Title | Porschen mitschriften digital |
---|---|
Author | Nicolas |
Course | Mathematik |
Institution | Hochschule für Technik und Wirtschaft Berlin |
Pages | 20 |
File Size | 575.2 KB |
File Type | |
Total Downloads | 377 |
Total Views | 456 |
1 Aussagenlogik Basis: Aussagenlogik [AL] Definition (Aussage, Wahrheitswert [WW]) Aussage ist Satz, einer künstlichen oder menschlichen Sprache, der entweder Wahr oder Falsch ist. Wahre Aussage wird Wahrheitswert wahr (1) zugeordnet. Falsche Aussage wird Wahrheitswert falsch (0) zugeordnet. Beispie...
WI - B05 - Mathematik für Wirtschaftsinformatiker
1
Aussagenlogik • Basis: Aussagenlogik [AL] • Definition (Aussage, Wahrheitswert [WW]) • Aussage ist Satz, einer künstlichen oder menschlichen Sprache, der entweder Wahr oder Falsch ist. • Wahre Aussage wird Wahrheitswert wahr (1) zugeordnet. • Falsche Aussage wird Wahrheitswert falsch (0) zugeordnet.
Beispiele • “In Berlin steht der Kölner Dom.“ (0) • “Durch Köln fließt der Rhein.“ (1) • “47 > 11“ (1) • “Jede gerade Zahl > 2, ist Summe zweier Primzahlen.“ (?) (beachte zugehöriger WW ist garantiert, aber unbekannt Aussage liegt vor.) • “Dieser Satz ist falsch!“ weder (0) noch (1) also keine Satz (nicht Aussage)
1.1
Aussageform
• ist Satz, der Platzhalter (=Variable) enthält. • wird zu einer Aussage falls für jede vorkommende Variable ein (passender) Wert eingesetzt wird. Wahrheitswert der sich so ergebenden Aussage hängt ab vom eingesetzten Werten. Beispiele • “Der Gärtner ist der Mörder.“ • “y ist Primzahl.“ • “x > y“
1.2
Aussage-Verknüpfungen
1.2.1 NEGATION ( ¬ ): • zu Aussage A: ¬A “nicht A“ • ¬ A kann als Aussageform betrachtet werden. Wobei A Variable für Wahrheitswert ist, d.h. A kann 0 oder 1 als Wert annehmen. • AL-Variable: G Boole: Boolsche Variable A 1 0
¬A 0 1
13.10.2010 - 20.10.2010
www.studiWI.de
Seite 1/ 6
WI - B05 - Mathematik für Wirtschaftsinformatiker 1.2.2 KONJUNKTION ( ∧ ): • zu AL-Variable A, B: A ∧ B “A und B“ A 1 1 0 0
B 1 0 1 0
A∧B 1 0 0 0
1.2.3 DISJUNKTION ( ∨ ): • AL-Variable A, B:A ∨ B “A oder B“ A 1 1 0 0
B 1 0 1 0
A∨B 1 1 1 0
1.2.4 IMPLIKATION ( ⇒ ): • AL-Variable A, B: A ⇒ B “aus A folgt B“ synonym “A impliziert B“ – A heißt Prämisse (= Voraussetzung) – B heißt Folgerung A 1 1 0 0
B 1 0 1 0
A⇒B 1 0 1 1
