v 0, v, v, v, v.. Reltionles Produkt Reltionles Produkt 5 Sind R A B sowie S C D inäre Reltionen, dnn ist ds reltionle Produkt von R und S die inäre Reltion RS A D gegeen durch oder kurz: RS = π, (R = S). RS = {(, d) es git x B C mit (, x) R und (x, d) S} Wenn B C =, dnn gilt lso RS =. Mn nennt RS uch die Verkettung von R und S. Visulisierung des reltionlen Produkts: Der Grph zu RS enthält eine Knte (u, v) gdw. es einen Verindungsknoten w und eine R-Knte (u, w) und eine S-Knte (w, v) git. Reltionles Produkt 6

15 R S RR RS SR SS.. Binäre Reltionen uf einer Menge Binäre Reltionen uf einer Menge 7 Weiterer wichtiger Spezilfll: Binäre Reltionen R A A, die uf einer Menge A definiert sind. Können mit sich selst mittels reltionlem Produkt mehrfch verknüpft werden: Zusmmenziehen der k-schritt-pfde R 0 := Id A := {(, ) A} R := R = R 0 R R := RR = R R R k+ = R k R = RR k = RR }{{... R } für elieiges k N 0. k + Kopien Bemerkung: Oige Definition wird ls induktive Definition ezeichnet. Die Definition ist (fst) ein Algorithmus, wie mn R k+ mittels R und R k rekursiv erechnen knn. Binäre Reltionen uf einer Menge 8 Sei R gegeen durch: v.l.n.r. R 0, R, R : 5

16 Binäre Reltionen uf einer Menge 9 Sei R gegeen durch: v.l.n.r. R 0 R R, R 0 R R, R 0 R R : Binäre Reltionen uf einer Menge 50 Mit ds fundmentlste Prolem der Informtik: Zusmmenziehen ller endlichen Pfde k. Erreichrkeit in endlich vielen Schritten k. Terminierungsprolem Trnsitive Hülle einer inären Reltion R A A: R + := k N Rk ( lle Pfde, die mindestens einen Schritt mchen ) Reflexiv-trnsitive Hülle einer inären Reltion R A A: R := k N 0 R k = R 0 R + v ist von u erreichr, flls ur v. Weitere Nottion: R k := k i=0 Ri ( Erreichrkeit in höchstens k Schritten ) Hinweis: Bedeutung von üerlden, unterscheide von z.b. Menge ller endlichen Wörter Σ. Binäre Reltionen uf einer Menge 5 Sei R gegeen durch: v.l.n.r. R +, R : 6

17 Binäre Reltionen uf einer Menge 5 Bechte: Ist n = R endlich, dnn gilt R = R n : Beweisskizze: Wir zeigen für lle s, t A (s, t) R gdw. (s, t) R n Gilt s = t, dnn ereits (s, t) Id A = R 0. Gilt s t, dnn: (s, t) R + gdw es git einen endlichen Pfd von s nch t in Digrph G R gdw es git einen einfchen (d s t) Pfd von s nch t in Digrph G R gdw (s, t) R n. Weitere Eigenschften (siehe Üungen): (R ) = (R + ) = (R ) + = R (R + ) + = R + Binäre Reltionen uf einer Menge 5 Eine inäre Reltionen R A A uf einer Menge A ist reflexiv flls: Id A R Jeder Knoten ht eine Schleife symmetrisch flls: Wnn immer (s, t) R, dnn uch (t, s) R Zwischen je zwei Knoten entweder eide Knten oder gr keine Knte symmetrisch flls: Wnn immer (s, t) R, dnn immer (t, s) R Keine Schleifen und zwischen je zwei verschiedenen Knoten höchstens eine Knte ntisymmetrisch flls: Wnn immer (s, t) R und uch (t, s) R, dnn gilt immer s = t Zwischen zwei verschiedenen Knoten existiert höchstens eine Knte trnsitiv flls: Wnn immer (s, t) R und uch (t, u) R, dnn uch (s, u) R Kommt mn mit genu zwei Schritten von s nch u, dnn uch mit genu einem. Binäre Reltionen uf einer Menge 5 Eigenschften der folgenden Reltionen? 7

18 Binäre Reltionen uf einer Menge 55 Weitere Beispiele: = Z : reflexiv; symmetrisch; trnsitiv Z : reflexiv; ntisymmetrisch; trnsitiv < Z : nicht reflexiv; symmetrisch; trnsitiv Z : nicht reflexiv; symmetrisch; nicht trnsitiv Z Z Z mit definiert durch Z (sprich teilt ) nicht reflexiv; nicht symmetrisch; nicht symmetrisch; nicht ntisymmetrisch; trnsitiv N N N (Einschränkung von teilt uf positive gnze Zhlen) reflexiv; ntisymmetrisch; trnsitiv m Z Z mit m definiert durch m ( ) für festes m N reflexiv; symmetrisch; trnsitiv uf P(Z): reflexiv; ntisymmetrisch; trnsitiv Kongruenzegriff uf Dreiecken: reflexiv; symmetrisch; trnsitiv Binäre Reltionen uf einer Menge 56 Noch mehr Beispiele für Wörter u, v Σ u ist ein Präfix von v (kurz: u p v), flls es ein w Σ mit uw = v git. p : reflexiv; ntisymmetrisch; trnsitiv u ist ein Suffix von v (kurz: u s v), flls es ein w Σ mit wu = v git. s : reflexiv; ntisymmetrisch; trnsitiv u ist ein Infix (Fktor) von v (kurz: u i v), flls es w, w Σ mit wuw = v git. f : reflexiv; ntisymmetrisch; trnsitiv u und v sind konjugiert (kurz: u = c v), flls es w, w Σ mit u = ww und v = w w git. = c : reflexiv; symmetrisch; trnsitiv Binäre Reltionen uf einer Menge 57 Klssifiktion: Z, N,, p, s, i werden ls prtielle Ordnungen ezeichnet: reflexiv, ntisymmetrisch, trnsitiv = Z, m, = c, Kongruenz von Dreiecken werden ls Äquivlenzreltionen ezeichnet: reflexiv, symmetrisch, trnsitiv 8

19 ..5 Äquivlenzreltionen Äquivlenzreltionen 58 Betrchte die Reltionen = Z, k (Kongruenz modulo k), = c Gemeinsmkeiten: reflexiv, symmetrisch, trnsitiv Unterteilen/prtitionieren die Ojekte des Universums nch verschiedenen Äquivlenzegriffen = Z : und diesele/identische Zhl Feinste Prtitionierung: {{x} x Z} m : und dersele Rest ei Division durch m Prtitionierung: Menge der Restklssen {mz, mz +,..., mz + (m )} mit mz = {mz z Z} Gröste Prtitionierung für m = : {Z} ( lles gleich ) Äquivlenzreltionen 59 Allgemeine Definition: Eine inäre Reltion R A A üer einer Menge A heißt Äquivlenzreltion (uf A), flls: R reflexiv und symmetrisch und trnsitiv. Für R A A eine Äquivlenzreltion definiert mn: Äquivlenzklsse eines Ojekts zgl. R: [] R = { A R} Bsp.: [] =Z = {}, [ 5] = Z + Fkt: Es gilt [] R und [] R = [] R für R und [] R [] R = für (, ) R Den Quotienten von A zgl. R: A/R = {[] R A} Bsp.: Z/= Z = {{x} x Z}, Z/ = {Z, Z +, Z + } Fkt: A/R ist eine Prtition von A Äquivlenzreltionen 60 Weitere wichtige Äquivlenzreltionen: Äquivlenzen uf Termen/Formeln/Progrmmen (x + y) und x + xy + y verschiedene Zeichenketten/rithmetische Terme, er werten sich für lle reellen Zhlen x, y R stets zu demselen Wert us, weswegen mn (ungenu) einfch (x + y) = x + xy + y schreit. Entsprechend (A C) \ B und (A (B C)) im mengentheoretischen Sinn äquivlent, er verschiedene Terme. Wichtig für die Informtik: Entscheiden, o zwei (ls Zeichenkette) verschiedene Progrmme dssele tun. Z.B. prototypische Implementierung vs. optimierte Implementierung. Auslick: Im Allgemeinen knn mn kein Progrmm schreien, ds die Äquivlenz von zwei nderen Progrmmen entscheidet. Siehe Einführung in die theoretische Informtik. 9

