Kapitel 2 Mathematische Grundlagen
|
|
- Katja Bretz
- vor 7 Jahren
- Abrufe
Transkript
1 Kapitel 2 Mathematische Grundlagen Ziel: Einführung/Auffrischung einiger mathematischer Grundlagen 2.1 Mengen, Relationen, Ordnungen Definition: Eine Menge ist eine Zusammenfassung von wohlbestimmten und wohlunterschiedenen Objekten zu einem Ganzen (G. Cantor, 1883). Ein Objekt a einer Menge A heißt Element von A, a A Beispiele: {1, 2, 3, 4,... } (eine Menge mit unendlich vielen Elementen) { {a}, {a, b} } (eine Menge, deren Elemente Mengen sind) { } = Ø (leere Menge) {Ø} (eine Menge, deren einziges Element die leere Menge ist) AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 1
2 Spezielle Mengen: : natürliche Zahlen ohne Null 0 : natürliche Zahlen mit Null : ganze Zahlen n : {0, 1,, n-1}, endlicher Abschnitt der natürlichen Zahlen : rationale Zahlen : reelle Zahlen Die Anzahl der Elemente einer Menge M heißt Kardinalität oder Größe der Menge und wird mit M bezeichnet. Beispiel: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 2
3 Objekte mit einer gemeinsamen Eigenschaft E(x) lassen sich zu einer Menge zusammenfassen. Schreibweise: { x E(x) } d.h. die Menge aller x, für die E(x) gilt Beispiel: { n k : k 2 = n } = {1, 4, 9, 16, 25,...} (Quadratzahlen) Operationen auf Mengen Definition: Seien A und B Mengen. Die Vereinigung von A und B ist die Menge A B = { x x A oder x B }. AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 3
4 Der Durchschnitt von A und B ist die Menge A B = { x x A und x B }. Die Differenz von A und B ist die Menge A \ B = { x x A und x B }. Beispiele: {1, 3, 5} {1, 2, 3} = {1, 2, 3, 5} {1, 3, 5} {1, 2, 3} = {1, 3} {1, 3, 5} \ {1, 2, 3} = {5} Definition: Zwei Mengen A und B heißen disjunkt, wenn A B = Ø gilt, d.h. wenn ihr Durchschnitt die leere Menge ist. AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 4
5 Rechenregeln Für alle Mengen A, B, C gilt: (A B) C = A (B C) (Assoziativität) (A B) C = A (B C) A B = B A und A B = B A (Kommutativität) A A = A und A A = A (Idempotenz) A (B C) = (A B) (A C) (Distributivität) A (B C) = (A B) (A C) Definition: Die Potenzmenge einer Menge A ist die Menge aller Teilmengen von A: P(A) = { M M A} = 2 A. AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 5
6 Die Potenzmenge einer endlichen Menge mit n Elementen hat 2 n Elemente. Die Potenzmenge der leeren Menge hat 2 0 = 1 Elemente. Beispiel: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 6
7 Definition: Seien M, N Mengen. Dann heißt das kartesische (Mengen-) Produkt von M und N. Die Verallgemeinerung von M 1 x M 2 x M n ergibt sich analog. Beispiel: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 7
8 Definition: Eine zweistellige Relation R zwischen M und N ist eine Teilmenge von M x N, d.h. R M x N, Notation: arb, (a,b) R, R ist eine Menge geordneter Paare Beispiel: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 8
9 Eigenschaften auf Relationen Gegeben sei eine zweistellige Relation R M x M. Dann heißt R Technische Universität München Reflexiv: a M: (a,a) R Symmetrisch: a,b M: (a,b) R impliziert (b,a) R Antisymmetrisch: a,b M: (a,b) R (b,a) R impliziert a=b Transitiv: a,b,c M: (a,b) R (b,c) R impliziert (a,c) R Beispiele: < auf : ist nicht reflexiv, aber transitiv Begründung: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 9
10 Weitere Beispiele: auf : ist reflexiv, transitiv und antisymmetrisch Begründung: Technische Universität München auf : ist nicht reflexiv, nicht transitiv und symmetrisch Begründung AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 10
