Qualitative Datenanalyse

Größe: px
Ab Seite anzeigen:

Download "Qualitative Datenanalyse"

Transkript

1 Qualitative Datenanalyse Prof. Dr. Stefan E. Schmidt Francesco Kriegel TU Dresden Fakultät Mathematik Institut Algebra SS September 2008

2 Inhaltsverzeichnis Kapitel 1 Formale Begriffsanalyse Modellierung von Tabellen mit formalen Kontexten Ableitungsoperatoren Formale Begriffe Begriffsverband Apposition von formalen Kontexten Formale Implikationen Kapitel 2 Annotationen Grundlagen Vervollständigung und Kern Anpassung und Adjustierung Annotationen und Kontexte Isomorphie und Äquivalenz Dedekind-MacNeille-Vervollständigung

3 0

4 1 Formale Begriffsanalyse 1.1 Modellierung von Tabellen mit formalen Kontexten Oftmals sind uns Tabellen (sogenannte Kreuztabellen) gegeben, die als Zeilen eine Menge von Gegenständen und als Spalten eine Menge von Merkmalen (oder auch umgekehrt) haben. In solch einer Tabelle ist dann ein Kreuz eingetragen, falls ein bestimmter Gegenstand ein bestimmtes Merkmal hat, oder eben kein Kreuz, falls ein bestimmter Gegenstand ein bestimmtes Merkmal nicht hat. In untenstehender Tabelle hat der Gegenstand g das Merkmal m, dargestellt durch das Kreuz. I G M m g Die Tabelle als Gesamtheit beschreibt eine Relation zwischen der Gegenstandsund der Merkmalsmenge, die sogenannte Inzidenzrelation. In der Tabelle ist das Paar (g, m) ein Element dieser Inzidenzrelation. Definition 1.1 (formaler Kontext) Ein formaler Kontext K ist definiert als ein Tripel (G, M, I ). Dabei bezeichnet G die Menge der Gegenstände und M die Menge der Merkmale. Eine binäre Relation zwischen Gegenstands- und Merkmalsmenge I G M ist die Inzidenzrelation. Wir schreiben (g,m) I oder kurz g Im, falls der Gegenstand g das Merkmal m hat. Im Übrigen setzen wir stets G < sowie M < vorraus. 1

5 1 Formale Begriffsanalyse 1.2 Ableitungsoperatoren Wir definieren für einen Gegenstand g G die Merkmals-Nebenklasse g I := {m M g Im}, das ist die Menge, die alle Merkmale des Gegenstands g enthält. Analog definieren wir für ein Merkmal m M die Gegenstands-Nebenklasse Im := {g G g Im}, das ist die Menge derjenigen Gegenstände, die das Merkmal m haben. Nun setzen wir A I := g I = {m M g A : g Im} g A und haben damit die Menge aller gemeinsamen Merkmale der Gegenstände in A und mit I B := Im = {g G m B : g Im} m B erhalten wir die Menge aller Gegenstände, die sämtliche Merkmale in B haben. Definition 1.2 (Ableitungsoperatoren) Wir definieren bezüglich eines formalen Kontextes K = (G, M, I ) zwei Operatoren sowie ϕ K : 2 G 2 M A A I = {m M g A : g Im} ψ K : 2 M 2 G B I B = {g G m B : g Im} Ist stets klar, ob es sich um eine Gegenstands- oder Merkmalsmenge handelt, so schreiben wir auch B I für I B. Im Folgenden werden an einigen Stellen beide Operatoren hintereinander ausgeführt, daher verwenden wir der Einfachheit halber folgende Konventionen: A I I := I (A I ) und B I I := ( I B) I 2

6 1.2 Ableitungsoperatoren Satz 1.3 (Ableitungsregeln) Es sei K = (G, M, I ) ein formaler Kontext, A, A 1, A 2 G Gegenstandsmengen und B,B 1,B 2 M Merkmalsmengen. Dann gelten: (a) A B I A B I B A I (b) A 1 A 2 = A I 2 AI 1 B 1 B 2 = B I 2 B I 1 (c) A A I I B B I I (d) A I I I = A I B I I I = B I (e) G I I = G M I I = M Beweis: (a) I. (=, =) Bekanntlich ist B I = {g G m B : (g,m) I }, also gilt g B I m B : (g,m) I, und damit ist stets B I B I für alle B M. Für alle A B I gilt dann also A B I. Analog ist stets A A I I für alle A G und dann gilt für alle B A I also A B I. II. ( =,= ) Sei A B I, dann gilt {g } B I für alle g A und weiter g Im für alle m B. Daher ist g B I für alle g A und damit also A B I. (b) Sei A 1 A 2. Es gilt immer A 2 A2 I I, also ist auch A 1 A2 I I und mit (a) folgt A2 I AI 1. Analog ist stets B2 I B 2 I, also für B 1 B 2 gilt B2 I B 1 I und mit (a) ist dann B2 I B 1 I. (c) Es gilt stets A A I I Analog ist immer B I B I (a) A A I I. (a) B B I I. I I I I I (d) Nach (c) gilt bereits A I A I I I sowie A A I I = (b) A A, also ist A = A I I I. Analog gilt mit (c) schon B I B I I I sowie B B I I = B I I I B I, also ist (b) B I = B I I I. (e) Die erste Ableitung G I ist die Menge der Merkmale, die alle Gegenstände von G, also ausnahmslos alle existierenden Gegenstände des Kontextes K, 3

7 1 Formale Begriffsanalyse haben. Diese ist entweder leer, dann gilt I = G und folglich G I I = G, oder sie enthält mindestens ein Merkmal, das alle Gegenstände haben. Bildet man dann die zweite Ableitung G I I, so sind in ihr alldiejenigen Gegenstände enthalten, die die Merkmale in G I haben das sind alle existierenden Gegenstände, also ergibt sich G I I = G. Analog lässt sich M I I = M beweisen. Lemma 1.4 Es sei K = (G, M, I ) ein formaler Kontext. Für zwei Gegenstandsmengen A 1, A 2 G bzw. zwei Merkmalsmengen B 1,B 2 M gelten bzw. (A 1 A 2 ) I = A I 1 AI 2 (A 1 A 2 ) I A I 1 AI 2 (B 1 B 2 ) I = B I 1 B I 2 (B 1 B 2 ) I B I 1 B I 2. Beweis: Die erste Gleichung folgt aus (A 1 A 2 ) I = g A 1 A 2 g I = g I g A 1 g A 2 g I = A I 1 AI 2. Zum Beweis der zweiten Gleichung sei m A I 1 AI 2. Es gilt also g A 1 : g Im oder g A 2 : g Im, dies impliziert g A 1 A 2 : g Im, d.h. m (A 1 A 2 ) I. Damit folgt schließlich A I 1 AI 2 (A 1 A 2 ) I. Völlig analog lassen sich die Beziehungen für die Merkmalsmengen beweisen. Satz 1.5 (Ableitungsregeln) Sei K = (G, M, I ) ein formaler Kontext. Für eine beliebige Familie von Gegenstandsmengen A j G mit j J bzw. eine beliebige Familie von Merkmalsmengen B j M mit j J gelten ( A j ) I = A I j j J j J ( A j ) I A I j j J j J bzw. ( B j ) I = B I j j J j J ( B j ) I B I j. j J j J 4

8 1.2 Ableitungsoperatoren Dies folgt durch wiederholte Anwendung des vorangegangenen Lem- Beweis: mas. Korollar 1.6 Die Hintereinanderausführungen der Ableitungsoperatoren sind Hüllenoperatoren, genauer ist ψ K ϕ K : 2 G 2 G A I (A I ) =: A I I ein Hüllenoperator auf G, denn es gelten für Gegenstandsmengen A, A 1, A 2 G (HO1) Extensitivität: A A I I (HO2) Monotonie: A 1 A 2 = A I I 1 AI I 2 (HO3) Idempotenz: A I I I I = A I I, und analog ist ein Hüllenoperator auf M. ϕ K ψ K : 2 M 2 M B ( I B) I =: B I I Zusammenfassung 1.7 Für einen formalen Kontext K = (G, M, I ) ist das Quadrupel stets eine Galoisverbindung. G K = (G, M,ϕ K,ψ K ) Definition 1.8 ((gegenstands-/merkmals-)bereinigt) Ein formaler Kontext K = (G, M, I ) heißt gegenstandsbereinigt, falls g I 1 = g I 2 = g 1 = g 2 für alle Gegenstände g 1, g 2 G gilt. Analog heißt K merkmalsbereinigt, falls m I 1 = mi 2 = m 1 = m 2 für alle Merkmale m 1,m 2 M ist. K heißt bereinigt, falls K gegenstands- und merkmalsbereinigt ist. 5

