6. Induktives Beweisen - Themenübersicht
|
|
- Bernt Sommer
- vor 7 Jahren
- Abrufe
Transkript
1 6. Induktives Beweisen - Themenübersicht Ordnungsrelationen Partielle Ordnungen Quasiordnungen Totale Ordnungen Striktordnungen Ordnungen und Teilstrukturen Noethersche Induktion Anwendung: Terminierungsbeweise Verallgemeinerte Induktion Anwendung: Fibonacci-Funktion Strukturelle Induktion Anwendung: Boolesche Terme Vollständige Induktion Anwendung: Gesetze natürlicher Zahlen Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
2 6.1 Ordnungsrelationen Partielle Ordnungen Definition 6.1 (5.1) Eine homogene Relation A A heisst partielle Ordnung oder auch Halbordnung, gdw. 1 ist reflexiv: a A. a a 2 ist antisymmetrisch: a 1, a 2 A. a 1 a 2 a 2 a 1 a 1 = a 2 3 ist transitiv: a 1, a 2, a 3 A. a 1 a 2 a 2 a 3 a 1 a 3 Beispiele auf P(M) für beliebige Grundmenge M. Teilbarkeitsbeziehung auf N. Teilzeichenreihenbeziehung auf A definiert durch: w w df w 1, w 2 A. w 1 w w 2 = w. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
3 6.1 Ordnungsrelationen Partielle Ordnungen Definition 6.2 (Ordnung auf N) (5.2) Für n, m N definiere wir eine Relation durch n m df k N. n + k = m. Satz 6.3 (5.1) ist eine partielle Ordnung auf N. Später: ist total. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
4 6.1 Ordnungsrelationen Partielle Ordnungen Satz 6.3 (5.1) ist eine partielle Ordnung auf N. Beweis (Reflexivität): Sei n N. Für k = 0 gilt dann n + 0 = 0 + n = n, also auch n n. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
5 6.1 Ordnungsrelationen Partielle Ordnungen Satz 6.3 (5.1) ist eine partielle Ordnung auf N. Beweis (Antisymmetrie (1/3)): Seien m, n N mit n m und m n. Dann existieren Zahlen k 1, k 2 N mit : n + k 1 = m m + k 2 = n Setzt man m aus der ersten Gleichung in die Zweite ein, erhält man (n + k 1 ) + k 2 = n. Wegen der Assoziativität und Kommutativität der Addition folgt (k 1 + k 2 ) + n = n. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
6 6.1 Ordnungsrelationen Partielle Ordnungen Satz 6.3 (5.1) ist eine partielle Ordnung auf N. Beweis (Antisymmetrie (2/3)): Gemäß der Definition der Addition natürlicher Zahlen (siehe Definition 4.2(a)) folgt daraus und weiter (k 1 + k 2 ) + n = 0 + n k 1 + k 2 = 0 Es bleibt noch nachzuweisen, dass die bereits k 1 = 0 impliziert. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
7 6.1 Ordnungsrelationen Partielle Ordnungen Satz 6.3 (5.1) ist eine partielle Ordnung auf N. Beweis (Antisymmetrie (3/3)): Angenommen k 1 wäre von 0 verschieden. Dann gäbe es nach Lemma 4.1 eine natürliche Zahl k 1 mit k 1 = s(k 1) und damit wegen der Definition der Addition natürlicher Zahlen auch mit: k 1 + k 2 = s(k 1) + k 2 Def.4.2.(a) = s(k 1 + k 2 ). Also wäre k 1 + k 2 ein Nachfolger einer natürlichen Zahl und damit von 0 verschieden, im Widerspruch zu k 1 + k 2 = 0. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
8 6.1 Ordnungsrelationen Partielle Ordnungen Satz 6.3 (5.1) ist eine partielle Ordnung auf N. Beweis (Transitivität: Seien n, m, p N mit n m und m p. Dann existieren Zahlen k 1, k 2 N mit: n + k 1 = m m + k 2 = p Setzt man m aus der ersten Gleichung in die Zweite ein, so erhält man (n + k 1 ) + k 2 = p. Mit der Assoziativität der Addition folgt und damit n p. n + (k 1 + k 2 ) = p Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
9 6.1 Ordnungsrelationen Quasiordnungen Definition 6.1 Eine homogene Relation A A heisst Quasiordnung oder auch Präordnung, gdw. 1 ist reflexiv: a A. a a 2 ist transitiv: a 1, a 2, a 3 A. a 1 a 2 a 2 a 3 a 1 a 3 Beispiel Kleiner oder gleich groß -Beziehung auf Menge von Personen. Teilbarkeitsbeziehung auf Z (Beachte 1 1 und 1 1). Implikation auf Booleschen Termen. Weniger mächtig -Beziehung auf Mengensystemen. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
10 6.1 Ordnungsrelationen Quasiordnungen Beobachtung Beispiel Quasiordnung A A induziert Äquivalenzrelation auf A durch: a 1 a 2 df a 1 a 2 a 2 a 1. Man spricht hier auch vom Kern der Quasiordnung. bildet partielle Ordnung auf A/. Implikation auf Booleschen Termen ist Quasiordnung. Kern von ist die semantische Äquivalenz auf Booleschen Termen. Implikation auf Klassen semantisch äquivalenter Boolescher Terme ist partielle Ordnung. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
11 6.1 Ordnungsrelationen Totale Ordnungsrelationen Definition Eine Quasiordnung A A, in der alle Elemente vergleichbar sind, heißt totale Quasiordnung oder auch Präferenzordnung, d.h. Beispiel a 1, a 2 A. a 1 a 2 a 2 a 1 Weniger mächtig -Beziehung auf Mengensystemen. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
12 6.1 Ordnungsrelationen Totale Ordnungsrelationen Definition Eine partielle Ordnung A A, in der alle Elemente vergleichbar sind, heißt totale Ordnung oder auch lineare Ordnung, d.h. a 1, a 2 A. a 1 a 2 a 2 a 1 Beispiel auf N. Lexikographische Ordnung auf A*. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
