WS 2009/10. Diskrete Strukturen

Größe: px
Ab Seite anzeigen:

Download "WS 2009/10. Diskrete Strukturen"

Transkript

1 WS 29/ Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München

2 Kapitel II - Grundlagen Mathematische und notationelle Grundlagen Mengen Relationen und Abbildungen Aussagen- und Prädikatenlogik Beweismethoden Wachstum von Funktionen 2 Vorlesung Diskrete Strukturen WS 9/

3 Logik ist die Wissenschaft des Schließens. Sie untersucht welche Inferenzen korrekt sind. Unter Inferenz verstehen wir (informell) eine Aussage der Form: wenn A wahr ist, dann ist auch B wahr. Umgangssprachlich sagen wir auch: Wenn A gilt, dann gilt B Wenn A dann B A impliziert B A ist die Annahme (Prämisse, Antezedens, Hypothese) und B die Konklusion (Konsequenz). 3 Vorlesung Diskrete Strukturen WS 9/

4 Eine korrekte Inferenz Wenn alle Menschen sterblich sind und Sokrates ein Mensch ist, dann ist Sokrates sterblich. A = alle Menschen sind sterblich und Sokrates ist ein Mensch B = Sokrates ist sterblich Eine korrekte Inferenz wenn A dann B bedeutet nicht, dass B wahr ist. Wenn die Inferenz korrekt ist und A wahr ist, dann ist B wahr, mehr wissen wir nicht. Wenn bestochene Ministerpräsidenten ins Gefängnis müssen und Herr Beckstein bestochen wurde, dann muss er ins Gefängnis ist eine korrekte Inferenz. Vorlesung Diskrete Strukturen WS 9/

5 Beispiele von inkorrekten Inferenzen: Wenn einige Männer klug sind und alle Fussballer Männer sind, dann sind alle Fussballer klug. Wenn einige vererbte Variationen dem Gesetz der Selektion unterliegen und alle menschlichen Unterschiede vererbte Variationen sind, dann unterliegen alle menschlichen Unterschiede dem Gesetz der Selektion. Vorlesung Diskrete Strukturen WS 9/

6 Korrekt oder inkorrekt? Wenn es heute bewölkt ist, und wir nur dann schwimmen gehen, wenn es sonnig ist, und wir immer dann rudern, wenn wir nicht schwimmen, und wir immer früh nach Hause kommen wenn wir rudern, dann werden wir heute früh nach Hause kommen. Vorlesung Diskrete Strukturen WS 9/

7 Noch zwei korrekte Inferenzen Wenn dann alle Guldräber untreßig und alle Untreßigen filzig sind sind alle Guldräber filzig. Diese Inferenz erkennen wir als korrekt, auch wenn wir nicht wissen, was Guldräber, untreßig, oder filzig bedeutet. Die Inferenz ist eine Instanz von: Wenn (alle X sind Y) und (alle Y sind Z) dann (alle X sind Z) Vorlesung Diskrete Strukturen WS 9/

8 Noch zwei korrekte Inferenzen Wenn Anna ein Enkelkind hat dann ist Anna eine Mutter Die Inferenz kann nur als korrekt erkannt werden, wenn man Wissen über die Bedeutung von Mutter und Enkelkind hat. Vorlesung Diskrete Strukturen WS 9/

9 Logische Inferenzen (informell) Eine logische Inferenz ist eine Inferenz mit Variablen (Platzhalter für Aussagen oder Objekte). Achtung: diese Terminologie ist nicht Standard! Eine logische Inferenz ist korrekt, wenn alle ihre Instanzen korrekt sind. Logiker sagen: die Inferenz ist (allgemein)gültig oder eine Tautologie. Wenn (alle X sind Y) und (alle Y sind Z) dann (alle X sind Z) ist gültig. Wenn (alle X sind Y) dann (alle Y sind X) ist nicht gültig. Wenn A und B und (wenn A dann C) dann B und C ist gültig. Vorlesung Diskrete Strukturen WS 9/

10 Die Logik untersucht die gültigen Inferenzen Wie kann man sie (automatisch) erkennen? Welche sind die nützlichsten? Die Logik stellt die Basis der mathematischen Beweise. Praktische Anwendungen der Logik finden sich in zahlreichen Gebieten der Informatik, z.b. Datenbanken, Programmverifikation, Korrektheitsbeweise, Systemsicherheit, künstliche Intelligenz und vielen mehr. Vorlesung Diskrete Strukturen WS 9/

11 Es gibt zahlreiche Logiken Aussagenlogik, Prädikatenlogik, Temporalogik, deontische Logik Verschiedene Logiken studieren die gültigen Inferenzen in verschiedenen Sprachfragmenten: Aussagenlogik: und, oder, nicht, wenn dann Wenn X und Y dann Y (Platzhalter für Aussagen) Syllogistische Logik: alle, einige, keine Wenn alle A sind B und kein B ist ein C dann ist kein A ein C (Platzhalter für Objekte) Temporallogik: Aussagenlogik + heute, morgen, irgendwann, nie Wenn heute A gilt, dann war gestern wahr, dass morgen A gelten wird. Vorlesung Diskrete Strukturen WS 9/

12 Aussagenlogik (propositional logic) Aussagen werden aus einer vorgegebene Menge von atomaren Aussagen (Platzhalter für Aussagen) mit Hilfe der Operatoren (Konnektoren, Junktoren) und, oder, nicht und wenn dann gebaut. Atomare Aussagen sind wahr oder falsch, nie wahr und falsch, keines von beiden oder etwas dazwischen. Die Grundlagen der Aussagenlogik wurden von George Boole ( The Laws of Thought 854) entwickelt. Man spricht deswegen auch von der Booleschen Logik. 2 Vorlesung Diskrete Strukturen WS 9/

13 George Boole (85-864) 3 Vorlesung Diskrete Strukturen WS 9/

14 Aussagenlogik formal 4 Die Aussagenlogik (wie jede Logik) bildet eine formale Sprache. Eine formale Sprache wird definiert durch ihre Syntax und ihre Semantik. Die Syntax der Sprache legt durch Regeln fest, welche Zeichenketten wohlgeformte Ausdrücke sind. Die wohlgeformten Ausdrücke einer Logik heißen Formeln. Die Semantik legt die Bedeutung der Ausdrücke fest. Eine formale Semantik ordnet jeden Ausdruck einem mathematischen Objekt zu, welchem als Bedeutung des Ausdrucks interpretiert wird. Vorlesung Diskrete Strukturen WS 9/

