Mathematik F Ur Informatik I: Prof. Dr. Bernhard Steffen (LS 5)

Einführung
Mathematik für Informatik I
WS 2022/23
Prof. Dr. Bernhard Steffen (LS 5)
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 1

Einführung
Team
Dozent:
Prof. Dr. Bernhard Steffen (LS 5)
WiMis:
Dr. Andrej Dudenhefner (LS 14), Gerrit Nolte, Dr. Oliver Rüthing,
Maximilian Schlüter, Jonas Schürmann (alle LS 5)
Studentische Tutoren:
Dennis Anton, Mohammad Siwar Alibrahim, Sadoun Alsinou,
Valentin Bart, Maik Dute, Nouha Mataoui, Finn Meinschien,
Martin Misch, Hang Nguyen Nguyen, Julian Roß, Jonathan Schill,
Florian Wellner, Zeyu Yang
Helpdesk:
Mohammad Siwar Alibrahim, Valentin Bart, Andrej Dudenhefner,
Gerrit Nolte, Oliver Rüthing, Jonathan Schill, Maximilian Schlüter,
Jonas Schürmann
Einführung Organisation
Organisation

Organisation: Vorlesung
Vorlesungstermine:
Dienstag 16:15 Uhr - 17:45 Uhr
Donnerstag 10:15 Uhr - 11:45 Uhr
Präsenzvorlesung im SRG 1, H.001
Anfangsphase: Via Zoom-Webinar + Übertragung in den Hörsaal
Platzkapazität des Hörsaals ist einzuhalten
Tragen einer medizinischen Maske wird dringend angeraten
Online via Zoom-Webinar.
Nur zu ausdrücklich angekündigten Terminen.
Einladungslink Di 16-18 Uhr
Meeting Id: 969 4950 0122, Kenncode 516465
Einladungslink Do 10-12 Uhr
Meeting Id: 948 3413 3986, Kenncode 237432

Organisation: Material
Vorlesungsseite
Lehrstuhl 5 → Lehre → WS22/23
Wichtige Ankündigungen, Termine
Weblinks (Moodle, AsSESS,..)
Keine Vorlesungsmaterialien
Moodle Arbeitsraum
Skript, Folien, Übungsblätter
Anmeldung erforderlich über LSF (Online-Vorlesungsverzeichnis)
Abgabe der Übungsaufgaben
Einsicht des erreichten Punktestandes
Musterlösung (PDF, ggf. Videoclips)
Forum für Diskussionen

Trilogie Mathematical Foundations of Advanced Informatics
Band 1: Inductive Approaches
Über den Buchhandel oder
via Springer-Link
Deutschsprachige Vorgängerversion verfügbar
Band 2: Algebraic Thinking (in Vorbereitung)
Band 3: Perfect Modelling (in Vorbereitung)

Skript(en)
Separate Skripten für Vorlesungsteile Algebra und Lineare Algebra
älterer Stand
Nicht weiter gepflegt
Wie im Buch: klausurrelevanter Haupttext und grau unterlegtes
Zusatzmaterial
Folien
Weniger ausführlich als das Buch/Skript
Foliensätze vor der Vorlesung verfügbar
Vollformatige Folien mit Animationen
Vollformatige Folien ohne Animationen
Handoutformat - 4 Folien pro Seite ohne Animationen
Übungsblätter
Nur als Download (Moodle)
Veröffentlichung: Donnerstags bis 18:00 Uhr
Abgabe: Freitags in der Folgewoche bis 16:00 Uhr
Abgabe ausschließlich online in Moodle
Organisation: Übungen
Ausschließlich als Präsenz-Übungen

Keine Anwesenheitspflicht
Musterlösungen erscheinen später
AsSESS Anmeldungssystem
Registrierung erforderlich
Prioritätsbasierte Auswahl von Übungsterminen (9 Zeitslots)
Cliquenbildung für Abgabegruppen möglich
Zuordbarkeit zur Moodle-Anmeldung sicherstellen
Deadline Montag, 17.10.2022, 14:00 Uhr
Benachrichtigung per Email

30 Gruppen einrichtbar
Termine für die Übungsgruppen:
Mi, 8-10 Uhr (4 Gruppen)
Do, 8-10 Uhr (2 Gruppen)
Do, 16-18 Uhr (4 Gruppen)
Fr, 8-10 Uhr (5 Gruppen)
Anmeldung bis Montag, 17.10.2022, 14:00 Uhr über das
AsSESS-System.

Modalitäten der Übungen:

Start der Präsenzübungen erst in KW 42 (2.11. bis 4.11.)
Abgabe in Gruppen 3-4 Studierende
Gruppenbildung ist obligatorisch (ggf. zugeordnet)
Dafür initialer online-Termin zwecks Gruppenbildung im Zeitraum
20.10. bis 22.10 (auf Einladung der Gruppenleiter).
Je Übungungsblatt 3 Aufgaben plus eine Zusatzaufgabe a 4 Punkte
Musterlösung später online als PDFs, ggf. Videos
Erfolgreiche Übungsteilnahme ist Studienleistung

Organisation: Prüfungen und Studienleistung
(Benotete) Modulprüfung (Klausur, Bearbeitungszeit 180 Minuten)

40% der Punkte zum Bestehen
Klausurtermine (voraussichtlich)
Erstklausur: Dienstag, 14.2.2023, ca. 13:00 - 16:15 Uhr
Zweitklausur: Montag, 27.03.2023, ca. 8:00 - 11:15 Uhr
Zulassungsvoraussetzung (Studienleistung):
40% der regulär erreichbaren Punkte in je 2 Übungsblöcken
Zusatzaufgaben bringen Zusatzpunkte
Block 1: Serien 1-6
Block 2: Serien 7-12
Im Vorjahr erbrachte Studienleistungen sind gültig!
Sonderregelung für Corona-Bonusversuche existiert.

Organisation: Zusatzangebote
Helpdesk:
Teilweise vor Ort, teilweise online (BigBlueButton)
Zeiten und Modalitäten nach Ankündigung im Moodle und HelpCenter
Informatik.
Start: t.b.a
Repetitorium MafI 1
Regelmäßig im Sommersemester angeboten
Gezielte Klausurvorbereitung (z.B. für Nichtbesteher)
Studienleistung nachholbar
zusätzlicher Klausurtermin Juli/August (geringere Kapazität)

Motivation

Einführung Themenübersicht
Themenübersicht
Einige Beispiele Lernziele

Euklidischer Algorithmus Zweifelsfreies Verstehen
Türme von Hanoi Einsatz wiederverwendbarer
Suche von Objekten Muster
... Prinzipielles Vorgehen

Beherrschung von
Trennung von Modellierungsspielräumen
Syntax und Semantik
Inhalte der Vorlesung

Euklidischer Algorithmus
Euklid, ca. 360 - 280 v. Chr.
Eingabe: Natürliche Zahlen

n, m
Ausgabe: ggT (n, m)
solange n 6= 0 und m 6= 0 tue
wenn n > m dann
n ← n−m
sonst
m ← m−n
Ende
Ende
Gib n + m aus.
Kern: Invariante bezüglich gemeinsamer Teiler
GT ({a, b}) = GT ({a − b, b}) falls a ≥ b
→ Siehe Satz 2.1
Mathematische Berührungspunkte:
Natürliche Zahlen, ganze Zahlen
Ordnungen
Induktives Definieren
Induktives Beweisen

Einführung Türme von Hanoi
Türme von Hanoi
A H Z
Wie bekommt man den Turm vom Ausgangsstab (A) zum Zielstab (Z)
wenn man ..
den Hilfsstab (H) benutzen darf
nur eine Scheibe pro Schritt bewegen darf
nur kleinere Scheiben auf größere gelegt werden dürfen
Türme von Hanoi
Einfach für 2 Scheiben

Türme von Hanoi

Türme von Hanoi

Türme von Hanoi

Türme von Hanoi
A Z H
Nun mit 3 Scheiben

Für obere 2 Scheiben Problem schon gelöst
Vertausche Rollen von Stab H und Z

Türme von Hanoi
A Z H
Nun mit 3 Scheiben

Für obere 2 Scheiben Problem schon gelöst
Vertausche Rollen von Stab H und Z

Türme von Hanoi
A H Z
Nun mit 3 Scheiben

Bewege die größte Scheibe auf den Zielstab

Türme von Hanoi
H A Z
Nun mit 3 Scheiben

Für die Scheiben auf dem Hilfsstab ist das Problem schon gelöst
Vertausche Rollen von Stab A und H

Türme von Hanoi
H A Z
Nun mit 3 Scheiben

Für die Scheiben auf dem Hilfsstab ist das Problem schon gelöst
Vertausche Rollen von Stab A und H

Türme von Hanoi
A H Z
Problem gelöst!

Türme von Hanoi
Kernfragen:
Finden des rekursiven
Algorithmus
Finden/Einhalten der
Invarianten
Ermittlung der Komplexität
Hanoi (n,a,h,z) ≡
Wenn (n > 0)
dann Hanoi(n-1,a,z,h);
Verschiebe oberste Scheibe von a nach z;
Hanoi(n-1,h,a,z);
Türme von Hanoi
Kernfragen:
Algorithmus
Invarianten
Hanoi (n,a,h,z) ≡
Wenn (n > 0)
Hanoi(n-1,h,a,z);
Türme von Hanoi
Kernfragen:
Algorithmus
Invarianten
Hanoi (n,a,h,z) ≡
Wenn (n > 0)
Hanoi(n-1,h,a,z);
Einführung Suche von Objekten
Suche von Objekten
Wie oft muss man höchstens in den Sack greifen, um festzustellen, ob sich
ein bestimmtes Objekt darin befindet?
Einfache Antwort: Man muss alle Objekte herausholen.
Geht das auch besser?

Einführung Suche von Objekten
Suche von Objekten
Effiziente Suche im Internet

Kern: Geeignete basiert auf massiver Vorarbeit
Umstrukturierung des Problems,
z.B. sortieren Bei Google: Indizierung,
Page Ranking,...
Wichtig: Klarstellung der jeweiligen Spielräume zur Umstrukturierung!

Einführung Terminierung von Funktionen
Terminierung von Funktionen

Collatz-Funktion
Für n = 27:
Eingabe: Natürliche Zahl 27, 82, 41, 124, 62, 31, 94,
n>0 47, 142, 71, 214, 107, 322,
Ausgabe: 1 161, 484, 242, 121, 364, 182,
solange n 6= 1 tue 91, 274, 137, 412, 206, 103,
wenn n gerade dann 310, 155, 466, 233, 700, 350,
n ← n/2
175, 526, 263, 790, 395,
sonst
n ← 3n + 1 1186, 593, 1780, 890, 445,
Ende ...
6154, 3077, 9232, 4616,
Ende
...
Gib n aus.
40, 20, 10, 5, 16, 8, 4, 2, 1
Terminierung unbekannt!

Einführung Terminierung von Funktionen
Terminierung von Funktionen
Nochmal Euklidischer Algorithmus..
Eingabe: Natürliche Zahlen

n, m
Ausgabe: ggT (n, m)
solange n 6= 0 und m 6= 0 tue
wenn n > m dann
n ← n−m
sonst
m ← m−n
Ende
Ende
Gib n + m aus.
Beobachtung: n+m nimmt in jedem Schleifendurchlauf echt ab!

Einführung Umgang mit beschränkten Ressourcen
Umgang mit beschränkten Ressourcen
Beispiel: Schwarmintelligenz: Lösen komplexer Aufgaben im Kollektiv

Einführung Umgang mit beschränkten Ressourcen
Umgang mit beschränkten Ressourcen
Beispielszenario:
Ausgangspunkt:
Die Einzelgeräte haben beschränkte Arithmetik (z.B. 32 Bit).
Es soll präzise mit ganzen Zahlen bis zu dieser Grenze gerechnet
werden (+, −, ∗, /)
Problem: Zwischenergebnisse können viel grösser sein!
Wie könnte das gehen?
Kern: ’Teile und herrsche’-Prinzip, z.B.: (semantische) Dekomposition

des Problems ( Chinesischer Restsatz).

Einführung Eigenfaces
Lineare Gleichungssysteme
Aus der Schule bekannt:

x + 3y − 2z = 2
2x + 4y =3
−3x − 5y + 2z = 6
Systematische Lösung durch geeignetes ‘Framework’

Einführung Eigenfaces
Eigenfaces
Kern:
involvierteres ’Teile und herrsche’-Prinzip.
auch eine semantische Dekomposition des Problems.

