Sie sind auf Seite 1von 204

Mathematische Grundlagen

f ur die Informatik
Kurt-Ulrich Witt
Hochschule Bonn-Rhein-Sieg
Fachbereich Informatik
b-it Applied Science Institute
Grantham-Allee 20
53757 Sankt Augustin
kurt-ulrich.witt@h-brs.de
Hochschule
Bonn-Rhein-Sieg
Fachbereich Informatik
b-it Applied Science Institute
c _ Kurt-Ulrich Witt
Dieses Skript ist urheberrechtlich gesch utzt. Alle Rechte vorbehalten. Die Verwendung der Texte
und Abbildungen, auch auszugsweise, ist ohne schriftliche Zustimmung des Autors nicht erlaubt.
Dies gilt insbesondere f ur die Vervielfaltigung,

Ubersetzung oder die Verwendung in elektronischen
Systemen.
Alle Darstellungen wurden mit groter Sorgfalt vorgenommen. Der Autor kann jedoch nicht f ur
Schaden haftbar gemacht werden, die in Zusammenhang mit der Verwendung des Skriptes stehen.
K.-U.W. Sankt Augustin, 27. November 2011
Inhaltsverzeichnis
Vorwort ix
Kleiner Griechisch-Kurs f ur Informatikerinnen und Informatiker xiii
I Mengen und Logik 1
1 Denition und Darstellung von Mengen 5
1.1 Ein Mengenbegri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Darstellung von Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Bezeichner f ur Zahlenmengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Russellsche Antinomie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2 Aussagenlogik 13
2.1 Alphabet der Aussagenlogik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2 Syntax aussagenlogischer Formeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Semantik aussagenlogischer Formeln . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.1 Interpretation aussagenlogischer Formeln . . . . . . . . . . . . . . . . . . . . 16
2.3.2 Wahrheitstafeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.3 Aussagenlogische Operationen . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3.4 Erf ullbarkeit aussagenlogischer Formeln . . . . . . . . . . . . . . . . . . . . . 20
2.4 Logische Folgerung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5 Kalk ule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.6 Aussagenlogische

Aquivalenzen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.7 Normalformen und aussagenlogische Basen . . . . . . . . . . . . . . . . . . . . . . . 28
2.8 Resolutionskalk ul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.9 Hornlogik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3 Pradikatenlogik 45
3.1 Alphabet der Pradikatenlogik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.2 Syntax pradikatenlogischer Formeln . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
3.3 Semantik der Pradikatenlogik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
i
ii INHALTSVERZEICHNIS
4 Beweismethoden 53
4.1 Direkter Beweis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2 Indirekter Beweis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.3 Beweis durch Widerspruch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.4 Ringschluss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5 Operationen auf Mengen 59
5.1 Teilmengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.2 Potenzmengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.3 Verkn upfung von Mengen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.4 Elementare Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
6 Boolesche Algebra 67
6.1 Denitionen und grundlegende Eigenschaften . . . . . . . . . . . . . . . . . . . . . . 67
6.2 Isomorphie Boolescher Algebren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
7 Zusammenfassung und

Ubungen 73
7.1 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
7.2

Ubungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
II Relationen und Funktionen 79
8 Relationen 83
8.1 Kartesisches Produkt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
8.2 Relation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
8.3 Ordnungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
8.4

Aquivalenzrelationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
8.5 Umkehrrelationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
8.6 Komposition von Relationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
8.7 Reexiv-transitive H ullen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
9 Funktionen 95
9.1 Begri der Funktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
9.2 Eigenschaften von Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
9.3 Pradikate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
10 Zusammenfassung und

Ubungen 99
10.1 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
10.2

Ubungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
III Induktion und Rekursion 103
11 Die Menge der nat urlichen Zahlen 107
11.1 Einf uhrung der Menge der nat urlichen Zahlen . . . . . . . . . . . . . . . . . . . . . . 107
11.2 Rechenregeln in N
0
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
INHALTSVERZEICHNIS iii
11.3 Der Begri der Abzahlbarkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
11.4 Aufzahlbare und entscheidbare Mengen . . . . . . . . . . . . . . . . . . . . . . . . . 114
12 Vollstandige Induktion 115
13 Rekursion 119
13.1 Rekursive Denition arithmetischer Funktionen . . . . . . . . . . . . . . . . . . . . . 119
13.2 Fibonacci-Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
13.3 Ackermannfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
13.4 Verallgemeinertes Rekursionsschema . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
13.5 Alphabete, Worter, Sprachen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
14 Berechenbare Funktionen 133
14.1 Primitiv-rekursive Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
14.2 -Rekursion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
14.3 Berechenbarkeit, Churchsche These . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
14.4 utm- und smn-Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144
14.5 Aufzahlbare und entscheidbare Mengen . . . . . . . . . . . . . . . . . . . . . . . . . 148
15 Zusammenfassung und

Ubungen 149
15.1 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
15.2

Ubungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
IV Zahlenmengen 155
16 Die Menge der ganzen Zahlen 159
16.1 Konstruktion der ganzen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
16.2 Rechenregeln in Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
16.3 Abzahlbarkeit von Z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
17 Die Menge der rationalen Zahlen 165
17.1 Konstruktion der rationalen Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
17.2 Rechenregeln in Q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
17.3 Abzahlbarkeit von Q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 168
18 Reelle und komplexe Zahlen 171
18.1

Uberabzahlbarkeit von R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
18.2 Komplexe Zahlen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
19 Zusammenfassung und

Ubungen 179
19.1 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
19.2

Ubungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
Literaturhinweise 183
Index 184
iv INHALTSVERZEICHNIS
Abbildungsverzeichnis
2.1 Entscheidungsverfahren f ur die Erf ullbarkeit von Hornformeln. . . . . . . . . . . . . 40
14.1 Primitive Rekursion als Zahlschleife. . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
14.2 -Rekursion als Wiederholungsschleife. . . . . . . . . . . . . . . . . . . . . . . . . . . 139
14.3 Berechnung der Funktion sub durch -Rekursion. . . . . . . . . . . . . . . . . . . . . 140
14.4 Berechnung der Funktion

durch -Rekursion. . . . . . . . . . . . . . . . . . . . . . 141
14.5 Berechnung der Logarithmus-Funktion durch -Rekursion. . . . . . . . . . . . . . . . 141
v
vi ABBILDUNGSVERZEICHNIS
Tabellenverzeichnis
1 Griechisches Alphabet. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . xiii
2.1 Aussagenlogische

Aquivalenzen. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
14.1 Denition der Bijektion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
vii
viii TABELLENVERZEICHNIS
Vorwort
Liebe Studierende,
herzlich willkommen zum Modul Mathematische Grundlagen f ur die Informatik!
Bevor der eigentliche Studientext dieses Moduls beginnt, mochte ich zunachst ein paar Worte zur
Bedeutung mathematischer Grundlagen f ur die Informatik verlieren, und ich mochte Sie dadurch
f ur die intensive Beschaftigung mit den Inhalten dieses Moduls motivieren.
Warum beeintrachtigen Kratzer auf einer DVD nicht deren Wiedergabequalitat? Wie konnen
Speicherung und

Ubertragung von Daten fehlertolerant gestaltet werden? Wie funktionieren oent-
liche Verschl usselungsverfahren? Wie hoch ist deren Sicherheit und worin ist diese begr undet? Wie
konnen Daten optimal komprimiert werden? Wie konnen Transport- und Zuordnungsprobleme op-
timal gelost werden? Wie konnen durch Zufalligkeiten bestimmte Bediensysteme beschrieben, ana-
lysiert und moglichst ezient gestaltet werden?
Diese und viele andere Problemstellungen m ussen zufriedenstellend beantwortet werden konnen,
um Informations- und Kommunikationstechnologien qualitatsgerecht zu gestalten. Informatikerin-
nen und Informatiker m ussen in der Lage sein, diese Technologien erfolgreich einzusetzen und wei-
terzuentwickeln. Dazu ist die Kenntnis und das Verstandnis von Grundlagen erforderlich, auf denen
diese Technologien basieren.
Viele wesentliche Grundlagen liefert die Mathematik. Die Mathematik-Kurse geben Einf uhrun-
gen in wichtige mathematische Grundlagen der Informatik, die f ur die Losung obiger und weiterer
Problemstellungen von Bedeutung sind. Dabei sind diese Grundlagen weitestgehend unabhangig
von konkreten Technologien. Das heit, dass deren Kenntnis auch eine gute Grundlage f ur das
Verstandnis zuk unftiger technologischer Entwicklungen darstellt, die bei Informations- und Kom-
munikationssystemen, wie wir es alltaglich erleben, schnell voranschreiten.
Neben der Vermittlung mathematischer Grundlagen verfolgen die Mathematik-Kurse aber noch
ein weiteres Ziel: Die Auseinandersetzung mit den Inhalten dieser Kurse starkt Ihre Problemlose-
kompetenz. Sie schult Ihre Fahigkeiten, abstrakt und logisch zu denken, sich klar und prazise
auszudr ucken, neue Probleme anzugehen und gewissenhaft zu losen und zu wissen, wenn Sie ein
Problem noch nicht vollstandig gelost haben. Auch diese Fahigkeiten sind unabhangig von aktuellen
Technologien und stellen ein zeitinvariantes R ustzeug f ur Ihren weiteren Werdegang dar.
Ich wei sehr wohl, dass viele von Ihnen aus welchen Gr unden auch immer eine Scheu, ja
vielleicht sogar Angst oder gar

einen Horror vor Mathematik haben, und froh sind, nach der
Schule nichts mehr mit diesem Fach zu tun gehabt zu haben. Ich will und kann diese Vorbehalte
an dieser Stelle nicht zerstreuen, sondern ich will Sie einfach ermutigen und Ihnen sagen: Machen
Sie sich frei von bedr uckenden Gedanken, packen Sie den Sto an, indem Sie ihn Schritt f ur Schritt
ix
x Vorwort
gewissenhaft und reektierend erarbeiten. Leider m ussen oft, um interessante Einsichten zu gewin-
nen, m uhsam kleinere Details erarbeitet werden. Die Bewaltigung des Stoes verlangt Disziplin und
groe Anstrengungen von Ihnen. Geben Sie niemals auf! Versuchen Sie immer wieder, den Sto zu
verstehen, die

Ubungsaufgaben zu bewaltigen, Zusammenhange zu erkennen. Dadurch wird es Ihnen
mit Fortschreiten des Stoes immer leichter fallen, sich diesen zu erarbeiten. Zum Verstehen und
zum Losen notwendige Ideen werden Ihnen schneller einfallen. Durch die unablassige Beschaftigung
mit dem Sto werden Sie kreativ werden. Kreativitat ist eine der wichtigsten Eigenschaften, die
Informatikerinnen und Informatiker besitzen m ussen wie wollen Sie sonst zu Ideen f ur die Losung
von Problemen kommen. Je mehr Sie dieses an schwierigen, abstrakten Inhalten tun, umso besser
werden Sie dabei. Ich verspreche Ihnen: Wenn Sie die Mathematik-Kurse erfolgreich absolviert ha-
ben, werden Sie sich sehr gut f uhlen, weil Sie eine schwierige Aufgabe, die viel Arbeit, Konzentration
und Geduld erfordert, bewaltigt haben, und Sie werden sehr stolz auf sich sein.
Das Studium der Mathematik-Kurse setzt die Kenntnis grundlegender Begrie der Logik und
deren Eigenschaften sowie elementarer mathematischer Begrie wie Menge, Relation und Funktion,
Induktion und Rekursion voraus, und zwar in einem Umfang und einer Tiefe, wie diese Begrie in
diesem Modul vorgestellt werden. Mit dieser Vorkenntnis sind Sie in der Lage, die in den weiteren
Mathematik-Modulen verwendeten mathematischen Notationen zu verstehen und anzuwenden, und
Sie werden auf das dort praktizierte mathematische Denken und Arbeiten vorbereitet.
Die Mathematik-Module umfassen neben den Mathematischen Grundlagen f ur die Informatik
die Module
Analysis und Numerik im 2. Semester
Stochastik und Statistik im 3. Semester
Graphentheorie im 3. Semester
Algebraische Grundlagen f ur die Informatik im 5. Semester
Gleichermaen liefert dieses Modul Grundlagen f ur das Modul Theoretische Informatik im 1. Se-
mester.
Zum Schluss mochte ich Ihnen noch ein paar Hinweise zum Studium selbst geben:
Der Sto ist in Kapitel und diese sind in Abschnitte eingeteilt. Diese sind durchaus von unter-
schiedlichem Umfang und unterschiedlicher Schwierigkeit. Ein Kapitel stellt in der Regel einen
Aspekt in sich geschlossen dar. Ich empfehle Ihnen, ein Kapitel

abschnittsweise durchzuar-
beiten, d.h. sich jeweils einen Abschnitt vorzunehmen und komplett durchzuarbeiten. Fassen
Sie, nachdem Sie einen Abschnitt durchgearbeitet haben, diesen zusammen: Schreiben Sie auf,
was Sie gelernt haben. Verfahren Sie mit Kapiteln genauso.
Arbeiten Sie mit Bleistift und Papier: Markieren Sie sich wichtige Begrie und vollziehen Sie
Denitionen, Satze und Beweise sowie insbesondere Beispiele selbststandig nach und zwar
nicht nur im Kopf, sondern auch auf dem Papier.
Arbeiten Sie in Gruppen: Stellen Sie sich gegenseitig Fragen, erklaren Sie sich gegenseitig
auch dies mit Bleistift und Papier die Inhalte. Was Sie erklaren konnen, das verstehen Sie
auch!
Vorwort xi
Versuchen Sie (gemeinsam) die

Ubungsaufgaben zu losen. Geben Sie nicht zu fr uh auf, und
schauen Sie nicht zu fr uh in die Losungen.
Falls Sie eine Aufgabe nicht losen konnen, uberlegen Sie, warum Sie das nicht konnen, und
wiederholen Sie den entsprechenden Sto.
Im Text sind zu wesentlichen Themen jeweils Lernziele angegeben, die Sie durch das Studium
der Abschnitte und Kapitel erreicht haben sollten. Falls das nicht der Fall ist, wiederholen Sie
den entsprechenden Sto.
Scheuen Sie sich nicht: Nehmen Sie die angebotenen Hilfen (Beratung, Tutorien) in Anspruch.
Hier uber werden Sie gesondert informiert.
Nehmen Sie weitere Literatur zur Hand. In den Kursen gibt es jeweils einschlagige bibliogra-
phische Hinweise. Andere Arten der Darstellung sowie weitere Beispiele und Aufgaben helfen
beim Verstandnis des Stoes.
Nun w unsche ich Ihnen viel Erfolg beim Studium dieses Moduls, und ich hoe, dass Sie trotz
aller M uhen und Schwierigkeiten bei Ihren Fortschritten auch ein wenig Freude empnden, Freude
uber Ihren Erkenntnisgewinn, Freude uber den Zuwachs Ihrer Kompetenz, Freude dar uber, dass
Sie einen schwierigen Sto bewaltigen.
xii Vorwort
Kleiner Griechisch-Kurs f

ur
Informatikerinnen und
Informatiker
In der Informatik, insbesondere in der Theoretischen Informatik, sowie in der Mathematik m ussen
vielen Dingen, wie z.B. Variablen, Mengen, Relationen, Funktionen, Vektoren, Matrizen, Gruppen,
Ringen, Korpern, . . . Namen gegeben werden, damit man dar uber reden und schreiben kann. Da es
ziemlich ungeeignet ist, daf ur menschliche Namen oder Tiernamen zu vergeben, wie z.B. Angela,
Christian, Heike oder Kurt bzw. Hasso, Fenja, Bello oder Lassie nimmt man in aller Regel einzelne
Buchstaben daf ur. Da aber f ur die vielen, vielen Dinge, die zu bezeichnen sind, die 26 Buchstaben,
bzw. bei Verwendung von kleinen und groen Buchstaben, die 52 Buchstaben des deutschen Al-
phabetes nicht ausreichen, werden Buchstaben des alten deutschen Alphabetes (S utterlin), ja sogar
hebraische Buchstaben, insbesondere aber griechische Buchstaben verwendet. Man sagt:
Mathematiker sind Menschen, die zehn Alphabete beherrschen, aber keine Sprache.
Da ich in meinen Lehrveranstaltungen auer deutschen Buchstaben hauptsachlich noch griechische
verwende, liste ich die kleinen und groen griechischen Buchstaben mit ihren Namen und ihren
Symbolen zum Kennenlernen in der Tabelle 1 auf.
Goethe soll gesagt haben:
Die Mathematiker sind eine Art Franzosen: redet man mit ihnen, so ubersetzen sie es
in ihre Sprache, und dann ist es alsobald ganz etwas anderes.
alpha A iota I rho , P
beta B kappa I sigma ,
gamma lambda tau T
delta m u M ypsilon Y
epsilon , E n u N phi ,
zeta Z xi chi X
eta H omikron o O psi
theta , pi , omega
Tabelle 1: Griechisches Alphabet.
xiii
xiv Griechisch-Kurs
Um zu pr ufen, ob das zutrit, und als kleine

Ubung zum Einpragen der Symbole und deren
Namen nden Sie im Folgenden einen Brief, den eine Studienanfangerin nach dem Besuch der
ersten Vorlesungen an ihren Freund geschrieben hat.
Lieber lipp,
gestern habe ich schon telefonisch oologisch geschildert, was in den ersten beiden Wochen bei
meinem Mathe-Prof erlebt habe. Heute mocht ich nun Dir ein paar Worte schreiben. Der Prof ist
schon ein bisschen alter, aber noch nicht gt, kaum se. Als Erstes fragte er uns, ob wir in der Schule
Griesch gelernt hatten. Alle waren verwundert uber die Frage, und nur einer hat sich gemeldet.
Daraufhin hat er gesagt:

Immer dasselbe. Wenn Sie Griesch gelernt hatten, dann konnte ich jetzt
gleich richtig loslegen und sste Ihnen nicht erst die grieschen Buchstaben erklaren, die brauchen
wir namlich. Er erklarte dann, dass man in der Mathematik mit senden von Begrien rummacht
und nur ein Idllen einen richtigen Namen geben w urde wie z.B. M oder tter oder Stu. Sondern
l tzlicher ware es, Buchstaben zu benutzen. Da es aber so le Begrie gibt, dass die Buchstaben
des deutschen betes nicht ausreichen, sse man andere Sprachen zur Hilfe nehmen. Besonders
emche man von den grieschen Buchstaben Gebrauch.
Nachste Woche haben wir kein Mathe, da ist der Prof auf einer Magung im hohen Norden und
anschlieend auf einer Nordrty. Wir sollen die Zeit nutzen und uns die grieschen Buchstaben
einpragen, hat er uns nachdr ucklich mit ebenem Zeigenger aufgegeben. Da habe ich gedacht,
schreib lipp einen Brief und verwende dabei gleich deine Kenntnisse.
Ob es Tl ist, wenn wir am Samstag etwas spater zu seiner Limparty kommen? Ich muss
ja lernen. Ich w urde ja lieber Pgdrinks mit Mxa trinken als den ganzen Abend Limo. Naja, so
brauchen wir wenigstens kein Ta. Seine Nuschen sind ja immer meechtig. Atdelt ihn deswegen
ja auch immer. Ob auch Sa ist, der studiert doch auch Mathe, den sste ich mal etwas fragen.
Hoentlich kommt riam nicht, diese Bnte kann einen ganz dochen mit ihrer gr unen loso.

Ubrigens, alle meine Radsten sind kapput, werde sie ausschen ssen. Hast Du eigentlich den
Toch gefunden, den Du letzten Samstag vergeblich im Web gesucht hast? Was willst Du eigentlich
mit einem Silo? Naja, kannst es mir ja am Samstag erzahlen.
Bis dann, liebe Gr ue
Deine
Teil I
Mengen und Logik
1
3
Ausgangspunkt unserer ersten

Uberlegungen soll der Begri Menge sein. Bei welchen Gelegen-
heiten verwenden Sie diesen Begri? Denken Sie einen Moment nach, bilden Sie zwei, drei Satze
mit diesem Begri! Mir fallen spontan Satze ein, wie

Letztes Wochenende, auf dem Altstadtfest,


da war eine Menge los, und wir haben eine Menge Bier getrunken.,

Von Popmusik versteht sie


eine Menge.,

Bis Du mit Deiner Ausbildung fertig bist, wird noch eine Menge Wasser den Rhein
runterlaufen.,

Eine groe Menschenmenge versammelte sich auf dem Marienplatz und wartete auf
die Ankunft des neuen Deutschen Meisters.
In welchem Sinn wird in diesen Satzen der Begri

Menge verwendet? Doch eher um auszu-


dr ucken, dass man nicht genau wei, wie gro etwas ist oder wie viel von irgendetwas vorhanden
ist. Genaueres kann oder will man nicht angeben; jedenfalls mochte man mitteilen, dass es sich um
viel oder Groes handelt.
In der Mathematik und in der Informatik wird der Begri Menge im Gegensatz zum umgangs-
sprachlichen Gebrauch in einem prazisem Sinn benutzt. Er dient dazu, Objekte zu einer neuen Ein-
heit zusammenzufassen, so dass diese Einheit als Ganzes betrachtet und weiterverwendet werden
kann. Typische Beispiele in der Informatik sind Dateien und Datenbanken. Eine Kundendatenbank
enthalt etwa die f ur ein Unternehmen wichtigen Daten ihrer Kunden. Anfragen und Auswertun-
gen einer Datenbank liefern als Ergebnis wieder Mengen. Um festzustellen, welche Kunden ihre
Rechnungen bis zum Ende des letzten Quartals noch nicht bezahlt haben, m ussen moglicherweise
die Kundendatei mit der Bestelldatei und der Rechnungsdatei geeignet verkn upft werden, um die
f ur das Versenden von Mahnungen notwendige Menge von Daten zu nden. Die Eigenschaften der
Ergebnismenge m ussen in einer formalen Sprache prazise beschrieben werden, damit das Daten-
banksystem die gew unschte Ergebnismenge bestimmen kann. Solche Sprachen benutzen in aller
Regel logische Ausdr ucke.
So werden wir zunachst den Begri der Menge prazisieren und kennen lernen, wie Mengen fest-
gelegt werden konnen. F ur formale Beschreibungen von Mengen eignen sich logische Ausdr ucke.
Deshalb werden wir uns mit der Aussagenlogik und mit der Pradikatenlogik beschaftigen. Dabei
werden wir sehen, wie formale Sprachen festgelegt werden konnen. Formale Sprachen sind ein we-
sentliches Werkzeug in der Informatik. Informatikerinnen und Informatiker m ussen diese Werkzeuge
nicht nur geeignet anwenden konnen, sondern Sie m ussen auch in der Lage sein, formale Sprachen
selbst zu schaen, und zwar so, dass Problemstellungen und Losungsverfahren damit so beschrieben
werden konnen, dass Sie mithilfe von Rechnersystemen gelost bzw. ausgef uhrt werden konnen. Wir
werden anhand der Aussagenlogik an einem einfachen Beispiel sehen, wie die Konstruktion einer
formalen Sprache im Prinzip erfolgen kann.
Des Weiteren benutzen wir die logische Ausdr ucke, um Beziehungen zwischen Mengen und
Operationen auf Mengen zu denieren sowie Eigenschaften dieser Beziehungen und Operationen zu
zeigen. Das ist z.B. wichtig f ur den oben bereits erwahnten Anwendungsbereich der Datenbanken.
Hier m ussen Mengen in Beziehung gesetzt und miteinander verkn upft werden. Ein Datenbanksystem
muss mit Mengen rechnen konnen. Genau wie uns beim Rechnen mit Zahlen

nach Adam Riese


bestimmte Eigenschaften helfen, wie z.B. das Ausklammern von gemeinsamen Faktoren, gibt es
auch f ur das Rechnen mit Mengen Gesetze, die das Datenbanksystem benutzt, um korrekt und
ezient Ergebnismengen zu berechnen.
Durch Abstraktion gelangen wir am Schluss dieses Teils zu der Rechenstruktur einer Booleschen
Algebra. Wir werden sehen, dass die vorher betrachtete Aussagenlogik und die ebenfalls vorher
4
betrachteten Teilmengen einer Menge mit logischen Verkn upfungen bzw. mit Mengenverkn upfungen
als Rechenoperationen spezielle Prototypen solcher Algebren sind.
Abstraktion ist eines der Problemlose-Hilfsmittel in der Mathematik und in der Informatik. So
ist man in aller Regel nicht an der Losung eines sehr speziellen Problems interessiert, sondern an Me-
thoden, Verfahren und Werkzeugen, die in moglichst vielen Anwendungsbereichen zur Losung von
Problemen eingesetzt werden konnen. Mit einem Datenbankmanagementsystem sollten Datenban-
ken nicht nur in einem Anwendungsbereich, sondern bei unterschiedlichen Anwendungen realisiert
werden konnen unabhangig von der der Art der Daten. Das Suchen von Elementen in Mengen,
die Verkn upfung von Mengen und die Darstellung von Mengen muss unabhangig von den konkreten
Elementen einer Menge gelost werden. Ein Sortieralgorithmus sollte unabhangig sein vom Typ der
Werte nach denen sortiert werden soll. Er sollte eine Menge von Daten korrekt und ezient sortieren
unabhangig davon, ob es sich z.B. um Kundennamen, Datumsangaben oder Rechnungsnummern
handelt.
Kapitel 1
Denition und Darstellung von
Mengen
In diesem Kapitel wollen wir den Begri der Menge in einer f ur die weiteren Betrachtungen hinrei-
chenden Art und Weise prazisieren. Wir lernen, wie Mengen dargestellt und beschrieben werden, wir
vereinbaren Bezeichner f ur gangige Zahlenmengen, und wir werden sehen, dass unser Mengenbegri
zu Schwierigkeiten f uhren kann.
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
den Cantorschen Begri der Menge verstehen,
die Darstellungen von Mengen sowie die Bezeichner f ur die gangigen Zahlenmengen kennen,
die Russelsche Antinomie erklaren konnen.
1.1 Ein Mengenbegri
Ausgangspunkt unserer Erklarung des Begries Menge soll die folgende Festlegung sein:
1
Eine Menge ist eine Zusammenfassung bestimmter, wohlunterschiedener Dinge unserer Menge
Element
Anschauung oder unseres Denkens, welche Elemente der Menge genannt werden, zu
einem Ganzen.
Diese Festlegung ist mehr eine informelle Vereinbarung, denn eine prazise mathematische Deni-
tion. Sie setzt ein einheitliches Verstandnis der darin verwendeten Begrie voraus, und sie wird
zu den schon angek undigten Schwierigkeiten f uhren. Eine axiomatische,

mathematisch saubere
Einf uhrung des Mengenbegris, welche diese Schwierigkeiten vermeidet, ware aber im Hinblick dar-
auf, wie wir diesen verwenden wollen, viel zu aufwandig. Immerhin haben zu Beginn des letzten
Jahrhunderts eine Reihe von hervorragenden Logikern und Mathematikern viele Anstrengungen
unternommen und geraume Zeit daf ur benotigt, um zu einer formal zufrieden stellenden Fundie-
rung dieses Begries zu gelangen. F ur die gangigen Betrachtungen in Mathematik und Informatik
1
Diese Festlegung geht auf Georg Cantor (1845 - 1918) zur uck, der als Begr under der Mengenlehre gilt und der
wichtige Beitrage zur

modernen Mathematik geliefert hat.


5
6 KAPITEL 1. DEFINITION UND DARSTELLUNG VON MENGEN
reicht das Verstandnis dieses Begries, welches wir mithilfe der folgenden weiteren Festlegungen
bekommen werden, vollkommen aus.
Die Notation einer Menge, also

die Zusammenfassung von Dingen zu einem Ganzen, erfolgt


in der Art
. . .
Die Elemente der Menge werden durch die Mengenklammern und zu einem Ganzen zusammen-
gefasst.

. . . legt eindeutig fest, welche Dinge Elemente der Menge sind. Um auf Mengen Bezug
nehmen zu konnen, geben wir diesen in aller Regel einen Namen. Dazu verwenden wir zumeist groe
Buchstaben. Die Namensgebung erfolgt mithilfe eines Gleichheitszeichens:
M = . . .
Ist ein Ding a Element einer Menge M, dann schreiben wir a M. Ist ein Ding a kein Element einer Element
Menge, dann schreiben wir a / M. Wenn wir ausdr ucken wollen, dass mehrere Elemente zu einer
Menge gehoren, dann schreiben wir das auch, indem wir diese Elemente durch Kommata getrennt
auisten und daf ur die Zugehorigkeit angeben. So schreiben wir z.B. anstelle von a M, b M,
c M k urzer a, b, c M. Entsprechend schreiben wir a, b, c / M, anstelle von a / M, b / M,
c / M, falls a, b und c keine Elemente der Menge M sind.
Anschaulich kann man sich Mengen als Behalter, z.B. als Schachteln oder als Sacke, vorstellen.
Der Behalter wird durch die Mengenklammern dargestellt. Genau wie Schachteln weitere Schachteln
enthalten konnen, kann eine Menge weitere Mengen enthalten, und diese Mengen konnen wiederum
Mengen enthalten. Und genau wie eine Schachtel leer sein kann, kann auch eine Menge leer sein.
Aus der Art der oben vereinbarten Mengennotation folgt, dass die leere Menge durch dargestellt Leere Menge
wird. Die leere Menge wird auch durch das Symbol dargestellt. Ist die Menge M leer, so notieren
wir M = oder M = . Oensichtlich gilt a / f ur jedes Ding a.
Beispiel 1.1. a) Die Menge
A = 1, 2, 3, 4, 5
enthalt als Elemente die Zahlen 1, 2, 3, 4 und 5. Es gilt also z.B. 2, 5 A sowie 0, 6, 13 / A.
b) Die Menge
B = 1, 2, 3, 4, 5, 6
enthalt drei Elemente: die Zahlen 1 und 2 sowie die Menge 3, 4, 5, 6 , die selbst vier Elemente
enthalt, namlich die Zahlen 3, 4, 5 und 6. Machen Sie sich dies an der Schachtel-Metapher klar:
Die Schachtel B enthalt die Elemente 1, 2 sowie eine weitere Schachtel, die die Elemente 3, 4,
5 und 6 enthalt. B kann in diese Schachtel nicht

hineinschauen. Deutlich wird das, wenn wir


der inneren Schachtel einen Namen geben, etwa C = 3, 4, 5, 6 . Dann ergibt sich die Darstellung
B = 1, 2, C , woraus man unmittelbar sieht, das B drei und nicht sechs Elemente enthalt. Es gilt
C B, d.h. 3, 4, 5, 6 1, 2, 3, 4, 5, 6 . Die Schachtel C ist ein Element der Schachtel B, und
es gilt 3 C, aber 3 / B.
c) Die Gleichung x
2
= 1 besitzt in der Menge der reellen Zahlen keine Losung, d.h. ihre Losungs-
menge L = x [ x ist reelle Zahl und x
2
= 1 ist leer: L = .
d) Die Menge
D =
1.1. EIN MENGENBEGRIFF 7
enthalt genau ein Element, namlich die leere Menge. Somit ist die Menge D selbst nicht leer. Auch
dies kann man sich mit der Schachtel-Metapher veranschaulichen. Die Schachtel D ist nicht leer,
denn sie enthalt ein Element, namlich die leere Schachtel. Es gilt D. Wenn wir E = setzen,
dann ist D = E, wodurch auch in der mathematischen Notation deutlich wird, dass D nicht die
leere Menge ist. 2

Ubung 1.1. Sei M eine Menge sowie A = 3, 4, 5, 6 und B = 5, 6 . Setzen Sie oder /
korrekt ein:
(1) . . . ,
(2) . . . ,
(3) M . . . 1, 2 , M,
(4) 1 . . . 1, 2 , M,
(5) 3 . . . A,
(6) 4 . . . A,
(7) 5, 6 . . . A,
(8) B . . . A,
(9) B. . . A,
(10) 6 . . . A,
(11) 6 . . . B. 2

Ubung 1.2. Bestimmen Sie, ob folgende Aussagen wahr oder falsch sind und begr unden Sie Ihre
Antworten!
(1) ,
(2) ,
(3) a, b a, b, c, a, b ,
(4) a, b, c a, b, c, a, b ,
(5) a, b a, b ,
(6) a a, b, a, b . 2
8 KAPITEL 1. DEFINITION UND DARSTELLUNG VON MENGEN
1.2 Darstellung von Mengen
Unsere Festlegung des Mengenbegris besagt, dass die Elemente einer Menge bestimmt sein m ussen.
Dazu verwenden wir zwei Arten der Darstellung von Mengen: die aufzahlende und die beschreibende
Darstellung. Bei der aufzahlenden Darstellung werden die Elemente der Menge explizit angegeben.
In dieser Art und Weise haben wir bereits die Mengen im Beispiel 12.1 sowie in den

Ubungen 1.1
und 1.2 dargestellt.
Beispiel 1.2. Wir geben einige weitere Beispiele f ur die aufzahlende Darstellung von Mengen an:
A = 2, 3, 5, 7, 11
B = 1, 2, . . . , 50
C = 1, 2, . . .
D = 43, 44, . . .
Die Menge A enthalt f unf Elemente, namlich die Primzahlen kleiner gleich 11. Bei den drei anderen Aufzahlende
Darstellung
von Mengen
Mengen wird ein Problem der aufzahlenden Darstellung von Mengen oensichtlich. Falls sie viele
Elemente enthalten oder falls sie unendlich viele Elemente enthalten, ist ihre komplette Aufzahlung
aufwandig bzw. unmoglich. In diesen Fallen helfen wir uns mit der

. . .-Schreibweise. Dabei muss


durch die explizit angegebenen Elemente eindeutig klar sein, f ur welche Elemente

. . . steht. In B
sind oensichtlich die ganzen Zahlen von 1 bis 50 gemeint, in C die nat urlichen Zahlen ohne die
Null und in D die nat urlichen Zahlen groer gleich 43. 2
Bei der Menge E = 3, 5, 7, . . . konnte nicht klar sein, welche Menge gemeint ist: die Menge
der positiven ungeraden Zahlen groer gleich 3 oder die Menge der Primzahlen groer gleich 3. Die
explizite Aufzahlung eines weiteren Elementes konnte Aufklarung bringen: 9 im ersten Fall bzw. 11
im zweiten Fall.
Die allgemeine Form der aufzahlenden Darstellung von Mengen ist also
M = a
1
, a
2
, . . . , a
n

f ur endliche Mengen sowie


M = a
1
, a
2
, . . .
f ur unendliche Mengen.

Ubung 1.3. Geben Sie folgende Mengen in aufzahlender Form an:


(1) M
1
= Menge aller nicht negativen ganzen Zahlen, die Kubikzahlen von ganzen Zahlen und
kleiner als 100 sind.
(2) M
2
= Menge aller ganzen Zahlen zwischen 10 und 50, die durch 3 aber nicht durch 4 teilbar
sind.
(3) M
3
= Menge aller Mengen, die man aus den drei Elementen a, b und c bilden kann. 2
Erf ullt die Menge F = 3, 4, 5, 3, 6 unsere Festlegung des Mengenbegris? Nein, denn Ihre Ele- Multimenge
mente sind nicht wohlunterschieden, da 3 mehr als einmal vorkommt. Wohlunterschieden bedeutet,
dass jedes Element nur einmal in der Menge vorkommen darf. In der Informatik gibt es durchaus
1.2. DARSTELLUNG VON MENGEN 9
Anwendungen, in denen Mengen ein Element auch mehrfach enthalten konnen sollten. Man spricht
dann von Multimengen oder Bags. Die Menge
M = 1, 1, 2, 3, 3, 3, 3, 4, 5, 5, 5
ist ein Beispiel einer Multimenge. Durch unterschiedliche Kenntlichmachung gleicher Elemente
etwa durch fortlaufende Indizierung oder durch Angabe der Haugkeit kann man diese unter-
scheidbar machen und so Multimengen durch Mengen darstellen. Nach Indizierung sieht die Menge
M wie folgt aus
M = 1
1
, 1
2
, 2
1
, 3
1
, 3
2
, 3
3
, 3
4
, 4
1
, 5
1
, 5
2
, 5
3

sowie bei Angabe der Haugkeit


M = 1(2), , 2(1), 3(4), 4(1), 5(3)
Die spater folgenden Denitionen zu Teilmengen und Operationen auf Mengen konnen mithilfe
solcher Kennzeichnungen auf Multimengen ubertragen werden.
Wir betrachten im Folgenden in aller Regel keine Multimengen, sondern Mengen, die jedes Ele-
ment genau einmal enthalten. Dabei sei beispielhaft auf eine Problematik hingewiesen, die entstehen
kann, falls die Elemente Variablen sind und keine

konkreten Elemente (Konstanten). Sind etwa


a, b, c und d Variable f ur ganze Zahlen, und bilden wir damit die Menge M = a, b, c, d , dann
hangt der Inhalt dieser Menge von der Belegung der Variablen ab. Haben z.B. a und c beide den
Wert 5 und b den Wert 1 und d den Wert 2, dann ist M = 1, 2, 5 , d.h. M enthalt in diesem
Fall drei Elemente. F ur den Fall, dass alle Variablen denselben Wert haben, enthalt M genau ein
Element.
Bei der beschreibenden Darstellung werden die Elemente nicht explizit aufgezahlt, sondern es Beschreibende
Darstellung
von Mengen
wird eine sie denierende Eigenschaft angegeben. Die allgemeine Form ist
M = x [ p(x) (1.1)
Dabei ist x ein Platzhalter (eine Variable) f ur die Elemente der Menge, und p(x) ist eine f ur
x informal oder formal angegebene Eigenschaft. Genau die Dinge, die die Eigenschaft erf ullen,
sind Elemente der Menge. Auf Moglichkeiten die denierende Eigenschaft formal durch Pradikate
anzugeben, gehen wir im Kapitel 3 ein.
Beispiel 1.3. Beispiele f ur die beschreibende Darstellung von Mengen sind:
A = x [ x ist eine Primzahl kleiner gleich 11
G = x [ x ist eine positive ganze Zahl und x +x = 10
H = (x, y) [ x und y sind positive ganze Zahlen und x +y = 6
T
64
= y [ y ist ein positiver Teiler von 64
S = st [ st studiert Informatik in Sankt Augustin
Dabei haben wir die Eigenschaften, welche die Elemente festlegen sollen,

halbformal ausgedr uckt,


d.h. umgangssprachlich unter Verwendung von mathematischen Ausdr ucken. In aufzahlender Dar-
10 KAPITEL 1. DEFINITION UND DARSTELLUNG VON MENGEN
stellung gilt oensichtlich:
A = 2, 3, 5, 7, 11
G = 5
H = (0, 6), (1, 5), (2, 4), (3, 3), (4, 2), (5, 1), (6, 0)
T
64
= 1, 2, 4, 8, 16, 32, 64
2

Ubung 1.4. Geben Sie folgende Mengen in beschreibender Form an:


(1) M
1
= 1, 2, 4, 8, 16, 32, 64 ,
(2) M
2
= 4, 9, 25, 49, 121 ,
(3) M
3
= 1, 8, 27, 64 ,
(4) M
4
= 1, 3, 5, 7, . . . . 2
Enthalt eine Menge M endlich viele Elemente, etwa m St uck, dann schreiben wir [M[ = m und Kardinalitat
einer Menge
nennen M eine endliche Menge. [M[ heit die Kardinalitat von M. Nicht endliche Mengen heien
unendlich, und wir notieren [M[ = . Es gilt also z.B. [A[ = 5, [B[ = 50, [D[ = f ur die Mengen
A, B und D aus Beispiel 1.2 auf Seite 8 sowie [G[ = 1, [H[ = [T
64
[ = 7 f ur die Mengen G und H
aus Beispiel 1.3. Oensichtlich gilt [[ = 0.
1.3 Bezeichner f ur Zahlenmengen
Gangige Zahlenmengen besitzen feste Bezeichner. Wir listen diese im Folgenden auf und verwenden
sie so fortan.
N = 1, 2, 3, . . . nat urliche Zahlen
N
0
= 0, 1, 2, 3, . . . nat urliche Zahlen mit 0
N
k
= k, k + 1, k + 2, . . . nat urliche Zahlen ab k, k N
0
N
u,o
= u, u + 1, u + 2, . . . , o nat urliche Zahlen zwischen u und o,
u, o N
0
Beispiele f ur die zwei letzten Notationen sind
N
17
= 17, 18, 19, . . .
N
35,53
= 35, 36, . . . , 53
1.4. RUSSELLSCHE ANTINOMIE 11
Des Weiteren gilt N
u,o
= , falls u groer als o ist.
Z = . . . , 2, 1, 0, 1, 2, . . . ganze Zahlen
G
+
= 0, 2, 4, . . . nicht negative gerade Zahlen
G

= 2, 4, . . . negative gerade Zahlen


G = 4, 2, 0, 2, 4, . . . gerade Zahlen
U
+
= 1, 3, 5, . . . positive ungerade Zahlen
U

= 1, 3, 5 . . . negative ungerade Zahlen


U = 5, 3, 1, 1, 3, 5, . . . ungerade Zahlen
P = 2, 3, 5, 7, 11, . . . Primzahlen
Q =
_
p
q
[ p Z und q N
_
rationale Zahlen (Br uche)
Q
+
rationale Zahlen groer gleich 0
Q

rationale Zahlen kleiner 0


R reelle Zahlen
R
+
reelle Zahlen groer gleich 0
R

reelle Zahlen kleiner 0


C = a +bi [ a, b R und i
2
= 1 komplexe Zahlen
Wie setzen an dieser Stelle die angegebenen Zahlenmengen in dem Sinne als bekannt voraus,
als dass man sie aus der Schule und dem taglichen Leben kennt. Im Teil IV geben wir formale
Denitionen f ur die Mengen der nat urlichen, ganzen und rationalen Zahlen an und betrachten
einige ihrer wesentlichen Eigenschaften.
1.4 Russellsche Antinomie
Unsere Festlegung des Mengenbegris lasst es zu, dass Mengen Elemente von Mengen sein konnen
(siehe z.B. Beispiel 12.1 und

Ubungen 1.1 und 1.2 auf den Seiten 7 und 7). Kann eine Menge sich
auch selbst enthalten? In aller Regel fallen uns nur Beispiele von Mengen ein, die sich nicht selbst
enthalten, wie z.B. die Menge D aller rechtwinkligen Dreiecke in der Ebene. Oensichtlich ist D
kein Element von D, denn die Menge D ist kein rechtwinkliges Dreieck. Betrachten wir nun die
Menge D

aller Elemente, die keine rechtwinkligen Dreiecke sind. Da die Menge D

oensichtlich
kein rechtwinkliges Dreieck ist, muss sie selbst zur Menge D

gehoren, denn diese enthalt ja alle


Elemente, die keine rechtwinkligen Dreiecke sind.
Nun betrachten wir die Menge M, welche alle Mengen enthalt. M ist selbst eine Menge, al-
so muss M sich selbst enthalten, denn M enthalt ja alle Mengen. Unsere auf der Cantorschen
Denition basierende Festlegung des Mengenbegris lasst diese Mengenbildungen zu und f uhrt zu
keinen Schwierigkeiten, insbesondere ist die in der Festlegung geforderte Bestimmtheit der Elemente
gegeben.
Nun betrachten wir die Menge M

aller Mengen, die sich nicht selbst enthalten, formal


M

= A [ A / A
und stellen die Frage, ob M

sich selbst enthalt: M

? Gema der Cantorschen Mengendention


muss bestimmt werden konnen, ob eine Ding zu einer Menge gehort oder nicht. F ur die Frage, ob
M

gilt, muss also entweder die Antwort

ja oder die Antwort

nein zutreen, und die


richtige Antwort muss anhand der beschreibenden Eigenschaft entschieden werden konnen.
12 KAPITEL 1. DEFINITION UND DARSTELLUNG VON MENGEN
Bevor wir diese Frage beantworten, betrachten wir als Vorbereitung darauf das folgende Para-
doxon:
Sei S die Schlange, die all diejenigen Schlangen in den Schwanz beit, die sich nicht
selbst in den Schwanz beien. Frage: Beit S sich selbst in den Schwanz?
Es gibt zwei Moglichkeiten: S beit sich selbst in den Schwanz oder nicht.
Nehmen wir an, S beie sich in den Schwanz. Dann gehort sie zu den Schlangen, die sich selber
in den Schwanz beien und die deshalb nicht von S in den Schwanz gebissen werden. Dies bedeutet
aber, dass S nicht von S gebissen wird, also beit S sich nicht selbst in den Schwanz.
Nehmen wir an, S beie sich nicht in den Schwanz. Dann gehort sie zu den Schlangen, die sich
nicht selber in den Schwanz beien. Diese werden aber gerade von S gebissen, also beit S sich
selbst in den Schwanz.
In beiden moglichen Fallen f uhrt die jeweilige Annahme zu einem Widerspruch, d.h. die Frage
kann nicht beantwortet werden. Es liegt ein sogenanntes Paradoxon vor.
Kehren wir zur Frage

? zur uck und gehen zu deren Beantwortung wie beim Schlangen-


Paradoxon vor: Nehmen wir an, dass M

gelte. Dann gehort M

zu den Mengen, die sich nicht


selbst enthalten. Daraus folgt aber M

/ M

.
Nehmen wir an, dass M

/ M

gelte. Dann enthalt M

sich nicht selbst, d.h. M

gehort zu den
Mengen, die sich nicht selbst enthalten. Daraus folgt aber M

.
Wir stellen also fest, dass auch diese Frage nicht beantwortet werden kann. Dieses Paradoxon ist
bekannt als Russelsche Antinomie.
2
Es zeigt die Unzulanglichkeit der Cantorschen Mengendeniti-
on. Eine Mengendenition sollte in jedem Fall die eindeutige Beantwortung der Frage ermoglichen,
ob ein Ding in einer Menge enthalten ist oder nicht. Die axiomatische Mengenlehre vermeidet An-
tinomien. Hierauf gehen wir, wie eingangs des Kapitels bereits angemerkt, nicht ein, da f ur unsere
Zwecke im Folgenden die Cantorsche Mengendenition ausreicht, Widerspr uche treten nicht auf.
2
Benannt nach Bertrand Russell (1872 - 1970), britischer Logiker, Philosoph, Schriftsteller und Pazist. Er lieferte
wesentliche Beitrage zur Logik und Philosophie. Mit Abert Einstein initiierte er die Pugwash-Bewegung, mit Jean-
Paul Sartre das Vietnam-Tribunal, das erste sogenannte Russelsche Tribunal. 1950 erhielt er den Nobelpreis f ur
Literatur.
Kapitel 2
Aussagenlogik
Aussagen- und Pradikatenlogik sind von grundlegender Bedeutung in der Informatik. Programm-
und Prozessablaufe sind in aller Regel abhangig vom Erf ullt- oder Unerf ulltsein von miteinan-
der verkn upften Bedingungen. So ist z.B. die Steuerung eines

Uberdruckventils eines Heizkessels
abhangig von seiner aktuellen Stellung, der Temperatur und des Drucks. Bei einer Datenbankab-
frage m ussen der erwarteten Antwort entsprechende Bedingungen formuliert werden wie z.B.:

Alle
Kunden, die bis zum Ende des letzten Quartals ihre Rechnungen noch nicht bezahlt haben und
keine Stammkunden sind, m ussen eine Zahlungserinnerung bekommen.
Wir werden, wie im Abschnitt 1.2 angek undigt, Pradikate verwenden, um darstellende Beschrei-
bungen von Mengen zu formulieren (siehe (1.1) auf Seite 9). Auerdem benutzen wir Pradikate,
um im Kapitel 5 Teilmengenbeziehungen und Mengenverkn upfungen zu denieren und deren Ei-
genschaften zu beweisen.
Wir beginnen in diesem Kapitel mit der Aussagenlogik und behandeln im nachsten Kapitel
einf uhrend die Pradikatenlogik. Wir wollen die Aussagenlogik moglicherweise anders, als Sie diese
bisher kennen gelernt haben als eine Sprache betrachten. Sprachen, etwa formale Sprachen, wie
Programmier- oder Dialogsprachen in der Informatik, oder nat urliche Sprachen, wie die deutsche
oder die englische Sprache, oder k unstlerische Sprachen, wie die Poesie oder die Musik, werden
festgelegt durch
ein Alphabet, welches ein endlicher Zeichenvorrat ist, aus dem die Worter und Satze einer
Sprache zusammengesetzt sind,
die Syntax, die festlegt, welche mit den Elementen des Alphabets gebildete Zeichenketten als
Worter oder Satze zur Sprache gehoren,
die Semantik, welche den Wortern und Satzen der Sprache eine Bedeutung zuordnet.
Nach Durcharbeiten dieses Kapitels sollten Sie Lernziele
den syntaktischen Aufbau aussagenlogischer Formeln kennen,
den Wahrheitswert aussagenlogischer Formeln sowohl mit dem Interpretationsoperator als
auch mithilfe von Wahrheitstafeln berechnen konnen,
13
14 KAPITEL 2. AUSSAGENLOGIK
aussagenlogische Grundbegrie wie Erf ullbarkeit, Modell, logische Folgerung, logische

Aquiva-
lenz, Kalk ul, Normalformen und logische Basen sowie Widerspruchsfreiheit und Vollstandig-
keit von Kalk ulen erlautern konnen,
den Resolutionskalk ul erklaren und anwenden konnen.
2.1 Alphabet der Aussagenlogik
Das Alphabet der Aussagenlogik besteht aus zwei Mengen:
aus der Menge der aussagenlogischen Operatorsymbole Aussagen-
logische
Operator-
symbole
O = 0, 1, , , , (, )
sowie aus der Menge x, [ zur Generierung der aussagenlogischen Variablen. Die Menge V Aussagen-
logische
Variablen
der aussagenlogischen Variablen kann wie folgt rekursiv deniert werden:
(1) x ist eine Variable: x V .
(2) Falls ein Variable ist, dann auch [, d.h., ist V , dann ist auch [ V .
Mithilfe dieser Regeln ergibt sich:
V = x, x[, x[[, x[[[, . . .
Wenn wir die Anzahl der Striche als Index notieren, dann ist
V = x
0
, x
1
, x
2
, x
3
, . . .
Wir werden in aller Regel nicht konkrete Elemente aus V , also indizierte x, in den aussa-
genlogischen Formeln verwenden, sondern dazu Variablenbezeichner benutzen, die bei Bedarf
mit konkreten Elementen aus V belegt werden konnen. Als Variablenbezeichner verwenden
wir kleine Buchstaben vom Ende des deutschen Alphabetes, z.B. p, q, r, v, y und z, bei
Bedarf auch indiziert. Mit der Aussage v V ist dann gemeint, dass v anstelle irgendeiner
aussagenlogischen Variable x
i
V steht (v ist Platzhalter f ur x
i
).
2.2 Syntax aussagenlogischer Formeln
Die Sprache / der Aussagenlogik, deren Elemente ihre Worter aussagenlogische Formeln heien, Aussagen-
logische
Formeln
ist durch folgende Syntax-Regeln festgelegt:
(i) Die Operatorsymbole 0, 1 O, die so genannten aussagenlogischen Konstantenbezeichner, Aussagen-
logische
Konstanten-
bezeichner
sind Worter in /: 0, 1 /.
(ii) Jede aussagenlogische Variable ist auch eine aussagenlogische Formel: F ur jedes v V ist
v /.
2.3. SEMANTIK AUSSAGENLOGISCHER FORMELN 15
(iii) Als Variablenbezeichner f ur aussagenlogische Formeln verwenden wir kleine Buchstaben vom
Anfang des griechischen Alphabetes: , , bei Bedarf auch indiziert, z.B.
1
,
2
, . . .
Aus bereits vorhandenen aussagenlogischen Formeln werden mithilfe der Operator- und der
Klammersymbole neue Formeln gebildet: Sind , /, dann sind auch (), (),
/.
1
(iv) Genau die gema den Regeln (i) - (iii) bildbaren Zeichenketten gehoren zu /.
Konstanten und Variablen heien auch atomare Formeln. Die unter Verwendung von Regel (iii) Atomare
Formeln
gebildeten Formeln heien zusammengesetzt. Die Formeln der Gestalt v sowie die der Gestalt v
Zusammengesetzte
Formeln
mit v V heien Literale. Literale sind also Variable sowie mit dem Operator versehene Variable.
Literale
Beispiel 2.1. Es gilt:
a) (p q) /.
b) (((p (q r)) (q r)) 0) /.
c) p(q r) / /.
Wir zeigen, dass b) gilt:
(1) 0, p, q, r / gema Regel (i) bzw. Regel (ii).
(2) Gema (1) und Regel (iii) ist r /.
(3) Gema (1) und Regel (iii) ist (q r) /.
(4) Gema (1,2) und Regel (iii) ist (q r) /.
(5) Gema (4) und Regel (iii) ist (q r) /.
(6) Gema (1,3) und Regel (iii) ist (p (q r)) /.
(7) Gema (4,6) und Regel (iii) ist ((p (q r)) (q r)) /.
(8) Gema (1,7) und Regel (iii) ist (((p (q r)) (q r)) 0) /.
Durch schrittweises Anwenden der Regeln (i) - (iii) haben wir die aussagenlogische Formel (((p
(q r)) (q r)) 0) konstruiert.
Diese Formel enthalt die vier Literale p, q, r sowie r. 2
Wir werden im Folgenden, falls dadurch keine Missverstandnisse auftreten, die aueren Klam-
mern einer Aussage weglassen. Wir schreiben also pq anstelle von (pq) und ((p(q r)) (q
r)) 0 anstelle von (((p (q r)) (q r)) 0).
16 KAPITEL 2. AUSSAGENLOGIK
2.3 Semantik aussagenlogischer Formeln
Die Bedeutung von aussagenlogischen Formeln wollen wir durch die Werte 0 f ur

falsch und 1
f ur

wahr angeben. Die Menge dieser beiden aussagenlogischen Konstanten bzw. Wahrheitswerte
bezeichnen wir mit B. Dabei legen wir auf B = 0, 1 eine Ordnung fest: 0 sei kleiner als 1, d.h. Aussagenlogische
Konstanten
Wahrheitswerte
das Maximum der beiden Wahrheitswerte ist 1, was wir durch max 0, 1 = 1 ausdr ucken, dass
Minimum ist 0, d.h. min 0, 1 = 0. Auerdem legen wir als Operationen auf B fest: 11 = 0 sowie
1 0 = 1.
F ur diese Operationen gelten die beiden folgenden Beziehungen:
min x, y = 1 max 1 x, 1 y (2.1)
max x, y = 1 min 1 x, 1 y (2.2)
Wir konnen also eine der beiden Operationen min bzw. max durch die jeweils andere und die

-
Operation ausdr ucken, wir konnten also auf min oder auf max verzichten. Aus schreibtechnischen
Gr unden und der besseren Lesbarkeit wegen werden wir aber beide Operationen verwenden.
Wir konnen (B, max, min, ) als eine abstrakte Maschine auassen, die die Werte 0 und 1 zur Abstrakte
Maschine
Verf ugung stellt und darauf die Operationen max, min und

ausf uhren kann. Wir benotigen


jetzt noch eine Vorschrift, die festlegt, wie eine aussagenlogische Formel abhangig von Eingaben
von dieser Maschine berechnet wird.