15 Formale Syntax. Eine formale Syntax besteht aus einem Vokabular und einer Menge von Formationsregeln. Das Vokabular legt fest, welche Zeichen in Ausdrücken vorkommen dürfen Die Formationsregeln legen fest, welche Zeichenketten über dem Vokabular zulässig oder wohlgeformt sind und welche nicht. 5 Vorlesung Diskrete Strukturen WS 9/

16 Syntax der Aussagenlogik: Vokabular Das Vokabular setzt sich aus folgenden Zeichenklassen zusammen: Wahrheitskonstanten: Aussagenvariablen: true, false p, q, r, s, t Logische Operatoren:,,, Hilfssymbolen: (, ) 6 Vorlesung Diskrete Strukturen WS 9/

17 Syntax der Aussagenlogik: Formationsregeln 7 Regel : true und false sind Formeln. Regel : eine Aussagenvariable ist eine Formel. Regel 2: ist F eine Formel, dann ist auch G eine Formel. Regel 3: sind F und G Formeln, dann sind a. (F G) b. (F G) c. (F G) ebenfalls Formeln. Regel 4: Ein Ausdruck ist nur dann eine Formel, wenn er durch Anwendung der obenstehenden Regeln konstruiert werden kann. Vorlesung Diskrete Strukturen WS 9/

18 Syntax der Aussagenlogik: Formationsregeln Es lassen sich also durch Anwendung von logischen Operatoren (Konnektoren) auf Formeln neue Formeln bilden. Ein Operator kombiniert einen oder mehrere Operanden zu einem komplexeren Ausdruck. Monadische/unäre Operatoren haben ein Argument (z.b. : F), dyadische/binäre Operatoren haben zwei Argumente (z.b. F Ç G). 8 Vorlesung Diskrete Strukturen WS 9/

19 Formeln sind: ((p q) r) ((p (false q)) r) (( p q) (q p)) Keine Formeln sind: (q r] p (p q) ) ( q (q p)) 9 Vorlesung Diskrete Strukturen WS 9/

20 Ableitungsbeispiel ()p Regel (2)q Regel (3) q Regel 2, (2) (4)(p q) Regel 3a, (), (2) (5) (p q) Regel 2, (4) (6)(q q) Regel 3b, (2), (3) (7)( (p q) (q q)) Regel 3c, (5), (6) 2 Vorlesung Diskrete Strukturen WS 9/

21 Syntaxbaum für den Ausdruck ( (p q) (q q)) q 2 p Vorlesung Diskrete Strukturen WS 9/ q q

22 Bindungsregeln zur Vereinfachung von Klammerausdrücken bindet stärker als bindet stärker als bindet stärker als Beispiele: p q steht für ( p q), nicht für (p q) p q r steht für ((p q) r), nicht für (p q r )) p q r s steht für ((p q) (r s)) In den Folien: Weder p q r s noch ((p q) (r s)), sondern (p q) (r s) 22 Vorlesung Diskrete Strukturen WS 9/

23 Semantik der Aussagenlogik. 23 Was ist die Bedeutung einer Formel? Die Formel F = p q kann in vier Welten ausgewertet werden Welt : p und q sind beide wahr. F ist falsch. Welt 2: p ist wahr, q ist falsch. F ist falsch. Welt 3: p ist falsch, q ist wahr. F ist wahr Welt 4: p ist falsch, q ist falsch. F ist falsch. Die Bedeutung einer Formel ist die Funktion, die jede mögliche Welt dem Wahrheitswert der Formel in dieser Welt zuordnet: (die Formel ist wahr), oder (die Formel ist falsch). Man nennt {, } die Booleschen Werte. Vorlesung Diskrete Strukturen WS 9/

24 Formale Semantik der Aussagenlogik. 24 Eine Belegung ( eine Welt ) ist eine Funktion von einer Menge von Aussagevariablen in die Menge {,} der Wahrheitswerte. Eine Belegung : V! {,} passt zu einer Formel F, wenn alle Variablen, die in F vorkommen, zu V gehören. Beispiel: die Funktionen p, q p, q, r sind passende Belegungen der Formel p q. Vorlesung Diskrete Strukturen WS 9/

25 Formale Semantik der Aussagenlogik. Die Semantik einer Formel F ist eine Funktion [F], die jede Belegung, die zu F passt, ( jede Welt ) einem Wahrheitswert [F]( ) zuordnet. Die Funktion [F] ist folgendermaßen definiert in Abhängigkeit von F: () Semantik der Formeln true und false: F = true. Für alle Belegungen gilt: [true]( )= F = false. Für alle Belegungen gilt: [false]( )= 25 Vorlesung Diskrete Strukturen WS 9/

26 Formale Semantik der Aussagenlogik. (2) Semantik der Negation (NICHT) und der Konjunktion (UND): F = : G für eine Formel G. Für jede Belegung, die zu F passt: ½ falls [G]( ) = [F]( ) = falls [G]( ) = F = (G Æ H) für Formeln G und H. Für jede Belegung, die zu F passt: ½ falls [G]( ) = und [H]( ) = [F]( ) = falls [G]( ) = oder [H]( ) = 26 Vorlesung Diskrete Strukturen WS 9/

27 Formale Semantik der Aussagenlogik. Die Semantik kann mit Hilfe einer Wahrheitstabelle visualisiert werden Die Tabelle gibt den Wahrheitswert der Formel für jede Kombination von Wahrheitswerten der Operanden an. G G G H G H 27 Vorlesung Diskrete Strukturen WS 9/

28 Formale Semantik der Aussagenlogik. (3) Semantik der Disjunktion (ODER): F = (G Ç H) für Formeln G und H. Für jede Belegung, die zu F passt, gilt: [F]( ) = ½ falls [G]( ) = oder [H]( ) = falls [G]( ) = und [H]( ) = 28 Vorlesung Diskrete Strukturen WS 9/

29 Formale Semantik der Aussagenlogik. Wahrheitstabelle: G H G V H 29 In der Logik ist G oder H wahr, wenn G wahr ist, oder H wahr ist, oder beide wahr sind. Der ODER-Operator wird auch als Nichtausschließendes- Oder bezeichnet, da er die Möglichkeit beinhaltet, dass G und H wahr sind. Vorlesung Diskrete Strukturen WS 9/

30 Formale Semantik der Aussagenlogik. (4) Semantik der Implikation (WENN DANN): F = (G ) H) für Formeln G und H. Für jede Belegung, die zu F passt : [F]( ) = ½ falls [G]( ) = oder [H]( ) = falls [G]( ) = und [H]( ) = 3 Vorlesung Diskrete Strukturen WS 9/

31 Formale Semantik der Aussagenlogik. Wahrheitstabelle: F G F G Semantik in Worten: F G ist falsch genau dann wenn F wahr ist und G falsch ist. Andernfalls ist F G wahr. In der Implikation F G ist F die Hypothese und G die Konklusion. 3 Vorlesung Diskrete Strukturen WS 9/