Einführung Trennung von Syntax und Semantik
Trennung von
Syntax und Semantik

Trennung von Syntax und Semantik

Trennung von Syntax und Semantik
Kern: Etablierung von Modellierungsspielräumen
Beispiel: Rechnen Sie einmal mit römischen Zahlen

Einführung Lernziele
Lernziele

Lernziele
Zweifelfreies Verstehen: Einsatz wiederverwendbarer

mathematische Präzision, Muster:
dazugehörige Formalismen, Beschreibungsmuster
sowie Strukturierungsmuster
mathematisches Vorgehen. Beweismuster
algorithmische Muster

Lernziele
Prinzipielles Vorgehen:
Was ist der Kern des Problems?
Was sind angemessene Lösungsmuster?
Wie kann man diese Muster gezielt zur Problemlösung einsetzen?
Wie erhält man ein spezifisches Lösungsszenario
(Domänenmodellierung)

Lernziele
Beherrschung von Modellierungsspielräumen:

I Trennung von Syntax/Semantik: WIE vs. WAS
II (Induktives) Strukturieren
III Generalisierung und Abstraktion
als Grundlage für ’teile und herrsche’-Prinzipien wie:
IV Invarianz
V Kompositionalität
mit dem Ziel:
VI Effizienz
VII Korrektheit (z.B.(induktive) Beweisbarkeit)
VII Skalierbarkeit

Einführung Aufbau der Vorlesung
Aufbau der Vorlesung

Einführung Aufbau der Vorlesung
Vorlesungsinhalte
Einführung, Übersicht Matrizen

Aussagen und Mengen Lineare Gleichungssysteme
Relationen und Funktionen Invertierbarkeit von Matrizen
Induktives Definieren Vektorräume
Darstellung und Bedeutung Erzeugendensysteme, Basen
Induktives Beweisen Dimension eines Vektorraumes
Ordnungsstrukturen Lineare Abbildungen
Algebraische Strukturen Determinanten
Halbgruppen, Monoide Eigenwerte und Eigenvektoren
Gruppen
Ringe, Integritätsbereiche
Körper

Aussagen und Mengen
2. Aussagen und Mengen - Themenübersicht
Aussagen
Aussagenlogik
Anwendung: Digitale Schaltkreise
Prädikatenlogik
Logische Beweisprinzipien
Mengen
Mengenbeziehungen
Mengensysteme
Mengenverknüpfungen
Antinomien

Aussagen und Mengen 2.1. Aussagen
Aussagen
Definition 2.1
Aussagen sind (schrift-)sprachliche Gebilde, für die es sinnvoll ist, ihnen
einen Wahrheitswert wahr (w) oder falsch (f) zuzuordnen.
Beispiel 2.1
1 Delphine sind Fische. (f)
2 5 ist eine Primzahl. (w)
3 Es gibt nur endlich viele Primzahlen. (f)
4 Jede gerade natürliche Zahl grösser als zwei ist Summe zweier
Primzahlen. (?)
5 Die USA ist Olympiasieger im Eishockey. (?)

Keine Aussagen
Beispiel 2.2
1 Wie spät ist es?
2 Kommt her!
3 Diese Aussage ist falsch.
Bei Satz 3) liegt ein logisches Paradoxon vor.

Unklare Aussagen
Beispiel 2.3
1 Heute ist das Wetter schön.
2 Verdi hat die bedeutendsten Opern komponiert.
Solche Uneindeutigkeiten sind in der Mathematik und Informatik in der

Regel nicht von Bedeutung.
Grund: Strenge Anforderungen an Syntax und Semantik.

Aussagen und Mengen 2.1.1 Aussagenlogik
Aussagenlogik
Prinzip: Zusammensetzen von Teilaussagen zu komplexeren Aussagen.
Dabei gilt:
1 Existenz elementarer (atomarer) Aussagen. Deren innere Struktur ist
nicht relevant. Entscheidend ist, dass ihnen ein Wahrheitswert
zugewiesen werden kann.
2 Extensionalitätsprinzip: Der Wahrheitsswert zusammengesetzter
Ausssagen ergibt sich eindeutig aus dem Wahrheitswert der
Teilaussagen.
Formal präziser: Syntax und Semantik Boolescher Terme

(Kapitel 4.3 und 4.4)

Verknüpfung von Aussagen
Definition 2.2
Seien A und B beliebige Aussagen, dann auch die
Negation von A : (¬A ). Der Wahrheitswert von A wird invertiert.
Disjunktion von A und B: (A ∨ B). Wahr genau dann, wenn
mindestens eine der beiden Aussagen wahr ist.
Konjuktion von A und B: (A ∧ B). Wahr genau dann, wenn beide
Aussagen wahr sind.
Implikation von A und B: (A ⇒ B). Wahr genau dann, wenn falls A
wahr ist auch B wahr ist.
Äquivalenz von A und B: (A ⇔ B). Wahr genau dann, wenn beide
Aussagen den gleichen Wahrheitswert besitzen.
Die Symbole ¬, ∨, ∧, ⇒, ⇔ heißen Junktoren.

Implikation
Konvention: Bei Implikation A ⇒ B heißt

A die Prämisse (Voraussetzung) und
B die Konklusion (Folgerung)
Semantik der Implikation

Falls die Prämisse nicht gilt, so ist die Implikation gültig! (Ex falso
quod libet). Demzufolge ist
10 ist eine Primzahl ⇒ Elefanten können fliegen
eine wahre Aussage
In natürlicher Sprache wird die Implikation oft im Sinne der
Äquivalenz (genau dann, wenn) verwendet
Falls die Sonne heute scheint, gehe ich schwimmen.
Klammereinsparung
Konvention bei der Auswertungsreihenfolge:

1 ¬ vor ∧ vor ∨ vor ⇒ und ⇔
2 Bei gleicher Operatorstärke Auswertung von links nach rechts
Beispiel
1 A ∨ ¬B ⇒ C ∧ ¬D = ((A ∨ (¬B)) ⇒ (C ∧ (¬D)))
2 A ∨B∧C ∨D ∧E = ((A ∨ (B ∧ C )) ∨ (D ∧ E ))

Wahrheitstafel der Junktoren
A B ¬A A ∨B A ∧B A ⇒B A ⇔B
f f w f f w w
f w w w f w f
w f f w f f f
w w f w w w w
Beweisprinzip 1 (Inkrementelle Wahrheitstafeln)

Seien A und B Aussagen (über k ≥ 1 atomaren Aussagen). Aus den zu
A und B gehörigen Spalten der Wahrheitstafel lassen sich die
Spalteneinträge der Wahrheitstafeln von ¬A , A ∨ B, A ∧ B, A ⇒ B und
A ⇔ B konstruieren, ohne dabei auf die Einträge von weiteren
Teilformeln von A oder B Bezug zu nehmen.

Semantische Äquivalenz
Aussagen A und B, deren Spalteneinträge in der Wahrheitstafel

übereinstimmen, werden semantisch äquivalent genannt (in Zeichen:
A ≡ B).
Beispiel
1 A ∧ B ≡ ¬(¬A ∨ ¬B)
2 A ⇒ B ≡ ¬A ∨ B

Wahrheitstafel für semantische Äquivalenz
A B ¬A ¬B ¬A ∨ ¬B ¬(¬A ∨ ¬B) A ∧B ¬A ∨ B A ⇒B
f f w w w f f w w
f w w f w f f w w
w f f w w f f f f
w w f f f w w w w

Semantische Äquivalenzen
Lemma 2.1
Es gelten für beliebige Aussagen A , B, C die folgenden Äquivalenzen:
A ∧B ≡ B∧A (Kommutativität)
A ∨B ≡ B∨A
(A ∧ B) ∧ C ≡ A ∧ (B ∧ C ) (Assoziativität)
(A ∨ B) ∨ C ≡ A ∨ (B ∨ C )
A ∧ (A ∨ B) ≡ A (Absorption)
A ∨ (A ∧ B) ≡ A
A ∧ (B ∨ C ) ≡ (A ∧ B) ∨ (A ∧ C ) (Distributivität)
A ∨ (B ∧ C ) ≡ (A ∨ B) ∧ (A ∨ C )
A ∧ ¬A ≡ F (Negation)
A ∨ ¬A ≡ T

Semantische Äquivalenzen
Lemma 2.1
A ∧A ≡ A (Idempotenz)
A ∨A ≡ A
¬ ¬A ≡ A (Doppelnegation)
¬(A ∧ B) ≡ ¬A ∨ ¬B (deMorgansche Regeln)

¬(A ∨ B) ≡ ¬A ∧ ¬B
T ∧ A ≡ A (Neutralität)
F ∨ A ≡ A
Gesetze auf Seite 56 sind Grundlage für axiomatisches Beweisen in der

Aussagenlogik.

Axiomatisches Beweisen
zu Zeigen: T ∨ A ≡ >
Beweis (axiomatisch, d.h. Grundannahmen (Lemma 2.1) verwendend)
T∨A ≡ (A ∨ ¬A ) ∨ A (Negation)
≡ A ∨ (¬A ∨ A ) (Assoziativität)
≡ A ∨ (A ∨ ¬A ) (Kommutativität)
≡ (A ∨ A ) ∨ ¬A (Assoziativität)
≡ A ∨ ¬A (Idempotenz)
≡ T (Negation)
Zum Vergleich:
A T T∨A
w w w
f w w

Axiomatisches Beweisen
Beweisprinzip 2 (1) (Axiomatisches Beweisen)

Basierend auf einer Menge von Axiomen, also als gültig vorausgesetzten
Sätzen, wird die Behauptung bewiesen, indem gültige Beweisregeln auf
Axiome und bereits bewiesene Sätze angewendet werden.
Theorie des axiomatischen Beweisens mit Gleichungen (Meta-Level)

1 Reflexivität: A ≡ A
2 Symmetrie: A ≡ B impliziert B ≡ A
3 Transitivität: A ≡ B und B ≡ C impliziert A ≡ C
4 Kompositionalität: A ≡ A 0 impliziert B ≡ B[A 7→ A 0 ]
Ersetzen von Gleichem durch Gleichesa
a B[A 7→ A 0 ] steht für die syntaktische Ersetzung aller Vorkommen von A
in B durch A 0 .
Anendungsdomäne Digitale Schaltkreise
Beispiel: Halbaddierer
C D E Z Ü
z }| { z }| { z }| { z }| { z }| {
A B A∧ ¯B A∧ ¯C C∧¯B D∧ ¯E C∧¯C
0 0 1 1 1 0 0
0 1 1 1 0 1 0
1 0 1 0 1 1 0
1 1 0 1 1 0 1

Aussagen und Mengen 2.1.2 Prädikatenlogik
Prädikatenlogik
1+2 = 2+1
2+3 = 3+2
6 + 14 = 14 + 6
:
∀x ∈ N. ∀y ∈ N. x + y = y + x

Prädikatenlogik über natürlichen Zahlen
Bestandteile:
1 Junktoren der Aussagenlogik
2 Relationale Ausdrücke mit freien Variablen (Prädikate oder
Aussageformen). Bsp.: A (n) =df (n + 1 ≤ 3)
3 Quantoren für All- und Existenzaussagen
Allaussage: ∀ n. A (n). Diese ist genau dann wahr, wenn A (n) für alle
Werte n ∈ N wahr ist.
Existenzaussage: ∃ n. A (n). Diese ist genau dann wahr, wenn A (n) für
mindestens einen Wert n ∈ N wahr ist.
Vereinbarung: Quantoren binden schwächer als Junktoren.

