Skript Diskrete Strukturen

Diskrete Strukturen
c F. Brandt, J. Esparza und M. Luttenberger (TUM)

22. Januar 2020
1 Einführung
Was sind Diskrete Strukturen“? 2
”
• Der physikalische Raum und die physikalische Zeit sind kontinuierlich. Zwischen zwei beliebigen
Raum- oder Zeitpunkten gibt es einen weiteren Raum- oder Zeitpunkt.
• Dasselbe gilt für physikalische Größen wie Geschwindigkeit, Energie oder elektrische Ladung. Ihre
Werte ändern sich auch kontinuierlich, mindestens im makroskopischen Bereich ( keine Sprünge“).
”
• Die Analysis ist der Teil der Mathematik, der sich mit kontinuierlichen Mengen und Größen
beschäftigt.
• Die Analysis bildet traditionell die Basis der mathematischen Ausbildung von Naturwissenschaft-
lern und Ingenieuren.

”
• Die Informatik behandelt jedoch meistens diskrete (d.h. nicht kontinuierliche) Mengen und Größen.
• Das Internet besteht aus einer großen, aber diskreten Menge von verlinkten Web-Sites.
. Wenn es einen Link von A nach B gibt, bedeutet das nicht, dass es ein C geben muss mit Links
von A nach C und von C nach B.
• Schaltkreise bestehen aus logischen Gattern, die miteinander verbunden sind.
. Zwischen zwei benachbarten“ Gattern existiert kein weiteres Gatter.
”
• Rechenzeit, Speicherplatz und Übertragungsraten sind diskrete Größen. (Einheiten: Taktzyklus,
Bit)

”
• Die Diskrete Mathematik ist der Teil der Mathematik, der sich mit der Beschreibung und Analyse
diskreter Mengen beschäftigt.
• Diskrete Mengen sind höchstens abzählbar“, d.h. sie besitzen die gleiche Kardinalität wie die
”
natürlichen Zahlen N oder enthalten nur endlich viele Elemente.
• Die diskrete Mathematik spielt in der Informatik eine viel größere Rolle als in der Physik oder in
der Elektrotechnik.
• Diese Vorlesung dient der mathematischen Ausbildung eines Informatikers.

”
• Diskrete Strukturen sind mathematische Strukturen zur Repräsentation von diskreten Systemen.
• In dieser Vorlesung untersuchen wir vier Bereiche der diskreten Mathematik anhand der dazu-
gehörigen diskreten Strukturen.
. Graphentheorie: Eigenschaften von Graphen bestehend aus Knoten und Kanten
. Logik: Syntax und Semantik logischer Formeln
. Kombinatorik: Bestimmung der Anzahl möglicher Anordnungen von Objekten
. Algebra: Eigenschaften algebraischer Strukturen wie Gruppen oder Körper
1
2 Grundlagen
2.1 Einführung
Ziel und Motivation 6
• Grundvokabular“ der Mathematik lernen.
”
• Natürliche Sprache ist oft mehrdeutig.
• Mathematische Sprache erlaubt die präzise Definition von mathematischen Objekten und die exakte
Formulierung von Sätzen und Resultaten.
Ziele und Motivation 7

. In der Informatik: Mengen, Relationen, Funktionen etc. Grundlage für
– Beschreibung von Algorithmen,
– Definition, was ein Programm tut“ (Semantik),
”
– Definition, welche Zeichenketten Programme sind (Syntax),
– Definition, was ein Programm tun soll“ (Spezifikation),
”
– Datenstrukturen (Arrays, Listen, Bäume, Hash-Tabellen, . . . )
2.2 Mengen
2.2.1 Basisvokabular und -konzepte
Mengenlehre 8
[Quelle]
Unter einer Menge“ verstehen wir jede Zusammenfassung M von bestimmten wohlunter-
”
schiedenen Objekten m unserer Anschauung oder unseres Denkens (welche die Elemente“
”
von M genannt werden) zu einem Ganzen (Georg Cantor)
Mengen in der Informatik 9

. Reihenfolge der Objekte, mehrfache Nennung von Objekten, etc. spielen keine Rolle.
So kennt eine Menge kein erstes, zweites, usw. Objekt.
. Daneben sind noch die Basisoperationen wichtig, um aus zwei oder mehr Mengen eine neue Menge
zu konstruieren“: Vereinigung, Schnitt, Differenz.
”
. Im Folgenden Wiederholung dieser Begriffe und deren Abkürzungen ( Schulwissen“).
”
2
Mengen: Basisvokabular 10
• Ein gegebenes Objekt x ist entweder in einer gegebenen Menge M enthalten oder nicht.
. x ∈ M“ kurz für Objekt x ist in Menge M enthalten“.
” ”
. x 6∈ M“ kurz für Objekt x ist nicht in der Menge M enthalten“.
” ”
• Die Objekte x mit x ∈ M nennt man die Elemente von M .
. Entsprechend liest man x ∈ M“ auch als x (ist) Element von M“ und x 6∈ M als x (ist) kein
” ” ”
Element von M“.
• Um Mengen zu definieren, kann man entweder alle Elemente der Menge explizit aufzählen oder man
definiert die Menge implizit durch Angabe einer charakterisierenden Eigenschaft der Elemente.
. Dabei verwendet man nach Konvention die Zeichen { und } zum Einleiten bzw. Beenden einer
Mengendefinition.
. Beispiel: explizite (auch: extensionale) Definition
M := {a, 2, $}
d.h. M enthält genau die drei Objekte a“, 2“, $“

” ” ”
. Beispiel: implizite (auch: intensionale) Definition
{x | x ist deutscher Staatsbürger mit Wohnsitz in München“}

”
. Abkürzungen für Mengen, die sehr oft vorkommen:
– N = {1, 2, 3, . . .} Menge der natürlichen/positiven ganzen Zahlen;
– N0 = {0, 1, 2, . . .} natürliche Zahlen inkl. 0;
– Z = {. . . , −2, −1, 0, 1, 2, . . .} ganze Zahlen;
– Q = {p/q | p ∈ Z, q ∈ N} rationale Zahlen;
– R reelle Zahlen.
• Die leere Menge ist durch {} definiert, wofür man häufig auch ∅ schreibt. D.h. es gibt kein Objekt
x mit x ∈ ∅, oder i.a.W. für jedes Objekt x gilt x 6∈ ∅.
• Mengen sind auch Objekte und können damit selbst Elemente von Mengen sein, z.B.
{ 1, {1, 2}, {1, {}}, {{1}, {{2}}, 3} }
. Das kann allerdings auch zu Problemen bei impliziten Definitionen führen, siehe Russelsche Anti-
nomie:
R := {x | x ist Menge mit der Eigenschaft x 6∈ x“}
”
Weder R ∈ R noch R 6∈ R macht Sinn“. Lösungen: ZFC-Mengenlehre oder Typentheorie.
”
2.2.2 Vergleiche von Mengen
Mengen: Vergleiche von Mengen 13
• M1 ist eine Teilmenge von M2 (kurz: M1 ⊆ M2 ), falls jedes Element von M1 auch Element von M2
ist.
. Entsprechend schreibt man kurz M1 6⊆ M2“, falls M1 keine Teilmenge von M2 ist, d.h. falls
”
mindestens ein Element x von M1 kein Element von M2 ist.
3
• Für die Menge der Objekte, die nur Elemente von M2 , aber nicht von M1 sind, schreibt man kurz
M2 \ M1 (oder auch: M2 − M1 ).
. Man schreibt M1 ( M2 , falls zwar M1 ⊆ M2 , jedoch auch M2 \ M1 mindestens ein Element besitzt.
. Beispiele:
– Für jede beliebige Menge M gilt stets ∅ ⊆ M .
– Für eine Menge M gilt M ⊆ ∅ nur und nur dann, wenn M = ∅.
– Es gilt M1 ⊆ M2 genau dann, wenn M1 \ M2 = ∅.

• M1 und M2 werden genau dann als gleich (identisch) angesehen (kurz: M1 = M2“), wenn jedes
”
Element von M1 auch Element von M2 ist, und jedes Element von M2 auch Element von M1 ist.
. Kurz: M1 = M2 genau dann, wenn sowohl M1 ⊆ M2 als auch M2 ⊆ M1 .
. Mit anderen Worten, um zu zeigen, dass zwei Mengen verschieden sind (kurz: M1 6= M2“) muss
”
man ein Objekt x finden, das Element genau einer der beiden Mengen ist.
• Man schreibt kurz M1 ∆M2 für die Menge, welche genau die Objekte zusammenfasst, welche Ele-
ment genau einer der beiden Mengen M1 , M2 (aber nicht beider) sind.
. M2 \ M1 nennt man die Differenz von M2 und M1 ,
M1 ∆M2 nennt man die symmetrische Differenz von M1 , M2 .
. Beachte:
Im Allgemeinen M2 \ M1 6= M1 \ M2 , aber stets M1 ∆M2 = M2 ∆M1 .

• Als Mächtigkeit/Kardinalität (kurz: |M |) einer Menge M bezeichnet man die Zahl der (unterschied-
lichen) Elemente in M .
• Eine Menge M ist endlich (kurz: |M | < ∞), falls es eine natürliche Zahl k gibt und eine entspre-
chende Anzahl von verschiedenen Objekten x1 , x2 , . . . , xk , so dass M = {x1 , x2 , . . . , xk } gilt.
. Ansonsten bezeichnet man M als unendlich (kurz: |M | = ∞).
. Weitere Einteilung von unendlichen Mengen folgt später.
2.2.3 Operationen auf Mengen

Mengen: Operationen auf Mengen 16
• Standardoperationen für zwei Mengen M1 , M2 :
Schnitt und Vereinigung
. Man schreibt kurz M1 ∩ M2 für die Menge mit der Eigenschaft:
Ist x ein Objekt, dann ist x ein Element von M1 ∩ M2 genau dann, wenn x sowohl Element von
”
M1 als auch von M2 ist.“
M1 ∩ M2 wird der Schnitt von M1 und M2 genannt.
Gilt M1 ∩ M2 = ∅, dann sagt man, dass M1 und M2 disjunkt sind.
. Entsprechend schreibt man kurz M1 ∪ M2 für die Menge mit der Eigenschaft
Ist x ein Objekt, dann ist x ein Element von M1 ∪M2 genau dann, wenn x Element von mindestens
”
einer der beiden Mengen M1 , M2 ist.“
M1 ∪ M2 wird die Vereinigung von M1 und M2 genannt.
4
• Häufig benötigt man auch den Schnitt und die Vereinigung von mehreren Mengen.
• Für eine Menge S, deren Elemente selbst Mengen sind, definiert man:
T
∩S := M ∈S M
:= {x | für jedes M ∈ S gilt x ∈ M“}
S ”
∪S := M ∈S M
:= {x | es gibt mindestens ein M ∈ S mit x ∈ M“}
”
. Damit gilt M1 ∩ M2 = ∩{M1 , M2 } und M1 ∪ M2 = ∪{M1 , M2 }.

• Gilt S = {M1 , . . . , Mk } für ein k ∈ N, dann schreibt man auch
k
[ k
\
Mi := ∪S Mi := ∩S
i=1 i=1

• Ist eine Menge Ω fest vorgegeben (fixiert) und betrachtet man ausschließlich Teilmengen von Ω, so
schreibt man für eine Menge A ⊆ Ω statt Ω \ A kurz A.
. Ω nennt man dann das Universum oder die Grundmenge und
A das Komplement von A (bzgl. Ω).
. Wichtig: Ohne Angabe, welches Universum gewählt wurde, macht A keinen Sinn.
2.2.4 Potenzmenge und Partitionen

Mengen: Potenzmenge 19
M
• Bezeichnet M eine Menge, so schreibt man 2 oder P(M ) für die Potenzmenge von M :
P(M ) := 2M := {A | A ⊆ M }
Die Potenzmenge von M enthält alle Teilmengen von M als Elemente.

. Beispiele:
P({1, 2}) = {∅, {1}, {2}, {1, 2}}
P({1, 2, 3}) = {∅, {1}, {2}, {3},
{1, 2}, {1, 3}, {2, 3}, {1, 2, 3}}
P(∅) = {∅}
P({∅, {∅}}) = {∅, {∅}, {{∅}}, {∅, {∅}}}
• Die Potenzmenge einer Menge mit k Elementen hat Kardinalität . . . 2k .

. Intuitiv: um eine Teilmenge zu konstruieren muss für jedes Element entschieden werden, ob
es zur Teilmenge gehört oder nicht.
. damit k ja/nein (binäre) Entscheidungen.
. also 2k mögliche Teilmengen ( richtiger“ Beweis später).
”
Mengen: Partitionen 20
• Eine Partition einer Menge M ist eine Menge P ⊆ P(M ) von disjunkten, nicht leeren Teilmengen
von M , deren Vereinigung genau M ergibt.
Etwas formaler:
5
– M = ∪P , d.h. die Elemente von P überdecken M .
– Für beliebige A, B ∈ P gilt entweder A = B oder A ∩ B = ∅.
– Für beliebiges A ∈ P gilt A 6= ∅.
. Beispiel: Die möglichen Partitionen von {1, 2, 3} sind:
{{1, 2, 3}}, {{1}, {2, 3}}, {{1, 2}, {3}}, {{1, 3}, {2}}, {{1}, {2}, {3}}
. Einige mögliche Partitionen von N0 :
{2N0 , 2N0 + 1}, {{x} | x ∈ N0 }, {N0 } . . .
2.2.5 Visualisierung von Mengen: Venn- und KV-Diagramme

Mengen: Veranschaulichung 21
• Die Beziehungen zwischen mehreren Mengen veranschaulicht man z.B. mittels Venn-Diagrammen
oder Karnaugh-Veitch-Diagramme.
Ω
A
B A
B
Ω
A
A
B C B
. Wichtig: Allgemeine Lage aller Mengen. (Bildquelle: [wikipedia])
• Venn-Diagramme und KV-Diagramme für 4 allgemeine Mengen
(Bildquelle: [wikipedia])
A A A A
B B B B B
D D D D
C C C C
D
6
• Venn-Diagramme und KV-Diagramme für 5 allgemeine Mengen
(Bildquelle: [wikipedia])
E
A A
2.2.6 Mengenterme
Mengenausdrücke/-terme 24
• Stehen A, B, C, . . . für beliebige Mengen, sind also Variablenbezeichner vom Typ Menge“, dann
”
können wir mittels ∩, ∪, P(•), \, ∆ Mengenterme/-ausdrücke aufstellen, die die Konstruktion von
weiteren, komplexeren Mengen beschreiben.
. Ist ein Universum Ω definiert, dann steht auch das Komplement A einer Menge A ⊆ Ω zur
Verfügung.
• Werten sich zwei Mengenterme für jede konkrete Wahl von Mengen A, B, C, . . . stets zur selben
Menge aus, dann nennt man die Mengenterme äquivalent.
• Die Äquivalenz von Mengentermen lässt sich entweder mittels KV-Diagrammen überprüfen (für bis
zu ca. 5 Variablen) oder mittels Äquivalenzumformungen unter Verwendung von Standardäquivalenzen/-
identitäten.
. Zunächst: alles entsprechend zur Umformung von arithmetischen Ausdrücken/Termen, später for-
male Definition für logische Formeln.
• Standardäquivalenzen für Mengenvariablen A, B, C.
A = A∪A A∪B = B∪A

A = A∩A A∩B = B∩A
A = A∪∅ A ∪ (B ∪ C) = (A ∪ B) ∪ C
∅ = A∩∅ A ∩ (B ∩ C) = (A ∩ B) ∩ C
7
• Noch mehr Standardäquivalenzen für Mengenvariablen A, B, C.
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 ∪ (A ∩ B)
A = A ∩ (A ∪ B)
A∆B = (A \ B) ∪ (B \ A)
. Mit definiertem Universum Ω:
A∩A = ∅ A = A
A∪A = Ω A∪B = A∩B
A\B = A∩B A∩B = A∪B
• Überprüfen/Beweisen z.B. durch Aufstellen des KV-Diagramms einmal für die linke und einmal
für die rechte Seite einer Äquivalenz.
. Beispiel: A \ (B ∩ C) = (A \ B) ∪ (A \ C)
. Linke Seite: v.l.n.r. A, B ∩ C, A \ (B ∩ C)
A A A
B B B
C C C
. Rechte Seite: v.l.n.r. A \ B, A \ C, (A \ B) ∪ (A \ C)
A A A
B B B
C C C
2.2.7 Tupel, Sequenzen, Folgen und Wörter

Tupel, Sequenzen, Folgen und Wörter 28
• Mengen: Zusammenfassung von Objekten ohne Beachtung von Anordnung oder Vielfachheiten von
beliebig vielen Objekten.
{a, b, ∅, {b, a}, a} = {∅, {a, b}, a, b}
. Tupel: Zusammenfassung einer festen, endlichen Anzahl von Objekten unter Beachtung der An-
ordnung/Auflistung der Objekte und Beachtung von Vielfachheiten.
(a, b, ∅, {b, a}, a) 6= (∅, {a, b}, a, b)
. Definitionen von Tupeln durch ( und ) eingeleitet bzw. beendet.
8
• Sequenz/Folge: Ist für jede natürliche Zahl i ∈ N (oder auch i ∈ N0 ) ein Objekt ai gegeben, dann
bezeichnet man die unendliche Auflistung (a1 , a2 , . . .) (bzw. (a0 , a1 , . . .)), die die Objekte nach
ansteigendem Index auflistet/zusammenfasst, als Sequenz/Folge.
Kurzschreibweise: (ai )i∈N (bzw. (ai )i∈N0 )
. Beispiel: (i)i∈N0 = (0, 1, 2, 3, . . .), (1/i)i∈N = (1, 1/2, 1/3, 1/4, . . .)
• Häufig sagt man statt Tupel auch endliche Sequenz oder Folge und fasst die Definitionen zusammen:
Gilt I ⊆ N0 und ist für jedes i ∈ I ein Objekt ai gegegeben, so schreibt (ai )i∈I für das Tupel,
welches die Objekte ai nach ansteigendem Index auflistet.
. Notation: Für k ∈ N definiert man [k] := {1, 2, . . . , k} mit [0] = ∅.
. Dann gilt (ai )i∈[k] = (a1 , a2 , . . . , ak ) mit (ai )i∈[0] = ().

• Länge |t| eines Tupels t oder auch Anzahl #t der Komponenten/Einträge eines Tuples ist die
Anzahl der Objekte (einschließlich Vielfachheiten) der zusammengefassten Objekte.
. Beispiele: |(a, (b, c))| = 2
|(a, a, a, a, a, a)| = 6
|( {a, b}, {b, a}, ∅, (a, {(b, ∅)}) )| = 4
. Synonyme: k-Tupel für Tupel der Länge k, Paar für 2-Tupel
. Zwei Tupel sind identisch, wenn sie dieselbe Länge haben und sie an jeder Position denselben
Eintrag besitzen.
. Beispiele:
(a, (b, c)) 6= (a, (c, b))
(a, {b, c}) = (a, {c, b}) 6= ({c, b}, a) 6= () 6= (a, b, c)

• Sind A, B Mengen, so schreibt man A × B für das kartesische Produkt von A und B: die Menge
aller Paare, deren erste Komponente ein Element aus A und deren zweite Komponente ein Element
aus B ist:
A × B = {(a, b) | a ∈ A, b ∈ B}
. Entsprechend definiert man
– A1 × A2 × . . . × Ak = {(a1 , a2 , . . . , ak ) | a1 ∈ A1 , a2 ∈ A2 , . . . , ak ∈ Ak }
(für k = 0 ist das Produkt die Menge { () }).
• Beachte: (A × B) × C 6= A × B × C 6= A × (B × C) da
– A × B × C = {(a, b, c) | a ∈ A, b ∈ B, c ∈ C}
– (A × B) × C = {((a, b), c) | a ∈ A, b ∈ B, c ∈ C}
– A × (B × C) = {(a, (b, c)) | a ∈ A, b ∈ B, c ∈ C}

• Graphisch veranschaulicht (entspricht Speicherstruktur):
(a, b, c) entspricht
9
a b c
((a, b), c) entspricht
a b
(a, (b, c)) entspricht
b c

• Man schreibt Ak = A × . . . × A für alle k-Tupel mit Komponenten aus A:
| {z }
k mal
Ak = {(a1 , . . . , ak ) | a1 ∈ A, a2 ∈ A, . . . , ak ∈ A}
. Beachte: A0 := {()} und A1 := {(a) | a ∈ A} =

6 A
. Programmiersprachen machen auch diesen Unterschied, z.B. Python:
[0 a0 ] ist die Liste, die das Zeichen a enthält, und nicht einfach das Zeichen a; entsprechend ist [] die
leere Liste.
• Tupel können prinzipiell durch Mengen simuliert“ werden z.B. (a, b) durch {{0, a}, {1, b}} oder
”
(ohne Zahlen aber umständlicher) durch {{∅, a}, {{∅}, b}}.
Wörter und Sprachen 34

• Für die Informatik bilden Tupel die konzeptuelle Grundlage für Zeichenketten (strings).
• Üblicherweise ist eine Menge von Grundzeichen (Alphabet) vorgegeben.
– z.B. ASCII, UTF-8, alphanumerisch {a, . . . , z, A, . . . , Z, 0, . . . , 9}
. Häufig wird ein Alphabet mit Σ oder Γ bezeichnet und man betrachtet nur Tupel mit Einträgen
aus diesem Alphabet.
. Für die
S Menge aller (endlichen) Tupel mit Einträgen aus einem Alphabet Σ schreibt man kurz
Σ∗ := k∈N0 Σk = ∪{Σk | k ∈ N0 }.
. Man nennt Σ∗ auch die Menge aller endlichen Wörter über Σ, und bezeichnet die Elemente von
Σ∗ als (endliche) Wörter (über Σ).
Wörter und Sprachen 35

• Solange keine Missverständnisse entstehen können, schreibt man für ein Wort (a1 , a2 , . . . , ak ) ein-
fach kurz a1 a2 . . . ak .
. Für das leere Tupel () benötigt man dann ein spezielles Symbol, meistens ε (empty word) oder λ
(leeres Wort), das man dann das leere Wort nennt.
• Ist Σ ein Alphabet, so bezeichnet man eine Teilmenge L ⊆ Σ∗ als Sprache (über Σ).
• Für Wörter und Tupel definiert man noch die Konkatenation ( Verkettung“):
”
10
– Die Konkatenation uv zweier Wörter u = u1 . . . uk und v = v1 . . . vl (ui , vj ∈ Σ) ist uv :=
u1 . . . uk v1 . . . vl .
. Beachte: uε = εu = u und |uv| = |u| + |v|.
– Entsprechend ist die Konkatenation zweier Tupel (u1 , . . . , uk ) und (v1 , . . . , vl ) das neue Tupel
(u1 , . . . , uk , v1 , . . . , vl ).
2.3 Relationen
Relationen 36
• Gegeben Mengen A1 , A2 , . . . , Ak , so nennt man R ⊆ A1 × A2 × . . . × Ak eine (k-stellige) Relation
oder eine Relation der Stelligkeit/Arität k.
. Gilt (a1 , a2 , . . . , ak ) ∈ R, dann sagt man, dass die Objekte a1 , a2 , . . . , ak bzgl. R in Relation stehen.
• Relationen bilden die Grundlage für Datenbanken: Vereinfacht gesprochen ist eine (klassische)
Datenbank eine Menge von Datenbanktabellen, wobei jede Tabelle eine Relation abspeichert, z.B.
AId ANachname AVorname AId AMatrikelnummer AId AGeschlecht

1 Man Spider 1 3141 1 m
2 Brot Bernd 2 271828 2 b
3 Woman Wonder 3 1701 3 w
4 Gaga Lady 4 3694 4 w
R S T
Relationen: Join und Projektion 37

• Die wichtigste Datenbankoperation sind Join und Projektion.
• Der Join R ./i=j S konkateniert ( verkettet“) jedes Tupel (r1 , . . . , rk ) ∈ R mit jedem Tupel
”
(s1 , . . . , sl ) ∈ S, soweit ri = sj gilt:
 
 (r1 , . . . , rk ) ∈ R, 
R ./i=j S = (r1 , . . . , rk , s1 , . . . , sl ) | (s1 , . . . , sl ) ∈ S,
ri = sj
 
• Die Projektion πi1 ,i2 ,...,ij reduziert jedes Tupel (r1 , . . . , rk ) ∈ R auf die Einträge an den Positionen
1 ≤ i1 , i2 , . . . , ij ≤ k:
πi1 ,i2 ,...,ij (R) = {(ri1 , ri2 , . . . , rij ) | (r1 , . . . , rk ) ∈ R}
. Hiermit lassen sich die Datenbanktabellen verknüpfen und filtern, um damit Datenbankanfragen
zu beantworten.
. Mehr dazu in Datenbanken.
Relationen 38
• Beispiel: Relationen/Tabellen R, S, T
AId ANachname AVorname AId AMatrikelnummer AId AGeschlecht

1 Man Spider 1 3141 1 m
2 Brot Bernd 2 271828 2 b
3 Woman Wonder 3 2017 3 w
4 Gaga Lady 4 3694 4 w
R S T
11
. Datenbankanfragen entsprechen Verknüpfen der Tabellen mittels Join und Projektion z.B. Anfrage
Vornamen aller weiblichen Personen“:
”
π3 (R ./1=1 (T ./2=1 {(w)}))
(Selbst auswerten mit R, S, T von oben.)
2.3.2 Binäre Relationen und Graphen

Binäre Relationen 39
• Im Weiteren: binäre, d.h. 2-stellige Relationen R ⊆ A × B
. Grundlage für alle verzeigerten Datenstrukturen in der Informatik (z.B. Listen, Bäume, Gra-
phen).
. Binäre Relationen auf Zahlen aus der Schule bekannt:
kleiner-gleich“ ≤, kleiner“ <, gleich“ =, ungleich“ 6=, usw.
” ” ” ”
Notationsproblem: = = {(x, x) | x ∈ R} ⊆ R × R (?!)
. Daher ≤R bzw. =N usw. für bessere Unterscheidbarkeit.
. Infixnotation: a R b für (a, b) ∈ R
– Vgl.: 3 ≤N 5 statt (3, 5) ∈ ≤N
. Für später: inverse Relation R−1 := {(b, a) | (a, b) ∈ R}.
. Z.B. ≤−1
R = ≥R .
Binäre Relationen: Graphen 40

. Veranschaulichung von binären Relationen mittels Graphen.
• Ein gerichteter Graph (kurz: Digraph) G = (V, E) besteht aus
– einer Menge V – genannt Knotenmenge, Elemente von V entsprechend Knoten von G.
– einer binären Relation E ⊆ V × V – genannt Kantenrelation/-menge, Elemente von E ent-
sprechend Kanten von G.
. Ein Digraph G ist endlich, falls V endlich ist; ansonsten ist G unendlich.
. Ein Digraph G ist bipartit, falls V = A ∪ B mit A ∩ B = ∅ und E ⊆ A × B ∪ B × A (es gibt
nur Kanten zwischen A und B).
• Visualisierung eines (endlichen) Digraphen G = (V, E):
– Für jeden Knoten v ∈ V male“ einen Knubbel“ mit Namen v“
” ” ”
– Für jede Kante (s, t) male“ einen Pfeil“ vom Knubbel“ für s zum Knubbel“ für t (s für
” ” ” ”
source“, t für target“).
” ”
Falls s = t, dann male Schleife“.
”
Falls G unendlich, nur schematische Skizze möglich.

• Beispiel: G = (V, E) mit
V = {1, 2, a, b} E = {(1, b), (2, b), (2, a), (1, 2), (b, b), (b, 2), (a, 1)}
12
2 b 2 b
alternativ
1 a 1 a
Nicht bipartit.

• Beispiel: G = (V, E) mit
V = {1, 2, a, b} E = {(1, b), (2, b), (2, a), (b, 2), (a, 1)}
2 b 2 b
alternativ
1 a 1 a
Bipartit.

• Visualisierung von R ⊆ A × B als Digraph GR := ((A ∪ B), R).
. Beispiel: Visualisierung von {(x, y) | x, y ∈ {0, 1, 2, 3}, x ≤N0 y}
0 1 2 3
. Beispiel: Skizze zu ≤N0 ⊆ N0 × N0
0 1 2 3 ...

• Ein Tupel (v0 , v1 , . . . , vl ) (oder einfach v0 , v1 , . . . , vl ) von Knoten vi ∈ V heißt Weg/Pfad, falls
(vi−1 , vi ) ∈ E für jedes i ∈ [l] gilt, d.h. wenn je zwei aufeinanderfolgende Knoten durch eine Kante
aus E verbunden sind.
– Die Länge eines Pfades (v0 , v1 , . . . , vl ) ist l, d.h. die Anzahl der Kanten ( Schritte“), von v0
”
bis vl .
. Ein Pfad heißt einfach, falls kein Knoten mehrmals in dem Pfad vorkommt ( besucht“ wird).
”
. Fakt: In einem endlichen Digraphen hat ein einfacher Pfad maximal Länge |V | − 1.
• Beispiel:
13
v0 v1 v2 v3
Einige Pfade:
v0 v0 , v0 v0 , v1 v0 , v1 , v0 v0 , v1 , v2 , v3 , v1
2.3.3 Relationales Produkt

Relationales Produkt 45
• Sind R ⊆ A × B sowie S ⊆ C × D binäre Relationen, dann ist das relationale Produkt von R und
S die binäre Relation RS ⊆ A × D gegeben durch
RS = {(a, d) | es gibt x ∈ B ∩ C mit (a, x) ∈ R und (x, d) ∈ S}
oder kurz: RS = π1,4 (R ./2=1 S).

• Wenn B ∩ C = ∅, dann gilt also RS = ∅.
• Man nennt RS auch die Verkettung von R und S.
• Visualisierung des relationalen Produkts:
Der Graph zu RS enthält eine Kante (u, v) genau dann, wenn (gdw.) es einen Verbindungsknoten
”
w“ und eine R-Kante (u, w) und eine S-Kante (w, v) gibt.
Bedeutung von A gdw. B“: Wenn A dann B und wenn B dann A.
”
Relationales Produkt 46
R S RR
2 b 2 b 2 b
1 a 1 a 1 a
RS SR SS
2 b 2 b 2 b
1 a 1 a 1 a
2.3.4 Binäre Relationen auf einer Menge

Binäre Relationen auf einer Menge 47
• Weiterer wichtiger Spezialfall:
Binäre Relationen R ⊆ A × A, die auf einer Menge A definiert sind.
. Können mit sich selbst mittels relationalem Produkt mehrfach verknüpft werden: Zusammenziehen
”
der k-Schritt-Pfade“
– R0 := IdA := {(a, a) | a ∈ A}
– R1 := R = R0 R
14
– R2 := RR = R1 R
– Rk+1 := Rk R = RRk = RR . . . R} für beliebiges k ∈ N0 .
| {z
k + 1 mal
. Bemerkung: Obige Definition wird als induktive Definition bezeichnet.

Die Definition ist (fast) ein Algorithmus, wie man Rk+1 mittels R und Rk rekursiv berechnen“
”
kann.

• Sei R gegeben durch:
2 4
1 3
. v.l.n.r. R0 , R2 , R3 :
2 4 2 4 2 4
1 3 1 3 1 3

2 4
1 3
. v.l.n.r. R0 ∪ R1 ∪ R2 , R0 ∪ R1 ∪ · · · ∪ R3 , R0 ∪ R1 ∪ · · · ∪ R4 :
2 4 2 4 2 4
1 3 1 3 1 3

• Transitive Hülle einer binären Relation R ⊆ A × A:
R+ := k∈N Rk ( alle Pfade, die mindestens einen Schritt machen“)
S
”
• Reflexiv-transitive Hülle einer binären Relation R ⊆ A × A:
R∗ := k∈N0 Rk = R0 ∪ R+
S
. v ist von u erreichbar“, falls uR∗ v.

”
. Weitere Notation:
Sk
R≤k := i=0 Ri ( Erreichbarkeit in höchstens k Schritten“)
”
15
∗
• Hinweis: Bedeutung von überladen, unterscheide von z.B. Menge aller endlichen Wörter Σ∗ .

2 4
1 3
. v.l.n.r. R+ , R∗ :
2 4 2 4
1 3 1 3

• Es gilt: Ist A endlich und n = |A|, dann gilt R∗ = R≤n−1 .
Exkurs: Beweise 53
• Es gilt: Ist A endlich und n = |A|, dann gilt R∗ = R≤n−1 :
• Wir wollen diese Aussage beweisen.
• Beweis: Sequenz von Aussagen, die von einer Hypothese (A endlich und n = |A|) zu einer Konklu-
sion oder einem Ziel (R∗ = R≤n−1 ) führen.
• Hypothese: A endlich und n = |A|. Ziel: R∗ = R≤n−1 . Um zu zeigen, dass R∗ = R≤n−1 gilt, zeigen
wir:
– Jedes Element von R∗ gehört zu R≤n−1 , d.h. R∗ ⊆ R≤n−1 . Hypothese: A endlich und n = |A|.
Ziel: R∗ ⊆ R≤n−1 .
– Jedes Element von R≤n−1 gehört zu R∗ , d.h. R≤n−1 ⊆ R∗ . Hypothese: A endlich und n = |A|.
Ziel: R∗ , d.h. R≤n−1 ⊆ R∗ .
– Wir haben die Aufgabe in zwei Teilaufgaben zerlegt.
Exkurs: Beweise 54
• Teil I: Hypothese: A endlich und n = |A|. Ziel: R∗ ⊆ R≤n−1 . Um zu zeigen, dass jedes Element
von R∗ zu R≤n−1 gehört, betrachten wir ein beliebiges Paar (s, t) ∈ A × A, nehmen (s, t) ∈ R∗ an,
und zeigen (s, t) ∈ R≤n−1 .
• Hypothese: A endlich und n = |A| und (s, t) ∈ R∗ . Ziel: (s, t) ∈ R≤n−1 . Um zu zeigen, dass
(s, t) ∈ R≤n−1 gilt, ersetzen wir (s, t) ∈ R∗ und (s, t) ∈ R≤n−1 durch äquivalente Aussagen:
– (s, t) ∈ R∗ : Es gibt einen Pfad von s nach t in Digraph GR .
– (s, t) ∈ R≤n−1 : Es gibt einen Pfad von s nach t in Digraph GR , der höchstens n − 1 Schritte
macht.
– Hypothese: A endlich und n = |A| und es gibt einen Pfad von s nach t in GR . Ziel: Es gibt
einen Pfad von s nach t in GR , der höchstens n − 1 Schritte macht.
16
Exkurs: Beweise 55
• Hypothese: A endlich und n = |A| und (s, t) ∈ R∗ und es gibt einen Pfad von s nach t in GR . Ziel:
Es gibt einen Pfad von s nach t in GR , der höchstens n − 1 Schritte macht. Kern des Beweises: Sei
s, . . . , u, . . . , u, . . . , t ein Pfad von s nach t, der den Knoten u zweimal enthält. Dann erhält man
durch Entfernen des nutzlosen“ Teilpfads von u nach u, einen neuen, kürzeren Pfad s, . . . , u, . . . , t,
”
der u einmal weniger enthält. Durch wiederholte Anwendung dieser Regel enthält man einen ein-
fachen Pfad von s nach t. Jeder einfache Pfad von GR besteht aus höchstens n − 1 Schritten, da er
sonst mindestens einen Knoten zweimal besucht.
Exkurs: Beweise 56
• Teil II: Hypothese: A endlich und n = |A|. Ziel: R≤n−1 ⊆ R∗ . Um zu zeigen, dass jedes Element
von R∗ zu R∗ gehört, betrachten wir ein beliebiges Paar (s, t) ∈ A × A, nehmen (s, t) ∈ R≤n−1 an,
und zeigen (s, t) ∈ R∗ .
• Hypothese: A endlich und n = |A| und (s, t) ∈ R≤n−1 . Ziel: (s, t) ∈ R∗ . Um zu zeigen, dass
(s, t) ∈ R∗ gilt, ersetzen wir (s, t) ∈ R∗ und (s, t) ∈ R≤n−1 durch äquivalente Aussagen:
– (s, t) ∈ R∗ : Es gibt einen Pfad von s nach t in Digraph GR .
– (s, t) ∈ R≤n−1 : Es gibt einen Pfad von s nach t in Digraph GR , der höchstens n − 1 Schritte
macht.
• Hypothese: A endlich und n = |A| und es gibt einen Pfad von s nach t in GR , der höchstens n − 1
Schritte macht. Ziel: Es gibt einen Pfad von s nach t in GR . Es ist offensichtlich, dass das Ziel aus
der Hypothese folgt.

• Es gilt: Ist A endlich und n = |A|, dann gilt R∗ = R≤n−1 :
Beweisskizze: Wir zeigen für alle s, t ∈ A
(s, t) ∈ R∗ gdw. (s, t) ∈ R≤n−1

(s, t) ∈ R∗
gdw es gibt einen Pfad von s nach t in GR
gdw es gibt einen einfachen Pfad von s nach t in GR
gdw es gibt einen Pfad von s nach t in GR der höchstens n − 1 Schritte macht
gdw (s, t) ∈ R≤n−1 .
. Weitere Eigenschaften (zur Übung):
– (R∗ )∗ = (R+ )∗ = (R∗ )+ = R∗
– (R+ )+ = R+

• Eine binäre Relation R ⊆ A × A auf einer Menge A ist
– reflexiv falls: IdA ⊆ R
Jeder Knoten hat eine Schleife“
”
– symmetrisch falls: Wann immer (s, t) ∈ R, dann auch (t, s) ∈ R
Zwischen je zwei Knoten entweder beide Kanten oder gar keine Kante“
”
17
– asymmetrisch falls: Wann immer (s, t) ∈ R, dann immer (t, s) 6∈ R
Keine Schleifen und zwischen je zwei verschiedenen Knoten höchstens eine Kante“
”
– antisymmetrisch falls: Wann immer (s, t) ∈ R und auch (t, s) ∈ R, dann gilt immer s = t
Zwischen zwei verschiedenen Knoten existiert höchstens eine Kante“
”
– transitiv falls: Wann immer (s, t) ∈ R und auch (t, u) ∈ R, dann auch (s, u) ∈ R
Kommt man mit genau zwei Schritten von s nach u, dann auch mit genau einem.“
”

• Eigenschaften der folgenden Relationen?
2 4 2 4 2 4
1 3 1 3 1 3
2 4 2 4 2 4
1 3 1 3 1 3

• Weitere Beispiele:
. =Z : reflexiv; symmetrisch; transitiv
. ≤Z : reflexiv; antisymmetrisch; transitiv
. <Z : nicht reflexiv; asymmetrisch; transitiv
. 6=Z : nicht reflexiv; symmetrisch; nicht transitiv
. |Z ⊆ Z × Z mit a|b“ definiert durch ab ∈ Z“ (sprich a teilt b“)
” ” ”
nicht reflexiv; nicht symmetrisch; nicht asymmetrisch; nicht antisymmetrisch; transitiv
. |N ⊆ N × N (Einschränkung von teilt“ auf positive ganze Zahlen)
”
reflexiv; antisymmetrisch; transitiv
. ≡m ⊆ Z × Z mit a ≡m b“ definiert durch m|(a − b)“ für festes m ∈ N
” ”
reflexiv; symmetrisch; transitiv
. ⊆ auf P(Z): reflexiv; antisymmetrisch; transitiv
. Kongruenzbegriff auf Dreiecken: reflexiv; symmetrisch; transitiv

• Noch mehr Beispiele für Wörter u, v ∈ Σ∗
. u ist ein Präfix von v (kurz: u p v),
falls es ein w ∈ Σ∗ mit uw = v gibt.
p : reflexiv; antisymmetrisch; transitiv
18
. u ist ein Suffix von v (kurz: u s v),
falls es ein w ∈ Σ∗ mit wu = v gibt.
s : reflexiv; antisymmetrisch; transitiv
. u ist ein Infix (Faktor) von v (kurz: u i v),
falls es w, w0 ∈ Σ∗ mit wuw0 = v gibt.
f : reflexiv; antisymmetrisch; transitiv
. u und v sind konjugiert (kurz: u ∼
=c v),
falls es w, w0 ∈ Σ∗ mit u = ww0 und v = w0 w gibt.
∼
=c : reflexiv; symmetrisch; transitiv

• Klassifikation:
– ≤Z , |N , ⊆, p , s , i werden als partielle Ordnungen bezeichnet:
reflexiv, antisymmetrisch, transitiv
– =Z , ≡m , ∼
=c , Kongruenz von Dreiecken“ werden als Äquivalenzrelationen bezeichnet:
”
reflexiv, symmetrisch, transitiv
2.3.5 Äquivalenzrelationen
Äquivalenzrelationen 63
• Betrachte die Relationen =Z , ≡k (Kongruenz modulo k), ∼
=c
. Gemeinsamkeiten: reflexiv, symmetrisch, transitiv
Unterteilen/partitionieren die Objekte des Universums nach verschiedenen Äquivalenzbegriffen“
”
– a =Z b: a und b dieselbe/identische Zahl“
”
Feinste“ Partitionierung: {{x} | x ∈ Z}
”
– a ≡m b: a und b derselbe Rest bei Division durch m“
”
Partitionierung: Menge der Restklassen {mZ, mZ + 1, . . . , mZ + (m − 1)} mit mZ = {mz |
z ∈ Z}
Gröbste“ Partitionierung für m = 1: {Z} ( alles gleich“)
” ”
• Allgemeine Definition: Eine binäre Relation R ⊆ A×A über einer Menge A heißt Äquivalenzrelation
(auf A), falls:
– R reflexiv und symmetrisch und transitiv.
. Für R ⊆ A × A eine Äquivalenzrelation definiert man:
– Äquivalenzklasse eines Objekts a bzgl. R:
[a]R = {b ∈ A | aRb}
Bsp.: [1]=Z = {1}, [−5]≡3 = 3Z + 1
. Fakt: Es gilt a ∈ [a]R und [a]R = [b]R für aRb und [a]R ∩ [b]R = ∅ für (a, b) 6∈ R
19
– Quotient von A bzgl. R als die Menge aller Äquivalenzklassen:
A/R = {[a]R | a ∈ A}
Bsp.: Z/=Z = {{x} | x ∈ Z}, Z/≡3 = {3Z, 3Z + 1, 3Z + 2}
. Fakt: A/R ist eine Partition von A
• Weitere wichtige Äquivalenzrelationen:
Äquivalenzen auf Termen/Formeln/Programmen
. (x + y)2 und x2 + 2xy + y 2 verschiedene Zeichenketten/arithmetische Terme, aber werten sich
für alle reellen Zahlen x, y ∈ R stets zu demselben Wert aus, weswegen man (ungenau) einfach
(x + y)2 = x2 + 2xy + y 2 schreibt.
. Entsprechend (A ∩ C) \ B und (A ∩ (B ∪ C)) im mengentheoretischen Sinn äquivalent, aber ver-
schiedene Terme.
. Wichtig für die Informatik: Entscheiden, ob zwei (als Zeichenkette) verschiedene Programme das-
selbe tun.
Z.B. prototypische Implementierung vs. optimierte Implementierung.
. Ausblick: Im Allgemeinen kann man kein Programm schreiben, das die Äquivalenz von zwei anderen
Programmen entscheidet.
Siehe Einführung in die theoretische Informatik.
2.3.6 Ordnungsrelationen
Ordnungsrelationen 66
• Beispiele: ≤Z , |N , ⊆, p , s , i
. Gemeinsamkeiten: reflexiv, antisymmetrisch, transitiv
Ordnen Objekte zumindest teilweise (partiell) an.
. Unterschiede:
– Für zwei beliebige a, b ∈ Z gilt mindestens a ≤Z b oder b ≤Z a,
d.h. bzgl. ≤Z sind alle ganzen Zahlen vergleichbar.
– Es gibt a, b ∈ N, so dass weder a|N b noch b|N a gilt,
d.h. bzgl. |N gibt es unvergleichbare positive ganze Zahlen, z.B. die Primzahlen.
• Man definiert daher:
. R ⊆ A × A ist eine partielle Ordnung (Halbordnung) auf A, falls
– R reflexiv und antisymmetrisch und transitiv.
. R ⊆ A × A ist eine totale Ordnung (Totalordnung) auf A, falls
– R eine partielle Ordnung auf A ist, und
– je zwei beliebige a, b stets bzgl. R in Relation stehen, d.h. mindestens aRb oder bRa gilt.
• Man definiert entsprechend noch strikte/strenge Varianten, indem man die Reflexivität durch die
Irreflexivität ersetzt, womit die Antisymmetrie zur Asymmetrie wird.
– R ist irreflexiv, falls (a, a) 6∈ R für jedes a ∈ A, d.h. R ∩ IdA = ∅.
20
. Bsp.: <Z = ≤Z \IdZ
• Visualisierung einer (partiellen) Ordnung R ⊆ A × A:
Statt R bzw. den zugehörigen Digraphen GR ,
stellt man nur eine möglichst kleine“ Relation S ⊆ R dar,
”
für die S ∗ = R gilt. GS wird dann Hasse-Diagramm von R genannt.
. Beispiel: ≤N0
Statt
0 1 2 3 ...
nur
0 1 2 3 ...
. Beispiel: Hasse-Diagramm zu |N ∩ ([10] × [10])
8
4 6 9 10
2 3 5 7
. Beispiel: Hasse-Diagram zu ⊆ auf P([3])
{1, 2, 3}
{1, 2} {1, 3} {2, 3}
{1} {2} {3}
. Beispiel: Hasse-Diagramm zur Ordnung auf Äquivalenzrelationen über {1, 2, 3}:
R S falls:
– wann immer a R b, dann a S b,
– oder äquivalent R ⊆ S
21
{{1, 2, 3}}
{{1}, {2, 3}} {{1, 3}, {2}} {{1, 2}, {3}}
{{1}, {2}, {3}}
• Noch ein paar Standardbegriffe bzgl. einer Ordnung R ⊆ A × A:
• m ∈ A ist ein maximales Element bzgl. R, falls:
Gilt mRa für ein a ∈ A, dann auch aRm und damit a = m.
. Keine Kanten zu einem anderen Element“
”
. Erinnerung: bzgl. partieller Ordnungen kann es auch unvergleichbare Objekte geben.
• m ∈ A ist das größte Element bzgl. R, falls aRm für jedes a ∈ A gilt.
– Keine Kanten zu einem anderen Element, aber von jedem anderen Element eine Kante.“
”
. Ist R total, dann ist ein maximales Element sofort auch das größte Element.
• Entsprechend definiert man ein minimales und das kleinste Element bzgl. R.
+
Rk
S
• Erinnerung: Für eine binäre Relation R ⊆ A × A haben wir die transitive Hülle R := k∈N
und die reflexiv-transitive Hülle R∗ = k∈N0 Rk definiert.
S
• Die Teilmengenrelation ⊆ ist eine Halbordnung auf der Menge aller binären Relationen auf A.
• Bzgl. ⊆ lassen sich R∗ und R+ auch wie folgt charakterisieren:
– R+ ist das kleinste Element bzgl. ⊆ in
{S ⊆ A × A | R ⊆ S und S ist transitiv}
d.h. ist S transitiv mit R ⊆ S, dann gilt R+ ⊆ S.