9 1 Formale Begriffsanalyse 1.3 Formale Begriffe Definition 1.9 (formaler Begriff, Umfang, Inhalt) Ein Paar (A,B) 2 G 2 M heißt formaler Begriff (des Kontextes K), falls sowohl A I = B als auch B I = A gelten. Dabei nennt man A den Umfang (extent) und B den Inhalt (intent) des formalen Begriffs. BK := {(A,B) 2 G 2 M A I = B B I = A} ist die Menge aller formalen Begriffe von K. Desweiteren ist ExtK := {A G B M : (A,B) BK} die Menge aller Begriffsumfänge und analog ist die Menge aller Begriffsinhalte. IntK := {B M A G : (A,B) BK} Korollar 1.10 (1) (A,B) 2 G 2 M ist formaler Begriff C G : C I I = A C I = B D M : D I = A D I I = B (2) Es gelten folgende leicht nachprüfbare Beziehungen: BK = {(A I I, A I ) A G} = {(B I,B I I ) B M} Die Menge aller formalen Begriffe lässt sich also allein durch Betrachten aller Gegenstandsmengen oder aller Merkmalsmengen bestimmen. ExtK = {A I I A G} und IntK = {B I I B M} Die Menge aller Umfänge ist demnach die Menge aller abgeschlossenen Gegenstandsmengen unter G K M K und analog ist die Menge aller Inhalte 6

10 1.3 Formale Begriffe die Menge aller abgeschlossenen Merkmalsmengen unter M K G K. Anders ausgedrückt: (G, ExtK) ist das Hüllensystem zu G K M K und (M, IntK) ist das Hüllensystem zu M K G K. Daraus lässt sich nun folgern, dass der Durchschnitt beliebig vieler Umfänge bzw. Inhalte wieder ein Umfang bzw. Inhalt ist. Lemma 1.11 gelten: Es seien A 1, A 2 ExtK Umfänge und B 1,B 2 IntK Inhalte. Nun (1) A 1 = A 2 A I 1 = AI 2 (2) B 1 = B 2 B I 1 = B I 2 Beweis: (1) Es gilt A 1 = A 2 = A1 I = AI 2 sowie A2 I I = A 2. (2) analog. = AI I 1 = AI I 2. Mit A 1, A 2 ExtK folgt A I I 1 = A 1 Definition 1.12 (Gegenstandsbegriff, Merkmalsbegriff) Mit der Konvention x I := {x} I für x G M definieren wir zwei Abbildungen und γ K : G BK g γ K g = (g I I, g I ) µ K : M BK m µ K m = (m I,m I I ) Dann heißt γ K g der vom Gegenstand g erzeugte Gegenstandsbegriff und µ K m der vom Merkmal m erzeugte Merkmalsbegriff. 7

11 1 Formale Begriffsanalyse 1.4 Begriffsverband Definition 1.13 (Unterbegriffsrelation, Begriffsverband ) Auf der Menge BK wird nun eine Relation, die Unterbegriffsrelation K, definiert: (A 1,B 1 ) K (A 2,B 2 ) : A 1 A 2 In diesem Falle heißt (A 1,B 1 ) Unterbegriff von (A 2,B 2 ) bzw. (A 2,B 2 ) heißt Oberbegriff von (A 1,B 1 ). Die Menge BK aller formalen Begriffe wird mit der Unterbegriffsrelation K zu einem vollständigen Verband und wir bezeichnen BK := (BK, K ) als den Begriffsverband zu K. Satz 1.14 Für zwei formale Begriffe (A 1,B 1 ), (A 2,B 2 ) BK gilt A 1 A 2 B 1 B 2 Beweis: Aus der Definition eines formalen Begriffs und den Ableitungsregeln folgt sogleich A 1 A 2 = A1 I AI 2 B1 I B 2 I = B 1 B 2 Der bezüglich der Unterbegriffsrelation K größte formale Be- Bemerkung: griff ist 1 BK := (G,G I ) und dual ist 0 BK := (M I, M) der kleinste formale Begriff. Bemerkung: ExtK := (ExtK, ) und IntK := (IntK, ) bilden jeweils einen vollständigen Verband. Wir bezeichnen ExtK als den Umfangsverband zu K und IntK als den Inhaltsverband zu K. 8

12 1.4 Begriffsverband Zusammenfassung 1.15 Es besteht Isomorphie zwischen dem Begriffsverband, dem Umfangsverband und dem Inhaltsverband, genauer gilt ExtK = BK = d IntK, d.h. (ExtK, ) = ExtK = BK = (IntK) d = (IntK, ). Die Ordnungsisomorphismen sind hier die Projektionen auf die Komponenten: ExtK BK d IntK π1 π2 A (A,B) B Es gilt A 1 A 2 (A 1,B 1 ) K (A 2,B 2 ) B 1 B 2. Uns sind zwei beliebige formale Begriffe (A 1,B 1 ),(A 2,B 2 ) BK gegeben. Wir suchen nun den größten gemeinsamen Unterbegriff (A, B) BK. Es soll also zum einen gelten (A,B) K (A 1,B 1 ) A A 1 (A,B) K (A 2,B 2 ) A A 2 und zum anderen darf es keinen formalen Begriff (A 0,B 0 ) BK geben mit Es liegt also nahe, (A,B) K (A 0,B 0 ) K (A 1,B 1 ) (A,B) K (A 0,B 0 ) K (A 2,B 2 ). A = A 1 A 2 zu setzen, denn es gibt keine echt größere Menge A 0 A mit A 0 A 1 und A 0 A 2. Weiter ist der Durchschnitt zweier Umfänge wieder ein Umfang und um den Inhalt des größten gemeinsamen Unterbegriffs zu erhalten, setzen wir schließlich B = (A 1 A 2 ) I. Analog lässt sich der kleinste gemeinsame Oberbegriff zweier formaler Begriffe herleiten. Es gilt hier B = B 1 B 2 und damit A = (B 1 B 2 ) I. Die folgende Definition ist also wohldefiniert. Definition 1.16 (Infimumsoperator, Supremumsoperator) Für zwei formale Begriffe (A 1,B 1 ), (A 2,B 2 ) BK heißt (A 1,B 1 ) (A 2,B 2 ) := (A 1 A 2,(A 1 A 2 ) I ) 9

13 1 Formale Begriffsanalyse der größte gemeinsame Unterbegriff (Infimum), und analog heißt (A 1,B 1 ) (A 2,B 2 ) := ((B 1 B 2 ) I,B 1 B 2 ) der kleinste gemeinsame Oberbegriff (Supremum). Damit der Begriffsverband ein vollständiger Verband ist, muss natürlich auch das Supremum und das Infimum für eine beliebige Familie von formalen Begriffen (A j,b j ) BK mit j J existieren. Durch wiederholte Anwendung der beiden obigen Definitionen folgt: j,b j ) = ( j J(A A j,( A j ) I ) j J j J sowie j,b j ) = (( j J(A B j ) I, B j ) j J j J Korollar 1.17 Nach den Ableitungsregeln für Schnitte und Vereinigungen gelten für die oben definierten Operatoren (A 1,B 1 ) (A 2,B 2 ) = (A 1 A 2,(B 1 B 2 ) I I ) sowie (A 1,B 1 ) (A 2,B 2 ) = ((A 1 A 2 ) I I,B 1 B 2 ) j,b j ) = ( j J(A A j,( B j ) I I ) j J j J j,b j ) = (( j J(A A j ) I I, B j ) j J j J Korollar 1.18 Mit den vorangegangenen Herleitungen können wir nun auch das Supremum und Infimum von beliebigen Familien von Umfängen bzw. Inhalten angeben. Seien dazu A j ExtK Umfänge bzw. B j IntK Inhalte für j J. Dann gelten und A j A j = j J j J A j = ( A j ) I I j J j J B j = ( B j ) I I j J j J B j = B j. j J j J 10

