Nützlich bei Diskretisierungen von Problemen sind Gaussklammern, die reellen Werten ganzzahlige zuordnen:
|
|
- Hennie Kohler
- vor 5 Jahren
- Abrufe
Transkript
1 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 Z z r} Beispiel 58. Wie viele natürlichen Zahlen leiner oder gleich 00 gibt es, die durch 2,3 und 5 teilbar sind? Sei A := {n N n 00 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 = 00/, und A A l = A l, damit ergibt sich A 2 + A 3 + A 5 ( A 6 + A 0 + A 5 + 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 (!/ = (! 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 (b B Beweis. durch Widerspruch Beispiel 6. (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, p 2,..., p 6 }, und enn : P \ {p } {0, } die ennen-funtion für p. Dann liegen im Urbild von 0 oder mindestens 5/2 = 3 Elemente. Wir nehmen mal an, das das für 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:. 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 ennen, haben wir drei Personen, die sich ennen - auch fertig. - q.e.d. 2.2 Permutationen Definition 63. Für n N, n > 0 ist [n] := {,..., n} Definition 64. Sei M eine endliche Menge. Eine bijetive Abbildung π : M M nennt man Permutation. Ein Wert m M mit π(m = m heisst Fixpunt der Permutation. Es genügt, alle Permutationen auf [n] zu untersuchen, denn es gilt 20
2 Satz 65. Für jede bjetive Abbildung f einer endlichen Menge M mit M = n in sich selbst gibt es bijetive Abbildungen num : M [n] und π : [n] [n] mit f = num π num Beweis. Jede endliche Menge ist numerierbar. Beispiel 66 (Derangement-Zahlen. Mit den o.g. Siebformel ann man auch der Anzahl der fixpuntfreien Permutationen der Länge n, die sogenannten Derangenment-Zahlen D n, berechnen.: D n = n!( + /2 /3! ( n /n! Beweis: Wir berechnen die Anzahl aller Permutationen (n!, und ziehen davon die Anzahl der Permutationen mit mindestens einem Fixpunt (ξ n ab. Sei A i := {p : [n] [n] p(i = i} Dann liefert uns die Siebformel das Ergebnis für ξ n = i=,...,n A i = r=,...,n ( (r i <...<i r n j=,...,r A i j Die j=,...,r A ij sind genau die Permuationen mit p(i j = i j für alle j =,.., r. Diese liegen also fest. Die übrigen sind nicht eingeschränt. Damit gibt es dort (n r! Möglicheiten. Davon gibt es C(n, r Kombinationen. Mit der Überlegung erhalten wir: ξ n = ( (r (n!/(r!(n r!(n r! = ( (r (n!/r! r=,...,n r=,...,n Für die Derangement-Zahlen D n ergibt sich zusammengefasst die o.g. Darstellung. Die Permutationen auf [n] bilden die Symmetrische Gruppe S n. Es gibt unterschiedliche Darstellungen für Permutationen: Wertetabelle: π = ( 2... n π( π(2... π(n ggf. auch nur als untere Zeile π = (π(...π(n. Matrixdarstellung: mit m... m n π =..... = (m ij i,j=,...,n m n... m nn { falls π(i = j m ij := 0 sonst Damit ist die Anwendung der Permutation die Multipliaton mit der Matrix. Zyeldarstellung: Definition 67. Für eine Permutation π ist ein Zyel bzw. Zylus der Länge eine Folge (p,..., p bei der für i =,..., gilt p i+ = π(p i, und π(p = p. Man ann jede Permutation auch als Produt von Zyeln schreiben. Zyel sind gewissermassen Kreise - das Startelement ist gleichgültig, aber die Reihenfolge ist wichtig! 2
3 Beispiel 68. Die Anzahl der Permutationen von [3] ist 3! = 6: ( 2 3 = (((2(3 ( 3 2 = (((3 2 (2 3 = ((2 (3 (2 3 = ((3 2 (3 2 = ((3 2 (3 2 = ((3 (2 Wir haben also: Permutation mit 3 Zyeln, 3 Permutationen mit zwei Zyeln, und 2 Permutationen mit einem Zyel. 2.3 Stirling-Zahlen. Art Definition 69 (Stirling-Zahlen. Art. Für n, N bezeichnet man die Zahlen als Sterling-Zahlen erster Art James Stirling ( Satz 70. s n, := {π : [n] [n] π ist eine Permutation mit genau Zyeln} n s n, = n! = Beweis. Jede Permutation hat mindestens einen und maximal n Zyel. Andererseits genau es genau n! Permutationen über [n] Satz 7. Setzt man s 0,0 :=, so gilt für alle n : s n, = s n, + (n s n, Beweis. (ombinatorisch: Wie ann eine Permutation über [n] mit Zylen entstehen? Entweder entsteht sie durch Zufügen des Zylus (n zu den Permutationen mit Zylen über [n ]. Das ergibt den. Summanden. Oder n wird in einen der -Zylen über [n ] hinzugefügt. Da die Reihenfolge bei Zyeln wichtig ist, hat man dafür (n Möglicheiten. Das ergibt den 2. Summanden. Mit der Reursionsformel ann man ein Dreiec der Stirling-Zahlen erster Art aufbauen. Die Zeilennummer ist dabei das n, die Zahlposition in der Zeile das, und die Zählung beginnt bei (0, 0: Beginnt man die Zählung bei (, und betrachtet nur > 0, ommt man auf folgendes Dreiec: 22