11 Definition: Eine Relation R heißt partielle Ordnung bzw. Halbordnung, falls R reflexiv, antisymmetrisch und transitiv ist. Beispiel: Teilmengenrelation Es sind nur Elemente vergleichbar, die durch einen Pfad entlang der Pfeile (Richtung beachten) verbunden sind: {p,q,r,s} > {p} aber {p} und {q,r,s} sind nicht vergleichbar AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 11
12 Definition: Eine partielle Ordnung R heißt totale Ordnung, falls alle Elemente miteinander vergleichbar sind. Definition: Eine Relation R heißt Äquivalenzrelation, wenn sie reflexiv, symmetrisch und transitiv ist. Eine Äquivalenzrelation auf einer Menge A zerlegt A in paarweise disjunkte Mengen, die Äquivalenzklassen. Beispiele: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 12
13 2.2 Abbildungen, Funktionen Definition: Seien A und B Mengen. Eine Abbildung/Funktion ist eine Relation R A x B mit: a A: {b B (a,b) R} = 1. Schreibweise: f: A B a a f(a) Urbild: f -1 (b):= {a A f(a) = b} Beispiel: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 13
14 Eigenschaften auf Funktionen/Abbildungen f heißt injektiv, wenn b B: f -1 (b) 1 f heißt surjektiv, wenn b B: f -1 (b) 1 f heißt bijektiv, wenn f injektiv und f surjektiv ist. Beispiele AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 14
15 Definition: Eine Funktion f(n) heißt monoton steigend, wenn x y impliziert f(x) f(y). Eine Funktion f(n) heißt monoton fallend, wenn x y impliziert f(x) f(y). AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 15
16 Auf- und Abrunden von Zahlen: Floor- und Ceil-Funktion Sei x eine reelle Zahl. x (floor) ist die größte ganze Zahl, die kleiner gleich x ist, und x (ceil) ist die kleinste ganze Zahl, die größer als x ist: x-1 < x x x < x 1 Bem.: für beliebige ganze Zahlen n gilt: n/2 + n/2 = n Beispiel: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 16
17 Definition: Modulo-Arithmetik Sei a, n \ {0}. a mod n ist der Rest der Division a / n, d. h. a mod n = a - a / n n Wir sagen, dass zwei ganze Zahlen a, b äquivalent modulo n sind, a b (mod n), wenn gilt, (a mod n) = (b mod n) d.h. a und b liefern beim Teilen durch n den gleichen Rest. Beispiel: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 17
18 Die Relation modulo partitioniert die Menge in genau n viele Äquivalenzklassen, wobei n := {0,1,...,n-1} ein Repräsentantensystem ist. Beispiel: Rechenregeln für Modul-Rechnung Für alle a,b,c,d,n mit n 2 gilt: aus a b (mod n) und c d (mod n) folgt a + c b + d (mod n) und a *c b* d (mod n) Beispiel: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 18
19 Definition: Polynome Gegeben sei eine positive ganze Zahl d. Ein Polynom in n vom Grad d ist eine Funktion p(n) der Form p(n) = a 0 n 0 + a 1 n 1 + a 2 n 2 + a 3 n a d n d Die a i heißen Koeffizienten, a d 0. Beispiel: Dezimalzahl ist Zahldarstellung als Polynom AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 19
20 Exponentialfunktion Für alle reelle Zahlen a>0, m und n gelten die Rechenregeln: a 0 = 1 a 1 = a a -1 = 1/a (a m ) n = a mn (a m ) n = (a n ) m a m a n = a m+n Bem.: Jede Exponentialfunktion mit Basis a > 1 wächst schneller als jedes Polynom. (Wichtig für Komplexitätsbetrachtungen von Algorithmen) AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 20