Beispiel - Quantoren
Prädikat für ggT
Zunächst Prädikat für “teilt”
n|m =df ∃k. n · k = m
Darauf aufbauend:
ggT (n, m, x) =df x|n ∧ x|m ∧ ∀y . (y |n ∧ y |m) ⇒ y ≤ x

Negation quantifizierter Formeln
Lemma 2.2
1 ¬(∀x.A (x)) ≡ ∃x.¬A (x)
2 ¬(∃x.A (x)) ≡ ∀x.¬A (x)
Beweis (intuitiv semantisch)

¬(∀x.A (x)) ist wahr gdw . ∀x.A (x) ist falsch
gdw . A (x) ist falsch für mindestens ein x
gdw . ¬A (x) ist wahr für mindestens ein x
gdw . ∃x.¬A (x) ist wahr

Konventionen
Bindungen
Freie Variable werden von innen nach außen gebunden. Namenskonflike
vermeiden!
∃ m. ∀ n. n = n + m vs.
∃ n. ∀ n. n = n + n
Notationen
∀ x1 , . . . , xn . A (x1 , . . . , xn ) statt ∀ x1 .∀ x2 . . . . ∀ xn . A (x1 , . . . , xn )
6 ∀ x. A (x) statt ¬(∀ x. A (x))
∀ x ∈ M. A (x) statt ∀ x. (x ∈ M ⇒ A (x))
... und analog für ∃ Quantor

Prädikatenlogik im allgemeinen
Strukturen
Prädikatenlogik operiert relativ zu Strukturen.
Strukturen bestehen aus einer Menge (Individuenbereich) A,
Operationen f1 , . . . , fn , Relationen r1 , . . . , rm
Interpretation der Operationen und Relationen auf A (hier nicht näher
ausgeführt)
Beispiel: Natürliche Zahlen mit Operationen + und 0 (als nullstellige
Operation) und Relation ≤.
Auswertung von prädikatenlogischen Formeln

relativ zu einer zugrundliegenden Struktur und
relativ zu einer Belegung der freien Variablen (sofern vorhanden)

Prädikatenlogik im allgemeinen
Semantische Äquivalenz
Gilt nur, wenn unabhängig von der Struktur
Bspl.:
¬((∀ x. ∃ y . x ≤ y ) ∧ (¬∃ z. z < 0)) ≡ (∃ x. ∀ y . ¬(x ≤ y )) ∨ (∃ z. z < 0)
Weitere Vereinfachung von ¬(x ≤ y ) zu y < x gilt z.B. nicht für
andere Interpretationen von ≤ und < (Teilbarkeit). Aber:
(N, +, 0, ≤, <) |= ¬((∀ x. ∃ y . x ≤ y ) ∧ (¬∃ z. z < 0))
⇔ (∃ x. ∀ y . y < x) ∨ (∃ z. z < 0)
Weitere semantische Äquivalenzen
∀ x.∀ y . A (x, y ) ≡ ∀ y .∀ x. A (x, y )

∀ x. (A (x) ∧ B(x)) ≡ (∀ x. A (x)) ∧ (∀ x. B(x))
:

Aussagen und Mengen 2.1.4 Prinzipien des Beweisens
Direktes vs. Indirektes Beweisen
1 Bislang: Beweisprinzipien 1 und 2 folgen dem Stil des direkten

Beweisens
2 Nicht immer anwendbar
3 Beispiel Satz von Euklid: Es gibt unendlich viele Primzahlen
Beweisprinzip 3 (6) (Widerspruchsbeweis)

Sei A eine zu beweisende Aussage. Falls aus der Annahme, dass A nicht
gilt, F geschlossen werden kann (etwa, indem gezeigt wird, dass eine
Aussage B zusammen mit deren Negation ¬B gilt), so muss A gelten.
(¬A ⇒ F) ⇒ A

Aussagen und Mengen 2.2. Mengen
Mengen
Georg Cantor (1845-1918)
”Unter einer Menge verstehen wir jede Zusammenfassung M von

bestimmten wohlunterschiedenen Objekten m unserer Anschauung
oder unseres Denkens (welche die Elemente) von M genannt wer-
den) zu einem Ganzen.” (Definition 2.4 (2.3) im Buch)

Mengen
Elementbeziehung
1 Für eine Menge M steht m ∈ M für die Aussage, dass m ein Element
der Menge M ist.
2 m∈
/ M steht abkürzend für die Aussage ¬(m ∈ M).

Aufzählung endlicher Mengen
Beispiel
1 F = {♣, ♠, ♥, ♦}
2 W = {Montag, Dienstag, Mittwoch, Donnerstag, Freitag,
Samstag, Sonntag}
Kann, sofern unmissverständlich, auch auf unendliche Mengen übertragen
werden, etwa:
Nger = {0, 2, 4, 6, . . .}.
Achtung
1 Reihenfolge der Aufzählung ist nicht relevant: {1, 2, 3} = {3, 1, 2}
2 Elemente haben keine Häufigkeit: {1, 1, 1, 2, 2} = {1, 2}

Beschreibung von Mengen
Beschreibende (intensionale) Form
M = {m | A (m)},
wobei A (m) ein Prädikat über m ist.
Beispiel
Die Menge der Primzahlen:
Prim = {p | p ∈ N ∧ p 6= 1 ∧ ∀ n ∈ N. n | p ⇒ n = 1 ∨ n = p}

Beschreibung von Mengen
Konvention
{x ∈ M | A (x)} statt {x | x ∈ M ∧ A (x)}
Ebenso
∃ x ∈ M. A (x) statt ∃ x. x ∈ M ∧ A (x)
und
∀ x ∈ M. A (x) statt ∀ x. x ∈ M ⇒ A (x)

Die leere Menge
Die Menge, die keine Elemente besitzt, heißt leere Menge.

Notation: 0/ oder { }
Intensional: 0/ = {x | F}
Zu beachten:
0/ 6= {0}
/
/ A (x) gilt immer.
∀ x ∈ 0.

Aussagen und Mengen 2.2.1 Mengenbeziehungen
Mengenbeziehungen
Definition 2.5 (2.4)

Seien A und B Mengen.
1 A ⊆ B (sprich A ist Teilmenge von B) ⇔df (∀x.x ∈ A ⇒ x ∈ B)
2 A = B (sprich A ist gleich B) ⇔df A ⊆ B ∧ B ⊆ A.
3 A ⊂ B (sprich A ist echte Teilmenge von B)
⇔df A ⊆ B ∧ A 6= B.

Aussagen und Mengen 2.2.2 Potenzmenge
Potenzmenge
Mengen, deren Elemente selbst Mengen über einer Grundmenge M sind

heißen Mengensysteme.

Sei M eine Menge. Die Potenzmenge von M ist definiert durch
P(M) =df {M 0 | M 0 ⊆ M}.
Beispiel 2.4
Für M = {1, 2, 3} ist
P(M) = {0,
/ {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, M}.
Anwendung in der Informatik:

Nichtdeterminismus, Abstraktion, Typsysteme, ...
Aussagen und Mengen 2.2.3 Mengenverknüpfungen
Mengenverknüpfungen/Operationen

Seien A und B Mengen. Dann sind folgende Mengenverknüpfungen
definiert:
Vereinigung A ∪ B =df {x | x ∈ A ∨ x ∈ B}
Schnitt A ∩ B =df {x | x ∈ A ∧ x ∈ B}
Differenz A\B =df {x | x ∈ A ∧ x 6∈ B}
Symmetrische Differenz A∆B =df (A ∪ B)\(A ∩ B)
Zusätzliche Begriffe
Mengen A und B heißen disjunkt, falls A ∩ B = 0.
/
Für eine gegebene Grundmenge M und A ⊆ M ist die
Komplementmenge von A (bezüglich M) definiert als: A{ =df M \ A.

Venn-Diagramme
A∩B A∪B A∆B
A B A B A B
A\B B \A
A B A B
Figure: Venn-Diagramme

Verallgemeinerte Vereinigung/Schnitt

Sei M ein Mengensystem über einer Grundmenge M. Dann gilt:
M 0 =df {m ∈ M | ∃ M 0 ∈ M. m ∈ M 0 }
[
1
M 0 ∈M
M 0 =df {m ∈ M | ∀ M 0 ∈ M. m ∈ M 0 }
\
2
M 0 ∈M
[ \
Verkürzt können dieses Operationen auch als M bzw. M geschrieben
werden.
\
Man beachte, dass M = 0/ nicht heißt, dass die Mengen in M
paarweise disjunkt sind!

Mengengesetze
Lemma 2.3
Seien A, B, C Teilmengen einer gemeinsamen Grundmenge M. Dann gilt:
A∩B = B ∩A (Kommutativität)
A∪B = B ∪A
(A ∩ B) ∩ C = A ∩ (B ∩ C ) (Assoziativität)
(A ∪ B) ∪ C = A ∪ (B ∪ C )
A ∩ (A ∪ B) = A (Absorption)
A ∪ (A ∩ B) = A
A ∩ (B ∪ C ) = (A ∩ B) ∪ (A ∩ C ) (Distributivität)
A ∪ (B ∩ C ) = (A ∪ B) ∩ (A ∪ C )
A ∩ A{ = 0/ (Komplement)
A ∪ A{ = M

Mengengesetze
Lemma 2.3
Seien A, B, C Teilmengen einer gemeinsamen Grundmenge M. Dann gilt:
A∩A = A (Idempotenz)
A∪A = A
A{ { = A (Doppelkomplement)
(A ∩ B){ = A{ ∪ B { (deMorgansche Regeln)

(A ∪ B){ = A{ ∩ B {
M ∩ A = A (Neutralität)
0/ ∪ A = A

Abstrakte Theoriebildung
A∩B = B ∩A A ∧B ≡ B∧A
A∪B = B ∪A A ∨B ≡ B∨A
(A ∩ B) ∩ C = A ∩ (B ∩ C ) (A ∧ B) ∧ C ≡ A ∧ (B ∧ C )
(A ∪ B) ∪ C = A ∪ (B ∪ C ) (A ∨ B) ∨ C ≡ A ∨ (B ∨ C )
A ∩ (A ∪ B) = A A ∧ (A ∨ B) ≡ A
A ∪ (A ∩ B) = A A ∨ (A ∧ B) ≡ A
A ∩ (B ∪ C ) = (A ∩ B) ∪ (A ∩ C ) A ∧ (B ∨ C ) ≡ (A ∧ B) ∨ (A ∧ C )
A ∪ (B ∩ C ) = (A ∪ B) ∩ (A ∪ C ) A ∨ (B ∧ C ) ≡ (A ∨ B) ∧ (A ∨ C )
A ∩ A{ = 0/ A ∧ ¬A ≡ F
A ∪ A{ = M A ∨ ¬A ≡ T
A∩A = A A ∧A ≡ A
A∪A = A A ∨A ≡ A
A{ { = A ¬ ¬A ≡ A
(A ∩ B){ = A{ ∪ B { ¬(A ∧ B) ≡ ¬A ∨ ¬B
(A ∪ B){ = A{ ∩ B { ¬(A ∨ B) ≡ ¬A ∧ ¬B
M ∩ A = A T ∧ A ≡ A
0/ ∪ A = A F ∨ A ≡ A

Korrektheit und Vollständigkeit
Zentrale Zielstellung bei Regel/Gleichungssystemen (Axiomatisierungen)

Korrektheit: Alles was aus den Regeln/Gleichungen durch Ersetzen
von Gleichem durch Gleiches abgeleitet werden kann gilt.
Vollständigkeit: Alles was gilt kann aus den Regeln/Gleichungen
durch Ersetzen von Gleichem durch Gleiches abgeleitet werden.
Syntaktisches Vorgehen als Schritt zur Automatisierung (Stichwort:

Termrewriting)

Aussagen und Mengen 2.2.4. Mächtigkeit endlicher Mengen
Mächtigkeit endlicher Mengen
Für eine endliche Menge M wird die Anzahl der Elemente von M als
Mächtigkeit von M bezeichnet, in Zeichen |M|. Es gilt insbesondere
|0|
/ = 0.
Satz 2.2
Seien A und B endliche Mengen. Dann gilt:
1 |A\B| = |A| − |A ∩ B|
2 |A ∪ B| = |A| + |B| − |A ∩ B|
3 |A∆B| = |A| + |B| − 2|A ∩ B|
Begriff der Mächtigkeit wird später verallgemeinert.

Aussagen und Mengen 2.2.4. Mächtigkeit endlicher Mengen
Antinomien
Russelsche Antinomie:
R = {M|M ∈
/ M}
“Menge” aller Mengen, die sich nicht selbst als Element enthalten
Allmenge:
“Menge” aller Mengen
Konzeptuelles Problem: Selbstreferenzierung

Halteproblem
Selbstanwendung

Relationen und Funktionen
3. Relationen und Funktionen - Themenübersicht
Relationen
Kartesisches Produkt
n-stellige Relationen
Binäre Relationen
Funktionen
Eigenschaften von Funktionen
Mächtigkeit von Mengen
Partiell definierte Funktionen
Äquivalenzrelationen
Partitionen

Relationen und Funktionen 3.1.1 Kartesisches Produkt
Kartesisches Produkt
Definition 3.1
Seien A und B Mengen. Das Kartesische Produkt von A und B ist
definiert durch:
A × B =df {(a, b) | a ∈ A ∧ b ∈ B}
Elemente (a, b) ∈ A × B heißen geordnete Paare. Auf diesen ist die

Gleichheit definiert durch:
(a, b) = (a0 , b 0 ) ⇔df a = a0 ∧ b = b 0 .