– R∗ ist das kleinste Element bzgl. ⊆ in
{S ⊆ A × A | R ⊆ S und S ist reflexiv und transitiv}
d.h. ist S reflexiv und transitiv mit R ⊆ S, dann gilt R∗ ⊆ S.
−1
• Fakt: Mit R ist auch R eine Ordnung. ( Pfeile umdrehen“)
”
– Begriffe minimal“ und maximal“ bzw. kleinstes“ und größtes“ dual, d.h. beim Wechsel
” ” ” ”
von R zu R−1 vertauschen sie sich.
• Beispiele:
– Bzgl. |N ist 1 das kleinste Element, es gibt keine maximalen Elemente.
– Bzgl. |−1
N (”ist Vielfaches“) ist 1 das größte Element.
22
– Bzgl. |N\{1} sind die Primzahlen die minimalen Elemente.
– Bzgl. ≤Z gibt es keine minimalen/maximalen Elemente
– Bzgl. ≤N0 ist 0 das kleinste Element
– Bzgl. ≥N0 ist 0 das größtes Element
2.4 Funktionen
Funktionen 74
• Eine Relation R ⊆ A × B ist eine Funktion (Abbildung), falls:
Für jedes a ∈ A gibt es genau ein b ∈ B mit (a, b) ∈ R
– D.h. es gibt mindestens ein b ∈ B mit aRb UND
– wann immer auch aRb0 , dann gilt b = b0 .
. Konventionen/Anmerkungen (wie in der Schule):
– f, g, h, . . . als Funktionenbezeichner.
– f : A → B“ um zu sagen, dass f ⊆ A × B eine Funktion von A nach B ist.
”
– f (a)“ steht für das eindeutige b ∈ B mit (a, b) ∈ f .
”
Beachte: Schreibrichtung dreht sich damit um: af b“ vs. b = f (a)“
” ”
In manchen Fällen ist af“ praktischer als f (a)“.
” ”
– Definition von Funktionen mittels 7→“ z.B.: f : R → R, x 7→ x2 + 1
”
Funktionen 75
• Weitere Konventionen/Anmerkungen:
– Für die Menge aller Funktionen von A nach B schreibt man B A := {f : A → B}.
– Gilt A = ×ki=1 Ai, dann schreibt man einfach f (a1, . . . , ak ) statt f ((a1, . . . , ak )).
. k bezeichnet man dann als Stelligkeit oder Arität von f .
. Entsprechend bezeichnet man f : ×ki=1 Ai → B auch als k-äre Funktion z.B. nullär, unär,
binär, tertiär usw.
. Spezialfall nulläre Funktion: f : {()} → B
Ist nur für das leere Tupel (= kein Argument“) definiert und ordnet diesem immer denselben
”
Wert zu.
Funktionen 76
• Weitere Konventionen/Anmerkungen:
– Die Urbildmenge Dom(f ) einer Funktion f : A → B ist die Menge A.
Die Bildmenge Rng(f ) von f ist die Menge {f (a) | a ∈ A}.
Allgemeiner definiert man für X ⊆ A und Y ⊆ B:
∗ f −1 (Y ) = {a ∈ A | f (a) ∈ Y } ⊆ Dom(f ) (Urbilder von Y )
∗ f (X) = {f (a) | a ∈ X} ⊆ Rng(f ) (Bilder von X)
. Nach unserer Definition muss eine Funktion f : A → B jedem a ∈ A ein Bild f (a) zuweisen.
Solche Funktionen werden auch als total bezeichnet.
23
– Als partielle Funktion bezeichnet man entsprechend eine Relation f ⊆ A × B bzgl. der jedes
a ∈ A mit höchstens einem b ∈ B in Relation steht.
. Kurz f : A ,→ B“, um darauf hinzuweisen, dass f nur partiell ist.
”
∗ f : A → B (totale) Funktion: Dom(f ) = A
∗ f : A ,→ B partielle Funktion: Dom(f ) ⊆ A
. Partielle Funktionen werden in der Informatik häufig benutzt, um u.U. nicht terminierende
Programme zu beschreiben.
2.4.2 Visualisierung
Funktionen: Visualisierung 77
• Visualisierung einer Funktion f : A → B (wie in der Schule) durch einen bipartiten Graphen mit
Knubbel“ für A links und Knubbel“ für B rechts.
” ”
. Beispiel: f = {(a, 1), (b, 1), (c, 2)} ⊆ A × B für A = {a, b, c} und B = [3]
Als Funktion: Als Relation:
c 3 c 3
b 2 b 2
a 1 a 1
Funktionen: Visualisierung 78
• Visualisierung einer Funktion f : A → B (wie in der Schule) durch einen bipartiten Graphen mit
Knubbel“ für A links und Knubbel“ für B rechts.
” ”
. Beispiel: f = {(a, a), (b, a), (c, b)} ⊆ A × A für A = {a, b, c}
Als Funktion: Als Relation:
c c
b b
a a a b c
. Für A = B Darstellungen unterschiedlich; Darstellung als Relation nützlich, falls man an der
Sequenz x, f (x), f (f (x)), . . . interessiert ist (siehe Permutationen).
2.4.3 Operationen auf Funktionen

Funktionen: Operationen 79
k
• Abbildungen der Form f : A → A werden auch als k-stellige Operationen auf A bezeichnet.
– Beispiele: Addition und Multiplikation +R , •R : R × R → R auf R
– Für binäre Operationen verwendet man üblicherweise die Infixnotation:
(x +R y) statt +R (x, y); (x • R y) statt •R (x, y)
. Häufig verwendet man ⊕, , ⊗, u.ä. Symbole als Bezeichner für binäre Operationen.
. Meistens lässt man auch die äußersten Klammern weg, falls keine Missverständnisse entstehen
können, also z.B. nur a b statt (a b)
24
• Eine binäre Operation : A × A → A ist
– assoziativ falls (a b) c=a (b c) für alle a, b, c ∈ A.
– kommutativ falls a b=b a für alle a, b ∈ A.
– idempotent falls a a = a für alle a ∈ A.
Funktionen: Komposition 80
• Komposition (Nacheinanderausführung) (g ◦ f )(a) := g(f (a)) von Funktionen f : A → B und
g: B → C
(g ◦ f ) : A → C, a 7→ g(f (a))
. Anmerkungen:
– Lies g ◦ f“ als g nach f“
” ”
– Komposition ist assoziativ (als Operation auf die Menge der Funktionen), aber nicht kommu-
tativ:
(h ◦ (g ◦ f ))(a) = h((g ◦ f )(a))
= h(g(f (a)))
= (h ◦ g)(f (a)) = ((h ◦ g) ◦ f )(a)
Funktionen: Komposition 81
• Komposition (Nacheinanderausführung) (g ◦ f )(a) := g(f (a)) von Funktionen f : A → B und
g: B → C
(g ◦ f ) : A → C, a 7→ g(f (a))
. Beachte umgekehrte Lese/Schreibrichtung im Vergleich zu Relationen:
Relationales Produkt Komposition
fg = {(a, g(f (a))) | a ∈ A} = (g ◦ f )
3 (g ◦ f )
c γ c γ
f g
2 g (g ◦ f )
b β b β
f g (g ◦ f )
f 1
a α a α
2.4.4 Eigenschaften von Funktionen

Injektive, surjektive und bijektive Funktionen 82
• Erinnerung:
Für f : A → B und Y ⊆ B bezeichnet f −1 (Y ) = {a ∈ A | f (a) ∈ Y } die Menge der Urbilder von
Y.
• Eine Funktion f : A → B ist
– injektiv, falls aus f (a) = f (a0 ) stets a = a0 folgt.
Äquivalent: f −1 ({b}) ≤ 1 für jedes b ∈ B
– surjektiv, falls für jedes b ∈ B ein a ∈ A mit f (a) = b gibt.
Äquivalent: f (A) = B, Rng(f ) = B, f −1 ({b}) ≥ 1 für jedes b ∈ B.
– bijektiv, falls sie sowohl injektiv als auch surjektiv ist.
Äquivalent: f −1 ({b}) = 1 für jedes b ∈ B.
. Eine bijektive Funktion f : A → A nennt man Permutation.
25
Funktionen: Eigenschaften 83
• Beispiele:
e 5 e 5 e 5
d 4 d 4 d 4
c 3 c 3 c 3
b 2 b 2 b 2
a 1 a 1 a 1
e 5 e 5
d 4 d 4 d 4
c 3 c 3 c 3
b 2 b 2 b 2
a 1 a 1 a 1
Funktionen: Umkehrfunktion 84
• Ist f bijektiv, dann ist auch {(b, a) | b ∈ B, a ∈ f −1 ({b})} ∈ AB eine Funktion, die man als
Umkehrfunktion/Inverse von f bezeichnet, und für die man ebenfalls die Notation f −1“ verwendet.
”
. Beweis, dass R := {(b, a) | b ∈ B, a ∈ f −1 ({b})} ∈ AB .
Zu zeigen: Jedes b ∈ B steht mit genau einem a ∈ A bzgl. R in Relation.
– Jedes b ∈ B hat ein Bild.
Fixiere ein beliebiges b ∈ B
Da f surjektiv, gibt es ein a ∈ A mit f (a) = b bzw. a ∈ f −1 ({b}).
Also (b, a) ∈ R.
– Falls (b, a) ∈ R und (b, a0 ) ∈ R, dann a = a0 .
Nach Definition von R: a, a0 ∈ f −1 ({b}), also f (a) = b = f (a0 ).
Da f (a) = b = f (a0 ) und f injektiv gilt a = a0 .
• Einige Eigenschaften und erste Beweise:
– Ist f : A → B eine bijektive Funktion, dann auch f −1 .
Exkurs: Indirekte Beweise 86
Die Aussage wenn A dann B“ ist äquivalent zu wenn nicht B, dann nicht A“.
” ”
Die Aussage wenn nicht B, dann nicht A“ heisst die Kontraposition der Aussage wenn A dann B“.
” ”
In einem indirekten Beweis wird die Kontraposition der Aussage bewiesen. Die Hypothese ist nicht B“
”
und das Ziel nicht A“.
”
• Ist f : A → B eine bijektive Funktion, dann ist f −1 injektiv.
26
. Zu zeigen: Ist f : A → B eine bijektive Funktion und b, b0 ∈ B mit b 6= b0 , dann gilt f −1 (b) 6=
f −1 (b0 ).
. Kontraposition: Gilt f −1 (b) = f −1 (b0 ) dann entweder b = b0 oder f : A → B ist keine bijektive
Funktion (oder beides).
. Beweis der Kontraposition: Wenn f −1 (b) = f −1 (b0 ) := a und b 6= b0 , dann ist f : A → B sogar
keine Funktion, da b und b0 zwei verschiedene Bilder von a sind.
– Ist f : A → B eine bijektive Funktion, dann auch f −1 .
. Beweis:
. f −1 ist injektiv.
Erledigt.
. f −1 ist surjektiv.
Sei a ∈ A beliebig. Setze b := f (a). Dann gilt bereits f −1 (b) = a.
– Sei f : A → B eine bijektive Funktion. Dann ist f −1 die einzige Funktion g aus AB mit der
Eigenschaft (g ◦ f ) = IdA und (f ◦ g) = IdB .
. Beweis:
∗ Es gilt (f −1 ◦ f ) = IdA .
Sei a ∈ A beliebig fixiert. Sei b = f (a). Dann gilt a ∈ f −1 ({b}), also a = f −1 (b) =
f −1 (f (a)).
∗ Hat g : B → A die Eigenschaft (g ◦ f ) = IdA , dann gilt g = f −1 .
f −1 = IdA ◦ f −1 = (g ◦ f ) ◦ f −1 = g ◦ (f ◦ f −1 ) = g ◦ IdB = g
∗ (f ◦ f −1 ) = IdB . Selber machen!
∗ Hat g : B → A die Eigenschaft (f ◦ g) = IdB , dann gilt g = f −1 . Selber machen!
– Für f : A → B und g : B → A gelte (g ◦ f ) = IdA und (f ◦ g) = IdB .
Dann sind f, g bijektiv mit f −1 = g und g −1 = f .
. Beweis:
∗ f ist injektiv, da für a, a0 ∈ A mit f (a) = f (a0 ) gilt:
a = IdA (a) = (g ◦ f )(a) = g(f (a)) = g(f (a0 )) = (g ◦ f )(a0 ) = IdA (a0 ) = a0
∗ f ist surjektiv, da g(b) ein Urbild für b ∈ B bzgl. f ist:
b = IdB (b) = (f ◦ g)(b) = f (g(b))
∗ Entsprechend folgt, dass g bijektiv ist.
∗ Da f −1 , g −1 eindeutig, folgt f = g −1 und g = f −1 .
– Konsequenz: Ist f bijektiv, dann gilt f = (f −1 )−1 .
27
– Sind f : A → B und g : B → C bijektiv, dann auch (g ◦ f ) : A → C und es gilt (g ◦ f )−1 =
(f −1 ◦ g −1 ).
. Beweis:
∗ Bereits gezeigt: Da f und g bijektiv, existieren f −1 , g −1 .
∗ Es gilt: (g ◦ f ) ◦ (f −1 ◦ g −1 ) = IdC und (f −1 ◦ g −1 ) ◦ (g ◦ f ) = IdA .
(g ◦ f ) ◦ (f −1 ◦ g −1 ) = g ◦ f ◦ f −1 ◦ g −1 = g ◦ IdB ◦ g −1 = g ◦ g −1 = IdC
Entsprechend: (f −1 ◦ g −1 ) ◦ (g ◦ f ) = IdA
∗ Wie auf letzter Folie gezeigt:
Damit sind (g ◦ f ), (f −1 ◦ g −1 ) bijektiv mit (g ◦ f )−1 = (f −1 ◦ g −1 ).
– Ist (g ◦ f ) : A → C bijektiv, dann ist f : A → B injektiv und g : B → C surjektiv.
. Beweis:
∗ Setze h := (g ◦ f ). Da h bijektiv, existiert h−1 .
(Das bedeutet nicht, dass f −1 : B → A, g −1 : C → B existieren.)
∗ f ist injektiv, da:
Mit f (a) = f (a0 ) ergibt sich h(a) = h(a) =: c und daher auch a = h−1 (c) = a0 .
∗ g ist surjektiv, da b = f (h−1 (c)) ein Urbild von c ∈ C ist.
• Weitere Eigenschaften (Beweise zur Übung):
– Ist f injektiv, dann ist g : A → f (A), a 7→ f (a) bijektiv.
– Ist f : A → A injektiv und A endlich, dann ist f bijektiv.
– Ist f : A → A surjektiv und A endlich, dann ist f bijektiv.
– Sind f : A → B und g : B → C injektiv/surjektiv, dann auch (g ◦ f ).
– Ist (g ◦ f ) surjektiv, dann auch g.
– Ist (g ◦ f ) injektiv, dann auch f .
– f −1 (X ∪ Y ) = f −1 (X) ∪ f −1 (Y ) und f −1 (X ∩ Y ) = f −1 (X) ∩ f −1 (Y ).
– f (X ∪ Y ) = f (X) ∪ f (Y ), aber f (X ∩ Y ) ⊆ f (X) ∩ f (Y ).
f ist genau dann injektiv, wenn stets f (X ∩ Y ) = f (X) ∩ f (Y ) gilt.
2.5 Kardinalität: Vergleiche von unendlichen Mengen

Kardinalität von Mengen 93
. Grundlage für den Vergleich von unendlichen Mengen:
– Eine Injektion f : A → B erlaubt es jedes Element aus a ∈ A eindeutig mit f (a) ∈ B zu
identifizieren. B hat damit anschaulich mindestens so viele Elemente“ wie A.
”
28
– Eine Bijektion f : A → B erlaubt es, die Elemente von A und B eindeutig zu paaren“. B hat
”
damit anschaulich genau so viele“ Elemente wie A.
”
. Man definiert daher:
– |A| ≤ |B| (lies: B mindestens so mächtig wie A)“ durch
”
es gibt eine injektive Funktion f : A → B“
”
– |A| = |B| (lies: A, B gleichmächtig)“ durch
”
es gibt eine bijektive Funktion f : A → B“
”
– Entsprechend bedeutet |A| < |B| (echt mächtiger)“, dass es zwar eine Injektion f : A → B,
”
aber keine Bijektion g : A → B gibt.

. Gefahr: Machen diese Definitionen überhaupt Sinn?
• Wenn |A| ≤ |B| und |B| ≤ |C|, gilt auch |A| ≤ |C| ?
Ja, da die Komposition injektiver Funktionen wieder injektiv ist.
• Gilt für beliebige Mengen: wenn |A| ≤ |B| und |A| ≥ |B|, dann |A| = |B| ?
Ohne Beweis: Satz von Cantor-Bernstein-Schröder

Sind f : A → B und g : B → A injektiv, dann gibt es h : A → B bijektiv.
• Es folgt: |A| = |B| wenn es injektive Funktionen f : A → B und g : B → A gibt.
• Es folgt: |A| < |B| wenn es eine injektive Funktion f : A → B aber keine injektive Funktion
g : B → A gibt.

• Beispiele:
– |N| = |2N| mittels der Injektionen N → 2N, n 7→ 2n und 2N → N, n 7→ n, oder der Bijektion
2N → N, n 7→ n/2
– |N| = |Z| mittels der Bijektion

2z + 1 falls z ≥ 0
f : Z → N, z 7→
−2z sonst
– |N| ≤ |N0 | ≤ |Z| ≤ |N|, also N, N0 , Z gleichmächtig.
– |N| = |N × N| mittels der Bijektion
1
f : N × N → N, (n, m) 7→ (m + n − 1)(m + n − 2) + m
2
. Damit auch: |Q| = |N|
• Man nennt eine Menge A abzählbar, falls |A| ≤ |N|; ansonsten nennt man A überabzählbar.
Bemerkungen:
• Man bezeichnet |A| als Kardinalzahl (für eine Menge A).
• Der Satz von Cantor-Bernstein-Schröder sagt, dass ≤ auf den Kardinalzahlen antisymmetrisch ist.
• Intuition: A ist abzählbar wenn es möglich ist, jedes Element von A mit einer eindeutigen Identi-
fikationsnummer (aus N) zu versehen.
29
• Äquivalente Intuition: A ist abzählbar wenn es eine (endliche oder unendliche) Liste gibt, die alle
Elemente von A enthält.
Kardinalität von Mengen: Überabzählbare Mengen 97

• Es gilt stets |A| < |P(A)| (Satz von Cantor).
– Mit f : A → P(A), a 7→ {a} folgt |A| ≤ |P(A)|.
Es muss noch gezeigt werden, dass es keine Bijektion f : A → P(A) gibt.
. Beweis mittels Diagonalisierung:
Wir nehmen an, dass g : A → P(A) bijektiv ist.
Setze M = {a ∈ A | a 6∈ g(a)} ∈ P(A).
Da g angeblich bijektiv, gibt es ein m ∈ A mit g(m) = M .
Aber: m ∈ M genau dann, wenn m 6∈ g(m) = M , was nicht mit unseren Annahmen über
Mengen vereinbar ist.

• Noch mehr Beispiele:
– |{0, 1}∗ | = |N| wegen Bijektion {0, 1}∗ → N, w 7→ (1w)2 , wobei (w)2 die Zahl mit binärer
Darstellung w bezeichnet.
– |A∗ | = |N| für jede endliche Menge A.
– Die Menge der C/Java/Python-Programme ist abzählbar.
– |N| < |[0, 1]| wegen |N| < |P(N)| = {0, 1}N = |[0, 1]|
– |(0, 1]| = |[1, ∞)| wegen Bijektion [1, ∞) → (0, 1], x → 1/x
– |(0, 1]| = |R|
– |R| < |P(R)| = RR
– |N| < |P(N)| = |R| < |P(P(N))| < . . .
Kardinalität von Mengen: Beweistechniken 99

• Für |A| = |B|:
– Direkt: gebe eine Bijektion A → B oder B → A an.
– Mit Hilfe des Satzes von Cantor-Bernstein-Schröder: gebe Injektionen A → B und B → A an.
(I.d.R. viel einfacher!)
• Für |A| < |B|: bilde eine Ungleichungskette
|A| ≤ |C1 | ≤ · · · ≤ |Cn | ≤ |B|
wobei mindestens ein Glied nicht nur ≤ sondern auch < erfüllt.
– Für |Ci | ≤ |Ci+1 | gebe eine Injektion an (Spezialfall: Ci ⊆ Ci+1 ).
– Für |Ci | < |Ci+1 | benutze den Satz von Cantor.
30
2.5.1 Multimengen
Multimengen 100
• Menge =“ Zusammenfassung von Objekten ohne Beachtung von Vielfachheiten und Reihenfolge
”
• Multimenge =“ Zusammenfassung von Objekten ohne Beachtung der Reihenfolge, aber unter
”
Beachtung von Vielfachheiten.
. In Datenbanken werden Multimengen auch als Bags“ bezeichnet: eine Tasche beachtet die Viel-
”
fachheit eines Objekts, aber eben nicht die Reihenfolge ( set semantics“ vs. bag semantics“)
” ”
. Häufig verwendet man auch {}“ zur Notation von Multimengen, wenn klar ist, dass eine Multi-
”
menge gemeint ist.
Im Folgenden jedoch {}M“ für Multimengen:
”
. Beispiel:
{a, b, c, a}M = {b, c, a, a}M 6= {b, a, c}M
= {a, b, c} = {a, b, b, c} =
6 {a, b, b, c}M
Multimengen 101
• Für ein festes Universum (Grundmenge) Ω lassen sich Multimengen mittels Zählfunktionen m ∈ NΩ
0
darstellen
. Z.B. für Ω = {a, b, c, d}:
{a, b, c, a}M = {(a, 2), (b, 1), (c, 1), (d, 0)}
. Eine Menge A ⊆ Ω lässt sich entsprechend als Funktion {0, 1}Ω auffassen; diese Funktion nennt
man die charakteristische Funktion von A (aus diesem Grund schreibt man auch häufig 2Ω für
P(Ω)).
• Die Vereinigung zweier Multimengen ist dann einfach die punktweise Addition der Zählfunktionen.
. Der Schnitt zweier Multimengen kann z.B. als das punktweise Minimum der Zählfunktionen defi-
niert werden.
2.6 Zusammenfassung
Grundlagen – Zusammenfassung 102
• Mengen:
– Grundlage für alle anderen Zusammenfassungen, Relationen, Funktionen
– Operationen: Schnitt, Vereinigung, Differenz, sym. Differenz, Komplement (bzgl. Grundmen-
ge), Potenzmenge
– Visualisierung: Venn-Diagramme, KV-Diagramme
• Relationen: R ⊆ A1 × A2 × . . . × Ak
– Grundlage für relationale Datenbanken, Funktionen, Ordnungen
– Operationen (neben Mengenoperationen): Join, Projektion, Konkatenation, relationales Pro-
dukt, (reflexive-)transitive Hülle
– Visualisierung: Digraph
• Ordnungen: R ⊆ A × A
– R reflexiv, antisymmetrisch und transitiv
– Grundlage für Optimierung/Maximierung/Minimierung, Anordnung von Suchergebnissen, etc.
– Visualisierung: Hasse-Diagramm
31
• Äquivalenzrelationen: R ⊆ A × A
– R reflexiv, symmetrisch und transitiv
– Grundlage für Abstraktion
– Visualisierung: Digraph, Äquivalenzklassen
• Funktionen: {f : A → B} = B A ⊆ A × B
– Grundlage für Beschreibung von Eingabe-Ausgabe-Verhalten von Programmen
– Visualisierung: Funktionsgraph (manchmal Digraph als Relation)
• Kardinalität:
– Vergleich von Mengen bzgl. der Anzahl der zusammengefassten Objekte
injektiv
– |A| ≤ |B|, falls f : A −−−−−→ B existiert.
– |A| = |B|, falls |A| ≤ |B| und |B| ≤ |A|,
bijektiv
oder falls f : A −−−−−→ B existiert.
3 Graphen
3.1 Einführung
Graphen in der Informatik 103
• Verkehrsnetze:
Wegfindung/Navigation, billigste/schnellste/umweltfreundlichste Verbindung, alternative Routen
bei Staus/Sperrungen, . . .
. Bsp.: MVV Netz
[Quelle]

• Internet/Netzwerke:
Webpage Ranking (z.B. PageRank), Analyse sozialer Netze (Cliquen), Ausfallsicherheit, Routing
von Nachrichten, . . .
. Bsp.: Linkstruktur www.stanford.edu (2002)
32
[Quelle]

• Erdös-Zahl:
[Quelle]

• Syntax von Termen/Formeln, Schaltkreise:
. Bsp.: A ∩ (B ∪ A) und a • (−(b + a)) als Syntaxbäume und als Schaltkreise“ (Subtermsharing)
”
A B a b
∩ •
∪ +
A • a − • −
∪ + ∩ •
B A b a
33
• Programmiersprachen:
Syntax, Semantik, Compiler, Programmanalyse, Clone, Refactoring, UML, . . .
. Bsp.: Syntax (abstrakter Syntaxbaum)
def gcd(a,b):
while b != 0:
if a > b:
a = a - b
else
b = b - a
return a
[Quelle]

. Bsp.: Kontrollfluss
def gcd(a,b):
while b != 0:
if a > b:
a = a - b
else
b = b - a
return a
en
b=0
return a b 6= 0?
b 6= 0
a > b?
a≤b a>b
b := b − a a := a − b

34
. Bsp.: Semantik (Programmzustand: (pc,a,b) )
def gcd(a,b): 1
while b != 0: 2
if a > b: 3
a = a - b 4
else 5
b = b - a 6
return a 7
(1, 2, 5) (1, 2, 3) (1, 0, 0) (1, −1, −2)
(2, 2, 5) (2, 2, 3) (2, 0, 0) (2, −1, −2)
(3, 2, 5) (2, 2, 3) (7, 0, 0) (3, −1, −2)
(6, 2, 5) (6, 2, 3) (4, −1, −2)
(2, 2, 1) (2, −1, −3)
...

• Graphen sind in der Informatik allgegenwärtig.
• Weitere Beispiele aus zwei Master-Vorlesungen, die ich regelmäßig halte (Algorithmic Game Theory
und Computational Social Choice):
3.2 Digraphen, ungerichtete und einfache Graphen

3.2.1 Digraphen
Digraphen 111
• Ein gerichteter Graph (kurz: Digraph) G = (V, E) besteht aus
– einer Menge V – genannt Knotenmenge, Elemente von V entsprechend Knoten von G.
– einer binären Relation E ⊆ V × V – genannt Kantenrelation/-menge, Elemente von E ent-
sprechend Kanten von G.
. Ein Digraph G ist endlich, falls V endlich; ansonsten ist G nicht endlich/unendlich.
35
. Ein Digraph G ist bipartit, falls V = A ∪ B mit A ∩ B = ∅ (kurz: V = A ] B) und E ⊆
A × B ∪ B × A (nur Kanten zwischen A und B).
2 b 2 b
alternativ
1 a 1 a
Digraphen: Pfade 112

. Eine Folge v0 , v1 , . . . , vl von Knoten vi ∈ V heißt Pfad (oder Weg), falls (vi−1 , vi ) ∈ E für jedes
i ∈ [l] gilt, d.h. wenn je zwei aufeinanderfolgende Knoten durch eine Kante aus E verbunden sind.
– Die Länge eines Pfades v0 , v1 , . . . , vl ist l, d.h. die Anzahl der Kanten ( Schritte“), von v0 bis
”
vl .
. Ein Pfad heißt einfach, falls kein Knoten mehrmals in dem Pfad vorkommt ( besucht“ wird).
”
. Fakt: In einem endlichen Digraphen hat ein einfacher Pfad maximal Länge |V | − 1.
2 b 2 b
alternativ
1 a 1 a
Digraphen: Teilgraphen 113

• Für U ⊆ V schreibt man G[U ] für (U, E ∩ (U × U )) (von U induzierter Teilgraph).
. Beispiel: U = {a, 2, b}
2 b 2 b
1 a a
. Ein Digraph H = (VH , EH ) ist ein Teilgraph von G = (VG , EG ), falls VH ⊆ VG und EH ⊆ EG .
Digraphen: Zusammenhang 114

• Formal: Sei G = (V, E) ein Digraph.
– G ist zusammenhängend, falls u(E ∪ E −1 )∗ v für alle u, v ∈ V gilt.
– G ist stark zusammenhängend, falls sowohl uE ∗ v als auch vE ∗ u für alle u, v ∈ V gilt.
– U ⊆ V ist eine (starke) Zusammenhangskomponente, falls G[U ] (stark) zusammenhängend.
– U ist eine maximale (starke) Zusammenhangskomponente, falls es kein U 0 mit U ( U 0 ⊆ V
gibt, so dass G[U 0 ] selbst eine (starke) Zusammenhangskomponente ist.
. Beispiele:
36
2 4 2 4 2 4
1 3 1 3 1 3
Digraphen: Kreise 115

• Ein Kreis (Zyklus) ist ein Pfad v0 , v1 , . . . , vl mit l ≥ 1 und v0 = vl ; ein Kreis ist einfach, falls
alle Knoten v0 , . . . , vl−1 paarweise verschieden sind (|{v0 , v1 , . . . , vl }| = l); also falls der Kreis nicht
selbst einen kleineren Kreis enthält.
. Eine Selbstkante“ (u, u) ∈ E (Kreis der Länge 1) bezeichnet man als Schleife/Schlinge.
”
• Ein Digraph ohne Kreise heißt azyklisch (kreisfrei).
– DAG kurz für directed acyclic graph.
– Z.B. ist das Hasse-Diagramm einer partiellen Ordnung ein DAG.
• Falls uEv, dann heißt u Vorgänger von v und v Nachfolger von u:
– Nachfolger von u: uE = {v ∈ V | uEv}
– Vorgänger von v: Ev = {u ∈ V | uEv}
Digraphen: Isomorphie 116

• Zwei Digraphen G, H sind isomorph ( strukturgleich“), kurz G ∼
= H, falls es eine Bijektion ( Knote-
” ”
numbenennung“) β : VG → VH gibt, die die Kanten respektiert/erhält, d.h. uEG v gdw β(u)EH β(v)
. Beispiel: β(1) = 5, β(2) = 3, β(a) = 7, β(b) = 2
5
2 b
7 2
1 a 3
. ∼
= ist eine Äquivalenzrelation.
. Anwendungen: Bilderkennung, Copy&Paste-Code finden (Refactoring) u.v.a.
. Es ist kein Algorithmus bekannt, der in polynomieller Zeit entscheiden kann, ob zwei Graphen
isomorph sind. Dennoch geht man davon aus, dass dieses Problem nicht NP-vollständig ist (mehr
dazu in Theoretische Informatik im 4. Semester).
Digraphen: Darstellung 117

• Häufig ist man nicht an den konkreten Knotenobjekten/bezeichnern interessiert und lässt diese in
der graphischen Darstellung einfach weg.
. Beispiel:
2 b
statt
1 a
für V = {1, 2, a, b} und E = {(1, 2), (1, b), (2, a), (2, b), (a, 1), (b, 2), (b, b)}
37
3.2.2 Ungerichtete und einfache Graphen
Ungerichtete und einfache Graphen 118
• Ein Digraph G = (V, E) ist ungerichtet, falls E symmetrisch ist.
• Ein endlicher Digraph ist ein einfacher Graph, falls er ungerichtet ist und keine Schleifen besitzt,
also E symmetrisch und irreflexiv ist.
– Statt (u, v), (v, u) ∈ E ⊆ V × V nur noch {u, v} ∈ E ⊆ V2 .

. V2 := {u, v} ⊆ V | u 6= v Menge aller 2-elementigen Teilmengen.

– Statt Vorgänger und Nachfolger nur Nachbarschaft Γ(u) = {v ∈ V | {u, v} ∈ E}; Knotengrad
deg(u) := |Γ(u)|.
– Man stellt {u, v} ∈ V2 als ungerichtete ( kopflose“) Kante dar, z.B:

”
statt
Ungerichtete und einfache Graphen: Kreise 119

• Die Definition eines Kreises wird für ungerichtete Graphen abgeändert: In einem ungerichteten
Graph ist ein Pfad v0 , v1 , . . . , vl mit l ≥ 3, v0 = vl und |{v0 , . . . , vl }| = l ein Kreis.
. Mit anderen Worten versteht man in gerichteten Graphen unter Kreisen einfache Kreise, die aus
mind. 3 Kanten bestehen.
. Triviale Kreise u, v, u werden ausgeschlossen.
. Andernfalls würde jeder gerichtete Graph mit mind. einer Kante einen Kreis enthalten und somit
wären nur triviale Graphen (ohne Kanten) azyklisch.
Ungerichtete und einfache Graphen: Kreise 120

• Satz: Ein einfacher Graph ist bipartit genau dann, wenn er keinen Kreis ungerader Länge enthält.
. Beweis: Ein bipartiter Graph enthält keinen Kreis ungerader Länge.
– Nehmen wir zum Widerspruch an, dass G = (A ] B, E) ein bipartiter Graph ist, der einen
Kreis v0 , v1 , . . . , vl mit l ungerade enthält.
– OBdA ( Ohne Beschränkung der Allgemeinheit“) sei v0 ∈ A (andernfalls vertausche A und
”
B).
– Dann muss gelten, dass v1 ∈ B, v2 ∈ A, usw. Schließlich erhalten wir, dass vl ∈ B weil l
ungerade ist.
– Dies kann jedoch nicht sein, da vl = v0 ∈ A.
. Beweis: Ein Graph, der keinen Kreis ungerader Länge enthält, ist bipartit.
– Sei G = (V, E) ein Graph, der keinen Kreis ungerader Länge enthält. OBdA sei G zushgd.
(ansonsten betrachte jede Zshgskomponente getrennt).
– Nimm einen beliebigen Knoten x ∈ V . Definiere A, B ⊆ V , so dass x ∈ A und für alle weiteren
Knoten v ∈ V \ {x}: v ∈ A wenn der kürzeste Pfad zwischen x und v gerade Länge hat und
v ∈ B wenn der kürzeste Pfad zwischen x und v ungerade Länge hat.
– Betrachte zwei Knoten v1 , v2 ∈ A oder v1 , v2 ∈ B.
– Aufgrund der Konstruktion gibt es zwei kürzeste Pfade v1 , . . . , x und v2 , . . . , x, die entweder
beide gerade oder beide ungerade Länge haben.
38
– Sei x0 der erste gemeinsame Knoten dieser beiden Pfade. Dann haben die einfachen Pfa-
de v1 , . . . , x0 und v2 , . . . , x0 entweder beide gerade oder beide ungerade Länge und der Pfad
v1 , . . . , x0 , . . . , v2 somit gerade Länge.
– Es kann also nicht sein, dass {v1 , v2 } ∈ E, da der Kreis v1 , . . . , x0 , . . . , v2 , v1 sonst ungerade
Länge hätte. Es folgt, dass G bipartit ist.
Ausblick: weitere Graphklassen 121

• Ausblick:
– Multigraph: wie Digraph nur Kantenrelation wird zur Multimenge von Knotenpaaren
d.h. auch mehr als eine Kante von u nach v.
– Hypergraph: wie ungerichteter Graph nur mit E ⊆ P(V )
d.h. eine (Hyper-)Kante e = {v1 , . . . , vk } ∈ E verbindet mehrere Knoten gleichzeitig.
– Knotenbeschrifteter Digraph: Digraph (V, E) zzgl. Knotenbeschriftung l : V → Σ∗ .
– Kantenbeschrifteter Digraph: Digraph (V, E) zzgl. Kantenbeschriftung l : E → Σ∗ .
• Im Weiteren Fokus auf einfache Graphen.
3.2.3 Wichtige Klassen von einfachen Graphen

Spezielle (einfache) Graphen 122

[n]
• Vollständiger Graph Kn := [n], 2
K1 K2 K3 K4 K5
• Kreisgraph Cn := ([n], {{i, (i mod n) + 1} | i ∈ [n]}) für n ≥ 3

C3 C4 C5
• Pfadgraph Pn := ([n], {{i, i + 1} | i ∈ [n − 1]})

P1 P2 P3 P4 P5

• Vollständiger bipartiter Graph Km,n := ([m + n], {{i, j} | i ∈ [m], j ∈ [m + n] \ [m]}) (m ≤ n)
K1,1 K1,2 K2,2 K2,3 K3,3
39
• Gittergraph Mm,n := ([m] × [n], {{(i, j), (k, l)} | |i − k| + |j − l| = 1}) (m ≤ n)
M1,2 M2,2 M2,3 M3,3 M3,4

• Hyperwürfel der Dimension n
Pn
Qn := ({0, 1}n , {{u, v} | i=1 |ui − vi | = 1}) mit Q0 := ({ε}, ∅)
Q0 Q1 Q2 Q3
Q4

• Perfekter Binärbaum der Höhe h [2mm]
Bh := ({0, 1}≤h , {{u, ux} | u ∈ {0, 1}<h , x ∈ {0, 1}})
B0 B1 B2 B3
. Anmerkung: je nach Literatur auch als vollständiger Binärbaum“ bezeichnet.

”
• Ein Knoten u mit deg(u) ≤ 1 wird als Blatt bezeichnet, alle anderen Knoten als innere Knoten.
Perfekte Binärbäume 126

• Behauptung. Für alle h ∈ N0 : Bh hat 2h Blätter.
. Wie können wir zeigen, dass es tatsächlich für ALLE h ∈ N0 gilt?
• Induktionsprinzip:
Beschreibe, wie man prinzipiell für jedes konkrete h ∈ N0 schrittweise einen Beweis erhalten kann.
40
. In unserem Fall:
– Induktionsbasis: Zeige, dass B0 genau 20 = 1 Blätter hat (Fall h = 0).
– Induktionsschritt: Wähle ein beliebiges, aber dann festes h ∈ N0 .
Nimm an, dass für dieses h bereits gezeigt wurde, dass Bh genau 2h Blätter hat (das ist die
Induktionsannahme).
Zeige hiermit, dass auch Bh+1 genau 2h+1 Blätter besitzt.
. Der Induktionsschritt erlaubt es den Beweis für h = 0 auf h = 1, dann von h = 1 auf h = 2,
dann von h = 2 auf h = 3 und so schließlich auf jedes h ∈ N0 zu erweitern.
• Allgemeines Schema eines Induktionsbeweises:
. Zu beweisende Aussage der Form Für alle n ∈ N0 gilt die Behauptung P“.
”
. Induktionsbeweis:
– Induktionsbasis: P gilt für n = 0.
. Beweis der Induktionsbasis: · · ·
– Induktionsschritt: Sei n ∈ N0 beliebig fixiert.
∗ Induktionsannahme: P gilt für n.
∗ Induktionsbehauptung: P gilt für n + 1.
. Beweis der Induktionsbehauptung: · · · (darf die Induktionsannahme verwenden.)

• Lemma: Für alle h ∈ N0 : Bh hat 2h Blätter.
. Beweis:
• Induktionsbasis: B0 hat 20 Blätter.
. Beweis der Induktionsbasis: B0 besteht aus genau einem Knoten/Blatt nach Definition.
• Induktionsschritt: Sei h ∈ N0 beliebig fixiert.
– Induktionsannahme: Bh hat 2h Blätter.
– Induktionsbehauptung: Bh+1 hat 2h+1 Blätter.
– Beweis der Induktionsbehauptung:
. Bh+1 hat zwei Blätter v1 und v2 für jedes Blatt v von Bh .
. Damit hat Bh+1 doppelt so viele Blätter wie Bh .

. Aus der Induktionsannahme folgt: Bh+1 hat 2 • 2h = 2h+1 Blätter.

h+1
• Lemma: Für alle h ∈ N0 : Bh hat 2 − 1 Knoten.
. Beweis:
• Induktionsbasis: B0 hat 21 − 1 Knoten.
. Beweis der Induktionsbasis: B0 hat offensichtlich einen Knoten.
41
• Induktionsschritt: Sei h ∈ N0 beliebig fixiert.
– Induktionsannahme: Bh hat 2h+1 − 1 Knoten.
– Induktionsbehauptung: Bh+1 hat 2(h+1)+1 − 1 = 2h+2 − 1 Knoten.
– Beweis der Induktionsbehauptung:
. Anzahl der Knoten von Bh+1 = Anzahl der Knoten von Bh + Anzahl der Blätter von
Bh+1 .
. Aus der Induktionsannahme
und aus dem letzten Lemma folgt: Anzahl der Knoten von
Bh+1 = 2h+1 − 1 + 2h+1 = 2 • 2h+1 − 1 = 2h+2 − 1.
Noch zwei Induktionsbeweise 129

• Lemma: Jeder einfache zushgd. Graph mit n ≥ 1 Knoten hat mindestens n − 1 Kanten.
. Beweis mittels Induktion nach n:
– Induktionsbasis: n = 1. Es gibt nur einen Graphen mit n = 1. Er ist zushgd. und hat 0 Kanten.
– Induktionsschritt: Sei n ∈ N beliebig fixiert.
∗ Induktionsbehauptung: Jeder zushgd. Graph mit n + 1 Knoten hat mindestens n Kanten.
∗ Induktionsannahme: Jeder zushgd. Graph mit m < n + 1 Knoten hat mindestens m − 1
Kanten.
∗ Induktionsbeweis: Sei G = (V, E) ein zushgd. Graph mit |V | = n + 1 Knoten. Fixiere
einen beliebigen Knoten u ∈ V und betrachte G0 = G[V \ {u}].
Beachte: Im ersten Induktionsbeweis hat uns die Annahme gereicht, dass wir Bh hat
”
2h+1 − 1 Kanten“ für das fixierte h bereits bewiesen haben, um damit Bh+1 hat 2h+2 − 1
”
Kanten“ zu beweisen.
Da G für n + 1 ≥ 2 nach Entfernen von {u} in mehrere, strikt kleinere, zushgd. Graphen
Gi = (Vi , Ei ) mit |Vi | < |V | = n + 1 zerfällt, nehmen wir an, dass die Aussage für alle
Graphen mit < n + 1 Knoten bereits bewiesen ist.

