Reduktionssysteme und Termersetzungssysteme
|
|
- Oswalda Hartmann
- vor 6 Jahren
- Abrufe
Transkript
1 Reduktionssysteme und Termersetzungssysteme Untersuchung von Berechnungen mittels Reduktionsregeln Simplifikation von: Datenstrukturen / Termen usw. Erkennen von gleichen Objekten durch Normalisierung Auswertungen in Programmiersprachen durch eine operationale Semantik mit kleinen Schritten Beispiele: Vergleich von arithmetischen Polynomen mittels: Darstellung als Summe von Produkten Kürzen von Brüchen Deduktion, SS 10, F olien Reduktion 01, Seite 0, 17. Juni2010
2 Wichtige Fragestellungen bei Reduktionssystemen Kommt es auf die Reihenfolge der Anwendung der Regeln an, oder nicht? Terminiert die Reduktion? Ist das Ergebnis eindeutig? D.h. hat man den Begriff einer Normalform? Beispiele: Normalform eines Polynoms als Summe von Produkten ist eindeutig, die Berechnung terminiert Auswertung Boolescher Ausdrücke ohne Variablen ist eindeutig operationale Semantik: Auswertung terminiert nicht immer. Bei Determinismus: Ergebnis eindeutig. Deduktion, SS 10, F olien Reduktion 01, Seite 1, 17. Juni2010
3 Spezialfall: Termersetzungssysteme Alle Regeln sind von der Form s t wobei s, t Terme (der Prädikatenlogik erster Stufe sind. Deduktion, SS 10, F olien Reduktion 01, Seite 2, 17. Juni2010
4 Vervollständigung: Operation auf Reduktionssystemen Abänderung durch Verändern bzw. Hinzufügen von Regeln z.b. um eine eindeutige Normalform zu erhalten! Die Abänderung muss die Semantik erhalten meist definiert durch eine Äquivalenzrelation Deduktion, SS 10, F olien Reduktion 01, Seite 3, 17. Juni2010
5 Beispiel: Verknüpfungen: Gruppenaxiome Gleichheits-Axiome: E : x 1 = x x x 1 = 1 (x y) z = x (y z) Deduktion, SS 10, F olien Reduktion 01, Seite 4, 17. Juni2010
6 Beispiel: Verknüpfungen: Gruppenaxiome: Vervollständigung Vervollständigung R als Termersetzungssystem (nach Methode von Knuth-Bendix) x 1 x 1 x x x x 1 1 x 1 x (x 1 ) 1 x (x y) 1 y 1 x 1 (x y) z x (y z) x (x 1 y) y x 1 (x y) y Deduktion, SS 10, F olien Reduktion 01, Seite 5, 17. Juni2010
7 Beispiel: Gruppenaxiome R terminiert und produziert Normalformen von Termen. s = E t gdw. s = t ((a b) 1 a) a) b (((b 1 a 1 ) a) a) b (((b 1 (a 1 a)) a) b ((b 1 1) a) b (b 1 a) b b 1 (a b)) Rechnen in der freien Gruppe Deduktion, SS 10, F olien Reduktion 01, Seite 6, 17. Juni2010
8 Gruppenaxiome Intuitiver ist es Klammern wegzuzlassen (wg. Assoziativität) und dann zu vervollständigen. Problem: automatische Vervollständigung ist dann einiges komplizierter: Denn Assoziativität muss berücksichtigt werden. unendlich viele Reduktionsregeln?? Deduktion, SS 10, F olien Reduktion 01, Seite 7, 17. Juni2010
9 Beispiel Spezifikation und abstrakte Datentypen Listen über natürlichen Zahlen true, false : not : and : BOOL BOOL BOOL BOOL, BOOL BOOL not(true) = false not(false) = true not(not(x)) = x and(true, x) = x and(false, x) = false and(x, true) = x and(x, false) = false Deduktion, SS 10, F olien Reduktion 01, Seite 8, 17. Juni2010
10 Beispiel Spezifikation: Zahlen 0 : NAT s : NAT NAT + NAT, NAT NAT NAT, NAT BOOL x + 0 = x x + s(y) = s(x + y) 0 x = true s(x) 0 = false s(x) s(y) = x y (Zahlen i sind dargestellt als s i (0) ) Deduktion, SS 10, F olien Reduktion 01, Seite 9, 17. Juni2010
11 Beispiel Spezifikation: Listen nil : LIST. : NAT, LIST LIST app : LIST, LIST LIST if : BOOL, LIST, LIST LIST app(nil, q 1 ) = q 1 app(x.q 0, q 1 ) = x.app(q 0, q 1 ) if(true, x, y) = x if(false, x, y) = y ( Listen sind als a 1.a a n.nil dargestellt) Deduktion, SS 10, F olien Reduktion 01, Seite 10, 17. Juni2010