Spielkarten
Beispiel 3.1
A = {♣, ♠, ♥, ♦}
B = {As, König, Dame, Bube, 10 , 9 , 8 , 7 }
A × B = { (♣, As), . . . , (♣, 7),

(♠, As), . . . , (♠, 7),
(♥, As), . . . , (♥, 7),
(♦, As), . . . , (♦, 7) }
Die Menge der 32 Spielkarten in einem Skat-Spiel.

n-faches kartesisches Produkt
n-faches kartesisches Produkt (n ≥ 1)
M1 × M2 × . . . × Mn =df ((. . . (M1 × M2 ) × . . .) × Mn )
n-Tupel: (m1 , m2 , . . . , mn ) =df ((..(m1 , m2 ), . . .), mn )
A2 =df A × A
An =df |A × .{z
. . × A}
n mal
Beispiel: {0, 1}n (Endliche Bitvektoren)

Relationen und Funktionen 3.1.2 n-stellige Relationen
n-stellige Relationen
Definition 3.2
Seien M1 , . . . , Mn Mengen (n ≥ 1).
Eine Teilmenge R ⊆ M1 × . . . × Mn heißt n-stellige Relation auf

M1 × . . . × Mn .
Beispiel (3-stellige Relationen)

1 Direktflüge ⊆ Flughäfen × Airlines × Flughäfen
(F1 , A, F2 ) ∈ Direktflüge gdw. ein direkter Flug von F1 nach F2 mit
der Airline A existiert.
2 ggT ⊆ N × N × N wie definert auf Seite 63
(n, m, x) ∈ ggT gdw. x ist größter gemeinsamer Teiler von n und m
(85, 51, 17) ∈ ggT, (37, 144, 1) ∈ ggT, aber (12, 30, 3) ∈
/ ggT

Relationen und Funktionen 3.1.3 Binäre Relationen
Binäre Relationen
Im Falle von n = 2 spricht man von einer binären Relation.
Also R ⊆ A × B
Beispiel: Zuordnung Beschäftigte - Position

Exkurs: Endliche Bitvektoren
Charakteristischer Bitvektor
Sei M = {m1 , . . . , mn } endliche Menge und
A ⊆ M Teilmenge von M.
Charakteristischer Bitvektor (b1A , . . . , bnA ) ∈ {0, 1}n :
biA = 1 ⇔df mi ∈ A.

Beispiel
Menge der Monate M =df {Januar , . . . , Dezember }.
Monate mit 31 Tagen: M31 =df {Januar,März,Mai,Juli,August,

Oktober, Dezember}.
Merkregel:
Als Bitvektor: b M31 =df (1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 0, 1)

Beispiel
Menge der Monate M =df {Januar , . . . , Dezember }.
Monate, die Buchstaben “r” enthalten:

Mr =df M \ {Mai, Juni, Juli, August}.
Als Bitvektor: b Mr =df (1, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 1)

Umkehr- und Produktrelationen
Definition 3.3
Für R ⊆ A × B ist Umkehrrelation R −1 ⊆ B × A ist definiert durch
R −1 =df {(b, a) | (a, b) ∈ R}.
Definition 3.4
Für R1 ⊆ A × B und R2 ⊆ B × C ist die Produktrelation R1 ; R2 ⊆ A × C
definiert durch
R1 ; R2 =df {(a, c) | ∃ b ∈ B. (a, b) ∈ R1 ∧ (b, c) ∈ R2 }.
(Im deutschen Band wird statt ; verwendet.)

Beispiel: Produktrelation

Konventionen, Begriffe
..für binäre Relationen
Infixnotation: a R b statt (a, b) ∈ R
Bildmenge: R(a) =df {b | (a, b) ∈ R}
Urbildmenge: R −1 (b) =df {a | (a, b) ∈ R}
Homogene Relation: R ⊆ A×A
Identische Relation: IA =df {(a, a) | a ∈ A} ⊆ A × A.

Relationen und Funktionen 3.2.1 Eigenschaften von Funktionen
Rechts- und Linkseindeutigkeit
Definition 3.6
Eine Relation R ⊆ A × B heißt
1 rechtseindeutig ⇔df
∀ a ∈ A, b1 , b2 ∈ B. (a, b1 ) ∈ R ∧ (a, b2 ) ∈ R ⇒ (b1 = b2 )
2 linkseindeutig ⇔df
∀ a1 , a2 ∈ A, b ∈ B. (a1 , b) ∈ R ∧ (a2 , b) ∈ R ⇒ (a1 = a2 )
Nicht rechtseindeutig Nicht linkseindeutig

Rechts- und Linkstotalität
Definition 3.7
Eine binäre Relation R ⊆ A × B heißt
1 linkstotal ⇔df ∀ a ∈ A. ∃ b ∈ B. (a, b) ∈ R
2 rechtstotal ⇔df ∀ b ∈ B. ∃ a ∈ A. (a, b) ∈ R
Definition 3.8 (Funktion)

Eine rechtseindeutige, linkstotale Relation heißt Funktion.

Bezeichnungen
Funktionsdefinition: f : A → B statt f ⊆ A × B
Funktionsanwendung: b = f (a) statt {b} = f (a)
Funktionskomposition: Für f : A → B, g : B → C ist

g ◦ f =df f ; g insbesondere (g ◦ f )(a) = g (f (a))).
Menge der Funktionen: B A =df {f | f : A → B}
Identische Funktionen: idA : A → A durch idA (a) =df a.

Restriktion einer Funktion
Definition 3.9
Sei f : A → B eine Funktion, A0 ⊆ A und B 0 ⊆ B.
1 Die Restriktion von f auf A0 wird bezeichnet mit f |A0 : A0 → B und ist
definiert durch:
f |A0 (x) =df f (x) für alle x ∈ A0 .
2 Falls f (A) ⊆ B 0 so ist die Restriktion von f auf B 0 wohldefiniert. Sie

0
wird mit f |B : A → B 0 bezeichnetund ist definiert durch:
0
f |B (x) = f (x) für alle x ∈ A.
3 Die Kombination aus der Restriktion auf A0 und B 0 wird bezeichnet

0 0
mit f |B
A0 0. Hier wird 0 zunächst der Argumentbereich auf A beschränkt,
B B
also f |A0 =df f |A0 | .
Injektivität, Surjektivität und Bijektivität

Eine Funktion f : A → B heißt:
1 injektiv ⇔df f ist linkseindeutig
2 surjektiv ⇔df f ist rechtstotal
3 bijektiv ⇔df f ist injektiv und surjektiv

Beispiele: Injektivität, Surjektivität und Bijektivität
Beispiel 3.2
1 Die Funktion f1 : N → N mit n 7→ 2 n ist injektiv und nicht surjektiv
8
7
6
5
4 f1 bildet nicht auf diese Werte ab
3 ⇒ nicht surjektiv
2
1
0 1 2 3 4
Surjektivität erlaubt, zu jedem y ein x mit f (x) = y zu finden, da
jeder Wert des Wertebereichs mindestens einmal getroffen wird.
Beispiel 3.2
2 Die Funktion f2 : Z → N mit z 7→ |z| ist surjektiv und nicht injektiv
4
3
2
1
−4 −3 −2 −1 0 1 2 3 4
=
=
f2 bildet mehrere x auf das gleiche y ab
⇒ nicht injektiv
Injektivität erlaubt, zu jedem f (x) eindeutig ein x zu bestimmen, da
jeder Wert des Wertebereichs höchstens einmal getroffen wird.
Beispiel 3.2
3 Die Funktion f3 : Q → Q mit q 7→ 2 q ist bijektiv.
8
7
6
5
4 f3 weist je genau ein x und y einander zu
3 ⇒ bijektiv
2
1
0 1 2 3 4
Bijektivität erlaubt, zu jedem y genau ein x mit f (x) = y zu bestim-
men, da jeder Wert des Wertebereichs genau einmal getroffen wird.
Beweisprinzip Kontraposition
Beweisprinzip 4 (2) (Kontraposition)

Seien A , B Aussagen. Dann gilt:
(A ⇒ B) ≡ (¬B ⇒ ¬A )
In Worten: Eine Implikation A ⇒ B kann man beweisen, indem man die

umgekehrte Implikation über die negierten Aussagen beweist.
Hier verwendet für Beweis der Injektivität von f1 .

Erhaltungssatz
Satz 3.1
Seien f : A → B und g : B → C Funktionen. Dann gilt:
1 g ◦ f ist injektiv, falls f und g injektiv sind.
2 g ◦ f ist surjektiv, falls f und g surjektiv sind.
3 g ◦ f ist bijektiv, falls f und g bijektiv sind.
Hier nur hinreichende Bedingungen.

Hinreichende und notwendige Bedingungen existieren.

Beweisprinzip Quantorenauflösung
Beweisprinzip 5 (3)
Allaussage ∀ x. A (x):
Wähle Variable x beliebig aus der Struktur und beweise dann A (x).
Formulierung: “Sei x beliebig, aber fest gewählt”.
Existenzaussage ∃ y . A (y ):
Wähle Variable y geeignet aus der Struktur und beweise dann A (y ).
Formulierung:“Wähle y als ..” oder “Setze y = ..”.

Vereinfachter Nachweis von Bijektivität
Satz 3.2
Seien A und B endliche Mengen mit |A| = |B| und f : A → B eine
Funktion. Dann sind äquivalent:
1 f ist injektiv
2 f ist surjektiv
3 f ist bijektiv
Beweis
Durch Schubfachprinzip.

Beweisprinzip Schubfachprinzip
Beweisprinzip 7 (4) (Schubfachprinzip)

Seien A und B endliche Mengen und f : A → B eine Funktion. Dann gilt:
1 Falls |A| > |B|, so ist f nicht injektiv.
2 Falls |A| < |B|, so ist f nicht surjektiv.

Komposition und Bijektivität
Satz 3.3
Seien f : A → B und g : B → A Funktionen mit
g ◦ f = idA und
f ◦ g = idB .
Dann sind f und g bijektiv. Inbesondere gilt f −1 = g und g −1 = f .

Relationen und Funktionen 3.2.3 Mächtigkeit unendlicher Mengen
Mächtigkeitsbeziehungen von Mengen

Seien A und B Mengen.
1 ∼ B, falls es eine
A und B heissen gleichmächtig, in Zeichen A =
bijektive Funktion f : A → B gibt.
2 A ist nicht mächtiger als B, in Zeichen A 5 B, falls es eine injektive
Funktion f : A → B gibt.
3 Falls A 5 B und A =6∼ B so heißt A (echt) weniger mächtig als B, in
Zeichen in Zeichen A B.

Mächtigkeitsbeziehungen von Mengen
Beispiel
∼ {♣, ♠, ♥, ♦}
{1, 2, 3, 4} =
∼
6 {2, 3, 4, 5}
{gelb, rot, blau} 5 {2, 3, 4, 5} und {gelb, rot, blau} =
{gelb, rot, blau} {2, 3, 4, 5}.

Mächtigkeiten von unendlichen Mengen
Satz 3.4 (Cantor-Bernstein-Schröder)

Seien A und B Mengen. Dann gilt:
A =∼ B ⇔ A 5 B ∧ B 5 A.
Beweis:
“⇒” klar.
“⇐” anspruchsvoll.

Endliche und unendliche Mengen

Eine Menge M heißt unendlich genau dann, wenn sie eine echte Teilmenge
M 0 ⊂ M besitzt, sodass M und M 0 gleich mächtig sind.
Andernfalls ist M endlich.
∼ N.
M heißt abzählbar unendlich genau dann, wenn M =
Es gilt: ∼ Z =
N = ∼ N×N =
∼ Q.

Beweisprinzip Ringschluss
Beweisprinzip 8 (5) (Ringschluss — Speziell)

Seien A1 , A2 , . . . , An Mengen mit A1 5 A2 5 · · · An−1 5 An 5 A1 .
Dann gilt A1 = ∼ A2 = ∼ · · · An−1 =
∼ An .

N ∼
= Z
Betrachte bijektive Funktion:
fZ : N → Z
n

2 falls n gerade
n 7→
− n+1
2 falls n ungerade
Dann: 0 7→ 0, 1 7→ −1, 2 7→ 1, 3 7→ −2, 4 7→ 2, . . . .

N ∼
= N×N
1. Cantorsches
Diagonalverfahren
1
Explizit: d(m, n) =df 2 (n + m)(n + m + 1) + m.

N×N ∼
= Q ∼
= N
Weitere Schritte im Ringschluss
∼ Z =
N = ∼ N×N =
∼ Q.
siehe Buch.

N P(N)
Satz 3.5
N {0, 1}N .
Allgemeiner:
Satz 3.6
Sei M eine Menge. Dann gilt M {0, 1}M .

