1 K-Rahmen und K-Modelle

Größe: px
Ab Seite anzeigen:

Download "1 K-Rahmen und K-Modelle"

Transkript

1 Seminar: Einführung in die Modallogik (WS 15/16) Lehrender: Daniel Milne-Plückebaum, M.A. Handout: K-Rahmen, K-Modelle & K-Wahrheitsbedingungen Im Folgenden werden wir uns sogenannte K-Rahmen und K-Modelle ansehen, die für die Interpretation von Formeln in der einfachsten Modallogik, der Logik K (nach Saul Kripke), 1 benötigt werden. Anschließend betrachten wir die K-Wahrheitsbedingungen. 1 K-Rahmen und K-Modelle Beginnen wir gleich mit der Definition von K-Rahmen: Ein K-Rahmen ist ein Paar W, R, wobei 1. W eine nicht-leere Menge und 2. R eine zweistellige Relation auf W ist (R W W ). Die Elemente w 0, w 1, w 2,... W nennen wir Welten. W ist dann eine Weltenmenge. Eine Relation R W W nennen wir eine Zugänglichkeitsrelation auf der Weltenmenge. Falls w i, w j R, so sagen wir, w j ist zugänglich von w i. Hier sind einige Beispiele für K-Rahmen: F 1 = {w 0, w 1 }, { w 0, w 1, w 1, w 1 } F 2 = {w 0, w 5, w 32 }, { w 0, w 0, w 5, w 5, w 32, w 32 } F 3 = {w 0 }, F 4 = {w 5, w 6, w 7 }, {w 5, w 6, w 7 } {w 5, w 6, w 7 } Um K-Formeln interpretieren zu können, benötigen wir immer einen konkreten K-Rahmen. Insbesondere sind basale K-Interpretationsfunktionen, die wir wie in der Aussagenlogik als Grundlage für die Interpretation aller K-Formeln benötigen, immer auf konkreten K-Rahmen definiert: 1 ML-Formeln werden im Folgenden K-Formeln genannt. 1

2 Eine basale K-Interpretationsfunktion auf einem K-Rahmen W, R (geschrieben: I W,R ) ist eine Funktion, die jedem Atom relativ zu jeder Welt aus W genau einen Wahrheitswert zuordnet (I W,R {p p ist ein Atom} W {t, f}). Falls p, w, x I W,R, so schreiben wir: I W,R (p, w) = x. Es gibt also einen wesentlichen Unterschied zwischen basalen AL- und basalen K-Interpretationsfunktionen. Eine basale AL-Interpretationsfunktion ordnet jedem Atom genau einen Wahrheitswert zu (I {p p ist ein Atom} {t, f}). Damit ist jedes Atom entweder wahr simpliciter oder falsch simpliciter. Hingegen ist eine basale K-Interpretationsfunktion auf einem K-Rahmen W, R keine einstellige, sondern eine zweistellige Funktion. Der Wertebereich {t, f} ist zwar derselbe wie bei basalen AL-Interpretationsfunktionen; jedoch ordnet eine basale K-Interpretationsfunktion auf W, R nicht einfach allen Atomen Wahrheitswerte zu, sondern allen Paaren bestehend aus einem Atom und einer Welt aus W. Jedes Atom ist damit nur noch Welten-relativ wahr oder falsch. Genauer: Jedes Atom besitzt relativ zu jeder Welt des K-Rahmens, auf dem die basale K- Interpretationsfunktion definiert ist, genau einen Wahrheitswert. Wenn wir einen K-Rahmen W, R nun um eine basale K-Interpretationsfunktion auf W, R erweitern, erhalten wir ein basales K-Modell: Ein basales K-Modell ist ein Tripel W, R, I W,R, wobei 1. W, R ein K-Rahmen und 2. I W,R eine basale K-Interpretationsfunktion auf W, R ist. Im Folgenden nennen wir basale K-Modelle einfach K-Modelle. Einige Beispiele: Gegeben sei der K-Rahmen W 1, R 1 mit W 1 = {w 0, w 1, w 2 } und R 1 =. Wenn wir W 1, R 1 um eine basale K-Interpretationsfunktion auf W 1, R 1 ( {p p ist ein Atom} {w 0, w 1, w 2 } {t, f}) erweitern, erhalten wir ein K-Modell M 1 = W 1, R 1,. ordnet jedem relevanten Atom-Welt-Paar einen Wahrheitswert zu, z.b. so: (p 0, w 0 ) = t (p 1, w 0 ) = t 2

3 (p 2, w 0 ) = f (p i, w 0 ) = t für alle i 3 (p 0, w 1 ) = f (p 1, w 1 ) = t (p i, w 1 ) = f für alle i 2 (p i, w 2 ) = f für alle i sagt uns z.b., dass das Atom p 0 in w 0 wahr und in w 1 und w 2 falsch ist. M 2 = W 2, R 2, I W2,R 2 mit W 2 = {w 5, w 6, w 7, w 8, w 9 }, R 2 = { w i, w j j i} und: I W2,R 2 (p i, w j ) = t für alle i und alle ungeraden j (p i, w j ) = f für alle i und alle geraden j Wir haben erst dann eine basale K-Interpretationsfunktion auf einem K-Rahmen definiert, wenn wirklich jedem relevanten Atom-Welt-Paar genau ein Wahrheitswert zugewiesen wird. Wir können uns wieder damit behelfen, für alle Atome, die uns im gegebenen Fall nicht interessieren, ein allgemeines Rezept für die Wahrheitswert-Zuordnung aufzuschreiben, diesmal allerdings einmal relativ zu jeder Welt des zugrundeliegenden K-Rahmens. Zum Abschluss noch einmal: In der Logik K ist kein Atom einfach wahr simpliciter oder falsch simpliciter. Stattdessen gilt für jedes Atom p und jede Welt w des jeweiligen K- Rahmens: p ist wahr in w oder falsch in w. Dasselbe gilt natürlich auch für alle komplexen K-Formeln, wie wir nun sehen werden. 2 K-Wahrheitsbedingungen Eine basale K-Interpretationsfunktion I W,R auf einem K-Rahmen W, R kann zu einer vollständigen K-Interpretationsfunktion I W,R auf W, R erweitert werden, die nicht nur die Atome Welten-relativ interpretiert, sondern jede K-Formel, also auch jede komplexe: 2 2 Aufbauend auf der folgenden Definition können wir auch ein vollständiges K-Modell definieren: Ein vollständiges K-Modell ist ein Tripel W, R, I W,R, wobei 1. W, R ein K-Rahmen und 2. I W,R eine vollständige K-Interpretationsfunktion auf W, R ist. 3

