Temporale Logiken: CTL und LTL

Größe: px
Ab Seite anzeigen:

Download "Temporale Logiken: CTL und LTL"

Transkript

1 Westfälische Wilhelms-Universität Münster usarbeitung Temporale Logiken: CTL und LTL im Rahmen des Seminars Formale Spezifikation im WS 2005/06 Thorsten Bruns Themensteller: Prof. Dr. Herbert Kuchen Betreuer: (Prof. Dr. Herbert Kuchen) Institut für Wirtschaftsinformatik Praktische Informatik in der Wirtschaft

2 Inhaltsverzeichnis Einleitung... 2 Grundlagen der Logik ussagenlogik Prädikatenlogik Entscheidbarkeit von Logiken Temporale Logiken Erweiterung der ussagen- oder Prädikatenlogik Klassifikation temporaler Logiken Semantik verschiedener Zeitmodelle LTL Syntax von LTL Semantik von LTL Varianten von LTL CTL Syntax von CTL Semantik von CTL Semantische Äquivalenzen CTL Model Checking nwendung des Markierungsalgorithmus Fixpunktcharakterisierung Theoretische spekte temporaler Logiken Zusammenfassung Literaturverzeichnis... 2 II

3 Kapitel : Einleitung Einleitung Einen Problembereich der Informatik stellt die Qualitätssicherung von Hard- und Software dar. Dieses Problem kann einerseits durch Testen und andererseits durch Beweise gelöst werden. Das Testen lässt sich größtenteils automatisieren, es kann aber nicht sichergestellt werden, dass alle möglichen Fälle berücksichtigt werden. Die lternative zum Testen sind Beweise. Hierbei wird zwischen Theorembeweisen und Model Checkern unterschieden. Theorembeweise müssen interaktiv durchgeführt werden und erfordern viel Zeit, daher sind sie weniger beliebt. Model Checker bieten die Möglichkeit, Eigenschaften von Programmen vollständig automatisiert zu prüfen. Dazu muss das zu prüfende Soft- oder Hardwaresystem als formales Modell mit endlich vielen Zuständen darstellbar sein. ls weiteres wird eine formale Spezifikation benötigt, die festlegt, welche Eigenschaften das Programm erfüllen soll. Die ufgabe eines Model Checkers besteht darin, zu prüfen, ob die Implementierung der Spezifikation genügt. Bei den zu prüfenden Systemen handelt es sich um sogenannte reaktive Systeme, die in ständiger Interaktion mit Ihrer Umgebung stehen, auf die Signale aus ihrer Umgebung reagieren und im Normalfall nie terminieren, wie z. B. Betriebssysteme, Netzwerkprotokolle oder Prozesssteuerungen. Diese Systeme lassen sich in endlichen Modellen darstellen. Die Eigenschaften, die sich prüfen lassen, sind z. B. Lebendigkeit, Deadlockfreiheit, Fairness und Sicherheit. Das Ziel dieser rbeit ist es, die Möglichkeiten der Darstellung einer formalen Spezifikation durch temporale Logiken darzustellen und aufzuzeigen, wie diese Logiken für das Model Checking eingesetzt werden können. Die rbeit gliedert sich in ein Grundlagen- und ein Hauptkapitel. Im ersten wird ein kurzer Überblick über die ussagen- und die Prädikatenlogik gegeben, da diese als Voraussetzung für temporale Logiken benötigt werden. Im nächsten Kapitel werden die beiden temporalen Logiken LTL und CTL genauer untersucht.

4 Kapitel 2: Grundlagen der Logik 2 Grundlagen der Logik 2. ussagenlogik Die ussagenlogik beschäftigt sich mit der Untersuchung des Wahrheitswertes von ussagen. Diese können entweder wahr oder falsch sein und sind somit zweiwertig. Die formale Darstellung von ussagen geschieht in einer formalen Logik, der ussagenlogik. Die Wahrheitswerte von ussagen sind hier statisch, d. h. sie gelten dauerhaft und können sich nicht dynamisch ändern. Die Syntax der ussagenlogik ist nach [Sc00] folgendermaßen definiert: Formeln bestehen aus atomaren Formeln der Form i mit i =,2,3, K. Formeln werden durch folgenden induktiven Prozess definiert:. lle atomaren Formeln i sind Formeln. 2. Für alle Formeln und sind 3. Für jede Formel F ist Eine Formel der Form ( F G) als Disjunktion und F G ( F G) und ( G) ( G F ) F eine Formel. F F Formeln. wird als Konjunktion bezeichnet, eine Formel der Form als Negation. Nachfolgend werden einige Umformungsregeln aufgestellt. Dabei werden zwei neue Symbole, und, sowie die boolschen Konstanten true und false eingeführt. Hierbei bezeichnen und B beliebige aussagenlogische Formeln: ( B ) = ( B) ( B ) ( B = ( B) ) = (( B) ( B) ) true = false = true Die Semantik der ussagenlogik ist nach [Sc00] wie folgt definiert: Jede atomare Formel besitzt eine Belegung mit einem Wahrheitswert aus { 0,}. Eine Belegung ist eine Funktion atomaren Formeln ist. { 0,} : D mit der Menge D, die eine Teilmenge der wird zu  : E { 0,} erweitert, wobei E die Menge aller 2

5 Kapitel 2: Grundlagen der Logik Formeln ist, die sich aus der Menge D der atomaren Formeln zusammensetzt. So lässt sich jeder beliebigen Formel, die nur aus atomaren Formeln zusammengesetzt ist, ein Wahrheitswert zuordnen.. Für jede atomare Formel D 2. F G =, falls i gilt ( ) ( )  (( ))  ( F ) = und ( G) = 3. F G =, falls  = mit i =,2,3, K. i i Â, sonst 0.  (( ))  ( F ) = oder ( G) = ( ) 4.  F =, falls Â( F ) = 0, sonst 0. Â, sonst 0. Zur Berechnung des Wahrheitswertes aussagenlogischer Formeln können diese in Verknüpfungstabellen dargestellt werden. nhand dieser Tabellen ist ersichtlich, dass die nzahl aller möglicher Wertebelegungen für einen usdruck exponentiell in Bezug auf die nzahl der in einem usdruck enthaltenen atomaren Formeln wächst. Im folgenden werden weitere Begriffe nach [Sc00] definiert: Sei F eine Formel und eine Belegung. Dann heißt zu F passend, wenn für alle in F vorkommenden atomaren Formeln definiert ist. Falls zu F passend ist und ( ) F = gilt, so wird F geschrieben. F gilt unter der Belegung von bzw. F F ( ) 0 ist ein Modell für. Umgekehrt ist kein Modell für, falls F =, geschrieben F. Jede Belegung von Wahrheitswerten, die der Formel F den Wert zuordnet, wird somit als Modell bezeichnet. Eine Formel heißt erfüllbar, falls F mindestens ein Modell besitzt, sonst heißt F unerfüllbar. Um zu prüfen, ob eine Formel erfüllbar ist, müssen alle möglichen Belegungen geprüft werden, ob mindestens eine Belegung für die Formel den Wert ergibt. Eine Formel heißt gültig oder Tautologie, falls jede zu Modell für F ist. In diesem Fall wird nur F geschrieben. F passende Belegung ein 2.2 Prädikatenlogik Die Prädikatenlogik ist eine Erweiterung der ussagenlogik um Quantoren, Funktionssowie Prädikatsymbole. Hiermit lassen sich ussagen über Objekte machen, die durch Variablen repräsentiert werden, z. B., dass Objekte gewisse Eigenschaften haben oder mit anderen Objekten in Beziehung stehen. 3

