4. Funktionen und Relationen

Ähnliche Dokumente
Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen

Funktionen (Teschl/Teschl 5.2) Beispiele. Eine Funktion (oder Abbildung) f : M N,

Eine Relation R in einer Menge M ist eine Teilmenge von M x M. Statt (a,b) R schreibt man auch arb.

Mathematische Grundlagen der Computerlinguistik Ordnungsrelationen

Mathematik I 1. Scheinklausur

2 Mengen, Relationen, Funktionen

Grundlagen der linearen Algebra und analytischen Geometrie

Grundbegriffe der Informatik

MATHEMATIK FÜR NATURWISSENSCHAFTLER I WINTERSEMESTER 2016/ OKTOBER 2016

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18

WS 2009/10. Diskrete Strukturen

Reelle Zahlen, Gleichungen und Ungleichungen

Grundbegriffe der Mathematik - Blatt 1, bis zum

Zahlen und metrische Räume

Konstruktion der reellen Zahlen

Einführung in die Mengenlehre

Grundlagen der Mathematik

Zahlen und metrische Räume

Diskrete Strukturen Kapitel 2: Grundlagen (Relationen)

Weitere Eigenschaften

Kapitel 2 Mathematische Grundlagen

Funktionen (Teschl/Teschl 5.2) Beispiele. Eine Funktion (oder Abbildung) f : M N,

Logische Grundlagen der Mathematik, WS 2014/15

3. Relationen Erläuterungen und Schreibweisen

Tutorium: Diskrete Mathematik

Diskrete Mathematik Kongruenzen

Kapitel 2 Mathematische Grundlagen

Abschnitt 3: Mathematische Grundlagen

Endgültige Gruppeneinteilung Kohorte Innere-BP Sommersemester 2016 (Stand: )

Zahlen und elementares Rechnen

Grundbegriffe der Informatik

Axiomatik der reellen Zahlen

Grundbegriffe der Informatik

FU Berlin: WiSe (Analysis 1 - Lehr.) Übungsaufgaben Zettel 5. Aufgabe 18. Aufgabe 20. (siehe Musterlösung Zettel 4)

Aussagenlogik. Mengenlehre. Relationen. Funktionen. Zahlentheorie. Vollständige Induktion. Reihen. Zahlenfolgen. WS 2016/17 Torsten Schreiber

Schulstoff. Übungen zur Einführung in die Analysis. (Einführung in das mathematische Arbeiten) Sommersemester 2010

Algebraische Strukturen und Verbände

Mathematik. FOS 11. Jahrgangsstufe (technisch) c 2003, Thomas Barmetler Stand: 23. Juli Kontakt und weitere Infos:

Zahlen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden

13. Funktionen in einer Variablen

Grundlagen. Kapitel Mengen

x A, x / A x ist (nicht) Element von A. A B, A B A ist (nicht) Teilmenge von B. A B, A B A ist (nicht) echte Teilmenge von B.

SBP Mathe Grundkurs 1 # 0 by Clifford Wolf. SBP Mathe Grundkurs 1

Diskrete Strukturen. Wintersemester 2007/08 Lösungsblatt Januar 2008

1 Axiomatische Charakterisierung der reellen. 3 Die natürlichen, die ganzen und die rationalen. 4 Das Vollständigkeitsaxiom und irrationale

Kapitel 1. Grundlagen Mengen

GRUNDLAGEN MATHEMATIK

modulo s auf Z, s. Def

Mathematik für Informatik 3

Abschnitt 3: Mathematische Grundlagen

Kapitel 1. Grundlagen

Relationen (Teschl/Teschl 5.1)

: das Bild von ) unter der Funktion ist gegeben durch

(1.18) Def.: Eine Abbildung f : M N heißt

Vorkurs Mathematik 1

Seminar zum Thema Kryptographie

Einführung in die Theoretische Informatik

Kapitel 3 Relationen, Ordnung und Betrag

Kapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung

Ordnungsrelationen auf Mengen. Beispiel einer Ordnungsrelation. Spezielle Elemente von Ordnungen. Spezielle Elemente von Ordnungen

Bemerkungen zur Notation

Surjektive, injektive und bijektive Funktionen.