20 Äquivlenzreltionen 6 = "Ein String" = "Ein String" c = "%s" % tuple_of_strings = (,,c) for i in rnge(0,len(tuple_of_strings)): x = tuple_of_strings[i] for j in rnge(i,len(tuple_of_strings)): y = tuple_of_strings[j] print(" %s sele Zeichenkette wie %s? %s" % (x,y,x==y)) print(" %s seles Ojekt wie %s? %s" % (x,y,x is y)) Die meisten Progrmmiersprchen hen für Strings zumindest die Äquivlenzen seles Ojekt (im Speicher) und sele Zeichenkette. Häufig ist == üerlden (Python, C++) und testet zwei Ojekte uf Äquivlenz im ntürlichen Sinn (z.b. sele Zeichenkette ). Jv testet mit == jedoch seles Ojekt [usproieren]..6 Ordnungsreltionen Ordnungsreltionen 6 Beispiele: Z, N,, p, s, i Gemeinsmkeiten: reflexiv, ntisymmetrisch, trnsitiv Ordnen Ojekte zumindest teilweise (prtiell) n. Unterschiede: Für zwei elieige, Z gilt mindestens Z oder Z, d.h. zgl. Z sind lle gnzen Zhlen vergleichr. Für zwei elieige, N knn weder N noch N gelten, d.h. zgl. N git es unvergleichre positive gnze Zhlen, z.b. die Primzhlen. Ordnungsreltionen 6 Mn definiert dher: R A A ist eine prtielle Ordnung (Hlordnung) uf A, flls R reflexiv und ntisymmetrisch und trnsitiv. R A A ist eine totle Ordnung (Totlordnung) uf A, flls R eine prtielle Ordnung uf A ist, und je zwei elieige, stets zgl. R in Reltion stehen, d.h. mindestens R oder R gilt. Mn definiert entsprechend noch strikte/strenge Vrinten, indem mn die Reflexivität durch die Irreflexivität ersetzt, womit die Antisymmetrie zur Asymmetrie wird. R ist irreflexiv, flls (, ) R für jedes A, d.h. R Id A =. Bsp.: < Z = Z \Id Z 0

21 Ordnungsreltionen 6 Visulisierung einer (prtiellen) Ordnung R A A: Sttt R zw. den zugehörigen Digrphen G R, stellt mn nur eine möglichst kleine Reltion S R dr, für die S = R gilt. G S wird dnn Hsse-Digrmm von R gennnt. Beispiel: N0 Sttt 0... nur 0... Ordnungsreltionen 65 Beispiel: Hsse-Digrmm zu N ([0] [0]) Beispiel: Hsse-Digrm zu uf P([]) {,, } {, } {, } {, } {} {} {} Ordnungsreltionen 66 Beispiel: Hsse-Digrmm zu Ordnung uf Äquivlenzreltionen üer {,, }: flls: wnn immer, dnn ereits, oder äquivlent

22 {{,, }} {{}, {, }} {{, }, {}} {{, }, {}} {{}, {}, {}} Ordnungsreltionen 67 Noch ein pr Stndrdegriffe zgl. einer Ordnung R A A: m A ist ein mximles Element zgl. R, flls: Gilt mr für ein A, dnn uch Rm und dmit = m. Keine Knten zu einem nderen Element Erinnerung: zgl. prtieller Ordnungen knn es uch unvergleichre Ojekte geen. m A ist ds größte Element zgl. R, flls Rm für jedes A gilt. Keine Knten zu einem nderen Element, er von jedem nderen Element eine Knte. Ist R totl, dnn ist ein mximles Element sofort uch ds größte Element. Entsprechend definiert mn ein minimles und ds kleinste Element zgl. R. Ordnungsreltionen 68 Erinnerung: Für eine inäre Reltion R A A hen wir die trnsitive Hülle R + := k N Rk und die reflexiv-trnsitive Hülle R = k N 0 R k definiert. Die Teilmengenreltion ist eine Hlordnung uf der Menge ller inären Reltionen uf A. Bzgl. lssen sich R und R + uch wie folgt chrkterisiern: R + ist ds kleinste Element zgl. in {S A A R S und S ist trnsitiv} d.h. ist S trnsitiv mit R S, dnn gilt R + S. R ist ds kleinste Element zgl. in {S A A R S und S ist reflexiv und trnsitiv} d.h. ist S reflexiv und trnsitiv mit R S, dnn gilt R S. Siehe Üungen. Ordnungsreltionen 69 Fkt: Mit R ist uch R eine Ordnung. ( Pfeile umdrehen ) Begriffe miniml und mximl zw. kleinstes und größtes dul, d.h. eim Wechsel von R zu R vertuschen sie sich. Beispiele:

23 Bzgl. N ist ds kleinste Element, es git keine mximlen Elemente. Bzgl. N ( ist Vielfches ) ist ds größte Element. Bzgl. N\{} sind die Primzhlen die minimlen Elemente. Bzgl. Z git es keine minimlen/mximlen Elemente Bzgl. N0 ist 0 ds kleinste Element Bzgl. N0 ist 0 ds größtes Element. Funktionen.. Bsisvokulr und -konzepte Funktionen 70 Eine Reltion R A B ist eine Funktion (Aildung), flls: Für jedes A git es genu ein B mit (, ) R D.h. es git mindestens ein B mit R UND wnn immer uch R, dnn gilt =. Konventionen/Anmerkungen (wie in Schule): f, g, h,... ls Funktionenezeichner. f : A B um zu sgen, dss f A B eine Funktion von A nch B ist. f() steht für ds eindeutige B mit (, ) f. Bechte: Schreirichtung dreht sich dmit um f vs. = f() In mnchen Fällen f sttt f() uch prktischer. Definition von Funktionen mittels z.b.: f : R R: x x + Funktionen 7 Weitere Konventionen/Anmerkungen: Für die Menge ller Funktionen von A nch B schreit mn B A := {f : A B}. Gilt A = k i= A i, dnn schreit mn einfch f(,..., k ) sttt f((,..., k )). k ezeichnet mn dnn ls Stelligkeit oder Arität von f. Entsprechend ezeichnet mn f : k i= A i B uch ls k-äre Funktion z.b. nullär, unär, inär, tertiär usw. Spezilfll nulläre Funktion: f : {()} B Ist nur für ds leere Tupel (= kein Argument ) definiert und ordnet diesem immer denselen Wert zu. Funktionen 7 Weitere Konventionen/Anmerkungen: Die Urildmenge Dom(f) einer Funktion f : A B ist die Menge A. Die Bildmenge Rng(f) von f ist die Menge {f() A}. Allgemeiner definiert mn für X A und Y B:

24 f (Y ) = { A f() Y } Dom(f) (Urilder von Y ) f(x) = {f() X} Rng(f) (Bilder von X) Nch unserer Definition muss eine Funktion f : A B jedem A ein Bild f() zuweisen. Solche Funktionen werden uch ls totl ezeichnet. Als prtielle Funktion ezeichnet mn entsprechend eine Reltion f A B zgl. der jedes A mit höchstens einem B in Reltion steht. Kurz f : A B, um drufhinzuweisen, dss f nur prtiell ist. f : A B (totle) Funktion: Dom(f) = A f : A B prtielle Funktion: Dom(f) A Prtielle Funktionen in der Informtik recht gewöhnlich zur Beschreiung von u.u. nicht terminierenden Progrmmen... Visulisierung Funktionen: Visulisierung 7 Visulisierung einer Funktion f : A B (wie in Schule): Biprtiter Grph (A B, f) mit Knuel für A links und Knuel für B rechts. A B edeutet: mch notflls disjunkt, d.h. jeweils seprte Knuel für A und B, selst wenn A B. Beispiel: f = {(, ), (, ), (c, )} A B für A = {,, c} und B = [] c Als Funktion: Als Reltion: c D A B = kein Unterschied. Funktionen: Visulisierung 7 Visulisierung einer Funktion f : A B (wie in Schule): Biprtiter Grph (A B, f) mit Knuel für A links und Knuel für B rechts. A B edeutet: mch notflls disjunkt, d.h. jeweils seprte Knuel für A und B, selst wenn A B. Beispiel: f = {(, ), (, ), (c, )} A A für A = {,, c} c Als Funktion: c Als Reltion: c Für A = B Drstellungen unterschiedlich; Drstellung ls Reltion nützlich, flls mn n der Bhn x, f(x), f(f(x)),... interessiert ist (siehe Permuttionen).

