Abschnitt 3: Mathematische Grundlagen
|
|
- Kora Sommer
- vor 7 Jahren
- Abrufe
Transkript
1 Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen Boolsche Algebra 3.3 Induktion und Rekursion Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 46 / 708
2 Überblick 3. Mathematische Grundlagen Boolsche Algebra 3.3 Induktion und Rekursion Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 47 / 708
3 Mengen Die Charakterisierung von Daten in der Vorlesung setzt den Mengen-Begriff voraus. Als informelle Definition genügt uns: Eine Menge M ist eine Zusammenfassung von verschiedenen Objekten, den Elementen der Menge. Die Notation a M bedeutet: a ist ein Element der Menge M. Um anzuzeigen, dass a kein Element der Menge M ist, schreiben wir entsprechend a M Eine Menge kann beliebig viele Elemente enthalten, also z.b. auch gar keine. In diesem Fall spricht man von der leeren Menge, geschrieben oder {}. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 48 / 708
4 Mengen Beispiele für Mengen, die wir im Laufe der Vorlesung verwenden werden: N: Menge der natürlichen Zahlen: 1, 2, 3,... N 0: Menge der natürlichen Zahlen einschließlich 0 Z: Menge der ganzen Zahlen:..., 3, 2, 1, 0, 1, 2, 3,... R: Menge der reellen Zahlen B = {TRUE, FALSE}: Menge der Wahrheitswerte Für diese Mengen gilt z.b.: 23 N, 0 N, 0 N 0, 0 B, 0 Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 49 / 708
5 Mengen Eine Menge kann z.b. extensional durch Aufzählung der Elemente angegeben werden. Die Reihenfolge der Elemente spielt dabei keine Rolle. Man kann eine Menge aber auch intensional "beschreiben", d.h. durch Angabe einer Bedingung, die alle Elemente und nur die Elemente der Menge erfüllen. Beispiele Menge M der Quadratzahlen, die kleiner als 30 sind Extensional: M = {1, 4, 9, 16, 25} = {4, 1, 9, 25, 16} Intensional: M = {a a N, a ist Quadratzahl und a < 30} leere Menge Extensional: M = {} Intensional: M = {a a N, a < 2 und a > 1} Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 50 / 708
6 Eigenschaften von Mengen Es gelten folgende wichtige Eigenschaften von Mengen und Beziehungen zwischen Mengen: Bezeichnung Notation Bedeutung M ist Teilmenge von N M N aus a M folgt a N M ist echte Teilmenge von N M N es gilt M N und M N Vereinigung von M und N M N {x x M oder x N} Schnittmenge von N und M M N {x x M und x N} Differenz M ohne N M \ N {x x M und x / N} M und N sind disjunkt M N = M und N haben keine gemeinsamen Elemente Kardinalität einer Menge M M Anzahl der Elemente von M Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 51 / 708
7 Eigenschaften von Mengen Alle Elemente einer Menge sind verschieden. Man könnte zwar eine Menge {1, 2, 2, 3} angeben, dies wäre aber redundant. Die gleiche Menge wird durch {1, 2, 3} definiert. Mit dem Konzept einer Menge kann man also nicht mehrfaches Vorkommen eines gleichen Elementes modellieren. Hierzu dient z.b. das Konzept der Multimengen, die wie Mengen geschrieben werden, aber andere Eigenschaften und Rechenregeln haben. Soll auch die Reihenfolge der Elemente eine Rolle spielen, sind Mengen/Multimengen nicht für die Modellierung geeignet. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 52 / 708
8 Multimengen Eine Multimenge ist eine Zusammenfassung von Elementen, bei denen Elemente auch mehrfach auftreten können Beispiel: Die Menge der in dem Wort MATHEMATIK vorkommenden Buchstaben ist Als Menge: M = {A, E, H, I, K, M, T} Als Multimenge unter Berücksichtigung der Häufigkeit: MM = {A, A, E, H, I, K, M, M, T, T} Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 53 / 708
9 Multimengen Die für Mengen bekannten Begriffe lassen sich leicht auf Multimengen übertragen Jede Multimenge kann nämlich durch Auflistung der Elemente unter Berücksichtigung ihres Vorkommens als Menge geschrieben werden (dadurch werden eigentlich gleiche Elemente künstlich unterschieden). Beispiel: Die Multimenge MM = {A, A, E, H, I, K, M, M, T, T} kann aufgeschrieben werden als Menge MM = {A (1), A (2), E, H, I, K, M (1), M (2), T (1), T (2) } Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 54 / 708
10 Potenzmenge Viele Objekte werden durch Mengen beschrieben. Ein Objekt Wechselgeld könnte z.b. als Menge von Münzen und Scheinen aufgefasst werden. Der Wertebereich einer Datenmenge solcher Objekte ist dann eine Menge, die Mengen enthält. Eine Menge von Wechselgeld-Objekten enthält als Elemente Mengen von Münzen und Scheinen. Eine spezielle Form solcher Mengen von Mengen ist die Potenzmenge: Die Potenzmenge einer Grundmenge U ist die Menge aller Teilmengen von U, geschrieben P(U), formal: P(U) ={U U U} Beispiel: U = {d, f, s} P(U) ={, {d}, {f }, {s}, {d, f }, {d, s}, {f, s}, {d, f, s}} Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 55 / 708