4 Eine vollständige K-Interpretationsfunktion auf einem K-Rahmen W, R (geschrieben: I W,R ) ist eine Funktion, die jeder K-Formel relativ zu jeder Welt aus W genau einen Wahrheitswert zuordnet (I W,R {A A ist eine K-Formel} W {t, f}). Angenommen, wir haben einen K-Rahmen W, R und eine basale K-Interpretationsfunktion I W,R auf W, R vorgegeben; wie lautet dann die vollständige K-Interpretationsfunktion I W,R auf W, R? Grundsätzlich lässt sich diese Frage immer gleich beantworten egal, wie W, R und I W,R konkret beschaffen sind. Denn es gibt eine Reihe von Regeln, die uns für jede basale K-Interpretationsfunktion I W,R auf W, R genau sagt, wie ihre Erweiterung I W,R auf W, R lautet. Mit anderen Worten: Egal, welche Wahrheitswerte I W,R den Atomen relativ zu jeder Welt aus W zuordnet, diese Regeln sagen uns für jede (also auch für jede komplexe) K-Formel, welchen Wahrheitswert I W,R ihr relativ zu jeder Welt aus W zuordnet. Diese Regeln nennt man auch K-Wahrheitsbedingungen. Auch komplexe K-Formeln haben ihre jeweiligen Wahrheitswerte nur Welten-relativ. Dementsprechend sind auch die K-Wahrheitsbedingungen formuliert. Sie geben an, was erfüllt werden muss, damit eine K-Formel A relativ zu einer Welt w wahr ist. Dabei gibt es zwei Typen von K-Wahrheitsbedingungen für komplexe K-Formeln: 1. In den K-Wahrheitsbedingungen für Negationen, Konjunktionen, Disjunktionen, materiale Implikationen und materiale Biimplikationen wird die Welt w, relativ zu der die Formel interpretiert werden soll, fix gehalten; und relativ zu w unterscheiden sich die K-Wahrheitsbedingungen dieser Formeln nicht von den AL-Wahrheitsbedingungen In den K-Wahrheitsbedingungen für Box- und Diamant-Formeln müssen auch andere Welten als die, relativ zu denen diese K-Formeln interpretiert werden, hinzugezogen werden. Hier sind nun die K-Wahrheitsbedingungen: Sei W, R, I W,R ein K-Modell. Die K-Interpretationsfunktion I W,R auf W, R ergibt sich aus der basalen K-Interpretationsfunktion I W,R auf W, R durch folgende K- Wahrheitsbedingungen: Für alle w W : Für alle Atome p: 3 Tatsächlich können die AL-Wahrheitsbedingungen als Spezialfall der K-Wahrheitsbedingungen aufgefasst werden, nämlich als die K-Wahrheitsbedingungen für die aktuale oder tatsächliche Welt. 4

5 1. I W,R (p, w) = t gdw. I W,R (p, w) = t. Für alle Formeln A und B: 2. I W,R ( A, w) = t gdw. I W,R (A, w) = f. 3. I W,R (A B, w) = t gdw. I W,R (A, w) = t und I W,R (B, w) = t. 4. I W,R (A B, w) = t gdw. I W,R (A, w) = t oder I W,R (B, w) = t. 5. I W,R (A B, w) = t gdw. I W,R (A, w) = f oder I W,R (B, w) = t. 6. I W,R (A B, w) = t gdw. I W,R (A, w) = I W,R (B, w). 7. I W,R ( A, w) = t gdw. für alle w W mit w, w R gilt: I W,R (A, w ) = t. 8. I W,R ( A, w) = t gdw. es mindestens ein w W gibt mit w, w R und I W,R (A, w ) = t. Welche Welten des K-Rahmens für die Interpretation einer Box- oder Diamant-Formel relevant sind, hängt davon ab, welche Welten von der Welt, relativ zu der die Formel interpretiert wird, zugänglich sind. K-Wahrheitsbedingung 7 besagt: Eine Box-Formel A ist in einer Welt w genau dann wahr, wenn A in jeder Welt w, die von w aus zugänglich ist, wahr ist. Und K-Wahrheitsbedingung 8 besagt: Eine Diamant-Formel A ist in einer Welt w genau dann wahr, wenn es mindestens eine Welt w gibt, die von w aus zugänglich ist und in der A wahr ist. Betrachten wir anhand einiger Beispiele, wie die Wahrheitswerte komplexer K-Formeln ermittelt werden können. Dafür sei folgendes K-Modell gegeben: M 1 = W 1, R 1, mit W 1 = {w 1, w 2, w 3 } R 1 = { w 1, w 2, w 2, w 3, w 2, w 2, w 3, w 1 } (p i, w 1 ) = t für alle i (p i, w 2 ) = f für alle i (p 0, w 3 ) = t (p i, w 3 ) = f für alle i 1 5