21 Funktionale Iteration Mit der Notation f (i) (n) wird die i-malige Anwendung der Funktion f auf einen Funktionswert n bezeichnet. Sei f(n) eine Funktion und i eine nichtnegative ganze Zahl. Dann gilt: f (i) (n) = n falls i = 0 f(f (i-1) (n)) falls i > 0 Beispiel: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 21
22 Definition: Folge Sei A eine Menge. Unter einer Folge versteht man eine Abbildung a : 0 A, i a a i Eine endliche Folge ist eine Abbildung a : {0,..., n-1} A, mit n 0. n ist die Länge der Folge. Schreibweisen für endliche Folgen: a = a 0,..., a n-1 oder als n-tupel (a 0,..., a n-1 ), d.h. als Elemente des kartesischen Produktes A n. Beispiel AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 22
23 Definition: Permutation Eine Permutation ist eine bijektive Abbildung p : {0,..., n-1} {0,..., n-1}, n 0. Beispiel: AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 23
24 Definition: Zahlendarstellung zur Basis b Eine positive ganze Zahl X zur Basis b, b > 1 wird dargestellt als eine endliche Folge x n-1,...,x 0 wobei x i Ziffern sind und für die Zahl X folgendes gilt: X = x n-1 b n x 0 b 0 Beispiel: Zahlensystem mit der Basis b=10 (Dezimalsystem) (23) 10 = 2* *10 0 Beispiel: Zahlensystem mit der Basis b = 2 (Binärsystem) (11) 10 = (1011) 2 = AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 24
25 Berechnung der Darstellung zur Basis b Beispiel: X = 11, b = 2 Beispiel: X = 11, b = 3 11 : 2 = 5 Rest 1 5 : 2 = 2 Rest 1 2 : 2 = 1 Rest 0 1 : 2 = 0 Rest 1 11 : 3 = 3 Rest 2 3 : 3 = 1 Rest 0 1 : 3 = 0 Rest 1 Resultat: 1011 Resultat: 102 AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 25
26 2.3 Alphabete, Wörter Definitionen: A sei eine endliche, nichtleere Menge. A := Anzahl der Elemente von A, A heißt Zeichenvorrat oder Alphabet, Das Paar (A, <) heißt geordnetes Alphabet, wenn < eine totale Ordnung auf A ist. Beispiele Menge der Dezimalziffern ID = {0,..., 9} Lat. Großbuchstaben {A, B,..., Z} mit der natürlichen Ordnung A < B <... < Z Geordnete binäre Zeichenvorräte IB = {0, 1} mit 0 < 1, oder {true, false} mit false < true AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 26
27 Definitionen: A sei Alphabet mit Ordnung <. Technische Universität München Wort über A: endliche Folge w = a 1 a 2... a k (a i A, k IN 0 ) Bem.: wir schreiben w = a 1 a 2... a k Länge des Wortes w: w = k leeres Wort: ε, ε = 0 statt w = a 1, a 2,..., a k A k := {w w ist ein Wort über A, w = k}, für k IN 0 oder rekursiv: A 0 := {ε}, A k := {ua u A k-1, a A} w = uv, dann heißen u, v Teilworte von w. A * := {w w Wort über A} = A k A + := {w w nichtleeres Wort über A} = k = 0 AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 27 k = 1 A k
28 Lexikographische Ordnung auf A * ist die von < induzierte totale Ordnung auf A * (analog zur Reihenfolge im Lexikon), d.h. für w, v A * : w < v: entweder: v=wv, mit v A *, Beispiel: oder: w = uaw, v = ubv, mit a, b A, u,w,v A * und a < b, a b. Lexikographische Ordnung auf der Menge der Dezimalzahlen: z.b. 13 < 132 < 1324 < 2 < 29 < 8 (entspricht nicht der numerischen Ordnung!) AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 28
29 2.4 Summenformeln und Eigenschaften Gegeben sei eine Zahlenfolge a 1,.., a n. Die endliche Summe a 1 + a a n schreiben wir auch in der Form n Die Summe k = n ist eine arithmetische Reihe. k= 1 Sie hat die Werte k = ½ * n(n + 1) Es gelten die Summenformeln: n k= 1 n i= 1 ai AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 29