4 Mehr zu Binominaloeffizienten Auch die Binominaloeffizienten haben einige weitere interessante Aspete: Satz 72. = n- Beweis. Das folgt mit n (n = diret aus der Definition. Satz n = n =0 Beweis. Das folgt aus 2 n = ( + n und der binomischen Formel. Beweis. (alternativ, ombinatorisch: 2 n ist die Menge der Elemente der Potenzmenge einer n-elementigen Menge, und ist die Anzahl der die -elementigen Teilmengen. Summiert man über alle, muss die Anzahl aller Teilmengen entstehen. auch hier gibt es eine Reursionsformel: Satz 74. (Pascal-Dreiec Für n, N mit n > gilt: ( n- = Beweis. (ombinatorisch: Die line Seite der Gleichung entspricht der Anzahl der -elementigen Teilmengen einer n-elementigen Menge. Wie setzen sich diese zusammen? Nun, man diese in zwei Gruppen zerlegen, indem man ein Element - sei dies mit e n bezeichnet - auswählt. Die n-elementigen Teilmengen von M setzen sich dann zusammen aus den Teilmengen, die e n enthalten, und denen, die e n nicht enthalten. Das sind einerseits die (--elementigen Teilmengen von M {e n }, zu denen man das Element e n hinzunimmt, und andererseits die -elementigen Teilmengen von M {e n }. Deren Anzahlen stehen aber genau in der Summe auf der rechten Seite der Gleichung. Damit ann man das Werte reursiv berechnen. Nimmt man n für die Zeile, und für die Spalten, und startet bei n=, =, ergibt sich Es gilt auch die Vandermondesche Identität: 23
5 Satz 75., m, n N gilt: ( n+m = j=0 ( n j ( m -j Beweis. Der Beweis ist larer, wenn man die n und m nach Eigenschaften gruppiert, hier - obda - in männlich und weiblich. Seien die n und m die Mächtigeiten unterscheidbarer Teilmengen ( einer Menge, z.b. n Frauen und n+m m Männer einer Personengruppe. Es gibt nun, wie bereits beweisen, -elementige Teilmengen davon. Andererseits hat jede -elementige Teilmenge 0 j Frauen aus den n Frauen ausgewählt, und entsprechend ( j Männer. ( ( n m Beweis. Es gibt also für jede -elementige Teilmenge mit j Frauen genau Möglicheiten. Nun j -j müssen wir noch über alle möglichen j summieren, um alle möglichen -elementigen Teilmengen der (n + m- elementigen Menge zu beommen. Das ist genau die rechte Seite der Gleichung. Das Berechnungsschema des pascalschen Dreiecs findet man auch bei den Bernsteinpolynomen der Bezierurven wieder. Definition 76. Für n, i N, n i ist das i-te Bernsteinpolynom n-ten Grades B n,i (t := i t i ( t n i Definition 77. Für t [0, ] ist eine Bezierurve n-ten Gerades C(t zu n + -Stützpunten (Kontrollpunten, Bezierpunten P 0,..., P n definiert durch n C(t := B n,i (tp i Satz 78. i=0 B n,i (t = tb n,i (t + ( tb n,i (t 2.5 Mengenpartitionen - Stirling-Zahlen 2. Art Definition 79. Die Zerlegung einer Menge M mit n Elementen in disjunte Teilmengen, also M = i=,..., A i mit A i A j = für i j nennt man -Partition Die Anzahl der -Partitionen einer n-elementigen Menge wird mit S n, bezeichnet. Diese Zahlen nennt man auch Stirling-Zahlen 2. Art Für > n ist sicher S n, = 0, und für n > 0 gilt auch S n,0 = 0. Mit einem sinnvoll definiertem Wert für S 0,0 ommt man damit wieder zu einer schönen Reurzsonsformel: Satz 80. Sei S 0,0 :=, dann gilt für n, N, n > : S n, = S n, + S n, Das ergibt wieder ein Dreiec, beim Start bei (, und > 0:
6 Beweis. (ombinatorisch: Lins steht die Anzahl der -Partitionen einer n-elementigen Menge. Wie entstehen diese? Wir wählen wieder ein festes Element e n aus M. Man ann die -Partitionen von M dann zusammensetzen aus den -Partionen von M {e n }, indem man einer der Teilmengen das Element e n hinzufügt. Dafür hat man Möglicheiten - das ergibt den rechten Summanden. Oder man hat {e n } als eigene Partitionsmenge, dort ommen dann die ( -Partitionen von M {e n } hinzu - das ergibt den ersten Summanden. 2.6 Zahlpartitionen 4 = = = = 3 + = + 3 = = Geordnete Zahlpartitionen Satz 8. Die Anzahl der geordneten Zahlpartitionen mit Summanden ist - - Dieser Satz löst einen Spezialfall bei diophantischen Gleichungen. Beweis. (ombinatorisch Man ann die Zahl als Summe von -sen schreiben, und dann Klammerpaare hinzufügen: m = ( ( ( Dann stehen + zwischen den Klammerpaaren. ( Für die n- Auswahl dieser - aus den n- Positionen - das ist ungeordnetes Ziehen ohne Zurüclegen - habe ich - Möglicheiten Ungeordnete Zahlpartitionen Definition 82. Die Anzahl der Möglicheiten, eine natürliche Zahl n als Summe von Summanden zu schreiben, wird mit P n, bezeichnet. Man setzt P 0,0 := Satz 83. Für alle n, N mit n gilt P n, = j=0 P n,j Beweis. Wir sortieren die möglichen Partitionen, so das die -sen vorn stehen. Es ist dann n = n n i + n i n, wobei n = n 2 =... = n i = gilt. Also sind alle n i+,..., n 2. Zieht man von dem Teil bei jedem Summanden eine ab, ommt man also auf eine Zahlpartionierung von ( i-partitionierung von (n. Umgeehrt ann man jede -Partitionierung von n mit i -sen so erzeugen. Es gibt also genau P n, i verschiedene Partitionen mit i -sen. Summiert man über alle mögliche i, beommt man mit i=0,... P n, i = j=0,..., P n,j die Behauptung - q.e.d. 2.7 Catalanzahlen Definition 84. Eine Triangualisierung ist eine Partition des onvexen n-ecs in Dreiece durch sich gegenseitig nicht schneidende Diagonalen. Ein Binärbaum ist ein Baum mit einem eindeutigen Wurzelnoten, bei dem jeder Knoten maximal zwei Kindnoten hat. 25
Algebra - Neutrales und Nullelement. Definition 35. Gibt es in einer Algebra (S, ) mit binärer Operation
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
MehrDiskrete 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
MehrKombinatorik. 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
MehrGrundlagen 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
Mehr2 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
Mehr4. 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
MehrKombinationen 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
Mehr2.6 Zahlpartitionen. 2.7 Mehr Rekursionsformeln - Catalanzahlen
Beweis. (kombinatorisch): Links steht die Anzahl der k-partitionen einer n-elementigen Menge. Wie entstehen diese? Wir wählen wieder ein festes Element e n aus M. Man kann die k-partitionen von M dann
MehrDiskrete 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
MehrBerechnung von Teilmengen
Berechnung von Teilmengen Satz Anzahl der Teilmengen 2 n = n k=0 k=0 ( ) n k Beweis Korollar aus Binomischem Lehrsatz (1 + 1) n = n ( n k=0 k) 1 k 1 n k. Oder kombinatorisch: Sei M Menge mit M = n. Die
MehrAbzählende 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
MehrDie 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
MehrWS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3)
WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3) 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
MehrWS 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
Mehrsolche Permutationen. Für n von 1 bis 8 ergeben sich folgende Zahlen: [ ]
5A Permutationen Symmetrien geometrischer Figuren beschreibt man mathematisch durch Vertauschungen einer gewissen Anzahl von Punten, welche die Gesamtfigur unverändert lassen Beispiel : Drehungen und Spiegelungen
Mehr1 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
MehrKAPITEL 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,
MehrFormale 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 :
MehrBinomialkoeffizient. Für n, k N 0 mit n k definiert man den Binomialkoeffizienten. ( ) n n! n(n 1)(n 2) (n k + 1) Binomialkoeffizient 1-1