11 Tupel, kartesisches Produkt von zwei Mengen Die Elemente einer Menge können selbst zusammengesetzt sein aus verschiedenen Mengen. Ein geordnetes Paar (Tupel) (x, y) besteht aus zwei Werten x und y, wobei x die erste und y die zweite Komponente ist. Beispiel: Eine Spielkarte hat eine Farbe und ein Symbol: (Karo,Bube), (Herz,Dame),... Das kartesische Produkt M N zweier Mengen M und N ist die Menge aller geordneten Paare mit erster Komponente aus M und zweiter Komponente aus N: M N := {(x, y) x M und y N}. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 56 / 708
12 n-tupel, kartesisches Produkt von n Mengen Die Konzepte Tupel und kartesisches Produkt zweier Mengen lassen sich leicht auf eine beliebige Anzahl n von Mengen verallgemeinern. Das allgemeine kartesische Produkt über n Mengen ist die Menge aller geordneten n-tupel mit den Komponenten aus diesen Mengen: M 1 M 2... M n := {(a 1, a 2,...,a n ) a 1 M 1 und a 2 M 2... und a n M n }. Sind alle Mengen identisch (M i = M j für alle 1 i, j n), schreibt man für M M... M häufig auch M n. Die einzelnen a i,(i = 1,...,n) heißen Komponenten oder Attribute von (a 1,...,a n ). Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 57 / 708
13 n-tupel, kartesisches Produkt von n Mengen Beispiele B B = {(TRUE, FALSE), (TRUE, TRUE), (FALSE, FALSE), (FALSE, TRUE)} Für S = {7, 8, 9, 10, Bube, Dame, Koenig, Ass} und F = {Kreuz, Pik, Herz, Karo}, können wir ein Kartenspiel als die Menge F S definieren. N N 0 B = { } (1, 0, TRUE), (1, 1, TRUE),...(1, 0, FALSE), (1, 1, FALSE),... (2, 0, TRUE), (2, 1, TRUE),...(2, 0, FALSE), (2, 1, FALSE),... (3, 0, TRUE), (3, 1, TRUE),...(3, 0, FALSE), (3, 1, FALSE),..... Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 58 / 708
14 Relationen Eine n-stellige Relation R ist eine Menge von n-tupeln, d.h. R M 1... M n bzw. R P(M 1... M n ) Die kleiner -Relation (a < b) ist ein Beispiel für eine Relation. Wir können also z.b. schreiben: < N N (definiert < als Teilmenge von N N) (1, 2) < (2, 1) / < Eine (n-stellige) Relation R ist erfüllt (oder wahr) für alle n-tupel a mit a R und nur für diese Tupel. Man schreibt auch: Ra. Für zweistellige Relationen schreibt man auch xry (z.b.: x < y). Relationen drücken also spezielle Beziehungen zwischen verschiedenen Elementen der Grundmengen aus. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 59 / 708
15 Eigenschaften zweistelliger Relationen Sei R M M (d.h. R P(M M)). R ist reflexiv, wenn für alle x M gilt: xrx. R ist symmetrisch, wenn für alle x, y M gilt: aus xry folgt yrx. R ist antisymmetrisch, wenn für alle x, y M gilt: aus xry und yrx folgt x = y. R ist transitiv, wenn für alle x, y, z M gilt: aus xry und yrz folgt xrz. R ist alternativ, wenn für alle x, y M gilt: xry oder yrx. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 60 / 708
16 Äquivalenzrelation Bestimmte Kombinationen von Eigenschaften qualifizieren eine Relation zur Äquivalenzrelation, durch die man definieren kann, welche Elemente einer beliebigen Menge M gleich (äquivalent) sind: Sei R P(M M). R ist eine Äquivalenzrelation, wenn R reflexiv, symmetrisch und transitiv ist. Beispiele Das Gleichheitszeichen = definiert eine Äquivalenzrelation auf N bzw. N 0 (und natürlich auch auf Z bzw. R), denn es gilt Reflexiv: für alle n N gilt n = n Symmetrisch: für alle n 1, n 2 N gilt: aus n 1 = n 2 folgt n 2 = n 1 Transitiv: für alle n 1, n 2, n 3 N gilt: aus n 1 = n 2 und n 2 = n 3 folgt n 1 = n 3 Formal ist = N N und es gilt = = {(1, 1), (2, 2), (3, 3),...} Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 61 / 708
17 Äquivalenzrelation Beispiele (Forts.) Wenn für ein Kartenspiel F S mit S = {7, 8, 9, 10, Bube, Dame, Knig, Ass} und F = {Kreuz, Pik, Herz, Karo} beim Vergleich zweier Karten die Farbe keine Rolle spielt, sondern zwei Karten mit dem gleichen Symbol als gleich gelten, ist die entsprechende Äquivalenzrelation: {((f 1, s 1), (f 2, s 2)) f 1 F, f 2 F, s 1 S, s 2 S, s 1 = s 2} (Dabei ist eine entsprechende Äquivalenzrelation auf S angenommen, die wiederum mit = bezeichnet wird). Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 62 / 708
18 Ordungsrelationen Bestimmte Kombinationen von Eigenschaften qualifizieren eine Relation zur Ordnungsrelation, durch deren Anwendung man beispielsweise eine Menge (oder auch Multimenge) sortieren könnte: Sei R P(M M). R ist eine partielle Ordnung, wenn R reflexiv, antisymmetrisch und transitiv ist. R ist eine totale Ordnung, wenn R eine alternative partielle Ordnung ist. Beispiel: Auf den ganzen Zahlen gibt es die (totale) Ordnungsrelation P(Z Z). Im Übrigen ist < keine Ordnungsrelation. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 63 / 708
19 Funktionen (Abbildungen) Wir definieren eine Funktion f zunächst als eine Abbildung von einer Menge D auf eine Menge B, wobei D = B gelten darf aber nicht muss (genauer handelt es sich hier um 1-stellige Funktionen, später lassen wir dann für D auch ein kartesisches Produkt aus n Mengen zu, was zu n-stelligen Funktionen führt). Formal gesehen ist eine Funktion f eine 2-stellige Relation f D B, für die gilt: Aus (x, y) f und (x, z) f folgt y = z, d.h. einem Element aus D ist höchstens ein Element aus B eindeutig zugeordnet. Die Menge D heißt Definitionsbereich von f. Die Menge B heißt Bildbereich von f. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 64 / 708
