Woche 1: Logik, Prädiquate und Quantoren, Beweise

1. Logische Äquivalenzregeln

2. Übersicht Mengen
3. Beweise:
Direkter Beweis:
Die Implikation p → q kann bewiesen werden, indem man zeigt, dass aus der Richtigkeit von p die Richtigkeit
von q folgt.

z.B wenn n gerade ist, dann ist n auch gerade. Gerade Zahlen sind durch 2 teilbar
2

n = 2k

n
2
= (2k) = 4k = 2 ∗ (2k)
2 2 2

Indirekter Beweis:
Statt zu zeigen dass p → q gilt, zeigt man, dass die logisch äquivalente Aussage ¬p → ¬q

z.B n nicht gerade → n nicht gerade.

2

n = 2k + 1

n
2
= (2k + 1) = 4k + 4k + 1 = 2 * (2k + 2k) + 1
2 2 2
Woche 2: Mengen, Funktionen & Folgen, Reihen,
Summen- und Produktzeichen
1. Mengenlehre
Gleichheit
Entweder x ∈ A oder x ∉ A
A = B falls (A ⊂ B) ∧ (B ⊂ A)
A ⊂ B falls ∀ x(x ∈ A → x ∈ B)
Für jede Menge A gilt: 0 ⊂ A

Potenzmenge
Die Potenzmenge P (S) oder 2 der Menge S besteht aus der Menge aller Teilmengen A ⊂ S

Bsp S = {1,2} → P (S) = 2 = {0, {1}, {2}, {1,2}} = 4

S

Kreuzprodukt
Das Kreuzprodukt zweier Mengen A und B bezeichnet mit A X B, ist die Menge aller geordneten Paare (a, b),
wobei a ∈ A und b ∈ B

AXB = {(a, b) | a ∈ A ∧ b ∈ B}

Bsp A = {1,2,3} und B = {a,b}:

A X B = {(1, a), (1, a), (3, a), (1, b), (2, b), (3, b)}

- A X B = {(a, 1), (a,2), (a,3), (b,1, (b,2). (b, 3)}

 Mengenoperationen:

Durchschnitt:

Sind A und B Teilmengen einer Menge M , so bezeichnet A ∩ B = {m ∈ M | m ∈ A ∧ m ∈ B}

Komplement:
–
A M A Ist
m ∈ M eine Teilmenge der Menge
m ∉ A , so bezeichnet ={ | }

Vereinigung:
Sind A und B Teilmengen einer Menge M , so bezeichnet A ∪ B = {m ∈ M | m ∈ A ∨ m ∈ B}

Differenz:
Sind A und B Teilmengen einer Menge M , so bezeichnet B \\ A = {m ∈ M | m ∈ B ∧ m ∉ A}
Rechenregeln
2. Funktionen
Wird jedem Element x einer Menge X (Definitionsbereich) genau ein Element y einer Menge Y zugeordnet,
so heisst die Zuordnung Funktion (oder Abbildung).

f :X → Y , x ↦ y = f (y)

Ceiling Funktion / Floor Funktion

Ceiling Funktion = Nächst grössere ganze Zahl: ⌈3.4⌉ = 4
Floor Funktion = Nächst kleinere ganze Zahl: ⌊4.5⌋ = 4

Injektive Funktionen
Eine Funktion heisst injektiv, wenn verschiedene x1, x2 ∈ X stets auf verschiedene Werte im Bildbereich
abgebildet werden. Auf jedes Element Y zeigt höchstens ein Pfeil!

∀ x1, x2 ∈ X (f (x1) = f (x2) → x1 = x2)

Quadratische Funktionen sind z.B nicht injektiv, denn −2 ≠ 2, aber f (−2) = 4 = f (2)

Surjektive Funktionen
Eine Funktion heisst surjektiv, falls für jedes Element y ∈ Y (mindestens) ein Element x ∈ X existiert, so dass
f (x) = y gilt. Auf jedes Element Y zeigt mindestens ein Pfeil!

Bijektive Funktionen
Eine Funktion heisst bijektiv, falls sie injektiv und surjektiv ist. Auf jedes Element in Y zeigt genau ein Pfeil!

Zusammengesetzte Funktionen
Zwei Funktionen, so dass der Wertebereich von g im Definitionsbereich von f erhalten ist.

(f o g) (x) = f (g(x))
f (x) = x
2
+ 1

g(x) = x + 2

(f o g) (x) = f (g(x)) = (x + 2) 2
+ 1 = x
2
+ 4x + 5

(g o f ) (x) = g(f (x)) = (x 2

+ 1) + 2 = x
2
+ 3

Umkehrfunktion berechnen Schritte

Funktion nach x auflösen
Anschliessend y mit x tauschen

3. Folgen
Man nennt an das Glied der Folge it der Nummer n

CAS Befehl → seq(n 2

, n, 1, 10))

Die Harmonische Folge

ak = (1, 1

2
,
1

3
,
1

4
,
1

k
)
Die Geometrische Folge
Bei einer geometrischen Folge ist der Quotient / Faktor zweier aufeinander folgender Glieder immer gleich.

{1, 2, 4, 8, 16, 32, 64, 128} = eine geometrische Folge, weil der Faktor immer gleich bzw. immer gleich 2 ist.

Mann nennt die Folge {a } eine geometrische Folge, falls das k-te Glied gegeben ist durch:
k

ak = a0 = a0 q
k
, k = 0, 1, 2 ....
a k +1

ak
= q, k = 0, 1, 2 ...

Die Arithmetische Folge

Bei einer arithmetischen Folge ist die Differenz zweier aufenander folgender Glieder immer gleich.

{1, 2, 3, 4, 5...} = eine arithmetische Folge, weil die Differenz immer gleich bzw. immer gleich 1 ist.

Man nennt die Folge {a } eine arithmetische Folge, falls das k-te Glied gegeben ist durch:
k

a = a + kd, k = 0, 1, 2 ...
k 0
4. Summe
∑(a k + b k ) = ∑(a k ) + ∑(b k )

n a 0 +a n
∑ (a k ) = n ∗
k=0 2

Geometrische Reihe:

n+1
n n k q −1
∑ ak = a0 ∗ ∑ q = a0 ∗
k=0 k=0 q−1

=a =a =a
n
n n−1 k+1 n−1 k q −1
∑ ak 0 ∗ ∑ q 0 ∗ ∑ q ∗ q 0 ∗
k=1 k=0 k=0 q−1

Arithmetische Reihe:

a 0 +a n −1
n ∗
2
5. Produkt
Formeln
= (−1) = (−1) = (−1) = (−1) =1
100 1+100
100 i ∑ (i) 100∗ 50∗101 5050
∏ (−1) i=1 2
i=1
Woche 3: Big-O Notation, Zahlen & Divisionen und
Matrizen
1. Big-O
Normale Funktionen (Keine Polynome)
|f (x)| ≤ C|g(x)|, ∀x > k → f (x) ∈ O(g(x))

Bsp: f (x) = x 2
+ 2x + 1 ∈ O(x )
2

Schnell wachsendste Funktion = x 2

2 2 2 2
f (x) ≤ x + 2x + x → 4x

C = 4, k = 1

Polynome
Bei Polynome gibt die höchste Potenz von x den Ton an → x wächst am schnellsten n

Ein Polynom ist O(x n

) → |f (x)| ≤ Cx
n
, ∀x > k

Bsp: f (x) = x 5
− 3x
3
+ 2x
2
− 13 ∈ O(x )
5

Schnell wachsendste Funktion = x 5

5
f (x) ≤ 19x

5
C = ∑ = 1 + 3 + 2 + 13 = 19, k = 1
k=0

Fakultäten
Grundsätzlich gilt:

n
n! = O(n )

log(n!) = O(n ∗ log(n))