N P(N)
Satz 3.6
Sei M eine Menge. Dann gilt M {0, 1}M .
Beweis:
6∼ {0, 1}M .
Offensichtlich gilt M 5 {0, 1}M . Also ist zu zeigen, dass M =
/ denn {0, 1}M = {0}
Das ist klar falls M = 0, / (als leere Relation). Für
nichtleeres M gilt per Widerspruchsbeweis:
Angenommen g : M → {f | f : M → {0, 1}} bijektiv.
Definiere h : M → {0, 1} durch h(m) =df 1 − g (m)(m).
Wg. g surjektiv: ∃ m0 ∈ M. g (m0 ) = h (*)
Nach Konstruktion g (m0 )(m0 ) 6= h(m0 ).
Also g (m0 ) 6= h im Widerspruch zu (*).
Cantorsches Diagonalverfahren
2. Cantorsches Diagonalverfahren speziell für M = N:
Funktionstabelle
g (a)(b) 0 1 2 ... i
y
0 0 1 g(0)(1) g(0)(2)
y g(0)(i)
y
1 0 1
y
...
2 ..
.
..
.
..
.
Aufzählung der Funktionen

Überabzählbare Mengen
Definition 3.13
Eine unendliche Menge M, die nicht abzählbar ist, heißt überabzählbar.
Buch: ∼ P(N) =
{0, 1}N = ∼ (0, 1) =
∼ R
Aber beachte: N P(N) P(P(N)) . . .

Relationen und Funktionen 3.2.4 Partiell definierte Funktionen
Partiell definierte Funktionen
Eine rechtseindeutige Relation f ⊆ A × B heißt partiell definierte

Funktion.
In der Informatik relevant (z.B. Ein-/Ausgabefunktion).
Notation f : A 99K B.
Definitionsbereich Def (f ) =df {a ∈ A | ∃ b ∈ B. (a, b) ∈ f }.
a ∈ Def (f ◦ g ) ⇔df a ∈ Def (g ) ∧ g (a) ∈ Def (f ).

Relationen und Funktionen 3.3 Äquivalenzrelationen
Äquivalenzrelation

Eine Relation ∼ ⊆ A × A heißt Äquivalenzrelation ⇔df
1 ∼ ist reflexiv, d.h.: ∀ a ∈ A. a ∼ a
2 ∼ ist symmetrisch, d.h.: ∀ a1 , a2 ∈ A. a1 ∼ a2 ⇒ a2 ∼ a1
3 ∼ ist transitiv, d.h.: ∀ a1 , a2 , a3 ∈ A. a1 ∼ a2 ∧ a2 ∼ a3 ⇒ a1 ∼ a3

Beispiele: Verwandtschaftsbeziehungen
Beispiel 3.3
1 Die Geschwisterbeziehung ist eine Äquivalenzrelation.
2 Die Freundschaftsbeziehung ist i.A. keine Äquivalenzrelation, da sie
nicht transitiv ist. Wenn Anna mit Bob befreundet ist und Bob mit
Charlotte, so müssen Anna und Charlotte nicht unbedingt befreundet
sein.
3 Die Bruderbeziehung ist keine Äquivalenzrelation, da diese nicht
symmetrisch ist. Andreas ist zwar Bruder von Beate, aber natürlich
nicht umgekehrt.

Anwendung: Konstruktion von Zahlbereichen
1 Konstruktion ganzer Zahlen durch ∼Z ⊆ (N × N)2 :
(a, b) ∼Z (c, d) ⇔df a + d = b + c.
2 Konstruktion rationaler Zahlen durch ∼Q ⊆ (Z × Z \ {0})2 :
(a, b) ∼Q (c, d) ⇔df a · d = b · c.
3 Dann ist Z =df (N × N)\ ∼Z und Q =df (Z × Z \ {0})\ ∼Q

(→ Def. siehe Satz 3.7(2)).
4 Operationen wie Addition und Multiplikation können auf Z und Q
geeignet definiert werden. Unabhängigkeit von Repräsentanten muss
sichergestellt werden!
Relationen und Funktionen 3.3.1 Partitionen
Partitionen

P ⊆ P(M) heißt Partition ⇔df
1 0/ ∈
/P (Die Partitionsklassen sind nichtleer)
S 0
2 M 0 ∈P M = M (Die Partitionsklassen überdecken M)
3 ∀ M1 , M2 ∈ P. M1 6= M2 ⇒ M1 ∩ M2 = 0/
(Die Partitionsklassen sind
paarweise disjunkt)

Partitionen
Beispiel 3.4
Für M = {1, 2, 3} gilt:
P1 =df {{1}, {2}, {3}} ist Partition von M.

P2 =df {{1, 2}, {3}} ist Partition von M.
P3 =df {{1}, {3}} ist keine Partition von M.
P4 =df {{1, 2}, {2, 3}} ist keine Partition von M.

Dualität Äquivalenzrelationen ↔ Partitionen
Satz 3.7
1 Sei P ⊆ P(A) eine Partition auf A. Dann ist
∼P =df {(a1 , a2 ) ∈ A × A | ∃ A0 ∈ P. a1 , a2 ∈ A0 }
eine Äquivalenzrelation.
2 Sei ∼ ⊆ A × A eine Äquivalenzrelation. Dann ist

A\∼ =df {[a]∼ | a ∈ A}
wobei [a]∼ =df {a0 | a ∼ a0 } die zu a gehörige Äquivalenzklasse ist
eine Partition auf A.

Urbildpartition
Jede Funktion f : A → B induziert eine Äquivalenzrelation ∼f auf A durch:
a1 ∼f a2 =df f (a1 ) = f (a2 ).
Die zugehörige Partition wird als Urbildpartition bezeichnet.
Beispiel:
f :N→N mit f (n) =df n mod 3 (n modulo 3)
Die Urbildpartition ist: {{0, 3, 6, . . .}, {1, 4, 7, . . .}, {2, 5, 8, . . .}}

4. Induktives Definieren - Themenübersicht
Natürliche Zahlen
Operationen auf natürlichen Zahlen
Induktive Algorithmen
Induktiv definierte Mengen
Binärbäume
Boolesche Terme
Syntaktische Substitution
Darstellung und deren Bedeutung
Zeichenreihen
Semantikschemata
Backus-Naur-Form
Induktive Semantikschemata
Induktives Definieren 4.1.1 Peano Axiome
Natürliche Zahlen
Definition 4.1 (Peano-Axiome)

P1 0 ist eine natürliche Zahl: 0 ∈ N.
P2 Jede natürliche Zahl n besitzt eine eindeutig bestimmte natürliche
Zahl s(n) als Nachfolger:
∀ n ∈ N. ∃ m ∈ N. m = s(n)
P3 0 ist nicht Nachfolger einer natürlichen Zahl:

@ n ∈ N. 0 = s(n)
P4 Verschiedene natürliche Zahlen haben verschiedene Nachfolger:

∀ m, n ∈ N. n 6= m ⇒ s(n) 6= s(m)

Natürliche Zahlen
Definition 4.1 (Peano-Axiome)

P5 Induktionsaxiom: Ist M ⊆ N mit 0 ∈ M und der Eigenschaft, dass aus
n ∈ M auch s(n) ∈ M folgt, so muss M = N gelten.

∀ M ⊆ N. 0 ∈ M ∧ ∀ n ∈ N. n ∈ M ⇒ s(n) ∈ M ⇒ M = N

Existenz und Eindeutigkeit des Vorgängers
Lemma 4.1
Jede von 0 verschiedene natürliche Zahl n ist Nachfolger einer eindeutig
bestimmten anderen natürlichen Zahl. Diese wird auch als Vorgänger von
n bezeichnet.
Beweis
Sei n ∈ N von 0 verschieden. Zunächst zeigen wir, dass n Nachfolger einer
natürlichen Zahl m ∈ N ist bzw. in der Menge M 0 liegt, die definiert ist
durch:
M 0 =df {s(m) | m ∈ N}.
Sei weiter M =df M 0 ∪ {0}. Wegen (P2) impliziert m ∈ M auch s(m) ∈ M.
Damit liegen die Voraussetzungen des Induktionsaktioms (P5) vor und es
folgt M = N. Wegen (P3) gilt außerdem M 0 = N\{0}. Somit gilt n ∈ M 0 .
Die Eindeutigkeit des Vorgängers folgt direkt aus Axiom (P4).

Induktives Definieren 4.1.2 Operationen auf natürlichen Zahlen
Definition 4.2 (Addition natürlicher Zahlen)
Die Addition zweier Zahlen aus N ist induktiv definiert durch
0 + m =df m (a)
s(n) + m =df s(n + m) (b)
Beispiel (Addition von 2 und 1)
(b)
s(s(0)) + s(0) = s(s(0) + s(0))
(b)
= s(s(0 + s(0)))
(a)
= s(s(s(0)))

Definition 4.3 (Multiplikation natürlicher Zahlen)

Die Multiplikation zweier Zahlen aus N ist induktiv definiert durch
0 · m =df 0
s(n) · m =df m + (n · m)

Definition (Induktiv fortgesetzte Summen und Produkte)


k  0 falls k = 0
k−1
∑ ni =df  ( ∑ ni ) + nk sonst
i=1
i=1

k  1 falls k = 0
k−1
∏ ni =df  ( ∏ ni ) · nk sonst
i=1
i=1

Beispiel 4.1 (Fakultät und Potenzen)

n
n! =df ∏ i = (. . . (1 · 2) . . .) · n)
i=1
n
mn =df ∏ m = (. . . (m · m) . . .) · m) .
i=1 | {z }
n mal

Lemma 4.2
Für alle n ∈ N gilt: n + 1 = s(n).
Beweis
Wir definieren die zu der obigen Gleichheit gehörige Menge M durch:
M =df {n ∈ N | n + 1 = s(n)}.
(Def . 4.2.a)
Offensichtlich gilt 0 ∈ M, denn 0 + 1 = 0 + s(0) = s(0).
Für n ∈ M ist auch s(n) ∈ M, denn:
(Def . 4.2.b) (n∈M)
s(n) + 1 = s(n + 1) = s(s(n)).
Also folgt M = N nach Induktionsaxiom (P5).

Induktives Definieren 4.1.3 Induktiv definierte Algorithmen
Induktiv definierte Algorithmen
Eingabe: Natürliche Zahl n

Ausgabe: Verschiebeschritte zur Lösung des Problems
Hanoi(int n, char a, char h, char z) ist

wenn n > 0 dann
Hanoi(n − 1, a, z, h);
Hanoi(n − 1, h, a, z);
ende



wenn n > 0 dann
ende



wenn n > 0 dann
ende

Türme von Hanoi — Rekursionsbaum
H(3,A,H,Z)
H(2,A,Z,H) V(A,Z) H(2,H,A,Z)
H(1,A,H,Z) V(A,H) H(1,Z,A,H) H(1,H,Z,A) V(H,Z) H(1,A,H,Z)
H(0,A,Z,H) V(A,Z) H(0,H,A,Z) H(0,Z,H,A) V(Z,H) H(0,A,Z,H) H(0,H,A,Z) V(H,A) H(0,Z,H,A) H(0,A,Z,H) V(A,Z) H(0,H,A,Z)

Induktives Definieren 4.2 Induktiv definierte Mengen
Induktiv definierte Mengen
Definition 4.4
Sei
1 At eine Menge elementarer oder atomarer Bausteine
2 Op eine Menge von Operatoren (oder Konstruktoren) mit zugehöriger
Stelligkeit k ≥ 1, die es erlauben, kleinere Bausteine zu größeren
Einheiten zusammenzusetzen.
Die durch At und Op induktiv definierte Menge M ist die kleinste Menge,
für die gilt:
1 At ⊆ M ,
2 Ist o ∈ Op ein Operator mit Stelligkeit k und sind m1 , . . . , mk ∈ M ,
dann ist auch o(m1 , . . . , mk ) ∈ M .

Induktives Definieren 4.2.1 Anwendung in der Informatik
Induktiv definierte Mengen: Binäre Bäume
Beispiel 4.2
Binäre Bäume sind die kleinste Menge mit
1 Der leere Binärbaum ◦ ist ein atomarer Binärbaum und
2 Falls T1 und T2 Binärbäume sind, so ist auch •(T1 , T2 ) ein
Binärbaum, und zwar mit einem linkenTeilbaum T1 und einem
rechten Teilbaum T2 .
•(•(•(◦, ◦), •(•(◦, ◦), ◦)), •(◦, ◦)) '

Induktiv definierte Mengen: Boolesche Terme
Definition 4.5
Sei V eine Menge von Booleschen Variablen, z.B. V = {X , Y , Z , ...}. Die
Menge BT aller Booleschen Terme über V ist die kleinste Menge mit:
1 T, F und Boolesche Variable aus V sind atomare Boolesche Terme.
2 Sind t1 und t2 Boolesche Terme, so sind auch
(¬t1 ), die Negation von t1 ,
( t1 ∧ t2 ), die Konjunktion von t1 und t2 und
( t1 ∨ t2 ), die Disjunktion von t1 und t2
Boolesche Terme.