30 2.5 Logarithmus Definition des Logarithmus zur Basis b x= log b a a= b x Beispiel: log 2 16 = x 2 x = 16, d.h. x=4 Logarithmus-Gesetze 1. Produkt: log b (x*y) = log b x + log b y 2. Quotient: log b (x/y) = log b x - log b y 3. Potenzen: sei r eine reelle Zahl log b (x r ) = rlog b x für r=-1: log b (1/x) = -log b x AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 30
31 2.6 Wahrscheinlichkeiten Ein Ereignisraum S ist Menge, deren Elemente als Elementarereignisse bezeichnet werden. Ein Elementarereignis Technische Universität München kann als Ausgang eines Experiments interpretiert werden. Beispiel: Werfen zweier unterscheidbarer Münzen, wobei jeder Münzwurf in Kopf(Ko) oder Zahl(Za) endet. S = {KoKo,KoZa,ZaKo,KoKo} Ein Ereignis ist eine Teilmenge des Ereignisraums S. Ein Elementarereignis s S bezeichnet das Ereignis {s}. Ereignis S wird sicheres Ereignis genannt, Ereignis Ø als unmögliches Ereignis. AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 31
32 Wahrscheinlichkeitsverteilung Pr{} über einem Ereignisraum S ist eine Funktion von einer Menge von Ereignissen aus S in das Intervall [0,1] der reellen Zahlen, Pr : 2 S [0,1], wobei folgende Axiome erfüllt sind: Pr{A} 0, für jedes Ereignis A Pr{S} = 1 Pr{A B} = Pr{A} + Pr{B} für zwei sich gegenseitig ausschließende Ereignisse A und B Für unmögliches Ereignis Ø gilt: Pr{Ø} = 0. Aus A B folgt Pr{A} Pr{B} Komplement eines Ereignisses A wird als Ā bezeichnet. Es gilt Pr{Ā} = 1-Pr{A} AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 32
33 Eine (diskrete) Zufallsvariable X ist eine Funktion von einem endlichen oder abzählbar unendlichen Ereignisraum S in die Menge der reellen Zahlen. Sie ordnet jedem möglichen Ausgang eines Experiments eine reelle Zahl zu. Für eine Zufallsvariable X und eine reelle Zahl x definieren wir das Ereignis X=x als { s S : X(s) = x }, so dass gilt: Pr{X = x} = Funktion f(x) = Pr{X=x} ist die Wahrscheinlichkeitsdichtefunktion der Zufallsvariable X. Aus den Wahrscheinlichkeitsaxiomen folgt Pr{X = x} 0, Pr{ X = x} = 1 x AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 33 s S: X ( s ) = x Pr{ s}
34 Erwartungswert: Gegeben sei eine diskrete Zufallsvariable X. Der Erwartungswert (oder Mittelwert) von X ist: E[X] = x Pr{ X = x} x AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 34
35 Beispiel: Das Experiment sei das Werfen eines Butterbrots. Der Ereignisraum S ist gegeben durch: S = {Butterseite oben, Butterseite unten}. Wir nehmen an, dass wir: 2 Euro erhalten, wenn die Butterseite nach oben zeigt und 1 Euro verlieren, wenn die Brutterseite nach unten zeigt. Die Wahrscheinlichkeiten für die Elementarereignisse aus S seien: Pr{Butterseite oben} = 1/4 und Pr{Butterseite unten} = 3/4. Frage: Wie ist der Erwartungswert der Zufallsvariable X, die einen Gewinn darstellt? AuD, Kapitel 2 Mathematische Grundlagen, WS11/12, C. Eckert & Th Stibor 35
Kapitel 2 Mathematische Grundlagen
Kapitel 2 Mathematische Grundlagen Ziel: Einführung/Auffrischung einiger mathematischer Grundlagen 2.1 Mengen, Relationen, Ordnungen Definition: Eine Menge ist eine Zusammenfassung von wohlbestimmten und
MehrTechnische Universität München
Stand der Vorlesung Kapitel 2: Auffrischung einiger mathematischer Grundlagen Mengen, Potenzmenge, Kreuzprodukt (Paare, Tripel, n-tupel) Relation: Teilmenge MxN Eigenschaften: reflexiv, symmetrisch, transitiv,
Mehr3 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
MehrKapitel 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
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