13 6.1 Ordnungsrelationen Striktordnungen Beobachtung Zu einer gegebenen Quasiordnung lässt sich die zughörige Striktordnung definieren durch: Lemma 6.4 (5.1) a 1 a 2 df a 1 a 2 a 1 a 2. 1 ist asymmetrisch, d.h.: a 1, a 2 A. a 1 a 2 a 2 a 1 2 ist transitiv, d.h.: a 1, a 2, a 3 A. a 1 a 2 a 2 a 3 a 1 a 3 Folgerung: ist irreflexiv, d.h.: a A. a a Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
14 6.1 Ordnungsrelationen Striktordnungen Beobachtung Zu einer gegebenen Striktordnung lässt sich die zughörige partielle Ordnung definieren durch: a 1 a 2 df a 1 a 2 a 1 = a 2. Definition Reduziert man eine Striktordnung auf die unmittelbar benachbarten Abhängigkeiten erhält man die Nachbarschaftsordnung N definiert durch: a 1 N a 2 df a 1 a 2 a 3 A. a 1 a 3 a 2. Graphische Darstellung von N als Hasse-Diagramm bekannt. Es gilt: N = Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
15 6.1 Ordnungsrelationen Teilbarkeitsordnungen Teilbarkeitsordnungen auf {1, 2, 3, 4, 6, 12} als (a) Partielle Ordnung (b) Striktordnung (c) Nachbarschaftsordnung Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
16 6.1 Ordnungsrelationen Hasse-Diagramme Hasse Diagramme zu (a) auf N, (b) auf P({1, 2, 3}), (c) auf {1,..., 12}. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
17 6.1 Ordnungsrelationen Extremalelemente Definition 6.5 (Minimale, maximale Elemente) (5.3) Sei A A partielle Ordnung und B A. Ein Element b B heißt 1 minimales Element in B df b B. b b und 2 maximales Element in B df b B. b b. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
18 6.1 Ordnungsrelationen Extremalelemente Definition 6.7 (Kleinstes, größtes Element) (5.4) Sei A A partielle Ordnung und B A. Ein Element b B heißt 1 kleinstes Element in B df b B. b b und 2 größtes Element in B df b B. b b. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
19 6.2 Noethersche Induktion Noethersche Ordnungen Definition 6.9 (5.5) Eine Quasiordnung A A heißt Noethersch genau dann, wenn jede nichtleere Teilmenge von M ein minimales Element besitzt. Satz 5.2 (Absteigende Kettenbedingung) Eine Quasiordnung (M, ) ist genau dann Noethersch, wenn es in M keine unendliche, echt absteigende Kette x 0 x 1 x 2... gibt. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
20 6.2 Noethersche Induktion Noethersche Ordnungen Satz 5.2 (Absteigende Kettenbedingung) Eine Quasiordnung (M, ) ist genau dann Noethersch, wenn es in M keine unendliche, echt absteigende Kette x 0 x 1 x 2... gibt. Beweis : Sei x 0 x 1 x 2... eine unendliche, echt absteigende Kette in M. Dann ist A = df {x 0, x 1, x 2... } nichleer. Angenommen nun es gäbe ein minimales Element a min A. Dann existierte ein Index i mit x i = a min. Wegen x i x i+1 wäre x i aber im Widerspruch zur Annahme nicht minimal. Folglich gibt es kein minimales Element in A und M ist nicht Noethersch. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
21 6.2 Noethersche Induktion Noethersche Ordnungen Beispiel 6.10 (5.3) 1 auf N ist Noethersch, denn jede nichtleere Teilmenge enthält sogar ein kleinstes Element. 2 Die Teilzeichenreichenbeziehung auf A ist Noethersch. 3 ist Noethersch auf P(M) für jede endliche Grundmenge M. Beispiel 6.11 (Nicht Noethersche Ordnungen) (5.4) 1 auf Z ist nicht Noethersch, denn Z besitzt kein minimales Element. 2 auf Q 0 ist nicht Noethersch, denn { 1 2, 1 3, 1 4,...} besitzt kein minimales Element. 3 auf P(N) ist nicht Noethersch, denn {N, N\{0}, N\{0, 1}, N\{0, 1, 2},...} besitzt kein minimales Element. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
22 6.2 Noethersche Induktion Noethersche Induktion Beweisprinzip 6.12 (Noethersche Induktion)(7) Sei M M eine Noethersche Quasiordnung. Lässt sich eine Aussage A über M für jedes m M aus der Gültigkeit der Aussage für alle echt kleineren Elemente ableiten, dann ist sie für jedes m M wahr. ( m M. ( m M. m m A(m ) ) ) A(m) m M. A(m). Beweis: Per Kontraposition. Falls m M. A(m) nicht gilt, existiert nichtleere Menge G M von Gegenbeispielen. G = df {g M A(g)}. Weil Noethersch ist, existiert ein minimales Gegenbeipiel g min G. g min verletzt dann den Induktionsschluss. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
23 6.2 Noethersche Induktion Anwendung: Kommutativität der Addition Satz 6.19(2) n, m N. n + m = m + n. Beweis durch Noethersche Induktion über komponentenweise Ordnung auf N N. (n, m) (n, m ) df n n m m. Details: Skript. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
24 6.2 Noethersche Induktion Anwendung: Terminierung Euklidischer Algorithmus ggt : N N N n + m falls n = 0 oder m = 0 ggt(n, m) = ggt(n m, m) falls m < n ggt(n, m n) falls n < m Terminierung: Noethersche Quasiordnung auf N N: (n, m) sum (n, m ) df n + m n + m. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