Ubung 2.1. Beweisen Sie die Beziehungen (2.1) und (2.2)! 2


2.3.1 Interpretation aussagenlogischer Formeln
Wir haben die Syntax der aussagenlogischen Formeln induktiv deniert: Die atomaren Formeln
werden als gegeben angenommen und mit diesen und bereits konstruierten Formeln werden mithilfe
von Operatoren und Klammern neue Formeln konstruiert. Induktion ist eine Konstruktionmethode Induktion
mit fundamentaler Bedeutung in der Informatik, insbesondere beim Entwurf von Datenstrukturen
und Algorithmen sowie in der Programmierung. Wir werden im Teil III noch ausf uhrlicher auf
Induktion eingehen.
Es ist nun

nat urlich die Semantik aussagenlogischer Formeln rekursiv entlang der induktiven
Denition ihrer Syntax zu denieren. Zunachst muss den atomaren Formeln, also den Konstantenbe-
zeichnern und Variablen einer Formel ein Wahrheitswert zugewiesen werden und daraus wird dann
der Wahrheitswert der gesamten Formel entsprechend ihres induktiven Aufbaus rekursiv berechnet.
Die Zuweisung von Wahrheitswerten zu Variablen einer Formel / geschieht mit einer Belegung Belegung
1 (

Eingabe), und die Berechnung des Wahrheitswertes von geschieht durch die Interpretation Interpretation
1

Sei / eine aussagenlogische Formel, dann sei V

die Menge der Variablen in . Jeder


Variablen v in , also jedem v V

, wird genau ein Wahrheitswert zugewiesen. Formal: 1 : V

B
mit 1(v) B. F ur jede Variable v V

gibt es zwei mogliche Belegungen: 1(v) = 0 oder 1(v) = 1.


Ist n die Anzahl der Variablen in , also [V

[ = n, dann gibt es 2
n
mogliche Belegungen 1 : V

B.
Diese fassen wir in der Menge
1

= B
V
= 1 [ 1 : V

B
1
Anstelle von ist auch die Notation ublich.
2.3. SEMANTIK AUSSAGENLOGISCHER FORMELN 17
zusammen.
Mit einer gewahlten Belegung 1 1

wird die Interpretation 1

() der aussagenlogischen Formel


/ gema den folgenden Regeln berechnet (dabei erfolgt die Festlegung der Regeln rekursiv
entsprechend der induktiven Denitionen (i) - (iii) der Syntax der aussagenlogischen Formeln im
vorigen Abschnitt):
(i) 1

(0) = 0 und 1

(1) = 1: Die Konstantenbezeichner werden unabhangig von der gegebenen


Formel durch fest zugewiesene Wahrheitswerte interpretiert.
(ii) 1

(v) = 1(v), f ur ein 1 1

: Die Variablen der Formel werden durch die gewahlte Belegung


1 interpretiert.
(iii) Die Interpretation zusammengesetzter Formeln wird gema folgender Regeln berechnet:
Ist = mit , /, dann ist
1

() = 1

( ) = min 1

(), 1

()
Ist = mit , /, dann ist
1

() = 1

( ) = max 1

(), 1

()
Ist = mit /, dann ist
1

() = 1

() = 1 1

()
Beispiel 2.2. Wir betrachten die Formel
= ((p (q r)) (q r)) 0
aus Beispiel 2.1 (Seite 15). Es ist V

= p, q, r . Wir wahlen die Belegung 1(p) = 1, 1(q) = 0 sowie


1(r) = 1. Mit dieser Belegung ergibt sich gema den obigen Regeln folgende Interpretation:
1

() = 1

(((p (q r)) (q r)) 0)


= max1

((p (q r)) (q r)), 1

(0)
= maxmin1

(p (q r)), 1

((q r)), 0)
= maxminmax1

(p), 1

(q r), 1 1

(q r), 0
= maxminmax1(p), min1

(q), 1

(r), 1 max1

(q), 1

(r), 0
= maxminmax1, min1(q), 1(r), 1 max1(q), 1 1

(r), 0
= maxminmax1, min0, 1, 1 max0, 1 1(r), 0
= maxminmax1, min0, 1, 1 max0, 1 1, 0
= maxminmax1, 0, 1 0, 0
= maxmin1, 1, 0
= max1, 0
= 1
F ur die gewahlte Belegung 1 ist der Wert der aussagenlogischen Formel also 1. Berechnen Sie den
Wert f ur weitere der insgesamt 2
3
= 8 moglichen Belegungen! 2
18 KAPITEL 2. AUSSAGENLOGIK
Wir werden im Folgenden, da wir die Operatoren 0 und 1 fest mit den Werten 0 bzw. 1 belegt
haben, auerlich nicht mehr zwischen den Operatoren und ihren Werten unterscheiden und 0 anstelle
von 0 bzw. 1 anstelle von 1 schreiben.
Wir konnen das Tripel (/, B, 1

) auch als eine Programmiersprache auassen: Jedes / ist Programmier-


sprache
ein Programm, B enthalt die moglichen Eingaben f ur die Variablen sowie die moglichen Ausgaben,
die eine Interpretation in Abhangigkeit der Eingaben berechnen kann. 1 legt eine konkrete Eingabe
fest, und 1

ist der Interpreter, der jedes Programm bei gegebener Eingabe ausf uhrt. Die Maschine,
auf der dieser Interpreter ausgef uhrt werden kann, benotigt als Maschinenbefehle max, min sowie
1 0 und 1 1, mit diesen konnen alle aussagenlogischen Formeln berechnet werden.
Am obigen Beispiel sieht man, dass die Berechnung einer Interpretation noch ezienter gestaltet
werden kann. Im Beispiel werden

stur die Regeln schrittweise von links nach rechts ausgef uhrt. Ist
man z.B. bei einem Ausdruck der Form min 1

(), 0 angekommen, so kann man diesen wegen der


Denition von min sofort durch 0 ersetzen, ohne dass 1

() noch ausgerechnet werden muss. Ins-


besondere, wenn noch ein komplexer Ausdruck ist, wird dadurch viel Zeit bei der Berechnung der
Interpretation eingespart.

Uberlegen Sie sich weitere Moglichkeiten zur Ezienzsteigerung bei der
Auswertung! Wir werden an dieser Stelle nicht weiter darauf eingehen. Ein Gebiet der Informatik,
welches sich mit solchen Fragestellungen beschaftigt ist der Compilerbau.
2.3.2 Wahrheitstafeln
Die Semantik aussagenlogischer Formeln und der Wert einer aussagenlogischen Formel kann auch
mithilfe sogenannter Wahrheitstafeln festgelegt bzw. berechnet werden. Seien , / zwei aussa-
genlogische Formeln. Die folgenden Tabellen legen jeweils f ur alle moglichen Werte dieser beiden
Formeln die Werte ihrer Verkn upfungen mit den Operationen , und fest:

1 0
0 1

1 1 1
1 0 0
0 1 0
0 0 0

1 1 1
1 0 1
0 1 1
0 0 0
Jede Zeile legt den Wert f ur genau eine Belegung fest.
Wir sehen, dass die Verkn upfung zweier Formeln mit genau dann 1 ergibt, wenn beide For-
meln den Wert 1 besitzen. Diese Verkn upfung heit Und-Verkn upfung oder Konjunktion. Die Ver- Konjunktion
kn upfung zweier Formeln mit ergibt genau dann 0, wenn beide Formeln den Wert 0 besitzen.
Diese Verkn upfung heit Oder-Verkn upfung oder Disjunktion. Die Verkn upfung heit Negation. Disjunktion
Negation
Beispiel 2.3. Die Wahrheitstafel der Formel
= ((p (q r)) (q r)) 0
2.3. SEMANTIK AUSSAGENLOGISCHER FORMELN 19
aus Beispiel 2.1 (Seite 15) ist:
(p (q r)) ((p (q r))
p q r 0 r q r q r (q r) p (q r) (q r) (q r)) 0
1 1 1 0 0 1 1 0 1 0 0
1 1 0 0 1 0 1 0 1 0 0
1 0 1 0 0 0 0 1 1 1 1
1 0 0 0 1 0 1 0 1 0 0
0 1 1 0 0 1 1 0 1 0 0
0 1 0 0 1 0 1 0 0 0 0
0 0 1 0 0 0 0 1 0 0 0
0 0 0 0 1 0 1 0 0 0 0
Anstelle der Auswertung einer aussagenlogischen Formel durch 1

konnen also auch die Wahr-


heitstabellen zu ihrer Berechnung verwendet werden. Dabei enthalt jede Zeile gerade die Berech-
nung f ur genau eine Belegung 1 der Variablen. So entspricht die dritte Zeile der obigen Tabelle der
Belegung und der Berechung der Formel im Beispiel 2.2 auf Seite 17. 2
Wenn eine aussagenlogische Formel n Variable enthalt, dann gibt es 2
n
mogliche Belegungen,
d.h. die Wahrheitstabelle f ur eine Formel mit n Variablen enthalt 2
n
Zeilen.
2.3.3 Aussagenlogische Operationen
Neben den bereits bekannten aussagenlogischen Operationen Negation, Konjunktion und Disjunk-
tion f uhren wir noch drei weitere Operationen ein: die Subjunktion, die Bijunktion und das exklusive
Oder. Seien , / aussagenlogische Formeln, dann sind auch die Subjunktion (in Worten Subjunktion

wenn , dann oder

aus folgt ), die Bijunktion (in Worten

genau dann, wenn Bijunktion


) sowie das exklusive Oder ( ) (in Worten

entweder oder ) aussagenlogische Formeln. Exklusives


Oder
Wir geben ihre Semantik in den folgenden Wahrheitstafeln an:

1 1 1
1 0 0
0 1 1
0 0 1

1 1 1
1 0 0
0 1 0
0 0 1

1 1 0
1 0 1
0 1 1
0 0 0
Rechnen Sie nach, dass die folgenden Folgerungen korrekt sind.
Folgerung 2.1. a) F ur jede Belegung 1 der Variablen in den aussagenlogischen Formeln , /
gilt:
1

( ) = 1

( ) (2.3)
1

( ) = 1

(( ) ( )) (2.4)
1

( ) = 1

(( ) ( )) (2.5)
Die Operationen Subjunktion, Bijunktion und exklusives Oder erweitern also die semantischen
Moglichkeiten von / nicht, denn sie konnen mithilfe der bereits bekannten Operationen Negation,
Konjunktion und Disjunktion ausgedr uckt werden. Sie stellen syntaktische Hilfsmittel dar, um
gegebenenfalls Ausdr ucke k urzer darzustellen.
20 KAPITEL 2. AUSSAGENLOGIK
b) Wir kennen nun sechs verschiedene aussagenlogische Verkn upfungen. Wie viele zweistellige ver-
schiedene aussagenlogische Verkn upfungen gibt es? Jede Wahrheitstafel f ur zweistellige Verkn upfun-
gen besteht aus vier Zeilen, welche die vier moglichen Belegungen von zwei Variablen darstellen.
Jede Belegung f uhrt zu einem Ergebnis, welches jeweils 0 oder 1 ist. Damit gibt es 2
4
= 16 mogliche
Ergebnisse uberhaupt, und damit gibt es genau sechzehn verschiedene zweistellige aussagenlogi-
sche Verkn upfungen. In a) haben wir bereits gesehen, dass wir mithilfe der Negation zweistellige
Operationen durch andere zweistellige Operationen ausdr ucken konnen. Im Kapitel 2.7 werden wir
uns mit der Frage beschaftigen, wie viele und welche zweistelligen Operationen ausreichen, um alle
sechzehn zweistelligen Operationen darstellen zu konnen. 2

Ubung 2.2. Zeigen Sie, dass f ur jede Belegung 1 der aussagenlogischen Formeln , /
1

( ) = 1

(( )) (2.6)
gilt! 2
Es gilt
1

( ) = min 1

(), 1 1

()
= 1 max 1 1

(), 1

() wegen (2.1)
= 1 1

( )
= 1 1

( ) wegen (2.3)
= 1

(( ))
2.3.4 Erf ullbarkeit aussagenlogischer Formeln
F ur die folgenden Denitionen, die Begrie f ur wichtige Eigenschaften aussagenlogischer Formeln
festlegen, erweitern wir Belegungen von einzelnen Formeln auf Formelmengen. Sei T eine endliche
Menge von Formeln aus /, dann sei V
F
die Menge der Variablen, die entsteht, wenn alle Variablen
aller Formeln in T zu einer Menge zusammengefasst werden. Die Belegung 1 : V
F
B ordnet dann
jeder Variablen v V
F
eine Belegung 1(v) B zu. Wir verallgemeinern entsprechend 1

zu
1
F
= B
V
F
= 1 [ 1 : V
F
B
und nennen 1 1
F
dann eine Belegung von T.
Beispiel 2.4. F ur die Formelmenge T
1
= p q, q r, (p q) (q r) gilt V
F1
= p, q, r .
Wahlt man etwa die Belegung 1(p) = 1(q) = 1 und 1(r) = 0, dann besitzen alle drei Formeln in
T
1
den Wert 1. 2
Denition 2.1. Sei / eine aussagenlogische Formel und T eine endliche Menge aussagenlogi-
scher Formeln aus /.
a) heit erf ullbar genau dann, wenn eine Belegung 1 von existiert mit 1

() = 1. Erf ullbarkeit
b) heit Tautologie oder allgemeing ultig (auch g ultig) genau dann, wenn f ur jede Belegung 1 von Tautologie
gilt 1

() = 1.
c) heit Kontradiktion oder widerspruchsvoll (auch unerf ullbar) genau dann, wenn f ur jede Bele- Kontradiktion
gung 1 von gilt 1

() = 0.
d) T heit erf ullbar genau dann, wenn es eine Belegung 1 von T gibt, so dass 1

() = 1 f ur alle Modell
T ist. 1 heit ein Modell f ur T. Gibt es zu T kein Modell, dann heit T unerf ullbar. 2 Unerf ullbar-
keit
2.4. LOGISCHE FOLGERUNG 21
Beispiel 2.5. a) Die Formeln p q und (p q) (q r) sowie die Formel aus Beispiel 2.4 sind
erf ullbar aber keine Tautologien.
b) Die Formeln p p und (p q) (p q) sind Tautologien.
c) Die Formel p p ist eine Kontradiktion.
d) Die Menge T
1
= p q, q r, (p q) (q r) ist erf ullbar, denn sie besitzt, wie bereits in
Beispiel 2.4 festgestellt, das Modell 1(p) = 1(q) = 1, 1(r) = 0.
e) Die Menge T
2
= p, p q, q ist unerf ullbar, denn sie besitzt kein Modell, da f ur eine Belegung
1, f ur die jede Formel in T
2
den Wert 1 haben soll, 1(p) = 1 und 1(q) = 0 sein muss. F ur diese
Belegung ist aber 1(p q) = 0. Es gibt also keine Belegung, die T
2
erf ullt. 2
Folgerung 2.2. a) Eine Formel ist genau dann erf ullbar, wenn in der Ergebnisspalte ihrer Wahr-
heitstafel mindestens eine 1 vorkommt.
b) Eine Formel ist genau dann allgemeing ultig, wenn in der Ergebnisspalte ihrer Wahrheitstafel
nur Einsen vorkommen.
c) Eine Formel ist genau dann widerspruchsvoll, wenn in der Ergebnisspalte ihrer Wahrheitstafel
nur Nullen vorkommen. 2
2.4 Logische Folgerung
F ur das Beweisen von mathematischen Behauptungen ist der logische Folgerungsbegri elementar.
Diesen legt die folgende Denition fest.
Denition 2.2. Sei / eine aussagenlogische Formel und T eine endliche Menge aussagenlo- Logische
Folgerung
gischer Formeln aus /. heit logische Folgerung von T genau dann, wenn 1

() = 1 f ur jedes
Modell 1 von T ist. Wir schreiben T [= und sprechen

aus T folgt (logisch). 2


Beispiel 2.6. a) F ur T = p, q gilt T [= p q, denn f ur jedes Modell 1 von T muss gelten
1(p) = 1 und 1(q) = 1, damit ist aber auch 1

(p q) = 1.
b) F ur T = p q, q r gilt T [= p r, denn T besitzt die folgenden vier Modelle
(1) 1(p) = 1 1(q) = 1 1(r) = 1
(2) 1(p) = 0 1(q) = 1 1(r) = 1
(3) 1(p) = 0 1(q) = 0 1(r) = 1
(4) 1(p) = 0 1(q) = 0 1(r) = 0
und f ur alle diese Modelle gilt jeweils 1

(p r) = 1. Aus den Formeln p q und q r folgt also


logisch die Formel p r. 2
Folgerung 2.3. Es sei T eine endliche Menge von aussagenlogischen Formeln und , / mit
T [= und T [= . Dann gilt T [= .
Beweis Sei 1

ein Model von T, welches erf ullt, d.h. es gilt 1

() = 1, und es sei 1

ein
Model von T, welches erf ullt, d.h. es gilt 1

() = 1, dann gilt sowohl 1

( ) = 1 als auch
1

( ) = 1, d.h. alle Modelle von T erf ullen . 2


22 KAPITEL 2. AUSSAGENLOGIK
Der folgende Satz macht eine Aussage uber den Zusammenhang von Allgemeing ultigkeit und
Unerf ullbarkeit von Formeln. Diese Aussage ist wichtig f ur die Programmierung von automatischen
Beweisern, welche die G ultigkeit von Formeln nachweisen sollen.
Satz 2.1. a) Eine Formel / ist allgemeing ultig genau dann, wenn unerf ullbar ist.
b) Sei T =
1
,
2
, . . . ,
n
eine Menge aussagenlogischer Formeln und /. Dann gilt T [=
genau dann, wenn
1
,
2
, . . . ,
n
, unerf ullbar ist.
Beweis a) ist allgemeing ultig genau dann, wenn 1

() = 1 f ur jede Belegung 1 der Variablen


von gilt. 1

() = 1 gilt genau dann, wenn 1

() = 1 1

() = 0 gilt. F ur jede Belegung 1 von


ist 1

() = 0 genau dann, wenn unerf ullbar ist. Damit haben wir die Behauptung gezeigt.
b) Wir beweisen die Behauptung in zwei Schritten, indem wir zeigen:
(i) Wenn T [= gilt, dann ist
1
,
2
, . . . ,
n
, unerf ullbar.
(ii) Wenn
1
,
2
, . . . ,
n
, unerf ullbar ist, dann gilt T [= .
Zu (i): Sei 1 ein Modell f ur T, d.h. 1

(
i
) = 1 f ur alle i. Da T [= gilt, ist 1

() = 1 f ur 1, d.h.
1

() = 0 f ur 1. Somit gibt es also keine Belegung 1, f ur die 1

(
i
) = 1 f ur alle i und 1

() = 1
ist. Daraus folgt, dass
1
,
2
, . . . ,
n
, unerf ullbar ist.
Zu (ii): Sei 1 ein Modell f ur T, d.h. 1

(
i
) = 1 f ur alle i. Da
1
,
2
, . . . ,
n
, unerf ullbar ist,
kann 1 kein Modell f ur sein, d.h. es gilt 1

() = 0 und damit gilt 1

() = 1 f ur die Belegung
1. Hieraus folgt, dass jedes Modell von T auch ein Modell von ist, d.h. T [= gilt. 2
Die Aussage a) des Satzes ist ein Spezialfall der Aussage b), wir brauchen nur T = zu wahlen.
Der Satz gibt im

Ubrigen eine Beweismethode an: Um zu zeigen, dass die Behauptung aus
den Voraussetzungen T logisch folgt, kann man zeigen, dass die Negation der Behauptung mit den
Voraussetzungen unvereinbar ist.
Folgerung 2.4. a) / ist allgemeing ultig genau dann, wenn [= gilt.
2
b) Ist T eine unerf ullbare Menge von Formeln, dann gilt T [= f ur jede Formel /. Dies
bedeutet, dass man aus jeder unerf ullbaren Formelmenge jede beliebige Formel folgern kann.
Beweis a) F ur T = besagt Satz 2.1 b), dass [= genau dann gilt, wenn unerf ullbar ist.
Nach Satz 2.1 a) ist uner ullbar genau dann, wenn allgemeing ultig ist. Insgesamt folgt: [=
gilt genau dann, wenn allgemeing ultig ist was zu zeigen war.
b) Sei T =
2
, . . . ,
n
unerf ullbar, d.h. T besitzt kein Modell 1. Wir betrachten nun f ur ein
/ zwei Falle: (i) ist allgemeing ultig und (ii) ist nicht allgemeing ultig.
(i) Sei /allgemeing ultig, d.h. gema Satz 2.1 a) ist unerf ullbar. Es folgt, dass
1
, . . . ,
n
,
unerf ullbar ist, woraus mit Satz 2.1 b) T [= folgt.
(ii) Sei nun nicht allgemeing ultig, d.h. ist erf ullbar, d.h. es gibt Modelle 1 f ur . Diese
sind aber keine Modelle f ur T, da T unerf ullbar ist. Es folgt, dass
1
, . . . ,
n
, unerf ullbar ist.
Daraus folgt mit Satz 2.1 b) T [= .
F ur beide Falle kann also die Behauptung gezeigt werden. 2
Der nachste Satz gibt weitere Beweismethoden an: die Deduktion und die Modus ponens-Regel.
2
Anstelle von |= schreibt man auch |= .
2.4. LOGISCHE FOLGERUNG 23
Satz 2.2. a) F ur jede Menge T =
1
,
2
, . . . ,
n
aussagenlogischer Formeln und f ur alle Formeln
, / gilt

1
,
2
, . . . ,
n
, [= genau dann, wenn T [= ( )
gilt. Deduktionstheorem
b) F ur alle Formeln , / gilt , [= . Modus
ponens-
Regel
Beweis a) Es gilt:

1
, . . . ,
n
[= genau dann, wenn
1
, . . . ,
n
, ( ) unerf ullbar (wegen Satz 2.1 b)
genau dann, wenn
1
, . . . ,
n
, unerf ullbar (wegen

Ubung 2.2)
genau dann, wenn
1
, . . . ,
n
, , unerf ullbar
genau dann, wenn
1
, . . . ,
n
, [= (wegen Satz 2.1 b)
b) Es gilt:
, [= genau dann, wenn , , unerf ullbar (wegen Satz 2.1 b)
Da wegen Beispiel 2.5 e) , , unerf ullbar ist, ist die Behauptung gezeigt. 2
Denition 2.3. Gilt f ur aussagenlogische Formeln
1
,
2
, . . . ,
n
und , dass die Subjunktion
(
1

2
. . .
n
) eine Tautologie ist, dann heit diese Subjunktion Implikation, und wir
schreiben (
1

2
. . .
n
) und sprechen

1
,
2
, . . . ,
n
implizieren . 2 Implikation
Beispiel 2.7. Es seien , , /. Rechnen Sie nach, dass die folgenden Implikationen gelten:
a) Abschwachung der Nachbedingung: ( ). Abschwachung
der Nachbe-
dingung
b) Verscharfung der Vorbedingung: ( ) .
Verscharfung
der Vorbe-
dingung
c) Kettenschluss: ( ) ( ) ( ). 2
Kettenschluss
Der folgende Satz besagt, dass die logische Folgerung und die Implikation in dem Sinne aquiva-
lente Folgerungsbegrie sind, als dass die logische Folgerung

1
,
2
, . . . ,
n
[=
auch nachgewiesen werden kann, indem man zeigt, dass die Implikation
(
1

2
. . .
n
)
gilt, und umgekehrt.
Satz 2.3. F ur die aussagenlogischen Formeln
1
,
2
, . . . ,
n
und gilt

1
,
2
, . . . ,
n
[= genau dann, wenn (
1

2
. . .
n
)
gilt.
Beweis Wir setzen T =
1
,
2
, . . . ,
n
und zeigen:
(i) Wenn T [= gilt, dann gilt auch (
1

2
. . .
n
) .
24 KAPITEL 2. AUSSAGENLOGIK
(ii) Wenn (
1

2
. . .
n
) gilt, dann auch T [= .
Zu (i): F ur alle Modelle 1 von T ist 1

(
i
) = 1 f ur 1 i k. F ur diese Modelle muss, da T [=
vorausgesetzt ist, 1

() = 1 sein. F ur diese Belegungen ist die Subjunktion (


1

2
. . .
n
)
immer wahr. F ur Belegungen von T, die keine Modelle sind, ist 1

(
i
) = 0 f ur mindestens ein i.
Dann gilt 1

(
1

2
. . .
n
) = 0 und damit ist die Subjunktion (
1

2
. . .
n
) ebenfalls
wahr und zwar unabhangig vom Wert von . Die Subjunktion (
1

2
. . .
n
) ist also in
jedem Falle wahr und damit eine Implikation, was zu zeigen war.
Zu (ii): (
1

2
. . .
n
) ist eine Tautologie genau dann, wenn entweder alle
i
und
den Wert 1 haben oder mindestens ein
i
den Wert 0 hat. Hieraus folgt, dass in beiden Fallen die
Formelmenge
1
,
2
, . . . ,
n
, unerf ullbar ist. Gema Satz 2.1 b) folgt daraus, dass T [=
gilt, was zu zeigen war. 2
2.5 Kalk ule
Die beiden bisher vorgestellten Folgerungsbegrie, logische Folgerung (Denition 2.2) und Impli-
kation (Denition 2.3), sind semantische Folgerungsbegrie. Das soll heien, dass in beiden Fallen
die Werte der beteiligten Formeln berechnet werden m ussen um zu entscheiden, ob die gegebenen
Formeln eine logische Folgerung bzw. eine Implikation bilden. Es ist also notwendig, die Interpreta-
tionen der beteiligten Formeln bzw. die Wahrheitstafel der betreenden Subjunktion zu betrachten.
Wir wollen nun eine andere Moglichkeit der Folgerung, die syntaktische Folgerung, betrachten.
Syntaktische Folgerung heit, dass eine Folgerung vorgenommen wird, ohne die Semantik der betei-
ligten Formeln, sei es durch Interpretationen oder sei es durch die Wahrheitstafel, zu berechnen. Die
Folgerung geschieht, indem in einer Formel Teilformeln durch andere Formeln ersetzt werden. Die
Ersetzung von Formeln geschieht dabei mithilfe sogenannter Ableitungsregeln, auch Inferenzregeln
genannt.
Denition 2.4. a) Seien
1
,
2
, . . . ,
n
und ausagenlogische Formeln, f ur die die Implikation Ableitungsregel
Inferenzregel
(
1

2
. . .
n
) gilt. Dann heit

1
,
2
, . . . ,
n

Ableitungs- oder Inferenzregel.


b) Sei eine aussagenlogische Formel, T =
1
,
2
, . . . ,
n
eine Menge aussagenlogischer Formeln,

1
,
2
, . . . ,
k
irgendeine Auswahl von Formeln aus T und
1
,
2
, . . . ,
m
, die Menge der nicht
ausgewahlten Formeln aus T sowie
1,2,...,
k

eine Inferenzregel, dann heit


1
,
2
, . . . ,
m
,
ableitbar aus T, und wir schreiben T
1
,
2
, . . . ,
m
, .
c) Eine aussagenlogische Formel ist ableitbar aus einer Menge T von aussagenlogischen Formeln, Logische
Ableitung
falls es Mengen aussagenlogischer Formeln T
1
, T
2
, . . ., T
r
, r 0, gibt mit:
T T
1
T
2
. . . T
r

Wir notieren dann T und sagen, dass logisch aus T ableitbar ist. 2
2.5. KALK

ULE 25
Beispiel 2.8. Es seien , , /. a) - d) sind Beispiele f ur Ableitungsregeln. e) ist ein Beispiel
f ur eine logische Ableitung mithilfe der Regeln a) und b).
a) Modus ponens-Regel:
,

(siehe auch Satz 2.2 b). Modus po-


nens
b) Modus tollens-Regel:
,

. Modus tol-
lens
c) Reductio ad absurdum-Regel:
(), ()

. Reductio ad
absurdum
d) Kettenschluss:
,

(siehe auch Beispiel 2.7 c auf Seite 23). Kettenschluss


e) Es gilt
, , ,
und damit
, ,
Die erste Ableitung erfolgt mithilfe der Modus tollen-Regel, die zweite mithilfe der Modus ponens-
Regel. 2
Die logische Ableitung geschieht also, indem eine Menge von aussagenlogischen Formeln auf-
grund von Inferenzregeln oder bereits durchgef uhrten logischen Ableitungen verandert wird. Dabei
wird die Semantik der Formeln bei keinem Ableitungschritt betrachtet. Die korrekte Semantik
wird nur einmalig f ur die benutzten Inferenzregeln vorausgesetzt (Denition 2.4 a). Solche
syntaktischen Ableitungssysteme werden auch Kalk ule genannt. Kalk ule sind gut geeignet f ur die Logischer
Kalk ul
Programmierung von logischen Schlussfolgerungsmechanismen auf Rechnern. Dabei sollte ein aus-
sagenlogischer Kalk ul den folgenden beiden Qualitatskriterien mindestens gen ugen:
Widerspruchsfreiheit (auch Korrektheit): Jede mit dem Kalk ul ableitbare Formel ist eine lo- Widerspruchs-
freiheit
Korrektheit
gische Folgerung. Ist also T eine Menge aussagenlogischer Formeln, eine aussagenlogische
Formel und gilt T , dann folgt, dass auch T [= gilt. Der Kalk ul kann also keine Folge-
rungen produzieren, die semantisch nicht korrekt sind.
Mit Folgerung 2.4 (siehe Seite 22) gilt f ur einen widerspruchsfreien Kalk ul: Alle ableitbaren
Formeln sind allgemeing ultig, d.h., gilt , dann gilt auch [= .
Vollstandigkeit: Jede logische Folgerung ist auch mit dem Kalk ul ableitbar. Ist also T eine Vollstandig-
keit
Menge aussagenlogischer Formeln, eine aussagenlogische Formel und gilt T [= , dann folgt,
dass auch T gilt. Der Kalk ul kann also alle logischen Folgerungen syntaktisch ableiten.
Mit Folgerung 2.4 gilt f ur einen vollstandigen Kalk ul: Alle allgemeing ultigen Formeln sind
ableitbar, d.h., gilt [= , dann gilt auch .
F ur einen widerspruchsfreien und vollstandigen aussagenlogischen Kalk ul gilt also T genau
dann, wenn T [= gilt, bzw. gilt genau dann, wenn [= gilt.
In Abschnitt 2.8 stellen wir einen widerspruchsfreien und vollstandigen Kalk ul f ur die Aussa-
genlogik vor.
26 KAPITEL 2. AUSSAGENLOGIK
2.6 Aussagenlogische

Aquivalenzen
Interessant f ur

das Rechnen mit aussagenlogischen Formeln ist, in ihnen Teilformeln durch gleich-
wertige Teilformeln ersetzen zu konnen, um

kalk ulmaig also rein syntaktisch Formeln in


gleichwertige Formeln transformieren zu konnen. Dazu m ussen wir zunachst die Gleichwertigkeit
oder

Aquivalenz von aussagenlogischen Formeln denieren.
Denition 2.5. Zwei aussagenlogische Formeln , / heien logisch aquivalent, falls f ur jede Aussagenlogische

Aquivalenz
Belegung 1 von und gilt: 1

() = 1

(). Schreibweise: . 2
Beispiel 2.9. Aus Folgerung 2.1 a) (Seite 19) folgt unmittelbar, dass f ur , / folgende

Aqui-
valenzen gelten:

( ) ( )
( ) ( )
Der folgende Satz listet wichtige aussagenlogische

Aquivalenzen auf.
Satz 2.4. Es seien , , / aussagenlogische Formeln. Dann gelten die auf Seite 27 in Tabelle
2.4 aufgelisteten

Aquivalenzen:

Ubung 2.3. Beweisen Sie die im Satz 2.4 aufgelisteten logischen



Aquivalenzen! 2
Denition 2.6. Gilt f ur aussagenlogische Formeln und , dass die Bijunktion eine

Aquivalenz
Tautologie ist, dann heit diese Bijunktion eine

Aquivalenz, und wir schreiben . 2
Dass die logische

Aquivalenz (siehe Denition 2.5) und die

Aquivalenz (Denition 2.6) gleich-
bedeutend sind, besagt der folgende Satz (vergleiche auch Satz 2.3 auf Seite 23).
Satz 2.5. Seien , / aussagenlogische Formeln, dann gilt
genau dann, wenn gilt, und genau dann, wenn [= gilt

Ubung 2.4. Beweisen Sie Satz 2.5! 2


Satz 2.6. a) Seien , / mit , und sei / eine aussagenlogische Formel, die als
Teilformel enthalt.

sei eine Formel, die aus entsteht, indem durch ersetzt wird. Dann gilt:

.
b) Eine aussagenlogische Formel / ist allgemeing ultig genau dann, wenn 1 (oder 1)
gilt. 2

Ubung 2.5. Beweisen Sie Satz 2.6! 2


Der Satz 2.6 bildet zusammen mit den in Satz 2.4 (Tabelle 2.4) aufgelisteten

Aquivalenzen
die Moglichkeit, die

Aquivalenz von aussagenlogischen Formeln bzw. die Allgemeing ultigkeit von
aussagenlogischen Formeln rein syntaktisch durch Ersetzen von Teilformeln durch aquivalente nach-
zuweisen.
2.6. AUSSAGENLOGISCHE

AQUIVALENZEN 27
0 (Einf uhrung der Negation)
(Doppelte Negation)
(Idempotenz)

(Kommutativitat)

( ) ( ) (Assoziativitat)
( ) ( )
( ) ( ) ( ) (Distributivitat)
( ) ( ) ( )
( ) (Absorption)
( )
( ) (De Morgansche Regeln)
( )
1 1 (Tautologieregeln)
1
1
0 (Unerf ullbarkeitsregeln)
0 0
0
Tabelle 2.1: Aussagenlogische

Aquivalenzen.
28 KAPITEL 2. AUSSAGENLOGIK
Beispiel 2.10. Seien , , /. Wir zeigen rein syntaktisch, dass die aussagenlogische Formel
( ) ( ) allgemeing ultig ist:
( ) ( ) ( ) ( ) (gema Denition der
Subjunktion)
( ) (wegen der Assoziativitat der
Disjunktion)
1 (wegen der Tautologieregel)
( ) 1 (wegen Kommutativitat und
Assoziativitat)
1 (wegen der Tautologieregel)
2.7 Normalformen und aussagenlogische Basen
Wir kennen bisher folgende f unf zweistellige Verkn upfungen: Disjunktion , Konjunktion , Sub-
junktion , Bijunktion und Exklusives Oder . F ur die weiteren Betrachtungen f uhren wir f ur
, / noch zwei weitere Verkn upfungen ein: (NAND) und (NOR) deniert durch NAND
NOR

1 1 0
1 0 1
0 1 1
0 0 1
bzw.

1 1 0
1 0 0
0 1 0
0 0 1
Folgerung 2.5. F ur aussagenlogische Formeln , / gilt:
a) ( ).
b) ( ). 2

Ubung 2.6. Beweisen Sie die Aussagen in Folgerung 2.5! 2


In Folgerung 2.1 b) (Seite 19) haben wir bereits uberlegt, wie viele zweistellige Verkn upfungen
es geben kann. Der folgende Satz verallgemeinert diese Aussage und beantwortet die Frage, wie
viele n-stellige Verkn upfungen es prinzipiell geben kann.
Satz 2.7. Es gibt 2
2
n
n-stellige aussagenlogische Verkn upfungen.
Beweis Eine Wahrheitstafel besitzt f ur n aussagenlogische Variablen 2
n
Zeilen, da jede Variable
die Werte 0 oder 1 annehmen kann. Jede dieser 2
n
Zeilen kann als Ergebnis (in der letzten Spalte)
ebenfalls die Werte 0 oder 1 haben. Das bedeutet, dass es genau 2
2
n
verschiedene Ergebnisspalten
gibt. Also gibt es prinzipiell 2
2
n
verschiedene n-stellige aussagenlogische Verkn upfungen. 2
Folgerung 2.6. Als Spezialfall gilt f ur n = 2, dass es, wie wir bereits in Folgerung 2.1 b) festgestellt
haben, 2
2
2
= 16 verschiedene zweistellige aussagenlogische Verkn upfungen gibt. 2
2.7. NORMALFORMEN UND AUSSAGENLOGISCHE BASEN 29
Wir gehen nun auf die bereits in Folgerung 2.1 b) gestellte Frage ein, ob man tatsachlich 16
verschiedene zweistellige Operationen braucht oder ob man einige Operationen mithilfe anderer
aquivalent darstellen kann. Nicht nur theoretisch, sondern auch aus praktischen Gr unden ist diese
Fragestellung von Interesse. So ist z.B. im Hinblick auf den Entwurf logischer Schaltungen die
Frage nach einer minimalen Anzahl logischer Grundbausteine interessant, mit der alle logischen
Schaltungen realisierbar sind.
Beispiel 2.11. a) Es seien , / aussagenlogische Formeln. Aus Folgerung 2.1 a) (Seite 19)
kennen wir folgende

Aquivalenzen:
( ) ( )
( ) (( ) ( ))
(( ) ( ))
( ) (( ) ( ))
Subjunktion, Bijunktion und exklusives Oder sind also durch Negation, Disjunktion und Konjunk-
tion darstellbar.
b) Mithilfe der Doppelten Negation und der De Morganschen Regeln (siehe Satz 2.4 bzw. Tabelle
2.4, Seite 27) gelten die folgenden

Aquivalenzen:
( ) ( ) (2.7)
( ) ( ) (2.8)
Die Konjunktion lasst sich also durch Negation und Disjunktion, die Disjunktion durch Negation
und Konjunktion darstellen.
c) Mithilfe von Idempotenz (siehe Satz 2.4) und Folgerung 2.5 b) (Seite 28) gilt
( ) (2.9)
Die Negation lasst sich also durch NOR ausdr ucken.
d) Mithilfe von

Aquivalenz (2.7), Folgerung 2.5 b) und der

Aquivalenz (2.9) gilt
( ) ( ) ( )
Die Konjunktion lasst sich also alleine durch NOR ausdr ucken.

Ubung 2.7. Zeigen Sie:


a) Die Negation lasst sich alleine durch NAND ausdr ucken.
b) Die Konjunktion lasst sich alleine durch NAND ausdr ucken.
c) Die Disjunktion lasst sich alleine durch NOR ausdr ucken.
d) Die Disjunktion lasst sich alleine durch NAND ausdr ucken. 2
Denition 2.7. Eine Menge O aussagenlogischer Verkn upfungen heit aussagenlogische Basis, Aussagenlogische
Basis
falls sich jede aussagenlogische Formel aquivalent in eine aussagenlogische Formel transformieren
lasst, welche nur Verkn upfungen aus O enthalt. 2
Auf die oben gestellten Fragen gibt nun der folgende Satz eine Antwort.
30 KAPITEL 2. AUSSAGENLOGIK
Satz 2.8. Die folgenden Mengen aussagenlogischer Verkn upfungen bilden aussagenlogische Basen:
3
Boolesche Basis , ,
De Morgan-Basis , und ,
Frege-Basis ,
NOR-Basis
NAND-Basis

Ubung 2.8. Beweisen Sie Satz 2.8! 2


Denition 2.8. a) Eine aussagenlogische Formel / ist in disjunktiver Normaform (DNF), Disjunktive
Normalform
falls gilt: =
1
. . .
n
mit
i
= p
i1
. . . p
iki
, 1 i n, wobei alle p
ij
, 1 j k
i
, 1 i n,
Literale sind.
b) Eine aussagenlogische Formel / ist in konjunktiver Normaform (KNF), falls gilt = Konjunktive
Normalform

1
. . .
n
mit
i
= p
i1
. . . p
iki
, 1 i n, wobei alle p
ij
, 1 j k
i
, 1 i n, Literale sind.
2
Beispiel 2.12. Die Formel
= (p q r) (p q) (p q r) (q r)
ist ein Beispiel f ur eine Formel in disjunktiver Normalform. Die Formel
= (p q r) (p q) (p q r)
ist ein Beispiel f ur eine Formel in konjunktiver Normalform. 2
Eine Formel in disjunktiver Normalform ist also eine Disjunktion von Konjunktionen von Lite-
ralen, eine Formel in konjunktiver Normalform entsprechend eine Konjunktion von Disjunktionen
von Literalen.
Satz 2.9. a) Jede aussagenlogische Formel lasst sich in eine aquivalente aussagenlogische Formel
in disjunktiver Normalform transformieren.
b) Jede aussagenlogische Formel lasst sich in eine aquivalente aussagenlogische Formel in konjunk-
tiver Normalform transformieren. 2

Ubung 2.9. Beweisen Sie Satz 2.9! 2


Satz 2.10. Ersetzt man in einer aussagenlogischen Formel /, in der nur die Operatoren , Dualitats-
prinzip
der Aussa-
genlogik
und vorkommen, jedes Vorkommen von durch , jedes Vorkommen von durch , jedes
Vorkommen von 0 durch 1, jedes Vorkommen von 1 durch 0 sowie jedes Vorkommen eines Literals
durch seine Negation, dann gilt f ur die so entstehende Formel : .

Ubung 2.10. Beweisen Sie Satz 2.10! 2


3
Die Frege-Basis ist benannt nach dem Mathematiker, Logiker und Philosoph Gottlob Frege (1848 - 1925). Dieser
lieferte bedeutende Betrage zur mathematischen Grundlagenforschung und beeinusste durch seine sprachanalyti-
schen Untersuchungen Philosophie und Linguistik. Frege gilt als Begr under der modernen Logik. In seiner Arbeit

Begrisschrift, eine der arithmetischen nachgebildete Formelsprache des reinen Denkens stellte er als Erster einen
leistungsfahigen Kalk ul f ur die Pradikatenlogik vor.
Die Boolesche Basis ist nach George Boole und die De Morgan-Basis ist nach Augustus de Morgan benannt, zu
beiden werden in Kapitel 6 bzw. in Kapitel 5 noch Angaben gemacht.
2.8. RESOLUTIONSKALK

UL 31
Folgerung 2.7. Sei / eine aussagenlogische Formel, dnf() ihre disjunktive und knf() ihre
konjunktive Normalform, dann gilt
dnf() knf() sowie knf() dnf()

Ubung 2.11. Beweisen Sie Folgerung 2.7! 2


2.8 Resolutionskalk ul
Im Abschnitt 2.5 haben wir grundlegende Begrie f ur Kalk ule und wesentliche Eigenschaften von
Kalk ulen kennen gelernt. Wir wollen nun kurz auf den Resolutionskalk ul eingehen, der in der Logi-
schen Programmierung und in der K unstlichen Intelligenz eine wichtige Rolle spielt. Der Resoluti-
onskalk ul ist ein widerspruchsfreier und vollstandiger Kalk ul, mit dem die (Un-) Erf ullbarkeit einer
Menge von Klauseln nachgewiesen werden kann.
Denition 2.9. Sei Klausel
= (p
11
. . . p
1k1
) . . . (p
n1
. . . p
nkn
)
die in konjunktiver Normalform gegebene aussagenlogische Formel /. Dann heien die Mengen
p
i1
, . . . , p
iki
, 1 i n, der jeweils disjunktiv verkn upften Literale die Klauseln von , und die
Menge ihrer Klauseln Klauselmenge
M

= p
11
, . . . , p
1k1
, . . . , p
n1
, . . . , p
nkn

heit Klauselmenge von . 2
Beispiel 2.13. F ur die Formel aus Beispiel 2.12 (Seite 30) gilt:
M

= p, q, r , p, q , p, q, r
Satz 2.11. Seien
1
und
2
zwei aquivalente aussagenlogische KNF-Formeln mit V
1
= V
2
. Dann
gilt M
1
= M
2
. 2
Beispiel 2.14. Die folgenden drei Formeln sind aquivalent

1
= (p p) (q r)

2
= (r q) p

3
= p (q r q)
und es gilt M
1
= M
2
= M
3
= p, q, r . 2
Eine Klauselmenge abstrahiert von aquivalenten Umformungen mit Kommutativitats-, Assozia-
tivitats- und Dsitributivitatsregeln.
Da es sich bei der Klauselmenge einer Formel also nur um eine andere Darstellung dieser For-
mel handelt, konnen die Begrie Belegung, Interpretation, Ableitungsregel, (Un-) Erf ullbarkeit,
Folgerung und

Aquivalenz auf Klauselmengen entsprechend ubertragen werden.
In Vorbereitung auf die folgenden

Uberlegungen betrachten wir folgendes Beispiel.
32 KAPITEL 2. AUSSAGENLOGIK
Beispiel 2.15. Es sei
= (p q r) (r s)
Es ist also
M

= p, q, r , r, s
Ist bzw. M

erf ullbar? M

ist erf ullbar genau dann, wenn beide Klauseln K


1
= p, q, r und
K
2
= r, s erf ullbar sind. Beide Klauseln sind erf ullbar genau dann, wenn 1(p) = 1 oder 1(q) = 1
und jedem Fall 1(s) = 0 gesetzt wird. Die Belegung des Literals r ist f ur die Erf ullbarkeit von K
1
und K
2
unerheblich, da r in K
1
und die Negation r in K
2
auftritt. r und r

neutralisieren sich
quasi hinsichtlich der Erf ullbarkeit von M

. Aus unserer

Uberlegung folgt, dass M

genau dann
erf ullbar ist, wenn die Klauselmenge
M

= p, q, r , r, s , p, q, s
erf ullbar ist, es ist also M

. 2
Diese beispielhafte

Uberlegung ist die Grundlage f ur folgende Ableitungsregel, auf welcher der
Resolutionskalk ul basiert.
Denition 2.10. Die Resolution erfolgt mithilfe der Ableitungregel Resolution
p
1
. . . p
m
r, q
1
. . . q
n
r
p
1
. . . p
m
q
1
. . . q
n
oder in

Klauselnotation
p
1
, . . . , p
m
, r , q
1
, . . . , q
n
, r
p
1
, . . . , p
m
, q
1
, . . . , q
n

Aus schreibtechnischen Gr unden f uhren wir eine neue Schreibweise ein: F ur die Klauselmengen
K
1
= p
1
, . . . , p
m
, r und K
2
= q
1
, . . . , q
n
, r
ist Resolvente
K = p
1
, . . . , p
m
, q
1
, . . . , q
n

eine Resolvente von K


1
und K
2
. Schreibweise: K = R(K
1
, K
2
). 2
Beispiel 2.16. a) Es seien K
1
= p, q, r und K
2
= r, s die beiden Klauseln aus Beispiel
2.15 (Seite 32), dann ist R(K
1
, K
2
) = p, q, s die einzige Resolvente von K
1
und K
2
.
b) Es sei K
1
= p, q, r und K
2
= q, r , dann sind R(K
1
, K
2
) = p, r, r sowie R(K
2
, K
1
) =
p, q, q mogliche Resolventen von K
1
und K
2
.
c) Die Resolvente von K
1
= p und K
2
= p ist leer: R(K
1
, K
2
) = . 2
Bemerkung 2.1. Zu beachten ist, dass die Denition 2.10 immer nur das Resolvieren genau eines
Literals zulasst. Zwei Klauseln konnen also mehrere verschiedene Resolventen haben (siehe Beispiel
2.16 b). 2
2.8. RESOLUTIONSKALK

UL 33
Satz 2.12. Sei / in konjunktiver Normalform, K
1
, K
2
M

seien Klauseln von und Resolutionslemma


K = R(K
1
, K
2
) eine Resolvente von K
1
und K
2
. Dann gilt M

K. Dabei ist M

K
die Menge von Klauseln bestehend aus allen Klauseln von M

und der Klausel K.


Beweis Es sei K
1
= p
1
, . . . , p
m
, r , K
2
= q
1
, . . . , q
n
, r sowie K = R(K
1
, K
2
) = p
1
, . . . , p
m
, q
1
, . . . , q
n

Es ist oensichtlich, dass, wenn 1 ein Modell f ur M

K ist, dann ist 1 auch ein Modell f ur


M

.
Ist umgekehrt 1 ein Modell f ur M

, dann ist 1 auch ein Modell f ur jede Klausel in M

, also
auch f ur die Klauseln K
1
und K
2
. Wir betrachten zwei Falle: (1) 1(r) = 1 sowie (2) 1(r) = 0.
Zu (1), 1(r) = 1: Dann ist 1(r) = 0 und da 1 Modell f ur K
2
ist, muss 1 ein Modell f ur
q
1
, . . . , q
n
sein, und damit ist 1 ein Modell f ur K = p
1
, . . . , p
m
, q
1
, . . . , q
n
.
Zu (2), 1(r) = 0: Dann muss, da 1 Modell f ur K
1
ist, 1 auch ein Modell f ur p
1
, . . . , p
m
sein,
und damit ist 1 ein Modell f ur K = p
1
, . . . , p
m
, q
1
, . . . , q
n
.
In jedem Fall ist also ein Modell 1 von M

auch ein Modell f ur K und damit f ur M

K.2
Wir denieren nun die fortgesetzte Anwendung des Resolutionsoperators R auf eine Klausel-
menge.
Denition 2.11. Sei M

die Klauselmenge einer aussagenlogischen Formel / in konjunktiver


Normalform. Dann gilt
R(M

) = M

R(K
1
, K
2
) [ K
1
, K
2
M

Dabei bedeutet M

R(K
1
, K
2
) [ K
1
, K
2
M

, dass zur Klauselmenge M

alle moglichen
Resolventen von allen mogichen Paaren von Klauseln aus M

hinzugef ugt werden. Wir wenden nun


den Operator R wiederholt auf M

an:
R
0
(M

) = M

R
n+1
(M

) = R(R
n
(M

)), n 0
R(M

) bedeutet also die Anwendung des Operators R auf alle Paare von Klauseln aus M

, und
f ur k N
0
bedeutet R
k
(M

), dass der R Operator k-mal angewendet wird, zunachst auf M

, dann
auf das Ergebnis dieser Anwendung, dann auf dessen Ergebnis usw.:
R
k
(M

) = R(R(. . . R
. .
k-mal
(M

) . . .))
Aus dem Resolutionslemma (Satz 2.12, Seite 33) folgt unmittelbar
Folgerung 2.8. Sei M

die Klauselmenge einer aussagenlogischen Formel / in konjunktiver


Normalform. Dann gilt
a) M

R
i
(M

) f ur alle i 0,
b) R
i
(M

) R
j
(M

) f ur alle i, j 0. 2
Beispiel 2.17. Wir betrachten die Formel
= (r p q) (p q r) (q p)
34 KAPITEL 2. AUSSAGENLOGIK
Es ist also M

= p, q, r , p, q, r , p, q . Es gilt:
R(M

) = p, q, r , p, q, r , p, q , p, q , p, r , p, r
R
2
(M

) = R(R(M

))
= p, q, r , p, q, r , p, q , p, q , p, r , p, r , p
R
3
(M

) = R(R
2
(M

))
= p, q, r , p, q, r , p, q , p, q , p, r , p, r , p
Es ist also R
3
(M

) = R
2
(M

) und damit R
l
(M

) = R
2
(M

) f ur alle l 2. Nach zweimaligem


Anwenden des Operators wird die Klauselmenge stationar, d.h. verandert sich nicht mehr. 2
Dass die fortgesetzte Anwendung des Operators R auf eine Klauselmenge nach endlich vielen
Schritten stationar wird, d.h. keine neuen Klauseln mehr produziert, ist einsichtig, denn bei jeder
Anwendung von R kommen hochstens Klauseln hinzu, die ein Literal weniger enthalten. Da es
nur endlich viele Klauseln und in jeder Klausel nur endlich viele Literale gibt, muss dieser Prozess
stoppen. Es gilt der folgende Satz.
Satz 2.13. Sei M

Klauselmenge einer aussagenlogischen Formel / in konjunktiver Normal-


form. Dann gibt es ein t N
0
, so dass R
t
(M

) = R
l
(M

) ist f ur alle l t. 2
Die Klauselmenge R
t
(M

), f ur die R
t
(M

) = R
l
(M

) f ur alle l t gilt, bezeichnen wir mit


R

(M

).
Beispiel 2.18. Im obigen Beispiel 2.17 gilt: R

(M

) = R
2
(M

). 2
Aus dem Satz 2.13 und dem Resolutionslemma, Satz 2.12 (Seite 33), folgt unmittelbar
Folgerung 2.9. Sei M

Klauselmenge einer aussagenlogischen Formel / in konjunktiver


Normalform, dann ist
a) M

(M

),
b) M

(un-) erf ullbar genau dann, wenn R

(M

) (un-) erf ullbar ist. 2


Als Vorbereitung auf den nachsten Satz betrachten wir folgendes Beispiel.
Beispiel 2.19. F ur die Formel
= (p q r) p (p q r) (p q)
mit der Klauselmenge
M

= p, q, r , p , p, q, r , p, q
gilt:
R(M

) = p, q, r , p , p, q, r , p, q ,
q, r , p, q , p, r , q, r , q , p, r
R
2
(M

) = R(R(M

))
= p, q, r , p , p, q, r , p, q ,
q, r , p, q , p, r , q, r , q , p, r
q , r , r , p
2.8. RESOLUTIONSKALK

UL 35
Diese Klauselmenge enthalt die beiden Klauseln r und r im

Ubrigen auch noch p und p sowie
q und q , d.h. die entsprechende Formel hat die Gestalt

= . . . p . . . q . . . q r r p
Alleine wegen der Teilformel r r und ebenso wegen der Teilformeln p p und q q ist die
Formel

und damit die Klauselmenge R


2
(M

) unerf ullbar, denn r und r sind widerspr uchlich


(siehe Satz 2.4 bzw. Tabelle 2.4 auf Seite 27). Werden r und r resolviert, dann entsteht die leere
Menge: R( r , r ) = , gleiches gilt f ur p und p sowie f ur q und q. Es folgt R
3
(M

). 2
Aus dem Beispiel konnen wir ableiten, dass R
k
(M

) f ur ein k 1 erstmalig die leere Klausel


enthalt, falls in R
k1
(M

) eine Klausel genau aus einem Literal besteht und eine weitere Klausel
genau aus dessen Negation. Damit ist R
k1
(M

) eine unerf ullbare Klauselmenge. Wegen Folgerung


2.9 b) (Seite 34) ist damit auch M

und damit unerf ullbar.