14 1.5 Apposition von formalen Kontexten 1.5 Apposition von formalen Kontexten Definition 1.19 (Merkmals-Apposition) Es seien K 1 = (G, M 1, I 1 ) und K 2 = (G, M 2, I 2 ) formale Kontexte mit gleichen Gegenstandsmengen und disjunkten Merkmalsmengen. Ihre Merkmals-Apposition ist dann definiert als K 1 K 2 := (G, M 1 M 2, I 1 I 2 ). Bemerkung: Das Operationssymbol steht für die disjunkte Vereinigung zweier Mengen. Lemma 1.20 Sei A G eine Gegenstandsmenge, B M 1 M 2 eine Merkmalsmenge und k {1, 2}. Dann gelten: (1) A (I 1 I 2 ) = A I 1 A I 2 (2) B (I 1 I 2 ) = B I 1 B I 2 (3) A (I 1 I 2 ) M k = A I k (4) A (I 1 I 2 )I k = A I k I k (5) A (I 1 I 2 )(I 1 I 2 ) = A I 1I 1 A I 2I 2 Beweis: (1) A (I 1 I 2 ) = g (I 1 I 2 ) = ( g I 1 g I 2 ) = g I 1 g I 2 = A I 1 A I 2 g A g A }{{} }{{} g A g A M 1 M 2 (2) B (I 1 I 2 ) = (I 1 I 2 )m = (I 1 m I 2 m) = I 1 m I 2 m = I 1 m m B m B m B m B m B M 1 I 2 m = B I 1 B I 2 m B M 2 (3) A (I 1 I 2 ) M k = ( A I 1 (1) }{{} }{{} A I2 ) M k = A Ik M 1 M 2 (4) A (I 1 I 2 )I k = I k m = I k m = m A (I 1 I 2 ) m A (I 1 I 2 ) M (3) k m A I k (5) A (I 1 I 2 )(I 1 I 2 ) = (2) A (I 1 I 2 )I 1 A (I 1 I 2 )I 2 = (4) A I 1I 1 A I 2I 2 I k m = A I k I k 11

15 1 Formale Begriffsanalyse Satz 1.21 Für jeden Begriff (A,B) BK 1 K 2 der Merkmals-Apposition der beiden Kontexte gilt für k {1,2} A I k = B M k und somit B M k IntK k. Beweis: Das folgt unmittelbar aus Lemma 1.20, denn A (I 1 I 2 ) = B und damit B M k = A (I 1 I 2 ) (3) M k = A I k. Satz 1.22 Die beiden Abbildungen und ε : BK 1 K 2 BK 1 BK 2 (A,B) ((A I 1I 1, A I 1 ),(A I 2I 2, A I 2 )) ι : BK 1 K 2 BK 1 BK 2 (A,B) ((B I 1,B I 1I 1 ),(B I 2,B I 2I 2 )) sind Ordnungseinbettungen, also ordnungserhaltend und injektiv. Zusätzlich ist ε supremumserhaltend und ι infimumserhaltend. Beweis: I. (injektiv) Sei ε(a 1,B 1 ) = ε(a 2,B 2 ), d.h. ((A I 1I 1 1, A I 1 1 ),(AI 2I 2 1, A I 2 1 )) = ((AI 1I 1 2, A I 1 2 ),(AI 2I 2 2, A I 2 2 )). Dann gilt A I 1 1 = AI 1 2 sowie AI 2 1 = AI 2 2 d.h. B 1 = B 2, also (A 1,B 1 ) = (A 2,B 2 ). II. (ordnungserhaltend) Sei (A 1,B 1 ) (A 2,B 2 ), d.h. A 1 A 2. Es folgt sofort A I 1 1 AI 1 2 sowie AI 2, und mit Lemma 1.20(1) folgt A I 1 I 2 1 = A I 1 I 2 2, 1 AI 2 2, und damit (A I 1I 1 1, A I 1 1 ) (AI 1I 1 2, A I 1 2 ) und (AI 2I 2 1, A I 2 1 ) (AI 2I 2 2, A I 2 2 ). 12

16 1.6 Formale Implikationen Demnach ist ((A I 1I 1 1, A I 1 1 ),(AI 2I 2 1, A I 2 1 )) ((AI 1I 1 2, A I 1 2 ),(AI 2I 2 2, A I 2 2 )), also ε(a 1,B 1 ) ε(a 2,B 2 ). III. (supremumserhaltend bzw. infimumserhaltend) Sei (A 1,B 1 ) (A 2,B 2 ) = (A,B). Es ist (A 1,B 1 ) (A 2,B 2 ) = ((B 1 B 2 ) (I 1 I 2 ),B 1 B 2 ), und damit A (I 1 I 2 ) = B = B 1 B 2 = A (I 1 I 2 ) 1 A (I 1 I 2 ) 2 = (A 1 A 2 ) (I 1 I 2 ). Mit Lemma 1.20(4) folgt für k {1,2} A I k I k = (A 1 A 2 ) I k I k, und weiter A I k = (A 1 A 2 ) I k. Nun haben wir ε(a 1,B 1 ) ε(a 2,B 2 ) = ((A I 1I 1 1, A I 1 1 ),(AI 2I 2 1, A I 2 1 )) ((AI 1I 1 2, A I 1 2 ),(AI 2I 2 2, A I 2 2 )) = ((A I 1I 1 1, A I 1 1 ) (AI 1I 1 2, A I 1 2 ),(AI 2I 2 1, A I 2 1 ) (AI 2I 2 2, A I 2 2 )) = (((A I 1 1 AI 1 2 )I 1, A I 1 1 AI 1 2 ),((AI 2 1 AI 2 2 )I 2, A I 2 1 AI 2 2 )) = (((A 1 A 2 ) I 1I 1,(A 1 A 2 ) I 1 ),((A 1 A 2 ) I 2I 2,(A 1 A 2 ) I 2 )) = ((A I 1I 1, A I 1 ),(A I 2I 2, A I 2 ) = ε(a,b) Für ι dual. Zusammenfassung 1.23 Der Begriffsverband der Merkmals-Apposition BK 1 K 2 ist isomorph zu einem Supremumsunterhalbverband und zu einem Infimumsunterhalbverband des direkten Produkts BK 1 BK 2 der einzelnen Begriffsverbände. 1.6 Formale Implikationen Definition 1.24 (formale Implikation) Sei K = (G, M, I ) ein formaler Kontext und B, D M Merkmalsmengen. Ein 13

17 1 Formale Begriffsanalyse Paar (B,D) nennt man formale Implikation in K bzw. auf M und schreibt auch B D, falls jeder Gegenstand, der alle Merkmale aus B hat, auch alle Merkmale aus D hat, also falls B I D I. Wir sagen dann auch B impliziert D und bezeichnen B als die Prämisse und D als die Konklusion der formalen Implikation. Korollar 1.25 (1) Für eine Merkmalsmenge B M ergeben sich sogleich die trivialen formalen Implikationen B und B B. (2) ist eine Ordnungsrelation auf M, also reflexiv, transitiv und antisymmetrisch. Gilt also B D, so gilt auch für jede Teilmenge F D die formale Implikation B F. Definition 1.26 (Respektieren) Wir sagen, dass eine Merkmalsmenge F M die formale Implikation B D respektiert, falls B F = D F gilt. Wir setzen H B D := {F M F respektiert B D}. Sei weiter L 2 M 2 M eine Liste formaler Implikationen auf M. Wir sagen nun, dass eine Merkmalsmenge F M die Liste L respektiert, falls F jede Implikation in L respektiert. Wir definieren H L := {F M F respektiert L } und nennen sie die Menge der unter L möglichen Merkmalskombinationen. Bemerkung: (1) Eine Merkmalsmenge F M respektiert eine Implikation B D genau dann, wenn B F D F gilt. 14