12 Beispiel Spezifikation von Quicksort qsort(nil) = nil qsort(x.nil) = x.nil qsort(x.y.q) = split(x, y.q, nil, nil) split(x, nil, q 1, q 2 ) = app(qsort(q 1 ), x.qsort(q 2 )) split(x, y.q 1, q 2, q 3 ) = if(y x, split(x, q 1, y.q 2.q 3 ), split(x, q 1, q 2, y.q 3 )) Als Regelsystem ist das ein Sortier- Programm Z.B. gilt: qsort(5.2.1.nil) nil (Das Beispiel ist Verifun-geeignet) Deduktion, SS 10, F olien Reduktion 01, Seite 11, 17. Juni2010
13 Beispiel: Aussagenlogik Operatoren (Konjunktion) und + ( XOR) x y x y x y x y + x + y x y x y + y + 1 x x + 1 x + 0 x x + x 0 x 1 x x x x x 0 0 x (y + z) x y + x z wobei + und assoziativ und kommutativ sind, Deduktion, SS 10, F olien Reduktion 01, Seite 12, 17. Juni2010
14 R ist Regelsystem zum Herstellen einer Polynomdarstellung: Summe von Produkten. Es gilt: f ist allgemeingültig gdw. f = 1 f ist unerfüllbar gdw. f = 0
15 Beispiel: disjunktive Normalform ( (x)) x (x y) x y (x y) x y x (y z) (x y) (x z) (x y) z (x y) (y z) x (y z) (x y) (x z) Herbei sind, assoziativ und kommutativ. nicht eindeutige Normalformen Terminierung? Deduktion, SS 10, F olien Reduktion 01, Seite 14, 17. Juni2010
16 Beispiel: Kaffeebohnenprobleme Wort aus weißen und schwarzen Kaffeebohnen Kaffeebohnen 1 Die Spielregeln des ersten Spiels sind: sw s ws s ss w Deduktion, SS 10, F olien Reduktion 01, Seite 15, 17. Juni2010
17 Beispiel: Kaffeebohnenproblem 1 Reduktionssequenz: wwsswwss wwsswss wwwwss wwwsss wwss wss ss w Richtig gespielt: eine weiße Bohne übrig, (wg. Parität) andere Ergebnisse aus nur weißen Bohnen sind möglich. Deduktion, SS 10, F olien Reduktion 01, Seite 16, 17. Juni2010
18 Kaffebohnenbeispiel 2 sw s ws s ss w ww w Ergebnis ist jetzt eindeutig. Ergebnis unabhängig ist von der Reihenfolge der Regelanwendungen Nachweis durch Betrachtung von Überlappungen: wss kann ss bzw. ww sein Terminierung gilt. Deduktion, SS 10, F olien Reduktion 01, Seite 17, 17. Juni2010
19 Kaffebohnenbeispiel 3 Wie 2, aber die Anzahl der Bohnen kann zwischendurch ansteigen: sw wwws ws s ss wwww ww w Deduktion, SS 10, F olien Reduktion 01, Seite 18, 17. Juni2010
20 Kaffebohnenbeispiel 4 Bohnen sind Multimenge Regeln gelten für Multimengen hat: sw s ss w ww w Auch hier: Ergebnis unabhängig von der Reihenfolge. Deduktion, SS 10, F olien Reduktion 01, Seite 19, 17. Juni2010
21 Beispiel: Lambdakalkül λ-terme λx.x λx.(λy.(x y)) λx.(λy.x) λx.λy.λz(xz)(yz) ist die Identität I Anwendung (ist bekannt als K-Kombinator mit (K x) y x ) (ist bekannt als S-Kombinator mit ((S x) y) z (x z)(y z) Reduktion: Einsetzen von aktuellen Parametern für formale Parameter: (λx.(λy.x)a)b ((λy.a)b) a (λx.x x) Deduktion, SS 10, F olien Reduktion 01, Seite 20, 17. Juni2010
22 Grundlagen: Relationen, Reduktion, Konfluenz, Erinnerung. und Terminierung Eine binäre Relation R auf einer Menge M heißt reflexiv : x M : xrx. transitiv : x, y, z M : xry yrz xrz. symmetrisch : x, y M : xry yrx. antisymmetrisch : x, y M : xry yrx x = y asymmetrisch : x, y M : xry (yrx) irreflexiv : x M : xrx linear(total) : x, y M : xry x = y yrx Eine reflexive, transitive Relation heißt Präordnung (Quasi-Ordnung). Eine lineare reflexive Ordnung heißt lineare Ordnung (totale Ordnung). Deduktion, SS 10, F olien Reduktion 01, Seite 21, 17. Juni2010
23 Eine partielle Ordnung ist definiert als eine Relation auf M, die reflexiv, transitiv und antisymmetrisch ist. Der strikte Anteil {(x, y) x y}, bezeichnet mit < Quasi-Ordnungen definieren eine Äquivalenzrelation mittels x y gdw. x y und y x. partielle Ordnung auf den Äquivalenzklassen: [x] [y] gdw x y.
