Algebra - Neutrales und Nullelement. Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation

Größe: px
Ab Seite anzeigen:

Download "Algebra - Neutrales und Nullelement. Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation"

Transkript

1 Algebra - Neutrales und Nullelement Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation 1. ein r S mit x S : x r = x, nennt man r rechtneutrales Element 2. ein l S mit x S : l x = x, nennt man l linsneutrales Element Theorem 36. Gibt es in einer Algebra (S, ) ein rechtsneutrales Element r und ein linsneutrales Element l, so gilt r = l Beweis. l = l r = r Man spricht in Analogie zur Multipliation dann auch von Einselement und schreibt 1 oder e. Algebra - Inverses und Nullelement Definition 37. In einer Algebra (S, ) heißt für ein Element x ein Element y mit y x = e Linsinverses zu x. (Rechtsinverses, Inverses entsprechend) Definition 38. In einer Algebra (S, ) heißt ein Element mit x S : 0 x = 0 lines Nullelement. (rechtes Nullelement, Nullelement entsprechend) Homomorphismus Definition 39. Die Signatur einer Algebra (S, f 1,..., f n ) ist die Liste der Stelligeiten der Operationen f 1,..., f n Definition 40. Für zwei Algebren (S, f 1,..., f ) und (M, g 1,..., g ) mit gleicher Signatur heißt eine Abbildung h : S M (Algebra-)Homomorphismus, wenn für i = 1,... und alle s l S gilt g i (h(s 1 ),..., h(s n )) = h(f i (s 1,..., s n )), also h f i = g i h. Isomorphismus Definition 41. Ist mit den Benennungen der letzen Definition h bijetiv, so nennt man h einen Algebra-Isomorphismus und die beiden Algebren isomorph. Beispiel Die boolesche Algebra ({t, f},,, ) ist isomorph zur Algebra ({1, 0}, max, min, m 1 ) mit der Operation m 1 (x) = 1 x, mit h(t) := 1, h(f) := ({t, f},,, ) ist auch isomorph zur Algebra ({U, },,, c ) für eine beliebige nichtleere Menge U, mit h(t) := U, h(f) := Assoziativ Hat man einen geeigneten Isomorphismus gefunden, ann man Probleme sehr schön in andere Bereiche verlagern, um sie dort zu lösen - die schnelle Fouriertransformation F F T ist dafür ein onretes Beispiel. Definition 43. In einer Algebra (S, ) mit eine binären Verüpfung nennt man diese assoziativ, wenn gilt a, b, c : a (b c) = (a b) c. Theorem 44. Gibt es ein einer Algebra (S, ) mit assoziativer Operation zur einem a S ein Rechtsinverses l und ein Linsinverses r, so gilt l = r. Insbesondere ist das Inverse eindeutig bestimmt. Beweis. l = l e = l (a r) = (l a) r = e r = r 15

2 Halbgruppe,Monoid,abelsch Definition Eine Algebra mit assoziativem binärem Operator heißt Halbgruppe 2. Eine Halbgruppe mit neutralem Element nennt man Monoid 3. Ein Monoid, bei dem für jedes Element ein Inverses existiert, heißt Gruppe 4. Eine Gruppe (ein Monoid, eine Halbgruppe) (S, ) nennt man abelsch, wenn gilt a, b S : a b = b a. Boolesche Algebra Definition 46. Eine Algebra (B,,, ) mit den binären Operationen und und der unären Operation nennt man boolesche Algebra, wenn gilt: 1. (B, ) ist ein ablesches Monoid mit neutralem El. 0, 2. (B, ) ist ein abelsches Monoid mit neutralem El. 1, 3. Für die Operation gilt a B: a ( a) = 1 und a ( a) = 0 4. Es gilt a, b, c B : a (b c) = (a b) (a c) und a (b c) = (a b) (a c) Die Trägermenge einer boolschen Algebra ann also durchaus mehr als zwei Elemente enthalten! Wichtiges Beispiel ist dafür die Potenzmengenalgebra (2 U,,, ) zu einer Menge U. In booleschen Algebren gelten die im Kapitel Mengenlehre / Logi aufgestellten Rechenregeln. In einer booleschen Algebra wie oben ist a b : a b = a für a, b B eine Halbordnung (Bew: Übungen). führt über Atome u.a. zum Darstellungssatz durch Atome Ring, Körper Nimmt man eine weitere Operation dazu, ommt man zu mehr Strutur: Definition Ein Ring ist eine Algebra (R, +, ) mit zwei Operationen + und, so das (R, +) eine abelsche Gruppe mit neutralem Element 0 ist, (R, ) eine Halbgruppe, und die folgenden Distributivgesetze gelten: a, b, c R : a (b + c) = a b + a c und a, b, c R : (a + b) c = a c + b c 2. Ein Körper ist ein Ring wie oben. bei dem zusätzlich (R {0}, ) eine abelsche Gruppe mit neutralem Element 1 ist Körper ann man bauen, indem man die Nullstellen bestimmter Polynome über Ringen hinzunimmt und dann vervollständigt. Auch endliche Körper sind sehr interessant. 2 Zählen und Zufall Kombinatori Nach den eher ziemlich abstraten Grundlagen ommen wir nun zu Werzeugen, die recht onret für die Modellierung von Zähl-Problemen dienen. Man will also wissen, wie oft gewisse Objete oder Ereignisse auftreten. Abzählen von Ereignissen oder Möglicheiten ommt immer wieder vor. Z.B. berechnen sich Wahrscheinlicheiten über disreten Ereignismengen als Bruch, in dessen Nenner die Anzahl der zu berechnenden Fälle, und im Zähler die Zahl alle möglichen Ereignisse steht. Etwa ist bei Würfeln für jede Zahl von 1-6 die Wahrscheinlicheit 1/6. 16