6 Kapitel 2: Grundlagen der Logik Die Syntax prädikatenlogischer Formeln ist nach [Sc00] folgendermaßen definiert: Zur Definition prädikatenlogischer Formeln werden Variablen, Prädikat- und Funktionssymbole eingeführt. Eine Variable hat die Form xi mit i =,2,3, K. Ein Prädikatsymbol hat die Form k Pi mit i =,2,3, K und k = 0,,2,3, K. Ein Funktionssymbol hat k die Form f mit i =,2,3, K und i k = 0,,2,3, K. Hierbei stellt i den Index und k die Stelligkeit der Prädikate und Funktionen dar. Mit Variablen und Funktionen werden Terme gebildet. Diese sind wie folgt definiert:. Jede Variable xi mit i =,2,3, K ist ein Term. 2. Ist f ein Funktionssymbol mit der Stelligkeit k und sind t,...,t Terme, so ist auch ( t tk ) f,..., ein Term. Funktionen der Stelligkeit null werden als Konstanten bezeichnet und ohne Klammern dargestellt. Prädikatenlogische Formeln sind definiert:. Ist P ein Prädikatsymbol der Stelligkeit k und sind t,...,t Terme, so ist ( t ) P,..., t k eine Formel. 2. Für jede Formel F ist auch F eine Formel. 3. Für alle Formeln und sind auch F G ( F G) und ( G) 4. Ist x eine Variable und F eine Formel, so sind auch F Formeln. k k xf und xf Formeln. Variablen werden in freie und gebundene unterteilt. Kommt eine Variable x in einer Teilformel G der Formeln xg oder xg vor, so wird diese Variable als gebunden bezeichnet, anderenfalls als frei. Eine Formel wird nur dann als ussage bezeichnet, wenn diese ausschließlich gebundene Variablen enthält. Das Symbol wird als Existenzquantor und das Symbol als llquantor bezeichnet. Die Semantik prädikatenlogischer usdrücke ist nach [Sc00] folgendermaßen definiert: Zur Definition der Semantik der Prädikatenlogik wird zunächst eine Struktur ( = U, I ) benötigt. U bezeichnet eine beliebige nichtleere Menge, die auch als Grundmenge von bezeichnet wird. Weiter ist I eine bbildung, die jedem k-stelligen Prädikatsymbol P ein k-stelliges Prädikat über U zuordnet, jedem k-stelligen Funktionssymbol f eine k-stellige Funktion auf U zuordnet 4

7 Kapitel 2: Grundlagen der Logik und jeder Variablen x ein Element der Grundmenge U zuordnet. Sie F eine Formel und = ( U, I ) eine Struktur. heißt zu F passend, falls I für alle in F definiert ist. vorkommenden Prädikat- und Funktionssymbole sowie freien Variablen Sei F eine Formel und eine zu F passende Struktur. Für jeden Term t, der sich aus den Bestandteilen von F bilden lässt, wird der Wert von t in der Struktur, bezeichnet mit ( t), wie folgt definiert:. Falls t eine Variable x t = ist, so gilt ( t) x =. 2. Falls t ein k-stelliges Funktionssymbol t f ( t,..., ) () t = f ( ( t ) ( t )),..., k. = ist, so gilt t k Bei nullstelligen Funktionssymbolen t = a gilt ( t) = a. Der Wahrheitswert einer Formel. Hat F die Form F P( t,... ) Prädikatsymbol 2. Hat F die Form F G, so ist F wird folgendermaßen definiert: = t k mit den Termen t,...,t k und dem k-stelligen P, so ist ( F ) =, falls ( ( t ),..., ( t k )) P, sonst 0. = ( F ) =, falls ( G) = 0, sonst Hat F die Form F = ( G H ), so ist ( F ) =, falls ( G) = und ( H ) = sonst 0., 4. Hat F die Form F = ( G H ), so ist ( F ) =, falls ( G) = oder ( H ) = sonst Hat F die Form F xg ( G) x, sonst 0. [ / d ] = 6. Hat F die Form F xg ( G) x, sonst 0. [ / d ] = =, so ist ( F ) = =, so ist ( F ) =,, falls für alle d U gilt:, falls es ein d U gibt mit: Die Modell-, Erfüllbarkeits- und Gültigkeitsdefinitionen gelten hier analog zur ussagenlogik. Die Prädikatenlogik ist ausdrucksstärker als die ussagenlogik, allerdings kann auch hiermit nicht jede mathematische ussage formuliert werden. Die Quantoren lassen sich in der dargestellten Form nur auf Variablen anwenden, nicht aber auf Funktions- 5

8 Kapitel 2: Grundlagen der Logik symbole. Daher wird diese Logik Prädikatenlogik erster Stufe genannt. Die zweite Stufe umfasst zusätzlich die nwendung der Quantoren auf Funktionssymbole. 2.3 Entscheidbarkeit von Logiken Für nwendungszwecke ist es wichtig zu wissen, ob eine Logik entscheidbar ist oder nicht. Der usdruck entscheidbar bedeutet, ob sich ein lgorithmus finden lässt, der in endlicher Zeit ausgibt, ob es zu einer beliebigen Formel einer gegebenen Logik ein Modell, d. h. mindestens eine gültige Belegung, gibt oder nicht. Wichtig ist hierbei, dass so ein lgorithmus nicht nur positive, sondern auch negative Ergebnisse ausgibt und dabei in jedem Fall stoppt. Für aussagenlogische usdrücke ist diese Überlegung einfach. Das ufschreiben aller möglichen Belegungen ist bereits ein entsprechender lgorithmus. Es gibt in einer aussagenlogischen Formel mit immer genau n 2 atomaren Formeln mögliche Belegungen, die überprüft werden müssen, da jede atomare Formel genau zwei Wahrheitswerte, 0 oder, belegen kann. Daraus folgt, dass die ussagenlogik entscheidbar ist. In der Prädikatenlogik ist bereits das Gültigkeitsproblem unentscheidbar, d. h. es lässt sich kein lgorithmus finden, der in endlicher Zeit feststellen kann, ob eine Belegung eines beliebigen prädikatenlogischen usdrucks wahr oder falsch ist. Daraus lässt sich folgern, dass das Erfüllbarkeitsproblem der Prädikatenlogik ebenfalls unentscheidbar ist, da dieses Problem die Entscheidbarkeit des Gültigkeitsproblems voraussetzt. Das ufschreiben aller möglichen Belegungen lässt sich nicht auf die Prädikatenlogik übertragen, da hier Strukturen anstatt Belegungen existieren. Diese Strukturen können unendliche Mengen enthalten, die ein vollständiges ufschreiben verhindern. Dies alleine ist jedoch noch kein Beweis für die Unentscheidbarkeit des Gültigkeitsproblems der Prädikatenlogik. Der Beweis erfolgt, indem dieses Problem auf ein bereits als unentscheidbar bekanntes Problem, das Postsche Korrespondenzproblem, zurückgeführt wird. Dazu muss ein lgorithmus gefunden werden, der in endlicher Zeit jedes beliebige Postsche Korrespondenzproblem K in eine prädikatenlogische Formel F überführt, so dass K genau dann eine Lösung besitzt, wenn gültig ist. Da dieser K Beweis einen tieferen Einstieg in die Berechenbarkeitstheorie erfordert, wird dieser hier ausgelassen. Der Beweis kann in [Sc00, S.7-73] nachgelesen werden. n F K 6

9 3 Temporale Logiken 3. Erweiterung der ussagen- oder Prädikatenlogik Temporale Logiken sind Erweiterungen der ussagen- oder der Prädikatenlogik. Diese Logiken ermöglichen ussagen über zeitliche Veränderungen. In der ussagenlogik sind ussagen entweder immer oder nie wahr. Bei temporalen Logiken ist der Wahrheitswert einer ussage zusätzlich vom aktuellen Zeitpunkt abhängig, da es möglich ist, sowohl ussagen über die Zukunft als auch über die Vergangenheit zu formulieren. Mit der Erweiterung der ussagenlogik um einen Zeitoperator für die Zukunft und einen für die Vergangenheit lassen sich bereits beliebig komplexe Zeitstrukturen darstellen, die sprachlich nicht mehr ausgedrückt werden können. Der Ursprung der temporalen Logik entstammt der Philosophie, daher existiert ein enger Bezug zur Repräsentation der Zeitformen einer natürlichen Sprache durch eine formale Logik [Bu84]. 3.2 Klassifikation temporaler Logiken Temporale Logiken lassen sich nach [Em90] auf verschiedene rten klassifizieren. Temporale Logiken können: uf der ussagen- oder der Prädikatenlogik basieren. Dazu erweitert eine temporale Logik entweder die ussagen- oder die Prädikatenlogik um neue Operatoren. Ein lineares oder ein verzweigtes Zeitmodell besitzen. Die Zeit kann entweder eindeutig oder nicht eindeutig modelliert werden. Ist die Zeit eindeutig, so existiert zu jedem Zeitpunkt nur ein möglicher unmittelbarer Nachfolger in der Zukunft. Bei Verwendung eines verzweigten Zeitmodells können zu jedem Zeitpunkt mehrere unmittelbare Nachfolger existieren. Dabei ist festzuhalten, dass dieser Nichtdeterminismus nur für die Zukunft, nicht aber für die Vergangenheit gilt. Die Vergangenheit ist in jedem Zeitpunkt eindeutig. Die Zeit diskret oder kontinuierlich modellieren. Die Zeit kann als Folge von Zeitpunkten angesehen werden, so dass bei Verwendung eines linearen Zeitmodells jeder Zeitpunkt genau einen Nachfolger hat und bei einem verzweigten Zeitmodell jeder Zeitpunkt abzählbar viele Nachfolger besitzt. Hier 7

