Algorithmik 1. Organisatorisches. Friedrich-Alexander-Universität Erlangen-Nürnberg. Informatik 2/8 Programmiersysteme / Künstliche Intelligenz
|
|
- Eduard Grosse
- vor 5 Jahren
- Abrufe
Transkript
1 Orgaisatorisches Algorithmik 1 Regelug um die Weihachtspause: Diestag, : Vorlesug fällt aus Mittwoch, : Vorlesug fidet statt Der Tutoriebetrieb läuft bis zum (eischließlich) ud startet wieder am Verlägerte Abgabefriste Lotto-Aufgabe vo Blatt 8: Motag, , 9:00 Uhr 9. Übugsblatt: Motag, , 9:00 Uhr. Prof. Dr. Michael Philippse / Prof. Dr. Herbert Stoya Friedrich-Alexader-Uiversität Erlage-Nürberg Iformatik 2/8 Programmiersysteme / Küstliche Itelligez Algorithmik 1, WS 2004/05, Folie 13-2 Kapitel 13 - Skalierbarkeit ud Aufwad Algorithmewahl Diest Algorithme ud Datestrukture Zuverlässigkeit Korrektheit Robustheit Aufwad Skalierbarkeit Skalierbarkeit: Beherrschbarkeit des Wachstums Hady aus! geeigete Fuktioalität Klasse moderat steigeder Aufwad Algorithmus Algorithmik 1, WS 2004/05, Folie 13-3 Dyamische Mege, ADT Algorithmik 1, WS 2004/05, Folie 13-4 O-Kalkül, Komplexität
2 Aufwad Die Größe der Mege der Eigabedate für eie Algorithmus ka stark variiere. Das Verhalte eies Algorithmus sollte durch die Größe der Eigabedate ur moderat beeiflusst werde: Zum Beispiel soll ei Sortieralgorithmus 10, 100, 1000, 10000,... Dateelemete sortiere köe, ohe bei mehr Elemete bedeuted mehr Ressource (Zeit, Speicher) zu beötige. Bei der Implemetierug eies Algorithmus sollte ma also daach strebe, dass der Zeit- ud Speicheraufwad ur moderat mit der Größe der Eigabedate wächst. Beispiel: Coutig Sort Sortiere atürlicher Zahle x[0],...,x[] // Maximum suche for (it i=0; i<=; i++) Häufigkeit des Vorkommes s... if (x[i]> max) max=x[i]; 0 1 Durchläufe 2 max // Neues Feld der Läge max+1 iitialisiere it s[] = ew it[max+1]; for (it i=0; i<=max; i++) s[i]=0; max Durchläufe // Zähle, wie oft welche Zahl i x vorkommt for (it i=0; i<=; i++) s[x[i]]++; Durchläufe // x eu auffülle for (it i=0, j=0; i<=max; i++) while (s[i]>0) {x[j++]=i; s[i]--; mid. max Durchläufe Algorithmik 1, WS 2004/05, Folie 13-5 Isgesamt 2 +2 max Schleifedurchläufe zum Sortiere vo atürliche Zahle (Duplikate möglich). Taugt der Algorithmus was? Uter welche Umstäde ist er sivoll? Algorithmik 1, WS 2004/05, Folie 13-6 Vergleich vo Algorithme Algorithme verbrauche Rechezeit: Ausführugszeit des Programms selbst I der Praxis auch: Zeit für Ei-/Ausgabe, Zeit für Betriebsystem,... verbrauche Speicher für Programm ud Datestrukture: Platz für das Programm selbst Platz für seie statische Datestrukture Platz für seie dyamische Datestrukture Fragestelluge: Ist Algorithmus A scheller/sparsamer als Algorithmus B? Ka ei Algorithmus sigifikat verbessert werde? Umfag ud Aufwad Umfag : Azahl der Eigabewerte, z.b. Läge eier Liste Aufwad T() : Meist Azahl der Zeiteiheite, die der Algorithmus für Problem mit Umfag beötigt. Machmal: Azahl der Speichereiheite. Hägt der Aufwad icht ur vom Umfag ab, soder auch vo de tatsächliche Eigabewerte, da iteressiert ferer: ugüstigster Aufwad ( worst-case ) mittlerer Aufwad ( average-case ) Aufwad im beste Fall ( best-case ) Algorithmik 1, WS 2004/05, Folie 13-7 Algorithmik 1, WS 2004/05, Folie 13-8