Bsp: f (n) = (n! + 2 n

) ∗ (n
3
+ log(n
2
+ 1))

(n! + 2
n
) = O(n! + n!) bei n ≥ 4
(n
3
+ log(n
2
+ 1)) = O(n
3
+ n )
3
bei n ≤ 2
→ 2n! ∗ 2n
3
= 4(n! + n )
3
, wobei C = 4, k = 4

Zahlen und Division

a|b , falls ∃c(b = ac)
a|b ∧ a|c → a|(b + c)

a|b → ∀c(a|bc)

a|b ∧ b|c → a|c

Euklidischer Algorithmus (Bsp)
67 = 2 ∗ 24 + 19

24 = 1 ∗ 19 + 5

19 = 3 ∗ 5 + 4

5 = 1 ∗ 4 + 1

4 = 4 ∗ 1 + 0

Matrizen
Addition:
1 2 −2 1 1 − 2 2 + 1 −1 3
[ ] + [ ] = [ ] = [ ]
3 1 2 −4 3 + 2 1 − 4 5 −3

Multiplikation
1 2 3 6
3 ∗ [ ] = [ ]
3 1 9 3

A ∗ B ≠ B ∗ A

Transponierte Matrix
1 2 −2 1 3
A = [ ] und B = [ ]
3 1 2 −4 −2

−2 2
⎡ ⎤
T
1 3 T
A = [ ] und B = 1 4
2 1
⎣ ⎦
3 −2

Matrix ist symmetrisch wenn A T

= A

Matrix ist asymmetrisch wenn A T

= −A

Inverse Matrix
−1
A ∗ A = In

a b −1
1 d −b −1
1 0
A = [ ],  A = ∗ [ ] → A ∗ A = [ ]
c d ad − bc −c a 0 1
Woche 4: Vollständige Induktion, Rekursiv definierte
Funktionen, Schlussregeln (Inferenzregeln)
Induktionsbeweis
Bsp: P (n) = 1 + 2 + 3 + +n = n(n+1)

2
= ∑
n

k=1
k =
n(n+1)

Induktionsverankerung: Es wird gezeigt, dass P (1) wahr ist: → 1 =

1(1+1)
= 1
2

Induktionsschritt: Es wird gezeigt, dass die Implikation P (n) → P (n + 1) wahr ist ∀n ≥ 1

Induktionsvoraussetzung: Die Aussage P (n) ist wahr für ein bestimmtes n ≥ 1

Induktionsbehauptung: Die Aussage P (n + 1) ist wahr

Beweis des Induktionsschritts: Hier folgt der Beweis

Schritt 1: Induktionsverankerung: P (1) → 1 =

1(1+1)
= 1 = true
2

Schritt 2: Induktionsschritt:

2.1 Induktionsvoraussetzung: P (n) ist wahr für ein beliebiges n ≥ 1

2.2 Induktionsbehauptung: P (n + 1) = true bzw

n(n+1) (n+1)(n+2)
→
2 2

P (n) → P (n + 1) :

... n + (n + 1) =
n(n+1)
1 + 2 + 3 + 4+ + (n + 1)
2

... =

n(n+1)+2(n+1)

... =
(n+1)(n+2)
→ true
2
Bsp: n < 2
n

Induktionsverankerung: P (1) = 1 < 2 1

→ true

Induktionsschritt:

Induktionsvoraussetzung: Die Aussage P (n) ist wahr für ein bestimmtes n ≥ 1

Induktionsbeweis: n < 2 → n + 1 < 2 ?

n n+1

n + 1 < 2
n
+ 1 → Big − O Estimation

n + 1 < 2
n
+ 2
n
→ n + 1 ≤ 2 ∗ 2
n

n+1
n + 1 ≤ 2

Bsp: 2 n
< n!, ∀n ≥ 4

Induktionsverankerung: P (4) : 2 4
< 4!

Induktionsschritt

Induktionsvoraussetzung: Die Aussage P (n) ist wahr für ein bestimmtes n ≥ 4

Induktionsbeweis: 2 n
< n! → 2
n+1
< (n + 1)! ?

2 + 1 = 2 ∗ 2

n n

2 ∗ 2
n
< n! ∗ 2

2
n+1
< n! ∗ (n + 1) → weil 2 < n + 1 bei n ≥ 4

n+1
2 < (n + 1)!

Bsp: H j = 1 +
1

2
+
1

3
+
1

4
+ ... + 1

j
, j = 1, 2, 3 ...

H
2
n
≥ 1 +
n

Induktionsverankerung: P (1) : H 2 → 1 +
1

2
= 1 +
1

2
→ true

Induktionsschritt:

Induktionsvoraussetzung: H 1
2
→ 1 +
1

2
= 1 +
1

2
= true

Induktionsbeweis: H n
2
→ H
n+1

2
bzw. 1 + n

2
→ 1 +
n+1

1 +
1

2
+
1

3
+
1

2
n
+
2
1
n
+1
+ ... 2
1
n+1
≥ 1 +
n

2
+
n
1
n
+1
+ ... 2
1
n+1

.... ≥ 1 + n

2
+ 2
n
+
2
1
n+1

.... ≥ 1 + n

2
+
1

2
≥ 1 +
n+1

2
Bsp: 1 ... +(2n + 1) =

2 2 2 2 (n+1)(2n+1)(2n+3)
+ 3 + 5 +
3

Induktionsverankerung: P (1) : (2 ∗ 0 + 1)

(1+1)(2∗1+1)(2∗1+3)
2 2
(2 ∗ 1 + 1) = → 10 = 10
3

Induktionsschritt:

Induktionsvoraussetzung:
(n+1)(2n+1)(2n+3) ((n+1)+1)(2(n+1)+1)(2(n+1)+3) (n+2)(2n+3)(2n+5)
→ →
3 3 3

Induktionsbeweis: 1 ... +(2n + 1)

(n+1)(2n+1)(2n+3)
2 2 2 2 2 2
+ 3 + 5 + + (2n + 3) = + (2n + 3)
3

.... =

2
(n+1)(2n+1)(2n+3)+3(2n+3)

.... =

2
(2n+3)[(n+1)(2n+1)+3(2n+3)] (2n+3)[2n +3n+1+6n+9]
=
3 3

.... =
2
(2n+3)(2n +9n+10) (2n+3)(n+2)(2n+5)
=
3 3

Rekursiv definierte Funktionen

Fibonacci Beispiele

Bsp: ∀n ∈ N : (f + f + ... +f 1
2
2
2
n
2 = f n ∗ f n+1

IVA: n = 1 : f = f ∗ f = 1 1
2
1
2
2
2
2
= 1 ∗ 1 → true

IS:

IB: f 1
2 + f 22 + ... f n
2 + f (n+1) 2 = f (n+1) ∗ f (n+2)

→ f n ∗ f (n+1) + f (n+1) 2 = f (n+1) ∗ f (n+2)

Bsp: ∀n ∈ N : (f 1 + f 2 + ... +f 2n−1

= f 2n )

IVA: n = 1 : f = f 1 2∗1
= 1 = 1 → true

IV: f + f + f ... f
1 3 5 2n−1
= f 2n

IB: f 1
+ f3 + f5 ... +f 2n−1
+ f 2n+1 = f 2n + f 2n+1

=f 2n
+ f 2n+1 = f 2n + f 2n+1
Woche 5: Grundlagen des Zählens, Schubfachprinzip,
Permutationen & Kombinationen
Grundlegende Zählprinzipien
Produktregel
Falls ein erstes Ereignis aus n Möglichkeiten und danach ein zweites (unabhängig vom ersten Ereignis) aus
1

n2 Möglichkeiten ausgeählt werden kann, dann gibt es insgesamt

n = n1 ∗ n2 Möglichkeiten, die beiden Ereignisse zu wählen.