1.2.5 ÄQUIVALENT ( ⇔ ): • AL-Variable A, B: A ⇔ B • “A ist äquivalent zu B“ synonym “A gleichwertig mit B“ synonym “A genau dann, wenn(gdw.) B“ A 1 1 0 0
B 1 0 1 0
A⇔B 1 0 0 1
Beispiel • A: “Köln liegt am Rhein“ • B: “47 < 11“ “A ⇒ B“ : (0) “B ⇒ A“ : (1) Vorsicht: Korrekte Implikation heißt nicht korrekte Prämisse A: 1 = −1 : (0) B: 12 = (−1)2 : (1) (A ∧ (A ⇒ B)) ⇒ B “modus ponens“(setzende Schlußregel) 13.10.2010 - 20.10.2010
www.studiWI.de
Seite 2/ 6
WI - B05 - Mathematik für Wirtschaftsinformatiker
1.3
AL Formel
• Jede AL-Variable ist eine AL-Formel heißen atomare Formeln • Werden AL-Formeln gemäß AL-Verknüpfung (1.2) zusammengesetzt ergeben sich wiederum AL-Formeln, solange sich endlich große Objekte ergeben. • nichts anderes führt zu einer AL-Formel
1.4
AL-Formel ist Aussageform
die dadurch zur Aussage wird, dass jeder vorkommenden AL-Variablen ein Wahrheitswert zugewiesen wird. Der Wahrheitswert der sich so ergebenden Aussage ist eindeutig durch AL-Verknüpfung festgelegt. 1.4.1 Beispiel: Modellierung • Schließung der Tür zu Bank-Schließfächern. • Soll nur öffnen, falls elektronischen Schlüssel zweier verschiedener Personen verwendet werden. • AL-Variable P1 : 0 Strom fließt nicht; 1 Strom fließt P2 : 0 Strom fließt nicht; 1 Strom fließt Schließformel: P1 ∧ P2
1.5
Tautologie
AL-Formel heißt Tautologie, falls jede Zuweisung von Wahrheitswert zu in AL-Formeln vorkommenden AL-Variablen eine wahre Aussage liefert.
1.6
Tautologien
A, B, C AL-Variablen oder AL-Formeln: 1.6.1 Satz vom geschlossenen Dritten A ∨ ¬A = 1 A ∧ ¬A = 0 1.6.2 Satz vom Widerspruch ¬(A ∧ ¬A) 1.6.3 doppelte Verneinung ("Nicht-Nicht-Raucher") ¬(¬A) ⇔ A 1.6.4 Kommutativität von ∧, ∨ (A ∧ B) ⇔ (B ∧ A) (A ∨ B) ⇔ (B ∨ A)
13.10.2010 - 20.10.2010
www.studiWI.de
Seite 3/ 6
WI - B05 - Mathematik für Wirtschaftsinformatiker 1.6.5 Assoziativität A ∧ (B ∧ C) ⇔ (A ∧ B) ∧ C ⇔ A ∧ B ∧ C A ∨ (B ∨ C) ⇔ (A ∨ B) ∨ C ⇔ A ∨ B ∨ C 1.6.6 Distributivität A ∧ (B ∨ C ) ⇔ (A ∧ B) ∨ (A ∧ C ) A ∨ (B ∧ C ) ⇔ (A ∨ B) ∧ (A ∨ C ) 1.6.7 de Morgan Regeln (A = ¬F ) ¬(A ∧ B) ⇔ (¬A ∨ ¬B) ¬(A ∨ B) ⇔ (¬A ∧ ¬B) 1.6.8 Kontraposition (A ⇒ B) ⇔ (¬B ⇒ ¬A) “Wenn es regnet, dann wird Straße nass“ “Wenn Straße trocken, dann regnet es nicht“ A B ¬A ¬B A ⇒ B ¬B ⇒ ¬A F 1 1 0 0 1 1 1 1 0 0 1 0 0 1 0 1 1 0 1 1 1 0 0 1 1 1 1 1 1.6.9 modus ponsens (A ∧ (A ⇒ B)) ⇒ B 1.6.10 Idem Potenz (A ∧ A) ⇔ A (A ∨ A) ⇔ A 1.6.11 Tautologien begründen Beweistechniken F = (¬A ⇒ B ) ⇔ (A ∨ B ) F = (A ⇒ B ) ⇔ (¬A ∨ B ) A B ¬A A ∨ B ¬A ⇒ B 1 1 0 1 1 1 0 0 1 1 0 1 1 1 1 0 0 1 0 0