3 Biärer Suchbaum = Biärbaum, für desse Kote k gilt value(left) < value(k) < value(right), falls die Kider existiere. Es muss eie (totale) Ordugsrelatio < auf dem Elemettyp T existiere, damit ma die Werte der Kote vergleiche ka. Beispiel Algorithmik 1, WS 2004/05, Folie < < 3 < < < Welche Aufwad hat das Eifüge eies eue Kotes? Suchbäume sehe je ach Eifügereihefolge aders aus (1) Algorithmik 1, WS 2004/05, Folie Beim Eifüge vo 3 müsse 2 Kote utersucht werde. Beim Eifüge vo 5 müsse 2 Kote utersucht werde. Suchbäume sehe je ach Eifügereihefolge aders aus (2) Beim Eifüge vo 2 müsse 3 Kote utersucht werde. Beim Eifüge vo 5 muss ur 1 Kote utersucht werde. Suchbäume sehe je ach Eifügereihefolge aders aus (3) Der Aufwad des Eifüges hägt ab vo der Azahl der scho vorhadee Kote im Baum (Umfag ) de tatsächliche Eigabewerte. Zeitaufwad im beste Fall: 1 Kote muss utersucht werde Zeitaufwad im schlechteste Fall: Kote sid i absteigeder Sortierug eigefügt worde. Der Baum ist zur Liste degeeriert. Der eizufügede +1-te Kote hat de kleiste Wert. Alle vorhadee Kote müsse utersucht werde. Mittlerer Zeitaufwad: Bei gleichverteilte Kotewerte müsse log Kote utersucht werde. Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie 13-12
4 Asymptotischer Aufwad Der exakte Aufwad eies Algorithmus etwa i Form der Azahl der Recheschritte bis zur Termiierug oder der verbrauchte Zeit ist kaum berechebar. Lieare Faktore sid für die Theorie uiteressat. Verschiedee Recher sid um Faktore uterschiedlich schell (GHz-Klasse) Wichtiger ist die ugefähre Größeordug, mit der der Aufwad i Abhägigkeit vom Umfag Eigabe wächst. Hierbei iteressiert vor allem der Aufwad für sehr große Umfäge. T() g() Algorithmik 1, WS 2004/05, Folie f() T() f() g() 10 Umfag 100 Umfag f,g: Aufwad uterschiedl. Algorithme. O-Kalkül Um die Größeordug des Aufwadswachstums festzulege, wird das asymptotische Verhalte der Aufwadsfuktio zumeist mit eiem Repräsetate eier bestimmte Fuktiosklasse vergliche. Der O-Kalkül erlaubt die Beschreibug solcher Vergleiche zwische Fuktioe. Edmud Ladau, , deutscher Zahletheoretiker Algorithmik 1, WS 2004/05, Folie Grudgedake: Obere Schrake: Wir teile Fuktioe, die Aufwad bereche i Fuktiosklasse ei. Für c,, 0 ù Igoriere GHz-Klasse O(f()) = { g() c>0 0 >0 0 : 0 g() c f() O-Notatio (asymptotisch obere Schrake), groß-o h()0o(f()): h() wächst höchstes so schell wie f() Defiitio: O(f()) = { g() c>0 0 >0 0 : 0 g() c f() Mege! sprich: groß-o f,g reellwertig, asymptotisch icht-egativ Ab Umstiegspukt 0 ist g() kleier als f() multipliziert mit eier beliebige Kostate. h() 0 O(f()) c f() h() h() O(f()) bedeutet: h() wächst höchstes so schell wie f(). Selbst bei eier Multiplikatio mit eiem beliebig große Faktor ist h() für große kleier als f(). 0 Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie 13-16