18 1.6 Formale Implikationen (2) Es ist H L = H B D. B D L Satz 1.27 Sei L 2 M 2 M eine Liste formaler Implikationen auf M, dann gilt: (1) H L ist ein Hüllensystem auf M. (2) Hat jede formale Implikation aus L eine ein-elementige Prämisse, so ist H L auch ein Kernsystem auf M. Beweis: (1) Es ist M H L, denn trivialerweise gilt für alle B D stets D M. Sei nun M H L, d.h. F M B D L : (B F = D F ). Es folgt und damit B D L : (B M = F M : D F B D L : (B M = D M, also ist M H L. (2) Seien nun alle Implikationen in L von der Form {b} D. Dann ist H L, denn trivialerweise gilt für alle {b} D stets {b}. Sei nun M H L, d.h. F M {b} D L : (b F = D F ). Es folgt und damit {b} D L : (b M = F M : D F {b} D L : (b M = D M, also ist M H L. Definition 1.28 (Pseudoinhalt) Sei K = (G, M, I ) ein formaler Kontext. Eine Menge B M von Merkmalen heißt Pseudoinhalt, wenn B B I I und für jeden Pseudoinhalt D B gilt 15

19 1 Formale Begriffsanalyse D I I B. Satz 1.29 (Stammbasis) Die Menge {B B I I B ist Pseudoinhalt} ist ein minimales Erzeugendensystem der formalen Implikationen und heißt Stammbasis. Satz 1.30 Die Menge aller Inhalte und Pseudoinhalte {B M X B = X I I B} ist ein Hüllensystem. 16

20 2 Annotationen Sei K = (G, M, I ) ein formaler Kontext mit G M =. Betrachten wir die beiden Abbildungen und γ K : G BK g γ K g = (g I I, g I ) µ K : M BK m µ K m = (m I,m I I ) aus Definition BK ist mit der Unterbegriffsrelation K eine geordnete Menge und nach Bemerkung?? lassen sich mit γ K und µ K Quasiordnungen G bzw. M auf G bzw. M definieren: g G h : γ K g K γ K h m M n : µ K m K µ K n. Nun konstruieren wir eine Quasiordnung K auf P := G M, die G und M enthält. Um einen Gegenstand g mit einem Merkmal m in Relation zu setzen, liegt es nahe, die bereits vorhandene Inzidenzrelation I zu verwenden, d.h. g K m : g Im. Es gilt und damit haben wir g Im g m I g I I m I γ K g K µ K m g K m : γ K g K µ K m. 17

21 2 Annotationen Schließlich setzen wir in voller Analogie zum bisherigen nun Mit der Abbildung m K g : µ K m K γ K g. β K : G M BK { γk x (x G) x µ K x (x M), lassen sich die vier Definitionszeilen für K zu einer einzigen zusammenfassen: x K y : β K x K β K y. Satz 2.1 (Galoisquasiordnung) Das Quadrupel (P, K,G, M) ist eine Galoisquasiordnung und wird als Galoisquasiordnung zu K bezeichnet. Beweis: I. Die Reflexivität und Transitivität von K folgen unmittelbar aus der Reflexivität und Transitivität der Begriffsordnung K. II. Seien g,h G, dann gilt III. Seien m,n M, dann gilt g K h γ K g K γ K h g I h I m M : (him = g Im) m M : (h K m = g K m) m K n µ K m K µ K n m I n I g G : (g Im = g In) g G : (g K m = g K n) 18

22 2.1 Grundlagen IV. Seien m M, g G, dann gilt m K g µ K m K γ K g m I g I I h G : (him = n M : (g In = hin) ) } {{ } g I h I γ K h K γ K g h G : (h K m = h K g ) Sei T := β K P = γ K G µ K M mit T := K T T, dann ist (T, T,γ K G,µ K M) isomorph zu (P, K,G, M). Sei (T, ) eine geordnete Menge und γ : G T, µ : M T Abbildungen. Dann ist I := {(g,m) γg µm} eine Relation auf G M, also ist K = (G, M, I ) ein Kontext, zu dem wir BK betrachten können. Wann gilt γ = γ K und µ = µ K? Wann ist (T,, γg, µm) eine Galoisordnung? wichtiger Spezialfall: M = T,γ = id T Indizierung mit R G T zb T Prozesse, hierarchisch geordnet durch xi q : p q : xrp, d.h. I = R; Es wäre (µ (G,T,I ) T, (G,T,I ) ) = (T, ) wünschenswert, im Allgemeinen ist jedoch (µ (G,T,I ) T, (G,T,I ) ) die Korrektur von (T, ). 2.1 Grundlagen Definition 2.2 ((Quasi-)Annotation) Sei A eine Menge, deren Elemente Annotierungen heißen, und sei P eine (quasi-)geordnete Menge, deren Elemente Punkte heißen. Für eine Annota- 19

23 2 Annotationen tionsrelation R A P heißt das Tripel (A,P,R) (Quasi-)Annotation von A an P über R. Bemerkung: Es besteht eine Isomorphie zwischen (2 P ) A und 2 A P. Ist F (2 P ) A eine Abbildung, dann ist R F := {(a, p) p Fa} 2 A P eine entsprechende Relation. Umgekehrt erhält man für eine Relation R 2 A P mit F R : A 2 P : a ar eine Abbildung. Damit lassen sich also die eben definierten relationalen Annotationen auch als funktionale Annotationen auffassen und umgekehrt. Definition 2.3 (vollständig) Eine Annotation A = (A,(P, ),R) heißt vollständig, falls jeder Punkt von allen Annotierungen der Punkte, die bezüglich kleiner sind, annotiert wird, d.h. falls R; = R gilt. Definition 2.4 (elementar) Eine Annotation A = (A,(P, ), R) heißt elementar, falls jede Annotierung höchstens einen Punkt annotiert, d.h. falls für alle Annotierungen a A die Punktenebenklasse ar höchstens einen Punkt enthält. Beispiel: Gegeben sei die Quasiordnung auf den Punkten P = {p 1,..., p 6 }, dargestellt durch folgendes Hassediagram: p 1 p 2 p 3 p 4 p 5 p 6 Nun haben wir die Annotierungsmenge A = {a 1,..., a 4 }, dann ist R = {(a 1, p 4 ),(a 1, p 5 ),(a 2, p 4 ),(a 2, p 6 ),(a 3, p 5 ),(a 4, p 3 )} eine Annotationsrelation. Intuitiv können wir nun die Annotation (A,(P, ), R) dadurch darstellen, dass wir jeden Punkt p P jeweils mit den Annotierungen a A mit arp beschriften. Wir legen fest, dass die Punkt-Symbole oben und die Annotierungen unten stehen. 20

24 p 1 p 2 p 3 a 1 a p 4 4 p 5 p 6 a 1, a 2 a 1, a 3 a Vervollständigung und Kern Diese Annotation ist nicht vollständig, denn es gilt a 2 Rp 6 p 3, aber nicht a 2 Rp 3. Die Annotation ist auch nicht elementar, denn die Annotierung a 1 annotiert die Punkte p 4 und p 5, also mehr als einen Punkt. Das folgende Diagramm stellt eine elementare Annotation dar: p 1 p 2 p p 3 a 4 4 p 5 p 6 a 1 a 3 a Vervollständigung und Kern Definition 2.5 (Vervollständigung, Kern) Für eine Annotation A = (A,(P, ),R) heißt die Vervollständigung von A. Ǎ := (A,(P, ),R; )  := (A,(P, ), {S R S; = R; }) heißt der Kern von A und ist diejenige Annotation, deren Annotationsrelation bezüglich der Teilmengeninklusion die kleinste ist mit der Eigenschaft, dass die Vervollständigungen von A und  übereinstimmen. Bemerkung: Für eine vollständige Annotation A gilt Ǎ = A. Beispiel: Betrachten wir die Annotation aus dem vorhergehenden Beispiel. Die Bildung des Kern reduziert die Annotation auf das nötigste, und im Gegensatz dazu werden bei der Vervollständigung die Annotierungen nach oben 21