Binomialoeffizient Für n, N 0 mit n definiert man den Binomialoeffizienten n! n(n 1)(n 2) (n + 1) = =. (n )!! 1 ( 2)( 1) Binomialoeffizient 1-1 Binomialoeffizient Für n, N 0 mit n definiert man den Binomialoeffizienten
Mehr3.8 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
MehrWiederholung. 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
MehrUniv.-Prof. Dr. Goulnara ARZHANTSEVA
Diskrete Mathematik Univ.-Prof. Dr. Goulnara ARZHANTSEVA SS 2018 c Univ.-Prof. Dr. Goulnara Arzhantseva Kapitel 02: Funktionen, Multimengen, Kompositionen 1 / 18 Funktionen zwischen endlichen Mengen [n]
MehrWS 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
MehrKombinatorische Beweisprinzipien
Kombinatorische Beweisprinzipien Satz Binomischer Lehrsatz Beweis (a + b) n = n k=0 ( ) n a k b n k k Multipliziere (a + b) n aus: (a + b) (a + b)... (a + b). Aus jedem der n Faktoren wird entweder a oder
Mehr3 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
MehrKombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26
Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26 Erste Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 2 / 26 Formales Vorlesung:
Mehr$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
MehrTeil 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
MehrNatürliche 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...
MehrDiskrete 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
MehrBeispiel 27 (Beweis durch Widerspruch) Satz 28 3 ist irrational, d. h. Beweis: Widerspruchsannahme: 3 Q.
Beispiel 27 (Beweis durch Widerspruch) Wir nehmen an, dass die zu zeigende Aussage falsch ist und führen diese Annahme zu einem Widerspruch. Satz 28 3 ist irrational, d. h. 3 / Q. Beweis: Widerspruchsannahme:
MehrMathematik 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
MehrBeweis 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
Mehrn 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,
MehrKapitel 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
MehrKombinatorik. 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
MehrVollständige 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
MehrÜber 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
MehrWS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (4)
WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (4) 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
MehrVorkurs 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
MehrAnalyse 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
MehrTechnische Universität München. Kombinatorik. Christian Fuchs
Kombinatorik Christian Fuchs 1.Definition Kombinatorik 2.Grundlegende Zählmethoden 3.Binomialkoeffizienten 4.Permutationen 5.Stirling-Zahlen 6.Catalan-Zahlen 7.Zahlpartitionen 8.Aufgaben 9.Literatur Technische
Mehr4.6 Beweistechniken Die meisten mathematischen Behauptungen sind von der Form
4.6 Beweistechniken Die meisten mathematischen Behauptungen sind von der Form A B bzw. (A 1 A k ) B. Um A B zu beweisen, können wir zeigen: 1 Unter der Annahme A können wir B zeigen (direkter Beweis).
MehrABZÄHLENDE KOMBINATORIK VORLESUNG IM WINTERSEMESTER 1999/2000
ABZÄHLENDE KOMBINATORIK VORLESUNG IM WINTERSEMESTER 1999/2000 MICHAEL STOLL 1. Einführung und Grundlagen 1.1. Einführung. Die erste Frage, die sich stellt, ist natürlich Was ist Abzählende Kombinatori?
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathemati Prof. Dr. Oliver Matte Max Lein Zentralübung 15. Abzählbareit Mathemati für Physier 2 Analysis 1) Wintersemester 2010/2011 Lösungsblatt 3 29.10.2009) i)
MehrKapitel 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
MehrMathematik 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
MehrWahrscheinlichkeitsrechnung
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:
Mehraus der Bedingung/Annahme A folgt ein Widerspruch ), so ist A falsch!
