Beruflich Dokumente
Kultur Dokumente
WS 2022/23
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
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 2
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
Organisation: Material
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)
Organisation: Material
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
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 7
Einführung Organisation
Organisation: Übungen
Organisation: Übungen
30 Gruppen einrichtbar
Termine für die Übungsgruppen:
Mi, 8-10 Uhr (4 Gruppen)
Mi, 10-12 Uhr (4 Gruppen)
Mi, 14-16 Uhr (2 Gruppen)
Do, 8-10 Uhr (2 Gruppen)
Do, 16-18 Uhr (4 Gruppen)
Fr, 8-10 Uhr (5 Gruppen)
Fr, 10-12 Uhr (3 Gruppen)
Fr, 12-14 Uhr (4 Gruppen)
Fr, 14-16 Uhr (2 Gruppen)
Anmeldung bis Montag, 17.10.2022, 14:00 Uhr über das
AsSESS-System.
Organisation: Übungen
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
Themenübersicht
Euklidischer Algorithmus
Euklidischer Algorithmus
Mathematische Berührungspunkte:
Natürliche Zahlen, ganze Zahlen
Ordnungen
Induktives Definieren
Induktives Beweisen
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
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 17
Einführung Türme von Hanoi
A Z H
A Z H
A H Z
H A Z
H A Z
A H Z
Problem gelöst!
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);
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 28
Einführung 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);
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 28
Einführung 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);
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 28
Einführung Suche von Objekten
Wie oft muss man höchstens in den Sack greifen, um festzustellen, ob sich
ein bestimmtes Objekt darin befindet?
Terminierung unbekannt!
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!
Lineare Gleichungssysteme
Eigenfaces
Kern:
involvierteres ’Teile und herrsche’-Prinzip.
auch eine semantische Dekomposition des Problems.
Trennung von
Syntax und Semantik
Lernziele
Lernziele
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
Vorlesungsinhalte
Aussagen
Aussagenlogik
Anwendung: Digitale Schaltkreise
Prädikatenlogik
Logische Beweisprinzipien
Mengen
Mengenbeziehungen
Mengensysteme
Mengenverknüpfungen
Antinomien
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.
Unklare Aussagen
Beispiel 2.3
1 Heute ist das Wetter schön.
2 Verdi hat die bedeutendsten Opern komponiert.
Aussagenlogik
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.
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
Klammereinsparung
Beispiel
1 A ∨ ¬B ⇒ C ∧ ¬D = ((A ∨ (¬B)) ⇒ (C ∧ (¬D)))
2 A ∨B∧C ∨D ∧E = ((A ∨ (B ∧ C )) ∨ (D ∧ E ))
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
Semantische Äquivalenz
Beispiel
1 A ∧ B ≡ ¬(¬A ∨ ¬B)
2 A ⇒ B ≡ ¬A ∨ B
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)
T ∧ A ≡ A (Neutralität)
F ∨ A ≡ A
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
in B durch A 0 .
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 59
Aussagen und Mengen 2.1.1 Aussagenlogik
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
Prädikatenlogik
1+2 = 2+1
2+3 = 3+2
6 + 14 = 14 + 6
:
∀x ∈ N. ∀y ∈ N. x + y = y + x
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.
Beispiel - Quantoren
Darauf aufbauend:
Lemma 2.2
1 ¬(∀x.A (x)) ≡ ∃x.¬A (x)
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 ≤.
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
(¬A ⇒ F) ⇒ A
Mengen
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).
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}
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}
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)
Zu beachten:
0/ 6= {0}
/
/ A (x) gilt immer.
∀ x ∈ 0.
Mengenbeziehungen
Potenzmenge
Beispiel 2.4
Für M = {1, 2, 3} ist
P(M) = {0,
/ {1}, {2}, {3}, {1, 2}, {1, 3}, {2, 3}, M}.