• Lemma: Jeder einfache zushgd. Graph mit n ≥ 1 Knoten hat mindestens n − 1 Kanten.
. Beweis mittels Induktion nach n:
– Induktionsbeweis (Fort.): Die max. Zshgskomponenten von G0 seien G1 , . . . , Gr . Es gilt:
X X
1 ≤ r ≤ deg(u) |V | = 1 + |Vi | |E| = deg(u) + |Ei |
i∈[r] i∈[r]
Für jede Komponente Gi = (Vi , Ei ) gilt |Vi | ≤ n und damit nach Induktionsannahme |Ei | ≥
|Vi | − 1. Damit: P
|E| = deg(u) + i∈[r] |Ei |
P
≥ deg(u) + i∈[r] (|Vi | − 1)
= |V | − 1 − r + deg(u)
≥ |V | − 1
=n

• Lemma: Jeder (endliche einfache) zushgd. Graph mit n ≥ 3 Knoten und mindestens n Kanten
besitzt einen Kreis.
42
. Beweis:
Beweis mittels Induktion nach der Anzahl der Knoten n ≥ 3:
– Induktionsbasis: Für n = 3 gibt es nur den C3 .
– Induktionsschritt: Sei n ≥ 3 beliebig fixiert.
∗ Induktionsbehauptung: Jeder zushgd. Graph mit n + 1 Knoten und mindestens n + 1
Kanten besitzt einen Kreis.
∗ Induktionsannahme: Für alle 3 ≤ m ≤ n gilt: Jeder zushgd. Graph mit m Knoten und
mindestens m Kanten besitzt einen Kreis.
∗ Induktionsbeweis: Sei G ein zusammenhängender Graph mit n + 1 ≥ 4 Knoten und
m ≥ n + 1 Kanten. Fixiere eine beliebige Kante {u, v} ∈ E. Sei G0 der Graph, der aus G
entsteht, wenn wir {u, v} entfernen.

• Lemma: Jeder (endliche einfache) zushgd. Graph mit n ≥ 3 Knoten und mindestens n Kanten
besitzt einen Kreis.
. Beweis:
. Induktionsbeweis (Fort.):
Ist G0 noch zushgd., dann gibt es einen Pfad von u nach v in G0 , der zusammen mit {u, v}
einen Kreis in G ergibt.
Ist G0 nicht mehr zushgd., dann besteht G0 aus genau zwei maximalen Zshgskomponenten Gu ,
Gv . Wir zeigen durch Widerspruch, dass Gu oder Gv (oder beide) einen Kreis besitzen.
Seien nu , nv die Anzahl der Knoten und mu , mv die Anzahl der Kanten von Gu und Gv . Es
gilt
n + 1 = nu + nv m = mu + mv + 1
Wenn sowohl Gu als auch Gv kreisfrei sind, dann gilt nach Induktionsannahme mu < nu und
mv < nv . Es folgt m = mu + mv + 1 < nu + nv = n + 1, in Widerspruch zur Annahme
m ≥ n + 1.
. Die gleiche Aussage gilt auch für nicht zushgd. Graphen (warum?).
3.2.4 Gradfolge
Gradfolge 133
• Jedem (einfachen) Graphen G = (V, E) können wir seine Gradfolge zuordnen:
(deg(v1 ), deg(v2 ), . . . , deg(vn )) für V = {v1 , v2 , . . . , vn }
. Ohne Einschränkung dürfen wir die Knoten so umbenennen, dass die Gradfolge aufsteigend sortiert
ist.
• Ein Graph heißt k-regulär wenn für alle v ∈ V gilt, dass deg(v) = k.
. Der vollständige Graph Kn ist (n − 1)-regulär.
. Der Kreisgraph Cn mit n ≥ 3 ist 2-regulär.
. Der Hyperwürfel Qn ist n-regulär.
• Zwei nicht isomorphe Graphen können dieselbe Gradfolge besitzen:
43
Gradfolge 134
• Anhand der Gradfolge lässt sich aber manchmal schnell erkennen, dass ein Graph – bzw. sogar
jeder Graph mit dieser Gradfolge – eine gewisse Eigenschaft (nicht) besitzt, ohne dass man hierzu
die eigentliche Struktur analysieren muss.
. (Sehr einfaches) Beispiel: Ein Graph mit Gradfolge (0, 2, 2, 2, 2) kann nicht zusammenhängend sein.
. (Einfaches) Beispiel: Ein Graph mit Gradfolge (1, 1, 1, 1) kann nicht zusammenhängend sein.
. Beispiel: Was gilt für den Zusammenhang eines Graphen mit Gradfolge (1, 1, 2, 2, 2) bzw. (1, 1, 1, 1, 2, 2, 2)
bzw. (1, 2, 3, 4, 5)?
Gradfolge 135
. Lemma ( Handschlaglemma“) Für jeden Graphen G = (V, E) gilt:
”
X
2 |E| = deg(vi )
i∈[n]
. Beweis: Jede Kante {u, v} ∈ E wird in der Summe sowohl durch deg(u) als auch durch deg(v)
gezählt.
. Konsequenzen:
P
– Ein einfacher Graph kann zu gegebenem (d1 , d2 , . . . , dn ) höchstens dann existieren, falls i∈[n] di
gerade ist.
– Ein einfacher Graph muss eine gerade Anzahl an Knoten von ungeradem Grad besitzen.
– Ein einfacher Graph mit |V | > 12 i∈[n] di + 1 kann nicht zushgd sein. Beweis: Dann gilt
P
|V | > |E| + 1 und der Graph hat nicht genug Kanten.

. Damit gibt es gar keinen Graphen mit Gradfolge (1, 2, 3, 4, 5) und (1, 1, 1, 1, 2, 2, 2) kann nicht
zusammenhängend sein.
3.2.5 Realisierbarkeit von Gradfolgen

Realisierbarkeit von Gradfolgen 136
• Welche Tupeln von Zahlen sind die Gradfolge eines Graphen?
• Lemma: Es gibt einen einfachen Graphen mit n Knoten und Gradfolge (d1 , . . . , dn ) gdw. es einen
einfachen Graphen mit n − 1 Knoten und Gradfolge sort(d1 , . . . , dn−dn −1 , dn−dn − 1, . . . , dn−1 − 1)
gibt. Dabei bezeichnet sort(t) das Tupel, das man aus t erhält, indem man die Komponenten von
t aufsteigend sortiert.
. Informell: Die neue Gradfolge wird aus (d1 , . . . , dn ) gewonnen, indem man (i) dn entfernt, (ii) die
letzten dn Komponenten um 1 verkleinert und (iii) aufsteigend sortiert.
. Beispiel: (1, 1, 2, 3, 4, 4, 5) ist realisierbar
gdw. (0, 1, 1, 2, 3, 3) ist realisierbar
gdw. (0, 0, 1, 1, 2) ist realisierbar
gdw. (0, 0, 0, 0) ist realisierbar.
44
• Welche Tupel von Zahlen sind die Gradfolge eines Graphen?
• Lemma: Es gibt einen einfachen Graphen mit n Knoten und Gradfolge (d1 , . . . , dn ) gdw. es einen
einfachen Graphen mit n − 1 Knoten und Gradfolge sort(d1 , . . . , dn−dn −1 , dn−dn − 1, . . . , dn−1 − 1)
gibt.
– Beweisidee:
(⇒): Ist in G der Knoten mit maximalem Grad dn genau mit Knoten der Grade dn−1 , dn−2 , . . . , dn−dn
verbunden, dann erhält man durch Entfernen dieses Knotens einen Graphen G0 mit der (un-
sortierten) Gradfolge (d1 , . . . , dn−dn −1 , dn−dn − 1, . . . , dn−1 − 1).
. Beispiel:
– Beweisidee:
Ist in G der Knoten mit maximalem Grad dn nicht genau mit Knoten der Grade dn−1 , dn−2 , . . . , dn−dn
verbunden, dann tauscht man Nachbarn so lange aus, bis dies der Fall ist.
Und entfernt dann erst den Knoten mit maximalem Grad.
. Beispiel:
. Idee: Grün“ soll neuer Nachbar von Blau“ werden, ohne dass sich die Knotengrade ändern.
” ”
. Beispiel: Vertauschen von Nachbarn.
45
– Beweisidee:
(⇐): Hat man andererseits einen einfachen Graphen G0 zu der unsortierten Gradfolge (d1 , . . . , dn−dn −1 , dn−dn −
1, . . . , dn−1 − 1) bereits gefunden, dann fügt man einfach einen neuen Knoten hinzu und ver-
bindet diesen mit Knoten der Grade dn−dn − 1, . . . , dn−1 − 1.
. Beispiel:

• Algorithmus von Havel-Hakimi:
– Eingabe : Aufsteigend sortierte Gradfolge (d1 , d2 , . . . , dn ).
– Falls d1 < 0 oder dn > n − 1: Abbruch, es existiert kein entsprechender Graph.
– Falls dn = 0: Gib ([n], ∅) zurück.
– Sonst:
Setze (d01 , . . . , d0n−1 ) := (d1 , . . . , dn−dn −1 , dn−dn − 1, . . . , dn−1 − 1).
Bestimme eine Permutation π : [n−1] → [n−1], so dass (d0π(1) , . . . , d0π(n−1) ) wieder aufsteigend
sortiert ist.
Bestimme rekursiv, soweit möglich, einen Graphen G0 = ([n − 1], E 0 ) mit deg(i) = d0π(i) .
Gib G = ([n], E) mit
E = {{π(u), π(v)} | {u, v} ∈ E 0 } ∪ {{n, n − 1}, . . . , {n, n − dn }}
zurück.
• Beispiel: Gegeben (1, 1, 2, 3, 4, 4, 5).

. 1. Phase: top-down Reduktion der Gradfolge
– (1, 1, 2, 3, 4, 4, 5) führt auf (1, 0, 1, 2, 3, 3) bzw. (0, 1, 1, 2, 3, 3)
– (0, 1, 1, 2, 3, 3) führt auf (0, 1, 0, 1, 2) bzw. (0, 0, 1, 1, 2)
– (0, 0, 1, 1, 2) führt auf (0, 0, 0, 0)
. 2. Phase: bottom-up Konstruktion
– Graph zu (0, 0, 0, 0)
– Graph zu (0, 0, 1, 1, 2)
– Graph zu (0, 1, 1, 2, 3, 3)
– Graph zu (1, 1, 2, 3, 4, 4, 5)
46
3.3 Bäume
3.3.1 Grundlagen
Bäume 140
• Allgemeine Definition:
Ein einfacher Graph G = (V, E), der sowohl zusammenhängend als auch kreisfrei ist, wird als Baum
bezeichnet.
Ein Knoten u ∈ V mit deg(u) = 1 wird als Blatt bezeichnet, alle anderen Knoten als innere Knoten.
Bäume 141
• Beispiel: Bis auf Isomorphie alle Bäume mit höchstens 5 Knoten:
• Ein Graph, dessen maximale Zusammenhangskomponenten Bäume sind, wird als Wald bezeichnet.
Eigenschaften von Bäumen 142

• Lemma: Ist G = (V, E) ein Baum, dann gilt |E| = |V | − 1.
. Beweis:
Wir wissen bereits:
– Jeder einfache Graph G = (V, E) mit |E| ≥ |V | enthält einen Kreis.
– Jeder zushgd. einfache Graph G = (V, E) besitzt aber mindestens |E| ≥ |V | − 1 Kanten.
Ist also G ein Baum, muss |V | − 1 ≤ |E| < |V | gelten.

• Lemma: Jeder Baum G = (V, E) mit |V | ≥ 2 hat (mind.) zwei Blätter.
. Beweis mittels Induktion nach n = |V | ≥ 2
– Induktionsbasis: Für n = 2 ist die Behauptung korrekt.
– Induktionsschritt: Sei n ≥ 2 beliebig fixiert.
47
∗ Induktionsbehauptung: Jeder Baum mit n + 1 Knoten hat zwei Blätter.
∗ Induktionsannahme: Jeder Baum mit 2 ≤ m ≤ n Knoten hat zwei Blätter.
∗ Induktionsbeweis: Sei G = (V, E) ein Baum mit n + 1 ≥ 3 Knoten.
. Wir behaupten: Es gibt einen Knoten u ∈ V mit deg(u) = 1. Beweis: Da G zushgd.
haben alle Knoten Grad 1 oder höher. Wenn alle Knoten mindestens Grad 2 haben dann
ist G nicht kreisfrei (weil |E| ≥ |V |).
. Sei w ∈ V der einzige Nachbar von u. Entfernen von u und {u, w} liefert einen Graphen
G0 mit n Knoten und n−1 Kanten. G0 ist immer noch kreisfrei, da nur eine Kante entfernt
wurde; G0 ist noch zushgd., da jeder einfache Pfad von w nach v ∈ V − {u} nicht {u, w}
verwenden kann.
. Nach Induktionsannahme hat also G0 mindestens zwei Blätter. Höchstens eines davon
kann w sein. Sei v 6= w Blatt von G0 . Dann sind w und v Blätter von G.

• Definition: Sei G = (V, E) ein (einfacher) Graph.
Einen Teilgraph T = (V, E 0 ) mit E 0 ⊆ E, der selbst ein Baum ist, nennt man Spannbaum von G.
• Wir hatten uns bereits überlegt, dass jeder zusammenhängende Graph mindestens |V | − 1 Kanten
hat.
. Weiterhin wissen wir, dass jeder zusammenhängende Graph mit genau |V | − 1 Kanten ein Baum
ist.
. Jeder zusammenhängende Graph sollte daher einen Spannbaum besitzen: man entfernt einfach jede
Kante, die nicht für den Zusammenhang notwendig ist.

• Lemma: Jeder zusammenhängende Graph G = (V, E) hat (mind.) einen Spannbaum.
. Beweis mittels Induktion nach k := |E| ∈ N0 .
– IBasis: Für k = 0 ist die Behauptung korrekt.
– ISchritt: Sei k ≥ 0 beliebig fixiert.
∗ IBehauptung: Jeder zushgd. Graph mit k + 1 Kanten hat einen Spannbaum.
∗ IAnnahme: Jeder zushgd. Graph mit ≤ k Kanten hat einen Spannbaum.
∗ IBeweis: Sei G = (V, E) ein zushgd. Graph mit k + 1 Kanten.
Fixiere eine beliebige Kante {u, w} ∈ E. Sei G0 = (V, E 0 ) der Graph, der durch Entfernen
von {u, w} aus G entsteht.
Nach Induktionsannahme finden wir für jede der maximal zwei maximalen Zushgsk. von
G0 einen Spannbaum Ti = (Vi , Ei ).
48
Gibt es nur eine maximale Zushgsk., dann ist T1 auch ein Spannbaum von G.
Ansonsten ist T = (V, E1 ] E2 ] {{u, w}}) ein Spannbaum von ganz G: durch Hinzufügen
von {u, w} kann kein Kreis geschlossen werden, sonsten wären T1 , T2 schon davor verbun-
den gewesen und G0 damit zushgd.

• Lemma: Sei G = (V, E) ein einfacher Graph. Folgende Aussagen sind äquivalent:
(1) G ist ein Baum.
(2) G ist zushgd. und |V | = |E| + 1.
(3) G ist kreisfrei und |V | = |E| + 1.
(4) Zwei beliebige Knoten u, v sind durch genau einen einfachen Pfad in G verbunden.
. Beweis: Wenn (1), dann auch (2)“.
”
– Wir wissen bereits, dass jeder Baum |V | = |E| + 1 erfüllt.
Außerdem sind Bäume per Definition zushgd.
”
– Nehmen wir zum Widerspruch an, G sei ein zushgd. Graph mit |V | = |E| + 1, der einen Kreis
enthält.
– Durch Entfernung einer beliebigen Kante des Kreises erhält man einen immer noch zushgd.
Graphen G0 = (V, E 0 ) mit |E 0 | = |E| − 1 = |V | − 2. Ein Graph mit |V | Knoten und |V | − 2
Kanten kann jedoch nicht zshgd. sein.
”
– Sei G ein kreisfreier Graph mit |V | = |E| + 1. Zunächst zeigen wir, dass G zusammenhängend
sein muss, d.h. es gibt mind. einen einfachen Pfad zwischen zwei beliebigen Knoten.
– Seien G1 , . . . , Gl die maximalen Zushgsk. von G; da G kreisfrei ist, ist auch jedes Gi = (Vi , Ei )
kreisfrei. Weiterhin sind die Gi zushgd., also Bäume mit |Vi | = |Ei | + 1. Daher gilt
X X
|V | = |Vi | = (|Ei | + 1) = |E| + l.
i∈[l] i∈[l]
Aus |V | = |E| + 1 und |V | = |E| + l folgt l = 1, d.h. G ist zushgd.

”
– Nehmen wir nun zum Widerspruch an, es gäbe zwei Knoten u, w, die durch zwei unter-
schiedliche einfache Pfade v0 , v1 , . . . , vl und v00 , v10 , . . . , vl00 verbunden wären (v0 = v00 = u,
vl = vl00 = w).
49
1 1
2 3 4 5 2 3 4 5
6 7 8 6 7 8

”
– Sei a der Index des ersten Knotens (beginnend in u), an dem die beiden Pfade verzweigen.
1 1
2 3 4 5 2 3 4 5
6 7 8 6 7 8

”
– Sei b der Index des ersten Knotens nach va auf dem Pfad v0 , v1 , . . . , vl , der auch wieder auf
dem zweiten Pfad liegt. Diesen gibt es, da vl = vl00 . Da beide Pfade einfach sind, gibt es ein
eindeutiges b0 > a mit vb = vb0 0 .
1 1
2 3 4 5 2 3 4 5
6 7 8 6 7 8

”
– Dann ist va , va+1 , . . . , vb , vb0 0 −1 , . . . , va0 ein einfacher Kreis in G, der die drei unterschiedlichen
Knoten vl , vl+1 , vr enthält.
1
2 3 4 5
6 7 8

”
– Jeder Graph, der (4) erfüllt, ist offensichtlich zushgd. und kreisfrei.
3.3.2 Wurzelbäume
Wurzelbäume 147
• In der Informatik finden Bäume z.B. als Suchstrukturen Verwendung.
. Hierbei gibt es einen speziellen Start-/Einstiegsknoten, in dem die Suche beginnt, welcher als Wurzel
bezeichnet wird.
. Implizit stellt man sich den Baum als gerichteten Graphen vor, indem alle Kanten von der Wurzel
weggerichtet sind.
Wurzelbäume 148
. Definition: Ein Wurzelbaum G = (V, E, r) ist ein Baum G = (V, E) mit fest gewählter Wurzel
r ∈V.
50
– Die Höhe hG (v) eines Knotens v in G ist sein Abstand (Länge des kürzestens Pfades) zu r.
– Die Höhe von G wird mit h(G) = max{hG (v) | v ∈ V } bezeichnet.
. Implizit sind alle Kanten von der Wurzel weggerichtet, d.h. man schreibt uEv für {u, v} ∈ E
”
und hG (v) = hG (u) + 1“.
Gilt uEv, dann nennt man u Vater von v und v Kind von u.
Im Fall uE ∗ v nennt man v Nachfahre von u und u Vorfahre von v.
(D.h. E ∗ ist eine partielle Ordnung auf V mit dem minimalen Element r.)
∗
. Für u ∈ V ist (uE ∗ , E ∩ uE2 , u) der durch u induzierte Teilbaum von G.
Wurzelbäume 149
• Beispiel: Perfekte Binärbäume mit Wurzel ε:
([2]<h , {{u, u1}, {u, u2} | u ∈ [2]<h−1 }, ε)
| {z }
=Bh
(B0 , ε) (B1 , ε) (B2 , ε) (B3 , ε)
. (Bh , ε) hat die Höhe h; jedes Blatt hat Höhe h; jeder innere Knoten hat Höhe höchstens h − 1;
insgesamt gibt es 2h+1 − 1 Knoten und damit 2h+1 − 2 Kanten.
Wurzelbäume 150
• Beispiel: Entsprechend perfekte Bäume vom Grad d und Höhe h:
([d]<h , {{u, ux} | u ∈ [d]<h−1 }, x ∈ [d], ε)
Anwendung: Suffixbäume 151

• Muss man in einem gegebenen Text t ∈ Σ∗ wiederholt nach Vorkommen von Wörtern w1 , w2 , . . . , wk ∈ Σ∗
suchen, so kann die Suche mittels eines Suffixbaums beschleunigt werden:
– Der Suffixbaum zu t hat als Knoten alle Infixe von t$, wobei $ ein künstliches Endsymbol ist.
– Zwei Infixe u, u0 von t sind durch eine Kante verbunden, wenn es ein x ∈ Σ ] {$} mit u0 = ux gibt.
– Jedes Blatt u$ ist mit dem Startindex |t| − |u| von u bzgl. t beschriftet.
. Beispiel: t = banana (Knotenbezeichner als Kantenlabel)
a n a n a
$
b 0
a n a
n $ $
4 2
a n a n a
$ $ $
5 3 1
51
3.4 Eulertouren und Hamiltonkreise
Eulertouren und Hamiltonkreise: Motivation 152
• In einem Museum soll ein Wachmann am Abend nach und nach alle Lichtschranken an den
Durchgängen (in rot) zu den einzelnen Ausstellungsräumen von Hand aktivieren:
. Frage: Gibt es eine Möglichkeit für den Wachmann, jeden Durchgang genau einmal zu besuchen
(er muss nicht hindurchgehen!)?

• Modellierung als Graph:
– Stelle Durchgänge als Knoten dar, verbinde zwei Durchgänge mit einer Kante, falls sie in
einem gemeinsamen Raum liegen.

• Unter dieser Modellierung übersetzt sich die Frage zu:
Gibt es einen Kreis, der jeden Knoten genau einmal besucht?
. Solche Kreise nennt man Hamiltonkreise.
52
. Der Wachmann langweilt sich.
. Er fragt sich: Gibt es eine Möglichkeit, jeden (roten) Durchgang genau einmal zu durchqueren und
dabei die Lichtschranke zu aktivieren?
• Modellierung als Graph:
– Stelle Räume (inkl. umschließenden Raum) als Knoten und Durchgänge als Kanten (ggf.
Mehrfachkanten) dar.
×2 ×2
×2 ×2

• Unter dieser Modellierung übersetzt sich die Frage in:
Gibt es einen geschlossenen Pfad, der jede Kante genau entsprechend ihrer Vielfachheit besucht?
. Einen solchen Pfad nennt man Eulertour.
×2 ×2
×2 ×2
. Wie schnell kann ein Rechner Eulertouren bzw. Hamiltonkreise finden oder bestimmen, dass es
keine gibt?
Eulertouren und Hamiltonkreise: Definition 157

• Wir betrachten im Folgenden nur einfache Graphen.
– Schleifen sind sowohl für Eulertouren als auch Hamiltonkreise uninteressant (warum?).
– Mehrfachkanten sind für Hamiltonkreise uninteressant (warum?).
– Für Eulertouren kann man ungerichtete Graphen mit Mehrfachkanten in einfache Graphen
überführen, indem man jede Kante durch einen Hilfsknoten künstlich unterteilt:
• Definition: Sei G = (V, E) ein einfacher zushgd. Graph.

Ein Pfad v0 , v1 , . . . , vl in G mit v0 = vl heißt
53
– Eulertour, falls er jede Kante genau einmal besucht:
|{{v0 , v1 }, {v1 , v2 }, . . . , {vl−1 , vl }}| = |E|.
– Hamiltonkreis, falls er jeden Knoten genau einmal besucht:
|{v0 , v1 , . . . , vl−1 }| = |V |.
Eulertouren: Existenz 158

• Satz: Ein zusammenhängender einfacher Graph G = (V, E) besitzt genau dann eine Eulertour,
wenn jeder Knoten geraden (positiven) Knotengrad hat.
. Es lässt sich somit sehr einfach entscheiden, ob ein gegebener Graph G eine Eulertour besitzt.
. Im Fall von Hamiltonkreisen ist es sehr unwahrscheinlich, dass es ein so einfach zu überprüfendes
Kriterium gibt. Es handelt sich um ein sogenanntes NP-vollständiges Problem (mehr dazu in Theo-
retische Informatik im 4. Semester).

• Beweis: In einem zusammenhängenden einfachen Graph G = (V, E), der eine Eulertour besitzt,
hat jeder Knoten geraden Grad.
Wir fixieren eine Eulertour.
– Jeder Knoten hat geraden Grad: Sei u ∈ V beliebig fixiert.
Für jede Kante, die bzgl. der Eulertour von u wegführt, muss es auch genau eine Kante geben,
welche bzgl. der Eulertour zu u hinführt.
Also hat u geraden Grad.

• Beweis: Ein zusammenhängender einfacher Graph G = (V, E), in dem jeder Knoten geraden Grad
hat, besitzt eine Eulertour.
Wir verwenden Induktion nach der Anzahl der Kanten k := |E|.
– IBasis: Sei k = 3 (mit weniger Kanten gibt es mindestens einen Knoten mit ungeradem Grad).
Jeder zushgd. Graph mit 3 Kanten ist isomorph zum C3 und besitzt eine Eulertour.
– ISchritt: Sei k ≥ 3 beliebig fixiert.
∗ IAnnahme: Jeder zushgd. Graph G = (V, E) mit |E| ≤ k und nur geraden Knotengraden
besitzt eine Eulertour.
∗ IBehauptung: Jeder zushgd. Graph G = (V, E) mit |E| = k + 1 und nur geraden Knoten-
graden besitzt eine Eulertour.
– ISchritt: Sei k ∈ N0 beliebig fixiert.
∗ IBeweis: Sei G = (V, E) zushgd. mit |E| = k + 1 und nur geraden Knotengraden.
Fixiere eine beliebige Kante {u, w} ∈ E. Sei G0 = (V, E \ {u, w}).
Wir behaupten: es gibt in G0 einen Pfad von u nach w.
Beweis der Behauptung: Die Zshgskomponente von u in G0 enthält eine gerade Anzahl
von Knoten mit ungeradem Grad (Handschlaglemma).
Da u und w die einzigen Knoten mit ungeradem Grad sind, muss w zur Zshgskomponente
von u gehören.
Es folgt, dass mindestens ein Pfad von u nach w führt.
54
a h
b g
c f
d e

Es gibt somit in G0 einen einfachen Pfad v0 , . . . , vl von u nach w, zusammen mit {u, w}
somit einen Kreis κ = v0 , v1 , . . . , vl , v0 .
a h
b g
c f
d e

Sei G00 der Graph, der aus G durch Entfernen der Kanten von κ entsteht. G00 enthält
höchstens k Kanten (tatsächlich sogar höchstens k − 2 Kanten).
Falls G00 gar keine Kanten mehr enthält, haben wir bereits eine Eulertour (κ) gefunden.
Andernfalls hat jeder Knoten in G00 geraden Grad.
Für jede der max. Zshgskomponenten von G00 finden wir daher eine Eulertour κi nach
IAnnahme; wir dürfen annehmen, dass κi jeweils in einem Knoten von κ beginnt.
a h
b g
c f
d e
κ = adeha, κ1 = abdca, κ2 = eghf e

Wir erhalten eine Eulertour für ganz G, indem wir die Eulertouren κi anstelle ihrer
Startknoten in κ substituieren.
a h
b g
c f
d e
κ = adeha, κ1 = abdca, κ2 = eghf e

Eulertour: (abdca)d(eghf e)ha
Hamiltonkreise: Existenz 161

• Satz: Ein einfacher Graph G = (V, E) mit |V | ≥ 3 besitzt einen Hamiltonkreis, wenn in G jeder
Knoten mindestens Knotengrad |V2 | hat.
55
. Dieser Satz ist keine Charakterisierung der Graphen, die einen Hamiltonkreis haben! Er stellt
lediglich eine hinreichende Bedingung dar.
Hamiltonkreise: Existenz 162

|V |
• Beweis: Ein einfacher Graph G = (V, E), in dem jeder Knoten mindestens Grad 2 hat, enthält
einen Hamiltonkreis.
Sei G = (V, E) ein solcher Graph. Setze n = |V |. Dann ist G zusammenhängend: Würde G in
mindestens zwei max. Zshgskomponenten zerfallen, so hätte die kleinste max. Zshgskomponente
höchstens n2 Knoten und damit jeder Knoten höchstens Grad n2 − 1.
Sei π = v0 , v1 , . . . , vm ein längster einfacher Pfad in G; dann muss jeder Nachbar von v0 auf π
liegen, ebenso jeder Nachbar von vm ; ansonsten wäre π nicht maximal.
Seien 0 < i1 < . . . < ik ≤ m die Positionen der Nachbarn von v0 bzgl. π; es gilt nach Annahme
deg(v0 ) = k ≥ n2 .
Einer der Knoten vi1 −1 , . . . , vik −1 muss ein Nachbar von vm sein: ansonsten könnte vm nur noch
maximal Grad n − 1 − k ≤ n − 1 − n2 < n2 besitzen, was unserer Annahme widerspricht.
Wir finden also ein j ∈ [k] mit {v0 , vij }, {vij −1 , vm } ∈ E.
Damit ist κ = v0 , v1 , . . . , vij −1 , vm , vm−1 , . . . , vij , v0 ein Kreis in G.
Würde ein Knoten vi auf κ einen Nachbarn w besitzen, der nicht auf κ liegt, dann könnte man κ
bei vi zu einem Pfad öffnen, welcher zusammen mit w einen längeren Pfad als π ergeben würde.
Da G zusammenhängend ist, muss jeder Knoten von G bereits auf κ liegen, d.h. κ ist ein Hamil-
tonkreis.
3.5 Planare Graphen und Knotenfärbungen

Planarität 163
• (Informelle) Definition: Ein einfacher Graph G = (V, E) ist planar, falls man ihn in der (zwei-
dimensionalen) Zeichenebene ohne Kantenüberschneidungen zeichnen kann.
• Motivation: Möglichst übersichtliche Darstellung.
56
? ?
. Anwendungen: Layout von Graphen (Diagramme, Schaltkreise, . . . ).
Eulersche Polyederformel 164

• Erstes Ziel: K3,3 und K5 sind nicht planar. Hilfsmittel:
. Satz: Eulersche Polyederformel (EPF)
Sei G = (V, E) ein zusammenhängender planerer Graph. Sei f die Anzahl der Flächen, in die G
bei überschneidungsfreier Darstellung die Zeichenebene zerschneidet. Dann gilt:
f − |E| + |V | = 2
. Korollar: f ist bereits durch |E| und |V | bestimmt. Jede überschneidungsfreie Darstellung eines
planaren Graphen zerschneidet die Ebene in dieselbe Anzahl von Flächen.
. Beachte: Die umschließende Fläche wird mitgezählt (Vorstellung: Zeichenpapier entlang Kanten
mit Teppichmesser zerschneiden).

. Beweis mittels Induktion nach n = |E| − |V | + 1 ∈ N0 .
(Da G zushgd.: |E| ≥ |V | − 1.)
– IBasis: Im Fall n = 0 folgt |E| = |V |−1, also ist G ein Baum mit f = 1, also gilt 1−|E|+|V | =
1 − |V | + 1 + |V | = 2.
– ISchritt: Sei n ∈ N0 beliebig fixiert.
IBehauptung: Die EPF gilt für jeden zushgd. planaren Graph G = (V, E) mit |E| − |V | + 1 =
n + 1.
IAnnahme: Die EPF gilt für jeden zushgd. planaren Graph G = (V, E) mit |E| − |V | + 1 ≤ n.
IBeweis: Sei G = (V, E) ein zushgd. planarer Graph mit |E|−|V |+1 = n+1 ≥ 1, insbesondere
|E| ≥ |V |. Sei f die Anzahl der Flächen, in die G die Ebene zerteilt.
IBeweis: Da |E| ≥ |V |, muss G einen Kreis κ enthalten. Entfernen einer beliebigen Kante
{u, w} von κ aus G führt auf G0 = G[E \ {{u, w}}], dabei werden die durch {u, w} getrennten
Flächen zu einer Fläche vereinigt.
G0 ist noch zushgd. und planar, hat eine Kante weniger als G und unterteilt die Ebene in f − 1
Flächen. Nach Induktionsannahme gilt (f −1)−(|E|−1)+|V | = 2, also auch f −|E|+|V | = 2.
57
• EPF für planare Graphen mit k max. Zhgskomponenten (Beweis zur Übung):
f − |E| + |V | = 1 + k
• Konsequenzen: Für jeden planaren Graphen G = (V, E) gilt

– f − |E| + |V | ≥ 2.
– |E| ≤ 3 |V | − 6, falls |V | ≥ 3, da:
Jede Fläche wird durch mindestens 3 Kanten definiert; dabei zählen wir jede Kante aber
doppelt, d.h. |E| ≥ 32 f bzw. f ≤ 23 |E|. Damit
2
2 ≤ f − |E| + |V | ≤ |E| − |E| + |V |
3
– Es gibt mind. einen Knoten u ∈ V mit deg(u) ≤ 5, da:

Ansonsten müsste |E| = 12 v∈V deg(v) ≥ 21 • 6 |V | = 3 |V | gelten.
P

• Konsequenzen: K3,3 und K5 sind nicht planar.
– Im K5 gilt |V | = 5, |E| = 10, also 10 = |E| > 3 |V | − 6 = 9.
– Im K3,3 besteht jeder Kreis aus mindestens 4 Kanten, da alle Kreise in bipartiten Graphen
gerade Länge haben.
In einer überschneidungsfreien Darstellung des K3,3 müsste jede Fläche durch mindestens 4
Kanten begrenzt sein.
Es müsste also 24 f ≤ |E| = 9 gelten und damit:
9
f − |E| + |V | ≤ 2 − 9 + 6 = 1.5 < 2
Minoren und Satz von Kuratowski 168

• Sei G = (V, E) ein einfacher Graph. Fixiere eine beliebige Kante e = {u, w} ∈ E. Dann schreibt
man G/e für den einfachen Graphen, den man aus G erhält, indem man u mit w identifiziert:

V − {w}
G/e = V − {w}, E ∩ ∪ {{u, x} | {w, x} ∈ E}
2
Man sagt, dass G/e aus G durch die Kantenkontraktion von e gewonnen wird.
Minoren und Satz von Kuratowski 169

• Definition: Für zwei gegebene einfache Graphen H = (VH , EH ) und G = (VG , EG ) sagt man, dass
H ein Minor von G“ ist, falls man aus G schrittweise mittels
”
. Entfernen von Kanten,
58
. Entfernen von Knoten vom Grad 0 und
. Kantenkontraktion
einen zu H isomorphen Graphen erzeugen kann.
. Satz von Kuratowski:

Ein einfacher Graph G = (V, E) ist genau dann planar, wenn weder der K3,3 noch der K5 ein
Minor von G ist.
Knotenfärbungen 170
• Definition: Sei G = (V, E) ein einfacher Graph.
Eine Abbildung c : V → N ist eine Knotenfärbung von G, falls c(u) 6= c(w) für jede Kante {u, w} ∈
E gilt.
Die Anzahl der von c verwendeten Farben ist |c(V )|.
Die chromatische Zahl χ(G) von G ist die minimale Anzahl von Farben, für die es eine Kno-
tenfärbung von G gibt, d.h.
χ(G) := min {|c(V )| | c : V → N Knotenfärbung von G}
Knotenfärbung 171
x = 5
y = 6
z = x + y
y = z * x
u = y * y
• Die Frage nach der chromatischen Zahl ergibt sich sehr natürlich, wenn man Konflikte mittels
einfacher Graphen G = (V, E) darstellt.
. Beispiel: Register-Minimierung
Zwei Variablen stehen in Konflikt, falls der Wert der einen zu Berechnung des Werts der anderen
benötigt wird; Färbung entspricht Zuordnung der Knoten/Variablen auf Register.
u x
y z
• Beobachtungen:
– χ(G) ≤ |V | für jeden einfachen Graphen G = (V, E).
59
– χ(G) ≤ 2 genau dann, wenn G bipartit ist.
– χ(G) > 1, sobald E 6= ∅.
– χ(Kn ) = n, χ(Km,n ) = 2, χ(C2k ) = 2, χ(C2k+1 ) = 3.
– Für jeden einfachen Graphen G = (V, E) gilt χ(G) ≤ 1 + maxv∈V deg(v).
• Lemma:
q
1
Für jeden einfachen Graphen G = (V, E) gilt χ(G) ≤ 2 + 2 |E| + 41 .
• Beweis: Sei c : V → [χ(G)] eine minimale Knotenfärbung. Dann ist {c−1 (i) | i ∈ [χ(G)]} eine
Partition von V .
Für zwei beliebige Farben 1 ≤ i < j ≤ χ(G) muss es jeweils Knoten ui,j ∈ c−1 (i), vi,j ∈ c−1 (j) mit
{ui,j , vi,j } ∈ E geben; ansonsten könnten wir die Farbe j durch die Farbe i ersetzen.
Damit muss es mindestens |E| ≥ 12 χ(G)(χ(G) − 1) Kanten geben.
• Vier-Farben-Satz:
Für jeden einfachen planaren Graphen G = (V, E) gilt χ(G) ≤ 4.
• Einer der ersten computerunterstützten Beweise (1976):
Reduktion von Hand“ auf 1936 Fälle, welche durch einen Computer überprüft wurden; später
”
Reduktion auf nur noch 633 Fälle (1996).
2005 erster vollständig formaler, durch einen Computer überprüften Beweis.
• Wir zeigen den einfacheren Fünf-Farben-Satz.
Fünf-Farben-Satz 174
• Beweis Fünf-Farben-Satz:
OBdA sei G zusammenhängend.
Annahme: Die Behauptung ist nicht wahr.
Dann gibt es einen einfachen planaren Graphen G = (V, E) mit χ(G) > 5 mit minimaler Knotenzahl
n = |V |.
Da χ(G) ≤ n, muss n ≥ 6 gelten.
Es gibt ein u ∈ V mit deg(u) ≤ 5 (schon bewiesen, folgt aus der EPF). Sei H = G[V − {u}].
Da G ein Gegenbeispiel mit minimaler Knotenzahl ist, muss χ(H) ≤ 5 und damit aber auch
deg(u) = 5 in G gelten; insbesondere müssen alle fünf Farben für alle fünf Nachbarn von u in H
verwendet werden.
Wir fixieren eine solche Färbung c : V \ {u} → [5] von H. Wir zählen die Nachbarn von u in G
(in einer Planardarstellung von G) im Uhrzeigersinn auf: Γ(u) = {u1 , . . . , u5 }.
u1
u5 u2
u4 u3
60
Wir unterscheiden nun die Fälle, ob es in H einen Pfad von u1 nach u3 gibt, auf dem sich nur die
Farben Rot und Blau abwechseln, oder nicht.
Sei hierzu H1,3 = H[c−1 ({1, 3})], der durch die roten und blauen Knoten induzierte Teilgraph von
H. Gibt es in H keinen Pfad zwischen u1 und u3 , der nur die Farben Rot und Blau verwendet,
dann liegen u1 und u3 in verschiedenen max. Zusammenhangskomponenten H1 , H3 von H1,3 .
u1
u5 u2
u4 u3
Vertauschen wir in der Komponente H3 von u3 die Farben Rot und Blau
 
 c(v) falls v 6∈ H3 
c0 (v) := 3 falls c(v) = 1, v ∈ H3
1 falls c(v) = 3, v ∈ H3
 
dann wirkt sich dies nicht auf u1 aus und wir erhalten eine korrekte Färbung c0 von H mit:
u1
u5 u2
u4 u3
Mit c0 (u) := 3 erhalten wir somit ein 5-Färbung von G obwohl χ(G) > 5. Es muss somit in H
einen Pfad π zwischen u1 und u3 geben, der nur die Farben Rot und Blau verwendet.
u1
u5 u2
u4 u3
Sei nun H2,4 = H[c−1 ({2, 4})] analog zu gerade eben der Teilgraph von H, der von den grünen und
orangenen Knoten induziert wird. Die max. Zusammenhangskomponente von u2 bzgl. H2,4 muss
vollständig in dem durch den Kreis uπu eingeschlossenen Gebiet liegen:
u1
u5 u2
u4 u3
D.h. jeder Pfad von u2 nach u4 in H muss wegen der Planarität einen der Knoten aus π benutzen.
Damit müssen u2 und u4 bzgl. H2,4 in verschiedenen Komponenten liegen; wir können somit die
Farben Grün und Orange in der Komponente von u4 vertauschen, womit wir u orange färben
können.
61
3.6 Matchings
3.6.1 Grundlagen und Heiratssatz
Matchings 175
• Problemstellung:
Sei S eine Menge von Studierenden, P eine Menge von Praktikumsplätzen und E ⊆ S × P mit
sEp falls s Interesse an p hat“.
”
. Gesucht ist eine Zuordnung, die jedem Studierenden (höchstens) einen Praktikumsplatz zuordnet,
also eine partielle Funktion f : S ,→ P , die zusätzlich E respektiert, d.h. f ⊆ E.
. E schränkt somit die möglichen Zuordnungen ein (Nebenbedingungen).
P1 P2 P3 P4 P5 P6
S1 S2 S3 S4
. Definition: Sei G = (V, E) ein einfacher Graph. Ein Matching M ist eine Teilmenge M ⊆ E der
Kanten, so dass |e ∩ e0 | =
6 1 für alle e, e0 ∈ M .
. Ein Matching M heißt perfekt, wenn es für alle v ∈ V ein m ∈ M gibt, so dass v ∈ m.
. Mit anderen Worten, ein Matching M ist perfekt, wenn |M | = |V |/2.
Das Heiratsproblem 176
• Bekannt als das Heiratsproblem

• Gegeben seien heiratswillige Damen und Herren. Jede Dame gibt an, mit welchem der Herren sie sich
eventuell vermählen würde.
• Das Problem besteht nun darin, die Damen so zu verheiraten, dass jede Dame einen Herren ihrer Wahl
erhält, und dass selbstverständlich keine zwei Damen mit demselben Herren verheiratet sind.
Heiratssatz 177
• Satz:
Sei G = (A ] B, E) ein einfacher bipartiter Graph mit (oBdA, sonst beide vertauschen) |A| ≤ |B|.
Dann gibt es ein Matching M ⊆ E mit |M | = |A| genau dann, wenn jede Knotenteilmenge X ⊆ A
mindestens |X| Nachbarn (in B) besitzt, d.h. falls
[
|Γ(X)| ≥ |X| wobei Γ(X) = Γ(x)
x∈X
. Dass die Bedingung notwendig ist, sieht man sofort:
Ist M ⊆ E ein Matching mit |M | = |A|, dann ist fM = {(a, b) ∈ A × B | {a, b} ∈ M } eine injektive
Funktion mit fM (X) ⊆ Γ(X) und damit |X| = |fM (X)| ≤ |Γ(X)|.
. Wir zeigen, dass die Bedingung auch hinreichend ist.
62
Heiratssatz 178
• Sei G = (A ] B, E) ein einfacher bipartiter Graph mit der Eigenschaft
[
|Γ(X)| ≥ |X| für alle X ⊆ A wobei Γ(X) = Γ(x)
x∈X
. Sei M ⊆ E ein Matching und fM : A ,→ B die durch M bestimmte partielle Funktion. Wir zeigen,
wie man im Fall |M | < |A| das Matching vergrößern kann.
Sei also a0 ∈ A ein (bzgl. M ) ungematchter Knoten. Setze A0 = {a0 } und B0 = Γ(A0 ).
Nach Annahme gilt |B0 | ≥ 1. Gibt es ein b ∈ B0 , das ebenfalls ungematcht ist, können wir direkt
M um {a0 , b} erweitern. Beispiel:
P1 P2 P3 P4 P5 P6
M = {(S2,P1), (S3,P2), (S4,P5)}

A0 = {S1}, B0 = {P1,P3,P4}
b = P3 oder P4 S1 S2 S3 S4
−1
Wir nehmen also an, das alle Knoten in B0 bereits gematcht sind. Setze A1 = A0 ∪ fM (B0 ) und
B1 = Γ(A1 ). Beispiel:
P1 P2 P3 P4 P5 P6
M = {(S1,P4), (S2,P2), (S4,P3)}

A0 = {S3}, B0 = {P2}
A1 = {S3, S2}, B1 = {P1, P2}
S1 S2 S3 S4
Hat ein a1 ∈ A1 einen Nachbarn b, der ungematcht ist, dann können wir a1 mit b und a0 mit
fM (a1 ) ummatchen“ und damit M vergrößern.
”
Vor dem Ummatchen“:
”
P1 P2 P3 P4 P5 P6
M = {(S1,P4), (S2,P2), (S4,P3)}
A0 = {S3}, B0 = {P2}
A1 = {S3, S2}, B1 = {P1, P2}
a1 = S2, b = P1
S1 S2 S3 S4
Hat ein a1 ∈ A1 einen Nachbarn b, der ungematcht ist, dann können wir a1 mit b und a0 mit
fM (a1 ) ummatchen“ und damit M vergrößern.
”
Nach dem Ummatchen“:
”
P1 P2 P3 P4 P5 P6
M = {(S1,P4), (S2,P2), (S4,P3)}
A0 = {S3}, B0 = {P2}
A1 = {S3, S2}, B1 = {P1, P2}
a1 = S2, b = P1
S1 S2 S3 S4
−1
Wir wiederholen die Konstruktion Ai+1 = Ai ∪ fM (Bi ), Bi+1 = Γ(Ai+1 ) so lange, bis wir ein
ai ∈ Ai finden, das einen ungematchten Nachbarn b ∈ Γ(ai ) besitzt, welcher uns erlaubt, das
Matching um a0 zu erweitern. Beispiel, in dem erst B2 einen ungematchten Knoten enthält:
Vor dem Ummatchen“:
”
63
P1 P2 P3 P4 P5 P6
M = {(S1,P2), (S2,P3), (S3,P4)}
A0 = {S4}, B0 = {P4}
A1 = {S4, S3}, B1 = {P2, P3, P4}
A2 = {S4, S3, S2, S1}, B2 = {P1, . . . , P4} S1 S2 S3 S4
−1
Wir wiederholen die Konstruktion Ai+1 = Ai ∪ fM (Bi ), Bi+1 = Γ(Ai+1 ) so lange, bis wir ein
ai ∈ Ai finden, das einen ungematchten Nachbarn b ∈ Γ(ai ) besitzt, welcher uns erlaubt, das
Matching um a0 zu erweitern. Beispiel, in dem erst B2 einen ungematchten Knoten enthält:
Nach dem Ummatchen“:
”
P1 P2 P3 P4 P5 P6
M = {(S1,P2), (S2,P3), (S3,P4)}
A0 = {S4}, B0 = {P4}
A1 = {S4, S3}, B1 = {P2, P3, P4}
A2 = {S4, S3, S2, S1}, B2 = {P1, . . . , P4} S1 S2 S3 S4
Alle Kanten vom Pfad“ S4, P4, S3, P3, S2, P2, S1 werden umgematcht“.
” ”
Wir zeigen für alle i ≥ 0: Wenn alle Knoten in Bi gematcht sind, dann gilt Ai ( Ai+1 .
−1
Erinnerung: Ai+1 := Ai ∪ fM (Bi ) und Bi+1 := Γ(Ai+1 ).
−1
(1) Es gilt |fM (Bi )| = |Bi |, denn alle Knoten in Bi sind gematcht und fM ist injektiv.
−1 −1
(2) Es gilt a0 ∈ Ai \ fM (Bi ), denn a0 ∈ Ai ist nicht gematcht und alle Knoten in fM (Bi ) sind
gematcht.
Daraus folgt: |Ai | ≤ |Γ(Ai )| (Annahme des Heiratssatzes)
= |Bi | (Def. von Bi )
−1
= fM (Bi ) (1)
−1
< Ai ∪ f M (Bi ) (2)
= |Ai+1 | (Def. von Ai )
Wir zeigen: es gibt ein i ≥ 0 so dass Bi einen ungematchten Knoten enthält.
Da alle Mengen A0 ⊆ A1 ⊆ A2 . . . Teilmengen der endlichen Menge A sind, gibt es einen Index
i ≥ 0 mit Ai = Ai+1 . Für dieses i gilt dann, dass die Menge Bi einen ungematchten Knoten enthält.
3.6.2 Matchings mit Präferenzen

Matchings mit Präferenzen 179
• Gegeben seien heiratswillige Damen und Herren in gleicher Anzahl.