13.10.2010 - 20.10.2010
F 1 1 1 1
www.studiWI.de
Seite 4/ 6
WI - B05 - Mathematik für Wirtschaftsinformatiker nützlich um AL Formeln durch äquivalente Umformungen zu vereinfachen F = (¬A ⇒ B ) ∧ ((A ∧ B ) ⇒ ¬C) ∧ ((C ∨ ¬A) ⇒ ¬B ) F = (A ∨ B) ∧ (¬(¬(A ∧ B) ⇒ ¬C)) ∧ ¬(C ∨ ¬A)V ¬B F = (A ∨ B) ∧ (¬(A ∧ B) ∨ ¬C) ∧ ¬(C ∨ ¬A) ∨ ¬B F = (A ∨ B) ∧ (¬A ∨ ¬B ∨ ¬C) ∧ ((¬C ∧ A) ∨ ¬B) F = (A ∨ B ) ∧ (¬A ∨ ¬B ∨ ¬C) ∧ (¬C ∨ B ) ∧ (A ∨ ¬B ) G = ¬A E = ¬B ∧ ¬C (G ∨ E) ∧ E ⇔ E F = (A ∨ B) ∧ (B ∨ ¬C) ∧ (A ∨ ¬B) F = (A ∨ B) ∧ (A ∨ ¬B) ∧ (¬B ∨ ¬C) F = A ∨ (B ∧ ¬B) ∧ (¬B ∨ ¬C) F = A ∨ (¬B ∨ ¬C) Mit solchen Methoden kann man jede AL Formel in spezielle Gestalt "pressen"(normierte Gestalt)
1.7
KNF, DNF
AL Formel F heißt im : 1.7.1 konjunktiver Normalform(KNF) genau dann, wenn: F = K1 ∨ K2 ∧ K3 ... ∧Kn wobei Ki = (L1 ∨ L2 ∨ ... ∨Lr ) jedes L1 ist entweder AL Variable oder Negative AL Variable n, r; ganze Zahlen Ki heißt Klausel (A1 ∨ A2 ∨ ¬A3 ) ∧ (A1 ∨ ¬A2 ) ∧ ¬A3 | {z } | {z } |{z} K1 ; K2 ; K3 ; L1 = A1 AL Variable A1 , A2 , A3 ,: AL Variable 1.7.2 disjunktiver Normalform(DNF) genau dann, wenn: F = T1 ∧ T2 ∧ T3 ... ∧Tm wobei Ti = (L1 ∨ L2 ∨ ... ∨Ls ) jedes L1 ist entweder AL Variable oder Negative AL Variable m, s; ganze Zahlen 1≤i≤m (A1 ∧ A2 ∧ ¬A3 ) ∨ (A1 ∧ ¬A2 ) ∨ ¬A3 | {z } | {z } |{z} T1 ; T2 ; T3 ;
13.10.2010 - 20.10.2010
www.studiWI.de
Seite 5/ 6
WI - B05 - Mathematik für Wirtschaftsinformatiker
1.8
Normalformensatz
• Jede AL Formel F kann äquivalent umgeformt werden – in eine KNF Formel F1 : F ⇔ F1 – in eine DNF Formel F2 : F ⇔ F2 • Erfüllungsproblem (Komplexitätstheorie) • Eingabe: KNF : F • Ausgabe: ja(F erfüllbar) / nein(F1 ¬ erfüllbar)
1.9
Reales Anwendungsbeispiel
Korrektheits- / Konsistenzprüfungen bei Autobestellungen • AL : XF i Feature 1 bestellt : 1 • AL : XF i Feature 1 nicht bestellt : 0 AL Formel: verknüpfte Features entsprechenden Markterfordernissen bzw. technischen Erfordernissen. • z.B. F = F k ∧ F m ∧ F c ∧ F b ∧ F e ∧ F s • K: Klima; M: Motor; C: Karosserie; B: Bereifung; ... • z.B. Klimatisierungs-Teilformel – xKA : Klimaautomatik – xRM : Klima-Manuell – xRF : Innenraumfassung – xM K : Motor 40PS • FK : (xKA ∨ xK M ) ∧ ¬(xKA ∧ xK M ) ∧ (XM K ⇒ (¬xKA ∧ ¬xK M )) ∧ (xKA ⇒ xRF ) ...