25 6.2 Noethersche Induktion Anwendung: Terminierung Ackermann-Funktion ack : N N N m + 1 falls n = 0 ack(n, m) = ack(n 1, 1) falls n > 0, m = 0 ack(n 1, ack(n, m 1)) falls n > 0, m > 0 Terminierung: Lexikographische Ordnung (Noethersch und total) auf N N: (n, m) lex (n, m ) df n < n (n = n m m ). Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
26 6.2 Noethersche Induktion Anwendung: Terminierung Collatz-Funktion col : N\{0} {1} 1 falls n = 1 col(n) = col(n/2) falls n gerade col(3n + 1) falls n ungerade Terminierung: Keine geeignete Noethersche Ordnung bekannt. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
27 6.4 Verallgemeinerte Induktion Beweisprinzip Verallgemeinerte Induktion Beweisprinzip 6.13 (Verallgemeinerte Induktion)(8) Lässt sich eine Aussage über natürliche Zahlen für jede natürliche Zahl aus der Gültigkeit der Aussage für alle kleineren natürlichen Zahlen ableiten, dann ist sie für jede natürliche Zahl wahr. ( ) n N. ( m N. m < n A(m)) A(n) n N. A(n). Spezialfall der Noetherschen Induktion Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
28 6.4 Verallgemeinerte Induktion Anwendung Fibonacci-Zahlen Definition 6.14 (5.6) fib(0) = df 0 fib(0) = df 1 fib(n + 1) = df fib(n) + fib(n 1) Es gilt: n N. fib(n) < 2 n. Beweis: n = 0. Dann fib(0) Def. = 0 < 1 = 2 0. n = 1. Dann fib(1) Def. = 1 < 2 = 2 1. n 2. Dann gilt: fib(n) Def. = fib(n 2) + fib(n 1) IA < 2 n n 1 2 n n 1 = 2 2 n 1 = 2 n. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
29 6.4 Verallgemeinerte Induktion Strukturelle Induktion Erinnerung: Induktiv strukturierte Mengen (Folie 119) Definition A eine Menge elementarer oder atomarer Bausteine und 2 O eine Menge von Operatoren (oder Konstruktoren) mit zugehörigen Stelligkeiten k 1, die es erlauben, kleinere Bausteine zu grösseren Einheiten zusammenzusetzen. Die durch A und O induktiv beschriebene Menge M ist die kleinste Menge, für die gilt: 1 A M und 2 Ist o ein Operator der Stelligkeit k und sind m 1,..., m k M, so ist auch o(m 1,..., m k ) M. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
30 6.4 Verallgemeinerte Induktion Gegeben: Strukturelle Induktion Induktiv strukturierte Menge M mit Atomen A und Konstruktoren O Eigenschaft A über M. Ziel: Beweise, dass A(m) gilt für alle Elemente m M. Vorgehen: 1 Man beweist, dass A für jedes Atom a A gilt. 2 Man beweist für jeden Konstruktor o O, dass unter der Voraussetzung, dass A für beliebige m 1,..., m k M gilt, A auch für o(m 1,..., m k ) gilt. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
31 6.4 Verallgemeinerte Induktion Strukturelle Induktion Beweisprinzip 6.15 (Strukturelle Induktion) (9) Sei M induktiv strukturierte Menge (mit Atomen A, Konstruktoren O). Lässt sich eine Aussage A über M für jedes Atom a A beweisen, und lässt sich für jeden Konstruktor o O aus der Gültigkeit der Aussage für m 1,..., m k M die Gültigkeit für o(m 1,..., m k ) ableiten, dann ist A für jedes m M wahr. ( ( a A. A(a) ) ( o O, m 1,..., m k M. ( A(m1 ) A(m k ) ) A ( o(m 1,..., m k ) ))) m M. A(m) Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
32 6.4 Verallgemeinerte Induktion Strukturelle Induktion.. als Spezialfall Noetherscher Induktion. Nachbarschaftsordnung N durch induktive Bauanleitung der Strukturen: m 1 N m 2 df o O. m 2 = o(m 1,..., m k ) m 1 {m 1,..., m k }. Ist-Teilstruktur -Relation als reflexiv-transitive Hülle von N, d.h: = N. Klar: ist Noethersch. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
33 6.4 Verallgemeinerte Induktion Anwendung: Aussagenlogik Satz 6.16 (Funktionale Vollständigkeit von und ) (5.3) Wir betrachten aussagenlogische Formeln (Definition 2.5, Folie 37), aufgefasst als induktiv beschriebene Menge aus den Atomen a, b, c,... (elementare Aussagen) sowie dem einstelligen Konstruktor und den zweistelligen Konstruktoren,,,. Zu jeder aussagenlogischen Formel φ existiert eine semantisch äquivalente Formel φ, so dass φ lediglich die Junktoren und enthält. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
34 6.4 Verallgemeinerte Induktion Anwendung: Aussagenlogik Beweis: (Strukturelle Induktion) Über den induktiven Aufbau von φ: Fall 1: φ = a. Trivial, denn φ enthält keine Junktoren. Fall 2: φ = ψ. Nach der Induktionsannahme (IA) existiert Formel ψ ψ, so dass ψ nur und enthält. Dies gilt dann auch für φ = ψ, und es gilt φ φ. Fall 3: φ = ψ 1 ψ 2. Dann existieren nach der IA ψ 1 ψ 1, ψ 2 ψ 2 mit der gewünschten Eigenschaft, und φ = ψ 1 ψ 2 φ enthält ebenfalls nur und. Fall 4: φ = ψ 1 ψ 2. Dann existieren nach der IA ψ 1 ψ 1, ψ 2 ψ 2 mit der gewünschten Eigenschaft, und φ = ( ψ 1 ψ 2 ) φ enthält ebenfalls nur und. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