25 .. Opertionen uf Funktionen Funktionen: Opertionen 75 Aildungen der Form f : A k A (d.h. f A k+ ) werden uch ls k-stellige Opertionen uf A ezeichnet. Beispiele: Addition und Multipliktion + R, R : R R R uf R Für inäre Opertionen verwendet mn ülicherweise die Infixnottion: (x + R y) sttt + R (x, y); (x R y) sttt R(x, y) Häufig verwendet mn,,, u.ä. Symole ls Bezeichner für inäre Opertionen. Meistens lässt mn uch die äußersten Klmmern weg, flls keine Missverständnisse entstehen können, lso z.b. nur sttt ( ) Eine inäre Opertion : A A A ist ssozitiv flls ( ) c = ( c) für lle,, c A. kommuttiv flls = für lle, A. idempotent flls = für lle A. Funktionen: Komposition 76 Komposition (Ncheinnderusführung) (g f)() := g(f()) von Funktionen f : A B und g : B C (g f): A C : g(f()) Anmerkungen: Lies g f ls g nch f Komposition ist ssozitiv (ls Opertion uf die Menge der Funktionen), er nicht kommuttiv: (h (g f))() = h((g f)()) = h(g(f())) = (h g)(f()) = ((h g) f)() Funktionen: Komposition 77 Komposition (Ncheinnderusführung) (g f)() := g(f()) von Funktionen f : A B und g : B C (g f): A C : g(f()) Bechte umgekehrte Lese/Schreirichtung im Vergleich zu Reltionen: Reltionles Produkt Komposition fg = {(, g(f())) A} = (g f) c f f f g g g γ β α c (g f) (g f) (g f) γ β α 5

26 .. Eigenschften von Funktionen Injektive, surjektive und ijektive Funktionen 78 Erinnerung: Für f : A B und Y B ezeichnet f (Y ) = { A f() Y } die Menge der Urilder von Y. Eine Funktion f : A B ist injektiv, flls us f() = f( ) stets = folgt. Äquivlent: f ({}) für jedes B surjektiv, flls für jedes B ein A mit f() = git. Äquivlent: f(a) = B, Rng(f) = B, f ({}) für jedes B. ijektiv, flls sowohl injektiv ls uch surjektiv. Äquivlent: f ({}) = für jedes B. Funktionen: Eigenschften 79 Beispiele: e 5 e 5 e 5 d d d c c c e 5 e 5 d d d c c c Funktionen: Umkehrfunktion 80 Ist f ijektiv, dnn ist uch {(, ) B, f ({})} A B eine Funktion, die mn ls Umkehrfunktion/Inverse von f ezeichnet, und für die mn eenflls die Nottion f verwendet. Beweis, dss R := {(, ) B, f ({})} A B : Jedes B ht ein Bild, d: Fixiere ein elieiges B D f surjektiv, git es ein A mit f() = zw. f ({}). Also (, ) R. 6

27 Flls (, ) R und (, ) R, dnn =, d: Nch Definition von R:, f ({}), lso f() = = f( ). D f injektiv: Folgt us f() = = f( ) ereits =. Also steht jedes B mit genu einem A zgl. R in Reltion, dmit ist R eine Aildung. Funktionen: Eigenschften 8 Einige Eigenschften und erste Beweise: Ist f : A B ijektiv, dnn uch f. Beweis: f ist injektiv, d: Für elieige, B gilt mit f () = f ( ) =: sofort f() = und f() =, lso = (sonst wäre f keine Funktion). f ist surjektiv, d: Sei A elieig. Setze := f(). Dnn gilt ereits f () =. Funktionen: Eigenschften 8 Einige Eigenschften und erste Beweise: Sei f : A B ijektiv. Dnn ist f die einzige Funktion g us A B mit der Eigenschft (g f) = Id A und (f g) = Id B. Beweis: Es gilt (f f) = Id A, d: Sei A elieig fixiert. Sei = f(). Dnn gilt f ({}), lso = f () = f (f()) Ht g : B A die Eigenschft (g f) = Id A, dnn gilt g = f, d: f = Id A f = (g f) f = g (f f ) = g Id B = g Es gilt (f f ) = Id B, d: seler mchen Ht g : B A die Eigenschft (f g) = Id B, dnn gilt g = f, d: seler mchen Funktionen: Eigenschften 8 Einige Eigenschften und erste Beweise: Für f : A B und g : B A gelte (g f) = Id A und (f g) = Id B. Dnn sind f, g ijektiv mit f = g, g = f. Beweis: f ist injektiv, d für, A mit f() = f( ) gilt: = Id A () = (g f)() = g(f()) = g(f( )) = (g f)( ) = Id A ( ) = f ist surjektiv, d g() ein Urild für B zgl. f ist: = Id B () = (f g)() = f(g()) Entsprechend folgt, dss g ijektiv ist. D f, g eindeutig, folgt f = g und g = f. 7

28 Konsequenz: Ist f ijektiv, dnn gilt f = (f ). Funktionen: Eigenschften 8 Einige Eigenschften und erste Beweise: Sind f : A B und g : B C ijektiv, dnn uch (g f): A C und es gilt (g f) = (f g ). Beweis: Bereits gezeigt: D f und g ijektiv, existieren f, g. Es gilt: (g f) (f g ) = Id C und (f g ) (g f) = Id A. (g f) (f g ) = g f f g = g Id B g = g g = Id C Entsprechend: (f g ) (g f) = Id A Wie uf letzter Folie gezeigt: Dmit sind (g f), (f g ) ijektiv mit (g f) = (f g ). Funktionen: Eigenschften 85 Einige Eigenschften und erste Beweise: Ist (g f): A C ijektiv, dnn ist f : A B injektiv und g : B C surjektiv. Beweis: Setze h := (g f). D h ijektiv, existiert h. (Ds edeutet nicht, dss f : B A, g : C B existieren.) f ist injektiv, d: Mit f() = f( ) ergit sich h() = h() =: c und dher uch = h (c) =. g ist surjektiv, d = f(h (c)) ein Urild von für c C. Funktionen: Eigenschften 86 Weitere Eigenschften (Beweise zur Üung): Ist f injektiv, dnn ist g : A f(a): f() ijektiv. Ist f : A A injektiv und A endlich, dnn ist f ijektiv. Ist f : A A surjektiv und A endlich, dnn ist f ijektiv. Sind f : A B und g : B C injektiv/surjektiv, dnn uch (g f). Ist (g f) sujrektiv, dnn uch g. Ist (g f) injektiv, dnn uch f. Für f : A B ist f = {(, ) A f() = f( )} eine Äquivlenzreltion uf A. f : A/ f B : f([] f ) ist ijektiv, flls f surjektiv. f (X Y ) = f (X) f (Y ) und f (X Y ) = f (X) f (Y ). f(x Y ) = f(x) f(y ), er f(x Y ) f(x) f(y ). f ist genu dnn injektiv, wenn stets f(x Y ) = f(x) f(y ). 8

29 .5 Krdinlität: Vergleiche von unendlichen Mengen Krdinlität von Mengen 87 Grundlge für den Vergleich von unendlichen Mengen: Eine Injektion f : A B erlut es jedes Element us A eindeutig mit f() B zu identifizieren. B ht dmit nschulich mindestens so viele Elemente wie A. Eine Bijektion f : A B erlut es, die Elemente von A und B eindeutig zu pren. B ht dmit nschulich genu so viele Elemente wie A. Mn definiert dher: A B (lies: B mindestens so mächtig wie A) durch es git eine injektive Funktion f : A B A = B (lies: A, B gleichmächtig) durch es git eine ijektive Funktion f : A B Entsprechend edeutet A < B (echt mächtiger), dss es zwr eine Injektion f : A B, er keine Bijektion g : A B git. Krdinlität von Mengen 88 Gefhr: Mchen diese Definitionen üerhupt Sinn? Wenn A B und B C, gilt uch A C? J, d die Komposition injektiver Funktionen wieder injektiv ist. Gilt für elieige Mengen: wenn A B und A B, dnn A = B? Ohne Beweis: Stz von Cntor-Bernstein-Schröder Sind f : A B und g : B A injektiv, dnn git es h: A B ijektiv. Es folgt: A = B wenn es injektive Fuktionen f : A B und g : B A git. Es folgt: A < B wenn es eine injektive Funktion f : A B er keine injektive Funktion g : B A git. Krdinlität von Mengen 89 Beispiele: N = N mittels der Injektionen N N: n n und N N: n n, oder der Bijektion N N: n n/ N = Z mittels der Bijektion { z + flls z 0 f : Z N: z z sonst N N 0 Z N, lso N, N 0, Z gleichmächtig. N = N N mittels der Bijektion Dmit uch: Q = N f : N N N: (n, m) (m + n )(m + n ) + m Mn nennt eine Menge A zählr, flls A N ; nsonsten nennt mn A üerzählr. 9