25 2 Annotationen vererbt, die Annotierungen werden also vollständig an alle entsprechenden Punkte annotiert. p 1 p 2 p 3 a 1 a p 4 4 p 5 p 6 a 1, a 2 a 1, a 3 a 2 Kern Vervollständigung p 1 p 2 p p 3 a 4 4 p 5 p 6 a 1, a 2 a 1, a 3 a 2 Vervollständigung Kern p 1 a 1, a 2, a 3, a 4 p 2 p 3 a 1, a 2, a 3 a 1, a 2, p a 3, a 4 4 p 5 p 6 a 1, a 2 a 1, a 3 a 2 Satz 2.6 Sei A = (A,(P, ),R) eine Annotation. Die Abbildung ist ein Hüllenoperator auf A P. R R; Beweis: I. (Extensität) R R;, denn P. II. (Monotonie) R 1 R 2 = R 1 ; R 2 ;, denn R 2 ; = (R 1 (R 2 \ R 1 )); = (R 1 ; ) ((R 2 \ R 1 ); ) III. (Idempotenz) (R; ); = R;, denn ; ist assoziativ und ; =. 22

26 2.3 Anpassung und Adjustierung 2.3 Anpassung und Adjustierung Für eine Annotation A = (A,(P, ),R) ist K A := (A,P,R; ) der zugehörige formale Kontext. Der Begriffsverband BA := BK A mit BA = (BA, A ) wird Darstellung von A genannt. Definition 2.7 ((quasi-)konsistent) Eine Annotation A = (A,(P, ), R) heißt quasikonsistent, falls µ A : (P, ) BA p (p R;, p R; R; ) eine ordnungsreflektierende Abbildung von (P, ) in BA ist. Weiter heißt A konsistent, falls µ A auch injektiv ist. Korollar 2.8 Insbesondere ist eine Annotation A = (A,(P, ), R) genau dann quasikonsistent, falls p 1 p 2 (R; )p 1 (R; )p 2 für alle p 1, p 2 P gilt. Dabei ist die Implikation (= ) eine Tautologie. Definition 2.9 (separierend) Eine Annotation A = (A,(P, ),R) heißt separierend, falls für alle p 1, p 2 P die Implikation p 1 p 2 = a A : arp 1 a Rp 2 gültig ist. Bemerkung: Mit der Kontraposition folgt, dass eine Annotation A = (A,(P, ),R) genau dann separierend ist, wenn für alle p 1, p 2 P gilt. ( a A : (arp 1 = arp 2 )) = p 1 p 2 23

27 2 Annotationen Satz 2.10 Sei A eine Annotation. Dann gilt: A quasikonsistent Ǎ separierend. Beweis: I. (= ) Sei A quasikonsistent, d.h. für alle p 1, p 2 P gilt Daraus folgt insbesondere p 1 p 2 (R; )p 1 (R; )p 2. und mit p 1 p 2 = (R; )p 1 (R; )p 2 (R; )p 1 (R; )p 2 a A : a(r; )p 1 a(r; )p 2 ist Ǎ separierend. II. ( =) Sei nun Ǎ separierend, dann gilt für alle p 1, p 2 P p 1 p 2 = (R; )p 1 (R; )p 2. Trivialerweise gilt hier auch die umgekehrte Implikation (siehe Korollar 2.8), also ist A quasikonsistent. Korollar 2.11 Für eine vollständige Annotation A gilt A quasikonsistent A separierend. Definition 2.12 ((Quasi-/Voll-)Anpassung) Sei A = (A,P,R) = (A,(P, ),R) eine Quasiannotation. Wir setzen P := µ A ; A ;µ 1 A und P := (P, P ), dann heißt Ā = (A, P,R) 24

28 2.3 Anpassung und Adjustierung Quasianpassung von A. Weiter setzen wir P := kerµ A und P := P / P, P := (P/ P, P ) und R := {(x,y ) x RY }, und nun heißt à = (A, P, R) Anpassung von A. Sei schließlich noch A := {(a 1, a 2 ) a 1 (R; ) = a 2 (R; )} und à := A/ A, R = {(X,Y ) X (R; )Y }, so heißt dann à = (Ã, P, R) Vollanpassung von A. Beispiel: Betrachten wir die Annotation A aus den vorangegangen Beispielen, nur leicht abgeändert -- die Annotierung a 1 wechselt vom Punkt p 5 zum Punkt p 6. p 1 p 2 p 3 a 1 a p 4 4 p 5 p 6 a 1 a 2 a 3 a 1 a 2 Für die Relation R; ergibt sich folgende Kreuztabelle: R; p 1 p 2 p 3 p 4 p 5 p 6 a 1 a 2 a 3 a 4 Damit haben wir folgende Anpassungen: p 1 p 3 {p 1, p 3 } a 4 a p 4 2 {p a p p p 5 2 } a 1 {p 4, p 6 } {p 5 } a 1, a 2 a 1, a 2 a 3 a 1, a 2 a 3 {p 1, p 3 } {a 1, a 2 },{a 3 },{a 4 } {p 2 } {p {a 1, a 2 },{a 3 } 4, p 6 } {p 5 } {a 1, a 2 } {a 3 } Quasianpassung Ā Anpassung à Vollanpassung à 25

29 2 Annotationen Wie wir sehen, werden im Schritt von der Quasianpassung zur Anpassung die Punkte mit identischen Spalten in der Kreuztabelle zusammengefasst -- also {p 1, p 3 },{p 2 },{p 4, p 6 },{p 5 }. Analog werden dann im Schritt zur Vollanpassung die Annotierungen mit identischen Zeilen zusammengefasst, d.h. {a 1, a 2 },{a 3 }, {a 4 }. Die Vollanpassung einer Annotation ist also sehr ähnlich zum Bereinigen eines Kontextes. Korollar 2.13 Für zwei Elemente p 1, p 2 P gilt p 1 P p 2 µ A p 1 A µ A p 2 (R; )p 1 (R; )p 2. Es gilt daher stets P. Die Vollanpassung einer Annotation ist nach Konstruktion vollständig. Satz 2.14 Für eine beliebige Annotation A = (A,(P, ),R) gilt A quasikonsistent = P. Beweis: Die Hinrichtung (= ) folgt sofort aus den Korollaren 2.8 und Ebenso einfach folgt die Rückrichtung ( =). Korollar 2.15 Für eine Annotation A ist die Quasianpassung Ā quasikonsistent. Ist A bereits quasikonsistent, so gilt Ā = A. Definition 2.16 ((Quasi-)Adjustierung) Sei A = (A,(P, ),R) eine Annotation und Ā bzw. Ã die zugehörige (Quasi- )Anpassung. Dann heißt adj A P := P die Quasiadjustierung von P bezüglich A und Adj A P := P heißt Adjustierung von P bezüglich A. 26

30 2.3 Anpassung und Adjustierung Satz 2.17 Sei A = (A,(P, ),R) eine Annotation. Die Abbildung ist ein Hüllenoperator auf P P. P Beweis: I. (Extensität) P, siehe Korollar II. (Monotonie) 1 2 = 1 P 2 P, denn wäre im modus ponens P 2 P, dann existierte ein Paar (p 1, p 2 ) 1 P \ 2 P, was aber im Widerspruch zur Konklusion der Implikationskette p 1 1 p 2 = p 1 2 I. p 2 = p 1 1 P p 2 stünde. III. (Idempotenz) ( P ) P = P, dies folgt aus Satz 2.14, denn Ā ist stets quasikonsistent. Korollar 2.18 Für die (Quasi-)Adjustierungen gelten folgende Beziehungen: (1) adj A P = P A quasikonsistent adj A P = adj A adj A P (2) Adj A P = P A konsistent Adj A P = Adj A Adj A P Definition 2.19 ((voll-)angepasst) Eine Annotation A = (A,(P, ),R) heißt angepasst, falls P = P ist. Weiter heißt A vollangepasst, falls zusätzlich gilt und A vollständig ist. A = A 27