Bsp:

Anzahl Nummernschilder, wenn jedes Schild aus 3 Buchstaben und 3 Zahlen besteht?

3 3 ′ ′
= 26 ∗ 26 ∗ 26 ∗ 10 ∗ 10 ∗ 10 = 26 ∗ 10 = 17 576 000

Summenregel
Kann ein erstes Ereignis auf n Arten und ein zweites Ereignis auf n Arten, wobei nicht beide Ereignisse
1 2

gleichzeitig eintreten können, dann können die beiden Ereignisse auf n + n Arten eintreten.
1 2

Bsp:

Student wählt seine PA aus drei Listen mit je 23, 15 und 19 Arbeiten aus. Aus wie vielen Projekten kann er
auswählen?

23 + 15 + 19 = 57 Projekte
Ein- / Ausschlussprinzip
Für zwei beliebige Mengen A und B gilt: |A ∪ B| = |A| + |B| − |A ∩ B|

Bsp:

Wie viele Bitstrings der Länge 8 starten mit einer 1 oder enden mit 00 (1xxxxx00)?

A = Bitstrings der Länge 8, die mit 1 beginnen: = 2

B = Bitstrings der Länge 8, die mit 00 enden: = 2

6

A ∩ B = Bitstrings der Länge 8, die mit 1 beginnen und mit 00 enden: = 2 5

=2 7
+ 2
6
− 2
5
= 128 + 64 − 32

Bsp:

Wieviele ganze Zahlen zwischen 100 und 999 gibt es, die durch 7 teilbar sind?

S1: Erste Zahl in der Menge herausfinden, die durch 7 teilbar ist: → 105/7 = 15
S2: Letzte Zahl in der Menge herausfinden, die durch 7 teilbar ist: → 994/7 = 142
a n = a + (n − 1) ∗ d → 994 = 105 + (n − 1)∗ → n = 128

oder ⌊ 900

7
⌋

Schubfachprinzip
Verallgemeinertes Schubfachprinzip: Falls man N Objekte auf k Schubfächer verteilt, dann gibt es wenigstens
ein Schubfach, welches mindestens ⌈ n

k
⌉ Objekte enthält

Bsp: Unter 100 Personen gibt es wenigstens ⌈ 100

12
⌉ = 9, die im selben Monat Geburtstag haben.

Bsp: Zeigen Sie, dass sich in jeder Menge von 5 ganzen Zahlen (mindestens) 2 befinden, die bei Division
durch 4 den gleichen Rest haben.

Bei Division durch 4 gibt es folgende Restwerte: 0, 1, 2, 3

Diese Restwerte werden als Fächer betrachtet
Fach 0
Fach 1
Fach 2
Fach 3
Mochte man 5 Zahlen in die 4 Fächer hereinlegen, wird es ein Fach, mit 2 Zahlen geben. Bzw. die zwei
Zahlen haben den gleichen Restwert.

Permutationen und Kombinationen

Anzahl r-Permutationen
Wichtig! Bei Permutationen spielt die Reihenfolge eine Rolle

Die Anzahl von r−Permutationen einer Menge von n Elementen ist:

P (n, r) = n(n − 1)(n − 2) ...(n − r + 1) = n!

(n−r)!
Anzahl r-Permutationen mit Wiederholung
Die Anzahl r-Permutationen bei einer Menge mit n Objekten mit Wiederholung ist n r

Bsp: Eine Münze wird 10 mal geworfen und es erscheint jeweils Kopf oder Zahl. Wie viele mögliche Ausgänge
hat dieses Experiment total?

n = Anz. Objekte (Kopf/Zahl)

r = Anz. Permutationen = 10
10
→ 2 = 1024

Permutationen nicht unterscheidbarer Objekte

Die Anzahl verschiedener Permutationen von n Objekten, von denen n nicht unterscheidbare Objekte vom
1

Typ 1, n nicht unterscheidbare Objekte vom Typ 2 ... und schliesslich n nicht unterscheidbare Objekte vom
2 k

Typ k sind, ist gegeben durch:

n!

n 1 !∗n 2 !∗n k !

Anzahl r-Kombinationen
Wichtig! Bei Kombinationen spielt die Reihenfolge keine Rolle

Die Anzahl von r−Kombinationen einer Menge von n ≥ 0 Elementen ist gegeben durch:

n! n
C(n, r) = = ( ) = C(n, n − r)
r!(n−r)! r

Anzahl r-Kombinationen mit Wiederholung

Die Anzahl r-Kombinationen bei einer Menge von n Objekten mit Wiederholung ist:

n+r−1
C(n + r − 1, r) = ( )
r

Beispielaufgaben

1. Einhundert Lose, durchnummeriert von 1 bis 100, werden an 100 verschiedene Leute verkauft. Es sollen
vier verschiedene Preise verlost werden. Wieviele Möglichkeiten gibt es, die Preise zu verteilen

a) falls man keine Einschränkungen macht:

D.h der erste Preis kann von 100 Pers. gewonnen werden, zweiter von 99 etc
′ ′
→ 100 ∗ 99 ∗ 98 ∗ 97 = 94 109 400 = P (100, 4)

b) falls die Person mit Los 47 den Hauptpreis gewinnt:

D.h. Es bleiben nach dem gewinn des ersten Preises, noch 99 Leute übrig, die restlichen Preise zu
gewinnen.

′
→ 99 ∗ 98 ∗ 97 = 941 094 = P (99, 3)

c) falls die Person mit Los 47 einen der Preise gewinnen soll:

D.h Er kann eines der 4 Preise gewinnen: → 4 ∗ 99 ∗ 98 ∗ 97 = 3 764 376 = 4 ∗ P (99, 3)

′ ′
 d) fall die Person mit Los 47 keinen Preis gewinnen soll:

D.h 4 Preise bleiben für 99 Personen übrig: → 99 ∗ 98 ∗ 97 ∗ 96 = 90 345 024 = P (99, 4)

′ ′

2. Auf wieviele Arten können 5 Elemente aus einer Menge von 3 Elementen ausgewählt werden, wenn die
Reihenfolge berücksichtigt wird und Wiederholungen erlaubt sind?

D.h Permutation mit Wiederholung → n

r

5
n = 3, r = 5 → 3 = 243

3. Auf wieviele Arten können 3 Elemente aus einer Menge von 5 Elementen ausgewählt werden, wenn die
Reihenfolge nicht berücksichtigt wird und Wiederholungen erlaubt sind?

D.h Kombination mit Wiederholung → ( n+r−1

r
)

7
n = 5, r = 3 → ( ) = 35
3

4. Wieviele verschiedene binäre Strings können gebildet werden, wenn ein String stets mit einer 1 beginnen
muss, ausserdem stets genau drei weitere 1 Bits enthalten muss, stets genau zwölf 0 Bits enthalten muss
und jedem 1 Bit mindestens zwei 0 Bits folgen müssen.