Im folgenden Satz fassen wir dieses Ergebnis zusammen, und wir zeigen im Beweis des Satzes,
dass der Resolutionskalk ul hinsichtlich des Nachweises der Unerf ullbarkeit einer aussagenlogischen
Formel korrekt und vollstandig ist (siehe Abschnitt 2.5).
Satz 2.14. Sei M

die Klauselmenge der aussagenlogischen Formel / in konjunktiver Nor- Resolutionssatz


der Aussa-
genlogik
malform. Dann gilt: M

(und damit ) ist unerf ullbar genau dann, wenn R

(M

) ist.
Beweis Wir zeigen zuerst die Korrektheit, d.h., ist R

(M

), dann ist M

unerf ullbar, womit


gezeigt ist, dass der Resolutionskalk ul keine erf ullbare Formel als unerf ullbar ermittelt. Sei also
R

(M

). Wie wir oben im Anschluss an Beispiel 2.19 uberlegt haben, kann die leere Klausel
nur durch Resolution zweier Klauseln K
1
= l und K
2
= l , wobei l ein Literal ist, entstehen.
Gema Folgerung 2.8 auf Seite 33 gilt M

R
i
(M

) R
j
(M

) f ur alle i, j 0. Ist also


R

(M

), dann muss es ein k 1 geben mit R


k
(M

) und K
1
, K
2
R
k1
(M

). Da es keine
Belegung gibt, die sowohl K
1
als auch K
2
erf ullt, ist R
k1
(M

) unerf ullbar und damit, da R


k
(M

)
M

ist, ist auch M

unerf ullbar.
Wir zeigen nun die Vollstandigkeit, d.h., ist unerf ullbar, dann ist R

(M

), womit gezeigt
ist, dass alle unerf ullbaren Formeln durch den Resolutionskalk ul auch als solche erkannt werden.
Wir zeigen die Behauptung mithilfe einer so genannten vollstandigen Induktion uber die Anzahl
n der atomaren Formeln in einer Klauselmenge. Vollstandige Induktion bedeutet, dass man die
Behauptung zunachst f ur einen Anfangswert f ur n zeigt, dann annimmt, dass die Behauptung f ur
n gilt, und schlielich mithilfe dieser Annahme zeigt, dass die Behauptung dann auch f ur n+1 gilt.
Auf vollstandige Induktion gehen wir im Teil III noch ausf uhrlich ein.
Sei also n = 1, d.h. enthalt genau eine Variable p. Da M

unerf ullbar ist, m ussen in M

die
Klauseln p und p vorkommen. Diese resolvieren zur leeren Klausel, also ist R

(M

). Wir
nehmen nun an, dass f ur jede unerf ullbare Klauselmenge M

mit n atomaren Formeln p


1
, . . . , p
n
gilt, dass R

(M

) ist. Sei nun M

eine Klauselmenge mit den atomaren Formeln p


1
, . . . , p
n+1
.
Wir bilden aus M

zwei Klauselmengen M

und M

wie folgt: M

entsteht aus M

durch Streichen
jedes Vorkommens von p
n+1
in einer Klausel sowie durch Streichen aller Klauseln, in denen p
n+1
vorkommt. M

ist somit aquivalent zu der Klauselmenge, die entsteht, wenn man in M

die atomare
Formel p
n+1
fest mit 0 belegt. M

entsteht aus M

in analoger Weise, nur mit vertauschten Rollen


von p
n+1
und p
n+1
. M

und M

m ussen notwendigerweise unerf ullbar sein. Denn, wenn wir


annehmen, dass M

erf ullbar ist, dann gibt es eine erf ullende Belegung 1 : p


1
, . . . , p
n
0, 1 .
Dann ist 1

mit
1

(x) =
_
1(x), falls x p
1
, . . . , p
n

0, falls x = p
n+1
36 KAPITEL 2. AUSSAGENLOGIK
ein Modell f ur M

, was aber einen Widerspruch zur Unerf ullbarkeit von M

bedeutet. In analoger
Weise f uhrt die Annahme, dass M

erf ullbar ist, ebenfalls zu diesem Widerspruch. M

und M

sind
also unerf ullbare Klauselmengen mit n atomaren Formeln. Wegen der Induktionsannahme, dass f ur
jede unerf ullbare Klauselmenge M

mit n atomaren Formeln R

(M

) gilt, ist also R

(M

)
und R

(M

).
Aus R

(M

) folgt, dass es Klauseln K


1
, . . . , K
r
gibt mit K
r
= , und es ist K
i
M

oder
K
i
ist Resolvent zweier Klauseln K
a
undK
b
mit a, b < i und 1 i r. Gleichermaen muss es eine
solche Folge K

1
, . . . , K

s
f ur M

geben.
Einige Klauseln K
i
sind aus Klauseln in M

durch Streichen von p


n+1
entstanden. Wir machen
dieses Streichen r uckgangig, K
i
p
n+1
, und ber ucksichtigen p
n+1
beim Resolvieren. Aus der
Folge K
1
, . . . , K
r
entsteht dann eine neue Folge, und es folgt, dass R

(M

) oder dass p
n+1

R

(M

) ist. Analog folgt durch Wiedereinf ugen von p


n+1
in die Klauseln von K

1
, . . . , K

s
, aus
denen wir dieses Literal gestrichen haben, dass R

(M

) oder dass p
n+1
R

(M

) ist. Ist
R

(M

), dann ist nichts mehr zu zeigen. Ist p


n+1
R

(M

) und p
n+1
R

(M

), dann
gilt nach dem nachsten Resolutionsschritt R

(M

). Damit haben wir insgesamt die Behauptung


gezeigt. 2
Der Resolutionssatz ist die Grundlage f ur das Resolutionsverfahren: Gegeben sei eine Formel Resolutions-
verfahren
/ in KNF.
1. Bilde die Klauselmenge M

zu .
2. Wende den Resolutionsoperator R fortgesetzt auf M

an, bis ein t erreicht ist, so dass


R
l
(M

) = R
t
(M

) f ur l t, d.h. bestimme R

(M

). Solch ein t existiert gema Satz 2.13


(Seite 34).
3. Falls R

(M

) ist, dann ist unerf ullbar, sonst erf ullbar.


Das Verfahren muss nicht immer so lange ausgef uhrt werden, bis die erneute Anwendung des R-
Operators keine neue Klauseln mehr erzeugt. Der Operator braucht nicht mehr angewendet zu
werden, falls die leere Klausel bereits erzeugt wurde. Zu diesem Zeitpunkt steht bereits fest, dass
unerf ullbar ist.
Denition 2.12. Eine Deduktion der leeren Klausel aus einer Klauselmenge M

, / in KNF, Deduktion
der
leeren Klau-
sel
ist eine Folge K
1
, K
2
, . . . , K
t
von Klauseln, so dass gilt:
(1) K
t
ist die leere Klausel und
(2) K
i
, 1 i t, ist entweder eine Klausel aus M

oder eine Resolvente von Klauseln K


r
, K
s
mit r, s i. 2
Aus dem Resolutionssatz 2.14 (Seite 35) folgt unmittelbar
Folgerung 2.10. Eine Formel / in KNF ist unerf ullbar genau dann, wenn eine Deduktion
der leeren Klausel aus M

moglich ist. 2
Beispiel 2.20. Wir betrachten die Formel (siehe auch Beispiel 2.19, Seite 34)
= (r p q) p (p q r) (q p)
2.8. RESOLUTIONSKALK

UL 37
Es ist also M

= p, q, r , p , p, q, r , p, q . Es gilt:
K
1
= p, q, r (Klausel aus M

)
K
2
= p, q, r (Klausel aus M

)
K
3
= p, q (Resolvent von K
1
und K
2
)
K
4
= p, q (Klausel aus M

)
K
5
= p (Resolvent von K
3
und K
4
)
K
6
= p (Klausel aus M

)
K
7
= (Resolvent von K
5
und K
6
)
Die Klauselfolge K
1
, . . . , K
7
erf ullt die Bedingungen von Denition 2.12. Es existiert also eine
Deduktion der leeren Klausel aus M

, ist somit gema Folgerung 2.10 unerf ullbar. 2


Eine Deduktion kann mithilfe eines Resolutionsgraphen dargestellt werden. Im Folgenden ist der Resolutionsgraph
Resolutionsgraph f ur die Deduktion in Beispiel 2.20 gezeichnet.
p, q, r
-
p, q, r
p, q
-
p, q

p
-
p

Ubung 2.12. Sei


= (p q r) (q r) (p r) (q r) r
(1) Geben Sie M

an!
(2) Berechnen Sie R

(M

)!
(3) Ist erf ullbar?
(4) Falls unerf ullbar ist, dann geben Sie eine Deduktion f ur die leere Klausel an und zeichnen
Sie den entsprechenden Resolutionsgraphen! 2
38 KAPITEL 2. AUSSAGENLOGIK
2.9 Hornlogik
Trotz aller Kalk ule bleibt das Erf ullbarkeitproblem der Aussagenlogik, auch SAT-Problem
4
genannt, Erf ullbar-
keitsproblem
der Aus-
sagenlogik
d.h. das Problem zu entscheiden, ob eine aussagenlogische Formel erf ullbar ist oder nicht, gema
dem derzeitigen Stand der Erkenntnis ein schwieriges Problem. Nach diesem Erkenntnisstand gibt
es kein Entscheidungsverfahren, welches im Allgemeinen f ur eine aussagenlogische Formel mit n
Variablen in weniger als 2
n
Schritten feststellt, ob die Formel erf ullbar ist oder nicht.
Manche praktische Anwendungen erfordern allerdings gar nicht, dass die gesamte Sprache /
der aussagenlogischen Formeln zur Verf ugung steht, sondern kommen mit einer Untermenge davon
aus. Solche Anwendungen sind z.B. die Logikprogrammierung sowie deduktive Datenbanken. Eine Logik-
program-
mierung
Deduktive
Datenbanken
solche Datenbank besteht aus Fakten und Schlussregeln, mit denen aus den Fakten darin vorhan-
denes Wissen abgeleitet werden kann. Betrachten wir als Beispiel ein Autobahnnetz, welches die
Grostadte eines Landes miteinander verbindet. Als Fakten konnte die Datenbank Aussagen uber
die unmittelbare Verbindung von zwei Stadten durch (mindestens) eine Autobahnstrecke enthal-
ten. Die Aussage c(A, B) soll z.B. bedeuten, dass von der Stadt A nach der Stadt B eine direkte
Autobahnverbindung existiert. Die Datenbank enthalt neben diesem extensionalen Wissen auch
intensionales Wissen, namlich z.B. dass, wenn B von A direkt uber eine Autobahn erreicht wer-
den kann, B auch direkt von A uber eine Autobahn erreicht werden kann oder dass es, wenn
n(A, B) und n(B, C)
5
gilt, eine (indirekte) Verbindung von A nach C gibt; das Wissen uber alle
moglichen Erreichbarkeiten von Grostadten untereinander uber Autobahnen steckt in der Daten-
bank. Dies konnte man durch Schlussfolgerungsregeln beschreiben. So beschreibt die Subjunktion
n(x, y) n(y, x) die Symmetrie der Relation n, und die Subjunktionen n(x, y) e(x, y) und
e(x, y), e(y, z) e(x, z)
6
beschreiben deren Transitivitat und damit alle moglichen Erreichbarkei-
ten in dem Autobahnnetz.
Logische Formeln /, die in diesen Anwendungen von Bedeutung sind, haben die folgenden
Formen:
= p V : ist eine (atomare) Aussage, die ein Faktum beschreibt. ist aquivalent zur
Formel 1 p. In deduktiven Datenbanken bilden diese Fakten das extensionale Wissen.
= p q
1
. . . q
k
, p, q
i
V , 1 i k. Die Formel ist aquivalent zu der Formel
(q
1
. . . q
k
) p. ist also eine Schlussfolgerung, die beschreibt, dass von den Fakten
q
1
, . . . , q
k
auf die Aussage p geschlossen werden kann. Diese Schlussfolgerungen stellen das
intensionale Wissen der Datenbank bereit.
= q
1
. . . q
k
, q
i
V , 1 i k. ist aquivalent zu der Formel 0 q
1
. . . q
k
und damit zu (q
1
. . . q
k
) 0. beschreibt also, dass nicht alle Aussagen q
i
, 1 i k,
zutreen.
Wie wir sehen, lassen sich alle diese aussagenlogischen Formeln als Subjunktionen darstellen:
1 p
(q
1
. . . q
k
) p
(q
1
. . . q
k
) 0
4
SAT steht f ur Satisability.
5
n(X, Y ) steht f ur die Aussage

Es gibt eine direkte Autobanhstrecke von X nach Y.


6
e(x, y) steht f ur

y ist von x im Autobahnnetz erreichbar.


2.9. HORNLOGIK 39
Die folgende Denition fasst diese Falle zusammen und zeichnet dadurch eine Untermenge von
/ aus.
Denition 2.13. Eine aussagenlogische Formel / in konjunktiver Normalform heit Hornfor-
mel
7
genau dann, wenn jede Klausel hochstens eine nicht negierte Varaible enthalt. Solche Klauseln Hornformel
Hornklausel
werden Hornklauseln genannt. Mit H bezeichnen wir die Menge aller Hornformeln in /. 2
Beispiel 2.21. a) Die Formel
= (p q) (p q r s) (q r) p r
ist eine Hornformel, in Klauselform
= p, q , p, q, r, s , q, r , p , r
und als Subjunktionen
= (q p) ((p q r) p) ((q r) 0) (p 0) (1 r)
Die Formel (p q s) (p q r q) ist keine Hornformel, da in der zweiten Klausel zwei
nicht negierte Variablen vorkommen. 2
Das Erf ullbarkeitsproblem f ur Hornformeln, HORNSAT, ist deutlich ezienter losbar als das
Erf ullbarkeitsproblem SAT im Allgemeinen. Wahrend, wie eingangs des Kapitels erwahnt, beim
derzeitigen Kenntnisstand die Erf ullbarkeit einer Formel / im Allgemeinen exponentiellen
Aufwand abhangig von der Anzahl der Variablen in erfordert, gibt es Verfahren, mit denen die
Erf ullbarkeit von Hornformeln H in polynomieller Zeit gepr uft werden kann (etwa in der
Groenordnung m n, wenn m die Anzahl der Klauseln und n die Anzahl der Literale in sind).
Das Schema eines Verfahrens, mit dem gepr uft werden kann, ob eine Formel H erf ullbar
ist, ist in Abbildung 2.1 gegeben.
Beispiel 2.22. Gegeben sei die Hornformel
= p (p q) (p q r) (s p) (t s)
Wir wandeln die Klauseln um in Subjunktionen:
1 p (2.10)
p q
p q r
s p 0
t s
7
Die Hornlogik ist benannt nach Alfred Horn (1918 2001), einem amerikanischen Mathematiker, der diese
Variante der Aussagenlogik einf uhrte. Die Hornlogik bildet die Grundlage f ur das logische Programmieren und logische
Programmiersprachen, wie z.B. die Sprache Prolog (

Programming in Logic).
40 KAPITEL 2. AUSSAGENLOGIK
(1) Enthalt eine Teilformel 1 p, dann markiere alle Vorkommen von p in .
(2) F uhre die folgenden Schritte so lange aus, bis diese nicht mehr anwendbar sind:
(i) Ist (q
1
q
k
) p eine Teilformel von und alle q
i
, 1 i k, sind bereits markiert
und p ist nicht markiert, dann markiere jedes Vorkommen von p in .
(ii) Ist (q
1
q
k
) 0 eine Teilformel von und alle q
i
, 1 i k, sind bereits markiert,
dann stoppe das Verfahren die Formel ist unerf ullbar.
(3) Stoppe das Verfahren die Formel ist erf ullbar, und die Belegung 1(q) = 1 f ur alle mar-
kierten Variablen q und 1(p) = 0 f ur alle unmarkierten Variablen p in ist ein Modell f ur
.
Abbildung 2.1: Entscheidungsverfahren f ur die Erf ullbarkeit von Hornformeln.
Wegen der Klausel (2.10) erhalten wir mit Verfahrensschritt (1) folgende roten Markierungen:
1 p
p q (2.11)
p q r
s p 0
t s
Anwendung von Verfahrensschritt (2i) f uhrt wegen der Klausel (2.11) zu folgenden blauen Markie-
rungen:
1 p
p q
p q r (2.12)
s p 0
t s
Anwendung von Verfahrensschritt (2i) f uhrt wegen der Klausel (2.12) zu folgender gr unen Markie-
rung:
1 p
p q
p q r
s p 0
t s
Es ist kein Verfahrensschritt mehr anwendbar, die Formel ist erf ullbar, und die Belegung 1(p) =
1(q) = 1(r) = 1 sowie 1(s) = 1(t) = 0 ist ein Modell f ur . 2
2.9. HORNLOGIK 41

Ubung 2.13. Testen Sie mit dem vorgestellten Verfahren die Erf ullbarkeit der folgenden Hornfor-
meln:
(1) = (r p q) (s t) (p t) p (p q)
(2) = p (p q) (q r s) (p r) s 2
Zu (1): Umwandlung der Klauseln in Subjunktionen:
p q r
s t
p t 0
1 p (2.13)
p q
Wegen der Klausel (2.13) erhalten wir mit Verfahrensschritt (1) folgende roten Markierungen:
p q r
s t
p t 0
1 p
p q (2.14)
Anwendung von Verfahrensschritt (2i) f uhrt wegen der Klausel (2.14) zur folgenden blauen Mar-
kierung:
p q r (2.15)
s t
p t 0
1 p
p q
Anwendung von Verfahrensschritt (2i) f uhrt wegen der Klausel (2.15) zur folgenden gr unen Mar-
kierung:
p q r
s t
p t 0
1 p
p q
Es ist kein Verfahrensschritt mehr anwendbar, die Formel ist erf ullbar, und die Belegung 1(p) =
1(q) = 1(r) = 1 sowie 1(s) = 1(t) = 0 ist ein Modell f ur .
42 KAPITEL 2. AUSSAGENLOGIK
Zu (2): Umwandlung der Klauseln in Subjunktionen:
1 p (2.16)
p q
q s r
p r 0
1 s (2.17)
Wegen der Klauseln (2.16) und (2.17) erhalten wir mit Verfahrensschritt (1) folgende roten Mar-
kierungen:
1 p
p q (2.18)
q s r
p r 0
1 s
Anwendung von Verfahrensschritt (2i) f uhrt wegen der Klausel (2.18) zur folgenden blauen Mar-
kierung:
1 p
p q
q s r (2.19)
p r 0
1 s
Anwendung von Verfahrensschritt (2i) f uhrt wegen der Klausel (2.19) zur folgenden gr unen Mar-
kierung:
1 p
p q
q s r
p r 0 (2.20)
1 s
Wegen Klausel (2.20) besagt Verfahrensschritt (2ii), dass die Formel unerf ullbar ist.
Satz 2.15. Das in Abbildung 2.1 angegebene Verfahren entscheidet in korrekter Weise, ob eine
Formel H erf ullbar ist oder nicht. Werden die dabei markierten Variablen mit 1 belegt, dann
stellt diese Belegung ein Modell f ur dar. 2
Folgerung 2.11. Enthalt eine Formel H keine Klausel der Art (q
1
. . . q
k
)
8
, k 1, dann
ist erf ullbar. 2
Im Unterschied zu aussagenlogischen Formeln besitzen Hornformeln eindeutige kleinste Modelle.
1 1

ist ein kleinstes Modell f ur eine Formel , falls f ur jede Variable v V

und jedes weitere Kleinstes


Modell
Modell 1

gilt: Ist 1

(v) = 1, dann ist auch 1

(v) = 1.
8
Als Subjunktion geschrieben: q
1
. . . q
k
0.
2.9. HORNLOGIK 43
Beispiel 2.23. a) Die Formel p q ist keine Hornformel. Sie besitzt zwei kleinste Modelle: 1
1
mit
1
1
(p) = 1 und 1
1
(q) = 0 sowie 1
2
mit 1
2
(p) = 0 und 1
2
(q) = 1.
b) Die in Beispiel 2.22 und

Ubung 2.13 (1) gefundenen Modelle sind kleinste Modelle, denn min-
destens die Variablen p, q und r (in beiden Fallen auch nicht mehr) m ussen mit 1 belegt werden.
c) Betrachten wir die Hornformel mit den folgenden Klauseln:
1 s r s r t s q q t p
Dann ist 1(s) = 1(q) = 1 das kleinste Modell. 2
44 KAPITEL 2. AUSSAGENLOGIK
Kapitel 3
Pr

adikatenlogik
Die Aussagenlogik ermoglicht die Verkn upfung von elementaren und zusammengesetzten Aussagen
zu neuen zusammengesetzten Aussagen. Die Belegung der Variablen mit einem Wahrheitswert er-
laubt die Berechnung des Wahrheitswertes der gesamten Aussage. Die Aussagenlogik ist allerdings
zu arm, um z.B. zu beschreiben, dass die Addition nat urlicher Zahlen kommutativ ist:

F ur alle
nat urlichen Zahlen x und y gilt x+y = y +x. x und y sind hier keine aussagenlogischen Variablen,
die als Werte die Wahrheitswerte 0 und 1 annehmen konnen, sondern Variable f ur andere Werte
wie z.B. Zahlenwerte. Operationssymbole wie + dr ucken keine logische Verkn upfung aus, und das
Symbol = dr uckt eine Relation aus. Auerdem haben wir umgangssprachlich noch ausgedr uckt,
dass die Beziehung f ur alle x und y gelten sollen.
Wir erweitern nun die Sprache der Aussagenlogik so, dass wir solche und weitere Eigenschaften
ausdr ucken konnen. Diese neue Sprache heit Pradikatenlogik (erster Stufe). Wir gehen dabei in
gleicher Weise wie bei der Denition der Aussagenlogik vor, indem wir nacheinander das Alphabet,
die Syntax und schlielich die Semantik der Pradikatenlogik festlegen. Dabei werden wir nicht
ganz so streng formal vorgehen, wie wir das bei der Aussagenlogik getan haben. Mithilfe von
pradikatenlogischen Notationen werden wir dann in der Folge beschreibende Darstellungen von
Mengen angeben. Ein Grund f ur die Beschaftigung mit Aussagen- und Pradikatenlogik ist, in der
beschreibenden Darstellung M = x [ p(x) einer Menge M die Eigenschaft p, welche festlegt, ob
ein x zu M gehort oder nicht, moglichst prazise anzugeben.
Nach Durcharbeiten dieses Kapitels sollten Sie Lernziele
den syntaktischen Aufbau der Pradikatenlogik erster Stufe kennen,
wissen, wie die Semantik pradikatenlogischer Formeln berechnet werden kann.
3.1 Alphabet der Pradikatenlogik
Das Alphabet der Pradikatenlogik besteht aus
Symbolen f ur Individuenvariablen, daf ur verwenden wir in der Regel kleine Buchstaben vom
Ende des deutschen Alphabetes: x, y, z, x
1
, x
2
, . . .
Symbolen f ur Individuenkonstanten, daf ur verwenden wir in der Regel kleine Buchstaben vom
Anfang des deutschen Alphabetes: a, b, c, a
1
, a
2
, . . ..
45
46 KAPITEL 3. PR

ADIKATENLOGIK
k-stellige Funktionssymbole, die wir in der Regel mit f
k
, g
k
, h
k
, f
k
1
, f
k
2
, . . . notieren. Dabei ist
k N
0
.
k-stellige Pradikatensymbole, die wir in der Regel mit P
k
, Q
k
, R
k
, P
k
1
, P
k
2
, . . . notieren. Dabei
ist k N
0
.
den Symbolen , , f ur logische Junktoren.
den Quantorsymbolen (Allquantor, gesprochen

f ur alle) und (Existenzquantor, gespro-


chen

es existiert).
den Klammersymbolen ( und ).
3.2 Syntax pradikatenlogischer Formeln
Denition 3.1. Die Menge der pradikatenlogischen Terme ist gegeben durch: Pradikaten-
logische
Terme (1) Jede Individuenvariable und jede Individuenkonstante ist ein Term.
(2) Sind t
1
, . . . , t
n
pradikatenlogische Terme und ist f
n
ein n-stelliges Funktionssymbol, dann ist
f
n
(t
1
, . . . , t
n
) ein pradikatenlogischer Term.
(3) Genau die mit den Regeln (1) und (2) bildbaren Zeichenketten sind pradikatenlogische Terme.
2
Beispiel 3.1. Die Individuenvariable x und die Individuenkonstante b sind Terme ebenso wie
f
2
(x, b), f
2
(x, f
2
(b, x)) und g
3
(x, f
2
(b, b), h
4
(x, y, a, z)). 2
Denition 3.2. Die Menge der atomaren Formeln ist gegeben durch: Atomare
Formeln
(1) Sind t
1
, . . . , t
n
pradikatenlogische Terme und ist P
n
ein n-stelliges Pradikatensymbol, dann
ist P
n
(t
1
, . . . , t
n
) eine atomare Formel.
(2) Genau die Zeichenketten, die mit der Regel (1) gebildet werden konnen, sind atomare Formeln.
2
Beispiel 3.2. Die Zeichenketten
P
2
(a, b), P
2
(a, f
2
(a, b)), R
4
(x, y, g
2
(f
2
(x, a), z)), Q
2
(f
2
(x, y), f
2
(y, x))
sind atomare Formeln. 2
Denition 3.3. Die Menge der pradikatenlogischen Formeln ist gegeben durch: Pradikaten-
logische
Formeln (1) Jede atomare Formel ist eine pradikatenlogische Formel.
(2) Sind und pradikatenlogische Formeln, dann auch , ( ) sowie ( ).
(3) Ist eine pradikatenlogische Formel, dann auch (x) sowie (x).
(4) Genau die mit den Regeln (1) - (3) bildbaren Zeichenketten sind pradikatenlogische Formeln.
2
3.2. SYNTAX PR

ADIKATENLOGISCHER FORMELN 47
Beispiel 3.3. Die Zeichenketten
(x(P
1
(x)))
(x(P
2
(a, f
2
(a, b)) Q
3
(x, a, c))
(x(y (P
3
(x, y, z))))
(x(y Q
2
(f
2
(x, y), f
2
(y, x))))
sind pradikatenlogische Formeln. 2
Variablen, die sich im Wirkungsbereich eines Quantors benden, heien gebunden, nicht gebun- Gebundene,
freie
Variable
dene Variablen heien frei. So sind in der Formel
(x(y (P
3
(x, y, z))))
die Variablen x und y gebunden, z ist frei.
Eine Formel heit geschlossen, falls sie keine freie Variable enthalt. Die Formel (x(y Q
2
(f
2
(x, y), f
2
(y, x)))) Geschlossene
Formel
ist ein Beispiel f ur eine geschlossene Formel. Geschlossene Formeln sind Aussagen, die wahr oder
falsch sein konnen.
Gebundene Variablen konnen beliebig umbenannt werden, solange die Umbennung nicht zu einer
freien Variablen f uhrt. So kann in der Formel
(x(P
2
(f
2
(x, y), z)))
die Variable x in q umbenannt werden: (q (P
2
(f
2
(q, y), z))). Eine Umbennung in z ist nicht erlaubt,
denn die Formel bekommt dadurch eine andere Bedeutung: (z (P
2
(f
2
(z, y), z))).
Wie in der Aussagenlogik f uhren wir zwei weitere logische Verkn upfungen ein: Seien und
zwei Formeln, dann schreiben wir ( ) f ur ( ) sowie ( ) f ur (( ) ( )).
Sofern Bindungen von Quantoren und Junktoren eindeutig sind, wollen wir entsprechende Klam-
mern weglassen. Wenn man zudem festlegt, dass die Quantoren die hochste Prioritat besitzen, dass
hohere Prioritat als , hohere Prioritat als und hohere Prioritat als und hat, konnen
weitere entsprechende Klammern weggelassen werden. Mit diesen Vereinbarungen kann z.B. anstelle
der
Formel (x((P
1
(x)) Q
1
(x))) die Formel x(P
1
(x) Q
1
(x))
und anstelle von
(x(y (P
2
(x, y)) (Q
2
(y, z) (R
2
(x, z)))))
kann
x(y P
2
(x, y) Q
2
(y, z) R
2
(x, z))
geschrieben werden. 2
Die Aussagenlogik kann als

Spezialfall der Pradikatenlogik aufgefasst werden: Wenn man in


der Pradikatenlogik keine Individuenvariablen zulasst, wodurch die Quantoren uber ussig werden,
und auerdem keine Individuenkonstanten, keine Funktionssymbole und nur 0-stellige Pradikate
zulasst, erhalt man genau die Aussagenlogik. Die 0-stelligen Pradikatensymbole ubernehmen dabei
die Rolle der aussagenlogischen Variablen.
48 KAPITEL 3. PR

ADIKATENLOGIK
3.3 Semantik der Pradikatenlogik
Um die Bedeutung einer pradikatenlogischen Formel zu bestimmen, m ussen zunachst Belegungen
vorgenommen werden:
Es muss eine Grundmenge (auch Universum genannt) ausgewahlt werden. Mit ihren Elemen- Grundmenge
Universum
ten m ussen Individuenkonstanten und freie Individuenvariablen belegt werden.
Jedem k-stelligen Funktionssymbol muss eine k-stellige Funktion uber der Grundmenge zu-
geordnet werden, und
jedem k-stelligen Pradikatensymbol muss eine k-stellige Relation uber der Grundmenge zu-
geordnet werden.
Beispiel 3.4. a) Wahlen wir als Grundmenge N
0
und ordnen wir dem Funktionssymbol f
2
die
Addition + sowie dem Pradikatensymbol die Gleichheitsrelation = zu, dann interpretieren wir die
geschlossene Formel
xy (Q
2
(f
2
(x, y), f
2
(y, x))) durch xy (= (+(x, y), +(y, x)))
Schreiben wir Gleichheits- und Additionssymbol wie ublich inx, d.h. zwischen die Operanden,
dann erhalten wir die Formel
xy x +y = y +x
die das Kommutativgesetz der Addition in der Menge der nat urlichen Zahlen ausdr uckt.
b) Betrachten wir die Formel xy R
2
(f
2
(a, x), y)) und ordnen dem Pradikatensymbol R
2
die Re-
lation < zu, dem Funktionssymbol f
2
die Multiplikation und der Individuenkonstante die Zahl 5,
dann erhalten wir die Formel xy 5x < y.
Wahlen wir als Grundmenge N, dann ist diese Formel nicht wahr, denn z.B. zu y = 1 gibt es
keine nat urliche Zahl x, so dass 5x < 1 ist. Wahlen wir als Grundmenge N
0
oder Z, dann ist diese
Formel wahr. 2
Wenn die Grundmenge U ausgewahlt wurde und Belegungen 1 der Individuenkonstanten, der
freien Individuenvariablen, der Funktionssymbole sowie der Pradikatensymbole vorgenommen sind,
geschieht die Berechnung 1

des Wahrheitswertes analog zur Interpretation aussagenlogischer For-


meln:
(i) F ur einen pradikatenlogischen Term f
k
(t
1
, . . . , t
k
) gilt
1

(f
k
(t
1
, . . . , t
k
)) = 1(f
k
)(1

(t
1
), . . . , 1

(t
k
))
Die Belegung 1(f
k
) des Funktionssymbols f
k
wird auf das Ergebnis der Interpretationen der
Terme t
1
, . . . , t
k
angewendet.
(ii) F ur eine atomare Formel P
m
(t
1
, . . . , t
m
) gilt
1

(P
m
(t
1
, . . . , t
m
)) =
_
1, ((1

(t
1
), . . . , 1

(t
m
)) 1(P
m
)
0, sonst
Falls die Interpretationen der Terme in der Relation stehen, die sich durch die Belegung 1(P
m
)
des Pradikatensymbols ergibt, liefert die Interpretation der atomaren Formel den Wahrheits-
wert 1, sonst den Wahrheitswert 0.
3.3. SEMANTIK DER PR

ADIKATENLOGIK 49
(iii) Nachdem die Interpretation der atomaren Bestandteile von pradikatenlogischen Formeln fest-
gelegt ist, erfolgt nun die Berechnung zusammengesetzter Formeln. Seien und pradika-
tenlogische Formeln, dann gilt:
(1) 1

() = 1 1

().
(2) 1

( ) = min1

(), 1

().
(3) 1

( ) = max1

(), 1

().
(4)
1

(x) =
_
1, falls ein a U existiert mit 1

x,a
() = 1
0, sonst
(5)
1

(x) =
_
1, falls f ur alle a

U gilt 1

x,a
() = 1
0, sonst
Dabei gilt
1

x,a
(y) =
_
1(y), y ,= x
a, sonst
1

x,a
() f ur a U bedeutet also, dass jedes Vorkommen von x in mit dem Wert a aus der
Grundmenge U belegt wird.
Wir werden in den folgenden Kapiteln pradikatenlogische Formeln benutzen, um mathematische
Sachverhalte zu beschreiben. Dabei werden wir die Formeln

pragmatisch verwenden, d.h. wir


werden in der Regel nicht mit Individuenkonstanten, Funktions- und Pradikatensymbolen arbeiten,
sondern in den Formeln direkt konkrete Belegungen, d.h. Werte und Funktionen bzw. Relationen
notieren. Ebenso liegt in der Regel durch den gegbenen Kontext fest, welche Grundmenge jeweils
vorliegt. Oft werden wir die Grundmenge auch in der Formel selbst angeben. Im

Ubrigen werden
die Formulierungen in Denitionen, Satzen usw. selten rein formal sein, sondern aus formalen und
informalen Teilen bestehen.
Als Beispiel f ur unsere Sprech- und Schreibweise sei der Satz uber die Division mit Rest ganzer
Zahlen hier aufgef uhrt:
a Z und b N q Z und r N
0
, so dass gilt: a = bq +r mit 0 r < b.
Ausschlielich in Worten: Zu jeder ganzen Zahl a und zu jeder nat urlichen Zahl b un-
gleich Null existieren zwei ganze Zahlen q und r, so dass a bei Division durch b den
ganzzahligen Quotienten q ergibt mit einem positiven Rest r, der kleiner als der Divisor
b ist.
Anstelle von x M f ur eine Menge M schreiben wir im Folgenden auch x M.
Insbesondere konnen wir nun darstellende Beschreibungen von Mengen praziser als bisher ange-
ben. Im Abschnitt 1.2 haben wir die allgemeine Form der beschreibenden Darstellung angegeben:
M = x [ p(x) . x ist ein Platzhalter eine Variable f ur die Elemente von M, und p ist ein
Pradikat. Alle Elemente einer Grundmenge, die das Pradikat wahr machen, gehoren zu M.
50 KAPITEL 3. PR

ADIKATENLOGIK
Beispiel 3.5. Wir geben f ur die in Beispiel 1.3 auf Seite 9

halbformal dargestellten Mengen


formale Beschreibungen an:
A = x [ x P x 11
G = x [ x N
0
2x = 10
H = (x, y) [ x N
0
y N
0
x +y = 6
T
64
= y [ (y 0) (q N(k q = 64))
Da die formalen Beschreibungen zumeist aus konjunktiv verkn upften Teilformeln bestehen, lasst
man das Symbol weg und schreibt an dessen Stelle ein Komma. So stellt man H wie folgt dar
H = (x, y) [ x N
0
, y N
0
, x +y = 6
oder noch k urzer
H = (x, y) [ x, y N
0
, x +y = 6
In der

alltaglichen Praxis werden beschreibende Mengendarstellungen in der Regel in einer Mi-


schung von informalen und formalen Beschreibungen angegeben, wie z.B.
A = x [ x prim, x 11
Mastab f ur die Art und Weise der Beschreibung einer Menge M ist, dass aus der Beschreibung
moglicherweise zudem mithilfe des Kontextes klar wird, welche Elemente zu M gehoren. 2
Man kann die Begrie Erf ullbarkeit, Modell, Tautologie, Kontradiktion, Implikation (syntakti-
sche und semantische Folgerungsbegrie) und

Aquivalenz nun auch f ur pradikatenlogische Formeln
analog zu aussagenlogischen Formeln einf uhren.
Viele Ergebnisse, die wir f ur die Aussagenlogik in Kapitel 2 betrachtet haben, gelten analog
auch f ur die Pradikatenlogik, insbesondere auch die

Aquivalenzen aus Satz 2.4 bzw. Tabelle 2.4 auf
Seite 27. Dar uber hinaus gelten in der Pradikatenlogik noch folgende

Aquivalenzen.
xy yx
xy yx
x x x( )
x x x( )
x
x
Im Gegensatz zur Aussagenlogik ist die Erf ullbarkeit der Pradikatenlogik nicht entscheidbar,
sofern sie die Arithmetik nat urlicher Zahlen umfasst. Mithilfe einer Wahrheitstafel oder mithilfe
des Resolutionskalk uls kann z.B. festgestellt werden, ob eine aussagenlogische Formel erf ullbar ist
oder nicht. Man kann hingegen beweisen, dass es f ur die Pradikatenlogik keinen Algorithmus geben
kann, der f ur jede beliebige pradikatenlogische Formel feststellt, ob diese erf ullbar ist oder nicht.
Neben der Aussagenlogik und der Pradikatenlogik 1. Stufe gibt es weitere Logiken, die nicht nur
von theoretischem sondern auch von praktischem Interesse sind.
3.3. SEMANTIK DER PR

ADIKATENLOGIK 51
In der Pradikatenlogik 2. Stufe ist es unter anderem auch erlaubt, uber Mengen, Funktionen
und Pradikaten zu quantizieren. In der Pradikatenlogik 1. Stufe darf nur uber Individuenvariablen
quantiziert werden.
Bei der Informations- und Wissensverarbeitung oder der Konzipierung und Implementierung
verteilter Prozesse nden Logiken wie modale, nichtmonotone, temporale, mehrwertige oder Fuzzy-
Logiken Anwendung.
In modalen Logiken gibt es neben Quantoren und

klassischen Junktoren Operatoren wie [ ]


und 3 mit folgender Bedeutung: F ur eine Formel bedeutet [], dass notwendigerweise wahr
ist, und 3 bedeutet, dass moglicherweise gilt. Mit diesen Operatoren kann man z.B. zeitliches
Planen beschreiben: [] modelliert, dass immer gilt oder dass sicheres Wissen beschreibt. 3
modelliert, dass manchmal gilt oder dass Meinungen beschreibt.

Klassische Logiken wie die Aussagenlogik und die Pradikatenlogiken sind monoton. Das bedeu-
tet, wenn f ur Klauselmengen A, B und C gilt, dass alle Klauseln von A auch zu B gehoren und A C
gilt, dass dann auch B C gilt. Konklusionen gelten also weiter, wenn man zu den Pramissen Klau-
seln hinzuf ugt. Bei realen Problemen gibt es aber oft Ausnahmen, welche diese Monotonie zerstoren.
So trit die Aussage

alle Vogel iegen, die etwa durch die Formel x(Vogel(x) Fliegen(x)),
beschrieben werden kann, zwar auf fast alle Vogel zu, aber es gibt Vogelarten wie Straue und Pin-
guine, die nicht iegen konnen. Um solche Anwendungen adaquat modellieren zu konnen, m ussen
nicht monotone Schlussfolgerungen moglich sein.
Mehrwertige Logiken lassen mehr als zwei Wahrheitswerte und Verkn upfungen daf ur zu, und
in der Fuzzy-Logik werden Wahrheitswerte durch (stetige) Funktionen beschrieben, die den Zu-
gehorigkeitsgrad eines Elementes zu einer Menge festlegen.
52 KAPITEL 3. PR

ADIKATENLOGIK
Kapitel 4
Beweismethoden
Wie bereits erwahnt benutzen wir die Pradikatenlogik, um Begrie mathematisch zu denieren,
Eigenschaften daf ur zu formulieren und diese zu beweisen, d.h. deren G ultigkeit herzuleiten. In
diesem Kapitel stellen wir gangige Beweisverfahren vor.
Die meisten mathematischen Satze (Theoreme; Hilfssatze, Lemmata; Folgerungen, Korrollare) Mathematischer
Satz
Theorem
haben die Form:

Dabei sind und Formeln. heit Voraussetzung (Vorbedingung, Hypothese) und Behauptung Voraussetzung
Behauptung (Nachbedingung, Folgerung) des Satzes. Satze, die

Aquivalenzen behaupten ( ) sind aquivalent
zu Folgerungen in beide Richtungen ( ), so dass wir uns auf Folgerungen beschranken
konnen.
Zu zeigen, dass gilt, bedeutet zu zeigen, dass eine Tautologie ist, d.h. dass
immer wahr ist. Wir geben im Folgenden vier Verfahren an, die dazu verwendet werden konnen:
1. direkter Beweis,
2. indirekter Beweis,
3. Widerspruchsbeweis,
4. Beweis durch Ringschluss.
Eine weitere sehr wichtige Beweismethode, das Prinzip der vollstandigen Induktion, mit dem
gezeigt werden kann, dass ein Pradikat P(n) wahr wird f ur alle nat urlichen Zahlen n N
0
wird in
Kapitel 12 behandelt.
Nach Durcharbeiten dieses Kapitels sollten Sie Lernziele
die oben aufgelisteten Beweismethoden erklaren und anwenden konnen.
4.1 Direkter Beweis
Ein direkter Beweis eines Theorems ist eine Folge von Aussagen

1
,
2
, . . . ,
n
=
53
54 KAPITEL 4. BEWEISMETHODEN
wobei f ur jedes i mit 1 i n gilt:
i
= oder
i
ist eine (bereits bewiesene) bekannte Aussage oder

j1

j2
. . .
jr

i
mit j
1
, j
2
, . . . , j
r
< i. Bei den Zwischenschritten konnen also Kombinationen
von vorher im Beweis selbst oder im Rahmen anderer Beweise etablierten Aussagen verwendet
werden.
Beispiel 4.1. Wir wollen den Satz

Ist eine nat urliche Zahl durch 2 und durch 3 teilbar, dann
ist sie auch durch 6 teilbar direkt beweisen. Zunachst formalisieren wir diesen umgangssprachlich
formulierten Satz:
x
2
N
0

x
3
N
0

x
6
N
0
Dabei ist
=
_
x
2
N
0

x
3
N
0
_
die Voraussetzung und
=
_
x
6
N
0
_
die Behauptung. Wir betrachten nun die folgenden Aussagen:

1
= (y N
0
(x = 2y) z N
0
(x = 3z))

2
= (y, z N
0
(2y = 3z))

3
= (k N
0
(z = 2k))

4
= z, k N
0
(x = 3z z = 2k)

5
= k N
0
(x = 2 3 k))

6
= k N
0
(x = 6k))
Die beiden Folgerungen:
1
und
1

2
gelten oensichtlich. Da 2y = 3z, muss 3z und damit
z eine gerade Zahl sein, also gilt:
2

3
. Die Folgerungen
3

4
,
4

5
und
5

6
sind
oensichtlich. Insgesamt erhalten wir:

1

2

3

4

5

6

und damit , was zu beweisen war (w.z.b.w.).
1
2
4.2 Indirekter Beweis
Dem indirekten Beweis liegt die folgende

Aquivalenz zugrunde:
( ) ( )
Manchmal ist es tatsachlich einfacher, bequemer oder schneller, die rechte anstelle der linken Fol-
gerung zu beweisen.
1
Auch: qed f ur quod erat demonstrandum.
4.3. BEWEIS DURCH WIDERSPRUCH 55
Beispiel 4.2. Als Beispiel wollen wir eine weitere Teilbarkeitsregel beweisen: Wenn die letzten
beiden Ziern einer nat urlichen Zahl z als Zahl betrachtet durch 4 teilbar sind, dann ist auch die
Zahl z durch 4 teilbar. Wir formalisieren:
= (x N
0,99
)
_
x
4
N
0
_
(y N
0
)
= (x N
0,99
) (y N
0
)
_
100y +x
4
N
0
_
Anstelle direkt zu beweisen, beweisen wir . Es ist:
= (x / N
0,99
) (y / N
0
)
_
100y +x
4
/ N
0
_
= (x / N
0,99
)
_
x
4
/ N
0
_
(y / N
0
)
Da sowohl x / N
0,99
als auch y / N
0
mit falsch zu bewerten sind, wird in beiden Disjunktionen der
Wahrheitswert durch den jeweils verbleibenden Teilausdruck bestimmt (siehe Satz 2.4 bzw. Tabelle
2.4 auf Seite 27, Unerf ullbarkeitsregeln), d.h. wir m ussen nur noch
100y +x
4
/ N
0

x
4
/ N
0
beweisen. Dies tun wir direkt:
100y +x
4
/ N
0

100y
4
+
x
4
/ N
0
25y +
x
4
/ N
0

x
4
/ N
0
Da jede Zahl z N
0
sich darstellen lasst als z = 100y + x mit y N
0
und x N
0,99
, ist die
Behauptung bewiesen. 2
4.3 Beweis durch Widerspruch
Dem Widerspruchsbeweis liegt die

Aquivalenz
( ) (( ) ) (4.1)
zugrunde. Um diesen Beweis zu f uhren, nehmen wir also sowohl die Voraussetzung als auch die
Negation der Folgerung , also , als wahr an und versuchen, daraus einen Widerspruch zu zu
folgern.
Beispiel 4.3. Ein

klassisches Beispiel f ur einen Widerspruchsbeweis ist zu zeigen, dass

2 keine
rationale Zahl ist. Genauer lautet diese Aussage: Wenn p und q teilerfremde nat urliche Zahlen sind,
56 KAPITEL 4. BEWEISMETHODEN
dann ist

2 ,=
p
q
. Es seien also:
=
_
k N
2
_
p
k
/ N
0

q
k
/ N
0
__
(p und q sind teilerfremd) (4.2)
=
_

2 ,=
p
q
_
(

2 ist nicht rational)


Wir nehmen nun an, dass es teilerfremde Zahlen p und q gibt mit

2 =
p
q
, d.h. wir nehmen an,
dass gilt.
Aus

2 =
p
q
folgt, dass 2 =
p
2
q
2
ist. Daraus folgt, dass p
2
= 2q
2
gilt, und daraus, dass 2 ein Teiler
von p
2
ist, und daraus, dass 2 ein Teiler von p ist. Hieraus folgt, dass 2 2 ein Teiler von p p = p
2
und damit 4 ein Teiler von 2q
2
ist. Hieraus folgt, dass 2 ein Teiler von q
2
und damit ein Teiler von q
ist. Aus diesen Schlussfolgerungen folgt, dass 2 ein Teiler von p und von q ist, womit p und q nicht
teilerfremd sind, d.h.:
k N
2
_
p
k
N
0

q
k
N
0
_
(4.3)
Diese Aussage ist gleich , also ein Widerspruch zu (vergleiche (4.2) und (4.3)).
Damit haben wir () gezeigt, und damit ist wegen der

Aquivalenz (4.1) die Folgerung
bewiesen. 2
Varianten von Widerspruchsbeweisen basieren auf den

Aquivalenzen:
( ) (( ) )
( ) (( ) ( ))
( ) (( ) 0)
4.4 Ringschluss
Um die

Aquivalenz der Formeln
1
, . . . ,
k
, d.h.

1

2
. . .
k
, k 2
zu beweisen, kann man anstelle der 2(k 1) Folgerungen
i

i+1
und
i+1

i
, 1 i k 1,
die k 1 Folgerungen
i

i+1
, 1 i k 1, und die Folgerung
k

1
zeigen. Insgesamt ist
zum Beweis der

Aquivalenz der Formeln
i
, 1 i k, die Folge der k Implikationen

1

2
. . .
k

1
zu zeigen.
Satz 4.1. Zeigen Sie: Sind
1
, . . . ,
k
, k 2, pradikatenlogische Formeln, dann ist

1

2
. . .
k
(4.4)
aquivalent zu

1

2
. . .
k

1
(4.5)
4.4. RINGSCHLUSS 57
Beweis Aus Beispiel 2.7 c) auf Seite 23 folgt:
( ) ( ) (4.6)
Wir zeigen zunachst, dass (4.5) aus (4.4) folgt. Aus (4.4) folgt, dass

k

k1
. . .
2

1
(4.7)
und dass

1

2
. . .
k1

k
(4.8)
gilt. Aus (4.6) und (4.7) folgt, dass
k

1
gilt. Hieraus folgt mit (4.8), dass (4.5) gilt. Damit ist
gezeigt, dass (4.5) aus (4.4) folgt.
Jetzt zeigen wir, dass (4.4) aus (4.5) folgt. Aus (4.5) und (4.6) folgt
1

i
, 1 i k, und

j

1
, 1 j k, sowie
i

j
, 1 i, j k 1, i j. Es folgt, dass
j

1

i
f ur
1 i, j k mit i j gilt. Es folgt, dass

k

k1
. . .
2

1
gilt. Mit der Voraussetzung (4.5) folgt hieraus die Behauptung (4.4). 2

Ubung 4.1. Beweisen Sie, dass f ur a, b R


+
gilt
a +b
2

a b
(das arithmetische Mittel von zwei positiven Zahlen ist groer gleich deren geometrischem Mittel)!
2

Ubung 4.2. Beweisen Sie die Behauptung aus obiger



Ubung 4.1 durch Widerspruchsbeweis! 2
58 KAPITEL 4. BEWEISMETHODEN
Kapitel 5
Operationen auf Mengen
Wir kehren nun zu Mengen zur uck und benutzen pradikatenlogische Formeln, um Teilmengenbe-
ziehungen zwischen Mengen sowie Verkn upfungen von Mengen zu denieren. Dabei benutzen bei
wir folgende formale Schreibweise bei der Denition von neuen Begrien:
:
Dabei ist eine Formel, in der bereits denierte Begrie und Symbole verwendet werden, um den
neuen Begri oder das neue Symbol oder die neue Schreibweise prazise festzulegen.
In vielen Anwendungsbereichen m ussen Datenmengen miteinander verkn upft werden. Hat man
z.B. eine Datenbasis, in der die Kunden pro Tag festgehalten werden und mochte man daraus eine
Auistung aller Kunden einer Woche haben, dann m ussen die Tagesmengen vereinigt werden. Oder
mochte man wissen, welche Kunden an allen Tagen Bestellungen aufgegeben haben, dann m ussen
die gemeinsamen Elemente der Tagesmengen bestimmt werden.
In diesem Kapitel denieren wir mithilfe logischer Ausdr ucke elementare Mengenoperationen
und betrachten ihre grundlegenden Eigenschaften.
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
den Teilmengenbegri und dessen grundlegende Eigenschaften kennen,
wissen, wie die Potenzmenge einer Menge gebildet wird,
f ur einfache Beispiele Element- bzw. Teilmengenbeziehungen entscheiden konnen,
die Denitionen f ur Vereinigung, Durchschnitt, Dierenz und Komplement von Mengen ken-
nen,
die grundlegenden Eigenschaften dieser Operationen kennen und beweisen konnen,
diese Operationen anwenden konnen.
59
60 KAPITEL 5. OPERATIONEN AUF MENGEN
5.1 Teilmengen
Denition 5.1. a) Eine Menge A ist Teilmenge einer Menge B, falls jedes Element von A auch Teilmenge
Element von B ist. Wir schreiben: A B. Formal lautet die Denition:
A B :x A x B (5.1)
Ein synonymer Begri f ur Teilmenge ist Untermenge. Entsprechend nennt man, wenn A B gilt, Untermenge
Obermenge
B Obermenge von A.
b) Zwei Mengen A und B sind gleich, wenn jede Teilmenge der anderen ist: Gleichheit
von
Mengen
A = B :A B B A (5.2)
Sind die Mengen A und B nicht gleich, gilt also (A = B), dann schreiben wir A ,= B.
c) Eine Menge A ist eine echte Teilmenge einer Menge B, falls A Teilmenge von B ist, aber nicht Echte Teil-
menge
gleich B ist:
A B :A B A ,= B (5.3)
2
Beispiel 5.1. Es gilt:
a) 2, 3, 4, 7 1, 2, 3, 4, 7, 13 .
b) 1, 2, 3 = 3, 2, 1 sowie 1, 2, 3 3, 2, 1 , aber 1, 2, 3, 4 , 3, 2, 4, 1 .
c) 2, 3, 4, 7 1, 2, 3, 4, 7, 13 . 2
Folgerung 5.1. a) F ur jede Menge A gilt A, d.h. die leere Menge ist Teilmenge jeder Menge.
b) F ur jede Menge A gilt A A, d.h. jede Menge ist Teilmenge von sich selbst.
c) Seien A, B und C Mengen, dann gilt: A B B C A C.
Beweis a) Nach Denition 5.1 ist zu zeigen: x x A, d.h. wir m ussen zeigen, dass die
Subjunktion x x A immer wahr ist.
Das Pradikat x ist immer falsch, und das Pradikat x A kann wahr oder falsch sein.
Folgende Wahrheitstafel zeigt die beiden moglichen Belegungen f ur die Subjunktion:
x x A x x A
0 1 1
0 0 1
x x A ist also immer wahr, d.h. es gilt x x A und damit die Behauptung A.
Der Beweis f ur b) folgt analog (siehe folgende

Ubung 5.1).
c) Wir setzen = (x A), = (x B) sowie = (x C). Aus Beispiel 2.7 c) (Seite 23) wissen
wir, dass ( ) ( ) ( ) gilt (Kettenschluss). Damit konnen wir folgern
A B B C ((x A) (x B)) ((x B) (x C))
( ) ( )
( )
((x A) (x C))
A C
5.2. POTENZMENGEN 61
womit die Behauptung gezeigt ist. 2

Ubung 5.1. Beweisen Sie Folgerung 5.1 b)! 2


5.2 Potenzmengen
Denition 5.2. Sei M eine Menge. Dann heit T(M) = A [ A M, die Menge aller Teilmengen Potenzmenge
von M, die Potenzmenge von M. Es gilt also: A T(M) :A M. Anstelle von T(M) schreiben
wir auch 2
M
. 2
Beispiel 5.2. Sei M = a, b, c , dann gilt
T(M) = , a, b, c, a, b , a, c , b, c , a, b, c
Aus Folgerung 5.1 a) und b) folgt unmittelbar
Folgerung 5.2. Sei M eine Menge, dann gilt T(M) sowie M T(M). 2
Satz 5.1. Sei M eine Menge mit m Elementen, [M[ = m, dann hat T(M) 2
m
Elemente: [T(M)[ =
2
|M|
.
Beweis Siehe Beispiel 12.1 c) auf Seite 115. 2
Mit T(M) bezeichnen wir die Menge der endlichen Teilmengen von M. F ur endliche Mengen M
gilt T(M) = T(M), f ur unendliche Mengen M gilt T(M) T(M). Es gilt z.B. G
+
T(Z), aber
G
+
/ T(Z).