Bemerkungen: 1 Die Bedeutung von (und damit ) ist klar. wird oft, vor allem in Beweisen, auch als geschrieben (im Englischen: iff, if and only if). 2 Für zwei boolesche Aussagen A und B ist A B falsch
MehrWS 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/ws
MehrAnalysis I MATH, PHYS, CHAB. 2 k (2 k ) s = 2 k(1 s) = k=0. (2n 1) n=1. n=1. n n 2. n=1. n=1. = ζ(2) 1 4 ζ(2) = 3 4 ζ(2)
Prof. D. Salamon Analysis I MATH, PHYS, CHAB HS 204 Musterlösung Serie 7. Der Vollständigeit wegen, zeigen wir zunächst die Konvergenz der Reihendarstellung der ζ-funtion für s >. ζs : n n s 2 + n s 0
Mehr3. Musterlösung zu Mathematik für Informatiker II, SS 2004
. Musterlösung zu Mathemati für Informatier II, SS 004 PETER SCHEIBLECHNER &MICHAEL NÜSKEN Aufgabe. (Differenzen). Bestimme die Differenz f für f : Z! R mit (4 Punte) (i) f (n) n(n ) n. ( f )(n) (n +)n
MehrElemente 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!
MehrWS 2014/15 Diskrete Strukturen Kapitel 3: Kombinatorik (2)
WS 2014/15 Diskrete Strukturen Kapitel 3: Kombinatorik (2) 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
MehrDie Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: a 11 a 12 a a 1n a 21 a 22. det. a nn.
Die Determinante ist nur für beliebige quadratische Matrizen (n = m) definiert: Definition 1.2 (Leibniz-Formel) Die Determinante einer n n-matrix ist a 11 a 12 a 13... a 1n a 11 a 12 a 13... a 1n a 21
MehrMathematik 1 nach der Vorlesung Mathematik für Physiker 1 Wiebe. Sebastian Ritz
Mathemati 1 nach der Vorlesung Mathemati für Physier 1 Wiebe Sebastian Ritz 2 Inhaltsverzeichnis 1 Einleitung 5 2 Mengen 7 2.1 Liste der Zahlenbereiche....................... 8 2.2 Rechenregeln für Mengen......................
MehrMathematik für Informatiker I, WS 2007/08 Musterlösung zur freiwilligen Zwischenklausur vom 4. Dezember 2007
1 Mathematik für Informatiker I, WS 007/08 Musterlösung zur freiwilligen Zwischenklausur vom 4. Dezember 007 1. Ist die Permutation f ( 1 3 4 5 6 7 8 ) 9 7 3 1 6 5 4 9 8 gerade oder ungerade? Wie lautet
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018 23. November 2017 1/40 Satz 4.27 (Multinomialsatz) Seien r, n N 0. Dann gilt für
Mehr2.1 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
MehrGleichmächtige Mengen
Gleichmächtige Mengen Definition 617 Zwei Mengen A und B heißen gleichmächtig genau dann, wenn eine bijektive Funktion f : A B existiert Sind die Mengen A und B gleichmächtig, dann schreiben wir dafür
MehrDas neue Fließband der Auto AG 1
MaMaEuSch Management Mathematics for European Schools http://www.mathemati.unil.de/~mamaeusch/ Das neue Fließband der Auto AG 1 Lösungen der Übungsaufgaben Silvia Schwarze 2 Boris Klees 3 Diese Veröffentlichung
MehrBerühmte Familien von Zahlen und ihre Zusammenhänge. Nina Elisabeth Isele
Berühmte Familien von Zahlen und ihre Zusammenhänge Nina Elisabeth Isele 20.01.2015 Inhaltsverzeichnis 1 Einleitung 2 2 Berühmte Familien von Zahlen und ihre Zusammenhänge 3 2.1 Die Zahlen von Bell und
MehrALGORITHMISCHER BEWEIS KOMBINATORISCHER IDENTITÄTEN
ALGORITHMISCHER BEWEIS KOMBINATORISCHER IDENTITÄTEN MICHAEL STOLL 1. Das Problem In diesem Vortrag geht es um Identitäten. Was ist eine Identität? Das ist eine Aussage, die zwei Dinge gleich setzt, in
MehrAnalysis I - Einige Lösungen und Ergänzungen
Christian-Albrechts-Universität zu Kiel Mathematisch-Naturwissenschaftliche Fakultät Mathematisches Seminar Analysis I - Einige Lösungen und Ergänzungen von Dipl.-Math. Joscha Prochno Dipl.-Math. Dennis
MehrZur Zykelschreibweise von Permutationen
Zur Zykelschreibweise von Permutationen Olivier Sète 16. Juni 2010 1 Grundlagen Definition 1.1. Eine Permutation von {1, 2,..., n} ist eine bijektive Abbildung σ : {1, 2,..., n} {1, 2,..., n}, i σ(i).