5 O-Notatio (asymptotisch obere Schrake), groß-o O(f()) = { g() c>0 0 >0 0 : 0 g() c f() Beispiele: Betrachte h() = 2 + Es gilt ² I der Mege O(²) sid (auch) alle Fuktioe, dere Wert ab eiem 0 uter 2² sid. Daher gilt h() = ²+ 0 O( 2 ) Betrachte h() = 5²+15 Es gilt ab 6: 5² ² 3. I der Mege O( 3 ) sid (auch) alle Fuktioe, dere Wert ab eiem 0 uter 6² sid. Daher gilt h() = 5²+15 0 O( 3 ) Es gilt atürlich auch h() 0 O( 2 ) Algorithmik 1, WS 2004/05, Folie O-Kalkül gibt sehr grobe obere Schrake a. Beispiel (1) Gegebe: x, a, a -1,..., a 0 Gesucht: P (x) = a x + a -1 x a 1 x + a 0 Horer-Schema (für Vo-Neuma-Recher): p = a[]; for (it i = -1; i >= 0; i--) p = p * x + a[i]; Zeitaufwad ist i O() Algorithmik 1, WS 2004/05, Folie Die Schleife wird mal durchlaufe. Jeder Durchlauf hat kostate Zeitbedarf. Beispiel (2) Gegebe: Aufgabe: Algorithmik 1, WS 2004/05, Folie Zeichefolge A = a 1, a 2,..., a Stelle fest, ob A ei Palidrom ist, d.h. i {1...: a i =a +1-i Algorithmus (für Vo-Neuma-Recher): for (it i=1; i<=; i++) { if (a[i]!= a[+1-i]) { retur false; retur true; Zeitaufwad ist i O() Die Schleife wird höchstes/im schlimmste Fall mal durchlaufe. Für jede Durchlauf ka ei maximaler, aber kostater oberer Zeitbedarf agegebe werde. Bei Falluterscheidug, i der Regel Aufwad des teuerste Falls veraschlage Implemetierugsbeispiel legth eier Liste (1) Liste class Liste {... //rekursiver Asatz it legth() { retur legth(kopf); private it legth(elemet e) { if (e == ull) retur 0; else retur 1+legth(e.voriges); legth wird rekursiv aufgerufe, dabei wird die Liste jeweils um 1 Elemet gekürzt. Bei Elemete gibt es Aufrufe. Der Rumpf hat kostate maximale Zeitbedarf Algorithmik 1, WS 2004/05, Folie kopf Zeitaufwad ist i O() Elemet voriges voriges voriges
6 Implemetierugsbeispiel legth eier Liste (2) Liste class Liste {... //etrekursivierte Fassug it legth() { it le = 0; Elemet e = kopf; while (e!= ull) { e = e.voriges; le += 1; retur le; kostater Aufwad vor ud ach der Schleife. Der Schleiferumpf hat kostate Aufwad. Die Schleife wird für jedes der Elemete eimal durchlaufe. Algorithmik 1, WS 2004/05, Folie kopf 0, e 1, e 2, e 3, e Elemet voriges voriges voriges Zeitaufwad ist i O(). Implemetierugsbeispiel legth eier Liste (3) class Liste { it legth Liste() {... legth = 0;... Liste apped(elemet eu) {... legth++; Liste tail() {... legth--; it legth() { retur legth;... Algorithmik 1, WS 2004/05, Folie Jetzt ist die Listeläge i kostater Zeit O(1) ablesbar. Dafür falle bei m Operatioe m Eiheite zusätzliche Aufwads a. O-Kalkül diet also der pi-mal-daume-abschätzug des Aufwads i Abhägigkeit der Problemgröße! Ist diese Daumeschätzug aussagekräftig? Illustratio am Beispiel (1) Aufgabe: Fide i eiem Zahlevektor de Abschitt, desse Elemete addiert, die größte Summe ergebe. Hierfür gibt es eie Algorithmus mit O( 3 ) ud eie mit O(), siehe Abschitt Alpha 21164A (533 MHz), C-Programm, O( 3 )-Algo. Radio Shack TRS-80 (2,03 MHz), BASIC-Programm, O()-Algo. 10 0,58µs 195ms ,58ms 1,95s ,58s 19,5s mi 40s 3mi 15s d 16h 6mi 40s 32mi 30s y 142d 23h 6mi 40s 5h 25mi Umschlagpukt bei ca. =5800 ud t=1 mi 53 s Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie 13-24