Ubung 5.2. Bestimmen Sie T() sowie T(T())! 2

Ubung 5.3. Bestimmen Sie die einzige Menge M, f ur die M T(M) gilt! 2
5.3 Verkn upfung von Mengen
Denition 5.3. Es seien A und B zwei Mengen.
a) Die Menge A B = x [ x A x B, welche alle Elemente von A und B enthalt, heit Vereinigung
Vereinigung von A und B.
b) Die Menge A B = x [ x A x B, welche alle gemeinsamen Elemente von A und B Durchschnitt,
Schnittmenge
enthalt, heit Durchschnitt (auch Schnittmenge) von A und B.
c) Gilt A B = , dann heien A und B disjunkt (auch elementfremd). Disjunktheit
d) Die Menge AB = x [ x Ax / B, welche alle Elemente von A enthalt, die nicht Element Dierenz
von B sind, heit Dierenz von A und B.
e) Die Menge AB = (AB) (B A), welche alle Elemente von A enthalt, die nicht Element Symmetrische
Dierenz
von B sind, und alle Elemente von B enthalt, die nicht Element von A sind, heit symmetrische
Dierenz von A und B.
f ) Falls A B ist, dann heit (
B
A = B A das Komplement von A bez uglich B. Falls die Menge Komplement
B aus dem Zusammenhang heraus klar ist, schreibt man anstelle von (
B
A auch A. 2
62 KAPITEL 5. OPERATIONEN AUF MENGEN
Beispiel 5.3. Es sei A = 1, 2, 3, 4 und B = 3, 4, 5 . Dann gilt:
a) A B = 1, 2, 3, 4, 5
b) A B = 3, 4
c) AB = 1, 2
d) AB = 1, 2, 5
e) (
N0
G = U 2
F ur die Vereinigung bzw. f ur den Durchschnitt von n Mengen A
1
, A
2
, . . ., A
n
, n 0, f uhren
wir noch folgende Schreibweisen ein:
A
1
A
2
. . . A
n
=
n
_
i=1
A
i
A
1
A
2
. . . A
n
=
n

i=1
A
i
Diese Schreibweise kann man noch verallgemeinern f ur den Fall, dass die Indizes nicht die Zahlen
1, 2, . . ., n sind, sondern Elemente einer moglicherweise unendlichen Indexmenge I:
_
iI
A
i
bzw.

iI
A
i
Betrachten wir hierzu ein Beispiel: Sei
tag = mo, di, mi, do, fr, sa
eine Indexmenge, und sei K
t
die Menge der Kunden, die am Tag t kaufen, dann bezeichnet
_
ttag
K
t
die Menge der Kunden an allen Tagen, und

ttag
K
t
bezeichnet die Menge der Kunden, die jeden Tag gekauft haben.
5.4 Elementare Eigenschaften
Im Folgenden werden die elementaren Eigenschaften der oben eingef uhrten Mengenoperationen
aufgelistet. Eine Reihe dieser Eigenschaften gelten, weil entsprechende Eigenschaften f ur die die
Operationen denierenden logischen Vekn upfungen gelten (vergleiche Satz 2.4 bzw. Tabelle 2.4 auf
Seite 27).
Satz 5.2. F ur alle Mengen A, B und C gelten die folgenden Gesetze:
5.4. ELEMENTARE EIGENSCHAFTEN 63
(1) Die Operationen Vereinigung, Durchschnitt und symmetrische Dierenz sind kommutativ:
A B = B A
A B = B A
AB = B A
(2) Falls A B ist, dann gilt:
A B = B
A B = A
AB =
AB = B A
(3) Vereinigung und Durchschnitt sind idempotente Verkn upfungen:
A A = A
A A = A
(4) Aus den Eigenschaften (1) - (3) folgt:
A = A
A =
AA =
A =
A = A
(5) F ur Vereinigung, Durchschnitt und Mengendierenz gilt:
A A B
B A B
A B A
A B B
AB A
(6) F ur die symmetrische Dierenz gilt:
AB = (A B) (A B)
(7) Vereinigung und Durchschnitt sind assoziative Operationen:
A (B C) = (A B) C
A (B C) = (A B) C
64 KAPITEL 5. OPERATIONEN AUF MENGEN
(8) Vereinigung und Durchschnitt sind distributiv:
A (B C) = (A B) (A C)
(A B) C = (A C) (B C)
A (B C) = (A B) (A C)
(A B) C = (A C) (B C)
(9) Es gelten die De Morganschen Regeln:
1
A B = A B
A B = A B
(10) Es gelten die Absorptionsgesetze:
A (B A) = A
A (B A) = A
(11) Doppelte Komplementbildung: A = A
Beweis Bei allen Eigenschaften bis auf (5) sind Gleichheiten von Mengen zu zeigen. Gema
Denition 5.1 b) auf Seite 60 sind zwei Mengen gleich, wenn jede Teilmenge der anderen ist. Mit
dieser Methode zeigen wir die erste Gleichheit von (9), alle anderen Beweise sind Gegenstand von

Ubung 5.4. Fast alle Gleichheiten lassen sich auf die



Aquivalenz der Pradikate zur uckf uhren, mithilfe
derer die Mengenoperationen deniert sind (siehe Denition 5.3 auf Seite 61).
Um A B = A B zu zeigen, m ussen wir also
A B A B und A B A B
zeigen.
A B AB gilt, falls die Implikation x A B x AB g ultig ist, was wir im Folgenden
zeigen:
x A B x / A B (gema Deniton des Komplements)
(x A B) (gema Denition von / )
(x A x B) (gema Denition der Vereinigung)
x / A x / B (gema De Morganscher Regeln f ur
Konjunktion und Disjunktion, Tabelle 2.4,
Seite 27)
x A x B (gema Deniton des Komplements)
x A B (gema Denition des Durchschnitts)
Der Beweis von A B A B geschieht durch Umkehrung dieser Implikationen. 2
1
Benannt nach Augustus De Morgan (1806 - 1871), britischer Mathematiker und Logiker. De Morgan leistete
Beitrage zur Algebra und zur mathematischen Logik und begr undete neben George Boole eine Algebra der Logik.
5.4. ELEMENTARE EIGENSCHAFTEN 65

Ubung 5.4. Beweisen Sie Satz 5.2! 2


Folgerung 5.3. a) F ur zwei endliche Mengen A und B gilt:
[A B[ = [A[ +[B[ [A B[
b) Sind A und B endlich und disjunkt, dann gilt [A B[ = [A[ +[B[. 2
Denition 5.4. Sei A eine nicht leere Menge, I eine Indexmenge und A
i
A, i I, eine Familie Partition

Uberdeckung
Zerlegung
von nicht leeren Teilmengen von A. Dann heit A
i

iI
eine Partition von A genau dann, wenn
gilt:
(1) A
i
A
j
= f ur i, j I mit i ,= j,
(2)

iI
A
i
= A.
Eine Partition zerlegt also eine Menge vollstandig in disjunkte Teilmengen. Man sagt auch, dass die
Menge A von A
i

iI
(vollstandig und disjunkt) uberdeckt wird. 2
Beispiel 5.4. a) Die Mengen G
+
und U
+
bilden eine Partition von N
0
.
b) Sei = a, b, . . . , z die Menge der Kleinbuchstaben des deutschen Alphabets. Seien W
a
, W
b
, . . . , W
z
die Menge der Worter der deutschen Sprache, die mit a, mit b usw. oder mit z beginnen. Dann
bilden diese Mengen eine Partition der Menge D aller deutschen klein geschriebenen Worter, denn
es gilt:

= D und W

= f ur ,= , , . 2
66 KAPITEL 5. OPERATIONEN AUF MENGEN
Kapitel 6
Boolesche Algebra
Wenn wir Satz 2.4 (Seite 26) und Satz 5.2 (Seite 62) vergleichen, bemerken wir, dass sowohl f ur
Verkn upfungen der Logik als auch f ur Mengenverkn upfungen gleiche Eigenschaften gelten. Wir
wollen von den konkreten Operanden, aussagen- oder pradikatenlogische Formeln bzw. Mengen ab-
strahieren und Verkn upfungsstrukturen betrachten, die Elemente einer Menge mit drei Operatoren
verkn upfen und dabei bestimmten Rechenregeln gen ugen. Wir lernen damit eine erste abstrakte Re-
chenstruktur kennen, von der wir bereits Beispiele, namlich aussagenlogische Formeln und Mengen,
betrachtet haben.
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
den Begri der Booleschen Algebra und dessen grundlegende Eigenschaften kennen,
den Begri des Isomorphie Boolescher Algebren erklaren konnen,
wissen, dass die Boolesche Algebra der Wahrheitswerte ein Reprasentant f ur alle minimalen
Booleschen Algebren ist,
wissen, dass die Booleschen Algebren der Potenzmengen von endlichen Mengen Reprasentan-
ten f ur endliche Boolesche Algebren sind.
6.1 Denitionen und grundlegende Eigenschaften
Denition 6.1. Eine Boolesche Algebra
1
/ = (A, 0, 1, , ,

) ist gegeben durch eine Menge A mit Boolesche


Algebra
zwei ausgezeichneten Elementen 0 (sogenanntes Nullelement) und 1 (sogenanntes Einselement) aus
Nullelement
Einselement
A sowie den zweistelligen Operatoren und , die angewendet auf zwei Elemente aus A wieder
ein Element aus A ergeben, und den einstelligen Operator

, der angewendet auf ein Element aus
A wieder ein Element aus A liefert. Die Operatoren und beliebigen Elementen x, y, z A m ussen
dabei folgenden Gesetzen gen ugen:
1
Der britische Mathematiker und Logiker George Boole (1815 - 1864) gilt als Begr under der mathematischen Logik.
Durch Formalisierung des mathematischen Denkens (

An investigation of the laws of thought ist eine ber uhmte


Schrift von Boole zu diesem Thema) entwickelte er eine Algebra der Logik, d.h. eine Logik, mit der man

rechnen
kann (siehe Kapitel 2 uber Aussagenlogik).
67
68 KAPITEL 6. BOOLESCHE ALGEBRA
(i) Kommutativitat f ur und :
x y = y x
x y = y x
(ii) Assoziativitat f ur und :
x (y z) = (x y) z
x (y z) = (x y) z
(iii) Absorption:
x (y x) = x
x (y x) = x
(iv) Distributivitat:
x (y z) = (x y) (x z)
x (y z) = (x y) (x z)
(v) Eigenschaften von 0 und 1:
x 0 = x x 0 = 0
x 1 = 1 x 1 = x
(vi) Eigenschaften von

:
x x

= 1 x x

= 0
2
Die nachste Folgerung gibt zwei Boolesche Algebren an, die wir schon kennen.
Folgerung 6.1. a) Sei M irgendeine Menge, dann bildet
T
M
= (T(M), , M, , , (
M
)
eine Boolesche Algebra.
b) B = ( 0, 1 , 0, 1, , , ) mit
1 1 = 1 1 0 = 1 0 1 = 1 0 0 = 0 1 = 0
1 1 = 1 1 0 = 0 0 1 = 0 0 0 = 0 0 = 1
bildet ebenfalls eine Boolesche Algebra. 2
T
M
ist die Boolesche Algebra aller Teilmengen einer gegebenen Menge M. Die Operation
ist die Vereinigung, die Operation ist der Durchschnitt und die Operation

ist das Komplement
bez uglich M. Das Nullelement ist die leere Menge und das Einselement ist die Menge M selbst.
6.1. DEFINITIONEN UND GRUNDLEGENDE EIGENSCHAFTEN 69
Die Mengenverkn upfungen gen ugen den Bedingungen (i) - (vi) der Denition 6.1 f ur eine Boolesche
Algebra (siehe Satz 5.2, Seite 62).
B ist die Boolesche Algebra der Wahrheitswerte in der Aussagenlogik. Die Operation ist die
Disjunktion, die Operation ist die Konjunktion und die Operation

ist die Negation. Das Null-
element ist der Wahrheitswert 0 (

falsch) und das Einselement ist der Wahrheitswert 1 (

wahr).
Die Junktoren gen ugen den Bedingungen (i) - (vi) der Denition 6.1 f ur eine Boolesche Algebra
(siehe Satz 2.4 bzw. Tabelle 2.4, Seite 27).
F ur Boolesche Algebren allgemein gelten nat urlich alle Eigenschaften, die wir f ur die speziellen
Booleschen Algebren B und T
M
f ur eine Menge M bereits gezeigt haben (siehe Satze 2.4 und 5.2).
Ebenso gilt f ur jede Boolesche Algebra das Dualitatsprinzip, das wir in Satz 2.10 (Seite 30) f ur die
Aussagenlogik bereits formuliert haben.
Satz 6.1. Ist eine Eigenschaft einer Booleschen Algebra / g ultig, dann ist auch ihre duale Eigen-
schaft in / g ultig. Die duale Eigenschaft erhalt man, indem man jedes Vorkommen von durch
, jedes durch , jedes Vorkommen von 0 durch 1 und jede 1 durch 0 ersetzt. 2

Uber die im Satz 2.4 bzw. im Satz 5.2 formulierten Eigenschaften hinaus gelten f ur alle Boole-
schen Algebren noch die im folgenden Satz aufgef uhrten fundamentalen Eigenschaften.
Satz 6.2. Sei / = (A, 0, 1, , ,

) eine Boolesche Algebra. Dann sind durch die denierenden


Eigenschaften in Denition 6.1
a) das Null- und das Einselement sowie
b) a

f ur jedes a A eindeutig bestimmt.


Beweis a) Wir nehmen an, es gabe auer 0 noch das davon verschiedene Nullelement z. z muss
die Eigenschaft (v) aus Denition 6.1 erf ullen. Es gilt also a z = z f ur alle a A, d.h. diese
Gleichung gilt auch f ur a = 0:
0 z = z (6.1)
Andererseits gilt a 0 = 0 f ur alle a A, also auch f ur a = z, d.h.
z 0 = 0 (6.2)
Aus den Gleichungen (6.1) und (6.2) und mit der Kommutativitat von folgt
z = 0 z = z 0 = 0
und damit z = 0.
Der Beweis der Eindeutigkeit des Einselements erfolgt analog durch Dualisierung des obigen
Beweises der Eindeutigkeit des Nullelementes.
b) Wir nehmen an, es gabe zu x A auer x

noch ein Element c


x
mit den Eigenschaften (vi) aus
Denition 6.1. Es gilt also:
x c
x
= 1 (6.3)
x c
x
= 0 (6.4)
70 KAPITEL 6. BOOLESCHE ALGEBRA
Es folgt:
x

= x

0 (wegen Eigenschaft (v) von Denition 6.1)


= x

(x c
x
) (wegen (6.4))
= (x

x) (x

c
x
) (wegen Eigenschaft (iv) von Denition 6.1)
= 1 (x

c
x
) (wegen Eigenschaft (vi) von Denition 6.1)
= x

c
x
(wegen Eigenschaft (v) von Denition 6.1)
Es gilt also
x

= x

c
x
(6.5)
Dual zur Herleitung dieser Gleichung lasst sich mit
x

= x

1 (wegen Eigenschaft (v) von Denition 6.1)


= x

(x c
x
) (wegen (6.3))
= (x

x) (x

c
x
) (wegen Eigenschaft (iv) von Denition 6.1)
= 0 (x

c
x
) (wegen Eigenschaft (vi) von Denition 6.1)
= x

c
x
(wegen Eigenschaft (v) von Denition 6.1)
die Gleichung
x

= x

c
x
(6.6)
herleiten. Mit diesen Ergebnissen folgt nun:
x

= x

c
x
(wegen (6.6))
= (x

c
x
) c
x
(wegen (6.5))
= c
x
(x

c
x
) (wegen Eigenschaft (i) von Denition 6.1)
= c
x
wegen Eigenschaft (iii) von Denition 6.1)
Damit haben wir ausgerechnet, dass x

= c
x
gilt. 2
6.2 Isomorphie Boolescher Algebren
B ist im

Ubrigen im folgenden Sinn die kleinste Boolesche Algebra: Jede Boolesche Algebra mit
zwei Elementen ist strukturgleich zu B. Das bedeutet, dass es zum einen keine Boolesche Algebra
mit nur einem Element geben kann, und zum anderen gibt es f ur jede andere Boolesche Algebra
B

= (a, b, a, b, , ,

) mit zwei Elementen eine eineindeutige Zuordnung : a, b 0, 1 , so


dass f ur alle x, y a, b gilt Isomor-
phismus
(x y) = (x) (y)
(x y) = (x) (y)
(x

) = (x)
6.2. ISOMORPHIE BOOLESCHER ALGEBREN 71
Bis auf die Umbenennung der Elemente von B

und der entsprechenden Umbenennung der Ope-


ratoren sind also alle zweielementigen Booleschen Algebren identisch zu B. Diese Art der Struktur-
gleichheit nennt man Isomorphismus.
So wie die Boolesche Algebra der Wahrheitswerte B ein

Prototyp f ur alle minimalen Boole-


schen Algebren ist, ist die Boolesche Algebra
T
n
= (T(N
1,n
), , , (
N1,n
)
der Teilmengen der Menge N
1,n
= 1, . . . , n, n 1, ein Protoyp f ur alle endlichen Booleschen
Algebren. Dies besagt der folgenden Satz, den wir ohne Beweis angeben.
Satz 6.3. Zu jeder endlichen Booleschen Algebra A = (X, 0, 1, , ,

) gibt es eine Zahl n N, so


dass A und T
n
isomorph zueinander sind, d.h. es gibt eine eineindeutige Zuordnung (

Umbennung)
: T(N
1,n
) X, so dass f ur alle A, B T(N
1,n
) gilt
(A B) = (A) (B)
(A B) = (A) (B)
((
N1,n
A) = ((A))

2
Folgerung 6.2. a) Die Anzahl der Elemente einer endlichen Booleschen Algebra ist immer 2
n
f ur
ein n 1.
b) Je zwei endliche, isomorphe Boolesche Algebren haben in jedem Fall dieselbe Anzahl von Ele-
menten. 2
72 KAPITEL 6. BOOLESCHE ALGEBRA
Kapitel 7
Zusammenfassung und

Ubungen
7.1 Zusammenfassung
Mengen sind ein grundlegendes, wesentliches Hilfsmittel in der Mathematik und in der Informatik,
um Dinge zusammenzufassen und dieser Zusammenfassung einen Namen zu geben. Die Dinge, die
zu einer Menge zusammengefasst werden, heien Elemente der Menge. Mengen konnen auf zwei
Arten dargestellt werden: aufzahlend oder beschreibend. Bei der aufzahlenden Darstellung werden
die Elemente der Menge explizit angegeben. Dies ist bei Mengen mit vielen Elementen und erst
recht bei unendlichen Mengen unmoglich. Man hilft sich dann durch die

P unktchennotation, bei
der einige Elemente angegeben werden. Aus den angegebenen Elementen und Informationen aus
dem Zusammenhang muss bestimmt werden konnen, ob ein Ding Element der Menge ist oder nicht.
Bei der beschreibenden Darstellung werden die Eigenschaften, die die Elemente einer Menge
haben, durch ein Pradikat angegeben. Pradikate werden in der Regel durch

halbformale Ausdr ucke


angegeben, die neben logischen (Teil-) Ausdr ucken auch nat urliche Sprachkomponenten enthalten.
Die

klassische Cantorsche Mengendenition kann zu Paradoxien f uhren, was durch die Rus-
selsche Antinomie deutlich wird.
Die Sprache der Aussagenlogik besteht aus aussagenlogischen Ausdr ucken (Formeln). Deren
syntaktischer Aufbau kann durch rekursiv denierte Regeln festgelegt werden. Die Bedeutung der
Ausdr ucke in Abhangigkeit einer Belegung ihrer Variablen kann durch einen Interpreter festgelegt
werden, der die belegten Formeln mithilfe einer abstrakten Maschine ausrechnet.
Die Bedeutung von aussagenlogischen Verkn upfungen kann auch mithilfe von Wahrheitstafeln
festgelegt werden.
Formeln bzw. Formelmengen heien erf ullbar, wenn sie mindestens eine wahre Interpretation
besitzen. Solche Interpretationen heien Modelle f ur die Formeln bzw. Formelmengen.
F ur das Beweisen von Behauptungen in Mathematik und Informatik sowie f ur das Ableiten von
Wissen aus Wissensbasen (Expertensysteme, Wissensmanagementsysteme) sind Schlussfolgerungs-
mechanismen von Bedeutung. Eine Formel kann aus einer Formelmenge logisch gefolgert werden,
wenn alle Modelle der Formelmenge auch Modelle der Formel sind.
Durch Implikationen, das sind immer wahre Subjunktionen, ist ein weiterer semantischer Fol-
gerungsbegri gegeben. Die logische Folgerung und die Implikation sind semantische Folgerungsbe-
grie, weil die Folgerung auf Interpretationen bzw. auf Wahrheitstafeln beruht, d.h. die Belegungen
73
74 KAPITEL 7. ZUSAMMENFASSUNG UND

UBUNGEN
der Formelmengen und Formeln werden betrachtet.
Bei syntaktischen Folgerungsbegrien wird f ur moglichst wenige (und

kleine) Schlussfolge-
rungen deren G ultigkeit gezeigt. Die Ableitung von Formeln aus Formelmengen geschieht dann,
in dem Regeln eines Kalk uls angewendet werden. Der Kalk ul beschreibt, welche Formeln in einer
Formelmenge durch welche Formeln ersetzt werden konnen und zwar rein als Texte (

syntaktisch),
d.h. ohne dass Interpretationen oder Wahrheitstafeln berechnet werden m ussen.
Wichtigste Anforderungen an einen Kalk ul sind Korrektheit und Vollstandigkeit. Korrektheit
fordert, dass jede aus einer Formelmenge mit dem Kalk ul ableitbare Formel auch eine logische Fol-
gerung dieser Formelmenge ist. Vollstandigkeit bedeutet, dass jede logisch ableitbare Formel auch
mit dem Kalk ul abgeleitet werden kann. Ein korrekter und vollstandiger Kalk ul ist der Resoluti-
onskalk ul.
Es gibt 2
2
n
n-stellige logische Verkn upfungen, d.h. 16 zweistellige. Zwei Formeln bzw. Formel-
mengen heien aquivalent, wenn alle ihre Interpretationen (bei identischen Belegungen gemeinsamer
Variablen) denselben Wert haben. Man kann Formeln in aquivalente Formeln transformieren, die
nur Verkn upfungen einer aussagenlogischen Basis enthalten. Aussagenlogische Basen f ur zweistelli-
ge Verkn upfungen, mit deren Operationen jeweils alle anderen Verkn upfungen ausgedr uckt werden
konnen, sind z.B. die Boolesche Basis , , , die De Morgan-Basen , und , , die
Frege-Basis , , die NOR-Basis und die NAND-Basis . So lasst sich jede Formel in
disjunktiver Normalform (Disjunktion von Konjunktionen) und in konjunktiver Normalform (Kon-
junktion von Disjunktionen) darstellen.
Aussagenlogische Ausdr ucke bestehen aus Konstanten und Variablen, die mit aussagenlogischen
Operationen miteinander verkn upft werden konnen. Damit konnen aber nur sehr einfache Pradi-
kate formuliert werden. Um auch Aussagen uber Mengen und Beziehungen zwischen Elementen
von Mengen auszudr ucken, benotigt man weitere sprachliche Mittel wie weitere Konstanten sowie
Quantoren, Funktionen und Relationen. Pradikatenlogische Ausdr ucke werden zusammen mit
nat urlichsprachlichen Formulierungen verwendet, um beschreibende Darstellungen von Mengen
anzugeben; so z.B. auch f ur die Denition der Teilmengenbeziehung und der Mengenverkn upfun-
gen. Eigenschaften dieser Begrie ergeben sich dann aus den entsprechenden Eigenschaften der
denierenden Pradikate.
Eine mathematische Behauptung mit der Voraussetzung und der Behauptung ist
eine logische Schlussfolgerung, die bewiesen, d.h. deren G ultigkeit gezeigt werden muss. Aufgrund
von lgischen

Aquivalenzen kann der direkte Beweis von auch mit anderen Methoden gezeigt
werden wie indirekter Beweis und Widerspruchsbeweis. Eine

Aquivalenz von mehreren Formeln
kann durch einen Ringschluss gezeigt werden.
Da die Verkn upfungen von Mengen mithilfe von logischen Pradikaten deniert werden, ist es
nicht verwunderlich, dass logische Verkn upfungen von Aussagen und Verkn upfungen von Teilmen-
gen einer Menge analoge Eigenschaften erf ullen, wie z.B. Kommutativitat, Assoziativitat und Dis-
tributivitat sowie die Existenz von ausgezeichneten Elementen wie die Menge selbst und die leere
Menge bzw. die logische 1 und die logische 0. Es stellt sich heraus, dass die Rechenstruktur der
Potenzmenge einer Menge mit den Mengenverkn upfungen Vereinigung, Durchschnitt und Komple-
ment quasi dieselbe ist wie aussagenlogischen Formeln, welche mit der Booleschen Basis gebildet
werden. Eine Abstraktion f ur solche Rechenstrukturen stellt die Boolesche Algebra dar. Die Po-
tenzmenge einer n-elementigen Menge ist z.B. ein Prototyp f ur eine endliche Boolesche Algebra.
Daraus folgt, dass endliche Boolesche Algebren immer genau 2
n
Elemente besitzen.
7.2.

UBUNGEN 75
7.2

Ubungen
1. Geben Sie folgende Mengen in beschreibender Form an:
(1) M
1
= 1, 2, 4, 8, 16, 32, 64 ,
(2) M
2
= 4, 9, 25, 49, 121, . . . ,
(3) M
3
= 1, 8, 27, 64 ,
(4) U = 1, 3, 5, 7, . . . ,
(5) G

= 2, 4, 6, . . . .
2. Geben Sie folgende Mengen in aufzahlender Form an:
(1) die Menge M
1
aller ganzen Zahlen, die Kubikzahlen von ganzen Zahlen und kleiner als
100 sind,
(2) die Menge M
2
aller ganzen Zahlen zwischen 10 und 50, die durch 3 aber nicht durch 4
teilbar sind,
(3) die Menge M
3
= x[ x =

y und 0 y 100 und x N,


(4) die Menge M
4
= x[
24
x
N
0
,
(5) die Menge M
5
= x[ x = 2 und x = 4 ,
(6) die Menge M
6
= x[ x = 2 oder x 1, 2, 3 .
3. Seien K und M irgendwelche Mengen sowie A = 3, 4, 5, 6 und B = 5, 6 .
(1) Setzen Sie eines oder mehrere der Symbole , / , , , richtig ein: (a) M . . . M, (b)
. . . 0 , (c) K . . . 1, 2 , K, (d) 1 . . . 1, 2 , K.
(2) Welche der folgenden Aussagen sind wahr: (a) 3, 4 A, (b) A, (c) A, (d)
B A, (e) B A, (f) 6 A, (g) 6 A?
4. Beweisen Sie Folgerung 2.1 auf Seite 19!
5. Zeigen Sie die Allgemeing ultigkeit der Formel ( ) ( ) f ur , /!
6. Zeigen Sie, dass die Bauernregel

Wenn der Hahn kraht auf dem Mist, dann andert sich das
Wetter oder es bleibt, wie es ist eine Tautologie ist!
7. Beweisen Sie Beispiel 2.5 a- c) auf Seite 21!
8. Beweisen Sie Beispiel 2.7 a - c) auf Seite 23!
9. Beweisen Sie Satz 2.4, d.h. die in Tabelle 2.4 auf Seite 27 aufgelisteten

Aquivalenzen!
10. Beweisen Sie Satz 2.5 auf Seite 26!
11. Beweisen Sie Folgerung 2.5 auf Seite 28!
12. Zeigen Sie, dass eine aussagenlogische Basis bildet!
13. Zeigen Sie, dass eine aussagenlogische Basis bildet!
76 KAPITEL 7. ZUSAMMENFASSUNG UND

UBUNGEN
14. Pr ufen Sie mit Hilfe der Resolutionsmethode, ob die aussagenlogische Formel
= (((p q) (q r) (r p) (p q r)) (p q r))
erf ullbar ist oder nicht!
15. Berechnen Sie R

(M

) f ur = (p ) (p )!
16. Prasident I wei:
(i)

Wenn Professor W eine Vorlesung halt, dann kommen viele Studierende, falls kein
schones Wetter ist.
(ii)

Wenn Professor W eine Vorlesung halt, dann ist schlechtes Wetter.


(iii) I vermutet, dass die Aussage

Wenn Professor W eine Vorlesung halt, dann kommen


viele Studierende. zutrit.
Konnen Sie bestatigen, dass die Vermutung von Prasident I zutrit?
Gehen Sie wie folgt vor:
0) Benutzen Sie die Variablen P, S und W f ur die Aussagen
P:

Professor W halt eine Vorlesung.


S:

Viele Studierende kommen.


W:

Es ist schones Wetter.


a) Formulieren Sie die Aussagen (i) - (iii) durch geeignete aussagenlogische Verkn upfungen
dieser Variablen!
b) Transformieren Sie diese Verkn upfungen in Disjunktionen!
c) Geben Sie eine Klauselmenge an, die die Vermutung von Prasident I beschreibt!
d) Wenden Sie das Resolutionsverfahren an und beantworten Sie mithilfe des Ergebnisses
die Frage, ob die Vermutung von Prasident I zutrit.
17. Ist die Formel
= (((p q) (q r) (r p) (p q r) (p q r))
erf ullbar?
18. Beweisen Sie: a, b R
+

(a+b)
2
4
a b!
19. Beweisen Sie: a, b R
+

a+b
2

ab!
20. Beweisen Sie durch direkten sowie durch Widerspruchsbeweis, dass das Produkt zweier unge-
rader Zahlen wieder ungerade ist: x, y U
+
xy U
+
!
21. Beweisen Sie: F ur jede Menge A gilt: A A (siehe Folgerung 1.8)!
22. Bestimmen Sie T() sowie T(T())!
7.2.

UBUNGEN 77
23. F ur welche Mengen M gilt M T(M) und M T(M)?
24. Beweisen Sie Satz 5.2 auf Seite 62!
25. Zeigen Sie, dass die Mengendierenz im Allgemeinen keine kommutative Verkn upfung ist! F ur
welche Mengen A und B gilt AB = B A?
26. Beweisen Sie Folgerung 5.3 auf Seite 65!
78 KAPITEL 7. ZUSAMMENFASSUNG UND

UBUNGEN
Teil II
Relationen und Funktionen
79
81
Relationen und Funktionen als spezielle Relationen spielen in der Informatik eine sehr wich-
tige Rolle. Relationen setzen Werte aus verschiedenen Mengen in Beziehung. Betrachten wir zur
Einf uhrung eine kleine relationale Datenbank. Diese soll Daten uber Studierende und uber Profes-
sorinnen und Professoren enthalten.
F ur die Datenbank sollen bei den Studierenden die Merkmale Matrikelnummer, Name, Wohnort
und Studienfach, und f ur die Professorinnen und Professoren sollen die Merkmale Name, Fachbe-
reich, Raum und Telefonnummer gespeichert werden. Auerdem soll festgehalten werden, welche
Studierende bei welchen Professorinnen oder Professoren in welchem Semester welche Vorlesung
mit welchen Pr ufungsergebnissen gehort haben.
Diese Anwendung konnen wir durch drei Beziehungen modellieren:
1. Die Relation Studis setzt f ur jeden Studierenden die entsprechenden Werte der oben genannten
Merkmale in Beziehung. Wir konnen diese wie folgt als Tabelle darstellen:
Studis Matr Name Wohnort Studienfach
123456 Schmitz Bonn Informatik
790123 M uller Berlin Mathematik
456789 Meier Dresden Mathematik
.
.
.
.
.
.
.
.
.
.
.
.
2. Die Relation Profs setzt f ur jede Professorin und jeden Professor die entsprechenden Werte
ihrer oben genannten Merkmale in Beziehung. Folgende Tabelle zeigt mogliche Daten:
Profs Name Fachbereich Raum Telefon
Einstein Physik C 123 4567
Noether Mathematik A 890 1234
Codd Informatik B 567 8901
.
.
.
.
.
.
.
.
.
.
.
.
3. Die Relation hort bei setzt Studierende und Professorinnen oder Professoren mit entspre-
chenden Werten der oben daf ur genannten Merkmale in Beziehung. Folgende Tabelle zeigt
mogliche Daten:
hort bei Studi Prof Semester Vorlesung Ergebnis
123456 Codd WS 00/01 Datenbanken 2,0
790123 Noether SS 00 Verbandstheorie 1,0
456789 Einstein WS00/01 Math. Physik I 3,0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Den Merkmalen sind Wertebereiche zugeordnet, und eine Relation setzt Kombinationen von Werten
den Merkmalen entsprechender Wertebereiche in Beziehung. Im Beispiel ist dem Merkmal Matr als
Wertebereich die Menge sechsstelliger Ziernfolgen zugeordnet, Name, Wohnort und Studienfach
sind jeweils Zeichenketten als Werte zugeordnet. Die Relation Studis setzt Kombinationen von
Werten dieser Wertebereiche in Beziehung, jede Zeile der obigen Tabelle Studis ist eine solche
Kombination. Tabellen sind eine Moglichkeit zur Darstellung von Relationen.
82
F ur die beiden anderen Tabellen bzw. Relationen gilt Entsprechendes. Zur Tabelle hort bei sei
bemerkt, dass Werte des Merkmals Studi Werte sind, die als Werte des Merkmals Matr in der Tabelle
Studis vorkommen und dass Werte des Merkmals Prof Werte sind, die als Werte des Merkmals Name
in der Tabelle Profs vorkommen. Bedingung daf ur ist, dass Matr ein identizierendes Merkmals
f ur Studis und Name ein identizierendes Merkmals f ur Profs ist. Matr und Name heien auch
Schl usselmerkmale f ur Studis bzw. f ur Profs. Studi und Prof heien Fremdschl ussel in hort bei.
Der Entwurf, die Implementierung und die Anwendung relationaler Datenbanksysteme basieren
auf soliden mathematischen Grundlagen. Relationale Datenbanksystem-Technologien sind heutzu-
tage die weltweit am verbreitesten eingesetzten Technologien zur Speicherung und Verwaltung von
Daten.
Funktionen sind eindeutige Relationen in dem Sinne, dass ein Element einer Menge mit hochstens
einem Element einer anderen Menge in Beziehung stehen darf. Funktionale Beziehungen treten bei
vielen Phanomenen in Natur- und Ingenieurwissenschaften auf, sie sind ein wichtiges Hilfsmittel zu
deren Modellierung und Analyse.
In diesem Teil II f uhren wir die Begrie Relation und Funktion sowie ihre grundlegenden Ei-
genschaften ein. Sie sind elementare und wesentliche Begrie in vielen Modulen der Informatik-
Studiengange.
Kapitel 8
Relationen
Relationen sind ein wichtiges Hilfsmittel um Beziehungen zwischen Elementen von Mengen aus-
zudr ucken. So kann man, wie z.B. in der Einleitung von Teil II angedeutet, den Entwurf und die
Implementierung von Datenbanken mithilfe von Relationen realisieren. Weitere Beispiele f ur die
Verwendung des Relationsbegris in der Informatik sind: das Ableiten von Formelmengen mithilfe
von Kalk ulen (siehe Kapitel 2.5 und 2.8), die Ableitung von Wortern mithilfe von Grammatiken,
die Kongurations ubergange von Automaten beim Abarbeiten von Worten, die Ausf uhrung von
Programmen auf (abstrakten) Maschinen.
In diesem Kaptel werden grundlegende Begrie und Eigenschaften f ur Relationen vorgestellt.
Nach dem Durcharbeiten des Kapitels sollten Sie Lernziele
die Begrie kartesisches Produkt und Relation kennen sowie die Eigenschaften Reexivitat,
Symmetrie, Antisymmetrie und Transitivitat erklaren konnen,
den Begri der Ordnung kennen und nachweisen konnen, ob eine Relation eine Ordnung ist,
erklaren konnen, was totale und was dichte Ordnung bedeutet,
den Begri der

Aquivalenzrelation kennen und nachweisen konnen, ob eine Relation eine

Aqui-
valenzrelation ist, und gegebenenfalls die

Aquivalenzklassen der Relation bestimmen konnen,
wissen, was der Begri Partitionierung bedeutet und dessen Zusammenhang zu

Aquivalenz-
relationen verstehen,
die Begrie Umkehrrelation und Komposition von Relationen kennen,
wissen, was die reexiv-transitive bzw. die transitive H ulle einer Relation ist.
8.1 Kartesisches Produkt
Zunachst denieren wir als weitere Mengenverkn upfung das kartesische Produkt.
Denition 8.1. F ur n Mengen A
1
, . . . , A
n
, n 0, heit die Menge
A
1
. . . A
n
= (x
1
, . . . , x
n
) [ x
i
A
i
, 1 i n
83
84 KAPITEL 8. RELATIONEN
n-stelliges kartesisches Produkt von A
1
, . . . , A
n
. Anstelle von A
1
. . . A
n
schreiben wir auch Kartesisches
Produkt

n
i=1
A
i
.
Falls A
i
= f ur mindestens ein i, 1 i n, ist, dann ist
n
i=1
A
i
= .
(x
1
, . . . , x
n
) heit n-Tupel, f ur n = 2 sprechen wir von Paaren, f ur n = 3 von Tripeln und f ur n-Tupel
Paar, Tripel
Quadrupel
Quintupel
n = 4 oder n = 5 auch von Quadrupeln bzw. von Quintupeln.
x
i
, 1 i n, heit die i-te Komponente von (x
1
, . . . , x
n
). 2
i-te Kompo-
nente
Tupel entsprechen den Zeilen in den Tabellen in der Einleitung zu Teil II, welche die Relationen
unserer

Hochschuldatenbank darstellen.
Beispiel 8.1. F ur die Mengen A = 1, 2 , B = a, b, c und C = 2, 3 ist
AB = (1, a), (1, b), (1, c), (2, a), (2, b), (2, c)
und
AB C = (1, a, 2), (1, a, 3), (1, b, 2), (1, b, 3), (1, c, 2), (1, c, 3),
(2, a, 2), (2, a, 3), (2, b, 2), (2, b, 3), (2, c, 2), (2, c, 3)
Folgerung 8.1. Ist [A
i
[ = m
i
, 1 i n, n 0, dann gilt
[A
1
. . . A
n
[ = m
1
. . . m
n
2
Sind alle A
i
identisch, d.h. A
i
= A
i+1
, 1 i n 1, n 1, dann heit
A
1
. . . A
n
= A. . . A
. .
nmal
n-faches kartesisches Produkt von A. Abk urzend benutzen wir daf ur auch die Potenzschreibweise:
A
n
. Es gilt dann A
1
= A. Das n-fache kartesische Produkt von A konnen wir auch wie folgt rekursiv
denieren:
A
1
= A
A
n+1
= A
n
A, n 1
Ist [A[ = m, dann ist [A
n
[ = m
n
.
1
8.2 Relation
Ein n-stelliges kartesisches Produkt setzt alle Elemente der zugrunde liegenden Mengen miteinander
in Beziehung. Sollen nur bestimmte Elemente der zugrunde liegenden Mengen in Beziehung gesetzt
werden, wie etwa bei der

Hochschul-Datenbank in der Einleitung von Teil II, dann sprechen wir


von Relationen.
Jede Teilmenge R A
1
. . . A
n
heit n-stellige Relation uber A
1
, . . . , A
n
. 2
1
N
k
u
bedeutet gema den Vereinbarungen von Kapitel 1.3 uber die Notation von Zahlenmemgen die Menge der
nat urlichen Zahlen von u bis k. Nach der hier getroenen Vereinbarung kann damit auch das k-fache kartesiche
Produkt der Menge Nu der nat urlichen Zahlen groer gleich u gemeint sein. Im Folgenden wird jeweils aus dem
Zusammenhang klar, welche dieser beiden Bedeutungen f ur N
k
u
gemeint ist.
8.2. RELATION 85
Beispiel 8.2. Es sei A = 3, 2, 1, 0, 1, 2, 3 .
a) F ur die Relation R
1
= (x, y) AA [ x y > 2 gilt
R
1
= (3, 3), (3, 2), (3, 1), (2, 3), (2, 2), (1, 3),
(1, 3), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)
b) F ur die Relation R
2
= (x, y, z) A
3
[ x +y = z gilt
R
2
= (3, 0, 3), (3, 1, 2), (3, 2, 1), (3.3, 0),
(2, 1, 3), . . . , (2, 3, 1),
(1, 2, 3), . . . , (1, 3, 2),
(0, 3, 3), . . . , (0, 3, 3),
(1, 3, 2), . . . , (1, 2, 3),
(2, 3, 1), . . . , (2, 1, 3),
(3, 3, 0), . . . , (3, 0, 3)
2
Endliche zweistellige Relationen R AB lassen sich auch als Boolesche Matrizen darstellen:
Die Zeilen werden mit den Elementen aus A gekennzeichnet, die Spalten mit den Elementen aus B.
Ist A = a
1
, . . . , a
m
und B = b
1
, . . . , b
n
, dann tragen wir am Kreuzungspunkt der Zeile i und
der Spalte j genau dann eine 1 ein, falls (a
i
, b
j
) R ist, ansonsten tragen wir dort 0 ein.
Die Relation R
1
aus dem obigen Beispiel kann also durch folgende Matrix dargestellt werden:
x
\y
3 2 1 0 1 2 3
3 1 1 1 0 0 0 0
2 1 1 0 0 0 0 0
1 1 0 0 0 0 0 0
0 0 0 0 0 0 0 0
1 0 0 0 0 0 0 1
2 0 0 0 0 0 1 1
3 0 0 0 0 1 1 1
Bei zweistelligen Relationen R A B wollen wir die Tatsache, dass ein Paar (x, y) A B
zu R gehort (

in der Beziehung R steht) ausdr ucken, indem wir die normale Elementschreibweise
(x, y) R, die Praxschreibweise R(x, y) oder die Inxschreibweise xRy verwenden.
Bei einer zweistelligen Relation R AB nennen wir Adie Ausgangsmenge und B die Zielmenge Ausgngsmenge
Zielmenge von R. Ist A = B, dann heit A die Grundmenge von R.
Grundmenge Ist R = , dann heit R Nullrelation. Ist R = A B, dann heit R vollstandig. Ist R A A
Nullrelation
Vollstandige
Relation
mit R = (x, x) [ x A, dann ist R die identische Relation uber A, diese wird in der Regel mit
Identische
Relation
id
A
bezeichnet.
Im Folgenden betrachten wir Eigenschaften zweistelliger Relationen uber einer Grundmenge A.
Dabei kann A selbst strukturiert sein, etwa ein kartesisches Produkt A = A
1
. . . A
k
sein.
Denition 8.2. Sei R AA eine zweistellige Relation uber der Grundmenge A. Dann heit R
a) reexiv genau dann, wenn xRx f ur alle x A gilt. Bei einer reexiven Relation muss also jedes Reexivitat
86 KAPITEL 8. RELATIONEN
Element der Grundmenge mit sich selber in Relation stehen.
b) irreexiv genau dann, wenn R nicht reexiv ist. Irreexivitat
c) symmetrisch genau dann, wenn gilt: xRy yRx. Eine Relation ist symmetrisch, wenn gilt: Symmetrie
Steht x mit y in Relation, dann muss auch y mit x in der Relation stehen.
d) asymmetrisch genau dann, wenn gilt: Ist xRy, dann yRx. Asymmetrie
e) antisymmetrisch genau dann, wenn gilt: xRy yRx x = y. Eine Relation ist antisymmetrisch, Anti-
symmetrie
wenn gilt: Steht x mit y in Relation und y mit x, dann muss notwenidgerweise x = y sein.
f ) transitiv genau dann, wenn gilt: xRy yRz xRz. Eine Relation ist transitiv, wenn gilt: Stehen Transitivitat
x mit y und y mit z in Relation, dann steht auch ist x mit z in Relation.
g) linkseindeutig oder injektiv genau dann, wenn gilt: Ist x
1
Ry
1
, x
2
Ry
2
und x
1
,= x
2
, dann muss Injektivitat
y
1
,= y
2
gelten.
h) rechtseindeutig genau dann, wenn gilt: Ist x
1
Ry
1
, x
2
Ry
2
und y
1
,= y
2
, dann muss x
1
,= x
2
Rechts-
eindeutige
Relation
gelten. Rechtseindeutige Relationen werden in der Regel Funktionen genannt. Funktionen werden
Funktion
im Allgemeinen mit den Buchstaben f, g und h bezeichnet, und anstelle f AA wird f : A A
geschrieben sowie anstelle von xfy wird f(x) = y notiert.
i) linkstotal oder total genau dann, wenn gilt: F ur alle x A existiert ein y A mit xRy. Totale
Relation
k) rechtstotal oder surjektiv genau dann, wenn gilt: F ur alle y A existiert ein x A mit xRy.
Surjektivitat
l) bijektiv genau dann, wenn R total, injektiv, rechtseindeutig und surjektiv ist. Eine Bijektion ist Bijektivitat
eine eineindeutige Zuordnung zwischen den Elementen von Ausgangs- und Zielmenge.
Die Denitionen g) l) gelten analog auch f ur Relationen R AB, d.h. f ur Relationen, bei denen
Ausgangs- und Zielmenge verschieden sind. 2

Ubung 8.1. Sei R AA. Zeigen Sie das Folgendes gilt:


(1) R ist antisymmetrisch genau dann, wenn gilt: Ist xRy und x ,= y, dann gilt yRx.
(2) R ist injektiv genau dann, wenn gilt: Ist x
1
Ry und x
2
Ry, dann ist x
1
= x
2
, d.h. verschiedene
Elemente der Ausgangsmenge konnen nicht mit demselben Element der Zielmenge in Relation
stehen.
(3) R ist rechtseindeutig genau dann, wenn gilt: Ist xRy
1
und xRy
2
, dann ist y
1
= y
2
. Ein Element
der Ausgangsmenge kann hochstens mit einem Element der Zielmenge in Relation stehen. 2
Beispiel 8.3. Wir denieren die Relation N
0
N
0
durch
x y genau dann, wenn es ein c N
0
gibt, so dass x +c = y
Es gilt z.B. 3 5, denn es gibt ein c = 2, so dass 3 + 2 = 5.
ist eine reexive Relation, denn f ur jedes x N
0
gibt es c = 0, so dass x +0 = x ist, d.h. f ur alle
x N
0
gilt x x.
ist nicht symmetrisch, denn es gilt z.B. 3 5, aber nicht 5 3.
ist antisymmetrisch: Sei x y und y x, d.h. es gibt ein c
x
N
0
mit x+c
x
= y, und es gibt ein
c
y
N
0
mit y +c
y
= x. Aus den beiden Gleichungen folgt x +c
x
+c
y
= x und daraus c
x
+c
y
= 0.
8.3. ORDNUNGEN 87
Da c
x
, c
y
N
0
, kann c
x
+c
y
= 0 nur gelten, wenn c
x
= c
y
= 0 gilt. Das bedeutet aber, dass x = y
ist.
ist transitiv: Sei x y und y z. Wir m ussen zeigen, dass dann auch x z gilt. Da x y ist,
gibt es ein c
x
N
0
mit x + c
x
= y, und da y z ist, gibt es ein c
y
N
0
mit y + c
y
= z. Hieraus
folgt unmittelbar, dass es ein c
z
= c
x
+c
y
gibt mit x +c
z
= z, d.h. es gilt x z. 2

Ubung 8.2. Sei D die Menge der Worter der deutschen Sprache. Die Relation D D sei
deniert durch: xy genau dann, wenn x und y denselben Anfangsbuchstaben haben.

Uberlegen
Sie, dass eine reexive, symmetrische und transitive Relation ist! 2
8.3 Ordnungen
Denition 8.3. Eine Relation R A A heit Ordnung uber A genau dann, wenn R reexiv, Ordnung
antisymmetrisch und transitiv ist. 2
Beispiel 8.4. a) Die Relation aus dem Beispiel 8.3 ist eine Ordnung uber N
0
.
b) Sei M = a, b, c und S T(M) T(M) deniert durch
xSy genau dann, wenn x y
Die Teilmenge x M steht also in Relation S zur Teilmenge y M, falls x eine Teilmenge von
yist.
S ist eine Ordnung uber T(M), denn S ist reexiv, antisymmetrisch und transitiv:
S ist reexiv, denn jede Menge ist Teilmenge von sich selbst (siehe Folgerung 5.1 b) auf Seite 60),
und damit gilt x x f ur jedes x T(M) und damit xSx f ur jedes x T(M).
S ist antisymmetrisch: Gilt xSy und ySx, d.h. x y und y x, dann gilt (siehe Denition 5.1 b)
auf Seite 60) x = y.
S ist transitiv: Sei xSy und ySz, dann muss auch xSz gelten. xSy bedeutet x y und ySz bedeutet
y z. Hieraus folgt (siehe Folgerung 5.1 c) auf Seite 60), dass x z und damit xSz. 2
Ist R eine partielle Ordnung uber A, dann schreibt man daf ur auch (A, R) und nennt A eine
geordnete Menge. F ur unsere bisherigen Beispiele 8.3 und 8.4 b) konnen wir also schreiben: (N
0
, ) Geordnete
Menge
bzw. (T( a, b, c ), S) oder f ur Letzteres auch (T( a, b, c ), )
Denition 8.4. Sei (A, R) eine Ordnung und x, y A.
a) Gilt xRy oder yRx, dann heien x und y vergleichbar. Gilt xRy und yRx, dann heien x und
y unvergleichbar.
b) Sei B A, B ,= . x B heit minimales Element von B, falls xRy f ur alle y B gilt. x B Minimales
Element
heit maximales Element von B, falls yRx f ur alle y B gilt.
Maximales
Element c) K A, K ,= , heit Kette genau dann, wenn f ur alle x, y K gilt, dass x und y vergleichbar
Kette
sind.
d) (A, R) heit totale Ordnung oder auch lineare Ordnung (A, R) genau dann, wenn A eine Kette Totale
Ordnung
bildet.
e) Eine totale Ordnung (A, R) heit Wohlordnung genau dann, wenn falls jede Teilmenge K A, Wohlordnung
K ,= , ein minimales Element besitzt. 2
88 KAPITEL 8. RELATIONEN
Beispiel 8.5. a) Die Ordnung (N
0
, ) ist total, denn f ur zwei nat urliche Zahlen x und y gilt x y
oder y x. Diese Ordnung ist zudem eine Wohlordnung.
b) Wenn wir die Ordnung aus Beispiel 8.3 auf ganze Zahlen erweitern, dann bildet (Z, ) eine totale
Ordnung, aber keine Wohlordnung, denn die Teilmenge der geraden Zahlen besitzt kein minimales
Element. Wenn wir die ganzen Zahlen aber anders ordnen, z.B. in der Reihenfolge
0, 1, 1, 2, 2, . . .
dann liegt eine Wohlordnung vor. Um diese formal zu beschreiben, verwenden wird die Bijektion
: Z N
0
deniert durch
(x) =
_
2x, falls x 0
(2x + 1), falls x < 0
(8.1)
und denierten die Relation Z Z damit wie folgt:
x

y genau dann, wenn (x) (y)


Die Bijektion nimmt also eine eineindeutige Umbennenung der ganzen Zahlen durch nat urliche
Zahlen vor und ubertragt quasi die Relation von den nat urlichen Zahlen auf die ganzen Zahlen.
Damit bildet (Z,

) eine Wohlordnung.
c) Die Ordnung (T( a, b, c ), ) ist nicht total, denn es gibt Teilmengen von a, b, c , die nicht in
Beziehung zueinander stehen. Es gilt z.B. weder a, b b, c noch b, c a, b . 2

Ubung 8.3. (1)



Uberlegen Sie, f ur welche Mengen M die Ordnung (T(M), ) total ist!
(2) Beweisen Sie, dass die in (8.1) denierte Relation tatsachlich eine Bijektion ist! 2
Da die -Relation auf allen Zahlenmengen eine totale Ordnung festlegt, gilt sie als Prototyp
f ur totale Ordnungen. Deshalb benutzt man das Symbol auch allgemein als Symbol f ur totale
Ordnungen. Wird also (A, ) f ur irgendeine Menge A notiert, soll dies bedeuten, dass eine total
geordnete Menge A vorliegt. Wenn wir im Folgenden von Ordnungen oder geordneten Mengen
sprechen, sind totale Ordnungen bzw. total geordnete Mengen gemeint.
Denition 8.5. Sei (A, ) eine Ordnung. A heit dicht bez uglich genau dann, wenn f ur alle Dichte
Menge
x, y A mit x ,= y und x y ein z A existiert mit z ,= x, z ,= y und x z y. 2
Eine geordnete Menge ist also dicht, falls zwischen zwei Elementen dieser Menge immer noch
ein drittes liegt.
Beispiel 8.6. a) (N
0
, ) und (Z, ) sind nicht dicht, denn zwischen zwei benachbarten nat urlichen
(ganzen) Zahlen x und y = x + 1 liegt keine weitere nat urliche (ganze) Zahl.
b) Die Menge der rationalen Zahlen (Br uche) (Q, ) ist dicht. Betrachten wir z.B. a, b Q mit
a b und a ,= b, dann ist auch
1.
a+b
2
Q,
2. a ,=
a+b
2
und b ,=
a+b
2
und
8.4.