24 Grundlagen: Relationen Sei (M, R) eine partielle Ordnung und sei N M. 1. a N heißt größtes Element von N, wenn es größer als alle anderen Elemente von N ist : ( x N : xra). 2. a N heißt kleinstes Element von N, wenn es kleiner als alle anderen Elemente ist : x N : arx. 3. a heißt maximal, wenn es kein echt größeres Element gibt. 4. a heißt minimal, wenn es kein echt kleineres Element gibt. 5. obere Schranken von N: ub(n) := {x M y N : yrx}. Deduktion, SS 10, F olien Reduktion 01, Seite 23, 17. Juni2010
25 6. untere Schranken von N: lb(n) := {x M y N : xry}. 7. minimale Elemente in ub(n): lub(n) 8. maximale Elemente in lb(n): glb(n)
26 Wortproblem Sei E eine Menge und eine Äquivalenzrelation auf E. Dann ist das Wortproblem zu (E, ) gegeben durch: Eingabe: u, v E Frage: Gilt u v? Erweiterte Frage: Gibt es einen Entscheidungs-Algorithmus zu u v? Deduktion, SS 10, F olien Reduktion 01, Seite 25, 17. Juni2010
27 Grundlagen: Reduktion (E, ) nennt man ein abstraktes Reduktionssystem: wenn E eine Menge und zweistellige Relation auf E ist Bezeichnungen: x 0 y gdw. x = y x i+1 y gdw. y.x i y y y x + y gdw. i > 0 : x i y x y gdw. i 0 : x i y x y gdw. x y oder y x Die Relationen +,, i sind analog zu +,, i definiert. Deduktion, SS 10, F olien Reduktion 01, Seite 26, 17. Juni2010
28 Grundlagen: Reduktion a ist reduzibel, falls es ein b gibt mit a b, sonst ist a irreduzibel. b ist eine Normalform zu a, falls a b und b irreduzibel ist. Hat a genau eine Normalform, so wird sie mit a bezeichnet. a, b heißen zusammenführbar (konfluent), falls es ein c gibt mit a c und b c. a b. Deduktion, SS 10, F olien Reduktion 01, Seite 27, 17. Juni2010
29 Wortproblem und Reduktion Lösung des Wortproblems zu (E, ) mittels Reduktionssystem (E, ) mit den Eigenschaften: Jedes u E hat genau eine Normalform u. u v gdw. u = v. Das ist eine Lösung des Wortproblems, falls effektiv ist. I.a.nimmt man = Deduktion, SS 10, F olien Reduktion 01, Seite 28, 17. Juni2010
Zusammenfassung des Stoffes zur Vorlesung Formale Systeme
Zusammenfassung des Stoffes zur Vorlesung Formale Systeme Max Kramer 13. Februar 2009 Diese Zusammenfassung entstand als persönliche Vorbereitung auf die Klausur zur Vorlesung Formale Systeme von Prof.
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Relationen)
WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Relationen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrMengen. Eigenschaften. Spezielle Mengen (1) Prominente Mengen. ! Mengenzugehörigkeit
Mengen! Definition (Intuitive Mengenlehre) Eine Menge ist die Zusammenfassung von Elementen unserer Anschauung zu einem wohldefinierten Ganzen. (Georg Cantor)! Notation 1. Aufzählung aller Elemente: {
MehrBeispiele für Relationen
Text Relationen 2 Beispiele für Relationen eine Person X ist Mutter von einer Person Y eine Person X ist verheiratet mit einer Person Y eine Person X wohnt am gleichen Ort wie eine Person Y eine Person
MehrR = {(1, 1), (2, 2), (3, 3)} K 1 = {1} K 2 = {2} K 3 = {3}
Äquivalenzrelationen Aufgabe 1. Lesen Sie im Skript nach was eine Äquivalenzrelation und eine Äquivalenzklasse ist. Gegeben ist die Menge A = {1, 2, 3. Finden Sie 3 Äquivalenzrelationen auf A und geben
MehrSpickzettel Mathe C1
Spickzettel Mathe C1 1 Mengenlehre 1.1 Potenzmenge Die Potenzmenge P (Ω) einer Menge Ω ist die Menge aller Teilmengen von Ω. Dabei gilt: P (Ω) := {A A Ω} card P (Ω) = 2 card Ω P (Ω) 1.2 Mengenalgebra Eine
MehrVorlesung 4. Tilman Bauer. 13. September Wir befassen uns in dieser Vorlesung noch einmal mit Mengen.