35 6.4 Verallgemeinerte Induktion Anwendung: Aussagenlogik Beweis: (Strukturelle Induktion) Über den induktiven Aufbau von φ: Fall 5: φ = ψ 1 ψ 2. Dann existieren nach der IA ψ 1 ψ 1, ψ 2 ψ 2 mit der gewünschten Eigenschaft, und φ = (ψ 1 ψ 2 ) φa enthält ebenfalls nur und. Fall 6: φ = ψ 1 ψ 2. Dann existieren nach der IA ψ 1 ψ 1, ψ 2 ψ 2 mit der gewünschten Eigenschaft, und φ = ( (ψ 1 ψ 2 ) ( ψ 1 ψ 2 )) φb enthält ebenfalls nur und. a Aufgrund der Äquivalenz A B A B und der demorganschen Regeln. b Aufgrund der Äquivalenz A B (A B) ( A B) und der demorganschen Regeln. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
36 6.4 Verallgemeinerte Induktion Anwendung: Boolesche Terme Satz 6.13 (Kompositionalität von [[ ]] B )(Kap , 5.7.3) Seien t, t, t BT mit t t. Dann gilt t[t /x] t[t /x], dass heißt man darf (simultan) Gleiches durch (semantisch) Gleiches ersetzen. Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
37 6.3 Vollständige Induktion Beweisprinzip: Vollständige Induktion Beweisprinzip 6.18 (Vollständige Induktion)(10) Ist eine Aussage A über natürliche Zahlen für 0 wahr und lässt sich ihre Gültigkeit für jede größere natürliche Zahl aus der Gültigkeit der Aussage für ihren Vorgänger ableiten, dann ist sie für jede natürliche Zahl wahr. ( A(0) n N. A(n) A(n + 1) ) n N. A(n). Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
38 6.3 Vollständige Induktion Vollständige Induktion Satz 6.15 (5.4) Seien n, m, k N. Dann gilt: Assoziativität: 1) (n + m) + k = n + (m + k) 2) (n m) k = n (m k) Kommutativität: 1) n + m = m + n 2) n m = m n Neutrale Elemente: 1) n + 0 = n 2) n 1 = n Distributivität: (n + m) k = n k + m k Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
39 6.3 Vollständige Induktion Beispiele Beispiel 6.16 (5.5) Für alle n N gilt: 1 Es gibt 2 n Teilmengen von n elementigen Mengen. n 2 i = n (n+1) 2, Summe der ersten n natürlichen Zahlen. 3 i=1 n (2i 1) = n 2, Summe der ersten n ungeraden Zahlen. i=1 Prof. Dr. Bernhard Steffen Mathematik für Informatiker / 182
Logik für Informatiker
Vorlesung Logik für Informatiker 2. Induktion Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Induktion Zentrale Rolle Wesentliches Beweisprinzip in Mathematik
Mehr1 Übersicht Induktion
Universität Koblenz-Landau FB 4 Informatik Prof. Dr. Viorica Sofronie-Stokkermans Dipl.-Inform. Markus Bender 0.11.01 (v1.3) 1 Übersicht Induktion 1.1 Allgemeines Unter einem induktiven Vorgehen versteht
MehrLösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen
Lösungen zum Aufgabenblatt Nr. 1: Konstruktion der reellen Zahlen Aufgabe 1: Es sei D die Menge aller rationalen Dedekind-Mengen, also D := { M 2 Q M is Dedekind-Menge }. Auf der Menge D definieren wir
MehrMafI 1 Repetitorium Übungen
MafI 1 Repetitorium Übungen M. Sc. Dawid Kopetzki KW 18 (29.04.2015) M. Sc. Dawid Kopetzki MafI 1 Repetitorium Übungen 1 / 13 Intro Info zur ersten Abgabe Erinnerung: Am 06.05. zwischen 1416 Uhr ist Fachschaftsvollversammlung
MehrProgrammierung 1 - Repetitorium
WS 2002/2003 Programmierung 1 - Repetitorium Andreas Augustin und Marc Wagner Homepage: http://info1.marcwagner.info Donnerstag, den 10.04.03 Kapitel 7 Korrektheit 7.1 Abstrakte Prozeduren Abstrakte Prozedur
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 4
Prof. Dr. Bernhard Steffen Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt
MehrLogik für Informatiker. 1. Grundlegende Beweisstrategien. Viorica Sofronie-Stokkermans Universität Koblenz-Landau
Logik für Informatiker 1. Grundlegende Beweisstrategien Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Mathematisches Beweisen Mathematische ussagen - haben oft
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre
Referenzen zum Nacharbeiten: Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 2: Mengenlehre Lang 3 Meinel 2, 4, 5, 10.2-10.4 (zur Vertiefung: Meinel 10.5-10.8 und Beutelspacher 10) Dean 2, 5-7
MehrZusammenfassung der letzten LVA. Diskrete Mathematik
Zusammenfassung Zusammenfassung der letzten LVA Diskrete Mathematik Christina Kohl Georg Moser Oleksandra Panasiuk Christian Sternagel Vincent van Oostrom (Beweisformen) Beweisformen sind etwa (i) deduktive
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
MehrDiskrete Mathematik. Sebastian Iwanowski FH Wedel. Kapitel 2: Mengenlehre. Referenzen zum Nacharbeiten:
DM2 Slide 1 Diskrete Mathematik Sebastian Iwanowski FH Wedel Kapitel 2: Mengenlehre Referenzen zum Nacharbeiten: Lang 3 Meinel 2, 4, 5, 10.2-10.4 (zur Vertiefung: Meinel 10.5-10.8 und Beutelspacher 10)
MehrLogik für Informatiker
Logik für Informatiker 1. Grundlegende Beweisstrategien: Noethersche Induktion 23.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letzte Vorlesung 1. Grundlegende
MehrEinführung in die Theoretische Informatik
Einführung in die Theoretische Informatik Johannes Köbler Institut für Informatik Humboldt-Universität zu Berlin WS 2013/14 Relationalstrukturen 59 Definition Sei A eine nichtleere Menge, R ist eine k-stellige
Mehr2 Rationale und reelle Zahlen