10 kann von jedem Zeitpunkt zum nächsten gesprungen werden. lternativ kann die Zeit auch kontinuierlich sein, so dass es zu keinem Zeitpunkt einen unmittelbar nachfolgenden Zeitpunkt gibt. Hier ist nur ein Vergleich auf früher oder später zwischen zwei Zeitpunkten möglich. Da in Programmen nur diskrete Berechnungen möglich sind, wird die Zeit in der Regel als diskret angesehen. Zeitpunkte oder Zeiträume betrachten. Die Zeit kann als Folge aufeinanderfolgender Zeitpunkte oder auch als Folge von Intervallen betrachtet werden. Die Vergangenheit oder die Zukunft berücksichtigen. Es gibt sowohl Operatoren für die Zukunft als auch für die Vergangenheit. Temporale Logiken, die zur Programmverifikation eingesetzt werden, besitzen nur Operatoren für die Zukunft, da jedes Programm einen definierten Startzeitpunkt besitzt und die Betrachtung der Vergangenheit somit irrelevant ist. Der zusätzliche Operator für die Vergangenheit bringt außerdem keine Erweiterung der usdrucksstärke. Bis auf den letzten Punkt schließen sich alle lternativen gegenseitig aus. Eine temporale Logik kann beim letzten Punkt beide Fälle berücksichtigen. Die hier dargestellten Kombinationen erlauben, eine Vielzahl möglicher temporaler Logiken zu definieren. Im folgenden werden zwei lternativen genauer untersucht, die sich hauptsächlich im verwendeten Zeitmodell unterscheiden. 3.3 Semantik verschiedener Zeitmodelle Zur späteren Definition der Semantik einer temporalen Logik wird die Bedeutung der verschiedenen Zeitmodelle benötigt. Dazu müssen die verschiedenen Zeitmodelle definiert werden. Im Falle der Modellierung diskreter Systeme, wie eines Soft- oder Hardwaresystems, muss auch die Zeit diskret modelliert werden. Daher existiert in diesen Fällen eine Menge von Zuständen, die den zeitlichen blauf repräsentieren. Zudem wird auf dieser Menge von Zuständen wird eine zeitliche Ordnung benötigt, die festlegt, wie sich die Zustände ordnen lassen. Dazu wird ein Tupel gebildet, das in diesem Zusammenhang Rahmen genannt wird. Dieser Rahmen enthält die Menge der Zustände und die zugehörige Ordnungsrelation. Wird eine lineare Zeitstruktur verwendet, so lässt sich jedem Zustand eindeutig eine Zahl aus der Menge der natürlichen Zahlen zuordnen. Die auf den natürlichen Zahlen basierende Ordnungsrelation ist total. Dies bedeutet auf die Menge der Zustände 8

11 übertragen, dass für zwei beliebige Zustände s und t gilt: Entweder kommt s zeitlich vor t, s und t sind gleich oder s kommt nach t. Bei Verwendung einer verzweigten Zeitstruktur ist die Zukunft nicht eindeutig definiert. Die hier verwendete Ordnungsrelation muss einer Baumordnung entsprechen. Für jeden Zustand, der mehrere unmittelbare Nachfolger enthält, steht nicht eindeutig fest, welcher Zustand danach als erstes eintritt. Da die Verzweigung nur in die Zukunft gerichtet ist, besitzen die Zustände der Vergangenheit eine lineare Ordnungsrelation. 3.4 LTL LTL steht für linear temporal logic. Diese Logik zeichnet sich durch die Verwendung einer linearen Zeitstruktur aus. In [Em90] werden folgende drei grundlegende nnahmen für LTL getroffen:. Die Zeit ist diskret. 2. Es gibt einen Startzustand, der keine Vorgänger besitzt. 3. Die Zukunft ist unendlich. Die nnahme einer diskreten Zeit ist darauf zurückzuführen, dass heutige Computer digitale Geräte sind, die nur diskrete Berechnungen ermöglichen. Somit läuft auch die Zeit diskret ab, indem jeder Zeitpunkt als ein Zustand betrachtet wird. Jedes Programm beginnt in einem Startzustand ohne vorherige Informationen, dies rechtfertigt die zweite nnahme. Die letzte nnahme ist damit zu begründen, dass die zu untersuchenden Programme im Idealfall nie stoppen und unendlich lange laufen sollen. Zu LTL gibt es Varianten, die entweder auf der ussagenlogik oder der Prädikatenlogik basieren. Im folgenden wird nur die Erweiterung der ussagenlogik untersucht. Diese Logik wird in [Em90] als PLTL bezeichnet Syntax von LTL Die Syntax von LTL erweitert die Syntax der ussagenlogik um vier weitere Operatoren. Sie wird mittels Backus Naur Form (BNF) nach [HR0] folgendermaßen definiert: ( p) ( p p) ( p p) ( p p) ( p p) Xp Fp Gp ( p U p) p :: = P P bezeichnet hier eine beliebig atomare aussagenlogische Formel. 9

12 Die höchste Bindung besitzen die unären Operatoren, X, F und G. Danach folgen zuerst das und anschließend das. ls letztes kommen, sowie U. Zusätzlich zu den Umformungsmöglichkeiten der ussagenlogik können in LTL folgende Umformungen durchgeführt werden: Fp = ( true U p) Gp = F p Semantik von LTL Zur Definition der Semantik von LTL wird neben der Definition des Rahmens der linearen Zeitstruktur eine uswertungsfunktion benötigt, die jeder Formel in jedem Zustand einen Wahrheitswert zuordnet bzw. jedem Zustand die Menge der gültigen atomaren ussagen zuweist. Damit wird der Rahmen um eine Funktion erweitet. Die Zeitstruktur in der Verwendung einer temporalen Logik wird als Struktur ( S, R L) M =, definiert. Diese Strukturen werden auch als Kripkestrukturen bezeichnet. S bezeichnet die Menge der Zustände, L : S Potenzmenge( P) R die Übergangsrelation R S S über den Zuständen und die Funktion, die jedem Zustand eine Teilmenge der Menge P aller atomaren ussagen zuweist, die in diesem Zustand gültig sind. Da in LTL nur lineare Zeitstrukturen betrachtet werden, sind ussagen nicht auf einzelnen Zuständen, sondern auf einem Pfad oder auf Teilpfaden definiert. Im folgenden bedeutet M, π p, dass die Formel p im Pfad π = ( s s 0,... ) für die, Struktur M gültig ist, M, π i p bedeutet, dass die Formel p in einem Teilpfad von π = ( s s 0,... ) beginnend mit dem Zustand gültig ist. Ist die Struktur klar, so kann, s i das Symbol M weggelassen werden und es wird nur π p geschrieben. Die Semantik von LTL ist nach [HR0] folgendermaßen definiert: ( ). π P gdw. P L für eine atomare aussagenlogische Formel P. s 0 2. π p gdw. π p. 3. π ( p q) gdw. π p und π q. 4. π Xp gdw. π p. 5. π Fp gdw. j 0 für das gilt: π j p. 0