7 Illustratio am Beispiel (2) auf eiem Recher, der 1 Nao-Sekude (10-9 ) pro Operatio braucht, dauert die Berechug vo f() f()=ld µs µs µs µs µs µs µs µs µs µs µs Algorithmik 1, WS 2004/05, Folie f()= 0.01 µs 0.02 µs 0.03 µs 0.04 µs 0.05 µs 0.1 µs 1.0 µs 10 µs 0.1 ms 1 ms 0.01 s f()= ld µs µs µs µs µs µs µs 130 µs 1.67 ms ms 0.23 s f()= µs 0.4 µs 0.9 µs 1.6 µs 2.5 µs 10 µs 1 ms 100 ms 10 s 16.7 mi 1.16 Tage f()=2 1 µs 1 ms 1 s 18.3 mi 13 Tage Jahre f()=! 3.63 ms 77.1 Jahre Jahre Illustratio am Beispiel (3) Laufzeite für ei Problem vom Umfag =1000 auf uterschiedlich schelle Recher ud mit uterschiedlich schelle Algorithme besserer Algorithmus Aufwad Laufzeit 1000/Sek. log log Algorithmik 1, WS 2004/05, Folie Laufzeit 2000/Sek. Laufzeit 4000/Sek schellerer Recher 0.25 Laufzeit 8000/Sek Aufwad für ei Problem: Verschiedee Algorithme zur Berechug vo f köe bei gleicher Eigabe uterschiedliche Aufwad habe. Eigetlich iteressiert ma sich für de Aufwad des Problems ud icht für de Aufwad eies kokrete Algorithmus Daher zwei Aufgabe: Bestimme kleiste mögliche Aufwad für das Problem = Komplexität des Problems Bestimme Algorithmus mit kleistem mögliche Aufwad Dauerbeschäftigug des Algorithmikers, auch für us i weite Teile der Vorlesug! Auf de tatsächliche Aufwad habe auch Eifluss: Programmiersprache Recherorgaisatio Prozessorgeschwidigkeit Algorithmik 1, WS 2004/05, Folie Recheregel (1) Erierug: O(f()) = { g() c>0 0 >0 0 : 0 g() c f() Seie f() 0 O(r()) ud g() 0 O(s()), c>0 kostat. Da f() + g() 0 O(r() + s()) f() g() 0 O(r() s()) c f() 0 O(r()) f() ± c 0 O(r()) Exemplarische Beweis-Skizze: Es gibt Kostate c 1, 1, c 2, 2, so dass f() c 1 r() für > 1 ud g() c 2 s() für > 2. Mit dem größere c i ud dem größere j köe die erste beide obige Recheregel gezeigt werde. Algorithmik 1, WS 2004/05, Folie Kostate ±c muss rechts vo f() stehe, wege asymptotisch icht-egativ
8 Recheregel (2) Etsprechede Regel für Subtraktio gilt icht. Exemplarisches Gegebeispiel: f() = O( 2 ) g() = 2 0 O( 2 ) f()-g() = = 2 0 O( 2 ) aber: ó O( 2-2 )=O(0) Etsprechede Regel für Divisio gilt icht. Es gilt ur: f() / g() 0 O(r() / g()) icht: s() Recheregel (3) Bei O(log ) ka ma auf die Basis des Logarithmus verzichte, da der Wechsel der Basis ur eie kostate Verschiebug ausmacht. Für c>0 ud a>1 ud f() mooto steiged gilt: f c () 0 O(a f() ). Expoetielle Fuktioe wachse stärker als polyomielle Fuktioe Beispiele: c 0 O(a ) (log a ) c 0 O(a log a ) = O() Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie Amerkuge zum Eiweg-Gleichheitszeiche I der Literatur fidet ma oft statt f 0 O(g) eie Schreibweise mit Gleichheitszeiche: f = O(g). Die rechte Seite O(g) ethält viel mehr Iformatioe als die like. Ma muss daher beim Lese 0 oder f deke. Die Tatsache, dass auf der rechte Seite eie Mege steht wird dabei verborge. Quelle vieler Fehler! Achtug: das Gleichheitszeiche ka ma i diesem Fall ur i eie Richtug lese: Die Rückrichtug gilt icht: O(g) f Recheregel (4) Erweiterug: arithmetische Operatioe auf Fuktioeklasse Es gilt (für Fuktioe f,g ud Kostate c>0): c O(f) = O(c f) = O(f) O(f) O(g) = O(f g) O(f g) = f O(g) O(O(f)) = O(f) O(f) ± c = O(f ± c) = O(f) O(f) + O(f) = O(f) O(f+g) = O(max(f,g)) aber atürlich icht: O(f) = f Für jede Kostate ud jede Umstiegspukt auf der like Seite gibt es eie Kostate ud eie Umstiegspukt für die rechte Seite. Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie 13-32
9 Beweis vo O(f+g) = O(max(f, g)) Richtug f: Sei t() 0 O(f()+g()). Da gibt es ei c0ú + ud ei 0 0ù, so dass für alle > 0 gilt t() c (f()+g()) Nach Def. vo max: 2 c max(f(), g()) Mit c = 2 c gilt für alle > 0 damit t() c max(f(), g()) Also ist t() 0 O(max(f(), g())) Richtug g: Sei t() 0 O(max(f(), g())). Da gibt es ei c0ú + ud ei 0 0ù, so dass für alle > 0 gilt t() c max(f(), g()) Nach Def. vo max: c (f()+g()) Also ist t() 0 O(f()+g()) Beispiele * 0 O( * ) //obige Recheregel = O(17 * ) //obige Recheregel = 17 * O() //obige Recheregel = O() //obige Recheregel a x + a -1 x -1 + a -2 x a 0 = O(x ) Beweis durch vollstädige Iduktio: Iduktiosafag =0 : a 0 0 O(a 0 ) = a 0 * O(1) = O(x 0 ) Iduktiosschritt -1 : a x + a -1 x -1 + a -2 x a 0 0 O(x * (a x -1 + a -1 x a 1 ) + a 0 ) = O(x * (a x -1 + a -1 x a 1 )) = O(x) * O(a x -1 + a -1 x a 1 ) = O(x) * O(x -1 ) //Iduktiosvoraussetzug = O(x ) q.e.d. Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie Das O-Kalkül gibt eie sehr grobe obere Schrake a. Alle Algorithme, die wir bisher kee gelert habe sid i O(2 ), sie brauche also icht mehr als expoetielle Zeitaufwad. Weitere Abschätzuge sid ötig egere Greze ach obe Utere Schrake Doald Kuth: Meist wird mit Aufwad im O-Kalkül argumetiert, ma meit dabei aber eigetlich die kleiste obere Schrake. Dafür gibt es adere Fuktiosklasse... o-notatio (obere Schrake), klei-o h() 0 o(f()): h() wächst deutlich lagsamer als f() Defiitio: Jetzt icht wie bei O es gibt irgedeie Kostate, soder egal für welche Kostate. o(f()) = { g() c>0 0 >0 0 : 0 g() < c f() h() 0 o(f()) c f() h() 0 Aders ausgedrückt: es gilt also: lim h() / f() = 0 Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie 13-36
10 o-notatio (obere Schrake), klei-o o(f()) = { g() c>0 0 >0 0 : 0 g() < c f() Beispiele: 2 0 o( 2 ) 2 wächst deutlich lagsamer als ². Für jede Kostate c>0 ka also ei 0 agegebe werde, so dass ab 0 gilt: c ² > 2. Ω-Notatio (asymptotisch utere Schrake), groß-omega h() 0 Ω(f()): h() wächst midestes so schell wie f() Defiitio: Ω(f()) = { g() c>0 0 >0 0 : 0 c f() g() h() 2 2 ó o( 2 ) h() 0 Ω(f()) c f() 2 ² wächst dagege icht deutlich lagsamer als ². Z.B. ka für die Kostate c=1 kei 