• Jede Dame (jeder Herr) stellt eine Präferenzliste zur Verfügung, die alle Herren (alle Damen) enthält—in
dieser Gesellschaft ist jede Heirat besser als keine Heirat.
• Das Problem besteht darin, die Damen und Herren so zu verheiraten, dass es keinen Anreiz für Seiten-
sprünge gibt: Kein Paar würde lieber eine Beziehung miteinander anstatt mit dem jeweiligen Ehepartner
eingehen.
64
• Formal:
Gesucht ist eine bijektive Abbildung f : A → B (mit |A| = |B| = n).
Der Einfachheit halber bezeichnen wir die Elemente von A als Frauen und die von B als Männer.
Die Nebenbedingungen sind jetzt nicht mehr von der Form a kann (nicht) mit b gematcht werden“.
”
Stattdessen besitzt jede Frau a ∈ A eine totale Präferenzordnung ≺a ⊆ B × B; und jeder Mann
b ∈ B entsprechend ≺b ⊆ A × A.
Die Nebenbedingung ist nun, dass f stabil bzgl. aller Präferenzordnungen ist:
– f ist instabil, falls es a, a0 ∈ A gibt mit
f (a) ≺a f (a0 ) ( a bevorzugt den Partner von a0“) und
”
a0 ≺f (a0 ) a ( Der Partner von a0 bevorzugt a.“)
”
. a und f (a0 ) würden ihre aktuellen Partner verlassen.

• Beispiel:
– Personen: A = {a1 , a2 }, B = {b1 , b2 }.
– Präferenzen: b1 ≺a1 b2 , b2 ≺a2 b1 , a1 ≺b1 a2 , a1 ≺b2 a2
– Instabiles Matching ( Ehe“): a2 präferiert b1 , b1 präferiert a2 .
”
a1 b1
a2 b2
– Stabiles Matching ( Ehe“): a1 präferiert b2 , a2 präferiert b1 ; b1 und b2 präferieren a2 ; b1 hat

”
seinen präferierten Partner, b2 muss sich mit a1 abfinden. Das Leben ist einfach nicht fair. . .
a1 b1
a2 b2
. Stabil heißt nicht, dass jeder seinen am meist präferierten Partner bekommt.
Gale-Shapley-Algorithmus 182
• David Gale: wichtige Beiträge im Bereich Spieltheorie/Optimierung
• Lloyd S. Shapley: wichtige Beiträge im Bereich der Spieltheorie, Mathematiknobelpeisträger Preisträger
für Wirtschaftswissenschaften der schwedischen Reichsbank im Gedenken an Alfred Nobel (2012).
• Gale und Shapley haben gezeigt, dass es für alle Kombinationen von Präferenzordnungen immer
mind. ein stabiles Matching gibt.
• Gale-Shapley Deferred Acceptance“ Algorithmus:
”
– Gegeben: Mengen A, B und zugehörige Präferenzordnungen
– Gesucht: Stabiles Matching f : A → B
– Solange es noch einen nicht verlobten Mann b 6∈ Rng(f ) gibt:
∗ b macht der Frau, die er unter denjenigen, die ihn noch nicht zurückgewiesen haben, am
meisten begehrt (a) einen Antrag (größtes Element bzgl. ≺b ).
65
∗ Wenn a noch nicht verlobt ist, verloben sich a und b (f (a) := b).
∗ Wenn a bereits verlobt ist und sie b ihrem aktuellen Partner f (a) bevorzugt (f (a) ≺a b),
wird die Verlobung mit f (a) aufgelöst und sie verlobt sich mit b (f (a) := b). Ansonsten
lehnt sie b’s Antrag ab.
Gale-Shapley-Algorithmus 183
• Solange es noch einen nicht verlobten Mann b 6∈ Rng(f ) gibt:
– b macht der Frau, die er unter denjenigen, die ihn noch nicht zurückgewiesen haben, am
meisten begehrt (a) einen Antrag (größtes Element bzgl. ≺b ).
– Wenn a noch nicht verlobt ist, verloben sich a und b (f (a) := b).
– Wenn a bereits verlobt ist und sie b ihrem aktuellen Partner f (a) bevorzugt (f (a) ≺a b), wird
die Verlobung mit f (a) aufgelöst und sie verlobt sich mit b (f (a) := b). Ansonsten lehnt sie
b’s Antrag ab.
. Beispiel: A = {a1 , a2 , a3 , a4 } und B = {b1 , b2 , b3 , b4 }
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
66
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
67
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
A B
a1 : b4 b3 b1 b2 b1 : a1 a3 a4 a2
a2 : b2 b4 b1 b3 b2 : a1 a3 a2 a4
a3 : b4 b1 b2 b3 b3 : a2 a1 a3 a4
a4 : b3 b2 b1 b4 b4 : a2 a4 a1 a3
Einige Beobachtungen:
– In jeder Runde macht ein Mann einer Frau erstmals einen Antrag.
– Es gibt n • n verschiedene Möglichkeiten einen Antrag zu machen.
. Der Algorithmus terminiert also nach höchstens n2 Runden.
Einige Beobachtungen:
– Keine zwei a, a0 ∈ A sind mit demselben b ∈ B gematcht: Eine Frau verlobt sich nur mit
einem alleinstehenden Mann.
– Die Zahl |Dom(f )| der gematchten a ∈ A kann nicht abnehmen: Sobald eine Frau verlobt ist,
wird die Verlobung nur aufgelöst, wenn sie einen neuen Partner gefunden hat.
– Am Ende des Algorithmus ist Rng(f ) = B: Jede Frau erhält irgendwann einen Antrag.
. Nach Terminierung ist f ein perfektes Matching.
68
Behauptung: Nach Terminierung ist f ein stabiles Matching.
Annahme: Es gibt a, a0 ∈ A mit b := f (a0 ) und f (a) ≺a b, a0 ≺b a.
– Nehmen wir an, dass a irgendwann einen Antrag von b erhalten hat.
– Wenn a den Antrag abgelehnt hat, hatte sie zu diesem (und jedem späteren) Zeitpunkt einen
besseren Partner, d.h. b ≺a f (a).
– Wenn a und b sich verlobt haben, dann kann diese Verlobung nur aufgelöst worden sein, weil
a sich verbessern konnte, d.h. ebenfalls b ≺a f (a).
– Also hat a nie einen Antrag von b bekommen. Das ist jedoch nur möglich, wenn a ≺b a0 (da
Männer immer der meist präferierten Frau einen Antrag machen).
Ohne Beweis: Nach Terminierung ist f optimal im folgenden Sinn:
Ist e ein stabiles Matching, dann gilt e−1 (b) b f −1 (b) für jedes b ∈ B.
. D.h. jeder Mann erhält am Ende die am meisten präferierte Frau aus der Teilmenge aller Frauen,
mit denen eine stabile Ehe überhaupt möglich ist.
. Konsequenz: Die konkrete Wahl eines ungematchten b in jeder Runde hat keinen Einfluss auf das
Endresultat.
Weitere Bemerkungen:
– Während der Laufzeit des Algorithmus können sich Frauen nur verbessern und Männer nur
verschlechtern.
– Wenn man die Rollen vertauscht und die Frauen die Anträge machen läßt, erhält man ein
Matching, das für die Frauen optimal ist.
– Wenn der zu Grunde liegende Graph nicht bipartit ist, d.h. Matchings sind zwischen beliebigen
Personen möglich und jeder hat eine vollständige Präferenzordnung über alle Personen, dann
ist die Existenz eines stabilen Matchings nicht mehr garantiert.
3.7 Adjazenzmatrix eines Graphen

Adjazenzmatrix eines Graphen: Matrizen 184
• Eine m × n Matrix über einer Menge D ist eine Tabelle von Elementen von D mit m Zeilen und
n Spalten.
• Notation: M ∈ Dm×n
. Mi,j ∈ D: Eintrag in i-ter Zeile und j-ter Spalte.
• D1×n : Zeilenvektoren; Dm×1 : Spaltenvektoren
. Beispiel einer 3 × 4 Matrix über N:
! !
M1,1 M1,2 M1,3 M1,4 0 2 3 1
M= M2,1 M2,2 M2,3 M2,4 = 0 1 2 0
M3,1 M3,2 M3,3 M3,4 1 0 0 1
Matrizen: Summe 185

• Summe für reellwertige Matrizen A ∈ Rm×n , B ∈ Rm×n :
. NB.: Gleiche Anzahl von Zeilen und Spalten.
• Summe C = A + B ∈ Rm×n definiert durch
Ci,j := Ai,j + Bi,j
• Beispiel:
1 2 0 0 1 1 1+0 2+1 0+1 1 3 1
+ = =
3 0 1 −2 1 −1 3−2 0+1 1−1 1 1 0
69
Matrizen: Multiplikation 186
• Multiplikation für reellwertige Matrizen A ∈ Rk×m , B ∈ Rm×n :
. NB.: Spaltenzahl links gleich Zeilenzahl rechts
• Produkt C = A • B ∈ Rk×n definiert durch
X
Ci,j := Ai,t • Bt,j
t∈[m]
. Ci,j ist das Skalarprodukt des i-ten Zeilenvektors und des j-ten Spaltenvektors.
. Beispiel:  
0 −1
1 2 0 •
3 1
2 0 1
1 0

1•0+2•3+0•1 1 • (−1) + 2 • 1 + 0 • 0 6 1
= =
2•0+0•3+1•1 2 • (−1) + 0 • 1 + 0 • 1 1 −2
. Beachte: Matrixmultiplikation ist nicht kommutativ!
Adjazenzmatrix, Pfade zählen 187

• Adjazenzmatrix eines gerichteten (endlichen) Graphen G = (V, E):
– Fixiere eine Aufzählung der Knoten: V = {v1 , v2 , . . . , vn }
. Alternativ: nenne Knoten um, so dass V = [n].
– Adjazenzmatrix AG = (ai,j )i,j∈[n] ∈ {0, 1}n×n mit ai,j = 1 gdw. vi Evj“
”
2 4
. Beispiel:
1 3
   
a1,1 a1,2 a1,3 a1,4 0 1 0 1
AG = a2,1 a2,2 a2,3 a2,4 
= 0 0 1 1
a3,1 a3,2 a3,3 a3,4 1 0 0 0
a4,1 a4,2 a4,3 a4,4 0 1 0 1

• Anwendung: (gewichtete) Pfade zählen, Random-Surfer-Modell
. Lemma: Für k ∈ N ist (AkG )i,j die Anzahl der verschiedenen k-Schritt-Pfade von vi nach vj .
. Beispiel:
2 4
1 3
     
0 1 0 1 0 1 1 2 1 2 1 3
AG = 0 0 1 1
A2G = 1 1 0 1
A3G = 0 2 1 3
1 0 0 0 0 1 0 1 0 1 1 2
0 1 0 1 0 1 1 2 1 2 1 3
70
• Anwendung: (gewichtete) Pfade zählen, Random-Surfer-Modell
. Lemma: Für k ∈ N ist (AkG )i,j die Anzahl der verschiedenen k-Schritt-Pfade von vi nach vj .
. Beweis: Sei Φki,j die Menge aller k-Schritt-Pfade von vi nach vj .
Behauptung: (AkG )i,j = Φki,j für alle k ∈ N.
– Induktionsbasis für k = 1: 1-Schritt-Pfade entsprechen exakt den Kanten in G. Also gilt
(A1G )i,j = Φ0i,j
– Induktionsschritt: Sei k ∈ N beliebig fixiert.
∗ Induktionsbehauptung: Es gilt (Ak+1 k+1
G )i,j = Φi,j
∗ Induktionsannahme: Es gilt (AkG )i,j = Φki,j und (A1G )i,j = Φ1i,j

∗ Induktionsbeweis:
Linke Seite: (Ak+1 k • 1 k 1
P
G )i,j = (AG AG )i,j = m∈[n] (AG )i,m (AG )m,j nach Definition der Ma-
trixmultiplikation.
Rechte Seite: Φk+1 k 1
U
i,j = m∈[n] Φi,m Φm,j , da wir die k+1-Schritt-Pfade nach dem vorletzten
Knoten vm partitionieren können. Daher:
Φk+1 = m∈[n] Φki,m Φ1m,j = m∈[n] (AkG )i,m (A1G )m,j = (Ak+1
P P
i,j G )i,j .

• Anwendung: Random-Surfer-Modell
1
V : Webpages; E: Links; User klickt mit W’keit pi,j = |vi E| auf Webpage vi auf Link zu vj (falls
vi Evj ; sonst pi,j = 0).
. Übergangsmatrix: PG = (pi,j )i,j∈[n]
. Fakt: (PGk )i,j ist die Wahrscheinlichkeit von vi nach vj in genau k Schritten zu kommen – jetzt
gewichtete Pfade zählen“.
”
. Beispiel:
2 4
1 3
 1 1
  1 1 1
 1 1 1 3

0 2
0 2
0 4 4 2 4 4 8 8
1 1 1 1 1 3 1 1
0 0 0 0
PG = 2 2 PG2 =  0 2 4 4 PG3 =  0 8 8 2
   
1 1 1 1 1 1
0 0 0 2
0 2

4 4 2

1 1 1 1 1 1 1 1 3
0 2
0 2 0 4 4 2 4 4 8 8

• Interpretiere Wahrscheinlichkeiten (PGk )i,j
als Bruchteil des k-ten Zeitintervalls [k − 1, k), den der
User auf Webpage vj verbringt, wenn er in vi startet.
. Dann verbringt der User im Mittel im Zeitraum [0, T ) beginnend in i auf j die Zeit
T −1
!
1 X k
Q := PG
T
k=0 i,j
. Fakt: Summe konvergiert für T → ∞, d.h. Q existiert“.

”
71
. Beweis falls G stark zusammenhängend“ in der Vorlesung Diskrete Wahrscheinlichkeitstheo-
”
rie im 4. Semester.

. Beispiel: Stark zusammenhängender“ Graph
”
2 4
1 3
  1 2 1 3

99 0, 1494 0, 2845 0, 1408 0, 4253 7 7 7 7
1 X n 0, 1422 0, 2902 0, 1437 0, 4239 T →∞ 1 2 1 3
P ≈ 0, 1480 −−−−→ 7 7 7 7
 
1 2 1 3
100 n=0 G 0, 2816 0, 1494 0, 4210  
7 7 7 7
0, 1394 0, 2845 0, 1408 0, 4353 1 2 1 3
7 7 7 7
. Unabhängig, auf welcher Webpage User startet, er verbringt im Mittel 3/7 seiner Zeit auf Webpage
4, 2/7 auf Webpage 2 und je 1/7 der Zeit auf den beiden restlichen.
. War Grundlage für den PageRank Algorithmus von Google: Q•,j Relevanz von Webpage j (Internet
notfalls künstlich stark zusammenhängend gemacht).

. Beispiel: nicht stark zusammenhängender Graph
2 4
1 3
 1 2

0 0
 
99 0, 01 0, 3311 0 0, 6589 3 3
1 X
 0 0, 3378 0 0, 6622 T →∞ 0 1
0 2
Pn ≈ −−−−→ 3 3

1 2
100 n=0 G 0, 01 0, 3278 0, 01 0, 6522 0 0 
3 3
0 0, 3311 0 0, 6689 1 2
0 3
0 3
. Unabhängig, auf welcher Webpage User startet, er verbringt im Mittel 2/3 seiner Zeit auf Webpage
4, 1/3 auf Webpage 2 und (gemittelt über alle Zeit) keine Zeit auf den beiden verbleibenden
Webpages.
. Anschaulich: Da der Random Surfer in jedem Schritt auf einen Link klicken muss, kann er nur
endlich viel Zeit auf 1 und 3 verbringen.

. Beispiel: nicht zusammenhängender“ Graph
”
2 4
1 3
  1 0 0 0

99 1 0 0 0
1 X n  0 0, 3378 0 0, 6622 T →∞ 0
1
0 2
P ≈ 0, 99 −−−−→ 3 3 
100 n=0 G 0 0, 01 0 1 0
1
0 0
2
0 0, 3311 0 0, 6689 0 3
0 3
. Jetzt Wahrscheinlichkeiten/Relevanz von Startknoten abhängig, da Graph in mehrere Komponen-

ten zerfällt.
72
4 Logik
4.1 Einführung
Logik und Inferenzen 195
• Logik ist die Wissenschaft des Schließens.
Sie untersucht, welche Inferenzen korrekt sind.
• Unter einer Inferenz (oder einem logischer Schluss) verstehen wir (informell) eine Aussage der Form:
Wenn A wahr ist, dann ist auch B wahr.
Umgangssprachlich sagen wir auch:
– Wenn A gilt, dann gilt B
– Wenn A, dann B
– A impliziert B
• A ist die Annahme (Prämisse, Antezedens, Hypothese).
• B die Konklusion (Konsequenz).
Inferenzen 196
• Eine korrekte Inferenz, ca. 2400 Jahre alt:
Wenn
alle Menschen sterblich sind und Sokrates ein Mensch ist,
dann
ist Sokrates sterblich
• Aus der Korrektheit von wenn A, dann B“ folgt nicht, dass A wahr ist!
”
• Wenn die Inferenz korrekt ist, und A wahr ist, dann ist B wahr, mehr wissen wir nicht!
• Eine inkorrekte Inferenz:
Wenn
manche Pilze essbar sind und alle Knollenblätterpilze Pilze sind,
dann
sind alle Knollenblätterpilze essbar.
• Die Inferenz bleibt inkorrekt auch wenn man Knollenblätterpilze durch Champignons ersetzt.
Noch zwei korrekte Inferenzen . . . 197
Wenn
alle Guldräber untreßig und alle Untreßigen filzig sind
dann
sind alle Guldräber filzig.
• Diese Inferenz erkennen wir als korrekt, auch wenn wir nicht wissen, was Guldräber, untreßig, oder
filzig bedeutet !!
• Die Inferenz ist eine Instanz von:
Wenn (alle X sind Y und alle Y sind Z) dann (alle X sind Z)
73
Noch zwei korrekte Inferenzen . . . 198
Wenn
Anna ein Enkelkind hat
dann
ist Anna eine Mutter.
• Die Inferenz kann nur als korrekt erkannt werden, wenn man Wissen über die Bedeutung von Anna,
Mutter und Enkelkind hat.
Logische Inferenzen 199

• Eine logische Inferenz ist eine Inferenz mit Variablen (Platzhalter für Aussagen oder Objekte).
• Eine logische Inferenz ist korrekt, wenn alle ihre Instanzen korrekt sind.
• Logiker sagen: die Inferenz ist (allgemein)gültig oder eine Tautologie.
• Beispiele:
– Wenn (alle X sind Y und alle Y sind Z) dann (alle X sind Z) ist gültig.
– Wenn (alle X sind Y) dann (alle Y sind X) ist nicht gültig.
– Wenn (A und B und (wenn A dann C)) dann (B und C) ist gültig.
• Die Logik untersucht die gültigen Inferenzen
– Wie kann man sie (automatisch) erkennen?
– Welche sind die nützlichsten?
Logiken 200
• Die zwei bekanntesten Logiken sind Aussagenlogik und Prädikatenlogik (erster Stufe)
– Englisch: propositional logic bzw. first-order logic (FOL)
• In dieser Vorlesung beschränken wir uns auf Aussagenlogik, die Basis für viele andere Logiken ist
und zahlreiche Anwendungen in der Informatik hat:
– Rechnerarchitektur (Boolesche Funktionen),
– Programmiersprachen (Verzweigungs-, Schleifenbedingungen),
– Beschreibungssprachen (Datenbanken, KI, Verifikation, Synthese)
4.2 Aussagenlogik
4.2.1 Syntax und Semantik
Aussagenlogik: Formale Einführung 201
• Die Aussagenlogik verwendet (wie jede Logik) eine künstliche Sprache, definiert durch ihre Syntax
und ihre Semantik.
• Die Syntax der Sprache legt durch Regeln fest, welche Zeichenketten wohlgeformte Ausdrücke sind.
• Die wohlgeformten Ausdrücke einer Logik heißen Formeln.
• Die Semantik legt die Bedeutung der Formeln fest.
• Eine formale Semantik ordnet jedem Ausdruck ein mathematisches Objekt zu, welches als Bedeu-
tung des Ausdrucks interpretiert wird.
74
Aussagenlogik: Syntax 202
• Eine formale Syntax besteht aus einem Vokabular und einer Menge von Formationsregeln.
• Das Vokabular legt fest, welche Zeichen in Ausdrücken vorkommen dürfen.
• Die Formationsregeln legen fest, welche Zeichenketten über dem Vokabular zulässig oder wohlge-
formt sind und welche nicht.
Syntax: Vokabular und Formationsregeln 203

• Das Vokabular setzt sich aus folgenden Zeichenklassen zusammen:
Wahrheitskonstanten: true, false
Unendliche Menge V von Aussagenvariablen: p, q, r, s, t, . . .
Logische Operatoren: ¬ , ∧, ∨, →
Hilfssymbole: (, )
• Die Formationsregeln sind:

Regel 0: true und false sind Formeln.
Regel 1: Eine Aussagenvariable ist eine Formel.
Regel 2: Ist F eine Formel, dann ist auch ¬F eine Formel.
Regel 3: Sind F und G Formeln, dann sind
(F ∧ G), (F ∨ G) und (F → G)
ebenfalls Formeln.
(Regel 4: Ein Ausdruck ist nur dann eine Formel, wenn er durch
Anwendung der oben stehenden Regeln konstruiert werden kann.)
Syntax: Formationsregeln 204

• Die Definitionen kann man kurz schreiben als
F ::= true | false | p | ¬F | (F ∨ F ) | (F ∧ F ) | (F → F ) mit p ∈ V
was man als Konstruktionvorschrift bzw. rekursives Programm liest.

. In null Schritten (bzw. Rekursionstiefe 0) lassen sich true und false und alle atomaren Formeln
p, q, r, . . . konstruieren.
. In einem Schritt konstruiert man z.B.:
¬p ¬q ¬r (p ∧ q) (q ∧ p) (p ∨ q) (q ∨ p) ...
. In zwei Schritten z.B.:
¬¬p ¬(p ∧ q) ((p ∧ p) ∨ r) (¬p ∨ q) ...
. Weitere Formeln:
((p ∧ q) → r) ((p ∧ (false ∨ q)) → ¬r) ((¬p ∨ ¬q) → (q ∧ p))
Syntax: Ableitungsbeispiel 205
75
(1) p Regel 1
(2) q Regel 1
(3) (p ∧ q) Regel 3a, (1), (2)
(4) ¬(p ∧ q) Regel 2, (3)
(5) ¬q Regel 2, (2)
(6) (q ∨ ¬q) Regel 3b, (2), (5)
(7) (¬(p ∧ q) → (q ∨ ¬q)) Regel 3c, (4), (6)
Syntax: Syntaxbaum 206

• Die Konstruktion einer Formel stellt man als Syntaxbaum dar.
. Der Syntaxbaum von true, false und einer atomaren Formel p ist einfach:
true false p
. Der Syntaxbaum einer Formel ¬G ergibt sich aus dem Syntaxbaum TG von G:
¬
TG
. Der Syntaxbaum einer Formel F = (G ∨ H) bzw. F = (G ∧ H) bzw. F = (G → H) ergibt sich aus
den Syntaxbäumen TG , TH von G, H:
∨ ∧ →
TG TH TG TH TG TH
Syntax: Syntaxbaum 207

• Bsp.: Syntaxbaum zu (¬(p ∧ q) → (q ∨ ¬r))
¬ ∨
∧ q ¬
p q r
. Strikte Klammerung gibt die Konstruktion vollständig vor.

. Wichtig: Syntaxbäume sind geordnete Wurzelbäume, d.h. man unterscheidet zwischen rechtem und
linken Nachfolger, deren innere Knoten mit logischen Operatoren und deren Blätter mit Variablen
oder Konstanten beschriftet sind.
Syntax: Teilformel 208

• Sind F, G aussagenlogische Formeln, so bezeichnet man G als Teilformel von F , wenn G als Zei-
chenkette vollständig und zusammenhängend in F vorkommt.
76
. Alternativ: Der Syntaxbaum zu G ist ein Teilbaum von F .
• Die in F vorkommenden Variablen nennt man auch atomare Teilformeln von F .
. VF bezeichnet die Menge aller in F vorkommenden Variablen.
. Beispiel: Alle Teilformeln zu F = ((p ∨ ¬q) ∧ ¬(q ∨ ¬¬r))
p q ¬q (p ∨ ¬q)
r ¬r ¬¬r (q ∨ ¬¬r) ¬(q ∨ ¬¬r)

((p ∨ ¬q) ∧ ¬(q ∨ ¬¬r))
Syntax: Bindungsregeln 209

• Formeln, die strikt nach der Syntax gebaut sind, können für Menschen schwer zu parsen sein, da
sie zu viele Klammern enthalten.
• Bindungsregeln zur Vereinfachung von Klammerausdrücken:
¬ bindet stärker als ∧
∧ bindet stärker als ∨
∨ bindet stärker als →
• Beispiele:
– ¬p ∧ q steht für (¬p ∧ q), nicht für ¬(p ∧ q)
– p ∧ q → r steht für ((p ∧ q) → r), nicht für (p ∧ (q → r))
– p ∧ q ∨ r ∧ s steht für ((p ∧ q) ∨ (r ∧ s))
– In den Folien: Weder p ∧ q ∨ r ∧ s noch ((p ∧ q) ∨ (r ∧ s)), sondern (p ∧ q) ∨ (r ∧ s)
Aussagenlogik: Semantik (Intuition) 210

• Was ist die Bedeutung einer Formel?
• Die Formel F := (p ∧ q) kann in vier Welten“ ausgewertet werden
”
– Welt 1: p und q sind beide wahr. F ist wahr.
– Welt 2: p ist wahr, q ist falsch. F ist falsch.
– Welt 3: p ist falsch, q ist wahr. F ist falsch.
– Welt 4: p ist falsch, q ist falsch. F ist falsch.
• Die Bedeutung einer Formel ist die Funktion, die jede mögliche Welt“ dem Wahrheitswert der
”
Formel in dieser Welt zuordnet:
– 1 (die Formel ist wahr) oder
– 0 (die Formel ist falsch).
• Man nennt 1, 0 die Booleschen Werte.
Belegungen 211
0 0
• Def.: Eine Belegung ist eine Funktion β : V → {0, 1} mit V ⊆ V .
Die Belegung β : V 0 → {0, 1} passt zu einer aussagenlogischen Formel F , falls VF ⊆ V 0 (jede in F

vorkommende Variable ist in V 0 enthalten).
Eine zu F passende Belegung β : V 0 → {0, 1} heißt minimal, falls VF = V 0 (V 0 ist die Menge aller
in F vorkommenden Variablen).
77
• Def.: Sei F eine aussagenlogische Formel, β eine zu F passende Belegung. Der Wahrheitswert
[F ](β) von F unter β ist definiert durch:


 1 falls F = true

 0

 falls F = false


 β(p) falls F = p für p ∈ V



[F ](β) := 1 − [G](β) falls F = ¬G

max{[G](β), [H](β)} falls F = (G ∨ H)





 min{[G](β), [H](β)} falls F = (G ∧ H)




 max{1 − [G](β), [H](β)} falls F = (G → H)
Wahrheitstabellen 212
• Die Definition der Funktion [F ] kann mit Hilfe von Wahrheitstabellen visualisiert werden.
• Die Tabelle gibt den Wahrheitswert der Formel für jede Kombination von Wahrheitswerten der
Operanden an.
• Wahrheitstabellen der Grundoperatoren Negation, Konjunktion, Disjunktion, Implikation:
Negation Konjunktion Disjunktion Implikation

G ¬G G H G∧H G H G∨H G H G→H
1 0 0 0 0 0 0 0 0 0 1
0 1 0 1 0 0 1 1 0 1 1
1 0 0 1 0 1 1 0 0
1 1 1 1 1 1 1 1 1
Darstellungen in anderen Vorlesungen 213
Operator Bezeichnung DS ERA Gatterdarstellung
Disjunktion OR p∨q p+q p

q ≥1
Konjunktion AND p∧q p•q p

q &
Negation NOT ¬p p p 1
Semantik einer Formel 214

• Die Funktion [F ], die eine zu F passende Belegung auf {0, 1} abbildet, ist die Semantik von F .
• Gilt [F ](β) = 1, so sagt man:
– F wertet sich unter β zu wahr“ aus, oder kurz
”
– F ist unter β wahr.
• Gilt [F ](β) = 0, so sagt man:
– F wertet sich unter β zu falsch“ aus, oder kurz
”
– F ist unter β falsch.
78
Semantik der Implikation 215
• Die formale Semantik der Implikation ist sehr unterschiedlich von dem Gebrauch von wenn
”
. . . dann“ in der Alltagssprache.
• p → q sagt nicht, dass p eine Ursache für q ist.
Pinguine schwimmen → Pferde wiehern ist wahr in unserer Welt.
• p → q sagt nichts darüber, ob p wahr oder falsch ist.
Angela Merkel wurde bestochen → Angela Merkel muss ins Gefängnis ist wahr in unserer Welt.
• Wenn in einer Welt p falsch ist, dann ist in dieser Welt p → q wahr, unabhängig davon, was q
aussagt.
Pinguine fliegen → Pferde sprechen ist wahr in unserer Welt.
• p → q sagt nichts darüber, ob ¬p → ¬q wahr ist.
In der Alltagssprache folgt aus
Wenn du brav bist, dann bekommst Du ein Bonbon
oft implizit
Wenn Du nicht brav bist, dann bekommst Du kein Bonbon.
Implikation: Wahr oder falsch in unserer Welt? 216
• 1+1=6 → Angela Merkel ist Bundeskanzlerin

• Deutschland ist größer als Spanien → Die Sonne ist heute aufgegangen
• Dienstag ist ein Wochentag → Donald Trump ist ein Pinguin
• Der Mond besteht aus grünem Käse → Frankreich hat einen König
Syntaktischer Zucker“ 217
”
• In der Praxis macht man die Aussagenlogik benutzerfreundlich:
• Üblicherweise gibt man einfach explizit an, welche Zeichen(ketten) als Variablen im Weitern auf-
zufassen sind. (Vgl. Variablendeklaration.)
• Zusätzlich erweitert man die Syntax um weitere Operatorsymbole z.B.:
L
– Exklusiv-Oder: , XOR.
Entspricht dem sprachlichen Konstrukt “entweder . . . oder” — genau einer der beiden Ope-
randen muss wahr sein. Die Möglichkeit, dass beide Operanden wahr sind, wird ausgeschlossen.
– Bikonditional ↔.
Entspricht dem sprachlichen Konstrukt “genau dann . . . wenn”
– If-Then-Else-Operator ITE(F, G, H) (der Arität 3).
Entspricht dem sprachlichen Konstrukt “wenn F , dann G, sonst H”
79
Syntaktischer Zucker“ 218
”
• Und erweitert die Semantik entsprechend für diese neuen Operatoren, hier mittels Wahrheitstabel-
len:
F G H ITE(F, G, H)
0 0 0 0
F G F ⊕G F G F ↔G 0 0 1 1
0 0 0 0 0 1 0 1 0 0
0 1 1 0 1 0 0 1 1 1
1 0 1 1 0 0 1 0 0 0
1 1 0 1 1 1 1 0 1 0
1 1 0 1
1 1 1 1
• Allgemein kann jede Wahrheitstabelle als Definition eines Operators aufgefasst werden.
. Aufgabe: Wieviele mögliche binäre Operatoren gibt es? Und wie viele der Arität n?
Berechnung von [F ] für eine gegebene Formel F 219
p q r ((p ∨ ¬q) → r) ↔ ¬r
0 0 0 0
0 0 1 0
0 1 0 1
0 1 1 0
1 0 0 0
1 0 1 0
1 1 0 0
1 1 1 0
p q r ((p ∨ ¬ q) → r) ↔ ¬ r
0 0 0
0 0 1
0 1 0
0 1 1
1 0 0
1 0 1
1 1 0
1 1 1
80
p q r ((p ∨ ¬ q) → r) ↔ ¬ r
0 0 0 0 1 1 0 0 0 0 1 0
0 0 1 0 1 1 0 1 1 0 0 1
0 1 0 0 0 0 1 1 0 1 1 0
0 1 1 0 0 0 1 1 1 0 0 1
1 0 0 1 1 1 0 0 0 0 1 0
1 0 1 1 1 1 0 1 1 0 0 1
1 1 0 1 1 0 1 0 0 0 1 0
1 1 1 1 1 0 1 1 1 0 0 1
Berechnung von [F ] mit KV-Diagrammen 222

• Sei F eine Formel. Sei BF die Menge aller minimalen Belegungen β : VF → {0, 1} von F . Wir
nehmen BF als Universum, d.h. X = BF \ X.
• Für jede Teilformel G von F sei ErfG = {β ∈ BF | β(G) = 1} (Menge der minimalen Belegungen,
die G erfüllen).
• Für jede Teilformel G von F gilt:
– Wenn G = G1 ∧ G2 dann ErfG = ErfG1 ∩ ErfG2 .
– Wenn G = G1 ∨ G2 dann ErfG = ErfG1 ∪ ErfG2 .
– Wenn G = ¬H dann ErfG = ErfH .
– Wenn G = G1 → G2 dann ErfG = ErfG1 ∪ ErfG2 .
– Wenn G = G1 ↔ G2 dann ErfG = (ErfG1 ∩ ErfG2 ) ∪ (ErfG1 ∩ ErfG2 ).
• Damit kann die Menge ErfF mit Hilfe eines KV-Diagramms berechnet werden
Berechnung von [F ] mit KV-Diagrammen 223

p ¬q r
p p p
q q q
r r r
¬r p ∨ ¬q (p ∨ ¬q) → r
p p p
q q q
r r r
((p ∨ ¬q) → r) ↔ ¬r
p
q
r
4.2.2 Gültige, widersprüchliche und erfüllbare Formeln

Gültige Formeln 224
81
• Eine Formel F ist (allgemein)gültig wenn für jede Belegung β, die zu F passt, gilt: [F ](β) = 1.
. Intuitiv: eine Formel ist gültig, wenn sie überall (“in allen Welten”) wahr ist.
. Wir sagen auch: F ist eine Tautologie.
. Achtung: Eine Formel ist gültig“ ist nicht dasselbe wie Eine Formel ist wahr“.
” ”
• Lemma: Eine Formel F ist gültig genau dann, wenn für jede minimale Belegung β, die zu F passt,
gilt: [F ](β) = 1.
• Tautologietest: berechne die Wahrheitstabelle und prüfe, ob die Spalte für F ausschließlich Einsen
enthält.
• Beispiele von Tautologien:
p ∨ ¬p (p ∧ q) → p (p → (q → r)) → ((p → q) → (p → r))

p → (p ∨ q) p → (q → p)
Widersprüchliche Formeln 225

• Eine Formel F ist widersprüchlich (oder unerfüllbar), wenn für jede Belegung β, die zu F passt,
gilt: [F ](β) = 0.
. Intuitiv: eine Formel ist widersprüchlich, wenn sie überall (“in allen Welten”) falsch ist.
. Wir sagen auch: F ist ein Widerspruch.
. Achtung: Eine Formel ist widersprüchlich“ ist nicht dasselbe wie Eine Formel ist falsch“.
” ”
• Lemma: Eine Formel F ist widersprüchlich, wenn für jede minimale Belegung β, die zu F passt,
gilt: [F ](β) = 0.
• Widerspruchstest: berechne die Wahrheitstabelle und prüfe, ob die Spalte für F ausschließlich
Nullen enthält.
• Beispiele von Widersprüchen:
p ∧ ¬p p ∧ (p → ¬p) p ↔ ¬p
Erfüllbare Formeln 226

• Eine Formel F ist erfüllbar, wenn es eine Belegung β gibt, die zu F passt, und [F ](β) = 1 erfüllt.
. Intuitiv: eine Formel ist erfüllbar, wenn sie in mindestens einer Welt wahr ist.
• Erfüllbarkeitsstest: berechne die Wahrheitstabelle und prüfe, ob die Spalte für F mindestens eine
Eins enthält.
• Beispiele von erfüllbaren, aber nicht gültigen Formeln:
p p→q p → ¬p
Aufgabe 227
82
gültig erfüllbar unerfüllbar
p ×
p∨q ×
p ∨ ¬p × ×
p ∧ ¬p ×
p → ¬p ×
p→q ×
p → (q → p) × ×
p → (p → q) ×
Gültige, erfüllbare, und unerfüllbare Formeln 228

• Aussagenlogische Formeln teilen sich auf in gültige, unerfüllbare und erfüllbare, aber nicht gültige
Formeln.
G F ¬F ¬G
gültig erfüllbar, aber nicht gültig unerfüllbar
. F gültig gdw. ¬F unerfüllbar

– bzw. F unerfüllbar gdw. ¬F gültig
. F nicht gültig gdw. ¬F erfüllbar
– bzw. F erfüllbar gdw. ¬F nicht gültig
. F nicht gültig, aber erfüllbar gdw. ¬F nicht gültig, aber erfüllbar
Das Erfüllbarkeitsproblem SAT 229

• Das Erfüllbarkeitsproblem (satisfiability problem, SAT) ist eines der am meisten untersuchten
Problemen der Informatik:[0.5cm]
Gegeben: aussagenlogische Formel F
Frage: Ist F erfüllbar?
(und, wenn ja, finde eine erfüllende Belegung).
• Viele Probleme lassen sich auf SAT reduzieren:
– Äquivalenz von Schaltkreisen, Korrektheit von Programmen, Planungsprobleme, automati-
sches Beweisen, Hamiltonkreise, 3-Färbbarkeit von Graphen u.v.m.
• Das Erfüllbarkeitsproblem ist NP-vollständig.
• Trotzdem enorme Fortschritte im Bereich der SAT-Solver seit 2000.
Modellierung des Sudoku-Problems mit SAT 230

• Problem: Gegeben ein Sudoku S, konstruiere eine Formel FS , die folgende (noch nicht formal
definierte) Eigenschaft erfüllt:
Eine minimale, zu FS passende Belegung, macht FS wahr, genau dann, wenn sie der
Lösung des Sudokus entspricht.
83
4 9 2
1 5
9 3 4 5 1
8 2 5
7 5 3 4 6 1
4 6 9 8
6 1 5 9 8
9 6
5 7 4

• Aussagenlogische Variablen: {XZ,S | X, Z, S ∈ [9]}
• Bedeutung von XZ,S ( intended meaning“):
”
Auf dem Feld Z, S steht die Zahl X.
• Anforderungen: Jede Zahl kommt in jeder Zeile vor.
Jede Zahl kommt in jeder Spalte vor.
Jede Zahl kommt in jedem Quadrat vor.
Jedes Feld enthält höchstens eine Zahl (!)