MehrKapitel 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
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
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
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
MehrMengen. (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,
MehrMengen. 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: {
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,
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,
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
Mehr4. Mathematische und notationelle Grundlagen. Beispiel Mengen. Bezeichnungen:
4. Mathematische und notationelle Grundlagen 4.1 Mengen Beispiel 3 A 1 = {2, 4, 6, 8}; A 2 = {0, 2, 4, 6,...} = {n N 0 ; n gerade} Bezeichnungen: x A A x x A B A B A { } x Element A x nicht Element A B
MehrKapitel 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
MehrLösungsmenge 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
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 349 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
MehrEinführung in die Wahrscheinlichkeitsrechnung
Marco Cattaneo Institut für Statistik Ludwig-Maximilians-Universität München Sommersemester 2011 1. Wahrscheinlichkeitsrechnung 2. Diskrete Zufallsvariable 3. Stetige Zufallsvariable 4. Grenzwertsätze
Mehr4. Funktionen und Relationen
4. Funktionen und Relationen Nikolaus von Oresmes Richard Dedekind (1831-1916) René Descartes 1596-1650 Pierre de Fermat 1607/8-1665 Seite 1 Inhalt der Vorlesung Teil 4: Funktionen und Relationen 4.1 Funktionen:
MehrGrundlagen. Kapitel Mengen
Kapitel 1 Grundlagen 1.1 Mengen Grundobjekte mathematischer Theorien sind Mengen. Zwar stellt man sich darunter Gesamtheiten von gewissen Dingen (den Elementen der Menge) vor, doch führt die uneingeschränkte
MehrGliederung. 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
MehrAbschnitt 3: Mathematische Grundlagen
Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 Mengen und Abbildungen 3.2 Induktion und Rekursion 3.3 Ausdrücke 3 Mathematische Grundlagen Einf. Progr. (WS 08/09) 102 Überblick 3.
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
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:
MehrAbschnitt 3: Mathematische Grundlagen
Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 3.2 Induktion und Rekursion 3.3 Boolsche Algebra Peer Kröger (LMU München) Einführung in die Programmierung WS 14/15 48 / 155 Überblick
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
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)
MehrDiskrete Mathematik I Wintersemester 2007 A. May
Diskrete Mathematik I Wintersemester 2007 A. May Literatur Vorlesung richtet sich nach A. Steger: Diskrete Strukturen Band 1: Kombinatorik-Graphentheorie- Algebra Springer Verlag T. Schickinger, A. Steger:
MehrTechnische 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
Mehr2 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:
MehrGrundbegriffe der Wahrscheinlichkeitsrechnung
Algorithmen und Datenstrukturen 112 A Grundbegriffe der Wahrscheinlichkeitsrechnung Für Entwurf und Analyse randomisierter Algorithmen sind Hilfsmittel aus der Wahrscheinlichkeitsrechnung erforderlich.
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
MehrDiskrete 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
MehrGrundlagen 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
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.