Mathematische Grundlagen der Computerlinguistik Relationen und Funktionen

Vorlesung. Inhalt. Lineare Algebra und Wahrscheinlichkeitsrechnung für Informatik Gunter Ochs, Nico Rompos Sommersemester 2016

2 Rationale und reelle Zahlen

1. Aufgabe: Es seien A, B und C Aussagen. Zeigen Sie, dass die folgenden Rechenregeln richtig sind: (c) A B = A B und A B = A B.

Kapitel 4 KONSTRUKTION DER REELLEN ZAHLEN

Lineare Algebra I 5. Tutorium Die Restklassenringe /n

Relationen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden

Ein geordnetes Paar (oder: ein 2-Tupel) enthält immer zwei Elemente, deren Reihenfolge festgelegt ist. Mehrfachnennungen sind nicht erlaubt!

3. Diskrete Mathematik

Dezimalzahlen. Analysis 1

Mathematik für Wirtschaftswissenschaftler

4. Weitere Eigenschaften der reellen Zahlen: Geordnete Körper

Brückenkurs Mathematik für Studierende der Chemie

Diskrete Mathematik. Sebastian Iwanowski FH Wedel. Kap. 4: Zahlentheorie

Dieses Kapitel vermittelt:

Serie 3: Ringe, Körper, Vektorräume

2 Die Menge der ganzen Zahlen. von Peter Franzke in Berlin

Diskrete Strukturen 5.9 Permutationsgruppen 168/558 c Ernst W. Mayr

Analysis I. 4. Beispielklausur mit Lösungen

Lineare Algebra I. Anhang. A Relationen. Heinz H. GONSKA, Maria D. RUSU, Michael WOZNICZKA. Wintersemester 2009/10

3.4 Fixpunkttheorie auf Partialordnungen

Technische Universität München. Ferienkurs Lineare Algebra 1. Mengenlehre, Aussagen, Relationen und Funktionen. Aufgaben mit Musterlösung

Zahlen und elementares Rechnen (Teil 1)

3. Relationen. 3.1 Kartesische Produkte 3.2 Zweistellige Relationen 3.3 Äqivalenzrelationen 3.4 Halbordnungen 3.5 Hüllen. Rolf Linn. 3.

Hauptsatz der Zahlentheorie.

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 3. Übung: Woche vom bis

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/2018

Geordnete Mengen. Eine Relation heißt Ordnung oder Ordnungsrelation, wenn sie reflexiv, transitiv und antisymmetrisch ist.

2 Rationale und reelle Zahlen

Kapitel 1. Grundlagen

3.6 Einführung in die Vektorrechnung

2. Spezielle anwendungsrelevante Funktionen

Mathematik 3 für Informatik im Februar/März 2016 Teil 1: Analysis

Mathematische Strukturen

Spickzettel Mathe C1

Übungen zu Einführung in die Lineare Algebra und Geometrie

Transkript:

Bestimmung der Umkehrfunktionen c) bei reellen Funktionen geometrisch durch Spiegelung des Funktionsgraphen an der Winkelhalbierenden y = x. y = x 3 y = x y = x y = (x+1)/2 y = x 1/3 y = 2x 1 Seite 27 Beispiel: a) f: R R, f(x) = x 2. injektiv: f(-1) = 1 und f(1) = 1. surjektiv: f(x) = -1 hat kein Urbild in R b) f: R + R, f(x) = x 2 c) f: R R +, f(x) = x 2.injektiv: x= f(x) eindeutig lösbar.surjektiv: siehe a) injektiv: siehe a).: f(x) 0, alle f(x) haben Urbild d) f: R + R +, f(x) = x 2..injektiv: siehe b).surjektiv: siehe c) Umkehrfunktion für d)? f -1 : R + R +,.. Seite 28