Erste 'I00' is fix und drei weitere 'I00' sind fix -->'I00I00I00I00+0000'

Die drei 'I00' können auf 4 Plätzen platziert werden

7
→ ( ) = 35
3

5. Wieviele Möglichkeiten gibt es, 6 unterschiedliche Objekte in 4 Fächer zu verteilen, so dass jedes der
Fächer mindestens ein Objekt enthält?

n = A, B, C, D, E, F

r = 1, 2, 3, 4

Fall 1: A, B, C|D|E|F → Aus 6 Objekten werden 3 ausgewählt und in eine Box hereingelegt → ( 6

3
) = 20

Fall 2: A, B|C, D|E|F → Aus 6 Objekten werden die ersten 2 in eine Box hereingelegt → (
6

2
) = 15

Anschliessend werden Aus 4 übrigen Objekte 2 Objekte in die zweite Box hereingelegt → ( 4

2
) = 6

Danach muss die Produktregel für Fall 2 Angewendet werden, also 15 * 6 = 90

Dies muss noch durch 2 dividiert werden, da die Objekte als {AB} oder {BA} betrachtet werden können.
Also sind es jetzt 45.

Fall 2 + Fall 1 = 20 + 45 = 65

Binomialkoeffizienten
Definition
α α(α−1)(α−2)(α−k+1)
( ) =
k k!
 10 10! 10∗9∗8
( ) = =
3 3! 1∗2∗3

Binomische Lehrsatz & Folgerungen

n n n n−k k
(x + y) = ∑ ( )x y
k=0 k

n n n
∑ ( ) = 2
k=0 k

∑
n

k=0
(−1)
k
= 0 bei n > 0

n k n
∑ (2) = 3
k=0

Symmetrie der Binomialkoeffizienten

n n
( ) = ( )
r n−r
 Woche 6: Wahrscheinlichkeitstheorie, Bedingte
Wahrscheinlichkeit und Unabhängigkeit, Satz von
Bayes
Wahrscheinlichkeit
Laplaceverteilung
Besteht der Stichprobenraum Ω aus den n Elementarereignissen x 1, x 2  bis x n , die alle mit der selben
Wahrscheinlichkeit eintreten, dann hat man (nach Laplace) die Gleichverteilung:

1 1
p(x i ) = = , i = 1, 2, 3.. . n
Ω n

Die Wahrscheinlichkeit eines Ereignisses A des endlichen Stichprobenraumes Ω von lauger gleich
wahrscheinlichen Ereignissen ist gegeben durch:

ünstigeF älle
=
|A| Anzahlg
p(A) =
|Ω| Anzahlm öglicheF älle

Wichtige Regeln

–
Komplementäres Ereignis:
p(A) = 1 − p(A)

Ein und Ausschlussprinzip: p(A 1 ∪ A 2 ) = p(A 1 ) + P (A 2 ) − p(A 1 ∩ A 2 )

→ p(A 1 ∪ A 2 ∪ A 3 ) = p(A 1 ) + P (A 2 ) + P (A 3 ) − p(A 1 ∩ A 2 ) − p(A 1 ∩ A 3 ) − p(A 2 ∩ A 3 ) + p(A 1 ∩ A 2 ∩ A 3 )

p(A) = ∑ p(s) . Bsp: 2 Gezinkte Würfel, davon einer mit der das Ereignis eine 4 zu würfeln die
Wahrscheinlichkeit ist, und beim zweiten Würfel das Ereignis 3 zu würfeln
2

7
ist. AlleanderenZahlenhabendieW ahrscheinlichkeit$
1

7
. Wie gross ist die Wahrscheinlichkeit dafür,
dass die Augensumme 7 Auftritt?

P 1 (4) =
2

7
, P 1 (1 ∨ 2 ∨ 3 ∨ 5 ∨ 6) =
1

2 1
P 2 (3) = , P 1 (1 ∨ 2 ∨ 4 ∨ 5 ∨ 6) =
7 7

Augensumme: (1,6) (2,5) (3,4) (4,3) (2.5) (1,6)

P (1, 6) = (
1

7
)
2

P (2, 5) = (
1

7
)
2

P (3, 4) = (
1

7
)
2

P (4, 3) = (
2

7
)
2

P (5, 2) = (
1

7
)
2

P (6, 1) = (
1

7
)
2

1 2 2 2 9
P (A) = 5 ∗ ( ) + ( ) =
7 7 49

Wurf fairer Würfel Ereignisse

Bei 2 Würfel:

Ω = (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)

(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)

(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)

(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)

(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

Bei 3 Würfel → nSpire

expand((x + x + x + x2 3 4
+ x
5
+ x ) )
6 3

Bei 4 Würfel → nSpire

expand((x + x + x + x2 3 4
+ x
5
+ x ) )
6 4

Mehrmaliges Werfen einer Münze

Wieviele Würfe sind im Schnitt nötig, bis beim ersten Wurf Kopf erscheint?

r = 1, 2, 3. . . ∞

p(x = r) =
1

2
,(
1

2
2
) ,(
1

2
3
) ...(
1

2
)
∞

∞ 1 k 1 ∞ 1 k 1 1 4
E(x) = ∑ k( ) = ∑ (k + 1)( ) = ∗ = = 2
k=1 2 2 k=0 2 2 (1−1/2) 2 2

∞ k 1
∑ (k + 1)(x) = 2
k=0 (1−x)

Bedingte Wahrscheinlichkeit
Sind A und B zwei Ereignisse mit p(B) > 0, dann bezeichnet man die Wahrscheinlichkeit von A unter der
Voraussetzung B mit p(A|B)
A∩B
p(A∩B) Ω A∩B
p(A|B) = = B
=
p(B) B
Ω

Bsp: Bei einem Lottospiel müssen 6 Zahlen zwischen 1 und 30 geraten werden. Die zahlen 1, 14, 15, 20, 23
und 27 gezogen. Sie erfahren, dass die Zahl 15 gezogen wurde. Um wieviel wird die Gewinnchance durch
diese Information vergrössert?

A = Die Zahlen 1, 14, 15, 20, 23, 27 wurden gezogen. p(6er) = 1

30

( ))
6

B = Die Zahl 15 wurde gezogen = Eine Zahl richtig

1

30

Dann berechnen wir: p(A|B) =

p(A∩B) p(A) (
6
)
1 30∗29∗28∗27∗26∗25 30
= = 29
= 29
= = 5 ∗ ( )
p(B) p(B) 1∗2∗3∗4∗5∗5∗6 6
(
5
) ( )
5
30
( )
6

Die unabhängige Wahrscheinlichkeit

Man nennt zwei Ereignisse A und B genau dann unabhängig, falls p(A ∩ B) = p(A)p(B)

p(A|B) = p(A)

p(B|A) = p(B)

p(A∩B) p(A)p(B)
p(A|B) = = = p(A)
p(B) p(B)
 Wenn diese Gleichungen nicht übereinstimmen , dann sind die Ereignisse abhängig

Die Totale Wahrscheinlichkeit

–
–
p(A) = p(A|B) ∗ P (B) + p(A|B) ∗ p(B)

Der Satz von Bayes

p(A|B)∗p(B) p(A|B)∗p(B)
p(B|A) =
–
– =
p(A)
p(A|B)∗p(B)+p(A|B)∗p(B)

p(B|A)∗p(A)
p(A|B) =
p(B)

Beispiel Aufgabe - Ungleiche Wahrscheinlichkeit der Würfelzahlen

Woche 8: Binomialverteilung und
hypergeometrische Verteilung, Poissonverteilung,
Zufallsvariablen, Erwartungswerte, Varianz
Die Binomialverteilung (Ziehen mit zurücklegen)
Die Binomialverteilung liefert die Wahrscheinlichkeit für exakt k Erfolge bei n unabhängigen
Bernoulliexperimenten mit Erfolgswahrscheinlichkeit p:

n k n−k
B(k|n, p) = ( )p (1 − p)
k

Die hypergeometrische Verteilung (Ziehen ohne zurückzulegen)

M N −M
( )( )
k n−k
p(k) = N
( )
n
Poissonverteilung
Im Grenzfall p → 0 und n → ∞ kann man μ = np setzen und näherungsweise die wesentlich einfachere
Poissonverteilung anstelle der Binomialverteilung verwenden.