13 6. π Gp gdw. j 0 gilt: π j p. 7. π ( p U q) gdw. j 0 für das gilt: π q und j 0 k < j gilt: π k p. Der Wahrheitswert einer Formel ist immer auf den gegenwärtigen Zeitpunkt bzw. Zustand bezogen. In den nachfolgenden bbildungen stellt der erste dargestellte Zustand den jeweils aktuellen Zustand dar. Die vollständig ausgefüllten Zustände sind diejenigen, in denen die ussage p wahr ist. Die Formel Xp ist im aktuellen Zustand wahr, wenn p im nächsten Zustand wahr ist. Die Formel Fp ist im aktuellen Zustand wahr, wenn p in einem beliebigen Zustand in der Zukunft wahr ist. Die Formel Gp ist im aktuellen Zustand wahr, wenn p in jedem Zustand in der Zukunft wahr ist. q) Die Formel ( p U ist im aktuellen Zustand wahr, wenn p vom aktuellen Zustand an solange wahr ist, bis q wahr wird. In dem schraffierten Zustand ist q wahr, über p wird hierbei keine ussage mehr getroffen. Eine Formel verhält sich nach [Mc93] wie ein offener Satz mit einem freien Parameter, der den aktuellen Zustand repräsentiert. Da eine Formel aber nicht nur in einem bestimmten Zustand gültig sein muss, steht dieser Parameter für die Menge aller gültigen Zustände. nders herum wird durch die Festlegung eines Zustandes eine Menge von Formeln definiert, die in diesem Zustand gültig sind. Eine Formel p in LTL ist genau dann erfüllbar, wenn es eine Zeitstruktur M = ( S, R, L) gibt, auf der ein Pfad π definiert ist, so dass M, π p gilt. Jede Zeitstruktur, die dies erfüllt, wird somit als Modell für p bezeichnet. Die Formel p heißt gültig genau dann, wenn diese Formel für alle Zeitstrukturen M = ( S, R, L) gilt. In diesem Fall wird nur p geschrieben. Die Formel p ist gültig genau dann, wenn p nicht erfüllbar ist.

14 3.4.3 Varianten von LTL Es gibt viele Varianten von LTL. Diese betreffen z. B. die Semantik der Operatoren oder die verwendeten Operatoren überhaupt. Zu den hier verwendeten lassen sich noch Operatoren hinzufügen, die ussagen über die Vergangenheit ermöglichen. Die Semantik der Operatoren lässt sich z. B. auf die Frage hin ändern, ob die Zukunft die Gegenwart mit einschließt oder nicht. Weitere Beispiele von Varianten, welche die Semantik von Operatoren betreffen, können in [Em90] nachgelesen werden. Die zuvor angegebene Logik basiert auf der ussagenlogik. Eine grundlegende Änderung dieser Logik besteht darin, diese auf der Prädikatenlogik aufzubauen. Bei einer solchen Erweiterung muss die Unentscheidbarkeit der Prädikatenlogik beachtet werden. Da Formeln temporaler Logiken automatisiert auf Gültigkeit überprüft werden sollen, kann diese Erweiterung nur so restriktiv erfolgen, dass die daraus entstehende Logik entscheidbar ist. Diese Erweiterung wird in dieser rbeit nicht weiter untersucht. 3.5 CTL CTL steht für Computation tree logic. Diese temporale Logik wurde von Clarke und Emerson [CE8] definiert. CTL basiert auf der ussagenlogik und benutzt eine verzweigte Zeitstruktur. Jeder Zeitpunkt kann bei dieser Zeitstruktur mehrere nachfolgende Zeitpunkte besitzen, d. h. die Zukunft ist nichtdeterministisch. Dieses Zeitmodell besitzt eine baumähnliche Struktur, da sich die Menge aller möglichen Pfade eines Modells als Baum darstellen lässt. Hieraus stammt auch der Name dieser Logik, Berechnungsbaumlogik. CTL ist syntaktisch eng mit LTL verbunden, da es die gleichen temporalen Operatoren benutzt. CTL ist im Vergleich zu LTL aber eine syntaktisch sehr restriktive Logik. Dies schränkt ihre usdrucksstärke stark ein Syntax von CTL Formeln in CTL enthalten Paare von temporalen Konnektoren, die aus einem Pfadquantor gefolgt von einem temporalen Operator bestehen. Die Pfadquantoren sind die Symbole und E, die temporalen Operatoren die Symbole X, F, G und U. Diese Konnektoren dürfen in einer syntaktisch korrekten Formel nie getrennt vorkommen. Die Syntax einer Formel in CTL wird in BNF nach [HR0] folgendermaßen definiert: 2

15 p :: = P ( p) ( p p) ( p p) ( p p) ( p p) Gp EGp ( p U p) E( p U p) Xp EXp Fp EFp P bezeichnet hier eine beliebig atomare aussagenlogische Formel. Die höchste Bindung besitzen die unären Operatoren, X, EX, F, EF, G und EG. Danach folgen und. ls letztes kommen, sowie U und EU. Zur eindeutigen Bindung können beliebig zusätzliche Klammern gesetzt werden. Mit obigen Regeln können zu den Umformungsmöglichkeiten der ussagenlogik folgende weitere Umformungen vorgenommen werden: Fp ( true U p) EFp E( true U p) Gp E( true U p) EGp ( true U p) Semantik von CTL Zur Definition der Semantik von CTL wird analog zur Definition der Semantik von LTL neben der Definition des Rahmens noch eine uswertungsfunktion benötigt, die jedem Zustand die Menge der in dem jeweiligen Zustand gültigen atomaren ussagen zuweist. Der verwendete Rahmen besitzt hier keine lineare, sondern eine verzweigte Zeitstruktur. Die um die uswertungsfunktion erweiterte Zeitstruktur enthält die Menge der Zustände S, die Übergangsrelation R S S über diesen Zuständen, die jedem Zustand mindestens einen Nachfolger zuweist, und die uswertungsfunktion ( P) ( S, R L) M =, L : S Potenzmenge, die jedem Zustand eine Teilmenge der Menge P aller atomaren ussagen zuweist, die in diesem Zustand gültig sind. Im folgenden bedeutet M, p, dass die Formel p im Zustand s für die Struktur s i i M gültig ist. Ist die Struktur klar, so kann das Symbol M weggelassen werden und es wird nur s i p geschrieben. Die Semantik von CTL ist wird nach [CE8] über strukturelle Induktion folgendermaßen definiert:. s 0 P gdw. P L( s 0 ), für eine atomare aussagenlogische Formel P. 2. s 0 p gdw. s p 0 3

16 3. 0 s ( ) p gdw. und p. p 2 4. gdw. für alle Pfade 0 s0 p s0 2 s Xp (,,... ) s gilt: s p. 0 s 5. gdw. für mindestens einen Pfad 0 s EXp (,,... ) 6. s 0 ( p U p2 gdw. für alle Pfade s gilt: s p. 0 s ) (,,... ) s für mindestens ein i 0 gilt: 0 s p und für alle si 2 0 j < i gilt: p. s j 7. s 0 ( p U p2 gdw. für mindestens einen Pfad E ) (,,... ) s für mindestens ein 0 s i 0 gilt: p und für alle si 2 0 j < i gilt: p. s j Die übrigen Operatoren werden an dieser Stelle nicht explizit definiert, da diese sich über die Umformungsregeln ableiten lassen. Der Pfadquantor bedeutet, dass eine ussage für alle Pfade gilt, der Pfadquantor E besagt, dass eine ussage für mindestens einen Pfad gilt. Die temporalen Operatoren X, F,G und U besitzen dieselbe Bedeutung wie in der Logik LTL. Die folgenden bbildungen zeigen die Bedeutungen der Formeln grafisch. In den bbildungen sind diejenigen Zustände ausgefüllt, in denen die ussage p wahr ist. In den schraffiert dargestellten Zuständen ist die ussage q wahr. Die Wurzel der abgebildeten Bäume stellt den aktuellen Zustand dar, in dem die jeweilig angegebene Formel wahr ist. Jeder Knoten besitzt hier genau zwei Nachfolger. Dies muss nicht grundsätzlich der Fall sein. Jeder Knoten muss mindestens einen Nachfolger besitzen. Jeder dargestellte Pfad geht unendlich lange weiter. Zur Veranschaulichung ist die verwendete Baumtiefe ausreichend. EXp EFp EGp E(p U q) Xp Fp Gp (p U q) 4

