Logik für Biologen. Logisch denken zu können ist für alle Wissenschaftler wesentlich. Biologisch=Bio+logisch!

Größe: px
Ab Seite anzeigen:

Download "Logik für Biologen. Logisch denken zu können ist für alle Wissenschaftler wesentlich. Biologisch=Bio+logisch!"

Transkript

1 Logik für Biologen Logisch denken zu können ist für alle Wissenschaftler wesentlich. Biologisch=Bio+logisch! Aussagen (Nicht, Und, Oder) Eine Aussage ist entweder wahr oder falsch. Der Löwe ist eine Raubkatze ist wahr. Der Hai ist eine Raubkatze ist falsch. Die Negation vertauscht wahr und falsch. Der Löwe ist keine Raubkatze ist falsch. Der Hai ist keine Raubkatze ist wahr. Die Negation der Negation ist die Aussage selbst. Es stimmt nicht, dass der Löwe keine Raubkatze ist bedeutet Der Löwe ist eine Raubkatze. Wenn wir mehrere Aussagen mit Und verbinden, müssen alle wahr sein: Der Löwe und der Tiger sind Raubkatzen ist wahr. Der Löwe und der Hai sind Raubkatzen ist falsch. Wenn wir mehrere Aussagen mit Oder verbinden, dann muss mindestens eine davon wahr sein: Der Löwe oder der Hai ist eine Raubkatze ist wahr. Der Pinguin oder der Hai ist eine Raubkatze ist falsch. Wenn wir zwei Aussagen mit Entweder-Oder verbinden, dann muss genau eine davon wahr sein: Entweder der Löwe oder der Tiger ist eine Raubkatze ist falsch. Entweder der Löwe oder der Hai ist eine Raubkatze ist wahr. Durch eine Negation werden Und und Oder vertauscht. Die Negation von Der Löwe und der Hai sind Raubkatzen ist Der Löwe oder der Hai ist keine Raubkatze. Die Negation von Der Pinguin oder der Hai ist eine Raubkatze ist Der Pinguin und der Hai sind keine Raubkatzen. Implikationen Die Implikation Raubkatze Wirbeltier ist wahr, da alle Raubkatzen insbesondere Wirbeltiere sind. Die Implikation Raubkatze Löwe ist falsch, da z.b. der Tiger eine Raubkatze und kein Löwe ist. Eine Implikation A B (wenn A, dann B; A nur wenn B) entspricht, dass A hinreichend für B ist. Raubkatze ist genug, um Wirbeltier zu sein. Die Implikation entspricht auch, dass B notwendig für A ist: Raubkatze und kein Wirbeltier geht nicht. A B A ist hinreichend für B B ist notwendig für A A und nicht B ist unmöglich 1

2 Eine Implikation A B besagt nichts im Fall, in dem A nicht gilt: B könnte gelten oder nicht. Raubkatze Wirbeltier besagt nichts über Giraffen oder Würmer. Fliegender Hai Penguin ist eigentlich wahr, da es keinen fliegenden Hai gibt. Man kann Implikationen verketten: Aus Raubkatze Säugetier und Säugetier Wirbeltier folgt unmissverständlich Raubkatze Wirbeltier. Weitere Implikationen Die umkehrte Implikation von Raubkatze Wirbeltier ist Wirbeltier Raubkatze und sie ist falsch, da z.b. die Giraffe ein Wirbeltier aber keine Raubkatze ist. Die umkehrte Implikation von Kloakentier eierlegendes Säugetier ist eierleierlegendegendes Säugetier Kloakentier und sie ist wahr. Die doppelte Implikation A B (genau dann A, wenn B) gilt, wenn beide Implikationen gelten. Kloakentier eierlegendes Säugetier ist wahr Raubkatze Wirbeltier ist falsch Die doppelte Implikation der Negationen ist dieselbe doppelte Implikation: Kein Kloakentier Kein eierlegendes Säugetier ist genau dieselbe Information als Kloakentier eierlegendes Säugetier Sehr wichtig ist die Kontraposition: Die Implikation A B und die Implikation nicht B nicht A ergeben dieselbe Information: beide besagen, dass A und nicht B nicht gleichzeitig gelten können. Raubkatze Wirbeltier ist äquivalent zu kein Wirbeltier keine Raubkatze und diese besagen genau: Raubkatze und kein Wirbeltier kann nicht sein. A B ist das gleiche wie nicht B nicht A Regeln und Beispiele Eine Regel wird mit dem Wort alle ausgedrückt: Alle Raubkatzen sind Wirbeltiere. Für alle Raubkatzen gilt, dass sie Wirbeltiere sind. In der Mathematik haben Regeln keine Ausnahmen. Eine Regel ist falsch, wenn auch nur eine einzelne Ausnahme (Gegenbeispiel) gibt. Beispiele reichen nicht, um eine Regel zu beweisen: Man kann nie sicher sein, dass die übrigen Beispiele keine Ausnahmen sind. Ein Beispiel oder ein Gegenbeispiel wird mit dem Ausdrück es gibt ein (d.h. es gibt mindestens ein ) festgelegt: Es gibt (mindestens) eine Raubkatze, die mit 90km/h laufen kann bedeutet Es gibt Raubkatzen, die mit 90km/h laufen können. Die Negation vertauscht alle und es gibt : Die Negation von Alle Raubkatzen können mit 90km/h laufen ist: Es gibt Raubkatzen, die nicht mit 90km/h laufen können. Die Negation von Alle Raubkatzen können nicht mit 90km/h laufen ist: Es gibt Raubkatzen, die mit 90km/h laufen können. 2

3 Es gibt keine Raubkatze, die 120km/h schafft bedeutet Alle Raubkatzen schaffen nicht 120km/h : Beide sind die Negation von Es gibt eine Raubkatze, die 120km/h schafft. Existenz und Eindeutigkeit Für die Existenz brauchen wir mindestens ein Beispiel. Es gibt 1 Beispiele, also ein Beispiel oder mehrere Beispiele. Es gibt mindestens ein Tier, das schwimmen kann ist wahr, da der Hai schwimmt. Für die Eindeutigkeit darf es höchstens ein Beispiel geben. Es gibt 1 Beispiele, also ein Beispiel oder keine Beispiele. Es gibt höchstens ein Tier mit einer gegebenen DNA ist wahr: Mit der DNA der Löwe gibt es nur der Löwe, mit der DNA einer Blume gibt es kein Tier. Für die Existenz und Eindeutigkeit brauchen wir genau ein Beispiel. Es gibt 1 Beispiel: Mindestens eins und höchstens eins bedeutet genau eins. Es gibt genau ein Tier, das wie eine Ente läuft, wie eine Ente schwimmt und wie eine Ente schnattert ist wahr 1. Die Existenz gilt nicht, wenn kein Beispiel zu finden ist: Es gibt keine Vampire. Die Eindeutigkeit gilt nicht, wenn man zwei verschiedene Beispiele findet: Sowohl der Hai als auch der Wal schwimmen. Für alle ( ) und Es gibt ( ) x, y: Für alle x und für alle y ist dasselbe wie Für alle y und für alle x. Für alle gesunden Affen und für alle Bäume gilt: Der Affe kann auf den Baum klettern und Für alle Bäume und für alle gesunden Affen gilt: Der Affe kann auf den Baum klettern sind äquivalent und bedeuten: Jeder gesunde Affe kann auf alle Bäume klettern Also haben wir keine Ausnahmen für die gesunden Affen und keine Ausnahmen für die Bäume. x, y: Es gibt ein x und es gibt ein y ist dasselbe wie Es gibt ein y und es gibt ein x. Es gibt einen Baum und es gibt eine Katze, sodass gilt: Die Katze kann auf den Baum klettern ist dasselbe wie Es gibt eine Katze und es gibt einen Baum, sodass gilt: Die Katze kann auf den Baum klettern. Es könnte auch sein, dass große Bäume für alle Katzen zu schwierig sind, oder dass einige Katzen es auf keinen Baum schaffen, oder auch, dass jede Katze es auf einige aber nicht auf alle Bäume schafft... Vorsicht: y : x (es gibt ein y, sodass für alle x) ist stärker als x y (für alle x gibt es ein y). Der Unterschied liegt darin, dass y im ersten Fall für alle x dasselbe sein muss. Für jedes Tier gibt es Nahrung, die geeignet ist ist wahr, da jedes Tier etwas frisst. Es gibt Nahrung, die für jedes Tier geeignet ist ist falsch, da jetzt die Nahrung nicht vom Tier abhängen kann. 1 Spruch: When I see a bird that walks like a duck and swims like a duck and quacks like a duck, I call that bird a duck. 3