30 Krdinlität von Mengen 90 Bemerkungen: Mn ezeichnet A ls Krdinlzhl (für A eine Menge). Der Stz von Cntor-Bernstein-Schröder sgt gerde, dss uf den Krdinlzhlen ntisymmetrisch ist. Intuition: A ist zählr wenn es möglich ist, jedes Element von A mit einer eindeutigen Identifiktionsnummer (us N) zu versehen. Äquivlente Intuitition: A ist zählr wenn es eine (endliche order unendliche) Liste git, die lle Elemente von A (vielleicht mehrmls) enthält. Krdinlität von Mengen: Üerzählre Mengen 9 Es gilt stets A < P(A) (Stz von Cntor). Mit f : A P(A): {} folgt A P(A). Es muss noch gezeigt werden, dss es keine Bijektion f : A P(A) git. Beweis mittels Digonlisierung: Wir nehmen n, dss g : A P(A) ijektiv ist. Setze M = { A g()} P(A). (*) D g ngelich ijektiv, git es ein m A mit g(m) = M. Aer: m M genu dnn, wenn m g(m) = M, ws nicht mit unseren Annhmen üer Mengen vereinr ist. Krdinlität von Mengen 9 Noch mehr Beispiele: {0, } = N wegen Bijektion {0, } N: w (w), woei (w) die Zhl mit inäre Drstellung w ezeichnet. A = N für jede endliche Menge A. Die Menge der C/Jv/Python-Progrmme ist zählr. N < [0, ] wegen N < P(N) = {0, } N = [0, ] (0, ] = [, ) wegen Bijektion [, ) (0, ]: x /x (0, ] = R R < P(R) R R N < P(N) = R < P(P(N)) <... Krdinlität von Mengen: Beweistechniken 9 Für A = B : Direkt: gee eine Bijektion A B oder B A n. Mit Hilfe des Stzes von Cntor-Bernstein-Schröder: gee Injektionen A B und B A n. (I.d.R. viel einfcher!) 0

31 Für A < B : ilde eine Kette A C C n B woei mindestens ein Glied nicht nur sondern uch < erfüllt. Für C i C i+ gee eine Injektion n (Spezilfll: C i C i+ ). Für C i < C i+ enutze den Stz von Cntor..5. Multimengen Multimengen 9 Menge = Zusmmenfssung von Ojekten ohne Bechtung von Vielfchheiten und Reihenfolge Multimenge = Zusmmenfssung von Ojekten ohne Bechtung der Reihenfolge, er unter Bechtung von Vielfchheiten. In Dtennken werden Multimengen uch ls Bgs ezeichnet: eine Tsche echtet die Vielfchheit eines Ojekts, er een nicht die Reihenfolge ( set semntics vs. g semntics ) Häufig verwendet mn uch {} zur Nottion von Multimengen, wenn klr ist, dss eine Multimenge gemeint ist. Im Folgenden jedoch {} M für Multimengen: Beispiel: {,, c, } M = {, c,, } M {,, c} M = {,, c} = {,,, c} {,,, c} M Multimengen 95 Für ein festes Universum (Grundmenge) Ω lssen sich Multimengen mittels Zählfunktionen m N Ω 0 drstellen Z.B. für Ω = {,, c, d}: {,, c, } M = {(, ), (, ), (c, ), (d, 0)} Eine Menge A Ω lässt sich entsprechend ls Funktion {0, } Ω uffssen; diese Funktion nennt mn die chrkteristische Funktion von A (us diesem Grund schreit mn uch häufig Ω für P(Ω)). Die Vereinigung zweier Multimengen ist dnn einfch die punktweise Addition der Zählfunktionen. Der Schnitt zweier Multimengen knn z.b. ls ds punktweise Minimum der Zählfunktionen definiert werden..6 Zusmmenfssung Grundlgen Zusmmenfssung 96 Zusmmenfssung von Ojekten: ohne Bechtung von Reihenfolge&Vielfchheiten: Mengen unter Bechtung von Reihenfolge&Vielfchheiten: Tupel, Wörter, Sequenzen, Folgen, Funktionen f A N k N 0 A [k]

32 ohne Bechtung von Reihenfolge, unter Bechtung von Vielfchheiten: Multimengen, Zählfunktionen f : A N 0 unter Bechtung der Reihenfolge, ohne Bechtung von Vielfchheiten: Mengen: inkjetkive Funktionen f A N k N 0 A [k] Grundlge für lle nderen Zusmmenfssungen, Reltionen, Funktionen Opertionen: Schnitt, Vereinigung, Differenz, sym. Differenz, Komplement (zgl. Grundmenge), Potenzmenge Visulisierung: Venn-Digrmme, KV-Digrmme Reltionen: R A A... A k Grundlge für reltionle Dtennken, Funktionen, Ordnungen Opertionen (neen Mengenopertionen): Join, Projektion, Konktention, reltionles Produkt, (reflexive-)trnsitive Hülle Visulierung: Digrph Ordnungen: R A A R reflexiv, ntisymmetrisch und trnsitiv Grundlge für Optimierung/Mximierung/Minimierung, Anordnung von Suchergenissen, etc. Visulisierung: Hsse-Digrmm Äquivlenzreltionen: R A A R reflexiv, symmetrisch und trnsitiv Grundlge für Astrktion Visulisierung: Digrph, Äquivlenzklssen Funktionen: {f : A B} = B A A B Grundlge für Beschreiung von Einge-Ausge-Verhlten von Progrmmen Visulisierung: Funktionsgrph (mnchml Digrph ls Reltion) Krdinlität: Vergleich von Mengen zgl. der Anzhl der zusmmengefssten Ojekte A B, flls f : A injektiv B existiert. A = B, flls A B und B A, oder flls f : A ijektiv B existiert.

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2011

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2011 Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 011 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Snder Bruggink Automten und Formle Sprchen 1 Reguläre Sprchen Wir eschäftigen uns

Mehr

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip.

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip. Reguläre Sprchen Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 0 Ds Pumping-Lemm Wir hen is jetzt vier Formlismen kennengelernt, mit denen wir eine reguläre Sprche ngeen können:

Mehr

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 2. Besprechung in KW44

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 2. Besprechung in KW44 Technische Universität München Winter 08/9 Prof. J. Esprz / Dr. M. Luttenerger, C. Welzel 08//0 HA- TA- Diskrete Strukturen Tutorufgenltt Besprechung in KW Bechten Sie: Soweit nicht explizit ngegeen, sind

Mehr

Relationen: Äquivalenzrelationen, Ordnungsrelationen

Relationen: Äquivalenzrelationen, Ordnungsrelationen TH Mittelhessen, Sommersemester 202 Lösungen zu Üungsltt 9 Fchereich MNI, Diskrete Mthemtik 2. Juni 202 Prof. Dr. Hns-Rudolf Metz Reltionen: Äquivlenzreltionen, Ordnungsreltionen Aufge. Welche der folgenden

Mehr

Mengen. Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen. Notation und Terminologie. Bertrand Russell ( )

Mengen. Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen. Notation und Terminologie. Bertrand Russell ( ) Mengen Mthemtische Grundlgen der Computerlinguistik Mengen und Mengenopertionen Dozentin: Wieke Petersen 1 Folienstz Georg Cntor (1845-1918) Eine Menge ist eine Zusmmenfssung von estimmten wohlunterschiedenen

Mehr

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder

Formale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 2 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem

Mehr

Minimalautomat. Wir stellen uns die Frage nach dem. kleinsten DFA für eine reguläre Sprache L, d.h. nach einem DFA mit möglichst wenigen Zuständen.

Minimalautomat. Wir stellen uns die Frage nach dem. kleinsten DFA für eine reguläre Sprache L, d.h. nach einem DFA mit möglichst wenigen Zuständen. Rechtslinere Sprchen Minimlutomt Es git lso sehr verschiedene endliche Beschreiungen einer regulären Sprche (DFA, NFA, rechtslinere Grmmtiken, reguläre Ausdrücke). Diese können ineinnder üersetzt werden.