17 3.5.3 Semantische Äquivalenzen Zwei Formeln p und q in CTL sind genau dann äquivalent, wenn in jedem Zustand eines beliebigen Modells, in dem eine der beiden Formeln erfüllt ist, gleichzeitig auch die andere Formel gilt. Zur vollständigen usdrucksstärke genügt es, die Logik CTL über der Menge der false EX, ( U ) Operatoren, und zusammen mit E und EG zu definieren. lle anderen Operatoren lassen sich daraus ableiten. Dafür müssen die folgenden Äquivalenzen bekannt sein: Fp EG p EFp E( true U p) Xp EX p ( true U p) Gp E ( p U q) ( E( q U ( p q) ) EG q) Die vollständige usdrucksstärke lässt sich auch über andere Operatoren umsetzen CTL Model Checking Der usgangspunkt des Model Checking ist die Frage, ob in einem gegebenen Modell, das sich in einem bestimmten Zustand befindet, eine gegebene Formel in diesem Zustand wahr ist oder nicht. Die Gleichung M, s p wird als ein Berechnungsproblem betrachtet. lternativ könnte auch nur ein Modell und eine Formel gegeben sein, und es interessiert die Menge der Zustände, für die diese Formel gültig ist. Dieses Problem würde die erste Fragegestellung automatisch mit beantworten. Die zweite Fragestellung lässt sich mit Hilfe des sogenannten Markierungsalgorithmus berechnen. Dieser läuft folgendermaßen ab: ls Eingabe wird ein Modell M und eine Formel p erwartet. Die Formel p muss in CTL sein und darf nur die Operatoren false, und zusammen mit EX, E ( U ) und F besitzen, alle anderen Konnektoren müssen vor der nwendung des lgorithmus entsprechend semantisch äquivalent umgeformt werden. Die angegebenen Konnektoren sind zur Vollständigkeit der usdrucksstärke von CTL ausreichend. Der lgorithmus gibt die Menge der Zustände des Modells M aus, welche die Formel p erfüllen. Der erste Schritt des lgorithmus 5

18 besteht darin, die Potenzmenge der Teilformeln der Formel p zu bilden. Beginnend mit der kürzesten Teilformel wird mit jedem Element dieser Potenzmenge einer der nachfolgenden Schritte durchgeführt. Dieser Schritt hängt vom Inhalt der Teilformel ab: false : Es wird kein Zustand markiert. p : lle Zustände werden markiert, für die gilt: L( s) p. p q : Markiere alle Zustände mit p q, die bereits sowohl mit p als auch mit q markiert sind. p : Markiere alle Zustände mit p, die nicht bereits mit p markiert sind. Fp : Falls es irgendeinen Zustand gibt, der bereits mit p markiert ist, so markiere diesen mit Fp. Markiere solange alle Zustände mit Fp, dessen Nachfolger alle bereits mit ergeben. Fp markiert sind, bis sich keine Änderungen mehr ( p U q : Markiere alle Zustände mit E ) ( p U q) sind. Markiere solange alle Zustände mit E, die bereits mit q markiert E ( p U q), die bereits mit p markiert sind und mindestens einen unmittelbaren Nachfolger besitzen, der bereits mit E ( p U q) markiert ist, bis keine weiteren Änderungen möglich sind. EXp : Markiere jeden Zustand mit EXp, der mindestens einen unmittelbaren Nachfolger besitzt, der bereits mit p markiert ist. Wurde dieser lgorithmus mit allen Teilformeln und der zu prüfenden Formel selber durchgeführt, so müssen die Zustände gesucht werden, die mit der zu prüfenden Formel markiert sind. Für die Menge dieser Zustände ist die eingegebene Formel gültig. Dieser lgorithmus besitzt die Komplexität O ( f V ( V + E) ). Hierbei ist f die nzahl der Konnektoren der zu prüfenden Formel, V entspricht der Menge der Zustände des Modells und E entspricht der nzahl der Zustandsübergänge. Zur Laufzeitverbesserung können in der zu prüfenden Formel auch mehr als nur die minimal benötigte Menge an zulässigen Konnektoren erlaubt werden. Das Problem der Zustandsexplosion bleibt jedoch auch bei diesen Verbesserungen erhalten. Unter diesem Problem wird die exponentiell mit der nzahl der Programmvariablen wachsende Menge der Zustände eines Modells verstanden. 6

19 3.5.5 nwendung des Markierungsalgorithmus Gegeben sei ein beliebiges Modell dargestellt als gerichteter Graph. Mit Hilfe des Markierungsalgorithmus sollen alle Zustände gefunden werden, in denen eine gegebene Formel F wahr ist. Dazu werden der nachfolgende Graph und die Formel EFp untersucht. Der Zustand, in dem die Teilformel p wahr ist, ist entsprechend beschriftet. s 0 s s 2 s 3 p Zur nwendung des Markierungsalgorithmus wird die Formel EFp so umgeformt, dass nur Teilformeln enthalten sind, für die der lgorithmus definiert ist. ( true U p) E( false U p) EFp E ls nächstes wird diese Formel in ihre Teilformeln zerlegt. Zusätzlich werden die Teilformeln der Länge nach sortiert, so dass der lgorithmus der Reihenfolge der Länge der Teilformeln nach auf jede Teilformel angewandt werden kann. Die Menge der Teilformeln ergibt: p, false, false, E ( false U p) Im ersten Schritt wird der lgorithmus für die Teilformeln der Länge eins, p und false, durchlaufen. Es werden alle Zustände mit p markiert, in denen die Teilformel p gilt, dies ist nur der Zustand s. Die boolsche Konstante false ist immer falsch, daher werden hiermit keine Zustände markiert. Im zweiten Schritt wird der lgorithmus auf die Teilformel false Zustand markiert. Im letzten Schritt wird die Formel angewandt. Diese ist überall wahr, daher wird hiermit jeder ( false U p) E angewandt. Dazu werden mit dieser Formel zuerst alle Zustände markiert, in denen p gilt, dies ist Zustand s. Im weiteren werden die Zustände markiert, welche bereits mit markiert sind und mindestens einen unmittelbaren Nachfolger besitzen, der mit false markiert ist. Dies wird solange wiederholt bis keine Änderungen mehr erfolgen. Dabei wird zuerst Zustand und dann s markiert. Danach erfolgen keine weiteren s0 2 Änderungen. Damit ist die Formel EFp in den Zuständen s0, s und s2 gültig. p 7

20 3.6 Fixpunktcharakterisierung Der zuvor dargestellte lgorithmus nutzt die Eigenschaft, dass sich die Operatoren temporaler Logiken als Fixpunkte monotoner Funktionale berechnen lassen. Funktionale werden in der Form λ y. f geschrieben, wobei f die Formel und y die Variable bezeichnen. Ein Fixpunkt eines Funktionals f ist gegeben, wenn f ( p) = p f ist monoton, wenn für alle Teilmengen x, y seiner Definitions- gilt. Ein Funktional menge S gilt: us x y folgt f ( x) f ( y). Monotone Funktionale besitzen nach [Ta55] einen kleinsten sowie einen größten Fixpunkt. Zur Berechnung des kleinsten Fixpunktes wird als Startwert die leere Menge übergeben. Der größte Fixpunkte wird berechnet, indem als Startwert die Menge aller Elemente der Definitionsmenge übergeben wird. uf diese Startwerte wird die Funktion solange auf sich selber angewandt, bis keine Änderung des Funktionswertes mehr erfolgt. Zur Berechnung der Fixpunkte der Operatoren einer temporalen Logik wird die Funktion einmal mit und einmal mit true gestartet. uf das Model Checking übertragen, entspricht dies einmal der leeren Menge und einmal der Menge der Zustände eines Modells. Diese Menge ist endlich, da nur Systeme betrachtet werden, die sich in endlichen Modellen darstellen lassen. Bei einer endlichen Zustandsmenge mit Zuständen muss ein monotones Funktional f maximal n -mal auf sich selber angewandt werden, um einen Fixpunkt zu finden. n false Die Fixpunktcharakterisierung der Operatoren von CTL führt zu folgendem Ergebnis, wobei µ y. f den kleinsten und ν y. f den größten Fixpunkt bezeichnet. Gp = ν y. p X EGp = ν y. p EX Fp = µ y. p X y y y EFp = µ y. p EX y E ( q U p) µ y p ( q X y =. ) ( q U p) = µ y. ( p ( q EX y) ) Diese Darstellung der Operatoren als Fixpunkte wird im obigen lgorithmus für das Model Checking ausgenutzt. Da hiermit gezeigt ist, dass jede Fixpunktberechnung höchstens so viele Schritte erfordert, wie das entsprechende Modell Zustände enthält, ist auch bewiesen, dass der Markierungsalgorithmus terminiert. 8