4 Aufgaben 1. Zebras sind schwarz-weiß. Alte Filme sind schwarz-weiß. Also sind Zebras alte Filme. Was ist schiefgelaufen? 2. Gibt es einen Unterschied zwischen den Zoos (a) und (b)? (a) Alle Tiere des Zoos essen Fleisch oder alle Tiere des Zoos essen Pflanzen. (b) Alle Tiere des Zoos essen Fleisch oder Pflanzen. 3. Wahr oder Falsch, und warum? (a) Kein Wirbeltier ist ein Wurm oder kein Wurm ist ein Wirbeltier. (b) Kein Wirbeltier ist ein Säugetier oder kein Säugetier ist ein Wirbeltier. (c) Die Säugetiere sind keine Würmer und keine Wirbeltiere. (d) Ein neu entdecktes Tier wäre ein Säugetier nur dann, wenn es kein Wurm ist. (e) Ein neu entdecktes Tier wäre kein Wirbeltier, falls es kein Säugetier ist. (f) Um kein Säugetier zu sein, ist notwendig aber nicht hinreichend, kein Wirbeltier zu sein. 4. Welche der folgenden Implikationen bedeuten dasselbe? Und welche sind wahr? (a) Säugetier Wirbeltier (b) Wirbeltier Säugetier (c) Säugetier Wirbeltier (d) Kein Säugetier Kein Wirbeltier (e) Kein Wirbeltier Kein Säugetier (f) Säugetier Wirbeltier (g) Wirbeltier Säugetier (h) Kein Wirbeltier Kein Säugetier 5. Sowohl Darwin als auch Mendel haben Pflanzen untersucht. Wir sehen uns folgende Aussagen an: (a) Darwin hat alle Pflanzen untersucht, die Mendel untersucht hat. (b) Es gibt eine von Mendel untersuchte Pflanze, die Darwin untersucht hat, aber Darwin hat nicht alle Pflanzen untersucht, die Mendel untersucht hat. (c) Es gibt eine von Mendel untersuchte Pflanze, die Darwin nicht untersucht hat. Welche der obigen Aussagen richtig sind und welche nicht, wissen wir nicht. Unter den obigen Aussagen gibt es jedoch zwei solche, die beide gleichzeitig wahr und beide gleichzeitig falsch sein können. Ebenso gibt es unter ihnen auch zwei Aussagen, die gleichzeitig falsch sein können, aber nicht gleichzeitig wahr sein können. Um welche Aussagen handelt es sich? Begründe! 4

5 Lösungen der Aufgaben 1. Aus A B und C B können wir nicht schliessen, dass A C. Hätten wir A B und B C aber schon. 2. Zoo (a) besteht nur aus Fleischfressern oder nur aus Pflanzenfressern: die Nahrung ist nicht vom Tier abhängig. In Zoo (b) könnte man auch sowohl Fleischfresser als auch Pflanzenfresser haben. 3. (a) Wahr, z.b. da kein Wurm ein Wirbeltier ist. (b) Falsch, da z.b. der Löwe sowohl ein Säugetier als auch auch ein Wirbeltier ist. (c) Falsch, da die Säugetiere Wirbeltiere sind. (d) Wahr, da alle Würmer keine Säugetiere sind (also ist kein Wurm notwendig). (e) Falsch, wenn man z.b. eine neue Schlange entdecken würde, dann hätte man ein Wirbeltier und kein Säugetier. (f) Falsch, eine Schlange ist ein Wirbeltier und kein Säugetier. Also ist die Bedingung kein Wirbeltier nicht notwendig. 4. Anmerkungen aus der Theorie: Die Implikationen A B und B A und Nicht B Nicht A sind alle äquivalent. Die Implikationen A B und B A und Nicht A Nicht B und Nicht B Nicht A sind alle äquivalent. Die Implikationen (a) und (e) sind äquivalent und wahr. Die Implikationen (b),(c) und (d) sind äquivalent und falsch. Die Implikationen (f),(g) und (h) sind äquivalent und falsch. 5. Zusätzliche Anmerkungen: Aussage (c) ist die Negation der Aussage (a) also sie können nicht gleichzeitig wahr oder gleichzeitig falsch sein. Aussage (b) impliziert Aussage (c): sie sind beide wahr, falls (b) wahr ist; sie sind beide falsch, falls (c) falsch ist; es könnte auch sein, dass (b) falsch aber (c) wahr ist. Da (b) die Negation von (a) impliziert, können (b) und (a) nicht gleichzeitig wahr oder gleichzeitig falsch sein. Es gibt drei Fälle: Darwin hat 1) keine Pflanze 2) einige Pflanzen, aber nicht alle Pflanzen 3) alle Pflanzen untersucht, die Mendel untersucht hat. Im Fall 1) sind (a) und (b) falsch aber (c) ist wahr. Im Fall 2) sind (b) und (c) wahr aber (a) ist falsch. Im Fall 3) sind (b) und (c) falsch aber (a) ist wahr. Also können Aussagen (b) und (c) gleichzeitig wahr und auch gleichzeitig falsch sein. Aussagen (a) und (b) können gleichzeitig falsch aber nicht gleichzeitig wahr sein. 5

6 Mengen für Biologen In der Taxonomie gibt es sehr interessante Mengenstrukturen (Familie, Gattung, Ordnung... ). Merkmale werden benutzt, um Elemente der Natur zu klassifizieren d.h. auf Mengen zu verteilen. Die Zusammenhänge zwischen diesen Mengen sind kompliziert und von wichtiger Bedeutung. Sie müssen keine Formeln auswendig lernen, sondern sie verstehen und praktisch anwenden können. Mengen und Teilmengen Sei M eine Menge, also eine Sammlung von Elementen, die alle verschieden sind. Zwei Mengen sind genau dann gleich, wenn sie dieselben Elemente haben. Die Mächtigkeit einer Menge ist die Anzahl der Elemente. Wenn eine Menge kein Element besitzt, dann ist sie die leere Menge und wird mit bezeichnet. Wir unterscheiden zwischen endlichen und unendlichen Mengen. Mengen können durch Aufzählen ihrer Elemente angegeben werden, wobei es nicht auf die Reihenfolge ankommt oder darauf, ob ein Element mehr als einmal genannt wird: M = {Tiger, Panther, Löwe} = {Panther, Löwe, Tiger} = {Tiger, Löwe, Panther, Löwe} Als Notation für die Elemente, z.b.: Panther M, Zebra / M. Oft legt man die Elemente einer Menge durch Eigenschaften fest, z.b.: {die Wirbeltiere, die fliegen können} Eine Teilmenge einer Menge M ist eine Menge T, sodass jedes Element aus T auch in M enthalten ist: {Säugetiere} {Wirbeltiere} {Vögel} {Tiere, die fliegen können} Eine Menge M hat als Teilmenge mindestens und M selbst. Teilmengen von Teilmengen sind Teilmengen: {Raubtiere} {Säugetiere} {Wirbeltiere} {Raubtiere} {Wirbeltiere} Wir nennen die Inklusion. Wenn auch die andere Inklusion T M gilt d.h. jedes Element aus M auch in T enthalten ist, dann haben T und M genau dieselben Elemente also T = M. Eine Teilmenge heißt echt, wenn sie nicht die ganze Menge ist. Falls T M, dann gilt für die Mächtigkeiten #T #M: Eine Teilmenge hat weniger Elemente oder genau so viele. Weniger Elemente zu haben ist keine starke Information: {Zebra} und {Tiger, Panther} haben nichts miteinander zu tun. 6