• Jede Zahl kommt in jeder Zeile vor
– Formel für Zahl X kommt in Zeile Z vor“:

”
(XZ,1 ∨ XZ,2 ∨ · · · ∨ XZ,9 )
– Formel für Zahl X kommt in jeder Zeile vor“:
”
9
^
(XZ,1 ∨ XZ,2 ∨ · · · ∨ XZ,9 )
Z=1
– Formel für Jede Zahl kommt in jeder Zeile vor“:

”
9 ^
^ 9
(XZ,1 ∨ XZ,2 ∨ · · · ∨ XZ,9 )
X=1 Z=1

• Jede Zahl kommt in jeder Spalte vor.
9 ^
^ 9
(X1,S ∨ X2,S ∨ · · · ∨ X9,S )
X=1 S=1
• Jede Zahl kommt in jedem Quadrat vor.
9 3 _ 3
! 3 _
6
! 3 _
9
!
^ _ _ _
XZ,S ∧ XZ,S ∧ XZ,S
X=1 Z=1 S=1 ! Z=1 S=4 ! Z=1 S=7 !
_6 _ 3 _6 _ 6 _6 _ 9
Z=4 S=1 ! Z=4 S=4 ! Z=4 S=7 ! !
_9 _ 3 _9 _ 6 _9 _ 9
Z=7 S=1 Z=7 S=4 Z=7 S=7
84
• Jedes Feld enthält höchstens eine Zahl
– Formel für Feld Z, S enthält nicht X und Y “:
”
¬(XZ,S ∧ YZ,S )
– Formel für Feld Z, S enthält höchstens eine Zahl“:
”
9
^ 9
^
¬(XZ,S ∧ YZ,S )
X=1 Y =1
Y 6= X
– Formel für Jedes Feld enthält höchstens eine Zahl “:

”
9 ^
^ 9 ^
9 9
^
¬(XZ,S ∧ YZ,S )
Z=1 S=1 X=1 Y =1
Y 6= X
• Formel für die Anfangskonfiguration:
41,1 ∧ 91,5 ∧ . . . ∧ 49,9

• Sei FS die Formel, die aus der Konjunktion der Formeln für die Anforderungen und für die An-
fangskonfiguration entsteht.
• In FS kommen 729 (93 ) Variablen vor.
• Eine Belegung β dieser Variablen entspricht einer Lösung des Sudokus genau dann, wenn [FS ](β) =
1.
• Wenn das Sudoku wohlformuliert ist, dann hat FS genau eine erfüllende Belegung.
• SAT-Solver können eine erfüllende Belegung (und damit Lösung) finden.
Logische Äquivalenz 236

• Zwei Formeln F und G sind logisch äquivalent (symbolisch: F ≡ G) genau dann, wenn für jede
Belegung β, die zu F und zu G passt, gilt: [F ](β) = [G](β).
– Intuitiv: wenn F und G äquivalent sind, dann sind sie zwei verschiedene Schreibweisen der-
selben Aussage.
• Lemma: Sei VF,G die Menge der Variablen, die in F oder G vorkommen. F und G sind äquivalent
genau dann, wenn für jede Belegung β : VF,G → {0, 1} gilt: [F ](β) = [G](β).
• Äquivalenztest: Konstruiere die Wahrheitstabelle von F ↔ G und prüfe, ob die Spalte für F ↔ G
ausschliesslich Einsen enthält.
Aufgabe 237
F G Gilt F ≡ G?
p ∧ (p ∨ q) p Ja
¬(p ∨ q) ∧ (¬p ∨ ¬q) p Nein
p ∧ (q ∨ r) (p ∧ q) ∨ r Nein
p ∧ (q ∨ r) (p ∧ q) ∨ (p ∧ r) Ja
85
Aussagenlogik: Logische Inferenzen 238
• Eine logische Inferenz ist eine Formel der Gestalt F → G. Dabei ist F die Annahme und G die
Konklusion.
• Eine logische Inferenz ist korrekt, wenn sie gültig ist.
• Notation: F |= G (in Worten: G folgt aus F ) bezeichnet, dass F → G gültig ist.
• Oft schreibt man F1 , . . . , Fn |= G statt F1 ∧ · · · ∧ Fn |= G.
• Achtung! In der Alltagssprache haben “G folgt aus F ” und “F impliziert G” oft dieselbe Bedeutung.
In dieser Vorlesung
. F impliziert G“ bezeichnet die Formel F → G.
”
. G folgt aus F“ bezeichnet, dass die Formel F → G gültig ist.
”
Aufgabe 239
F G F |= G?
p p∨q Ja
p p ∧ q Nein
p, q p∨q Ja
p, q p∧q Ja
p∧q p Ja
p∨q p Nein
p ∧ (p → q) q Ja
Einige Beziehungen 240

• F ist gültig (eine Tautologie) genau dann, wenn
– ¬F ist ein Widerspruch.
– F ≡ true
– true |= F (Notation: |= F )
• F ist ein Widerspruch genau dann, wenn
– ¬F ist gültig.
– F ≡ false
– F |= false
• F ≡ G gilt, genau dann, wenn F ↔ G eine Tautologie ist.
4.2.3 Semantische Äquivalenzumformungen

Äquivalenzumformungen 241
• Bereits bekannt:
Umformen von arithmetischen oder mengentheoretischen Termen (Ausdrücken) unter Verwendung
von
Assoziativität, Kommutativität, Distributivität, ...
86
• Beispiel: Für x, y ∈ R:
(x3 + x2 y + xy 2 + y 3 )(x − y) = (x4 − y 4 )
. ( Schul“)Beweis:
”
(x3 + x2 y + xy 2 + y 3 )(x − y)
= x4 + x3 y + x2 y 2 + xy 3 − x3 y − x2 y 2 − xy 3 − y 4
= x4 − y 4
• Verwendet ein Distributivgesetz: für beliebige Ausdrücke e, f, g gilt e(f − g) = ef − eg.
• Beispiel: Für x, y ∈ R
(x3 + x2 y + xy 2 + y 3 )(x − y) = (x4 − y 4 )
• Wenn = nur für dieselbe Zeichenkette verwendet werden dürfte, dann wäre die Behauptung falsch.
Die Bedeutung von = ist jedoch:[0.5cm]
Egal mit welchen reellen Zahlen man x und y ersetzt (belegt), die so gewonnenen arith-
metischen Ausdrücke werten sich (unter der üblichen Interpretation von + und •) zu
derselben reellen Zahl aus.
• Vergleiche mit F ≡ G für aussagenlogische Formeln F, G:[0.5cm]
Unter jeder zu F und G passenden Belegung β werten sich beide Formeln zum selben
Wahrheitswert aus, kurz [F ](β) = [G](β).
Äquivalenzen 243
• Standardäquivalenzen I:
Für beliebige aussagenlogische Formeln F, G, H gilt:
(F ∧ F ) ≡ F (Idempotenz)
(F ∨ F ) ≡ F
(F ∧ G) ≡ (G ∧ F ) (Kommutativität)
(F ∨ G) ≡ (G ∨ F )
((F ∧ G) ∧ H) ≡ (F ∧ (G ∧ H)) (Assoziativität)

((F ∨ G) ∨ H) ≡ (F ∨ (G ∨ H))
(F ∧ (F ∨ G)) ≡ F (Absorption)
(F ∨ (F ∧ G)) ≡ F
(F ∧ (G ∨ H)) ≡ ((F ∧ G) ∨ (F ∧ H)) (Distributivität)

(F ∨ (G ∧ H)) ≡ ((F ∨ G) ∧ (F ∨ H))
Äquivalenzen 244
• Standardäquivalenzen II:
87
¬¬F ≡ F (Doppelnegation)
¬(F ∧ G) ≡ (¬F ∨ ¬G) (deMorgan)

¬(F ∨ G) ≡ (¬F ∧ ¬G)
(F ∧ ¬F ) ≡ false (Triviale Kontradiktion)

(F ∨ ¬F ) ≡ true (Triviale Tautologie)
(F ∧ false) ≡ false (Dominanz)

(F ∨ true) ≡ true
(F ∧ true) ≡ F (Identität)
(F ∨ false) ≡ F
Äquivalenzen 245
• Standardäquivalenzen III:
(F → G) ≡ (¬F ∨ G) (Implikation)
(F ↔ G) ≡ ((F → G) ∧ (G → F )) (Bikonditional)
≡ ¬(F ⊕ G)
(F ⊕ G) ≡ ((F ∨ G) ∧ (¬F ∨ ¬G)) (XOR)

≡ ((F ∧ ¬G) ∨ (¬F ∧ G))
• Bemerkung: Häufig verwendet man diese Äquivalenzen auch, um direkt Implikation, Bikonditional
und XOR zu definieren.
• Die Äquivalenz für die Implikation ist extrem nützlich!
Äquivalenzen 246
• Beachte: Die Äquivalenzen gelten für beliebige aussagenlogische Formeln.
. Vergleiche: Distributivitätsgesetz auf R
x(y + z) = xy + xz
gilt natürlich auch noch, wenn man x := (z +5)2 , y := (u • v), z = u+3 durch beliebige arithmetische
Ausdrücke ersetzt:
(z + 5)2 ((u • v) + (u + 3)) = (z + 5)2 (u • v) + (z + 5)2 (u + 3)
. Ganz analog für aussagenlogische Formeln.

Instanziieren“ von (F ∨ F ) ≡ F mit F := (p ∧ (q → ¬r)):
”
((p ∧ (q → ¬r)) ∨ (p ∧ (q → ¬r))) ≡ (p ∧ (q → ¬r))
| {z } | {z } | {z }
=:F =:F =:F
Beweis von Standardäquivalenzen 247

• Nach Behauptung muss z.B. (F ∧ (F ∨ G)) ≡ F für beliebige Formeln F, G gelten.
• Also auch für Instanz mit F := p und G := q, d.h. für (p ∧ (p ∨ q)) ≡ p
88
• Überprüfung mittels Wahrheitstafel (oder KV-Diagramm):
p q (p ∧ (p ∨ q))
0 0 0 0
0 1 0 1
1 0 1 1
1 1 1 1
• Alle Standardäquivalenzen lassen sich mittels Wahrheitstafeln sehr einfach überprüfen, da maximal
drei aussagenlogische Variablen.
• Warum reicht es, die Äquivalenzen für atomare Formeln F := p, G := q, H := r zu überprüfen?
. Deckt bereits alle möglichen Kombinationen von Wahrheitswerten [F ](β), [G](β), [H](β) unter jeder
passenden Belegung β ab – egal welche Formeln F, G, H konkret sind.
• Äquivalenzumformung: Ersetzen einer Teilformel F 0 von F durch eine zu F 0 äquivalente Formel
G0 , um eine neue Formel G zu gewinnen.
• Notation: G = F [F 0 /G0 ].
• Äquivalenzumformungen macht man bei arithmetischen Ausdrücken ganz automatisch. Für den
Beweis von
(x + (y • (z − z))) = x
geht man folgendermaßen vor:
1. Ersetze (z − z) durch 0, da (z − z) ≡R 0:
(x + (y • (z − z))) ≡R (x + (y • 0))
2. Ersetze (y • 0) durch 0, da (y • 0) ≡R 0:
(x + (y • 0)) ≡R (x + 0)
3. Ersetze (x + 0) durch x, da (x + 0) ≡R x:
(x + 0) ≡R x
• Dass man semantisch äquivalente (Teil-)Formeln rein syntaktisch gegeneinander austauschen darf,
bezeichnet man in der Aussagenlogik als
Ersetzbarkeitstheorem: Seien F, G, H aussagenlogische Formeln mit F ≡ G und F eine Teilfor-
mel von H.
Sei H 0 eine aussagenlogische Formel, welche aus H entsteht, indem man ein beliebiges Vorkommen
von F in H durch G ersetzt.
Dann gilt H ≡ H 0 .
• ≡ ist eine Kongruenz auf den aussagenlogischen Formeln: eine Äquivalenzrelation, für die das
Ersetzbarkeitstheorem gilt.
• Das Ersetzbarkeitstheorem erlaubt Nebenrechnungen (wie bei arithmetischen Ausdrücken).
. Vereinfache in Nebenrechnung erst eine Teilformel mittels Äquivalenzumformungen.
89
Äquivalenzumformungen: Beispiel 250
(p ∧ (p → q))
≡ (p ∧ (¬p ∨ q)) mit
≡ ((p ∧ ¬p) ∨ (p ∧ q)) mit
≡ (false ∨ (p ∧ q)) mit
≡ ((p ∧ q) ∨ false) mit
≡ (p ∧ q) mit
Äquivalenzumformungen: Noch ein Beispiel 251
((p ∨ q) ∧ (¬p ∨ r) ∧ (s ∨ ¬s)) → (q ∨ r)

≡ ((p ∨ q) ∧ (¬p ∨ r) ∧ true) → (q ∨ r) mit F ∨ ¬F ≡ true
≡ ((p ∨ q) ∧ (¬p ∨ r)) → (q ∨ r) mit F ∧ true ≡ F
≡ ¬((p ∨ q) ∧ (¬p ∨ r)) ∨ (q ∨ r) mit F → G ≡ ¬F ∨ G
≡ (¬(p ∨ q) ∨ ¬(¬p ∨ r)) ∨ (q ∨ r) mit ¬(F ∧ G) ≡ ¬F ∨ ¬G
≡ (¬p ∧ ¬q) ∨ (¬¬p ∧ ¬r) ∨ q ∨ r mit ¬(F ∨ G) ≡ ¬F ∧ ¬G
≡ (¬p ∧ ¬q) ∨ (p ∧ ¬r) ∨ q ∨ r mit ¬¬F ≡ F
≡ (¬p ∧ ¬q) ∨ q ∨ (p ∧ ¬r) ∨ r mit F ∨ G ≡ G ∨ F
≡ ((¬p ∨ q) ∧ (¬q ∨ q)) ∨ ((p ∨ r) ∧ (¬r ∨ r)) mit (F ∧ G) ∨ H ≡ (F ∨ H) ∧ (G ∨ H)
≡ ((¬p ∨ q) ∧ true) ∨ ((p ∨ r) ∧ true) mit ¬F ∨ F ≡ true

≡ ¬p ∨ q ∨ p ∨ r mit F ∧ true ≡ F
≡ ¬p ∨ p ∨ q ∨ r mit F ∨ G ≡ G ∨ F
≡ true ∨q ∨ r mit ¬F ∨ F ≡ true
≡ true mit true ∨F ≡ true
• Wann zeigt man F ≡ G mittels Wahrheitstafeln, wann mittels Äquivalenzumformungen?
• Wahrheitstafeln für Menschen bis maximal 5 Variablen noch praktikabel.
• Mit wie vielen Variablen können Computer umgehen?
. Für |VF | = n muss man 2n Belegungen auswerten.
. Annahme: 1ms zum Auswerten von F pro Belegung (Länge egal).
. In einer Minute 6 • 104 Belegungen; maximal 15 Variablen.
. In einer Stunde 86, 4 • 106 Belegungen; maximal 26 Variablen.
. In einem Jahr 31, 536 • 109 Belegungen; maximal 34 Variablen.
. Äquivalenzumformungen daher ab spätestens 5 Variablen meist der bessere Ansatz, um Äquiva-
lenzen zu zeigen.
90
4.2.4 Normalformen
KNF und DNF 253
• Normalform: Form ( Schablone“) für Formeln mit der Eigenschaft, dass es für jede Formel F eine
”
Formel G ≡ F dieser Form gibt.
• Notation: Die Menge der Literale ist {p, ¬p | p ∈ V }
• Eine Formel F ist in disjunktiver Normalform (DNF), falls F folgende Struktur hat:
 
m
_ mi
^
 Li,j 
i=1 j=1
wobei Li,j ∈ {p, ¬p | p ∈ VF } Literale sind.

• Eine Formel F ist in konjunktiver Normalform (KNF), falls F folgende Struktur hat:
 
m
^ mi
_
 Li,j 
i=1 j=1
wobei Li,j ∈ {p, ¬p | p ∈ VF } Literale sind.
KNF und DNF 254

• Eine Formel in DNF: (p ∧ ¬q) ∨ (¬p ∧ ¬q ∧ r) ∨ q.
• Eine Formel in KNF: (p ∨ ¬q) ∧ (¬p ∨ ¬q ∨ r) ∧ q.
• Eine DNF-Formel ist erfüllbar gdw. mindestens ein Disjunkt erfüllbar ist.
Führt zu einem effizienten Algorithmus für Erfüllbarkeit von DNF-Formeln.
• Eine KNF-Formel ist gültig gdw. alle Konjunkte gültig sind.
Führt zu einem effizienten Algorithmus für Gültigkeit von KNF-Formeln.
DNF 255
• Satz: Für jede Formel F gibt es eine Formel G in DNF mit F ≡ G.
Beweis: Folgendes Verfahren berechnet die Formel G:

1. →, ↔, ⊕ auflösen“, d.h. mittels Äquivalenzen bzw. Definitionen durch ¬, ∧, ∨ ausdrücken.
”
2. ¬ mittels deMorgan und Doppelnegation im Syntaxbaum soweit nach unten schieben, bis jedes
¬ nur noch an eine Variable bindet.
3. Mittels Distributivität von ∧ über ∨
(F ∧ (G ∨ H)) ≡ ((F ∧ G) ∨ (F ∧ H)) und ((G ∨ H) ∧ F ) ≡ ((G ∧ F ) ∨ (H ∧ F ))
Formeln ausmultiplizieren“, bis DNF erreicht.

”
( ∨“ wandert im Syntaxbaum nach oben, ∧“ nach unten.)
” ”
Liefert Formeln DF ≡ F .
91
DNF Beispiele 256
• F = ((p → q) → r)
((p → q) → r)
≡ ((¬p ∨ q) → r)
≡ (¬(¬p ∨ q) ∨ r)
≡ ((¬¬p ∧ ¬q) ∨ r)
≡ ((p ∧ ¬q) ∨ r)
=: DF
• G := (p → (q → r))
(p → (q → r)
≡ (p → (¬q ∨ r))
≡ (¬p ∨ (¬q ∨ r))
≡ (¬p ∨ ¬q ∨ r)
=: DG
• Normalform für eine Äquivalenzklasse von Formeln nicht eindeutig, z.B.
p ≡ (p ∧ q) ∨ (p ∧ ¬q)
Kanonische DNF 257

• Brute-force Bestimmung einer kanonischen Formel in DNF für F :
• Notation: Ist p eine aussagenlogische Variable, so ist p1 := p das positive Literal von p und p0 := ¬p
das negative Literal von p.
1. Stelle Wahrheitstafel zu F auf.
2. Bestimme alle minimalen erfüllenden Belegungen von F .
3. Für jede minimale erfüllende Belegung β, bilde die Konjunktion
^
pβ(p)
p∈VF
Beispiel: (p ∧ ¬q ∧ ¬r) wenn VF = {p, q, r} und β(p) = 1, β(q) = 0, β(r) = 0.

(Die Konjunktion hat genau eine erfüllende minimale Belegung: β.)
4. Bilde die Disjunktion über alle diese Konjunktionen.
. Meist kürzere DNF mittels Äquivalenzen oder KV-Diagramm.
Kanonische DNF 258

• Beispiel: If-Then-Else-Operator
ITE(p, q, r) := ((p → q) ∧ (¬p → r))
92
. Wahrheitstafel:
p q r ((p → q) ∧ (¬ p → r))
0 0 0 1 0 1 0
0 0 1 1 1 1 1
0 1 0 1 0 1 0
0 1 1 1 1 1 1
1 0 0 0 0 0 1
1 0 1 0 0 0 1
1 1 0 1 1 0 1
1 1 1 1 1 0 1
. DNF:
ITE(p, q, r) ≡ DF =
Kanonische DNF 259

ITE(p, q, r) := ((p → q) ∧ (¬p → r))
. Wahrheitstafel:
p q r ((p → q) ∧ (¬ p → r))
0 0 0 1 0 1 0
0 0 1 1 1 1 1
0 1 0 1 0 1 0
0 1 1 1 1 1 1
1 0 0 0 0 0 1
1 0 1 0 0 0 1
1 1 0 1 1 0 1
1 1 1 1 1 0 1
. DNF:
ITE(p, q, r) ≡ DF = (¬p ∧ ¬q ∧ r) ∨ (¬p ∧ q ∧ r)
(p ∧ q ∧ ¬r) ∨ (p ∧ q ∧ r)
KNF 260
• Satz: Für jede Formel F gibt es eine Formel G in KNF mit F ≡ G.
Beweis: Vertausche ∧ und ∨ in dem Verfahren für die Berechnung einer Formel in DNF (Schritte
1 und 2 ändern sich nicht).
• Brute-force Bestimmung von kanonischer KNF :
– Stelle Wahrheitstafel zu F auf.
– Bestimme alle minimalen nicht-erfüllenden Belegungen von F .
– Für jede minimale nicht-erfüllende Belegung β, bilde die Disjunktion
_
p(1−β(p))
p∈VF
Beispiel: (¬p ∨ q ∨ r) wenn VF = {p, q, r} und β(p) = 1, β(q) = 0, β(r) = 0.

(Die Disjunktion hat genau eine nicht-erfüllende minimale Belegung: β.)
– Bilde die Konjunktion über alle diese Disjunktionen.
– Intuition: die KNF sagt“: β1 ist keine erfüllende Belegung und β2 ist keine erfüllende Belegung
”
und . . .
93
Kanonische KNF 261
ITE(p, q, r) := ((p → q) ∧ (¬p → r))
. Wahrheitstafel:
p q r ((p → q) ∧ (¬ p → r))
0 0 0 1 0 1 0
0 0 1 1 1 1 1
0 1 0 1 0 1 0
0 1 1 1 1 1 1
1 0 0 0 0 0 1
1 0 1 0 0 0 1
1 1 0 1 1 0 1
1 1 1 1 1 0 1
. KNF:
ITE(p, q, r) ≡ KF = (p ∨ q ∨ r) ∧ (p ∨ ¬q ∨ r)
(¬p ∨ q ∨ r) ∧ (¬p ∨ q ∧ ¬r)
KNF nützlicher“ als DNF 262

”
• Viele Formeln aus der Praxis sind in KNF (oder fast“ in KNF): Eine Menge von Anforderungen
”
wird durch eine Konjunktion von Formeln modelliert. Daher wird in der Praxis KNF häufiger
verwendet als DNF.
• Für jede Formel F gibt es eine zu F erfüllbarkeitsäquivalente Formel G in KNF, die nicht viel
länger als F ist. Das ist für viele Anwendungen wichtig.
– F ≡e G“ kurz für erfüllbarkeitsäquivalent, d.h. es gibt eine erfüllende Belegung βF für F
”
genau dann, wenn es eine erfüllende Belegung βG für G gibt.
. Beachte: βF muss nicht zu G passen und βG nicht zu F !
. Beispiel: F = (p1 ∧ p2 ) ∨ (p3 ∧ p4 ) ∨ . . . ∨ (p2k−1 ∧ p2k )
– KNF zu F besteht aus 2k verschiedenen Disjunktionen von Literalen (sog. Klauseln), ist also
exponentiell länger als F .
– Erfüllbarkeitsäquivalente Formel mittels Hilfsvariablen wird nur um konstanten Faktor länger.
Aufstellen einer KNF-Formel erfüllbarkeitsäquivalent zu F 263

• Sei TF die Menge aller Teilformeln von F (mit F ∈ TF ). Führe für jede Teilformel G ∈ TF eine neue
Hilfsvariable qG ein. Falls G atomar, setze qG := G, ansonsten sei qG eine noch nicht verwendete
Variable.
• Definiere für jede Teilformel G ∈ TF eine Formel KG wie folgt:
– Wenn G = p, dann sei KG := p
– Wenn G = ¬H, dann sei KG in KNF mit KG ≡ (qG ↔ ¬qH ).
– Wenn G = (H op H 0 ), dann sei KG in KNF mit KG ≡ (qG ↔ (qH op qH 0 )).
^
• Definiere EF := qF ∧ KG .
G∈TF
• Es gilt: F ≡e EF .
. Intuition: EF sagt genau aus, dass alle Hilfsvariablen qG den Wahrheitswerten der zugeordneten
Teilformeln G entsprechen und zusätzlich F selbst erfüllt sein soll.
94
Aufstellen einer KNF-Formel erfüllbarkeitsäquivalent zu F 264
• Gegeben F = (p1 ∧ p2 ) ∨ (p3 ∧ p4 ).

• Einführen der Hilfsvariablen für die Teilformeln führt auf:
q0 ∧ (q0 ↔ (q1 ∨ q2 )) ∧ (q1 ↔ (p1 ∧ p2 )) ∧ (q2 ↔ (p3 ∧ p4 ))
• Für die KNF müssen nur noch die Formeln (q0 ↔ (q1 ∨ q2 )), (q1 ↔ (p1 ∧ p2 )) und (q2 ↔ (p3 ∧ p4 ))
unabhängig von einander in KNF überführt werden.
. Jede dieser Formeln benutzt maximal 3 Variablen. Eine minimale KNF kann daher maximal aus 4 Klauseln
bestehen.
. Das führt zu
EF := q0 ∧ (¬q0 ∨ q1 ∨ q2 ) ∧ (q0 ∨ ¬q1 ) ∧ (q0 ∨ ¬q2 )
∧ (q1 ∨ ¬p1 ∨ ¬p2 ) ∧ (¬q1 ∨ p1 ) ∧ (¬q1 ∨ p2 )
∧ (q2 ∨ ¬p3 ∨ ¬p4 ) ∧ (¬q2 ∨ p3 ) ∧ (¬q2 ∨ p4 )
. Jede erfüllende Belegung von EF ist erfüllende Belegung von F ;
jede erfüllende Belegung von F lässt sich zu erfüllender, aber auch unerfüllender Belegung von EF erweitern:
F ≡e EF , F 6≡ EF !
4.2.5 Basen
Operator-Basis 265
• Konsequenz aus kanonischer DNF:
Zu jeder Wahrheitstafel lässt sich eine Formel in DNF konstruieren, d.h. zu jeder beliebigen Boo-
leschen Funktion
f : {0, 1}n → {0, 1}
gibt es eine Formel F in DNF mit VF = {p1 , p2 , . . . , pn }, so dass

[F ](β) = f β(p1 ), β(p2 ), . . . , β(pn )
für jede zu F passende Belegung β.

. Mit ¬, ∧, ∨ lässt sich jede Boolesche Funktion/jeder beliebige n-stellige Junktor beschreiben.
. Wir sagen: {¬, ∧, ∨} bildet eine (Operator-)Basis der Aussagenlogik bzw. {¬, ∧, ∨} ist eine vollständi-
ge Menge von Operatoren.
Operator-Basis 266
• Wichtig für Prozessoren: Muss nur {¬, ∨, ∧} physikalisch realisieren.
• Noch wichtiger: Die Mengen { ∧ } und { ∨ } sind vollständig.
– (F ∧ G) := ¬(F ∧ G) (NAND)
– (F ∨ G) := ¬(F ∨ G) (NOR)
. Beachte: beide nicht assoziativ.
. Folgt für { ∧ } z.B. aus:
¬F ≡ ≡ (F ∧ F )
(F ∨ G) ≡ ≡ ((F ∧ F ) ∧ (G ∧ G))
(F ∧ G) ≡ ≡ ((F ∧ G) ∧ (F ∧ G))
. Damit sind auch {∧, ¬}, {∨, ¬}, {→, ¬} und {→, false} vollständig.
. {→} und {∧, ∨} sind z.B. nicht vollständig.
95
4.2.6 DPLL: Davis-Putnam-Logemann-Loveland
DPLL: Davis-Putnam-Logemann-Loveland 267
• Grundlage der meisten aktuell verwendeten Löser für das Erfüllbarkeitsproblem der Aussagenlogik
(kurz: SAT).
Gegeben: aussagenlogische Formel F .
Frage: Ist F erfüllbar?
. Anwendungen:
Viele Optimierungsprobleme lassen sich sehr einfach mittels Aussagenlogik beschreiben (siehe
Übungen).
Beschreibungen sind häufig schon in KNF, ansonsten erfüllbarkeitsäquivalente Formel in KNF
verwenden.
SAT-Solver sind oft besser als Neuentwicklungen problemspezifischer Algorithmen.
Klauseldarstellung von KNF-Formeln 268

• Eine Klausel ist eine Disjunktion von Literalen.
– Beispiele: (p ∨ ¬q), (p ∨ q ∨ r), p
• Eine Klausel wird durch die Menge ihrer Literale dargestellt, z.B.
– Die Menge {p, ¬q, r} stellt die Klausel (p ∨ ¬q ∨ r) dar.
– Die leere Menge von Literalen stellt die Formel false dar.
– Beachte: p ≡ (p ∨ p) und (p ∨ q) ≡ (q ∨ p) folgen automatisch aus {p, p} = {p} und {p, q} =
{q, p}.
• Eine KNF-Formel wird durch die Menge ihrer Klauseln (genauer: die Menge der Darstellungen
ihrer Klauseln) dargestellt.
– Die Klauselmenge {{¬p}, {p, ¬q, r}} stellt die Formel ¬p ∧ (p ∨ ¬q ∨ r) dar.
– Die leere Menge von Klauseln stellt die Formel true dar.

• Basisidee: Fallunterscheidung zzgl. Aufräumen“
”
– Gegeben F in KNF, fixiere beliebige Variable x in F
. Für die Übungen wird meistens vorgegeben, in welcher Reihenfolge die Variablen zu überprüfen
sind, um einheitliche Lösungen zu erhalten!
– Bestimme F1 := F [x/true], d.h. ersetze jedes Vorkommen von x in F durch true; dann räume
”
auf“ mittels der Äquivalenzen (links durch rechts ersetzen):
true ∨ G ≡ true true ∧ G ≡ G ¬true ≡ false

false ∨ G ≡ G false ∧ G ≡ false ¬false ≡ true
und überprüfe, ob F1 erfüllbar ist; falls ja, fertig, ansonsten selbes Spiel mit F0 := F [x/false]
. Beispiel: F = ((p ∨ q ∨ ¬r) ∧ (¬p ∨ q ∨ s))
F1 := F [p/true] = (q ∨ s) F0 := F [p/false] = (q ∨ ¬r)
. F0/1 hat mindestens eine Variable weniger als F ; sobald Formel keine Variablen mehr hat, ist
Erfüllbarkeit direkt ablesbar.
96
• Klauselmengendarstellung erlaubt sehr einfache Implementierung:
– Die Klauselmenge zu F [x/true] erhält man, indem man zunächst alle Klauseln verwirft, die x
als Element enthalten, und aus den verbleibenden Klauseln jeweils ¬x entfernt:
KF [x/true] = {C \ {¬x} | C ∈ KF , x 6∈ C}.
. Entsprechend:
KF [x/false] = {C \ {x} | C ∈ KF , ¬x 6∈ C}.
. Beispiel: KF = {{p, q, ¬r}, {¬p, q, s}}
KF [p/true] = {{q, s}} KF [p/false] = {{q, ¬r}}
. In Klauselmengendarstellung sind die einzigen Formeln ohne Variablen {} (leere Klauselmenge,
nichts zu erfüllen, trivial erfüllt) und { {} } (Klauselmenge mit leerer Klausel, unerfüllbar).
DPLL: Basisversion 271

• Basisversion:
Gegeben Klauselmenge K, totale Ordnung auf den Variablen ≺
– Falls {} ∈ K, gib unerfüllbar zurück.
– Falls K = ∅, gib erfüllbar zurück.
– Ansonsten fixiere die bzgl. ≺ erste in K vorkommende Variable x.
Prüfe rekursiv, ob {C \ {¬x} | C ∈ K, x 6∈ C} erfüllbar ist;
falls ja, gib erfüllbar zurück;
ansonsten gib Ergebnis der Rekursion zu {C \ {x} | C ∈ K, ¬x 6∈ C} zurück.

{{¬p, q, ¬r, s}, {¬q, ¬r, s}, {r}, {¬p, ¬s}, {¬p, r}}
p := true p := false
{{q, ¬r, s}, {¬q, ¬r, s}, {r}, {¬s}} {{¬q, ¬r, s}, {r}}
q := false
q := true q := true
{{¬r, s}, {r}, {¬s}} {{¬r, s}, {r}, {¬s}} {{¬r, s}, {r}}
r := false r := false
r := true r := true r := true
{{s}, {¬s}} {{}, {¬s}} {{s}, {¬s}} {{}, {¬s}} {{s}}

s := false s := false
s := true s := true s := true
{{}} {{}} {{}} {{}} {}
• Variablenordnung im Beispiel: lexikographisch

• Gute Variablenordnung zu finden genauso schwierig wie erfüllende Belegung zu finden.
• In der Basisversion macht DPLL sehr viele unnötige Fallunterscheidungen.
97
• Sei K Klauselmenge, L Literal.
• Erweiterungen, um unnötige Fallunterscheidungen zu vermeiden:
– OLR: one-literal rule
Falls {L} ∈ K, dann muss L von jeder erfüllenden Belegung von K auf wahr gesetzt werden.
Daher reicht es K0 := {C \ {L} | L 6∈ C ∧ C ∈ K} weiter zu betrachten.
– PLR: pure-literal rule
Falls nur L in den Klauseln von K auftritt, aber L nicht, dann kann man oBdA L auf true
setzen, d.h. es reicht K0 := {C | L 6∈ C ∧ C ∈ K} weiter zu betrachten.
. Erweiterter DPLL: Höchste Priorität OLR, dann PLR, dann erst Fallunterscheidung.
DPLL: Algorithmus 274

• DPLL:
Gegeben Klauselmenge K, totale Ordnung auf den Variablen ≺
– Falls {} ∈ K, gib unerfüllbar zurück.
– Falls K = ∅, gib erfüllbar zurück.
– Falls OLR anwendbar, wähle bzgl. ≺ erstes Literal L mit {L} ∈ K; gib Ergebnis der Rekursion
zu {C \ {L} | L 6∈ C, C ∈ K} zurück.
– Falls PLR anwendbar, wähle bzgl. ≺ erstes Literal L mit {C ∈ K | L ∈ C} = ∅; gib Ergebnis
der Rekursion zu {C | L 6∈ C, C ∈ K} zurück.
– Ansonsten fixiere die bzgl. ≺ erste in K vorkommende Variable x.
Prüfe rekursiv, ob {C \ {¬x} | C ∈ K, x 6∈ C} erfüllbar ist;
falls ja, gib erfüllbar zurück;
ansonsten gib Ergebnis der Rekursion zu {C \ {x} | C ∈ K, ¬x 6∈ C} zurück.
. zzgl. caching, um selbe Klauselmenge nicht mehrmals zu untersuchen.

{{¬p, q, ¬r, s}, {¬q, ¬r, s}, {r}, {¬p, ¬s}, {¬p, r}}
OLR r := true
{{¬p, q, s}, {¬q, s}, {¬p, ¬s}}
PLR p := false
{{¬q, s}}
PLR q := false
{}
• Mit PLR und OLR lassen sich in diesem Beispiel alle Fallunterscheidungen vermeiden.
. Alle in der Praxis verwendeten SAT-Solver verwenden weitere Heuristiken, wie conflict-driven clause learning, und
effiziente Datenstrukturen für die Operationen auf den Klauselmengen, um so Formeln mit mehreren tausend Va-
riablen verarbeiten zu können.
98
DPLL: Evaluierung 276
• Auf Erfüllbarkeit ausgerichtet:
. Wenn die Formel erfüllbar ist, dann kann DPLL früh“ terminieren.
”
. DPLL berechnet eine erfüllende Belegung, wenn es eine gibt.
. Die erfüllende Belegung kann als Zertifikat der Erfüllbarkeit verwendet werden.
. Erfüllbare Formeln haben kurze Zertifikate: erfüllende Belegung nie länger als die Formel
selbst.
• Wir beschreiben nun ein zweites Verfahren, das auf Unerfüllbarkeit ausgerichtet ist: Resolution.
. Wenn die Formel unerfüllbar ist, dann kann Resolution früh“ terminieren.
”
. Resolution berechnet ein Zertifikat der Unerfüllbarkeit.
. Für einige Formeln ist das Zertifikat jedoch exponentiell länger als die Formel selbst.
. Alle bekannten Verfahren haben dieses Problem.
4.2.7 Resolution
Wissensrepräsentation 277
• Wissensrepräsentation mit Hilfe von Logik ist eine wichtige Technik der KI.
• Wissen über die Welt (Beziehungen, Empfehlungen, Anweisungen) werden mit Hilfe von Implika-
tionen F → G dargestellt (Regeln).
– Wenn der Kunde minderjährig ist, dann darf er keinen Alkohol kaufen.
– Wenn der Kunde verheiratet ist und Kinder hat, dann soll eine Lebensversicherung empfohlen
werden.
– Wenn Block A eine Kugel und Block B ein Würfel ist, dann darf Block A nicht auf Block B
gestellt werden.
• Eine Wissensbasis ist eine Konjunktion von Regeln.
• Frage: Gegeben eine Wissensbasis W , eine Konjunktion von Fakten F , und ein Ziel G, folgt G aus
W ∧ F , d.h., gilt W ∧ F |= G ?
Gilt G in allen Welten, in denen W und F gelten?“
”
• Äquivalente Frage: Ist die Formel W ∧ F ∧ ¬G unerfüllbar?
Beispiel
Wissensbasis: (¬q ∧ p) → s , r → (p ∨ ¬s) , ¬r → ¬s

Fakten: p
Ziel: q
• KNF für W ∧ F ∧ ¬G in Klauselmengendarstellung:
{q, ¬p, s} {¬r, p, ¬s} {r, ¬s} {p} {¬q}
99
Resolution 279
• Grundidee: füge iterativ neue Klauseln zur Formel hinzu, die logische Konsequenzen der ursprünglichen
Klauseln sind.
• Beispiel: wenn die Formel die Klauseln {¬p, q, r} und {¬r, s, t} enthält, dann kann die Klausel
{¬p, q, s, t} hinzugefügt werden.
Die Klauseln {¬p, q, r}, {¬r, s, t}, und {¬p, q, s, t} sind äquivalent zu
(p ∧ ¬q) → r r → (s ∨ t) (p ∧ ¬q) → (s ∨ t)
und es gilt (Transitivität der Implikation):
(p ∧ ¬q) → r , r → (s ∨ t) |= (p ∧ ¬q) → (s ∨ t)
oder
((p ∧ ¬q) → r) ∧ (r → (s ∨ t))
≡ ((p ∧ ¬q) → r) ∧ (r → (s ∨ t)) ∧ ((p ∧ ¬q) → (s ∨ t))
• Somit: Hinzufügen der neuen Klausel ändert die Formel nicht, macht nur “implizites Wissen”
explizit. (Vgl. transitiver Abschluss für Relationen.)
Resolution 280
• Beispiel: wenn die Formel die Klauseln {p} und {¬p} enthält, dann kann die leere Klausel hinzu-
gefügt werden.
Die Klauseln sind äquivalent zu
p p → false false
• Das Hinzufügen der leeren Klausel zeigt die Unerfüllbarkeit von W ∧ F ∧ ¬G, denn in diesem Fall
(W ∧ F ∧ ¬G) ≡ (W ∧ F ∧ ¬G) ∧ false ≡ false
Resolution: Resolvent zweier Klauseln 281

• Def.: Resolventenbildung
Für Literal L, Klauseln K1 , K2 mit L ∈ K1 , L ∈ K2 gilt:
K1 , K2 |= (K1 \ {L}) ∪ (K2 \ {L})
| {z }
Resolvent
wobei L das Literal mit L ≡ ¬L ist.

• Graphische Darstellung: (Immer genau ein Literal!)
{¬p, q, r} {¬r, s, t}
{¬p, q, s, t}
Resolution 282
• Die leere Klausel wird bei der Resolution auch mit bezeichnet.
• Die leere Klausel kann nur durch
{p} {¬p}
entstehen, was dem trivialen Widerspruch p ∧ ¬p ≡ false entspricht.

• Ziel jeder Resolution: die leere Klausel aus der ursprünglichen Klauselmenge resolvieren.
100
Resolution in Klauselmengendarstellung 283
• Basisversion der Resolution:
Gegeben eine Klauselmenge F , fügt man iterativ (ohne nachzudenken) alle möglichen Resolventen
hinzu:
Res0 (F ) := F
Resk+1 (F ) := Resk (F )
∪ {(K1 \ {L}) ∪ (K2 \ {L}) | K1 , K2 ∈ Resk (F ), L ∈ K1 , L ∈ K2 }
[
Res∗ (F ) := Resk (F )
k∈N0
• Insbesondere muss man hierfür nicht wissen, was Aussagenlogik ist, sondern nur mit Mengen um-
gehen können.
• In der Praxis hört man auf, sobald man resolviert hat.
• Verschiedene Strategien, um möglichst schnell/intelligent zu resolvieren.
Resolution 284
• Resolution in Pseudocode:
def Res∗ (F ): # F als Menge von Klauseln
todo := F
neu := ∅
while todo 6= ∅:
for K1 ∈ todo:
todo := todo - {K1 }
for K2 ∈ F :
for L ∈ K1 :
if L ∈ K2 :
R := (K1 \ {L}) ∪ (K2 \ {L})
if R 6∈ F :
F := F ∪ {R}
neu := neu ∪ {R}
if R = :
return F
todo := neu
neu := ∅
return F
Resolution: Suche nach der leeren Klausel 285

{¬q, s} {¬p, q, s} {p} {r, ¬s} {¬p, ¬r, ¬s}
{¬p, s} {q, s} {¬r, ¬s} {¬p, ¬s}
{s} {q, ¬r} {¬s}
{¬r, s} {} {¬r}
Resolution: Eine optimale Suche 286
101
{¬q, s} {¬p, q, s} {p} {r, ¬s} {¬p, ¬r, ¬s}
{¬p, s} {¬p, ¬s}
{s} {¬s}
{}
Resolution: Noch ein Beispiel 287
{¬q, ¬p, ¬r}{q, ¬p, ¬r} {r, ¬q, ¬p} {q, r, ¬p} {q, p, ¬r} {p, ¬q, ¬r} {p, r, ¬q} {q, p, r}
{¬p, ¬r} {r, ¬p} {p, ¬r} {p, r}
{¬r} {r}
{}
Resolution: Eigenschaften 288

• Satz: Sei F eine Formel in Klauselmengendarstellung/KNF. Dann gilt:
1. Die Berechnung von Res∗ (F ) terminiert immer.
2. Res∗ (F ) ≡ F .
3. ∈ Res∗ (F ) genau dann, wenn F ≡ false.
• Es folgt: Das Resolutionverfahren entscheidet für jede gegebene Formel F , ob F erfüllbar oder
unerfüllbar ist.
• Beweis des Satzes:
1. Nur Klauseln über den ursprünglichen Variablen werden erzeugt, davon gibt es aber nur
endlich viele (22|VF | ).
2. Nur logische Folgerungen werden hinzugefügt.
3. (a) Wenn ∈ Res∗ (F ) dann F ≡ false: Folgt aus (G ∧ false ≡ false). (b) Wenn F ≡ false,
dann ∈ Res∗ (F ): siehe die folgenden Folien.
102
∗
• Wir zeigen: Wenn F ≡ false, dann ∈ Res (F ).
• Sei F ≡ false. Beweis durch Induktion über die Anzahl n der Variablen von F .
• Induktionsbasis: n = 0. Es gilt F 6= {}, denn sonst F ≡ true. Es folgt F = {} und Res∗ (F ) = {}.
• Induktionsschritt: Fixiere beliebiges n ∈ N0 :
– Induktionsannahme: Für alle Formeln G mit n Variablen und G ≡ false gilt ∈ Res∗ (G).
– Induktionsbehauptung: Für alle Formeln F mit n + 1 Variablen und F ≡ false gilt ∈
Res∗ (F ).
– Beweis der Induktionsbehauptung: Sei F ≡ false mit n + 1 Variablen und p ∈ VF .
Aus dem Lemma folgt: F [p/true] und F [p/false] haben n Variablen und erfüllen F [p/true] ≡
false und F [p/false] ≡ false.
Aus der Induktionsannahme mit jeweils G := F [p/true] und G := F [p/false] folgen: ∈
Res∗ (F [p/true]) und ∈ Res∗ (F [p/false].
Daraus folgt ∈ Res∗ (F ).
F = { {¬q, s} , {¬p, q, s} , {p} , {r, ¬s} , {¬p, ¬r, ¬s} }

• Resolutionsgraphen für F [s/true] und F [s/false] induktiv konstruieren.
F [s/true] = { {p} , {r} , {¬p, ¬r} }

F [s/false] = { {¬q} , {¬p, q} , {p} }
{p} {r} {¬p, ¬r} {¬q} {q, ¬p} {p}
{¬r} {q}


• s und ¬s wieder einführen.
F = { {¬q, s} , {¬p, q, s} , {p} , {r, ¬s} , {¬p, ¬r, ¬s} }
{¬q} {¬p, q} {p} {p} {r} {¬p, ¬r}
{q} {¬r}

{¬q, s} {¬p, q, s} {p} {p} {r, ¬s} {¬p, ¬r, ¬s}
{q, s} {¬r, ¬s}
{s} {¬s}
103
• Resolutionsgraphen für {s} und {¬s} zusammenbinden.
{¬q, s} {¬p, q, s} {p} {p} {r, ¬s} {¬p, ¬r, ¬s}
{q, s} {¬r, ¬s}
{s} {¬s}
{¬q, s} {¬p, q, s} {p} {r, ¬s} {¬p, ¬r, ¬s}
{q, s} {¬r, ¬s}
{s} {¬s}
4.3 Ausblick: Prädikatenlogik

Ausblick: Prädikatenlogik 293
• Die Korrektheit der Inferenz
Wenn (alle X sind Y) und (Z ist ein X), dann (Z ist ein Y)
kann mit Aussagenlogik nicht nachgewiesen werden.
• Intuitiver Grund: die Aussagenlogik formalisiert nur die Begriffe und“, oder“, nicht“, wenn. . . dann“
” ” ” ”
aber nicht die Begriffe für alle“ oder ist“. Die Korrektheit des Argumentes hängt aber von den
” ”
Letzten ab.
• Vergleiche:
– Wenn (A und B) dann C
– Wenn (alle A sind B und C ist A) dann (C ist B)
• Vereinfacht ausgedrückt ist Prädikatenlogik Aussagenlogik plus für alle“ (∀), es gibt“ (∃) und
” ”
ist“ (sog. Prädikate).
”
5 Kombinatorik
5.1 Einführung
Kombinatorik 294
• Kombinatorik beschäftigt sich mit dem (effizienten) Abzählen komplizierter Mengen.
. Entstanden aus der Untersuchung von Glücksspielen
|A|
– Einfachster Wahrscheinlichkeitsbegriff |Ω| mit
Ω Menge aller möglichen Spielverläufe ( Elementarereignisse“),
”
A ⊆ Ω Teilmenge aller Spielverläufe, an denen man interessiert ist.
. Z.B.:
Wahrscheinlichkeit, dass fünf beliebig gewählte Karten ein Straight Flush“ sind.
”
104
Kombinatorik 295
• Schwierigkeit bei Kombinatorik: Modellierung
Natürlichsprachliche Beschreibung muss formalisiert werden.
– Meistens mehrere äquivalente Formalisierungen möglich, manche einfacher abzuzählen als an-
dere.
• Beispiel: Wie viele Poker-Hände sind möglich?
– Karten K = {2, 3, . . . , 10, J, Q, K, A}{♥, ♦, ♣, ♠}
– Anzahl Karten: |K| = 13 • 4 = 52.
– Eine Poker-Hand besteht aus 5 Karten.
• Modellierung als 5-Tupel oder als 5-elementige Menge möglich.
Kombinatorik 296
• Hand als 5-Tupel: Ωg = {(k1 , . . . , k5 ) ∈ K 5 | |{k1 , . . . , k5 }| = 5}.
– Geordnete Hand“
”
– Für i-te Karte ki nur noch |K| − (i − 1) Karten verfügbar.
– Insgesamt: 52 • 51 • 50 • 49 • 48 Hände
• Hand als 5-elementige Menge: Ωu = {S ⊆ K | |S| = 5}
– Ungeordnete Hand“
”
– Jede ungeordnete Hand {k1 , . . . , k5 } lässt sich zu 5 • 4 • 3 • 2 • 1 =: 5! geordneten Händen
anordnen/auflisten.
– D.h. je 5! geordnete Hände entsprechen einer ungeordneten Hand.