6 Steht im Folgenden hinter der letzten Zeile ein, so erfüllt das K-Modell M 1 die K-Wahrheitsbedingung. Steht hinter der letzten Zeile ein, so erfüllt M 1 die K-Wahrheitsbedingung nicht. Beispiel 1: (p 7, w 2 ) = t gdw. (p 7, w 2 ) = t ( ) Beispiel 2: (p 0 p 1, w 2 ) = t gdw. (p 0, w 2 ) = t und ( p 1, w 2 ) = t gdw. (p 0, w 2 ) = t und (p 1, w 2 ) = f gdw. (p 0, w 2 ) = t und (p 1, w 2 ) = f ( ) Beispiel 3: ((p 5 p 9 ) (p 3 p 5 ), w 3 ) = t gdw. (p 5 p 9, w 3 ) = f oder ( (p 3 p 5 ), w 3 ) = t gdw. [ (p 5, w 3 ) = f und ( p 9, w 3 ) = f] oder (p 3 p 5, w 3 ) = f gdw. [ (p 5, w 3 ) = f und (p 9, w 3 ) = t] oder [ (p 3, w 3 ) = f oder (p 5, w 3 ) = f] gdw. [ (p 5, w 3 ) = f und (p 9, w 3 ) = t] oder [ (p 3, w 3 ) = f oder (p 5, w 3 ) = f] ( ) Beispiel 4: ( (p 0 p 2 ), w 2 ) = t gdw. für alle w W 1 mit w 2, w R 1 (p 0 p 2, w 2 ) = t gdw. für alle w W 1 mit w 2, w R 1 (p 0, w) = t oder ( p 2, w) = t gdw. für alle w W 1 mit w 2, w R 1 (p 0, w) = t oder (p 2, w) = f gdw. für alle w W 1 mit w 2, w R 1 (p 0, w) = t oder (p 2, w) = f ( ) Wie kann man überprüfen, ob M 1 diese K-Wahrheitsbedingung erfüllt? Betrachten wir die letzte Zeile. Dort steht: gdw. für alle w W 1 mit w 2, w R 1 (p 0, w) = t oder (p 2, w) = f. Explizit haben wir also: gdw. für alle w {w 1, w 2, w 3 } mit w 2, w { w 1, w 2, w 2, w 3, w 2, w 2, w 3, w 1 } (p 0, w) = t oder (p 2, w) = f. Damit die Ausgangsformel also in w 2 wahr ist, muss für jede von w 2 aus zugängliche Welt aus {w 1, w 2, w 3 } gelten, dass p 0 in ihr wahr oder p 2 in ihr falsch ist. Alle von w 2 aus zugänglichen Welten sind w 2 und w 3. In w 2 ist p 0 wahr. Und in w 3 ist p 0 ebenfalls wahr (und p 2 falsch). Also ist die K-Wahrheitsbedingung der Disjunktion für alle von w 2 aus zugänglichen Welten erfüllt. Also ist die K-Wahrheitsbedingung der Box-Formel für w 2 erfüllt, d.h. ( (p 0 p 2 ), w 2 ) = t. 6

7 Beispiel 5: (p 7 (p 3 p 5 ), w 1 ) = t gdw. (p 7, w 1 ) = t und ( (p 3 p 5 ), w 1 ) = t gdw. (p 3 p 5, w) = t gdw. (p 3, w) = ( p 5, w) gdw. (p 3, w) (p 5, w) gdw. (p 3, w) (p 5, w) ( ) p 7 ist wahr in w 1. Damit der zweite Teil der K-Wahrheitsbedingung der Ausgangsformel für w 1 erfüllt ist, muss es eine Welt aus {w 1, w 2, w 3 } geben, die von w 1 aus zugänglich ist und in der p 3 und p 5 verschiedene Wahrheitswerte haben. Die einzige Welt, die von w 1 aus zugänglich ist, ist w 2. In w 2 sind aber alle Atome falsch. Also ist der zweite Teil der K- Wahrheitsbedingung der Ausgangsformel für w 1 nicht erfüllt. Also ist die Ausgangsformel falsch in w 1, d.h. (p 7 (p 3 p 5 ), w 1 ) = f. Beispiel 6: ( ( p 4 p 2 ), w 1 ) = t gdw. für alle w W 1 mit w 1, w R 1 ( ( p 4 p 2 ), w) = t gdw. für alle w W 1 mit w 1, w R 1 ( p 4 p 2, w) = f gdw. für alle w W 1 mit w 1, w R 1 ( p 4, w) = t und ( p 2, w) = f gdw. für alle w W 1 mit w 1, w R 1 (p 4, w) = f und für alle w W 1 mit w, w R 1 : (p 2, w ) = f gdw. für alle w W 1 mit w 1, w R 1 (p 4, w) = f und für alle w W 1 mit w, w R 1 : (p 2, w ) = f Die einzige von w 1 aus zugängliche Welt ist w 2. p 4 ist falsch in w 2, wie gefordert. Weiterhin muss p 2 in allen von w 2 aus zugänglichen Welten falsch sein. w 2 selbst und w 3 sind von w 2 aus zugänglich. Und in beiden Welten ist p 2 falsch. Also ist die K-Wahrheitsbedingung der Ausgangsformel für w 1 erfüllt. Also ist die Ausgangsformel wahr in w 1, d.h. I W,R ( ( p 4 p 2 ), w 1 ) = t. 7

Formeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur

Formeln. Signatur. aussagenlogische Formeln: Aussagenlogische Signatur Signatur Formeln Am Beispiel der Aussagenlogik erklären wir schrittweise wichtige Elemente eines logischen Systems. Zunächst benötigt ein logisches System ein Vokabular, d.h. eine Menge von Namen, die

Mehr

Binäre Suchbäume (binary search trees, kurz: bst)

Binäre Suchbäume (binary search trees, kurz: bst) Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.

Mehr

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen.

I. Aussagenlogik. Aussagenlogik untersucht Verknüpfungen wie und, oder, nicht, wenn... dann zwischen atomaren und komplexen Sätzen. I. Aussagenlogik 2.1 Syntax Aussagenlogik untersucht Verknüpfungen wie "und", "oder", "nicht", "wenn... dann" zwischen atomaren und komplexen Sätzen. Sätze selbst sind entweder wahr oder falsch. Ansonsten

Mehr

2. Vorlesung. Slide 40

2. Vorlesung. Slide 40 2. Vorlesung Slide 40 Knobelaufgabe Was tut dieses Programm? Informell Formal Wie stellt man dies sicher? knobel(a,b) { Wenn a = 0 dann return b sonst { solange b 0 wenn a > b dann { a := a - b sonst b

Mehr

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 7: Einführung Aussagenlogik schulz@eprover.org Logisches Schließen 2 gold +1000, 1 per step, Beispiel: Jage den Wumpus Performance measure death 1000 10

Mehr

Einführung in die Fuzzy Logic

Einführung in die Fuzzy Logic Einführung in die Fuzzy Logic Entwickelt von L. Zadeh in den 60er Jahren Benutzt unscharfe (fuzzy) Begriffe und linguistische Variablen Im Gegensatz zur Booleschen Logik {0,} wird das ganze Intervall [0,]

Mehr

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion

Was bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert

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

Theorie der Informatik

Theorie der Informatik Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax

Mehr

Klausur Formale Systeme Fakultät für Informatik WS 2009/2010

Klausur Formale Systeme Fakultät für Informatik WS 2009/2010 Klausur Formale Systeme Fakultät für Informatik WS 2009/2010 Prof. Dr. Bernhard Beckert 18. Februar 2010 Name: Mustermann Vorname: Peter Matrikel-Nr.: 0000000 Klausur-ID: 0000 A1 (15) A2 (10) A3 (10) A4

Mehr

Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer:

Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binäre Suchbäume (binary search trees, kurz: bst) Datenstruktur zum Speichern einer endlichen Menge M von Zahlen. Genauer: Binärbaum T mit n := M Knoten Jeder Knoten v von T ist mit einer Zahl m v M markiert.