7 Venn-Diagramme Mit 2 Mengen A, B hat man im Allgemeinen 4 = 2 2 verschiedene Fälle für ein Element: nur in A enthalten; nur in B enthalten; sowohl in A als auch in B enthalten; nicht in A und nicht in B enthalten. Man benutzt für die Veranschaulichung vier Zonen. Falls einige Zonen leer sind (z.b. falls A B) dann lässt sich das Diagramm vereinfachen. Für 3 Mengen A, B, C hat man 8 = 2 3 verschiedene Fälle. Man braucht acht Zonen. Für n Mengen, braucht man 2 n Zonen. d.h. muss man 2 n Fällen betrachten. A A B B C Durchschnitt Wenn wir mehrere Merkmale gleichzeitig wollen, dann bilden wir den Durchschnitt von Mengen: {eierlegende Säugetiere} = {Säugetiere} {eierlegende Tiere} = {Schnabeltier, Ameisenigel} Seien A und B Mengen. Dann definieren wir den Durchschnitt als: 2 A B = {x x A und x B} Es gilt natürlich A A = A und A =. Falls A B, ist A B = A: {Raubkatzen} {Säugetiere} = {Raubkatzen} Wir können auch den Durchschnitt von mehreren Mengen betrachten. Die Reihenfolge der Mengen spielt keine Rolle. Der Durchschnitt ist eine Teilmenge jeder der Mengen. Wir können auch den Durchschnitt mehrerer Mengen als mehrere Durchschnitte von zwei Mengen betrachten: A B C = (A B) C = A (B C) Paarweise disjunkt Zwei Mengen heissen disjunkt, falls der Durchschnitt die leere Menge ist: {Reptilien} {Säugetiere} = 2 Die Symbole oder : liest man sodass 7

8 Für mehrere Mengen können wir von paarweise disjunkt sprechen. Das bedeutet nicht nur das der Durchschnitt leer ist, sondern auch das der Durchschnitt von je zwei der Mengen leer ist. Z.B. es gilt {Säugetiere} {eierlegende Tiere} {fliegende Tiere} = (da Kloakentiere nicht fliegen) aber diese Menge sind nicht paarweise disjunkt (denke an Fledertiere oder Kloakentiere). Andererseits sind die Ordnungen einer Klasse paarweise disjunkt, wie z.b. eierlegende Ursäuger, Beutelsäuger und Plazentatiere für die Klasse der Säugetiere. Vereinigung Wenn wir mehrere Merkmale erlauben, dann bilden wir eine Vereinigung von Mengen: {Fische mit Knorpel oder Knochen} = {Knorpelfische} {Knochenfische} = {Fische} Seien A und B Mengen. Dann definieren wir die Vereinigung als: A B = {x x A oder x B} Es gilt natürlich A A = A = A. Falls A B, ist A B = B: {Raubkatzen} {Säugetiere} = {Säugetiere} Wir können auch die Vereinigung von mehreren Mengen betrachten. Die Reihenfolge der Mengen spielt keine Rolle. Die Vereinigung hat jede der Mengen als Teilmenge. Wir können auch die Vereinigung mehrerer Mengen als mehrere Vereinigungen von zwei Mengen betrachten: A B C = (A B) C = A (B C) Die Vereinigung aller Ordnungen einer Gattung ist die Gattung selbst. Differenzmenge Wenn wir einen Merkmal nicht wollen, dann bilden wir eine Differenz von Mengen: {Fische} \ {Knorpelfische} = {Knochenfische} Seien A und B Mengen. Dann definieren wir das Komplement von B in A als: A \ B = {x x A und x / B} Die Reihenfolge spielt für die Differenz eine wesentliche Rolle. Es gilt natürlich A \ = A und A \ A =. Mit einem Venn-Diagramm veranschaulichen Sie sich folgende Regeln: Falls A B, ist A (B \ A) = B aber im Allgemeinen gilt nur A (B \ A) B. Der Durchschnitt A (B \ A) ist immer leer und es gilt (A \ B) (B \ A) = (A B) \ (A B) 8

9 Formeln Diese Formeln findet man im Internet, wenn man sie braucht. Sie müssen nur wissen, dass diese existieren, und verhindern, dass eine naive Intuition Sie fehlleitet. Mit einem Venn-Diagramm können Sie sich die folgenden Formeln veranschaulichen: A (B C) = (A B) (A C) A (B C) = (A B) (A C) A \ (B C) = (A \ B) (A \ C) A \ (B C) = (A \ B) (A \ C) (A B) \ C = (A \ C) (B \ C) (A B) \ C = (A \ C) (B \ C) (A\B) C = (A C)\(B\C) (A\B) C = (A C)\(B C) = (A\B) (C \B) (A \ B) \ C = (A \ B) (A \ C) A \ (B \ C) = (A \ B) (A C) Wenden Sie diese Formeln für die Blutgruppen an: Sei A die Menge der Menschen, die das Antigen A besitzen. Sei B die Menge der Menschen, die das Antigen B besitzen. Sei C die Menge der Menschen, die das Antigen RH + besitzen. Das Prinzip von Inklusion und Exklusion Wenn wir die Elemente von A aufzählen und dann die Elemente von B, haben wir die Elemente von A B doppelt gezählt. Deswegen gilt: #(A B) = #A + #B #(A B) Diese Formel können wir zur Vereinigung von mehreren Mengen verallgemeinern (mit abwechselnd + und ). Z.B. gilt für drei Mengen: #(A 1 A 2 A 3 ) = #A 1 +#A 2 +#A 3 #(A 1 A 2 ) #(A 1 A 3 ) #(A 2 A 3 )+#(A 1 A 2 A 3 ) Falls die Mengen paarweise disjunkt sind (wie z.b. in einer Partition, siehe weiter unten), ist die Mächtigkeit der Vereinigung genau die Summe der Mächtigkeiten. Im Allgemeinen ist die Summe größer. Am besten arbeitet man mit paarweise disjunkten Mengen! Partitionen Eine Partition einer Menge M ist eine Wahl von nicht-leeren Teilmengen, die paarweise disjunkt sind, und sodass die Vereinigung M ist. Also zerlegen wir eine Menge in paarweise disjunkte Teilmengen (wie eine Torte in verschiedene Stücke zu schneiden). In anderen Worten: Jede der Teilmengen ist nicht-leer und jedes Element von M ist in genau einer der Teilmengen enthalten. Die Menge der Säugetiere hat eine Partition mit drei Teilmengen: eierlegende Ursäuger, Beutelsäuger und Plazentatiere. Sei T eine echte nicht-leere Teilmenge von M. Dann bilden T und M \ T eine Partition von M. 9

10 Die Plazentatiere und die Säugetiere, die keine Plazentatiere sind (d.h. eierlegende Ursäuger oder Beutelsäuger), ergeben eine Partition der Säugetiere mit zwei Teilmengen. Seien zwei Partitionen von M gegeben. Wir nennen die zweite Partition feiner, wenn jede Menge der zweiten Partition eine Teilmenge eines Elementes der ersten Partition ist. In anderen Worten: wir zerlegen die Elemente der ersten Partition weiter (wie die Stücke der Torte weiter zu zerschneiden). Die Partition einer Klasse in Familien ist feiner als eine Partition in Ordnungen. Wenn wir zwei Partitionen haben, dann kann es auch sein, dass keine feiner als die andere ist (sie haben einfach nichts mit einander zu tun). Partitionen treten bei Einteilung von Mengen nach Merkmalen auf. Die Blutgruppentypen A, B, AB, 0 ergeben eine Partition der Menschen. Eine feinere Partition ist: A+, A, B+, B, AB+, AB, 0+, 0 Wir können zwei Partitionen von M kombinieren: Seien T 1,..., T n und S 1,..., S m zwei Partitionen. Nehmen wir alle Mengen der Form T i S j, die nicht-leer sind. Die neue Partition ist feiner als beide. Sie besteht aus höchstens n m Teilmengen. Die acht Blutgruppentypen sind die Kombination der Partition A, B, AB, 0 mit der Partition +,. Anmerkung: Wenn wir eine Partition (die Familien einer Gattung) mit einer feineren Partition kombinieren (die Spezien der Gattung), bekommen wir die feinere Partition wieder. In der Tat ist der Schnitt zwischen einer Spezie und einer Familie entweder die Spezie selbst oder die leere Menge. Kartesisches Produkt Das kartesische Produkt von zwei Mengen A und B ist die Menge der geordneten Paare mit erstem Element in A und zweitem Element in B: A B = {(a, b) : a A und b B} Geordnet bedeutet: Es gilt (a, b) = (b, a) nur wenn a = b. Es gilt #(A B) = #A #B denn wir haben #A Möglichkeiten um a zu wählen und #B Möglichkeiten um b zu wählen, und diese Wahlen sind unabhängig. Man kann das kartesische Produkt von n Mengen betrachten, d.h. die Menge der geordneten n-tupel. Zum Beispiel ist A B C die Menge der geordneten Tripel (a, b, c) mit a A, b B und c C, und ihre Mächtigkeit ist #A #B #C. Das kartesische Produkt {A, B, AB, 0} {+, } = {(A, +), (A, ), (B, +),..., (0, )} beschreibt die acht Blutgruppentypen. Wenn man zwei oder mehrere Merkmale kombiniert, hat man das kartesische Produkt, wenn alle Kombinationen möglich sind (wie in diesem Beispiel) ansonsten eine Teilmenge davon. 10