32 Formale Semantik der Aussagenlogik. 32 Die formale Semantik der Implikation ist unterschiedlich von dem Gebrauch von wenn dann in der Alltagssprache. p ) q sagt nicht, dass p eine Ursache für q ist Pinguine schwimmen ) Pferde wiehern ist wahr in unserer Welt. p ) q sagt nichts darüber, ob p wahr oder falsch ist Frau Merkel wurde bestochen ) Frau Merkel gehört hinter Gitter ist wahr in unserer Welt. Wenn in einer Welt p falsch ist, dann ist in dieser Welt p ) q wahr, unabhängig davon, was q sagt!! Pinguine fliegen ) Pferde sprechen ist wahr in unserer Welt. Vorlesung Diskrete Strukturen WS 9/

33 Formale Semantik der Aussagenlogik. p ) q sagt nichts darüber, ob : p ) : q wahr ist In der Alltagssprache: aus Wenn du brav bist, dann bekommst Du ein Bonbon folgt implizit Wenn Du nicht brav bist, dann bekommst Du kein Bonbon In der Logik: Die Formel Du bist brav ) Du bekommst ein Bonbon sagt nichts darüber, was passiert, wenn Du nicht brav bist. Vielleicht bekommst Du auch ein Bonbon! 33 Vorlesung Diskrete Strukturen WS 9/

34 Weitere Operatoren: Ausschließendes-Oder Der binäre Operator (XOR) entspricht dem sprachlichen Konstrukt entweder oder er schließt die Möglichkeit aus, dass beide Operanden wahr sind. Wahrheitstabelle: G H G H 34 Vorlesung Diskrete Strukturen WS 9/

35 Weitere Operatoren: Bikonditional Der binäre Operator, entspricht dem sprachlichen Konstrukt genau dann, wenn. Wahrheitstabelle: G H G, H 35 Vorlesung Diskrete Strukturen WS 9/

36 Aufgabe: Sind diese Aussagen wahr oder falsch in unserer Welt? 36 Diese Vorlesung wird niemals enden ) die Sonne wird morgen aufgehen Dienstag ist ein Tag der Woche ) Bush ist ein Pinguin. +=6 ) Merkel ist Kanzlerin Der Mond ist aus grünem Käse ) Frankreich hat einen König Vorlesung Diskrete Strukturen WS 9/

37 Wahrheitstabellen 37 Sei F eine Formel, und sei V F die Menge der Variablen, die in F vorkommen. Eine Belegung, die zu F passt, ist minimal für F wenn V F = V Sei eine Belegung, die zu F passt, und sei F die Projektion von auf V F. Dann ist F ist eine minimale Belegung und es gilt: [F]( )=[F]( F). Das heisst: die Funktion [F] wird von den minimalen Belegungen V F! {,} eindeutig bestimmt. Die Wahrheitstabelle von F enthält als Zeilen die minimalen Belegungen von F und die entsprechenden Werte von [F]. Vorlesung Diskrete Strukturen WS 9/

38 Vorlesung Diskrete Strukturen WS 9/ Kapitel II Grundlagen; Logik Wahrheitstabellen. Beispiel: Sei F = ((p Ç : q)) r), : r 38 p q r F

39 Wahrheitstabellen. Wieviele zeilen hat die Wahrheitstabelle einer Formel F, in der n Variablen vorkommen? 39 Vorlesung Diskrete Strukturen WS 9/

40 Berechnung der Wahrheitstabelle einer Formel. p q r ((p Ç : q) ) r), : r 4 Vorlesung Diskrete Strukturen WS 9/

41 Berechnung der Wahrheitstabelle einer Formel. p q r ((p Ç : q) ) r), : r 4 Vorlesung Diskrete Strukturen WS 9/

42 Berechnung der Wahrheitstabelle einer Formel. p q r ((p Ç : q) ) r), : r 42 Vorlesung Diskrete Strukturen WS 9/

43 Berechnung der Wahrheitstabelle einer Formel. p q r ((p Ç : q) ) r), : r 43 Vorlesung Diskrete Strukturen WS 9/

44 Berechnung der Wahrheitstabelle einer Formel. p q r ((p Ç : q) ) r), : r 44 Vorlesung Diskrete Strukturen WS 9/

45 Berechnung der Wahrheitstabelle einer Formel. p q r ((p Ç : q) ) r), : r 45 Vorlesung Diskrete Strukturen WS 9/

46 (Allgemein)gültigkeit, Tautologie. 46 Eine Formel F ist (allgemein)gültig wenn für jede Belegung, die zu F passt, gilt: [F]( )=. Intuitiv: eine Formel ist gültig wenn sie überall ( in allen Welten ) wahr ist. Achtung! Eine Formel ist gültig ist nicht dasselbe wie Eine Formel ist wahr. Wir sagen auch: F ist eine Tautologie. Eine Formel F ist gültig genau dann, wenn für jede minimale Belegung, die zu F passt, gilt: [F]( )=. Tautologietest: berechne die Wahrheitstabelle und prüfe, ob die Spalte für F ausschließlich Einsen enthält. Vorlesung Diskrete Strukturen WS 9/

47 Allgemeingültigkeit, Tautologie. Beispiele von Tautologien: p Ç : p (p Æ q) ) p p ) (p Ç q) p ) (q ) p) (p ) (q ) r)) ) ((p ) q) ) (p ) r)) 47 Vorlesung Diskrete Strukturen WS 9/

48 Widerspruch. Eine Formel F ist ein Widerspruch wenn für jede Belegung, die zu F passt, gilt: [F]( )=. Intuitiv: eine Formel ist ein Widerspruch wenn sie überall ( in allen Welten ) falsch ist. Eine Formel F ist ein Widerspruch genau dann, wenn für jede minimale Belegung, die zu F passt, gilt: [F]( )=. Widerspruchstest: berechne die Wahrheitstabelle und prüfe, ob die Spalte für F ausschliesschlich Nullen enthält. 48 Vorlesung Diskrete Strukturen WS 9/

49 Erfüllbarkeit. 49 Eine Formel F ist erfüllbar wenn es eine Belegung gibt, die zu F passt, und [F]( )= erfüllt. Intuitiv: eine Formel ist erfüllbar wenn sie in mindestens einer Welt wahr ist. Erfüllbarkeitstest: berechne die Wahrheitstabelle und prüfe, ob die Spalte für F mindestens eine enthält. Das Erfüllbarkeitsproblem (satisfiability problem, SAT) ist eines der am meisten untersuchten Problemen der ganzen Informatik: Gegeben: eine aussagenlogische Formel F Entscheiden: ob F erfüllbar ist. Vorlesung Diskrete Strukturen WS 9/