3 Urnenmodell Oft passt zu diesen Fragestellungen ein einfaches Urnenmodell. Was önnen wir mit einer Urne und unterscheidbaren (nummerierten) Kugeln modellieren? Man ann die Kugeln nach dem Ziehen zurüclegen, oder nicht die Reihenfolge der Ziehung ann eine Rolle spielen, oder nicht Kombinatori - Beispiele 1. Ziehen von zwei Karten aus einem Kartenstapel von verschiedenen Karten bei MauMau: Ziehen ohne Zurüclegen, Reihenfolge unwichtig 2. Lotto 6 aus 49: Ziehen ohne Zurüclegen, Reihenfolge unwichtig 3. Losziehung mit 6-stelliger Losnummer: 6x Ziehen mit Zurüclegen aus 0-9, Reihenfolge wichtig 4. Würfeln mit 2 Würfeln (z.b. Maier): 2x Ziehen mit Zurüclegen aus 1-6, Reihenfolge unwichtig 5. Anzahl der möglichen Wörter mit 6 verschiedenen Buchstaben: 6x Ziehen ohne Zurüclegen aus {a,...,z}, Reihenfolge wichtig. Wir reden also davon, Objete aus n vorhandenen auszuwählen. Theorem 48. Beim Ziehen von aus n unterscheidbaren Kugeln (aus einer Urne) ergeben sich die in der folgenden Tabelle gelistenen Anzahlen von verschiedenen Ergebnissen: aus n geordnet ungeordnet ( ) n+-1 mit Zurüclegen -Stichprobe n -Auswahl ( ) n! n ohne Zurüclegen -Permutation (n )! -Kombination Wir beweisen das im Folgenden in vier Teilen, ein Teil für jede Variante. Beweis. (-Stichprobe) Das Ergebnis des geordneten Ziehens mit Zurüclegen ist ein -Tupel. Für jede Position haben wir n Möglicheiten, das ergibt n Möglicheiten insgesamt. Das ist ein Spezialfall von Theorem 18. Beispiel 49. bei M = {a, b, c} und = 2 haben wir die folgenden 3 2 = 9 Ergebnisse: (a, a) (a, b) (a, c) (b, a) (b, b) (b, c) (c, a) (c, b) (c, c) Beweis. (-Permutation) Beim geordneten Ziehen ohne Zurüclegen ist das Ergebnis wieder ein -Tupel. Für die 1. Position habe ich n Möglicheiten. Für die 2. Position bleiben noch n 1 Möglicheiten. Für die 3. Position bleiben noch n 2 Möglicheiten... 17

4 Für die. Position bleiben noch n + 1 Möglicheiten. Zusammen: P (n, ) := n(n 1)(n 2)...(n + 1) = n! (n )! Möglicheiten Auch das ist ein Spezialfall von Theorem 18 - die Grundmenge wird immer um ein Element leiner. Beispiel 50. bei M = {a, b, c} und = 2 haben wir die folgenden (3 2)/1 = 6 Ergebnisse: (a, b) (a, c) (b, a) (b, c) (c, a) (c, b) Beweis. (-Kombination) Beim Ungeordneten Ziehen ist das Ergebnis immer eine Menge. Ziehen wir ohne Zurüclegen, hat die Ergebnismenge immer Elemente. Das Modell entspricht also der Bildung von -elementigen Teilmengen einer n-elementigen Menge, da ja die Reihung eine Rolle spielt, und Elemente nur ein mal auftreten dürfen. Als Grundlage der Berechnung önnen wir dann die -Permutation annehmen, müssen aber die doppelt gezählten Elemente wieder abziehen. Für die Anordung einer -elementigen Menge gibt es P (, ) =!/( )! =! Möglicheiten. Das geht bei der -Permutation als Produt ein Zusammen: C(n, ) := (1/!) P (n, ) = (1/!) (n!/(n )!) = n!/(!(n )!) = ( ) n Beispiel 51. bei M = {a, b, c} und = 2 haben wir die folgenden ( ) 3 2 = 3! 2!1! = 3 Ergebnisse: {a, b} {a, c} {b, a} {b, c} {c, a} {c, b} Einschub: Binominaloefizienten Den Bruch ( n ) nennt man auch Binomialoeffizient, da er beim Ausmultiplizieren der binomischen Formel als Koeffizient der Einzelprodute auftritt: Theorem 52. (a + b) n = =0,...,n ( ) n a b n Man beweist die Formel meist durch Indution über n, man ann die Binominaloeffizienten nun aber auch ombinatorisch herleiten: Beweis. Da (a + b) n = (a + b)(a + b)...(a + b) ergeben sich also Produte der Form a b n. Wie oft ann nun jedes Produt auftreten? Das ist aequivalent zu dem Probem, wie oft ich a-s auf n Positionen verteilen ann, und das ist wiederum genau die Anzahl der -elementigen Teilmengen einer n-elementigen Menge (der Positions-Indices), also ( n ). Insgesamt ergibt sich die binomische Summmenformel. Nach diesem urzen Einschub machen wir weiter mit dem letzen Teil des Beweises zu den Kombinationsmögliocheiten. Dieser Teil ist etwas omplexer: 18

5 Beweis. (-Auswahl) Für die Berechnung der Möglicheiten beim ungeordneten Ziehen mit Zurüclegen führen wir diese auf den Fall ohne Zurüclegen (-Kombination) zurüc. Dazu muss ich bei den Ziehungen von den Positionen über eine Elementeigenschaft, z.b. die Ordnung, abstrahieren. Einen Zug einer -Auswahl ann ich durch ein Wort über {, } beschreiben: steht für den Übergang zum nächstleineren Element, für ein gezogenes Element z.b: Bei M = {1, 2, 3, 4} odieren die Züge (4, 1, 2, 4) oder (1, 4, 2, 4) zu, also 2x das größte, 0x das zweitgrösste, 1x das drittgrößte und 1x das leinste Element. Für jedes Element der Ausgangsmenge bis auf das leinste beomme ich also einen, für jeden Zug einen, insgesamt immer n 1 + Zeichen im Codewort. Alle möglichen Verteilungen der -Symbole auf die n + 1 Positionen liefern also alle möglichen Ergebnisse der Ziehung -Auswahl. Man muss also -Positionen aus n + 1 Plätzen ziehen. Das ist aber gerade die -Kombination aus (n + 1)- Elementen, wir beommen also insgesamt ( ) n+ 1 Möglicheiten für die -Auswahl aus n Elementen. Beispiel 53. bei M = {a, b, c} und = 2 haben wir die folgenden ( ) = 4! 2!2! = 6 Ergebnisse (wobei im Folgenden [] eine Ziehung andeuten soll, bei der es auf die Reihenfolge nicht anommt, also [a, b] = [b, a]): [a, a] [a, b] [a, c] [b, b] [b, c] [c, c] 2.1 Zählprinzipien Beim Abzählen von Ereignissen etc. treffen wir immer wieder auf ähnliche Verfahren. Einige (Summenformel, Produregel und Gleichheitsprinzip) hatten wir schon ennengelernt, einige omplexerer sollen in den folgenden Abschnitten urz erläutert. Das erste ist die Exclusion von Mehrfachzählungen Wenn wir doppelt zählen, müssen wir das doppelt gezählte wieder abziehen. Das formalisiert die einfache Siebformel Satz 54 (einfache Siebformel). Für endliche Mengen A, B gilt A B = A + B A B Beweis. Sei ObdA A B = {s 1, s 2,...s l }, A = {a 1, a 2,..., a n, s 1, s 2,...s l }, und B = {b 1,..., b m, s 1, s 2,...s l }. Dann ist A B = n + m + l, und A + B A B = n + l + m + l l = n + m + 2l l = n + m + l Der Spezialfall mit leerem Schnitt ergibt die Summenformel: Satz 55. Für disjunte endliche Mengen A, B gilt A B = A + B Zur Erinnerung: Die mit Theorem 18, der Produtregel, bewiesene Anzahl von verschiedenen Kombinationsmöglicheiten ist übrigens auch ein Zählprinzip. Das Prinzip von Inlusion und Exlusion lässt sich weiter verallgemeinert in der allgemeinen Siebformel fassen: Satz 56 (Siebformel). Für endliche Mengen A 1,..., A n gilt: A i = ( 1) r 1 i=1,...,n r=1,...,n Beweis. z.b. Indution nach n, oder ombinatorisch, s. Steger p i 1... i r n j=i 1,...,i r A j 19