11 Das Schubfachprinzip Falls man n Objekte auf k Mengen (n, k > 0) verteilt, und n größer als k ist, dann gibt es mindestens eine Menge, in der mehr als ein Objekt landet. Falls man eine bestimmte Anzahl von Schubfächern hat, und man mehr Objekte in die Fächer legt, als Fächer vorhanden sind, dann landen in irgendeinem Schubfach mindestens zwei dieser Objekte. Dies ist zwar offensichtlich, aber trotzdem nützlich. Wenn man Tiere von 5 verschiedenen Spezien hat, dann gibt es unter 6 Tiere mindestens 2 derselben Spezie. Hier ist Objekte=Tiere, Schubfächer=Spezien. Die Aufrundungsfunktion einer reeller Zahl x wird mit x benotet: Dies ist die kleinste ganze Zahl größer gleich x. Verteilt man n Objekte auf k Mengen (n, k > 0), so gibt es mindestens eine Menge, in der sich zumindest n Objekte befinden. k Unter 50 Tiere (von 5 Spezien) gibt es mindestens 50 = 10 = 10 derselben Spezie. 5 Unter 12 Tiere (von 5 Spezien) gibt es mindestens 12 = 2, 4 = 3 derselben Spezie. 5 11

12 Anzahl der Genotypen von diploiden Organismen Bezeichnet G = {g 1, g 2,..., g n } die Menge der möglichen Erbfaktoren (Gene) eines diploiden Organismus, dann sind bei einem Nachkommen alle Genkombinationen (g i, g j ) möglich. Da jedoch der Genotyp (g i, g j ) nicht vom Typ (g j, g i ) unterscheidbar ist, stellt die Menge der (unterscheidbaren) Genotypen eine Untermenge des kartesischen Produkt G G dar: U = {(g i, g j ) G G : i j} Also, da (g 3, g 4 ) und (g 4, g 3 ) denselben Organismus darstellen, behalten wir nur (g 3, g 4 ). Die Mächtigkeit von U ist höchstens n 2, da U eine Teilmenge von G G ist. Wieviele Genotypen gibt? Wir betrachten die folgende Partition der Menge U mit den Teilmengen T k, wobei k fest ist: T k = {(g j, g k ) G G : j = 1,..., k} Also ist z.b. T 2 = {(g 1, g 2 ), (g 2, g 2 )}. Die Menge T k hat genau k Elemente, und diese Mengen sind paarweise disjunkt. Nach der Summenformel von Gauss haben wir dann #U = n #T k = (n 2) + (n 1) + n = k=1 n(n + 1) 2 Wieviele Genotypen gibt? Wir betrachten die Partition der Menge U mit den Teilmengen der homozygoten bzw. heterozygoten Genotypen. Wir nennen z.b. (g 3, g 4 ) heterozygote und (g 3, g 3 ) homozygote. Alle homozygoten Paare sind unterscheidbar, und es gibt genau n homozygote Genotypen: Die heterozygoten Paare sind Die heterozygoten Genotypen sind daher Wir haben also #He = n 2 n. Wir haben daher Ho = {(g i, g i ), i = 1,..., n} He = {(g i, g j ) G G : i j} U He = {(g i, g j ) G G : i < j} #(G G) = #Ho + #He #(U He) = #He 2 = n2 n 2 In der Tat haben wir in He immer ein Paar und das (verschiedene!) gespiegelte Paar. In U He haben wir aber das gespiegelte Paar nicht. Insgesamt gilt #U = #Ho + #(U He) = n + n2 n 2 = n(n + 1) 2 12

13 Aufgaben 1. Geben Sie eine Formel für die gefärbte Menge im folgenden Venn-Diagramm an: A B C 2. Seien A, B Mengen. Machen Sie sich mit Hilfe eines Venn-Diagrammes die folgende Gleichheit klar: (A \ B) (B \ A) = (A B) \ (A B) 3. Seien A, B Mengen. Gilt immer #A = #(A B) + #(A \ B)? Gilt immer #A = #B + #(A \ B)? 4. Sei A M die Teilmenge der Leute, die das Antigen A besitzen, B M die Teilmenge der Leute, die das Antigen B besitzten, R M die Teilmenge der Leute, die das Antigen RH + besitzen. Die Blutgruppe 0 ist durch das Fehlen der Antigene A und B charakterisiert. Stellen Sie den Typ 0+ bzw. AB mit Hilfe der obigen Mengen A, B, R dar. 5. Welche der folgenden sind Partitionen von M = {a, b, c, d}? (1) T 1 = {a}, T 2 = {b, d}, T 3 = {c} (2) T 1 = {a, b}, T 2 = {b, c, d} (3) T 1 = {a, b}, T 2 = {d} 6. Ein Merkmal der Linsen ist die Anzahl von Paaren von Fiederblättchen, die 4 bis 12 sind. Ein weiteres Merkmal ist die Größe der Schmetterlingsblüte, die von 4,5 bis 6,5 mm groß ist (Rundung bis auf halbe Millimeter). Ein weiteres Merkmal ist die Wuchshöhe der Pflanze, von 10 bis 50 cm (Rundung bis auf Zentimeter). Im Prinzip sind alle Kombinationen möglich. In wieviele Klassen haben wir dann die Linsen verteilt? Wie können wir die Klassen beschreiben? 7. Bei einer Blutgruppenuntersuchung von 300 Personen wurde festgestellt: 150 hatten das Antigen A, 120 das Antigen B und 100 hatten keines dieser Antigene. Wieviele hatten beide Antigene? 8. Die 64 Studierenden an einer Hochschule besuchen einen Zoologiekurs (A), einen Botanikkurs (B) oder einen Mikrobiologiekurs (C). Wir haben folgende Informationen: 2 haben keinen Kurs besucht; 34 haben (A) besucht, 30 haben (B) besucht, 33 haben (C) besucht; 11 haben (A) und (B) besucht, 15 haben (B) und (C) besucht, 17 haben (A) und (C) besucht; 13

14 19 haben genau zwei zwischen (A),(B),(C) besucht. Wieviele Studierende haben (A),(B),(C) alle besucht? Wieviele Studierende haben nur (A) besucht? Wieviele Studierende haben (C) und (B) besucht, aber nicht (A)? Lösungen der Aufgaben 1. (A C) (B C) = C (A B) 2. Fall 1: (x A, x / B) Wir haben x A \ B also x gehört zur linken Menge. Wir haben x A B und x / A B also x gehört zur rechten Menge. Fall 2: (x B, x / A) Analog: Beide Menge bleiben gleich beim Vertauschen von A und B. Fall 3: (x A, x B) Wir haben x / A \ B, also gehört x nicht zur linken Menge. Wir haben x A B, also gehört x nicht zur rechten Menge. Fall 4: (x / A, x / B) Wir haben x / A \ B, also gehört x nicht zur linken Menge. Wir haben x / A B, also gehört x nicht zur rechten Menge. A B 3. Die erste Formel #A = #(A B) + #(A \ B) ist richtig, da die Mengen A B und A \ B disjunkt sind und deren Vereinigung A ist. Die zweite Formel ist falsch: #A = #B + #(A \ B) zählt #(A B), da die Mengen B und A \ B disjunkt sind und deren Vereinigung A B ist. Also nur falls A = A B, d.h. B A ist die Formel richtig. 4. (M \ (A B )) R bzw. A B (M \ R) 5. (1) ist eine Partition: jede Teilmenge ist nicht-leer und jedes Element von M ist in genau einer der Teilmengen enthalten. (2) ist keine Partition, da b in mehrere Teilmengen zu finden ist; (3) ist keine Partition, da c in keiner der Teilmengen zu finden ist. 6. Es gibt genau 9 Zahlen von 4 bis 12. Der erste Merkmal ergibt dann eine Partition mit 9 Teilmengen. Die möglichen Messungen sind 4, 5 + X 0, 5 mit X von 0 bis 4 also insgesamt 5 Werte. Der zweite Merkmal ergibt dann eine Partition mit 5 Teilmengen. Es gibt genau 41 Zahlen von 10 bis 50. Der dritte Merkmal ergibt dann eine Partition mit 41 Teilmengen. Die Kombination von der drei Merkmalen ergibt = 1845 Teilmengen. Wir beschreiben diese Klassen mit dem Karthesischen Produkt der drei Mengen: {4, 5,..., 12} {4.5; 5; 5.5; 6; 6.5} {10, 11,..., 50} Also ist jede Klasse eine Tripel (a, b, c) wobei a zur ersten Menge, b zur zweiten und c zur dritten gehört. Also entspricht (5, 5, 25) eine Pflanze mit 5 Paare von Fiederblättchen, Schmetterlingsblütegröße 5 mm und Wuchshöhe 25 cm. 14