μ = np

k
μ −μ
f (k) = e
k!

Zufallsvariablen
Eine Zufallsvariable X is eine Abbildung vom Stichprobenraum S in die Menge der rellen Zahlen R, wobei
jedem Ergebnis r ∈ S eine relle Zahl X(r) zugeordnet wird.

Erwartungswert der Zufallsvariablen

E(x) = ∑ r ∗ p(x = r)

Bsp: Ein Würfel wird so lange geworfen, bis die Zahl 6 erscheint oder der Würfel 10x geworfen wurde:

r = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10

p(x = r) =
1

6
,
5

6
∗
1

6
,(
5

6
)
2
∗
1

6
etc... bis ( 5

6
)
8
∗
1

6
und bei r = 10 → ( 5

6
)
9

also (∑ 10

k=0
k ∗ (
5

6
)
k−1
∗
1

6
) +10 ∗ (
5

6
)
10

Der Erwartungswert ist linear - Falls X und X i = 1, 2, 3.. . n Zufallsvariablen auf S sind, und a, b beliebige reelle
Zahlen, dann gilt:

E(X 1 + X 2 + X 3 . . . +X n ) = E(X 1 ) + E(X 2 ) + E(X 3 )+. . . E(X n )

E(aX + b) = aE(X) + b
Varianz einer Zufallsvariable
V (X) = ∑(X(s) − E(X))
2
∗ p(s) = ∑(r − E(X))
2
∗ p(r = x)

Standardabweichung = √V (x)

Falls die Zufallsvariable X ist, dann gilt: V (X) = E(X 2

) − (E(X))
2

Bei der Binomialverteilung:

E(X) = np

V (X) = E(x)(1 − p) = n ∗ p ∗ (1 − p)

Bei der Poissonverteilung:

E(X) = μ

V (X) = μ = E(X)
Woche 9: Zahlentheorie I
Division mit Rest
a = qn + r

Kongruenz
a ≅b mod n , falls die Differenz von a und b durch n teilbar ist.

n|(a − b) = a ≅ b mod n

∃q : a − b = q ∗ n

Euklidischer Algorithmus
Bsp: ggT (963, 218)

Diophantische Gleichung
n1 ∗ x + n2 ∗ y = n

n 1 (x + kn 2 ) + n 2 (y − kn 1 )

Bsp: 3x + 7y = 1, x = −2, y = 1

x = −2 + 3 ∗ 7 = 19 & y = 1 − 3 ∗ 3 = −8

~ ~

3 ∗ x + 7 ∗ y = 1

~ ~

3 ∗ 19 + 7 ∗ (−8) = 57 − 56 = 1

Schritte für das Lösen einer diophantischen Gleichung:

Bsp: 144x + 37y = 1

1. Mittels dem euklidischem und erweiterten euklidischen alg. das ggT(144, 37) herausfinden und die
diophantische gleichung lösen:
144 = 3 ∗ 37 + 33 = −8 ∗ 37 + 9 ∗ (144 − 3 ∗ 37) = 9 ∗ 144 − 35 ∗ 37

37 = 1 ∗ 33 + 4 = 33 − 8(37 − 1 ∗ 33) = −8 ∗ 37 + 9 ∗ 33

33 = 8 ∗ 4 + 1 1 = 33 − 8 ∗ 4

Das ergibt: 144 ∗ 9 + 37 ∗ (−35) = 1 → x = 9, y = −35

Weitere Lösungen der Diophantischen Gleichung

Es gilt: n 1 (x + k ∗ n 2 ) + n 2 (y − k ∗ n 1 )

Modulare Inverse
n 1 ∗ x = 1( mod n 2 ) n 1 : multipliziert mit was und das ganze mod n 2 ergibt 1?

Beim obigen Beispiel:

144 ∗ 9 = 1( mod 37)

37 ∗ (−35 + 144) = 1( mod 144) also 37 ∗ 109 = 1( mod 144)

Chinesischer Restsatz
x ≅ b1 ( mod n 1 )

x ≅ b2 ( mod n 2 )

x ≅ b3 ( mod n 3 )

x ≅ b4 ( mod n 4 )

N = n1 ∗ n2 ∗ n3 ∗ n4

N
Ni =
ni

bi (Restwerte) Ni xi (Inverse von N )

i bi ∗ Ni ∗ xi

b1 N1 = n2 ∗ n3 ∗ n4 x1 b1 ∗ N1 ∗ x1

b2 N2 = n1 ∗ n3 ∗ n4 ∗ x2 b2 ∗ N2 ∗ x2
 bi (Restwerte) Ni xi (Inverse von N )
i bi ∗ Ni ∗ xi

b3 N3 = n1 ∗ n2 ∗ n4 ∗ x3 b3 ∗ N3 ∗ x3

b4 N4 = n1 ∗ n2 ∗ n3 ∗ x4 b4 ∗ N4 ∗ x4

4
x = ∑ bi ∗ Ni ∗ xi
i=1

Bsp:

x ≅ 1( mod 2)

x ≅ 2( mod 3)

x ≅ 3( mod 5)

x ≅ 4( mod 11)

N = 2 ∗ 3 ∗ 5 ∗ 11 = 330

bi Ni xi bi ∗ Ni ∗ xi

1 3 ∗ 5 ∗ 11 = 165 165x ≅ 1( mod 2) = 1 165

2 2 ∗ 5 ∗ 11 = 110 110x ≅ 1( mod 3) = 2 440

3 2 ∗ 3 ∗ 11 = 66 66x ≅ 1( mod 5) = 1 198

4 2 ∗ 3 ∗ 5 = 30 30x ≅ 1( mod 11) = 7 840

Kurz überprüfen: b i ∗ Ni ∗ xi mod n i = b i

x = 165 + 440 + 198 + 840 = 1643

x = 1643( mod 330)

x = 323( mod 330)

Überprüfung:

323 mod 2 = 1

323 mod 3 = 2

323 mod 5 = 3

323 mod 11 = 4

Die Eulersche ϕ-Funktion

Z n = 0, 1, 2, 3.. . , n − 1

= Zahlen die Teilerfremd sind zu n, wobei 0 < x < n

∗
Zn

ϕ(4) = Z 4 ∗ = 1, 3 = 2

ϕ(5) = Z 5 ∗ = 1, 2, 3, 4 = 4

ϕ(3) = Z 3 ∗ = 1, 2 = 2

ϕ(2) = Z 2 ∗ = 1 = 1

Falls p und q verschiedene Primzahlen sind, gilt:

ϕ(p) = p − 1

ϕ(p ∗ q) = (p − 1)(q − 1)
 ϕ(35) = ϕ(5 ∗ 7) = (5 − 1)(7 − 6) = 4 ∗ 6 = 24

2 1−1 1−1 2−1 0 0

ϕ(150 ∗ 77) = ϕ(2 ∗ 3 ∗ 5 ∗ 7 ∗ 11) = (2 − 1) ∗ 2 (3 − 1) ∗ 3 (5 − 1) ∗ 5 ∗ (7 − 1) ∗ 7 ∗ (11 − 1) ∗ 11 = 240

ϕ(6) = ϕ(2 ∗ 3) = (2 − 1)(3 − 1) = 2

4 3
ϕ(16) = ϕ(2 ) = (2 − 1) ∗ 2 = 8

2 1
ϕ(693) = ϕ(3 ∗ 7 ∗ 11) = (3 − 1) ∗ 3 ∗ (7 − 1) ∗ (11 − 1) = 360

Der kleine Satz von Fermat

Sei p eine Primzahl und m eine positive ganze Zahl. Dann gilt:

mod p

p
m mod p = m

mod p = 1 bei m < p

p−1
m

Bsp: 2 340
mod 11 = 1

Formel m p−1
mod p anwenden

(2
10
)
34
mod 11 = 1

(2
10
mod 11)
34
mod 11 = 1

34
1 mod 11 = 1
 Allgemein gilt: Seien $a,n \in N$ mit ggT($a,n$) $=1$ und $\phi(n)$ die eulerschei $\phi$-Funktion, dann gilt:

ϕ(n)
a ≅ 1(modn)

Woche 10: Zahlentheorie II

Rechenregeln beim modularen Rechnen

Effizientes Potenzieren modulo n (Square and Multiply Alg.)