13.10.2010 - 20.10.2010
www.studiWI.de
Seite 6/ 6
WI - B05 - Mathematik für Wirtschaftsinformatiker
1
Mengenlehre
Darstellungsgrundlage der gesamten Mathematik Mengen wichtig in vielen Algorithmen werden durch geeignete Darstellungen modelliert Menge / Relation extrem relevant für DBMS aus heutiger Sicht naive Definition
1.1
Vater der Mengenlehre (G.Cantor, 1845-1918)
Menge M ist Zusammenfassung von bestimmten, wohl unterschiedenen Objekten aus unserer Anschauung oder unseres Denkens zu einem Ganzen. Die zusammengefassten Objekte heißen Elemente der Menge M Schreibweise: “x ∈ M “: x ist Element von M; M = {...}
1.2
Beispiele
1.2.1 Objekte: Buchstaben im Wort (String) Hochschule M1 = {H, O, C, H, S, C, H, U, L, E}
M = {H, O, C, S, U, L, E}
• Mehrfachvorkommen werden ignoriert • Reihenfolge der Elementaufzählung irrelevant M = {O, S, L, E, U, H, C} 1.2.2 M2 = {A, B, C, D, ...Z} Objekt Buschstaben des Alphabets 1.2.3 M3 = {1, 2, 3, ...} “unendliche“ Menge, Menge der natürlichen Zahlen 1.2.4 M4 = {33, 34, 35, ...49} = {x : X ∈ N ∧ x ≥ 33 ∧ x ≤ 49} 1.2.5 wichtige Zahlenmengen • N := {1, 2, 3, ...} natürliche Zahlen • N0 := {0, 1, 2, 3, ...} natürliche Zahlen mit 0 • Z := {..., −3, −2, −1, 0, 1, 2, 3, ...} ganze zahlen • Q := {x : x =
z,z n
∈ Z, n ∈ N} rationale Zahlen (Bruchzahlen)
• R := {x : −∞ < x < ∞} reelle Zahlen 1.2.6 ∅ leere Menge { } einzige Menge, die 0 Elemente enthält
20.10.2010 - 28.10.2010
www.studiWI.de
Seite 1/ 8
WI - B05 - Mathematik für Wirtschaftsinformatiker 1.2.7 Mengen können als Objekte selbst Mengenenthalten • M7 := {1, {1}, {{1}, {2, 3}}} Menge, die die Menge 1 enthält • M8 := {x : x ist Menge der Zahlen einer Lottoziehung } • M8 = {{1, 2, 4, 8, 14, 49}, {13, 17, 5, 21}} Vorsicht! Mall := {x : x ist Menge } → Ausweg : AxiomatischeMengenlehre
1.3
Teilmenge, Obermenge
1.3.1 M heißt Teilmenge von Menge L : M ≤ L, gdw. x ∈ M ⇔ x ∈ L gleichbedeutend mit: x ∈ M ⇒ x ∈ L ∧ x ∈ L ⇒ x ∈ M 1.3.2 Wenn M ≤ L gibt, dann heißt L Obermenge von M 1.3.3 Mengen M und L heißen gleich, gdw. M ≤ L ∧ L ≤ M ⇔ L = M gleichbedeutend mit: x ∈ M ⇒ x ∈ L ∧ x ∈ L ⇒ x ∈ M gleichbedeutend mit: x ∈ M ⇔ x ∈ L
1.4
Potenzmenge
Die Potenzmenge P(M) einer Menge M, ist die Menge sämtlicher Teilmengen von M. P (M ) := {x : x ≤ M }
1.5
Beispiele