Definition 4.6
Die Substitution ist eine dreistellige Abbildung
·[· 7→ ·] : BT × V × BT → BT .
t1 [X 7→ t2 ] intuitiv: Der Term, der entsteht, wenn in t1 die Variable X an

allen Stellen durch den Term t2 ersetzt wird.

Definition 4.6
Die Substitution ist eine dreistellige Abbildung
·[· 7→ ·] : BT × V × BT → BT .
t1 [X 7→ t2 ] formal: Induktiv über den Aufbau von t1

T[X 7→ t] =df T
F[X 7→ t] =df F

t falls Y = X
Y [X 7→ t] =df
Y sonst
(¬t1 )[X 7→ t] =df (¬t1 [X 7→ t])
(t1 ∧ t2 )[X 7→ t] =df (t1 [X 7→ t] ∧ t2 [X 7→ t])
(t1 ∨ t2 )[X 7→ t] =df (t1 [x 7→ t] ∨ t2 [X 7→ t])

Beispiel 4.3
(¬(Y ∧ X ))[X 7→ t] = (¬(Y ∧ X )[X 7→ t])

= (¬(Y [X 7→ t] ∧ X [X 7→ t]))
= (¬(Y ∧ X [X 7→ t]))
= (¬(Y ∧ t))

Induktives Definieren 4.3 Darstellung und deren Bedeutung
Repräsentation
Repräsentanten der natürlichen Zahl “vier”:

Dezimal: 4
Binär: 100
Unär: ||||
Römisch: IV
Umgekehrt: Unterschiedliche Interpretation der Repräsentation ”‘IV”’:

Römische Zahl
Akronym (Individualverkehr, Intravenös,..)

Induktives Definieren 4.3.1 Zeichenreihen
Zeichenreihen
Definition 4.7
Sei A eine endliche Menge von Zeichen (auch Alphabet genannt). Eine
Zeichenreihe (auch Wort) w der Länge n ∈ N über A ist eine Funktion
w : {1, . . . , n} → A. Für n = 0 ist {1, . . . , n} leer. Man bezeichnet die
Zeichenreihe als das leere Wort ε.
Die Menge aller Zeichenreihen über A mit Länge n wird mit An bezeichnet
(A0 = {ε}).
Kleenesche Hülle A∗ von A:
A∗ =df An .
[
n∈N
Positive Kleenesche Hülle A+ von A:

A+ =df An .
[
n∈N\{0}
Zeichenreihen
Definition 4.8
Seien w1 und w2 Zeichenreihen der Länge n und m über A. Dann ist die
Konkatenation von w1 und w2 definiert durch:
w1 w2 : {1, .
. . , n + m} → A
w1 (i) falls 1 ≤ i ≤ n
w1 w2 (i) =
w2 (i − n) falls n + 1 ≤ i ≤ n + m
Sei mit |w | die eindeutig bestimmte Länge einer Zeichenreihe bezeichnet,

so gilt offensichtlich für alle v , w ∈ A∗ :
|v w | = |v | + |w |.
→ Surjektiver Monoidhomomorphismus (später in Kapitel 7)

Sprachen
Eine Menge von Zeichenreihen W ⊆ A∗ heißt (formale) Sprache über A.

Das Sprachprodukt von W1 , W2 ⊆ A∗ ist definiert als:
W1 · W2 =df {w1 w2 | w1 ∈ W1 , w2 ∈ W2 }
Für n ∈ N ist das n-fache Sprachprodukt einer Sprache W ⊆ A∗ induktiv

definiert:
W 0 =df {ε}
n
W =df W · W n−1 für n > 0
Schließlich kann auch die (positive) Kleenesche Hülle definiert werden. Es

W ∗ =df W n, W + =df W n.
[ [
n∈N n∈N\{0}

Induktives Definieren 4.3.2 Semantikschemata
Semantikschemata
Definition 4.9
Ein Semantikschema ist ein Tripel (R, I , [[ · ]]) mit
R: Menge der Repräsentationen,
I : Menge der Informationen,
[[ · ]] ⊆ R × I : Semantikrelation oder Interpretation.
Statt [[ · ]](r ) schreibt man [[ r ]].
Nicht rechtseindeutige
Semantikrelation

Darstellungen natürlicher Zahlen
Beispiel 4.4 (Unärdarstellung)

Ru =df {|}+ = {|, ||, |||, . . .}
Iu =df N\{0}
[[ · ]]u ist definiert durch [[ || . . . | ]]u =df n
| {z }
n

Beispiel 4.5 (Dezimaldarstellung)

Rd =df {0, . . . , 9}+
Id =df N
[[ · ]]d ist definiert durch
n
[[ w ]]d =df ∑ 10n−i · [[ w (i) ]]z
i=1
Dabei bezeichnet [[ · ]]z den Wert einer Dezimalziffer, also

[[ 0 ]]z =df 0, . . . , [[ 9 ]]z =df 9.
Beachte: [[ 1 ]]d = [[ 01 ]]d = [[ 001 ]]d = . . . = 1

Beispiel 4.6 (Binärdarstellung)

Rb =df {0} ∪ {1 w | w ∈ {0, 1}∗ }
Ib =df N
[[ · ]]b ist definiert durch
n
[[ w ]]b =df ∑ 2n−i · [[ w (i) ]]bz .
i=1
Dabei bezeichnet [[ · ]]bz den Wert einer Binärziffer, also

[[ 0 ]]bz =df 0 und [[ 1 ]]bz =df 1.

Darstellung endl. Mengen natürlicher Zahlen
Beispiel 4.7
Rbs =df {0} ∪ {1 w | w ∈ {0, 1}∗ }
Ibs =df P(N)
[[ · ]]bs ist definiert durch
[[ w ]]bs = {|w | − i | i ∈ {1, . . . , |w |} ∧ w (i) = 1}

Induktives Definieren 4.3.3 Backus-Naur-Form
Backus-Naur-Form
Definition (BNF)
BNF besteht aus endlich vielen Regeln der Form
<N> ::= w .
Linke Regelseite: Nichtterminalsymbol

Rechte Regelseite: Zeichenreihe (ggf. auch leer), die sowohl
Nichtteminalsymbole als auch Terminalsymbole enthalten kann.
Notation: Statt
<N> ::= w1
...
<N> ::= wn
schreibt man kurz
<N> ::= w1 | . . . | wn
Beispiel zur Backus-Naur-Form
Beispiel 4.8 (BNF für natürliche Zahlen)

Die natürlichen Zahlen (gem. Peano) sind durch die folgende BNF
definiert:
<Nat> ::= 0 | s(<Nat>)

Beispiel: Ableitung der Zahl 3 (intuitiv)
<Nat> =⇒ s(<Nat>)
=⇒ s(s(<Nat>))
=⇒ s(s(s(<Nat>)))
=⇒ s(s(s(0)))

BNF als Generator
Definition (Ableitungsrelation)
Seien T die Terminalzeichen, N die Nichtterminalzeichen und R die Regeln
einer BNF, so ist die Ableitungsrelation
v =⇒ w ⇔df ∃ v1 , v2 ∈ (N ∪ T)∗ . ∃ (<A> ::= u) ∈ R.

v = v1 <A> v2 ∧ w = v1 u v2
=⇒k : Ableitungsfolge in k Schritten (k ∈ N)

=⇒∗ =df =⇒k : Beliebige Ableitungsfolge
S
k∈N
Von Nichtterminal A erzeugte Sprache:
L(A) =df {w ∈ T∗ | A =⇒∗ w }.
Anmerkung: Die Ableitungsrelation =⇒ ist nicht mit der Implikation ⇒ zu
verwechseln!
BNF als Generator
Beispiel 4.9
<N> ::= a | a <N>

<M> ::= b b | b b <M> | b <N>
Beispiel 4.10
L(<M>) = {b 2k | k ≥ 1} ∪ {b 2k+1 al | k ≥ 0, l ≥ 1}

Beispiele zur Backus-Naur-Form
Beispiel 4.11 (4.9) (BNF für Dezimalzahlen)
<DezimalZahl> ::= <DezimalZahl><Ziffer > | <Ziffer >

<Ziffer > ::= 0| . . . |9

Beispiele zur Backus-Naur-Form
Beispiel 4.12 (4.10) (BNF für Boolesche Terme)

<BT >::= T | F | <V > | ( ¬ <BT > ) | ( <BT > ∧ <BT > ) | ( <BT > ∨ <BT > )
<V >::= X0 | X1 | . . .
Beschreibung der unendlichen Variablenmenge ist auch ohne “..”-Notation

möglich:
<V > ::= X <DezimalZahl>

<DezimalZahl> ::= <DezimalZahl><Ziffer > | <Ziffer >
<Ziffer > ::= 0| . . . |9

Induktives Definieren 4.4 Induktive Semantikschemata
Beispiel 4.13 (4.11) (Dezimaldarstellung natürlicher Zahlen)

Rd =df {0, . . . , 9}+
Id =df N
[[ · ]]d ist induktiv definiert durch
[[ z ]]d =df [[ z ]]z

[[ w z ]]d =df 10 · [[ w ]]d + [[ z ]]d

Semantikfunktion Boolscher Terme (naiv)

Naive Festlegung:
[[ · ]]B : BT → {w , f }
ist nicht möglich, weil der Wert von Variablen in Booleschen Termen
unbekannt ist.
Semantikfunktion Boolscher Terme

Statt dessen Auswertung relativ zu einer Belegung der Variablen:
[[ · ]]B : BT → (BV → {w , f }),
wobei
BV =df {β | β : V → {w , f }}.

Definition 4.10 (Semantik Boolescher Terme (1/2))

Die Semantikfunktion für Boolesche Terme ist eine Funktion
[[ · ]] : BT → (BV → {w , f }),
die einem Booleschen Term unter Zuhilfenahme einer Belegung einen

Wahrheitswert zuordnet. Sie ist wie folgt induktiv definiert:
[[ T ]]B (β ) =df w
[[ F ]]B (β ) =df f
[[ X ]]B (β ) =df β (X ) für alle X ∈ V
[[ (¬t1 ) ]]B (β ) =df ¬([[
˙ t1 ]]B (β ))
[[ (t1 ∧ t2 ) ]]B (β ) =df ([[ t1 ]]B (β ) ∧˙ [[ t2 ]]B (β ))
[[ (t1 ∨ t2 ) ]]B (β ) =df ([[ t1 ]]B (β ) ∨˙ [[ t2 ]]B (β ))

Definition 4.10 (Semantik Boolescher Terme (2/2))

Dabei sind ¬, ˙ ∨˙ semantische Operationen auf den Wahrheitswerten
˙ ∧,
{w , f }, die durch folgende Wahrheitstafel beschrieben sind:
b1 b2 ¬b
˙ 1 b1 ∨˙ b2 b1 ∧˙ b2
f f w f f
f w w w f
w f f w f
w w f w w

Anwendung Semantikfunktion
Beispiel 4.14 (4.12)

Sei β ∈ BV eine Variablenbelegung mit β (X ) = f . Dann gilt:
J((¬X ) ∨ F)KB (β )
= ˙
J(¬X )KB (β )∨JFKB (β ) (Def. J · KB für Disjunktion)
= ¬JX ˙
˙ KB (β )∨JFKB (β ) (Def. J · KB für Negation)
= ¬β ˙
˙ (X )∨JFKB (β ) (Def. J · KB für Variablen)
= ¬β ˙
˙ (X )∨f (Def. J · KB für Konstante F)
= ¬f ˙
˙ ∨f (Auswertung β (X ))
= w (Auswertung mit Operatoren ¬, ˙
˙ ∨)

Semantische Äquivalenz Boolescher Terme
Definition 4.11
Seien t1 , t2 ∈ BT Boolesche Terme über einer Variablenmenge V . Dann
heißen t1 und t2 genau dann (semantisch) äquivalent (geschrieben
t1 ≡ t2 ), wenn Folgendes gilt:
∀β ∈ BV . [[ t1 ]]B (β ) = [[ t2 ]]B (β )
Anmerkung: ≡ ⊆ BT × BT ist eine Äquivalenzrelation.