Beispiel 5 21
mod 11

Exponent binär schreiben und 2 nach rechts ausklammern:

Nspire: Zahleingeben --> Buch auf der rechten Seite --> Base 2

4 3 2 1 0 4 2 0
21(I 0I 0I ) 2 = 1 ∗ 2 + 0 ∗ 2 + 1 ∗ 2 + 0 ∗ 2 + 1 ∗ 2 = 2 + 2 + 2 = (2 ∗ 2 + 1)2 ∗ 2 + 1

Exponent einsetzen und entsprechend quadrieren, multiplizieren sowie modular reduzieren

21 (2∗2+1)2∗2+1
5 mod 11 = 5 mod 11

.... = (((5 2
)
2
∗ 5) )
2 2
∗ 5

.... = (((25) 2
∗ 5) )
2 2
∗ 5 mod 11

.... = ((3 2
∗ 5) )
2 2
∗ 5 mod 11

.... = ((1) 2
)
2
∗ 5 mod 11

.... = = 5

Alternative: Q = Quadrieren und M = Multiplizieren.

(I OI OI ) ersetzen durch Q und M wobei 1 = QM und 0 = Q → QM QQM QQM

Das erste links vorkommende QM streichen → QQM QQM

Q Q M Q Q M

−
−
−
−
−
−
3 → 9 ≅ 9 → 81 ≅ 4 → 12 ≅ 1 → 1 ≅ 1 → 1 ≅ 1 → 3 ≅ 3

Oder TI Nspire → Menu → 1. New → A. Add Python → 3. Shell

Dort die Gleichung eingeben

Das Inverse berechnen mit dem kleinen Satz von Fermat (Nur bei Primzahlen)
Sei p eine Primzahl. In diesem Fall kann der kleine Satz von Fermat genutzt werden, um die Inversen
systematisch zu bestimmen. Seia ∈ Z p
∗
= 1, 2, . . . . p − 1 , dann gilt:

p−1 p−2
a = a ∗ a = 1( mod p)

Bsp: Bestimmen Sie alle Inversen von Z 5∗ = 1, 2, 3, 4

5−2
1 mod 5 = 1

5−2
2 mod 5 = 8 mod 5 = 3

5−2
3 mod 5 = 27 mod 5 = 2

5−2
4 mod 5 = 64 mod 5 = 4

Modulare Quadratwurzeln
x
2
= a bwz. (x ∗ x) mod n = a

mod n

a = Quadratischer Rest / Quadratischer Nichtrest → x = √a mod n

Bsp: n = 7, Z ∗
7
= 1, 2, 3, 4, 5, 6

Zuerst Quadrieren mod 7

x 1 2 3 4 5 6

2
x = (x ∗ x) mod 7 1 4 2 2 4 1

Anschliessend die Wurzeln herauslesen

a 1 2 3 4 5 6

√a mod 7 1, 6 3, 4 -- 2, 5 -- --

Die Quadratischen Reste sind 1, 2, 4

Die Quadratischen Nichtreste sind 3, 5, 6

Falls n eine Primzahl ist, hat jedes Element keine oder genau 2 Quadratwurzeln (siehe n = 7)

Falls n das Produkt von zwei verschiedenen Primzahlen sind, so hat jedes Element entweder keine oder genau
4 Quadratwurzeln (siehe n = 15 → n = 3 ∗ 5)

Das Euler Kriterium

Schnelle überprüfung, ob eine bestimmte Zahl ein quadratisches Residum modulo eine Primzahl ist.

Sei p eine ungerade Primzahl, dann ist a < p ein quadratischer Rest modulo p dann, wenn a
p−1

2
≅ 1( mod p)

Bsp: Sei p = 11. Nun zeigen wir, dass 3 ein quadratisches Residuum modulo 11 ist.
11−1
5
3 2
= 3 = 243 → 243 mod 11 = 1

Der diskrethe Logarithmus

Berechenbar durch: exp b = b
k
mod p

Finde zu gegebenem y ∈ Z ein k ∈ N (falls es existiert), so dass die folgende Gleichung erfüllt ist:
∗
p

y = b (
k
mod p) oder k = log b (y) mod p

Diffie Hellman Schlüsselvereinbarung

1. Zwei Zahlen p (prim) und g < p werden gewählt
2. Person A wählt eine (nur ihm bekannte Zufallszahl) a < p, berechnet α = g a
mod p und sendet α
an Person B
Person B wählt eine (nur ihm bekannte Zufallszahl) b < p, berechnet β = g b
mod p und sendet β an
A

3. A berechnet β a
mod p = g
b∗a
mod p und B berechnet α b
mod p = g
b∗a
mod p

4. Beide haben den gemeinsamen Schlüssel K = β

a
mod p = α
b
mod p

Bsp: Primzahl p = 19 und die Erzeugende g = 3. Weiter wählt Aliche die Geheimzahl a = 3 und Bob wählt
b = 4

1. Die Anforderungen sind erfüllt, denn g < p und g ist eine Erzeugende von n

2. Alice schickt 3 3
mod 19 = α = 8 an Bob
Bob schickt 3 4
mod 19 = β = 5 an Alice

3. Alice berechnet β a
mod n also 5 3
mod 19 = 11

4. Bob berechnet α b
mod n also 8 4
mod 19 = 11

5. Beide haben den gemeinsamen Schlüssel K = β

a
mod p = α
b
mod p = 11
Woche 11: Zahlentheorie III
Symmetrischer Verschlüsselungs Algorithmus
Ein symmetrischer Verschlüsselungsalgorithmus besteht aus:

1. Einer Verschlüsselungs- Funktion f mit zwei Variablen

2. Dem Schlüssel k
3. Dem Klartext m
4. Dem Geheimtext c

Es gilt:

c = f (k, m) zum verschlüsseln

m = f ∗ (k, c) = f ∗ (k, f (k, m)) zum entschlüsseln

Perfekte Sicherheit
Ein Verschlüsselungsalgorithmus heisst perfekt sicher, falls für alle m ∈ M und alle c ∈ C folgendes gilt:

p(m|c) = p(m)

Die Kenntnis eines Geheimtextes c liefert (absolut) keine Information über das Vorliegen eines Klartextes m.

Beispiel:

Gegeben ist die Klartextmenge M = 01, die Geheimtextmenge G = 00, 01, 10, 11 und die Schlüsselmenge
K = k , k , k . Die Wahrscheinlichkeitsverteilungen auf der Klartextmenge p(0) = , p(1) = 14 und auf der
3
1 2 3
4

Schlüsselmenge p(k 1) =
1

2
, p(k2) = 1

4
und p(k 3) =
1

4
. Die Verschlüsselungsfunktion f sei wie folgt definiert:

f (k 1 , 0) = 01

f (k 2 , 0) = 10

f (k 3 , 0) = 11

f (k 1 , 1) = 10

f (k 2 , 1) = 11

f (k 3 , 1) = 00
 1 1 1
p(00) = ∗ =
4 4 16

3 1 3
p(01) = ∗ =
4 2 8

p(10) =
1

4
∗
1

2
+
3

4
∗
1

4
=
16
5

3 1 1 1 1
p(11) = ∗ + ∗ =
4 4 4 4 4

Dann wird folgendes getestet:

1 3
p(01|0)∗p(0) ∗
2 4
p(0|01) = = 3
= 1
p(01)
8

Anschliessend wird getestet ob p(0|01) = p(0)? → 1 ≠ 3

Falls diese Gleichung stimmt, müssen alle anderen Gleichungen noch überprüft werden!