50 Aufgabe. p p Ç q p Ç : p p Æ : p p ) : p p ) q p ) (q ) p) p )(p) q) p, : p Gültig Erfüllbar Widerspruch 5 Vorlesung Diskrete Strukturen WS 9/

51 Aufgabe: Stimmt es oder nicht? J/N Gegenbeispiel Wenn F gültig, dann F erfüllbar Wenn F erfüllbar, dann : F unerfüllbar Wenn F gültig, dann : F unerfüllbar Wenn F unerfüllbar, dann : F gültig 5 Vorlesung Diskrete Strukturen WS 9/

52 Logische Äquivalenz 52 Zwei Formeln F und G sind logisch äquivalent (symbolisch: F G) genau dann, wenn für jede Belegung, die zu F und zu G passt, gilt: [F]( ) = [G]( ) Intuitiv: wenn F und G äquivalent sind, dann sind sie zwei verschiedene Schreibweisen der selben Aussage. Sei V die Menge der Variablen, die in F oder G vorkommen. F und G sind äquivalent genau dann, wenn für jede Belegung : V! {,} gilt: [F]( ) = [G]( ). Aquivalenztest: Konstruiere die Wahrheitstabelle von F,G und prüfe, ob die Spalte für F,G ausschliesschlich Einsen enthält. Vorlesung Diskrete Strukturen WS 9/

53 Aufgabe: stimmt es oder nicht? F G F G p Æ (p Ç q) p : (p Ç q) : p Ç : q p Æ (q Ç r) (p Æ q) Ç r p Æ (q Ç r) (p Æ q) Ç (p Æ r) 53 Vorlesung Diskrete Strukturen WS 9/

54 Logischen Inferenzen: Formalisierung. Eine logische Inferenz ist eine Formel der Gestalt F ) G. Dabei ist F die Annahme und G die Konklusion. Eine logische Inferenz ist korrekt wenn sie gültig ist. Notation: F ² G (in Worten: G folgt aus F) bezeichnet, dass F ) G gültig ist. Achtung! G folgt aus F ist nicht dasselbe wie F impliziert G Fast immer ist die Annahme F eine Konjunktion F Æ Æ F n. Man spricht dann von den Annahmen F,, F n Statt F Æ Æ F n ² F schreibt man platzsparend F,, F n ² F. Folgerungstest: berechne die Wahrheitstabelle und prüfe, ob die Spalte für F ) G ausschließlich Einsen enthält. 54 Vorlesung Diskrete Strukturen WS 9/

55 Aufgabe: stimmt es oder nicht? A F A ² F p p Ç q p p Æ q p, q p Ç q p, q p Æ q p Æ q p p Ç q p p, p ) q q 55 Vorlesung Diskrete Strukturen WS 9/

56 Beziehungen F ist gültig (eine Tautologie), genau dann, wenn : F ist ein Widerspruch. F true true ² F F ist ein Widerspruch, genau dann, wenn : F ist gültig. F false F ² false F ist erfüllbar genau dann, wenn : F ist nicht gültig F G gilt, genau dann, wenn F, G ist eine Tautologie 56 Vorlesung Diskrete Strukturen WS 9/

57 Aufgabe: Wahr oder falsch? Eine Formel F ist eine Tautologie, genau dann, wenn : F ein Widerspruch ist. Eine Formel F ist keine Tautologie, genau dann, wenn : F erfüllbar ist. Wenn F ein Widerspruch ist, dann ist F ) G eine Tautologie. F ist ein Widerspruch genau dann, wenn F false. F ist ein Widerspruch genau dann, wenn F ) false 57 Vorlesung Diskrete Strukturen WS 9/

58 Kapitel II - Grundlagen Eigenschaften der Äquivalenz Die Relation ist reflexiv, symmetrisch und transitiv. Damit ist eine Äquivalenzelation (wie zu erwarten war). Diese Transitivität erlaubt es, die Äquivalenz zweier Formel F und G nachzuweisen, in dem man eine Kette von Äquivalenzen F F F 2 F n G angibt. Das ist eine alternative Methode zur Wahrheitstabelle. 58 Vorlesung Diskrete Strukturen WS 9/

59 Kapitel II - Grundlagen Eigenschaften der Äquivalenz Die Relation ist eine Kongruenz. Das heißt: wenn in einer Formel F eine Teilformel durch eine äquivalente Formel ersetzt wird, dann ist die resultierende Formel äquivalent zu F. Die Kongruenz-Eigenschaft erlaubt es, eine Äquivalenz F i F i+ zu finden, in dem man einen kleinen Teil von F i durch eine äquivalente Formel ersetzt. 59 Vorlesung Diskrete Strukturen WS 9/

60 Kapitel II - Grundlagen Vergleich mit arithmetischen Ausdrücken: Syntax:,,2, sind arithmetische Ausdrücke Wenn A und B arithmetische Ausdrücke sind, dann sind (A+B) und (A B) auch arithmetische Ausdrücke Semantik eines Ausdrucks: eine natürliche Zahl Relation = : zwei Ausdrücke sind äquivalent, wenn ihre Semantik dieselbe Zahl ist = (5 4) = Vorlesung Diskrete Strukturen WS 9/

61 Kapitel II - Grundlagen Vergleich mit arithmetischen Ausdrücken: Die Relation = ist eine Äquivalenzrelation und eine Kongruenz. Beweis, dass (9 + 7) (3 + (4 2)) = 76: (9 +7) (3 + (4 2)) = (9 + 7) (3 + 8) = 6 (3 + 8) = 6 = 76 6 Vorlesung Diskrete Strukturen WS 9/

62 Äquivalenzregeln 62 Um Äquivalenzketten zu konstruieren können wir Äquivalenzregeln verwenden: Äquivalenzschemen, die instanziert werden können, um äquivalente Formeln zu gewinnen. Regeln enthalten Formelvariablen (Platzhalter für Formeln). Beispiel: Die Regel (F Ç G) Æ H (F Æ H)Ç (G Æ H) sagt Für alle Formeln F, G, H gilt: die Formel (FÇ G)Æ H und die Formel (FÆ H)Ç (GÆ H) sind äquivalent Vergleiche mit der arith. Regel: (x + y) z = (x z) + (y z) Eine Regel kann mit verschiedenen Formeln instanziert werden: (p Ç q) Æ r (p Æ r) Ç (q Æ r) ((p) q) Ç q) Æ : p ((p) q) Æ : p) Ç (q Æ : p) Vorlesung Diskrete Strukturen WS 9/