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 5 Ds Pumping Lemm Schufchprinzip (Folie 144) Automten und formle Sprchen Notizen zu den Folien Im Block Ds Schufchprinzip für endliche Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl

Mehr

Lösungen zum Ergänzungsblatt 4

Lösungen zum Ergänzungsblatt 4 en zum Ergänzungsltt 4 Letzte Änderung: 23. Novemer 2018 Theoretische Informtik I WS 2018 Crlos Cmino Vorereitungsufgen Vorereitungsufge 1 Sei M = ({p, q, r}, {, }, δ, p, {q, r}) ein DEA mit folgender

Mehr

Minimierung von DFAs. Minimierung 21 / 98

Minimierung von DFAs. Minimierung 21 / 98 Minimierung von DFAs Minimierung 21 / 98 Ein Beispiel: Die reguläre Sprche L({, } ) Wie stellt mn fest, o ein Wort ds Suffix esitzt? Ein erster Anstz: Speichere im ktuellen Zustnd die eiden zuletzt gelesenen

Mehr

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 2. Besprechung in KW44

HA-Lösung TA-Lösung Diskrete Strukturen Tutoraufgabenblatt 2. Besprechung in KW44 Technische Universität München Winter 2017/18 Prof. J. Esprz / Dr. M. Luttenerger, S. Sickert 2018/02/08 HA-Lösung TA-Lösung Diskrete Strukturen Tutorufgenltt 2 Besprechung in KW44 Bechten Sie: Soweit

Mehr

2.6 Reduktion endlicher Automaten

2.6 Reduktion endlicher Automaten Endliche Automten Jörg Roth 153 2.6 Reduktion endlicher Automten Motivtion: Wir sind n Automten interessiert, die mit möglichst wenigen Zuständen uskommen. Automten, die eine Sprche mit einem Minimum n

Mehr

a q 0 q 1 a M q 1 q 3 q 2

a q 0 q 1 a M q 1 q 3 q 2 Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 4 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem

Mehr

Ergänzungsblatt 6. Letzte Änderung: 24. November 2018

Ergänzungsblatt 6. Letzte Änderung: 24. November 2018 Ergänzungsltt 6 Letzte Änderung: 24. Novemer 2018 Theoretische Informtik I WS 2018 Crlos Cmino Erinnerung: Die Besprechungstermine für die Ergänzungen 7 is 10 fllen is uf Weiteres us. Aufgen, Lösungen

Mehr

Gliederung. Kapitel 1: Endliche Automaten

Gliederung. Kapitel 1: Endliche Automaten Gliederung 0. Motivtion und Einordnung 1. Endliche Automten 2. Formle Sprchen 3. Berechnungstheorie 4. Komplexitätstheorie 1.1. 1.2. Minimierungslgorithmus 1.3. Grenzen endlicher Automten 1/1, S. 1 2017

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Mthemtik: Mg. Schmid Wolfgng Areitsltt. Semester ARBEITSBLATT MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Zunächst einml müssen wir den Begriff Sklr klären. Definition: Unter einem Sklr ersteht mn eine

Mehr

FORMALE SYSTEME. Kleene s Theorem. Wiederholung: Reguläre Ausdrücke. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2.

FORMALE SYSTEME. Kleene s Theorem. Wiederholung: Reguläre Ausdrücke. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2. FORMALE SYSTEME 7. Vorlesung: Reguläre Ausdrücke Mrkus Krötzsch Rndll Munroe, https://xkcd.com/851_mke_it_etter/, CC-BY-NC 2.5 TU Dresden, 2. Novemer 2017 Mrkus Krötzsch, 2. Novemer 2017 Formle Systeme

Mehr

Was nicht bewertet werden soll, streichen Sie bitte durch. Werden Täuschungsversuche beobachtet, so wird die Präsenzübung mit 0 Punkten bewertet.

Was nicht bewertet werden soll, streichen Sie bitte durch. Werden Täuschungsversuche beobachtet, so wird die Präsenzübung mit 0 Punkten bewertet. Prof Dr Dr hc W Thoms Formle Systeme, Automten, Prozesse SS 2011 Musterlösung - Präsenzüung Dniel Neider, Crsten Otto Vornme: Nchnme: Mtrikelnummer: Studiengng (itte nkreuzen): Informtik Bchelor Informtik

Mehr

2.1.4 Polynomalgebren und ihre Restklassenalgebren

2.1.4 Polynomalgebren und ihre Restklassenalgebren 2.1. GRUNDLAGEN 59 2) Ist R ein kommuttiver Ring mit Eins, so ist der Polynomring R[X] eine R-Alger. 2) Ist A eine R-Alger und I A ein Idel, so ist A/I eine R-Alger und ν I ein R- Algerenhomomorphismus.

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Einführung in die Theoretische Informtik Johnnes Köler Institut für Informtik Humoldt-Universität zu Berlin WS 2011/12 Minimierung von DFAs Frge Wie können wir feststellen, o ein DFA M = (Z, Σ, δ, q 0,

Mehr

Vorkurs Theoretische Informatik

Vorkurs Theoretische Informatik Vorkurs Theoretische Informtik Einführung in reguläre Sprchen Areitskreis Theoretische Informtik Freitg, 05.10.2018 Fchgruppe Informtik Üersicht 1. Chomsky-Hierchie 2. Automten NEA DEA 3. Grmmtik und Automten

Mehr

Diskrete Strukturen. c Javier Esparza und Michael Luttenberger 2018/01/22

Diskrete Strukturen. c Javier Esparza und Michael Luttenberger 2018/01/22 Diskrete Strukturen c Javier Esparza und Michael Luttenberger Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München 2018/01/22 Überblick 2 1 Mengen

Mehr

Minimalität des Myhill-Nerode Automaten

Minimalität des Myhill-Nerode Automaten inimlität des yhill-nerode Automten Wir wollen zeigen, dss der im Beweis zum yhill-nerode Stz konstruierte DEA für die reguläre Sprche L immer der DEA mit den wenigsten Zuständen für L ist. Sei 0 der konstruierte

Mehr

1.5. Abbildung. DEFINITION injektiv, surjektiv, bijektiv Eine Abbildung f ist injektiv, falls es zu jedem y Y höchstens ein x X gibt mit

1.5. Abbildung. DEFINITION injektiv, surjektiv, bijektiv Eine Abbildung f ist injektiv, falls es zu jedem y Y höchstens ein x X gibt mit CHAPTER. MENGEN UND R ELATIONEN.5. ABBILDUNG.5. Abbildung Eine Abbildung (oder Funktion ist eine Reltion f über X Y mit der Eigenschft: für jedes x us X gibt es genu ein y Y mit (x,y f. Die übliche Schreibweise

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN Mthemtik: Mg. Schmid Wolfgng Areitsltt 3 5. Semester ARBEITSBLATT 3 PARAMETERDARSTELLUNG EINER GERADEN Wir wollen eine Gerde drstellen, welche durch die Punkte A(/) und B(5/) verläuft. Die Idee ist folgende:

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlgen der Mthemtik, WS 2014/15 Thoms Timmermnn 3. Dezember 2014 Wiederholung: Konstruktion der gnzen Zhlen (i) Betrchten formle Differenzen b := (, b) mit, b N 0 (ii) Setzen b c d, flls +

Mehr

Vorkurs Mathematik. Vorlesung 3. Die rationalen Zahlen

Vorkurs Mathematik. Vorlesung 3. Die rationalen Zahlen Prof. Dr. H. Brenner Osnrück WS 2014/2015 Vorkurs Mthemtik Vorlesung 3 Die rtionlen Zhlen Definition 3.1. Unter einer rtionlen Zhl versteht mn einen Ausdruck der Form, woei, Z und 0 sind, und woei zwei

Mehr

Ergänzungsblatt 7. Letzte Änderung: 30. November Vorbereitungsaufgaben

Ergänzungsblatt 7. Letzte Änderung: 30. November Vorbereitungsaufgaben Theoretische Informtik I WS 2018 Crlos Cmino Ergänzungsltt 7 Letzte Änderung: 30. Novemer 2018 Vorereitungsufgen Vorereitungsufge 1 Wiederholen Sie die Begriffe us Üungsltt 0, Aschnitt 4. 1. Welche der

Mehr

Eine Relation R in einer Menge M ist transitiv, wenn für alle x, y, z M gilt: (x R y y R z) x R z

Eine Relation R in einer Menge M ist transitiv, wenn für alle x, y, z M gilt: (x R y y R z) x R z Reltionen, 11 Reltionen Reltion ist einfch gesgt eine Beziehung zwischen Elementen von Mengen. In der Geometrie sind z.b. die Reltionen "ist gleich", "ist senkrecht zu", "ist prllel zu" eknnt. Die letzten

Mehr

Spiele und logische Komplexitätsklassen

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

Mehr

Diskrete Strukturen. c Javier Esparza und Michael Luttenberger 2018/02/06

Diskrete Strukturen. c Javier Esparza und Michael Luttenberger 2018/02/06 Diskrete Strukturen c Javier Esparza und Michael Luttenberger Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München 2018/02/06 Überblick 2 1 Mengen

Mehr

Umwandlung von endlichen Automaten in reguläre Ausdrücke

Umwandlung von endlichen Automaten in reguläre Ausdrücke Umwndlung von endlichen Automten in reguläre Ausdrücke Wir werden sehen, wie mn us einem endlichen Automten M einen regulären Ausdruck γ konstruieren knn, der genu die von M kzeptierte Sprche erzeugt.