21 3.7 Theoretische spekte temporaler Logiken In diesem bschnitt werden theoretische spekte der dargestellten temporalen Logiken untersucht. Hier geht es darum, ussagen über die Entscheidbarkeit, usdrucksstärke und Komplexität zu treffen und die verschiedenen Logiken daraufhin zu vergleichen. Die Entscheidbarkeit ist sowohl bei LTL als auch bei CTL gegeben. Die Grundlage hierfür ist darin begründet, dass beide Logiken auf der ussagenlogik basieren, die ebenfalls entscheidbar ist. Weiter wurde durch die ngabe eines lgorithmus zum Model Checking gezeigt, dass ussagen in CTL in endlicher Zeit überprüfbar sind. Für LTL existieren ebenso lgorithmen. Eine Möglichkeit besteht hier, ein System als Büchi-utomat darzustellen. Die Komplexität des dargestellten Markierungsalgorithmus liegt in deterministisch polynomieller Zeit bezüglich der Modellgröße und der Formellänge. Die Komplexität der bekannten lgorithmen für LTL Formeln ist weitaus größer und befindet sich in der Klasse PSPCE-vollständig. Bezüglich der usdrucksstärke sind LTL und CTL unvergleichbar. Es entsteht zunächst der Eindruck, dass CTL gegenüber LTL ausdrucksstärker ist, da hier zusätzlich zu den temporalen Operatoren Pfadquantoren erlaubt sind, die Bedeutungen für einzelne Berechnungspfade besitzen. In einem anderen Punkt ist jedoch LTL ausdrucksstärker. In LTL sind bestimmte Verschachtelungen boolscher Konnektoren mit den temporalen Operatoren erlaubt, die in CTL nicht gestattet sind. Daher ist weder LTL noch CTL ausdrucksstärker. Vielmehr ist es möglich, bestimmte ussagen in beiden Logiken auszudrücken. Daher bilden die usdrucksmöglichkeiten beider Logiken nur eine Schnittmenge. LTL CTL Die Formel G EFp ist nur in CTL enthalten, nicht aber in LTL. Die hier angegebenen Pfadquantoren existieren in LTL nicht, daher sind dort ussagen über alle oder nur einige Pfade nicht möglich. Diese Möglichkeit ist nur in CTL gegeben. 9

22 Kapitel 4: Zusammenfassung Die Formel GFp Fq ist nur in LTL enthalten, nicht aber in CTL. Würde diese Formel in CTL um den Pfadquantor ergänzt, so hätte die neue Formel nicht die gleiche Bedeutung. ußerdem können in CTL temporale Operatoren nicht wie in LTL unmittelbar nacheinander folgen. Die Formel ( p Fq) G ist sowohl in CTL als auch in LTL enthalten, da diese Formel aus syntaktischer Sicht um den Operator gekürzt werden kann, so dass nur noch G( p Fq) übrig bleibt. Dies sagt in LTL immer noch dasselbe aus, da nur ein Zeitpfad betrachtet wird. Semantisch bedeutet die Formel, dass (für alle Pfade) immer gilt: p impliziert, dass (für alle Pfade) irgendwann q gilt. Dies ist auch in CTL (für alle Pfade) der Fall, da jeder temporaler Operator den Pfadquantor besitzt. Da in LTL nur ein Pfad betrachtet wird, entspricht dies der Formel ohne 4 Zusammenfassung in LTL. Soft- und Hardwaresystemen lassen sich neben dem Testen auch durch Beweise auf Korrektheit prüfen. Eine Möglichkeit ist, dies mittels Model Checker durchzuführen. Dafür wird vorausgesetzt, dass sich ein zu prüfendes System als endliches Modell darstellen lässt. Model Checker erlauben zudem nur die Prüfung bestimmter Eigenschaften wie z. B. Lebendigkeit oder Deadlockfreiheit. Diese Eigenschaften müssen in einer formalen Spezifikation dargestellt werden. Dazu werden temporale Logiken benötigt, die eine Erweiterung der ussagen- oder auch der Prädikatenlogik sind. Diese Logiken basieren auf unterschiedlichen Zeitmodellen. Unterschieden werden lineare und verzweigte Zeitmodelle. Die Logik LTL basiert auf einem linearen Zeitmodell, CTL dagegen basiert auf einem verzweigten Zeitmodell. Der lgorithmus des CTL Model Checking erwartet als Eingabe die Spezifikation einer zu prüfenden Eigenschaft in einer temporalen Logik und ein Modell des zu prüfenden Systems. Dieses Modell enthält die Zustände, Zustandsübergänge und uswertungsfunktion. Der vorgestellte Markierungsalgorithmus berechnet die Menge der Zustände, in denen eine gegebene Formel in CTL gültig ist. Die Grundlage dieses lgorithmus ist die Fixpunktcharakterisierung. Diese besagt, dass jede monotone Funktion einen kleinsten und einen größten Fixpunkt besitzt, die sich bei endlicher nwendung der Funktion auf sich selber berechnen lassen. Da die Systeme endlich sind, lässt sich dies auf das Model Checking übertragen. ls Fixpunkte ergeben sich die Operatoren der temporalen Logiken. 20

23 Literaturverzeichnis [Bu84] [CE8] [Em90] Burges, John. P.: Basic tense logic. In: Handbook of philosophical logic. Band II: Extensions of Classical Logic. Hrsg.: D. Gabbay, F. Guenthner. Dordrecht, Bosten, Lancester 984, S Clarke, Edmund M.; Emerson, E. llen: Design and Synthesis of Synchronization Skeletons using Branching Time Temporal Logic. In: Lecture Notes on Computer Science, Hrsg.: Dexter Kozen, Band 3, 98, S Emerson, E. llen: Temporal and Modal Logic. In: Formal Models and Semantics. Hrsg.: Jan van Leeuwen, Band B, msterdam u.a. 990, S [HR0] Huth, Michael; Ryan, Mark: Logic in Computer Science, Cambridge 200. [Mc93] McMillan, Kenneth L.: Symbolic Model Checking, Boston u.a [Sc00] Schöning, Uwe: Logik für Informatiker, 5.ufl., Heidelberg, Berlin [Ta55] Tarski, lfred: lattice-theoretical fixpoint theorem and its applications. Pacific Journal of Mathematics, 955, S

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:

Mehr

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese

Mehr

Semantik von Formeln und Sequenzen

Semantik von Formeln und Sequenzen Semantik von Formeln und Sequenzen 33 Grundidee der Verwendung von Logik im Software Entwurf Syntax: Menge von Formeln = Axiome Ax K ist beweisbar Formel ϕ beschreiben Korrektkeit Vollständigkeit beschreibt

Mehr

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren:

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren: 4. AUSSAGENLOGIK: SYNTAX 4.1 Objektsprache und Metasprache 4.2 Gebrauch und Erwähnung 4.3 Metavariablen: Verallgemeinerndes Sprechen über Ausdrücke von AL 4.4 Die Sprache der Aussagenlogik 4.5 Terminologie

Mehr

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30 Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

Bisher. Wiederholung NFA Modellierung durch NFA Kripke-Struktur

Bisher. Wiederholung NFA Modellierung durch NFA Kripke-Struktur Bisher Wiederholung NFA Modellierung durch NFA Kripke-Struktur Model-Checking Modell beschrieben durch Kripke-Struktur A Spezifikation ϕ in einer Temporallogik Verifikation: Nachweis, dass die Struktur

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

Programmiersprachen und Übersetzer

Programmiersprachen und Übersetzer Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

Prädikatenlogik - Micromodels of Software

Prädikatenlogik - Micromodels of Software Prädikatenlogik - Micromodels of Software Philipp Koch Seminar Logik für Informatiker Universität Paderborn Revision: 30. Mai 2005 1 Inhaltsverzeichnis 1 Motivation 3 2 Modelle 3 2.1 Definition eines Modells.......................