0 agegebe werde, so dass ab 0 gilt: ² > 2 ². 0 Währed O gewissermasse zum Ausdruck brigt, steht o für <. Algorithmik 1, WS 2004/05, Folie Beispiele: Ω( 2 ) Ω(2 ) ó Ω( 3 ) Algorithmik 1, WS 2004/05, Folie ω-notatio (utere Schrake), klei-omega h() 0 ω(f()): h() wächst deutlich scheller als f() Defiitio: ω(f()) = { g() c>0 0 >0 0 : 0 c f() < g() h() ω-notatio (utere Schrake), klei-omega ω(f()) = { g() c>0 0 >0 0 : 0 c f() < g() Beispiele: 2 /2 0 ω() 2 /2 ó ω( 2 ) h() 0 ω(f()) c f() Währed Ω gewissermaße zum Ausdruck brigt, steht ω für >. 0 Aders ausgedrückt: Es gilt also: lim h() / f() = Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie 13-40
11 Θ-Notatio (asymptotisch gebude), groß-theta h() 0 Θ(f()): h() wächst ebeso schell wie f() Defiitio: Θ(f()) = { g() c 1 >0 c 2 >0 0 >0 0 : 0 c 1 f() g() c 2 f() h() 0 Θ(f()) 0 c 2 f() h() c 1 f() Recheregel (5) Sadwich-Gedake : f() 0 Θ(g()) geau da, we f() 0 O(g()) ud f() 0 Ω(g()). Symmetrie: f() 0 Θ(g()) geau da, we g() 0 Θ(f()) Beweisskizze: Y: Es gibt c 1 >0, c 2 >0, 0 >0 so dass für alle > 0 gilt: 0 c 1 g() f() c 2 g() Damit gilt auch 0 g() f()/c 1 ud 0 f()/c 2 g() Z: aalog Keie Symmetrieeigeschaft: O, o, Ω, ω Beispiele: a 2 + b 0 Θ( 2 ) a 2 ó Θ() a 2 ó Θ( 3 ) Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie Recheregel (6) f() 0 O(g()) geau da, we g() 0 Ω(f()) Iformell: f wächst höchstes so schell wie g = g wächst midestes so schell wie f f() 0 o(g()) geau da, we g() 0 ω(f()) Iformell: f wächst deutlich lagsamer als g = g wächst deutlich scheller als f. Reflexivität: f() 0 Θ(f()), f() 0 O(f()), f() 0 Ω(f()) Keie Reflexivität: o ud ω Trasitivität: We f() 0 O(g()) ud g() 0 O(h()), da f() 0 O(h()). Auch trasitiv: o, Ω, ω, Θ Eifluss des Maschiemodells auf de Aufwad Der Aufwad eies Algorithmus hägt vo der zugrudeliegede Recherarchitektur ab. Bisher Radom Access Machie (RAM), Vo-Neuma-Recher Diet i der Regel als Maschiemodell für Aufwadsberechuge: ei Prozessor Hauptspeicher ubeschräkt groß Speicherzelle ubeschräkt lag eie Zeiteiheit je elemetarer Operatio a i a i+1 a i+2... a j-1 a j... Rechewerk Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie 13-44
12 Die Turig-Maschie Turig-Maschie wird i der theoretische (Potetiell) uedliches Bad mit Felder Iformatik vertieft. Geau ei Zeiche je Feld Ei Schreib-/Lesekopf bewegt sich über das Bad. Nur das Zeiche, auf dem der Lesekopf steht, ka im ächste Recheschritt verädert werde. Der Kopf ka i eiem Recheschritt ei Feld ach liks oder ei Feld ach rechts bewegt werde. a i a i+1 a i+2... a j-1 a j Aufwad hägt vom Maschiemodell ab (1) Palidrom-Algorithmus für Turig-Maschie: Kopfbeweguge a 1 a 2 a 3... a -1 a Rechewerk Aufwad i O( 2 ) Rechewerk Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie Aufwad hägt vom Maschiemodell ab (2) Palidrom-Algorithmus für 2-Kopf-Turig-Maschie: Kopfbeweguge 1 2 a 1 a 2 a 3... a -1 a Rechewerk Aufwad i O() Rekurreze We ei Algorithmus sich selbst rekursiv aufruft, ka