52 • 51 • 50 • 49 • 48 52! 52
– Also insgesamt: = =: .
5! 5! 47!
• 5
Kombinatorik 297
• Prinzipielles Vorgehen sobald Modellierung fixiert: Zählproblem schrittweise zurückführen auf be-
reits bekannte bzw. leicht abzuzählende Mengen.
• Beispiel: Berechnung der Wahrscheinlichkeit eines Straight Flush“.
”
– Ungeordnete Hand als 5-elementige Menge:
Ωu = {H ⊆ K | |H| = 5}
Straight Flush“ entspricht dann der Menge

”
Au = {{A♥, 2♥, 3♥, 4♥, 5♥}, {2♥, 3♥, 4♥, 5♥, 6♥},
. . . , {9♠, 10♠, J♠, Q♠, K♠}}
Jeder Straight Flush“ ist eindeutig durch die Farbe und die niedrigste Karte bestimmt, daher:
”
|Au | = |{A, 2, 3, . . . , 9} × {♥, ♦, ♣, ♠}| = 36
|Au | 36
Damit W’keit für Straight Flush“ = 52•51•...•48

” |Ωu | 5!
105
Kombinatorik 298
• Prinzipielles Vorgehen sobald Modellierung fixiert: Zählproblem schrittweise zurückführen auf be-
reits bekannte bzw. leicht abzuzählende Mengen.
• Beispiel: Berechnung der Wahrscheinlichkeit eines Straight Flush“.
”
– Geordnete Hand als 5-Tupel mit 5 verschiedenen Einträgen:
Ωg = {(k1 , . . . , k5 ) ∈ K 5 | |{k1 , . . . , k5 }| = 5}
Straight Flush“ entspricht dann der Menge

”
Ag = {(k1 , . . . , k5 ) | {k1 , . . . , k5 } ∈ Au }
Für jedes Element von Au gibt es 5 • 4 • 3 • 2 • 1 := 5! Elemente in Ag . Daher:
|Ag | = |Au | • 5!
|Ag | 36 • 5!
Damit W’keit für Straight Flush“ =
” |Ωg | 52 51 • . . . • 48
•
Kombinatorik 299
• Jede endliche Menge A lässt sich mit [|A|] = {1, . . . , |A|} identifizieren“, jede abzählbare Menge
”
mit einer Teilmenge von N0 .
• Damit lassen sich viele Abzählprobleme auf Teilmengen von [n]k oder Nk0 zurückführen, inbesondere
(für n, k ∈ N0 ):
– {(s1 , . . . , sk ) ∈ [n]k | |{s1 , s2 , . . . , sk }| = k}
– {(s1 , . . . , sk ) ∈ [n]k | s1 < s2 < . . . < sk }
– {(s1 , . . . , sk ) ∈ [n]k | s1 ≤ s2 ≤ . . . ≤ sk }
– {(s1 , . . . , sk ) ∈ Nk0 | s1 + s2 + . . . + sk = n}
– {(s1 , . . . , sk ) ∈ Nk0 | s1 + s2 + . . . + sk ≤ n}
• Wir bestimmen die Mächtigkeit dieser Mengen in Abhängigkeit von n, k.
. Bevor wir auf die einzelnen Mengen genauer eingehen, erwähnen wir einfache kombinatorische
Grundprinzipien, die das Abzählen von Mengen vereinfachen.
5.2 Kombinatorische Grundprinzipien

Kombinatorische Grundprinzipien: Summenregel 300
• Seien A, B beliebige Mengen.
– Gilt A ∩ B = ∅, dann auch |A ∪ B| = |A| + |B|, da jedes Element von A ∪ B in genau einer der
beiden Mengen vorkommt. D.h. die beiden Mengen können unabhängig voneinander abgezählt
werden.
Ω
A
B A
B
U P
. Analog im Fall einer Partition: wenn X = i∈N0 Ai dann |X| = i∈N0 |Ai |.
106
. Im Fall A ∩ B 6= ∅, gilt |A ∪ B| < |A| + |B| und
|A ∪ B| = |A| + |B| − |A ∩ B|
da |A| + |B| jedes Element aus A ∩ B zweimal zählt.
Kombinatorische Grundprinzipien: Produktregel 301

– Es gilt |A × B| = |A| • |B|, da wir für jedes der beiden Zeichen bzw. Komponenten unabhängig
voneinander aus A bzw. B wählen dürfen.
. Z.B. Anzahl geordnete Hände {2, 3, . . . , J, Q, K, A}{♥, ♦, ♣, ♠}:
♥ ♦ ♣ ♠
2 2♥ 2♦ 2♣ 2♠
3 3♥ 3♦ 3♣ 3♠
..
.
A A♥ A♦ A♣ A♠
Analog |A1 × . . . × An | = |A1 | · · · |An |, z.B. |{a, b}n | = 2n .
– In Kombination mit erster Regel z.B. |A × (B ∪ C)| = |A| • (|B| + |C|), falls B ∩ C = ∅.
Kombinatorische Grundprinzipien 302

– Gilt f : A → B mit f −1 (b) = m konstant für alle b ∈ B, d.h. jedes Element aus b hat genau
m Urbilder bzgl. f , dann gilt |A| = m |B|; d.h. es reicht, die kleinere der beiden Mengen
abzuzählen.
a6
a5
b3
a4
b2
a3
b1
a2
a1
Ist f bijektiv, dann gilt natürlich |A| = |f (A)| = |B| entsprechend der Definition der Kardi-
nalität von Mengen.
. Das ist ein Spezialfall der ersten Regel für A = b∈B f −1 (b), z.B.:
U
A = f −1 (b1 ) ∪ f −1 (b2 ) ∪ f −1 (b3 ) = {a1 , a6 } ∪ {a2 , a4 } ∪ {a3 , a5 }
Kombinatorische Grundprinzipien: Schubfachprinzip 303

• Für beliebige Funktionen f : A → B gilt:
X
|A| = f −1 (b) ≤ |B| max f −1 (b)
b∈B
b∈B
. Sind A und B endlich, folgt außerdem, dass

|A|
max f −1 (b) ≥
b∈B |B|
d.h. es muss mindestens ein b mit mindestens d|A| / |B|e Urbildern geben.
107
. Diese einfache, aber häufig sehr nützliche Beobachtung wird als Schubfachprinzip bzw. pigeon-hole
principle bezeichnet.
Kombinatorische Grundprinzipien: Schubfachprinzip 304

• Beispiele:
. In einer Gruppe von 3 Personen haben immer mindestens 2 = d3/2e das gleiche Geschlecht.
. In einer Gruppe von 13 Personen gibt es stets mindestens 2 = d13/12e, die im selben Monat
Geburtstag haben.
. In einer Vorlesung mit 1400 Teilnehmern muss es eine Woche geben, in der mindestens 27 =
d1400/52e ihren Geburtstag feiern, und bei jeder Klausur muss es mindestens eine Note (vor No-
tenbonus) geben, die mindestens 108 = d1400/13e Mal vergeben wird.
. Es gibt in Deutschland mindestens 415 = d83.000.000/200.000e Menschen, die exakt die gleiche
Zahl von Haaren auf dem Kopf tragen.
. In jedem einfachen Graph gibt es zwei Knoten mit demselben Grad.
Einfache Zählregeln: Doppeltes Abzählen 305

• Im Kapitel über Graphen hatten wir das Handschlaglemma kennengelernt:
X
2 |E| = deg(v)
v∈V
. Stellt man die sogenannte Inzidenzrelation eIv gdw. v ∈ e“ tabellarisch dar, dann ist deg(v) die
”
Summe über die Einträge in der Spalte zu v. Z.B.
2 4 I 1 2 3 4
{1, 2} 1 1 0 0
{1, 3} 1 0 1 0
{2, 3} 0 1 1 0
1 3 {2, 4} 0 1 0 1
P
. v∈V deg(v) ist daher die Summe aller Spaltensummen und die Summe über jede Zeile ist stets
gleich 2, da jede Kante zu genau zwei Knoten inzident ist.
. Damit ist die Summe aller Zeilensummen genau 2 |E| und das Handschlaglemma lediglich die
Aussage, dass die Summe aller Spaltensummen und die Summe aller Zeilensummen gleich sein
müssen.
Einfache Zählregeln: Doppeltes Abzählen 306

• Allgemein: Ist R ⊆ S × T eine binäre Relation mit S = {s1 , . . . , sm } und T = {t1 , . . . , tn } beliebig
aufgezählt, dann nennt man die Matrix (mi,j )i∈[m],j∈[n] ∈ {0, 1}m×n mit mi,j = 1 gdw. si Rtj“ die
”
Inzidenzmatrix zu R.
. Unter doppeltem Abzählen versteht man dann, dass
P P
die Summe der Spaltensummen j∈[n] i∈[m] mi,j gleich
P P
der Summe der Zeilensummen i∈[m] j∈[n] mi,j ist.
P P
. Mit anderen Worten, für jede binäre Relation R ⊆ S×T gilt s∈S |{t ∈ T | (s, t) ∈ R}|= t∈T |{s ∈
S | (s, t) ∈ R}|.
. Nützlich ist diese Beobachtung, wenn sich entweder die Zeilen- oder Spaltensummen sehr einfach
bestimmen lassen, z.B. im Fall des Handschlaglemmas, wo die Zeilensummen stets gleich 2 sind.
. Weiterführendes Beispiel: Das Brettspiel Hex läßt kein Unentschieden zu.
108
5.3 Das Urnenmodell: Ziehungen
Ziehen aus einer Urne 307
• Urne: fiktiver Behälter mit n Kugeln, die mit den Zahlen 1, . . . , n beschriftet sind.
• Es werden k Kugeln hintereinander gezogen. Verschiedene Regeln für die Ziehung führen zu ver-
schiedenen Ergebnismengen.
– Ziehen ohne Zurücklegen, mit Beachtung der Reihenfolge.
An,k := {(s1 , . . . , sk ) ∈ [n]k | |{s1 , s2 , . . . , sk }| = k}
– Ziehen ohne Zurücklegen, ohne Beachtung der Reihenfolge.
Bn,k := {(s1 , . . . , sk ) ∈ [n]k : s1 < s2 < . . . < sk }
N.B.: ohne Beachtung der Reihenfolge“ äquivalent zu darf beliebige Anordnung fixieren“.
” ”
– Ziehen mit Zurücklegen, ohne Beachtung der Reihenfolge.
Cn,k := {(s1 , . . . , sk ) ∈ [n]k : s1 ≤ s2 ≤ . . . ≤ sk }
– (Ziehen mit Zurücklegen, mit Beachtung der Reihenfolge: [n]k )
Ziehen aus einer Urne 308

• Wie viele mögliche Lottoziehungen gibt es? 49 Bälle und 6 Ziehungen. Ziehen ohne Zurücklegen,
ohne Beachtung der Reihenfolge.
• Ein Wettbewerb vergibt einen ersten, einen zweiten, . . . und einen k-ten Preis. Wie viele Möglichkeiten
gibt es, die Preise unter den n Wettbewerbsteilnehmer zu verteilen? n Bälle und k Ziehungen. Zie-
hen ohne Zurücklegen, mit Beachtung der Reihenfolge.
• Wie viele Möglichkeiten gibt es, k Fußballspiele auf n Austragungsorte zu verteilen? n Bälle und k
Ziehungen. Ziehen mit Zurücklegen, mit Beachtung der Reihenfolge.
• Wie viele Möglichkeiten gibt es, k Euro unter n Personen zu verteilen? n Bälle und k Ziehungen.
Ziehen mit Zurücklegen, ohne Beachtung der Reihenfolge.
5.3.1 Ziehen ohne Zurücklegen, mit Beachtung der Reihenfolge

− Zurücklegen, + Reihenfolge 309
An,k := {(s1 , . . . , sk ) ∈ [n]k | |{s1 , s2 , . . . , sk }| = k}

k-Tupel mit k verschiedenen Einträgen aus [n] = {1, 2, . . . , n}“
”
. Bsp.: (geordnete) Poker-Hände: {(k1 , . . . , k5 ) ∈ [52]5 | |{k1 , . . . , k5 }| = 5}.
• Mögliche Fälle in Abhängigkeit von n, k:
– Falls k > n, ist die Menge leer, da die Anforderungen nicht erfüllt werden können, also
|An,k | = 0.
– Falls k = 0 ≤ n, dann erfüllt nur das leere Tupel die Anforderungen, also |An,0 | = 1.
109
An,k := {(s1 , . . . , sk ) ∈ [n]k | |{s1 , s2 , . . . , sk }| = k}

”
– Falls 0 < k ≤ n, dann können wir rekursiv vorgehen, d.h. das Problem auf sich selbst
zurückführen, nur mit kleineren Parametern:
Jedes k-Tupel (s1 , . . . , sk ) ∈ An,k unterteilt sich in s1 und in ein Tupel (s2 , . . . , sk−1 ) von k −1
verschiedenen Einträgen aus [n] \ {s1 }.
Daher |An,k | = n • |An−1,k−1 |, wobei wir bereits wissen, dass |An,0 | = 1.
An,k := {(s1 , . . . , sk ) ∈ [n]k | |{s1 , s2 , . . . , sk }| = k}

”
– Mittels der Rekursionsgleichung
|An,k | = n • |An−1,k−1 | mit An,0 = 1
erhalten wir z.B. für die Anzahl der möglichen Hände beim Poker:
52!
|A52,5 | = 52 • |A51,4 | = 52 • 51 • |A50,3 | = . . . = 52 • 51 • 50 • 49 • 48 • |A47,0 | =
47!
n!
Im Allgemeinen: |An,k | = n • (n − 1) • . . . • (n − k + 1) = .
(n − k)!
5.3.2 Ziehen ohne Zurücklegen, ohne Beachtung der Reihenfolge

− Zurücklegen, − Reihenfolge 312
• Die Menge aller möglichen Ziehungen ist

[n]
{{s1 , . . . , sk } ⊆ [n] | |{s1 , . . . , sk }| = k} =:
k
k-elementige Teilmengen von [n]“

”
• Jede k-elementige Teilmenge von [n] lässt sich durch Sortieren eindeutig mit einem sortierten k-
Tupel identifizieren, z.B.
{3, 4, 2, 6} 7→ (2, 3, 4, 6)
• D.h. es gibt eine Bijektion zwischen der Menge [n]

k der k-elementigen Teilmengen von [n] und der
Menge
Bn,k := {(s1 , . . . , sk ) ∈ [n]k | s1 < s2 < . . . < sk }

Aufsteigend sortierte k-Tupel mit k verschiedenen Einträgen aus [n]“
”
. Beide Mengen sind somit gleich mächtig, und es reicht Bn,k abzuzählen.
110
Bn,k := {(s1 , . . . , sk ) ∈ [n]k | s1 < s2 < . . . < sk }
. Bsp.: Anzahl der ungeordneten Hände beim Poker mit 52 Karten.

bij.
Fixiere beliebige Aufzählung β : K −−→ [52], z.B.:
β(2♥) = 1, . . . , β(A♥) = 13, β(2♦) = 14, . . . , β(2♣) = 28, . . . , β(A♠) = 52

bij. bij.
Damit: Ungeordnete Hand −−→ Teilmenge von [52] −−→ sortiertes Tupel.
{8♦, A♠, 2♥, 3♥, 4♦} 7→ {20, 52, 1, 2, 16} 7→ (1, 2, 16, 20, 52)
Bn,k := {(s1 , . . . , sk ) ∈ [n]k | s1 < s2 < . . . < sk }
• Jedes (s1 , . . . , sk ) ∈ Bn,k kann auf k! unterschiedliche Arten umsortiert werden.

– Gegeben ein sortiertes Tupel (s1 , . . . , sk ) ∈ Bn,k setze S := {s1 , . . . , sk } und betrachte die
Menge T := {(t1 , . . . , tk ) ∈ S k | |{t1 , . . . , tk }| = k}
. Das sind genau alle möglichen Permutationen der Einträge von (s1 , . . . , sk ).
. T steht in Bijektion mit Ak,k ; also |T | = |Ak,k | = k!.
. Umgekehrt entsprechen jeweils k! Tupel aus An,k genau einem Tupel aus Bn,k , also |Bn,k | =
|An,k |
(mit 0! := 1).
k!
52! 52!
. Bsp.: geordnete Hände, ungeordnete Hände.
47! 47! • 5!
Bn,k := {(s1 , . . . , sk ) ∈ [n]k | s1 < s2 < . . . < sk }
n!
. Mit |An,k | = für 0 ≤ k ≤ n erhält man insgesamt
(n − k)!
n!
|Bn,k | = .
(n − k)! k!
• Allgemein definiert man den Binomialkoeffizienten
n!

falls 0 ≤ k ≤ n

n 
:= (n − k)! k!
k
0 sonst


n n
so dass |Bn,k | = , d.h. ist die Anzahl der k-elementigen Teilmengen einer n-elementigen
k k
Menge.
111
Bn,k := {(s1 , . . . , sk ) ∈ [n]k | s1 < s2 < . . . < sk }
• Wir betrachten noch einen alternativen Weg zur Bestimmung von |Bn,k | mittels einer Rekursions-
gleichung.
. Jedes sortierte k-Tupel (s1 , . . . , sk ) ∈ Bn,k mit Einträgen aus [n] fällt in genau eine der beiden
Klassen:
– n kommt nicht vor, d.h. sk ≤ n − 1, also (s1 , . . . , sk ) ∈ Bn−1,k .
– n kommt vor, d.h. sk = n und damit (s1 , . . . , sk−1 ) ∈ Bn−1,k−1 . (D.h. {(s1 , . . . , sk−1 , n) ∈
Bn,k } steht in Bijektion mit Bn−1,k−1 .)
Damit können wir statt Bn,k die beiden Mengen Bn−1,k und Bn−1,k−1 jeweils zählen und mit Hilfe
der Summenregel einfach addieren:
|Bn,k | = |Bn−1,k | + |Bn−1,k−1 | mit |Bn,0 | = 1 und |Bn,n | = 1
Bn,k := {(s1 , . . . , sk ) ∈ [n]k | s1 < s2 < . . . < sk }
• Damit erhält man die Rekursionsgleichung für die Binomialkoeffizienten:

n n−1 n−1
= +
k k k−1

n
die eine einfache rekursive Berechnung von erlaubt (siehe dynamische Programmierung in
k
Einführung in die Informatik).
Exkurs: Die Binomialformel

• Die Binomialformel, gültig für alle x, y ∈ R, n ∈ N0 , lautet:
n
X n
(x + y)n = xk y n−k
k
k=0
n
z }| {
Begründung: Multiplizert man mechanisch (x + y) · · · (x + y) aus, so gilt
X
(x + y)n = a1 a2 · · · an
(a1 ,...,an )∈{x,y}n
d.h. man erhält jedes Wort aus {x, y}n genau einmal als Summanden, da man aus jedem der n
Faktoren (x + y) entweder x oder y wählen darf.
• Es gilt a1 · · · an = xk y n−k gdw. x genau k-mal in a1 · · · an vorkommt. Damit gibt es eine Bijektion
zwischen den Tupeln (a1 , . . . , an ) mit a1 · · · an = xk y n−k und den k-elementigen Untermengen von
[n].

n
• Es gibt also Summanden mit Betrag xk y n−k .
k
112
Exkurs: Einige Anwendungen der Binomialformel 319
. Mit y := 1 ergibt sich:
n
X n
(1 + x)n = xk
k
k=0
Leitet man beide Seiten nach x ab, so erhält man hiermit:

n
X n
n(1 + x)n−1 = kxk−1
k
k=1
Insbesondere für x := 1 folgt daher:

n
X n
n • 2n−1 = k
k
k=1

. Entsprechend ergibt sich einerseits
m+n
X
m n m+n m+n k
(1 + x) (1 + x) = (1 + x) = x
k
k=0
und andererseits ! n 
m
X m X n
(1 + x)m (1 + x)n = xi  xj 
i=0
i j=0
j
| {z }
∗
Der Koeffizient von x in ∗ ergibt sich durch Summation der Koeffizienten von xi und xj für
k
i + j = k:
k
m+n k X m i n
x = x xk−i
k i=0
i k − i

. Mit x := 1 erhält man die Vandermondesche Identität:
X k
m+n m n
=
k i=0
i k−i
• Alternative Herleitung der Vandermondeschen Identität: Um k Elemente aus [m+n] ohne Zurücklegen
ohne Beachtung der Reihenfolge zu ziehen, kann folgendermaßen vorgegangen werden:
– Wähle eine Zahl 0 ≤ i ≤ k.
– Ziehe i Elemente aus [m].
– Ziehe die verbleibenden k − i Elemente aus [m + n] \ [m].

m n
Für jedes i gibt es möglichen Ziehungen.
i k−i
113
• Ebenfalls mittels der Binomialformel erhält man
n
X n
0= (−1)k
k
k=0
und
n
n
X n
2 =
k
k=0

n
Letzteres bedeutet, dass [n] genau 2n Teilmengen besitzt, da die Anzahl der k-elementigen
k
Teilmengen von [n] ist.
5.3.3 Ziehen mit Zurücklegen, ohne Beachtung der Reihenfolge

+ Zurücklegen, − Reihenfolge 323
Cn,k := {(s1 , . . . , sk ) ∈ [n]k | s1 ≤ s2 ≤ . . . ≤ sk }

Aufsteigend sortierte k-Tupel über [n] mit Wiederholungen“
”
. Bsp.: 5 Karten ziehen mit Zurücklegen in Stapel nach jeder Ziehung
Karten wieder mit [52] identifiziert.
Geordnete Hand: {(s1 , s2 , . . . , s5 ) ∈ [52]5 } = 525 .
Ungeordnete Hand: {(s1 , s2 , . . . , s5 ) ∈ [52]5 | s1 ≤ s2 ≤ . . . ≤ s5 } = |C52,5 | =?
(Erinnerung: ungeordnet“ entspricht fixiere beliebige Anordnung“)
” ”
Cn,k := {(s1 , . . . , sk ) ∈ [n]k | s1 ≤ s2 ≤ . . . ≤ sk }

Aufsteigend sortierte k-Tupel über [n] mit Wiederholungen“
”
• Beobachtung: Da die Anordnung vorgegeben ist, reicht es zu wissen, wie häufig jeder Wert s ∈ [n]
in (s1 , . . . , sk ) vorkommt.
. Dk,n := {(k1 , . . . , kn ) ∈ Nn0 | k1 + k2 + . . . + kn = k} Zählvektoren mit Summe k.
Eintrag ki zählt Vorkommen von Wert i (d.h., wie oft der Wert i gezogen wurde).
. Bsp.: n = 5, k = 6
C5,6 3 (1, 1, 2, 4, 5, 5) →
7
←[ (2, 1, 0, 1, 2) ∈ D6,5
. Da |Cn,k | = |Dk,n | (Positionen von n und k beachten!) zählen wir Dk,n statt Cn,k .
Dn,k := {(s1 , . . . , sk ) ∈ Nk0 | s1 + s2 + . . . + sk = n}

Zählvektoren mit k Einträgen und Summe n“
”
. Eselsbrücke: Komponenten des Zählvektors unär statt dezimal darstellen
Aus 0 wird ε, aus 1 wird |, aus 2 wird ||, aus 10 wird ||||||||||, usw.
114
. Beispiel:
(1, 1, 2, 4, 5, 5) →
7 7 →
←[ (2, 1, 0, 1, 2) ←[ ||, |, , |, ||
. Dn,k entspricht der Menge der Wörter, die aus genau n Strichen und k − 1 Kommata bestehen.
Dn,k := {(s1 , . . . , sk ) ∈ Nk0 | s1 + s2 + . . . + sk = n}

Zählvektoren mit k Einträgen und Summe n“
”
. Jedes Wort der Länge n + k − 1 mit genau n Strichen und k − 1 Kommata ist durch die Positionen
der Striche bzw. der Kommata vollständig beschrieben.
. Beispiel:
(1, 1, 2, 4, 5, 5) 7→ 7→ 7→
←[ (2, 1, 0, 1, 2) ←[ ||, |, , |, || ←[ {1, 2, 4, 7, 9, 10}

n+k−1
. Es gibt Möglichkeiten, um die Positionen der Striche zu wählen.
n

n+k−1
. Wir erhalten: |Dn,k | = = |Ck,n |
n

n+k−1
. Durch Vertauschen von n und k ergibt sich |Cn,k | = .
k
Eine Variante 327
En,k := {(s1 , . . . , sk ) ∈ Nk0 | s1 + s2 + . . . + sk ≤ n}

Zählvektoren mit k Einträgen und Summe höchstens n“
”
. Z.B. Ziehen von maximal 5 Karten mit Zurücklegen ohne Beachtung der Reihenfolge.
. Ansatz: En,k steht in Bijektion mit Dn,k+1 ( Zählvektoren mit k + 1 Einträgen und Summe n“)
”
Eintrag sk+1 = n − (s1 + . . . + sk ) sammelt den Rest“:
”
En,k 3 (s1 , . . . , sk ) →
7
←[ (s1 , . . . , sk , n − (s1 + s2 + . . . + sk )) ∈ Dn,k+1

n+k
Damit: |En,k | = |Dn,k+1 | = .
n
Eine Variante 328

• Alternativer Ansatz (zum Vergleich): für jedes 0 ≤ m ≤ n gibt es |Dm,k | Zählvektoren mit Summe
m.
Es folgt
n n
X X m+k−1
|En,k | = |Dm,k | =
m=0 m=0
m
Also gilt
n
X m+k−1 n+k
=
m=0
m n
115
5.3.4 Beispiele
Drei einfache Aufgaben 329
• Wie viele Möglichkeiten gibt es, die Buchstaben ABCDEFGH so anzuordnen, dass die Buchsta-
benfolge ABC enthalten ist?
– Wir führen das Problem auf das Ziehen von 6 Elementen ohne Zurücklegen aus der 6-
elementigen Menge { ABC, D, E, F, G, H }. Damit gibt es 6! = 720 Möglichkeiten.
• Wie viele verschiedene Wörter erhält man durch Permutation der Buchstaben von hallo“?
”
– Wenn die zwei l“ unterscheidbar wären (hal1 l2 o), dann gäbe es 5! = 120 Wörter.
”
– Dadurch wird jedes Wort jedoch genau zweimal gezählt: Z.B. ist ohlal mit ohl1 al2 und ohl2 al1
zweimal vertreten. Man erhält also 120/2 = 60 Wörter.
• Wie viele verschiedene Wörter erhält man durch Permutation der Buchstaben von bewunderns-
”
wert“?
– Das Wort enthält drei e“, zwei w“, zwei n“ und zwei r“. Mit 14! wird jedes Wort 3! • 2! •
” ” ” ”
2! • 2! = 48 Mal gezählt. Man erhält also 14!/48 = 1.816.214.400 Wörter.
Die Lottosensation vom 29.6.1995 330
Stuttgart(dpa/lsw). Die Staatliche Toto-Lotto GmbH in Stuttgart hat ei-

ne Lottosensation gemeldet: Zum ersten Mal in der 40jährigen Geschichte das
deutschen Zahlenlottos wurden zwei identische Gewinnreihen festgestellt. Am
21. Juni dieses Jahres [3016. Ausspielung] kam im Lotto am Mittwoch in der
Ziehung A die Gewinnreihe 15-25-27-30-42-48 heraus. Genau die selben Zah-
len wurden bei der 1628. Ausspielung im Samstagslotto schon einmal gezogen,
nämlich am 20. Dezember 1986. Welch ein Lottozufall: Unter den 49 Zahlen
sind fast 14 Millionen verschiedene Sechserreihen möglich.
• Ist das wirklich eine Sensation?

49
• Es gibt M := = 13.983.816 mögliche (Sechser-)Ziehungen.
6
• Wie viele Sequenzen von 3016 Ziehungen gibt es, und wie viele davon enthalten irgendeine Ziehung
mindestens zweimal?
• Sei Z die Menge aller Sechser-Ziehungen und |Z| = M . Wir ziehen 3016 Elemente aus Z mit
Zurücklegen und mit Beachtung der Reihenfolge. Die Anzahl S der möglichen Tupel von Sechser-
Ziehungen beträgt S = M 3016 .
• Wie viele von diesen Tupeln enthalten irgendeine Sechser-Ziehung mindestens zweimal? Trick: wir
berechnen die Anzahl HE der Tupel, in denen jede Sechser-Ziehung höchstens einmal vorkommt,
und subtrahieren sie von S.
Für die Berechnung von HE ziehen wir 3016 Elemente aus Z ohne Zurücklegen mit Beachtung der
Reihenfolge. Wir erhalten:
M!
HE =
(M − 3016)!
116
• Unter der Annahme, dass alle Sequenzen gleich wahrscheinlich sind, haben wir für die W‘keit p
nach 3016 Ziehungen mindestens eine Wiederholung gesehen zu haben:
M! 3015
S − HE HE (M −3016)!
Y M −i
p= =1− =1− =1−
S S M 3016 i=0
M
≈ 0, 278 = 27, 8%
• Mit demselben Prinzip erhält man, dass die W’keit, dass in einer Gruppe von 23 Personen mind.
zwei Personen am gleichen Tag Geburtstag haben, größer als 50% ist (Geburtstagsparadoxon).
5.4 Weitere Verteilungsprobleme

Verteilungsprobleme 333
• Wir haben schon einige Verteilungsprobleme“ gelöst, wie die Berechnung der Möglichkeiten, k
”
Fußball-Spiele auf n Austragungsorte oder k Euromünzen auf n Menschen zu verteilen.
• Wir betrachten nun weitere Probleme dieser Art:
– Wie viele Möglichkeiten gibt es, k Weihnachtsgeschenke unter n Kindern zu verteilen, so dass
jedes Kind mindestens ein Geschenk erhält?
Sowohl die Kinder als auch die Geschenke sind unterscheidbar!
– Wie viele Möglichkeiten gibt es, k Weihnachtsgeschenke in n Päckchen aufzuteilen, so dass
jedes Päckchen mindestens ein Geschenk enthält?
Die Päckchen sind nicht unterscheidbar, die Geschenke schon.
– Wie viele Möglichkeiten gibt es, n Euromünzen unter k Kindern zu verteilen, so dass jedes
Kind mindestens eine Münze erhält?
Die Münzen sich nicht unterscheidbar, die Kinder schon.
– Wie viele Möglichkeiten gibt es, n Euromünzen in k Päckchen aufzuteilen, so dass jedes
Päckchen mindestens eine Münze enthält?
5.4.1 Stirling-Zahlen 2. Art

Stirling-Zahlen 2. Art 334
• Wie viele Möglichkeiten gibt es, k (Weihnachts)-Geschenke unter n Kindern zu verteilen, so dass
jedes Kind mindestens ein Geschenk erhält?
• Sowohl die Kinder als auch die Geschenke sind unterscheidbar!
• Die Menge der Möglichkeiten ist
Fn,k := {(s1 , . . . , sk ) ∈ [n]k | |{s1 , s2 , . . . , sk }| = n} .
Hier ist si das Kind, welches das i-te Geschenk erhält.

• Z.B. für k = 6, n = 4 beschreibt das Tupel (3, 1, 3, 2, 2, 4), dass die Geschenke 1, 2, 3, 4, 5, 6 jeweils
an die Kinder 3, 1, 3, 2, 2, 4 ausgehändigt werden.
Es gilt z.B. (3, 3, 2, 2, 4, 4) ∈

/ Fn,k , denn Kind 1 geht leer aus.
. Fn,k ist für k ≥ n nicht leer; für k < n jedoch Fn,k = ∅. Es gilt |Fn,n | = n!.
117
• Äquivalente Darstellung: wir geben für jedes Kind an, welche nicht-leere Teilmenge der Geschenke
es erhält.
• Mathematisch: Ordne dem k-Tupel (s1 , . . . , sk ) ∈ Fn,k diejenige geordnete Partition von [k] in
genau n Klassen zu, die gegeben wird durch: i, j ∈ [k] liegen in derselben Klasse, falls si = sj .
. Z.B. für n = 4, k = 6:
(3, 1, 3, 2, 2, 4) 7→ ({2}, {4, 5}, {1, 3}, {6})
(3, 1, 3, 4, 2, 4) 7→ ({2}, {5}, {1, 3}, {4, 6})

• Wieviele Möglichkeiten gibt es, k Geschenke in n Päckchen aufzuteilen, so dass jedes Päckchen
mindestens ein Geschenk enthält?
• Die Päckchen sind nicht unterscheidbar!
• Eine Aufteilung entspricht nun einer ungeordneten Partition von [k] in n Äquivalenzklassen:
{{2}, {4, 5}, {1, 3}, {6}} = {{1, 3}, {2}, {6}, {4, 5}}
. Die Anzahl der Partitionen von n Elementen in k (nicht leere) Klassen bezeichnet man als Stirling-
Zahl zweiter Art Sn,k .
. Achtung:
– In Fn,k bezeichnet n die Anzahl der Klassen und k die Anzahl der Objekte.
– In Sn,k bezeichnet n die Anzahl der Objekte und k die Anzahl der Klassen.

. Für jede Partition von n Elementen in k (nicht leere) Klassen gibt es genau k! geordnete Partitionen.
Z.B. für n = 4, k = 3 haben wir
 
 ({2}, {1, 4}, {3}) , ({2}, {3}, {1, 4}) 
{ {2}, {1, 4}, {3} } 7→ ({1, 4}, {2}, {3}) , ({1, 4}, {3}, {2})
({3}, {1, 4}, {2}) , ({3}, {2}, {1, 4})
 
. Somit gilt
|Fn,k | = n! • Sk,n
• Wir bestimmen Sk,n mit Hilfe einer Rekursionsgleichung.
Rekursionsgleichung für die Stirling-Zahlen 2. Art: Idee 338

. Betrachten wir die Partitionen von [5] in 4 Klassen:
{{1}, {2}, {3, 4}, {5}} {{1, 5}, {2}, {3}, {4}}
{{1}, {2, 3}, {4}, {5}} {{1}, {2, 5}, {3}, {4}}
{{1}, {2, 4}, {3}, {5}} {{1}, {2}, {3, 5}, {4}}
{{1, 2}, {3}, {4}, {5}} {{1}, {2}, {3}, {4, 5}}
{{1, 3}, {2}, {4}, {5}}
{{1, 4}, {2}, {3}, {5}}
• Wir teilen sie auf in Partitionen, in denen 5 eine eigene Klasse bildet (6 Stück, links) und den Rest
(4 Stück, rechts).
118
• Wenn wir die 5 entfernen“ erhalten wir links alle Partitionen von [4] in 3 Klassen und rechts alle
”
Partitionen von [4] in 4 Klassen
{{1}, {2}, {3, 4}} {{1}, {2}, {3}, {4}}
{{1}, {2, 3}, {4}}
{{1}, {2, 4}, {3}}
{{1, 2}, {3}, {4}}
{{1, 3}, {2}, {4}}
{{1, 4}, {2}, {3}}
Rekursionsgleichung für die Stirling-Zahlen 2. Art: Idee 339

• Jede Partition von [4] in 3 Klassen ergibt eine Partition von [5] in 4 Klassen:
{{1}, {2}, {3, 4}} 7→ {{1}, {2}, {3, 4}, {5}}
• Jede Partition von [4] in 4 Klassen ergibt 4 Partitionen von [5] in 4 Klassen:
{{1}, {2}, {3}, {4}} 7→ {{1, 5}, {2}, {3}, {4}}
{{1}, {2, 5}, {3}, {4}}
{{1}, {2}, {3, 5}, {4}}
{{1}, {2}, {3}, {4, 5}}
• Es gilt also: S5,4 = S4,3 + 4 • S4,4
Rekursionsgleichung für die Stirling-Zahlen 2. Art 340

n n−1 n−1
. Ähnlich zu der Rekursionsgleichung = + für die Binomialzahlen partitioniert
k k k−1
man nach n.
• Sei P = {P1 , . . . , Pk } eine Partition von [n] in k Klassen.
Falls {n} ∈ P, dann ist P \ {{n}} eine Partition von [n − 1] in k − 1 Klassen.
Ansonsten ist {P \ {n} | P ∈ P} eine Partition von [n − 1] in k Klassen.
. Dabei lässt sich jede Partition von [n − 1] in k Klassen auf k Arten zu einer Partition von [n] in k
Klassen erweitern: man muss nur die Klasse wählen, die um n ergänzt werden muss.
. Damit gilt für n ≥ k ≥ 0:

Sn,k = Sn−1,k−1 + k • Sn−1,k für n > k > 0
Sn,0 = 0 für n > 0
Sn,n = 1
5.4.2 Die Siebformel
Eine geschlossene Form für |Fn,k | und Sn,k 341
• Fn,k := {(s1 , . . . , sk ) ∈ [n]k | |{s1 , s2 , . . . , sk }| = n} .
• Um eine geschlossene Formel für |Fn,k | und Sn,k zu erhalten, betrachten wir einen zweiten Ansatz,
um Fn,k abzuzählen. Wir verwenden zwei Techniken:
– Abzählen des Komplements. Problem: Bestimmung von |X| für eine Menge X ⊆ U . Statt
|X| direkt zu berechnen kann es einfacher sein, |U | und |X c | für X c = U \ X zu bestimmen
und |X| = |U | − |X c | zu setzen.
– Prinzip der Inklusion
Sn und Exklusion (kurz: Siebformel). Eine Formel für die Bestimmung von
|X| wenn X = i=1 Yi und die Yi nicht notwendigerweise disjunkt sind.
c
. Das Komplement Fn,k := [n]k \ Fn,k besteht genau aus allen k-Tupeln, in denen mindestens ein
Element aus [n] nicht vorkommt.
. Offensichtlich gilt nk = Fn,k

c c
+ Fn,k , es reicht also Fn,k zu bestimmen.
119
c
Bestimmung von Fn,k 342
c
• Erinnerung: Fn,k enthält alle k-Tupel, in denen mindestens ein Element aus [n] nicht vorkommt.
• Damit gilt [
c
Fn,k = ([n] \ {x})k
x∈[n]
k
– ([n] \ {x}) ist die Menge aller k-Tupel, in denen x nicht vorkommt.
– Es folgt: Jedes k-Tupel, in dem mindestens ein Element aus [n] nicht vorkommt, gehört zu
mindestens einer der Mengen ([n] \ {x})k .
X k
c
• Problem: I.A. gilt nur Fn,k < |[n] \ {x}| = n • (n − 1)k , da z.B. alle Tupel ([n] \ {1, 2})k
x∈[n]
sowohl für x = 1 als auch für x = 2 mitgezählt werden.
. Die Siebformel erlaubt, die Summation zu korrigieren.
Die Siebformel 343

• Für die Vereinigung zweier Mengen A, B gilt:
|A ∪ B| = |A| + |B| − |A ∩ B| .
Ω
A
B A
Die Siebformel 344

• Für die Vereinigung dreier Mengen A, B, C ist zu berücksichtigen, dass |A|+|B|+|C| jedes Element
in genau zwei der Mengen zweimal zählt, und jedes Element in den drei Mengen dreimal zählt.
• Damit gilt:
|A ∪ B ∪ C| = + |A| + |B| + |C|
− |A ∩ B| − |A ∩ C| − |B ∩ C|
+ |A ∩ B ∩ C| .
A
A
B C B
Die Siebformel 345
120
• Für die Vereinigung von vier Mengen A, B, C, D gilt:
+ |A ∪ B ∪ C ∪ D|
= + |A| + |B| + |C| + |D|
− |A ∩ B| − |A ∩ C| − |A ∩ D| − |B ∩ C| − |B ∩ D| − |C ∩ D|
+ |A ∩ B ∩ C| + |A ∩ B ∩ D| + |A ∩ C ∩ D| + |B ∩ C ∩ D|
− |A ∩ B ∩ C ∩ D| .
Sm
• Für X = i=1 Yi gilt die Siebformel:
m
X X \
|X| = (−1)r−1 Yi
r=1 I⊆[m] : |I|=r i∈I
Die Siebformel 346

• Die Siebformel lässt sich mittels Induktion nach m beweisen.
. Ansatz für den Beweis des Induktionsschritts:
m+1
[ m
[
Yi = Ym+1 ∪ Yi
i=1 i=1
| {z }
=:Z
Dann = 2 auf Ym+1 ∪ Z anwenden und anschließend die Formel für m auf
Sm zuerst die Formel für mS m
j=1 Yj und auf Ym+1 ∩ Z = j=1 (Yj ∩ Ym+1 ) anwenden.
c
Bestimmung von Fn,k mit Hilfe der Siebformel 347
T
• Damit die Siebformel sinnvoll eingesetzt werden kann, müssen die Schnitte i∈I Yi einfach(er)
abzuzählen sein.
c
und Yi = ([n] \ {i})k ist i∈I Yi die Menge aller k-Tupel mit Elementen aus
T
. Im Fall von X = Fn,k
[n] \ I.
Y = ([n] \ I)k = (n − |I|)k . [0.1cm] Insbesondere, wenn |I1 | = |I2 |, dann gilt
T
. Es folgt:
T T i
i∈I
i∈I1 Yi = i∈I2 Yi .
n

. [n] enthält genau |I| Teilmengen I. Durch Einsetzen in die Siebformel erhält man:
n
X n
c
Fn,k = (−1)|I|+1 (n − |I|)k
|I|
|I|=1
Mittels elementarer Umformungen erhält man hieraus:

n n
i n n−i n
X X
k
n!Sk,n = |Fn,k | = (−1) (n − i) = (−1) ik
i=0
i i=0
i
5.4.3 Anzahl Partitionen bei vorgegebener Klassengröße

Anzahl Partitionen bei vorgegebener Klassengröße 348
• Wir hatten bereits die Stirling-Zahlen 2. Art Sn,k kennengelernt:
Sn,k zählt die verschiedenen Partitionen von [n] in genau k Klassen, mit anderen Worten Sn,k ist
die Anzahl der Äquivalenzrelationen über [n] mit genau k Klassen.
121
• In manchen Fällen benötigt man jedoch die Anzahl der Äquivalenzrelationen über [n], die genau
λi viele i-elementige Klassen besitzen.
. Bsp.: Partitionen von [3]:
λ1 λ2 λ3 Partitionen
0 0 1 {{1, 2, 3}}
1 1 0 {{1}, {2, 3}}, {{2}, {1, 3}}, {{3}, {1, 2}}
3 0 0 {{1}, {2}, {3}}
Pn
• Dabei muss i=1 iλi = n gelten; insbesondere gibt es genau |P2n,n | mögliche Werte für (λ1 , . . . , λn )
bei festem n (siehe Zahlpartitionen).

Pn
• Seien n, λ1 , . . . , λn ∈ N0 mit i=1 iλi = n gegeben.
. Wir ordnen jeder Permutation {(s1 , . . . , sn ) ∈ [n]n | {s1 , . . . , sn } = [n]} eine Partition mit genau
λi vielen i-elementigen Klassen zu, indem wir für anwachsendes i von links nach rechts jeweils λi
viele i-Tupel abspalten und als Klassen lesen:
. Z.B für n = 6 und λ1 = 1, λ2 = 1, λ3 = 1:
(1, 3, 6, 2, 5, 4) 7→ (1)(3, 6)(2, 5, 4) 7→ {{1}, {3, 6}, {2, 5, 4}}
während für λ2 = 1, λ4 = 1:
(1, 3, 6, 2, 5, 4) 7→ (1, 3)(6, 2, 5, 4) 7→ {{1, 3}, {6, 2, 5, 4}}
• Formal:
– Setze k := 1, P := ∅
– Für i von 1 bis n:
∗ Für j von 1 bis λi :
Setze P := P ∪ {{sk , . . . , sk+i−1 }}.
Setze k := k + i.

• Dabei können sowohl die Einträge der abgetrennten Tupel beliebig umgeordnet werden, als auch
die Reihenfolge der Tupel derselben Länge, z.B für n = 6 und λ1 = 2, λ2 = 2:
(1, 3, 6, 2, 5, 4) 7→ (1)(3)(6, 2)(5, 4) 7→ {{1}, {3}, {2, 6}, {4, 5}}

(3, 1, 4, 5, 2, 6) 7→ (3)(1)(4, 5)(2, 6) 7→ {{1}, {3}, {2, 6}, {4, 5}}
(3, 4, 1, 2, 5, 6) 7→ (3)(4)(1, 2)(5, 6) 7→ {{3}, {4}, {1, 2}, {5, 6}}
Jedes der λi -vielen i-Tupel kann auf i! Weisen umgeordnet werden;

die λi -vielen i-Tupel können auf λi ! Arten angeordnet werden;
d.h. je (1!)λ1 · · · (n!)λn • λ1 ! · · · λn ! viele Permutation werden auf dieselbe Partition abgebildet:
. Damit gibt es genau
n!
(1!)λ1 · · · (n!)λn • λ1 ! · · · λn !
Partitionen von [n] mit λi vielen i-elementigen Klassen.
122
5.4.4 Stirling-Zahlen 1. Art
bij
• Sei f : [n] → [n] eine Permutation von [n], z.B.:
f (1) = 1, f (2) = 6, f (3) = 4, f (4) = 3, f (5) = 2, f (6) = 5
• Wir können f als Kantenrelation über der Knotenmenge [n] lesen, z.B.
6
1 5
2 4
3
. Dabei fällt auf, dass ([n], f ) stets in eine Menge disjunkter (einfacher) Kreise zerfällt.
(Den formalen Beweis hierfür lernen wir später im Kapitel Algebra kennen.)
. Die Kreise entsprechen dabei den Pfaden“ x, f (x), f (f (x)), . . ., die ein Element x ∈ [n] durchläuft,
”
wenn man f iterativ auf sich selbst anwendet.