Mehr

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt

Mehr

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

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

Mehr

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl

Mehr

1 topologisches Sortieren

1 topologisches Sortieren Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

Theorie der Informatik

Theorie der Informatik Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax

Mehr

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.

Mehr

Formeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur

Formeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die

Mehr

Binäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen

Binäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders

Mehr

Zeichen bei Zahlen entschlüsseln

Zeichen bei Zahlen entschlüsseln Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren

Mehr

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes. Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik

Mehr

Bevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen.

Bevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen. R. Brinkmann http://brinkmann-du.de Seite 1 13.0.010 Lineare Gleichungen Werden zwei Terme durch ein Gleichheitszeichen miteinander verbunden, so entsteht eine Gleichung. Enthält die Gleichung die Variable

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Anmerkungen zur Übergangsprüfung

Anmerkungen zur Übergangsprüfung DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung

Mehr

Inhalt. 1 Einleitung AUTOMATISCHE DATENSICHERUNG AUF EINEN CLOUDSPEICHER

Inhalt. 1 Einleitung AUTOMATISCHE DATENSICHERUNG AUF EINEN CLOUDSPEICHER AUTOMATISCHE DATENSICHERUNG AUF EINEN CLOUDSPEICHER Inhalt 1 Einleitung... 1 2 Einrichtung der Aufgabe für die automatische Sicherung... 2 2.1 Die Aufgabenplanung... 2 2.2 Der erste Testlauf... 9 3 Problembehebung...

Mehr

Erfüllbarkeit und Allgemeingültigkeit

Erfüllbarkeit und Allgemeingültigkeit Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ

Mehr

Logische Folgerung. Definition 2.11

Logische Folgerung. Definition 2.11 Logische Folgerung Definition 2.11 Sei 2A eine aussagenlogische Formel und F eine endliche Menge aussagenlogischer Formeln aus A. heißt logische Folgerung von F genau dann, wenn I ( ) =1für jedes Modell

Mehr

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

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

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen

Mehr

Der Aufruf von DM_in_Euro 1.40 sollte die Ausgabe 1.40 DM = 0.51129 Euro ergeben.

Der Aufruf von DM_in_Euro 1.40 sollte die Ausgabe 1.40 DM = 0.51129 Euro ergeben. Aufgabe 1.30 : Schreibe ein Programm DM_in_Euro.java zur Umrechnung eines DM-Betrags in Euro unter Verwendung einer Konstanten für den Umrechnungsfaktor. Das Programm soll den DM-Betrag als Parameter verarbeiten.

Mehr

Informatik I WS 07/08 Tutorium 24

Informatik I WS 07/08 Tutorium 24 Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben

Mehr

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Prolog basiert auf Prädikatenlogik

Prolog basiert auf Prädikatenlogik Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:

Mehr

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert

Mehr

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775, Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen

Mehr

Grundlagen der Theoretischen Informatik, SoSe 2008

Grundlagen der Theoretischen Informatik, SoSe 2008 1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)

Mehr

Formale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK

Formale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK Formale Systeme Prof. Dr. Bernhard Beckert WS / KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz Association

Mehr

Binäre Suchbäume (binary search trees, kurz: bst)

Binäre Suchbäume (binary search trees, kurz: bst) Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.

Mehr

Grundlagen der Künstlichen Intelligenz

Grundlagen der Künstlichen Intelligenz Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.

Mehr

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes) Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden

Mehr

Whitebox-Tests: Allgemeines

Whitebox-Tests: Allgemeines -Tests: Allgemeines Andere Bezeichnungen Logic driven, Strukturelles Der Tester entwickelt Testfälle aus einer Betrachtung der Ablauflogik des Programms unter Berücksichtigung der Spezifikation Intuitiv

Mehr

9. Übung Formale Grundlagen der Informatik

9. Übung Formale Grundlagen der Informatik Institut für Informatik Sommersemester 2001 Universität Zürich 9. Übung Formale Grundlagen der Informatik Norbert E. Fuchs (fuchs@ifi.unizh.ch) Reinhard Riedl (riedl@ifi.unizh.ch) Nadine Korolnik (korolnik@ifi.unizh.ch)

Mehr

Lösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.)

Lösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.) Lösungsmethoden gewöhnlicher Dierentialgleichungen Dgl) Allgemeine und partikuläre Lösung einer gewöhnlichen Dierentialgleichung Eine Dierentialgleichung ist eine Gleichung! Zum Unterschied von den gewöhnlichen

Mehr

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben

Mehr

Repetitionsaufgaben Wurzelgleichungen

Repetitionsaufgaben Wurzelgleichungen Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen

Mehr

WS 2013/14. Diskrete Strukturen

WS 2013/14. Diskrete Strukturen WS 2013/14 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/ws1314

Mehr

Mathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung

Mathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und

Mehr

Informatik 2 Labor 2 Programmieren in MATLAB Georg Richter

Informatik 2 Labor 2 Programmieren in MATLAB Georg Richter Informatik 2 Labor 2 Programmieren in MATLAB Georg Richter Aufgabe 3: Konto Um Geldbeträge korrekt zu verwalten, sind zwecks Vermeidung von Rundungsfehlern entweder alle Beträge in Cents umzuwandeln und

Mehr

Funktion Erläuterung Beispiel

Funktion Erläuterung Beispiel WESTFÄLISCHE WILHELMS-UNIVERSITÄT WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT BETRIEBLICHE DATENVERARBEITUNG Folgende Befehle werden typischerweise im Excel-Testat benötigt. Die Beispiele in diesem Dokument

Mehr

Grundlagen der Informationverarbeitung

Grundlagen der Informationverarbeitung Grundlagen der Informationverarbeitung Information wird im Computer binär repräsentiert. Die binär dargestellten Daten sollen im Computer verarbeitet werden, d.h. es müssen Rechnerschaltungen existieren,

Mehr

WS 2008/09. Diskrete Strukturen

WS 2008/09. Diskrete Strukturen WS 2008/09 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/ws0809

Mehr

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 7: Einführung Aussagenlogik schulz@eprover.org Logisches Schließen 2 gold +1000, 1 per step, Beispiel: Jage den Wumpus Performance measure death 1000 10

Mehr

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term

Mehr

TREND SEARCH VISUALISIERUNG. von Ricardo Gantschew btk Berlin Dozent / Till Nagel

TREND SEARCH VISUALISIERUNG. von Ricardo Gantschew btk Berlin Dozent / Till Nagel von Ricardo Gantschew btk Berlin Dozent / Till Nagel 01 IDEE Einige kennen vielleicht GoogleTrends. Hierbei handelt es sich um eine Anwendung, bei der man verschiedenste Begriffe auf die Häufigkeit ihrer

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

Hilfe zur Urlaubsplanung und Zeiterfassung

Hilfe zur Urlaubsplanung und Zeiterfassung Hilfe zur Urlaubsplanung und Zeiterfassung Urlaubs- und Arbeitsplanung: Mit der Urlaubs- und Arbeitsplanung kann jeder Mitarbeiter in Coffee seine Zeiten eintragen. Die Eintragung kann mit dem Status anfragen,

Mehr

Internet online Update (Internet Explorer)

Internet online Update (Internet Explorer) Um Ihr Consoir Beta immer schnell und umkompliziert auf den aktuellsten Stand zu bringen, bieten wir allen Kunden ein Internet Update an. Öffnen Sie Ihren Internetexplorer und gehen auf unsere Internetseite:

Mehr

Beschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de

Beschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de Beschreibungslogiken Daniel Schradick 1schradi@informatik.uni-hamburg.de Was sind Beschreibungslogiken? Definition: Formalisms that represent knowledge of some problem domain (the world ) by first defining

Mehr

SANDBOXIE konfigurieren

SANDBOXIE konfigurieren SANDBOXIE konfigurieren für Webbrowser und E-Mail-Programme Dies ist eine kurze Anleitung für die grundlegenden folgender Programme: Webbrowser: Internet Explorer, Mozilla Firefox und Opera E-Mail-Programme:

Mehr

4. BEZIEHUNGEN ZWISCHEN TABELLEN

4. BEZIEHUNGEN ZWISCHEN TABELLEN 4. BEZIEHUNGEN ZWISCHEN TABELLEN Zwischen Tabellen können in MS Access Beziehungen bestehen. Durch das Verwenden von Tabellen, die zueinander in Beziehung stehen, können Sie Folgendes erreichen: Die Größe

Mehr

3. LINEARE GLEICHUNGSSYSTEME

3. LINEARE GLEICHUNGSSYSTEME 176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5) Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Reguläre Sprachen Endliche Automaten

Reguläre Sprachen Endliche Automaten Endliche Automaten (Folie 54, Seite 16 im Skript) Einige Vorteile endlicher deterministischer Automaten: durch Computer schnell simulierbar wenig Speicher benötigt: Tabelle für δ (read-only), aktueller

Mehr

Software Engineering Klassendiagramme Assoziationen

Software Engineering Klassendiagramme Assoziationen Software Engineering Klassendiagramme Assoziationen Prof. Adrian A. Müller, PMP, PSM 1, CSM Fachbereich Informatik und Mikrosystemtechnik 1 Lesen von Multiplizitäten (1) Multiplizitäten werden folgendermaßen

Mehr

Was ist Mathematik? Eine Strukturwissenschaft, eine Geisteswissenschaft, aber keine Naturwissenschaft.