2 reelle Es gibt Mathematik mit Grenzwert (Analysis) und Mathematik ohne Grenzwert (z.b Algebra). Grenzwerte existieren sicher nur dann, wenn der Zahlbereich vollständig ist, also keine Lücken aufweist
MehrVorlesung Mathematik für Informatiker I. WS 11/12 Klausur 27. März 2012
Vorlesung Mathematik für Informatiker I Prof. Dr. B. Steffen und Prof. Dr. G. Kern-Isberner WS 11/12 Klausur 27. März 2012 Name: Vorname: Matrikelnummer: Studiengang: Unterschrift: Kennwort (zur Veröffentlichung
Mehr4. Induktives Definieren - Themenübersicht
Induktives Definieren 4. Induktives Definieren - Themenübersicht Induktives Definieren Natürliche Zahlen Operationen auf natürlichen Zahlen Induktive Algorithmen Induktiv definierte Mengen Binärbäume Boolesche
MehrDie Folgerungsbeziehung
Kapitel 2: Aussagenlogik Abschnitt 2.1: Syntax und Semantik Die Folgerungsbeziehung Definition 2.15 Eine Formel ψ AL folgt aus einer Formelmenge Φ AL (wir schreiben: Φ = ψ), wenn für jede Interpretation
MehrWas bisher geschah. wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min Disjunktion 2 max Negation 1 x 1 x Implikation 2 Äquivalenz 2 =
Was bisher geschah (Klassische) Aussagenlogik: Aussage Wahrheitswerte 0 (falsch) und 1 (wahr) Junktoren Syntax Semantik Stelligkeit Symbol Wahrheitswertfunktion wahr 0 t 1 falsch 0 f 0 Konjunktion 2 min
Mehr7. Ordnungsstrukturen - Themenübersicht
7. Ordnungsstrukturen - Themenübersicht Ordnungsstrukturen Verbände Algebraische Verbände Spezielle Verbände Boolesche Verbände Vollständige Verbände Ordnungserhaltende Abbildungen Prof. Dr. Bernhard Steffen
MehrLogik für Informatiker
Logik für Informatiker 1. Grundlegende Beweisstrategien: Teil 2 22.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Organisatorisches Dienstags: M 001.
MehrMathematische Grundlagen der Computerlinguistik Ordnungsrelationen
Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen Dozentin: Wiebke Petersen 4. Foliensatz Wiebke Petersen math. Grundlagen 89 starke / schwache Ordnungen Eine Ordnung R einer Menge A ist
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Relationen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 6
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 6 Die Lösungshinweise dienen
MehrÜbungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt (Probeklausur) 9
Prof. Dr. Bernhard Steffen Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt (Probeklausur) 9
Prof. Dr. Bernhard Steffen Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt
MehrDiskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier
Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre
MehrLösungen zu Kapitel 2
Lösungen zu Kapitel 2 Lösung zu Aufgabe 1: Wir zeigen die Behauptung durch vollständige Induktion über n. Die einzige Menge mit n = 0 Elementen ist die leere Menge. Sie besitzt nur sich selbst als Teilmenge,
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/ws13/14
Mehr3. Relationen Erläuterungen und Schreibweisen
3. Relationen Eine Relation ist allgemein eine Beziehung, die zwischen Dingen bestehen kann. Relationen im Sinne der Mathematik sind ausschließlich diejenigen Beziehungen, bei denen stets klar ist, ob
MehrMathematik für Informatiker I Mitschrift zur Vorlesung vom
Mathematik für Informatiker I Mitschrift zur Vorlesung vom 18.11.2004 Zur Wiederholung: Das Kartesische Produkt dient dem Ordnen von Mengen. A B = {(a, b) : a A, b B)} Spezialfall A = Äquivalenzrelation
MehrDiskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr
Bemerkung: Der folgende Abschnitt Boolesche Algebren ist (im WS 2010/11) nicht Teil des Prüfungsstoffs, soweit nicht Teile daraus in der Übung behandelt werden! Diskrete Strukturen 5.9 Permutationsgruppen
MehrMathematische Grundlagen der Computerlinguistik Ordnungsrelationen
Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen Dozentin: Wiebke Petersen 4. Foliensatz Wiebke Petersen math. Grundlagen 86 starke / schwache Ordnungen Eine Ordnung R einer Menge A ist
Mehr13 Auswahlaxiom und Zornsches Lemma
13 Auswahlaxiom und Zornsches Lemma Handout zur Funktionalanalysis I von H. Glöckner, 25.11.2008 Wichtige Teile der modernen Mathematik beruhen auf dem sogenannten Auswahlaxiom der Mengenlehre. Dieses
Mehr1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.
Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)
MehrOrdinalzahlen. Sei (X, ) eine total geordnete Menge und a X. Dann
Ordinalzahlen Im Rahmen der Ordnungsrelationen wurden bisher die Begriffe Partialordnung und Totalordnung (lineare Ordnung) erwähnt. Ein weiterer wichtiger Ordnungsbegriff ist die Wohlordnung. Wohlgeordnete
MehrJeder Aussage p kann ein Wahrheitswert W(p) {0, 1} zugeordnet werden. Beispiele: W(Es regnet.) =? (je nach Lage der Dinge) W(Die Straße ist naß.) =?
Grundlagen der Mathematik für Informatiker 1 Grundlagen der Mathematik für Informatiker 2 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl.