Wiederholung! Spezielle reelle Funktionen: Bekannt aus der Schule! Lineare Funktionen f(x) = ax + b Beispiel: f(x) = 4x 1 Polynome oder ganzrationale Funktionen f(x) = a n x n + a n-1 x n-1 + + a 1 x + a 0 Beispiel: f(x) = 2x 3 x 2 + x 2 Gebrochen-rationale Funktionen, z.b. f(x) = 2x 3 / (x 2 3x) Trigonometrische Funktionen: sin x, cos x Weitere Funktionen f(x) = x etc Seite 29 Exponentialfunktionen zur Basis a: f(x) = a x mit einer Konstanten a > 0 (Basis) sind definiert für x R. Die Umkehrfunktion von f(x) = a x ist Logarithmus zur Basis a: log a x, D = (0, ). Spezialfall: f(x) = e x Exponentialfunktion zur Basis e 2,71 Die Umkehrfunktion von f(x) = e x ist der natürliche Logarithmus ln x, definiert für x (0, ). Seite 30

Rechenregeln: a n = a a a a; a 0 = a; a 1 = a a 1/n, n N a m/n, n,m N a x+y = a x a y, x,y R (a x ) y = a x y, x,y R a x b x = (a b) x, x R a -x = 1/a x = (1/a) x, x R a x = e x ln a, x R Wiederholung! Bekannt aus der Schule! Seite 31 Polynome: p(x) = a n x n + a n-1 x n-1 + + a 1 x + a 0 Sind reelle Funktionen, die sich ausschließlich mit den Rechenoperationen Addition, Subtraktion und Multiplikation berechnen lassen. n Allgemein: p(x) = Ʃ a k x k, mit a 0, a 1,, a n R k = 0 Ist a n 0, so ist n = deg p N der Grad des Polynoms p Beispiel: p 1 (x) = x 2 + x + 2, p 2 (x) = x 3, p 3 (x) = 2x 7 4x 4 + 3x 2 1 sind Polynome vom Grad,. bzw. Seite 32

Definition 4.6 Eine zweistellige Relation R auf Menge M ist eine Abbildung, die jedem Paar (x,y) M x M einen Wahrheitswert {wahr, falsch} zuordnet. Schreibweise: x R y, (x,y) R Seite 33 Beispiel: Bezeichnet M die Menge der Prozeduren in einer Programmiersprache (z.b. in C++) und N die Menge der (Programmier-)Klassen, so wird durch p R c : (p wird exportiert von c) für eine Prozedur p M und eine Klasse c N eine Relation zwischen M und N erklärt. Seite 34

Darstellung der Relationen: 1. als Paare: R = {(x,y) M x M: x < y} Beispiel: Sei Relation R ist < und M = {0,1,2,3}, dann R = {(0,1), (0,2), (0,3), (1,2), (1,3), (2,3)} (0,0), (3,1) R, weil nicht gilt 0 < 0, 3 < 1 Seite 35 Darstellung der Relationen: 2. als Schema: R = {(x,y) N 0 xn 0 : x + y = 4} 0 0 0 1 2 3 4 5 0 1 2 3 4 5 Seite 36

Darstellung der Relationen: 3. Als Graphen: Sei M = {A, B, C, D} R = {(A,B), (B,C), (B,D), (C, A), (C,B), (C,C), (C,D), (D,A)} A B C D Seite 37 Definition 4.7 Eine Relation R auf M heißt reflexiv, wenn jedes Element in Relation zu sich selbst steht, d.h. x M: x R x, z.b.: < ist. reflexiv, da 3 < 3 falsch ist ist. reflexiv, da 3 3 wahr ist Seite 38

Beispiel A B C D nur (C,C) R..reflexiv, da (A,A), (B,B), (D,D) R Wird reflexiv, wenn alle Schleifen existieren! Seite 39 Definition 4.7 (Fortsetzung) symmetrisch, wenn x,y M: aus x R y y R x, z.b: ist symmetrisch, da aus 3 5 folgt 5 3 ist symmetrisch, da aus 3 5 nicht folgt 5 3 Seite 40