AQUIVALENZRELATIONEN 89
3. a =
a+a
2

a+b
2

b+b
2
= b.
Zwischen zwei rationalen Zahlen a und b existiert also immer eine weitere rationale Zahl, z.B. die
Zahl
a+b
2
. 2

Ubung 8.4.

Uberlegen Sie, dass in einer dichten Menge A zwischen zwei verschiedenen Elementen
a, b A unendlich von a und b verschiedene Elemente liegen!
8.4

Aquivalenzrelationen
Denition 8.6. Eine Relation R A A heit

Aquivalenzrelation uber A genau dann, wenn R

Aquivalenz-
relation
reexiv, symmetrisch und transitiv ist. 2
Beispiel 8.7. a) Die Relation in

Ubung 8.2 ist eine

Aquivalenzrelation.
b) Die Relation
3
Z Z sei deniert durch
x
3
y genau dann, wenn
x y
3
Z
Die zwei ganzen Zahlen x und y stehen in der Relation
3
genau dann, wenn die Dierenz x y
durch 3 teilbar ist. Diese Relation ist eine

Aquivalenzrelation, denn sie ist reexiv, symmetrisch
und transitiv:

3
ist reexiv: F ur alle x Z gilt
xx
3
= 0 Z, also gilt x
3
x f ur alle x Z und damit ist
3
reexiv.

3
ist symmetrisch, denn es gilt:
x
3
y
x y
3
Z (1)
x y
3
Z
y x
3
Z y
3
x

3
ist transitiv, denn es gilt:
x
3
y y
3
z
x y
3
Z
y z
3
Z

x y
3
+
y z
3
Z

x z
3
Z
x
3
z
2
Denition 8.7. Sei R AA eine

Aquivalenzrelation und x A. Dann heit die Menge

Aquivalenz-
klasse
Reprasen-
tant
Index
[x]
R
= y A [ xRy
aller Elemente von A, mit denen x in der Beziehung R steht,

Aquivalenzklasse von R. x heit
Reprasentant der

Aquivalenzklasse [x]
R
. Die Anzahl der

Aquivalenzklassen von R heit der Index
von R. 2
90 KAPITEL 8. RELATIONEN
Beispiel 8.8. a) F ur die

Aquivalenzrelation aus

Ubung 8.2 gilt z.B.
[Boot]

= Boot, Buch, Ball, Badesalz, boxen, . . .


[Boot]

enthalt Worter, die mit B oder b beginnen: Alle diese Worter haben denselben Anfangsbuch-
staben (abgesehen von Gro- und Kleinschreibung). Oensichtlich kann jedes Element von [Boot]

als Reprasentant dieser



Aquivalenzklasse gewahlt werden, denn es gilt z.B. [Boot]

= [boxen]

.
Die

Aquivalenzklassen von werden durch die Anfangsbuchstaben bestimmt. Es gibt somit 26

Aquivalenzklassen, der Index von ist also 26.


b) F ur die

Aquivalenzrelation
3
aus Beispiel 8.7 b) gilt:
[0]
3
= 0, 3, 3, 6, 6, . . .
= x [ x = 3y, y Z
[1]
3
= 1, 2, 4, 5, 7, 8, . . .
= x [ x = 3y + 1, y Z
[2]
3
= 2, 1, 5, 4, 8, 7, . . .
= x [ x = 3y + 2, y Z
[0]
3
enthalt die durch 3 teilbaren ganzen Zahlen, [1]
3
enthalt die ganzen Zahlen, die bei Division
durch 3 den Rest 1 lassen, und [2]
3
enthalt die ganzen Zahlen, die bei Division durch 3 den Rest
2 lassen. Weitere

Aquivalenzklassen gibt es nicht, denn bei Division durch 3 konnen nur drei Reste
auftreten. Der Index von
3
ist also 3.
Auch in diesem Beispiel sieht man sofort, dass jedes Element einer

Aquivalenzklasse als ihr
Reprasentant gewahlt werden kann.
Die

Aquivalenzklassen von
3
heien auch Restklassen modulo 3 von Z. 2 Restklasse
Die Elemente einer

Aquivalenzklasse sind aquivalent zueinander, d.h. sie sind durch die

Brille
(den

Filter) der

Aquivalenzrelation betrachtet ununterscheidbar. Die Relation projiziert alle
Worter der deutschen Sprachen nur auf den Anfangsbuchstaben. So gesehen gibt es nur 26 Worter.
Die Relation
3
betrachtet f ur alle Zahlen nur die Reste, die bei Division durch 3 bleiben, alle
Zahlen mit demselben Rest werden zusammengefasst. So betrachtet gibt es nur 3 Zahlen: [0]
3
, [1]
3
und [2]
3
, die man jetzt der einfacheren Notation wegen auch wieder mit 0, 1 bzw. 2 bezeichnen
konnte.
Satz 8.1. Sei R AA eine

Aquivalenzrelation. Dann gilt:
a) F ur alle x A ist [x]
R
,= , d.h.

Aquivalenzklassen sind niemals leer.
b) F ur alle y [x]
R
gilt [x]
R
= [y]
R
, d.h. jede

Aquivalenzklasse ist unabhangig von ihrem Re-
prasentanten.
c) Falls (x, y) / R, dann ist [x]
R
[y]
R
= , d.h. die

Aquivalenzklassen nicht in Relation stehender
Reprasentanten sind disjunkt.
d) A =

xA
[x]
R
, d.h. die

Aquivalenzklassen bilden eine

Uberdeckung von A.
Beweis: a) Wegen der Reexivitat von R gilt xRx f ur alle x A und damit x [x]
R
f ur alle
x A.
8.5. UMKEHRRELATIONEN 91
b) Sei z [x]
R
, d.h. es ist xRz. Nach Voraussetzung ist y [x]
R
, also xRy, und damit, da R als

Auivalenzrelation symmetrisch ist, gilt auch yRx. Da R transitiv ist, folgt, da yRx und xRz gilt,
dass auch yRz gilt, d.h. es gilt z [y]
R
. Wir haben gezeigt, dass gilt: z [x]
R
z [y]
R
und
damit [x]
R
[y]
R
.
Sei z [y]
R
, d.h. es ist yRz. Nach Voraussetzung ist y [x]
R
, also xRy. Da R transitiv ist, folgt
xRz, d.h. es gilt z [x]
R
. Wir haben gezeigt, dass gilt: z [y]
R
z [x]
R
und damit [y]
R
[x]
R
.
Insgesamt folgt die Behauptung [x]
R
= [y]
R
.
c) Wir nehmen an, dass [x]
R
[y]
R
,= . Es gibt also mindestens ein z [x]
R
[y]
R
, d.h. es ist
z [x]
R
und z [y]
R
. Es folgt, dass xRz und yRz, und wegen Symmetrie von R gilt xRz und zRy,
und wegen Transitivitat gilt dann xRy. Dies ist ein Widerspruch zur Voraussetzung (x, y) / R,
womit unsere Annahme falsch ist.
d) Sei z A, dann ist z [z]
R
und damit z

xA
[x]
R
. Also ist A

xA
[x]
R
.
Sei z

xA
[x]
R
. Dann gibt es ein x A mit z [x]
R
. Da [x]
R
A f ur jedes x A, folgt,
dass z A. Also gilt

xA
[x]
R
A
Insgesamt haben wir gezeigt: A =

xA
[x]
R
. 2
Die Aussagen c) und d) des Satzes besagen, dass eine

Aquivalenzrelation R uber der Grundmenge
A eine Partition (siehe Denition 5.4 auf Seite 65) dieser Menge in die

Aquivalenzklassen von R
induziert. Die nachste Folgerung bsagt in ihren Aussagen a) und b), dass

Aquivalenzrelationen und
Partitionen aquivalente Zerlegungskonzepte sind.
Folgerung 8.2. a) Jede

Aquivalenzrelation R AA legt eine Partition von A fest.
b) Jede Partition von A deniert eine

Aquivalenzrelation auf A.
c) Die identische Relation id
A
A A deniert durch xid
A
y genau dann, wenn x = y, legt Identische
Relation
die

feinste Partition von A fest, denn jedes Element bildet genau eine

Aquivalenzklasse: Es ist
Feinste
Partiton
[x]
R
= x f ur alle x A.
d) Die Relation R = A A legt die

grobste Partition auf A fest, denn es gibt genau eine Grobste


Partiton
Aquivalenzklasse: Es ist [x]
R
= A f ur alle x A. 2

Ubung 8.5. Beweisen Sie Folgerung 8.2! 2


Beispiel 8.9. a) Die Relation aus Beispiel 5.4 b) auf Seite 65 partitioniert die Menge D der
Worter der deutschen Sprache in 26 disjunkte Wortermengen nach dem ersten Buchstaben, wie es
in der Regel in Worterb uchern vorzunden ist (siehe auch Beispiel 8.8 a) auf Seite 90).
b) Die

Aquivalenzklassen [0]
3
, [1]
3
und [2]
3
der Relation
3
(siehe auch Beispiele 8.7 b) auf
Seite 89 bzw. 8.8 b) auf Seite 90) sind disjunkt, und sie uberdecken die Grundmenge Z:
Z = [0]
3
[1]
3
[2]
3
2
8.5 Umkehrrelationen
Denition 8.8. Seien A und B zwei Mengen. F ur die Relation R A B heit die Relation Umkehrrelation
92 KAPITEL 8. RELATIONEN
R
1
B A deniert durch
yR
1
x genau dann, wenn xRy
die Umkehrrelation zu R. 2
Folgerung 8.3. a) Die Umkehrrelation R
1
zu einer Relation R A B enthalt genau die

umgedrehten Paare von R:


R
1
= (y, x) B A[ (x, y) R
b) Ist R eine

Aquivalenzrelation uber der Grundmenge A, dann ist auch R
1
eine

Aquivalenzrelation
uber A. 2
c) Ist R AA eine

Aquivalenzrelation, dann gilt R = R
1
.

Ubung 8.6. Beweisen Sie diese Folgerungen! 2


8.6 Komposition von Relationen
Denition 8.9. Seien A, B und C Mengen sowie R
1
AB und R
2
B C Relationen. Dann Komposition
heit die Relation R
2
R
1
AC deniert durch
R
2
R
1
= (x, z) AC [ y B : xR
1
y yR
2
z
die Komposition von R
1
und R
2
. 2
Beispiel 8.10. Es seien die Relationen R
1
, R
2
N N deniert durch xR
1
y genau dann, wenn
y = 2x, sowie xR
2
y genau dann, wenn y = 3x, gegeben. Es gilt also
R
1
= (1, 2), (2, 4), (3, 6), . . .
R
2
= (1, 3), (2, 6), (3, 9), . . .
Die Komposition von R
1
und R
2
ergibt
R
2
R
1
= (1, 6), (2, 12), (3, 18), . . .
d.h. xR
2
R
1
y genau dann, wenn y = 6x. Es gilt namlich aR
2
R
1
b genau dann, wenn es ein c gibt
mit aR
1
c und cR
2
b, d.h. wenn es ein c gibt mit c = 2a bzw. mit b = 3c, und hieraus folgt, dass
b = 6a ist. 2
Der folgende Satz begr undet die Berechtigung des Begries

Umkehrrelation.
Satz 8.2. Seien A und B Mengen und R AB. Dann gilt
R
1
R = id
A
R R
1
= id
B

Ubung 8.7. Beweisen Sie Satz 8.2! 2


Der folgende Satz besagt, wie die Umkehrung einer Kompositon von Relationen berechnet wird.
8.7. REFLEXIV-TRANSITIVE H

ULLEN 93
Satz 8.3. Seien A, B und C Mengen sowie R AB und S B C. Dann gilt:
(S R)
1
= R
1
S
1

Ubung 8.8. Beweisen Sie Satz 8.3! 2


8.7 Reexiv-transitive H ullen
Wir betrachten jetzt fortgesetzte Kompositionen einer Relation R AA.
Denition 8.10. Sei A eine Menge und R AA eine zweistellige Relation uber A. F ur R setzen
wir fest:
(i) R
0
= id
A
= (x, x) [ x A
(ii) R
1
= R
(iii) R
n
= R
n1
R, n 1
(iv) R

= R
0
R
1
R
2
. . . =

i0
R
i
(v) R
+
= R

R
0
R

heit die reexiv-transitive H ulle von R, und R


+
ist die transitive H ulle von R. 2 Reexiv-
transitive
H ulle
Transitive
H ulle
Beispiel 8.11. Sei R N N deniert durch: xRy genau dann, wenn y = 2x. Es gilt
(i) R
0
= (1, 1), (2, 2), (3, 3), . . . = (x, y) [ x = y
(ii) R
1
= R = (1, 2), (2, 4), (3, 6), . . . = (x, y) [ y = 2x
(iii) Fortgesetzte Komposition von R:
R
2
= R R = (1, 4), (2, 8), (3, 12), . . . = (x, y) [ y = 4x
R
3
= R
2
R = (1, 8), (2, 16), (3, 24), . . . = (x, y) [ y = 8x
R
4
= R
3
R = (1, 16), (2, 32), (3, 48), . . . = (x, y) [ y = 16x
.
.
.
.
.
.
.
.
.
F ur n N
0
ergibt sich:
R
n
= R
n1
R = (1, 2
n
1), (2, 2
n
2), (3, 2
n
3), . . . = (x, y) [ y = 2
n
x
(iv) R

= (x, y) [ y = 2
n
x, n N
0

(v) R
+
= (x, y) [ y = 2
n
x, n N 2
94 KAPITEL 8. RELATIONEN
Kapitel 9
Funktionen
In diesem Kapitel betrachten wir Relationen R A B, bei denen einem Element aus der Aus-
gangsmenge A hochstens ein Element aus der Zielmenge B zugeordnet sein darf. Solche Relationen
werden Funktionen genannt.
Nach dem Durcharbeiten des Kapitels sollten Sie Lernziele
feststellen konnen, ob eine Relation eine Funktion ist,
Denitions- und Wertebereiche von Funktionen bestimmen konnen,
feststellen konnen, ob eine Funktion total, injektiv, surjektiv, bijektiv ist,
den Begri Pradikat erklaren konnen.
9.1 Begri der Funktion
Denition 9.1. Seien A und B Mengen. Die Relation R A B heit Funktion, falls R recht- Rechtseindeutige
Relation
Funktion
seindeutig ist, d.h. falls gilt:
xRy
1
xRy
2
y
1
= y
2
In einer rechtseindeutigen Relation darf ein x aus der Ausgangsmenge A also hochstens mit einem
y der Zielmenge B in Relation stehen. 2
Beispiel 9.1. a) Die Relation R N N deniert durch xRy genau dann, wenn
y
x
N ist keine
Funktion. Es gilt z.B. 2R4 und 2R6, R ist also nicht rechtseindeutig.
b) Die Relation sqr N N deniert durch xsqr y genau dann, wenn y = x
2
, ist rechtseindeutig.
Die Umkehrrelation sqr
1
ist ebenfalls rechtseindeutig.
c) Die Relation sqr Z Z deniert durch xsqr y genau dann, wenn y = x
2
, ist rechtseindeutig.
Die Umkehrrelation sqr
1
ist in diesem Fall nicht rechtseindeutig, denn es gilt z.B. 4 sqr
1
2 und
4 sqr
1
2, aber 2 ,= 2. 2
An diesen Beispielen konnen wir sehen, dass die Rechtseindeutigkeit einer Relation nicht alleine
von der Vorschrift abhangt, die festlegt, welche Objekte in Beziehung stehen, sondern auch von der
Wahl der Ausgangs- oder der Zielmenge. Aus diesem Grund f uhren wir den Begri der Abbildung
ein, der auer der Funktionsvorschrift die Wahl der Mengen mit einbezieht.
95
96 KAPITEL 9. FUNKTIONEN
Denition 9.2. Seien A und B Mengen. Eine Abbildung = (A, B, f) besteht aus den beiden Abbildung
Mengen A und B sowie aus der Funktion f.
Bei Funktionen schreiben wir in der Regel nicht f AB wie bei Relationen, sondern f : A
B, und anstelle von xfy oder von (x, y) f wie bei Relationen, notieren wir in der Regel y = f(x).
2
Beispiel 9.2. Durch die Festlegung ist nun geklart, dass
1
= (N, N, sqrt) mit y = sqrt(x) =

x
eine Abbildung ist, da

auf N rechtseindeutig ist, wahrend
2
= (Z, Z, sqrt) mit xsqrt y genau
dann, wenn y
2
= x, keine Abbildung ist. 2
Nachdem wir den Unterschied zwischen den Begrien Abbildung und Funktion geklart haben,
werden wir im Folgenden beide Begrie wie durchaus in der Literatur ublich synonym verwenden.
9.2 Eigenschaften von Funktionen
F ur Abbildungen f : A B legen wir jetzt noch ein paar Begrie und Schreibweisen fest:
Denition 9.3. Es sei f : A B eine Funktion.
(1) A heit Ausgangsmenge von f, und B heit Zielmenge von f Ausgangsmenge
Zielmenge
(2) D(f) = x A [ y B : y = f(x) , die Menge aller Elemente der Ausgangsmenge, f ur die
Denitionsbereich
Argument f tatsachlich deniert ist, heit Denitionsbereich von f. Die Elemente von D(f) heien die
Argumente von f.
(3) W(f) = y B [ x A : y = f(x) , die Menge aller Elemente der Zielmenge, denen Wertebereich
Wert
tatsachlich Argumente von f zugeordnet werden, heit Wertebereich von f. Die Elemente von
W(f) heien Werte von f.
(4) f heit total, falls f f ur jedes Element der Ausgangsmenge deniert ist, d.h. falls D(f) = A Totale Funk-
tion
ist.
(5) f heit surjektiv, falls jedes Element der Zielmenge als Wert von f vorkommt, d.h. falls Surjektive
Funktion
W(f) = B ist.
(6) f heit linkseindeutig oder injektiv, falls jeder Wert von f nur ein Argument hat, d.h. falls Linkseindeutige,
injektive
Funktion
gilt: f(x
1
) = y f(x
2
) = y x
1
= x
2
.
(7) f heit bijektiv oder eineindeutig, falls f total, injektiv und surjektiv ist. 2 Eineindeutige,
bijektive
Funktion
Ubung 9.1. Zeigen Sie, dass eine Funktion f : A B injektiv ist genau dann, wenn gilt: x
1
,=
x
2
f(x
1
) ,= f(x
2
). 2
Der folgende Satz beantwortet die Frage, unter welcher Voraussetzung die Umkehrrelation f
1
Umkehrfunktion
einer Funktion f ebenfalls eine Funktion ist.
Satz 9.1. a) Sei f : A B eine Funktion, dann ist f
1
: B A eine Funktion, falls f injektiv
ist.
b) Ist die Funktion f : A B bijektiv, dann ist auch f
1
: B A bijektiv. 2
9.3. PR

ADIKATE 97

Ubung 9.2. Beweisen Sie Satz 9.1!. 2


n-stellige Funktionen, sind Funktionen, bei denen die Ausgangsmenge ein n-stelliges kartesisches
Produkt ist. Funktionen dieser Art heien auch n-stellige Operationen, Operatoren oder Verkn upfun- n-stellige
Operation
gen. Sie haben die Gestalt
f : A
1
. . . A
n
B, n 0
In f(x
1
, . . . , x
n
) = y heien die x
i
A
i
, 1 i n, Operanden von f. Die Begrie der Denition Operand
9.3 werden analog auf n-stellige Operatoren ubertragen.
0-stellige Funktionen entsprechen Konstanten. Betrachten wir z.B. die 0-stellige Funktion f :N Konstante
Funktion
deniert durch f() = 17, dann konnen wir diese Funktion mit der Zahl 17 identizieren, d.h. wir
hatten f auch 17 nennen konnen: 17 :N deniert durch 17() = 17.
Bei Rechenstrukturen, wie z.B. bei Booleschen Algebren (siehe 6.1 auf Seite 67) treten uberwie-
gend ein- oder zweistellige Operationen auf, bei denen zudem alle Ausgangsmengen und die Ziel-
menge identisch sind, d.h. es handelt sich um Funktionen der Art f : A A bzw. f : AA A.
Beispiele sind arithmetische Operationen wie +, , usw., die Zahlen miteinander verkn upfen und
deren Ergebnis wieder eine Zahl ist, oder aussagenlogische Junktoren wie , und , die Wahrheits-
werte zu Wahrheitswerten verkn upfen, oder die Mengenverkn upfungen , und (, die Teilmengen
einer Menge zu Teilmengen dieser Menge verkn upfen.
Bei den Notationen ein- oder zweistelliger Verkn upfungen der Art f : A A bzw. der Art
f : AA A unterscheidet man generell drei Schreibweisen:
1. Inxschreibweise: Der Operator steht zwischen den Operanden: xfy = z, z.B. x + y = z bei Inxschreibweise
arithmetischen Verkn upfungen von Zahlen.
2. Praxschreibweise: Der Operator steht vor dem Argument: fx = y, z.B. beim Logarithmus Prax-
schreibweise
log x = y.
3. Postxschreibweise: Der Operator steht hinter dem Argument: xf = y, z.B. x! = 1 2 . . . x Postxschreibweise
(sprich:

x Fakultat).
Dar uber hinaus gibt es noch Schreibweisen, die nicht unmittelbar einer dieser drei aufgelisteten
zugeordnet werden konnen, wie z.B. f(x, y) =
x
y
, f(x, y) = x
y
oder f(x) =

x.
Wie Relationen konnen Funktionen komponiert werden. F ur die n-fache Komposition einer
Funktion f mit sich selbst schreiben wir wie bei Relationen f
n
und es gilt auch hier f
0
= id.
9.3 Pradikate
n-stellige Funktionen Pradikat
f : A
1
. . . A
n
B, n 0
mit der Zielmenge B = 0, 1 heien auch Pradikate.
Beispiel 9.3. a) Die Funktion d : N N N B deniert durch
d(x, y, z) =
_
1, x +y = z
0, sonst
98 KAPITEL 9. FUNKTIONEN
ist ein Pradikat, welches testet, ob die Summe von x und y gleich z ist.
b) F ur das dreistellige Pradikat : N
0
N
0
N
0
B deniert durch
(x, y, z) =
_
1, falls x, y, z Seitenlangen eines Dreiecks sein konnen
0, sonst
gilt z.B. (3, 4, 5) = 1 und (3, 1, 1) = 0. 2
Es sind prinzipiell zwei 0-stellige Pradikate moglich:
true : 0, 1 mit true() = 1
sowie
false : 0, 1 mit false() = 0
welche als Wahrheitswerte interpretiert werden konnen. Die Festlegung der Funktionen true und
false konnte nat urlich auch umgekehrt erfolgen, was aber un ublich ist.
Im Kapitel 2.3 haben wir true mit 1 und false mit 0 benannt.
Jedes total denierte n-stellige Pradikat f : A
1
. . . A
n
B, n 1, legt eine n-stellige Relation
R
f
A
1
. . . A
n
wie folgt fest:
R
f
= (x
1
, . . . , x
n
) A
1
. . . A
n
[ f(x
1
, . . . , x
n
) = 1
Auf diese Weise erfolgt in Kapitel 3.3 die Interpretation von Pradikatensymbolen. Einem n-stelligen
Pradikatensymbol P
n
wird als Bedeutung eine n-stellige Relation R
P
n zugeordnet, 1

(P
n
) = R
P
n,
und es gilt
1

(P
n
)(x
1
. . . , x
n
) =
_
1, falls (1

(x
1
), . . . , 1

(x
n
)) R
P
n
0, sonst
R
f
= (x
1
, . . . , x
n
) A
1
. . . A
n
[ f(x
1
, . . . , x
n
) = 1 heit auch die Losungsmenge von f. Dabei Losungsmen-
ge
eines Pradi-
kats
schreiben wir anstelle von f(x
1
, . . . , x
n
) = 1 nur f(x
1
, . . . , x
n
) um auszudr ucken, dass das Pradikat
f auf das Argument (x
1
, . . . , x
n
) zutrit. Bei der beschreibenden Darstellung von Mengen haben
wir das bisher auch so praktiziert: M = (x
1
, . . . , x
n
[ P(x
1
, . . . , x
n
) (siehe Festlegung (1.1) auf
Seite 9 in Kapitel 1.2). Es gilt M = R
P
.
Kapitel 10
Zusammenfassung und

Ubungen
10.1 Zusammenfassung
Relationen setzen Elemente von Mengen in Beziehung. Wichtige Eigenschaften von Relationen
sind Refexivitat, Symmetrie, Antisymmetrie und Transitivitat. Mithilfe von reexiven, antisymme-
trischen und transitiven Relationen werden Mengen geordnet. Geordnete Mengen M werden im
Allgemeinen mit (M, ) bezeichnet. Gilt f ur a, b M a b oder b a, dann heit diese Ordnung
total. Gibt es zu a, b M mit a b und a ,= b ein c M mit a ,= c, b ,= c und a c b, dann
heit die Ordnung dicht.
Relationen, die reexiv, symmetrisch und transitiv sind, heien

Aquivalenzrelationen. Eine

Aqui-
valenzrelation partitioniert die Grundmenge vollstandig in disjunkte

Aquivalenzklassen. Die Anzahl
der Klassen heit Index der Relation. Die Identitat auf einer Grundmenge A induziert die feinste
Partition von A, das kartesische Produkt AA legt die grobste Partition von A fest. Durch die

Bril-
le einer

Aquivalenzrelation betrachtet sind die Elemente einer

Aquivalenzklasse ununterscheidbar
jedes Element einer Klasse kann als ihr Reprasentant gewahlt werden.
Werden alle durch eine Relation R (reexiv und) transitiv in Beziehung stehenden Elemente zu
einer Relation zusammengefasst, entsteht die so genannte (reexiv-) transitive H ulle (R

) R
+
von
R.
Bei rechtseindeutigen Relationen steht ein Element der Ausgangsmenge mit hochstens einem
Element der Zielmenge in Beziehung. Solche Beziehungen werden funktional genannt. Der Deni-
tionsbereich einer Funktion enthalt alle Elemente der Ausgangsmenge, denen die Funktion einen
Wert zuweist. Diese Elemente heien auch Argumente der Funktion. Der Wertebereich einer Funk-
tion enthalt alle Elemente der Zielmenge, die tatsachlich als Werte der Funktion auftreten, d.h. zu
denen es mindestens ein Argument gibt.
Ist der Denitionsbereich gleich der Ausgangsmenge, ist also die Funktion auf allen Elementen
der Ausgangsmenge deniert, dann heit die Funktion total. Wenn alle Elemente der Zielmenge
als Werte auftreten, d.h. wenn der Wertebereich gleich der Zielmenge ist, dann heit die Funktion
surjektiv.
Ist die Funktion linkseindeutig, d.h. hat jeder Wert der Funktion genau ein Argument, dann heit
sie injektiv. Die Umkehrrelation einer linkseindeutigen, also injektiven Funktion ist rechtseindeutig,
also wieder eine Funktion.
Funktionen, die total, surjektiv und injektiv sind, heien eineindeutig oder bijektiv.
99
100 KAPITEL 10. ZUSAMMENFASSUNG UND

UBUNGEN
Pradikate sind Funktionen, welche den Argumenten boolesche Werte zuweisen. Sie werden z.B.
f ur die beschreibende Darstellung von Mengen verwendet.
10.2

Ubungen
1. Sei A = B = x Z [ 3 x 3 . Geben Sie die folgenden Relationen uber A B in
aufzahlender Form an:
(1) R
1
= (x, y) [ y < 2x + 2
(2) R
2
= (x, y) [ y < x + 1
(3) R
3
= (x, y) [ 2x +y > 1 (x, y) [ x = y
(4) R
4
= (x, y) [ 2x +y > 1 (x, y) [ x = y
(5) R
5
= (x, y) [ 3 x
2
y (x, y) [ x
2
y + 3
Welche der Relationen sind Funktionen?
2. Sei D die Menge der Worter der deutschen Sprache. Die Relation D D sei deniert
durch: xy genau dann, wenn x und y denselben Anfangsbuchstaben haben. Zeigen Sie, dass
eine reexive, symmetrische und transitive Relation ist!
3. Sei die Relation suc N
0
N
0
deniert durch: (x, y) suc genau dann, wenn y = x + 1. Ist
suc eine Ordnung? Ist suc eine

Aquivalenzrelation? Beweisen Sie Ihre Anworten!
4. Sei A eine endliche Menge. Die Relation R sei uber der Grundmenge A deniert durch:
R = AA. Ist R eine Ordnung? Ist R eine

Aquivalenzrelation? Beweisen Sie Ihre Aussagen!
Falls R eine

Aquivalenzrelation ist, dann geben Sie ihre

Aquivalenzklassen an!
5. Sei A eine endliche Menge. Die identische Relation id
A
uber der Grundmenge A ist de-
niert durch: id
A
= (x, x) [ x A. Ist id
A
eine Ordnung? Ist id
A
eine

Aquivalenzrelation?
Beweisen Sie Ihre Aussagen! Falls id
A
eine

Aquivalenzrelation ist, dann geben Sie ihre

Aqui-
valenzklassen an!
6.

Uberlegen Sie, f ur welche Mengen M die Ordnung (T(M), ) total ist!
7. Es sei m N. Zeigen Sie, dass die Relation
m
Z Z deniert durch
x
m
y genau dann, wenn
x y
m
Z
eine

Aquivalenzrelation ist! Geben Sie die

Aquivalenzklassen und den Index von
m
an!
8. Beweisen Sie Folgerung 8.2 a) und b) auf Seite 91!
9. Beweisen Sie Folgerung 8.3 auf Seite 92!
10. Beweisen Sie Satz 8.2 auf Seite 92!
11. Beweisen Sie Satz 8.3 auf Seite 93!
10.2.

UBUNGEN 101
12. Aus den drei Eigenschaften surjektiv, injektiv und total kann man sechs Kombinationen bil-
den. Geben Sie Funktionen an, die jeweils genau eine solche Kombination von Eigenschaften
erf ullt!
13. Zeigen Sie, dass eine Funktion f : A B injektiv ist genau dann, wenn gilt: x ,= y f(x) ,=
f(y)!
14. Beweisen Sie Satz 9.1 auf Seite 96!
15. Geben Sie f ur die Funktion
f : R R deniert durch f(x) =
1
x
D(f) und W(f) an! Ist f total, surjektiv, injektiv? Geben Sie f
1
an! Ist f
1
eine Funktion?
16. Geben Sie f ur die Funktion
f : R R deniert durch f(x) =
1
x
2
D(f) und W(f) an! Ist f total, surjektiv, injektiv? Geben Sie f
1
an! Ist f
1
eine Funktion?
102 KAPITEL 10. ZUSAMMENFASSUNG UND

UBUNGEN
Teil III
Induktion und Rekursion
103
105
Induktion und Rekursion sind elementare Prinzipien zum Einen f ur die Denition von Begrien
und zum Anderen f ur das Losen von Problemen. Wir haben bereits in Teil I dieses Prinzip mehrfach
bei Denitionen angewendet, etwa bei der Denition der Menge V der aussagenlogischen Variablen
und bei der Festlegung der Syntax der aussagenlogischen Formeln in Kapitel 2.2, und die Deniti-
on der Semantik dieser Formeln folgt deren rekursiver Denition (siehe Kapitel 2.3). Wir werden
in diesem Teil weitere f ur die Informatik wichtige Begrie mithilfe von rekursiven Denitionen
einf uhren.
Rekursion ist aber auch eine sehr wichtige (und

elegante) Problemlosemethode. Deren grund-


legendes Prinzip ist, dass die Losung eines Problems auf die Losung einfacherer, kleinerer Probleme
zur uck gef uhrt wird. Hierzu werden wir in diesem Teil grundlegende Ansatze kennen lernen und
Beispiele dazu betrachten.
Beginnen werden wir mit Vollstandiger Induktion, einer Beweismethode, mit der gezeigt werden
kann, dass ein Pradikat auf die Menge der nat urlichen Zahlen zutrit.
106
Kapitel 11
Die Menge der nat

urlichen Zahlen

Die nat urlichen Zahlen sind von Gott gegeben, alles andere hat der Mensch gemacht. Diese

Auerung wird Ernst Eduard Kummer zugeschrieben.


1
Diese Position werden wir auch einnehmen.
In diesem Kapitel f uhren wir die Menge der nat urlichen Zahlen und das Rechnen mit ihnen quasi
als gegeben ein und deuten dabei nur an, wie diese auch axiomatisch eingef uhrt werden konnten.
Mit den Problematiken, die dabei auftreten konnen, wollen wir uns aber nicht weiter

belasten,
weil das f ur die folgenden Betrachtungen keine Rolle spielt.
So betrachten wir also zunachst die nat urlichen Zahlen als gegeben und listen die bekannten
Rechenregeln f ur nat urliche Zahlen auf. Nat urliche Zahlen sind die Zahlen, die naturgema zum
Zahlen verwendet werden. So liegt es also nahe, die Menge der nat urlichen Zahlen als Referenzmenge
f ur die Abzahlbarkeit von Mengen zu betrachten.
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
die axiomatische Einf uhrung der Menge der nat urlichen Zahlen verstehen,
die Rechenregeln f ur nat urliche Zahlen kennen,
das Summationssymbol kennen und anwenden konnen,
den Begri der Abzahlbarkeit verstehen und anwenden konnen.
11.1 Einf uhrung der Menge der nat urlichen Zahlen
Man kann Zahlen, und so sind diese vielleicht auch in der Menschheitsgeschichte entstanden, als
Abstraktionen von Mengen mit derselben Anzahl von Elementen betrachten. Sieben

Apfel, sieben
Birnen, sieben Ziegen bilden Mengen mit 7 Elementen, welches man z.B. durch sieben Kerben in
einem Holzstab oder sieben Striche im Sand oder durch die Symbole 7 oder VII notieren kann.
1
Ernst Eduard Kummer (1810 - 1893) lieferte fundamentale Beitrage zu vielen Gebieten der Mathematik, insbe-
sondere zur Zahlentheorie und zur Funktionentheorie. Zusammen mit Leopold Kronecker (1823 - 1891, fundamentale
Beitrae zur Algebra, Zahlentheorie, Analysis und Funktionentheorie) und Karl Weierstra (1812 - 1897, fundamentale
Beitrage zur Analysis und Funktionentheoriemachte, zur Theorie elliptischer Funktionen, zur Dierentialgeometrie
und zur Variationsrechnung) machte er Berlin zum Ende des 19. Jahrhunderts zu einem Weltzentrum der Mathema-
tik.
107
108 KAPITEL 11. DIE MENGE DER NAT

URLICHEN ZAHLEN
Was braucht man nun

wirklich zum Zahlen? Nun, wir brauchen eine unendliche Menge, deren
Elemente zum Zahlen verwendet werden konnen (Strichfolgen, Zahlensymbole, . . .). Dann brauchen
wir eine Zahl, bei der das Zahlen beginnt, eine

kleinste Zahl, und wir m ussen festlegen, dass


verschiedene Zahlensymbole auch verschiedene Anzahlen angeben.
Diese grundlegenden Eigenschaften des Zahlens wollen wir mathematisch mithilfe einer Zahl- Zahlstruktur
struktur festlegen:
(o, 0, s)
Dabei sei o eine nicht leere Menge, 0 o ein ausgezeichnetes Element, welches wir Null nennen,
sowie s : o o eine Funktion, die wir Nachfolgerfunktion nennen. Die Zahlstruktur soll dabei
folgende Axiome erf ullen:
(P1) F ur alle x o gilt: s(x) ,= 0, d.h. 0 kann kein Nachfolger einer Zahl sein. Damit wird 0
quasi als kleinste Zahl festgelegt.
(P2) s ist injektiv, d.h. f ur alle x, y o gilt: Ist x ,= y, dann ist auch s(x) ,= s(y), verschiedene
Zahlen haben verschiedene Nachfolger. Das bedeutet allgemeiner, dass verschiedene Zahlen
auch verschiedene Anzahlen bedeuten.
(P3) F ur jede Teilmenge M von o gilt: Ist 0 M und folgt daraus, dass x M ist, auch, dass Induktionsaxiom
s(x) M ist, dann gilt M = o. Dieses ist das sogenannte Induktionsaxiom.
Diese Axiome gehen auf Dirichlet
2
und Peano
3
zur uck. Deswegen wird (o, 0, s) auch Dedekindtripel, Dedekindtripel
Peano-
Axiome
und die Axiome P1 - 3 gehoren auch zu den Peano-Axiomen zur Denition der Menge der nat urlichen
Zahlen.
Folgende konkrete Strukturen erf ullen diese Axiome, sind also Beispiele f ur Zahlstrukturen:
Beispiel 11.1. a) (o
1
, 0
1
, s
1
) mit o
1
= , [, [[, [[[, . . . , , 0
1
= , die leere Strichfolge, und s
1
(x) = x[.
b) (o
2
, 0
2
, s
2
) mit o
2
= , , , , , , , , . . . mit 0
2
= und s
2
(x) = xx.
2
Wir wollen zwei Peano-Strukturen (o
1
, 0
1
, s
1
) und (o
2
, 0
2
, s
2
) strukturgleich oder isomorph nen- Isomorphie
nen, falls es eine bijektive Abbildung
: o
1
o
2
gibt, f ur die
(s
1
(x)) = s
2
((x)) f ur alle x o
1
(11.1)
gilt. Die Abbildung ordnet also jedem Element der einen genau ein Element der anderen Struktur
zu, und diese Zuordnung ist vertraglich mit den Nachfolgerfunktionen in beiden Strukturen. Das
bedeutet, dass, wenn x o
1
dem Element y o
2
zugeordnet wird, dann werden auch ihre Nach-
folger s
1
(x) o
1
und s
2
(y) o
2
einander zugeordnet. Sind o
1
und o
2
isomorph, so schreiben wir:
(o
1
, 0
1
, s
1
)

= (o
2
, 0
2
, s
2
).
2
Johann Peter Gustav Lejeune-Dirichlet (1805 - 1859), deutscher Mathematiker, lieferte zu vielen Gebieten der
Mathematik (Theorie algebraischer Zahlen, Randwertprobleme, Variationsrechnung, geometrische Funktionentheorie,
Theorie unendlicher Reihen, Fourier-Reihen) fundamentale Beitrage.
3
Giuseppe Peano (1858 - 1932), italienischer Mathematiker und Logiker, beschaftigte sich mit axiomatische
Ansatzen zur Beschreibung von Mengen und Strukturen.
11.1. EINF

UHRUNG DER MENGE DER NAT

URLICHEN ZAHLEN 109


Beispiel 11.2. Wir zeigen, dass die beiden Zahlstrukturen aus Beispiel 11.1 isomorph sind. Dazu
legen wir die Abbildung : o
1
o
2
wie folgt rekursiv fest:
() =
(x[) = (x) (x)
Wir berechnen mithilfe dieser rekursiven Denition z.B. ([[[) schrittweise:
([) = () ()
=
=
([[) = ([) ([)
=
= ,
([[[) = ([[) ([[)
= , ,
= , , ,
Diese Abbildung ist bijektiv und sie erf ullt die Bedingung (11.1):
(s
1
(x)) = (x[) = (x) (x) = s
2
((x))
Es gilt also: (o
1
, , s
1
)

= (o
2
, , s
2
). 2
Durch Verallgemeinerung der

Uberlegungen in obigem Beispiel kann man beweisen, dass alle
Zahlstrukturen isomorph zueinander sind: Zu je zwei Strukturen, die die Peano-Axiome erf ullen,
lasst sich eine bijektive Abbildung nden, die die Bedingung (11.1) erf ullt. Auerdem gilt, dass
diese Abbildung in jedem Fall die beiden Nullen einander zuordnet.
Satz 11.1. F ur alle Zahlstrukturen (o
1
, 0
1
, s
1
) und (o
2
, 0
2
, s
2
) gilt
(o
1
, 0
1
, s
1
)

= (o
2
, 0
2
, s
2
)
und f ur alle Isomorphismen zwischen diesen Strukturen gilt
(0
1
) = 0
2
2

Ubung 11.1. Zeigen Sie, dass f ur zwei isomorphe Zahlstrukturen (o


1
, 0
1
, s
1
) und (o
2
, 0
2
, s
2
) und
f ur einen Isomorphismus zwischen diesen Strukturen (0
1
) = 0
2
gelten muss! 2
Gema Satz 11.1 sind also alle Zahlstrukturen bis auf die Benennung ihrer Elemente identisch.
Wir konnen f ur den taglichen Gebrauch also irgendeine Zahlstruktur auswahlen. Da die Notation
der Elemente der Zahlstrukturen in Beispiel 11.1 in Bezug auf ihr Hinschreiben, ihr Lesen oder in
Bezug auf das Rechnen mit ihnen sehr umstandlich ist, stellt sich die Frage nach geeigneten Zahlen-
symbolen. Im Verlaufe der Geschichte hat es hier unterschiedliche Entwicklungen gegeben, wie z.B.
die romischen Zahlen oder die arabischen Zahlen. Die arabischen Zahlen haben sich durchgesetzt,
weil sie auf einem Stellenwertsystem basieren, woraus sich eine systematische Notation ergibt sowie
einfache Verfahren zur Durchf uhrung von Rechenoperationen.
110 KAPITEL 11. DIE MENGE DER NAT

URLICHEN ZAHLEN
Wenn wir nun von der Struktur (o
1
, , s
1
) im Beispiel 11.1 ausgehen und f ur eine Folge von Die Menge
der
nat urlichen
Zahlen
n Strichen das arabische Zahlensymbol f ur n und den Nachfolger s(n) von n mit n + 1 notieren,
erhalten wir die Menge der uns bekannten nat urlichen Zahlen
N
0
= 0, 1, 2, 3, . . .
als weitere Zahlstruktur (N
0
, 0, s). Da man gelegentlich Aussagen uber alle nat urlichen Zahlen ohne
die Null machen mochte, f uhren wir N als Symbol f ur diese Menge ein:
N = N
0
0 = 1, 2, 3, . . .
Mithilfe der Nachfolgerfunktion s lassen sich nun die elementaren arithmetischen Operationen Addition und
Multiplikation
nat urlicher
Zahlen
f ur nat urliche Zahlen, Addition und Multiplikation, rekursiv denieren (siehe auch Kapitel 13 und
14).
(1) Wir f uhren die Addition zweier Zahlen x und y auf die y-fache Addition der 1 zu x zur uck:
add : N
0
N
0
N
0
deniert durch
add(x, 0) = x
add(x, s(y)) = s(add(x, y))
Mit dieser Berechnungsvorschrift ergibt sich z.B.
add(2, 3) = add(2, s(2)) = s(add(2, 2)) = s(add(2, s(1)))
= s(s(add(2, 1))) = s(s(add(2, s(0))))
= s(s(s(add(2, 0)))) = s(s(s(2))) = s(s(3)) = s(4)
= 5
(2) Mithilfe der Addition konnen wir nun die Multiplikation mult : N
0
N
0
N
0
denieren:
mult(x, 0) = 0
mult(x, s(y)) = add(mult(x, y), x)
Die Multiplikation von x und y wird hier durch y-fache Addition von x mit sich selbst be-
rechnet.
(3) Analog konnen wir nun die Potenzfunktion mithilfe der Multiplikation denieren: exp : N
0

N
0
N
0
mit
exp(x, 0) = 1
exp(x, s(y)) = mult(exp(x, y), x)
Die Potenzierung von x mit y wird hier durch y-fache Multiplikation von x mit sich selbst
berechnet.
In analoger Art und Weise konnen weitere arithmetische Operationen deniert werden, die letzt-
endlich immer auf der Addition und damit auf der Addition der 1, d.h. auf der Nachfolgerfunktion
s also auf dem Zahlen basieren. Und zu diesem Zweck, namlich zum Zahlen, haben wir die
nat urlichen Zahlen ja gerade eingef uhrt.
11.2. RECHENREGELN IN N
0
111

Ubung 11.2. a) Berechnen Sie mult(2, 3)!


b) Berechnen Sie exp(2, 3)! 2
Im Folgenden schreiben wir x+y anstelle von add(x, y) und x y oder xy anstelle von mult(x, y)
sowie x
y
f ur exp(x, y).
Die nat urlichen Zahlen sind abgeschlossen bez uglich der Addition und Multiplikation. Das be- Abgeschlos-
senheit von
Addition und
Multiplika-
tion
deutet, dass die Summe bzw. das Produkt zweier nat urlicher Zahlen wieder eine nat urliche Zahl
ist. Die nat urlichen Zahlen sind nicht abgeschlossen gegen uber Subtraktion und Division, denn die
Dierenz bzw. der Quotient zweier nat urlicher Zahlen muss keine nat urliche Zahl sein.
11.2 Rechenregeln in N
0
Mithilfe vollstandiger Induktion und bereits bewiesener Eigenschaften kann man beweisen, dass f ur
beliebige Zahlen x, y, z N
0
folgende bekannte Rechenregeln gelten:
(A1) Assoziativgesetz der Addition: (x + y) + z = x + (y + z), d.h. bei der Addition von mehr Rechenregeln
als zwei Zahlen kommt es nicht auf die Reihenfolge der Ausf uhrung dieser Operation an.
Deshalb konnen die Klammern auch weggelassen werden: x +y +z.
(A2) Kommutativgesetz der Addition: x + y = y + x, d.h. das Ergebnis einer Addition ist un-
abhangig von der Reihenfolge der Operanden.
(A3) Neutrales Element der Addition: x + 0 = 0 +x = x, d.h. die Addition mit 0 verandert den
anderen Operanden nicht.
(M1) Assoziativgesetz der Multiplikation: (xy)z = x(yz).
(M2) Kommutativgesetz der Multiplikation: xy = yx.
(M3) Neutrales Element der Multiplikation: x1 = 1x = x, d.h. die Multiplikation mit 1 verandert
den anderen Operanden nicht.
(D1) Distributivgesetz 1: x(y +z) = xy +xz.
(D2) Distributivgesetz 2: (x +y)z = xz +yz.
In gewissem Rahmen sind auch die Umkehroperationen Subtraktion und Division zur Addition bzw.
zur Multiplikation f ur nat urliche Zahlen deniert:
Subtraktion: Gilt x + y = z, dann gilt x = z y. x heit dann auch die Dierenz von z und
y. Mithilfe des Kommutativgesetzes (A2) kann man im

Ubrigen sofort ableiten, dass auch
y = z x gelten muss.
Division: Gilt xy = z, dann gilt x = z : y. x heit dann auch der Quotient von z und y.
Anstelle von z : y notieren wir auch z/y oder
z
y
.
Die Relation N
0
N
0
deniert durch x y genau dann, wenn eine Zahl d N
0
existiert mit
x + d = y legt auf N
0
eine totale Ordnung fest (siehe Kapitel 8.3). F ur diese Ordnung gelten die
beiden folgenden Vertraglichkeitsregeln, auch Monotonieregeln genannt:
112 KAPITEL 11. DIE MENGE DER NAT

URLICHEN ZAHLEN
(O1) sind x, y, z N
0
und ist x y, dann gilt auch x +z y +z, Monotonieregeln
(O2) sind x, y, z N
0
und ist x y, dann gilt auch xz yz.
Anstelle von x y schreiben wir auch y x.
Zur Notation der Summe von mehreren Summanden x
1
, x
2
, . . . , x
n
verwendet man oft auch das Summations-
symbol
Summationssymbol

:
x
1
+x
2
+. . . +x
n
=
n

i=1
x
i
Lauft der Summationsindex i nicht zwischen den Grenzen 1 und n, sondern zwischen u und o mit
u, o N
0
und u o, dann notieren wir
x
u
+x
u+1
+. . . +x
o
=
o

i=u
x
i
u heit untere und o heit obere Index- oder Summationsgrenze. F ur den Fall u > o legen wir

o
i=u
x
i
= 0 fest.
Analog wird f ur die Multiplikation mehrerer Faktoren x
u
, x
u+1
, . . . x
o
Multiplikations-
symbol
x
u
x
u+1
. . . x
o
=
o

i=u
x
i
geschrieben. F ur den Fall u > o legen wir

o
i=u
x
i
= 0 fest.
Sowohl bei der Addition als auch bei der Multiplikation kann die Anzahl der Summanden bzw.
die Anzahl der Faktoren unendlich sein, d.h. es kann o = sein. Man spricht dann von einer
unendlichen Summe bzw. von einem unendlichen Produkt.
Aus den Distributivgesetzen lasst sich das folgende verallgemeinerte Distributivgesetz ableiten: Verallgemeinertes
Distributiv-
gesetz
_
m

i=1
x
i
_
_
_
n

j=1
y
j
_
_
= (x
1
+x
2
+. . . +x
m
)(y
1
+y
2
+. . . +y
n
)
= x
1
y
1
+x
1
y
2
+. . . +x
1
y
n
+ x
2
y
1
+x
2
y
2
+. . . +x
2
y
n
.
.
.
+ x
m
y
1
+x
m
y
2
+. . . +x
m
y
n
=
m

i=1
n

j=1
x
i
y
j
Wegen der Kommutativitat der Addition gilt nat urlich
m

i=1
n

j=1
x
i
y
j
=
n

j=1
m

i=1
x
i
y
j
11.3. DER BEGRIFF DER ABZ

AHLBARKEIT 113
11.3 Der Begri der Abzahlbarkeit
Die Menge der nat urlichen Zahlen ist ja gerade zum Abzahlen geschaen worden. Insofern erscheint
es als

nat urlich diese Menge als Referenzmenge f ur abzahlbare Mengen zu wahlen. Wir wollen
eine Menge abzahlbar nennen, falls ihre Elemente eindeutig mit nat urlichen Zahlen nummeriert
werden konnen.
Denition 11.1. Eine Menge M heit abzahlbar genau dann, wenn sie endlich ist oder wenn Abzahlbar-
keit
es eine bijektive (d.h. totale, injektive und surjektive) Abbildung f : M N
0
gibt, d.h. jedem
Element m M kann eineindeutig eine nat urliche Zahl f(m) zugeordnet werden. Ist f(m) = i,
dann schreiben wir auch m
i
. Die Elemente aus M besitzen eine eindeutige Nummer, konnen also
abgezahlt werden: m
0
, m
1
, m
2
, . . .
Eine unendliche abzahlbare Menge M kann als gleichmachtig zur Menge der nat urlichen Zah-
len verstanden werden, denn jedem Element aus M kann genau eine nat urliche Zahl und jeder Gleichmachtig-
keit
nat urlichen Zahl kann genau ein Element aus M zugeordnet werden.
Ist eine Menge nicht abzahlbar, dann nennen wir sie uberabzahlbar. 2

Uberabzahl-
barkeit
Folgerung 11.1. F ur den Begri der Abzahlbarkeit gelten einsichtigerweise die folgenden Eigen-
schaften:
a) Jede Teilmenge einer abzahlbaren Menge ist abzahlbar.
b) Jede Obermenge einer nicht abzahlbaren Menge ist nicht abzahlbar. 2
Beispiel 11.3. a) Die Menge der positiven geraden Zahlen G
+
= n [ n = 2k, k N
0
ist
abzahlbar, da G
+
eine Teilmenge von N
0
ist. Eine mogliche Abzahlung ist z.B. f : G
+
N
0
deniert durch f(2k) = k f ur k N
0
. f ist eine bijektive Abbildung, welche die geraden Zahlen in
ihrer nat urlichen Reihenfolge abzahlt: 0, 2, 4, . . .
b) Die Potenzmenge T(N) der Menge der nat urlichen Zahlen ist uberabzahlbar. Wir zeigen dies