15 7. Sei M die Menge der untersuchten Personen und sei A (bzw. B ) die Teilmenge der Personen mit Antigen A (bzw. B). Die Personen mit Blutgruppentyp A, B oder AB sind Dann ist #(A B ) = #M #((M \ A ) (M \ B )) = = 200 #(A B ) = #A + #B #(A B ) = = Wählen wir unsere Notationen vorsichtig: z.b. bedeutet AB die Anzahl der Studenten, die genau die Kurse (A) und (B) besucht haben; z.b. bedeutet AB die Anzahl der Studenten, die midenstens die Kurse (A) und (B) besucht haben; K steht für die Anzahl der Studenten, die keinen Kurs besucht haben. Die gegebenen Informationen lauten: K = 2, A = 34, B = 30, C = 33, AB = 11, AC = 17, BC = 15, AB + BC + AC = 19. Wir wissen A = ABC + AB + AC + A B = ABC + AB + BC + B C = ABC + AC + BC + C AB = ABC + AB AC = ABC + AC BC = ABC + BC Wir addieren die letzten drei Gleichungen (AB + AC + BC) = 3 ABC + (AB + AC + BC) und bekommen ABC = 1 (( ) 19) = 8. Wir können jetzt berechnen 3 AB = AB ABC = 11 8 = 3, AC = AC ABC = 17 8 = 9. Aus der ersten Gleichung haben wir A = A ABC AB AC = = 14 Wir haben BC = BC ABC = 15 8 = 7. Verifizieren wir unsere Ergebnisse mit Hilfe von paarweise disjunkten Mengen (genau 8 sich gegenseitig ausschliessende Möglichkeiten): K = 2, A = 14, B = 12, C = 9, AB = 3, BC = 7, AC = 9, ABC = 8. 15

Zusatzmaterial zur Mathematik I für E-Techniker Übung 1

Zusatzmaterial zur Mathematik I für E-Techniker Übung 1 Mathematik I für E-Techniker C. Erdmann WS 011/1, Universität Rostock, 1. Vorlesungswoche Zusatzmaterial zur Mathematik I für E-Techniker Übung 1 Wiederholung - Theorie: Mengen Der grundlegende Begriff

Mehr

Vorkurs Mathematik B

Vorkurs Mathematik B Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 5. September 2011 Definition (Menge) Wir verstehen unter einer Menge eine Zusammenfassung von unterscheidbaren Objekten zu einem

Mehr

Kapitel 1: Grundbegriffe

Kapitel 1: Grundbegriffe Kapitel 1: Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz Stefan Ruzika (KO) 1 / 20 Gliederung 1 Logik Ein ganz kurzer Ausflug in die Kombinatorik Stefan Ruzika (KO) 2

Mehr

2 Mengen. Menge. Die Summenformel. Die leere Menge. Das kartesische Produkt. Die Produktformel. Die Potenzmenge. Die Binomialzahlen.

2 Mengen. Menge. Die Summenformel. Die leere Menge. Das kartesische Produkt. Die Produktformel. Die Potenzmenge. Die Binomialzahlen. 2 Mengen Menge Die Summenformel Die leere Menge Das kartesische Produkt Die Produktformel Die Potenzmenge Die Binomialzahlen Der Binomialsatz Unendliche Mengen Springer Fachmedien Wiesbaden 2016 A. Beutelspacher,

Mehr

1 Mengen. 1.1 Definition

1 Mengen. 1.1 Definition 1 Mengen 1.1 Definition Eine Menge M ist nach dem Begründer der Mengenlehre Georg Cantor eine Zusammenfassung von wohlunterschiedenen(verschiedenen) Elementen. Eine Menge lässt sich durch verschiedene

Mehr

2 Mengenlehre. Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen.

2 Mengenlehre. Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen. Mengenlehre 2 Mengenlehre Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen. Üblicherweise werden Mengen mit Großbuchstaben

Mehr

Grundbegriffe Mengenlehre und Logik

Grundbegriffe Mengenlehre und Logik Grundbegriffe Mengenlehre und Logik Analysis für Informatiker und Lehramt Mathematik MS/GS/FS WS 2016/2017 Agnes Radl Mengen Georg Cantor (1895) Unter einer Menge verstehen wir jede Zusammenfassung M von

Mehr

Vorlesung 3: Logik und Mengenlehre

Vorlesung 3: Logik und Mengenlehre 28102013 Erinnerung: Zeilen-Stufen-Form (ZSF) eines LGS 0 0 1 c 1 0 0 0 1 0 0 1 c r 0 0 0 c r+1 0 0 0 0 0 0 0 0 0 c m Erinnerung: Information der Zeilen-Stufen-Form Aus der ZSF liest man ab: Folgerung

Mehr

Grundlagen der Mathematik

Grundlagen der Mathematik Universität Hamburg Winter 016/17 Fachbereich Mathematik Janko Latschev Lösungsskizzen 6 Grundlagen der Mathematik Präsenzaufgaben (P9) Die Ordnung der natürlichen Zahlen I Wir hatten in der Vorlesung

Mehr

Vorkurs Mathematik. JProf. Dr. Pia Pinger / Dr. Andreas Pondorfer. September/Oktober Lennéstraße 43, 1. OG

Vorkurs Mathematik. JProf. Dr. Pia Pinger / Dr. Andreas Pondorfer. September/Oktober Lennéstraße 43, 1. OG Vorkurs Mathematik JProf. Dr. Pia Pinger / Dr. Andreas Pondorfer Lennéstraße 43, 1. OG pinger@uni-bonn.de September/Oktober 2017 JProf. Dr. Pia Pinger / Dr. Andreas Pondorfer Vorkurs Mathematik September/Oktober

Mehr

Grundlagen der Mengenlehre

Grundlagen der Mengenlehre mathe plus Grundlagen der Mengenlehre Seite 1 1 Grundbegriffe Grundlagen der Mengenlehre Def 1 Mengenbegriff nach Georg Cantor (1845-1918) Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener

Mehr

Mengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } }

Mengen. (Nicht-) Elemente einer Menge { 3, 4 } { 1, { 2 }, { 3, 4 }, { 5 } } 3 { 1, { 2 }, { 3, 4 }, { 5 } } Mengen Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung aller Elemente: { 1,

Mehr

Lineare Algebra I. - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Monday 12 September 16

Lineare Algebra I. - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Monday 12 September 16 Lineare Algebra I - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß 1. Mengen und Abbildungen: Mengen gehören zu den Grundlegendsten Objekten in der Mathematik Kurze Einführung in die (naive) Mengelehre

Mehr

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit

Mengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {

Mehr

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { } Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird

Mehr

Mengen und Abbildungen

Mengen und Abbildungen Mengen und Abbildungen Der Mengenbegriff Durchschnitt, Vereinigung, Differenzmenge Kartesisches Produkt Abbildungen Prinzip der kleinsten natürlichen Zahl Vollständige Induktion Mengen und Abbildungen

Mehr

1 Sprechweisen und Symbole der Mathematik

1 Sprechweisen und Symbole der Mathematik 1 Sprechweisen und Symbole der Mathematik Übersicht 1.1 Junktoren......................................................... 1 1.2 Quantoren......................................................... 4 1.3

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

Fachwissenschaftliche Grundlagen

Fachwissenschaftliche Grundlagen Fachwissenschaftliche Grundlagen Vorlesung im Wintersemester 2011/2012, Universität Landau Roland Gunesch 4. Vorlesung Roland Gunesch (Mathematik) Fachwissenschaftliche Grundlagen 4. Vorlesung 1 / 21 Themen

Mehr

Elemente der Analysis I Kapitel 3: Einführung III, Summen, Logik, Mengen, Beweise

Elemente der Analysis I Kapitel 3: Einführung III, Summen, Logik, Mengen, Beweise Elemente der Analysis I Kapitel 3: Einführung III, Summen, Logik, Mengen, Beweise Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 15. November 2010 http://www.mathematik.uni-trier.de/

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 15. Oktober 2015 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage veröffentlicht

Mehr

Technische Universität München. Ferienkurs Lineare Algebra 1. Mengenlehre, Aussagen, Relationen und Funktionen. 21. März 2011.