6 Nützlich bei Disretisierungen von Problemen sind Gausslammern, die reellen Werten ganzzahlige zuordnen: Definition 57 (floor, ceiling). 1. r R : floor(r) := r := max{z Z z r} 2. r R : ceiling(r) := r := min{z Z z r} Beispiel 58. Wie viele natürlichen Zahlen leiner oder gleich 100 gibt es, die durch 2,3 und 5 teilbar sind? Sei A := {n N n 100 teilt n} Dann ist die Antwort A 2 A 3 A 5 = A 2 + A 3 + A 5 ( A 2 A 3 + A 2 A 5 + A 3 A 5 ) + A 2 A 3 A 5 Es ist A = 100/, und A A l = A l, damit ergibt sich A 2 + A 3 + A 5 ( A 6 + A 10 + A 15 ) + A 30 = = = 74 Das Prinzip von Inlusion und Exlusion ann man auch verwenden, wenn das zuviel Gezählte als Produt eingeht: Beispiel 59. Wenn man Personen auf Plätze verteilen soll, hat man (geordnetes Ziehen ohne Zurüclegen)! Möglicheiten. Sind die Plätze aber an einem runden Tisch, ist der Startposition egal, man muss also den Fator wieder herausnehmen, beleiben (!/ = ( 1)! verschiedene Möglicheiten. Weitere einfache Zählprinzipien: Gleichheitsprinzip: Falls f : A B bijetiv ist, ist A = B. Doppeltes Abzählen: Für eine binäre Relation R A B gilt R = x A {y B (x, y) R} und R = y B {x A (x, y) R} Schubfachprinzip: Verteilt man n Dinge auf m Schubladen, und ist n > m, liegen in mindestens einer Lade mindestens zwei Dinge. (Bew: Widerspruch) Etwas formaler gilt das verallgemeinerte Schubfachprinzip (pigeonhole principle): Satz 60 (Schubfachprinzip). Sei f : A B eine Funtion, dann gilt: A b B : f 1 (b) B Beweis. durch Widerspruch Beispiel 61. (Spezialfall des Satzes von Ramsey) In einer Gruppe von 6 Personen gibt es entweder drei, die sich ennen, oder drei, die sich alle nicht ennen. (ennen ist dabei symmetrisch) Sei die Gruppe P = {p 1, p 2,..., p 6 }, und enn1 : P \ {p 1 } {0, 1} die ennen-funtion für p 1. Dann liegen im Urbild von 0 oder 1 mindestens 5/2 = 3 Elemente. Wir nehmen mal an, das das für 1 der Fall ist (im anderen Fall argumentiert man analog mit nicht ennen), und numerieren mal so, das zumindest p 2, p 3, p 4 darin liegen. Beispiel 62. Nun haben wir folgende Fälle: 1. p 2, p 3, und p 4 ennen sich alle nicht - dann haben wir drei Personen, die sich alle nicht ennen - fertig. 2. Zwei davon - OBdA p 2, p 3 - ennen sich. Da sie aber auch beide p 1 ennen, haben wir drei Personen, die sich ennen - auch fertig. - q.e.d. Permutationen Definition 63. Für n N, n > 0 ist [n] := {1,..., n} Definition 64. Sei M eine endliche Menge. Eine bijetive Abbildung π : M M nennt man Permutation. 20

Nützlich bei Diskretisierungen von Problemen sind Gaussklammern, die reellen Werten ganzzahlige zuordnen:

Nützlich bei Diskretisierungen von Problemen sind Gaussklammern, die reellen Werten ganzzahlige zuordnen: Nützlich bei Disretisierungen von Problemen sind Gausslammern, die reellen Werten ganzzahlige zuordnen: Definition 57 (floor, ceiling.. r R : floor(r := r := max{z Z z r} 2. r R : ceiling(r := r := min{z

Mehr

1. Eine rechtstotale Funktion heißt surjektive Funktion oder Surjektion. 2. Eine linkseindeutige Funktion heißt injektive Funktion oder Injektion

1. Eine rechtstotale Funktion heißt surjektive Funktion oder Surjektion. 2. Eine linkseindeutige Funktion heißt injektive Funktion oder Injektion Transitiv-reflexive Hülle Definition 24. Sei R M M eine Relation. Dann ist die transitiv-reflexive Hülle R von R definiert als die kleinste Menge mit folgenden Eigenschaften: 1. a M : (a, a) R 2. R R 3.

Mehr

KAPITEL 2. Kombinatorik

KAPITEL 2. Kombinatorik KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,

Mehr

Abzählende Kombinatorik

Abzählende Kombinatorik Kapitel Abzählende Kombinatori Die in diesem Kapitel behandelte abzählende Kombinatori untersucht endliche Struturen und beschäftigt sich mit den Möglicheiten Objete anzuordnen oder auszuwählen Die abzählende

Mehr

Kombinatorik. ÖMO-Fortgeschrittenen-Kurs an der TU Graz. Jan Pöschko. 6. März Grundlegendes 2. 2 Zählen mit Binomialkoeffizienten 3

Kombinatorik. ÖMO-Fortgeschrittenen-Kurs an der TU Graz. Jan Pöschko. 6. März Grundlegendes 2. 2 Zählen mit Binomialkoeffizienten 3 Kombinatori ÖMO-Fortgeschrittenen-Kurs an der TU Graz Jan Pöscho 6. März 009 Inhaltsverzeichnis Grundlegendes Zählen mit Binomialoeffizienten 3 3 Inlusions-Exlusions-Prinzip 4 4 Schubfachschluss 6 Zählen

Mehr

Die Zahlbereiche N, Z, Q

Die Zahlbereiche N, Z, Q Die Zahlbereiche N, Z, Q Ausgangspunt: N = {1,, 3...} Menge der natürlichen Zahlen schrittweise Konstrution 1 := { }, := {, { }}, 3 := {, { }, {, { }}}... (also: n + 1 := n {n} J.v. Neumann 193 N wird