Vorlesung 4 Universität Münster 13. September 2007 1 Kartesische Wir befassen uns in dieser Vorlesung noch einmal mit Mengen. Seien M und N zwei Mengen. Dann bezeichnen wir mit M N das (kartesische) Produkt
Mehrmathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen
Einführung in die Logik - 6 mathematische Grundlagen der Modelltheorie: Mengen, Relationen, Funktionen Modelltheoretische / Denotationelle Semantik der Prdikatenlogik Ein Modell ist ein künstlich geschaffenes
MehrInformationsverarbeitung auf Bitebene
Informationsverarbeitung auf Bitebene Dr. Christian Herta 5. November 2005 Einführung in die Informatik - Informationsverarbeitung auf Bitebene Dr. Christian Herta Grundlagen der Informationverarbeitung
Mehr1.4 Äquivalenzrelationen
8 1.4 Äquivalenzrelationen achdem nun die axiomatische Grundlage gelegt ist, können wir uns bis zur Einführung der Kategorien das Leben dadurch erleichtern, daß wir bis dorthin, also bis auf weiteres,
Mehr5 Relationen. Formale Grundlagen der Informatik I Herbstsemester 2012. Robert Marti
Formale Grundlagen der Informatik I Herbstsemester 2012 Robert Marti Vorlesung teilweise basierend auf Unterlagen von Prof. emer. Helmut Schauer Allgemeine Definition einer Relation Eine n-stellige Relation
Mehr6. Induktives Beweisen - Themenübersicht
6. Induktives Beweisen - Themenübersicht Ordnungsrelationen Partielle Ordnungen Quasiordnungen Totale Ordnungen Striktordnungen Ordnungen und Teilstrukturen Noethersche Induktion Anwendung: Terminierungsbeweise
MehrSyntax der Aussagenlogik. Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen. Formel als Syntaxbaum. Teilformel A 3 A 1 A 4
Syntax der Vorlesung Logik Sommersemester 2012 Universität Duisburg-Essen Barbara König Übungsleitung: Christoph Blume Eine atomare Formel hat die Form A i (wobei i = 1, 2, 3,...). Definition (Formel)
MehrInferenzmethoden. Einheit 18. Logik höherer Stufe
Inferenzmethoden Einheit 18 Logik höherer Stufe 1. Syntax und Semantik 2. Simulation mathematischer Konstrukte 3. Beweisführung in Logik höherer Stufe Logik höherer Stufe Logik erster Stufe hat nur einfache
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
MehrTheoretische 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
MehrFormalisierung von Sudoku Formalisieren Sie das Sudoku-Problem:
Formalisierung von Sudoku Formalisieren Sie das Sudoku-Problem: 4 4 4 4 4 1 1 1 1 2 2 3 3 5 5 5 5 5 5 6 6 6 7 7 8 8 9 9 9 9 9 8 6 Verwenden Sie dazu eine atomare Formel A[n, x, y] für jedes Tripel (n,
MehrLogik für Informatiker. 1. Grundlegende Beweisstrategien. Viorica Sofronie-Stokkermans Universität Koblenz-Landau
Logik für Informatiker 1. Grundlegende Beweisstrategien Viorica Sofronie-Stokkermans Universität Koblenz-Landau e-mail: sofronie@uni-koblenz.de 1 Mathematisches Beweisen Mathematische ussagen - haben oft
Mehr3. Relationen Erläuterungen und Schreibweisen
3. Relationen Eine Relation ist allgemein eine Beziehung, die zwischen Dingen bestehen kann. Relationen im Sinne der Mathematik sind ausschließlich diejenigen Beziehungen, bei denen stets klar ist, ob
MehrAlgebraische Kurven. Holger Grzeschik
Algebraische Kurven Holger Grzeschik 29.04.2004 Inhaltsübersicht 1.Einführung in die Theorie algebraischer Kurven 2.Mathematische Wiederholung Gruppen, Ringe, Körper 3.Allgemeine affine Kurven 4.Singuläre
MehrWas bisher geschah. deklarative Programmierung. funktionale Programmierung (Haskell):
Was bisher geschah deklarative Programmierung funktional: Programm: Menge von Termgleichungen, Term Auswertung: Pattern matsching, Termumformungen logisch: Programm: Menge von Regeln (Horn-Formeln), Formel
MehrTheoretische Informatik II
Vorlesung Theoretische Informatik II Bernhard Beckert Institut für Informatik Wintersemester 2007/2008 B. Beckert Theoretischen Informatik II: WS 2007/08 1 / 179 Dank Diese Vorlesungsmaterialien basieren
MehrÜbung 4: Aussagenlogik II
Übung 4: Aussagenlogik II Diskrete Strukturen im Wintersemester 2013/2014 Markus Kaiser 8. Januar 2014 1/10 Äquivalenzregeln Identität F true F Dominanz F true true Idempotenz F F F Doppelte Negation F
MehrLogik (Teschl/Teschl 1.1 und 1.3)
Logik (Teschl/Teschl 1.1 und 1.3) Eine Aussage ist ein Satz, von dem man eindeutig entscheiden kann, ob er wahr (true, = 1) oder falsch (false, = 0) ist. Beispiele a: 1 + 1 = 2 b: Darmstadt liegt in Bayern.