1.5.1 M := ∅, P (∅) = {∅} 1.5.2 M = {0, 1} P (M ) = {{0}, {1}, {0, 1}, ∅} {0} ≤ M 1.5.3 M = {r, g, b} P (M ) = {∅, {r}, {g}, {b}, {r, g }, {r, b}, {g, b}, {r, g, b}}
1.6
Hat M n Elemente
(M = {e1 , e2 , ..., en }, n ∈ |N ) dann P (M ) 2n viele Elemente. Beweis: 0 0 0 ... 0 ←→∅ 1 0 0 ... 0 ←→{ e1 } 0 1 0 ... 0 ←→{ e2 } ... 2 ∗ 2 ∗ 2...2 = 2n p.e.d. = Beweis ist abgeschlossen =
20.10.2010 - 28.10.2010
www.studiWI.de
Seite 2/ 8
WI - B05 - Mathematik für Wirtschaftsinformatiker
1.7
Operationen auf Mengen
1.7.1 Durchschnitt (= Schnittmenge) von Mengen M, L: M ∩ L := {x : x ∈ M ∧ x ∈ L}
∩ korrespondiert zu ∧ 1.7.2 Vereinigung von M, L: M ∪ L := {}x : x ∈ M ∨ x ∈ L}
M ∩L≤M ∪L 1.7.3 Differenzmenge M \ L := {x : x ∈ M ∧ ¬(x ∈ L)}
M \ L(= M − L) 1.7.4 Symmetrische Differenz M △ L := {x : (x ∈ M ∨ x ∈ L) ∧ (x 6∈ M ∩ L)}
△ korrespondiert zu XOR
1.8
wichtige Rechenregeln
sind K,L,M Mengen dann gilt 1.8.1 Kommutativität • M ∩L=L∩M • M ∪L=L∪M 1.8.2 Assoziativität • K ∩ (M ∩ L) = (K ∩ M ) ∩ L • K ∪ (M ∪ L) = (K ∪ M ) ∪ L 1.8.3 Distributivität • M ∩ (L ∩ K) = (M ∩ L) ∩ (M ∩ K) • M ∪ (L ∪ K) = (M ∪ L) ∪ (M ∪ K)
20.10.2010 - 28.10.2010
www.studiWI.de
Seite 3/ 8
WI - B05 - Mathematik für Wirtschaftsinformatiker
1.9
de Morgan
• L ≤ M, K ≤ M • M \ (L ∩ K) = (M \ L) ∪ (M \ K) • M \ (L ∪ K) = (M \ L) ∩ (M \ K ) | {z } | {z } A↑ B↑ Beweis: A≤B B≤A (x ∈ M ) ∧ ¬(x ∈ L ∨ x ∈ K) ⇔ (x ∈ M ) ∧ (x 6∈ L ∧ x 6∈ K) ⇔ (x ∈ M ∧ x 6∈ L) ∧ (x ∈ M ∧ x 6∈ K) ⇔ (x ∈ M \ L) ∧ (x ∈ M \ K) ⇔ x ∈ [(M \ L) ∩ (M \ K)] ⇔x∈B
1.10
Kartesisches Produkt
Seien L, M Mengen, L = 6 ∅ M 6= ∅ Dann heißt LxM = {(x1 , x2 ) : (x1 ∈ L ∧ x2 ∈ M )} Kartesisches Produkt von L und M (= Menge der geordneten Paare der Elemente in L, M) Beispiel L = {x1 , x2 }, M = {x, y} L ∗ M = {(1, x), (1, y ), (2, x), (2, y ), (3, x), (3, y )} |L ∗ M | = |L| ∗ |M | L ∗ M ∗ M ∋ (1, x, x) M ∗ L = {(x, ), (x, 2), (x, 3), (y, 1), (y, 2), (y, 3)} L=M =N N ∗ N = N2 R5 = R ∗ R ∗ R ∗ R ∗ R Beispiel L ∗ M ∗ M = |L ∗ M 2 | = |L| ∗ |M | ∗ |M | = |L| ∗ |M |2 = {(1, x, x), (1, x, y), (1, y, x), (2, x, x), (2, x, y), (2, y, x), (3, x, x), (3, x, y), (3, y, x)}
1.11
Quantor
• ∀ “für alle“ (Allquantor) • ∃ “es existiert“ (Existenzquantor) A(x) (x ∈ M ) ∀x : A(x) für alle x ∈ M gilt A(x) ∃x : A(x) es gibt (mindestens) 1 x, für das A(x) gilt.