Technische Universität München. Ferienkurs Lineare Algebra 1. Mengenlehre, Aussagen, Relationen und Funktionen. 21. März 2011. Technische Universität München Ferienkurs Lineare Algebra 1 Mengenlehre, Aussagen, Relationen und Funktionen 21. März 2011 Tanja Geib Inhaltsverzeichnis 1 Aussagen 1 2 Mengenlehre 3 2.1 Grundlegende Definitionen

Mehr

1.9 Beweis durch Kontraposition

1.9 Beweis durch Kontraposition 1.9 Beweis durch Kontraposition 1.9 Beweis durch Kontraposition Ein Beweis durch Kontraposition ist ein Spezialfall des indirekten Beweises. Wir betrachten zwei Aussagen A und B und wollen A B zeigen,

Mehr

Institut 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 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

Mehr

WS 2009/10. Diskrete Strukturen

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

Mehr

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

Kapitel 1. Grundlagen Mengen

Kapitel 1. Grundlagen Mengen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

Mengen. Welche dieser Mengen sind paarweise gleich, ungleich? Begründung!

Mengen. Welche dieser Mengen sind paarweise gleich, ungleich? Begründung! Hinweis: Auf den Übungsblättern in diesem Semester wird es grundsätzlich die drei Aufgabentypen Vorbereitungsaufgabe, Tutoraufgabe und Hausaufgabe geben. Die als Vorbereitung bezeichneten Aufgaben dienen

Mehr

Einführung in die Informatik 2

Einführung 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,

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 19. Oktober 2017 1/27 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage

Mehr

Kapitel 1. Mengen und Abbildungen. 1.1 Mengen

Kapitel 1. Mengen und Abbildungen. 1.1 Mengen Kapitel 1 Mengen und Abbildungen 1.1 Mengen Die Objekte der modernen Mathematik sind die Mengen. Obwohl die Logik einen axiomatischen Zugang zur Mengenlehre bietet, wollen wir uns in dieser Vorlesung auf

Mehr

Grundlagen der Mathematik

Grundlagen der Mathematik Universität Hamburg Winter 2016/17 Fachbereich Mathematik Janko Latschev Grundlagen der Mathematik Lösungsskizzen 2 Präsenzaufgaben (P2) Wir betrachten drei Teilmengen der natürlichen Zahlen: - A = {n

Mehr

Mengen, Logik. Jörn Loviscach. Versionsstand: 17. Oktober 2009, 17:42

Mengen, Logik. Jörn Loviscach. Versionsstand: 17. Oktober 2009, 17:42 Mengen, Logik Jörn Loviscach Versionsstand: 17. Oktober 2009, 17:42 1 Naive Mengenlehre Mengen sind die Grundlage fast aller mathematischen Objekte. Ob die Zahl 7, ein Kreis in der Ebene, die Relation

Mehr

Mengenlehre. Ist M eine Menge und x ein Element von M, so schreiben wir x M. Ist x kein Element von M, so schreiben wir x M.

Mengenlehre. Ist M eine Menge und x ein Element von M, so schreiben wir x M. Ist x kein Element von M, so schreiben wir x M. Mengenlehre Eine Menge ist eine Zusammenfassung bestimmter und unterschiedlicher Objekte. Für jedes Objekt lässt sich eindeutig sagen, ob es zu der Menge gehört. Die Objekte heißen Elemente der Menge.

Mehr

1.3 Aussagen. Beispiel: Das Bruttosozialprodukt der Bundesrepublik Deutschland ist höher als das der USA ist eine offenbar falsche Aussage.

1.3 Aussagen. Beispiel: Das Bruttosozialprodukt der Bundesrepublik Deutschland ist höher als das der USA ist eine offenbar falsche Aussage. 1.3 Aussagen In der Mathematik geht es um Aussagen. Eine Aussage ist ein statement, das entweder wahr oder falsch sein kann. Beides geht nicht! Äußerungen, die nicht die Eigenschaft haben, wahr oder falsch

Mehr

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

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Teil 1: Mengenlehre 1 Mengen Einleitung Beschreibung und Beispiele Operationen Verhältnisse Kartesisches Produkt 2 Relationen

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen)

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

Vorkurs Mathematik 2016

Vorkurs Mathematik 2016 Vorkurs Mathematik 2016 WWU Münster, Fachbereich Mathematik und Informatik PD Dr. K. Halupczok Skript VK3 vom 15.9.2016 VK3: Elementare Mengenlehre Der grundlegendste Begri, mit dem Objekte und Strukturen

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

Kapitel 1 Mengen. Kapitel 1 Mengen. Mathematischer Vorkurs TU Dortmund Seite 1 / 25

Kapitel 1 Mengen. Kapitel 1 Mengen. Mathematischer Vorkurs TU Dortmund Seite 1 / 25 Kapitel 1 Mengen Kapitel 1 Mengen Mathematischer Vorkurs TU Dortmund Seite 1 / 25 Kapitel 1 Mengen Definition 1.1 (Menge) Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen.

Mehr

Vorsemesterkurs Informatik

Vorsemesterkurs Informatik Vorsemesterkurs Informatik Sommersemester 2018 Ronja Düffel 14. März 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis

Mehr

Indexmengen. Definition. n n n. i=1 A i := A 1... A n

Indexmengen. Definition. n n n. i=1 A i := A 1... A n Indexmengen Definition Es sei n N. Für Zahlen a 1,..., a n, Mengen M 1,..., M n und Aussagen A 1,..., A n definieren wir: n i=1 a i := a 1 +... + a n n i=1 a i := a 1... a n n i=1 M i := M 1... M n n i=1

Mehr

Grundbegriffe aus Logik und Mengenlehre

Grundbegriffe aus Logik und Mengenlehre Prof. Dr. B. Niethammer Dr. C. Seis, R. Schubert Institut fr Angewandte Mathematik Universitt Bonn Grundbegriffe aus Logik und Mengenlehre Wir wollen im Folgenden eine kurze Einführung in die Grundbegriffe

Mehr

Kapitel 1. Grundlagen

Kapitel 1. Grundlagen Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig

Mehr

, 5;8 7,6 8;15;21 4/2,3/1,4 2; 4 3;15 7;7 3,2;3; 32 5,6,7 ; 8,2,1

, 5;8 7,6 8;15;21 4/2,3/1,4 2; 4 3;15 7;7 3,2;3; 32 5,6,7 ; 8,2,1 Mathematik (BG27) 2 3 { Objekt} { Menge } { Element } { } Reihenfolge spielt keine Rolle Unterscheidbarkeit der Objekte (redundanzfrei) 4 Objekt, 58 7,6 Beschreibung 81521 4/2,3/1,4 2 4 315 77 3,23 32

Mehr

Im allerersten Unterabschnitt wollen wir uns mit einer elementaren Struktur innerhalb der Mathematik beschäftigen: Mengen.

Im allerersten Unterabschnitt wollen wir uns mit einer elementaren Struktur innerhalb der Mathematik beschäftigen: Mengen. Kapitel 1 - Mathematische Grundlagen Seite 1 1 - Mengen Im allerersten Unterabschnitt wollen wir uns mit einer elementaren Struktur innerhalb der Mathematik beschäftigen: Mengen. Definition 1.1 (G. Cantor.