Mehr

Grundlagen der Kombinatorik

Grundlagen der Kombinatorik 60 Kapitel 4 Grundlagen der Kombinatori Einer der Schwerpunte der Kombinatori ist das Abzählen von endlichen Mengen. Wir stellen zunächst einige Grundregeln des Abzählens vor, die wir gelegentlich auch

Mehr

2 Vollständige Induktion

2 Vollständige Induktion Vollständige Indution Wir unterbrechen jetzt die Disussion der Axiome der reellen Zahlen, um das Beweisverfahren der vollständigen Indution ennenzulernen. Wir setzen voraus, dass die natürlichen Zahlen

Mehr

2.1 Klassische kombinatorische Probleme

2.1 Klassische kombinatorische Probleme 2 Kombinatori Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objeten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

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

Mehr

Diskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr

Diskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr Bemerkung: Der folgende Abschnitt Boolesche Algebren ist (im WS 2010/11) nicht Teil des Prüfungsstoffs, soweit nicht Teile daraus in der Übung behandelt werden! Diskrete Strukturen 5.9 Permutationsgruppen

Mehr

Natürliche und ganze Zahlen, vollständige Induktion und Kombinatorik

Natürliche und ganze Zahlen, vollständige Induktion und Kombinatorik Kapitel 2 Natürliche und ganze Zahlen, vollständige Indution und Kombinatori 2.1 N, Z (Gruppe; Ordnungsrelation Jeder hat eine intuitive Vorstellung von der Menge der natürlichen Zahlen N : {1, 2, 3...

Mehr

Kombinatorik und Urnenmodelle

Kombinatorik und Urnenmodelle Kapitel 2 Kombinatori und Urnenmodelle In diesem Abschnitt nehmen wir an, dass (Ω, A, P ein Laplace scher Wahrscheinlicheitsraum ist (vgl. Bsp.1.3, d.h. Ω ist endlich, A = P (Ω und P (A = A Ω A Ω. Für

Mehr

Über die so definierten Potenzen beweisen wir nun einige einfache Aussagen. = a m+n a Def.

Über die so definierten Potenzen beweisen wir nun einige einfache Aussagen. = a m+n a Def. 4 NATÜRLICHE ZAHLEN UND VOLLSTÄNDIGE INDUKTION 15 der Eigenschaften von N streng begründen, was hier aber nicht geschehen soll. (Statt Zahlen önnen die a n auch Elemente irgendwelcher Mengen sein.) Über

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

4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align

4. Die elementaren Zählfunktionen. Definition 165 (Binomialkoeffizienten) 4.1 Untermengen. align 4. Die elementaren Zählfuntionen 4.1 Untermengen Definition 165 (Binomialoeffizienten) align ( ) n := 1 n N 0 0 ( ) n := 0 n

Mehr

Algebraische Strukturen und Verbände

Algebraische Strukturen und Verbände KAPITEL 4 Algebraische Strukturen und Verbände Definition 4.1. Sei M eine Menge. Eine Abbildung : M M M nennt man eine (zweistellige) Verknüpfung in M. Man schreibt dafür auch a b := (a, b) mit a, b M.

Mehr

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt Dr. M. Weimar 02.05.2016 Elemente der Stochasti (SoSe 2016) 5. Übungsblatt Aufgabe 1 (4 Punte) Beweisen sie, dass die Potenzmenge P(A) einer beliebigen endlichen Menge A genau P(A) 2 A Elemente enthält!

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 12. November 2015 Satz 3.16 (Binomischer Lehrsatz) Seien a, b R. Dann gilt für alle

Mehr

Wahrscheinlichkeitsrechnung

Wahrscheinlichkeitsrechnung Kapitel 7 Wahrscheinlicheitsrechnung 7.1 Kombinatori Def. 7.1.1:a) Für eine beliebige natürliche Zahl m bezeichnet man das Produt aus den Zahlen von 1 bis m mit m Faultät: m! : 1 2 3 m, 0! : 1. Beispiele:

Mehr

Wiederholung. Operationen auf Mengen. Relationen, Abbildungen/Funktionen. Beweistechniken: Landau-Notation A B, A Å B, A B, A \ B, P(A)

Wiederholung. Operationen auf Mengen. Relationen, Abbildungen/Funktionen. Beweistechniken: Landau-Notation A B, A Å B, A B, A \ B, P(A) Wiederholung Operationen auf Mengen A B, A Å B, A B, A \ B, P(A) Relationen, Abbildungen/Funktionen Reflexiv, symmetrisch, antisymmetrisch, transitiv Injektiv, surjektiv, bijektiv Beweistechniken: Indirekter

Mehr

Kombinationen und Permutationen

Kombinationen und Permutationen 10 Kombinationen und Permutationen In den nächsten beiden Kapiteln wird die Abzählungstheorie der lassischen Abbildungstypen mit Nebenbedingungen entwicelt. Sie beschäftigt sich onret mit der Frage, auf

Mehr

Diskrete Strukturen. Kombinatorik. Urnenmodell. Kombinatorik - Beispiele. Münster. Münster. Münster

Diskrete Strukturen. Kombinatorik. Urnenmodell. Kombinatorik - Beispiele. Münster. Münster. Münster Kombinatorik 122 Vorlesung SoSe 2013 Nach den eher ziemlich abstrakten Grundlagen kommen wir nun zu Werkzeugen die recht konkret für die Modellierung von Zähl-Problemen dienen. Man will also wissen wie

Mehr

6. Boolesche Algebren

6. Boolesche Algebren 6. Boolesche Algebren 6.1 Definitionen Eine Boolesche Algebra ist eine Algebra S,,,, 0, 1,, sind binäre, ist ein unärer Operator, 0 und 1 sind Konstanten. Es gilt: 1 und sind assoziativ und kommutativ.