MehrEinführung in die Mengenlehre
Einführung in die Mengenlehre D (Menge von Georg Cantor 845-98) Eine Menge ist eine Zusammenfassung bestimmter wohlunterschiedener Objekte unseres Denkens oder unserer Anschauung zu einem Ganzen wobei
MehrRechnerstrukturen. Michael Engel und Peter Marwedel WS 2013/14. TU Dortmund, Fakultät für Informatik
Rechnerstrukturen Michael Engel und Peter Marwedel TU Dortmund, Fakultät für Informatik WS 2013/14 Folien a. d. Basis von Materialien von Gernot Fink und Thomas Jansen 21. Oktober 2013 1/33 1 Boolesche
MehrKapitel 2 Mathematische Grundlagen
Kapitel 2 Mathematische Grundlagen Ziel: Einführung/Auffrischung einiger mathematischer Grundlagen 2.1 Mengen, Relationen, Ordnungen Definition: Eine Menge ist eine Zusammenfassung von wohlbestimmten und
MehrBinäre 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.
MehrIn diesem Kapitel wiederholen wir Begriffe und Notationen für grundlegende mathematische
Kapitel 1 Mathematische Objekte In diesem Kapitel wiederholen wir Begriffe und Notationen für grundlegende mathematische Objekte wie Tupel, Mengen, Relationen und Funktionen. Außerdem erklären wir die
MehrAxiomatische Beschreibung der ganzen Zahlen
Axiomatische Beschreibung der ganzen Zahlen Peter Feigl JKU Linz peter.feigl@students.jku.at 0055282 Claudia Hemmelmeir JKU Linz darja@gmx.at 0355147 Zusammenfassung Wir möchten in diesem Artikel die ganzen
MehrMathematik für Informatiker I
Mathematik für Informatiker I Mitschrift zur Vorlesung vom 19.10.2004 In diesem Kurs geht es um Mathematik und um Informatik. Es gibt sehr verschiedene Definitionen, aber für mich ist Mathematik die Wissenschaft
MehrTechnische Universität München
Stand der Vorlesung Kapitel 2: Auffrischung einiger mathematischer Grundlagen Mengen, Potenzmenge, Kreuzprodukt (Paare, Tripel, n-tupel) Relation: Teilmenge MxN Eigenschaften: reflexiv, symmetrisch, transitiv,
MehrDer λ-kalkül. Frank Huch. Sommersemester 2015
Der λ-kalkül Frank Huch Sommersemester 2015 In diesem Skript werden die Grundlagen der Funktionalen Programmierung, insbesondere der λ-kalkül eingeführt. Der hier präsentierte Stoff stellt einen teil der
MehrGrundlagen der Mathematik
Grundlagen der Mathematik Übungsaufgaben zu Kapitel 1 Einführung 1.1.1 Für reelle Zahlen a und b gilt (a+b) (a-b) = a 2 -b 2. Was ist die Voraussetzung? Wie lautet die Behauptung? Beweisen Sie die Behauptung.
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 1 Logik,, Doris Bohnet Universität Hamburg - Department Mathematik Mo 6.10.2008 Zeitplan Tagesablauf: 9:15-11:45 Vorlesung Audimax I 13:00-14:30 Übung Übungsräume
MehrEinführung in die Informatik Algorithms
Einführung in die Informatik Algorithms Vom Problem zum Algorithmus und zum Programm Wolfram Burgard Cyrill Stachniss 1.1 Motivation und Einleitung In der Informatik sucht man im Normalfall nach Verfahren
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Teil 3: Logik 1 Aussagenlogik Einleitung Eigenschaften Äquivalenz Folgerung Normalformen 2 Prädikatenlogik Wenn eine Karte
MehrWas bisher geschah: Formale Sprachen
Was bisher geschah: Formale Sprachen Alphabet, Wort, Sprache Operationen und Relationen auf Wörtern und Sprachen Darstellung unendlicher Sprachen durch reguläre Ausdrücke (Syntax, Semantik, Äquivalenz)
Mehr3. Grundlegende Begriffe von Logiken - Aussagenlogik
3. Grundlegende Begriffe von Logiken - Aussagenlogik Wichtige Konzepte und Begriffe in Logiken: Syntax (Signatur, Term, Formel,... ): Festlegung, welche syntaktischen Gebilde als Formeln (Aussagen, Sätze,
Mehr1 Algebraische Strukturen
Prof. Dr. Rolf Socher, FB Technik 1 1 Algebraische Strukturen In der Mathematik beschäftigt man sich oft mit Mengen, auf denen bestimmte Operationen definiert sind. Es kommt oft vor, dass diese Operationen
MehrTU5 Aussagenlogik II
TU5 Aussagenlogik II Daniela Andrade daniela.andrade@tum.de 21.11.2016 1 / 21 Kleine Anmerkung Meine Folien basieren auf den DS Trainer von Carlos Camino, den ihr auf www.carlos-camino.de/ds findet ;)
MehrAlgorithmen & Programmierung. Ausdrücke & Operatoren (1)