20 Funktionen (Abbildungen) Funktionen sind also Relationen mit speziellen Eigenschaften: sie stellen eine rechtseindeutige Beziehung zwischen Definitionsbereich und Bildbereich dar. Als Schreibweisen sind gebräuchlich: (x, y) f y = f (x) f (x) =y f : x y x D heißt auch Urbild. y B heißt auch Bild. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 65 / 708
21 Signatur von Funktionen Da Funktionen spezielle Relationen sind, stammen sie aus Wertebereichen, die Teilmengen der Wertebereiche entsprechend strukturierter Relationen sind: Die Menge D B ist die Menge aller Funktionen, die D als Definitionsbereich und B als Bildbereich haben. D B enthält als Elemente alle Mengen von Tupeln (d, b) (D B), die Funktionen sind. Es gilt: D B P(D B). Für eine Funktion f D B gilt: f D B. Man schreibt: f : D B, d.h. f hat die Signatur D B. Signatur ist ein zentrales Konzept in der Spezifikation von Programmen (und beinhaltet neben Definitions- und Bildbereich auch den Namen der Funktion). Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 66 / 708
22 Eigenschaften von Funktionen Eine Funktion f : D B ist total, wenn es für jedes x D ein Paar (x, y) f gibt (andernfalls ist f partiell); surjektiv, wenn es zu jedem y B mindestens ein Paar (x, y) f gibt (jedes Bild hat mindestens ein Urbild); injektiv, wenn es zu jedem y B höchstens ein Paar (x, y) f gibt (jedes Bild hat höchstens ein Urbild); bijektiv (eindeutig), wenn f zugleich surjektiv und injektiv ist (jedes Bild hat genau ein Urbild). Vorsicht: Wenn ein Mathematiker nicht angibt, ob eine Funktion total oder partiell ist, meint er in der Regel eine totale Funktion. Für einen Informatiker ist die partielle Funktion der Normalfall. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 67 / 708
23 Stelligkeit von Funktionen Funktionen aus D B sind n-stellig, wenn der Definitionsbereich D = D 1... D n eine Menge von n-tupeln ist. Dabei ist n N 0, d.h. auch n = 0 ist zulässig. Ganz allgemein hat also eine n-stellige Funktion f die Signatur f : D 1... D n B. Ist D =, also n = 0, so ist die Funktion 0-stellig. 0-stellige Funktionen sind konstante Funktionen, kurz Konstanten, für jeweils einen Wert aus B, d.h. jeder Wert b aus B (b B) kann als 0-stellige Funktion b : B aufgefasst werden. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 68 / 708
24 Funktionen Beispiele: Die Funktion 1 : N ist eine Konstante und kann als das Element 1 N interpretiert werden (Analoges gilt für alle Elemente in N, N 0, Z, etc.). Genauso: TRUE : B für das Element TRUE B (analog: FALSE). Die Funktion ID : M M mit x x (x M) heißt Identitätsabbildung. Z.B. für M = {a, b} gilt a a und b b, d.h. in Relationenschreibweise wäre ID {a,b} = {(a, a), (b, b)} bzw. in Funktionsschreibweise wäre ID(a) =a und ID(b) =b. Die Funktion +:N 0 N 0 N 0 definiert die Addition zweier Elemente (Zahlen) aus N 0. Z.B. gilt (12, 44) 56 und (27, 33) 60. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 69 / 708
25 Funktionen Beispiele (cont.): Die Funktion abs : Z N 0 definiert den Absolutbetrag einer ganzen Zahl. Z.B. gilt und Die Funktion ggt : N N N berechnet den kleinsten gemeinsamen Teiler zweier natürlicher Zahlen. Z.B. gilt (12, 44) 4 und (27, 33) 3. Die Quadratwurzel-Operation : R R ist ein Beispiel für eine partielle Funktion, denn die Funktion ist nur für reele Zahlen x > 0 definiert. Z.B. gilt (25.0) 5.0 aber für 13.0 gibt es kein Bild, d.h. ( 13.0) ist undefiniert. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 70 / 708
26 Funktionen Beispiele (cont.): Die Funktion summe : N 0 N ist definiert als Wir schreiben auch Es gilt z.b. n n. n i=0 i oder n i anstatt summe(n). i=0 summe(0) = n i=0 i = 0 summe(1) = n i=0 i = = 1 summe(5) = n i=0 i = = 15 Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 71 / 708
27 Komposition von (totalen) Funktionen Gegeben seien totale 3 Abbildungen f 1 : M 1 N 1,...,f n : M n N n mit n N g : N 1... N n N. Für x 1 M 1,...,x n M n gilt f 1 (x 1 ) N 1,...,f n (x n ) N n. Diese Werte können als Argumente in g eingesetzt werden und man erhält die Komposition g(f 1 (x 1 ),...,f n (x n )) 3 Es ginge auch mit partiellen Abb., ist aber etwas komplizierter Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 72 / 708
28 Komposition von (totalen) Funktionen Die dadurch beschriebene Zuordnung (x 1,...,x n ) g(f 1 (x 1 ),...,f n (x n )) definiert somit eine totale Abbildung M 1... M n N. Die Komposition erlaubt uns, überall dort, wo ein Element der Menge M in der Signatur einer Funktion f gefordert wird, stattdessen die Anwendung einer Funktion g zu verwenden, solange g den Bildbereich M hat. Offenbar kann man mittels Komposition beliebig viele Funktionen verschachteln. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 73 / 708