MehrMengen (siehe Teschl/Teschl 1.2)
Mengen (siehe Teschl/Teschl 1.2) Denition nach Georg Cantor (1895): Eine Menge ist eine Zusammenfassung von bestimmten und wohlunterschiedenen Objekten unserer Anschauung oder unseres Denkens zu einem
MehrAbschnitt 3: Mathematische Grundlagen
Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 3.2 Boolsche Algebra 3.3 Induktion und Rekursion Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 46 / 708 Überblick
MehrKapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2 Mathematische Grundlagen Skript zur Vorlesung Einführung in die Programmierung im Wintersemester 2012/13 Ludwig-Maximilians-Universität
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Kapitel 21: Relationen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische Informatik
MehrVorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen
Vorbereitungskurs Mathematik zum Sommersemester 2015 Mengen und Relationen Susanna Pohl Vorkurs Mathematik TU Dortmund 10.03.2015 Mengen und Relationen Mengen Motivation Beschreibung von Mengen Mengenoperationen
MehrMathematik für Ökonomen 1
Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen
MehrWS 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
MehrTheoretische Grundlagen des Software Engineering
Theoretische Grundlagen des Software Engineering 1: Grundlagen, Sprachen, Automaten schulz@eprover.org Software Systems Engineering Definition Eine Definition ist eine genaue Beschreibung eines Objektes
MehrWichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung
Wichtige Begriffe und Sätze aus der Wahrscheinlichkeitsrechnung Version: 22. September 2015 Evelina Erlacher 1 Mengen Es sei Ω eine Menge (die Universalmenge ) und A, B seien Teilmengen von Ω. Dann schreiben
Mehr4. Funktionen und Relationen
Bestimmung der Umkehrfunktionen c) bei reellen Funktionen geometrisch durch Spiegelung des Funktionsgraphen an der Winkelhalbierenden y = x. y = x 3 y = x y = x y = (x+1)/2 y = x 1/3 y = 2x 1 Seite 27
MehrEinführung in die Programmierung
Einführung in die Programmierung Teil 2: Mathematische Grundlagen Prof. Dr. Peer Kröger, Florian Richter, Michael Fromm Wintersemester 2018/2019 Übersicht 1. Mengen 2. Relationen und Abbildungen 3. Boolsche
MehrLemma 23 Die (paarweise verschiedenen) Ereignisse A 1,..., A n sind genau dann unabhängig,
Lemma 23 Die (paarweise verschiedenen) Ereignisse A 1,..., A n sind genau dann unabhängig, wenn für alle (s 1,..., s n ) {0, 1} n gilt, dass wobei A 0 i = Āi und A 1 i = A i. Pr[A s 1 1... Asn n ] = Pr[A
MehrEinführung in die Semantik, 2./3. Sitzung Mengen / Relatione
Eigenschaften von Einführung in die Semantik, 2./3. Sitzung Mengen / / Göttingen 2. November 2006 Eigenschaften von Mengenlehre Eigenschaften von Eigenschaften von Das Konzept Menge Eine Menge ist eine
MehrLineare Algebra 1. Detlev W. Hoffmann. WS 2013/14, TU Dortmund
Lineare Algebra 1 Detlev W. Hoffmann WS 2013/14, TU Dortmund 1 Mengen und Zahlen 1.1 Mengen und Abbildungen Eine Menge ist eine Zusammenfassung wohlunterscheidbarer Objekte unserer Anschauung/unseres Denkens/unserer
MehrKapitel 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
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:
Mehr1. Mengentheoretische Grundbegriffe. naiver Mengenbegriff : Eine Menge ist eine Zusammenfassung M von bestimmten, wohlunterschiedenen
1. Mengentheoretische Grundbegriffe Cantors (1845 1918) naiver Mengenbegriff : Slide 1 Eine Menge ist eine Zusammenfassung M von bestimmten, wohlunterschiedenen Objekten unserer Anschauung oder unseres
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
MehrMengen, Funktionen und Logik
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 0/ Thomas Timmermann 8. Januar 0 Kardinalzahlen und die Mächtigkeit von Mengen Gleichmächtigkeit von Menge Zur Erinnerung: Wir wollen unendlich große Mengen hinsichtlich