MehrVorlesung Mathematik für Informatiker I. WS 11/12 Klausur 27. März 2012
Vorlesung Mathematik für Informatiker I Prof. Dr. B. Steffen und Prof. Dr. G. Kern-Isberner WS /2 Klausur 27. März 202 Name: Vorname: Matrikelnummer: Studiengang: Unterschrift: Kennwort (zur Veröffentlichung
MehrMathematische Grundlagen der Computerlinguistik
Centrum für Informations- und Sprachverarbeitung (CIS) 23. Juni 2014 Table of Contents 1 2 Ordnung Ähnlich wie Äquivalenzrelationen den Begriff der Gleichheit generalisieren, generalisieren den Begriff
Mehr4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9
Chr.Nelius: Zahlentheorie (SS 2007) 9 4. ggt und kgv (4.1) DEF: Eine ganze Zahl g heißt größter gemeinsamer Teiler (ggt) zweier ganzer Zahlen a und b, wenn gilt: GGT 0 ) g 0 GGT 1 ) g a und g b GGT 2 )
MehrKombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 19
Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 19 Fünfzehnte Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 2 / 19 Definition
MehrOrdnungsrelationen auf Mengen. Beispiel einer Ordnungsrelation. Spezielle Elemente von Ordnungen. Spezielle Elemente von Ordnungen
Ordnungsrelationen auf Mengen! Eine (partielle) Ordnungsrelation oder kurz Ordnung O auf einer Menge M ist eine Relation, die reflexiv, antisymmetrisch und transitiv ist. Beispiel: M = { 1, 2, 3 }, O =
MehrOrdnungsrelationen auf Mengen
Ordnungsrelationen auf Mengen Eine (partielle) Ordnungsrelation oder kurz Ordnung O auf einer Menge M ist eine Relation, die reflexiv, antisymmetrisch und transitiv ist. Beispiel: M = { 1, 2, 3 }, O =
MehrMathematik für Informatiker 1 Tutorium
Mathematik für Informatiker 1 Tutorium Malte Isberner 19.12.2013 M. Isberner MafI1-Tutorium 19.12.2013 1 / 15 Themen heute Zur Auswahl... Besprechung der Probeklausur Verbände Gruppen und Ringe M. Isberner
MehrMathematik für Informatiker I Mitschrift zur Vorlesung vom 14.12.2004
Mathematik für Informatiker I Mitschrift zur Vorlesung vom 14.12.2004 In der letzten Vorlesung haben wir gesehen, wie man die einzelnen Zahlenbereiche aufbaut. Uns fehlen nur noch die reellen Zahlen (siehe
MehrWS 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
MehrLineare Algebra I. Anhang. A Relationen. Heinz H. GONSKA, Maria D. RUSU, Michael WOZNICZKA. Wintersemester 2009/10
Fakultät für Mathematik Fachgebiet Mathematische Informatik Anhang Lineare Algebra I Heinz H. GONSKA, Maria D. RUSU, Michael WOZNICZKA Wintersemester 2009/10 A Relationen Definition A.1. Seien X, Y beliebige
MehrInduktive Definitionen
Induktive Definitionen Induktive Definition: Konstruktive Methode zur Definition einer Menge M von Objekten aus Basisobjekten mittels (Erzeugungs-) Regeln Slide 1 Rekursion über den Aufbau: Konstruktive
Mehr1.2 Klassen und Mengen
14 1.2 Klassen und Mengen Als undefinierten Grundbegriff verwenden wir den Begriff der Klasse. Dieser ist allgemeiner als der Mengenbegriff und wird in der Algebra zur Definition sogenannter Kategorien
Mehr2 Mengen, Relationen, Funktionen
Grundlagen der Mathematik für Informatiker Grundlagen der Mathematik für Informatiker Mengen, Relationen, Funktionen. Mengen Definition. [Georg Cantor 895] Eine Menge ist eine Zusammenfassung bestimmter,
Mehr1 Aussagenlogik. 1.1 Aussagen. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage) Aussage = Behauptung Beispiele: Es regnet.
Grundlagen der Mathematik für Informatiker 1 1 Aussagenlogik 1.1 Aussagen Aussage = Behauptung Beispiele: Es regnet. Die Straße ist naß. 15 ist eine Primzahl. 3 < 8 x < 15 (hängt von x ab, keine Aussage)
Mehr4 Elementare Mengentheorie
4 Elementare Mengentheorie 4 Elementare Mengentheorie 4.1 Mengen [ Partee 3-11, McCawley 135-140, Chierchia 529-531 ] Die Mengentheorie ist entwickelt worden, um eine asis für den ufbau der gesamten Mathematik
MehrMathematik für Informatiker/Informatikerinnen 2
Mathematik für Informatiker/Informatikerinnen 2 Koordinaten: Peter Buchholz Informatik IV Praktische Informatik Modellierung und Simulation Tel: 755 4746 Email: peter.buchholz@udo.edu OH 16, R 216 Sprechstunde
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 12. November 2014 Darstellung natürlicher Zahlen durch Mengen 1. Wie können wir natürliche Zahlen durch Mengen darstellen? Idee 0 = und
MehrKapitel 1.3. Normalformen aussagenlogischer Formeln. Mathematische Logik (WS 2010/11) Kapitel 1.3: Normalformen 1 / 1
Kapitel 1.3 Normalformen aussagenlogischer Formeln Mathematische Logik (WS 2010/11) Kapitel 1.3: Normalformen 1 / 1 Boolesche Formeln, Literale und Klauseln Eine Boolesche Formel ist eine aussagenlogische
MehrDiskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen)
WS 2015/16 Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Gruppen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
MehrLogik für Informatiker. 1. Grundlegende Beweisstrategien. Viorica Sofronie-Stokkermans Universität Koblenz-Landau
Logik für Informatiker 1. Grundlegende Beweisstrategien Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Mathematisches Beweisen Mathematische ussagen - haben oft
Mehr2 Mengen, Relationen, Funktionen
Grundlagen der Mathematik für Informatiker 1 2 Mengen, Relationen, Funktionen 2.1 Mengen Definition 2.1 [Georg Cantor 1895] Eine Menge ist eine Zusammenfassung bestimmter, wohlunterschiedener Dinge unserer
MehrGeordnete Mengen. Eine Relation heißt Ordnung oder Ordnungsrelation, wenn sie reflexiv, transitiv und antisymmetrisch ist.
