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

Größe: px
Ab Seite anzeigen:

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

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 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

Mehr

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

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

Mehr

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

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

Mehr

Grundlagen der Kombinatorik

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

Mehr

2 Vollständige Induktion

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

Mehr

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

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

Mehr

Kombinationen und Permutationen

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

Mehr

2.6 Zahlpartitionen. 2.7 Mehr Rekursionsformeln - Catalanzahlen

2.6 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

Mehr

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

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

Mehr

Berechnung von Teilmengen

Berechnung 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

Mehr

Abzählende Kombinatorik

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

Mehr

Die Zahlbereiche N, Z, Q

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

Mehr

WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3)

WS 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

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

solche Permutationen. Für n von 1 bis 8 ergeben sich folgende Zahlen: [ ]

solche 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

Mehr

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

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

Mehr

KAPITEL 2. Kombinatorik

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

Mehr

Formale Potenzreihen, Rekursionen und erzeugende Funktionen

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

Mehr

Binomialkoeffizient. 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

Binomialkoeffizient. 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

Mehr

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

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

Mehr

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

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

Mehr

Univ.-Prof. Dr. Goulnara ARZHANTSEVA

Univ.-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]

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

Kombinatorische Beweisprinzipien

Kombinatorische 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

Mehr

3 Überlagerungen und Quotienten

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

Mehr

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

Mehr

Teil 1. Mathematische Grundlagen

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

Mehr

Natürliche und ganze Zahlen, vollständige Induktion und Kombinatorik

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

Mehr

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

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

Mehr

Beispiel 27 (Beweis durch Widerspruch) Satz 28 3 ist irrational, d. h. Beweis: Widerspruchsannahme: 3 Q.

Beispiel 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:

Mehr

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

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

Mehr

Beweis des Binomischen Satzes

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

Mehr

n n!

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

Mehr

Kapitel 2. Kapitel 2 Zählen (Kombinatorik)

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

Mehr

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

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

Mehr

Vollständige Induktion. Analysis I. Guofang Wang. Universität Freiburg

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

Mehr

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

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

Mehr

WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (4)

WS 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

Mehr

Vorkurs Mathematik. Vorlesung 5. Verknüpfungen

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

Mehr

Analyse von Hashfunktionen

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

Mehr

Technische Universität München. Kombinatorik. Christian Fuchs

Technische 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

Mehr

4.6 Beweistechniken Die meisten mathematischen Behauptungen sind von der Form

4.6 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).

Mehr

ABZÄHLENDE KOMBINATORIK VORLESUNG IM WINTERSEMESTER 1999/2000

ABZÄHLENDE 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?

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik

TECHNISCHE 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)

Mehr

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

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

Mehr

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

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

Mehr

Wahrscheinlichkeitsrechnung

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

Mehr

aus der Bedingung/Annahme A folgt ein Widerspruch ), so ist A falsch!

aus 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

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/ws

Mehr

Analysis 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)

Analysis 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

Mehr

3. Musterlösung zu Mathematik für Informatiker II, SS 2004

3. 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

Mehr

Elemente der Stochastik (SoSe 2016) 5. Übungsblatt

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

Mehr

WS 2014/15 Diskrete Strukturen Kapitel 3: Kombinatorik (2)

WS 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

Mehr

Die 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: 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

Mehr

Mathematik 1 nach der Vorlesung Mathematik für Physiker 1 Wiebe. Sebastian Ritz

Mathematik 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......................

Mehr

Mathematik für Informatiker I, WS 2007/08 Musterlösung zur freiwilligen Zwischenklausur vom 4. Dezember 2007

Mathematik 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

Mehr

Mathematik 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 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

Mehr

2.1 Klassische kombinatorische Probleme

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

Mehr

Gleichmächtige Mengen

Gleichmächtige 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

Mehr

Das neue Fließband der Auto AG 1

Das 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

Mehr

Berühmte Familien von Zahlen und ihre Zusammenhänge. Nina Elisabeth Isele

Berühmte 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

Mehr

ALGORITHMISCHER BEWEIS KOMBINATORISCHER IDENTITÄTEN

ALGORITHMISCHER 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

Mehr

Analysis I - Einige Lösungen und Ergänzungen

Analysis 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

Mehr

Zur Zykelschreibweise von Permutationen

Zur 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).