Beispiel A B C D (B,C) R und (C,B) R.. symmetrisch: (A,C), (A,D), (B,A), (D,B), (D,C) R Seite 41 Beispiel 0 1 2 3 4 5 0 1 2 3 4 5 Es gilt Kommutativgesetz in N 0 : a + b = b + a, deshalb symmetrisch: wenn 0 R 4, dann auch 4 R 0 etc. Seite 42

Beispiel A B C D.. Seite 43 Definition 4.7 (Fortsetzung) transitiv, wenn x,y,z M: aus (x R y) und (y R z) x R z, z.b.: ist transitiv, da aus 3 5 und 5 7 folgt: 3 7 ist.. transitiv, da aus 3 5 und 5 3 nicht folgt 3 3 Seite 44

Beispiel A B C D Transitivitätsbedingung für z.b. B, C, D: (B,C) R, (C,D) R folgt nicht transitiv: für z.b. A, B und D: (B,C) R und (C,A) R, aber Seite 45 Beispiel 0 1 2 3 4 5 0 1 2 3 4 5 Aus 1 R 3 und 3 R 1, folgt nicht 1 R 1 1 + 3 = 4 und 3 + 1 = 4, aber 1 + 1 4 transitiv Seite 46

Beispiel A B C D reflexiv, symmetrisch und transitiv. (A,B) R und (B,D) R, aber (A,D) R Seite 47 Einige wichtige Relationen in der Informatik sind: Äquivalenzrelationen, Ordnungen, Verbände Anwendungsgebiete: Objektorientierte Programmierung, relationalen Datenbanken, Prozessplanung etc Seite 48

Definition 4.8 Eine Äquivalenzrelation auf einer Menge M ist eine reflexive, symmetrische und transitive Relation auf M. Beispiel 4.6 Auf der Menge M aller Studierenden im Hörsaal wird durch x R y x und y haben denselben Geburtsmonat eine Äquivalenzrelation erklärt, deren Äquivalenzklassen gerade die verschiedenen Geburtsmonate sind. Seite 49 Beispiel 4.7 Auf der Menge Z eine Relation R definiert durch x R y haben gleichen Rest bei Division durch 3, d.h. x R y (x y) = 3k, k M. Überprüfe, ob diese Relation eine Äquivalenzrelation ist. reflexiv: (x x) = 0 = 3k; also ist durch 3 teilbar symmetrisch: wenn (x y) = 3k, dann y x= transitiv: sei (x y) = 3k 1 und (y z) = 3k 2, dann (x z) = d.h. Seite 50

Beispiel 4.7 (Fortsetzung) Somit x R y ( x y teilbar durch 3 ) ist eine Äquivalenzrelation. Diese Äquivalenzrelation teilt die Menge Z in 3 Äquivalenzklassen: Z = [0] [1] [2] 1) alle ganzzahligen Vielfachen der 3 (Rest 0): [0] 2) alle ganzen Zahlen, die sich mit Rest 1 durch 3 teilen lassen: [1] 3) alle ganzen Zahlen, die sich mit Rest 2 durch 3 teilen lassen: [2] Seite 51 Übung: Überprüfen, ob die Relation x R y := x y = 0 eine reflexive, symmetrische und transitive Relation auf Menge N 0. 1) Reflexivität:..Z.B. 1 R 1, da 1 1 0 2) Symmetrie:.Wenn x R y, dann y R x. 3) Transitivität:..Z.B: 1 R 0, 0 R 2, aber 1 R 2. Somit ist R keine Äquivalenzrelation! Seite 52