Geordnete Mengen Eine Relation heißt Ordnung oder Ordnungsrelation, wenn sie reflexiv, transitiv und antisymmetrisch ist. Ist eine Ordnungsrelation auf eine geordnete Menge., dann nennt man Die Namensgebung
Mehr3.2 Unabhängigkeitsstrukturen
80 3.2 Unabhängigkeitsstrukturen Unser Ziel ist der Nachweis, daß in Vektorräumen, also in Moduln über Körpern, Basen existieren und zwei endliche Basen gegebenenfalls von derselben Ordnung sind. (Basen
MehrEine Relation R in einer Menge M ist eine Teilmenge von M x M. Statt (a,b) R schreibt man auch arb.
4. Relationen 4.1 Grundlegende Definitionen Relation R in einer Menge M: Beziehung zwischen je 2 Elementen von M. Beispiel
MehrDezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule
Berufsfeldbezogenes Fachseminar - Zahlentheorie Lisa Laudan Prof. Dr. Jürg Kramer Wintersemester 2014/2015 Dezimaldarstellung ganzer Zahlen (Division mit Rest) 1 Division mit Rest in der Hochschule 1.1
MehrEinführung in die Logik
Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3
MehrDidaktische Grundlagen Arithmetik Vertiefung Übungen 4
Westfälische Wilhelms-Universität Münster Institut für Didaktik der Mathematik und Informatik Dr. Astrid Brinkmann Didaktische Grundlagen Arithmetik Vertiefung Übungen 4 Von allen, die bis jetzt nach Wahrheit
MehrKAPITEL 4. Posets Hasse Diagramm
KAPITEL 4 Posets Im Abschnitt über Relationen (1.4) wurde Eigenschaften von Relationen über einer einzigen Grundmenge X definiert. Mithilfe dieser Eigenschaften wurden z.b. Äquivalenzrelationen definiert.
MehrLogik für Informatiker
Logik für Informatiker 1. Grundlegende Beweisstrategien: Teil 2 19.04.2016 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Organisatorisches Heute ist der letzte
MehrWas bisher geschah: klassische Aussagenlogik
Was bisher geschah: klassische Aussagenlogik Syntax Symbole und Struktur Junktoren: t, f,,,,, aussagenlogische Formeln AL(P) induktive Definition: IA Atome (Aussagenvariablen) p, q, r,... P IS zusammengesetzte
Mehr6. Boolesche Algebren
6. Boolesche Algebren 6.1 Definitionen Eine Boolesche Algebra ist eine Algebra S,,,, 0, 1,, sind binäre, ist ein unärer Operator, 0 und 1 sind Konstanten. Es gilt: 1 und sind assoziativ und kommutativ.
MehrGrundlagen: 1. Logik. Aussagen und Aussagenformen Wahrheitstabellen; Tautologien und Kontradiktionen Logische Äquivalenz. Prädikate und Quantoren
Zusammenfassung Grundlagen Logik, Mengen, Relationen, Folgen & Mengenfamilien, Kardinalitäten Techniken Mathematisches Beweisen, Induktion, Kombinatorische Beweise Strukturen Graphen 1 Grundlagen: 1. Logik
MehrKapitel 3: Die Sätze von Euler, Fermat und Wilson. 8 Der Satz von Euler
Kapitel 3: Die Sätze von Euler, Fermat und Wilson In diesem Kapitel wollen wir nun die eulersche -Funktion verwenden, um einen berühmten Satz von Euler zu formulieren, aus dem wir dann mehrere interessante
MehrDie Prädikatenlogik erster Stufe: Syntax und Semantik
Die Prädikatenlogik erster Stufe: Syntax und Semantik 1 Mathematische Strukturen und deren Typen Definition 1.1 Eine Struktur A ist ein 4-Tupel A = (A; (R A i i I); (f A j j J); (c A k k K)) wobei I, J,
MehrMathematisches Argumentieren und Beweisen Beweisarten Besipiele. Hagen Knaf, WS 2014/15
Mathematisches Argumentieren und Beweisen Beweisarten Besipiele Hagen Knaf, WS 2014/15 Im Folgenden sind einige der in der Vorlesung besprochenen Beispielbeweise für die verschiedenen Beweisarten aufgeführt
MehrKapitel 1.2. Aussagenlogik: Semantik. Mathematische Logik (WS 2011/12) Kapitel 1.2: Aussagenlogik: Semantik 1 / 57
Kapitel 1.2 Aussagenlogik: Semantik Mathematische Logik (WS 2011/12) Kapitel 1.2: Aussagenlogik: Semantik 1 / 57 Übersicht 1.2.1 Interpretationen der al. Formeln 1.2.2 Zentrale semantische Begriffe 1.2.3
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 9. November 2017 1/34 Beispiel 3.6 Wir können die rationalen Zahlen wie folgt konstruieren:
MehrNormalformen boolescher Funktionen
Normalformen boolescher Funktionen Jeder boolesche Ausdruck kann durch (äquivalente) Umformungen in gewisse Normalformen gebracht werden! Disjunktive Normalform (DNF) und Vollkonjunktion: Eine Vollkonjunktion
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 17: Relationen Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2013/2014 1/61 Anmerkung Änderung im Wintersemester 2013/2014:
MehrInstitut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark Dr. Markus Lange. Analysis 1. Aufgabenzettel 4
Institut für Analysis WiSe 2018/2019 Prof. Dr. Dirk Hundertmark 08.11.2018 Dr. Markus Lange Analysis 1 Aufgabenzettel 4 Abgabe bis 14. November 2018, 19:00 Uhr Erinnerung: Die Anmeldung für den Übungsschein
MehrLogik und Künstliche Intelligenz