• Diese Beobachtung motiviert die sogenannte Zykelschreibweise für Permutationen:
(1) (1) (1) (2) (2) (2) (k) (k) (k)
f = (x0 x1 . . . xl1 −1 )(x0 x1 . . . xl2 −1 ) . . . (x0 x1 . . . xlk −1 )
(i) (i)
mit f (xj ) = x(j+1) mod li .
(i) (i) (i)
. Die einzelnen Tupel (x0 x1 . . . xli −1 ) (Zykel genannt) beschreiben die Kreise, in die ([n], f ) zerfällt.
. Um das Bild f (x) von x zu finden, wandert man einfach zyklisch um eine Komponente im Zykel
weiter.
• Beispiel:
2 4 2 4
f = (1 2 3) (4) = g = (1) (2 3) (4) =
1 3 1 3

• Bei der Bestimmung der Anzahl der Partitionen von [n] bei vorgegebener Anzahl λi der i-elementigen
Klassen hatten wir bereits eine der Zykelschreibweise entsprechende Zwischendarstellung verwen-
det:
(1, 3, 6, 2, 5, 4) 7→ (1)(3)(6, 2)(5, 4)
(3, 1, 4, 5, 2, 6) 7→ (3)(1)(4, 5)(2, 6)
(3, 4, 1, 2, 5, 6) 7→ (3)(4)(1, 2)(5, 6)
. Man muss die dort verwendete Argumentation nur leicht anpassen, um die Anzahl alle Permuta-
tionen über [n] zu bestimmen, die in je λi viele Zykel der Länge i zerfallen:
n!
1λ1 · · · nλn • λ1 ! · · · λn !
Die Einträge eines Zykels dürfen nur noch zyklisch rotiert, jedoch nicht mehr beliebig vertauscht
werden.
123
2 4 2 4
(2 3 1) (4) = (2 1 3) (4) =
(1 2 3) (4) = (1 3 2) (4) =
(3 1 2) (4) = (3 2 1) (4) =
1 3 1 3

n
• Die Anzahl der Permutationen von [n] mit genau k Zykeln wird als Stirling-Zahl 1. Art sn,k =
k
bezeichnet.
• Eine Rekursionsgleichung für sn,k lässt sich analog zu Sn,k herleiten:
Wieder unterscheidet man nach n + 1.
– Sei f eine Permtutation von [n + 1] in Zykelschreibweise mit k Zykeln.
– Ist (n + 1) ist ein Zykel von f , d.h. gilt f (n + 1) = n + 1, dann erhält man durch Entfernen
von (n + 1) eine Permutation von [n] in Zykelschreibweise mit k − 1 Zykeln.
2 4
f = (1 2 3) (4) =
1 3
Jede Permutation von [n] mit k − 1 Zykeln kann andererseits durch Hinzufügen des Zykels
(n + 1) zu einer Permutation von [n + 1] mit k Zykeln eindeutig erweitert werden.

• Ist n + 1 hingegen Teil eines Zykels der Länge > 1, dann erhält man durch Entfernen von n + 1
aus diesem Zykel eine Permutation von [n] mit immer noch k Zykeln.
2 4
g = (1 2) (3 4) =
1 3
Will man eine Permutation f 0 von [n] mit k Zykeln um n + 1 erweitern, so dass kein neuer Zykel
entsteht, muss man eine der Kanten von ([n], f 0 ) mittels n + 1 aufspalten. Da f 0 eine Funktion ist,
hat ([n], f 0 ) genau n Kanten. D.h. f 0 lässt sich auf n Arten erweitern.

• Damit erhält man:

n+1 n n n n+1
= +n• mit = 1, =0
k k−1 k n 0

n
. Für die Stirling-Zahlen 2. Art schreibt man auch Sn,k = .
k
. Zum Vergleich:

n+1 n n n n+1
= +k• mit = 1, =0
k k−1 k n 0
und
n+1 n n n n+1
= + mit = 1, =1
k k−1 k n 0
124
5.4.5 Partitionsfunktionen/Zahlpartitionen
Geordnete Zahlpartitionen 357
• Wieviele Möglichkeiten gibt es, n Euro unter k Kindern zu verteilen, so dass jedes Kind mindestens
1 Euro erhält?
• Die Euros sind nicht unterscheidbar, die Kinder schon!
Gn,k := {(s1 , . . . , sk ) ∈ Nk | s1 + . . . + sk = n}
sortierte Zählvektoren mit k Komponenten und Summe n“

”
• Jedes Tupel (s1 , . . . , sk ) kann geschrieben werden als
n
z }| {
n = 1 + ··· + 1+1 + ··· + 1+···+1 + ··· + 1
| {z } | {z } | {z }
s1 s2 sk
Damit wird das Tupel eindeutig durch die Plus-Zeichen bestimmt, die die si trennen.
Geordnete Zahlpartitionen 358

• Die Anzahl der geordneten Partitionen ist damit gleich der Anzahl der Möglichkeiten, k − 1 Plus-
Zeichen aus den insgesamt n − 1 Plus-Zeichen auszuwählen.

n−1
|Gn,k | =
k−1
• Aus

n−1
– Eine (n − 1)-elementige Menge hat Teilmengen mit (k − 1) Elementen.
k−1
– Eine (n − 1)-elementige Menge hat 2n−1 Teilmengen.
folgt:
n n
X X n−1
|Gn,k | = = 2n−1
k−1
k=1 k=1
(Ungeordnete) Zahlpartitionen 359

• Wieviele Möglichkeiten gibt es, n Euro in k Päckchen aufzuteilen, so dass jedes Päckchen mindestens
1 Euro enthält?
• Sowohl die Euros als die Päckchen sind nicht unterscheidbar!
• Das ist die Anzahl der Zahlpartitionen von n in k positive Summanden
Pn,k := {(s1 , . . . , sk ) ∈ Nk | s1 + . . . + sk = n, s1 ≤ s2 ≤ . . . ≤ sk }
Pn
• |Pn,k | und insbesondere |Pn | := k=1 |Pn,k | wurde u.a. von den Mathematikern Hardy und Rama-
nujan untersucht.
Pn,k = {(s1 , . . . , sk ) ∈ Nk | s1 + . . . + sk = n, s1 ≤ . . . ≤ sk }
Partitionen von n“
”
. Wir leiten für |Pn,k | wieder eine Rekursionsgleichung her, indem wir danach unterscheiden, ob
s1 = 1 gilt:
125
– {(s1 , s2 , . . . , sk ) ∈ Pn,k | s1 = 1} steht in Bijektion mit Pn−1,k−1 mittels
(1, s2 , . . . , sk ) 7→ (s2 , . . . , sk )
– {(s1 , s2 , . . . , sk ) ∈ Pn,k | s1 > 1} steht in Bijektion mit Pn−k,k mittels
(s1 , . . . , sk ) 7→ (s1 − 1, . . . , sk − 1)
. Es folgt somit für 0 ≤ k, n
|Pn,k | = |Pn−1,k−1 | + |Pn−k,k | für k > 0

|Pn,0 | = 0 für n > 0
|Pn,k | = 0 für k > n
|Pn,n | = 1

• Wieviele Möglichkeiten gibt es, n Euro in k Päckchen aufzuteilen, wenn Päckchen auch 0 Euro
enthalten dürfen?
Hn,k = {(s1 , . . . , sk ) ∈ N0 k | s1 + . . . + sk = n, s1 ≤ . . . ≤ sk }
. Hn,k und Pn+k,k in Bijektion mittels:
Hn,k 3 (s1 , . . . , sk ) 7→ (s1 + 1, . . . , sk + 1) ∈ Pn+k,k
also |Hn,k | = |Pn+k,k |.
5.5 Zusammenfassung
Kombinatorik: Zusammenfassung 362
Kombinatorische Grundprinzipien:
U P
• i∈N0 Ai = i∈N0 |Ai |
Summenregel“
”
S P
• i∈N0 Ai ≤ i∈N0 |Ai |.
union bound“
” Q
• |A1 × A2 × . . . × An | = i∈[n] |Ai |
Produktregel“
”
S P |I|+1 T
• i∈[n] Ai = I⊆[n] : I6=∅ (−1) i∈I Ai
Siebformel“
”
• |A| = m |B|, falls es ein f : A → B mit f −1 (b) = m konstant gibt.
• Für jedes f : A → B gibt es ein b ∈ B, so dass f −1 (b) ≥ d|A| / |B|e.
Schubfachprinzip“
” P P
• Für jedes R ⊆ S × T gilt s∈S |{t ∈ T | (s, t) ∈ R}|= t∈T |{s ∈ S | (s, t) ∈ R}|.
Doppeltes Abzählen“
”
Urnenmodell:
• {(s1 , . . . , sk ) ∈ [n]k } = nk
Ziehen mit Zurücklegen, unter Beachtung der Reihenfolge“
”
• {(s1 , . . . , sk ) ∈ [n]k | |{s1 , s2 , . . . , sk }| = k} = (n−k)!
n!
=: nk
Ziehen ohne Zurücklegen, unter Beachtung der Reihenfolge“
”
126
• {(s1 , . . . , sk ) ∈ [n]k | s1 < s2 < . . . < sk } = k!(n−k)!
n!
= nk

Ziehen ohne Zurücklegen, ohne Beachtung der Reihenfolge“

”
• {(s1 , . . . , sk ) ∈ [n]k | s1 ≤ s2 ≤ . . . ≤ sk } = k+n−1

k
Ziehen mit Zurücklegen, ohne Beachtung der Reihenfolge“
”
Stirling-Zahlen:
• sn+1,k = sn,k−1 + nsn,k , sn,n = 1, sn+1,0 = 0

Stirling-Zahlen 1. Art: Anzahl Permutationen von [n] mit k Zykeln.“
”
• {(s1 , . . . , sk ) ∈ [n]k | |{s1 , s2 , . . . , sk }| = n} = n!Sk,n
mit Sn+1,k = Sn,k−1 + kSn,k , Sn,n = 1, Sn+1,0 = 0
Stirling-Zahlen 2. Art: Anzahl Partitionen von [n] in k Klassen.“
”
Zahlpartitionen:
n+k−1
• {(s1 , . . . , sk ) ∈ Nk0 | s1 + s2 + . . . + sk = n} =

n
n+k
• {(s1 , . . . , sk ) ∈ Nk0 | s1 + s2 + . . . + sk ≤ n} =

n
n−1
• {(s1 , . . . , sk ) ∈ Nk | s1 + s2 + . . . + sk = n} =

k−1
• {(s1 , . . . , sk ) ∈ Nk | s1 + s2 + . . . + sk = n, s1 ≤ s2 ≤ . . . ≤ sk } = |Pn,k |
mit |Pn,k | = |Pn−1,k−1 | + |Pn−k,k |, |Pn,n | = 1, |Pn+1,0 | = 0 und |Pn,k | = 0 falls k > n.
Anzahl Zahlpartitionen von n in k positive Summanden.“
”
6 Algebra
6.1 Einführung
Einführung 365
• Unter Algebra versteht man den Teilbereich der Mathematik, der sich mit dem Studium der Ei-
genschaften von (Rechen-)Operationen beschäftigt.
. Genauer werden verschiedene Klassen von algebraischen Strukturen mittels Axiomen definiert
– Axiom: nicht zu beweisende Grundannahme/Prämisse/Hypothese, z.B. in Prädikatenlogik
formuliert
und deren Eigenschaften (d.h. logische Inferenzen aus den Axiomen) und Beziehungen untereinan-
der untersucht.
. Anwendungen der Algebra in der Informatik:
– Kryptographie: RSA- und DLP-basierte Kryptosysteme
– Theoretische Informatik & Programmiersprachen: algebraische Sprachtheorie, formale Seman-
tik, statische Analyse, Compilerbau, abstrakte Datentypen
Algebraische Strukturen 366

• Eine algebraische Struktur S ist dabei zunächst eine Struktur im Sinne der Prädikatenlogik, die
nur Funktionen/Operatoren, jedoch keine Prädikate/Relationen definiert:
– US ist die Grundmenge/das Universum/der Träger
– IS interpretiert jedes Funktionssymbol f mit Arität ar(f ) als eine konkrete k-stellige Funk-
ar(f )
tion/Operation IS (f ) : US → US auf US ; nullstellige Funktionssymbole mit Konstanten
gleichgesetzt.
127
• Konventionen:
– Meistens gibt man eine algebraische Struktur als Tupel hU, f1 , . . . , fk i an.
Je nach Literatur auch mit runden Klammern (U, f1 f2 , . . . , fk ).
Definiert dann einmalig die Interpretationen/Bedeutungen US und fiS .
Verwendet dann jedoch U und fi im Sinne von US und fiS .
. hU, f1 , . . . , fk i (manchmal auch nur hf1 , . . . , fk i) wird als Signatur (= nichtlogische“ Zei-
”
chen/Symbole) der algebraischen Struktur bezeichnet.
ar(f1 ) ar(fk )
. Häufig gibt man die Arität als Superskript in der Signatur direkt an, also hU, f1 , . . . , fk i.

• Beispiele
– hQ, +2 , •2 , 00 , 10 i mit Q die rationalen Zahlen und der Interpretation von + bzw. • als die
Addition bzw. Multiplikation auf den rationalen Zahlen und 0 bzw. 1 als die rationalen Zahlen
Null bzw. Eins.
– hR, +2 , •2 , 00 , 10 i mit R die reellen Zahlen und der Interpretation von + bzw. • als die Addition
bzw. Multiplikation auf den reellen Zahlen und 0 bzw. 1 als die reellen Zahlen Null bzw. Eins.
– h2A , ∪2 , ∩2 i mit 2A die Potenzmenge der Menge A und der Interpretation von ∪ und ∩ als
Vereinigung bzw. Schnitt.
– hR>0 , •2 , 10 i mit R die reellen Zahlen und der Interpretation von • als die Multiplikation auf
den reellen Zahlen und 1 als die reelle Zahl Eins.
– hZ, +2 , 00 i mit Z die ganzen Zahlen und der Interpretation von + als die Addition auf den
ganzen Zahlen und 0 als die ganze Zahl Null.
– hAA , ◦2 , Id0A i mit AA die Menge der Funktionen von A nach A und der Interpretation von ◦
als Funktionskompositionen und IdA als die Identitätsfunktion auf A.
– hΣ∗ , •2 , ε0 i mit Σ∗ die Menge der endlichen Wörter über dem Alphabet Σ und der Interpre-
tation von • als Konkatenation und ε als das leere Wort.

• Beispiele
– hRR , +2 , •2 i mit RR die Menge aller Funktionen von R nach R und der Interpretation von + und
• als punktweise Addition bzw. Multiplikation ((f +g)(x) = f (x)+g(x), (f • g)(x) = f (x) • g(x)).
– h k≥0 {a, b}k , extend2 , push1a , push1b , pop1 , ()0 i mit {a, b}∗ die Menge der endlichen Tupel (Lis-
S
ten) mit Einträgen aus {a, b} und der Interpretation von extend als Konkatenation zweier
Listen, pushx als das Anfügen des Elements x an den Anfang der Liste, pop das Entfernen des
ersten Eintrags einer nicht leeren Liste und () der leeren Liste.
∗ ∗
– h2Σ , ∪2 , •2 , ∅0 , {ε}0 i mit 2Σ die Menge aller Mengen/Sprachen endlicher Wörter über dem
Alphabet Σ und der Interpretation von ∪ als Mengenvereinigung, • als Konkatenation von
Sprachen (d.h. L1 • L2 = {uv | u ∈ L1 , v ∈ L2 }), ∅ als die leere Menge und {ε} als die Menge,
die genau das leere Wort enthält.
– hQ[X], +2 , •2 , 00 , 10 i mit Q[X] die Menge aller univariaten Polynome mit rationalen Koeffizi-
enten in einer Variablen X und der Interpretation von + und • als die übliche Addition bzw.
Multiplikation von Polynomen und 0 und 1 als die jeweiligen rationalen Zahlen.
128
• Weitere Bemerkungen/Konventionen:
– Ein Term/Ausdruck über einer gegebenen Signatur und dessen Syntaxbaum ist analog zur PL
definiert, z.B. für hN0 , f 2 , g 1 , a0 i sind f (g(0), 1)“, g(f (f (a, g(a)), g(a)))“, a“ Terme.
” ” ”
– Für binäre Operatorsymbole, insbesondere +, •, ⊕, u.ä. wird meistens die Infixnotation statt
der Präfixnotation verwendet, z.B. also (a • b)“ statt •(a, b)“.
” ”
Insbesondere wird das Symbol •“ häufig (wenn keine Missverständnisse entstehen können)
”
dann auch einfach weggelassen, z.B. statt •(a, b)“ einfach ab“.
” ”
– Beachte: Die Operatoren müssen stets wieder Elemente aus der Grundmenge zurückgegeben,
was als Abgeschlossenheit bezeichnet wird.
• Algebraische Strukturen werden nach den Axiomen (Eigenschaften), die ihre Operatoren erfüllen,
z.B. Assoziativität, Kommutativität, siehe auch semantische Äquivalenzen in AL, klassifiziert.
Grundlegende algebraische Strukturen (Überblick) 370

• Def.: Eine Halbgruppe ist eine algebraische Struktur hA, •2 i mit:
1. • ist assoziativ, d.h. es gilt ∀a, b, c : (a • (b • c)) = ((a • b) • c).
hA, •2 i ist eine kommutative Halbgruppe, falls zusätzlich zu 1 gilt:
2. • ist kommutativ, d.h. es gilt ∀a, b : (a • b) = (b • a).
. Bei assoziativen Operatoren spielt die Reihenfolge der Auswertung eines Terms keine Rolle, so dass
auf die Klammern verzichtet werden kann.
• Def.: Ein (kommutatives) Monoid ist eine alg. Struktur hA, •2 , 10 i mit
1. hA, •2 i eine (kommutative) Halbgruppe und
2. neutralem Element 10 (bzgl. •), d.h. es gilt ∀a : (a • 1) = a = (1 • a).
. Beispiele:
– Monoide:
hR, +2 , 00 i, hR>0 , •2 , 10 i, hZ, +2 , 00 i, hΣ∗ , •2 , ε0 i, hN0 , +2 , 00 i, hAA , ◦2 , Id0A i
– Halbgruppen ohne neutrales Element: hR>0 , +2 i (bzgl. Addition auf R), hN, +2 i (bzgl. Addi-
tion auf N).
4
– Keine Halbgruppe: hN, pow2 i mit pow(a, b) = ab z.B. (23 )4 6= 2(3 ) .

• Def.: Eine (kommutative) Gruppe ist eine alg. Struktur hA, •2 , 10 i mit:
1. hA, •2 , 10 i ein (kommutatives) Monoid und
2. Inversen (bzgl. •), d.h. es gilt ∀a∃b : (a • b) = 1 = (b • a).
Eine kommutative Gruppe wird auch als abelsche Gruppe bezeichnet.
. Beispiele:
– Kommutative Gruppen: hR, +2 , 00 i, hR>0 , •2 , 10 i, hZ, +2 , 00 i.
– Keine Gruppen: hΣ∗ , •2 , ε0 i, hN0 , +2 , 00 i, hAA , ◦2 , IdA i
. Die Bijektionen SA = {f : A → A | f bijektiv } von A nach A bzgl. der Funktionskomposi-
tion und der Identität bilden jedoch die sogenannte symmetrische Gruppe, welche i.A. nicht
kommutativ ist (später mehr).
129
• Def.: Ein (unitärer) Ring ist eine alg. Struktur hA, +2 , •2 , 00 i (bzw. hA, +2 , •2 , 00 , 10 i) mit:
1. hA, •2 i eine Halbgruppe (bzw. hA, •2 , 10 i ein Monoid) und
2. hA, +2 , 00 i eine kommutative Gruppe und
3. •distributiert über + von beiden Seiten, d.h. es gilt ∀a, b, c : (a • (b + c)) = (a • b + a • c) ∧ ((a +
b) • c) = ((a • c) + (b • c)).
• Def.: Ein Körper ist eine alg. Struktur hA, +2 , •2 , 00 , 10 i mit:
1. hA, +2 , •2 , 00 , 10 i ein unitärer Ring und
2. hA \ {0}, •2 , 10 i eine kommutative Gruppe.
. Beachte: In einem Körper hat bis auf 0 jedes Element ein Inverses bzgl. •.
. Beispiele:
– unitäre Ringe, keine Körper: hZ, +2 , •2 , 00 , 10 i, hQ[X], +2 , •2 , 00 , 10 i
∗
h2Σ , ∪2 , •2 , ∅0 , {ε}0 i (nicht kommutativ)
– Körper: hR, +2 , •2 , 00 , 10 i, hQ, +2 , •2 , 00 , 10 i

• Def.: Ein Verband ist eine alg. Struktur hA, t2 , u2 i mit:
1. hA, t2 i kommutative Halbgruppe und
2. hA, u2 i kommutative Halbgruppe und
3. es gelten die Absorptionsgesetze ∀a, b, c : a u (a t b) = a = a t (a u b).
Ein Verband ist distributiv, falls zusätzlich noch gilt:
4. ∀a, b, c : a u (b t c) = (a u b) t (a u c)
. Beispiele:
– keine Verbände: hR, +2 , •2 i, hQ, +2 , •2 i, hN0 , +2 , •2 i
– distributive Verbände: h2A , ∪2 , ∩2 i, hR, min2 , max2 i, hN, ggT2 , kgV2 i,
N
h{0, 1}{0,1} , ∧2 , ∨2 i boolsche Funktionen/Semantik der AL mit
[F ∧ G](β) := min{[F ](β), [G](β)} und
[F ∨ G](β) := max{[F ](β), [G](β)}.

• Die Algebra ist vorrangig an Aussagen F interessiert, die z.B. in allen Gruppen oder in allen
Verbänden gelten.
• Z.B. kann man zeigen (ohne Beweis):
Lemma: In jedem Verband hA, t2 , u2 i gilt:
1. ∀a : a u a = a = a t a (Idempotenz)
2. In jedem distributiven Verband gilt auch: ∀a, b, c : a t (b u c) = (a t b) u (a t c).
• Eine weitere häufige Fragestellung ist die nach den schwächsten Anforderungen/Annahmen FA ,
aus denen eine konkrete Eigenschaft F stets logisch folgt.
. Nach obigem Lemma könnte man z.B. auf die entsprechenden semantischen Äquivalenzen in der
AL verzichten.
130
. Je weniger Annahmen/Axiomen, umso weniger Arbeit, um nachzuweisen, dass eine konkrete Struk-
tur z.B. eine Gruppe oder ein Verband ist.
• Wir betrachten im Weiteren die wichtigsten Eigenschaften von Gruppen, welche auch für die Kryp-
trographie von Interesse sind.
6.2 Gruppentheorie
6.2.1 Motivation
Motivation: TLS handshake 375
• TLS handshake:
– TLS: transported layer security (“https”)
erster Schritt im Aufbau einer https-Verbindung zum Zweck:
1. Identifikation und Authentifizierung des Servers und ggf. des Clients (User).
2. Aushandeln des für die weitere Kommunikation verwendeten kryptographischen Algorithmen
samt Schlüsseln.
• Standardverfahren für Schlüsselgenerierung und -austausch basieren auf:
– Diffie-Hellman (DH)
– Rivest-Shamir-Adleman (RSA)
Diffie-Hellman: Kurzfassung für quadratische Reste 376

1. Alice:
p−1
• Wählt (große) Primzahl p, so dass auch 2 prim ist, z.B. p = 83.
2 2
• Berechnet g = x ∈ {1, 2, . . . , p − 1} mit x mod p 6= 1, z.B. x = 2 und g = 4.
• Wählt zufällig und geheim a ∈ {1, 2, . . . , p−1
2 }, z.B. a = 12.
• Berechnet ha := g a mod p, z.B. ha = 11.

• Sendet p, g, ha an Bob.
2. Bob:
• Wählt zufällig und geheim b ∈ {1, 2, . . . , p−1
2 }, z.B. b = 30.
• Berechnet hb := g b mod p, z.B. hb = 23.

• Berechnet kb := hba mod p, z.B. kb = 36.
• Sendet hb an Alice.
3. Alice:
• Berechnet ka := hab mod p, z.B. ka = 36.
4. “pre-master-secret” ka = kb dient als Grundlage für die Schlüssel.
Diffie-Hellman: Kurzfassung für allgemeine Gruppen 377

1. Alice:
• Wählt (Parameter für) eine zyklische Gruppe G. z.B. p = 83.
• Berechnet Erzeuger g von G, z.B. g = 4.
• Wählt zufällig und geheim a ∈ |G|, z.B. a = 12.
• Berechnet ha := g a in G, z.B. ha = 11.
131
• Sendet G, g, ha an Bob.
2. Bob:
• Wählt zufällig und geheim b ∈ |G|, z.B. b = 30.
• Berechnet hb := g b in G, z.B. hb = 23.
• Berechnet kb := hba in G, z.B. kb = 36.
• Sendet hb an Alice.
3. Alice:
• Berechnet ka := hab in G, z.B. ka = 36.
. In der Praxis: G Untergruppe einer elliptischen Kurve.
Rivest-Shamir-Adleman: Basisversion 378

1. Alice:
• Wählt zwei große (verschiedene) Primzahlen p, q z.B. p = 13, q = 17.
• Berechnet N = p • q z.B. N = 221.
• Berechnet λ(N ) = kgV(p − 1, q − 1) z.B. λ(221) = 48.
• Wählt e ∈ {3, . . . , λ(N )} mit ggT(e, λ(N )) = 1 z.B. e = 5.
• Berechnet d mit (e • d) mod λ(N ) = 1 z.B. d = 29.
• Sendet e, N and Bob.
2. Bob:
• Wählt zufällig und geheim xb ∈ {1, . . . , N | ggT(x, N ) = 1} z.B. xb = 101.
• Berechnet y := xe mod N z.B. y = 186.
• Sendet y an Alice.
3. Alice:
• Berechnet xa := y d mod N z.B. xa = 101.
4. “pre-master-secret” xa = xb dient als Grundlage für die Schlüssel.
Grundlagen für DH und RSA 379

• Anmerkungen zu DH/RSA:
– Alice entspricht i.A. dem Server
– Bob dem Client/Browser; Bob wiederholt seine Schritte bei jeder neuen Verbindung.
– Parameter p, g, ha bzw. e, N u.U. in vorinstallierten Zertifikaten enthalten.
– Ansonsten PKI/Zertifikat-Ketten um man-in-the-middle zumindest zu erschweren.
– Siehe weiterführende Vorlesungen.
• Zahlentheoretische Grundlagen:
– Primzahlen, Teilbarkeit, ggT, kgV, modulare Arithmetik ( mod ), Rechnen mit Resten Zn bzw.
Z/nZ und Z∗n bzw. (Z/nZ)∗ , erweiterter euklidischer Algorithmus
• Grundlagen der Gruppen:
– Gruppen allgemein, zyklische Gruppen, Erzeuger, Gruppenexponent, Homomorphie und Iso-
morphie
132
6.2.2 Zahlentheoretische Grundlagen
Erinnerung: Teilbarkeit, Primfaktorzerlegung 380
• Im Weiteren a, b, N ∈ Z mit N > 1.
• Teilbarkeitsrelation auf Z:
b
a|b gdw. ∈Z
a
Lies a|b als a teilt b (ohne Rest)“
”
• Primzahlen
P = {p ∈ N : p > 1 ∧ ∀n ∈ N : n|p → (n = 1 ∨ n = p)} = {2, 3, 5, 7, 11, 13, . . .}
P ist abzählbar unendlich (|P| = |N|):
– Annahme: Es gibt nur endliche viele Primzahlen p1 < p2 < . . . < pm .
– Dann: (p1 • p2 · · · pm ) + 1 wird von keiner Primzahl geteilt ohne Rest geteilt.
• Primfaktorzerlegung von n ∈ N:
Y
n= pνp (n) mit νp (n) := max{k ∈ N0 : pk |n}
p∈P
Erinnerung: Die Primfaktorzerlegung ist eindeutig für n ∈ N.
Erinnerung: ggT, kgV 381

• Größter gemeinsamer Teiler
Y
ggT(a, b) := max{d ∈ N : d|a ∧ d|b} = pmin{νp (a),νp (b)}
p∈P
kleinstes gemeinsames Vielfaches

Y
kgV(a, b) := min{m ∈ N : a|m ∧ b|m} = pmax{νp (a),νp (b)}
p∈P
Es gilt stets: a • b = kgV(a, b) • ggT(a, b)

• Beispiel: a = 300 = 22 • 31 • 52 , b = 126 = 21 • 32 • 71
ggT(a, b) = 21 • 31 • 50 • 70 = 6
kgV(a, b) = 22 • 32 • 52 • 71 = 6300
ggT(a, b) • kgV(a, b) = 37800 = a • b
Teilbarkeitsrelation, ggT, kgV 382

32 48
16 24 36 40
8 12 18 20 27 28 30 42 44 45 50
4 6 9 10 14 15 21 22 25 26 33 34 35 38 39 46 49
2 3 5 7 11 13 17 19 23 29 31 37 41 43 47
133
• Hasse-Diagramm der Teilbarkeitsrelation eingeschränkt auf {2, . . . , 50}
• kgV(a, b): kleinste Zahl, die von a und von b erreicht werden kann.
• ggT(a, b): größte Zahl, die a und b erreichen kann.
Erinnerung: modN , ZN 383

• ZN := {0, 1, 2, . . . , N − 1}
– Beachte [N ] = {1, 2, . . . , N }
• Modulo N : Rest bei ganzzahliger Division durch N“ (für N ∈ N):
”

a−r jak
a mod N := min r ∈ ZN : ∈Z =a− • N ∈ ZN
N N
z.B. für N = 6:
– 5 mod 6 = 5 − b 56 c • 6 = 5 − 0 • 6 = 5
– −5 mod 6 = −5 − b −5
6 c 6 = −5 − (−1) 6 = 1
• •
– 7 mod 6 = 7 − b 76 c • 6 = 8 − 1 • 6 = 1
– −1 mod 6 = −1 − b −1
6 c 6 = −1 − (−1) 6 = 5
• •
. Erinnerung:
– a ≡N b kurz für a mod N = b mod N
– ≡N ist Äquivalenzrelation auf Z mit Äquivalenzklassen
{z ∈ Z | z ≡N k} := [k]N = k + N Z := {k + N z | z ∈ Z}
Teilerfremde Reste modulo N : Z∗N 384

• Def: Teilerfremende (koprime) Reste modulo N (oBdA N > 1)
Z∗N := {k ∈ ZN | ggT(k, N ) = 1}
Z.B.: Z∗15 = {1, 2, 4, 7, 8, 11, 13, 14}

• Def: Eulersche Phi-Funktion
ϕ(N ) := |Z∗N |
z.B. ϕ(15) = |Z∗15 | = |{1, 2, 4, 7, 8, 11, 13, 14}| = 8.
. Lemma: (Beweis z.B. mittels Siebformel folgt, siehe TA)
Y
ϕ(N ) = |Z∗N | = N (1 − p−1 )
p∈P : p|N
z.B. ϕ(15) = 15(1 − 51 )(1 − 13 ) = (5 − 1)(3 − 1) = 8.

• Beachte:
– ϕ(p) = p − 1 für p ∈ P.
– Formel benötigt die Primteiler von N .
134
Eulersche Phi-Funktion und Siebformel (*) 385
− p−1 )
Q
• Beispiel zu ϕ(15) = 15 p|15,p∈P (1
. V15,d = {x ∈ Z15 : d|15} für d ≤ N (Vielfache von d in Z1 5)

. |V15,d | = b15/dc; falls d|15 also |V15,d | = 15/d.
. Sei I = {p ∈ P : p|15} = {3, 5} die Menge der Primteiler von 15:
[
Z15 \ Z∗15 = V15,p = V15,3 ∪ V15,5 = {0, 3, 6, 9, 12} ∪ {0, 5, 10}
p∈I
15
Siebformel anwenden mit |V15,3 ∩ V15,5 | = |{0}| = |V15,3•5 | = 1 = 3•5
:
15 15 15
|Z15 \ Z∗15 | = |V15,3 | + |V15,5 | − |V15,15 | = + −
3 5 3•5
Damit
|Z∗15 | = |Z15 | − |Z15 \ Z∗15 | = 15 − ( 15
3
+ 15
5
− 315
•5
)
= 15(1 + (−3 ) + (−5−1 ) + (−3−1 )(−5−1 ))
−1
Ausmultiplizieren der linken Seite:
15(1 − 3−1 )(1 − 5−1 ) = 15(1 + (−3−1 ) + (−5−1 ) + (−3−1 )(−5−1 ))
Eulersche Phi-Funktion und Siebformel (*) 386
− p−1 ) (siehe TA für Details)

Q
• Beweisskizze zu ϕ(N ) = N p|N,p∈P (1
. VN,d = {x ∈ ZN : d|N } für d ≤ N (Vielfache von d in ZN )

. |VN,d | = bN/dc; falls d|N also |VN,d | = N/d.
. Sei I = {p ∈ P : p|N } die Menge der Primteiler von N :
[
ZN \ Z∗N = Vp
p∈I
Siebformel anwenden mit |VN,p1 ∩ . . . ∩ VN,pk | = |VN,p1 ···pk | = N p−1 −1

1 · · · pk :
|I|
X X Y
|ZN \ Z∗N | = N (−1)k+1 p−1
k=1 J⊆I : |J|=k p∈J
Damit
|I|
X X Y
|Z∗N | = |ZN | − |ZN \ Z∗N | = N (−p−1 )
k=0 J⊆I : |J|=k p∈J
n Pn n
(−x)k ):

Ausmultiplizieren der linken Seite (vgl. (1 − x) = k=0 k
|I|
Y X X Y
N (1 − p−1 ) = N (−p−1 ) = |Z∗N |
p∈I k=0 J⊆I : |J|=k p∈J
Erweiterter euklidischer Algorithmus (EEA) 387

• Wichtig für Kryptographie:
ggT(a, b) kann effizient rekursiv ohne Kenntnis der Primfaktorzerlegungen von a und b berechnet
werden.
. Beobachtungen:
0. ggT(a, b) = ggT(b, a) = ggT(−a, b) = ggT(a, −b) = ggT(−a, −b),
daher oBdA 0 ≤ a ≤ b.
1. ggT(a, b) = b falls a = 0
135
2. ggT(a, b) = ggT(b mod a, a) für 0 < a ≤ b
da:
Es gilt b mod a = b − ka für k = bb/ac.
Damit: d|a ∧ d|b gdw. d|a ∧ d|(b − ka).
D.h. die gemeinsamen Teiler von (a, b) und (b mod a, a) stimmen über ein;
also haben beide Paare auch denselben größten gemeinsamen Teiler.

• Dies führt auf den euklidischen Algorithmus:
# Ass: 0 <= a <= b
def euclid(a,b):
if a == 0:
return b
return euclid(b % a, a)

• Wichtig(er) für Kryptographie und Algebra:
Der euklidische Algorithmus kann so erweitert werden, dass er zwei Zahlen α, β ∈ Z bestimmt, so
dass gilt
ggT(a, b) = α • a + β • b
. Beobachtungen (oBdA 0 ≤ a ≤ b):
1. ggT(a, b) = b = 0 • a + 1 • b falls a = 0; also α = 0, β = 1.
2. ggT(a, b) = (β 0 − bb/acα0 )a + α0 b
falls 0 < a ≤ b und rekursiv ggT(b mod a, a) = α0 • (b mod a) + β 0 • a
da: Es gilt b mod a = b − ka für k = bb/ac Daher:
ggT(a, b) = ggT(b mod a, a) = α0 (b mod a) + β 0 a

= α0 (b − ka) + β 0 a = (β 0 − kα0 )a + α0 b
. Da 0 ≤ b mod a < a, gilt irgendwann b mod a = 0.
. Falls b mod a = 0, kann auch direkt α = 1, β = 0 zurückgegeben werden.

• Dies führt auf den erweiterten euklidischen Algorithmus (EEA)
# Ass: 0 ≤ a ≤ b
def eea(a, b):
if a == 0:
# ggT(a, b) = ggT(0, b) = b = 0 • a + 1 • b
return (0,1)
# k = b ab c, r = b mod a = b − k • a
k, r = divmod(b, a)
# Test auf r = 0 prinzipiell unnoetig

if r == 0:
# ggT(a, b) = ggT(a, k • b) = a = 1 • a + 0 • b.
return (1,0)
# ggT(a, b) = ggT(b − k • a, a) = α0 • (b − k • a) + β 0 • a
α0 , β 0 = eea(r, a)
136
# ggT(a, b) = (β 0 − k • α0 ) • a + α0 • b
return (β 0 − k ∗ α0 , α0 )
. Ohne Beweis: man kann zeigen, dass der EEA maximal log2 (a + b) rekursive Aufrufe benötigt.

• Kurzfassung EEA
Gegeben: 1 ≤ a ≤ b aus N
– Falls (b mod a) = 0, gibt α = 1, β = 0 zurück.
– Ansonsten berechne rekursiv α0 , β 0 mit
ggT(b mod a, a) = (b mod a)α0 + aβ 0
Gib dann α = (β 0 − bb/acα0 ), β = α0 zurück.

• Beispiel: a = 5, b = 911 mit ggT(5, 911) = 1 (911 ist prim)
a b bb/ac α β
5 911 182 −182 1
1 5 − 1 0
!
. Test: 1 = ggT(5, 911) = 5 • (−182) + 911 • 1 = 1[1mm]

• Kurzfassung EEA

• Beispiel: a = 45 = 5 • 32 , b = 63 = 7 • 32 mit ggT(45, 63) = 9
a b bb/ac α β
45 63 1 3 −2
18 45 2 −2 1
9 18 − 1 0
!
. Test: 9 = ggT(45, 63) = 45 • 3 + 63 • (−2) = 9

• Kurzfassung EEA
137
• Beispiel auf RSA-Folie: e = 5, b = 48
a b bb/ac α β
5 48 9 −19 2
3 5 1 2 −1
2 3 1 −1 1
1 2 − 1 0
!
. Test: 1 = ggT(5, 48) = 5 • (−19) + 48 • 2 = 1
Beachte: −19 mod 48 = 29 = d auf RSA-Folie.
6.2.3 Einleitung
Gruppen – Definition 394
• Definition: (multiplikativ) (additiv/abelsch)
G=hG,
ˆ •, 1i G=hG,
ˆ +, 0i
ist eine Gruppe, falls
0 •: G × G → G +: G × G → G (abgeschlossen)
1 ∀a, b, c : (a • b) • c = a • (b • c) (a + b) + c = a + (b + c) (assoziativ)
2 ∀a : a•1=1•a=a a+0=0+a=a (Neutrales)
3 ∀a∃b : a•b=b•a=1 a+b=b+a=0 (Inverses)
G ist kommutativ, falls noch

4 ∀a, b : a•b=b•a a+b=b+a (kommutativ)
G ist endlich, falls |G| < ∞.

. Anmerkung:
– Multiplikative Notation hG, •, 1i für allgemeine, d.h. auch nicht kommutative Gruppen; häufig
kurz ab statt a • b.
– Additive Notation hG, +, 0i nur für kommutative Gruppen.
– ∀a, b, c“: Aussage muss für alle konkreten Gruppenelemente a, b, c wahr sein.
”
Gruppen – Beispiele: Gruppen auf Z 395

• Beispiel: hZ, +, 0i
– Grundmenge: Ganze Zahlen Z = {. . . , −2, −1, 0, 1, 2, . . .}
– Gruppenoperation: kanonische Addition auf Z
– Neutrales: 0
– Inverse: −a
• Beispiel: hnZ, +, 0i für n ∈ N
– Grundmenge: nZ = {. . . , −2n, −1n, 0, 1n, 2n, . . .} ganzzahlige Vielfache von n
– Gruppenoperation: kanonische Addition auf Z (abgeschlossen?)
– Neutrales: 0
– Inverse: −a
. Bemerkung: Da hnZ, +, 0i und hZ, +, 0i bzgl. derselben Gruppenoperation definiert sind und
nZ ⊆ Z gilt, nennt man hnZ, +, 0i auch eine Untergruppe von hZ, +, 0i (später mehr).
138
Gruppen – Beispiele: Gruppen auf Zn 396
• Beispiel: hZn , +n , 0i additive Gruppe modulo n ∈ N
– Grundmenge: Zn = {0, 1, . . . , n − 1} Reste modulo n ∈ N
– Gruppenoperation: a +n b := (a + b) mod n
– Neutrales: 0
– Inverse: 0 für 0, sonst n − a für a ∈ Zn \ {0}
• Beispiel: hZ∗n , •n , 1i multiplikative Gruppe modulo n ≥ 2
– Grundmenge: Z∗n = {x ∈ Zn | ggT(x, n) = 1}
alle zu n teilerfremden Reste modulo n
– Gruppenoperation: a • n b := (a • b) mod n
– Neutrales: 1
– Inverse: α mod n invers zu a mit 1 = ggT(a, n) = α • a + β • n (EEA)
. Beweise später.
Gruppen – Beispiele: Gruppen auf Zn 397

• hZ6 , +6 , 0i:
+6 0 1 2 3 4 5
0 0 1 2 3 4 5
1 1 2 3 4 5 0
2 2 3 4 5 0 1
3 3 4 5 0 1 2
4 4 5 0 1 2 3
5 5 0 1 2 3 4
• hZ∗9 , •9 , 1i:
•9 1 2 4 5 7 8
1 1 2 4 5 7 8
2 2 4 8 1 5 7
4 4 8 7 2 1 5
5 5 1 2 7 8 4
7 7 5 1 8 4 2
8 8 7 5 4 2 1
Gruppen – Beispiele: Gruppen auf Kurven 398

• Beispiel: Addition auf Einheitskreis bzgl. f (t) := (sin t, cos t)
– Grundmenge: {(x, y) ∈ R2 | x2 + y 2 = 1}
– Gruppenoperation: f (t1 ) ⊕ f (t2 ) := f (t1 + t2 ) – Addition der Winkel im Bogenmaß gemessen
im Uhrzeigersinn ab (0, 1) ( 12 Uhr“).
”
– Neutrales: f (0) = (0, 1)
– Inverse: −f (t) := f (−t)
. Übung: Überprüfen, dass alle Gruppenaxiome erfüllt sind.
139
P0 := (sin 0, cos 0) = f (0)
P1 := (sin π4 , cos π4 ) = f ( π4 )
P2 := (sin π3 , cos π3 ) = f ( π3 )
P1 ⊕ P2 := (sin 7π 7π π π
12 , cos 12 ) = f ( 4 + 3 )
Gruppen – Beispiele: Gruppen auf R 399

• Beispiel: hR, +, 0i additive Gruppe der reellen Zahlen
– Grundmenge: reelle Zahlen R
– Gruppenoperation: kanonische Addition bzw. Multiplikation
– Neutrales: 0
– Inverse: −a
• Beispiel: hR>0 , •, 1i multiplikative Gruppe der positiven reellen Zahlen
– Grundmenge: positive reelle Zahlen R>0
– Gruppenoperation: kanonische Multiplikation
– Neutrales: 1
– Inverse: 1/a
. Beachte: x • y = e(log x)+(log y) und x+y = log(ex • ey ), d.h. man kommt von hR, +, 0i nach hR>0 , •, 1i
mittels x 7→ ex und zurück mittels x 7→ log x. Solche Gruppen werden isomorph genannt (später
mehr).
. Entsprechend von hZ6 , +6 , 0i nach hZ∗9 , •9 , 1i mittels k 7→ 2k mod 9; Umkehrabbildung wird als
diskreter Logarithmus zur Basis 2 bezeichnet.
Gruppen – Beispiel: Permutationen 400

• Erinnerung:
Eine Bijektion f : A → A wird auch als Permutation von A bezeichnet.
Für die Menge aller Permutationen einer Menge A schreibt man SA .
Sn kurz für die Menge S[n] aller Permutationen von [n].
• Beispiel: hSA , ◦, IdA i symmetrische Gruppe über A.
– Grundmenge: SA = {f : A → A | f bijektiv }
– Gruppenoperation: f ◦ g : A → A : a 7→ f (g(a)) (Funktionskomposition)
– Neutrales: Identität IdA : A → A : a 7→ a
– Inverse: Umkehrabbildung
• Die symmetrischen Gruppen sind i.A. nicht kommutativ.
• Jede Gruppe G lässt sich als ein Teil der SG auffassen (Satz von Cayley).
• Gerade für die Gruppentheorie ist die Zykelschreibweise von Permutationen besonders nützlich.
140
• Erinnerung (TA4.2, TA5.1): Zykelschreibweise
Sei f ∈ Sn eine Permutation von [n].
(1) (1) (1) (2) (2) (2) (k) (k) (k)
f = (x0 , x1 , . . . , xl1 −1 )(x0 , x1 , . . . xl2 −1 ) . . . (x0 , x1 , . . . xlk −1 )
Jedes Tupel (Zykel/Zyklus) beschreibt einen der Kreise in Gf = ([n], f ).