63 Äquivalenzregeln Wie zeigt man, dass eine Regel korrekt ist? Jede Instanz kann mit einer Wahrheitstabelle geprüft werden, aber es gibt unendlich viele Instanzen! Die folgende Eigenschaft (ohne Beweis) gibt die Lösung: Eine Regel ist korrekt genau dann, wenn sie korrekt ist für die Instanz, in der die Formelvariablen F, G, H, jeweils durch die Variablen p,q,r, ersetzt werden. D.h.: Um die Korrektheit einer Regel nachzuweisen reicht es zu zeigen, dass sie für diese eine Instanz gilt. Das kann mit einer Wahrheitstabelle gemacht werden. 63 Vorlesung Diskrete Strukturen WS 9/

64 Äquivalenzregeln für,, Identität: F true F F false F Dominanz: F true true F false false Idempotenz: F F F F F F Doppelte Negation: F F Kommutativität: F G G F F G G F Assoziativität: (F G) H F (G H) (F G) H F (G H) Distributivität: F (G H) (F G) (F H) F (G H) (F G) (F H) De Morgan s: (F G) F G (F G) F G Triviale Tautologie/Kontradiktion: F F true F F false Augustus De Morgan (86-87) 64 Vorlesung Diskrete Strukturen WS 9/

65 Äquivalenzregeln für andere Operatoren Mit Hilfe von Äquivalenzregeln lassen sich logische Operatoren durch andere Operatoren ausdrücken. 65 Exklusives-Oder: F G (F G) (F G) F G (F G) (G F) Implikation: F G F G F G F G Bikonditional: F G (F G) (G F) F G (F G) Beachte: die Konnektoren,,, sind nicht unabhängig! Vorlesung Diskrete Strukturen WS 9/

66 Beweis von Äquivalenzen mit Äquivalenzregeln Zeige (p ( p q)) p q (p ( p q)) p ( p q) p ( p q) p (p q) ( p p) ( p q) false ( p q) ( p q) false p q 66 Vorlesung Diskrete Strukturen WS 9/

67 Beweis von Äquivalenzen mit Äquivalenzregeln Zeige, dass p q q p. p q p q q p q q p p 67 Vorlesung Diskrete Strukturen WS 9/

68 Beweis von Äquivalenzen mit Äquivalenzregeln Beobachtung: Eine Formel F ist eine Tautologie gdw. F true Zeige, dass ((p q) ( p r) (s s)) (q r) eine Tautologie ist. ((p q) ( p r) (s s)) (q r) ((p q) ( p r) true) (q r) ((p q) ( p r)) (q r) ((p q) ( p r)) (q r) ( (p q) ( p r)) (q r) 68 Vorlesung Diskrete Strukturen WS 9/

69 Beweis von Äquivalenzen mit Äquivalenzregeln 69 ( (p q) ( p r)) (q r) ( p q) (p r) q r ( p q) q (p r) r (( p q) ( q q)) ((p r) ( r r)) (( p q) true) ((p r) true) p q p r (Beachte: Klammern weggelassen) p p q r true q r true Vorlesung Diskrete Strukturen WS 9/

70 Beweis von nicht-äquivalenzen Um zu zeigen, dass F und G nicht äquivalent sind reicht es, eine Belegung anzugeben, die zu F und G passt, und F wahr macht und G falsch (oder umgekehrt). Eine solche Belegung kann systematisch mit einer Wahrheitstabelle gesucht werden, aber nicht mit Äquivalenzregeln. In der Praxis oft besser: Finde mit Hilfe von Regeln einfachere Formeln F und G mit F F und G G. Finde eine Belegung, die zeigt, dass F und G nicht äquivalent sind. 7 Vorlesung Diskrete Strukturen WS 9/

71 Beweis von nicht-äquivalenzen Zeige: ((p q) r) und (p (q r)) sind nichtäquivalent.. ((p q) r) ( ( p q) r) ((p q) r) 2. (p (q r)) ( p q r) 3. ((p q) r) und ( p q r) sind nicht äquivalent: ((p q) r) falsch für p, q, r ( p q r) wahr für p, q, r 7 Vorlesung Diskrete Strukturen WS 9/

72 Vergleich: Wahrheitstabelle vs. Äquivalenzregeln Vorteile der Wahrheitstabellen: Automatische und einfache Methode. Terminiert garantiert mit der richtigen Antwort Nachteile der Wahrheitstabellen: Die Wahrheitstabelle einer Formel mit n Variablen enthält 2 n Zeilen. Die Methode ist daher völlig ungeignet für großes n. Die Wahrheitstabelle jeder Formel mit n Variablen enthält 2 n Zeilen, egal wie dumm die Formel ist (p Ç : p ) Æ (p 2 Ç : p 2 )Æ Æ (p n Ç : p n ) 72 Vorlesung Diskrete Strukturen WS 9/

73 Vergleich: Wahrheitstabelle vs. Äquivalenzregeln Vorteile der Äquivalenzregeln: Ab vier/fünf Variablen die bessere Methode für Menschen. Richtige Sequenz von Regelanwendungen kann schnell zum Ziel führen. Nachteile der Äquivalenzregeln: Die richtige Regel muss erraten werden. Terminierung ist nicht garantiert Kann nur zeigen, das F G gilt, aber nicht, dass es nicht gilt. 73 Vorlesung Diskrete Strukturen WS 9/

74 Ein Kalkül für logische Inferenzen. Wir beschreiben eine Menge von Inferenzregeln (ein Kalkül), Mit den Inferenzregeln können Ausdrücke A ` F mechanisch erzeugt werden, wobei A eine Konjunktion von Annahmen und F eine Formel ist. Es wird gelten: wenn A ` F, dann A ² F. Das Kalkül bietet damit eine alternative zum Folgerungstest. Die Regeln sind ähnlich zu den Formationsregeln: Basisregeln: A ` F für die Konjunktion A und die Formel F Induktive Regeln: wenn A ` F,, A n ` F n, dann B ` F 74 Vorlesung Diskrete Strukturen WS 9/

75 Ein Kalkül für logische Inferenzen Grafische Darstellung der Basisregeln: A ` F Grafische Darstellung der induktiven Regeln A ` F A n` F n B ` F Intuition: um B ² F zu beweisen, reicht es zu zeigen, dass A ² F und A 2 ² F 2 und und A n ² F n gelten. 75 Vorlesung Diskrete Strukturen WS 9/

76 Ein Kalkül für logische Inferenzen Annahmeregel. Für jede A, für jede Annahme F in A : A ` F Ausgeschlossener Dritte. Für jede A, für jede F: A ` F Ç : F 76 Vorlesung Diskrete Strukturen WS 9/