Algorithmen & Programmierung Ausdrücke & Operatoren (1) Ausdrücke Was ist ein Ausdruck? Literal Variable Funktionsaufruf Ausdruck, der durch Anwendung eines einstelligen (unären) Operators auf einen Ausdruck
MehrTechnische Informatik - Eine Einführung
Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Technische Informatik - Eine Einführung Boolesche Funktionen - Grundlagen
MehrDiskrete Strukturen Kapitel 2: Grundlagen (Beweise)
WS 2014/15 Diskrete Strukturen Kapitel 2: Grundlagen (Beweise) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_14
MehrKlausur zur Vorlesung Mathematische Logik
Universität Heidelberg 13. Februar 2014 Institut für Informatik Prof. Dr. Klaus Ambos-Spies Dipl.-Math. Thorsten Kräling Klausur zur Vorlesung Mathematische Logik Musterlösung Aufgabe 1 (Aussagenlogik
MehrLogic in a Nutshell. Christian Liguda
Logic in a Nutshell Christian Liguda Quelle: Kastens, Uwe und Büning, Hans K., Modellierung: Grundlagen und formale Methoden, 2009, Carl Hanser Verlag Übersicht Logik - Allgemein Aussagenlogik Modellierung
MehrWiederholung ADT Menge Ziel: Verwaltung (Finden, Einfügen, Entfernen) einer Menge von Elementen
Was bisher geschah abstrakter Datentyp : Signatur Σ und Axiome Φ z.b. ADT Menge zur Verwaltung (Finden, Einfügen, Entfernen) mehrerer Elemente desselben Typs Spezifikation einer Schnittstelle Konkreter
MehrTeil 1: Digitale Logik
Teil 1: Digitale Logik Inhalt: Boolesche Algebra kombinatorische Logik sequentielle Logik kurzer Exkurs technologische Grundlagen programmierbare logische Bausteine 1 Analoge und digitale Hardware bei
MehrBeispiel Aussagenlogik nach Schöning: Logik...
Beispiel Aussagenlogik nach Schöning: Logik... Worin besteht das Geheimnis Ihres langen Lebens? wurde ein 100-jähriger gefragt. Ich halte mich streng an die Diätregeln: Wenn ich kein Bier zu einer Mahlzeit
MehrA.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
MehrMathematik 1 für Informatik Inhalt Grundbegrie
Mathematik 1 für Informatik Inhalt Grundbegrie Mengen, speziell Zahlenmengen Aussagenlogik, Beweistechniken Funktionen, Relationen Kombinatorik Abzählverfahren Binomialkoezienten Komplexität von Algorithmen
Mehr2 Modellierung mit Wertebereichen
2 Modellierung mit Wertebereichen Mod-2.1 In der Modellierung von Systemen, Aufgaben, Lösungen kommen Objekte unterschiedlicher Art und Zusammensetzung vor. Für Teile des Modells wird angegeben, aus welchem
MehrGrundbegriffe der Informatik Tutorium 7
Grundbegriffe der Informatik Tutorium 7 Tutorium Nr. 16 Philipp Oppermann 16. Dezember 2014 KARLSRUHER INSTITUT FÜR TECHNOLOGIE KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
MehrGeordnete Mengen. Eine Relation heißt Ordnung oder Ordnungsrelation, wenn sie reflexiv, transitiv und antisymmetrisch ist.
Geordnete Mengen Eine Relation heißt Ordnung oder Ordnungsrelation, wenn sie reflexiv, transitiv und antisymmetrisch ist. Ist eine Ordnungsrelation auf eine geordnete Menge., dann nennt man Die Namensgebung
MehrRelationen A = Z A = R. R = {(a, b) a, b Z, a b} R = {(a, b) a, b R, a 3 = b 3 } R =, R = {(a, b) a, b N 0, a b ist ungerade }, A = N 0 A = N
Relationen Aufgabe 1. Überlegen Sie, wie man folgende Relationen R grafisch darstellen könnte und entscheiden Sie, ob die Relationen reflexiv auf A, symmetrisch bzw. transitiv sind. Geben Sie eine kurze
MehrLogische Strukturen 7. Vorlesung
Logische Strukturen 7. Vorlesung Martin Dietzfelbinger 18. Mai 2010 Kapitel 2 Prädikatenlogik Was ist das? Logik und Strukturen Natürliches Schließen Normalformen Herbrand-Theorie Prädikatenlogische Resolution
MehrKapitel 1. Grundlagen Mengen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrAussagenlogik zu wenig ausdrucksstark für die meisten Anwendungen. notwendig: Existenz- und Allaussagen
Prädikatenlogik 1. Stufe (kurz: PL1) Aussagenlogik zu wenig ausdrucksstark für die meisten Anwendungen notwendig: Existenz- und Allaussagen Beispiel: 54 Syntax der Prädikatenlogik erster Stufe (in der
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
MehrSemantische Bewertung und personalisierte Erzeugung von Übungsaufgaben zu Mathematik, Logik, Informatik
Semantische Bewertung und personalisierte Erzeugung von Übungsaufgaben zu Mathematik, Logik, Informatik Johannes Waldmann (HTWK Leipzig) September 2, 2014 Beispiel (Sicht des Studenten) Gesucht ist ein