Mehr

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln

Mai 2006. Hauptseminar: Nichtrelationale Datenbanken Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Hauptseminar: Nichtrelationale Historisch-Kulturwissenschaftliche Informationsverarbeitung Universität zu Köln Mai 2006 Was ist eine Datenbank? Erweiterung relationaler um eine Deduktionskomponente Diese

Mehr

Nichtmonotones Schließen

Nichtmonotones Schließen Was bisher geschah Wissensrepräsentation und -verarbeitung in Zustandsübergangssystemen klassischer Aussagenlogik: Entscheidungstabellen, -bäume, -diagramme Wissensrepräsentation und -verarbeitung durch

Mehr

Erfüllbarkeit und Allgemeingültigkeit

Erfüllbarkeit und Allgemeingültigkeit Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ

Mehr

5. Aussagenlogik und Schaltalgebra

5. Aussagenlogik und Schaltalgebra 5. Aussagenlogik und Schaltalgebra Aussageformen und Aussagenlogik Boolesche Terme und Boolesche Funktionen Boolesche Algebra Schaltalgebra Schaltnetze und Schaltwerke R. Der 1 Aussagen Information oft

Mehr

5 Logische Programmierung

5 Logische Programmierung 5 Logische Programmierung Logik wird als Programmiersprache benutzt Der logische Ansatz zu Programmierung ist (sowie der funktionale) deklarativ; Programme können mit Hilfe zweier abstrakten, maschinen-unabhängigen

Mehr

Beschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de

Beschreibungslogiken. Daniel Schradick 1schradi@informatik.uni-hamburg.de Beschreibungslogiken Daniel Schradick 1schradi@informatik.uni-hamburg.de Was sind Beschreibungslogiken? Definition: Formalisms that represent knowledge of some problem domain (the world ) by first defining

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

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30

Formale Methoden II. Gerhard Jäger. SS 2008 Universität Bielefeld. Teil 8, 11. Juni 2008. Formale Methoden II p.1/30 Formale Methoden II SS 2008 Universität Bielefeld Teil 8, 11. Juni 2008 Gerhard Jäger Formale Methoden II p.1/30 Beispiele Anmerkung: wenn der Wahrheitswert einer Formel in einem Modell nicht von der Belegungsfunktion

Mehr

Modallogik (aussagenlogisch)

Modallogik (aussagenlogisch) Kapitel 2 Modallogik (aussagenlogisch) In diesem Abschnitt wird eine Erweiterung der Aussagenlogik um sogenannte Modalitäten behandelt. Damit erlangt man eine größere Aussagekraft der Sprache, allerdings

Mehr

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes)

Terme stehen für Namen von Objekten des Diskursbereichs (Subjekte, Objekte des natürlichsprachlichen Satzes) Prädikatenlogik Man kann den natürlichsprachlichen Satz Die Sonne scheint. in der Prädikatenlogik beispielsweise als logisches Atom scheint(sonne) darstellen. In der Sprache der Prädikatenlogik werden

Mehr

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge

Grundlagen der Theoretischen Informatik - Sommersemester 2012. Übungsblatt 1: Lösungsvorschläge Lehrstuhl für Softwaretechnik und Programmiersprachen Professor Dr. Michael Leuschel Grundlagen der Theoretischen Informatik - Sommersemester 2012 Übungsblatt 1: Lösungsvorschläge Disclaimer: Bei Folgendem

Mehr

Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle.

Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik. Seminar Entscheidungsverfahren für logische Theorien. Endliche Modelle. Universität Koblenz-Landau, Abteilung Koblenz FB 4 Informatik Seminar Entscheidungsverfahren für logische Theorien Tobias Hebel Koblenz, am 18.02.2005 Inhaltsverzeichnis 1 Einleitung... 3 2 Grundlagen...

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 29/ 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/ws9

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

Wissensrepräsentation und -verarbeitung in Logiken. bereinigt Pränex Skolem ( -Eliminierung) Klausel (Menge von Klauseln, Notation ohne Quantoren)

Wissensrepräsentation und -verarbeitung in Logiken. bereinigt Pränex Skolem ( -Eliminierung) Klausel (Menge von Klauseln, Notation ohne Quantoren) Was bisher geschah Wissensrepräsentation und -verarbeitung in Logiken klassische Aussagenlogik klassische Prädikatenlogik: Wiederholung Syntax, Semantik Normalformen: bereinigt Pränex Skolem ( -Eliminierung)

Mehr

9. Übung Formale Grundlagen der Informatik

9. Übung Formale Grundlagen der Informatik Institut für Informatik Sommersemester 2001 Universität Zürich 9. Übung Formale Grundlagen der Informatik Norbert E. Fuchs (fuchs@ifi.unizh.ch) Reinhard Riedl (riedl@ifi.unizh.ch) Nadine Korolnik (korolnik@ifi.unizh.ch)

Mehr

Klausur für Studiengänge INF und IST

Klausur für Studiengänge INF und IST Familienname: Matrikelnummer: Studiengang: (bitte ankreuzen) INF IST MED Vorname: Email-Adresse: Immatrikulationsjahr: Klausur für Studiengänge INF und IST sowie Leistungsschein für Studiengang Medieninformatik

Mehr

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56

5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56 5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten

Mehr

Logische Folgerung. Definition 2.11

Logische Folgerung. Definition 2.11 Logische Folgerung Definition 2.11 Sei 2A eine aussagenlogische Formel und F eine endliche Menge aussagenlogischer Formeln aus A. heißt logische Folgerung von F genau dann, wenn I ( ) =1für jedes Modell