Induktives Beweisen
5. Induktives Beweisen - Themenübersicht
Ordnungsrelationen
Partielle Ordnungen
Quasiordnungen
Totale Ordnungen
Striktordnungen
Ordnungen und Teilstrukturen
Noethersche Induktion
Anwendung: Terminierungsbeweise
Verallgemeinerte Induktion
Anwendung: Fibonacci-Funktion
Strukturelle Induktion
Anwendung: Boolesche Terme
Vollständige Induktion
Anwendung: Gesetze natürlicher Zahlen
Induktives Beweisen 5.1.1 Partielle Ordnungen
Partielle Ordnungen
Definition 5.1
Eine homogene Relation v ⊆ A × A heisst partielle Ordnung oder auch
Halbordnung, gdw.
1 v ist reflexiv: ∀ a ∈ A. a v a
2 v ist antisymmetrisch: ∀ a1 , a2 ∈ A. a1 v a2 ∧ a2 v a1 ⇒ a1 = a2
3 v ist transitiv: ∀ a1 , a2 , a3 ∈ A. a1 v a2 ∧ a2 v a3 ⇒ a1 v a3
Beispiele
⊆ auf P(M) für beliebige Grundmenge M.
Teilbarkeitsbeziehung | auf N.
Teilzeichenreihenbeziehung auf A∗ definiert durch:
w 0 v w ⇔df ∃ w1 , w2 ∈ A∗ . w1 w 0 w2 = w .

Partielle Ordnungen
Definition 5.2
Für n, m ∈ N definieren wir eine Relation ≤ durch
n ≤ m ⇔df ∃ k ∈ N. n + k = m.
Satz 5.1
≤ ist eine partielle Ordnung auf N.
→ Später: ≤ ist total.

Partielle Ordnungen
Satz 5.1
Beweis (Reflexivität): Sei n ∈ N. Für k = 0 gilt dann n + 0 = 0 + n = n,
also auch n ≤ n.

Partielle Ordnungen
Satz 5.1
Beweis (Antisymmetrie (1/3)): Seien m, n ∈ N mit n ≤ m und m ≤ n.
Dann existieren Zahlen k1 , k2 ∈ N mit :
n + k1 = m
m + k2 = n
Setzt man m aus der ersten Gleichung in die Zweite ein, erhält man
(n + k1 ) + k2 = n. Wegen der Assoziativität und Kommutativität der
Addition folgt (k1 + k2 ) + n = n.

Partielle Ordnungen
Satz 5.1
Beweis (Antisymmetrie (2/3)): Gemäß der Definition der Addition
natürlicher Zahlen (siehe Definition 4.2(a)) folgt daraus
(k1 + k2 ) + n = 0 + n
und weiter (mit der Rechtskürzungsregel der Addition)
k1 + k2 = 0
Es bleibt noch nachzuweisen, dass dies bereits k1 = 0 impliziert.

Partielle Ordnungen
Satz 5.1
Beweis (Antisymmetrie (3/3)): Angenommen k1 wäre von 0 verschieden.
Dann gäbe es nach Lemma 4.1 eine natürliche Zahl k10 mit k1 = s(k10 ) und
damit wegen der Definition der Addition natürlicher Zahlen auch mit:
Def.4.2.(a)
k1 + k2 = s(k10 ) + k2 = s(k10 + k2 ).
Also wäre k1 + k2 ein Nachfolger einer natürlichen Zahl und damit von 0
verschieden, im Widerspruch zu k1 + k2 = 0.

Partielle Ordnungen
Satz 5.1
Beweis (Transitivität): Seien n, m, p ∈ N mit n ≤ m und m ≤ p. Dann
existieren Zahlen k1 , k2 ∈ N mit:
n + k1 = m
m + k2 = p
Setzt man m aus der ersten Gleichung in die Zweite ein, so erhält man
(n + k1 ) + k2 = p. Mit der Assoziativität der Addition folgt
n + (k1 + k2 ) = p
und damit n ≤ p.
Induktives Beweisen 5.1.2 Quasiordnungen
Quasiordnungen
Definition
Eine homogene Relation @ ∼ ⊆ A × A heisst Quasiordnung oder auch
Präordnung, gdw.
1 @ ist reflexiv: ∀ a ∈ A. a @ a
∼ ∼
2 @ ist transitiv: ∀ a1 , a2 , a3 ∈ A. a1 @ a2 ∧ a2 @ a3 ⇒ a1 @ a3
∼ ∼ ∼ ∼
Beispiele
“Kleiner oder gleich groß”-Beziehung auf Mengen von Personen.
Teilbarkeitsbeziehung | auf Z (Beachte −1|1 und 1| − 1).
Implikation “⇒” auf Booleschen Termen.
“Nicht mächtiger als”-Beziehung 5 auf Mengensystemen.

Induktives Beweisen 5.1.2 Quasiordnungen
Quasiordnungen
Beobachtung
Quasiordnung @
∼ ⊆ A × A induziert Äquivalenzrelation auf A durch:
a1 ∼ a2 ⇔df a1 @ @
∼ a2 ∧ a2 ∼ a1 .
Man spricht hier auch vom Kern der Quasiordnung.
@ bildet partielle Ordnung auf A/ ∼.
∼
Beispiel
Kern von “⇒” ist die semantische Äquivalenz auf Booleschen Termen.
Kern von 5 auf Mengensystemen ist =.∼

Induktives Beweisen 5.1.3 Totale Ordnungen
Totale Ordnungen
Definition
Eine Quasiordnung @ ∼ ⊆ A × A, in der alle Elemente vergleichbar sind,
heißt totale Quasiordnung oder auch Präferenzordnung, d.h.
∀ a1 , a2 ∈ A. a1 @ @
∼ a2 ∨ a2 ∼ a1
Beispiel
Personen nach ihrer Größe geordnet.
“Weniger mächtig”-Beziehung 5 auf Mengensystemen.

Induktives Beweisen 5.1.3 Totale Ordnungen
Totale Ordnungen
Definition
Eine partielle Ordnung v ⊆ A × A, in der alle Elemente vergleichbar sind,
heißt totale Ordnung oder auch lineare Ordnung, d.h.
∀ a1 , a2 ∈ A. a1 v a2 ∨ a2 v a1
Beispiele
≤ auf N.
Lexikographische Ordnung auf A*.

Induktives Beweisen 5.1.4 Striktordnungen
Striktordnungen
Definition
Zu einer gegebenen Quasiordnung @
∼ lässt sich die zughörige Striktordnung
@ definieren durch:
a1 @ a2 ⇔df a1 @
∼ a2 ∧ a1 6∼ a2 .
Lemma 5.1
1 @ ist asymmetrisch, d.h.: ∀ a1 , a2 ∈ A. a1 @ a2 ⇒ a2 6@ a1
2 @ ist transitiv, d.h.: ∀ a1 , a2 , a3 ∈ A. a1 @ a2 ∧ a2 @ a3 ⇒ a1 @ a3

Folgerung: @ ist irreflexiv, d.h.: ∀ a ∈ A. a 6@ a

Striktordnungen
Definition
Zu einer gegebenen Striktordnung @ lässt sich die zughörige partielle
Ordnung definieren durch:
a1 v a2 ⇔df a1 @ a2 ∨ a1 = a2 .
Definition
Reduziert man eine Striktordnung auf die unmittelbar benachbarten
Abhängigkeiten erhält man die Nachbarschaftsordnung @N definiert durch:
a1 @N a2 ⇔df a1 @ a2 ∧ @ a3 ∈ A. a1 @ a3 @ a2 .

Striktordnungen
Für unendliche Ordnungen ist @N u.U. leer,

etwa für Q mit üblicher <-Ordnung dichte Ordnungen
Für endliche partielle Ordnungen v gilt: @∗N = v .
Graphische Darstellung von @N ist als Hasse-Diagramm bekannt.
Konvention: Kleinere Elemente sind unterhalb größerer angeordnet.
Mit Einschränkungen auch für unendliche Mengen anwendbar (z.B.
Teilbarkeitsordnung auf N).

Teilbarkeitsordnungen
Teilbarkeitsordnungen auf {1, 2, 3, 4, 6, 12} als

(a) Partielle Ordnung (b) Striktordnung (c) Nachbarschaftsordnung
Konsequenz: Nachbarschaftsordnung enthält volle Information.

Hasse-Diagramme
Hasse-Diagramme zu (a) ≤ auf N, (b) ⊆ auf P({1, 2, 3}), (c) | auf

{1, 2, 3, 4, 6, , 12}.
Induktives Beweisen 5.2 Ordnungen und Teilstrukturen
Definition 5.3 (Minimale, maximale Elemente)

Sei @
∼ ⊆ A × A Quasiordnung und B ⊆ A. Ein Element b ∈ B heißt
1 minimales Element in B ⇔df @ b 0 ∈ B. b 0 @ b und
2 maximales Element in B ⇔df @ b 0 ∈ B. b @ b 0 .

{1, 2, 3}
{1, 2} {1, 3} {2, 3}

maximal
{1} {2} {3}

minimal
0/
Induktives Beweisen 5.2 Ordnungen und Teilstrukturen
Definition 5.4 (Kleinstes, größtes Element)

Sei @
∼ ⊆ A × A Quasiordnung und B ⊆ A. Ein Element b ∈ B heißt
1 kleinstes Element in B ⇔df ∀ b 0 ∈ B. b @ b 0 und
∼
2 größtes Element in B ⇔df ∀ b 0 ∈ B. b 0 @ b.
∼
{1, 2, 3}
größtes Element
{1, 2} {1, 3} {2, 3}
{1} {2} {3}

kleinstes Element
Prof. Dr. Bernhard Steffen

0/
Mathematik für Informatik 1 - WS 2022/23 186
Induktives Beweisen 5.3 Noethersche Induktion
Noethersche Quasiordnungen
Definition 5.5
Eine Quasiordnung @∼ ⊆ A×A heißt Noethersch (oder wohlfundiert) genau
dann, wenn jede nichtleere Teilmenge von A ein minimales Element besitzt.
Satz 5.2 (Absteigende Kettenbedingung)

Eine Quasiordnung (M, @ ∼) ist genau dann Noethersch, wenn es in M keine
unendliche, echt absteigende Kette x0 A x1 A x2 . . . gibt.


Eine Quasiordnung (M, v) ist genau dann Noethersch, wenn es in M keine
Beweis “⇒” durch Kontraposition: Sei x0 A x1 A x2 . . . eine unendliche,
echt absteigende Kette in M. Dann ist A =df {x0 , x1 , x2 . . . } nichtleer.
Angenommen es gäbe ein minimales Element amin ∈ A. Dann existierte ein
Index i mit xi = amin . Wegen xi A xi+1 wäre xi aber im Widerspruch zur
Annahme nicht minimal. Folglich gibt es kein minimales Element in A und
M ist nicht Noethersch.


Eine Quasiordnung (M, v) ist genau dann Noethersch, wenn es in M keine
Beweis “⇐” durch Kontraposition: Sei A eine nichtleere Teilmenge von
M, die kein minimales Element enthält. Da A nicht leer ist, existiert
mindestens ein Element x0 =df a ∈ A, also eine “minimale” Kette. Jedes
Anfangsstück x0 A x1 . . . A xn einer beliebigen, endlich absteigenden Kette
in A können wir verlängern. Da A nach Voraussetzung kein minimales
Element besitzt, ist auch xn nicht minimal in A. Folglich existiert zu xn ein
echt kleineres Element a0 in A, das wir als xn+1 nutzen können.

Noethersch partielle Ordnungen
Beispiel 5.3 (Noethersch partielle Ordnungen)

1 ≤ auf N ist Noethersch, denn jede nichtleere Teilmenge enthält sogar
ein kleinstes Element.
2 Die Teilzeichenreihenbeziehung auf A∗ ist Noethersch.
3 ⊆ ist Noethersch auf P(M) für jede endliche Grundmenge M.
Beispiel 5.4 (Nicht Noethersch partielle Ordnungen)

1 ≤ auf Z ist nicht Noethersch, denn Z besitzt kein minimales Element.
2 ≤ auf Q≥0 ist nicht Noethersch, denn { 21 , 13 , 14 , . . .} besitzt kein
minimales Element.
3 ⊆ auf P(N) ist nicht Noethersch, denn
{N, N\{0}, N\{0, 1}, N\{0, 1, 2}, . . .} besitzt kein minimales Element.

Beweisprinzip: Noethersche Induktion
Beweisprinzip 9 (7) (Noethersche Induktion)

Sei @∼ ⊆ M ×M eine Noethersche Quasiordnung. Lässt sich eine Aussage
A über M für jedes m ∈ M aus der Gültigkeit der Aussage für alle echt
kleineren Elemente ableiten, dann ist sie für jedes m ∈ M wahr.

∀ m ∈ M. ∀ m0 ∈ M. m0 @ m ⇒ A (m0 ) ⇒ A (m) ⇒ ∀ m ∈ M. A (m).

Beweis: Per Kontraposition.

Falls ∀ m ∈ M. A (m) nicht gilt, existiert nichtleere Menge G ⊆ M von
Gegenbeispielen.
G =df {g ∈ M | ¬A (g )}.
Weil @
∼ Noethersch ist, existiert ein minimales Gegenbeispiel gmin ∈ G .
gmin verletzt dann den Induktionsschluss.