MehrZusammenfassung. 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
Mehr4 Einige Grundstrukturen. Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper
4 Einige Grundstrukturen Themen: Abbildungen und Relationen Gruppen Die natürlichen Zahlen Körper Abbildungen Seien X und Y Mengen. Eine (einstellige) Abbildung f : X Y ordnet jedem x X genau ein Element
MehrProgrammierung 1 - Repetitorium
WS 2002/2003 Programmierung 1 - Repetitorium Andreas Augustin und Marc Wagner Homepage: http://info1.marcwagner.info Donnerstag, den 10.04.03 Kapitel 7 Korrektheit 7.1 Abstrakte Prozeduren Abstrakte Prozedur
MehrVorlesung: Nicht-kooperative Spieltheorie. Teil 1: Organisatorisches, Inhalte der Vorlesung und Nutzentheorie
Vorlesung: Nicht-kooperative Spieltheorie Teil 1: Organisatorisches, Inhalte der Vorlesung Dr. Thomas Krieger Wintertrimester 2009 Dr. Thomas Krieger Vorlesung: Nicht-kooperative Spieltheorie 1 / 15 Organisatorisches
MehrWie 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$Id: gruppen.tex,v /04/24 15:25:02 hk Exp $ $Id: ring.tex,v /04/24 15:35:17 hk Exp $
$Id: gruppen.tex,v 1.13 2012/04/24 15:25:02 hk Exp $ $Id: ring.tex,v 1.11 2012/04/24 15:35:17 hk Exp $ 2 Gruppen 2.3 Zyklische Gruppen Wir hatten am Ende der letzten Sitzung bewiesen, dass in einer endlichen
MehrAnhang B. Relationenalgebraische Definitionen. B.1 Relationen
Anhang B Relationenalgebraische Definitionen Die relationenalgebraischen Definitionen bilden die Grundlage der formalen Aspekte der Projekte WebReference und InterMediate [Her00]. Sie sind [SS89] entnommen.
MehrPermutationen und symmetrische Gruppe
Permutationen und symmetrische Gruppe Für eine beliebige Menge M bilden die Bijektionen von M in M, versehen mit der Komposition von Abbildungen als Operation, eine Gruppe, die sogenannte symmetrische
MehrTeil 7. Grundlagen Logik
Teil 7 Grundlagen Logik Was ist Logik? etymologische Herkunft: griechisch bedeutet Wort, Rede, Lehre (s.a. Faust I ) Logik als Argumentation: Alle Menschen sind sterblich. Sokrates ist ein Mensch. Also
MehrInformatik 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
MehrGrundlagen der Programmierung 2. Sortierverfahren
Grundlagen der Programmierung 2 Sortierverfahren Prof. Dr. Manfred Schmidt-Schauÿ Künstliche Intelligenz und Softwaretechnologie 30. Mai 2006 Sortieren Ziel: Bringe Folge von Objekten in eine Reihenfolge
MehrKapitel 9. Komplexität von Algorithmen und Sortieralgorithmen
1 Kapitel 9 Komplexität von Algorithmen und Sortieralgorithmen Ziele 2 Komplexität von Algorithmen bestimmen können (in Bezug auf Laufzeit und auf Speicherplatzbedarf) Sortieralgorithmen kennenlernen:
MehrDatenstruktur 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.
MehrKapitel 4. Induktive Definitionen und Beweise
Kapitel 4 Induktive Definitionen und Beweise Bei der Definition der Semantik der Programmiersprache IMP haben wir an vielen verschiedenen Stellen induktive Definitionen benutzt: angefangen bei der Syntax
MehrGrundlagen 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,
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Mehr7 Vektorräume und Körperweiterungen
$Id: vektor.tex,v 1.3 2009/05/25 15:03:47 hk Exp $ 7 Vektorräume und Körperweiterungen Wir sind gerade bei der Besprechung derjenigen Grundeigenschaften des Tensorprodukts, die mit vergleichsweise wenig
Mehr1 Definition von Relation, Äquivalenzrelation und Äquivalenzklassen
1 Definition von Relation, Äquivalenzrelation und Äquivalenzklassen Einleitung 1 Wie der Name schon sagt sind Äquivalenzrelationen besondere Relationen. Deswegen erkläre ich hier ganz allgemein, was Relationen
Mehr14. Zur algebraischen Behandlung von Widerstandsschaltungen
4 Zur algebraischen Behandlung von Widerstandsschaltungen Mathematisch- physikalische Semesterberichte 9 (972), 59-65 Bekanntlich ergibt sich für zwei Widerstände R und R 2 als Gesamtwiderstand R r bei
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
MehrAussagenlogik. Aussagen und Aussagenverknüpfungen