20.10.2010 - 28.10.2010
www.studiWI.de
Seite 4/ 8
WI - B05 - Mathematik für Wirtschaftsinformatiker 1.11.1 für alle n ∈ N gilt Pn n(n+1) i=1 := 2 ∀n : A(n), (n ∈ N) A(n) :
Pn
i=1
:=
n(n+1) 2
Pn
a := a1 + a2 + a3 + ... +an
P26
a := a3 + a4 + a5 + ... +a26
i=1
i=3
1.11.2 es gibt ein n ∈ N, für das gilt n ∈ Q kurz: ∃n : n < (n ∈ N)
Q
1.11.3 es gibt kein n ∈ N, welches für alle m ∈
Q
m < n erfüllt.
kurz: ¬∃n : ∀m : m < n(m, n ∈ N)
1.12
Beweisprinzipien
• Beweise: Tagesgeschäft der Informatik • Korrektheit eines Algorithmus • Expertensysteme / KI : automatisches Beweisen • Chip-/Softwareverifikation 1.12.1 Direkter Beweis • Grundlage: modus ponens (A ∧ (A ⇒ B)) ⇒ B • A wahr: A ⇒ B1 ⇒ B2 ⇒ ... ⇒ B Beispiel Behauptung: Wenn n ∈ N durch 8 teilbar, (A) dann ist n auch durch 4 teilbar (B) Beweis: Sei n ∈ N : n teibar durch 8 dann existiert k ∈ N : n = 8 k = 4 ∗ 2 ∗ k also 4n = 2 ∗ k ∈ N also n teibar durch 4 1.12.2 indirektes Beweisen • Grundlage: Kontraposition • D.h. statt A ⇒ B (mittels m.p.) folgere ¬B ⇒ ¬A (mittels m.p.) Beispiel Behauptung: ist n2 eine ungerade natürliche Zahl, (A) dann ist auch n ∈ N ungerade (B) Beweis: ¬B : n ∈ N gerade dann existiert k ∈ N: n =2∗k ⇒ n2 = 4 ∗ k 2 = 2 ∗ (2k 2 ) n2 = 2 ∗ k 2 ∈ N ⇒ n∗2 ⇒ n2 gerade : ¬A
20.10.2010 - 28.10.2010
www.studiWI.de
Seite 5/ 8
WI - B05 - Mathematik für Wirtschaftsinformatiker 1.12.3 Widerspruchsbeweis • Grundlage: ¬(F ∧ ¬F ) • Um Aussage zu beweisen, nimmt man ¬A wahr an. Führe korrekte Implikation aus: (¬A ⇒ B1 ⇒ B2 ⇒ ... ⇒ 0) wahre Aussage ¬A : 0 ⇔ A : 1 √ Beispiel √Behauptung: 2 6∈ Q, das heißt es gibt keinen Bruch z mit 2 = nz n √ √ ¬A : 2 ∈ Q, dann zn = 2 ohne Kürzungen 2 ⇒ zn2 = 2 ⇔ z 2 = 2 ∗ n2 (z 2 gerade) ⇒ (z gerade) ⇒ ∃k ∈ N : z = 2 ∗ k ⇒ z 2 = (2 ∗ k)2 = 4 ∗ k 2 ⇒ 4 ∗ k 2 = 2 ∗ n2 ⇒ 2 ∗ k 2 = n2 d.h. im Bruch steckt der Faktor 2 keine Kürzung im Bruch √ 2 6∈ Q, Q ≤ R D 6 ∅ √\ Q = 2∈R\Q Behauptung: Wenn n ∈ N gerade, dann ist n + 3 ungerade A↑ ⇒ B↑ Annahme: n + 3 sei gerade ⇒ ∃k ∈ N : n+3=2∗k ⇒n =2∗k−3 ⇒ n2 hat Rest ⇒ n2 6∈ N d.h. n ungerade zur Prämisse ⇒ n + 3 ungerade 1.12.4 Äquivalenz-Beweis • Benutzung der Gestalt A ⇔ B zu zeigen, wird entweder in 2 Schritten ausgeführt A ⇒ B (in einer passenden Strategie) B ⇒ A (in einer passenden Strategie) • oder A ⇔ B1 ⇔ B2 ⇔ ... ⇔ B bei A ⇔ B1 Vorsicht! muss sicher sein 1.12.5 vollständige Induktion Aussage für N0 : A(n), n ∈ N0 , n ≥ n0 Pn i = 1 + 2+ ... +n = A(n), i=1 n ∈ N0 , n ≥ 1(= n0 )
n(n+1) 2
Induktionsanfang Beweise: A(n0 ) P1 1(1+1) A(n0 ) = A(1) : i=1 =1 i=1 2 also A(1) wahr.