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 5 Ds Pumping Lemm Shufhprinzip (Folie 137) Automten und formle Sprhen Notizen zu den Folien Im Blok Ds Shufhprinzip für endlihe Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl von

Mehr

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

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

Mehr

Vorname: Nachname: Matrikelnummer: Studiengang (bitte ankreuzen): Technik-Kommunikation M.A.

Vorname: Nachname: Matrikelnummer: Studiengang (bitte ankreuzen): Technik-Kommunikation M.A. Formle Systeme, Automten, Prozesse SS 2011 Musterlösung - Klusur 09082011 Prof Dr Dr hc W Thoms Dniel Neider, Crsten Otto Vornme: Nchnme: Mtrikelnummer: Studiengng (itte nkreuzen): Informtik Bchelor Informtik

Mehr

Frank Heitmann 2/71. 1 Betrachten wir Σ für ein Alphabet Σ, so ist Σ die Menge

Frank Heitmann 2/71. 1 Betrachten wir Σ für ein Alphabet Σ, so ist Σ die Menge Formle Grundlgen der Informtik Kpitel 2 und reguläre Sprchen Frnk Heitmnn heitmnn@informtik.uni-hmurg.de 7. April 24 Frnk Heitmnn heitmnn@informtik.uni-hmurg.de /7 Alphet und Wörter - Zusmmengefsst Die

Mehr

10: Lineare Abbildungen

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

Mehr

Grundlagen der Theoretischen Informatik, WS11/12 Minimale Automaten

Grundlagen der Theoretischen Informatik, WS11/12 Minimale Automaten Fkultät IV Deprtment Mthemtik Lehrstuhl für Mthemtische Logik und Theoretische Informtik Prof. Dr. Dieter Spreen Dipl.Inform. Christin Uhrhn Grundlgen der Theoretischen Informtik, WS11/12 Minimle Automten

Mehr

Lösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }.

Lösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }. Lösung zur Klusur Grundlgen der Theoretischen Informtik 1. Zeigen Sie, dss die folgende Sprche regulär ist: { w {, } w w 0 (mod 3) }. Lösung: Wir nennen die Sprche L. Eine Sprche ist genu dnn regulär,

Mehr

Diskrete Strukturen Grundlagen

Diskrete Strukturen Grundlagen Diskrete Strukturen Grundlagen c Javier Esparza und Michael Luttenberger Chair for Foundations of Software Reliability and Theoretical Computer Science Technische Universität München 2018/10/17 1 Grundlagen

Mehr

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

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

Mehr

Grundbegriffe der Mengenlehre

Grundbegriffe der Mengenlehre Reiner Winter Grundegriffe der Mengenlehre 1. Der Mengenegriff Die Mengenlehre wurde von Georg Cntor (1845-1918) egründet. Im Jhre 1895 g er die folgende, erühmt gewordene Begriffsestimmung der Menge n:

Mehr

Grundbegriffe der Informatik Aufgabenblatt 5

Grundbegriffe der Informatik Aufgabenblatt 5 Grundegriffe der Informtik Aufgenltt 5 Mtr.nr.: Nchnme: Vornme: Tutorium: Nr. Nme des Tutors: Ausge: 20. Novemer 2013 Age: 29. Novemer 2013, 12:30 Uhr im GBI-Briefksten im Untergeschoss von Geäude 50.34

Mehr

6-1 Elementare Zahlentheorie. mit 1 b n und 0 a b (zusammen mit der Ordnung ) nennt man die n-te Farey-Folge, zum Beispiel ist

6-1 Elementare Zahlentheorie. mit 1 b n und 0 a b (zusammen mit der Ordnung ) nennt man die n-te Farey-Folge, zum Beispiel ist 6- Elementre Zhlentheorie 6 Frey-Folgen Die Menge F n der rtionlen Zhlen mit n und (zusmmen mit der Ordnung ) nennt mn die n-te Frey-Folge, zum Beispiel ist F = { < < < < < < < < < < } Offensichtlich gilt:

Mehr

Grundlagen der Informatik

Grundlagen der Informatik Grundlgen der Informtik Vorlesungsprüfung vom 02.03.2007 Gruppe B Lösung Nme: Mtrikelnummer: Zuerst itte Nme und Mtrikelnummer uf ds Titelltt schreien. Es sind keine Unterlgen und keine Temreit erlut.

Mehr

Einführung in die Mathematik des Operations Research

Einführung in die Mathematik des Operations Research Universität zu Köln Mthemtisches Institut Prof. Dr. F. Vllentin Dr. A. Gundert Einführung in die Mthemtik des Opertions Reserch Aufge (5+5= Punkte) Sommersemester 4 Lösungen zur Klusur (5. Septemer 4).

Mehr

Übungsblatt 1. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18

Übungsblatt 1. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18 Institut für Theoretische Informtik Lehrstuhl Prof. Dr. D. Wgner Üungsltt Vorlesung Theoretische Grundlgen der Informtik im WS 78 Ausge 9. Oktoer 27 Age 7. Novemer 27, : Uhr (im Ksten im UG von Geäude

Mehr

R := {((a, b), (c, d)) a + d = c + b}. Die Element des Quotienten M/R sind die Klassen

R := {((a, b), (c, d)) a + d = c + b}. Die Element des Quotienten M/R sind die Klassen Die ntürlichen Zhlen (zusmmen mit der Addition und der Multipliktion) wurden in Kpitel 3 xiomtisch eingeführt. Aus den ntürlichen Zhlen knn mn nun die gnzen Zhlen Z = {..., 2, 1, 0, 1, 2,...} die rtionlen

Mehr

Vorname: Nachname: Matrikelnummer: Studiengang (bitte ankreuzen): Technik-Kommunikation M.A.

Vorname: Nachname: Matrikelnummer: Studiengang (bitte ankreuzen): Technik-Kommunikation M.A. Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Klusur 23.09.2010 Prof. Dr. J. Giesl M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Vornme: Nchnme: Mtrikelnummer: Studiengng (itte nkreuzen):

Mehr

Klausur TheGI 2 Automaten und Komplexität (Niedermeier/Hartung/Nichterlein, Sommersemester 2013)

Klausur TheGI 2 Automaten und Komplexität (Niedermeier/Hartung/Nichterlein, Sommersemester 2013) Berlin, 17.07.2013 Nme:... Mtr.-Nr.:... Klusur TheGI 2 Automten und Komplexität (Niedermeier/Hrtung/Nichterlein, Sommersemester 2013) 1 2 3 4 5 6 7 8 Σ Bereitungszeit: mx. Punktezhl: 60 min. 60 Punkte

Mehr

4. Lineare Gleichungen mit einer Variablen

4. Lineare Gleichungen mit einer Variablen 4. Linere Gleichungen mit einer Vrilen 4. Einleitung Werden zwei Terme einnder gleichgesetzt, sprechen wir von einer Gleichung. Enthlten eide Terme nur Zhlen, so entsteht eine Aussge, die whr oder flsch

Mehr

Berechenbarkeitstheorie 4. Vorlesung

Berechenbarkeitstheorie 4. Vorlesung 1 Berechenbrkeitstheorie Dr. Institut für Mthemtische Logik und Grundlgenforschung WWU Münster WS 15/16 Alle Folien unter Cretive Commons Attribution-NonCommercil 3.0 Unported Lizenz. Reguläre Ausdrücke

Mehr

Gliederung. Kapitel 1: Endliche Automaten

Gliederung. Kapitel 1: Endliche Automaten Gliederung. Einleitung und Grundegriffe. Endliche utomten 2. Formle Sprchen 3. Berechenrkeitstheorie 4. Komplexitätstheorie E: diversion.. Grundlgen.2..3. Grenzen endlicher utomten /2, S. 28 Prof. Steffen

Mehr

Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt 5

Einführung in die theoretische Informatik Sommersemester 2017 Übungsblatt 5 Prof. J. Esprz Technische Universität München S. Sickert, J. Krämer KEINE ABGABE Vielen Dnk n Jn Wgener für die erweiterten Aufgenlösungen Einführung in die theoretische Informtik Sommersemester 2017 Üungsltt

Mehr

Name... Matrikel-Nr... Studiengang...