MehrZahlen 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
MehrRekursive Folgen im Pascalschen Dreieck
Reursive Folgen im Pascalschen Dreiec Inhaltsverzeichnis Holger Stephan, Tag der Mathemati,. Juni Vortrag. Einleitung........................................ Zahlenfolgen.......................................
MehrRekursive Folgen im Pascalschen Dreieck
Reursive Folgen im Pascalschen Dreiec Holger Stephan, Tag der Mathemati,. Juni Zusammenfassung Viele Probleme aus den unterschiedlichsten Teilgebieten der Mathemati (z.b. Analysis, Kombinatori, Zahlen-,
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz WS 018/019 5.10.018 Höhere Mathemati für die Fachrichtung Physi Lösungsvorschläge zum. Übungsblatt
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
MehrKombinatorik und Wahrscheinlichkeitsrechnung
Kombinatorik und Wahrscheinlichkeitsrechnung Übersicht: 1 Teil 1: Elementare Kombinatorik 2 Teil 2: Grundlagen der Wahrscheinlichkeitsrechnung Kombinatorik und Wahrscheinlichkeitsrechnung E. Hüllermeier
MehrKombinatorik. Simon Rainer 21. Juli Simon Kombinatorik 21. Juli / 51
Kombinatorik Simon Rainer sr@mail25.de 21. Juli 2015 Simon Rainersr@mail25.de Kombinatorik 21. Juli 2015 1 / 51 Was ist Kombinatorik? Teilgebiet der diskreten Mathematik Endliche oder abzählbar unendliche
MehrWS 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
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrBernstein-Polynome. Autor: Johannes Erath. Schriftliche Ausarbeitung zum Vortrag vom
Bernstein-Polynome Autor: Johannes Erath Schriftliche Ausarbeitung zum Vortrag vom 07.04.2009 1 Inhaltsverzeichnis 1 Einleitung 3 2 Einführung 3 2.1 Etwas Geschichte........................... 3 2.2 Denition
MehrVorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null)
Vorlesung Algebra und Zahlentheorie Leitfaden 1 Zahlentheorie in Z Bezeichnungen: Z := {..., 3, 2, 1, 0, 1, 2, 3,...} (ganze Zahlen) und N := {1, 2, 3,...} (natürliche Zahlen ohne die Null) 1.1 Teilbareit
MehrUniv.-Prof. Dr. Goulnara ARZHANTSEVA
Diskrete Mathematik Univ.-Prof. Dr. Goulnara ARZHANTSEVA SS 2018 c Univ.-Prof. Dr. Goulnara Arzhantseva Kapitel 06: Rekursionen 1 / 30 Rekursionen Definition: Rekursion Sei c n eine Zahlenfolge. Eine Rekursion
Mehr4.1 Definition. Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn. = y 1. = y 2. xfy 1. xfy 2
4.1 Definition Gegeben: Relation f X Y f heißt Funktion (Abbildung) von X nach Y, wenn xfy 1 xfy 2 = y 1 = y 2 Y heißt Zielbereich oder Zielmenge von f. Statt (x, y) f oder xfy schreibt man y = f(x). Vollständige
MehrDiskrete Mathematik 1 WS 2008/09
Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May M. Ritzenhofen, M. Mansour Al Sawadi, A. Meurer Lösungsblatt zur Vorlesung Diskrete Mathematik 1 WS 2008/09 Blatt
Mehr2n n + 2. n + (1 + j) 1. 2n + 2 = 1. 2n + 2. (n + 1) + j + 2 1
Aufgabe Die strenge Monotonie zeigen wir mittels vollständiger Indution. Indutionsanfang: Trivialerweise ist f streng monoton wachsend. Indutionsschritt: Wir nehmen an, es sei gezeigt, dass für ein gewisses
MehrMengen 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
MehrHallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Kombinatorik Patrick Groth Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Definition Kombinatorik ist das Teilgebiet der Mathematik, das sich mit den möglichen
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016
MehrNaiver Algorithmus für Hamiltonkreis
Naiver Algorithmus für Hamiltonkreis Algorithmus HAMILTON EINGABE: G = ([n], E) in Adjazenzmatrixdarstellung 1 Für alle Permutationen π : [n] [n]. 1 Falls (π(1), π(2),..., π(n)) ein Kreis in G ist, AUSGABE
MehrLegendre Polynome. 1 2 n n! d n (( P n (x) P m (x)dx = 0 für m n.