20.10.2010 - 28.10.2010
www.studiWI.de
Seite 6/ 8
WI - B05 - Mathematik für Wirtschaftsinformatiker Induktionsschluss A(n) ⇒ A(n + 1) Durchhangeln durch N mit einem Implikation-Schritt Pn+1 P A(n + 1) : i=1 i = ( n+1 i=1 i) + (n + 1) I.A. → =
n(n+1) 2
+ (n + 1)
=
n(n+1)+2(n+1) 2
=
(n+1)∗(n+2) 2
A(1)∨, A(2), A(3) A(1) ⇒ A(2) A(2) ⇒ A(3) Beispiel alle n ∈ N0 : PnSatzi Für A(n) : i=0 2 = 2n+1 − 1 Beweis vollständiger Induktion I.A. : A(0) linke Seite: 20 = 1 rechte Seite: 20+1 − 1 = 1 ⇒ A(0) Induktionsschluss + 1) Pn (n i⇒ nP n+1 i A(n + 1) L.S. i=0 2 ) + 2n+1 2 = ( i=0 ⇒ (da A(n) wahr angenommen): Pn+1 i n+1 − 1 + 2n+1 = 2 ∗ 2n+1 − 1 i=0 2 = 2 = 21 ∗ 2n+1 − 1 = 2n+2 − 1 → R.S.vonA(n + 1) ⇒ A(n + 1) wahr AA(n) = 2n+1 − 1 AA(n) = 2n+2 − 1 somit linke = rechte Seite Pn i an+1 −1 Beispiel Satz i=0 a = a−1 für alle n ∈ N0 (geometrische Summe) a ∈ R, a 6= 1 Beispiel Satz Für alle n ∈ N gilt: h2n ≥ 1 + n2 , wobei: k∈N Pk hk := i=1 h2n =
P2n
1 i
1 i=1 i
=
1 1
+
1 2
+ 13 + ... + k1
=
1 1
+ 12 + ... +21n
hk ’k + e harmonische Zahl“ ( 1i i ∈ N = (1, 21 , 13 , 41 , ...) P∞
1n i=1 i
= ∞n
20.10.2010 - 28.10.2010
www.studiWI.de
Seite 7/ 8
WI - B05 - Mathematik für Wirtschaftsinformatiker Beispiel Ungleichung von Bernoulli ist a ≥ −1 beliebige reelle Zahl, dann : ∀n ∈ N : (1 + a)n ≥ 1 + n ∗ a I.A.c: n = 1 : (1 + a)1 (Esel) 1+a (Gaul) n → n + 1
A(n)
(1 + a)n+1 = (1 + a)n ∗ (1 + a) A(n) wahr →≥ (1 + n ∗ a) ∗ (1 + a) = 1 + a + n ∗ a + n ∗ a2 n ≥ 0 und a2 ≥ 0 = n ∗ a2 ≥ 0 ≥1+n+n∗a 1 + a(n + 1) : A(n + 1) R.S.