Mehr

Operationen. auch durch. ausgedrückt. ist die Trägermenge der Operation. Mathematik I für Informatiker Algebren p.1/21

Operationen. auch durch. ausgedrückt. ist die Trägermenge der Operation. Mathematik I für Informatiker Algebren p.1/21 Operationen Eine Operation auf einer Menge ist eine Abbildung ist dabei die Menge aller -Tupel mit Einträgen aus. Man nennt auch durch die Stelligkeit der Operation ; dies wird ausgedrückt. Die Menge ist

Mehr

3 Allgemeine Algebren

3 Allgemeine Algebren Grundlagen der Mathematik für Informatiker 1 3 Allgemeine Algebren Definition 3.1 Für eine Menge A nennen wir eine n-stellige Funktion ω : A n A eine n-äre algebraische Operation. Bemerkung zum Fall n

Mehr

Teil 1. Mathematische Grundlagen

Teil 1. Mathematische Grundlagen Teil 1 Mathematische Grundlagen 5 6 1.1 Aussagenlogi Aussage und Axiom Aussage: sprachlicher Ausdruc mit eindeutigem Wahrheitswert w ( wahr ) bzw. f ( falsch ) A : Beschreibung Axiom: grundlegende nicht

Mehr

Allgemeine Algebren. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden

Allgemeine Algebren. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden Allgemeine Algebren Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Operationen Eine Operation auf einer Menge A ist eine Abbildung f : A n A. A n ist dabei

Mehr

Algebra für Informationssystemtechniker

Algebra für Informationssystemtechniker Algebra für Informationssystemtechniker Prof. Dr. Fachrichtung Mathematik Institut für Algebra www.math.tu-dresden.de/ baumann Ulrike.Baumann@tu-dresden.de 23.04.2018 9. Vorlesung Halbgruppe Monoid Gruppe

Mehr

Zahlen und Rechenstrukturen

Zahlen und Rechenstrukturen Teil 1 Zähltheorie KAPITEL 1 Zahlen und Rechenstruturen Eine lassische Aufgabe der disreten Mathemati (Kombinatori) besteht darin zu ermitteln, wieviele Konfigurationen (d.h. disrete Objete von einem

Mehr

Kombinatorische Abzählverfahren - LÖSUNGEN

Kombinatorische Abzählverfahren - LÖSUNGEN Kombinatorische Abzählverfahren - LÖSUNGEN TEIL C: Lösungen 1. Produtregel das einfache Verfahren Aufgabe 1: Auto-Ausstattung Aufgabe 2: Tanzstunde Aufgabe 3: Menüplanung Aufgabe 4: Atenzeichen Aufgabe

Mehr

3. Algebra und Begriffsverbände. Algebraische Strukturen

3. Algebra und Begriffsverbände. Algebraische Strukturen 3. Algebra und Begriffsverbände Algebraische Strukturen Def.: Eine n-stellige (n-äre) [algebraische] Operation [auch: Verknüpfung] auf einer Menge A ist eine Abbildung f : A n A. Der Spezialfall n = 0:

Mehr

Kombinatorik. LSGM Leipziger Schülergesellschaft für Mathematik. Toscho Mathecamp 12. Juli 21. Juli 2008 Klasse 11/12. Inhaltsverzeichnis

Kombinatorik. LSGM Leipziger Schülergesellschaft für Mathematik. Toscho Mathecamp 12. Juli 21. Juli 2008 Klasse 11/12. Inhaltsverzeichnis LSGM Leipziger Schülergesellschaft für Mathemati Kombinatori Toscho Mathecamp 1. Juli 1. Juli 008 Klasse 11/1 Inhaltsverzeichnis 1 Grundlagen Aufgaben 3 3 Politi in der Mathemati 3 4 Olympiadeaufgaben

Mehr

5.9 Permutationsgruppen. Sei nun π S n. Es existiert folgende naive Darstellung: Kürzer schreibt man auch

5.9 Permutationsgruppen. Sei nun π S n. Es existiert folgende naive Darstellung: Kürzer schreibt man auch 5.9 Permutationsgruppen Definition 103 Eine Permutation ist eine bijektive Abbildung einer endlichen Menge auf sich selbst; o. B. d. A. sei dies die Menge U := {1, 2,..., n}. S n (Symmetrische Gruppe für

Mehr

Bei Permutationen ohne Wiederholung geht es um das Anordnen von n Dingen, die mit den Zahlen 1,2,,n nummeriert sind.

Bei Permutationen ohne Wiederholung geht es um das Anordnen von n Dingen, die mit den Zahlen 1,2,,n nummeriert sind. 6 Kombinatori PermutationenOhneWiederholung@n_IntegerD := Permutations@Range@nDD PermutationenMitWiederholung@n_ListD := Permutations@Flatten@Table@Table@i, 8n@@iDD

Mehr

Übung: Teilmengen. Beweis: Für alle Elemente einer Menge, die Teilmenge einer Menge ist, gilt, dass auch Element von ist. (Definition der Teilmenge)

Übung: Teilmengen. Beweis: Für alle Elemente einer Menge, die Teilmenge einer Menge ist, gilt, dass auch Element von ist. (Definition der Teilmenge) 15 Übung: Teilmengen seien Mengen. Zu zeigen ist: wenn Beweis: dann auch Für alle Elemente einer Menge, die Teilmenge einer Menge ist, gilt, dass auch Element von ist. (Definition der Teilmenge) für alle

Mehr

1 Natürliche Zahlen und vollständige Indution Beispiel : Für jede Zahl x 6 1gilt die geometrische Summenformel 1+x + x + :::+ x n 1 xn+1 1 x : (I) Für

1 Natürliche Zahlen und vollständige Indution Beispiel : Für jede Zahl x 6 1gilt die geometrische Summenformel 1+x + x + :::+ x n 1 xn+1 1 x : (I) Für 1 Natürliche Zahlen und vollständige Indution Die ganzen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwer. (L. Kronecer) Wir setzen das System N der natürlichen Zahlen 1; ; 3;::: als beannt

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 16. November 2017 1/35 Modulare Arithmetik Modulare Arithmetik Definition 3.33 Es sei

Mehr

Klassische Algebra. Gesucht sind die Lösungsmengen der folgenden Gleichungen: x n + a n 1 x n a 1 x + a 0 = 0 (a 0,...

Klassische Algebra. Gesucht sind die Lösungsmengen der folgenden Gleichungen: x n + a n 1 x n a 1 x + a 0 = 0 (a 0,... Klassische Algebra Gesucht sind die Lösungsmengen der folgenden Gleichungen: x n + a n 1 x n 1 + + a 1 x + a 0 = 0 (a 0,..., a n 1 Q) Formeln für n {1, 2, 3, 4} sind bekannt. Abel, Galois: Für n N mit

Mehr

Analyse von Hashfunktionen

Analyse von Hashfunktionen Analyse von Hashfuntionen Borys Gendler 5. Februar 2007 In dieser Arbeit wird die Anzahl der Kollisionen beim Einfügen eines Elements in einer Hashtabelle untersucht. Wir beantworten die Frage, wie sich

Mehr

Gruppen. Kapitel Operationen Definiton Gruppe, symmetrische Gruppen. Gruppen und Untergruppen, Lernziele 1. Erzeugendensysteme,

Gruppen. Kapitel Operationen Definiton Gruppe, symmetrische Gruppen. Gruppen und Untergruppen, Lernziele 1. Erzeugendensysteme, Kapitel 1 Gruppen 1.1 Operationen Lernziele 1. Gruppen und Untergruppen, Erzeugendensysteme, Operationen und Bahnen 1.1.1 Definiton Gruppe, symmetrische Gruppen Definition 1.1. Sei G eine nicht leere Menge