• Beispiel:
  2 4   2 4
1 7→ 2 1 7→ 1
2 7→ 3 2 7→ 3
f =
  = (1, 2, 3) (4) = g=
  = (1) (2, 3) (4) =
3 7→ 1 3 7→ 2
4 7→ 4 4 7→ 4
1 3 1 3
• Die Zykel können beliebig angeordnet werden, die Elemente in einem Zykel können zyklisch rotiert
werden, d.h.:
(2)(1, 3, 5)(4) = (2)(4)(5, 1, 3) = (3, 5, 1)(4)(2) = (1, 3, 5)
häufig gibt man Fixpunkte (Kreise der Länge 1) nicht explizit an.

• Beispiel: hS3 , ◦, Idi
Id[3] (1, 2) (1, 3) (2, 3) (1, 2, 3) (1, 3, 2)

Id[3] Id[3] (1, 2) (1, 3) (2, 3) (1, 2, 3) (1, 3, 2)
(1, 2) (1, 2) Id[3] (1, 3, 2) (1, 2, 3) (2, 3) (1, 3)
(1, 3) (1, 3) (1, 2, 3) Id[3] (1, 3, 2) (1, 2) (2, 3)
(2, 3) (2, 3) (1, 3, 2) (1, 2, 3) Id[3] (1, 3) (1, 2)
(1, 2, 3) (1, 2, 3) (1, 3) (2, 3) (1, 2) (1, 3, 2) Id[3]
(1, 3, 2) (1, 3, 2) (2, 3) (1, 2) (1, 3) Id[3] (1, 2, 3)
mit z.B.
1 2 3 1 2 3 1 2 3
(1, 2) ◦ (2, 3) = ◦ = = (1, 2, 3)
2 1 3 1 3 2 2 3 1
und
1 2 3 1 2 3 1 2 3
(2, 3) ◦ (1, 2) = ◦ = = (1, 3, 2)
1 3 2 2 1 3 3 1 2
also nicht kommutativ.
Additive Gruppe modulo n: hZn , +n , 0i 403

• Lemma: hZn , +n , 0i ist eine kommutative Gruppe (n > 0):
1. Abgeschlossen: a +n b = (a + b) mod n ∈ Zn nach Definition von modn.
2. Assoziativ: Seien a, b ∈ Zn .
Dann gilt (a + b) mod n = a + b − kn für k := b(a + b)/nc.
Damit: (a +n b) +n c = ((a + b − kn) + c) mod n = (a + b + c) mod n
Symmetrisch folgt a +n (b +n c) = (a + b + c) mod n.
3. Neutrales: a +n 0 = (a + 0) mod n = a mod n = a für a ∈ Zn .
4. Inverse: 0 +n 0 = (0 + 0) mod n = 0 mod n = 0 und
a +n (n − a) = (a + (n − a)) mod n = 0 mod n = 0 (a ∈ Zn \ {0}).
5. Kommutativ: a +n b = (a + b) mod n = (b + a) mod n = b +n a.
141
Multiplikative Gruppe modulo n: hZ∗n , •n , 1i 404
• Aber nicht jedes Element in Zn \ {0} hat ein Inverses bzgl. •n ,
d.h. hZn , +n , •n , 0, 1i ist i.A. kein Körper (vgl. R,Q):

0 •6 1 2 3 4 5
0 0 0 0 0 0 0
1 0 1 2 3 4 5
2 0 2 4 0 2 4
3 0 3 0 3 0 3
4 0 4 2 0 4 2
5 0 5 4 3 2 1
• Allgemein haben nur die zu n teilerfremden Reste ein Inverses bzgl. •n da:
– Aus 1 = a • n b folgt ggT(ab, n) = ggT(a • n b, n) = ggT(1, n) = 1.
. Also auch 1 = ggT(a, n) = ggT(b, n).
. Nullteiler: Falls 1 < d := ggT(a, n), dann a • n nd = a •
d nn = 0.
. Müssen •n auf Z∗n einschränken, z.B. •6 nur auf Z∗6 = {1, 5}:
•6 1 5
1 1 5
5 5 1
Multiplikative Gruppe modulo n: hZ∗n , •n , 1i 405

• Lemma: hZ∗n , •n , 1i ist eine kommutative Gruppe (n > 1).
1. Abgeschlossen: Für p ∈ P gilt: p|n ∧ p|ab gdw. p|n ∧ (p|a ∨ p|b).
Aus ggT(a, n) = 1 = ggT(b, n) = 1 folgt also
1 = ggT(ab, n) = ggT(ab mod n, n).
2. Assoziativ: analog zu hZn , +n , 0i.
3. Neutrales: ∀a : a • n 1 = 1 (analog zu hZn , +n , 0i).
4. Inverse: EEA berechnet α, β ∈ Z mit:
1 = ggT(a, n) = aα + nβ
Setze b := (α mod n) = α − bα
n cn (damit sicher in Z∗n ), dann
a • nb = (a • b) mod n (Def. von •n )
= (a • (α + kn)) mod n (k = −b α
n c)
= (aα + akn + nβ) mod n (nβ mod n = 0)
= (1 + akn) mod n = 1 (1 = aα + nβ)
d.h. b = (α mod n) ist das Inverse zu a in hZ∗n , •n , 1i.
5. Kommutativ: analog zu hZn , +n , 0i.
Bemerkung: Inverse in verschiedenen Gruppen 406

• Inverses stets von der betrachteten Gruppe/Operation abhängig.
• Z.B. Inverses von 5 bzgl.
hZ911 , +911 , 0i : −5 = 906
hZ∗911 , •911 , 1i : 5−1 = 729
hR>0 , •, 1i : 5−1 = 0.2
hR, +, 0i : −5 = −5
AES“ : 5−1 = 82
”
−1 8 3 4 8
(5 = 82 in GF(2 ) bzgl. 1 + x + x + x + x .)
142
6.2.4 Restklassengruppen
Restklassengruppen, Kongruenzen 407
• Erinnerung: Sei f : A → B Funktion. Dann ist
a ≡f b gdw. f (a) = f (b)“
”
eine Äquivalenzrelation auf A mit Äquivalenzklassen [a]f = f −1 (f (a)).
. Für f (x) = x mod n (n ∈ N) erhält man damit sofort:
”a ≡n b gdw. (a mod n) = (b mod n)“
ist Äquivalenzrelation auf Z mit Äquivalenzklassen
[a]n = {a + nz | z ∈ Z} =: a + nZ
Man nennt [a]n auch die Restklasse von a modulo n.

• ≡n ist eine Äquivalenzrelation, die mit + und • verträglich ist, d.h.:
. Aus a ≡n a0 und b ≡n b0 folgt
a0 − a b0 − b
k := ∈Z und l := ∈Z
n n
und damit sowohl
a0 + b0 = (a + nk) + (b + nl) = a + b + n(k + l) ≡n a + b
als auch
a0 b0 = (a + nk) • (b + nl) = ab + n(al + bk + nkl) ≡n ab
. Alternativ: Mit [a]n = [a0 ]n und [b]n = [b0 ]n gilt also
[a + b]n = [a0 + b0 ]n und [a • n b] = [a0 • b0 ]
• Man nennt ≡n daher eine Kongruenz auf Z bzgl. + und •.1

• Daher sind durch
[a]n + [b]n := [a + b]n und [a]n • [b]n := [a • b]n
tatsächlich binäre Operationen auf Z/nZ = {[x]n | x ∈ Z} definiert,
da die Definitionen unabhängig von den konkreten Repräsentanten sind.
. Insbesondere gilt
[a]n + [b]n = [a +n b]n und [a]n + [b]n = [a • n b]n
• Damit sind hZ/nZ, +, [0]n i und h(Z/nZ)∗ , •, [1]n i ebenfalls Gruppen.
– (Z/nZ)∗ := {[x]n | ggT(x, n) = 1}
– Addition und Multiplikation sind trivial auf Z/nZ assoziativ und kommutativ, da sie mittels
der Addition und Multiplikation auf Z definiert werden, z.B.:
[a]n + ([b]n + [c]n ) = [a]n + [b + c]n = [a + (b + c)]n = [a + b + c]n
– Multiplikatives Inverses ebenfalls mittels EEA, da [a]n • [b]n = [a • n b]n .

– hZn , +n , 0i und hZ/nZ, +, [0]n i bzw. hZ∗n , •n , 1i und h(Z/nZ)∗ , •, [1]n i sind bis auf Ismorphie
”
diesselben Gruppen“.
1 Die semantische Äquivalenz ist eine Kongruenz bgzl. ∧, ∨, ¬. Z.B. für G ≡ H gilt F ∧ G ≡ F ∧ H.
143
144
145
• Beispiel: hZ/nZ, +, [0]n i für n ∈ N
– Grundmenge: Z/nZ := {[a]n | a ∈ Z}
– Gruppenoperation: [a]n + [b]n := [a + b]n
– Neutrales: [0]n
– Inverse: −[k]n = [−k]n
• Beispiel: h(Z/nZ)∗ , •, [1]n i für n ∈ N
– Grundmenge: (Z/nZ)∗ := {[a]n | ggT(a, n) = 1}
– Gruppenoperation: [a]n • [b]n := [a • b]n
– Neutrales: [1]n
– Inverse: [a]−1
n = [α]n mit 1 = ggT(a, n) = α a + β n (EEA).
• •
x−y
. Bemerkung: Entsprechend hR/2πZ, +2π , [0]2π i mit ”x ≡2π y gdw. 2π
∈ Z“.
h{(x, y) ∈ R2 | x2 + y 2 = 1}, ⊕, (0, 0)i zu hR/2πZ, +2π , 0i wie
hZn , +n , 0i zu hZ/nZ, +, [0]n i.

• Beachte:
– In Zn festes Repräsentantensystem {0, 1, . . . , n − 1}
– In Z/nZ können Repräsentanten frei gewählt/gewechselt werden.
Es ist daher meistens einfacher in Z/nZ bzw. bzgl. ≡n zu rechnen:
. Z.B. 5 • 13 12 = 8 mittels:
[5 • 13 12]13 = [5]13 • [12]13 = [5]13 • [−1]13 = [−5]13 = [8]13
oder kurz:
5 • 12 ≡13 5 • (−1) ≡13 −5 ≡13 8
. Z.B. 994 • 997 995 • 997 996 = 991 mittels:
[994 • 997 995 • 997 996]997 = [994]997 • [995]997 • [996]997

= [−3]997 • [−2]997 • [−1]997 = [−6]997 = [991]997
oder kurz:
994 • 995 • 996 ≡997 (−3) • (−2) • (−1) ≡997 −6 ≡997 991
6.2.5 Grundlegende Eigenschaften

Gruppen – Eigenschaften (1) 413
• Lemma: Sei G=hG,
ˆ •, 1i eine Gruppe. Dann gilt stets (ab für a • b):
1. Das Neutrale ist eindeutig da:

Sei 10 ∈ G mit ∀a ∈ G : 10 a = a = a10 .
Da 1 Neutrales gilt auch ∀a ∈ G : 1a = a = a1.
Damit: 10 = 10 1 = 1
146
2. Das Inverse ist eindeutig da:
Sei a ∈ G beliebig und b, c ∈ G mit ab = ba = ac = ca = 1.
Damit: b = b1 = b(ac) = (ba)c = 1c = c
Notation: Für multiplikative Gruppen hG, •, 1i schreibt man a−1 für das (jetzt) eindeutige
Inverse von a ∈ G; für additive Gruppen hG, +, 0i entsprechend −a.
Wichtig: a−1“ bedeutet Bestimme das Inverse“, z.B. in hZ∗5 , •5 , 1i also 3−1 = 2 ∈ Z∗5 und
” ”
nicht 0.3 6∈ Z∗5 .
3. (a−1 )−1 = a und (ab)−1 = b−1 a−1 da:
a und (a−1 )−1 Inverse von a−1 ; (ab)−1 und b−1 a−1 Inverse von ab.
In additiver Notation: −(−a) = a und −(a + b) = (−b) + (−a).
Gruppen – Eigenschaften (2) 414

• Lemma: Sei G=hG,
ˆ •, 1i eine Gruppe. Dann gilt stets (ab für a • b):
1. Kürzungsregel: Falls ab = ac, dann bereits b = c da:
b = 1b = (a−1 a)b = a−1 (ab) = a−1 (ac) = (a−1 a)c = 1c = c
Analog: Falls ba = ca, dann auch b = c

2. Also: b = c gdw. ab = ac für ein beliebiges a ∈ G
bzw.: b 6= c gdw. ab 6= ac für ein beliebiges a ∈ G
• Folgerungen:
– a−1 b ist die eindeutige Lösung von ax = b da:
ax = b = a(a−1 b), also x = a−1 b nach Kürzungsregel.
. Entsprechend ba−1 eindeutige Lösung von xa = b.
– Für jedes a ∈ G sind la (x) := ax und ra (x) := xa Permutationen von G:
a−1 b ist das eindeutige Urbild von b bzgl. la .
ba−1 ist das eindeutige Urbild von b bzgl. ra .
6.2.6 Ordnung eines Elements

Ordnung eines Elements 415
• Definition: Für G=hG,
ˆ •, 1i eine Gruppe, a ∈ G und k ∈ N0 :
a0 := 1 ak+1 := a • (ak ) a−(k+1) := (a−1 ) • (a−k )
Setze dann hai := {ak | k ∈ Z} = {. . . , a−3 , a−2 , a−1 , 1, a, a2 , a3 , . . .}

und ord(a) := min{k ∈ N | ak = 1} (mit min ∅ := ∞).
– ord(a) heißt Ordnung von a und ist die kleinste positive Zahl mit ak = 1.
– a wird ein Erzeuger von G genannt, falls hai = G.
• Anmerkungen:
– Für additiv geschriebene Gruppen hG, +, 0i wird die Definition zu
0a := 0 und (k + 1)a := a + (ka) und (−(k + 1))a := (−a) + ((−k)a)
mit hai = {ka | k ∈ Z} und ord(a) = min{k ∈ N | ka = 0}.
147
– Der Exponent zählt nach Definition einfach, wie viele Kopien des Elements a bzw. a−1 man
mittels der Gruppenoperation verknüpfen muss.
Übung: Insbesondere gilt für alle a ∈ G und k, l ∈ Z:
(ak )−l = akl = (al )k ak al = ak+l hai = ha−1 i ord(a) = ord(a−1 )

• Beispiel: ord((1, 2, 3)) = 3 in hS3 , ◦, idi da:
(1, 2, 3)3 = ((1, 2, 3) ◦ (1, 2, 3)) ◦ (1, 2, 3) = (1, 3, 2) ◦ (1, 2, 3) = (1)(2)(3)
• Beispiel: ord(5) = 6 in hZ∗7 , •7 , 1i da:
56 = (5 • 7 5) • 7 54 = 4 • 7 54
= (4 • 7 5) • 7 53 = 6 • 7 53
= (6 • 7 5) • 7 52 = 2 • 7 52
= (2 • 7 5) • 7 5
= 3 • 75
= 1
Oder einfacher mittels 5 ≡7 −2, woraus direkt 5k ≡7 (−2)k folgt.

• Beispiel:
ord(4) = 3 in hZ6 , +6 , 0i da (4 +6 4) +6 4 = 2 +6 4 = 0 und
ord(4) = ∞ in hZ, +, 0i da h4i = 4Z = {4k | k ∈ Z}
Ordnung eines Elements: Veranschaulichung für |G| < ∞ 417

• Erinnerung: la (x) = ax und ra (x) = xa sind Permutationen auf G.
Betrachte Gra = (G, {(x, ra (x)) | x ∈ G}) (alternativ Gla ) (Zykelnotation).
Gra zerfällt wieder in disjunkte Kreise (siehe ∼f in TA4.2):
. Beispiele:
hZ6 , +6 , 0i, a = 1 hZ6 , +6 , 0i, a = 2 hZ∗9 , •9 , 1i, a = 2 hZ∗9 , •9 , 1i, a = 4
0 0 1 1
5 1 5 2 5 2 5 4
4 2 3 4 7 4 8 7
3 1 8 2
. hai sind gerade die Elemente des Kreises, der das Neutrale enthält;
ord(a) = |hai| ist gerade die Länge des Kreises;
Gra−1 entsteht durch Umdrehen der Kanten von Gra .
. Beobachtung: xhai Zykel zu x; alle Zykel haben Länge ord(a) = |hai|;
|G|
Gra besteht aus genau ord(a) ∈ Z Kreisen, d.h. ord(a)| |G| (später formal).
Ordnung eines Elemente: Veranschaulichung für |G| < ∞ 418
148
hS3 , ◦, Idi, a = (1, 2, 3) hZ∗7 , •7 , 1i, a = 5 hZ6 , +6 , 0i, a = 4
Id 1 0
(1, 3) (1, 2, 3) 3 5 3 4
(2, 3) (1, 3, 2) 2 4 5 2
(1, 2) 6 1
hZ12 , +12 , 0i, a = 3

0
11 3
8 6
5 9
2 1
10 4
7

• Lemma: Sei hG, •, 1i eine Gruppe und a ∈ G mit ord(a) < ∞.
Dann gilt: (Erinnerung: ord(a) = min{k ∈ N : ak = 1} ≥ 1.)
1. a−1 = aord(a)−1 da 1 = aord(a) = aord(a)−1 • a.
2. ak = ak mod ord(a) für jedes k ∈ Z da
k mod ord(a) = k − m ord(a) für ein geeignetes m ∈ Z, so dass
ak = a(k mod ord(a))+m ord(a) = ak mod ord(a) (aord(a) )m = ak mod ord(a) • 1m
3. hai = {1, a, a2 , . . . , aord(a)−1 } da (2) auf Definition anwenden:
hai = {ak | k ∈ Z} = {ak mod ord(a) | k ∈ Z} = {ak | k ∈ Zord(a) }
4. |hai| = ord(a) da:

Nach 3 gilt |a| ≤ ord(a). Falls |hai| < ord(a), dann gibt es 0 ≤ i < j < ord(a) mit ai = aj ,
also aj−i = 1, womit ord(a) ≤ j − i < ord(a) folgt (Widerspruch).
Bemerkung: Siehe auch TA4.2.
5. ak = ak mod ord(a) = 1 gdw. k mod ord(a) = 0 gdw. ord(a)|k da
ord(a) = ord(a−1 ) = min{k ∈ N | ak = 1} und 0 ≤ k mod ord(a) < ord(a).

−1
• Erinnerung: hai = ha i in jeder Gruppe.
149
• Beispiel: hZ∗11 , •11 , 1i:
h1i = {1}
h2i = {2, 4, 8, 5, 10, 9, 7, 3, 6, 1}
h3i = {3, 9, 5, 4, 1}
h4i = h3i
h5i = {5, 3, 4, 9, 1}
h6i = h2i
h7i = {7, 5, 2, 3, 10, 4, 6, 9, 8, 1}
h8i = h7i
h9i = h5i
h10i = {10, 1}
. Also ord(2) = ord(6) = ord(7) = ord(8) = 10, ord(3) = ord(5) = ord(8) = ord(9) = 5, ord(10) = 2,
ord(1) = 1.

• Erinnerung: hai = ha−1 i in jeder Gruppe.
• Beispiel: hS3 , ◦, idi:
h(1)(2)(3)i = {(1)(2)(3)}
h(1)(2, 3)i = {(1)(2, 3), (1)(2)(3)}
h(1, 2)(3)i = {(1, 2)(3), (1)(2)(3)}
h(1, 3)(2)i = {(1, 3)(2), (1)(2)(3)}
h(1, 2, 3)i = {(1, 2, 3), (1, 3, 2), (1)(2)(3)}
h(1, 3, 2)i = h(1, 2, 3)−1 i
• Fakt: Ist π ∈ Sn eine Permutation, die in Zykelschreibweise die Form

(1) (1) (2) (r)
π = (x1 , . . . , xl1 )(x(2) , . . . , xl2 ) . . . (x(r) , . . . , xlr )
hat, dann gilt:

ord(π) = |hπi| = kgV(l1 , l2 , . . . , lr )
Intuition: r Uhren, i-te Uhr braucht li Zeiteinheiten für einen Durchlauf.

• Satz: Sei hG, •, 1i eine endliche Gruppe.
Dann gilt für jedes a ∈ G, dass |G| mod ord(a) = 0, also a|G| = 1.
. Erinnerung: ra (x) = xa ist Permutation, Gra = (G, {(x, xa) | x ∈ G}).
. Beweis: Fixiere ein a ∈ G und definiere xhai := {xak | k ∈ Z} für x ∈ G.
xhai = {rak (x) | k ∈ Z} ist gerade der Kreis in Gra , der x enthält.
1. x ∼a y gdw. xhai = yhai“ ist eine Äquivalenzrelation auf G.
”
( Liegen im selben Kreis in Gra .“)
”
2. Die Äquivalenzklasse [x]a = {y ∈ G | x ∼a y} ist gerade xhai.
( Der Kreis von x in Gra .“)
”
3. Jede Äquivalenzklasse [x]a hat gerade ord(a) = |hai| viele Elemente.
Da Multiplikation hai → xhai : y 7→ xy mit x bijektiv.
150
4. Damit gilt |G| = k ord(a) mit k = |{[x]a | x ∈ G}| die Anzahl der verschiedenen Äquivalenzklassen
( Kreise in Gra “).
”
5. Insbesondere gilt daher |G| mod ord(a) = 0 und somit a|G| = 1.

• Beispiel: Für hZ12 , +12 , 0i und a = 3 gilt h3i = {3, 6, 9, 0},
so dass x ∼a y gdw. x +12 {0, 3, 6, 9} = y +12 {0, 3, 6, 9}“:
”
[0]3 = {0, 3, 6, 9} [1]3 = {1, 4, 7, 10} [2]3 = {2, 5, 8, 11}
Zum Vergleich Gr3 = (Z12 , {(x, x +12 3) | x ∈ Z12 }):

0
11 3
8 6
5 9
2 1
10 4
7

• Bemerkung: Für hZ, +, 0i und a = 3 gilt h3i = 3Z,
so dass x ∼3 y gdw. x + 3Z = y + 3Z gdw. x ≡3 y“.
”
Die Kongruenz ≡n modulo n ist also ein Spezialfall von ∼a .
Alternativ kann man x ∼a y daher auch als x und y unterscheiden sich (von rechts) um eine
”
Potenz von a lesen“.
(∼a ist i.A. allerdings nur eine Kongruenz, falls a mit jedem Element aus G kommutiert.)

• Korollar: Sei hG, •, 1i eine endliche Gruppe. Dann gilt:
1. λG := kgV({ord(a) | a ∈ G}) teilt |G| ohne Rest.
2. λG = min{λ ∈ N | ∀a ∈ G : aλ = 1}.
Man nennt λG den Gruppenexponent von G.
3. Für jedes k ∈ Z, jedes a ∈ G und M = |G| (oder M = λG ):
ak = a(k mod M )+mM = a(k mod M ) (aM )m = ak mod M
. Beispiel: In hZ∗11 , •11 , 1i mit |Z∗11 | = ϕ(11) = 11 − 1

∗
21001 = 21001 mod |Z11 | = 21 = 2
Weiterhin gilt ord(2) = 10 und daher λZ∗11 = |Z∗11 | = 10.

. Beispiel: In hS6 , ◦, Idi mit |S6 | = 6! = 720.
(1, 2, 3, 4, 5, 6)723 = (1, 2, 3, 4, 5, 6)723 mod |S6 |

= (1, 2, 3, 4, 5, 6)3 = (1, 4)(2, 5)(3, 6)
Weiterhin gilt ord( (1, 2, 3, 4, 5, 6) ) = 6 und λS6 = kgV([6]) = 60.
151
• Spezialfall: In hZ∗n , •n , 1i Satz von Euler
∗
1 = a|Zn | = aϕ(n)
bzw. aϕ(n) ≡n 1 falls ggT(a, n) = 1.

• Spezialfall: In hZ∗p , •p , 1i für p ∈ P kleiner Fermatscher Satz
∗
1 = a|Zp | = aϕ(p) = ap−1
bzw. ap−1 ≡p 1 falls ggT(a, p) = 1.

• Anwendung: Gegeben endliche Gruppe hG, •, 1i. Gesucht e, d ∈ Z, so dass
f (x) = xe und g(x) = xd Permutationen von G mit f −1 = g.
!
Es soll also ∀x : x = g(f (x)) = (xe )d = xed = xed mod |G| = xe•|G| d gelten.
Hinreichend hierfür: 1 = e • |G| d. (Notwendig: 1 = e • λG d.)
1 = e • |G| d bedeutet 1 = ggT(e, |G|) (siehe ggT, EEA).
Wähle also e ∈ Z∗|G| und bestimme d mittels EEA.
6.2.7 Untergruppen
Untergruppen 427
• Defintion: Sei hG, •, 1i eine Gruppe.
Eine nicht leere Teilmenge H ⊆ G wird als Untergruppe von G (kurz: H ≤ G) bezeichnet, falls •
eingeschränkt auf H eine Gruppe definiert.

• Beispiele:
– hai definiert eine (kommutative) Untergruppe für jedes a ∈ G.
Speziell für hZ, +, 0i: hni = nZ.
– Z definiert eine Untergruppe von hR, +, 0i
– Zn definiert keine Untergruppe von Z.
– Die quadratischen Reste {a2 mod n | a ∈ Z∗n } bilden eine UGrp von hZ∗n , •n , 1i.
– Die Automorphismen eines Graphen mit n Knoten bilden eine Untergruppe jeder symmetri-
schen Gruppe hSm , ◦, idi mit mindestens m ≥ n Elementen.
. Spezialfall: Die Symmetrien des regelmäßigen n-Ecks definieren eine als Diedergruppe Dn
bezeichnete Untergruppe der hSn , ◦, idi ([Bsp])
Es gilt |Dn | = 2n, also S3 = D3 , aber für n > 3 echte Untergruppe.
Untergruppen 428
• Beispiel D4 ≤ S4 (siehe auch TA5.1)
152
Bildquelle: [wikipedia.de]
Untergruppen 429
• Lemma: Sei hG, •, 1i Gruppe und ∅ =
6 H ⊆ G mit H ≤ G.
Dann erbt H das Neutrale und die Inversen von G, da:
– Sei 1H das Neutrale in H. Dann folgt 1H = 1, da in G gilt:
1H = 1H 1 = 1H (1H 1−1 −1 −1
H ) = (1H 1H )1H = 1H 1H = 1
– Weiterhin sind die Inversen in G eindeutig.

• Lemma: Sei hG, •, 1i Gruppe und ∅ =
6 H ⊆ G. Dann gilt
H ≤ G gdw. ∀a, b ∈ H : ab−1 ∈ H
da:
– Es gelte H ≤ G: nach oben auch b−1 ∈ H und • auf H abgeschlossen.
– Es gelte ∀a, b ∈ H : ab−1 ∈ H.
Dann gilt aa−1 = 1 ∈ H und damit 1b−1 = b−1 ∈ H für alle a, b ∈ H.
Wegen (b−1 )−1 = b folgt ab = a(b−1 )−1 ∈ H für alle a, b ∈ H.
• Satz von Lagrange: |H| ist stets ein Teiler von |G| für H ≤ G.
Idee: Betrachte x ∼H y gdw. xH = yH“ analog zu Spezialfall H = hai.
”
6.2.8 Zyklische Gruppen

Zyklische Gruppen 430
• Definition: Eine Gruppe hG, •, 1i heißt zyklisch,
falls es ein a ∈ G mit hai = G gibt;
a heißt dann Erzeuger/Generator von G.
. Fakt:
Jede zyklische Gruppe ist kommutativ da ak • al = ak+l = al ak .
. Beispiele:
– hZ, +, 0i ist zyklisch; Erzeuger 1 und −1.
– hZn , +n , 0i ist zyklisch; Erzeuger Z∗n (folgt).
– hSn , ◦, idi ist nicht zyklisch i.A., da nicht kommutativ für n ≥ 3.
153
– hZ∗n , •n , 1i zykl. gdw. n ∈ {2, 4, pr , 2pr : p ∈ P \ {2}, r ∈ N} (ohne Beweis).
Bemerkung: Wegen ggT(0, 1) = 1 gilt Z∗1 = {0} und somit 1 6∈ Z∗1 . Also ist hZ∗1 , •1 , 1i keine
Gruppe. Je nach Literatur wird Z∗1 jedoch dennoch als zyklisch betrachtet, dann ist allerdings
hZ∗1 , •1 , 0i gemeint.
– hai ist immer eine zyklische Untergruppe.

• Lemma: Sei hG, •, 1i zyklisch und endlich mit N := |G|. Dann gilt für a ∈ G:
hai = G gdw. ∀p ∈ {p ∈ P : p | N } : aN/p 6= 1
. Beweis:
Falls a Erzeuger, dann ord(a) = N , also aN/p 6= 1, da N/p < ord(a).
N
Falls a kein Erzeuger, ord(a) < N ∧ ord(a)|N . Wähle p ∈ P mit p | ord(a) .
. Korollar 1: Jede Gruppe hG, •, 1i mit p := |G| ∈ P ist zyklisch.

da: (1) ord(a) ∈ {1, p} und (2) ord(a) = 1 gdw. a = 1.
Also hai = G gdw. a 6= 1.
. Korollar 2: Z∗n ist gerade die Menge der Erzeuger von hZn , +n , 0i.
n •
da: hai =
6 Zn gdw. ∃p|n : p na = 0 gdw. ∃p|n : p|a gdw. ggT(a, n) ≥ p > 1.

• Lemma:
Jede Untergruppe H ≤ G einer zyklischen Gruppe hG, •, 1i ist zyklisch.
. Beweis: Sei hgi = G. OBdA. H 6= {1}.
1. Sei I = {k ∈ Z | g k ∈ H}. Da H ⊆ G = hgi gilt H = {g k | k ∈ I}.
2. Da H Gruppe: (1) k + l ∈ I für k, l ∈ I, (2) k ∈ I gdw. −k ∈ I, (3) 0 ∈ I.
3. Sei m := min{k ∈ N : g k ∈ H} = min(I ∩ N) die kleinste positive Zahl in I.
4. Dann gilt auch mZ ⊆ I, da hg m i = {g k | k ∈ mZ} ⊆ H.
5. Wir zeigen, dass I = mZ und damit hg m i = H. Sei hierfür n ∈ I beliebig.
6. Dann gilt auch n + mZ ⊆ I, also auch n mod m ∈ I.
7. Da 0 ≤ n mod m < m und m = min(I ∩ N) folgt n mod m = 0.
. Korollar: Speziell für G = hZ, +, 0i folgt H = I = mZ in obigem Beweis.
D.h. die zyklischen Untergruppen von hZ, +, 0i sind gerade von der Form hmZ, +, 0i für m ∈ N0 .
6.2.9 Homomorphie und Isomorphie

Homomorphie und Isomorphie 433
• Definition: Seien hGA , •A , 1A i und hGB , •B , 1B i Gruppen.
h : GA → GB heißt Homomorphismus, falls für alle a, b ∈ GA
h(a • A b) = h(a) • B h(b)
Falls h bijektiv, nennt man h Isomorphismus und GA ∼

= GB ismorph.
. Beispiele: Homomorphien ( von ähnlicher Gestalt“)
”
154
– h : hZ, +, 0i → hZ/nZ, +, [0]n i : z 7→ [z]n
– h : hR, +, 0i → h{(x, y) ∈ R2 | x2 + y 2 = 1}, ⊕, (0, 1)i : x 7→ (sin x, cos x)
. Beispiele: Isomorphien ( von gleicher Gestalt“)
”
– hZ/nZ, +, [0]n i ∼ hZ
= n , +n , 0i und
h(Z/nZ)∗ , •, [1]n i ∼
= hZ∗ , •n , 1i
n
mittels h([k]n ) = k mod n und h−1 (k) = [k]n .

– hR, +, 0i ∼
= hR>0 , •, 1i mittels h(x) = ex und h−1 (x) = log x.

• Lemma: Ist h : GA → GB ein Homomorphismus von Gruppen, dann gilt:
1. h(1A ) = 1B da: 1B • B h(1A ) = h(1A ) = h(1A • A 1A ) = h(1A ) • B h(1A ).
2. h(a−1 ) = h(a)−1 da: h(a) • B h(a)−1 = 1b = h(a • A a−1 ) = h(a) • B h(a−1 ).
3. h(hai) = hh(a)i da: h(hai) = {h(ak ) | k ∈ Z} = {h(a)k | k ∈ Z} = hh(a)i.
4. ord(a) ≥ ord(h(a)) (falls h Isomorphismus, dann ord(a) = ord(h(a)).
da: ord(a) = |hai| ≥ |h(hai)| = |hh(a)i| = ord(h(a)).
5. h(GA ) ≤ GB da: h(x) • B h(y)−1 = h(x • A y −1 ) ∈ h(GA ).
6. h−1 (1B ) ≤ GA da: h(x • A y −1 ) = h(x) • B h(y)−1 = 1B • 1B = 1B .
7. Ist h Isomorphismus, dann auch die Umkehrabbildung h−1
da: h−1 (h(x) • B h(y)) = h−1 (h(x • A y)) = x • A y = h−1 (h(x)) • A h−1 (h(y)).
8. Ist h Isomorphismus, dann hai = GA gdw. hh(a)i = GB da: 4 .

• Lemma: Falls G = hgi = {g k | k ∈ Z} zyklische Gruppe, dann ist
– h : hZ, +, 0i → hG, •, 1i : k 7→ g k Homomorphismus,
sogar Isomorphismus, falls G nicht endlich.
Da: G = {g k | k ∈ Z} und g k • g l = g k+l .
– h : hZ|G| , +|G| , 0i → hG, •, 1i : k 7→ g k Isomorphismus, falls G endlich.
Da: G = {g k | k ∈ Z|G| } und g k • g l = g (k+l) mod |G| = g k+n l .
. Diskrete Version von hR, +, 0i ∼
= hR>0 , •, 1i mittels h(x) = ex .
(Allerdings sind hR, +, 0i und hR>0 , •, 1i nicht zyklisch.)
. Korollar: {g k | k ∈ Z∗|G| } sind genau die Erzeuger von G = hgi.
da: h : Z|G| → G : k 7→ g k Ismorphismus;

Isomorphismen bilden eindeutig Erzeuger auf Erzeuger ab;
Z∗n ist die Menge der Erzeuger von hZn , +n , 0i.
155
• Aus der Sicht der Gruppentheorie sind isomorphe Gruppen äquivalent – kennt man einen Isomor-
phismus h : G1 → G2 , so kann man sich prinzipiell aussuchen, in welcher der beiden Gruppen man
rechnen möchte:
a • 1 b = h−1 (h(a)) • 1 h−1 (h(b)) = h−1 (h(a) • 2 h(b))
• Beispiele:
– [5 • 13 12]13 = [5]13 • [12]13 = [8]13
also 5 • 13 12 = 8
oder kürzer: 5 • 12 ≡13 5 • (−1) ≡13 −5 ≡13 8
– [995 • 997 . . . • 997 995]997 = [995]1000 4
997 = [−2]997 = [16]997
| {z }
1000Faktoren
also 9951000 mod 997 = 16

oder kürzer: 9951000 ≡997 (−2)4 ≡997 16

• Für die Kryptographie ist aber auch die Frage der effizienten Berechnung eines Isomorphismus h
bzw. h−1 wichtig.
. Diskreter-Logarithmus-Problem (DLP):
Gegeben hgi = G und a ∈ G, find das k ∈ Z|G| mit g k = a.
D.h. berechne h−1 (a) für h(k) = g k der kanonische Isomorphismus.
. Übung: DLP ist trivial in hZn , +n , 0i und in hZ, +, 0i (additive Notation!).
. Die Kryptographie ist gerade an zyklischen Gruppen interessiert, für welche das DLP nicht effizient
gelöst werden kann.
Kandidaten: bestimmte zyklische Untergruppen von hZ∗p , •p , 1i für p ∈ P; bestimmte zyklische
Untergruppen von elliptischen Kurven.
6.2.10 RSA, ElGamal

RSA 438
• Lemma: Sei hG, •, 1i eine endliche Gruppe.
Für jedes feste k ∈ Z sei Ek : G → G : a 7→ ak .
1. Falls k ≡|G| k 0 , dann sind Ek und Ek0 identisch da
0 0
Falls |G| |(k − k 0 ), dann ∀a ∈ G : ak−k = 1 und ∀a ∈ G : ak = ak
2. Falls ggT(k, |G|) = 1, dann ist Ek bijektiv und
es gilt Ek−1 = Ek0 für jedes k 0 ∈ Z mit k • k 0 ≡|G| 1 da:
0 0
mod |G|
Ek (Ek0 (a)) = akk = akk = a.
• Erinnerung: Gruppenexponent λG , falls G endlich:
λG = kgV({ord(a) | a ∈ G}) = min{λ ∈ N | ∀a ∈ G : aλ = 1}
. Bemerkung: Mittels λG gilt genauer:
1. k ≡λG k 0 gdw. Ek und Ek0 identisch
2. Ek ist bijektiv gdw ggT(k, λG ) = 1
156
3. Gilt ggT(k, λG ) = 1, dann gibt es ein k 0 ∈ Zλ∗G mit Ek−1 = Ek0 .
Insbesondere kann k 6≡|G| k 0 ∧ k ≡λG k 0 gelten.
RSA 439
• Generische Basisversion von RSA:
1. Empfänger wählt G so, dass er M = |G| (oder M = λG ) berechnen kann;
wählt dann k ∈ Z∗M und berechnet k 0 ∈ Z∗M mit kk 0 ≡M 1.
2. Empfänger veröffentlicht G und k in geeigneter Form.
3. Sender codiert Nachricht m in Gruppenelement a;
schickt das permutierte Element Ek (a) über öffentlichen Kanal.
4. Empfänger berechnet a = Ek0 (Ek (a)) und gewinnt daraus wieder m.
• Zentrale Anforderung an G:
Allein unter der Kenntnis von G und Ek (a) ist es in einem realistischen Zeitraum nicht möglich“
”
a (und daher auch nicht |G| , λG , k 0 ) zu berechnen
. Kandidaten für geeignete Gruppen G:
hZ∗pq , •pq , 1i mit p 6= q sehr große Primzahlen. Es gilt Z∗pq = (p − 1)(q − 1).
Empfänger veröffentlicht nur k und ausgewertetes Produkt N := pq.
RSA 440
• Beispiel für p = 41, q = 43, N = pq = 1763:
Dann gilt ϕ(41 • 43) = Z∗pq = (41 − 1)(43 − 1) = 23 • 5 • 2 • 3 • 7 = 1680.
Wähle z.B. k = 11 ∈ Z∗1680 .
Mittels EEA:
a b bb/ac α β
11 1680 152 611 −4
8 11 1 −4 3
3 8 2 3 −1
2 3 1 −1 1
1 2 1 1 0
Also k 0 = 611 mit 11 • 1680 611 = 1.
Verschlüsseln“ von 71: E11 (71) = (7111 ) mod 1763 = 270
”
Entschlüsseln“ von 270: E611 (270) = (270611 ) mod 1763 = 71
”
ElGamal 441
• Generische Version von ElGamal:
1. Empfänger wählt endliche zyklische Gruppe hG, •, 1i samt Erzeuger g.
Wählt weiterhin zufälliges x ∈ Z|G| und berechnet hx = g x in G.
2. Empfänger veröffentlicht hx , g und G“ in geeigneter Form
”
3. Sender codiert Nachricht m als Gruppenelement a.
Wählt weiterhin zufälliges y ∈ Z|G| und berechnet hy = g y und c = hyx • a in G.
Verschickt dann hy und c über öffentlichen Kanal.
157
4. Empfänger berechnet h−x
y
• c = g −xy • g xy • a = a in G.
. Notwendige Forderung an G:
Berechnen von x aus hx bzw. y aus hy darf nicht in einem realistischen Zeitraum möglich sein, d.h.
der inverse Ismorphismus zu Z|G| → G : k 7→ g k muss schwer“ zu berechnen sein (DLP).
”
. Kandidaten für geeignete Gruppen G:
Bestimmte Untergruppen von hZ∗p , •p , 1i für p prim; bestimmte Untergruppen elliptischer Kurven.
RSA, ElGamal – Anmerkungen 442

• RSA wird in der vorgestellten Form nur als Baustein für Verschlüsselungsverfahren benutzt.
. Üblicherweise verwendet man RSA nur, um den Schlüssel für z.B. AES-basierte Verschlüsselungsverfahren
auszutauschen.
. Für die Einbettung von Binärdaten in die Gruppe wird z.B. das randomisierte [Optimal Asymmetric
Encryption Padding] verwendet.
• Für ElGamal verwendet man meistens die Untergruppe hg 2 i von hZ∗p , •p , 1i für hgi = Z∗p (p ∈ P).
. ElGamal wird ebenfalls höchstens zum Schlüsselaustausch verwendet – meistens allerdings nur das
zugrundeliegende Diffie-Hellman-Protokoll:
Hier wählt der Sender nur y und sendet nur hy an den Empfänger. Aus hyx = g xy = hxy bestimmen
beide Parteien dann den gemeinsamen Schlüssel für z.B. AES-basierte Verschlüsselungsverfahren.
• [Aktuelle Empfehlung] des BSI für Sicherheit bis 2038:
Für RSA p, q ≥ 21500 .
Für ElGamal/DLP in hZ∗p , •p , 1i: p ≥ 23000
158

Skript Diskrete Strukturen

Hochgeladen von

Dokumentinformationen

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

Skript Diskrete Strukturen

Hochgeladen von

Copyright:

Verfügbare Formate

Diskrete Strukturen

c F. Brandt, J. Esparza und M. Luttenberger (TUM)

Was sind Diskrete Strukturen“? 3

Was sind Diskrete Strukturen“? 4

Was sind Diskrete Strukturen“? 5

Ziele und Motivation 7

Mengen in der Informatik 9

d.h. M enthält genau die drei Objekte a“, 2“, $“

{x | x ist deutscher Staatsbürger mit Wohnsitz in München“}

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

Mengen: Vergleiche von Mengen 14

Mengen: Vergleiche von Mengen 15

2.2.3 Operationen auf Mengen

. Damit gilt M1 ∩ M2 = ∩{M1 , M2 } und M1 ∪ M2 = ∪{M1 , M2 }.

Mengen: Operationen auf Mengen 18

2.2.4 Potenzmenge und Partitionen

Die Potenzmenge von M enthält alle Teilmengen von M als Elemente.

• Die Potenzmenge einer Menge mit k Elementen hat Kardinalität . . . 2k .

2.2.5 Visualisierung von Mengen: Venn- und KV-Diagramme

. Wichtig: Allgemeine Lage aller Mengen. (Bildquelle: [wikipedia])

A = A∪A A∪B = B∪A

. Mit definiertem Universum Ω:

. Rechte Seite: v.l.n.r. A \ B, A \ C, (A \ B) ∪ (A \ C)

2.2.7 Tupel, Sequenzen, Folgen und Wörter

(a, b, ∅, {b, a}, a) 6= (∅, {a, b}, a, b)

. Definitionen von Tupeln durch ( und ) eingeleitet bzw. beendet.

Tupel, Sequenzen, Folgen und Wörter 30

Tupel, Sequenzen, Folgen und Wörter 31

Tupel, Sequenzen, Folgen und Wörter 32

((a, b), c) entspricht

(a, (b, c)) entspricht

Tupel, Sequenzen, Folgen und Wörter 33

. Beachte: A0 := {()} und A1 := {(a) | a ∈ A} =

Wörter und Sprachen 34

Wörter und Sprachen 35

AId ANachname AVorname AId AMatrikelnummer AId AGeschlecht

Relationen: Join und Projektion 37

πi1 ,i2 ,...,ij (R) = {(ri1 , ri2 , . . . , rij ) | (r1 , . . . , rk ) ∈ R}

AId ANachname AVorname AId AMatrikelnummer AId AGeschlecht

(Selbst auswerten mit R, S, T von oben.)

2.3.2 Binäre Relationen und Graphen

Binäre Relationen: Graphen 40

Binäre Relationen: Graphen 41

Binäre Relationen: Graphen 42

Binäre Relationen: Graphen 43

. Beispiel: Skizze zu ≤N0 ⊆ N0 × N0

Binäre Relationen: Graphen 44

2.3.3 Relationales Produkt

RS = {(a, d) | es gibt x ∈ B ∩ C mit (a, x) ∈ R und (x, d) ∈ S}

oder kurz: RS = π1,4 (R ./2=1 S).

2.3.4 Binäre Relationen auf einer Menge

. Bemerkung: Obige Definition wird als induktive Definition bezeichnet.

Binäre Relationen auf einer Menge 48

Binäre Relationen auf einer Menge 49

Binäre Relationen auf einer Menge 50

. v ist von u erreichbar“, falls uR∗ v.

Binäre Relationen auf einer Menge 51

Binäre Relationen auf einer Menge 52

Binäre Relationen auf einer Menge 57

(s, t) ∈ R∗ gdw. (s, t) ∈ R≤n−1

Binäre Relationen auf einer Menge 58

Binäre Relationen auf einer Menge 59

Binäre Relationen auf einer Menge 60

Binäre Relationen auf einer Menge 61