20.10.2010 - 28.10.2010
www.studiWI.de
Seite 8/ 8
WI - B05 - Mathematik für Wirtschaftsinformatiker
1
Relationen und Funktionen
1.1
Abbildung = Funktion
• D : Definitionsbereich; W : Wertebereich • Sind D 6= ∅ Mengen, dann ist Abbildung (= Funktion) f zwischen D und W eine Vorschrift : f : D → W , die jedem xǫD ein eindeutiges f (x)ǫW zuordnet. 1.1.1 Beispiel f : M → L M = {a, b, c, d}, L = {1, 2, 3}
f (a) = 1 f (b) = f (c) = f (d) = 3 nicht erlaubt: f (a) = 2 zusätzliche Abbildung d.h. von jedem x ∈ D = M darf nur ein Pfeil ausgehen es muss von jedem v ∈ D genau ein Pfeil ausgehen 1.1.2 Beispiel f : R → R f : R+ → R R+ := {x ∈ R :} x → f (x) = x2
1.2
Bild
Zu f : D → W und A ≤ D heißt f (A) = {f (x) : x ∈ A} “Bild von A unter f “ f (D) heißt “Bild von f “ 1.2.1 Beispiel f (A), A = {b, c, d } ≤ D = M f (A) = {3}, f(M ) = {1, 3} 1.2.2 Beispiel f : R+ → R R+ : {x ∈ R :≥ 0} √ x → f (x) := x f (R+ ) = R+ f : R+ → R+
28.10.2010 - 04.11.2010
www.studiWI.de
Seite 1/ 13
WI - B05 - Mathematik für Wirtschaftsinformatiker 1.2.3 Beispiel zu a ∈ R bei ist |a| := a, a ≥ 0 und −a, a ≤ 0 der Absolutbetrag von a | − 13| = 13 |0| = 0 f :R→R x → f (x) := |x| Betragsfunktion: f (R) = (Übung) 1.2.4 Beispiel Abstand zweier reeller Zahlen: a, b |a − b| = |b − a| a = −7 b = 13 |a − b| = | − 7 − 13| = | − 20| = 20 |b − a| = |13 − −7| = |13 + 7| = |20| = 20
1.3
binäre Relation
M, L Mengen, M = 6 ∅ , L 6= ∅ Dann heißt R ≤ M ∗ L binäre Relation Sprechweise: (x, y) ∈ R : x (bzw. y) steht in Relation R zu Schreibweise: xRy R = “ ≤ “, M = L = Z ≤⊆ Z2 (2, 3) ∈≤ 2 ≤ 3 (3, 1) 6∈≤ Z2 := {(x, y) : x ∈ Z, y ∈ Z} 1.3.1 Beispiel M = {x : x ist Prof-HTW } L = {y : y ist Kurs-HTW } “Prof leitet Kurs“-Relation R ≤ M ∗ L Prof x leitet Kurs y “(Bannert, Programmierung 1) ∈ R“ oder “Bannert R Programmierung 1“ “(Bannert, Software 3) ∈ R“ “(Swat, Statistik 1) ∈ R“
28.10.2010 - 04.11.2010
www.studiWI.de
Seite 2/ 13
WI - B05 - Mathematik für Wirtschaftsinformatiker 1.3.2 Beispiel f : D → W Funktion kann als binäre Relation aufgefasst werden: Funktionsgraph: Gf = {(x, f (x)) : x ∈ D} ≤ D ∗ W z.B. f (x) = x2 R ∗ R = markierter Bereich
1.3.3 Beispiel nicht erlaubt f (a) = 2 R ≤M ∗L
R = {(a, 1), (a, 2), (b, 2), (c, 2), (d, 1), (d, 2), (d, 3)} ≤ M ∗ L Jede Funktion 1 Variablen ist binäre Relation, aber nicht umgekehrt 1.3.4 Beispiel ≤⊆ Z2 : (x, y) ∈≤ genauso ann wenn x kleiner y oder x = y x ≤ y falls (x, y) ∈≤ 1.3.5 Beispiel Auch mehrstellige Relationen möglich R ≤ M1 ∗ M2 ∗ ... ∗Mn → relationale Datenbank-Tabellen
1.4
Funktion f : M → L heißt:
• injktiv genau dann wenn zu jedem y ∈ L gibt es entweder 0 oder 1 Element in M , die auf y abgebild...