Name... Matrikel-Nr... Studiengang... Proeklusur zum ersten Teil der Vorlesung Berechenrkeitstheorie WS 2015/16 30. Novemer 2015 Dr. Frnzisk Jhnke, Dr. Dniel Plcín Bereitungszeit: 80 Minuten Nme... Mtrikel-Nr.... Studiengng... 1. So oder so

Mehr

Copyright, Page 1 of 5 Der Faktorraum

Copyright, Page 1 of 5 Der Faktorraum www.mthemtik-netz.de Copright, Pge of 5 Der Fktorrum Ein sehr wichtiges Konstrukt, welches üerll in der Mthemtik Verwendung findet, ist der Fktorrum, oft uch Quotientenrum gennnt. Dieser ist selst ein

Mehr

Automaten, Spiele, und Logik

Automaten, Spiele, und Logik Automten, Spiele, und Logik Woche 1 15. April 2014 Inhlt der gnzen Vorlesung Automten uf endlichen Wörtern uf undendlichen Wörtern uf endlichen Bäumen Spiele Erreichrkeitsspiele Ehrenfeucht-Frïssé Spiele

Mehr

Inhalt. Endliche Automaten. Automaten und Formale Sprachen. Franz Binder. Endliche Automaten. Deterministische Automaten

Inhalt. Endliche Automaten. Automaten und Formale Sprachen. Franz Binder. Endliche Automaten. Deterministische Automaten Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm Reguläre δ: Σ (Q Q Ω) Beispiel δ 0 δ 0 1 2 1 2 0 1 2 δ Formle Automt Reguläre Definition Ein nicht-deterministischer, endlicher Automt esteht us einer

Mehr

1) Gegeben sei ein endlicher, erkennender Automat, definiert durch: f z, definiert durch das Zustandsdiagramm: a,b. z 3

1) Gegeben sei ein endlicher, erkennender Automat, definiert durch: f z, definiert durch das Zustandsdiagramm: a,b. z 3 (Prüfungs-)Aufgen ur Automtentheorie (enthält uch Aufgen u formlen Sprchen) ) Gegeen sei ein endlicher, erkennender Automt, definiert durch: Eingelphet X = {, } Zustndsmenge Z = {,, 2, 3 } Anfngsustnd

Mehr

Automaten mit dot erstellen

Automaten mit dot erstellen Automten mit dot erstellen 1 Ws ist dot? dot ist ein Progrmm zum Kompilieren von dot-dteien in verschiedene Grfikformte, sowie der Nme einer Sprche, mit der mn Grphen spezifizieren knn. Unter Anderem können

Mehr

Musterlösungen zum 6. Übungsblatt

Musterlösungen zum 6. Übungsblatt Musterlösungen zum 6 Üungsltt Anlysis ei Dr Rolf Busm WS 6/7 Aufge 6 (Tois Hessenuer) ) 3 ep()d, setze u = ep(), v = 3 dnn gilt: 3 ep()d = ep() 3 = e (3 ep() ) 3 ep() d = e 3e + 6 ep() = 6e 3e + 6e 6e

Mehr

1.2 Eigenschaften der reellen Zahlen

1.2 Eigenschaften der reellen Zahlen 12 Kpitel 1 Mthemtisches Hndwerkszeug 12 Eigenschften der reellen Zhlen Alle Rechenregeln der Grundrechenrten der reellen Zhlen lssen sich uf einige wenige Rechengesetze zurückführen, die in der folgenden

Mehr

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

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

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundegriffe der Informtik Kpitel 18: Endliche Automten Thoms Worsch KIT, Institut für Theoretische Informtik Wintersemester 2015/2016 GBI Grundegriffe der Informtik KIT, Institut für Theoretische Informtik

Mehr

Name... Matrikel Nr... Studiengang...

Name... Matrikel Nr... Studiengang... Proeklusur zur Vorlesung Berechenrkeitstheorie WS 201/1 1. Jnur 201 Prof. Dr. André Schulz Bereitungszeit: 120 Minuten [So oder so ähnlich wird ds Deckltt der Klusur ussehen.] Nme... Mtrikel Nr.... Studiengng...

Mehr

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung)

Automaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2012. Sprachen. Grammatiken (Einführung) Wörter, Grmmtiken und die Chomsky-Hierrchie Sprchen und Grmmtiken Wörter Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 2012 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Alphet Ein

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 15 ORTHOGONALITÄT

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 15 ORTHOGONALITÄT Mthemtik: Mg. Schmid Wolfgng Areitsltt 5. Semester ARBEITSBLATT 5 ORTHOGONALITÄT Ws versteht mn zunächst einml unter orthogonl? Dies ist nur ein nderes Wort für norml oder im rechten Winkel. Ws uns hier

Mehr

Klausur zur Vorlesung Grundbegriffe der Informatik 10. März 2009 mit Lösungsvorschlägen

Klausur zur Vorlesung Grundbegriffe der Informatik 10. März 2009 mit Lösungsvorschlägen Klusur zur Vorlesung Grundegriffe der Informtik 10. März 2009 mit Lösungsvorschlägen Klusurnummer Nme: Vornme: Mtr.-Nr.: Aufge 1 2 3 4 5 6 7 mx. Punkte 4 2 7 8 8 8 9 tts. Punkte Gesmtpunktzhl: Note: Aufge

Mehr

Sei G = (V,E) ein gerichteter Graph. Ein geschlossener Pfad, der jede Kante in G genau einmal benutzt, heißt Euler-Tour.

Sei G = (V,E) ein gerichteter Graph. Ein geschlossener Pfad, der jede Kante in G genau einmal benutzt, heißt Euler-Tour. 1 2 Grundlgen der Theoretischen Informtik Till Mosskowski Fkultät für Informtik Otto-von-Guericke Universität Mgdeurg Komplexitätstheorie Wintersemester 201/15 Zeitkomplexität 3 Die Komplexitätsklsse P

Mehr

1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt

1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt Metrische Räume Sei X eine nichtleere Menge. Definition.. Eine Abbildung: d : X X R heißt Metrik uf X, flls für lle x, y, z X gilt (i) d(x, y) 0, (ii) d(x, y) = d(y, x), (iii) d(x, y) d(x, z) + d(z, y)

Mehr

Lösung zur Bonusklausur über den Stoff der Vorlesung Grundlagen der Informatik II (45 Minuten)

Lösung zur Bonusklausur über den Stoff der Vorlesung Grundlagen der Informatik II (45 Minuten) Institut für Angewndte Informtik und Formle Beschreiungsverfhren 15.01.2018 Lösung zur Bonusklusur üer den Stoff der Vorlesung Grundlgen der Informtik II (45 Minuten) Nme: Vornme: Mtr.-Nr.: Semester: (WS

Mehr

Prof. Dr. Javier Esparza Garching b. München, den Klausur Einführung in die theoretische Informatik Sommer-Semester 2017

Prof. Dr. Javier Esparza Garching b. München, den Klausur Einführung in die theoretische Informatik Sommer-Semester 2017 Prof. Dr. Jvier Esprz Grching. München, den 10.08.17 Klusur Einführung in die theoretische Informtik Sommer-Semester 2017 Bechten Sie: Soweit nicht nders ngegeen, ist stets eine Begründung zw. der Rechenweg

Mehr

Franz Binder. Vorlesung im 2006W

Franz Binder. Vorlesung im 2006W Formle Reguläre und Formle Institut für Alger Johnnes Kepler Universität Linz Vorlesung im 2006W http://www.lger.uni-linz.c.t/students/win/ml Formle Inhlt Reguläre Reguläre Formle Zustndsdigrmm δ: Σ (Q

Mehr

18. Algorithmus der Woche Der Euklidische Algorithmus

18. Algorithmus der Woche Der Euklidische Algorithmus 18. Algorithmus der Woche Der Euklidische Algorithmus Autor Friedrich Eisenrnd, Universität Dortmund Heute ehndeln wir den ältesten ereits us Aufzeichnungen us der Antike eknnten Algorithmus. Er wurde

Mehr

4 Die rationalen Zahlen

4 Die rationalen Zahlen 4 Die rtionlen Zhlen Der Ring der gnzen Zhlen ht den Mngel, dß nicht jede Gleichung = X, 0 innerhl Z lösr ist. (Z.B. ist 1 = 2 X unlösr in Z). Zu seiner Beseitigung erweitert mn den Zhlereich zum Körper

Mehr

1.7 Inneres Produkt (Skalarprodukt)

1.7 Inneres Produkt (Skalarprodukt) Inneres Produkt (Sklrprodukt) 17 1.7 Inneres Produkt (Sklrprodukt) Montg, 27. Okt. 2003 7.1 Wir erinnern zunächst n die Winkelfunktionen sin und cos, deren Wirkung wir m Einheitskreis vernschulichen: ϕ

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundegriffe der Informtik Einheit 14: Endliche Automten Thoms Worsch Krlsruher Institut für Technologie, Fkultät für Informtik Wintersemester 2009/2010 1/56 Üerlick Erstes Beispiel: ein Getränkeutomt