31 2 Annotationen Bemerkung: Insbesondere ist für eine Annotation A die Anpassung à stets angepasst und die Vollanpassung à vollangepasst. Satz 2.20 Sei A eine Annotation. Dann gilt: A konsistent A angepasst. Beweis: I. (= ) Sei p 1 P p 2, also (R; )p 1 = (R; )p 2. Mit der Injektivität folgt sogleich p 1 = p 2 und damit ist A angepasst. II. ( =) Sei p 1 p 2. Es folgt p 1 P p 2 und damit (R; )p 1 (R; )p 2. Also ist µ A injektiv. Sei nun p 1 p 2. Nun existiert eine Annotierung a A mit a(r; )p 1 a(r; )p 2, d.h. (R; )p 1 (R; )p 2. Demnach ist µ A auch ordnungsreflektierend und schließlich ist A konsistent. Korollar 2.21 Die Anpassung à einer Annotation A ist konsistent. 28

32 2.4 Annotationen und Kontexte 2.4 Annotationen und Kontexte Satz 2.22 (Hauptsatz über Annotationen und formale Kontexte) (1) Für eine Annotation A = (A,(P, ),R) ist K A := (A,P,R; ) der zugehörige formale Kontext. Wenn A angepasst ist, so ist K A merkmalsbereinigt. Ist A vollangepasst, dann ist K A bereinigt. (2) Für einen formalen Kontext K = (G, M, I ) ist A[K] := (G,(M, M ), I ) die zugehörige Annotation. Insbesondere ist A[K] vollständig und separierend, also auch quasikonsistent. Wenn K merkmalsbereinigt ist, dann ist A[K] angepasst bzw. konsistent. Falls K gegenstandsbereinigt ist, so ist A[K] vollangepasst. (3) Es gilt für einen beliebigen formalen Kontext K K A[K] = K. Für vollständige quasikonsistente Annotationen A gilt A[K A ] = A. Für quasikonsistente Annotationen erzeugt A[K A ] die Vervollständigung von A, also A[K A ] = Ǎ. Im Allgemeinen ist für eine beliebige Annotation A A[K A ] = ˇĀ = Ǎ die Vervollständigung der Quasianpassung von A bzw. die Quasianpassung der Vervollständigung von A. Beweis: (1) Sei A angepasst und seien p 1, p 2 P mit (R; )p 1 = (R; )p 2. Damit ist p 1 P p 2 und so folgt p 1 = p 2. Sei nun A vollangepasst und seien a 1, a 2 A mit a 1 (R; ) = a 2 (R; ). Es folgt sofort a 1 = a 2. 29

33 2 Annotationen (2) Wir zeigen, dass A[K] vollständig ist, also dass I ; M = I gilt: I ; M = {(g,m) n M : g In M m} = {(g,m) g Im} = I Weiter muss noch gezeigt werden, dass A[K] separierend ist. Seien dazu m,n M mit m M n. Es gilt m M n m I n I m I \ n I, und damit existiert ein g m I \ n I mit g Im und g In. Die Zusammenhänge zwischen (merkmals-)bereinigten Kontexten und (voll- )angepassten Annotationen lassen sich ebenso einfach wie unter I. zeigen. (3) Sei K = (G, M, I ) ein formaler Kontext, dann gilt K A[K] = K (G,(M, M ),I ) = (G, M, I ; M ) (2) = (G, M, I ) = K. Sei A = (A,(P, ),R) eine quasikonsistente Annotation, also gilt P =. Damit ist A[K A ] = A[(A,P,R; )] = (A,(P, P ),R; ) = (A,(P, ),R; ) = Ǎ, d.h. A[K A ] ist die Vervollständigung von A. Ist A bereits vollständig, dann gilt R; = R und damit A[K A ] = (A,(P, ),R; ) = (A,(P, ),R) = A. 2.5 Isomorphie und Äquivalenz Definition 2.23 (Annotationenabbildung/-einbettung/-isomorphismus) Seien A 1 = (A 1,P 1,R 1 ) und A 2 = (A 2,P 2,R 2 ) Annotationen. Weiter sei ϕ : A 1 A 2 eine Abbildung mit ϕ = (ϕ A,ϕ P ) und entsprechend ϕ A : A 1 A 2 sowie ϕ P : P 1 P 2. Falls nun ϕ 1 A ;R 1;ϕ P R 2 30

34 2.5 Isomorphie und Äquivalenz gilt, so heißt ϕ Annotationenabbildung von A 1 nach A 2. Falls ϕ A und ϕ P injektiv sind und ϕ P ordnungserhaltend ist, so heißt ϕ Annotationeneinbettung und entsprechend nennen wir ϕ Annotationenisomorphismus, falls ϕ A und ϕ P bijektiv sind und ϕ P ordnungsreflektierend ist. Korollar 2.24 Sei ϕ eine Annotationenabbildung, dann gilt für alle Annotierungen a A 1 und alle Punkte p P 1 ar 1 p = ϕ A ar 2 ϕ P p, ϕ P (ar 1 ) (ϕ A a)r 2. Falls ϕ sogar eine Annotationenisomorphismus ist, so gelten für alle a A 1 und p P 1 ar 1 p ϕ A ar 2 ϕ P p, ϕ P (ar 1 ) = (ϕ A a)r 2, also ϕ 1 A ;R 1;ϕ P = R 2. Beispiel: Speziell betrachten wir nun für eine Annotation A = (A,(P, ), R) die Abbildungen ϕ = (id A,nat P ) : A Ã, ϕ = (nat A,nat P ) : A Ã. Nach vorangegangenen Erkenntnissen gilt nun, dass ϕ genau dann ein Annotationenisomorphismus ist, falls A angepasst bzw. konsistent ist und entsprechend dass ϕ genau dann ein Annotationenisomorphismus ist, falls A vollangepasst ist. Definition 2.25 (äquivalent) Seien A 1 = (A 1,P 1,R 1 ) und A 2 = (A 2,P 2,R 2 ) Annotationen. Wir nennen A 1 und A 2 äquivalent, falls eine bijektive Abbildung ψ P : P 1 P 2 existiert mit P1 = ψ P ; P2 ;ψ 1 P und schreiben dann auch A 1 A 2. 31

35 2 Annotationen Korollar 2.26 Es gilt A 1 A 2 adj A1 P 1 = adja2 P 2. Satz 2.27 Seien zwei quasikonsistente Annotationen A 1 und A 2 gegeben. Falls nun ein Annotationenisomorphismus von A 1 nach A 2 existiert, dann sind A 1 und A 2 äquivalent. Falls umgekehrt A 1 und A 2 äquivalent und zusätzlich vollangepasst sind, dann existiert ein Annotationenisomorphismus von A 1 nach A 2. Beweis: I. Sei ϕ = (ϕ A,ϕ P ) ein Annotationenisomorphismus von A 1 nach A 2. Dann ist ϕ P : P 1 P 2 bijektiv und es gilt ϕ P ; P2 ;ϕ 1 P = ϕ P ; 2 ;ϕ 1 P = 1 = P1, denn ϕ P ist ordnungsreflektierend und A 1 und A 2 sind quasikonsistent. Demnach sind also A 1 und A 2 äquivalent. II. Sei ψ P : P 1 P 2 eine bijektive Abbildung mit P1 = ψ P ; P2 ;ψ 1 P. Mit der Quasikonsistenz folgt sofort 1 = ψ P ; 2 ;ψ 1 P und damit ist ψ P ordnungsreflektierend. Weiter setzen wir ψ A : A 1 A 2 a ar 1 p R 2 (ψ P p) 2.6 Dedekind-MacNeille-Vervollständigung Satz 2.28 Sei A = (A, P, R) eine elementare Annotation an einen vollständigen Verband P. Dann ist ϕ A : BA P (X,Y ) P Y eine Ordnungseinbettung von BA in P, d.h. injektiv und ordnungserhaltend. 32

36 2.6 Dedekind-MacNeille-Vervollständigung Beweis: Satz 2.29 Sei A = (A, P, R) eine elementare Annotation an einen vollständigen Verband P. Dann ist A A = (BA,P,ϕ A,µ A ) eine Adjunktion. Insbesondere ist ϕ A eine -erhaltende injektive Abbildung von BA nach P und µ A ist eine -erhaltende surjektive Abbildung von P nach BA, also BA = Adj A P. Beweis: Satz 2.30 (Dedekind-MacNeille-Vervollständigung) Sei P = (P, P ) eine geordnete Menge. Dann ist BP := B(P,P, P ) ein vollständiger Verband, in den P vermöge der Abbildung ε P : P BP p (p P, p P ) ordnungsreflektierend eingebettet ist. Dabei sei p P := {x P x P p} und p P := {x P x P p}. Schließlich heißt BP auch Dedekind-MacNeille-Vervollständigung von P. Beweis: Satz 2.31 Sei A = (A,P,R) eine elementare Annotation an eine geordnete Menge P. Dann ist ϕ : BA BP (X,Y ) (Y P,Y ) eine -erhaltende Einbettung von BA in BP. 33