Aussagenlogik Aussagen und Aussagenverknüpfungen Aussagen sind Sätze, von denen sich sinnvollerweise sagen läßt, sie seien wahr oder falsch. Jede Aussage besitzt also einen von zwei möglichen Wahrheitswerten,
MehrOrdnungsrelationen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden
Ordnungsrelationen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Geordnete Mengen Eine Relation R A A heißt Ordnung oder Ordnungsrelation, wenn sie reflexiv,
MehrKapitel 5: Applikative Programmierung
Kapitel 5: Applikative Programmierung In der applikativen Programmierung wird ein Programm als eine mathematische Funktion von Eingabe-in Ausgabewerte betrachtet. Das Ausführen eines Programms besteht
MehrKapitel 9. Komplexität von Algorithmen und Sortieralgorithmen
Kapitel 9 Komplexität von Algorithmen und Sortieralgorithmen Arrays 1 Ziele Komplexität von Algorithmen bestimmen können (in Bezug auf Laufzeit und auf Speicherplatzbedarf) Sortieralgorithmen kennenlernen:
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Definition Sei A eine Menge und ɛ A A A eine zweistellige
MehrAlgorithmen für OBDD s. 1. Reduziere 2. Boole sche Operationen
Algorithmen für OBDD s 1. Reduziere 2. Boole sche Operationen 1 1. Reduziere siehe auch M.Huth und M.Ryan: Logic in Computer Science - Modelling and Reasoning about Systems, Cambridge Univ.Press, 2000
MehrÜbungen zu Logik und Künstliche Intelligenz Blatt 8
Heilbronn, den 14.5.2010 Prof. Dr. V. Stahl WS 10/11 Übungen zu Logik und Künstliche Intelligenz Blatt 8 Aufgabe 1. Überlegen Sie, wie man folgende Relationen R grafisch darstellen könnte und entscheiden
MehrII. Grundlagen der Programmierung
II. Grundlagen der Programmierung II.1. Zahlenssteme und elementare Logik 1.1. Zahlenssteme 1.1.1. Ganze Zahlen Ganze Zahlen werden im Dezimalsstem als Folge von Ziffern 0, 1,..., 9 dargestellt, z.b. 123
Mehr17 R E L AT I O N E N
17 R E L AT I O N E N 17.1 äquivalenzrelationen 17.1.1 Definition In Abschnitt 11.2.1 hatten wir schon einmal erwähnt, dass eine Relation R M M auf einer Menge M, die reflexiv, symmetrisch und transitiv
MehrMathematik für Informatiker 1 Tutorium
Mathematik für Informatiker 1 Tutorium Malte Isberner 9.1.2014 M. Isberner MafI1-Tutorium 9.1.2014 1 / 12 Thema heute Thema heute: Verbände M. Isberner MafI1-Tutorium 9.1.2014 2 / 12 Verbände Was ist ein
MehrProbeklausur der Tutoren
Probeklausur der Tutoren Informatik II SS2005 Lösungsvorschlag Aufgabe 1: Verständnis- und Wissensfragen (6 Punkte) Kreuzen Sie an, ob die Aussage wahr ( W ) oder falsch ( F ) ist. Hinweis: Jedes korrekte
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 8: kontextfreie Grammatiken Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2009/2010 1/37 Überblick Kontextfreie Grammatiken
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
MehrFormale Methoden in der Informatik Wiederholung klassische Logik Konkrete Datentypen (algebraische Strukturen) Abstrakte Datentypen
Was bisher geschah Formale Methoden in der Informatik Wiederholung klassische Logik Konkrete Datentypen (algebraische Strukturen) Abstrakte Datentypen Syntax: Signatur Semantik: Axiome (FOL-Formeln, meist
MehrKlausur Formale Systeme Fakultät für Informatik WS 2009/2010. Prof. Dr. Bernhard Beckert. 18. Februar 2010
Klausur Formale Systeme Fakultät für Informatik Name: Mustermann Vorname: Peter Matrikel-Nr.: 0000000 Klausur-ID: 0000 WS 2009/2010 Prof. Dr. Bernhard Beckert 18. Februar 2010 A1 (15) A2 (10) A3 (10) A4
MehrGrundkurs Semantik. Sitzung 3: Mengenlehre. Andrew Murphy
Grundkurs Semantik Sitzung 3: Mengenlehre Andrew Murphy andrew.murphy@uni-leizpig.de Grundkurs Semantik HU Berlin, Sommersemester 2015 http://www.uni-leipzig.de/ murphy/semantik15 15. Mai 2015 Basiert
MehrWas bisher geschah. Darstellung von Sprachen Ausführen von Berechnungen
Was bisher geschah Alphabet, Wort, Sprache Operationen auf Wörtern: Spiegelung R, Verkettung Palindrome Relationen zwischen Wörtern: Präfix, Infix, Postfix Wortersetzungssystem S: Regeln (l r), Ersetzungsschritt
Mehr4: Algebraische Strukturen / Gruppen
Stefan Lucks Diskrete Strukturen (WS 2009/10) 120 4: Algebraische Strukturen / Gruppen Definition 46 Sei G eine nichtleere Menge. Eine Funktion : G G G bezeichnen wir als Verknüpfung auf G. Das Paar (G,
Mehr