29 Komposition von (totalen) Funktionen Beispiele In der Addition auf den ganzen Zahlen +:Z Z Z kann an der ersten Stelle statt eines Elements aus Z z.b. wiederum eine Addition stehen. Man erhält eine Abbildung (Z Z) Z Z mit (x, y, z) (x + y)+z Durch die Komposition der oben genannten Funktionen abs : Z N und +:N N N kann man z.b. ein Funktion abssum : Z Z N erhalten mit (x, y) abs(x) +abs(y) Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 74 / 708
30 Komposition von (totalen) Funktionen Beispiele (cont.) Man kann i.ü. auch den Term als Komposition von folgenden Funktionen auffassen: 1 : N 2 : N +:N N N denn steht ja für: +(1, 2) und 1 sowie 2 sind Funktionen ohne Argumente. Diesen Kniff werden wir uns später noch zu Nutze machen. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 75 / 708
31 Nocheinmal: Schreibweisen Die Notation f (x 1,...,x n ), die die Anwendung von f auf die Argumente x 1,...,x n beschreibt, nennen wir Funktionsschreibweise. Bei 2-stelligen Funktionen verwendet man häufig auch die Infixschreibweise x 1 fx 2. Beispiel: statt +(17, 8) für die Addition. Bei 1-stelligen Funktionen verwendet man gerne die Präfixschreibweise fx 1. Beispiel log 13 statt log(13) für die Logarithmusfunktion. Manchmal ist jedoch auch die Postfixschreibweise x 1...x n f gebräuchlich. Beispiel: 21! statt!(21) für die Fakultätsfunktion. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 76 / 708
32 Nocheinmal: Schreibweisen Bemerkung: In der Mathematik gibt es Schreibweisen, die sich nicht direkt einer dieser Schreibweisen unterordnen lassen, z.b. x (Quadratwurzel) x y (Potenzierung) x y (Division)... Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 77 / 708
33 Prädikate Ein Prädikat ist eine Funktion aus D B. Jede Relation R D = M 1... M n kann als Prädikat D B aufgefasst werden, mit (x 1,...,x n ) TRUE genau dann wenn (x 1,...,x n ) R Beispiel: die Äquivalenzrelation =: Z Z ist das Prädikat =: Z Z B und es gilt z.b. =( 321, 321) TRUE und =( 321, 3) FALSE Wir lassen als Schreibweise = TRUE meist weg und schreiben bei 2-stelligen Prädikaten in Infixschreibweise 321 = 321. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 78 / 708
34 Prädikate Beispiele: Die Ordnungs- und Äquivalenzrelationen von oben können wie erwähnt alle als Prädikate aufgefasst werden, z.b. =: M M B mit M {N, N 0, Z, R,...} z.b. (2, 2) TRUE, d.h. 2 = 2 und (2, 3) FALSE : M M B mit M {N, N 0, Z, R,...} und z.b. (2, 3) TRUE, d.h. 2 3 und (2, 2) FALSE... Ungleichheitsprädikat: : M M B mit M {N, N 0, Z, R,...} z.b. (3, 2) TRUE, d.h. 3 2 und (2, 2) FALSE Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 79 / 708
35 Prädikate Beispiele (cont.): Das Prädikat teilt : N N 0 B mit (x, y) TRUE genau dann wenn y (ganzzahlig) teilbar durch x ist. oder etwas formaler und in Infixschreibweise x y genau dann wenn es ein z N 0 gibt mit y = x z. Z.B. gilt 3 6 TRUE (es gibt ein k N 0 mit 6 = k 3, nämlich k = 2) und 3 0 TRUE (es gibt ein k N 0 mit 0 = k 3, nämlich k = 0) Dagegen 7 8 FALSE (es gibt kein k N 0 mit 8 = k 7). Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 80 / 708
36 Folgen Bei Mengen und Multimengen spielt wie besprochen die Reihenfolge der Elemente keine Rolle. Wenn aber die Reihenfolge wichtig ist, benötigt man andere Konzepte, wie z.b. das der Folgen, die eine sequentielle Reihenfolge von Elementen modelliert (mehrfaches Auftreten eines Elements spielt dabei auch ein Rolle, d.h. Folgen sind spezielle Multimengen). Eine Folge (x 1,...,x n ) der Länge n über die Elemente einer Menge M (d.h. x i M) ist ein n-tupel von Werten aus M, d.h. (x 1,...,x n ) M n. Eine Folge x M 0 der Länge n = 0 wird leere Folge genannt. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 81 / 708
37 Folgen Beispiele Sei M 1 = {1, 2}. Es gilt x11 =(1) ist eine Folge über M 1 x12 =(1, 1, 1, 1, 2, 2, 1, 2, 1) ist eine Folge über M 1 x13 =()ist eine Folge über M 1 (die leere Folge) Sei M 2 = {A, B, C,...X, Y, Z}. Es gilt x21 =(M, A, T, H, E, M, A, T, I, K) ist eine Folge über M 2 x22 =(B) ist eine Folge über M 2 x23 =()ist eine Folge über M 2 (die leere Folge) Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 82 / 708
38 Folgen Die Menge aller nicht-leeren Folgen über M wird meist mit bezeichnet. M + = M 1 M 2 M 3... Die Menge aller Folgen (auch leerer) über M ist dann M = M 0 M +. Die Länge einer Folge x wird auch mit x bezeichnet. Ist x eine Folge über M, so wird M auch als Grundmenge von x bezeichnet. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 83 / 708
39 Folgen Beispiele von vorher: Sei wiederum M 1 = {1, 2}. Es gilt x11 =(1) (M 1) 1 x12 =(1, 1, 1, 1, 2, 2, 1, 2, 1) (M 1) 9 x13 =() (M 1) 0 (die leere Folge) Sei wiederum M 2 = {A, B, C,...X, Y, Z}. Es gilt x21 =(M, A, T, H, E, M, A, T, I, K) (M 2) 10 x22 =(B, C, A) (M 2) 3 x23 =() (M 2) 0 (die leere Folge) Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 84 / 708