Mehr

Zusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen

Zusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 6 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Satz 1 Seien F, G Boolesche Ausdrücke

Mehr

Theoretische Grundlagen des Software Engineering

Theoretische Grundlagen des Software Engineering Theoretische Grundlagen des Software Engineering 9: Prädikatenlogik schulz@eprover.org Rückblick 2 Rückblick: Vor- und Nachteile von Aussagenlogik Aussagenlogik ist deklarativ: Syntaxelemente entsprechen

Mehr

Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung;

Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung; Mehr Prolog Prolog bietet mehr an, z.b.: Prädikate zum Testen und Manipulieren der Struktur der Terme; Mehr meta-logische Prädikate z.b. zum Testen des Zustands der Ableitung; Mehr extra-logische Prädikate,

Mehr

Satzbedeutung. Ludwig Wittgenstein. Satzbedeutung. Satzbedeutung

Satzbedeutung. Ludwig Wittgenstein. Satzbedeutung. Satzbedeutung Was bisher geschah Semantik III Gerrit Kentner Semantik I lexikalische Semantik Ambiguitäten Sinnrelationen (vertikal und horizontal) Wortfelder / semantische Merkmale Semantik II Intension und Extension

Mehr

y(p F x) gebunden und in den Formeln F xy

y(p F x) gebunden und in den Formeln F xy Wirkungsbereich (Skopus) eines Quantors i bzw. i nennen wir die unmittelbar auf i bzw. i folgende Formel. Wir sagen, eine IV i kommt in einer Formel A gebunden vor, wenn sie unmittelbar auf oder folgt

Mehr

der einzelnen Aussagen den Wahrheitswert der zusammengesetzten Aussage falsch falsch falsch falsch wahr falsch wahr falsch falsch wahr wahr wahr

der einzelnen Aussagen den Wahrheitswert der zusammengesetzten Aussage falsch falsch falsch falsch wahr falsch wahr falsch falsch wahr wahr wahr Kapitel 2 Grundbegriffe der Logik 2.1 Aussagen und deren Verknüpfungen Eine Aussage wie 4711 ist durch 3 teilbar oder 2 ist eine Primzahl, die nur wahr oder falsch sein kann, heißt logische Aussage. Ein

Mehr

Grundlagen der Künstlichen Intelligenz

Grundlagen der Künstlichen Intelligenz Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.

Mehr

Zur Definition von Definition Albert J. J. Anglberger, Peter Brössel

Zur Definition von Definition Albert J. J. Anglberger, Peter Brössel Zur Definition von Definition Albert J. J. Anglberger, Peter Brössel Zusammenfassung Wir werden in dieser Arbeit zwei neue Definitionsvorschläge von Definition entwickeln, die folgende Eigenschaften aufweisen:

Mehr

3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik

3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik Darstellung, Verarbeitung und Erwerb von Wissen 3.Inferenzsysteme 3.4 Logische Programme und Antwortmengensemantik DVEW WS 2004/05 c Gabriele Kern-Isberner 1 Stratifizierte Programme (Whlg.) Sei P ein

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier fernau@uni-trier.de

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

Mehr

Prädikatenlogik - Micromodels of Software

Prädikatenlogik - Micromodels of Software Prädikatenlogik - Micromodels of Software Philipp Koch Seminar Logik für Informatiker Universität Paderborn Revision: 30. Mai 2005 1 Inhaltsverzeichnis 1 Motivation 3 2 Modelle 3 2.1 Definition eines Modells.......................

Mehr

Tabellenkalkulationen

Tabellenkalkulationen Tabellenkalkulationen Mehr Informatik, als man denkt! Lutz Hellmig, Institut für Informatik Universität Rostock Institut für Informatik Themenschwerpunkte 1. Historisches und Trendiges 2. Daten in Tabellenkalkulationen

Mehr

Mathematische Grundlagen

Mathematische Grundlagen Luise Unger In LATEX gesetzt von Luise Unger Mathematische Grundlagen Kurseinheit 1: Grundlagen 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 77 7 7 777 7 77 7777777 77777 7 77 7 7 7 7 7 7 77777777777

Mehr

Grundlagen der Informatik I Informationsdarstellung

Grundlagen der Informatik I Informationsdarstellung Grundlagen der Informatik I Informationsdarstellung Einführung in die Informatik, Gumm, H.-P./Sommer, M. Themen der heutigen Veranstaltung. ASCIi Code 2. Zeichenketten 3. Logische Operationen 4. Zahlendarstellung

Mehr

Grundlagen der Informationverarbeitung

Grundlagen der Informationverarbeitung Grundlagen der Informationverarbeitung Information wird im Computer binär repräsentiert. Die binär dargestellten Daten sollen im Computer verarbeitet werden, d.h. es müssen Rechnerschaltungen existieren,

Mehr

Betragsgleichungen und die Methode der Fallunterscheidungen

Betragsgleichungen und die Methode der Fallunterscheidungen mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at

Mehr

Fixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind

Mehr

1. Erreichen Sie, dass im Feld KdNr (Kunden-Nummer) nur 4-stellige Zahlen eingetragen

1. Erreichen Sie, dass im Feld KdNr (Kunden-Nummer) nur 4-stellige Zahlen eingetragen Diverse Gültigkeitsregeln - Lösungshinweise 1998 Niko Becker Hilfedateien stehen Ihnen auf unserer Homepage Seite ACCESS Infos und Hilfe zur Verfügung 1. Erreichen Sie, dass im Feld KdNr (Kunden-Nummer)

Mehr

1 Aussagenlogische Formeln

1 Aussagenlogische Formeln 1 Aussagenlogische Formeln Aufgabe 1.1 Transformieren Sie die Formel in disjunktive Normalform (DNF). ((:A! :B) ^ D)! ((A _ C) $ (:B ^ D)) Lösung 1.1 Schrittweise Transformation: Schritt 1: ((:A! :B) ^

Mehr

Logik und Mengenlehre. ... wenn man doch nur vernünftig mit Datenbanken umgehen können will?

Logik und Mengenlehre. ... wenn man doch nur vernünftig mit Datenbanken umgehen können will? Mengenlehre und Logik: iederholung Repetitorium: Grundlagen von Mengenlehre und Logik 2002 Prof. Dr. Rainer Manthey Informationssysteme 1 arum??? arum um alles in der elt muss man sich mit herumschlagen,......