Mengenverknüpfungen/Operationen
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 B \A
A B A B
Figure: Venn-Diagramme
Verallgemeinerte Vereinigung/Schnitt
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)
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
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|
Antinomien
Russelsche Antinomie:
R = {M|M ∈
/ M}
“Menge” aller Mengen, die sich nicht selbst als Element enthalten
Allmenge:
“Menge” aller Mengen
Relationen
Kartesisches Produkt
n-stellige Relationen
Binäre Relationen
Funktionen
Eigenschaften von Funktionen
Mächtigkeit von Mengen
Partiell definierte Funktionen
Äquivalenzrelationen
Partitionen
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}
Spielkarten
Beispiel 3.1
A = {♣, ♠, ♥, ♦}
B = {As, König, Dame, Bube, 10 , 9 , 8 , 7 }
A2 =df A × A
An =df |A × .{z
. . × A}
n mal
n-stellige Relationen
Definition 3.2
Seien M1 , . . . , Mn Mengen (n ≥ 1).
Binäre Relationen
Also R ⊆ A × B
Charakteristischer Bitvektor
Sei M = {m1 , . . . , mn } endliche Menge und
A ⊆ M Teilmenge von M.
biA = 1 ⇔df mi ∈ A.
Beispiel
Menge der Monate M =df {Januar , . . . , Dezember }.
Merkregel:
Beispiel
Menge der Monate M =df {Januar , . . . , Dezember }.
Definition 3.3
Für R ⊆ A × B ist Umkehrrelation R −1 ⊆ B × A ist definiert durch
Definition 3.4
Für R1 ⊆ A × B und R2 ⊆ B × C ist die Produktrelation R1 ; R2 ⊆ A × C
definiert durch
Beispiel: Produktrelation
Konventionen, Begriffe
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 )
Definition 3.7
Eine binäre Relation R ⊆ A × B heißt
Bezeichnungen
Funktionsdefinition: f : A → B statt f ⊆ A × B
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:
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.
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 103
Relationen und Funktionen 3.2.1 Eigenschaften von Funktionen
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.
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 103
Relationen und Funktionen 3.2.1 Eigenschaften von Funktionen
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.
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 103
Relationen und Funktionen 3.2.1 Eigenschaften von Funktionen
Beweisprinzip Kontraposition
(A ⇒ B) ≡ (¬B ⇒ ¬A )
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.
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 = ..”.
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
Satz 3.3
Seien f : A → B und g : B → A Funktionen mit
g ◦ f = idA und
f ◦ g = idB .
Beispiel
∼ {♣, ♠, ♥, ♦}
{1, 2, 3, 4} =
∼
6 {2, 3, 4, 5}
{gelb, rot, blau} 5 {2, 3, 4, 5} und {gelb, rot, blau} =
Beweis:
“⇒” klar.
“⇐” anspruchsvoll.
∼ N.
M heißt abzählbar unendlich genau dann, wenn M =
Es gilt: ∼ Z =
N = ∼ N×N =
∼ Q.
Beweisprinzip Ringschluss
N ∼
= Z
fZ : N → Z
n
2 falls n gerade
n 7→
− n+1
2 falls n ungerade
N ∼
= N×N
1. Cantorsches
Diagonalverfahren
1
Explizit: d(m, n) =df 2 (n + m)(n + m + 1) + m.
N×N ∼
= Q ∼
= N
∼ 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 (*).
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 119
Relationen und Funktionen 3.2.3 Mächtigkeit unendlicher Mengen
Cantorsches Diagonalverfahren
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
Notation f : A 99K B.
Äquivalenzrelation
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.
Partitionen
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:
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.
Urbildpartition
Beispiel:
f :N→N mit f (n) =df n mod 3 (n modulo 3)
Induktives Definieren
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
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 130
Induktives Definieren 4.1.1 Peano Axiome
Natürliche Zahlen
Natürliche Zahlen
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).
0 + m =df m (a)
s(n) + m =df s(n + m) (b)
(b)
s(s(0)) + s(0) = s(s(0) + s(0))
(b)
= s(s(0 + s(0)))
(a)
= s(s(s(0)))
0 · m =df 0
s(n) · m =df m + (n · m)
k 1 falls k = 0
k−1
∏ ni =df ( ∏ ni ) · nk sonst
i=1
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)).
H(3,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)
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 .
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 .
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.
Syntaktische Substitution
Definition 4.6
Die Substitution ist eine dreistellige Abbildung
·[· 7→ ·] : BT × V × BT → BT .