40 Folgen: Projektion Die Projektion π : M n I n M. bildet eine Folge x =(x 1,...,x n ) der Länge n und ein i (1 i n) auf die i-te Komponente x i der Folge ab. Die Menge I n = {i i N und 1 i n} heißt Indexmenge. Beispiel: sei M = N 0 und x =(4, 5, 6) π(x, 1) =4, π(x, 2) =5, π(x, 3) =6. Offensichtlich ist auch x =(π(x, 1),..., π(x, x )) eine alternative Schreibweise für eine Folge x. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 85 / 708
41 Folgen: Konkatenation Die Konkatenation : M n M m M n+m konkateniert zwei Folgen beliebiger Länge (aber selber Grundmenge M) miteinander: x y =(π(x, 1),...,π(x, x ),π(y, 1),...,π(y, y )), oder anders ausgedrückt: { π(x, i) π((x y), i) = π(y, i x ) für 1 i x für x + 1 i x + y Beispiel: Sei M = N 0 und x =(7, 0, 3, 18), y =(21, 3, 7), dann ist x y =(π(x, 1),π(x, 2),π(x, 3),π(x, 4),π(y, 5 4),π(y, 6 4),π(y, 7 4)) =(7, 0, 3, 18, 21, 3, 7). Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 86 / 708
42 Boolsche Algebra Überblick 3. Mathematische Grundlagen Boolsche Algebra 3.3 Induktion und Rekursion Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 87 / 708
43 Boolsche Algebra Die Menge B Die Menge B = {TRUE, FALSE} der boolschen Werte wurde bereits erwähnt Wegen der häufigen Verwendung dieser Menge in der Informatik betrachten wir sie noch etwas genauer Die wichtigsten Operationen auf B sind sog. innere Operationen, d.h. der Definitions- und Bildbereich ist immer B n bzw. B (Man sagt auch, B ist abgeschlossen über diesen Operationen; die Abgeschlossenheit der Operatoren ist eine wesentliche Eigenschaft einer Algebra) Sie lassen sich wegen der Endlichkeit von Definitions- und Bildbereich mit Hilfe von Wahrheitstafeln explizit angeben. Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 88 / 708
44 Boolsche Algebra Operationen auf B Negation: : B B Konjunktion: : B B B Disjunktion: : B B B x x TRUE FALSE FALSE TRUE x y x y TRUE TRUE TRUE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE x y x y TRUE TRUE TRUE TRUE FALSE TRUE FALSE TRUE TRUE FALSE FALSE FALSE Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 89 / 708
45 Boolsche Algebra Rechenregeln, Wahrheitstafeln Aus diesen drei Operationen lassen sich z.b. alle möglichen zweistelligen Operationen ableiten, z.b. x y als Abkürzung für x y. Einige Rechenregeln (x, y, z B) Kommutativ-Gesetze x y = y x x y = y x Assoziativ-Gesetze x (y z) =(x y) z x (y z) =(x y) z Distributiv-Gesetze: x (y z) =(x y) (x z) x (y z) =(x y) (x z) Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 90 / 708
46 Boolsche Algebra Rechenregeln, Wahrheitstafeln Diese Gesetze lassen sich am einfachsten mittels Wahrheitstafeln beweisen, z.b. x y x y y x TRUE TRUE TRUE TRUE TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE Peer Kröger (LMU München) Einführung in die Programmierung WS 16/17 91 / 708
Abschnitt 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
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
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 Modellierung mit Wertebereichen
2 Modellierung mit Wertebereichen Mod-2.1 In der Modellierung von Systemen, Aufgaben, Lösungen kommen Objekte unterschiedlicher Art und Zusammensetzung vor. Für Teile des Modells wird angegeben, aus welchem
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
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
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
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,
MehrFormale Methoden 1. Gerhard Jäger 7. November Uni Bielefeld, WS 2007/2008 1/18
1/18 Formale Methoden 1 Gerhard Jäger Gerhard.Jaeger@uni-bielefeld.de Uni Bielefeld, WS 2007/2008 7. November 2007 2/18 Geordnete Paare Mengen sind ungeordnet: {a, b} = {b, a} für viele Anwendungen braucht
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
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,
MehrVorlesung 4. Tilman Bauer. 13. September 2007
Vorlesung 4 Universität Münster 13. September 2007 Kartesische Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Definition Seien M und N zwei Mengen. Dann bezeichnen wir mit M N das (kartesische)
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,
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 15. Oktober 2015 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage veröffentlicht
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: {
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
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016
Mehr2. Grundlegende Strukturen 2.1 Wertebereiche beschrieben durch Mengen
2. Grundlegende Strukturen 2.1 Wertebereiche beschrieben durch Mengen In der Modellierung von Systemen, Aufgaben, Lösungen kommen Objekte unterschiedlicher Art und Zusammensetzung vor. Für Teile des Modells
MehrVorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen.