Uberabzahl-
barkeit der
Potenzmenge
von NNN
durch einen Widerspruchsbeweis.
Wir nehmen also an, dass T(N) abzahlbar ist, d.h. es gibt eine bijektive Abbildung f : T(N)
N
0
, die T(N) abzahlt. M
0
, M
1
, M
2
. . . sei die durch f festgelegte Abzahlung von T(N). N
0
ist
abzahlbar, und x
0
, x
1
, x
2
. . . sei eine solche Abzahlung. Mit den beiden Abzahlungen konnen wir
folgende Matrix betrachten:
x
0
x
1
x
2
. . . x
j
. . .
M
0
b
00
b
01
b
02
. . . b
0j
. . .
M
1
b
10
b
11
b
12
. . . b
1j
. . .
M
2
b
20
b
21
b
22
. . . b
2j
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
M
i
b
i0
b
i1
b
i2
. . . b
ij
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
114 KAPITEL 11. DIE MENGE DER NAT

URLICHEN ZAHLEN
Dabei sei
b
ij
=
_
1, falls x
j
M
i
0, falls x
j
/ M
i
Wir denieren mithilfe der Diagonalen dieser Matrix die Menge D wie folgt: Diagonalisierung
x
k
D genau dann, wenn b
kk
= 0 ist (11.2)
x
k
ist also in D enthalten, falls x
k
nicht in M
k
enthalten ist, und x
k
ist nicht in D enthalten, falls
x
k
in M
k
enthalten ist. Die Menge D ist also so konstruiert, dass sie sich mindestens in einem
Element, was durch die Diagonale der Matrix bestimmt wird, von jeder Menge M
i
unterscheidet.
Das f uhrt nun gerade im Folgenden zum Widerspruch.
Zunachst stellen wir fest, dass D eine Menge nat urlicher Zahlen ist, d.h. es muss D T(N) sein.
Das bedeutet aber, dass D in der Abzahlung M
0
, M
1
, M
2
, . . . von T(N) vorkommen muss. Damit
muss es eine Nummer s geben mit f(s) = D, d.h. mit D = M
s
. F ur die Zahl s gibt es nun zwei
Falle: x
s
M
s
oder x
s
/ M
s
.
(1) Sei x
s
M
s
, dann gilt b
ss
= 1 und damit wegen (11.2) x
s
/ D, woraus wegen D = M
s
folgt
x
s
/ M
s
.
(2) Sei x
s
/ M
s
, dann gilt b
ss
= 0 und damit wegen (11.2) x
s
D, woraus wegen D = M
s
folgt
x
s
M
s
.
In beiden Fallen erhalten wir also einen Widerspruch, d.h. wir konnen herleiten, dass x
s
D gilt
genau dann, wenn x
s
/ D gilt, was oensichtlich einen Widerspruch darstellt. Unsere Annahme
muss also falsch sein. Damit haben wir bewiesen, dass T(N) uberabzahlbar ist. 2
11.4 Aufzahlbare und entscheidbare Mengen
Im Kapitel 14 haben wir den Begri der Berechenbarkeit f ur Funktionen f : N
k
0
N
0
einf uhrend
betrachtet. Wir werden diesen Begri nun auf Mengen ubertragen, wobei in diesen Zusammen-
hang von Entscheidbarkeit von Mengen gesprochen wird. Wir werden unterschiedliche Grade von
Entscheidbarkeit kennenlernen, und wir werden Zusammenhange zur Abzahlbarkeit von Mengen
herstellen, wobei wir dabei von berechenbaren Abzahlungen, sogenannten Aufzahlungen ausgehen
werden. Des Weiteren werden wir nicht berechenbare Funktionen und nicht entscheidbare Mengen
kennenlernen.
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
x
Kapitel 12
Vollst

andige Induktion
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
das Prinzip der Vollstandigen Induktion verstehen,
Behauptungen mithilfe Vollstandiger Induktion beweisen konnen.
Vollstandige Induktion ist eine Methode, mit der bewiesen werden kann, dass ein Pradikat auf
die Menge der nat urlichen Zahlen zutrit, d.h. dass ein Pradikat P : N
0
B die Losungsmenge
R
P
= N
0
besitzt, d.h. dass P von allen nat urlichen Zahlen erf ullt wird (siehe 9.3). Die Menge der
nat urlichen Zahlen wird in Kapitel 11.1 eingef uhrt. Grundlage f ur die Vollstandige Induktion ist
dabei das Axiom P3 (siehe Seite 108).
Ein Beweis mit vollstandiger Induktion gen ugt dementsprechend folgendem Schema:
Induktionsanfang: Zeige, dass P(0) gilt, d.h. dass 0 R
P
gilt. Induktionsanfang
Induktionsschritt: Zeige: n N
0
: P(n) P(n + 1). Dabei heit P(n) Induktionsannahme Induktionsschritt
Induktionsannahme
oder Induktionsvoraussetzung und P(n + 1) Induktionsbehauptung.
Induktions-
behauptung
Haben wir f ur ein Pradikat P : N
0
B Induktionsanfang und Induktionsschritt gezeigt, dann
wissen wir, dass P(n) f ur alle n N
0
gilt, d.h. dass
R
P
= n N
0
[ P(n) = N
0
gilt: Das Pradikat P trit auf alle nat urlichen Zahlen zu.
Bemerkung 12.1. Veranschaulichen kann man diese Methode an folgendem Problem: Wann bin
ich in der Lage, eine (unendliche) Leiter hinauf zu steigen. Nun, ich werde es schaen, wenn ich in
der Lage bin, die folgenden beiden Schritte zu tun: Ich muss die erste Sprosse besteigen konnen (das
entspricht dem Induktionsanfang), und wenn ich auf irgendeiner Stufe stehe (Induktionsannahme),
dann muss ich auf die nachste Sprosse steigen konnen (Induktionsschritt). 2
Beispiel 12.1. a) Zeige: n N
0
:

n
i=0
i =
n(n+1)
2
. Das Pradikat
P(n) =
n

i=0
i =
n(n + 1)
2
(12.1)
115
116 KAPITEL 12. VOLLST

ANDIGE INDUKTION
behauptet also, dass sich

n
i=0
i, die Summe der Zahlen von 0 bis n, f ur jede nat urliche Zahl n
durch den Ausdruck
n(n+1)
2
berechnen lasst.
Wir beweisen die Behauptung mit vollstandiger Induktion gema dem obigen Schema:
Induktionsanfang: Zeige, dass P(0) gilt. Es ist
0

i=0
i = 0 =
0(0 + 1)
2
also gilt P(0).
Induktionsschritt: Zeige unter der Annahme, dass P(n) gilt, auch P(n + 1) gilt. In unserem Fall
m ussen wir also zeigen, dass
P(n + 1) =
n+1

i=0
i =
(n + 1)(n + 2)
2
gilt unter der Vorraussetzung, dass
P(n) =
n

i=0
i =
n(n + 1)
2
gilt.
Die Summe der Zahlen von 0 bis n +1 ist gleich der Summe der Zahlen von 1 bis n plus n +1,
d.h. es ist
n+1

i=0
i =
n

i=0
i + (n + 1) (12.2)
Es gilt nun:
n+1

i=0
i =
n

i=0
i + (n + 1) wegen (12.2)
=
n(n + 1)
2
+ (n + 1) wegen der Induktionsannahme
=
n(n + 1) + 2(n + 1)
2
=
(n + 1)(n + 2)
2
Damit haben wir den Induktionsschritt durchgef uhrt.
Insgesamt haben wir also gezeigt, dass unser Pradikat (12.1) f ur alle nat urlichen Zahlen erf ullt
ist.
b) Zeige, dass f ur jede nat urliche Zahl n die Zahl (2n + 1)
2
bei Division durch 8 den Rest 1 lasst.
Zunachst formulieren wir diese Behauptung als Pradikat:
P(n) = n N
0
q N
0
: (2n + 1)
2
= 8q + 1 (12.3)
117
Wir beweisen diese Behauptung durch vollstandige Induktion:
Induktionsanfang: Zeige, dass P(0) gilt, d.h. zeige, dass eine nat urliche Zahl q existiert, so dass
(2 0 + 1)
2
= 8q + 1 ist. Da f ur q = 0 diese Gleichung erf ullt ist, gilt P(0).
Induktionsschritt: Zeige unter der Annahme, dass P(n) gilt, auch P(n + 1) gilt. In unserem Fall
m ussen wir also zeigen, dass
P(n + 1) = q

N
0
: (2(n + 1) + 1)
2
= 8q

+ 1
gilt unter der Voraussetzung, dass
P(n) = q N
0
: (2n + 1)
2
= 8q + 1 (12.4)
gilt.
Dazu uberlegen wir wie folgt:
q

N
0
: (2(n + 1) + 1)
2
= 8q

+ 1
q

N
0
: (2n + 3)
2
= 8q

+ 1
q

N
0
: 4n
2
+ 12n + 9 = 8q

+ 1
q

N
0
: (4n
2
+ 4n + 1) + (8n + 8) = 8q

+ 1
q

N
0
: (2n + 1)
2
+ 8(n + 1) = 8q

+ 1 (12.5)
Nach der Induktionsvoraussetzung (12.4) gibt es ein q, so dass (2n + 1)
2
= 8q + 1 gilt. Mit (12.5)
erhalten wir daraus:
q, q

N
0
: 8q + 1 + 8(n + 1) = 8q

+ 1 q, q

N
0
: 8(q +n + 1) + 1 = 8q

+ 1
Damit haben wir gezeigt, dass es mit der Induktionsvoraussetzung (12.4) zu jedem n N
0
ein
q

= q+n+1 gibt mit (2(n+1)+1)


2
= 8q

+1. Damit haben wir den Induktionsschritt durchgef uhrt.


Insgesamt haben wir also gezeigt, dass unser Pradikat (12.3) f ur alle nat urlichen Zahlen erf ullt
ist.
c) In Satz 5.1 auf Seite 61 haben wir behauptet, dass, wenn eine Menge M m Elemente hat, die
Potenzmenge T(M) von M 2
m
Elemente hat. Wir formalisieren diese Behauptung als Pradikat:
P(m) = m N
0
: [M[ = m [T(M)[ = 2
m
Induktionsanfang: Zeige P(0). Sei also m = 0, d.h. M = und damit T(M) = , woraus folgt:
[T(M)[ = 1. Da 2
0
= 1, gilt also die Behauptung f ur m = 0.
Induktionsschritt: Zeige, dass [M[ = m + 1 [T(M)[ = 2
m+1
gilt, unter der Voraussetzung, dass
[T(M)[ = 2
m
gilt f ur [M[ = m.
Sei M = a
1
, a
2
, . . . , a
m
, a
m+1
sowie M

= b
1
, b
2
, . . . , b
m
, b
i
M, 1 i m, und a =
M M

. Nach Induktionsvoraussetzung ist [T(M

)[ = 2
m
.
Sei etwa T(M

) = D
1
, D
2
, . . . , D
2
m. Alle D
j
T(M

), 1 j 2
m
, sind auch Elemente
von T(M). Es fehlen noch die Elemente D
j
a, 1 j 2
m
. Insgesamt enthalt T(M) also
2
m
+ 2
m
= 2 2
m
= 2
m+1
Elemente. Damit ist der Induktionsschritt gezeigt.
118 KAPITEL 12. VOLLST

ANDIGE INDUKTION
d) Sei x R, x > 1, x ,= 0, dann gilt: n N
2
: (1 +x)
n
> 1 +nx.
1
Wir beweisen diese Behauptung mit vollstandiger Induktion:
Induktionsanfang: Zeige P(2). F ur n = 2 gilt
(1 +x)
2
= 1 + 2x +x
2
> 1 + 2x, da x
2
> 0
Induktionsschritt: Zeige, dass (1 +x)
n+1
> 1 +(n +1)x gilt, unter Voraussetzung, dass (1 +x)
n
>
1 +nx gilt, f ur x R, x > 1, x ,= 0. Es gilt:
(1 +x)
n+1
= (1 +x)
n
(1 +x)
> (1 +nx)(1 +x) (nach Induktionsvoraussetzung)
= 1 +x +nx +nx
2
> 1 +nx +x (da nx
2
> x)
= 1 + (n + 1)x
e) Als letztes Beispiel wollen wir das Pradikat
P(n) = n N
7
: 2n
2
+ 1 < 2
n
beweisen.
Induktionsanfang: Zeige P(7). Es gilt 2 7
2
+ 1 = 99 und 2
7
= 128, und damit P(7).
Induktionsschritt: Wir nehmen an, dass P(n) = 2n
2
+ 1 < 2
n
gilt, und zeigen, dass dann auch
P(n + 1) = 2(n + 1)
2
+ 1 < 2
n+1
gilt.
Es ist
2(n + 1)
2
+ 1 = 2(n
2
+ 2n + 1) + 1
= 2n
2
+ 1 + 4n + 2
< 2
n
+ 4n + 2 (wegen der Induktionsannahme)
< 2
n
+ 2
n
(da 4n + 2 < 2
n
f ur n 7)
= 2
n+1
2
Bei den beiden letzten Beispielen ist der Induktionsanfang nicht P(0), sondern P(2) bzw. P(7).
F ur kleinere Werte von n gilt die Behauptung namlich nicht. Dies ist aber unerheblich und kein
prinzipieller Versto gegen das Prinzip der Vollstandigen Induktion, denn wir konnen jedes Pradikat
P(n), f ur welches der Induktionsanfang P(c) f ur ein c N
0
gilt, transformieren in ein Pradikat
P(n), indem jedes Vorkommen von n durch n +c ersetzt wird.
In Beispiel d) ware die transformierte Behauptung also P

(n) = (1 +x)
n+2
> 1 +(n +2)x, und
in Beispiel e) ware die transformierte Behauptung P

(n) = 2(n + 7)
2
+ 1 < 2
n+7
.
1
Diese Ungleichung wird als Bernoullische Ungleichung bezeichnet, benannt nach Jakob Bernoulli (1654 - 1705),
einer der Mitglieder der ber uhmten schweizerischen Gelehrtenfamilie Bernoulli (niederlandischer Herkunft), die im
17. und 18. Jahrhundert als Mathematiker, Physiker, Mediziner und Theologen hervorragende Beitrage zu diesen
Wissenschaften geliefert haben.
Kapitel 13
Rekursion
Die induktive Denition der Menge der nat urlichen Zahlen ermoglicht induktive bzw. rekursive
Denitionen von Funktionen und Relationen uber dieser Menge. Die Grundidee der rekursiven
Denition ist: Der Funktionswert f(n+1) einer Funktion f : N
0
N
0
ergibt sich durch Verkn upfung
bereits vorher berechneter Werte f(n), f(n 1), . . . Falls auerdem die Funktionswerte von f f ur
hinreichend viele Startargumente bekannt sind, kann jeder Funktionswert von f berechnet werden.
Nach Durcharbeiten dieses Kapitels sollten Sie Lernziele
das Prinzip der rekursiven Denition von Funktionen verstehen,
rekursive Denitionen f ur Funktionen angeben konnen.
13.1 Rekursive Denition arithmetischer Funktionen
Betrachten wir als erstes Beispiel die Funktion
sum : N
0
N
0
deniert durch
sum(n) = 0 + 1 + 2 +. . . +n (13.1)
sum(n) berechnet die Summe der ersten n Zahlen. Aus Beispiel 12.1 a) wissen wir, dass sum(n) =
n(n+1)
2
gilt. sum lasst sich aber auch anders berechnen. Dazu betrachten wir (13.1) etwas genauer:
sum(n) = 0 + 1 + 2 +. . . + (n 1) +n
= 0 + 1 + 2 +. . . + (n 1)
. .
=sum(n1)
+n
= sum(n 1) +n
Die Summe der ersten n Zahlen lasst sich also berechnen, indem man die Summe der ersten n 1
Zahlen berechnet und dazu die Zahl n addiert.
119
120 KAPITEL 13. REKURSION
Falls man nun noch als Rekursionsanfang sum(0) = 0 festlegt, lasst sich sum(x) f ur jedes x N
0
mithilfe folgender rekursiver Denition berechnen:
sum(n) =
_
0, n = 0 (Rekursionsanfang)
sum(n 1) +n, n 1 (Rekursionsschritt)
Es gilt z.B.
sum(3) = sum(2) + 3 (Rekursionsschritt)
= sum(1) + 2 + 3 (Rekursionsschritt)
= sum(0) + 1 + 2 + 3 (Rekursionsschritt)
= 0 + 1 + 2 + 3 (Rekursionsanfang)
= 6
In analoger Weise lasst sich die Fakultatsfunktion
! : N
0
N
0
die das Produkt der ersten n Zahlen festlegt
n! = 1 2 . . . n
rekursiv denieren:
n! =
_
1, n = 0 (Rekursionsanfang)
(n 1)! n, n 1 (Rekursionsschritt)

Ubung 13.1. Berechnen Sie nach dieser Vorschrift 3! (Fakultat von 3)! 2
Wir wollen nun einige Beispiele rekursiver Denitionen von mehrstelligen Funktionen betrachten.
Dabei setzen wir die Sukzessorfunktion
suc : N
0
N
0
deniert durch
suc(n) = n + 1
f ur alle n N
0
, voraus.
(1) Wir f uhren die Addition zweier Zahlen x und y auf die y-fache Addition der 1 zu x zur uck:
add : N
0
N
0
N
0
deniert durch
add(x, 0) = x
add(x, suc(y)) = suc(add(x, y))
13.1. REKURSIVE DEFINITION ARITHMETISCHER FUNKTIONEN 121
Mit dieser Berechnungsvorschrift ergibt sich z.B.
add(2, 3) = add(2, suc(2))
= suc(add(2, 2))
= suc(add(2, suc(1)))
= suc(suc(add(2, 1)))
= suc(suc(add(2, suc(0))))
= suc(suc(suc(add(2, 0))))
= suc(suc(suc(2)))
= suc(suc(3))
= suc(4)
= 5
(2) Mithilfe der Addition konnen wir nun die Multiplikation denieren:
mult : N
0
N
0
N
0
mit
mult(x, 0) = 0 (13.2)
mult(x, suc(y)) = add(mult(x, y), x) (13.3)
Die Multiplikation von x und y wird hier durch y-fache Addition von x mit sich selbst be-
rechnet.

Ubung 13.2. Berechnen Sie mit dieser Vorschrift z.B. mult(2, 3)! 2
(3) Analog konnen wir nun die Potenzfunktion mithilfe der Multiplikation denieren:
exp : N
0
N
0
N
0
mit
exp(x, 0) = 1
exp(x, suc(y)) = mult(exp(x, y), x)
Die Potenzierung von x mit y wird hier durch y-fache Multiplikation von x mit sich selbst
berechnet.

Ubung 13.3. Berechnen Sie mit dieser Vorschrift z.B. exp(2, 3)!
Die hier beispielhaft durchgef uhrte Denition von rekursiv festgelegten Funktionen ist eine
grundsatzliche Vorgehensweise in der funktionalen Programmierung. Ausgehend von einigen ge-
gebenen Funktionen, wie z.B. in unserem Fall die Fallunterscheidung und die Sukzessorfunktion,
werden schrittweise neue Funktionen deniert, mithilfe derer weitere Funktionen deniert werden
konnen.
122 KAPITEL 13. REKURSION
Ein Ansatz, den Begri der Berechenbarkeit formal, d.h. mathematisch, zu prazisieren, beruht
ebenfalls auf dieser Vorgehensweise. Man geht von ganz wenigen,

einfachen Funktionen aus, die


per se als berechenbar angesehen werden. Mit weiteren Funktionen werden dann aus diesen so ge-
nannten Grundfunktionen weitere Funktionen zusammengesetzt. Alle Funktionen, die sich auf diese
Weise darstellen lassen, gelten dann in diesem Berechenbarkeitskonzept als berechenbar. Hierauf
gehen wir in Kapitel 14 noch naher ein.
13.2 Fibonacci-Zahlen
In diesem Kapitel wollen wir die Fibonacci-Folge betrachten. Diese taucht interessanterweise auf die
eine oder andere Art bei vielen Phanomenen in Mathematik, Informatik und Naturwissenschaften
aber auch in Bereichen der Kunst auf. Wir betrachten die Fibonacci-Folge hier nur als weiteres
Beispiel einer rekursiv denierten Funktion, und wir werden nur ein paar wenige ihrer Eigenschaften
betrachten.
Die Folge wird in der Regel auf das ber uhmte

Kaninchenproblem zur uckgef uhrt. Dieses Pro-


blem wird im Liber Abbaci von dem wohl groten europaischen Mathematiker vor der Renaissance,
Leonardo Pisano (Leonardo von Pisa, genannt Leornado Fibonacci, als Abk urzung von Filius Bo-
naccii, 1170 - 1240) als

Ubungsaufgabe gestellt:
Die Vermehrung von Kaninchenpaaren geschehe wie folgt: Am Anfang gebe es kein Paar,
nach dem ersten Monat sei ein Paar durch wen auch immer geschaen da. Jedes
Kaninchenpaar ist nach dem zweiten Monat seiner Existenz geschlechtsreif, und jedes
Kaninchenpaar bringe von da an jeden Monat ein weiteres Paar zur Welt. Frage: Wie
viele Kaninchenpaare F
n
gibt es nach n Monaten?
Zum Zeitpunkt 0 gibt es kein Paar, also ist F
0
= 0. Nach einem Monat gibt es ein Paar P
1
, also
ist F
1
= 1. Nach zwei Monaten ist dieses Paar geschlechtsreif geworden, wir nennen es P
g
1
, und es
ist F
2
= 1. Nach drei Monaten hat P
g
1
ein neues Paar P
2
gezeugt, so dass F
3
= 2 ist. Nach vier
Monaten hat P
g
1
ein weiteres Paar P
3
gezeugt, und P
2
ist geschlechtsreif geworden, was wir mit P
g
2
notieren. Es ist F
4
= 3. Nach f unf Monaten haben P
g
1
und P
g
2
je ein Paar, P
4
und P
5
, gezeugt, und
P
3
ist geschlechtsreif geworden, was wir wieder entsprechend kennzeichnen: P
g
3
. Es ist F
5
= 5.

Ubung 13.4.

Uberlegen Sie selbst in dieser Art weiter! Sie werden herausnden, dass F
6
= 8 und
F
7
= 13 ist. 2
Gibt es eine Gesetzmaigkeit, mit der sich F
n
f ur jedes n N
0
berechnen lasst? Im n-ten Monat
gibt es alle Paare, die es auch im vorhergehenden Monat n 1 gegeben hat, sowie so viele Paare,
wie es im Monat n2 gegeben hat, denn diese sind im Monat n alle geschlechtsreif und bekommen
je ein Paar Nachwuchs. Aus dieser

Uberlegung ergibt sich die folgende rekursive Denition f ur die
Fibonacci-Funktion
F : N
0
N
0
N
0
die f ur jeden Monat n die Anzahl der Kaninchenpaare F
n
angibt:
1
F
0
= 0, F
1
= 1, F
n
= F
n1
+F
n2
, n 2 (13.4)
1
Es ist ublich bei der Fibonacci-Funktion die eher bei Folgen ubliche Schreibweise Fn anstelle der Funktions-
schreibweise F(n) zu verwenden.
13.2. FIBONACCI-ZAHLEN 123
Es gilt also z.B.
F
2
= F
1
+ F
0
= 1 + 0 = 1
F
3
= F
2
+ F
1
= 1 + 1 = 2
F
4
= F
3
+ F
2
= 2 + 1 = 3
F
5
= F
4
+ F
3
= 3 + 2 = 5
F
6
= F
5
+ F
4
= 5 + 3 = 8
F
7
= F
6
+ F
5
= 8 + 5 = 13
F
8
= F
7
+ F
6
= 13 + 8 = 21
F
9
= F
8
+ F
7
= 21 + 13 = 34
F
10
= F
9
+ F
8
= 34 + 21 = 55
Mithilfe analytischer Methoden aus der Theorie der Dierenzengleichungen, auf die wir im
Rahmen dieses Buches nicht eingehen, kann man einen geschlossenen Ausdruck zur Berechnung
von F
n
herleiten:
F
n
=
1

5
(
n

n
) (13.5)
Dabei ist
=
1
2
(1 +

5) = 1, 6180339 . . .

=
1
2
(1

5) = 0, 6180339 . . .
Es gilt sogar:
2
F
n
= round
_
1

n
_
Die Anzahl der Kaninchenpaare F
n
wachst also exponentiell in der Anzahl der Monate n.
Die Zahl stellt den Goldenen Schnitt dar. Ein geometrisches Verhaltnis von Groen in Kunst- Goldener
Schnitt
oder Bauwerken galt von alters her (bei Euklid; in der Renaissance

gottliche Proportion) als


asthetisch, falls es durch diese Zahl ausgedr uckt werden konnte.
3
Die Fibonacci-Zahlen konnen auch durch fortgesetzte Multiplikation der Matrix
_
F
0
F
1
F
1
F
2
_
=
_
0 1
1 1
_
berechnet werden. Dazu erklaren wir zunachst, wie zwei 2 2-Matrizen miteinander multipliziert
werden:
_
a b
c d
_

_
e f
g h
_
=
_
ae +bg af +bh
ce +dg cf +dh
_
(13.6)
Es gilt nun f ur alle n 1
_
F
n1
F
n
F
n
F
n+1
_
=
_
F
0
F
1
F
1
F
2
_
n
=
_
0 1
1 1
_
n
2
round ist die bekannte Rundungsfunktion.
3
Eine Strecke AB wird durch einen Teilpunkt C gema dem Goldenen Schnitt geteilt, falls gilt
|AC|
|CB|
=
|CB|
|AB|
. Dabei
bedeutet |XY | die Lange der Strecke XY . Wenn man |AC| = 1 und |CB| = x setzt, dann wird das Streckenverhaltnis
durch
1
x
=
x
1+x
, umgeformt durch x
2
x 1 = 0 ausgedr uckt. Losen wir diese Gleichung auf, dann erhalten wir als
Losungen und

.
124 KAPITEL 13. REKURSION
Wir beweisen dies durch vollstandige Induktion uber n:
Induktionsanfang: F ur n = 1 gilt:
_
F
11
F
1
F
1
F
1+1
_
=
_
F
0
F
1
F
1
F
2
_
1
=
_
0 1
1 1
_
Induktionsschritt: Es gilt
_
0 1
1 1
_
n+1
=
_
0 1
1 1
_
n

_
0 1
1 1
_
=
_
F
n1
F
n
F
n
F
n+1
_

_
0 1
1 1
_
wegen Induktionsvoraussetzung
=
_
F
n
F
n1
+F
n
F
n+1
F
n
+F
n+1
_
wegen (13.6)
=
_
F
n
F
n+1
F
n+1
Fn+
_
wegen (13.4)
13.3 Ackermannfunktion
Als weitere Beispiele zu rekursiv denierten Funktionen betrachten wir die Ackermannfunktion und
Varianten davon. Die Ackermannfunktion ist von groer Bedeutung in der Berechenbarkeitstheorie
(siehe Kapitel 14.3). Sie ist eine Funktion, die mit Zahlschleifen nicht berechnet werden kann, weil
sie schneller als alle Funktionen wachst, die mit Zahlschleifen berechnet werden konnen. Einen
Eindruck dieses Wachstums geben die folgenden Betrachtungen.
Denition 13.1. Die Ackermannfunktion A : N
0
N
0
N
0
ist deniert durch Ackermann-
funktion
A(x, y) =
_

_
y + 1, x = 0
A(x 1, 1), x ,= 0 y = 0
A(x 1, A(x, y 1)), sonst
2

Ubung 13.5. Berechnen Sie, um einen ersten Eindruck von dieser Funktion zu bekommen, A(3, 3)!
2
Folgerung 13.1. F ur alle n 0 gilt:
a) A(1, n) = n + 2,
b) A(2, n) = 2n + 3,
c) A(3, n) = 2
n+3
3,
d) A(4, n) = 2
2
.
.
.
2
. .
n+3 Zweien
3. 2
13.3. ACKERMANNFUNKTION 125

Ubung 13.6. Beweisen Sie Folgerung 13.1! 2


Wir denieren nun die Familie A
i

i0
von Funktionen A
i
: N
0
N
0
rekursiv wie folgt:
A
0
(x) =
_

_
1, x = 0
2, x = 1
x + 2, sonst
A
n+1
(x) = A
x
n
(1)
= A
n
(A
n
(. . . A
n
. .
x-mal
(1) . . .))
Und mithilfe dieser Funktionen legen wir die Funktion
ack : N
0
N
0
fest:
ack(x) = A
x
(x) (13.7)
Gema diesen Denitionen gilt nun:
ack(0) = A
0
(0) = 1
ack(1) = A
1
(1) = A
1
0
(1) = 2
ack(2) = A
2
(2) = A
2
1
(1) = A
1
(A
1
(1)) = A
1
(2)
= A
2
0
(1) = A
0
(A
0
(1)) = A
0
(2) = 2 + 2 = 4
ack(3) = A
3
(3) = A
3
2
(1) = A
2
(A
2
(A
2
(1))) = A
2
(A
2
(2)) = A
2
(4)
= A
4
1
(1) = A
1
(A
1
(A
1
(A
1
(1)))) = A
1
(A
1
(A
1
(2))) = A
1
(A
1
(4))
= A
1
(A
1
(4)) = A
1
(A
4
0
(1)) = A
1
(A
0
(A
0
(A
0
(A
0
(1)))))
= A
1
(A
0
(A
0
(A
0
(2)))) = A
1
(A
0
(A
0
(4))) = A
1
(A
0
(6))
= A
1
(8) = . . .
.
.
.
= 16
Zur Berechnung von ack(4) bestimmen wir zunachst (1) A
2
(x) und dann (2) A
3
(x).
Zu (1): Es gilt:
A
2
(x) = 2
x
f ur alle x N
0
(13.8)
Wir beweisen dies mit vollstandiger Induktion:
Induktionsanfang: Es gilt: A
2
(0) = A
0
1
(1) = 1 = 2
0
. F ur x = 0 stimmt also die Behauptung.
126 KAPITEL 13. REKURSION
Induktionsschritt: Es gilt
A
2
(x + 1) = A
x+1
1
(1)
= A
1
(A
x
1
(1))
= A
1
(A
2
(x))
= A
1
(2
x
) nach Induktionsvoraussetzung
= A
2
x
0
(1)
= A
0
(A
0
(. . . A
0
(A
0
. .
2
x
-mal
(1)) . . .))
= A
0
(A
0
(. . . A
0
. .
(2
x
1)-mal
(2) . . .))
= 2 + 2 +. . . + 2
. .
2
x
-mal
= 2 2
x
= 2
x+1
womit der Induktionsschritt vollzogen ist.
Zu (2): Die x-mal iterierte Zweierpotenz ist die Funktion iter
2
: N
0
N
0
deniert durch
iter
2
(0) = 1
iter
2
(n + 1) = 2
iter2(n)
, n 1
Es gilt also z.B.
iter
2
(1) = 2
iter2(0)
= 2
1
= 2 = 2 (13.9)
iter
2
(2) = 2
iter2(1)
= 2
2
= 2
2
= 4 (13.10)
iter
2
(3) = 2
iter2(2)
= 2
4
= 2
2
2
= 16 (13.11)
iter
2
(4) = 2
iter2(3)
= 2
16
= 2
2
2
2
= 65 536 (13.12)
iter
2
(5) = 2
iter2(4)
= 2
65 536
= 2
2
2
2
2
= . . . (13.13)
Man erkennt, dass iter
2
(x) die x-mal iterierte 2er-Potenz ist.
Wir beweisen nun mit vollstandiger Induktion, dass gilt
A
3
(x) = iter
2
(x) (13.14)
Induktionsanfang: Es gilt: A
3
(0) = A
0
2
(1) = 1 = iter
2
(0). F ur x = 0 stimmt also die Behauptung.
Induktionsschritt: Es gilt
A
3
(x + 1) = A
x+1
2
(1)
= A
2
(A
x
2
(1))
= A
2
(A
3
(x))
= A
2
(iter
2
(x)) nach Induktionsvoraussetzung
= 2
iter2(x)
wegen (13.8)
= iter
2
(x + 1) wegen der Denition von iter
2
13.4. VERALLGEMEINERTES REKURSIONSSCHEMA 127
womit der Induktionsschritt vollzogen ist.
Nun konnen wir ack(4) berechnen:
ack(4) = A
4
(4)
= A
4
3
(1)
= A
3
3
(A
3
(1))
= A
3
3
(2) wegen (13.14) und (13.9)
= A
2
3
(A
3
(2))
= A
2
3
(4)) wegen (13.14) und (13.10)
= A
3
(A
3
(4))
= A
3
(65536) wegen (13.14) und (13.12)
= iter
2
(65536)
= 2
2
2
.
.
.
2
65536-mal iterierte Zweierpotenz
Man schatzt die Anzahl der Atome im

bekannten Universum auf etwa 2


350
, im Vergleich zu ack(4)
eine sehr kleine Zahl. Die Ackermannfunktion hat ein immenses Wachstumsverhalten. Man kann so-
gar zeigen, dass die Ackermannfunktion starker wachst als Funktionen, die mit Zahlschleifen berech-
net werden konnen. Bei Zahlschleifen liegt die Anzahl der Schleifendurchlaufe vor Ausf uhrung der
Schleife fest, d.h. die Schleifenbedingung kann im Unterschied zu Bedingungsschleifen wahrend
der Schleifenausf uhrung nicht verandert werden.
13.4 Verallgemeinertes Rekursionsschema
Wir haben schon im Kapitel 2 rekursive Denitionen benutzt. So haben wir im Abschnitt 2.2
die Syntax der Aussagenlogik deniert, indem wir zunachst als Rekursionsanfang atomare
Formeln festgelegt haben und anschlieend im Rekursionsschritt beschrieben, wie aus bereits
gegebenen Formeln neue gebildet werden konnen. In der Denition 8.10 auf Seite 93 haben wir die
n-fache Komposition einer Relation R mit sich selbst rekursiv deniert: Zunachst haben wir als
Rekursionsanfang R = id festgelegt und im Rekursionsschritt, wie R
n
aus R
n1
berechnet wird.
Tatsachlich sind rekursive Denition und vollstandige Induktion nicht auf auf nat urlichen Zahlen
denierte Funktionen beschrankt. Insbesondere in der Informatik sind viele wichtige Datenstruk-
turen, wie z.B. Listen und Baume, rekursive Strukturen, auf denen Operationen wie Einf ugen,
Loschen und Suchen von Elementen entsprechend als rekursive Prozeduren programmiert werden
konnen. Rekursion ist ein allgmeines Problemloseprinzip, welches in vielen Fallen zu

eleganten
Losungen f uhrt.
Zum Abschluss des Kapitels betrachten wir ein verallgemeinertes Induktionsprinzip f ur Pradi- Verallgemeinertes
Rekursionsschema
kate uber induktiv denierte Mengen: Sei M eine induktiv denierte Menge und P : M B ein
totales Pradikat. Falls gilt:
Induktionsanfang: Gilt P(x) f ur alle explizit angegebenen Elemente von M und
Induktionsschritt: gilt ur alle x
1
, . . . , x
k
M und f ur jedes daraus nach den Denitionsregeln
von M erzeugbare y M: P(x
1
), . . . , P(x
k
) P(y),
128 KAPITEL 13. REKURSION
dann gilt f ur alle x M: P(x).
Haben wir f ur ein Pradikat P : M B Induktionsanfang und Induktionsschritt gezeigt, dann
wissen wir, dass P f ur alle Elemente von M zutrit.
Beispiel 13.1. Im Abschnitt 2.2 haben wir die Menge / der aussagenlogischen Formeln induk-
tiv deniert. Wir beweisen nun das Pradikat P uber dieser Menge, welches besagt, dass in jeder
aussagenlogischen Formel, die Anzahl der onenden Klammern gleich der Anzahl der schlieenden
Klammern ist.
Wir formalisieren zunachst dieses Pradikat. F ur eine Formel / bezeichne
(
die Anzahl
der onenden und
)
die Anzahl der schlieenden Klammern in . Unser Pradikat lautet damit:
P() =
(
=
)
.
Mit dem verallgemeinerten Induktionsschema zeigen wir nun, dass f ur alle / gilt P().
Induktionsanfang: Die explizit angegebenen Elemente von / sind die aussagenlogischen Konstanten
0 und 1 sowie die aussagenlogischen Variablen v V . Diese atomaren Formeln enthalten keine
Klammern, d.h. es gilt
0
(
= 0 = 0
)
1
(
= 0 = 1
)
v
(
= 0 = v
)
, f ur alle v V
Somit gilt P(0) und P(1) sowie P(v) f ur alle v V . Damit ist der Induktionsanfang f ur unser
Pradikat P gezeigt.
Induktionsschritt: F ur gegebene Formeln , / konnen aufgrund der Denitionsregeln von / die
Formeln (1)
1
= ( , (2)
2
= sowie (3)
3
= gebildet werden.
Nach Induktionsvoraussetzung gelten P() und P(), d.h.
(
=
)
bzw.
(
=
)
. Wir zeigen
nun, dass auch P(
i
), d.h.
i(
=
i)
, f ur i = 1, 2, 3, gilt:
Zu (1): Es gilt

1(
=
(
+
(
+ 1
=
)
+
)
+ 1 wegen Induktionsvoraussetzung
=
1)
Zu (2): Der Beweis f ur diesen Fall ist identisch zum Fall (1).
Zu (3): Dieser Fall gilt oensichtlich, denn bei der Negation einer Formel kommen keine weiteren
Klammern hinzu.
Damit ist auch der Induktionsschritt f ur alle Falle gezeigt, und damit gilt gema dem verallge-
meinerten Induktionsprinzip: f ur alle /: P(). 2

Ubung 13.7. F ur die aussagenlogischen Formeln gilt nicht nur, dass die Anzahl der onenden
gleich der Anzahl der schlieenden Klammern ist, sondern auch dass in jedem Prax einer Formel
die Anzahl der schlieenden Klammern nicht groer als die Anzahl der onenden Klammern ist.
Beweisen Sie diese Aussage! 2
13.5. ALPHABETE, W

ORTER, SPRACHEN 129


13.5 Alphabete, Worter, Sprachen
In Kapitel 2 haben wir bereits Sprachen kennen gelernt: die Sprache der Aussagenlogik und die
Sprache der Pradikatenlogik. Daher kennen wir anhand dieser Beispiele schon die Begrie Alphabet,
Wort und Sprache. In diesem Abschnitt gehen wir allgemein auf diese Begrie ein, zum Einen, um
diese kennen zu lernen, und zum Anderen, weil wir dabei rekursive Denitionen benutzen und somit
den Umgang mit Rekursion weiter uben konnen.
Die Symbole, aus denen Worter bestehen, fassen wir in einer Menge, dem Alphabet, zusammen. Alphabet
Symbol
Buchstabe
Dabei wollen wir nur endliche Alphabete zulassen. Ihre Elemente heien Symbole oder Buchstaben.
Zur allgemeinen Bezeichnung von Alphabeten wird zumeist das Symbol benutzt.
Falls wir kein konkretes, sondern allgemein ein Alphabet betrachten, dann benennen wir dessen
Buchstaben in der Regel mit a, b, c oder mit a
1
, a
2
, . . . , a
n
: = a
1
, a
2
, . . . , a
n
, n 0. Dabei soll
durch die Reihenfolge der Aufzahlung der Buchstaben auf eine (alphabetische) Ordnung festgelegt Alphabetische
Ordnung
sein: a
i
< a
i+1
, 1 i n 1.
Die endlich langen Zeichenfolgen, die uber einem Alphabet gebildet werden konnen, heien
Worter uber . Worter entstehen, indem Symbole oder bereits erzeugte Worter aneinandergereiht Worter
(miteinander verkettet, verklebt, konkateniert) werden.

, die Menge aller Worter, die uber dem


Alphabet gebildet werden kann, ist wie folgt deniert:
(1) Jeder Buchstabe a ist auch ein Wort uber , d.h. a

.
(2) Werden bereits existierende Worter hintereinandergeschrieben (konkateniert), entstehen neue Konkatenation
Worter, d.h. sind v, w

, dann ist auch ihre Verkettung (Konkatenation) vw

.
(3) , das leere Wort, ist ein Wort uber (jedem Alphabet) , d.h.

. ist ein deniertes Leeres Wort


Wort ohne

Ausdehnung. Es hat die Eigenschaft: w = w = w f ur alle w

.
Mit
+
bezeichnen wir die Menge aller Worter uber ohne das leere Wort, d.h.
+
=

.
Wenn wir im Folgenden ein Wort w buchstabenweise notieren, w = w
1
. . . w
n
, n 0, sind die
w
i
Buchstaben, also w
i
, 1 i n. n = 0 bedeutet, dass w das leere Wort ist: w = .
Beispiel 13.2. a) Sei = a, b , dann ist

= , a, b, aa, ab, ba, bb, aaa, aab, aba, abb, baa, bab, bba, bbb, . . .
b) Sei = , dann gilt

= . 2
Ist w = v v . . . v
. .
nmal
dann schreiben wir abk urzend w = v
n
. v
n
heit die n-te Potenz von v. Es ist
v
0
= . In Beispiel 13.2 a) konnen wir

also auch wie folgt schreiben:

= , a, b, a
2
, ab, ba, b
2
, a
3
, a
2
b, aba, ab
2
, ba
2
, bab, b
2
a, b
3
, . . .
Die n-te Potenz des Wortes v

kann auch rekursiv deniert werden:


v
0
=
v
n+1
= v
n
v, n 0
130 KAPITEL 13. REKURSION
Ist w

ein Wort der Form w = xyz mit x, y, z

, dann heit x Prax, y Inx und z Prax


Inx
Postx, Suf-
x
Postx oder Sux von w.
Die Lange eines Wortes kann durch die Funktion l :

N
0
deniert durch
Wortlange
l() = 0
l(wa) = l(w) + 1, f ur w

, a
berechnet werden, die einem Wort uber die Anzahl seiner Buchstaben als Lange zuordnet: Das
leere Wort hat die Lange 0. Die Lange eines Wortes, das mindestens einen Buchstaben a sowie ein
moglicherweise leeres Prax w enthalt, wird berechnet, indem zur Lange des Praxes eine 1
addiert wird.
Die Lange des Wortes aba uber = a, b berechnet sich also rekursiv mit der Funktion l wie
folgt:
l(aba) = l(ab) + 1 = l(a) + 1 + 1 = l() + 1 + 1 + 1 = 0 + 1 + 1 + 1 = 3
Eine andere gangige Notation f ur die Lange l(w) eines Wortes w ist [w[.
Auf

denieren wir eine lexikograsche Ordnung

wie folgt: Sei v = v


1
. . . v
m
, Lexikograsche
Ordnung
v
i
, 1 i m, und w = w
1
. . . w
n
, w
j
, 1 j n, dann gilt v w genau dann,
(1) wenn m < n (d.h. [v[ < [w[) oder
(2) wenn m = n ist und es ein k, 1 k < m, gibt, so dass v
1
. . . v
k
= w
1
. . . w
k
sowie v
k+1
< w
k+1
gilt.
ordnet Worter also zunachst nach der Lange und innerhalb gleicher Langen alphabetisch, d.h.
wie durch die Ordnung auf vorgegeben. Ist etwa = a, b (d.h. a < b), dann gilt z.B.
bb aaa wegen (1),
baab baba wegen (2).
Sei ein Alphabet, dann heit jede Menge L

eine (formale) Sprache uber . Formale


Sprache
Sprachen sind also Mengen von Wortern und konnen somit mit den ublichen Mengenoperatio-
nen wie Vereinigung, Durchschnitt und Dierenz miteinander verkn upft werden. Wir wollen f ur
Sprachen eine weitere Verkn upfung einf uhren, die Konkatenation: Seien L
1
und L
2
zwei Sprachen Konkatenation
von Sprachen
uber , dann ist die Konkatenation L
1
L
2
von L
1
und L
2
deniert durch
L
1
L
2
= vw [ v L
1
, w L
2

Es werden also alle Worter aus L


1
mit allen Wortern aus L
2
konkateniert. Gelegentlich lassen wir
wie bei der Konkatenation von Wortern auch bei der Konkatenation von Sprachen das Konkaten-
ationssymbol weg, d.h. an Stelle von L
1
L
2
schreiben wir L
1
L
2
.
Beispiel 13.3. Seien L
1
= , ab, abb und L
2
= b, ba zwei Sprachen uber a, b , dann ist
L
1
L
2
= b, ba, abb, abba, abbb, abbba
sowie
L
2
L
1
= b, bab, babb, ba, baab, baabb
13.5. ALPHABETE, W

ORTER, SPRACHEN 131


Folgerung 13.2. F ur zwei Sprachen L
1
, L
2

gilt: Falls L
1
, dann ist L
2
L
1
L
2
, bzw.
umgekehrt, falls L
2
, dann ist L
1
L
1
L
2
. 2

Ubung 13.8. Beweisen Sie Folgerung 13.2! 2


Sei L eine Sprache uber , dann ist die n-te Potenz von L deniert durch:
L
0
=
L
n+1
= L
n
L, n 0
Beispiel 13.4. Sei L = a, ab , dann ist
L
0
=
L
1
= L
0
L
= a, ab
= a, ab
= L
L
2
= L
1
L
= a, ab a, ab
= a
2
, a
2
b, aba, (ab)
2

L
3
= L
2
L
= a
2
, a
2
b, aba, (ab)
2
a, ab
= a
3
, a
3
b, a
2
ba, a
2
bab, aba
2
, aba
2
b, (ab)
2
a, (ab)
3

.
.
.
2
Das Kleene-Stern-Produkt L

einer Sprache L ist die Vereinigung aller ihrer Potenzen L


n
, n 0: Kleene-
Stern-
Produkt
L

=
_
n0
L
n
= L
0
L
1
L
2
L
3
. . .
Das Kleene-Stern-Produkt von L ohne das leere Wort notieren wir mit L
+
bezeichnet, d.h. L
+
=
L

L
0
.
132 KAPITEL 13. REKURSION
Kapitel 14
Berechenbare Funktionen
Im vorigen Kapitel 13 haben wir an vielen Beispielen gesehen, dass Rekursion ein sehr geeignetes
Mittel zur Losung von Problemen ist. Im Allgemeinen kann man ein Problem = (F, A, f

) Problem
Problemspezikation
formalisieren, indem man die Menge der moglichen Fragen F, die Menge der moglichen Antworten A
sowie die Spezikation f

: F Aangibt, die jeder Frage x F, die richtige Antwort f

(x) = y A
soweit existierend zuordnet. So kann man z.B. die Addition beschreiben durch
add = (N
0
N
0
, N
0
, f
add
)
mit
f
add
(x, y) = x +y
Gesucht ist nun ein Algorithmus, der dieses Problem lost, d.h. zu gegebenen zwei nat urlichen Zahlen
deren Summe berechnet.
Berechnungsverfahren sind von alters her bekannt, sie wurden erfunden und angewendet, um
Probleme des taglichen Lebens oder in Naturwissenschaften und Technik zu losen, ohne dass uber-
haupt festgelegt worden ware, was denn ein Berechnungsverfahren, ein Algorithmus uberhaupt ist.
Zu Beginn des letzten Jahrhunderts tauchte dann die Frage danach auf, was uberhaupt berechenbar
ist. Ein solche Frage kann nat urlich nicht beantwortet werden, wenn man den Begri Algorithmus
nicht formal prazisiert. So wurde Ende der zwanziger Jahre und in den dreiiger Jahren des vorigen
Jahrhunderts mit unterschiedlichen Ansatzen versucht, den Begri der Berechenbarkeit mathema-
tisch zu prazisieren. Dabei betrachtete man Probleme auf nat urlichen Zahlen, d.h. Probleme der
Art
= (N
k
0
, N
0
, f

), k 0
Einer dieser Ansatze geht davon aus, dass es einige wenige, sehr einfache Funktionen gibt, die man
per se als berechenbar ansieht. Aus diesen Funktionen konnen dann mit rekursiven Konzepten neue
Funktion konstruiert werden, die dann ebenfalls als berechenbar angesehen werden. Weil deshalb
dieser Ansatz zum Thema Rekursion passt, wollen wir in diesem Kapitel einf uhrend darauf eingehen.
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
das Konzept der primitiv-rekursiven und der -rekursiven Funktionen zur Denition von
Berechenbarkeit verstehen und erklaren konnen,
in der Lage sein f ur einfache arithmetische Funktionen primitiv-rekursive oder notigenfalls
-rekursive Funktionen anzugeben.
133
134 KAPITEL 14. BERECHENBARE FUNKTIONEN
14.1 Primitiv-rekursive Funktionen
Folgende Funktionen werden als berechenbar angesehen:
Nullfunktion
F ur k 0 sind die k-stelligen Nullfunktionen
O
k
: N
k
0
N
0
deniert durch
O
k
(x
1
, . . . , x
k
) = 0
berechenbar.
Projektion
F ur k 1 sind die k-stelligen Projektionen

k
i
: N
k
0
N
0
, 1 i k
deniert durch

k
i
(x
1
, . . . , x
k
) = x
i
berechenbar.
Nachfolgerfunktion
Die Nachfolgerfunktion
: N
0
N
0
deniert durch
(x) = x + 1
ist berechenbar.
Aus diesen Grundfunktionen konnen wie folgt weitere Funktionen zusammengesetzt werden:
Komposition
F ur m N und k N
0
ist die Komposition einer berechenbaren Funktion
g : N
m
0
N
0
mit berechenbaren Funktionen
h
1
, . . . , h
m
: N
k
0
N
0
deniert durch die Funktion
( [g; h
1
, . . . , h
m
] : N
k
0
N
0
mit
( [g; h
1
, . . . , h
m
] (x
1
, . . . , x
k
) = g(h
1
(x
1
, . . . , x
k
), . . . , h
m
(x
1
, . . . , x
k
))
14.1. PRIMITIV-REKURSIVE FUNKTIONEN 135
berechenbar.
Der Komposition von Funktionen entspricht der Sequenz von Anweisungen in Programmen:
y
i
= h
i
(x
1
, . . . , x
k
), 1 i m, sind die Ergebnisse der Anweisungen h
i
, die dann in die Anweisung
g einieen, um y = g(y
1
, . . . , y
m
) zu berechnen:
y
1
= h
1
(x
1
, . . . , x
k
)
y
2
= h
2
(x
1
, . . . , x
k
)
.
.
.
y
m
= h
m
(x
1
, . . . , x
k
)
y = g(y
1
, . . . , y
m
)
Etwas abstrakter ausgedr uckt konnen die h
i
als Unterprogramme aufgefasst werden, die vom
Programm g aufgerufen werden.
Primitive Rekursion
F ur k N
0
ist die primitive Rekursion der Funktionen
g : N
k
0
N
0
und
h : N
k+2
0
N
0
deniert durch die Funktion
T/[g, h] : N
k+1
0
N
0
mit
T/[g, h] (x
1
, . . . , x
k
, 0) = g(x
1
, . . . , x
k
)
T/[g, h] (x
1
, . . . , x
k
, (y)) = h(x
1
, . . . , x
k
, y, T/[g, h] (x
1
, . . . , x
k
, y))
Sei y = 2 = (1), dann gilt
T/[g, h] (x
1
, . . . , x
k
, (1))
= h(x
1
, . . . , x
k
, 1, T/[g, h] (x
1
, . . . , x
k
, 1))
= h(x
1
, . . . , x
k
, 1, T/[g, h] (x
1
, . . . , x
k
, (0)))
= h(x
1
, . . . , x
k
, 1, h(x
1
, . . . , x
k
, 0, T/[g, h] (x
1
, . . . , x
k
, 0)))
= h(x
1
, . . . , x
k
, 1, h(x
1
, . . . , x
k
, 0, g(x
1
, . . . , x
k
)))
Dieses Rekursionsschema ist eine abstrakte, mathematische Beschreibung dessen, was eine Zahl-
schleife in prozeduralen Programmiersprachen bewirkt. Ist
f = T/[g, h]
dann bewirkt der Aufruf f(x
1
, . . . , x
k
, y) Folgendes: y wird als Zahlvariable betrachtet. Am Schlei-
fenanfang (y = 0) ndet mithilfe von g eine Initialisierung statt. Deren Ergebnis geht in die erste
136 KAPITEL 14. BERECHENBARE FUNKTIONEN
f := g(x
1
, . . . , x
k
);
for i := 0 to y 1 do
f := h(x
1
, . . . , x
k
, i, f)
endfor
Abbildung 14.1: Primitive Rekursion als Zahlschleife.
Schleifenrunde ein. In jeder Schleifenrunde wird dann mit dem, was in der vorherigen Runde be-
rechnet wurde, mit dem Zahler y und den Schleifenvariablen x
1
, . . . , x
k
das Ergebnis dieser Runde
berechnet. Die Schleife wird y-mal durchlaufen.
In einer prozeduralen Programmiersprache konnte die Schleife f(x
1
, . . . , x
k
, y) wie in Abbildung
14.1 dargestellt aussehen.
Denition 14.1. Die Menge T der primitiv-rekursiven Funktionen ist die kleinste Menge von
Funktionen von N
k
0
N
0
, k 0, die alle Nullfunktionen, alle Projektionen und die Nachfolger-
funktion enthalt und die unter Komposition und primitiver Rekursion abgeschlossen ist. 2
Beispiel 14.1. a) Die Konstante 1 : N
0
0
N
0
deniert durch 1() = 1 ist eine primitiv-rekursive
Funktion, denn es gilt
1 = (
_
; O
0