77 Ein Kalkül für logische Inferenzen Regel für true. Für jede A : A ` true Regel für false. Für jede A, für jede Formel F : A ` F A ` : F A ` false 77 Vorlesung Diskrete Strukturen WS 9/

78 Ein Kalkül für logische Inferenzen Konjunktionseinführung. Für alle A, für alle F, G : A ` F A ` G A ` F Æ G Konjunktionsbeseitigung. Für alle A, für alle F, G : A ` F Æ G A ` F A ` F Æ G A ` G 78 Vorlesung Diskrete Strukturen WS 9/

79 Ein Kalkül für logische Inferenzen Disjunktionseinführung. Für alle A, für alle F, G : A ` F A ` F Ç G A ` F A ` G Ç F Disjunktionsbeseitigung. Für alle A, für alle F, G, H : A ` F Ç G A, F ` H A, G ` H A ` H 79 Vorlesung Diskrete Strukturen WS 9/

80 Ein Kalkül für logische Inferenzen Negationseinführung. Für alle A, für alle F : A, F ` false A ` : F Negationssbeseitigung. Für alle A, für alle F : A, : F ` false A ` F 8 Vorlesung Diskrete Strukturen WS 9/

81 Ein Kalkül für logische Inferenzen Implikationseinführung. Für alle A, für alle F, G: A, F ` G A ` F ) G Implikationsbeseitigung. Für alle A, für alle F, G: A ` F ) G A ` F A ` G 8 Vorlesung Diskrete Strukturen WS 9/

82 Ein Kalkül für logische Inferenzen Theorem: Die Regelmenge hat die folgenden zwei Eigenschaften: Wenn F ` G, dann F ² G. (Korrektheit, soundness) Aus der Regelmenge werden nur gültige Inferenzen hergeleitet. Wenn F ² G, dann F ` G. (Vollständigkeit, completeness) Jede gültige Inferenz kann mit der Regelmenge hergeleitet werden. 82 Vorlesung Diskrete Strukturen WS 9/

83 Beispiel eines formalen Beweises. Wir betrachten nochmal die Inferenz Wenn es heute bewölkt ist, und wir nur dann schwimmen gehen, wenn es sonnig ist, und wir immer dann rudern, wenn wir nicht schwimmen, und wir immer früh nach Hause kommen wenn wir rudern, dann werden wir heute früh nach Hause kommen. Wir formalisieren sie in der Aussagenlogik und zeigen ihre Korrekheit mit Hilfe der Inferenzregeln. 83 Vorlesung Diskrete Strukturen WS 9/

84 Beispiel eines formalen Beweises Wir führen Variablen für die Aussagen ein sonnig = es ist sonnig schwimmen = wir werden schwimmen rudern = wir werden rudern früh = wir werden früh nach Hause kommen. Annahmenmenge A: (a) sonnig (b) schwim sonnig (c) schwim rudern 84 (d) rudern früh Vorlesung Diskrete Strukturen WS 9/

85 Beispiel eines formalen Beweises Eine Herleitung von A ` F ist eine endliche Sequenz A ` F, A 2 ` F 2,, A n` F n mit: A n = A und F n = F Für alle i, i n, der Ausdruck A i ` F i kann aus einer Teilmenge der Ausdrücke A ` F,, A i- ` F i- durch Anwendung einer Regel gewonnen werden. Ein formaler Beweis der Aussage F folgt aus den Annahmen A,, A n ist eine Herleitung von A, A 2,, A n ` F 85 Vorlesung Diskrete Strukturen WS 9/

86 Beispiel eines formalen Beweises Schritt Bewiesen durch. A, schwim ` schwim An. 2. A, schwim ` schwim ) sonnig An. (b) 3. A, schwim ` : sonnig An. (a) 4. A, schwim ` sonnig Imp.Bes.,2 5. A, schwim ` false false.ein. 3,4 6. A ` schwim ) false Imp.Ein A ` : schwim Neg.Ein A ` : schwim ) rudern An. (c) 9. A ` rudern Imp.Bes. 7,8. A ` rudern ) früh An. (d). A ` früh Imp.Bes. 9, 86 Vorlesung Diskrete Strukturen WS 9/

87 Wieviele verschiedene Operatoren gibt es? Die Semantik von Operatoren (Konnektoren, Junktoren) kann durch Wahrheitstabellen dargestellt werden. Da die Wahrheitstabelle einer Formel mit n Variablen 2 n Einträge (/) hat, gibt es genau 2 2n verschiedene Wahrheitstabellen für Formeln mit n Variablen. Es gibt also 2 2n Operatoren der Arität n (insbesondere 4 unäre und 6 binäre Operatoren). 87 Vorlesung Diskrete Strukturen WS 9/

88 Vollständige Mengen von Operatoren. 88 Einige Operatoren können durch andere ausgedrückt werden. Z.B. aus p ) q : p Ç q folgt F ) G : F Ç G für beliebige Formeln F und G. Formal: Ein Operator OP der Stelligkeit k kann durch die Operatoren OP_,, OP_n ausgedrückt werden wenn es eine Formel F über OP_,, OP_n gibt mit OP(p,, p k ) F Eine Menge M von Operatoren ist vollständig wenn jeder Operator (egal welcher Arität) durch die Operatoren von M ausgedrückt werden kann. Vorlesung Diskrete Strukturen WS 9/

89 Vollständige Mengen von Operatoren. Theorem: Die Menge {:, Ç, Æ} ist vollständig. Beispiel. Wir betrachten den 3-stelligen Operator ITE mit folgender Wahrheitstabelle: p q r ITE(p,q,r) Es gilt: ITE(p,q,r) (: p Æ : q Æ r) Ç (: p Æ q Æ r) Ç ( p Æ q Æ : r) Ç ( p Æ q Æ r) 89 Vorlesung Diskrete Strukturen WS 9/

90 Vollständige Mengen von Operatoren. Theorem: Die Mengen {:, Ç} und {:, Æ} sind vollständig. Beweisidee. Beobachtung: Sei V eine vollständige Menge und sei M eine Menge von Operatoren. Wenn jeder Operator aus V durch die Operatoren von M ausgedrückt werden kann, dann ist M auch vollständig. Fall {:, Ç}. Es reicht zu zeigen, dass Æ durch : und Ç ausgedrückt werden kann. Das wird mit der De Morgan sche Regel erreicht: p Æ q : (: p Ç : q). Fall {:, Æ}. Symmetrisch. 9 Vorlesung Diskrete Strukturen WS 9/

91 Vollständige Mengen von Operatoren. Wir betrachten die Operatoren nand: (F nand G) ( (F G)) F G F nand G nor: (F nor G) ( (F Ç G)) F G F nor G 9 Vorlesung Diskrete Strukturen WS 9/