Mehr

Formale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz

Formale Grundlagen 2008W. Vorlesung im 2008S  Institut für Algebra Johannes Kepler Universität Linz Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige

Mehr

1 Algebraische Grundbegriffe

1 Algebraische Grundbegriffe 1 Algebraische Grundbegriffe Eine Algebra besteht aus einer Trägermenge S sowie eineroder mehreren Operationen. Eine Operation ist dabei eine k-stellige Abbildung, d.h. es gilt für eine Operation f f S

Mehr

2 Aufbau des Zahlensystems Natürliche Zahlen

2 Aufbau des Zahlensystems Natürliche Zahlen 2 Aufbau des Zahlensystems atürliche Zahlen (2.1 Die Menge der natürlichen Zahlen = {1,2,3,...} lässt sich eindeutig durch die Peano-Axiome charaterisieren: (P1 1 (P2 n = n + 1 (P3 n,m, n m = n + 1 m +

Mehr

Kapitel 6. Elementare Kombinatorik und Abzählbarkeit. Elementare Kombinatorik und Abzählbarkeit

Kapitel 6. Elementare Kombinatorik und Abzählbarkeit. Elementare Kombinatorik und Abzählbarkeit und Abzählbarkeit Kapitel 6 und Abzählbarkeit Peter Becker (H-BRS) Mathematische Grundlagen Wintersemester 2016/17 253 / 288 und Abzählbarkeit Inhalt Inhalt 6 und Abzählbarkeit Abzählbarkeit Peter Becker

Mehr

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie

Prof. Dr. H. Brenner Osnabrück SS Zahlentheorie Prof. Dr. H. Brenner Osnabrüc SS 2008 Zahlentheorie Vorlesung 5 In diesem Abschnitt beschäftigen wir uns mit der Einheitengruppe der Restlassenringe Z/(n), also mit (Z/(n)). Ihre Anzahl wird durch die

Mehr

1.4 Gruppen, Ringe, Körper

1.4 Gruppen, Ringe, Körper 14 Gruppen, Ringe, Körper Definition 141 Eine Verknüpfung auf einer Menge M ist eine Abbildung : M M M : (a, b a b Die Verknüpfung heißt assoziativ falls gilt: a (b c = (a b c a, b, c M; kommutativ falls

Mehr

Algebra. Eine Menge A heißt abzählbar, wenn A gilt. Insbesondere sind, und abzählbar, und sind nicht abzählbar (überabzählbar).

Algebra. Eine Menge A heißt abzählbar, wenn A gilt. Insbesondere sind, und abzählbar, und sind nicht abzählbar (überabzählbar). Algebra 1 Mengen 1.1 Operationen A Anzahl der Elemente von A (Mächtigkeit, Betrag, Kardinalität) (A) Potenzmenge von X ( (A) = 2 A ) A B wenn jedes Element von A auch Element von B ist. A = B (A B und

Mehr

Vorkurs Mathematik. Vorlesung 5. Verknüpfungen

Vorkurs Mathematik. Vorlesung 5. Verknüpfungen Prof. Dr. H. Brenner Osnabrüc WS 2009/2010 Vorurs Mathemati Vorlesung 5 Vernüpfungen Die Addition und die Multipliation auf den natürlichen Zahlen und die Hintereinanderschaltung von Abbildungen auf einer

Mehr

$Id: reell.tex,v /11/15 13:12:24 hk Exp $

$Id: reell.tex,v /11/15 13:12:24 hk Exp $ $Id: reell.tex,v.8 200//5 3:2:24 h Exp $ 4 Die reellen Zahlen 4.3 Das Vollständigeitsaxiom Wir hatten das Supremum einer Menge M R als die leinste obere Schrane von M definiert, sofern eine solche überhaupt

Mehr

Diskrete Strukturen. Dietmar Lammers. Vorlesung SoSe Wirklichkeit - Struktur - Abstraktion - Modell

Diskrete Strukturen. Dietmar Lammers. Vorlesung SoSe Wirklichkeit - Struktur - Abstraktion - Modell Diskrete Strukturen Dietmar Lammers Vorlesung SoSe 2011 Wirklichkeit - Struktur - Abstraktion - Modell Informatik und Mathematik sind nicht losgelöst von der Welt, Strukturwissenschaften Untersuchte Dinge

Mehr

Übersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19

Übersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19 Theoretische Informatik I WS2018/19 Übersichtsblatt Hertrampf/Bahrdt Institut für Formale Methoden der Informatik Theoretische Informatik Universität Stuttgart 1 Mathematische Aussagen Um mathematische

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre. Referenzen zum Nacharbeiten:

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre. Referenzen zum Nacharbeiten: DM2 Slide 1 Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 2: Mengenlehre Referenzen zum Nacharbeiten: Lang 3 Meinel 2, 4, 5, 10.2-10.4 (zur Vertiefung: Meinel 10.5-10.8 und Beutelspacher 10)

Mehr

Beweis des Binomischen Satzes

Beweis des Binomischen Satzes Beweis des Binomischen Satzes Ein Beispiel für mathematische Beweisführung Oliver Müller 21. Februar 25 1 Vorwort Dieser Text soll hilfreich beim Erlernen der mathematischen Beweisführung über vollständige

Mehr

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 2: Mengenlehre Lang 3 Meinel 2, 4, 5, 10.2-10.4 (zur Vertiefung: Meinel 10.5-10.8 und Beutelspacher 10) Dean 2, 5-7

Mehr

Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest.

Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest. Analysis, Woche Zahlen A. Elementares Bevor wir mit Analysis anfangen, legen wir erst einige mathematische Symbole fest... Logische Symbole Seien A und B Aussagen. So eine Aussage ist zum Beispiel: Gras

Mehr

Mathematische Methoden für Informatiker

Mathematische Methoden für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 13.07.2018 Klassische Algebra Gesucht sind die Lösungsmengen der folgenden Gleichungen: x n + a n 1 x n 1 + + a 1 x + a 0 = 0 (a 0,..., a n 1 Q) Formeln für n

Mehr

Formale Potenzreihen, Rekursionen und erzeugende Funktionen

Formale Potenzreihen, Rekursionen und erzeugende Funktionen KAPITEL 2 Formale Potenzreihen, Reursionen und erzeugende Funtionen Wir gehen von folgender abstraten Situation aus Gegeben ist eine Klasse O ombinatorischer Objete und eine Klassifiationsabbildung t :

Mehr

Anwendung der Algebra Mit den oben gelisteten Regeln kann man viele Zusammenhänge einfach direkt beweisen, etwa den folgenden Satz:

Anwendung der Algebra Mit den oben gelisteten Regeln kann man viele Zusammenhänge einfach direkt beweisen, etwa den folgenden Satz: Logik-Algebra - Beweise Diese Sätze kann man alle einfach beweisen. Hier ist es sogar besonders einfach, da die vorkommenden freien Ausdrücke nur zwei Werte annehmen können. Man kann für alle Wertkombinationen

Mehr

Vollständige Induktion. Analysis I. Guofang Wang. Universität Freiburg

Vollständige Induktion. Analysis I. Guofang Wang. Universität Freiburg Universität Freiburg 26.10.2011 Vollständige Induktion Wir unterbrechen jetzt die Diskussion der Axiome der reellen Zahlen, um das Beweisverfahren der vollständigen Induktion kennenzulernen. Wir setzen

Mehr

3 Überlagerungen und Quotienten

3 Überlagerungen und Quotienten $Id: quotient.tex,v 1.12 2017/01/25 18:36:36 h Exp $ 3 Überlagerungen und Quotienten 3.3 Der Riemannsche Existenzsatz Wie in der letzten Sitzung angeündigt wollen wir nun den Riemannschen Existenzsatz

Mehr

3.8 Redundante Datenspeicherung und Fehlerkorrektur Seien natürliche Zahlen k, t und s so gewählt, dass. k + 2t 2 s 1.

3.8 Redundante Datenspeicherung und Fehlerkorrektur Seien natürliche Zahlen k, t und s so gewählt, dass. k + 2t 2 s 1. 38 Redundante Datenspeicherung und Fehlerorretur Seien natürliche Zahlen, t und s so gewählt, dass + 2t 2 s 1 Sei weiter K = GF (2 s ), und seien c 0,, c 1 K Wir fassen die c i sowohl als Elemente von

Mehr

Vortragsskript Einführung in die Algebra

Vortragsskript Einführung in die Algebra Vortragsskript Einführung in die Algebra TeamTUM - Das Wettbewerbsteam Mathematik Technische Universität München Fakultät für Mathematik Vortragender: Vu Phan Thanh Datum: 26.11.12 iii Inhaltsverzeichnis

Mehr

Wie viele Möglichkeiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n = 5? Für n = 2 gibt es 2 Möglichkeiten.

Wie viele Möglichkeiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n = 5? Für n = 2 gibt es 2 Möglichkeiten. n-faultät Wie viele Möglicheiten gibt es, n Kinder in einer Reihe zu platzieren, z.b. für n? Für n gibt es Möglicheiten. Für n 3 hat das 3. Kind 3 Möglicheiten, die beiden restlichen Plätze önnen jeweils

Mehr

Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Grundlagen)

Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Grundlagen) WS 2014/15 Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Grundlagen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_14

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

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 26. Oktober 2017 1/35 Abbildungen Boolesche Algebra Summen- und Produktzeichen Definition

Mehr

15.2 Kombinatorische Abzählformeln

15.2 Kombinatorische Abzählformeln 15.2 Kombinatorische Abzählformeln 1. Permutationen In wie vielen verschiedenen Reihenfolgen ann man n verschiedene Dinge anordnen? Wie viele Reihenfolgen gibt es, wenn die Dinge nicht alle verschieden

Mehr

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen TEIL II: GRUPPEN In der modernen Algebra versucht man die Zahlen (Z, Q, R, ) durch die Konzentration auf Rechenoperationen (+,,... ), oder allgemeiner auf strukturelle Eigenschaften dieser Operationen,

Mehr

Seminar Mathematische Logik L-Strukturen und Syntax der Prädikatenlogik

Seminar Mathematische Logik L-Strukturen und Syntax der Prädikatenlogik Seminar Mathematische Logik L-Strukturen und Syntax der Prädikatenlogik Linda Raabe 7. März 2012 1 L-Strukturen Definition 1.1 (Struktur) Eine Struktur A ist eine nichtleere Trägermenge A zusammen mit

Mehr

Diskrete Mathematik für Informatiker Universität Leipzig WS 2007 / 08. Claus Diem

Diskrete Mathematik für Informatiker Universität Leipzig WS 2007 / 08. Claus Diem Diskrete Mathematik für Informatiker Universität Leipzig WS 2007 / 08 Claus Diem 2 Kapitel 1 Algebraische Strukturen 1.1 Boolesche Ringe und boolesche Algebren Boolesche Ringe Definition Sei X eine Menge

Mehr

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 1 Mengen 2 Relationen 3 Abbildungen 4 Algebraische Strukturen Verknüpfungen Monoide Beispiel: Restklassen Exkurs: Formale

Mehr

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 3 (WS 2010/2011) Abgabetermin: Donnerstag, 4. November.

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 3 (WS 2010/2011) Abgabetermin: Donnerstag, 4. November. Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 3 (WS 2010/2011) Abgabetermin: Donnerstag, 4. November http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Im Folgenden

Mehr

Beispiel 85. Satz 86 Eine Unteralgebra (bzgl. ) einer Gruppe ist eine Untergruppe, falls sie unter der Inversenbildung 1 abgeschlossen ist.

Beispiel 85. Satz 86 Eine Unteralgebra (bzgl. ) einer Gruppe ist eine Untergruppe, falls sie unter der Inversenbildung 1 abgeschlossen ist. 5.4 Untergruppen Definition 84 Eine Unteralgebra T,, 1 einer Gruppe G = S,, 1 heißt Untergruppe von G, falls T,, 1 eine Gruppe ist. Bemerkung: Nicht jede Unteralgebra einer Gruppe ist eine Untergruppe!

Mehr

Vorkurs Mathematik. Arbeitsblatt 5. Verknüpfungen

Vorkurs Mathematik. Arbeitsblatt 5. Verknüpfungen Prof Dr H Brenner Osnabrüc WS 2009/2010 Vorurs Mathemati Arbeitsblatt 5 Vernüpfungen Aufgabe 51 Betrachte die ganzen Zahlen Z mit der Differenz als Vernüpfung, also die Abbildung Z Z Z, (a, b) a b Besitzt

Mehr

Inhaltsverzeichnis (Ausschnitt)

Inhaltsverzeichnis (Ausschnitt) 6 Diskrete Wahrscheinlichkeitsräume Inhaltsverzeichnis (Ausschnitt) 6 Diskrete Wahrscheinlichkeitsräume Laplacesche Wahrscheinlichkeitsräume Kombinatorik Allgemeine diskrete Wahrscheinlichkeitsräume Deskriptive

Mehr

Die umgekehrte Richtung

Die umgekehrte Richtung Die umgekehrte Richtung Satz 95 Sei n N, n 2. Dann gilt: b n 1 1 mod n für alle b Z n \ {0} = n ist prim. Beweis: [durch Widerspruch] Annahme: r n für ein r N, r > 1. Dann also r n 1 1 (r mod n) n 1 1