Eine Relation R auf einer Menge M heißt antisymmetrisch, wenn x,y M: aus x R y und y R x x = y, z.b: a b : a teilt b auf M=N, oder ist antisymmetrisch Zahlenbeispiele Tafel ist nicht antisymmetrisch, da aus 3 5 und 5 3 folgt nicht, dass 3 und 5 identisch sind. Hinweis: aus R ist nicht symmetrisch folgt nicht R ist antisymmetrisch aus R ist antisymmetrisch folgt nicht R ist symmetrisch Beispiel : = sowohl symmetrisch, als auch antisymmetrisch Fazit: für verschiedene x und y sind beide Relationen: x R y und y R x nicht möglich. Wenn, dann nur eine Relation!!! Seite 53 Definition 4.9 Die Relation R heißt eine partielle Ordnung auf einer Menge M, falls R reflexiv, antisymmetrisch und transitiv ist. Beispiel: eine partielle Ordnung auf einer Menge M a) reflexiv: ja, da für alle x gilt: x x b) antisymmetrisch: ja, da gilt: wenn x y und y x dann und nur dann, wenn x = y. c) transitiv: ja, da gilt: wenn x y und y z, dann ist auch x z. Seite 54

Beispiel: Überprüfe, ob R ist eine Äquivalenz- oder eine partielle Ordnungsrelation auf M. M = {1, 2, 3}, R = {(1,1), (2,2), (3,3), (1,2), (1,3)} a) reflexiv:., da für alle x gilt: x R x (1,1), (2,2), (3,3) b) symmetrisch:.. (1,2) R, aber (2,1) R c) antisymmetrisch:, da gilt: wenn x R y und y R x dann und nur dann, wenn x = y. Es gibt keine Paare (y,x) mit y x, (2,1), (3,1) R a) transitiv:.., da gilt: wenn x R y und y R z, dann ist auch x R z. (1,2) R, (2,2) R (1,2) R (1,1) R, (1,3) R (1,3) R etc.!!! partielle Ordnungsrelation Seite 55 Definition 4.10 Es sei eine partielle Ordnung auf einer Menge M. Dann heißt eine totale Ordnung, wenn für alle (x,y) M x M gilt: x y oder y x. Das bedeutet, dass je zwei Elemente hinsichtlich vergleichbar sind. ist totale Ordnung auf R reflexiv antisymmetrisch transitiv Seite 56

Beispiel: 1. auf P (M) ist nicht total, wenn M 2 ist. reflexiv antisymmetrisch transitiv partielle Ordnungsrelation Total? entweder x y oder y x (x y) Sei M = {a,b,c}, dann P (M) = {, {a}, {b}, {c}, {a,b}, {a,c}, {b,c}, {a,b,c}}. nicht total z.b. für {b} und {c} gilt: weder {b} {c}, noch {c} {b}. 2. M = {1,2,3}, R = {(1,1),(2,2),(3,3),(1,2),(1,3)}: totale Ordnung? Nein! Per Definition: (x,y) R oder (y,x) R, aber z.b. (2,3) R und (3,2) R Seite 57 Darstellung partieller Ordnungen (auf endlichen Mengen) wird durch Hasse-Diagramme veranschaulicht. a) Sei (M, ) eine partiell geordnete Menge mit M= {1,2,3,4,6} Seite 58

Bemerkung: Hasse-Diagramm einer totalen Ordnung ist eine Linie. Sei (A, ) eine total geordnete Menge mit A = {1,2,3,4}. Seite 59 b) Sei (P (M), ) eine partiell geordnete Menge mit M = {1,2,3}. P (M) = {, {1}, {2}, {3}, {1,2}, {1,3}, {2,3}, {1,2,3}}. Seite 60

c) Tafel Sei (M, ) eine partiell geordnete Menge mit M = T(12) = = {1, 2, 3, 4, 6, 12}...... Seite 61 Hinweise zu Erstellung eines Hasse-Diagramms für Teil(- er)menge T(a): Primfaktorzerlegung von a durchführen: z.b. a = 12 = 2 2 31 hat zwei Primfaktoren. Bei einem Primfaktor (z.b. 16 = 2 4 oder 3 5 oder 11 35 ) ist das Hasse-Diagramm eindimensional (eine Linie). Bei zwei Primfaktoren (z.b. 15 = 3 5, 500 = 2 2 5 3 etc.) ist das Hasse-Diagramm zweidimensional (Quadrat bzw. Gitter, das aus mehreren Quadraten besteht). Seite 62