92 Vollständige Mengen von Operatoren. Theorem: Die Mengen {nand} und {nor} sind vollständig. Beweisskizze für die Menge {nand}: ( F) (F nand F) (F G) (F nand G) nand (F nand G) (F G) (F nand F) nand (G nand G) 92 Vorlesung Diskrete Strukturen WS 9/

93 Zusammenfassung Boolesche Operatoren 93 Formaler Name Umg.spr. Stelligkeit Symbol Negation NICHT Mon. Konjunktion UND Dyad. Disjunktion ODER Dyad. Exclusives-Oder XOR Dyad. Implikation IMPLIZIERT Dyad. Bikonditional IFF (GDW) Dyad. NAND NAND Dyad. NAND NOR NOR Dyad. NOR Vorlesung Diskrete Strukturen WS 9/

94 Zusammenfassung Aussagenlogik Syntax und Semantik. Operatoren und Wahrheitstabellen. Logische Begriffe. Tautologie, Widerspruch, Erfüllbarkeit, Äquivalenz, Folgerung Äquivalenzregeln, Folgerungsregeln. Formale Beweise Vollständige Operatorenmengen. 94 Vorlesung Diskrete Strukturen WS 9/

WS 2015/16 Diskrete Strukturen Kapitel 2: Grundlagen (Aussagenlogik 1)

WS 2015/16 Diskrete Strukturen Kapitel 2: Grundlagen (Aussagenlogik 1) WS 25/6 Diskrete Strukturen Kapitel 2: Grundlagen (Aussagenlogik ) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_5

Mehr

WS 2014/15 Diskrete Strukturen Kapitel 2: Grundlagen (Aussagenlogik 1)

WS 2014/15 Diskrete Strukturen Kapitel 2: Grundlagen (Aussagenlogik 1) WS 24/5 Diskrete Strukturen Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_4

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

Semantik von Formeln und Sequenzen

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

Mehr

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

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

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

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

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

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

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

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

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

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

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

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

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt

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

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

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

Mehr

Grundbegriffe der Informatik

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

Mehr

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

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren:

4. AUSSAGENLOGIK: SYNTAX. Der Unterschied zwischen Objektsprache und Metasprache lässt sich folgendermaßen charakterisieren: 4. AUSSAGENLOGIK: SYNTAX 4.1 Objektsprache und Metasprache 4.2 Gebrauch und Erwähnung 4.3 Metavariablen: Verallgemeinerndes Sprechen über Ausdrücke von AL 4.4 Die Sprache der Aussagenlogik 4.5 Terminologie

Mehr

1 Mathematische Grundlagen

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

Mehr

WS 2008/09. Diskrete Strukturen

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

Mehr

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

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

Informatik A ( Frank Hoffmann)

Informatik A ( Frank Hoffmann) Teillösungen zum 1. Aufgabenblatt zur Vorlesung Informatik A ( Frank Hoffmann) 1. Improvisieren Stellen Sie die Zahl 6 dar durch einen Ausdruck, der genau dreimal die Ziffer i enthält und ansonsten neben

Mehr

Einführung in. Logische Schaltungen

Einführung in. Logische Schaltungen Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von

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

Informationsblatt Induktionsbeweis

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

Mehr

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

Grammatiken. Einführung

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

Mehr

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

WS 2009/10. Diskrete Strukturen

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

Mehr

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

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

Java Einführung Operatoren Kapitel 2 und 3

Java Einführung Operatoren Kapitel 2 und 3 Java Einführung Operatoren Kapitel 2 und 3 Inhalt dieser Einheit Operatoren (unär, binär, ternär) Rangfolge der Operatoren Zuweisungsoperatoren Vergleichsoperatoren Logische Operatoren 2 Operatoren Abhängig

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

Programmiersprachen und Übersetzer

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

Mehr

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

Informatik I WS 07/08 Tutorium 24

Informatik I WS 07/08 Tutorium 24 Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben

Mehr

Logik. A.3 Logik und Mengenlehre A.32 A.32. Logik und Mengenlehre. Logik. 2001 Prof. Dr. Rainer Manthey Informatik I 21

Logik. A.3 Logik und Mengenlehre A.32 A.32. Logik und Mengenlehre. Logik. 2001 Prof. Dr. Rainer Manthey Informatik I 21 Logik und Mengenlehre.3 Logik und Mengenlehre 2001 Prof. Dr. Rainer Manthey Informatik I 21 Logik Logik 2001 Prof. Dr. Rainer Manthey Informatik I 22 Logik: egriff, edeutung und Entwicklung Logik ist die

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

Grundlagen der Theoretischen Informatik, SoSe 2008

Grundlagen der Theoretischen Informatik, SoSe 2008 1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)

Mehr

Zeichen bei Zahlen entschlüsseln

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

Mehr

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

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

Mehr

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

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

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

Mehr

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

WS 2013/14. Diskrete Strukturen

WS 2013/14. Diskrete Strukturen WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314

Mehr

Data Mining: Einige Grundlagen aus der Stochastik

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

Mehr

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

Prolog basiert auf Prädikatenlogik

Prolog basiert auf Prädikatenlogik Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:

Mehr

Funktion Erläuterung Beispiel

Funktion Erläuterung Beispiel WESTFÄLISCHE WILHELMS-UNIVERSITÄT WIRTSCHAFTSWISSENSCHAFTLICHE FAKULTÄT BETRIEBLICHE DATENVERARBEITUNG Folgende Befehle werden typischerweise im Excel-Testat benötigt. Die Beispiele in diesem Dokument

Mehr

Beweisbar sichere Verschlüsselung

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

Mehr

Formale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK

Formale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK Formale Systeme Prof. Dr. Bernhard Beckert WS / KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz Association

Mehr

Prüfung Computation, Programming

Prüfung Computation, Programming Prüfung Computation, Programming 1. Computation: Reguläre Ausdrücke [5 Punkte] Zusammenfassung reguläre Ausdrücke a Das Zeichen a. Ein beliebiges Zeichen [abc] Ein beliebiges Zeichen aus der Menge {a,

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

Mathematische und logische Grundlagen der Linguistik. Kapitel 3: Grundbegriffe der Aussagenlogik

Mathematische und logische Grundlagen der Linguistik. Kapitel 3: Grundbegriffe der Aussagenlogik Mathematische und logische Grundlagen der Linguistik Kapitel 3: Grundbegriffe der Aussagenlogik Grundbegriffe der Aussagenlogik 1 Die Aussagenlogik ist ein Zweig der formalen Logik, der die Beziehungen

Mehr

Mathematische und logische Grundlagen der Linguistik. Mathematische und logische Grundlagen der Linguistik. Karl Heinz Wagner. Hier Titel eingeben 1