(14.1)
mit
1() = C
_
; O
0

() = (O
0
()) = (0) = 1
b) Jede Konstante c : N
0
0
N
0
deniert durch c() = c ist eine primitiv-rekursive Funktion, denn
es gilt
c = ( [; ( [; . . . ; ( [;
. .
cmal
O
0
] . . .]] (14.2)
mit
c() = ( [; ( [; . . . ; ( [;
. .
cmal
O
0
] . . .]] () =
c
(O
0
()) =
c
(0) = c
c) Die Identitat id : N
0
N
0
deniert durch id(x) = x ist primitiv-rekursiv, denn es gilt
id =
1
1
mit
id(x) =
1
1
(x) = x
d) Die Addition add : N
0
N
0
N
0
deniert durch add(x, y) = x + y ist primitiv-rekursiv, denn
es gilt
add = T/
_

1
1
, (
_
;
3
3

(14.3)
14.1. PRIMITIV-REKURSIVE FUNKTIONEN 137
Es gilt z.B.
add(3, 2) = T/
_

1
1
, (
_
,
3
3

(3, 2)
= (
_
;
3
3

(3, 1, T/
_

1
1
, (
_
;
3
3

(3, 1))
= (
3
3
(3, 1, T/
_

1
1
, (
_
;
3
3

(3, 1)))
= (T/
_

1
1
, (
_
;
3
3

(3, 1))
= ((
_
;
3
3

(3, 0, T/
_

1
1
, (
_
;
3
3

(3, 0)))
= ((
3
3
(3, 0, T/
_

1
1
, (
_
;
3
3

(3, 0)))
= ((T/
_

1
1
, (
_
;
3
3

(3, 0)))
= ((
1
1
(3, 0)))
= (((3))
= (4)
= 5
e) Die Multiplikation mult : N
0
N
0
N
0
deniert durch mult(x, y) = x y ist primitiv-rekursiv,
denn es gilt
mult = T/
_
O
1
, (
_
add;
3
1
,
3
3

(14.4)
f ) Die Quadrierung sqr : N
0
N
0
deniert durch sqr(x) = x
2
ist primitiv-rekursiv, denn es gilt
sqr = (
_
mult;
1
1
,
1
1

(14.5)
g) Die Vorgangerfunktion pre : N
0
N
0
deniert durch
pre(x) =
_
0, x = 0
x 1, x 1
ist primitiv-rekursiv, denn es gilt:
pre = T/
_
O
0
,
2
1

(14.6)
h) Die Subtraktion minus : N
0
N
0
N
0
deniertt durch
minus(x, y) =
_
x y, x y
0, x < y
ist primitiv-rekursiv, denn es gilt:
minus = T/
_
id, (
_
pre;
3
3

(14.7)
i) Die Potenzfunktion exp : N
0
N
0
N
0
deniert durch
exp(b, x) = b
x
138 KAPITEL 14. BERECHENBARE FUNKTIONEN
ist primitiv-rekursiv, denn es gilt:
exp = T/
_
1, (
_
mult;
3
1
,
3
3

(14.8)
j) Die Signumfunktion sign : N
0
N
0
deniert durch
sign(x) =
_
1, x > 0
0, x = 0
ist primitiv-rekursiv, denn es gilt
sign = (
_
minus;
1
1
, pre

(14.9)
oder in

ublicher Notation
sign(x) = x pre(x)
k) Der Test auf Gleichheit equal : N
0
N
0
N
0
deniert durch
equal (x, y) =
_
1, x = y
0, x ,= y
ist primitiv-rekursiv, denn es gilt
equal = (
_
minus; 1, (
_
sign; (
_
add; (
_
minus;
2
1
,
2
2

, (
_
minus;
2
2
,
2
1

(14.10)
oder in ublicher Notation
equal (x, y) = 1 sign((x y) + (y x))
2

Ubung 14.1. a) Berechnen Sie mit dem Schema (14.4) mult(3, 2)!
b) Berechnen Sie mit dem Schema (14.6) pre(3)!
c) Berechnen Sie mit dem Schema (14.7) minus(5, 2)!
d) Berechnen Sie mit dem Schema (14.8) exp(2, 3)! 2

Ubung 14.2. a) Geben Sie eine primitv-rekursive Funktion an, die die Funktion sum : N
0
N
0
deniert durch
sum(n) =
n

i=0
i
berechnet!
b) Geben Sie eine primitv-rekursive Funktion an, die die Funktion ! : N
0
N
0
deniert durch
n! =
_
1, n = 0
n(n 1)!, n 1
berechnet! 2
14.2. -REKURSION 139
read(x
1
, . . . , x
k
);
y := 0;
while f(x
1
, . . . , x
k
, y) ,= 0 do
y := y + 1
endwhile;
write(y)
Abbildung 14.2: -Rekursion als Wiederholungsschleife.
14.2 -Rekursion
Die Grundfunktionen, Nullfunktionen, Projektionen und Nachfolgerfunktion, sind totale Funktio-
nen. Die Komposition und die primitive Rekursion erhalten diese Eigenschaft, d.h. jedes Element
von Tist eine totale Funktion. Es gibt aber Funktionen, die wir sicherlich als berechenbar ansehen,
die aber nicht total deniert sind. Beispiele sind die Wurzelfunktionen und die Logarithmen. Die
Quadratwurzel etwa ist nur auf Quadratzahlen deniert und der Logarithmus zur Basis zwei nur f ur
Zweierpotenzen. Diese nur partiell denierten Funktionen konnen also nicht primitiv-rekursiv sein.
Wir benotigen also noch ein weiteres Konzept, mit denen auch nicht totale Funktionen berechnet
werden konnen.
Denition 14.2. Sei f : N
k+1
0
N
0
, dann ist die Funktion [f] : N
k
0
N
0
deniert durch -Rekursion
[f] (x
1
, . . . , x
k
) =
min z [ (x
1
, . . . , x
n
, y) Def (f) f ur y z und f(x
1
, . . . , x
k
, z) = 0
Das Ergebnis der -Rekursion auf f ist also das kleinste z mit f(x
1
, . . . , x
k
, z) = 0 unter der
Voraussetzung, dass f(x
1
, . . . , x
k
, y) f ur y z deniert ist. 2
Die -Rekursion kann als mathematische Abstraktion von Wiederholungsschleifen (While-Schleifen)
in prozeduralen Programmiersprachen betrachtet werden. y ist die Schleifenvariable, die mit Null
beginnend hoch gezahlt wird, und in jedem Schleifendurchlauf wird gepr uft, ob f(x
1
, . . . , x
k
, y) = 0
ist. Falls das zutrit, ist z = y, die Anzahl der Schleifendurchlaufe, das Ergebnis der Schleife. Falls
die Bedingung nicht erreicht wird, dann terminiert die Schleife nicht, d.h. [f] (x
1
, . . . , x
k
ist nicht
deniert.
In einer prozeduralen Programmiersprache konnte die Schleife [f] (x
1
, . . . , x
k
) wie in Abbildung
14.2 dargestellt aussehen.
Denition 14.3. Die Klasse der -rekursiven Fuktionen ist die kleinste Menge von Funktionen
f : N
k
0
N
0
, k 0, die alle Grundfunktionen (Nullfunktionen, Projektionen, Nachfolgerfunktion)
enthalt und die unter Komposition, primitver Rekursion und Anwendung des -Operators abge-
schlossen ist. 2
Beispiel 14.2. a) Die Funktion sub : N
0
N
0
N
0
deniert durch
sub(x, y) =
_
x y, x y
, x < y
ist -rekursiv. Dazu betrachten wir folgende Funktion f : N
0
N
0
N
0
N
0
deniert durch
f(x, y, d) = sign(x y)(x (y +d)) + sign(y x)
140 KAPITEL 14. BERECHENBARE FUNKTIONEN
read(x, y);
d := 0;
while sign(x y)(x (y +d)) + sign(y x) ,= 0 do
d := d + 1
endwhile;
write(d)
Abbildung 14.3: Berechnung der Funktion sub durch -Rekursion.
dabei soll

die Funktion minus aus Beispiel 14.1 h) darstellen. Die Funktionen sign, minus, add
und mult sind primitiv-rekursiv (siehe Beispiel 14.1), also ist auch die Funktion f primitiv-rekursiv.
Es z.B.
f = C
h
add; C
h
mult; C
h
sign; C
h
minus;
3
1
,
3
2
ii
, C
h
minus;
3
1
, C
h
add;
3
2
,
3
3
iii
, C
h
sign; C
h
minus;
3
2
,
3
3
iii
Wir betrachten drei Falle: x = y, x > y und x < y.
Ist x = y, dann ist f(x, y, d) = 0 f ur alle d N
0
.
Ist x > y, dann ist sign(x y) = 1, sign(y x) = 0 und (x (y +d)) > 0 f ur d < x y, d.h. es
ist f(x, y, d) = 1 f ur d < x y und f(x, y, , x y) = 0.
Ist x < y, dann ist sign(x y) = 0 und sign(y x) = 1 f ur alle d N
0
, d.h. es ist f(x, y, d) = 1
f ur alle d N
0
.
Aus diesen

Uberlegungen folgt, dass
sub = [f] (14.11)
ist.
Betrachten wir das Muster von Abbildung 14.2, dann wird sub von dem in Abbildung 14.3
dargestellten Programm berechnet. Falls x y ist, dann wird d so lange hoch gezahlt, bis d = xy
ist, und d wird ausgegeben. Ist x < y, dann terminiert die Schleife nicht, d.h. f ur die Eingabe (x, y)
erfolgt keine Ausgabe.
b) Die Funktion

: N
0
N
0
deniert durch

x =
_
y, falls x = y
2
, sonst
ist -rekursiv. Dazu setzen wir f(x, y) = x y
2
, dabei sei

eine Darstellung f ur die Funktion


sub. f ist eine -rekursive Funktion, denn es gilt
f = (
_
sub;
2
1
, (
_
sqr;
2
2

Wir konnen nun zu gegebenem x die Quadratwurzel berechnen, indem wir y beginnend bei
Null hoch zahlen und dabei testen, ob x = y
2
ist. Falls das erreicht wird, ist y =

x, ansonsten
terminiert das Verfahren nicht. Es gilt

= [f] =
_
(
_
sub;
2
1
, (
_
sqr;
2
2

(14.12)
Abbildung 14.4 zeigt eine Implementierung dieses Verfahrens.
14.2. -REKURSION 141
read(x);
y := 0;
while x y
2
,= 0 do
y := y + 1
endwhile;
write(y)
Abbildung 14.4: Berechnung der Funktion

durch -Rekursion.
read(b, x);
y := 0;
while x exp(b, y) ,= 0 do
y := y + 1
endwhile;
write(y)
Abbildung 14.5: Berechnung der Logarithmus-Funktion durch -Rekursion.
c) Die Funktion log : N
0
N
0
N
0
deniert durch
log(b, x) =
_
y, falls b
y
= x
, sonst
ist -rekursiv. Dazu setzen wir f(b, x, y) = x exp(b, y) (siehe Beispiel 14.1 i). f ist -rekursiv,
denn es gilt
f = (
_
sub;
3
2
, (
_
exp;
3
1
,
3
3

Wir konnen nun zu gegebenem b und x den Logarithmus von x zur Basis b berechnen, indem
wir y beginnend bei Null hoch zahlen und dabei testen, ob b
y
= x ist. Falls das erreicht wird, ist
y = log
b
x, ansonsten terminiert das Verfahren nicht. Es gilt
log = [f] =
_
(
_
sub;
3
2
, (
_
exp;
3
1
,
3
3

(14.13)
Abbildung 14.5 zeigt eine Implementierung dieses Verfahrens. 2

Ubung 14.3. Geben Sie eine -rekursive Funktion an, welche die Funktion
div : N
0
N
0
N
0
deniert durch
div(a, b) =
_

_
q, falls b ,= 0 und q, r N
0
existieren mit a = bq +r
und 0 r < b
, sonst
berechnet! 2

Ubung 14.4. Geben Sie eine -rekursive Funktion an, welche die Funktion
mod : N
0
N
0
N
0
142 KAPITEL 14. BERECHENBARE FUNKTIONEN
deniert durch
mod(a, b) =
_

_
r, falls b ,= 0 und q, r N
0
existieren mit a = bq +r
und 0 r < b
, sonst
berechnet! 2

Ubung 14.5. Geben Sie eine -rekursive Funktion an, welche die Funktion

: N
0
N
0
N
0
deniert durch
n

x =
_
y, falls x = y
n
, sonst
berechnet! 2
14.3 Berechenbarkeit, Churchsche These
Die -rekursiven Funktionen sind ein Konzept, um den Begri der Berechenbarkeit von Funktionen
f : N
k
0
N
0
mathematisch zu prazisieren.
1
Daneben gibt es eine Reihe weiterer Konzepte, wie z.B.
Turingmaschinen, Universelle Registermaschinen, Goto-Programme, While-Programme, Markov-
Algorithmen, -Kalk ul. Obwohl diese Konzepte teilweise auf sehr unterschiedlichen Ansatzen ba-
sieren, kann gezeigt werden, dass sie alle dieselbe Klasse von Funktionen f [ f : N
k
0
N
0
, k 0
als berechenbar festlegen. Diese

Aquivalenz der Berechenbarkeitskonzepte ist die Begr undung f ur
die Churchsche These.
2
Churchsche These Die Klasse der -rekursiven Funktionen ist genau die Klasse der im Churchsche
These
intuitiven Sinne berechenbaren Funktionen. 2
Wir bezeichnen mit Partiell be-
rechenbare
Funktion
T = f [ f : N
k
0
N
0
, k 0, f ist im intuitiven Sinn berechenbar
die Klasse der partiell berechenbaren Funktionen. Die Churchsche These besagt, dass = T ist.
Zu Beginn von Kapitel 14.2 haben wir bereits festgestellt, dass T, die Klasse der primitiv-
rekursiven Funktionen, eine echte Teilklasse von T ist: T T.
Des Weiteren haben wir dort uberlegt, dass alle primitiv-rekursiven Funktionen total sind. Wenn
wir mit die Klasse der total berechenbaren Funktionen bezeichnen, dann gilt also T . Die
Frage ist, ob auch die Umkehrung gilt, d.h., ob alle total berechenbaren Funktionen auch primitiv-
rekursiv sind. In den ersten Jahren der Berechenbarkeitstheorie gab es Vermutungen in diese Rich-
tung. Doch F.W. Ackermann
3
konnte 1926 (veroentlicht 1928) eine Funktion angeben, die total Ackermannfunktion
1
Dieser Ansatz geht auf Stephen C. Kleene (1909 1998) zur uck, einem amerikanischen Mathematiker und Logiker,
der fundamentale Beitrage zur Logik und zur Theoretischen Informatik geliefert hat.
2
Diese These wurde vorgeschlagen und begr undet von Alonzo Church (1903 1995), amerikanischer Mathematiker
und Logiker, der, wie sein Sch uler Kleene, wesentliche Beitrage zur mathematischen Logik und Berechenbarkeits-
theorie geleistet hat. Auf Church geht auch das Berechenbarkeitskonzept des -Kalk uls zur uck.
14.3. BERECHENBARKEIT, CHURCHSCHE THESE 143
berechenbar, aber nicht primitiv-rekursiv ist. Ackermanns Idee war, eine Folge stark anwachsender
Funktionen
i
(a, b), i 0, rekursiv wie folgt festzulegen:
b + 1, a +b, a b, a
b
, . . . (14.14)
Diese Folge hat die Eigenschaft, dass bei jedem Glied die Operation des vorherigen Gliedes (b 1)-
mal auf a angewandt wird. So bedeutet a +b, dass (b 1)-mal 1 zu a + 1 addiert wird:
a +b = a + 1 +1 + 1 +. . . + 1
. .
(b1)-mal
a b bedeutet, dass (b 1)-mal a zu a addiert wird:
a b = a +a +a +. . . +a
. .
(b1)-mal
Und a
b
bedeutet, dass (b 1)-mal a mit a multipliziert wird:
a
b
= a a a . . . a
. .
(b1)-mal
F ur das nachste Folgenglied gibt es keine gangige mathematische Notation. Deshalb ist in (14.14)
an der Stelle . . . angegeben. Dieses Folgendglied ergibt sich, indem (b 1)-mal a mit sich selbst
fortgesetzt potenziert wird:
a
a

a
Ackermann beschrieb diese Folge mit der Funktion : N
0
N
0
N
0
N
0
, deren drittes Argument
die entsprechende Nummer des Gliedes in der Folge (14.14) angibt, d.h. (a, b, i) =
i
(a, b):
(a, b, 0) = b + 1
(a, b, 1) = a +b
(a, b, 2) = a b
(a, b, 3) = a
b
/a, b, 4) = . . .
Rozsa Peter
4
konnte 1955 eine vereinfachte Denition der Ackermannfunktion angeben. Ihre
Denition dieser Funktion ist die, die wir bereits aus Deniton 13.1 auf Seite 124 kennen. Diese
Denition kommt ohne informelle Beschreibung der fortgesetzten Denition der Folgenglieder bzw.
ohne Einf uhrung neuer mathematischer Operationen zu deren formalen Beschreibung aus.
Es kann nun zum einen gezeigt werden, dass die in Kapitel 13.3 auf der Basis der Ackermann-
funktion denierte Funktion ack (siehe Gleichung (13.7)auf Seite 125) total berechenbar ist, und
zum anderen, dass diese Funktion starker wachst, als alle primitiv-rekursiven Funktionen.
3
Friedrich Wilhelm Ackermann (1896 - 1962) lieferte wichtige Beitrage zu mathematischen Grundlagen, zur ma-
thematischen Logik und zur Rekursionstheorie.
4
Die ungarische Mathematikerin Rozsa Peter (1905 - 1977) lieferte wesentliche Beitrage zur Theoreie der rekursiven
Funktionen.
144 KAPITEL 14. BERECHENBARE FUNKTIONEN
Satz 14.1. Zu jeder primitv-rekursiven Funktion f : N
0
N
0
existiert ein x
f
N
0
, so dass
ack(x) > f(x) f ur alle x x
f
ist. 2
Folgerung 14.1. a) Es ist ack T.
b) Es gilt T sowie
c) T T. 2
Wir werden in Kapitel 14.5 noch sehen, dass T f [ f : N
k
0
N
0
, k 0 ist, d.h. es gibt
Funktionen, die nicht berechenbar sind, und wir werden auch ein Beispiel einer solchen Funktion
angeben.
14.4 utm- und smn-Theorem
Das Berechenbarkeitskonzept der -rekursiven Funktionen erf ullt (wie auch die anderen erwahnten Anforderungen
an
Berechenbarkeits-
konzepte
Konzepte) zwei wesentliche Anforderungen, die man sowohl aus theoretischer als auch aus prakti-
scher Sicht an solche Konzepte stellen kann:
(1) die Existenz einer berechenbaren universellen Funktion und
(2) die Moglichkeit der Parametrisierung.
Um diese beiden Anforderungen zu beschreiben und zu analysieren, nehmen wir eine Nummerierung
der Menge T der partiell berechenbaren Funktionen vor. Wenn wir uns noch einmal die Beispiele in
den Kapiteln 14.1 und 14.2 ansehen, konnen wir feststellen, dass -rekursive Funktionen syntaktisch
betrachtet Zeichenketten sind, die aus Symbolen f ur die Namen der Grundfunktionen, aus Symbolen
f ur die Komposition, die primitive Rekursion und die -Rekursion sowie aus eckigen Klammern
bestehen, auerdem kommen Kommata und das Semikolon vor.
F ur die folgenden Betrachtungen wollen wir die Exponenten bzw. Indizes bei den Nullfunktionen
O
k
, k 0, und den Projektionen
k
i
, 1 i k, k 1, mithilfe der

Bierdeckelnotation codieren,
indem wir folgende Darstellungen vornehmen:
O
k
O[
k
, k 0

k
i
[
k
#[
i
, 1 i k, k 1
Es wird also z.B. O
3
durch O[[[ und
5
2
durch [[[[[#[[ codiert.
Mit diesen Darstellungen der Nullfunktionen und der Projektionen konnen wir nun -rekursive
Funktionen syntaktisch als Worter uber dem folgenden 12-elementigen Alphabet auassen:
= [, #, O, , , (, T/, , [, ] , ; ,
,

Mit diesem Alphabet haben wir also eine Codierung


:
+
festgelegt. F ur die im Beispiel 14.1 d) programmierte Funktion
add = T/
_

1
1
, (
_
;
3
3

14.4. UTM- UND SMN-THEOREM 145


([) = 1 () = 4 (T/) = 7 ( ]) = 10
(#) = 2 () = 5 () = 8 (; ) = 11
(O) = 3 (() = 6 ([ ) = 9 (
,
) = 12
Tabelle 14.1: Denition der Bijektion .
gilt z.B.
(add) = T/[[#[, ( [; [[[#[[[]]
Jetzt gehen wir noch einen Schritt weiter und ordnen den Buchstaben dieses Alphabetes in der
aufgezahlten Reihenfolge die Zahlen 1, 2, . . . , 12 zu, d.h. wir verwenden z.B. die Bijektion
: 1, 2, . . . , 12
deniert durch die Tabelle 14.4. Daraus ergibt sich folgendermaen eine Nummerierung der Worter
uber : Es sei p
i
P die i-te Primzahl, dann sei die Abbildung
g :
+
N
deniert durch
g(x
1
. . . x
n
) = p
(x1)
1
. . . p
(xn)
n
Betrachten wir als Beispiel (siehe Beispiel 14.1 c) die Funktion
id =
1
1
Es gilt
(id) = [#[
und
g([#[) = 2
4
3
1
5
2
7
1
= 8 400
d.h. der Funktion id wird die Nummer 8 400 zugeordnet. Betrachten wir als weiteres Beispiel (siehe
Beispiel 14.1 b) die Funktion
1 = (
_
; O
0

Es gilt
(1) = (
_
; O
0

und
g
_
(
_
; O
0
_
= 2
6
3
9
5
5
7
11
11
3
13
10
= 1 428 273 264 576 872 238 279 737 182 200 000
d.h. der Funktion 1 wird die Nummer 1 428 273 264 576 872 238 279 737 182 200 000 zugeordnet.
Man sieht, dass durch die Funktion
: N
deniert durch
= g
146 KAPITEL 14. BERECHENBARE FUNKTIONEN
den -rekursiven Funktionen sehr groe Zahlen zugeordnet werden konnen.
Die Funktion ist injektiv und damit umkehrbar. Zu einer Zahl n N, die die Nummer einer
-rekursiven Funktion f ist, kann f =
1
(n) berechnet werden. n muss in seine Primfaktoren
zerlegt werden, diese werden der Groe nach geordnet und gleiche Faktoren werden zu Potenzen
zusammengefasst. Diese sogenannte kanonische Faktorisierung nat urlicher Zahlen ist eindeutig. Be-
trachten wir als Beispiel die Zahl
172 821 065 013 801 540 831 848 199 046 200 000
Ihre kanonische Faktorisierung ist
2
6
3
9
5
5
7
11
11
5
13
10
woraus mithilfe der Tabelle 14.4 die -rekursive Funktion
( [; ]
ergibt.
Die Funktion ist nicht surjektiv, d.h. ihre Umkehrung
1
ist nicht total, d.h. es gibt Zahlen
n N, die nicht Nummer einer -rekursiven Funktion sind, wie z.B. die Zahl 30 oder alle Primzahlen
groer als 5. 30 hat die Faktorisierung 2
1
3
1
5
1
, woraus sich gema Tabelle 14.4 die Zeichenkette
[[[ ergibt, die keine -rekursive Funktion darstellt.
Wir konnen die Funktion
1
aber zu einer surjektiven Funktion erganzen, indem wir allen Zah-
len, die nicht Nummer einer -rekursiven Funktion sind, irgendeiner -rekursive Funktion zuordnen.
Als solche Funktion konnen wir z.B.
: N
0
N
0
deniert durch
(n) =
wahlen. Es gilt D() = , ist die

nirgends denierte Funktion. ist -rekursiv, denn f ur


f = (
_
add; (
_
;
2
2

,
2
1

gilt
5
= [f]
Jetzt konnen wir folgende total denierte Umkehrung der Funktion
1
denieren:
h : N
mit
h(i) =
_
f, falls i W() und (f) = i
, sonst
Die Funktion stellt im

Ubrigen eine sogenannte Godelisierung dar. Darauf gehen wir im Kapitel Godelisie-
rung
14.5 noch naher ein.
5
In ublicher Notation ist f(x, y) = (y) + x.
14.4. UTM- UND SMN-THEOREM 147
Mithilfe der obigen

Uberlegungen bekommen wir eine Nummerierung
: N
0
T
der partiell berechenbaren Funktionen:
(i) = f genau dann, wenn h(i) die Funktion f berechnet
Es ist also (i) = f genau dann, wenn f von der -rekursiven Funktion berechnet wird, die durch
die Nummer i codiert ist.
Im Folgenden schreiben wir, falls (i) = f und f eine k-stellige Funktion f : N
k
0
N
0
ist,
i
= f
anstelle von (i) = f, um

doppelte Argumentezu vermeiden:


i
(x
1
, . . . , x
k
) = f(x
1
, . . . , x
k
)
anstelle von (i)(x
1
, . . . , x
k
) = f(x
1
, . . . , x
k
).
Die Nummerierung (N
0
, T, ) kann als Programmiersprache aufgefasst werden: Jedes i N
0
Nummerierung
Programmier-
sprache
stellt ein Programm (genauer nat urlich eine -rekursive Funktion) dar, und ordnet jedem Pro-
gramm (genauer der -rekursiven Funktion mit der Nummer) i seine Bedeutung
i
= f zu, namlich
die Funktion, die von diesem Programm (von dieser -rekursiven Funktion) berechnet wird.
6
Der folgende Satz, das so genannte utm-Theorem besagt, dass die Nummerierung (N
0
, T, ) die
Anforderung (1) von Seite 144 erf ullt.
Satz 14.2. Es sei (N
0
, T, ) eine Nummerierung. Dann gibt es eine berechenbare Funktion u

T utm-
Theorem
mit
u

(i, x) =
i
(x)
2
u

heit universelle Funktion von (N


0
, T, ). Da u

T ist, gibt es eine -rekursive Funktion, Universelle


Funktion
die u

berechent, d.h. es gibt eine -rekursive Funktion U

, die alle -rekursiven Funktionen


f berechnet: U

(f, x) = f(x).
Die universelle Funktion kann also alle berechenbaren Funktionen berechnen. Das entspricht dem
Konzept des universellen Rechners (genauer: eines universellen Programms), der alle Programme
ausf uhren kann. Wenn man sich vorstellt, dass ein Berechenbarkeitskonzept, keine universelle Funk-
tion ermoglicht, bedeutet dies, dass man f ur jedes Programm einen eigenen Rechner bauen m usste,
um dieses auszuf uhren. Das ware wahrscheinlich sehr m uhsam, und die entsprechende Technologie
hatte sicher nicht den Erfolg gehabt, die unsere bekannte IT-Technologie hat, die ganz wesentlich
auf der Existenz universeller Maschinen beruht.
Anforderung (2) (siehe Seite 144), die Moglichkeit der Parametrisierung, bedeutet, dass Pro-
gramme Eingaben enthalten, die als Daten oder als Programme interpretiert werden konnen. Be-
trachten wir etwa die Multiplikationsfunktion mult : N
0
N
0
N
0
deniert durch mult(x, y) = x y
(siehe (13.3) auf Seite 121 sowie Beispiel 14.1 e) auf Seite 136). Dann konnen f ur x und y Zahlen
eingesetzt werden, aber es konnen auch Funktionen eingesetzt werden, wie z.B. x = (a + b)
2
und
y = (c d). Damit ergibt sich die neue Funktion m : N
4
0
N
0
deniert durch m(a, b, c, d) =
6
Nachdem man sich den Unterschied zwischen der -rekursiven Funktion f R mit der Nummer i (es ist also
(f) = i) und der Funktion f

P, die von f berechnet wird (es ist also


i
= f

), klar gemacht hat, unterscheidet man


im ublichen Sprachgebrauch nicht mehr zwischen f und f

und spricht von der

i-ten berechenbaren Funktionoder


vom

i-ten Programmoder von der

Funktion mit der Nummer i.


148 KAPITEL 14. BERECHENBARE FUNKTIONEN
mult((a+b)
2
, (c d)) = (a+b)
2
(c d) bzw. m(a, b, c, d) = mult(sqr(add(a, b)), minus(c, d)). Durch
Funktionen als aktuelle Parameter wird also aus
mult = T/
_
O
1
, (
_
add;
3
1
,
3
3

die neue Funktion


m = (
_
mult; (
_
sqr; (
_
add;
4
1
,
4
2

, (
_
minus;
4
3
,
4
4

generiert.
Das allgemeine Prinzip dieser Moglichkeit zur Parametrisierung beschreibt der folgende Satz,
das so genannte smn-Theorem.
Satz 14.3. Es sei (N
0
, T, ) eine Nummerierung. Dann gibt es f ur alle i N
0
sowie f ur alle smn-
Theorem
(x
1
, . . . , x
m
) N
m
0
und (y
1
, . . . , y
n
) N
n
0
eine total berechenbare Funktion s : N
m+1
0
N
0
, so dass

i
(x
1
, . . . , x
m
, y
1
, . . . , y
n
) =
s(i,x1,...,xm)
(y
1
, . . . , y
n
)
gilt. 2
Die Parameter x
1
, . . . , x
m
konnen als Programme interpretiert werden. Die Funktion s generiert
aus dem Progamm i und den Programmen x
1
, . . . , x
m
das Programm s(i, x
1
, . . . , x
m
). Wichtig ist,
dass dieser Generator allgemein existiert, d.h. f ur alle i und alle (x
1
, . . . , x
m
).
Angewendet auf unser obiges Beispiel ware i die Codierung der -rekursiven Funktion f ur mult,
x
1
die Codierung der -rekursiven Funktion f ur ( [sqr; add], x
2
die Codierung der -rekursiven
Funktion f ur minus, y
1
= a, y
2
= b, y
3
= c und y
4
= d. Die Funktion s w urde dann aus den
Codierungen von mult, ( [sqr; add] und minus die Codierung von m generieren.
14.5 Aufzahlbare und entscheidbare Mengen
Im Kapitel 14 haben wir den Begri der Berechenbarkeit f ur Funktionen f : N
k
0
N
0
einf uhrend
betrachtet. Wir werden diesen Begri nun auf Mengen ubertragen, wobei in diesen Zusammen-
hang von Entscheidbarkeit von Mengen gesprochen wird. Wir werden unterschiedliche Grade von
Entscheidbarkeit kennenlernen, und wir werden Zusammenhange zur Abzahlbarkeit von Mengen
herstellen, wobei wir dabei von berechenbaren Abzahlungen, sogenannten Aufzahlungen ausgehen
werden. Des Weiteren werden wir nicht berechenbare Funktionen und nicht entscheidbare Mengen
kennenlernen.
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
x
Kapitel 15
Zusammenfassung und

Ubungen
15.1 Zusammenfassung
Induktion und Rekursion sind elementare Prinzipien sowohl f ur die Denition von Mengen, Rela-
tionen, Funktionen und Strukturen als auch f ur das Losen von Problemen.
Die Vollstandige Induktion ist eine Methode, mit der man beweisen kann, dass ein Pradikat P auf
die Menge aller nat urlichen Zahlen groer gleich einer Zahl n
0
zutrit (zumeist ist n
0
= 0 oder n
0
=
1). Ein Beweis mit Vollstandiger Induktion besteht aus zwei Schritten, aus dem Induktionsanfang
und dem Induktionsschritt. Mit dem Induktionsanfang wird gezeigt, dass P(n
0
) gilt. MIt dem
Induktionsschritt wird gezeigt, dass unter der Annahme, dass P(n) (die Induktionsannahme) gilt,
auch P(n + 1) (die Induktionsbehauptung) gilt.
Mit einem verallgemeinerten Rekursionsschema f ur eine Menge M werden zunachst Elemen-
te von M explizit festgelegt (Rekursionsanfang). Dann wird ein Pradikat angegeben, welches be-
schreibt, wie aus bereits vorhandenen Elementen von M deren weitere Elemente bestimmt werden
konnen (Rekursionschritt).
Ein Beispiel f ur eine rekursiv denierte Menge, ist die Menge der aussagenlogischen Ausdr ucke
/ in Kapitel 2. Aussagenlogische Konstanten und Variablen werden als gegebene aussagenlogi-
sche Ausdr ucke angesehen (Rekursionsanfang), und aus gegebenen sowie bereits konstruierten Aus-
dr ucken werden durch Verkn upfung mit Operatorsymbolen weitere Ausdr ucke gebildet (Rekursion-
schritt).
Dass eine Eigenschaft P auf alle Elemente einer mit einem solchen Rekursionsschema denierten
Menge zutrit, kann nun durch verallgemeinerte Induktion gezeigt werden. Im Induktionsanfang
wird gezeigt, dass P auf die explizit angegebenen Elemente zutrit. Im Induktionsschritt wird
gezeigt, dass unter der Voraussetzung, dass P auf Elemente von M zutrit, P auch auf die gema
dem Rekursionsschema aus diesen Elementen konstruierbaren Elemente zutrit. Dann gilt, dass P
auf alle Elemente der Menge zutrit.
Ein Beispiel ist die Eigenschaft der aussagenlogischen Ausdr ucke, dass in ihnen die Anzahl
der onenden Klammern gleich der Anzahl der schlieenden Klammern ist. Im Induktionsanfang
zeigt man, dass die Eigenschaft auf alle explizit gegebenen Ausdr ucke (Konstanten und Variablen)
zutrit. Im Induktionsschritt zeigt man, dass, wenn zwei Ausdr ucke diese Eigenschaft besitzen, auch
die gema dem Rekursionsschema aus diesen beiden Ausdr ucken konstruierbaren Ausdr ucke diese
149
150 KAPITEL 15. ZUSAMMENFASSUNG UND

UBUNGEN
Eigenschaft besitzen.
Die Fibonacci-Folge und die Ackermannfunktion sind bekannte und bedeutende Beispiele f ur
rekursiv denierte Funktionen. Die Fibonacci-Folge hat nicht nur einen historisch unterhaltsamen
Ursprung (Wachstum von Kaninchen-Populationen), sondern mit ihr und Varianten von ihr konnen
Phanomene in vielen Bereichen von Mathematik, Informatik und Naturwissenschaften beschrieben
und analysiert werden, und nicht zuletzt besteht ein enger Zusammenhang zum Goldenen Schnitt,
einem Proportionalverhaltnis, welches in der

Asthetik eine groe Rolle spielt.
Die Ackermannfunktion ist wegen ihres enormen Wachstumsverhaltens von groer Bedeutung.
Sie ist ein Beispiel f ur eine total berechenbare Funktion, die nicht mit Zahlschleifen berrechnet
werden kann, denn man kann zeigen, dass sie schneller als alle primtiv-rekursiven Funktionen wachst.
Mithilfe eines verallgemeinerten Rekursionsschemas kann auch der Begri der Berechenbarkeit
einer Funktion f : N
k
0
N
0
deniert werden. Als berechenbar werden sehr einfache, elementare
Funktionen (Grundfunktionen) angesehen wie die Nullfunktion, die Projektionen und die Nach-
folgerfunktion. Mithilfe von Operatoren wie Komposition, primitive Rekursion und -Rekursion
werden aus berechenbaren Funktionen neue berechenbare Funktionen konstruiert. Eine Funktion
f : N
k
0
N
0
wird als partiell berechenbar bezeichnet, falls es eine -rekursive Funktion gibt, die f
berechnet.
Neben den -rekursiven Funktionen gibt es weitere, davon und untereinander verschiedene
Ansatze, den Begri der Berechenbarkeit zu denieren (z.B. Turingmaschinen, Universelle Regi-
stermaschinen, Goto-Programme, While-Programme, Markov-Algorithmen, -Kalk ul). Man kann
zeigen, dass alle diese Konzepte aquivalent sind, d.h. sie beschreiben alle dieselbe Klasse von Funk-
tionen, namlich die Klasse T der partiell berechenbaren Funktion. Dies ist die Begr undung f ur
die Churchsche These, die besagt, dass T mit der Klasse der Funktionen ubereinstimmt, die man
intuitiv als berechenbar ansieht.
Die Klasse T der primitiv-rekursiven Funktionen besteht aus den Funktionen, die sich aus
den Grundfunktionen und der Anwendung von Komposition und primitver Rekursion ergibt. Diese
Funktionen sind alle total deniert. Es gibt Funktionen, wie die Ackermannfunktion, die total bere-
chenbar sind, aber nicht primitv-rekursiv. Wenn die Klasse der total berechenbaren Funktionen
ist, dann gilt: T T.
Die -rekursiven Funktionen erf ullen zwei wesentliche Anforderungen, die an Berechenbarkeits-
konzepte sinnvollerweise gestellt werden konnen: die Existenz einer berechenbaren universellen
Funktion und die Moglichkeit der Parametrisierung.
Eine berechenbare universelle Funktionen kann alle anderen berechenbaren Funktionen berech-
nen, sie ist die Grundlage f ur die Existenz universeller Rechner, welche alle Programme ausf uhren
konnen.
Die Parametrisierung erlaubt eektives Programmieren, d.h. Programme konnen nicht nur Da-
ten als Eingaben haben, sondern auch Programme, wodurch neue Programme entstehen. In der
Konsequenz besteht prinzipiell bei Eingaben kein Unterschied zwischen Daten und Programme.
15.2

Ubungen
1. Beweisen Sie mithilfe vollstandiger Induktion folgende Pradikate:
(1) n N:

n
i=1
2(i 1) = n
2
,
15.2.

UBUNGEN 151
(2) Sei q R, q ,= 1, dann gilt n N
0
:

n
i=0
q
i
=
1q
n+1
1q
,
(3) Sei x, y Z, dann gilt n N
0
:
x
n
y
n
xy
Z.
2. Zeigen Sie, dass f ur die Folge der Fibonacci-Zahlen folgende Gleichungen gelten:
(1) n N: F
1
+F
3
+. . . +F
2n1
= F
2n
,
(2) n N
0
: F
0
+F
2
+. . . +F
2n
= F
2n+1
1,
(3) n N: 1 +F
1
+F
2
+. . . +F
n
= F
n+2
,
(4) n N: F
n+1
F
n1
F
2
n
= (1)
n
.
3. Gilt N
0
: n
2
n + 41 P?
4. Die Fermat-Zahlen sind f ur n 0 deniert durch A
n
= 2
2
n
+1. Zeigen Sie, dass f ur alle n 1
gilt: A
0
A
1
. . . A
n1
= A
n
2.
5. Bei der Fibonacci-Folge werden die Kaninchen als unsterblich vorausgesetzt. Eine unrealis-
tische Annahme, die Mathematikerinnen und Mathematiker im

Ubrigen (oft) machen, um zu
eleganten Losungen oder Theorien zu gelangen. Informatikerinnen und Informatiker m ussen
realistischer sein und sollten von der Sterblichkeit der Kaninchenpaare ausgehen.
Nehmen wir um uberhaupt zu ersten Losungsansatzen zu kommen wieder vereinfachend
an, dass alle Kaninchen nach jeweils k Monaten sterben. Wie lautet nun eine Rekursionglei-
chung f ur die Anzahl der Paare F
n
nach n Monaten? F ur welche k konnen Sie analog zur
Denition (13.4) auf Seite 122 eine geschlossene Formel zur Berechnung von F
n
angeben?
Welches Wachstum hat F
n
f ur diese k?
6. Beweisen Sie die Folgerungen 13.1 (Seite 124)!
7. Die Menge / der arithmetischen Ausdr ucke uber N
0
kann induktiv wie folgt deniert werden:
(i) a N
0
a /: Jede nat urliche Zahl a ist ein arithmetischer Ausdruck.
(ii) x, y / (x+y), (x y) /: Sind x und y arithmetische Ausdr ucke, dann auch (x+y)
und (x y).
(iii) Genau die gema den Regeln (i) und (ii) bildbaren Ausdr ucke gehoren zu /.
Beweisen Sie: In jedem Ausdruck von / ist die Anzahl von Zahlen aus N
0
um 1 hoher als die
Anzahl der Operatorsymbole + oder .
8. Die Relation R N
0
N
0
sei induktiv deniert durch:
(i) Es ist (0, 0) R und (1, 1) R.
(ii) (x, y) R (x, y + 2) R (x + 2, y) R.
Beweisen Sie: (x, y) N
0
N
0
: mn G.
9. Denieren Sie die n-te Potenz von Wortern rekursiv!
10. Geben Sie eine rekursive Denition f ur eine Funktion an, welche alle Worter uber einem
gegebenen Alphabet spiegelt!
152 KAPITEL 15. ZUSAMMENFASSUNG UND

UBUNGEN
11. Geben Sie eine rekursive Denition der Funktion anz :

N
0
an, so dass anz (w, a)
angibt, wie oft der Buchstabe a im Wort w vorkommt.
12. Beweisen Sie Folgerung 13.2 auf Seite 131!
13. Geben Sie eine primitv-rekursive Funktion an, die die Funktion sum : N
0
N
0
deniert
durch
sum(n) =
n

i=0
i
berechnet!
14. Geben Sie eine primitv-rekursive Funktion an, die die Funktion ! : N
0
N
0
deniert durch
n! =
_
1, n = 0
n(n 1)!, n 1
berechnet!
15. Geben Sie eine -rekursive Funktion an, welche die Funktion div : N
0
N
0
N
0
deniert
durch
div(a, b) =
_

_
q, falls b ,= 0 und q, r N
0
existieren mit a = bq +r
und 0 r < b
, sonst
berechnet!
16. Geben Sie eine -rekursive Funktion an, welche die Funktion mod : N
0
N
0
N
0
deniert
durch
mod(a, b) =
_

_
r, falls b ,= 0 und q, r N
0
existieren mit a = bq +r
und 0 r < b
, sonst
berechnet!
17. Geben Sie eine -rekursive Funktion an, welche die Funktion

: N
0
N
0
N
0
deniert durch
n

x =
_
y, falls x = y
n
, sonst
berechnet!
18. Geben Sie eine -rekursive Funktion an, welche die Funktion geq : N
0
N
0
N
0
deniert
durch
geq(x, y) =
_
1, falls x y
0, sonst
berechnet! Geben Sie -rekursive Funktionen f ur die analog denierten Funktionen , > und
< an!
15.2.

UBUNGEN 153
19. Geben Sie eine -rekursive Funktion an, welche die Funktion max : N
0
N
0
N
0
deniert
durch
max(x, y) =
_
x, falls x y
y, sonst
berechnet!
20. Geben Sie eine -rekursive Funktion an, welche die Funktion min : N
0
N
0
N
0
deniert
durch
min(x, y) =
_
x, falls x y
y, sonst
berechnet!
21. Geben Sie eine -rekursive Funktion an, welche die Funktion () : N
0
N
0
N
0
deniert
durch
_
n
k
_
=
_
n!
k!(nk)!
, n k
, sonst
berechnet!
154 KAPITEL 15. ZUSAMMENFASSUNG UND

UBUNGEN
Teil IV
Zahlenmengen
155
157
In den vorhergehenden Kapitelnn werden Zahlen und Zahlenmengen bereits verwendet, insbe-
sondere in vielen Beispielen, ohne dass diese vorher deniert werden. Da diese Zahlen und Zah-
lenmengen sowie arithmetische Operationen darauf wie Addition und Multiplikation den meisten
vertraut sein d urften, konnten wir sie dort ohne Weiteres als Beispiele verwenden.
Trotzdem wollen wir in diesem Teil noch etwas detaillierter auf die Zahlenmengen N (nat urliche
Zahlen), Z (ganze Zahlen), Q (rationale Zahlen) sowie R (reelle Zahlen)und C (komplexe Zahlen)
eingehen, indem wir diese schrittweise aufeinander aufbauend einf uhren und ihre elementaren Eigen-
schaften betrachten. Dies soll zur Wiederholung und Bewusstmachung der ublicherweise unbewusst
verwendeten Eigenschaften und Rechenregeln von bzw. mit Zahlen dienen.
Bei all diesen Betrachtungen verwenden wir als Hilfsmittel zur Denition von neuen Begrif-
fen und bei der Untersuchung derer Eigenschaften Konzepte und Methoden aus Teil I: Mengen,
Relationen und Funktionen sowie Notationen der Logik.
158
Kapitel 16
Die Menge der ganzen Zahlen
Wir haben im vorigen Kapitel gesehen, dass die Subtraktion x y in N
0
nur dann moglich ist,
falls x y ist. Wir werden nun eine neue Zahlenmenge einf uhren, in der wir sowohl die Menge der
nat urlichen Zahlen und das in dieser Menge mogliche Rechnen

wiedernden werden, in der wir


aber auch die Subtraktion ohne Einschrankung durchf uhren konnen. Des Weiteren werden wir die
Rechenregeln f ur diese neuen Zahlen auisten und uns mit der Frage nach der Abzahlbarkeit der
neuen Zahlenmenge beschaftigen.
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
verstehen, wie die ganzen Zahlen und das Rechnen mit diesen mithilfe einer geeigneten

Aqui-
valenzrelation auf den nat urlichen Zahlen eingef uhrt werden konnen,
die Rechenregeln f ur ganze Zahlen kennen,
die Abzahlbarkeit der Menge der ganzen Zahlen beweisen konnen.
16.1 Konstruktion der ganzen Zahlen
Wir werden die Menge der ganzen Zahlen Z mithilfe einer

Aquivalenzrelation uber Paaren von
nat urlichen Zahlen konstruieren.
Die Relation Z (N N) (N N) sei deniert durch:
(a, b) Z (c, d) genau dann, wenn a +d = b +c (16.1)
gilt. Die Relation Z verwendet nur bekannte Begrie: nat urliche Zahlen bzw. Paare von nat urlichen
Zahlen sowie die Addition von nat urlichen Zahlen.
Wir zeigen nun, dass Z eine

Aquivalenzrelation ist:
Z ist reexiv: F ur alle (a, b) N N gilt a + b = b + a, woraus mit (16.1) folgt, dass f ur alle
(a, b) N N gilt: (a, b) Z (a, b).
Z ist symmetrisch: Sei (a, b) Z (c, d), d.h. a + d = b + c. Mit den bekannten Rechenregeln folgt
daraus, dass c +b = d +a gilt, und hieraus mit (16.1), dass (c, d) Z (a, b) gilt.
159
160 KAPITEL 16. DIE MENGE DER GANZEN ZAHLEN
Z ist transititv: Sei (a, b) Z (c, d) und (c, d) Z (e, f), d.h. es ist a + d = b + c und c + f = d + e.
Hieraus folgt, dass (a +d) +(c +f) = (b +c) +(d +e) ist, und daraus folgt, dass a +f = b +e ist.
Mit (16.1) folgt (a, b) Z (e, f).
Wir wollen nun die

Aquivalenzklassen von Z bestimmen. Es gilt beispielsweise
[(7, 3)]
Z
= (7, 3), (5, 1), (6, 2), (8, 4), . . .
[(2, 2)]
Z
= (2, 2), (1, 1), (3, 3), (4, 4), . . .
[(1, 3)]
Z
= (2, 4), (3, 5), (4, 6), (5, 7), . . .
Wir wollen als Reprasentant jeder

Aquivalenzklasse das Paar wahlen, welches die Zahl 1 mindestens Konstruktion
von ZZZ
in einer Komponente enthalt. Dann gilt allgemein f ur a, b N mit a, b 2:
[(a, 1)]
Z
= (c, d) [ c = d + (a 1) (16.2)
[(1, 1)]
Z
= (x, x) [ x N (16.3)
[(1, b)]
Z
= (c, d) [ c + (b 1) = d (16.4)
was sich leicht mithilfe von (16.1) nachrechnen lasst.
Auf der Menge (N N)/Z der

Aquivalenzklassen f uhren wir Rechenoperationen, namlich die Rechenoperationen
f ur ganze
Zahlen
Addition , die Subtraktion sowie die Multiplikation , ein:
[(a, b)]
Z
[(c, d)]
Z
= [(a +c, b +d)]
Z
(16.5)
[(a, b)]
Z
[(c, d)]
Z
= [(a +d, b +c)]
Z
(16.6)
[(a, b)]
Z
[(c, d)]
Z
= [(ac +bd, bc +ad)]
Z
(16.7)
Es sei darauf hingewiesen, dass diese Rechenoperationen ausschlielich mit nat urlichen Zahlen und
den daf ur vollstandig denierten Operationen Addition + und Multiplikation deniert sind.
Bevor wir die neu denierten Rechenoperationen weiter betrachten, wollen wir zur Vereinfachung
den

Aquivalenzklassen Namen geben. Da a, b N mit a, b 2 ist, gilt a1, b1 N. Damit f uhren
wir folgende Bezeichnungen ein:
a 1 = [(a, 1)]
Z
0 = [(1, 1)]
Z
(16.8)
b 1 = [(1, b)]
Z
Es ist also z.B. 4 = [(5, 1)]
Z
und 2 = [(1, 3)]
Z
.
Wir wollen nun diese Bezeichner f ur die

Aquivalenzklassen ganze Zahlen nennen und die Menge
der ganzen Zahlen mit Z bezeichnen. Es ist also
Z = . . . , 3, 2, 1, 0, 1, 2, 3, . . .
Wir haben mithilfe der nat urlichen Zahlen, mit den auf diesen vollstandig denierten Operatio-
nen + und und mit der

Aquivalenzrelation Z die Zahlenmenge Z mit vollstandig auf ihr denierten
16.1. KONSTRUKTION DER GANZEN ZAHLEN 161
Operationen , und geschaen. In dieser neuen Rechenstruktur wollen wir ein paar Beispiele
rechnen:
[(7, 3)]
Z
[(9, 2)]
Z
= [(16, 5)]
Z
bzw. 4 7 = 11
[(7, 3)]
Z
[(9, 2)]
Z
= [(9, 12)]
Z
bzw. 4 7 = 3
[(7, 3)]
Z
[(3, 7)]
Z
= [(10, 10)]
Z
bzw. 4 4 = 0
[(7, 3)]
Z
[(9, 2)]
Z
= [(69, 41)]
Z
bzw. 4 7 = 28
[(7, 3)]
Z
[(3, 7)]
Z
= [(42, 58)]
Z
bzw. 4 4 = 16
Nun, spatestens an diesen Beispielen bemerken wir, dass es sich um die uns bekannten ganzen Zahlen
und f ur diese denierte Rechenoperationen Addition, Subtraktion und Multiplikation handelt. Wenn
wir x anstelle von x, x anstelle von x notieren und diese Zahlen positive ganze Zahlen bzw. negative
ganze Zahlen nennen, und auerdem + f ur , f ur sowie f ur schreiben, benutzen wir die uns
aus der Schule vertrauten Schreibweisen und Bezeichnungen f ur das Rechnen mit ganzen Zahlen.
Wir konnen zudem feststellen, dass die nat urlichen Zahlen den positiven Zahlen entsprechen Abgeschlos-
senheit von
Addition,
Multiplikati-
on und
Subtraktion
und dass wir den Zahlenraum der nat urlichen Zahlen um die 0 und die negativen ganzen Zahlen
erweitert haben. In diesem Zahlenraum ist nun im Gegensatz zu den nat urlichen Zahlen die
Subtraktion uneingeschrankt ausf uhrbar.
Dass die ganzen Zahlen eine Erweiterung der nat urlichen Zahlen darstellen, d.h. dass die positi-
ZZZ als Erwei-
terung
von N
0
N
0 N
0
ven ganzen Zahlen mit der auf ihnen denierten Addition und Multiplikation den nat urlichen Zahlen
mit ihrer Addition und Multiplikation entsprechen, also mathematisch gesprochen die Struktur-
gleichheit dieser beiden Rechenstrukturen, kann wieder mithilfe eines Isomorphismus beschrieben
werden. Dazu sei
Z
+
= [(a, 1)]
Z
[ a N, a 1
die Menge der positiven ganzen Zahlen einschlielich der Null (dargestellt in der urspr unglichen
Notation (16.8) als

Aquivalenzklassen, um sie von der Notation der nat urlichen Zahlen zu unter-
scheiden). Dann gelten f ur die Abbildung
: Z
+
N
0
deniert durch
([(a, 1)]
Z
) = a 1 (16.9)
die Eigenschaften: ist bijektiv und gen ugt den Strukturgleichungen
([(a, 1)]
Z
[(b, 1)]
Z
) = ([(a, 1)]
Z
) +([(b, 1)]
Z
) (16.10)
sowie
([(a, 1)]
Z
[(b, 1)]
Z
) = ([(a, 1)]
Z
) ([(b, 1)]
Z
) (16.11)

Ubung 16.1. Beweisen Sie, dass die oben denierte Abbildung bijektiv ist und dass sie die
Strukturgleichungen (16.10) und (16.11) erf ullt! 2
Ein Isomorphismus kann als eineindeutige Umbenennung der Elemente einer Rechenstruktur Isomorphismus
mit Elementen einer anderen Rechenstruktur aufgefasst werden, wobei diese Umbenennung mit den
Rechenoperationen vertraglich sein muss. Diese Vertraglichkeit wird durch die Strukturgleichungen
162 KAPITEL 16. DIE MENGE DER GANZEN ZAHLEN
f ur die einzelnen Operationen beschrieben. Bis auf die Benennung der Elemente handelt es sich
quasi um dieselben Rechenstrukturen.
In unserem Beispiel werden die positiven ganzen Zahlen, d.h. die