Bei drei Primfaktoren ist das Hasse-Diagramm dreidimensional (Quader). Für a = p 1 q 1 r 1 siehe das Beispiel für T(30) in der Mitschrift. Allgemein das Hasse-Diagramm für T(a), vorbei a die Form von p 1 q1 r1 hat, hat das gleiche Hasse-Diagramm wie T(30) (einstöckiger Quader). Seite 63 Wenn einer der drei Primfaktoren eine zweite Potenz enthält, z.b. a = p 1 q2 r1, dann wird der Quader zweistöckig (siehe Übung 6.5 b)). Hasse-Diagramme für T(a), wobei in der Primfaktorzerlegung von 4 Primfaktoren oder zwei der drei Primfaktoren eine höhere Potenz als die zweite haben, sind nicht mehr überschaubar. Seite 64

Beispiel (Tafel): Erstellen Sie die Hasse-Diagramm für T(a):= (M, ), wobei: T(250), T(70) T(250) =... zwei Primaktoren Gitter T(70) =... drei Primfaktoren Quader Seite 65 In geordneten Mengen wird durch die Ordnungsrelation eine Anordnung ihrer Elemente vorgenommen. Definition 4.11 Sei M eine Menge und R Relation auf M. Dann heißt kϵ M kleinstes Element (bzw. größtes Element) von M, wenn für alle xϵ M gilt, dass krx (bzw. xrk) ist. Beispiel a) (M, ), M={2, 3, 4, 5}; 2 - kleinstes El.; 5- größtes El. b) (N 0, ), hat 0 als kleinstes Element und klein größtes. Seite 66

In partiell geordneten Mengen existieren es nicht immer bzw. ein kleinstes/größtes Element. Sei (M, ) = ({1, 2, 3, 4, 6}, ). kleinstes Element: 1, weil 1 teilt alle Zahlen aus M größtes Element: kein, da es keine Zahl Z gibt, die durch alle x M teilbar ist. Wie kann man die Menge M erweitern, so dass es ein größtes Element bzgl. gibt? Seite 67 Beispiel: Ist (M, ) eine partiell geordnete Menge, dann x M ein kleinstes Element, falls y M gilt x y. Entsprechend ist z M ein größtes Element, falls y M gilt y z. Z.B. bzgl. P (M) = {,{a}, {b}, {c}, {a,b}, {a,c}, {b,c}, {a,b,c}}.. das kleinste und. das größte Element. Seite 68

Betrachten wir jetzt die Teilmengen der geordneten Menge (R, ): Sei A = [a, + ) = {x R : x a}, dann.. - kleinstes Element und es existiert. größtes Element. Sei B = (a, + ) = {x R : x > a}, dann hat B.. kleinstes.. größtes Element. Dennoch ist die Zahl... in gewisser Weise optimal als untere Schranke für B, da es keine andere Zahl x gibt: x > a und x B. Für a gibt es spezieller Begriff! Seite 69 Definition 4.12 Es sei (M, R) eine geordnete Menge mit Relation R und A M eine Teilmenge, dann: 1. Ein Element b M heißt obere Schranke von A, falls für x A die Relation x R b gilt. 2. Ein Element u M heißt untere Schranke von A, falls für x A die Relation u R x gilt. Beispiel 4.8: Sei A = (a,b) eine Teilmenge von (R, ), dann ist a die untere Schranke für A und b die obere Schranke für A. Es gilt auch: x A: (a-1) x, daraus folgt, dass auch (a-1) eine untere Schranke für A ist. Es könnte mehrere untere/obere Schranken geben. Seite 70 a b