Vorlesung 4 Universität Münster 13. September 2007 1 Kartesische Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Seien M und N zwei Mengen. Dann bezeichnen wir mit M N das (kartesische) Produkt
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
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
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
MehrDieser Foliensatz darf frei verwendet werden unter der Bedingung, dass diese Titelfolie nicht entfernt wird.
Thomas Studer Relationale Datenbanken: Von den theoretischen Grundlagen zu Anwendungen mit PostgreSQL Springer, 2016 ISBN 978-3-662-46570-7 Dieser Foliensatz darf frei verwendet werden unter der Bedingung,
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
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 19. Oktober 2017 1/27 Zu der Vorlesung gibt es ein Skript, welches auf meiner Homepage
MehrVorkurs Mathematik für Informatiker
Vorkurs Mathematik für Informatiker 5. Relationen Thomas Huckle, Kilian Röhner Technische Universität München 9.10.2017 Relationen Mit Relationen können wir Beziehungen zwischen je zwei Dingen ausdrücken.
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
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
Mehr1. Grundlagen. Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen
1. Grundlagen Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen Peter Buchholz 2016 MafI 2 Grundlagen 7 1.1 Was ist Analysis? Analysis ist
Mehr1. Grundlagen. 1.1 Was ist Analysis? 1.2 Aussagen und Mengen
. Grundlagen Gliederung. Was ist Analysis?.2 Aussagen und Mengen.3 Natürliche Zahlen.4 Ganze Zahlen, rationale Zahlen. Was ist Analysis? Analysis ist neben der linearen Algebra ein Grundpfeiler der Mathematik!
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
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:
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
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,
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
MehrAbschnitt 5: Grundlagen der funktionalen und imperativen Programmierung
Abschnitt 5: Grundlagen der funktionalen und imperativen Programmierung 5. Grundlagen der funktionalen und imperativen Programmierung 5.1 Sorten und abstrakte Datentypen 5.2 5.3 in Java 5.4 EXKURS: Funktionale
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
MehrGrundlagen der linearen Algebra und analytischen Geometrie
Grundlagen der linearen Algebra und analytischen Geometrie Sascha Trostorff 27. Oktober 2017 Inhaltsverzeichnis I. Einführung in die Mengenlehre 3 1. Grundlagen der Aussagenlogik 4 2. Naive Mengenlehre
MehrVorlesung 3: Logik und Mengenlehre
28102013 Erinnerung: Zeilen-Stufen-Form (ZSF) eines LGS 0 0 1 c 1 0 0 0 1 0 0 1 c r 0 0 0 c r+1 0 0 0 0 0 0 0 0 0 c m Erinnerung: Information der Zeilen-Stufen-Form Aus der ZSF liest man ab: Folgerung
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
MehrFormale Sprachen und Automaten
Mengen Eine Menge ist eine Gruppe von Elementen, die eine Einheit bilden (siehe z.b. Halmos 1976). Formale Sprachen und Automaten Mathematisches Rüstzeug Mengen können verschiedene Typen von Elementen
MehrAussagenlogik. Mengenlehre. Relationen. Funktionen. Zahlentheorie. Vollständige Induktion. Reihen. Zahlenfolgen. WS 2016/17 Torsten Schreiber
Mengenlehre Aussagenlogik Relationen Zahlentheorie Funktionen Vollständige Induktion Zahlenfolgen Reihen 193 Definition einer Menge: Beziehungsjunktoren: ist Element, d.h. Wert und Format stimmen überein
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)
Mehr1.1 Mengen und Abbildungen
Lineare Algebra I WS 2015/16 c Rudolf Scharlau 3 1.1 Mengen und Abbildungen In diesem Abschnitt stellen wir die grundlegende mathematische Sprache und Notation zusammen, die für jede Art von heutiger Mathematik
MehrFür unseren Gebrauch ist eine Menge bestimmt durch die in ihr enthaltenen Elemente. Ist M eine Menge, so ist ein beliebiges Objekt m wieder so ein
Mengen 1.2 9 1.2 Mengen 7 Der Begriff der Menge wurde am Ende des 19. Jahrhunderts von Georg Cantor wie folgt eingeführt. Definition (Cantor 1895) Eine Menge ist eine Zusammenfassung M von bestimmten,
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
MehrKapitel 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
MehrMathematik-Vorkurs für Informatiker (Wintersemester 2012/13) Übungsblatt 8 (Relationen und Funktionen)
DEPENDABLE SYSTEMS AND SOFTWARE Fachrichtung 6. Informatik Universität des Saarlandes Christian Eisentraut, M.Sc. Julia Krämer Mathematik-Vorkurs für Informatiker (Wintersemester 0/3) Übungsblatt 8 (Relationen
MehrAbbildungen. Kapitel Definition: (Abbildung) 5.2 Beispiel: 5.3 Wichtige Begriffe
Kapitel 5 Abbildungen 5.1 Definition: (Abbildung) Eine Abbildung zwischen zwei Mengen M und N ist eine Vorschrift f : M N, die jedem Element x M ein Element f(x) N zuordnet. Schreibweise: x f(x) 5. Beispiel:
MehrBrückenkurs Mathematik 2015
Technische Universität Dresden Fachrichtung Mathematik, Institut für Analysis Dr.rer.nat.habil. Norbert Koksch Brückenkurs Mathematik 2015 1. Vorlesung Logik, Mengen und Funktionen Ich behaupte aber, dass
MehrMathematische Grundlagen der Computerlinguistik Relationen und Funktionen
Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen Dozentin: Wiebke Petersen 2. Foliensatz Wiebke Petersen math. Grundlagen 25 n-tupel und Cartesisches Produkt Mengen sind ungeordnet,
Mehr17 Lineare Abbildungen
Chr.Nelius: Lineare Algebra II (SS2005) 1 17 Lineare Abbildungen Wir beginnen mit der Klärung des Abbildungsbegriffes. (17.1) DEF: M und N seien nichtleere Mengen. Eine Abbildung f von M nach N (in Zeichen:
MehrEin geordnetes Paar (oder: ein 2-Tupel) enthält immer zwei Elemente, deren Reihenfolge festgelegt ist. Mehrfachnennungen sind nicht erlaubt!