Mehr

Datenverwaltung mit MS Excel INHALTSVERZEICHNIS

Datenverwaltung mit MS Excel INHALTSVERZEICHNIS INHALTSVERZEICHNIS Datenmatrix... 4 Datenmatrix (DB-Bereich) Aufbau:... 4 Erfassung / Bearbeitung / Löschung:... 4 Neu... 4 Löschen:... 4 Wiederherstellen:... 4 Vorherigen suchen / Weitersuchen:... 4 Kriterien:...

Mehr

Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014

Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014 egelsammlung mb2014 THM Friedberg von 6 16.08.2014 15:04 Brückenkurs Mathematik, THM Friedberg, 15 19.9.2014 Sammlung von Rechenregeln, extrahiert aus dem Lehrbuch: Erhard Cramer, Johanna Neslehová: Vorkurs

Mehr

Kapitel DB:III. III. Konzeptueller Datenbankentwurf

Kapitel DB:III. III. Konzeptueller Datenbankentwurf Kapitel DB:III III. Konzeptueller Datenbankentwurf Einführung in das Entity-Relationship-Modell ER-Konzepte und ihre Semantik Charakterisierung von Beziehungstypen Existenzabhängige Entity-Typen Abstraktionskonzepte

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

Bitte schreiben Sie sich in die Mailingliste der Vorlesung ein! Den Link finden Sie auf der Vorlesungshomepage.

Bitte schreiben Sie sich in die Mailingliste der Vorlesung ein! Den Link finden Sie auf der Vorlesungshomepage. Mailingliste Bitte schreiben Sie sich in die Mailingliste der Vorlesung ein! Den Link finden Sie auf der Vorlesungshomepage. ZUR ERINNERUNG Regulärer Stundenplan Freitag, 14-16 Uhr: Vorlesung, ExWi A6

Mehr

Formale Methoden III - Tutorium

Formale Methoden III - Tutorium Formale Methoden III - Tutorium Daniel Jettka 19.06.06 Inhaltsverzeichnis 1. Logische Eigenschaften von Merkmalsstrukturen 1. Logische Eigenschaften von MS Ausgangspunkt: Unterscheidung von: Linguistische

Mehr

Kapitel DB:V (Fortsetzung)

Kapitel DB:V (Fortsetzung) Kapitel DB:V (Fortsetzung) V. Grundlagen relationaler Anfragesprachen Anfragen und Änderungen Relationale Algebra Anfragekalküle Relationaler Tupelkalkül Relationaler Domänenkalkül DB:V-67 Relational Algebra

Mehr

Baader Nutt 1: Basic Description Logics

Baader Nutt 1: Basic Description Logics Baader Nutt 1: Basic Description Logics Ludwig Maximilians Universität München Sommersemester 2009 Institut: CIS Hauptseminar: Beschreibungslogik Seminarleiter: Hans Leiß, Martin Hofmann Referentin: Natalia

Mehr

Semantic Web Technologies I!

Semantic Web Technologies I! www.semantic-web-grundlagen.de Semantic Web Technologies I! Lehrveranstaltung im WS11/12! Dr. Elena Simperl! DP Dr. Sebastian Rudolph! M.Sc. Anees ul Mehdi! www.semantic-web-grundlagen.de Logik Grundlagen!

Mehr

3.1. Die komplexen Zahlen

3.1. Die komplexen Zahlen 3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen

Mehr

Ein kausaler Zusammenhang entspricht einer speziellen wahren Implikation. Beispiel: Wenn es regnet, dann wird die Erde nass.

Ein kausaler Zusammenhang entspricht einer speziellen wahren Implikation. Beispiel: Wenn es regnet, dann wird die Erde nass. Implikation Implikation Warum ist die Tabelle schwer zu schlucken? In der Umgangssprache benutzt man daraus folgt, also, impliziert, wenn dann, nur für kausale Zusammenhänge Eine Implikation der Form:

Mehr

Ernst-Moritz-Arndt-Universität Greifswald Fachbereich Physik Elektronikpraktikum

Ernst-Moritz-Arndt-Universität Greifswald Fachbereich Physik Elektronikpraktikum Ernst-Moritz-Arndt-Universität Greifswald Fachbereich Physik Elektronikpraktikum Protokoll-Nr.: 11 Digitalschaltungen Protokollant: Jens Bernheiden Gruppe: 2 Aufgabe durchgeführt: 25.06.1997 Protokoll

Mehr

Zusammenhänge präzisieren im Modell

Zusammenhänge präzisieren im Modell Zusammenhänge präzisieren im Modell Dr. Roland Poellinger Munich Center for Mathematical Philosophy Begriffsfeld Logik 1 Mathematik und Logik Die Mathematik basiert auf logisch gültigen Folgerungsschritten

Mehr

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort: Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung

Mehr

Mediator 9 - Lernprogramm

Mediator 9 - Lernprogramm Mediator 9 - Lernprogramm Ein Lernprogramm mit Mediator erstellen Mediator 9 bietet viele Möglichkeiten, CBT-Module (Computer Based Training = Computerunterstütztes Lernen) zu erstellen, z. B. Drag & Drop

Mehr

Übungsaufgaben zur Vorlesung Modellbasierte Softwareentwicklung Wintersemester 2014/2015 Übungsblatt 8

Übungsaufgaben zur Vorlesung Modellbasierte Softwareentwicklung Wintersemester 2014/2015 Übungsblatt 8 Prof. Dr. Wilhelm Schäfer Paderborn, 8. Dezember 2014 Christian Brenner Tristan Wittgen Besprechung der Aufgaben: 15. - 18. Dezember 2014 Übungsaufgaben zur Vorlesung Modellbasierte Softwareentwicklung

Mehr

Funktionen. Excel 2010 - Fortgeschritten ZID/Dagmar Serb V.01/Mär-12

Funktionen. Excel 2010 - Fortgeschritten ZID/Dagmar Serb V.01/Mär-12 Funktionen Excel 2010 - Fortgeschritten ZID/Dagmar Serb V.01/Mär-12 FUNKTIONEN... 1 LOGISCHE FUNKTIONEN... 1 UND-Funktion... 1 Übung 1: UND-Funktion...1 ODER-Funktion... 2 Übung 2: ODER-Funktion...2 WENN-Funktion...