Definition 4.13 Es sei (M, R) eine geordnete Menge mit Relation R und A M eine Teilmenge, dann: 1. Eine obere Schranke b M heißt Supremum von A, kurz b = sup A, wenn b die kleinste obere Schranke von A ist. a 2. Eine untere Schranke u M heißt Infimum von A, kurz u = inf A, wenn u die größte untere Schranke von A ist. Im Beispiel 4.8: a = inf A; (a-1) dagegen ist nur untere Schranke. 3. Ist b A (bzw. u A), so nennen wir b = max A das Maximum (bzw. das Minimum) von A. b Seite 71 Beispiel 4.9 Sei R eine geordnete Menge: (R, ). Falls: 1. A = (a,b), dann.. = inf A;. = sup A, aber es gibt kein min A und kein max A. 2. A = (a,b], dann. = inf A; = sup A, es gib kein min A. 3. A = [a,b], dann. inf A;..= sup A. Seite 72

Beispiel 4.10 Sei N eine partiell geordnete Menge: (N, ). Wir betrachten die folgenden Teilmengen von (N, ): 1. A 1 = ({3,6,9}, ), dann: a) 1 und 3 sind untere Schranken von A 1. b) inf A 1 = 3 = min A 1 ; Infimum: ggt c) obere Schranken: Zahlen, die von 3,6 und 9 geteilt werden, z.b: 36, 54, 162 oder 18,. d) sup A 1 = 18. Supremum: kleinste gemeinsame Vielfache 2. A 2 = ({12,18}, ), dann: a) untere Schranken: 1,2,3,6 b) inf A 2 = 6; c) obere Schranken: 36, 72, 144 d) sup A 2 = 36. min A 2 ; max A 2 - kein Seite 73 Beispiel: Suprema und Infima lassen sich aus dem Hasse- Diagramm leicht ablesen: so sind z.b., {2} untere Schranken der Teilmenge A = {{1,2}, {2,3}} P (M). Da {2}, gilt: inf A = inf {{1,2}, {2,3}} = {2}. Infimum - Schnittmenge Das minimale Element von P(M) steht am weitesten unten und ist kleiner als jedes andere Element in der gegebenem Ordnungsrelation. Seite 74

Obere Schranken der Teilmenge A ={{1}, {3}} sind {1,3} und {1,2,3}. Wegen {1,3} {1,2,3} gilt: sup A = sup {{1}, {3}} = {1,3}. Supremum - Vereinigungsmenge Das maximale Element von P(M) steht am weitesten oben und ist größer als jedes andere Element von P(M) ist. Seite 75 Definition: Eine geordnete Menge V ist ein Verband, in der das Supremum und das Infimum jeder beliebigen zweielementigen Teilmenge stets existieren und sind Elemente V. Teilerverband kein Verband Beispiel: z.b. für {6,10}: Infimum ist 2 Supremum ist 30. für {b,c} existieren untere Schranken: d,e und f, aber kein Infimum, da f nicht das größte Element; und keines von d und e größte untere Schranke Seite 76

Übung: Sei A = {pq, q 2, qr, wobei p,q,r N - Primzahlen, p q r} und (A, ). Geben Sie, falls existieren: das kleinste Element/das größte Element; untere/obere Schranken; Infimum/Supremum an. max A kein; min A - kein untere Schranken: 1, q; obere: p q 2 r; inf A = q; sup A = p q 2 r Seite 77 Übung: Zeichnen Sie das Hasse-Diagramm für (M, ), mit M = {t N : t teilt 30}. Geben Sie min M, max M, Infimum und Supremum an. Sei A = {2, 5, 10} M. Bestimmen Sie min A, max A, untere Schranken, Infimum, obere Schranken und Supremum. min A kein; max A = 10; untere Schranke: 1; obere Schranken 10,30 Seite 78 inf A = 1, sup A = max A = 10

Die Begriffsbildung des Verbandes geht auf Richard Dedekind zurück. Anwendungen: - Semantik der Programmiersprachen, - logische Schaltungen - der Programmanalyse - Algorithmik. Richard Dedekind (1831-1916) le:dedekind.jpeg Bildquelle: http://en.wikipedia a.org/wiki/richard_dedekind#mediaviewer/fil Seite 79