Mehr

Zahlen und Rechenstrukturen

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

Mehr

Rekursive Folgen im Pascalschen Dreieck

Rekursive Folgen im Pascalschen Dreieck Reursive Folgen im Pascalschen Dreiec Inhaltsverzeichnis Holger Stephan, Tag der Mathemati,. Juni Vortrag. Einleitung........................................ Zahlenfolgen.......................................

Mehr

Rekursive Folgen im Pascalschen Dreieck

Rekursive 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-,

Mehr

Höhere Mathematik für die Fachrichtung Physik

Höhere 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

Mehr

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)

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) 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)

Mehr

Kombinatorik und Wahrscheinlichkeitsrechnung

Kombinatorik und Wahrscheinlichkeitsrechnung Kombinatorik und Wahrscheinlichkeitsrechnung Übersicht: 1 Teil 1: Elementare Kombinatorik 2 Teil 2: Grundlagen der Wahrscheinlichkeitsrechnung Kombinatorik und Wahrscheinlichkeitsrechnung E. Hüllermeier

Mehr

Kombinatorik. Simon Rainer 21. Juli Simon Kombinatorik 21. Juli / 51

Kombinatorik. 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

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

8.2 Invertierbare Matrizen

8.2 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

Mehr

Bernstein-Polynome. Autor: Johannes Erath. Schriftliche Ausarbeitung zum Vortrag vom

Bernstein-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

Mehr

Vorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null)

Vorlesung. 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

Mehr

Univ.-Prof. Dr. Goulnara ARZHANTSEVA

Univ.-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

Mehr

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

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

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete 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

Mehr

2n n + 2. n + (1 + j) 1. 2n + 2 = 1. 2n + 2. (n + 1) + j + 2 1

2n 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

Mehr

Mengen und Relationen

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

Mehr

Hallo Welt für Fortgeschrittene

Hallo 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

Mehr

Tutorium: Diskrete Mathematik

Tutorium: 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

Mehr

Naiver Algorithmus für Hamiltonkreis

Naiver 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

Mehr

Legendre Polynome. 1 2 n n! d n (( P n (x) P m (x)dx = 0 für m n.

Legendre 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

Mehr

Musterlösung Zahlentheorie Frühlingssemester 2015, Aufgabenblatt 1

Musterlösung 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

Mehr

Kombinatorik kompakt. Stochastik WS 2016/17 1

Kombinatorik 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

Mehr

Technische Universität München. Aufgaben Montag WS 2011/12

Technische 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

Mehr

Musterlösung zur Probeklausur zur Angewandten Diskreten Mathematik

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

Mehr

Permutationsgruppen. 1 Zykelzerlegung und Signum. Jesko Hüttenhain. Winter 2013

Permutationsgruppen. 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

Mehr

8.2 Invertierbare Matrizen

8.2 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

Mehr

Aufgabenblatt 1: Abgabe am vor der Vorlesung

Aufgabenblatt 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.)

Mehr

Wahrscheinlichkeitstheorie. Rohfassung. Prof. Dr. Hans-Jürgen Steens Fachhochschule Kaiserslautern Standort Zweibrücken

Wahrscheinlichkeitstheorie. 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

Mehr

Kombinatorik. Kombinatorik

Kombinatorik. 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

Mehr

Tutorium: Diskrete Mathematik

Tutorium: 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

Mehr

3 Ein wenig Kombinatorik

3 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)

Mehr

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

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

Mehr

Vorlesung Diskrete Strukturen Relationen

Vorlesung 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

Mehr

Diskrete Mathematik I Die Mathematik von Paul Erdős

Diskrete 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