Syntaktische Substitution
Definition 4.6
Die Substitution ist eine dreistellige Abbildung
·[· 7→ ·] : BT × V × BT → BT .
Syntaktische Substitution
Beispiel 4.3
Repräsentation
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
n∈N\{0}
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 148
Induktives Definieren 4.3.1 Zeichenreihen
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
|v w | = |v | + |w |.
Sprachen
n∈N n∈N\{0}
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
Beispiel 4.7
Rbs =df {0} ∪ {1 w | w ∈ {0, 1}∗ }
Ibs =df P(N)
[[ · ]]bs ist definiert durch
Backus-Naur-Form
Definition (BNF)
BNF besteht aus endlich vielen Regeln der Form
<N> ::= w .
<Nat> =⇒ s(<Nat>)
=⇒ s(s(<Nat>))
=⇒ s(s(s(<Nat>)))
=⇒ s(s(s(0)))
Definition (Ableitungsrelation)
Seien T die Terminalzeichen, N die Nichtterminalzeichen und R die Regeln
einer BNF, so ist die Ableitungsrelation
Beispiel 4.9
Beispiel 4.10
L(<M>) = {b 2k | k ≥ 1} ∪ {b 2k+1 al | k ≥ 0, l ≥ 1}
Induktive Semantikschemata
Induktive Semantikschemata
wobei
BV =df {β | β : V → {w , f }}.
Induktive Semantikschemata
[[ · ]] : BT → (BV → {w , f }),
Induktive Semantikschemata
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
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 ¬, ˙
˙ ∨)
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 )
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
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 168
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.
Partielle Ordnungen
Satz 5.1
≤ ist eine partielle Ordnung auf N.
Beweis (Reflexivität): Sei n ∈ N. Für k = 0 gilt dann n + 0 = 0 + n = n,
also auch n ≤ n.
Partielle Ordnungen
Satz 5.1
≤ ist eine partielle Ordnung auf N.
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
≤ ist eine partielle Ordnung auf N.
Beweis (Antisymmetrie (2/3)): Gemäß der Definition der Addition
natürlicher Zahlen (siehe Definition 4.2(a)) folgt daraus
(k1 + k2 ) + n = 0 + n
k1 + k2 = 0
Partielle Ordnungen
Satz 5.1
≤ ist eine partielle Ordnung auf N.
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
≤ ist eine partielle Ordnung auf N.
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.
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 175
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.
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 =.∼
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.
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*.
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
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
Teilbarkeitsordnungen
Hasse-Diagramme
0/
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 185
Induktives Beweisen 5.2 Ordnungen und Teilstrukturen
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.
Noethersche Quasiordnungen
Noethersche Quasiordnungen
∀ m ∈ M. ∀ m0 ∈ M. m0 @ m ⇒ A (m0 ) ⇒ A (m) ⇒ ∀ m ∈ M. A (m).
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.
Anwendung: Terminierung
Euklidischer Algorithmus
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
Anwendung: Terminierung
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
Anwendung: Terminierung
Collatz-Funktion
{g ∈ M | ¬A (g )} 6= 0.
/
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
Def. IA
fib(n) = fib(n − 1) + fib(n − 2) < 2n−1 + 2n−2
≤ 2n−1 + 2n−1 = 2 · 2n−1 = 2n .
Prof. Dr. Bernhard Steffen Mathematik für Informatik 1 - WS 2022/23 198
Induktives Beweisen 5.5 Strukturelle Induktion
Strukturelle Induktion
Strukturelle Induktion
Gegeben:
Induktiv definierte Menge M mit Atomen At und Konstruktoren Op
Eigenschaft A über M .
Vorgehen:
1 Man beweist, dass A für jedes Atom a ∈ At gilt.
⇒ ∀ m ∈ M . A (m)
Strukturelle Induktion
Anwendung: Aussagenlogik
Anwendung: Aussagenlogik
Anwendung: Aussagenlogik
Regeln.
b Aufgrund der Äquivalenz A ⇔ B ≡ (A ∧ B) ∨ (¬A ∧ ¬B) und der
deMorganschen Regeln.
t[X 7→ t 0 ] ≡ t[X 7→ t 00 ],
Vollständige Induktion
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