Aquivalenzklassen [a, 1]
Z
von
Z mit a 1 eineindeutig den nat urlichen Zahlen a 1 zugeordnet, so dass die Umbenennung der
Summe (des Produktes) von zwei ganzen Zahlen gleich der Summe (Produkte) der Umbenennungen,
d.h. gleich der Summe (dem Produkt) der entsprechenden nat urlichen Zahlen, ist.
16.2 Rechenregeln in Z
Neben den Regeln A1, A2, A3, M1, M2 und M3 (siehe Abschnitt 11.2), die in Z ebenfalls gelten,
gilt f ur x, y Z noch:
(A4) Additives Inverses: x + y = 0. Dabei gilt y = x, und x heit die zu x bez uglich der Additives
Inverses
Addition inverse oder die zu x negative Zahl.
1
Die Denition der Relation kann ebenfalls ubernommen werden: Z Z deniert durch
x y genau dann, wenn d N
0
: x +d = y deniert eine totale Ordnung auf Z.
F ur diese Ordnung gilt ebenfalls die Regel O1, wahrend bei der Regel O2 unterschieden werden Monotonieregeln
muss, ob der Faktor positiv oder negativ ist:
(O2+) x, y, z Z mit x y und z 1 gilt xz yz,
(O2) x, y, z Z mit x y und z 1 gilt xz yz.
Eine oft verwendete Funktion f ur ganze Zahlen ist der Absolutbetrag Absolutbetrag
[ [ : Z N
0
deniert durch
[x[ =
_
x, falls x 0
x, falls x < 0
F ur den Absolutbetrag gelten die folgenden Regeln:
(ABS1) Dreiecksungleichung: x, y Z : [x +y[ [x[ +[y[, Dreiecks-
ungleichung
(ABS2) x, y Z : [x y[ [x[ +[y[,
(ABS3) x, y Z : [[x[ [y[[ [x[ [y[,
(ABS4) x, y Z : [xy[ = [x[[y[.
1
Formal betrachtet hat das Vorzeichen

von x eine andere Bedeutung als der Operator

in einer Subtraktion
a b zweier ganzer Zahlen a und b. Dies haben wir bei Einf uhrung der ganzen Zahlen durch die Notationen x bzw.
auch ganz bewusst unterschieden. Es gilt allerdings a + (b) = a b oder genauer a b = a b, weswegen wir
beim Rechnen nicht zwischen dem Operator und dem Vorzeichen streng unterscheiden m ussen.
16.3. ABZ

AHLBARKEIT VON Z 163


16.3 Abzahlbarkeit von Z
Wir wollen nun die Abzahlbarkeit von Z untersuchen, d.h. die Frage beantworten, ob Z gleichmachtig
zu N ist.
Dazu betrachten wir die Abbildung f : Z N
0
deniert durch
f(z) =
_

_
0, falls z = 0
2z, falls z > 0
(2z + 1), falls z < 0
f ist eine bijektive Abbildung, die den positiven ganzen Zahlen die geraden Zahlen und den negativen
ganzen Zahlen die ungeraden Zahlen zuordnet. Die durch f denierte Abzahlung zahlt Z wie folgt
ab:
0, 1, 1, 2, 2, 3, 3, . . .
164 KAPITEL 16. DIE MENGE DER GANZEN ZAHLEN
Kapitel 17
Die Menge der rationalen Zahlen
Wir haben im vorigen Kapitel die Rechenstruktur N erweitert zur Rechenstruktur Z, in der auch die
Subtraktion uneingeschrankt ausf uhrbar ist. Die beschrankte Ausf uhrung der Division bleibt aber
weiterhin bestehen: Die Division x : y f ur zwei Zahlen x Z und y Z 0 ist nur ausf uhrbar,
falls es ein z Z gibt mit x = yz. So existiert etwa der Quotient 4 : 3 in Z nicht, da es keine ganze
Zahl z gibt mit 4 = 3z. Das heit: Nicht alle Gleichungen der Art ax = b mit a, b Z mit a ,= 0
sind in Z losbar (sondern nur solche, bei denen a ein Teiler von b ist).
In diesem Kapitel werden wir eine neue Zahlenmenge, die Menge Q der rationalen Zahlen,
einf uhren, in der wir zum einen solche Gleichungen losen konnen und in der wir zum anderen die
Menge der ganzen Zahlen und das in dieser Menge mogliche Rechnen erhalten, insofern Z zu Q
erweitern.
Auch f ur Q werden wir weitere Rechenregeln auisten und uns mit der Frage nach der Abzahl-
barkeit dieser Zahlenmenge beschaftigen.
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
verstehen, wie die rationalen Zahlen und das Rechnen mit diesen mithilfe einer geeigneten

Aquivalenzrelation auf den ganzen Zahlen eingef uhrt werden konnen,


die Rechenregeln f ur rationale Zahlen kennen,
die Abzahlbarkeit der Menge der rationalen Zahlen beweisen konnen.
17.1 Konstruktion der rationalen Zahlen
Analog zur Menge der ganzen Zahlen konstruieren wir die rationalen Zahlen ebenfalls mithilfe einer

Aquivalenzrelation: Die Relation


Q (Z (Z 0) (Z Z 0)
sei deniert durch:
(a, b) Q(c, d) genau dann, wenn ad = bc (17.1)
165
166 KAPITEL 17. DIE MENGE DER RATIONALEN ZAHLEN
Die Relation Q verwendet nur bekannte Begrie: ganze Zahlen bzw. Paare von ganzen Zahlen sowie
die Multiplikation von ganzen Zahlen.
Der Beweis, dass Q eine

Aquivalenzrelation ist, erfolgt analog dem Beweis im vorigen Kapitel,
der zeigt, dass die Relation Z eine

Aquivalenzrelation ist:
Q ist reexiv: F ur alle (a, b) Z Z 0 gilt ab = ba, woraus mit (17.1) folgt, dass f ur alle
(a, b) Z Z 0 gilt: (a, b) Q(a, b).
Q ist symmetrisch: Sei (a, b) Q(c, d), d.h. ad = bc. Mit den bekannten Rechenregeln folgt daraus,
dass cb = da gilt, und hieraus mit (17.1), dass (c, d) Q(a, b) gilt.
Q ist transitiv: Sei (a, b) Q(c, d) und (c, d) Q(e, f), d.h. es ist ad = bc und cf = de. Hieraus folgt,
dass adf = bcf = bde ist, und daraus folgt, da d ,= 0 ist, dass af = be ist. Mit (17.1) folgt
(a, b) Q(e, f).
Die

Aquivalenzklassen von Q sind f ur x, y Z mit y ,= 0 gegeben durch: Konstruktion
von QQQ
[(x, y)]
Q
= (qx, qy) [ q Z 0 (17.2)
Auf der Menge Q = (ZZ0)/Q der

Aquivalenzklassen von Q, die wir Menge der rationalen Rechenope-
rationen f ur
rationale
Zahlen
Zahlen nennen wollen, f uhren wir Rechenoperationen ein:
1
Addition und Subtraktion: [(a, b)]
Q
[(c, d)]
Q
= [(ad bc, bd)]
Q
Multiplikation: [(a, b)]
Q
[(c, d)]
Q
= [(ac, bd)]
Q
Division: [(a, b)]
Q
: [(c, d)]
Q
= [(ad, bc)]
Q
Diese (neuen) Rechenoperationen sind ausschlielich mit ganzen Zahlen und den daf ur vollstandig
denierten Operationen Addition, Subtraktion und Multiplikation deniert. Dabei stellen die

Aqui-
valenzklassen [(x, y)]
Q
mit y = 1 genau die ganzen Zahlen dar. Auch hier kann man mithilfe eines
Isomorphismus zeigen, dass die rationalen Zahlen als Erweiterung der ganzen Zahlen betrachtet
werden konnen.
F ur die neuen Zahlen [(a, b)]
Q
mit a ,= 0 gilt wegen (17.2):
[(a, b)]
Q
[(b, a)]
Q
= [(ab, ba)]
Q
= [(ab 1, ab 1)]
Q
= [(1, 1)]
Q
[(b, a)]
Q
heit das (multiplikative) Inverse zu [(a, b)]
Q
.
Weiterhin gilt f ur alle Zahlen [(a, b)]
Q
, [(c, d)]
Q
Q mit c ,= 0:
([(a, b)]
Q
[(c, d)]
Q
) : [(c, d)]
Q
= [(ac, bd)]
Q
: [(c, d)]
Q
= [(acd, bdc)]
Q
= [(cda, cdb)]
Q
= [(a, b)]
Q
In der Einleitung dieses Kapitels haben wir das Ziel formuliert, die ganzen Zahlen so zu erweitern,
dass Gleichungen der Art ax = b f ur a ,= 0 losbar sind. Der folgende Satz besagt, dass dies in der
Menge Q der rationalen Zahlen moglich ist.
17.2. RECHENREGELN IN Q 167
Losung von
ax = b ax = b ax = b in QQQ Satz 17.1. F ur alle Zahlen [(a, b)]
Q
, [(c, d)]
Q
Q mit a ,= 0 gibt es genau eine Zahl [(x, y)]
Q
Q
mit [(a, b)]
Q
[(x, y)]
Q
= [(c, d)]
Q
.
Beweis Wir setzen x = bc und y = ad, dann gilt wegen (17.2):
[(a, b)]
Q
[(bc, ad)]
Q
= [(abc, abd)]
Q
= [(c, d)]
Q
Somit ist die Gleichung [(a, b)]
Q
[(x, y)]
Q
= [(c, d)]
Q
f ur gegebene rationale Zahlen [(a, b)]
Q
und
[(c, d)]
Q
mit a ,= 0 losbar.
Wir m ussen noch die Eindeutigkeit der Losung x = bc und y = ad zeigen. Wir nehmen an, es
gebe eine weitere Losung [(x

, y

)]
Q
. Es muss dann gelten
[(a, b)]
Q
[(x, y)]
Q
= [(a, b)]
Q
[(bc, ad)]
Q
= [(abc, abd)]
Q
= [(c, d)]
Q
sowie
[(a, b)]
Q
[(x

, y

)]
Q
= [(ax

, by

)]
Q
= [(c, d)]
Q
Es folgt, dass
[(abc, abd)]
Q
= [(ax

, by

)]
Q
sein muss und damit x

= bc und y

= ad, womit die Eindeutigkeit gezeigt ist. 2


In der uns vertrauten Notation werden rationale Zahlen nicht als Paare [(a, b)]
Q
, sondern als Br uche
Zahler
Nenner
Br uche
a
b
dargestellt. Dabei heit a der Zahler und b der Nenner des Bruches
a
b
.
17.2 Rechenregeln in Q
Die Rechenregeln A1 - 4 und M1 - 3 aus Z gelten analog auch in Q. Zudem gilt wegen Satz 17.1
die Rechenregel
(M4) Multiplikatives Inverses: Zu jeder rationalen Zahl x ,= 0 existiert eine rationale Zahl y mit Multiplikatives
Inverses
xy = 1. Wir nennen x
1
= y das (multiplikative) Inverse von x.
Aus Satz 17.1 folgt zudem f ur x =
a
b
mit a ,= 0: x
1
=
b
a
.
F ur den Absolutbetrag gilt neben den Regeln ABS1 - 4 noch die Regel
(ABS5) [
a
b
[ =
|a|
|b|
.
Die Relation QQ deniert durch
a
b

c
d
genau dann, wenn es
x
y
gibt mit x 0, y 1 und
a
b
+
x
y
=
c
d
legt eine totale Ordnung auf Q fest. F ur diese Ordnung gelten die Regeln O1, O2+ und O2.
Bez uglich dieser Ordnung ist die Menge der rationalen Zahlen im Gegensatz zur Menge der Dichtheit
von QQQ
ganzen Zahlen und damit auch im Gegensatz zur Menge der nat urlichen Zahlen dicht, d.h. zwischen
1
Dabei benutzen wir jetzt sofort die ublichen Notationen und nicht erst aus formalen Gr unden, wie im vorigen
Kapitel bei der Einf uhrung der ganzen Zahlen, neue Symbole.
168 KAPITEL 17. DIE MENGE DER RATIONALEN ZAHLEN
zwei verschiedenen rationalen Zahlen a und c mit a c existiert immer eine von a und c verschiedene
rationale Zahl b mit a b c. F ur gegebene a und c braucht man nur b =
a+c
2
zu wahlen, denn es
gilt:
a =
a +a
2

a +c
2

c +c
2
= c (17.3)

Ubung 17.1.

Uberlegen Sie, dass sogar gilt: Zwischen zwei verschiedenen rationalen Zahlen gibt
es immer unendlich viele davon verschiedene rationale Zahlen. 2
17.3 Abzahlbarkeit von Q
Gerade in Anbetracht dieser Tatsache stellt sich nun die Frage, ob Q abzahlbar ist. Denken Sie,
bevor Sie weiter lesen, einen Moment uber diese Frage nach!
Zu welchem Schluss sind Sie gekommen? Erstaunlicherweise lasst sich die Menge der rationalen
Zahlen trotz ihrer Dichtheit abzahlen.
Satz 17.2. Q ist abzahlbar.
Beweis Wir betrachten zunachst nur eine Teilmenge von Q, namlich die positiven Br uche groer
0: Q
+
=
p
q
[ p, q 1 . Die folgende Matrix veranschaulicht eine Abzahlung von Q
+
.
1 2 3 4 . . . q . . .
1 1 2 4 7

2 3 5 8

3 6 9

4 10
.
.
.
p
.
.
.
Wir uberlegen uns nun eine bijektive Abbildung f : N N N, die diese Matrix darstellt.
Dabei benutzen wir, dass f ur alle n N gilt (siehe Beispiel 12.1 auf Seite 115):
n

i=1
i =
n(n + 1)
2
(17.4)
In der ersten Spalte der Matrix stehen die Nummern der Paare (p, 1), p 1.
2
Diese ergeben
sich unter Verwendung von (17.4) durch
f(p, 1) =
p

i=1
i =
p(p + 1)
2
(17.5)
2
Diese Paare entsprechen den Br uchen
p
1
= p, also den positiven ganzen Zahlen groer 0.
17.3. ABZ

AHLBARKEIT VON Q 169


F ur q 2 gilt, dass sich die Nummer an der Stelle (p, q) in der Matrix ergibt, indem man die
Nummer an der Stelle (p+1, q 1) (eine Zeile weiter und eine Spalte vorher) um 1 vermindert. F ur
f gilt also
f(p, q) = f(p + 1, q 1) 1, q 2
Daraus ergibt sich
f(p, q) = f(p + 1, q 1) 1
= f(p + 2, q 2) 2
.
.
.
= f(p +q 1, 1) (q 1), q 2
Mit (17.5) folgt hieraus
f(p, q) =
p+q1

i=1
i (q 1)
=
(p +q 1)(p +q)
2
(q 1)
f ist bijektiv und stellt somit eine Abzahlung von N N dar. Die Abbildung f heit im

Ubrigen Cantorsche
Paarungsfunktion
Cantorsche Paarungsfunktion.
Mit der Funktion g(p, q) = f(p, q) erhalt man eine Abzahlung der negativen Br uche durch
die negativen ganzen Zahlen. Wenn wir jetzt noch der rationalen 0 die Nummer 0 zuweisen, haben
wir insgesamt eine Abzahlung aller Br uche durch ganze Zahlen erhalten. Da die Menge der ganzen
Zahlen abzahlbar ist, folgt, dass auch die Menge der Br uche abzahlbar ist. 2

Uberlegen Sie bitte noch folgenden Aspekt: Die Funktion f zahlt nicht nur alle Elemente von
Q ab, sondern sogar alle Br uche. Das bedeutet, dass nicht nur jeder Bruch
a
b
eine eineindeutige
Nummer bekommt, sondern auch alle Elemente
qa
qb
, q Z 0, der

Aquivalenzklasse [(a, b)]
Q
(siehe (17.2) auf Seite 166), und jede dieser

Aquivalenzklassen enthalt selbst schon unendlich viele
Elemente.
170 KAPITEL 17. DIE MENGE DER RATIONALEN ZAHLEN
Kapitel 18
Reelle und komplexe Zahlen
In Q lassen sich langst noch nicht alle Aufgabenstellungen mit praktischem Bezug losen. So ist
z.B. die Gleichung x
2
= 2 in Q nicht losbar, d.h. dass es keine rationale Zahl a mit a
2
= 2 gibt
(siehe Beispiel 4.3 auf Seite 55). Allerdings stoen wir schon bei den rationalen Zahlen an die
Grenzen derzeitiger Rechnersysteme. Kein Intervall von Q kann (wegen der Dichtheit) vollstandig
in Rechnern dargestellt werden. Da auerdem die Konstruktion der reellen Zahlen auf der Basis
der bis jetzt vorgestellten Zahlenmengen mathematische Konzepte erfordert, die auerhalb der
in dieser Lehreinheit vorgestellten mathematischen Grundlagen der Informatik liegen, werden wir
darauf nicht weiter eingehen. Wir sehen die reellen Zahlen als gegeben an und betrachten nur eine
einzige Frage, namlich die nach der Abzahlbarkeit von R.
In vielen Anwendungen spielen die komplexen Zahlen eine wichtige Rolle. Wir f uhren diese als
Paare von reellen Zahlen ein, die bestimmten Rechenregeln gen ugen.
Nach dem Durcharbeiten dieses Kapitels sollten Sie Lernziele
den Beweis der

Uberabzahlbarkeit der reellen Zahlen verstehen und nachvollziehen konnen,
die Denition komplexer Zahlen nachvollziehen konnen und die Rechenregeln f ur komplexe
Zahlen kennen,
die Polarkoordinatendarstellung von komplexen Zahlen sowie das Multiplizieren und Dividie-
ren mit diesen Darstellungen verstehen.
18.1

Uberabzahlbarkeit von R
Zur Untersuchung dieser Frage betrachten wir R als eine Menge von Ziernfolgen der folgenden
Art:
R = g, d
1
d
2
d
3
. . . [ g Z, d
i
0, 1, 2, . . . , 9 , i 1 (18.1)
R enthalt alle unendlichen Dezimalzahlfolgen mit ganzzahligem Anteil: g Z ist der ganzzahlige
Anteil, und d
1
d
2
d
3
. . ., d
i
0, 1, 2, . . . , 9 , i 1, ist die unendliche Folge von Dezimalstellen. Ohne
weitere Begr undung halten wir fest, dass jede reelle Zahl so dargestellt werden kann. Dabei sind die
rationalen Zahlen genau diejenigen, die als periodische Dezimalbr uche darstellbar sind. Beispiele
171
172 KAPITEL 18. REELLE UND KOMPLEXE ZAHLEN
sind etwa der Bruch
1
2
, der als endlicher Dezimalbruch 0, 5 und dieser als periodischer Dezimalbruch
0, 49 . . . = 0, 49,
1
bzw. der Bruch
1
7
, der als periodischer Dezimalbruch 0, 142857 dargestellt werden
kann. Die reellen Zahlen, die nicht rational sind, sind genau die, die als aperiodische Dezimalbr uche
darstellbar sind. Somit gehen wir im Folgenden von der Festlegung (18.1) aus.
Satz 18.1. R ist uberabzahlbar.
Beweis Wir zeigen, dass die Menge der reellen Zahlen im oenen Intervall zwischen 0 und 1, das
ist die Menge I = x R [ 0 < x < 1 , uberabzahlbar ist, woraus die

Uberabzahlbarkeit von R
folgt.
Jedes x I lasst sich als unendlicher Dezimalbruch schreiben:
x = 0, x
1
x
2
x
3
. . .
wobei die x
i
die Dezimalziern von x sind, also x
i
0, 1, . . . , 9 f ur alle i. Wir nehmen an, dass
I abzahlbar ist. Dann lassen sich alle Elemente von I abzahlen, etwa wie folgt:
x
1
= 0, x
11
x
12
x
13
. . .
x
2
= 0, x
21
x
22
x
23
. . . (18.2)
x
3
= 0, x
31
x
32
x
33
. . .
.
.
.
.
.
.
.
.
.
Mithilfe dieser Tabelle konstruieren wir den folgenden unendlichen Dezimalbruch
a = 0, a
1
a
2
a
3
. . .
mit
a
i
=
_
1, falls x
ii
,= 1
2, falls x
ii
= 1
, f ur alle i 1 (18.3)
Die i-te Zier von a ist also 1, falls die i-te Zier der Zahl x
i
in der obigen Abzahlung ungleich 1 ist. Diagonalisierung
Ist diese gleich 1, dann ist die i-te Zier von a gleich 2. a besteht also aus einer Folge von Einsen und
Zweien, die durch die

Diagonale x
ii
, i 1, der Abzahlung (18.2) bestimmt ist. Damit ist die Zahl
a so konstruiert, dass sie sich von allen Zahlen x
i
mindestens in der i-ten Dezimalzier unterscheidet,
was die Grundlage f ur den Widerspruch ist, den wir im Folgenden noch formal herleiten werden.
Man nennt diese Art der Konstruktion Diagonalisierung.
2
Da a I ist, muss a in der obigen Abzahlung (18.2) von I vorkommen, d.h. es muss ein k geben
mit a = x
k
. Betrachten wir die k-te Zier a
k
dieser Zahl. Nach Denition (18.3) von a gibt es zwei
Falle: a
k
= 1 oder a
k
= 2.
(1) Sei a
k
= 1, dann ist wegen der Denition von a: x
kk
,= 1. Damit ist aber a ,= x
k
.
1
Die Periode, d.h. die sich unendlich oft wiederholenden endlich vielen Dezimalstellen werden durch einen

Uber-
strich gekennzeichnet.
2
Das Konzept der Diagonalisierung geht auf Georg Cantor zur uck. Dieses Konzept haben wir bereits im Beispiel
11.3 b) verwendet um zu zeigen, dass die Potenzmenge von N uberabzahlbar ist. Cantor hat im Vergleich zu Satz
18.1 eine umfassendere Behauptung gezeigt: Zu jeder unendlichen Folge von unendlichen Dezimalzahlen existiert
mindestens eine weitere unendliche Dezimalzahl, die in dieser Folge nicht vorkommt.
18.2. KOMPLEXE ZAHLEN 173
(2) Sei a
k
= 2, dann ist wegen der Denition von a: x
kk
= 1, also ungleich 2. Damit ist auch hier
a ,= x
k
.
Wir erhalten also in beiden Fallen einen Widerspruch: F ur jedes k gilt, dass a
k
,= x
kk
und damit
a ,= x
k
ist. Unsere Annahme, dass I abzahlbar ist, ist also falsch. 2
Wahrend die Menge der ganzen Zahlen und, wie wir gesehen haben, sogar die Menge der ra-
tionalen Zahlen gleichmachtig zur Menge der nat urlichen Zahlen sind, stellt die Menge der reellen
Zahlen eine neue Qualitat in Bezug auf ihre Machtigkeit im Vergleich zu den anderen Zahlenmen-
gen dar. Man kann im

Ubrigen zeigen, dass die Menge der reellen Zahlen und die Potenzmenge der
Menge der nat urlichen Zahlen gleichmachtig sind.

Ubung 18.1.

Uberlegen Sie, wie man eine Bijektion zwischen diesen beiden Mengen denieren
konnte! 2
Die Menge der reellen Zahlen erf ullt alle bisher aufgelisteten Regeln A1 - 4, M1 - 4, D1 - 2,
ABS1 - 5 sowie O1, O2+ und O2.
18.2 Komplexe Zahlen
In R konnen wir nun Gleichungen der Art x
2
= a mit a 0 losen: Die Losungen x =

a sind reelle
Zahlen. Die Gleichungen x
2
= a mit a > 0 besitzen allerdings keine Losungen in der Menge R,
denn es gibt keine reelle Zahl b mit der Eigenschaft b
2
= a. Um Gleichungen dieser Art zu losen,
f uhrt man die sogenannte imaginare Zahl i ein, und zwar durch die sie denierende Eigenschaft Imaginare
Zahl
i
2
= 1. Mit dieser Zahl und der Menge der reellen Zahlen denieren wir die Menge der komplexen
Zahlen als
C = a +bi [ a, b R
Anstelle von a+bi notiert man auch a+ib. Re(z) = a heit Realteil und Im(z) = b heit Imaginarteil Realteil
Imaginarteil
der komplexen Zahl z = a +bi. z = a bi heit die zu z konjugierte komplexe Zahl.
Konjugierte
Die obige Gleichung x
2
= a mit a R und a > 0 besitzt in C die Losung c = i

a. Es
gilt Re(c) = 0 und Im(c) =

a. Allgemein gilt der sogenannte Fundamentalsatz der Algebra, den
wir ohne Beweis angeben, da dieser mathematische Kenntnisse verlangt, die nicht innerhalb dieses
Kurses behandelt werden.
Fundamentalsatz der Algebra Jede Gleichung
a
n
x
n
+a
n1
x
n1
+. . . a
1
x +a
0
= 0
mit a
i
C, 0 i n, besitzt eine Losung in C. 2
Wir konnen komplexe Zahlen a +ib als Paare (a, b) reeller Zahlen betrachten, dabei sei (a, b) =
(a, b) die Konjugierte zu (a, b). Die Paare (a, 0) entsprechen genau den reellen Zahlen.
Auf Paaren denieren wir eine Addition und eine Multiplikation wie folgt: Rechenoperationen
f ur komplexe
Zahlen
(a, b) + (c, d) = (a +c, b +d) (18.4)
(a, b) (c, d) = (ac bd, bc +ad) (18.5)
174 KAPITEL 18. REELLE UND KOMPLEXE ZAHLEN
Das Rechnen in der neuen Menge C wird also mit den Elementen der bekannten Menge R und den
dort bekannten Rechenoperationen eingef uhrt. Wir gehen hier also genauso wie in den vorherigen
Kapiteln vor, in denen wir mit bekannten Zahlen und darauf denierten Rechenoperationen neue
Zahlen und neue Rechenoperationen eingef uhrt haben.
Verizieren Sie, dass die beiden Denitionen (18.4) und (18.5) auf den Paaren (a, 0) genau der
Addition bzw. der Multiplikation reeller Zahlen entspricht. Die Rechenstruktur der reellen Zahlen
ist also ein Teil der Rechenstruktur der komplexen Zahlen. Insofern kann C als Erweiterung von R
aufgefasst werden.
Die Addition zweier komplexer Zahlen ist also durch die Addition der beiden Real- sowie der
beiden Imaginarteile festgelegt. Wir wollen die Denition der Multiplikation verizieren: Es gilt
(a +bi) (c +di) = ac +adi +cbi +bdi
2
= (ac bd) + (bc +ad)i
womit Real- und Imaginarteil des Produktes gleich dem Ergebnispaar der Denition (18.5) sind.
Rechnen Sie nun nach, dass die Addition und die Multiplikation komplexer Zahlen die Rechen- Rechenregeln
f ur CCC
regeln A1 - 2, M1 - 2 und D1 - 2 erf ullen!
Rechnen Sie auch nach, dass (0, 1) (0, 1) = (1, 0) gilt, was der denierenden Eigenschaft
i
2
= 1 der imaginaren Zahl entspricht. Rechnen Sie des Weiteren nach, dass
(a, b) (a, b) = (a
2
+b
2
, 0) (18.6)
gilt sowie dass f ur z, z
1
, z
2
C die folgenden Beziehungen gelten:
z = z (18.7)
z
1
+z
2
= z
1
+z
2
(18.8)
z
1
z
2
= z
1
z
2
(18.9)
_
z
1
z
2
_
=
z
1
z
2
(18.10)

Ubung 18.2.

Uberlegen Sie sich, welche komplexen Zahlen das neutrale Element der Addition
bzw. das neutrale Element der Multiplikation sind, und bestimmen Sie das additive Inverse sowie
das multiplikative Inverse zu einer komplexen Zahl z! 2
Nun, das neutrale Element der Addition (x, y) muss die Bedingung Neutrale
Elemente
(a, b) + (x, y) = (a, b)
erf ullen. Aus der Denition (18.4) folgt unmittelbar, dass nur (x, y) = (0, 0)
3
diese Bedingung
erf ullt.
Das neutrale Element (x, y) der Multiplikation muss die Bedingung
(a, b) (x, y) = (a, b)
3
(0, 0) entspricht der 0 in R.
18.2. KOMPLEXE ZAHLEN 175
erf ullen. Ausrechnen gema (18.5) ergibt das Gleichungssystem
ax by = b
bx ay = a
F ur (a, b) ,= (0, 0) ergeben sich die Losungen x = 1 und y = 0. (1, 0)
4
ist also das neutrale Element
der Multiplikation in C.
F ur das additive Inverse (x, y) zur Zahl (a, b) muss gelten: (a, b) + (x, y) = (0, 0). Aus (18.4) Additives
Inverses
folgt unmittelbar, dass x = a und y = b sein muss. Es gilt also: (a, b) = (a, b).
Nun wollen wir noch das multiplikative Inverse (x, y) zur Zahl (a, b) ,= (0, 0) bestimmen. Es Multiplikatives
Inverse
muss gelten: (a, b) (x, y) = (1, 0). Wir erhalten das Gleichungssystem
ax by = 1
bx ay = 0
Multiplikation der ersten Gleichung mit a und der zweiten Gleichung mit b und anschlieende
Addition der beiden Gleichungen liefert die Gleichung (a
2
+b
2
)x = a woraus
x =
a
a
2
+b
2
folgt. Durch Einsetzen dieses Wertes in die zweite Gleichung erhalten wir
y =
b
a
2
+b
2
Wir haben also berechnet, dass
(a, b)
1
=
_
a
a
2
+b
2
,
b
a
2
+b
2
_
das multiplikative Inverse von (a, b) ,= (0, 0) ist.

Ubung 18.3. Rechnen Sie zur Probe nach, dass (a, b) (a, b)
1
= (1, 0) gilt! 2
Wir wollen jetzt noch den komplexen Zahlen einen reellen Wert zuweisen. Dabei gehen wir von
einer geometrischen Vorstellung aus: Wir betrachten die komplexen Zahlen (x, y) als Punkte im
zweidimensionalen kartesischen Koordinatensystem. Wir ordnen der Zahl z = (x, y) als Betrag [z[
den (euklidischen) Abstand des Punktes (x, y) vom Ursprung (0, 0) zu.

Nach Pythagoras ergibt


sich Betrag |z|
einer
komplexen
Zahl
[z[ =
_
x
2
+y
2
(18.11)

Ubung 18.4. Rechnen Sie nach, dass f ur z, z


1
, z
2
C folgende Beziehungen gelten:
[z
1
+z
2
[ [z
1
[ +[z
2
[
[z
1
z
2
[ [z
1
[ [z
2
[
[z[
2
= z z
176 KAPITEL 18. REELLE UND KOMPLEXE ZAHLEN
2
Man kann Punkte (x, y) und damit komplexe Zahlen z = x + iy im zweidimensionalen Raum
auch durch Polarkoordinaten darstellen, namlich durch den Abstand r = [z[ dieses Punktes vom Polarkoordinaten
Ursprung (0, 0) und durch den Winkel zwischen der x-Achse und der Strecke vom Ursprung zum
Punkt (x, y). Die Polarkoordinaten der komplexen Zahl z = x + iy sind also gegeben durch das
Paar (r, ). r heit wie schon bekannt der Betrag, und der Winkel heit Argument von z. Argument
einer
komplexen
Zahl
Da f ur jeden Winkel f ur k 0 die Punkte (r, + 2k) identisch sind, schrankt man den Winkel
ein auf das Intervall < . Damit ist die Darstellung (r, ) der Zahl z eindeutig. Dieses
Argument einer komplexen Zahl z heit dann ihr Hauptargument.
Hauptargument
einer kom-
plexen Zahl
Mithilfe des Hauptargumentes und der Winkelfunktionen cos und sin konnen wir Real- und
Imaginarteil einer komplexen Zahl z = x +iy ausdr ucken, denn es gilt
cos =
x
r
und sin =
y
r
und damit
Re(z) = x = r cos bzw. Im(z) = y = r sin
Damit erhalten wir als weitere Darstellung der komplexen Zahl z = x +iy:
z = r(cos +i sin)
mit
r =
_
x
2
+y
2
und
=
_
+arccos
x
r
, y 0
arccos
x
r
, y < 0
Wir wollen komplexe Zahlen mithilfe ihrer Polarkoordinatendarstellungen multiplizieren und divi-
dieren. F ur
z
1
= r
1
(cos
1
+i sin
1
) und z
2
= r
2
(cos
2
+i sin
2
)
gilt mithilfe der Additionsgesetze der Winkelfunktionen:
z
1
z
2
= r
1
r
2
(cos
1
cos
2
sin
1
sin
2
+i (cos
1
sin
2
+ sin
1
cos
2
))
= r
1
r
2
(cos(
1
+
2
) +i sin(
1
+
2
))
Analog erhalt man f ur z
2
,= 0:
z
1
z
2
=
r
1
r
2
(cos(
1

2
) +i sin(
1

2
))
Aus der Formel f ur die Multiplikation folgt unmittelbar eine Formel f ur die Potenzierung einer
komplexen Zahl z = r(cos +i sin):
z
n
= r
n
(cos(n) +i sin(n))
Hieraus konnen wir eine Formel f ur die n-te Wurzel einer komplexen Zahl z herleiten. Dazu sei Wurzeln
komplexer
Zahlen
4
(1, 0) entspricht der 1 in R.
18.2. KOMPLEXE ZAHLEN 177
z = r(cos +i sin) und y = (cos +i sin)
mit y
n
= z, d.h. mit
r(cos +i sin) =
n
(cos(n) +i sin(n))
Daraus folgt, dass =
n

r sowie cos = cos(n) und sin = sin(n) sein m ussen. Dabei konnen
sich die Winkel und n nur um Vielfache von 2 unterscheiden. Es gilt also
=

n
+
2k
n
f ur k Z
Damit ergibt sich insgesamt
n

z =
n

r
_
cos
_

n
+
2k
n
_
+i sin
_

n
+
2k
n
__
, k Z

Ubung 18.5.

Uberlegen Sie, was dies geometrisch bedeutet! Wo benden sich die n-ten Wurzeln
in der komplexen Ebene? 2
Geometrisch bedeutet dies, dass die n-ten Wurzeln einer komplexen Zahl z auf einem Kreis
um den Ursprung mit dem Radius
n

r mit dem Abstand


2
n
liegen. Es reicht also eine Wurzel zu
bestimmen, die anderen ergeben sich durch n 1 Drehungen dieses Punktes um
2
n
.
Die n-ten Wurzeln der komplexen Zahl z = 1 heien Einheitswurzeln. Sie liegen auf dem Ein- Einheitswurzeln
heitskreis und haben die Polarkoordinaten (1, cos
2k
n
), k Z.
178 KAPITEL 18. REELLE UND KOMPLEXE ZAHLEN
Kapitel 19
Zusammenfassung und

Ubungen
19.1 Zusammenfassung
Nat urliche Zahlen sind ein Beispiel f ur eine Zahlstruktur. Zahlstrukturen werden durch die Peano-
Axiome festgelegt: Eine Zahlstruktur enthalt ein kleinstes Element, mit dem das Zahlen beginnt,
und verschiedene Elemente stehen f ur verschiedene Anzahlen. Das Induktionsaxiom legt zudem fest,
wie gezeigt wird, dass eine Eigenschaft, die f ur eine Teilmenge der nat urlichen Zahlen zutrit, auf
alle nat urlichen Zahlen zutrit.
Aufgrund der rekursiven Struktur der nat urlichen Zahlen lassen sich alle arithmetischen Opera-
tionen jeweils rekursiv und schrittweise aufeinander aufbauend festlegen, und mithilfe vollstandiger
Induktion lassen sich die bekannten arithmetischen Rechenregeln nachweisen.
Die nat urlichen Zahlen sind abgeschlossen gegen uber Addition und Multiplikation, d.h. die Ad-
dition bzw. die Multiplikation zweier nat urlicher Zahlen ist wieder eine nat urliche Zahl. Subtraktion
und Division hingegen sind nur eingeschrankt moglich, ihr Ergebnis muss keine nat urliche Zahl sein.
Die Menge der nat urlichen Zahlen ist die Referenzmenge f ur die Abzahlbarkeit von Mengen. Jede
Menge, die bijektiv auf die Menge der nat urlichen Zahlen abgebildet werden kann, ist abzahlbar.
Die Elemente einer abzahlbaren Menge konnen eineindeutig nummeriert werden. Mithilfe einer
Diagonalisierung kann gezeigt werden, dass eine Menge nicht abzahlbar sein kann.
Die ganzen Zahlen konnen mithilfe einer

Aquivalenzrelation uber Paare von nat urlichen Zahlen
eingef uhrt werden. Die in der Menge der ganzen Zahlen abgeschlossenen Operationen Addition,
Subtraktion und Multiplikation werden als Verkn upfungen der entsprechenden

Aquivalenzklassen
eingef uhrt. Dabei werden diese Operationen auch die Subtraktion alleine durch die Addition
und die Multiplikation nat urlicher Zahlen deniert. Die Addition und die Multiplikation auf den
positiven ganzen Zahlen stimmt dabei mit der Addition und der Multiplikation der entsprechenden
nat urlichen Zahlen uberein. Insofern konnen die ganzen Zahlen als Erweiterung der nat urlichen
Zahlen betrachtet werden, in der nun auch die Subtraktion abgeschlossen ist. Diese Erweiterung
kann mithilfe des Isomorphiebegris mathematisch beschrieben werden.
Die Menge der ganzen Zahlen ist abzahlbar.
Die rationalen Zahlen konnen mithilfe einer

Aquivalenzrelation uber Paare von ganzen Zahlen
eingef uhrt werden. Die in der Menge der rationalen Zahlen abgeschlossenen Operationen Addition,
Subtraktion, Multiplikation und Division werden als Verkn upfungen der entsprechenden

Aquiva-
179
180 KAPITEL 19. ZUSAMMENFASSUNG UND

UBUNGEN
lenzklassen eingef uhrt. Dabei werden diese Operationen auch die Division alleine durch Addition,
Subtraktion und Multiplikation ganzer Zahlen deniert. Addition, Subtraktion und Multiplikation
auf den rationalen Zahlen mit Nenner 1 stimmen dabei mit Addition, Subtraktion und Multi-
plikation der entsprechenden ganzen Zahlen uberein. Insofern konnen die rationalen Zahlen als
Erweiterung der ganzen Zahlen betrachtet werden, in der nun auch die Division abgeschlossen ist.
Diese Erweiterung kann mithilfe des Isomorphiebegris mathematisch beschrieben werden.
Die Menge der rationalen Zahlen ist dicht, d.h. zwischen zwei verschiedenen Zahlen liegt immer
eine weitere von diesen verschiedene Zahl, und damit liegen zwischen zwei verschiedenen rationalen
Zahlen unendlich viele weitere rationale Zahlen.
Trotz dieser Eigenschaft ist die Menge der rationalen Zahlen abzahlbar.
Die Menge Q der rationalen Zahlen ist genau die Menge, die sich durch periodische Dezimal-
br uche darstellen lasst. Zusammen mit den Zahlen, die sich als aperiodische Dezimalbr uche darstel-
len lassen, entsteht die Menge R der reellen Zahlen. R enthalt also alle unendlichen Dezimalbr uche.
R ist uberabzahlbar.
Die Erweiterung der reellen Zahlen um die imaginare Zahl i als Losung der Gleichung x
2
= 1
f uhrt zur Menge der reellen Zahlen C = a + bi [ a, b R. Eine komplexe Zahl z = a + bi lasst
sich als Punkt (a, b) im zweidimensionalen kartesischen Raum R R interpretieren. Daraus ergibt
sich eine weitere Darstellung komplexer Zahlen, die f ur viele Anwendungen von Bedeutung ist: die
Darstellung in Polarkoordinaten (r, ). Denn es ist z = r(cos +i sin) mit r = [z[ =

a
2
+b
2
der
Abstand des Punktes (a, b) vom Ursprung (0, 0), und ist der Winkel zwischen der x-Achse und
der Strecke vom Ursprung zum Punkt (a, b).
19.2

Ubungen
1. Beweisen Sie, dass die Relation N
0
N
0
deniert durch
x y genau dann, wenn d N
0
: x +d = y
eine totale Ordnung auf N
0
festlegt!
2. Untersuchen Sie, ob Dierenz und Division kommutative oder assoziative Operationen sind!
3. Es sei die Menge A abzahlbar, B eine weitere Menge und g : B A eine bijektive Abbildung.
Zeigen Sie, dass dann auch B abzahlbar ist!
4. Zeigen Sie: Eine Menge M ist genau dann abzahlbar, wenn es eine Teilmenge N N
0
und
eine bijektive Funktion f : M N gibt.
5. Sei ein nicht leeres Alphabet. Zeigen Sie, dass

abzahlbar ist!
6. Sei ein nicht leeres Alphabet. Zeigen Sie, dass T(

), die Menge aller Sprachen uber ,


uberabzahlbar ist!
7. Verizieren Sie, dass die beiden Denitionen (18.4) und (18.5) auf den Paaren (a, 0) genau
der Addition bzw. der Multiplikation reeller Zahlen entspricht!
8. Rechnen Sie nach, dass die Addition und die Multiplikation komplexer Zahlen die Rechenre-
geln A1 - 2, M1 - 2 und D1 - 2 erf ullen!
19.2.

UBUNGEN 181
9. Rechnen Sie nach, dass f ur die komplexen Zahlen (1, 0) und (1, 0) gilt: (0, 1)(0, 1) = (1, 0).
10. Rechnen Sie, dass f ur die komplexe Zahl (a, b) gilt: (a, b) (a, b) = (a
2
+b
2
, 0).
11. Zeigen Sie, dass f ur z, z
1
, z
2
C die folgenden Beziehungen gelten:
(1) z = z,
(2) z
1
+z
2
= z
1
+z
2
,
(3) z
1
z
2
= z
1
z
2
,
(4)
_
z1
z2
_
=
z1
z2
.
182 KAPITEL 19. ZUSAMMENFASSUNG UND

UBUNGEN
Literaturhinweise
[1] Aigner, M., Behrends, E. (Hrsg.): Alles Mathematik - Vom Pythagoras zum CD-Player,
2. Auage; Vieweg, Braunschweig/Wiesbaden 2002
[2] Aigner, M., Ziegler, G. M.: Proofs from THE BOOK, Third Edition; Springer, Ber-
lin/Heidelberg/New York, 2004
[3] Appell, K., Appell, J.: Mengen Zahlen Zahlbereiche, Eine elementare Einf uhrung in
die Mathematik; Spektrum Akademischer Verlag, M unchen, M unchen, 2005
[4] Bartholome, A., Jung, J., Kern, H.: Zahlentheorie f ur Einsteiger, 5. Auage; Vieweg,
Braunschweig/Wiesbaden 2006
[5] Beutelspacher, A.:

In Mathe war ich immer schlecht . . . , 3. Auage; Vieweg, Braun-


schweig/Wiesbaden 2001
[6] Beutelspacher, A.: Survival-Kit Mathematik; Vieweg, Wiesbaden 2011
[7] Beutelspacher, A., Zschiegner, M.-A.: Diskrete Mathematik f ur Einsteiger, 2. Auage;
Vieweg, Braunschweig/Wiesbaden, 2004
[8] Brill, M.: Mathematik f ur Informatiker; Hanser, M unchen, 2001
[9] Dassow, J.: Logik f ur Informatiker; Teubner, Wiesbaden, 2005
[10] Dorer, W., Peschek,W.: Einf uhrung in die Mathematik f ur Informatiker; Hanser, M unchen,
1988
[11] Enzensberger, H. M.: Der Zahlenteufel - Ein Kopfkissenbuch f ur alle, die Angst vor der
Mathematik haben; Hanser, M unchen, 1997
[12] Haggarty, R.: Diskrete Mathematik f ur Informatiker; Pearson Studium, M unchen
[13] Hartmann, P.: Mathematik f ur Informatiker, 4. Auage; Vieweg, Braunschweig/Wies-
baden, 2006
[14] Schubert, M.: Mathematik f ur Informatiker; Vieweg+Teubner, Wiesbaden, 2009
[15] Stingl, P.: Mathematik f ur Fachhochschulen - Technik und Informatik; Hanser, M unchen,
1996
[16] Waismann, E.: Einf uhrung in das mathematische Denken; Wissenschaftliche Buchgesell-
schaft, Darmstadt, 1996
183
Index
Abbildung, 88
Abgeschlossenheit, 103, 153
Ableitung
logische, 24
Ableitungsregel, 24
Abschwachung einer Nachbedingung, 23
Absolutbetrag, siehe Betrag ganzer Zahlen
Absorption, 27
Abzahlbarkeit, 105, 163
von Q, 160
von Z, 155
Ackermannfunktion, 116, 134
Addition
ganzer Zahlen, 152
komplexer Zahlen, 165
nat urlicher Zahlen, 102

Aquivalenz
aussagenlogische, 26

Aquivalenzklasse, 82

Aquivalenzrelation, 82
Allgemeing ultigkeit, 20
Alphabet, 13, 121
Antinomie
Russellsche, 11
Argument
komplexer Zahlen, 168
Assoziativgesetz
der Addition, 103
der Multiplikation, 103
Assoziativitat, 27
Ausdruck
arithmetischer, 143
aussagenlogischer, siehe aussagenlogische For-
mel
Ausgangsmenge
einer Funktion, 88
einer Relation, 79
Aussagenlogik, 13
Bag, siehe Multimenge
Basis
aussagenlogische, 29
Boolesche, 30
De Morgan-, 30
Frege-, 30
NAND-, 30
NOR-, 30
Belegung, 16, 20
Berechenbarkeitskonzepte, 136
Bernoullische Ungleichung, 110
Betrag
ganzer Zahlen, 154
komplexer Zahlen, 167, 168
Beweis
direkter, 47
durch Ringschluss, 50
durch Widerspruch, 49
indirekter, 48
Beweismethode, 22, 47
Bijunktion, 19
Boolesche Algebra, 61
Br uche, 159
Buchstabe, 121
Churchsche These, 134
De Morgansche Regeln, 27
Dedekindtripel, 100
Deduktion, 36
Deduktionstheorem, 23
Denitionsbereich, 88
Diagonalisierung, 106, 164
Dichtheit von Q, 159
Dierenz, 55
nat urlicher Zahlen, 103
184
INDEX 185
symmetrische, 55
Disjunktion, 18
Distributivgesetz, 103
verallgemeinertes, 104
Distributivitat, 27
Doppelte Negation, 27
Dreiecksungleichung, 154
Dualitatsprinzip
Boolescher Algebren, 63
der Aussagenlogik, 30
Durchschnitt, 55
Einheitswurzeln, 169
Einselement, 61
Element, 6
Erf ullbarkeit, 20
Exklusives Oder, 19
Fibonacci-Folge, 114
Folgerung
logische, 21
semantische, 24
syntaktische, 24
Formel
atomare, 15, 40
aussagenlogische, 14
geschlossene, 41
pradikatenlogische, 40
zusammengesetzte, 15
Fundamentalsatz der Algebra, 165
Funktion, 87
bijektive, 88
eineindeutig, siehe bijektive Funktion
injektive, 88
konstante, 89
linkseindeutige, siehe injektive Funktion
-rekursive, 131
partiell berechenbare, 134
primitiv-rekursive, 126
surjektive, 88
totale, 88
universelle, siehe Universelle Funktion
Godelisierung, 138
Ganze Zahlen, 151
Gleichmachtigkeit, 105
Goldener Schnitt, 115
Grundmenge, 42
einer Relation, 79
H ulle
reexiv-transitive, 86
transitive, 86
Hauptargument
komplexer Zahlen, 168
Idempotenz, 27
Imaginare Zahl, 165
Imaginarteil, 165
Implikation, 23
Index
einer

Aquivalenzrelation, 82
Induktion, 16
vollstandige, 107
Induktionsanfang, 107, 119
Induktionsannahme, 107
Induktionsaxiom, 100
Induktionsbehauptung, 107
Induktionsschritt, 107, 119
Induktionsvoraussetzung, siehe Induktionsannah-
me
Inferenzregel, 24
Inx, 122
Interpretation, 16
Interpreter, 18
Inverses
additives, 154, 167
multiplikatives, 158, 159, 167
Isomorphie, 100
Isomorphismus, 65, 153
Kalk ul
logischer, 25
Resolutions-, 31
Kardinalitat, siehe Menge
Kettenschluss, 23, 25
Klausel, 31
Klauselmenge, 31
Kleene-Stern-Produkt, 123
Kommutativgesetz
der Addition, 103
der Multiplikation, 103
Kommutativitat, 27
Komplement
186 INDEX
einer Menge, 55
Komplexe Zahlen, 165
Komponente, 78
Komposition
von Funktionen, 126
von Relationen, 85
Konjugiert komplexe Zahlen, 165
Konjunktion, 18
Konkatenation, 121
von Sprachen, 122
von Wortern, 121
Konstante
aussagenlogische, 16
Konstantenbezeichner
aussagenlogischer, 14
Kontradiktion, 20
Korrektheit, 25
Losungsmenge
eines Pradikats, 90
Literal, 15
Maschine
abstrakte, 16
Mathematischer Satz, 47
Menge
abzahlbare, 105
aufzahlende Darstellung einer, 8
beschreibende Darstellung einer, 9
Denition der, 5
dichte, 81
endliche, 10
geordnete, 81
Kardinalitat einer, 10
leere, 6
uberabzahlbare, 105
unendliche, 10
Mengen
disjunkte, 55
elementfremde, 55
Mengendenition
Cantorsche, 5
Mengengleichheit, 54
Modell, 20
Modus ponens-Regel, 23, 25
Modus tollens-Regel, 25
Monotonieregeln, 103, 154
Multimenge, 8
Multiplikation
ganzer Zahlen, 152
komplexer Zahlen, 165
nat urlicher Zahlen, 102
Multiplikationssymbol, 104
NAND, 28
Nachfolgerfunktion, 100, 126
Negation, 18, 27
Nenner, 159
Neutrales Element
der Addition, 103, 166
der Multiplikation, 103, 166
NOR, 28
Normalform
aussagenlogische, 28
disjunktive, 30
konjunktive, 30
Null, 100
Nullelement, 61
Nullfunktion, 126
Nullrelation, 79
Nummerierung
der partiell berechenbaren Funktionen, 139
Obermenge, 54
Oder-Verkn upfung, siehe Disjunktion
Operanden, 89
Operationen, 89
Operatoren, 89
Ordnung
alphabetische, 121
lexikographische, 122
partielle, 81
totale, 81
Paar, 78
Paarungsfunktion, 161
Paradoxon, 12
Partition, 59
feinste, 84
grobste, 84
Peano-Axiome, 100
Polarkoordinaten, 168
Postx, 122
Potenz
INDEX 187
von Sprachen, 123
von Wortern, 121
Potenzmenge, 55
Pradikat, 89
Pradikatenlogik, 39
Prax, 122
Problem, 125
Problemspezikation, 125
Produkt
kartesisches, 78
Programmiersprache, 18, 139
Programmierung
funktionale, 113
Projektion, 126
Quadrupel, 78
Quintupel, 78
Rationale Zahlen, 157
Realteil, 165
Rechenregeln
f ur ganze Zahlen, 154
f ur komplexe Zahlen, 166
f ur nat urliche Zahlen, 103
f ur rationale Zahlen, 159
Reductio ad absurdum-Regel, 25
Reelle Zahlen, 163
Rekursion, 111
-, 131
primitive, 127
Rekursionschema
verallgemeinertes, 119
Relation
antisymmetrische, 80
asymmetrische, 80
bijektive, 80
identische, 79, 84
injektive, 80
irreexive, 80
linkseindeutige, 80
linkstotale, 80
n-stellige, 78
rechtseindeutige, 80, 87
rechtstotale, 80
reexive, 80
surjektive, 80
symmetrische, 80
totale, 80
transitive, 80
vollstandige, 79
Reprasentant
einer

Aquivalenzklasse, 82
Resolution, 32
Resolutionsgraph, 37
Resolutionslemma, 33
Resolutionssatz
der Aussagenlogik, 35
Resolutionsverfahren, 36
Resolvente, 32
Restklasse, 83
Schnittmenge, 55
Semantik, 13
der Aussagenlogik, 16
der Pradikatenlogik, 42
smn-Theorem, 140
Sprache, 13
formale, 13, 122
Subjunktion, 19
Subtraktion
ganzer Zahlen, 152
nat urlicher Zahlen, 103
Sux, 122
Summationssymbol, 104
Symbol, 121
Syntax, 13
der Aussagenlogik, 14
der Pradikatenlogik, 40
Tautologie, 20
Tautologieregeln, 27
Teilmenge, 54
echte, 54
Term
pradikatenlogischer, 40
Theorem, siehe Mathematischer Satz
Tripel, 78
Tupel, 78

Uberabzahlbarkeit, 105
der Potenzmenge von N, 105
von R, 163

Uberdeckung
disjunkte, siehe Partition
188 INDEX
Umkehrfunktion, 88
Umkehrrelation, 85
Und-Verkn upfung, siehe Konjunktion
Unerf ullbarkeit, 20
Unerf ullbarkeitsregeln, 27
Universelle Fuktion, 139
Universum, siehe Grundmenge
Untermenge, 54
utm-Theorem, 139
Variable
aussagenlogische, 14
freie, 41
gebundene, 41
Vereinigung, 55
Verscharfung einer Vorbedingung, 23
Vollstandigkeit, 25
Wahrheitstafel, 18
Wahrheitswerte, 16
Wertebereich, 88
Widerspruch, 20
Widerspruchsfreiheit, 25
Worter, 121
Wort
leeres, 121
Wortlange, 122
Wurzel
komplexer Zahlen, 168
Zahler, 159
Zahlstruktur, 100
Zahlen
ganze, 151
imaginare, 165
komplexe, 165
konjugiert komplexe, 165
nat urliche, 99
rationale, 157
reelle, 163
Zahlenmengen, 10, 149
Zerlegung
disjunkte, siehe Partition
Zielmenge
einer Funktion, 88
einer Relation, 79