Relationen, Funktionen und Partitionen 1. Geordnetes Paar Ein geordnetes Paar (oder: ein 2-Tupel) enthält immer zwei Elemente, deren Reihenfolge festgelegt ist. Mehrfachnennungen
MehrLineare Algebra I. - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß. Monday 12 September 16
Lineare Algebra I - 1.Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß 1. Mengen und Abbildungen: Mengen gehören zu den Grundlegendsten Objekten in der Mathematik Kurze Einführung in die (naive) Mengelehre
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 )
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
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
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume
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 und Abbildungen
Mengen und Abbildungen Der Mengenbegriff Durchschnitt, Vereinigung, Differenzmenge Kartesisches Produkt Abbildungen Prinzip der kleinsten natürlichen Zahl Vollständige Induktion Mengen und Abbildungen
MehrVorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion
Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten
MehrHM I Tutorium 1. Lucas Kunz. 27. Oktober 2016
HM I Tutorium 1 Lucas Kunz 27. Oktober 2016 Inhaltsverzeichnis 1 Theorie 2 1.1 Logische Verknüpfungen............................ 2 1.2 Quantoren.................................... 3 1.3 Mengen und ihre
MehrMengen und Abbildungen
1 Mengen und bbildungen sind Hilfsmittel ( Sprache ) zur Formulierung von Sachverhalten; naive Vorstellung gemäß Georg Cantor (1845-1918) (Begründer der Mengenlehre). Definition 1.1 Eine Menge M ist eine
MehrR = {(1, 1), (2, 2), (3, 3)} K 1 = {1} K 2 = {2} K 3 = {3}
Äquivalenzrelationen Aufgabe 1. Lesen Sie im Skript nach was eine Äquivalenzrelation und eine Äquivalenzklasse ist. Gegeben ist die Menge A = {1, 2, 3. Finden Sie 3 Äquivalenzrelationen auf A und geben
MehrRelationen und Funktionen
Relationen und Funktionen Relationen und Funktionen Quick Start Informatik Theoretischer Teil WS2011/12 11. Oktober 2011 Relationen und Funktionen > Relationen Relationen Relationen und Funktionen > Relationen
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018 23. November 2017 1/40 Satz 4.27 (Multinomialsatz) Seien r, n N 0. Dann gilt für
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:
MehrVorsemesterkurs Informatik
Vorsemesterkurs Informatik Vorsemesterkurs Informatik Mario Holldack WS2015/16 30. September 2015 Vorsemesterkurs Informatik 1 Einleitung 2 Aussagenlogik 3 Mengen Vorsemesterkurs Informatik > Einleitung
MehrAllgemeine Algebren. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden
Allgemeine Algebren Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Operationen Eine Operation auf einer Menge A ist eine Abbildung f : A n A. A n ist dabei
MehrIm allerersten Unterabschnitt wollen wir uns mit einer elementaren Struktur innerhalb der Mathematik beschäftigen: Mengen.
Kapitel 1 - Mathematische Grundlagen Seite 1 1 - Mengen Im allerersten Unterabschnitt wollen wir uns mit einer elementaren Struktur innerhalb der Mathematik beschäftigen: Mengen. Definition 1.1 (G. Cantor.
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
MehrKapitel 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. Ferienkurs Lineare Algebra 1. Mengenlehre, Aussagen, Relationen und Funktionen. Aufgaben mit Musterlösung
Technische Universität München Ferienkurs Lineare Algebra 1 Mengenlehre, Aussagen, Relationen und Funktionen Aufgaben mit Musterlösung 21. März 2011 Tanja Geib 1 Aufgabe 1 Geben Sie zu B = {0, 2, 4} und
MehrAnalysis I Marburg, Wintersemester 1999/2000
Skript zur Vorlesung Analysis I Marburg, Wintersemester 1999/2000 Friedrich W. Knöller Literaturverzeichnis [1] Barner, Martin und Flohr, Friedrich: Analysis I. de Gruyter. 19XX [2] Forster, Otto: Analysis
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrLineare Algebra, Teil I
Lineare Algebra, Teil I (Folien zur Vorlesung) Joachim Stöckler Auszüge aus dem Vorlesungsskript von Prof. Rudolf Scharlau aus dem WS 2009/10 werden auf den Folien verwendet. Für die Bereitstellung dieses
MehrVorlesung 2. Tilman Bauer. 6. September 2007
Vorlesung 2 Universität Münster 6. September 2007 Organisatorisches Meine Koordinaten: Sprechstunden: Di 13:30-14:30 Do 9:00-10:00 tbauer@uni-muenster.de Zimmer 504, Einsteinstr. 62 (Hochhaus) für alle
Mehr1.4 Äquivalenzrelationen
8 1.4 Äquivalenzrelationen achdem nun die axiomatische Grundlage gelegt ist, können wir uns bis zur Einführung der Kategorien das Leben dadurch erleichtern, daß wir bis dorthin, also bis auf weiteres,
MehrKapitel 2 MENGENLEHRE
Kapitel 2 MENGENLEHRE In diesem Kapitel geben wir eine kurze Einführung in die Mengenlehre, mit der man die ganze Mathematik begründen kann. Wir werden sehen, daßjedes mathematische Objekt eine Menge ist.