37 2 Annotationen Beweis: Satz 2.32 Sei P eine geordnete Menge. Dann stehen die Annotationen an P bis auf Äquivalenz in eineindeutiger Beziehung zu den Hüllensystemen im Filterverband FP von P. Beweis: 34

38 Index Ableitungsoperatoren, 2 Ableitungsregeln, 3, 4 Adjustierung, 26 Quasi-, 26 angepasst, 27 voll-, 27 Annotation, 20 Darstellung, 23 Annotationenabbildung, 31 Annotationeneinbettung, 31 Annotationenisomorphismus, 31 Annotationsrelation, 20 Annotierung, 19 Anpassung, 25 Quasi-, 25 Voll-, 25 Apposition Merkmals-, 11 Begriffsverband, 8 bereinigt, 5 gegenstands-, 5 merkmals-, 5 Dedekind-MacNeille-Vervollständigung, 33 Einbettung Annotationen-, 31 elementar, 20 Extensitivität, 5 formale Implikation, 13 formaler Begriff, 6 größter, 8 kleinster, 8 formaler Kontext, 1 Galoisquasiordnung, 18 Gegenstands-Nebenklasse, 2 Gegenstandsbegriff, 7 gegenstandsbereinigt, 5 größter formaler Begriff, 8 größter gemeinsamer Unterbegriff, 10 Hüllenoperator, 5 Idempotenz, 5 Infimum, 10 Infimumsoperator, 9 Inhalt, 6 Inhaltsverband, 8 Inzidenzrelation, 1 Isomorphismus Annotationen-, 31 Kern, 21 kleinster formaler Begriff, 8 kleinster gemeinsamer Oberbegriff, 10 Konklusion, 13 konsistent, 23 quasi-, 23 Kreuztabelle, 1 Merkmals-Apposition, 11 35

39 Index Merkmals-Nebenklasse, 2 Merkmalsbegriff, 7 merkmalsbereinigt, 5 Monotonie, 5 Nebenklasse Gegenstands-, 2 Merkmals-, 2 Oberbegriff, 8 kleinster gemeinsamer, 10 Operator Ableitungs-, 2 Hüllen-, 5 Infimums-, 9 Supremums-, 9 Unterbegriffsrelation, 8 Verband Begriffs-, 8 Inhalts-, 8 Umfangs-, 8 Vervollständigung, 21 Dedekind-MacNeille-, 33 vollangepasst, 27 Vollanpassung, 25 vollständig, 20 Prämisse, 13 Pseudoinhalt, 15 Punkt, 19 Quasiadjustierung, 26 Quasiannotation, 20 Quasianpassung, 25 quasikonsistent, 23 Quasiordnung Galois-, 18 Relation Inzidenz-, 1 Unterbegriffs-, 8 Respektieren, 14 separierend, 23 Stammbasis, 16 Supremum, 10 Supremumsoperator, 9 Umfang, 6 Umfangsverband, 8 Unterbegriff, 8 größter gemeinsamer, 10 36

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel. Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

Wie kann man beweisen, dass (H, ) eine Gruppe ist?

Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Zeichen bei Zahlen entschlüsseln

Zeichen bei Zahlen entschlüsseln Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren

Mehr

WS 2008/09. Diskrete Strukturen

WS 2008/09. Diskrete Strukturen WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809

Mehr

4. Übungsblatt Matrikelnr.: 6423043

4. Übungsblatt Matrikelnr.: 6423043 Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613

Mehr

Der Zwei-Quadrate-Satz von Fermat

Der Zwei-Quadrate-Satz von Fermat Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Also kann nur A ist roter Südler und B ist grüner Nordler gelten.

Also kann nur A ist roter Südler und B ist grüner Nordler gelten. Aufgabe 1.1: (4 Punkte) Der Planet Og wird von zwei verschiedenen Rassen bewohnt - dem grünen und dem roten Volk. Desweiteren sind die Leute, die auf der nördlichen Halbkugel geboren wurden von denen auf

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als

Mehr

Erstellen von x-y-diagrammen in OpenOffice.calc

Erstellen von x-y-diagrammen in OpenOffice.calc Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei

Mehr

Beweisbar sichere Verschlüsselung

Beweisbar sichere Verschlüsselung Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5) Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff

Mehr

Definition 27 Affiner Raum über Vektorraum V

Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,

Mehr

6.2 Perfekte Sicherheit

6.2 Perfekte Sicherheit 04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da

Mehr

Professionelle Seminare im Bereich MS-Office

Professionelle Seminare im Bereich MS-Office Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion

Mehr

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.

4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes. Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Theoretische Informatik

Theoretische Informatik Theoretische Informatik für die Studiengänge Ingenieur-Informatik berufsbegleitendes Studium Lehramt Informatik (Sekundar- und Berufsschule) http://theo.cs.uni-magdeburg.de/lehre04s/ Lehrbeauftragter:

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt

Mathematik 1. Lösungsvorschläge zum 2. Übungsblatt Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Programmiersprachen und Übersetzer

Programmiersprachen und Übersetzer Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Theoretische Grundlagen der Informatik WS 09/10

Theoretische Grundlagen der Informatik WS 09/10 Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3

Mehr

3.2 Spiegelungen an zwei Spiegeln

3.2 Spiegelungen an zwei Spiegeln 3 Die Theorie des Spiegelbuches 45 sehen, wenn die Person uns direkt gegenüber steht. Denn dann hat sie eine Drehung um die senkrechte Achse gemacht und dabei links und rechts vertauscht. 3.2 Spiegelungen

Mehr

Berechnungen in Access Teil I

Berechnungen in Access Teil I in Access Teil I Viele Daten müssen in eine Datenbank nicht eingetragen werden, weil sie sich aus anderen Daten berechnen lassen. Zum Beispiel lässt sich die Mehrwertsteuer oder der Bruttopreis in einer

Mehr

Informatik IC2. Balazs Simon 2005.03.26.

Informatik IC2. Balazs Simon 2005.03.26. Informatik IC2 Balazs Simon 2005.03.26. Inhaltsverzeichnis 1 Reguläre Sprachen 3 1.1 Reguläre Sprachen und endliche Automaten...................... 3 1.2 Determinisieren.....................................

Mehr

CNAM: Theoretische Informatik I

CNAM: Theoretische Informatik I Fachhochschule Darmstadt WS 2004 Dr. Frithjof Dau 09.12.2004 CNAM: Theoretische Informatik I Übung 6 Aufgabe 1: Begriffsverbände bestimmen: Gegeben seien die folgenden beiden Kontexte über Authentifizierungsmethoden

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Was meinen die Leute eigentlich mit: Grexit?

Was meinen die Leute eigentlich mit: Grexit? Was meinen die Leute eigentlich mit: Grexit? Grexit sind eigentlich 2 Wörter. 1. Griechenland 2. Exit Exit ist ein englisches Wort. Es bedeutet: Ausgang. Aber was haben diese 2 Sachen mit-einander zu tun?