Mehr

Grundzüge der Wirtschaftsinformatik - Übung

Grundzüge der Wirtschaftsinformatik - Übung Grundzüge der Wirtschaftsinformatik - Übung Prof. Dr. Martin Hepp Dipl.-Kfm. Alexander Richter Fakultät für Wirtschafts- und Organisationswissenschaften 2 SWS Übung 2 SWS Übung Herbsttrimester 2007 Stunde

Mehr

Verwendet man zur Darstellung nur binäre Elemente ( bis lat.: zweimal) so spricht man von binärer Digitaltechnik.

Verwendet man zur Darstellung nur binäre Elemente ( bis lat.: zweimal) so spricht man von binärer Digitaltechnik. Kursleiter : W. Zimmer 1/24 Digitale Darstellung von Größen Eine Meßgröße ist digital, wenn sie in ihrem Wertebereich nur eine endliche Anzahl von Werten annehmen kann, also "abzählbar" ist. Digital kommt

Mehr

13 OOP MIT DELPHI. Records und Klassen Ein Vergleich

13 OOP MIT DELPHI. Records und Klassen Ein Vergleich 13 OOP MIT DELPHI Delphi war früher "Object Pascal". Dieser Name impliziert eine Funktionalität, welche in der Welt der Programmierung nicht mehr wegzudenken ist: die objektorientierte Programmierung,

Mehr

Aussagenlogik Schnelldurchlauf

Aussagenlogik Schnelldurchlauf Aussagelogik Schelldurchlauf Michael Leuschel Softwaretechik ud Programmiersprache Lecture 3 Teil 1: Sprache (Sytax) Bestadteile Atomare Aussage (atomic propositios) Etweder wahr oder falsch (Wahrheitswert,

Mehr

Was ist Mathematik? Eine Strukturwissenschaft, eine Geisteswissenschaft, aber keine Naturwissenschaft.

Was ist Mathematik? Eine Strukturwissenschaft, eine Geisteswissenschaft, aber keine Naturwissenschaft. Vorlesung 1 Einführung 1.1 Praktisches Zeiten: 10:00-12:00 Uhr Vorlesung 12:00-13:00 Uhr Mittagspause 13:00-14:30 Uhr Präsenzübung 14:30-16:00 Uhr Übungsgruppen Material: Papier und Stift wacher Verstand

Mehr

Fuzzy Logic. Seminar im Sommersemester 2006 an der TU-Darmstadt (Prof. Dr. Fürnkranz) 06/18/06 Knowledge Engineering in Computer Spielen 1

Fuzzy Logic. Seminar im Sommersemester 2006 an der TU-Darmstadt (Prof. Dr. Fürnkranz) 06/18/06 Knowledge Engineering in Computer Spielen 1 Fuzzy Logic Seminar im Sommersemester 2006 an der TU-Darmstadt (Prof. Dr. Fürnkranz) 06/18/06 Knowledge Engineering in Computer Spielen 1 Geschichte und Definition Grundlegende Begriffe Fuzzy Process Anwendungen

Mehr

Wissensbasierte Systeme/ Expertensysteme. Teil 2

Wissensbasierte Systeme/ Expertensysteme. Teil 2 Wissensbasierte Systeme/ Expertensysteme Teil 2 BiTS, Sommersemester 2004 Dr. Stefan Kooths KOOTHS BiTS: Wissensbasierte Systeme/Expertensysteme Teil 2 1 Gliederung 1. Einführung und Einordnung 2. Entscheidungsunterstützung(ssysteme)

Mehr

1 Aussagenlogik und Mengenlehre

1 Aussagenlogik und Mengenlehre 1 Aussagenlogik und engenlehre 1.1 engenlehre Definition (Georg Cantor): nter einer enge verstehen wir jede Zusammenfassung von bestimmten wohl unterschiedenen Objekten (m) unserer Anschauung oder unseres

Mehr

Logik und diskrete Strukturen

Logik und diskrete Strukturen Skript zur Vorlesung Logik und diskrete Strukturen Prof. Dr. Heiko Röglin Institut für Informatik Wintersemester 2015/16 9. Oktober 2015 Vorwort Dieses Skript ist als Begleitmaterial für die Vorlesung

Mehr

A.1 Schaltfunktionen und Schaltnetze

A.1 Schaltfunktionen und Schaltnetze Schaltfunktionen und Schaltnetze A. Schaltfunktionen und Schaltnetze 22 Prof. Dr. Rainer Manthey Informatik II Bedeutung des Binärsystems für den Rechneraufbau Seit Beginn der Entwicklung von Computerhardware

Mehr

3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen

3. Spezielle ER-Modelle und Tabellenableitung. Transformation von ER-Diagrammen in Relationen 3. Spezielle ER-Modelle und Tabellenableitung Spezialfälle von ER-Modellen Grundlage, was sind Relationen Transformation von ER-Diagrammen in Relationen 56 Lesebeispiel Access (Realisierungmodell!) 57

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

Mehr

Gliederung. Tutorium zur Vorlesung. Gliederung. Gliederung. 1. Gliederung der Informatik. 1. Gliederung der Informatik. 1. Gliederung der Informatik

Gliederung. Tutorium zur Vorlesung. Gliederung. Gliederung. 1. Gliederung der Informatik. 1. Gliederung der Informatik. 1. Gliederung der Informatik Informatik I WS 2012/13 Tutorium zur Vorlesung 1. Alexander Zietlow zietlow@informatik.uni-tuebingen.de Wilhelm-Schickard-Institut für Informatik Eberhard Karls Universität Tübingen 11.02.2013 1. 2. 1.

Mehr

Phänomene der Semantik: Konditionalsätze (Handout 8) Janneke Huitink - Cécile Meier Sommersemester 2009

Phänomene der Semantik: Konditionalsätze (Handout 8) Janneke Huitink - Cécile Meier Sommersemester 2009 Phänomene der Semantik: Konditionalsätze (Handout 8) Janneke Huitink - Cécile Meier Sommersemester 2009 1. Arten von Konditionalsätzen Konditionalsätze drücken aus, dass ein Ereignis nur unter einer bestimmten

Mehr

Diana Lange. Generative Gestaltung Operatoren

Diana Lange. Generative Gestaltung Operatoren Diana Lange Generative Gestaltung Operatoren Begriffserklärung Verknüpfungsvorschrift im Rahmen logischer Kalküle. Quelle: google Operatoren sind Zeichen, die mit einer bestimmten Bedeutung versehen sind.