Also p(0|00) = p(0)?, p(0|10) = p(0)?, p(0|11) = p(0)?usw. . .

Allgemeiner asymmetrischer Algorithmus

Jeder Teilnehmer T hat ein privater Schlüssel zum decrypten d = d und ein öffentlicher Schlüssel e = d
T T

zum encrypten.

Der Verschlüsselungsalgorithmus f zum öffentlichen Schlüssel e ordnet jedem Klartext m den

e

Geheimtext c = f (m) zu. Jeder kann also verschlüsseln

e

Umgekehrt ordnet der Entschlüsselungs-Algorithmus f zum privaten Schlüssel d dem Geheimtext c den
d

Klartext m = f (c) zu. Nur wer zum öffentlichen Schlüssel e den passenden geheimen Schlüssel d hat,
d

kann entschlüsseln.

Überprüfen ob Zahlen teilerfremd sind:

→ Wird mittels Primfaktorzerlegung gemacht

Bsp:

2668, 17

2668 = 2
2
∗ 23 ∗ 29 . Da 17 nicht vorkommt, sind die Zahlen teilerfremd

TI Nspire Befehl: f actor(n)

1. Schlüsselerzeugung
Wähle zwei grosse (mind 300-600 stellige) Primzahlen p = 47 und q = 59.
Berechne n = p ∗ q = 2773
Berechne ϕ(n) = (p − 1) ∗ (q − 1) = 2668
Wähle eine zu ϕ(n) teilerfremde Zahl e (ggt(ϕ(n), e = 1)) → e = 17
Bestimme ein modulares Inverses modulo ϕ(n) zu e
e ∗ d ≅ 1(modϕ(n))

d = 157

Privater Schlüssel = d = 157

Öffentlicher Schlüssel = (n, e)

2. Verschlüsselung
m1 = 8

e
f e (m) = m mod n = c

17
8 mod 2773 = c = 596

3. Entschlüsselung
c = 596

d
f d (c) = c mod n = m

157
596 mod 2773 = 8

Faktorisieren von n
Bsp: Die Zahl n = 10921 ist das Produkt von zwei verschiedenen Primzahlen. Ausserdem gilt ϕ(10921) = 10692
. Faktorisieren Sie n.

Mitternachtsformel: −b±√ b −4ac

2

2a

10921
n = 10921 = p ∗ q, ϕ(n) = 10692, p =
q

10921
10692 = ( − 1)(q − 1)
q

10921
10692 = 10921 − − q + 1
q

10921
10692 = 10922 − − q
q

10921
230 − − q = 0
q

2
−q + 230q − 10921 = 0

2
q − 230q + 10921 = 0

√ 2
230 230 −4∗1∗10921 230±96
q 1,2 = =
± 2 2
q 1 = 163

q 2 = 67
Woche 12: Graphentheorie I
Ein ungerichteter Graph G = (V , E) besteht aus:

einer Knotenmenge V = (V , G) mit der Anzahl Knoten n

einer Kantenmenge E = E(G) mit der Anzahl Kanten m

wobei jeder Kante e ∈ E zwei Knoten aus V zugeordnet sind.

Schreibweise: e = (u, v) = (v, u)

Knotengrad- oder Eckengrad

Der Grad deg(v) eines Knotens oder einer Ecke v ∈ E ist gleich der Anzahl Kanten von G, die v enthalten.
Schlingen werden doppelt gezählt.

Addiert man die Gerade aller Knoten (Ecken) eines Graphen, zählt man alle Kanten des Graphen doppelt. Es
gilt also das Handshaking Lemma

∑ deg(v) = 2 ∗ |E|
v∈V

n = Anzahl Kanten

Gradliste: {1, 2, 3, 4, 5.. .}

Δ(G) = Max. Knotengrad

δ(G) = Min. Knotengrad

Isomorphe Graphen
Zwei Graphen sind isomorph, wenn es eine bijektive Abbildung gibt. Isomorphe Graphen haben gleich viele
Knoten und Kanten und deren Gradlisten sind identisch.

Voraussetzungen:

Nachbarschaftsbeziehungen müssen vorhanden sein

Knotengrade müssen übereinstimmen
Anzahl Knoten müssen gleich sein
Gradliste müssen übereinstimmen

Vollständiger Graph
Ein vollständiger Graph K besitzt zwischen je zwei Knoten stets genau eine Kante.
n

Ein vollständiger Graph K mit n Knoten besitzt genau:

n
m = ( ) =
2
(n−1)n

2
Kanten

Baum
Ein Baum mit n Knoten ist ein Graph, der keinen Kreis enthält.

Ein Baum mit n Knoten, hat n − 1 Kanten.

Ein voller m−facher Baum im i inneren Knoten hat n = m ∗ i + 1 Knoten
Ein m− Facher Baum der Höhe h hat höchstens m Blätter
h

Vollständige bipartiter Graph

Ein vollständiger bipartiter Graph G = (V , E) besitzt eine Knotenmenge V = U ∪ W mit U ∩ W = 0 , sodass
folgendes gilt :

Es gibt keine Kante zwischen Knoten aus U

Es gibt keine Kante zwischen Knoten aus W
Jeder Knoten aus U ist mit jedem Knoten aus W durch genau eine Kante verbunden

Page-Rank Algorithmus
Bsp mit d = 4

5
Schritte:

Gleichungen aufstellen
Gleichungen in Matrixform
Das ganze Mal 5 oder was auch immer rechnen
Vektoren durch Einheitsmatrix * X ersetzen
Umordnen (5 ∗ 𝟙 − 5A)
Gleichung lösen (solve)

Graphen und Matrizen

Die Adjazenzmatrix

Die Adjazenzmatrix A(G) des Graphen G mit n Knoten ist die n ∗ n Matrix mit den Elementen A = Anzahl
ij

der Kanten zwischen Knoten i und j.

Die Inzidenzmatrix

Die Gradmatrix

Die Gradmatrix D(G) des Graphen G ist die n ∗ n Diagonalmatrix, deren Diagonaleinträge die Gerade der
entsprechenden Knoten von G sind.
Es gilt: B ∗ B T
= A + D → mit nSpire ausrechnen

Warum ist (B ∗ B T
)
T
Symmetrisch? Weil: (B ∗ B T
)
T
= B
T
∗ (B
T
)
T
= B ∗ B
T

(B
T
)
T
gleicht sich wieder aus

UND ES GILT: (A ∗ B) T
= B
T
∗ A
T

Länge von Wegen und Kreisen

Ein Weg oder ein Kreis heissen "einfach", falls jede Kante höchstens einmal vorkommt.

Die Anzahl Wege der Länge x zwischen zwei beliebigen, nicht notwendigerweise verschiedenen Knoten von
einem Graph zu berechnen ist folgendes:

1. Zuerst die Adjazenzmatrix Bestimmen.

2. Anschliessend die Adjazenzmatrix x

3. Anschliessend das Element i, j herauslesen.

Bsp bei einem Graph mit n = 3 Knoten:

Eulerwege und -kreise

Ein Eulerweg (bzw. Eulerkreis) in einem Graphen G ist ein Weg (bzw. ein einfacher Kreis), der jede Kante von
G genau einmal durchläuft

Regel:

Jeder Graph hat genau dann einen Eulerkreis, wenn alle Knoten einen geraden Grad haben.