Anwendung: Kommutativität der Addition
Satz 5.4(2)
∀ n, m ∈ N. n + m = m + n.
Beweis durch Noethersche Induktion über komponentenweise Ordnung auf
N × N.
(n, m) ≤ (n0 , m0 ) ⇔df n ≤ n0 ∧ m ≤ m0 .
Details: Buch.

Induktives Beweisen 5.3.1 Terminierungsbeweise
Anwendung: Terminierung
ggt : N × N → N

 n+m falls n = 0 oder m = 0
ggt(n, m) = ggt(n − m, m) falls 0 < m ≤ n
ggt(n, m − n) falls 0 < n < m

Terminierung: Noethersche Quasiordnung auf N × N:
(n, m) .sum (n0 , m0 ) ⇔df n + m ≤ n0 + m0 .

Ackermann-Funktion
ack : N × N → N

 m+1 falls n = 0
ack(n, m) = ack(n − 1, 1) falls n > 0, m = 0
ack(n − 1, ack(n, m − 1)) falls n > 0, m > 0

Terminierung: Lexikographische Ordnung (Noethersch und total) auf

N × N:
(n, m) ≤lex (n0 , m0 ) ⇔df n < n0 ∨ (n = n0 ∧ m ≤ m0 ).

Collatz-Funktion
col : N\{0} → {1}


 1 falls n = 1
col(n) = col(n/2) falls n gerade
col(3n + 1) falls n ungerade

Terminierung: Keine geeignete Noethersche Ordnung bekannt.

Beweisprinzip: Kleinster Verbrecher
Aus Beweisprinzip 3 (Widerspruchsbeweis) und dem Beweis zu

Beweisprinzp 9 (Nothersche Induktion) folgt unmittelbar:
Beweisprinzip 10 (7) (Kleinster Verbrecher)

Sei @∼ ⊆ M ×M eine Noethersche Quasiordnung und A eine Aussage
über M. Wir zeigen, dass die Aussage A (m) für alle m ∈ M gilt, indem
wir annehmen, es gäbe Gegenbeispiele. Also:
{g ∈ M | ¬A (g )} 6= 0.
/
Falls die Existenz eines minimalen Gegenbeispieles g0 zu einem

Widerspruch führt, so ist ∀ m ∈ M. A (m) bewiesen.

Induktives Beweisen 5.4 Verallgemeinerte Induktion
Beweisprinzip: Verallgemeinerte Induktion
Beweisprinzip 11 (8) (Verallgemeinerte Induktion)

Lässt sich eine Aussage über natürliche Zahlen für jede natürliche Zahl aus
der Gültigkeit der Aussage für alle kleineren natürlichen Zahlen ableiten,
dann ist sie für jede natürliche Zahl wahr.

∀ n ∈ N. (∀ m ∈ N. m < n ⇒ A(m)) ⇒ A(n) ⇒ ∀ n ∈ N. A(n).
Spezialfall der Noetherschen Induktion

Induktives Beweisen 5.4 Verallgemeinerte Induktion
Anwendung Fibonacci-Zahlen
Definition 5.6
fib(0) =df 0
fib(1) =df 1
fib(n) =df fib(n − 1) + fib(n − 2) für n ≥ 2
Es gilt: ∀ n ∈ N. fib(n) < 2n .

Beweis:
Def.
n = 0. Dann fib(0) = 0 < 1 = 20 .
Def.
n = 1. Dann fib(1) = 1 < 2 = 21 .
n ≥ 2. Dann gilt:
Def. IA
fib(n) = fib(n − 1) + fib(n − 2) < 2n−1 + 2n−2
≤ 2n−1 + 2n−1 = 2 · 2n−1 = 2n .
Induktives Beweisen 5.5 Strukturelle Induktion
Erinnerung: Induktiv definierte Mengen (Folie 141)

Definition 4.4
Sei
1 At eine Menge elementarer oder atomarer Bausteine
2 Op eine Menge von Operatoren (oder Konstruktoren) mit zugehöriger
Stelligkeit k ≥ 1, die es erlauben, kleinere Bausteine zu größeren
Einheiten zusammenzusetzen.
Die durch At und Op induktiv definierte Menge M ist die kleinste Menge,
für die gilt:
1 At ⊆ M ,
2 Ist o ∈ Op ein Operator mit Stelligkeit k und sind m1 , . . . , mk ∈ M ,
dann ist auch o(m1 , . . . , mk ) ∈ M .

Gegeben:
Induktiv definierte Menge M mit Atomen At und Konstruktoren Op
Eigenschaft A über M .
Ziel: Beweise, dass A (m) gilt für alle Elemente m ∈ M .
Vorgehen:
1 Man beweist, dass A für jedes Atom a ∈ At gilt.
2 Man beweist für jeden Konstruktor o ∈ Op, dass unter der

Voraussetzung, dass A für beliebige m1 , . . . , mk ∈ M gilt, A auch
für o(m1 , . . . , mk ) gilt.

Beweisprinzip: Strukturelle Induktion
Beweisprinzip 12 (9) (Strukturelle Induktion)

Sei M induktiv definierte Menge (mit Atomen At , Konstruktoren Op).
Lässt sich eine Aussage A über M für jedes Atom a ∈ At beweisen, und
lässt sich für jeden Konstruktor o ∈ Op aus der Gültigkeit der Aussage für
m1 , . . . , mk ∈ M die Gültigkeit für o(m1 , . . . , mk ) ableiten, dann ist A für
jedes m ∈ M wahr.

∀ a ∈ At . A (a) ∧ ∀ o ∈ Op, m1 , . . . , mk ∈ M .

A (m1 ) ∧ · · · ∧ A (mk ) ⇒ A o(m1 , . . . , mk )

⇒ ∀ m ∈ M . A (m)

.. als Spezialfall Noetherscher Induktion.
Nachbarschaftsordnung @N durch induktive “Bauanleitung” der

Strukturen:
m1 @N m2 ⇔df ∃ o ∈ Op. m2 = o(m10 , . . . , mk0 ) ∧ m1 ∈ {m10 , . . . , mk0 }.
“Ist-Teilstruktur”-Relation v als reflexiv-transitive Hülle von @N , d.h:

v = @∗N .
Klar: v ist Noethersch.

Anwendung: Aussagenlogik
Satz 5.4 (5.3) (Funktionale Vollständigkeit von ¬ und ∧)

Wir betrachten aussagenlogische Formeln (Definition 2.2, Folie 50),
aufgefasst als induktiv beschriebene Menge aus den Atomen a, b, c, . . .
(elementare Aussagen) sowie dem einstelligen Konstruktor ¬ und den
zweistelligen Konstruktoren ∧, ∨, ⇒, ⇔.
Zu jeder aussagenlogischen Formel φ existiert eine semantisch äquivalente

Formel φ 0 , so dass φ 0 lediglich die Junktoren ¬ und ∧ enthält.

Beweis: (Strukturelle Induktion)

Über den induktiven Aufbau von φ :
Fall 1: φ = a. Trivial, denn φ enthält keine Junktoren.
Fall 2: φ = ¬ψ. Nach der Induktionsannahme (IA) existiert Formel
ψ 0 ≡ ψ, so dass ψ 0 nur ¬ und ∧ enthält. Dies gilt dann auch
für φ 0 = ¬ψ 0 , und es gilt φ 0 ≡ φ .
Fall 3: φ = ψ1 ∧ ψ2 . Dann existieren nach der IA ψ10 ≡ ψ1 , ψ20 ≡ ψ2
mit der gewünschten Eigenschaft, und φ 0 = ψ10 ∧ ψ20 ≡ φ
enthält ebenfalls nur ¬ und ∧.
Fall 4: φ = ψ1 ∨ ψ2 . Dann existieren nach der IA ψ10 ≡ ψ1 , ψ20 ≡ ψ2
mit der gewünschten Eigenschaft, und
φ 0 = ¬(¬ψ10 ∧ ¬ψ20 ) ≡ φ enthält ebenfalls nur ¬ und ∧.

Beweis: (Strukturelle Induktion)

Über den induktiven Aufbau von φ :
Fall 5: φ = ψ1 ⇒ ψ2 . Dann existieren nach der IA ψ10 ≡ ψ1 ,
ψ20 ≡ ψ2 mit der gewünschten Eigenschaft, und
φ 0 = ¬(ψ10 ∧ ¬ψ20 ) ≡ φ enthält ebenfalls nur ¬ und ∧.a
Fall 6: φ = ψ1 ⇔ ψ2 . Dann existieren nach der IA ψ10 ≡ ψ1 ,
ψ20 ≡ ψ2 mit der gewünschten Eigenschaft, und
φ 0 = ¬(¬(ψ10 ∧ ψ20 ) ∧ ¬(¬ψ10 ∧ ¬ψ20 )) ≡ φ enthält ebenfalls
nur ¬ und ∧.b
a Aufgrund der Äquivalenz A ⇒ B ≡ ¬A ∨ B und der deMorganschen
Regeln.
b Aufgrund der Äquivalenz A ⇔ B ≡ (A ∧ B) ∨ (¬A ∧ ¬B) und der
deMorganschen Regeln.

Anwendung: Boolesche Terme
Satz 5.6 (5.5) (Kompositionalität von [[ · ]]B )

Seien t, t 0 , t 00 ∈ BT mit t 0 ≡ t 00 . Dann gilt
t[X 7→ t 0 ] ≡ t[X 7→ t 00 ],
dass heißt man darf (simultan) Gleiches durch (semantisch) Gleiches

ersetzen.

Induktives Beweisen 5.6 Vollständige Induktion
Beweisprinzip: Vollständige Induktion
Beweisprinzip 13 (10) (Vollständige Induktion)

Ist eine Aussage A über natürliche Zahlen für 0 wahr und lässt sich ihre
Gültigkeit für jede größere natürliche Zahl aus der Gültigkeit der Aussage
für ihren Vorgänger ableiten, dann ist sie für jede natürliche Zahl wahr.

A(0) ∧ ∀ n ∈ N. A(n) ⇒ A(n + 1) ⇒ ∀ n ∈ N. A(n).

Vollständige Induktion
Satz 5.5 (5.4)

Seien n, m, k ∈ N. Dann gilt:
Assoziativität:
1) (n + m) + k = n + (m + k)
2) (n · m) · k = n · (m · k)
Kommutativität:
1) n + m = m + n
2) n · m = m · n
Neutrale Elemente:
1) n + 0 = n
2) n · 1 = n
Distributivität:
(n + m) · k = n · k + m · k

Beispiele
Beispiel 5.5
Für alle n ∈ N gilt:
1 Es gibt 2n Teilmengen von n–elementigen Mengen.
n
n·(n+1)
2 ∑i= 2 , Summe der ersten n natürlichen Zahlen.
i=1
n
3 ∑ (2i − 1) = n2 , Summe der ersten n ungeraden Zahlen.
i=1

Mathematik F Ur Informatik I: Prof. Dr. Bernhard Steffen (LS 5)

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Mathematik F Ur Informatik I: Prof. Dr. Bernhard Steffen (LS 5)

Hochgeladen von

Copyright:

Verfügbare Formate

Einführung

Mathematik für Informatik I

Prof. Dr. Bernhard Steffen (LS 5)

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 1

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 3

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 4

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 5

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 6

Ausschließlich als Präsenz-Übungen

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 8

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 9

Modalitäten der Übungen:

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 10

Organisation: Prüfungen und Studienleistung

(Benotete) Modulprüfung (Klausur, Bearbeitungszeit 180 Minuten)

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 11

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 12

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 13

Einige Beispiele Lernziele

... Prinzipielles Vorgehen

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 14

Euklid, ca. 360 - 280 v. Chr.

Eingabe: Natürliche Zahlen

Kern: Invariante bezüglich gemeinsamer Teiler

GT ({a, b}) = GT ({a − b, b}) falls a ≥ b

→ Siehe Satz 2.1

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 16

Türme von Hanoi

Türme von Hanoi

Einfach für 2 Scheiben

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 18

Türme von Hanoi

Einfach für 2 Scheiben

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 19

Türme von Hanoi

Einfach für 2 Scheiben

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 20

Türme von Hanoi

Einfach für 2 Scheiben

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 21

Türme von Hanoi

Nun mit 3 Scheiben

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 22

Türme von Hanoi

Nun mit 3 Scheiben

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 23

Türme von Hanoi

Nun mit 3 Scheiben

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 24

Türme von Hanoi

Nun mit 3 Scheiben

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 25

Türme von Hanoi

Nun mit 3 Scheiben

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 26

Türme von Hanoi

Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 27

Türme von Hanoi

Türme von Hanoi

Türme von Hanoi

Suche von Objekten

Einfache Antwort: Man muss alle Objekte herausholen.

Geht das auch besser?