Mehr

Einführung in die Theoretische Informatik

Einführung in die Theoretische Informatik Technische Universität München Fkultät für Informtik Prof. Tois Nipkow, Ph.D. Ssch Böhme, Lrs Noschinski Sommersemester 2011 Lösungsltt 4 20. Juni 2011 Einführung in die Theoretische Informtik Hinweis:

Mehr

P RS S. Definition : Beispiel : PQ und RS sind Repräsentanten des gleichen Vektors v. Man schreibt kurz, aber leider nicht ganz richtig : v = PQ

P RS S. Definition : Beispiel : PQ und RS sind Repräsentanten des gleichen Vektors v. Man schreibt kurz, aber leider nicht ganz richtig : v = PQ I. Vektorräume ================================================================== 1. Geometrische Definition von Vektoren -----------------------------------------------------------------------------------------------------------------

Mehr

Algorithmen und Datenstrukturen 1 Kapitel 4.2

Algorithmen und Datenstrukturen 1 Kapitel 4.2 Endliche Automten Algorithmen und Dtenstrukturen 1 Kpitel 4.2 Roert Giegerich Technische Fkultät roert@techfk.uni-bielefeld.de Vorlesung, U. Bielefeld, Winter 2005/2006 Roert Giegerich Endliche Automten

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 3 Endliche Automten Automten und formle Sprchen Notizen zu den Folien Üerführungsfunktion eines NFA (Folien 107 und 108) Wie sieht die Üerführungsfunktion us? δ : Z Σ P(Z) Ds heißt, jedem Pr us Zustnd

Mehr

Vorlesung Theoretische Informatik Sommersemester 2018 Dr. B. Baumgarten

Vorlesung Theoretische Informatik Sommersemester 2018 Dr. B. Baumgarten Vorlesung Theoretische Informtik Sommersemester 28 Dr. B. Bumgrten Üungen zur Wiederholung quer durch den Stoff Mit Lösungseispielen Vollständigkeit wird nicht grntiert, und einige sind klusuruntypisch

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien 3 Endliche Automten Automten und formle Sprchen Notizen zu den Folien Üerführungsfunction eines DFA (Folie 92) Wie sieht die Üerführungfunktion us? δ : Z Σ Z Ds heißt: Ein Pr us Zustnd und Alphetsymol

Mehr

Logik und Grundlagen der Informatik

Logik und Grundlagen der Informatik Logik und Grundlgen der Informtik Üungsklusur Stephn Schulz 25. Ferur 2015 1 Aufge 1: (2+2+3P) Sei M 1 = {2x x Z}. Sei M 2 = {5x x N}. ) Bestimmen Sie M 1 M 2. ) Bestimmen Sie M 2 \M 1 c) Geen Sie eine

Mehr

3. Das Rechnen mit Brüchen (Rechnen in )

3. Das Rechnen mit Brüchen (Rechnen in ) . Ds Rechnen mit Brüchen (Rechnen in ) Brüche sind Teile von gnzen Zhlen. Zwischen zwei unterschiedlichen gnzen Zhlen ht es immer unendlich viele Brüche. Brüche entstehen us einer Division; eine gnze Zhl

Mehr

Ungleichungen. Jan Pöschko. 28. Mai Einführung

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

Mehr

ARBEITSBLATT 5L-6 FLÄCHENBERECHNUNG MITTELS INTEGRALRECHNUNG

ARBEITSBLATT 5L-6 FLÄCHENBERECHNUNG MITTELS INTEGRALRECHNUNG Mthemtik: Mg. Schmid WolfgngLehrerInnentem RBEITSBLTT 5L-6 FLÄHENBEREHNUNG MITTELS INTEGRLREHNUNG Geschichtlich entwickelte sich die Integrlrechnug us folgender Frgestellung: Wie knn mn den Flächeninhlt

Mehr

4. Das quadratische Reziprozitätsgesetz.

4. Das quadratische Reziprozitätsgesetz. 4-1 Elementre Zhlentheorie 4 Ds udrtische Rezirozitätsgesetz Sei eine ungerde Primzhl, sei Z mit, 1 Frge: Wnn gibt es x Z mit x mod? Gibt es ein derrtiges x, so nennt mn einen udrtischen Rest modulo Legendre

Mehr

13. Quadratische Reste

13. Quadratische Reste ChrNelius: Zhlentheorie (SS 007) 3 Qudrtische Reste Wir ehndeln jetzt ei den Potenzresten den Sezilfll m und führen die folgende Begriffsildung ein: (3) DEF: Seien n und teilerfremd heißt qudrtischer Rest

Mehr

2 Trigonometrische Formeln

2 Trigonometrische Formeln Mthemtische Proleme, SS 016 Freitg 6.5 $Id: trig.tex,v 1.14 016/05/06 1:6:14 hk Exp $ Trigonometrische Formeln.1 Die dditionstheoreme In der letzten Sitzung htten wir geometrische Herleitungen der dditionstheoreme

Mehr

5) Laplace-Wahrscheinlichkeit eines Zufallsexperiments

5) Laplace-Wahrscheinlichkeit eines Zufallsexperiments von Jule Menzel, 12Q4 5) Lplce-Whrscheinlichkeit eines ufllsexperiments Ergenis ω 1 ω 2 ω 3 ω 4 ω 1 Ω ω 2 ω 3 ω 4 Ergenismenge ist ein Ereignis ist Teilmenge von Ω kurz: c Ω Ws ist ein Ereignis? Beispiel:

Mehr

3.3 Extrema I: Winkel Ebene/Gerade

3.3 Extrema I: Winkel Ebene/Gerade 3 3 ANALYSIS 3.3 Extrem I: Winkel Eene/Gerde In diesem Aschnitt gehen wir von einer Gerde g und einer g nicht enthltenden Eene ε us und wollen unter llen möglichen spitzen Schnittwinkeln zwischen g und

Mehr

2 2 Reguläre Sprachen. 2.6 Minimale DFAs und der Satz von Myhill-Nerode. Übersicht

2 2 Reguläre Sprachen. 2.6 Minimale DFAs und der Satz von Myhill-Nerode. Übersicht Formle Systeme, Automten, Prozesse Übersicht 2 2.1 Reguläre Ausdrücke 2.2 Endliche Automten 2.3 Nichtdeterministische endliche Automten 2.4 Die Potenzmengenkonstruktion 2.5 NFAs mit ɛ-übergängen 2.7 Berechnung

Mehr

Automaten und formale Sprachen Notizen zu den Folien

Automaten und formale Sprachen Notizen zu den Folien Automten un formle Sprhen Notizen zu en Folien 1 Grunlgen un formle Beweise Venn-Digrmme (Folie 6) Im oeren Digrmm er Folie 6 sin zwei Mengen ngegeen: A un B. Es ist explizit ein Element von A ngegeen,

Mehr

Einführung in die Mathematik des Operations Research

Einführung in die Mathematik des Operations Research Universität zu Köln Mthemtishes Institut Prof. Dr. F. Vllentin ufge ( + 7 = 0 Punkte) Einführung in die Mthemtik des Opertions Reserh Sommersemester 0 en zur Klusur (7. Juli 0). Es seien M = {,..., n },

Mehr

Beispiele: cos(x) dx = sin(x) + c (1) e t dt = e t + c (2)

Beispiele: cos(x) dx = sin(x) + c (1) e t dt = e t + c (2) . Stmmfunktion Definition Stmmfunktion: Gegeen sei eine Funktion f(). Gesucht ist eine Funktion F (), so dss d = f(). Die Funktion F() heisst Stmmfunktion. Schreiweise: F () = f()d. Mn spricht uch vom

Mehr

Mitschrift Repetitorium Theoretische Informatik und Logik

Mitschrift Repetitorium Theoretische Informatik und Logik Mitschrift Repetitorium Theoretische Informtik und Logik Teil 1: Formle Sprchen, 15.01.2010, 1. Edit Allgemeine Hinweise für die Prüfung Ds Pumping-Lemm für kontextfreie Sprchen kommt nicht (sehr wohl

Mehr

Klausur Formale Sprachen und Automaten Grundlagen des Compilerbaus

Klausur Formale Sprachen und Automaten Grundlagen des Compilerbaus Klusur Formle Sprchen und Automten Grundlgen des Compilerus 25. Novemer 2014 Nme: Unterschrift: Mtrikelnummer: Kurs: Note: Aufge erreichre erreichte Nr. Punkte Punkte 1 10 2 10 3 12 4 11 5 9 6 6 7 11 8

Mehr