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

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Outlook. sysplus.ch outlook - mail-grundlagen Seite 1/8. Mail-Grundlagen. Posteingang

Outlook. sysplus.ch outlook - mail-grundlagen Seite 1/8. Mail-Grundlagen. Posteingang sysplus.ch outlook - mail-grundlagen Seite 1/8 Outlook Mail-Grundlagen Posteingang Es gibt verschiedene Möglichkeiten, um zum Posteingang zu gelangen. Man kann links im Outlook-Fenster auf die Schaltfläche

Mehr

4. Relationen. Beschreibung einer binären Relation

4. Relationen. Beschreibung einer binären Relation 4. Relationen Relationen spielen bei Datenbanken eine wichtige Rolle. Die meisten Datenbanksysteme sind relational. 4.1 Binäre Relationen Eine binäre Relation (Beziehung) R zwischen zwei Mengen A und B

Mehr

7. Ringe und Körper. 7. Ringe und Körper 49

7. Ringe und Körper. 7. Ringe und Körper 49 7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Algebra. Patrik Hubschmid. 8. Oktober 2013

Algebra. Patrik Hubschmid. 8. Oktober 2013 Algebra Patrik Hubschmid 8. Oktober 2013 Inhaltsverzeichnis 1 Fortführung der Gruppentheorie 7 1.1 Sylowsätze.................................... 7 3 Vorwort Dieses Skript zur Vorlesung Algebra im Wintersemester

Mehr

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken

Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen

Mehr

5.2 Neue Projekte erstellen

5.2 Neue Projekte erstellen 5.2 Neue Projekte erstellen Das Bearbeiten von bestehenden Projekten und Objekten ist ja nicht schlecht wie aber können Sie neue Objekte hinzufügen oder gar völlig neue Projekte erstellen? Die Antwort

Mehr

Hilfe zur Urlaubsplanung und Zeiterfassung

Hilfe zur Urlaubsplanung und Zeiterfassung Hilfe zur Urlaubsplanung und Zeiterfassung Urlaubs- und Arbeitsplanung: Mit der Urlaubs- und Arbeitsplanung kann jeder Mitarbeiter in Coffee seine Zeiten eintragen. Die Eintragung kann mit dem Status anfragen,

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend

Mehr

Lernmaterial für die Fernuni Hagen effizient und prüfungsnah

Lernmaterial für die Fernuni Hagen effizient und prüfungsnah Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht

8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2-1 Stoffliches Gleichgewicht Beispiel Stickstoff Sauerstoff: Desweiteren

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

Mehr

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zur Linearen Algebra II Blatt 5 Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische

Mehr

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat. Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften

Mehr

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie

Minimale Darstellungen, Kommutator- und Fixräume, projektive Geometrie Notation Die in dieser Arbeit verwendete Notation ist im Wesentlichen Standard, so wie sie beispielsweise in [As] zu nden ist. Einige Abweichungen hiervon, Klarstellungen und zusätzliche Notationen (sofern

Mehr

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,

Mehr

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 11: Abstrakte Reduktionssysteme schulz@eprover.org Reduktionssysteme Definition: Reduktionssystem Ein Reduktionssystem ist ein Tupel (A, ) Dabei gilt: A

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

7 Die Determinante einer Matrix

7 Die Determinante einer Matrix 7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =

Mehr

How to do? Projekte - Zeiterfassung

How to do? Projekte - Zeiterfassung How to do? Projekte - Zeiterfassung Stand: Version 4.0.1, 18.03.2009 1. EINLEITUNG...3 2. PROJEKTE UND STAMMDATEN...4 2.1 Projekte... 4 2.2 Projektmitarbeiter... 5 2.3 Tätigkeiten... 6 2.4 Unterprojekte...

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

TheGI 1: Grundlagen und algebraische Strukturen Prof. Dr.-Ing. Uwe Nestmann - 09. Februar 2010. 2. Schriftliche Leistungskontrolle (EK)

TheGI 1: Grundlagen und algebraische Strukturen Prof. Dr.-Ing. Uwe Nestmann - 09. Februar 2010. 2. Schriftliche Leistungskontrolle (EK) TheGI 1: Grundlagen und algebraische Strukturen Prof. Dr.-Ing. Uwe Nestmann - 09. Februar 2010 2. Schriftliche Leistungskontrolle (EK) Punktzahl In dieser schriftlichen Leistungskontrolle sind 100 Punkte

Mehr

Kombinatorische Optimierung

Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des

Mehr

Semantik von Formeln und Sequenzen

Semantik von Formeln und Sequenzen Semantik von Formeln und Sequenzen 33 Grundidee der Verwendung von Logik im Software Entwurf Syntax: Menge von Formeln = Axiome Ax K ist beweisbar Formel ϕ beschreiben Korrektkeit Vollständigkeit beschreibt

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

Mathematischer Vorbereitungskurs für Ökonomen

Mathematischer Vorbereitungskurs für Ökonomen Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 3 30.04.2012 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Letztes Mal Aussagenlogik Syntax: welche Formeln? Semantik:

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 3: Alphabete (und Relationen, Funktionen, Aussagenlogik) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/18 Überblick Alphabete ASCII Unicode

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Formale Sprachen. Der Unterschied zwischen Grammatiken und Sprachen. Rudolf Freund, Marian Kogler

Formale Sprachen. Der Unterschied zwischen Grammatiken und Sprachen. Rudolf Freund, Marian Kogler Formale Sprachen Der Unterschied zwischen Grammatiken und Sprachen Rudolf Freund, Marian Kogler Es gibt reguläre Sprachen, die nicht von einer nichtregulären kontextfreien Grammatik erzeugt werden können.

Mehr

AZK 1- Freistil. Der Dialog "Arbeitszeitkonten" Grundsätzliches zum Dialog "Arbeitszeitkonten"

AZK 1- Freistil. Der Dialog Arbeitszeitkonten Grundsätzliches zum Dialog Arbeitszeitkonten AZK 1- Freistil Nur bei Bedarf werden dafür gekennzeichnete Lohnbestandteile (Stundenzahl und Stundensatz) zwischen dem aktuellen Bruttolohnjournal und dem AZK ausgetauscht. Das Ansparen und das Auszahlen

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

Einfache kryptographische Verfahren

Einfache kryptographische Verfahren Einfache kryptographische Verfahren Prof. Dr. Hagen Knaf Studiengang Angewandte Mathematik 26. April 2015 c = a b + a b + + a b 1 11 1 12 2 1n c = a b + a b + + a b 2 21 1 22 2 2n c = a b + a b + + a b

Mehr

Berechnung der Erhöhung der Durchschnittsprämien

Berechnung der Erhöhung der Durchschnittsprämien Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die

Mehr

Einführung in die Kodierungstheorie

Einführung in die Kodierungstheorie Einführung in die Kodierungstheorie Einführung Vorgehen Beispiele Definitionen (Code, Codewort, Alphabet, Länge) Hamming-Distanz Definitionen (Äquivalenz, Coderate, ) Singleton-Schranke Lineare Codes Hamming-Gewicht

Mehr

Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden einander nicht.

Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden einander nicht. 2 Ein wenig projektive Geometrie 2.1 Fernpunkte 2.1.1 Projektive Einführung von Fernpunkten Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden

Mehr

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

Lichtbrechung an Linsen

Lichtbrechung an Linsen Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen

Mehr

Wurzeln als Potenzen mit gebrochenen Exponenten. Vorkurs, Mathematik

Wurzeln als Potenzen mit gebrochenen Exponenten. Vorkurs, Mathematik Wurzeln als Potenzen mit gebrochenen Exponenten Zur Einstimmung Wir haben die Formel benutzt x m n = x m n nach der eine Exponentialzahl potenziert wird, indem man die Exponenten multipliziert. Dann sollte

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

Grammatiken. Einführung

Grammatiken. Einführung Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische

Mehr

Lernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können.

Lernziele: Ausgleichstechniken für binäre Bäume verstehen und einsetzen können. 6. Bäume Lernziele 6. Bäume Lernziele: Definition und Eigenschaften binärer Bäume kennen, Traversierungsalgorithmen für binäre Bäume implementieren können, die Bedeutung von Suchbäumen für die effiziente

Mehr

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung

Mehr

In diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access. Die Grundlagen der Datenbanken.

In diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access. Die Grundlagen der Datenbanken. In diesem Thema lernen wir die Grundlagen der Datenbanken kennen und werden diese lernen einzusetzen. Access Die Grundlagen der Datenbanken kurspc15 Inhaltsverzeichnis Access... Fehler! Textmarke nicht

Mehr

ARCO Software - Anleitung zur Umstellung der MWSt

ARCO Software - Anleitung zur Umstellung der MWSt ARCO Software - Anleitung zur Umstellung der MWSt Wieder einmal beschert uns die Bundesverwaltung auf Ende Jahr mit zusätzlicher Arbeit, statt mit den immer wieder versprochenen Erleichterungen für KMU.

Mehr