Mehr(1.18) Def.: Eine Abbildung f : M N heißt
Zurück zur Mengenlehre: Abbildungen zwischen Mengen (1.17) Def.: Es seien M, N Mengen. Eine Abbildung f : M N von M nach N ist eine Vorschrift, die jedem x M genau ein Element f(x) N zuordnet. a) M = N
Mehrmathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen
Einführung in die Logik - 6 mathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen Modelltheoretische / Denotationelle Semantik der Prdikatenlogik Ein Modell ist ein künstlich geschaffenes
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016 Teil 1: Wiederholung 1 Mengen 2 Abbildungen 3 Exkurs Beweistechniken 4 Relationen Definition Operationen Eigenschaften Äquivalenzrelationen
MehrÜbersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19
Theoretische Informatik I WS2018/19 Übersichtsblatt Hertrampf/Bahrdt Institut für Formale Methoden der Informatik Theoretische Informatik Universität Stuttgart 1 Mathematische Aussagen Um mathematische
MehrMathematische Strukturen
Mathematische Strukturen Lineare Algebra I Kapitel 3 16. April 2013 Kartesisches Produkt Das kartesische Produkt (benannt nach René Descartes) von n Mengen M 1,..., M n ist M 1 M n := {(x 1,..., x n )
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
Mehr0 Mengen und Abbildungen, Gruppen und Körper
0 Mengen und Abbildungen, Gruppen und Körper In diesem Paragrafen behandeln wir einige für die Lineare Algebra und für die Analysis wichtige Grundbegriffe. Wir beginnen mit dem Begriff der Menge. Auf Cantor
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
MehrMathematische Grundlagen der Computerlinguistik Relationen und Funktionen
Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Dozentin: Wiebke Petersen 2. Foliensatz Wiebke Petersen math. Grundlagen 20 n-tupel und Cartesisches Produkt Mengen sind ungeordnet,
Mehr4 Mengentheorie. 4.1 Mengen
4 Mengentheorie 4.1 Mengen Die Mengentheorie ist entwickelt worden, um eine elementare Basis für den Aufbau der gesamten Mathematik zu haben. Ihr Begründer ist Georg Cantor (1845-1918). Die Standard-Semantik
MehrWESTFÄLISCHE WILHELMS-UNIVERSITÄT MÜNSTER. Diskrete Strukturen. wissen leben WWU Münster
MÜNSTER Diskrete Strukturen Dietmar Lammers Vorlesung SoSe 2010 > Relationen MÜNSTER Diskrete Strukturen 41/101 Seien A und B und für n N seien A 1 A 2...A n Mengen > Relationen MÜNSTER Diskrete Strukturen
MehrEinführung in die Mengenlehre
Einführung in die Mengenlehre D (Menge von Georg Cantor 845-98) Eine Menge ist eine Zusammenfassung bestimmter wohlunterschiedener Objekte unseres Denkens oder unserer Anschauung zu einem Ganzen wobei
MehrMengenlehre. 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
MehrMengenlehre. 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.
MehrVorlesung Diskrete Strukturen Relationen
Vorlesung Diskrete Strukturen Relationen Bernhard Ganter WS 2009/10 Relationen Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B. Ein wichtiger Spezialfall ist
MehrAnmerkungen zu Mengen und Abbildungen
Anmerkungen zu Mengen und Abbildungen Kartesisches Produkt von n Mengen und n-stellige Relationen Sind M 1, M,, M n nichtleere Mengen, so ist ihr kartesisches Produkt erklärt als Menge aller geordneter
MehrGrundbegriffe der Informatik Kapitel 3: Mengen, Alphabete, Abbildungen
Grundbegriffe der Informatik Kapitel 3: Mengen, Alphabete, Abbildungen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für
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
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
MehrLogische Grundlagen der Mathematik, WS 2014/15
Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten
MehrKapitel 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