Mehrdefinieren eine Aussage A als einen Satz, der entweder wahr (w) oder falsch (f) (also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1.
22 Kapitel 1 Aussagen und Mengen 1.1 Aussagen Wir definieren eine Aussage A als einen Satz, der entweder wahr w) oder falsch f) also insbesondere nicht beides zugleich) ist 1. Beispiel 1.1. 2 ist eine
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
Mehr4.1 Motivation. Theorie der Informatik. Theorie der Informatik. 4.1 Motivation. 4.2 Syntax der Prädikatenlogik. 4.3 Semantik der Prädikatenlogik
Theorie der Informatik 3. März 2014 4. Prädikatenlogik I Theorie der Informatik 4. Prädikatenlogik I 4.1 Motivation Malte Helmert Gabriele Röger 4.2 Syntax der Prädikatenlogik Universität Basel 3. März
MehrVorlesung Diskrete Strukturen Rechnen mit 0 und 1
Vorlesung Diskrete Strukturen Rechnen mit 0 und 1 Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung
MehrMengenlehre. Jörg Witte
Mengenlehre Jörg Witte 25.10.2007 1 Grbegriffe Die Menegenlehre ist heute für die Mathematik grlegend. Sie spielt aber auch in der Informatik eine entscheidende Rolle. Insbesondere fußt die Theorie der
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
Mehr1 Mengenlehre. 1.1 Grundbegriffe
Dieses Kapitel behandelt Grundlagen der Mengenlehre, die in gewisser Weise am nfang der Mathematik steht und eine Sprache bereitstellt, die zur weiteren Formulierung der Mathematik sehr hilfreich ist.
MehrAlgebra. Eine Menge A heißt abzählbar, wenn A gilt. Insbesondere sind, und abzählbar, und sind nicht abzählbar (überabzählbar).
Algebra 1 Mengen 1.1 Operationen A Anzahl der Elemente von A (Mächtigkeit, Betrag, Kardinalität) (A) Potenzmenge von X ( (A) = 2 A ) A B wenn jedes Element von A auch Element von B ist. A = B (A B und
Mehr3. Für beliebiges A bezeichnet man die Menge A A manchmal auch mit A 2 (in Worten:
35 4 Paarungen 4. Produktmengen Die Mengen {x, y} und {y, x} sind gleich, weil sie die gleichen Elemente enthalten. Manchmal legt man aber zusätzlich Wert auf die Reihenfolge der Elemente. Die Objekte
MehrEinführung in die mathematische Logik
Prof. Dr. H. Brenner Osnabrück SS 2014 Einführung in die mathematische Logik Vorlesung 7 Sprachen erster Sufe Die in der letzten Vorlesung erwähnten Konstruktionsmöglichkeiten für Aussagen sind im Wesentlichen
Mehr5.9 Permutationsgruppen. Sei nun π S n. Es existiert folgende naive Darstellung: Kürzer schreibt man auch
5.9 Permutationsgruppen Definition 103 Eine Permutation ist eine bijektive Abbildung einer endlichen Menge auf sich selbst; o. B. d. A. sei dies die Menge U := {1, 2,..., n}. S n (Symmetrische Gruppe für
Mehr5. Äquivalenzrelationen
5. Äquivalenzrelationen 35 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will, so kann es sinnvoll sein, zunächst kleinere, einfachere Mengen (bzw. Gruppen)
Mehr: das Bild von ) unter der Funktion ist gegeben durch
% 1.3 Funktionen Seien und Mengen nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig. Bezeichnungen: : Definitionsbereich : Bildbereich (Zielmenge) von Der Graph einer Funktion: graph!
MehrBehauptung: Wenn f : A -> W und g: W -> V Funktionen sind, dann ist g. f: A->V eine Funktion
Algorithmen und Programmierung 2. Aufgabenblatt Aufgabe 2.1 a) Jedes Konto besitzt einen Betrag: total Es gibt Konten mit dem gleichen Betrag, aber nicht alle Beträge kommen vor: nicht injektiv und nicht
MehrSummen, Indices und Multiindices
Summen, Indices und Multiindices 1 Einleitung Möchten wir zwei Zahlen a und b addieren, so schreiben wir für gewöhnlich a + b. Genauso schreiben wir a + b + c, für die Summe von drei Zahlen a, b und c.
Mehr1.1 Mengen und Abbildungen
Lineare Algebra 2005-2013 c Rudolf Scharlau 3 1.1 Mengen und Abbildungen In diesem Abschnitt stellen wir die grundlegende mathematische Sprache und Notation zusammen, die für jede Art von heutiger Mathematik
MehrSpickzettel Mathe C1
Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine
Mehr4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper
4 Einige Grundstrukturen Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper Abbildungen Seien X und Y Mengen. Eine (einstellige) Abbildung f : X Y ordnet jedem x X genau ein Element
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 4: Wörter (und vollständige Induktion) Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Oktober 2008 1/29 Überblick Wörter Wörter Das leere Wort Mehr zu
Mehr