Legendre Polynome Sei R[X] der Raum der Polynomfunktionen. Die Legendre Polynome P n R[X] sind definiert durch P n (x) = 1 d n (( x 2 1 ) n). dx n (a) P n hat genau n paarweise verschiedene Nullstellen
MehrMusterlösung Zahlentheorie Frühlingssemester 2015, Aufgabenblatt 1
Aufgabenblatt 1 40 Punte Aufgabe 1 (Teilermengen) Seien a = 128 und b = 129. a) Beschreiben Sie die Teilermengen T(a) und T(b) in aufzählender Form. 2 b) Seien p, q zwei verschiedene Primzahlen. (i) Wie
MehrKombinatorik kompakt. Stochastik WS 2016/17 1
Kombinatorik kompakt Stochastik WS 2016/17 1 Übersicht Auswahl/Kombinationen von N aus m Elementen Statistische unterscheidbare ununterscheidbare Physik Objekte (gleiche) Objekte ( ohne m N m+n 1 ) N mit
MehrTechnische Universität München. Aufgaben Montag WS 2011/12
Technische Universität München Andreas Wörfel Ferienurs Analysis 1 für Physier Aufgaben Montag WS 2011/12 Aufgabe 1 Ne Menge Mengen a Zeigen Sie: A B A B B Zeige: A B A B B x (A B x A B x B, also: (A B
MehrMusterlösung 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,
MehrPermutationsgruppen. 1 Zykelzerlegung und Signum. Jesko Hüttenhain. Winter 2013
Permutationsgruppen Jesko Hüttenhain Winter 2013 Sei N eine endliche Menge. Dann bezeichnen wir mit S N := {σ : N N σ bijektiv} die symmetrische Gruppe auf N. Für n N sei [n] := {1,..., n}. Wir schreiben
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrAufgabenblatt 1: Abgabe am vor der Vorlesung
Aufgabenblatt 1: Abgabe am 17.09.09 vor der Vorlesung Aufgabe 1. a.) (1P) Geben Sie die Lösungsmenge der folgenden Gleichung an: 6x + y = 10. Zeichnen Sie die Lösungsmenge in ein Koordinatensystem. b.)
MehrWahrscheinlichkeitstheorie. Rohfassung. Prof. Dr. Hans-Jürgen Steens Fachhochschule Kaiserslautern Standort Zweibrücken
Wahrscheinlicheitstheorie Rohfassung Prof. Dr. Hans-Jürgen Steens Fachhochschule Kaiserslautern Standort Zweibrücen steens@informati.fh-l.de 8. November 2016 2 Kapitel 1 Kombinatori und elementare Wahrscheinlicheitsrechnung
MehrKombinatorik. Kombinatorik
Kombinatori Kombinatori Ziel: Bestimmen der Mächtigeiten bestimmter endlicher Mengen, die durch Anordnung oder Auswahl von Elementen einer Menge gebildet werden. Wir wissen bereits, dass für die Potenzmenge
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Abschlussklausur am 16.02.2017 (Teil 2) 15. Februar 2017 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler 15. Februar 2017
Mehr3 Ein wenig Kombinatorik
3 Ein wenig Kombinatori Definition i) Zu jedem n N definiere 1 2 3 n Saubere Definition ist indutiv 1! 1 (Konvention: 0! 1) (n +1)!(n +1) ii) Für n N und (N {0}) mit0 n setze!(n )! 1 2 n (n +1) (n +2)
MehrBei 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
MehrVorlesung Diskrete Strukturen Relationen
Vorlesung Diskrete Strukturen Relationen Bernhard Ganter WS 2009/10 Relationen Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B. Ein wichtiger Spezialfall ist
MehrDiskrete Mathematik I Die Mathematik von Paul Erdős
Lehrstuhl II für Mathemati Prof Dr Eberhard Triesch Disrete Mathemati I Die Mathemati von Paul Erdős Sript zur Vorlesung Disrete Mathemati Einleitung Die Disrete Mathemati ist die Mathemati der endlichen
Mehr