Mehr

2 Zahlen. 2.1 Natürliche Zahlen Menge der natürlichen Zahlen. Der Ausgangspunkt für den Aufbau der Zahlenbereiche ist die Menge

2 Zahlen. 2.1 Natürliche Zahlen Menge der natürlichen Zahlen. Der Ausgangspunkt für den Aufbau der Zahlenbereiche ist die Menge 2.1 Natürliche Zahlen 2.1.1 Menge der natürlichen Zahlen Der Ausgangspunt für den Aufbau der Zahlenbereiche ist die Menge N = {0,1,2,3,...} der natürlichen Zahlen 0, 1, 2, 3, 4,... 2.1.2 Indutionsprinzip

Mehr

Mengen und Relationen

Mengen und Relationen KAPITEL 1 Mengen und Relationen 1.1. Mengenlehre Georg Cantor (3.3.1845 6.1.1918: Cantor ist der Vater der modernen Mengenlehre, er definierte 1895: DEFINITION 1.1.1. Unter einer Menge verstehen wir jede

Mehr

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber 14 Wenn man mindestens einen Operator mit einer definierten Menge in Verbindung setzt, dann fällt es unter dem Bereich der Strukturen. Bei der kleinsten möglichen Struktur handelt es sich um eine. Eine

Mehr

Skriptum EINFÜHRUNG IN DIE ALGEBRA

Skriptum EINFÜHRUNG IN DIE ALGEBRA Skriptum EINFÜHRUNG IN DIE ALGEBRA 1 Günter Lettl SS 2016 1. Algebraische Grundbegriffe 1.1 Verknüpfungen Definition 1. Es sei M eine nicht leere Menge. a) Eine Verknüpfung (oder (binäre) Operation) auf

Mehr

Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen)

Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen) WS 2015/16 Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

Mehr

Kapitel 2. Kapitel 2 Zählen (Kombinatorik)

Kapitel 2. Kapitel 2 Zählen (Kombinatorik) Zählen (Kombinatorik) Inhalt 2.1 2.1 Einfache Zählformeln A A B B = A A + B. B. 2.2 2.2 Binomialzahlen 2.3 2.3 Die Die Siebformel 2.4 2.4 Permutationen Seite 2 2.1 Einfache Zählformeln Erinnerung: Für

Mehr

5. Gruppen, Ringe, Körper

5. Gruppen, Ringe, Körper 5. Gruppen, Ringe, Körper 5.1. Gruppen Die Gruppentheorie, als mathematische Disziplin im 19. Jahrhundert entstanden, ist ein Wegbereiter der modernen Mathematik. Beispielsweise folgt die Gruppe, die aus

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrüc SS 2009 Einführung in die Algebra Vorlesung 12 Ringe Wir beginnen einen neuen Abschnitt dieser Vorlesung, in dem es um Ringe geht. Definition 12.1. Ein Ring R ist eine Menge

Mehr

n n!

n n! Frage: Auf wieviele Arten lässt sich das Wort Binomialoeffizient lesen? Binomialoe inomialoef nomialoeff omialoeffi ialoeffizi aloeffizie loeffizien oeffizient Das ist ein Sript! Dennoch ann man hier sehen,

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

Mehr

Aufgaben zur Verbandstheorie

Aufgaben zur Verbandstheorie TU Bergakademie Freiberg WS 2005/06 Institut für Diskrete Mathematik & Algebra Prof. Dr. Udo Hebisch Aufgaben zur Verbandstheorie 1. Für ein beliebiges n IN sei X n die Menge aller Teiler von n. Definiert

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 21. Januar 2016 Definition 8.1 Eine Menge R zusammen mit zwei binären Operationen

Mehr

IT-Sicherheitsmanagement. Teil 4: Einführung in algebraische Strukturen

IT-Sicherheitsmanagement. Teil 4: Einführung in algebraische Strukturen IT-Sicherheitsmanagement Teil 4: Einführung in algebraische Strukturen 19.09.18 1 Literatur und Videos [4-1] http://www.iti.fh-flensburg.de/lang/krypto [4-2] Forster, Otto: Algorithmische Zahlentheorie.

Mehr

Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik

Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik UNIVERSITÄT ULM Institut für Zahlentheorie und Wahrscheinlicheitstheorie Musterlösung zur Probelausur zur Angewandten Disreten Mathemati Prof Dr Helmut Maier, Hans- Peter Rec Gesamtpuntzahl: 130 Punte,

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

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

Mehr

Diskrete Strukturen und Logik WiSe 2006/07 in Trier. Henning Fernau Universität Trier

Diskrete Strukturen und Logik WiSe 2006/07 in Trier. Henning Fernau Universität Trier Diskrete Strukturen und Logik WiSe 2006/07 in Trier Henning Fernau Universität Trier fernau@informatik.uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik &

Mehr

3.6 Bemerkungen zur Umformung boolescher Formeln (NAND): doppelte Negation

3.6 Bemerkungen zur Umformung boolescher Formeln (NAND): doppelte Negation 3.6 Bemerkungen zur Umformung boolescher Formeln (NAND): Häufig verwendeten Umformungen sind: Idempotenz doppelte Negation De Morgan a = a a a = a a + b = a b ADS-EI 3.6 Bemerkungen zur Umformung boolescher

Mehr

Satz 94 Sei b N 0 und p N eine Primzahl. Dann gilt:

Satz 94 Sei b N 0 und p N eine Primzahl. Dann gilt: 5.6 Satz von Fermat Satz 94 Sei b N 0 und p N eine Primzahl. Dann gilt: b p b mod p, (falls b 0 mod p : b p 1 1 mod p) (gemeint ist: die Gleichung b p = b gilt modulo p) Diskrete Strukturen 5.6 Satz von

Mehr

2. Teil: Diskrete Strukturen

2. Teil: Diskrete Strukturen 2. Teil: Diskrete Strukturen Kenntnis der Zahlenbereiche N, Z, Q, R, C setzen wir voraus. Axiomatische Einführung von N über Peano-Axiome. Z aus N leicht abzuleiten. Wie wird Q definiert? R ist der erste

Mehr

Literatur und Videos. ISM WS 2017/18 Teil 4/Algebren

Literatur und Videos. ISM WS 2017/18 Teil 4/Algebren Literatur und Videos [4-1] http://www.iti.fh-flensburg.de/lang/krypto [4-2] Forster, Otto: Algorithmische Zahlentheorie. 2. Auflage, Springer, 2015 [4-3] Teschl, Gerald; Teschl, Susanne: Mathematik für

Mehr