Mathematische und logische Grundlagen der Linguistik. Mathematische und logische Grundlagen der Linguistik. Karl Heinz Wagner. Hier Titel eingeben 1 Grundbegriffe der Aussagenlogik 1 Mathematische und logische Grundlagen der Linguistik Kapitel 3: Grundbegriffe der Aussagenlogik Die Aussagenlogik ist ein Zweig der formalen Logik, der die Beziehungen

Mehr

Logik für Informatiker

Logik für Informatiker Logik für Informatiker 2. Aussagenlogik Teil 2 28.04.2015 Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Organisatorisches Termine Donnerstags: 30.04.2015 nicht

Mehr

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl

Mehr

Codes und Informationsgehalt

Codes und Informationsgehalt Aufgaben 2 Codes und Informationsgehalt Auf wie viele Dezimalziffern genau können vorzeichenlose ganze Zahlen in einem binären Code der Länge 32 bit dargestellt werden? 2 Codes und Informationsgehalt Auf

Mehr

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

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

Mehr

Formale Sprachen und Grammatiken

Formale Sprachen und Grammatiken Formale Sprachen und Grammatiken Jede Sprache besitzt die Aspekte Semantik (Bedeutung) und Syntax (formaler Aufbau). Die zulässige und korrekte Form der Wörter und Sätze einer Sprache wird durch die Syntax

Mehr

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

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

Mehr

1 topologisches Sortieren

1 topologisches Sortieren Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung

Mehr

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

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

Mehr

Fachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer

Fachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer Fachdidaktik der Informatik 18.12.08 Jörg Depner, Kathrin Gaißer Klassendiagramme Ein Klassendiagramm dient in der objektorientierten Softwareentwicklung zur Darstellung von Klassen und den Beziehungen,

Mehr

Repetitionsaufgaben Wurzelgleichungen

Repetitionsaufgaben Wurzelgleichungen Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen

Mehr

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

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

Mehr

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes

Mehr

Übung Theoretische Grundlagen

Übung Theoretische Grundlagen Übung Theoretische Grundlagen Berechenbarkeit/Entscheidbarkeit Nico Döttling November 26, 2009 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory

Mehr

Künstliche Intelligenz Maschinelles Lernen

Künstliche Intelligenz Maschinelles Lernen Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen

Mehr

Einführung in die Algebra

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

Mehr

Theoretische Grundlagen des Software Engineering

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

Mehr

Informatik IC2. Balazs Simon 2005.03.26.

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

Mehr

Klausurteilnehmer. Wichtige Hinweise. Note: Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 HS OWL, FB 7, Malte Wattenberg.

Klausurteilnehmer. Wichtige Hinweise. Note: Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 HS OWL, FB 7, Malte Wattenberg. Klausur Informatik Programmierung, 17.09.2012 Seite 1 von 8 Klausurteilnehmer Name: Matrikelnummer: Wichtige Hinweise Es sind keinerlei Hilfsmittel zugelassen auch keine Taschenrechner! Die Klausur dauert

Mehr

Bevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen.

Bevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen. R. Brinkmann http://brinkmann-du.de Seite 1 13.0.010 Lineare Gleichungen Werden zwei Terme durch ein Gleichheitszeichen miteinander verbunden, so entsteht eine Gleichung. Enthält die Gleichung die Variable

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

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

Mehr

Logik für Informatiker

Logik für Informatiker Vorlesung Logik für Informatiker 3. Aussagenlogik Einführung: Logisches Schließen im Allgemeinen Bernhard Beckert Universität Koblenz-Landau Sommersemester 2006 Logik für Informatiker, SS 06 p.1 Beispiel:

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

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

Geschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie. Logik untersucht, wie aus wahren Aussagen andere wahre Aussagen folgen

Geschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie. Logik untersucht, wie aus wahren Aussagen andere wahre Aussagen folgen Was ist Logik? Geschichte der Logik ist eng verknüpft mit (Sprach-) Philosophie Logik untersucht, wie aus wahren Aussagen andere wahre Aussagen folgen Beschränkung auf "Aussage A folgt nach einer gegebenen

Mehr

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

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

Mehr

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

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

Mehr

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

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

Mehr

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über

Güte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion

Mehr

SEP 114. Design by Contract

SEP 114. Design by Contract Design by Contract SEP 114 Design by Contract Teile das zu entwickelnde Programm in kleine Einheiten (Klassen, Methoden), die unabhängig voneinander entwickelt und überprüft werden können. Einheiten mit

Mehr

TU7 Aussagenlogik II und Prädikatenlogik

TU7 Aussagenlogik II und Prädikatenlogik TU7 Aussagenlogik II und Prädikatenlogik Daniela Andrade daniela.andrade@tum.de 5.12.2016 1 / 32 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik

Mehr

Lineargleichungssysteme: Additions-/ Subtraktionsverfahren

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

Mehr

WS 2013/14. Diskrete Strukturen

WS 2013/14. Diskrete Strukturen WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws13/14

Mehr

Daten, Informationen, Kodierung. Binärkodierung

Daten, Informationen, Kodierung. Binärkodierung Binärkodierung Besondere Bedeutung der Binärkodierung in der Informatik Abbildung auf Alphabet mit zwei Zeichen, in der Regel B = {0, 1} Entspricht den zwei möglichen Schaltzuständen in der Elektronik:

Mehr

Software Engineering Klassendiagramme Assoziationen

Software Engineering Klassendiagramme Assoziationen Software Engineering Klassendiagramme Assoziationen Prof. Adrian A. Müller, PMP, PSM 1, CSM Fachbereich Informatik und Mikrosystemtechnik 1 Lesen von Multiplizitäten (1) Multiplizitäten werden folgendermaßen

Mehr

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben

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

Zusammenfassung. 1 Wir betrachten die folgende Signatur F = {+,,, 0, 1} sodass. 3 Wir betrachten die Gleichungen E. 4 Dann gilt E 1 + x 1

Zusammenfassung. 1 Wir betrachten die folgende Signatur F = {+,,, 0, 1} sodass. 3 Wir betrachten die Gleichungen E. 4 Dann gilt E 1 + x 1 Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 7 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 1 Wir betrachten die folgende Signatur

Mehr

t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r )

t r Lineare Codierung von Binärbbäumen (Wörter über dem Alphabet {, }) Beispiel code( ) = code(, t l, t r ) = code(t l ) code(t r ) Definition B : Menge der binären Bäume, rekursiv definiert durch die Regeln: ist ein binärer Baum sind t l, t r binäre Bäume, so ist auch t =, t l, t r ein binärer Baum nur das, was durch die beiden vorigen

Mehr