Logik und Künstliche Intelligenz Kurze Zusammenfassung (Stand: 14. Januar 2010) Prof. Dr. V. Stahl Copyright 2007 by Volker Stahl. All rights reserved. V. Stahl Logik und Künstliche Intelligenz Zusammenfassung
MehrOrdnungsrelationen auf Mengen
Ordnungsrelationen auf Mengen Eine (partielle) Ordnungsrelation oder kurz Ordnung O auf einer Menge M ist eine Relation, die reflexiv, antisymmetrisch und transitiv ist. Beispiel: M = { 1, 2, 3 }, O =
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
Mehr2. Grundlagen. A) Mengen
Chr.Nelius: Zahlentheorie (SoSe 2019) 5 A) Mengen 2. Grundlagen Eine Menge ist durch Angabe ihrer Elemente bestimmt. Man kann eine Menge aufzählend oder beschreibend definieren. Im ersten Falle werden
MehrÜbungen zu Grundlagen der Theoretischen Informatik
Übungen zu Grundlagen der Theoretischen Informatik INSTITUT FÜR INFORMATIK UNIVERSITÄT KOBLENZ-LANDAU SS 2013 Lösungen 02 Aufgabe 1 Geben Sie einen regulären Ausdruck für die Sprache aller Wörter über
Mehr8 Konvergenzkriterien und Häufungswerte von Folgen in R
8 Konvergenzkriterien und Häufungswerte von Folgen in R 8.1 Konvergenz monotoner Folgen 8.2 Die Zahl e 8.3 Existenz monotoner Teilfolgen 8.4 Auswahlprinzip von Bolzano-Weierstraß 8.5 Konvergenzkriterium
Mehr2 Mengen, Abbildungen und Relationen
Vorlesung WS 08 09 Analysis 1 Dr. Siegfried Echterhoff 2 Mengen, Abbildungen und Relationen Definition 2.1 (Mengen von Cantor, 1845 1918) Eine Menge M ist eine Zusammenfassung von wohlbestimmten und wohl
MehrWiederholung: Modellierung in Prädikatenlogik
Was bisher geschah Modellierung von Aussagen durch logische Formeln Daten durch Mengen, Multimengen, Folgen, Sprachen Zusammenhängen und Eigenschaften von Elementen von Mengen durch Relationen (Eigenschaften
Mehr6 Denotationale Semantik Semantik von Programmiersprachen
6.2 Fixpunkttheorie Im vorherigen Abschnitt haben wir den Fixpunktoperator FIX als Grenzwert der Fixpunktiteration postuliert. Es ist aber noch nicht klar, dass die Fixpunktiteration immer zu einem Grenzwert
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 18: Logik Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/35 Überblick Formeln in Prädikatenlogik erster Stufe Theorien und
MehrAufgaben zur Verbandstheorie
TU Bergakademie Freiberg WS 2005/06 Institut für Diskrete Mathematik & Algebra Prof. Dr. Udo Hebisch Aufgaben zur Verbandstheorie 1. Für ein beliebiges n IN sei X n die Menge aller Teiler von n. Definiert
MehrRelationen A = Z A = R. R = {(a, b) a, b Z, a b} R = {(a, b) a, b R, a 3 = b 3 } R =, R = {(a, b) a, b N 0, a b ist ungerade }, A = N 0 A = N
Relationen Aufgabe 1. Überlegen Sie, wie man folgende Relationen R grafisch darstellen könnte und entscheiden Sie, ob die Relationen reflexiv auf A, symmetrisch bzw. transitiv sind. Geben Sie eine kurze
MehrGrundlagen der Mathematik
Grundlagen der Mathematik Übungsaufgaben zu Kapitel 1 Einführung 1.1.1 Für reelle Zahlen a und b gilt (a+b) (a-b) = a 2 -b 2. Was ist die Voraussetzung? Wie lautet die Behauptung? Beweisen Sie die Behauptung.
MehrRelationen und Funktionen
Vorkurs Mathematik Dr. Regula Krapf Sommersemester 018 Relationen und Funktionen Definition. Seien M und N Mengen. Eine Relation auf M N ist eine Teilmenge R M N. Falls (x,y) R, so schreibt man auch x
Mehrb liegt zwischen a und c.
2 DIE ANORDNUNGSAXIOME 5 (2.4) a, b, c R : (a < b 0 < c) ac < bc Monotoniegesetz der Multiplikation Bezeichnungen a > b : b < a (> wird gelesen: größer als ) a b : a < b oder a = b a b : a > b oder a =
MehrFormalisierung von Sudoku Formalisieren Sie das Sudoku-Problem:
Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: 4 4 4 4 4 1 1 1 1 2 2 3 3 5 5 5 5 5 5 6 6 6 7 7 8 8 9 9 9 9 9 8 6 Verwenden Sie dazu eine atomare Formel A[n, x, y] für jedes Tripel (n,
MehrDie reellen Zahlen als Dedekindsche Schnitte. Iwan Otschkowski
Die reellen Zahlen als Dedekindsche Schnitte Iwan Otschkowski 14.12.2016 1 1 Einleitung In dieser Ausarbeitung konstruieren wir einen vollständig geordneten Körper aus gewissen Teilmengen von Q, den Dedekindschen
Mehr5. Ordinalzahlen (Vorlesung 11)
EINFÜHRUNG IN DIE LOGIK UND MENGENLEHRE 29 5.. Grundlegende Eigenschaften. 5. Ordinalzahlen (Vorlesung ) Definition 5. (Wohlordnung). Eine lineare Ordnung < auf einer Menge a heißt Wohlordnung, wenn jede
MehrÜbungen zur Vorlesung Einführung in die Mathematik
Übungen zur Vorlesung Einführung in die Mathematik von G. Greschonig und L. Summerer, WS 2017/18 Aufgabe 1. Zeige, dass das Quadrat einer ungeraden Zahl, vermindert um 1, stets durch 4 teilbar ist. Folgere
MehrVorlesung Diskrete Strukturen Die natürlichen Zahlen
Vorlesung Diskrete Strukturen Die natürlichen Zahlen Bernhard Ganter WS 2009/10 Alles ist Zahl? Wenn in der modernen Mathematik alles auf Mengen aufgebaut ist, woher kommen dann die Zahlen? Sind Zahlen
Mehr