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
MehrLösungen zur Übungsserie 1
Analysis 1 Herbstsemester 2018 Prof. Peter Jossen Montag, 24. September Lösungen zur Übungsserie 1 Aufgaben 1, 3, 4, 5, 6, 8 Aufgabe 1. Sei X eine endliche Menge mit n Elementen, und sei Y eine endliche
MehrMathematik 1 für Informatik Inhalt Grundbegrie
Mathematik 1 für Informatik Inhalt Grundbegrie Mengen, speziell Zahlenmengen Aussagenlogik, Beweistechniken Funktionen, Relationen Kombinatorik Abzählverfahren Binomialkoezienten Komplexität von Algorithmen
Mehr3. Kombinatorik und Wahrscheinlichkeit
3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:
MehrMATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016
MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/17 MARK HAMILTON LMU MÜNCHEN 1.1. Grundbegriffe zu Mengen. 1. 17. OKTOBER 2016 Definition 1.1 (Mengen und Elemente). Eine Menge ist die Zusammenfassung
Mehri=1 j= 5 2. Verifizieren Sie die Gleichung indem Sie die Ausdrücke ohne Summenzeichen schreiben. j=0
Übungen zur Einführung in die Analysis (Einführung in das mathematische Arbeiten WS 2017 1. Schreiben Sie die folgenden Ausdrücke ohne Verwendung von Summen- bzw. Produktzeichen: 7 2 3 5 k 2k+1, a k, 2
MehrVorlesung Diskrete Strukturen Abbildungen
Vorlesung Diskrete Strukturen Abbildungen Bernhard Ganter WS 2009/10 Hashfunktionen Wenn eine Datenbank Millionen von Dokumenten enthält und immer neue dazu kommen, stellt sich folgendes Problem: Bei neuen
MehrKommutativität. De Morgansche Regeln
1. Formale Logik Proposition 1.1. Die logischen Elementarverknüpfungen gehorchen folgenden Äquivalenzen: (1.1) (1.2) p p p p p p Idempotenz (1.3) (1.4) p q q p p q q p Kommutativität (1.5) (1.6) (p q)
Mehr7 Äquivalenzrelationen
71 7 Äquivalenzrelationen 7.1 Äquivalenzrelationen und Klassen Definition Eine Relation R auf einer Menge oder einem allgemeineren Objektbereich heißt eine Äquivalenzrelation, falls sie reflexiv, symmetrisch
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
MehrBemerkungen zur Notation
Bemerkungen zur Notation Wir haben gerade die Symbole für alle und es gibt gebraucht. Dies sind so genannte logische Quantoren, und zwar der All- und der Existenzquantor. Die Formel {a A; ( b B)[(a, b)
Mehr1 Mathematische Grundbegriffe
1 1 Mathematische Grundbegriffe 1.1 Relationen und Funktionen Seien A 1,..., A n Mengen. Ein n-tupel über A 1,..., A n ist eine Folge (a 1,..., a n ) von Objekten a i A i, für i = 1,..., n. Zwei n-tupel
MehrKapitel II - Wahrscheinlichkeitsraum
Universität Karlsruhe (TH) Institut für Statistik und Mathematische Wirtschaftstheorie Wahrscheinlichkeitstheorie Kapitel II - Wahrscheinlichkeitsraum Markus Höchstötter Lehrstuhl für Statistik, Ökonometrie
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
MehrAnalysis für Informatiker
Analysis für Informatiker Wintersemester 2017/2018 Carsten.Schneider@risc.jku.at 1 Bemerkung: Dies ist kein Skript, welches den gesamten Inhalt der Vorlesung abdeckt. Es soll den Studierenden aber während
MehrDiskrete Mathematik I
Diskrete Mathematik I Alexander May Fakultät für Mathematik Ruhr-Universität Bochum Wintersemester 08/09 DiMa I - Vorlesung 01-13.10.2008 Mengen, Relationen, Funktionen, Indirekter Beweis 1 / 59 Organisatorisches
Mehr8. Formelsammlung. Pr[ ] = 0. 0 Pr[A] 1. Pr[Ā] = 1 Pr[A] A B = Pr[A] Pr[B] DWT 8.1 Gesetze zum Rechnen mit Ereignissen 203/467 Ernst W.
8. Formelsammlung 8.1 Gesetze zum Rechnen mit Ereignissen Im Folgenden seien A und B, sowie A 1,..., A n Ereignisse. Die Notation A B steht für A B und zugleich A B = (disjunkte Vereinigung). A 1... A
MehrLösungsmenge 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
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
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
Mehr