Jeder Graph hat genau dann einen Eulerweg, wenn es genau zwei Knoten mit ungeradem Grad hat.

Hamiltonkreis
Ein Hamiltonweg (bzw. ein Hamiltonkreis) in einem Graphen G ist ein einfacher Weg (bzw. ein einfacher
Kreis), der jeden Knoten von G einmal durchläuft.
Woche 13: Graphentheorie II
Planarer Graph
Ein Graph heisst planar, wenn er sich in der Ebene ohne Kantenkreuzungen zeichnen lässt.

Bsp: Planarer Graph

Bsp: Kein Planarer Graph

Eulerscher Polyedersatz
Anz. Knoten - Anz. Kanten + Anz. Flächen = |V | − |E| + |F | = 2

Beweisskizze:

Wir konstruieren den zu G dualen Graphen G , indem wir in jede Fläche einen Knoten setzen und zwei dieser
∗

Knoten genau dann verbinden, wenn sie in benachbarten Flächen, d.h auf verschiedenen Seiten einer Kante
von G liegen.

Anschliessend konstruiert man ein Gerüst des dualen Graphen G , nämlich B . Das ist ein Baum, welcher alle
∗ ∗

Knoten von G miteinander verbindet. Es gilt B hat genau F − 1 Kanten. Also Flächen vom
∗ ∗ ∗

URSPRÜNGLICHEN Graphen G -1.

Wieviele Kanten haben nun die beiden Bäume B und B zusammen? B hat |V | − 1 Kanten und B hat |F | − 1
∗ ∗

Kanten. Die Summe ist gleich der Anzahl der Kanten von G.

(|V | − 1) + (|F | − 1) = |E|

|E| = |V | + |F | − 2

Die Chromatische Zahl

Das Färben eines Graphen heisst, jeden Knoten zu färben, wobei die Knoten, die mit einer Kante verbunden
sind, eine verschiedene Färbung haben.

Die kleinste Zhal der Farben, die eine Färbung von G ermöglicht, wird chromatische Zahl von G, kurz χ(G)
genannt.

Bsp. χ(G) = 3
Die chromatische Zahl ist immer 1 ≤ χ(G) ≤ Δ(G) + 1. Es gibt mindestens 1 Farbe, und höchstens die max.
Anzahl von Knoten eines Graphen + 1.

Schritte um einen Graphen G zu färben.

Gleichheit gilt im Satz nur für vollständige Graphen χ(K n) = n und Δ(K n) = n − 1 und Kreise ungerader
Länge χ(C 2k+1) = 3 und χ(C ) = 2
2k

Das Chromatische Polynom

Das chromatische Polynom P (G, x) gibt für jedes x ∈ N die Anzahl der zulässigen Färbungen von G mit
höchstens x Farben an.

Chromatische Polynom von einem Graph mit Isolierten Knoten

Es gilt nur für isolierte Knoten:

n
P (P n , x) = x

Pn = Ein Graph mit n isolierten Knoten.

Chromatische Polynom von einem vollständigen Graph

Es gilt für vollständige Graphen (Sei K der vollständige Graph mit n Knoten)
n

P (K n , x) = x ∗ (x − 1)(x − 2). . . (x − n + 1)
Bsp: K
5

Bsp: K
3

Chromatische Polynom von Bäume

Sei T ein Baum mit n Knoten, dann gilt:

n−1
P (T n , x) = x ∗ (x − 1)
Bsp: T und P (T
3 3, 2)

Dekompositionsgleichung

Es gilt:

P (G − e, x) = P (G, x) + P (G e , x)

P (G, x) = P (G − e, x) − P (G e , x)

Schritte um ein chrom. Polynom eines Beliebigen Graphen G zu bestimmen:

Der Rekursive Algorithmus wird so lange gemacht, bis ein Baum oder ein Kreis entsteht.
Die Chromatische Zahl kann auch ausgerechnet werden

Das Chromatische Polynom des Kreises C n

Das chromatische Polynom P (C n, x) eines Kreises C mit n ≥ 1 Knoten, ist gegeben durch
n

n n
P (C n , x)) = (x − 1) + (−1) (x − 1)

Gerüste
Ein Gerüst eines Graphen G = (V , E) ist ein zusammenhängender kreisfreier Untergraph (Baum), der alle
Knoten aus V enthält

Ein Kreis mit n Knoten, hat n Gerüste

Um die Anzahl aller Gerüste t(G) zu bestimmen, gilt folgendes:

t(G) = t(G − e) + t(G/e)

Die parallelen Kanten werden NICHT ignoriert und die Schlingen werden weggelassen.
Woche 14: Graphentheorie III
Gewichtete Graphen: Länge und Abstand
Die Länge oder das Gewicht eines Weges in G ist die Summe der Gewichte sämtlicher Kanten des Weges:

Der Abstand d(u, v) zwischen zwei Knoten u, v ∈ V ist das Minimum der Längen aller Wege von u nach v.

Ein Weg der Länge d(u, v) von u nach v wird kürzester Weg genannt.

Algorithmus von Dijkstra

Länge eines kürzesten Weges von a nach u für jeden Knoten aus V

Schritte um den Kürzesten Weg zu berechnen:

Initialisierung:

S = ∅

L(a) := 0

L(u) = ∞ für alle Knoten u ≠ a

Wiederholungen:

Wähle einen Knoten s ∈ V − S mit minimalem L(s)

Falls L(s) = ∞, dann HALT
Füge der Menge S den Knoten s hinzu
Falls S = V , dann HALT
Für jeden Nachbarn y ∈ V − S des Knoten s :
Falls L(y) > L(s) + w(s, y), ersetze L(y) durch L(s) + w(s, y)

Minimal aufspannende Bäume mittels Algorithmus von Prim

Ein minimal aufspannender Baum T des gewichteten Graphen (V , E, w) ist ein aufspannender Baum T mit
der Eigenschaft w(T ) ≤ w(T ) für jeden aufspannenden Baum T von (V , E, w)
′ ′

Schritte:

Initialisierung:

S = a

T = ∅

Wiederholungen:

Wähle eine Kante {x, y} ∈ E minimalen Gewichts mit x ∈ S und y ∈ V  ohne S

Füge der Menge S den Knoten y hinzu
Füge der Menge T die Kante {x, y} hinzu.

Algorithmus von Kruskal

Sagt aus, wie man einen minimal aufspannenden Wald berechnen kann.

Schritte:

Initialisierung:

R = {{x}|x ∈ V }
T = ∅

Wiederholungen:

Wähle eine Kante {x, y} ∈ E − T minimalen Gewichts, so dass, x und y nicht zur gleichen Klasse von R
gehören
Ersetze in R die beiden Klassen von x und y durch ihre Vereinigung
Füge der Menge T die Kante x, y hinzu.

Admittanzmatrix und Satz von Kirchoff

Es gilt: Gradmatrix - Adjazenzmatrix = Admittanzmatrix

Also L(G) = D(G) − A(G) → Kann mit nSpire ausgerechnet werden.

Satz von Kirchoff: Anzahl Gerüste

t(G) = det(L 1 (G)) =. . . .

Bspt: L

2 (G))

Determinante einer zweireihigen Matrix

Die Determinante der Matrix A

A 1,1 A 1,2
A = [ ]
A 2,1 A 2,2

ist |A| = det(A) = A 1,1 ∗ A 2,2 − A 1,2 ∗ A 2,1