Mehr

Für unseren Gebrauch ist eine Menge bestimmt durch die in ihr enthaltenen Elemente. Ist M eine Menge, so ist ein beliebiges Objekt m wieder so ein

Für unseren Gebrauch ist eine Menge bestimmt durch die in ihr enthaltenen Elemente. Ist M eine Menge, so ist ein beliebiges Objekt m wieder so ein Mengen 1.2 9 1.2 Mengen 7 Der Begriff der Menge wurde am Ende des 19. Jahrhunderts von Georg Cantor wie folgt eingeführt. Definition (Cantor 1895) Eine Menge ist eine Zusammenfassung M von bestimmten,

Mehr

Vorkurs Mathematik. Prof. Udo Hebisch WS 2017/18

Vorkurs Mathematik. Prof. Udo Hebisch WS 2017/18 Vorkurs Mathematik Prof. Udo Hebisch WS 2017/18 1 1 Logik 2 1 Logik Unter einer Aussage versteht man in der Mathematik einen in einer natürlichen oder formalen Sprache formulierten Satz, für den eindeutig

Mehr

WS 20013/14. Diskrete Strukturen

WS 20013/14. Diskrete Strukturen WS 20013/14 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

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { } Zur Einleitung: Lineare Gleichungssysteme Wir untersuchen zunächst mit Methoden, die Sie vermutlich aus der Schule kennen, explizit einige kleine lineare Gleichungssysteme. Das Gleichungssystem I wird

Mehr

2.1 Definitionen Sätze und Beweise Erklärungen zu den Definitionen... 15

2.1 Definitionen Sätze und Beweise Erklärungen zu den Definitionen... 15 Mengen Übersicht.1 Definitionen................................................. 11. Sätze und Beweise............................................ 14.3 Erklärungen zu den Definitionen...............................

Mehr

Elementare Mengenlehre

Elementare Mengenlehre Vorkurs Mathematik, PD Dr. K. Halupczok WWU Münster Fachbereich Mathematik und Informatik 5.9.2013 Ÿ2 Elementare Mengenlehre Der grundlegendste Begri, mit dem Objekte und Strukturen der Mathematik (Zahlen,

Mehr

Vorsemesterkurs Informatik

Vorsemesterkurs Informatik Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung

Mehr

Große Mengen und Ultrafilter. 1 Große Mengen

Große Mengen und Ultrafilter. 1 Große Mengen Vortrag zum Seminar zur Analysis, 31.10.2012 Marcel Marnitz In diesem Vortrag wird das Konzept mathematischer Filter eingeführt. Sie werden in späteren Vorträgen zur Konstruktion der hyperreellen Zahlen

Mehr

Vorsemesterkurs Informatik

Vorsemesterkurs Informatik Vorsemesterkurs Informatik Ronja Düffel WS2018/19 01. Oktober 2018 Theoretische Informatik Wieso, weshalb, warum??!? 1 Modellieren und Formalisieren von Problemen und Lösungen 2 Verifikation (Beweis der

Mehr

Gliederung. Mengen und operationen. Relationen. Funktionen. Kardinalität von Mengen. Formale Grundlagen der Informatik Knorr/Fuchs SS 2000

Gliederung. Mengen und operationen. Relationen. Funktionen. Kardinalität von Mengen. Formale Grundlagen der Informatik Knorr/Fuchs SS 2000 Gliederung Mengen und operationen Relationen Funktionen Kardinalität von Mengen Mengen, Relationen, Funktionen 1 Mengen Definition (Naive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer

Mehr

1 Grundlagen. 1.1 Aussagen

1 Grundlagen. 1.1 Aussagen 1 Grundlagen 1.1 Aussagen In der Mathematik geht es um Aussagen. Eine Aussage ist ein statement, das entweder wahr oder falsch sein kann. Beides geht nicht! Äußerungen, die nicht die Eigenschaft haben,

Mehr

DIE SPRACHE DER WAHRSCHEINLICHKEITEN

DIE SPRACHE DER WAHRSCHEINLICHKEITEN KAPITEL 1 DIE SPRACHE DER WAHRSCHEINLICHKEITEN Es ist die Aufgabe der ersten drei Kapitel, eine vollständige Beschreibung des grundlegenden Tripels (Ω, A, P) und seiner Eigenschaften zu geben, das heutzutage

Mehr

2 Mengen und Abbildungen

2 Mengen und Abbildungen 2.1 Mengen Unter einer Menge verstehen wir eine Zusammenfassung von Objekten zu einem Ganzen. Die Objekte heiÿen Elemente. Ist M eine Menge und x ein Element von M so schreiben wir x M. Wir sagen auch:

Mehr

Brückenkurs Mathematik 2015

Brückenkurs Mathematik 2015 Technische Universität Dresden Fachrichtung Mathematik, Institut für Analysis Dr.rer.nat.habil. Norbert Koksch Brückenkurs Mathematik 2015 1. Vorlesung Logik, Mengen und Funktionen Ich behaupte aber, dass

Mehr

Übungszettel 1a - Aussagenlogik und Mengen

Übungszettel 1a - Aussagenlogik und Mengen Vorsemesterkurs Informatik Übungsaufgaben Übungszettel 1a - Aussagenlogik und Mengen Aufgabe 1: Quiz-Negation Aussage A Negation A richtig falsch Alle Menschen schlafen gerne Alle Menschen sind lang. Frühaufsteher.

Mehr

Mengenlehre. Begriff der Mengenzugehörigkeit x M, x Ê M >x : x { a 1. e e x = a n. } 2 x = a 1. >x : x { y P(y) } 2 P(x) Begriff der leeren Menge

Mengenlehre. Begriff der Mengenzugehörigkeit x M, x Ê M >x : x { a 1. e e x = a n. } 2 x = a 1. >x : x { y P(y) } 2 P(x) Begriff der leeren Menge Mengenlehre Grundbegriff ist die Menge Definition (Naive Mengenlehre). Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor) Notation 1. Aufzählung

Mehr

Mathematische Grundlagen der Computerlinguistik

Mathematische Grundlagen der Computerlinguistik Mengen und Mengenoperationen (Teil I) Centrum für Informations- und Sprachverarbeitung (CIS) 2. Juni 2014 Table of Contents Mengen und ihre Darstellung Darstellung endlicher Mengen Darstellung unendlicher

Mehr

HM I Tutorium 1. Lucas Kunz. 27. Oktober 2016

HM I Tutorium 1. Lucas Kunz. 27. Oktober 2016 HM I Tutorium 1 Lucas Kunz 27. Oktober 2016 Inhaltsverzeichnis 1 Theorie 2 1.1 Logische Verknüpfungen............................ 2 1.2 Quantoren.................................... 3 1.3 Mengen und ihre

Mehr

Mathematische Grundlagen der Computerlinguistik I. Mengen und Mengenoperationen (Teil 1)

Mathematische Grundlagen der Computerlinguistik I. Mengen und Mengenoperationen (Teil 1) Mathematische Grundlagen der Computerlinguistik I Mengen und Mengenoperationen (Teil 1) Exzerpt aus dem Skript von Prof. Dr. Klaus U. Schulz Michaela Geierhos M.A. Centrum für Informations- und Sprachverarbeitung

Mehr

Kapitel 2 MENGENLEHRE

Kapitel 2 MENGENLEHRE Kapitel 2 MENGENLEHRE In diesem Kapitel geben wir eine kurze Einführung in die Mengenlehre, mit der man die ganze Mathematik begründen kann. Wir werden sehen, daßjedes mathematische Objekt eine Menge ist.

Mehr

1.4 Mengen. Wirtschaftswissenschaften häufig nicht so klar formulierbar.

1.4 Mengen. Wirtschaftswissenschaften häufig nicht so klar formulierbar. Wirtschaftswissenschaften häufig nicht so klar formulierbar. Viel häufiger tritt das Phänomen auf, dass man Aussagen widerlegt! Kehren wir zurück zu unserem Beispiel 1.13 über den Zusammenhang zwischen

Mehr

Dieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.

Dieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird. Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,

Mehr

Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik

Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik Prof. Dr. Elmar Grosse-Klönne Institut für Mathematik Lineare Algebra Analytische Geometrie I* Übungsaufgaben, Blatt Musterlösungen Aufgabe. Es seien A, B, C Teilmengen einer Menge X. Zeige: i A B C =

Mehr

3 Vom Zählen zur Induktion

3 Vom Zählen zur Induktion 7 3 Vom Zählen zur Induktion 3.1 Natürliche Zahlen und Induktions-Prinzip Seit unserer Kindheit kennen wir die Zahlen 1,, 3, 4, usw. Diese Zahlen gebrauchen wir zum Zählen, und sie sind uns so vertraut,

Mehr

Analyis I - Grundlagen

Analyis I - Grundlagen Elementare Aussagenlogik October 23, 2008 Elementare Aussagenlogik Definition Eine Aussage im Sinne der Aussagenlogik ist eine sprachliche Aussage, bei der klar entschieden werden kann, ob sie wahr oder

Mehr

Grundlegendes der Mathematik

Grundlegendes der Mathematik Kapitel 2 Grundlegendes der Mathematik (Prof. Udo Hebisch) 2.1 Logik Unter einer Aussage versteht man in der Mathematik einen in einer natürlichen oder formalen Sprache formulierten Satz, für den eindeutig

Mehr

Tag 1a - Aussagenlogik und Mengen

Tag 1a - Aussagenlogik und Mengen Vorsemesterkurs Informatik Übungsaufgaben Tag 1a - Aussagenlogik und Mengen Aufgabe 1: Quiz-Negation Aussage A Negation A richtig falsch Alle Menschen schlafen gerne Alle Menschen sind lang. Frühaufsteher.

Mehr

Für ist Element von und ist nicht Element von schreibt man: 2

Für ist Element von und ist nicht Element von schreibt man: 2 3 Mengen, Logik Jörn Loviscach Versionsstand: 2. Dezember 2011, 16:25 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.j3l7h.de/videos.html This work

Mehr

Mengenlehre und vollständige Induktion

Mengenlehre und vollständige Induktion Fachschaft MathPhys Heidelberg Mengenlehre und vollständige Induktion Vladislav Olkhovskiy Vorkurs 018 Inhaltsverzeichnis 1 Motivation 1 Mengen.1 Grundbegriffe.................................. Kostruktionen

Mehr

3 Mengen, Logik. 1 Naive Mengenlehre

3 Mengen, Logik. 1 Naive Mengenlehre 3 Mengen, Logik Jörn Loviscach Versionsstand: 21. September 2013, 15:53 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html This work is

Mehr

Mengenoperationen, Abbildungen

Mengenoperationen, Abbildungen TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Z6 Rechengesetze für Mengenoperationen Lineare Algebra 1 WS 2006/07 en Blatt 3 06.11.2006 Mengenoperationen,

Mehr

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

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

Mehr

ANALYSIS I FÜR TPH WS 2016/17 1. Übung Übersicht

ANALYSIS I FÜR TPH WS 2016/17 1. Übung Übersicht . Übung Übersicht Aufgaben zu Kapitel und 2 Aufgabe : Drei klassische Ungleichungen Aufgabe 2: ) Beweis einer Summenformel Induktion) Aufgabe : ) Teleskopsummen Aufgabe 4: Noch etwas Formelmanipulation

Mehr

Vorsemesterkurs Informatik

Vorsemesterkurs Informatik Vorsemesterkurs Informatik Vorsemesterkurs Informatik Elizaveta Kovalevskaya WS 2017/18 6. Oktober 2017 Vorkurs Informatik - WS 2017/18 1/44 Vorsemesterkurs Informatik Übersicht 1 Relationen 2 Funktionen

Mehr

2 ZAHLEN UND VARIABLE

2 ZAHLEN UND VARIABLE Zahlen und Variable 2 ZAHLEN UND VARIABLE 2.1 Grundlagen der Mengenlehre Unter einer Menge versteht man die Zusammenfassung von unterscheidbaren Objekten zu einem Ganzen. Diese Objekte bezeichnet man als

Mehr

Mathematik für Techniker

Mathematik für Techniker Siegfried Völkel u.a. Mathematik für Techniker 7., neu bearbeitete und erweiterte uflage 16 1 Rechenoperationen Prinzip der Mengenbildung Wenn eine ussageform für die Objekte eines Grundbereichs vorliegt,

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

B Grundbegriffe zu Mengen und Abbildungen

B Grundbegriffe zu Mengen und Abbildungen B Grundbegriffe zu Mengen und Abbildungen Die Sprache der Mengen und Abbildungen hat sich als Basissprache in der modernen Mathematik durchgesetzt. Da sie sehr praktisch ist, wird sie auch in diesem Buch

Mehr

Ein Turnierplan mit fünf Runden

Ein Turnierplan mit fünf Runden Mathematik I für Informatiker Graphen p. 1 Ein Turnierplan mit fünf Runden c b a c b a c b a c b a c b a d e d e d e d e d e Mathematik I für Informatiker Graphen p. 2 Definition: Graph Ein (schlichter)

Mehr

Biologische Psychologie I Kapitel 2

Biologische Psychologie I Kapitel 2 Biologische Psychologie I Kapitel 2 Evolution, Genetik und Erfahrung Von Dichotomien zu Beziehungen und Interaktionen Früher (z.t. auch heute noch) gestellte Fragen zum Verhalten: physiologisch oder psychologisch?

Mehr

Mengenlehre Zahlbereiche. II Mengenlehre. Propädeutikum Holger Wuschke. 18. September 2018

Mengenlehre Zahlbereiche. II Mengenlehre. Propädeutikum Holger Wuschke. 18. September 2018 Propädeutikum 2018 18. September 2018 in der Mengenlehre Denition einer Menge (Georg Cantor, 1869) Unter einer Menge verstehen wir jede Zusammenfassung M von bestimmten wohlunterschiedenen Objecten m unsrer

Mehr

3 Werkzeuge der Mathematik

3 Werkzeuge der Mathematik 3.1 Mengen (18.11.2011) Definition 3.1 Die Menge heißt leere Menge. :=»x M x x Definition 3.2 Es seien N und M Mengen. Wir definieren: und analog M N : (x M x N). N M : (x N x M). Wir sagen M ist Teilmenge

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

Diskrete Strukturen. Vorlesung 3: Naive Mengenlehre. 30. Oktober 2018

Diskrete Strukturen. Vorlesung 3: Naive Mengenlehre. 30. Oktober 2018 Diskrete Strukturen Vorlesung 3: Naive Mengenlehre 30. Oktober 2018 2 Organisation Prüfung: vorauss. am Freitag, den 22. Februar 2019 von 10 11 Uhr im AudiMax, HS 3, HS 9 Abmeldungen noch bis zum 12. Januar

Mehr

N = f0; 1; 2; : : : g: [n] = f1; : : : ; ng: M = f x j x hat die Eigenschaft E g:

N = f0; 1; 2; : : : g: [n] = f1; : : : ; ng: M = f x j x hat die Eigenschaft E g: 1 Mengen Gregor Cantor denierte 1895 eine Menge als eine Zusammenfassung wohldenierter, unterscheidbarer Objekte. Eine Menge wird als neues Objekt angesehen, die Menge ihrer Objekte. Ein Objekt x aus der

Mehr

Anwendungen der Logik, SS 2008, Martin Goldstern

Anwendungen der Logik, SS 2008, Martin Goldstern Anwendungen der Logik, SS 2008, Martin Goldstern Total geordnete Körper Ein total geordneter Körper ist ein Körper (K, +,, 0, 1, ) mit einer totalen (=linearen) Ordnung, die mit den Operationen verträglich

Mehr

Grundlagen der Theoretischen Informatik

Grundlagen der Theoretischen Informatik 1 Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Wintersemester 2014/15 2 Notation für Wörter w a is die Anzahl der Vorkommen von

Mehr

1. Grundlagen. Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen

1. Grundlagen. Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen 1. Grundlagen Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen Peter Buchholz 2016 MafI 2 Grundlagen 7 1.1 Was ist Analysis? Analysis ist

Mehr

1. Grundlagen. 1.1 Was ist Analysis? 1.2 Aussagen und Mengen

1. Grundlagen. 1.1 Was ist Analysis? 1.2 Aussagen und Mengen . Grundlagen Gliederung. Was ist Analysis?.2 Aussagen und Mengen.3 Natürliche Zahlen.4 Ganze Zahlen, rationale Zahlen. Was ist Analysis? Analysis ist neben der linearen Algebra ein Grundpfeiler der Mathematik!

Mehr

definieren eine Aussage A als einen Satz, der entweder wahr (w) oder falsch (f) (also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1.

definieren eine Aussage A als einen Satz, der entweder wahr (w) oder falsch (f) (also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1. 22 Kapitel 1 Aussagen und Mengen 1.1 Aussagen Wir definieren eine Aussage A als einen Satz, der entweder wahr w) oder falsch f) also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1. 2 ist eine

Mehr