Was ist Mathematik? Eine Strukturwissenschaft, eine Geisteswissenschaft, aber keine Naturwissenschaft. Vorlesung 1 Einführung 1.1 Praktisches Zeiten: 10:00-12:00 Uhr Vorlesung 12:00-13:00 Uhr Mittagspause 13:00-14:30 Uhr Präsenzübung 14:30-16:00 Uhr Übungsgruppen Material: Papier und Stift wacher Verstand

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Datensicherung. Beschreibung der Datensicherung

Datensicherung. Beschreibung der Datensicherung Datensicherung Mit dem Datensicherungsprogramm können Sie Ihre persönlichen Daten problemlos Sichern. Es ist möglich eine komplette Datensicherung durchzuführen, aber auch nur die neuen und geänderten

Mehr

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge Lehrstuhl für Softwaretechnik und Programmiersprachen Professor Dr. Michael Leuschel Grundlagen der Theoretischen Informatik - Sommersemester 2012 Übungsblatt 1: Lösungsvorschläge Disclaimer: Bei Folgendem

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

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

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

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines

Mehr

Installationsanleitung LogControl DL-Software

Installationsanleitung LogControl DL-Software Installationsanleitung LogControl DL-Software Version 1.0.2.17 1. Einleitung Bitte lesen Sie die Installationsanleitung zuerst aufmerksam durch, bevor Sie mit der Installation der LogControl DL-Software

Mehr

Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014

Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014 egelsammlung mb2014 THM Friedberg von 6 16.08.2014 15:04 Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014 Sammlung von Rechenregeln, extrahiert aus dem Lehrbuch: Erhard Cramer, Johanna Neslehová: Vorkurs

Mehr

Anleitung: Einrichtung der Fritz!Box 7272 mit VoIP Telefonanschluss

Anleitung: Einrichtung der Fritz!Box 7272 mit VoIP Telefonanschluss Schließen Sie die AVM Fritz!Box, wie auf dem der Fritz!Box beiliegenden Schaubild beschrieben, an. Starten Sie den Internet Explorer oder einen beliebigen Browser (Mozilla Firefox, Google Chrome, Safari)

Mehr

Mathematische Grundlagen der Informatik 2

Mathematische Grundlagen der Informatik 2 Zusammenfassung Math2I Mathematische Grundlagen der Informatik 2 Emanuel Duss emanuel.duss@gmail.com 12. April 2013 1 Zusammenfassung Math2I Mathematische Grundlagen der Informatik 2 Dieses Dokument basiert

Mehr

Folgeanleitung für Klassenlehrer

Folgeanleitung für Klassenlehrer Folgeanleitung für Klassenlehrer 1. Das richtige Halbjahr einstellen Stellen sie bitte zunächst das richtige Schul- und Halbjahr ein. Ist das korrekte Schul- und Halbjahr eingestellt, leuchtet die Fläche

Mehr

Kapiteltests zum Leitprogramm Binäre Suchbäume

Kapiteltests zum Leitprogramm Binäre Suchbäume Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm

Mehr

AUF LETZTER SEITE DIESER ANLEITUNG!!!

AUF LETZTER SEITE DIESER ANLEITUNG!!! BELEG DATENABGLEICH: Der Beleg-Datenabgleich wird innerhalb des geöffneten Steuerfalls über ELSTER-Belegdaten abgleichen gestartet. Es werden Ihnen alle verfügbaren Belege zum Steuerfall im ersten Bildschirm

Mehr

Feiertage in Marvin hinterlegen

Feiertage in Marvin hinterlegen von 6 Goecom GmbH & Co KG Marvin How to's Feiertage in Marvin hinterlegen Feiertage spielen in Marvin an einer Reihe von Stellen eine nicht unerhebliche Rolle. Daher ist es wichtig, zum Einen zu hinterlegen,

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual!

Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual! Das Dilemma des Einbrechers Wer die Wahl hat, hat die Qual! 0kg 4000 Euro Luster 5,5 kg, 430.- Laptop 2,0 kg, 000.- Schatulle 3,2 kg, 800.- Uhr 3,5 kg, 70.- Schwert,5 kg, 850.- Bild 3,4 kg, 680.- Besteck

Mehr

6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne

6.2 Petri-Netze. kommunizierenden Prozessen in der Realität oder in Rechnern Verhalten von Hardware-Komponenten Geschäftsabläufe Spielpläne 6.2 Petri-Netze WS 06/07 mod 621 Petri-Netz (auch Stellen-/Transitions-Netz): Formaler Kalkül zur Modellierung von Abläufen mit nebenläufigen Prozessen und kausalen Beziehungen Basiert auf bipartiten gerichteten

Mehr

proles-login. Inhalt [Dokument: L201401-1018 / v1.0 vom 16.01.2014]

proles-login. Inhalt [Dokument: L201401-1018 / v1.0 vom 16.01.2014] proles-login. [Dokument: L201401-1018 / v1.0 vom 16.01.2014] Inhalt 1. Einleitung 2 2. email-adresse registrieren 2 3. Benutzerinformationen des Mitarbeiters 3 4. Passwort-Rücksetzung 4 5. Passwort ändern

Mehr

Theoretische Grundlagen der Informatik WS 09/10

Theoretische Grundlagen der Informatik WS 09/10 Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3

Mehr

Logik. A.3 Logik und Mengenlehre A.32 A.32. Logik und Mengenlehre. Logik. 2001 Prof. Dr. Rainer Manthey Informatik I 21

Logik. A.3 Logik und Mengenlehre A.32 A.32. Logik und Mengenlehre. Logik. 2001 Prof. Dr. Rainer Manthey Informatik I 21 Logik und Mengenlehre.3 Logik und Mengenlehre 2001 Prof. Dr. Rainer Manthey Informatik I 21 Logik Logik 2001 Prof. Dr. Rainer Manthey Informatik I 22 Logik: egriff, edeutung und Entwicklung Logik ist die

Mehr

Vermeiden Sie es sich bei einer deutlich erfahreneren Person "dranzuhängen", Sie sind persönlich verantwortlich für Ihren Lernerfolg.

Vermeiden Sie es sich bei einer deutlich erfahreneren Person dranzuhängen, Sie sind persönlich verantwortlich für Ihren Lernerfolg. 1 2 3 4 Vermeiden Sie es sich bei einer deutlich erfahreneren Person "dranzuhängen", Sie sind persönlich verantwortlich für Ihren Lernerfolg. Gerade beim Einstig in der Programmierung muss kontinuierlich

Mehr

Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements. von Stephanie Wilke am 14.08.08

Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements. von Stephanie Wilke am 14.08.08 Prozessbewertung und -verbesserung nach ITIL im Kontext des betrieblichen Informationsmanagements von Stephanie Wilke am 14.08.08 Überblick Einleitung Was ist ITIL? Gegenüberstellung der Prozesse Neuer

Mehr

Theoretische Informatik SS 04 Übung 1

Theoretische Informatik SS 04 Übung 1 Theoretische Informatik SS 04 Übung 1 Aufgabe 1 Es gibt verschiedene Möglichkeiten, eine natürliche Zahl n zu codieren. In der unären Codierung hat man nur ein Alphabet mit einem Zeichen - sagen wir die

Mehr