Mehr

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule Zahlbereichserweiterungen in der Hauptschule Didaktik der Zahlbereiche 4 Dr. Christian Groß Lehrstuhl Didaktik der Mathematik Universität Augsburg Wintersemester 2006/07 Natürliche Zahlen, : Klasse 5 positive

Mehr

1.4. Die Darstellung von Strukturen

1.4. Die Darstellung von Strukturen 1 Elektronenstruktur und Bindung Säuren und Basen 3D-Moleküle: Li, 2, F zieht positive Ladungen an rot orange gelb grün blau zieht negative Ladungen an stärkstes negatives elektrostatisches Potenzial stärkstes

Mehr

Java Einführung VARIABLEN und DATENTYPEN Kapitel 2

Java Einführung VARIABLEN und DATENTYPEN Kapitel 2 Java Einführung VARIABLEN und DATENTYPEN Kapitel 2 Inhalt dieser Einheit Variablen (Sinn und Aufgabe) Bezeichner Datentypen, Deklaration und Operationen Typenumwandlung (implizit/explizit) 2 Variablen

Mehr

PHP 5.4 ISBN 978-3-86249-327-2. Stephan Heller, Andreas Dittfurth 1. Ausgabe, September 2012. Grundlagen zur Erstellung dynamischer Webseiten GPHP54

PHP 5.4 ISBN 978-3-86249-327-2. Stephan Heller, Andreas Dittfurth 1. Ausgabe, September 2012. Grundlagen zur Erstellung dynamischer Webseiten GPHP54 PHP 5.4 Stephan Heller, Andreas Dittfurth 1. Ausgabe, September 2012 Grundlagen zur Erstellung dynamischer Webseiten ISBN 978-3-86249-327-2 GPHP54 5 PHP 5.4 - Grundlagen zur Erstellung dynamischer Webseiten

Mehr

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

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

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

Webergänzung zu Kapitel 10

Webergänzung zu Kapitel 10 Webergänzung zu Kapitel 10 10.1.4 Varianzanalyse (ANOVA: analysis of variance) Im Kapitel 10 haben wir uns hauptsächlich mit Forschungsbeispielen beschäftigt, die nur zwei Ergebnissätze hatten (entweder

Mehr

Inhaltsverzeichnis... 1. Was sind Funktionen?... 2. Bestandteile einer Funktion... 2. Beispiele für einfache Funktionen... 2

Inhaltsverzeichnis... 1. Was sind Funktionen?... 2. Bestandteile einer Funktion... 2. Beispiele für einfache Funktionen... 2 Inhaltsverzeichnis Inhaltsverzeichnis... 1 Was sind Funktionen?... 2 Bestandteile einer Funktion... 2 Beispiele für einfache Funktionen... 2 Als Tabelle definierten Zellbereich schnell auswerten... 3 Die

Mehr

Mathematische Maschinen

Mathematische Maschinen Mathematische Maschinen Ziel: Entwicklung eines allgemeinen Schemas zur Beschreibung von (mathematischen) Maschinen zur Ausführung von Algorithmen (hier: (partiellen) Berechnungsverfahren). Mathematische

Mehr

Vibono Coaching Brief -No. 39

Vibono Coaching Brief -No. 39 Gemüse hat doch auch Kohlenhydrate! Wieso kann man mit Gemüse also überhaupt abnehmen? Vibono GmbH 2011-2012, www.vibono.de Kann man mit Gemüse abnehmen, wenn es doch auch Kohlenhydrate hat? Diese Frage

Mehr

5. Übungsblatt (Musterlösung)

5. Übungsblatt (Musterlösung) Universität Konstanz Mathematische Grundlagen der Informatik Fachbereich Informatik & Informationswissenschaft WS 2015/2016 Prof. Dr. Sven Kosub / Dominik Bui, Franz Hahn, Fabian Sperrle 5. Übungsblatt

Mehr

Semantic Web Grundlagen

Semantic Web Grundlagen Birte Glimm Institut für Künstliche Intelligenz 7. Nov 2011 Semantic Web Grundlagen Semantik von RDF(S) 2/47 Birte Glimm Semantic Web Grundlagen 7. Nov 2011 Organisatorisches: Inhalt Einleitung und XML

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

010 03 Marketing WS 2014/2015

010 03 Marketing WS 2014/2015 Prüfungsnummer: (für Studierende der WiSo-Fakultät) Matrikel-Nummer: (für Studierende anderer Fakultäten) Vorname und Name (nur Initial): 010 03 Marketing WS 2014/2015 24.03.2015 (2. Termin) Prüfer: Prof.

Mehr

Leseprobe. Excel Formeln und Funktionen

Leseprobe. Excel Formeln und Funktionen Leseprobe zu Excel Formeln und Funktionen von Ignatz Schels ISBN (Buch): 978-3-446-43885-9 ISBN (E-Book): 978-3-446-43958-0 Weitere Informationen und Bestellungen unter http://www.hanser-fachbuch.de/978-3-446-43885-9

Mehr

Der Aufruf von DM_in_Euro 1.40 sollte die Ausgabe 1.40 DM = 0.51129 Euro ergeben.

Der Aufruf von DM_in_Euro 1.40 sollte die Ausgabe 1.40 DM = 0.51129 Euro ergeben. Aufgabe 1.30 : Schreibe ein Programm DM_in_Euro.java zur Umrechnung eines DM-Betrags in Euro unter Verwendung einer Konstanten für den Umrechnungsfaktor. Das Programm soll den DM-Betrag als Parameter verarbeiten.

Mehr

Microsoft Excel 2010 Matrix-Funktionen

Microsoft Excel 2010 Matrix-Funktionen Hochschulrechenzentrum Justus-Liebig-Universität Gießen Microsoft Excel 2010 Matrix-Funktionen Matrix-Funktionen in Excel 2010 Seite 1 von 7 Inhaltsverzeichnis Einleitung... 2 Integrierte Matrixfunktionen...

Mehr