seie Laufzeit oft mit eier Rekurrez beschriebe werde. Eie Rekurrez ist eie Gleichug oder Ugleichug, bei der der Fuktioswert i Form vo Fuktioswerte für kleiere Eigabewerte beschriebe wird. Eie allgemeie Algorithmus zur Lösug eier Rekurrez gibt es icht. Beispiel Rekurrez des Skylie-Problems, Abschitt 8.5 T(1) = 1 T() = 2 T(/2) + Liste i zwei Hälfte aufteile Ergebis zusammebaue I Abschitt 8.5 erarbeitete Lösug der Rekurrez: T() = +. log 2 () 0 O(. log 2 ()) Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie 13-48
13 Löse vo Rekurrezrelatioe: Abschätzugsmethode (1) Eie Rekurrez lässt sich löse, idem eie Lösug errate wird: Bereche T() für eiige. Schätze geschlossee Form für T() (oder ggf. ur Schrake). Beweise (Iduktio?), dass das geschätzte T() korrekt ist. Beispiel: Für als 2er Potez: T() = 2 T(/2) + 4 ud T(1) = 1 T(1) = 1 = 1 +5 T(2) = = 6 +10=2 5 T(4) = = =4 5 T(8) = = =8 5 T(16) = = 76 = = = = = Daher Vermutug: T() = O() Löse vo Rekurrezrelatioe: Abschätzugsmethode (2) Eie Rekurrez lässt sich löse, idem eie Lösug errate wird: Bereche T() für eiige. Schätze geschlossee Form für T() (oder ggf. ur Schrake). Beweise (Iduktio?), dass das geschätzte T() korrekt ist. Beispiel: Für als 2er-Potez: T() = 2 T(/2) + 4 ud T(1) = 1, Vermutug: T() = O() Beweis Iduktiosafag =1: T(1) = 1 = Iduktiosschluss (/2 ): T() = 2 T(/2) + 4 = 2 (5 /2-4) + 4 = 5-4 //q.e.d. Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie Abschätzugsmethode am Fiboacci-Beispiel (1) fib() = fib(-1) + fib(-2) fib(1) = fib(2) = 1 Abschätzugsmethode am Fiboacci-Beispiel (2) fib() = fib(-1) + fib(-2) fib(1) = fib(2) = 1 1. Versuch: Da der Wert vo fib die Summe der beide vorhergehede Werte ist, ist eie plausible Aahme, dass fib jedesmal verdoppelt wird. Daher Versuch: fib() = c 2 Das ist aber falsch! Wege fib() = fib(-1) + fib(-2) müsste gelte c 2 = c c = = //falsch! 2. Versuch: Statt fib() = c 2 versuche fib() = c a Aus fib() = fib(-1) + fib(-2) ergibt sich a = a -1 + a -2 a 2 = a + 1 Y a 1 = ½ (1 + 5) w a 2 = ½ (1-5) Per Iduktio lässt sich zeige: fib() 0 O(a 1 ) Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie 13-52
14 Abschätzugsmethode am Fiboacci-Beispiel (3) fib() = fib(-1) + fib(-2) fib(1) = fib(2) = 1 2. Versuch, Fortsetzug zur exakte Lösug Mit fib() = c 1 a 1 + c 2 a 2 lasse sich aus de Startwerte die Kostate c 1 ud c 2 bestimme. Löse dazu das Gleichugssystem 1 = c 1 a 1 + c 2 a 2 1 = c 1 a 12 + c 2 a 2 2 Es ergebe sich c 1 = 1/ 5 ud c 2 = -1/ 5 Damit 1 1 fib() = ((½ (1+ 5)) - ( ½ (1-5)) ) 5 5 Diese Techik ist awedbar für alle Rekurreze der Form F() = b 1 F(-1) + b 2 F(-2) b k F(-k) Algorithmik 1, WS 2004/05, Folie Abschätzugsmethode am Teile-ud-Herrsche-Beispiel (1) Betrachte für 2er-Potez, also =2 k : T(2)=1 T(2) 2T()+2-1 Gesucht ist f(), so dass T() 0 O(f()). Errate: f() = 2, T()0O( 2 ). Nachweis per Iduktio Iduktiosafag: T(2) = 1 4 = 2 2 Iduktioshypothese: T() 2, für >0 Iduktiosschluss ( 2 ): T(2) 2T() //Rekurrez //Iduktiosvoraussetzug //grobe Abschätzug ach obe = (2) 2 q.e.d. Gibt es keie bessere obere Schrake? Algorithmik 1, WS 2004/05, Folie Abschätzugsmethode am Teile-ud-Herrsche-Beispiel (2) Betrachte für 2er-Potez, also =2 k : T(2)=1 T(2) 2T()+2-1 Gesucht ist f(), so dass T() 0 O(f()). Errate: f() = log 2, T()0O( log 2 ). Nachweis per Iduktio Iduktiosafag: T(2) = 1 2 = 2 log 2 (2) Iduktioshypothese: T() log 2, für >0 Iduktiosschluss ( 2 ): T(2) 2T() //Rekurrez 2 log //Iduktiosvoraussetzug 2 (log 2 +1) //leichte Abschätzug ach obe Abschätzugsmethode am Teile-ud-Herrsche-Beispiel (3) Betrachte für alle : T(2)=1 T(2) 2T()+2-1 Gilt T() 0 O( log 2 ) auch für Nicht-2er-Poteze? Aahme: 2 k-1 < < 2 k T() T(2 k ) //Mootoie vo T c 1 2 k log 2 (2 k ) //Defiitio O, c 1 Kostate c 1 2 log 2 (2) //2 k < 2 c 2 log 2 //c 2 Kostate = O( log 2 ) q.e.d. Algorithmik 1, WS 2004/05, Folie = 2 (log 2 + log 2 2) //log 2 = 2 log 2 (2) q.e.d. Was gilt für Nicht-2er-Poteze? Algorithmik 1, WS 2004/05, Folie Fazit: I de meiste Fälle reicht die Betrachtug vo 2er-Poteze.
15 Allgemeie Lösug für Teile-ud-Herrsche-Probleme (1) Teile-ud-Herrsche-Probleme lasse sich im allgemeie durch eie Rekurrez der Form T() = a T(/b) + f() charakterisiere, wobei a 1 ud b 1 ud f() eie Fuktio über ù. Beispiel: Beim Skylie-Problem betrachtete wir die Rekurrez T() = 2 T(/2) +. Als Lösug hatte wir + log 2 ermittelt. Es gibt eie allgemeie Lösug für derartige Rekurreze, die i der Theoretische Iformatik erläutert ud bewiese wird die im Sie eier Formelsammlug beutzt werde, um de Aufwad vo Teile-ud-Herrsche-Algorithme zu ermittel. Allgemeie Lösug für Teile-ud-Herrsche-Probleme (2) Hauptsatz über lieare Rekurreze Sei a 1 ud b 1, sei f() eie Fuktio ud T() gegebe durch die Rekurrez T() = a T(/b) + f() Da ist T() asymptotisch beschräkt durch: We f()0o( log b a-ε ) für ε>0, da T() 0 Θ( log b a ). We f()0θ( log b a ), da T() 0 Θ( log b a log 2 ). We f()0ω( log b a+ε ) für ε>0 ud we a f(/b) c f() für c < 1 ud geüged große, da T() 0 Θ(f()). Algorithmik 1, WS 2004/05, Folie Algorithmik 1, WS 2004/05, Folie Beispiele zur Awedug des Hauptsatzes über Rekurreze (1) Sei a 1 ud b 1, sei f() eie Fuktio ud T() gegebe durch T() = a T(/b) + f() Da ist T() asymptotisch beschräkt durch: We f()0o( log b a-ε ) für ε>0, da T() 0 Θ( log b a ). We f()0θ( log b a ), da T() 0 Θ( log b a log 2 ). We f()0ω( log b a+ε ) für ε>0 ud we a f(/b) c f() für c < 1 ud geüged große, da T() 0 Θ(f()). T() = 9 T(/3) + Somit a=9, b=3, f() = log b a = log 3 9 = 2. Da f() 0 O( log 3 9-ε ) mit ε=1, wird der erste Fall erfüllt ud daher ergibt sich T() 0 Θ( 2 ). Algorithmik 1, WS 2004/05, Folie Beispiele zur Awedug des Hauptsatzes über Rekurreze (2) Sei a 1 ud b 1, sei f() eie Fuktio ud T() gegebe durch T() = a T(/b) + f() Da ist T() asymptotisch beschräkt durch: We f()0o( log b a-ε ) für ε>0, da T() 0 Θ( log b a ). We f()0θ( log b a ), da T() 0 Θ( log b a log 2 ). We f()0ω( log b a+ε ) für ε>0 ud we a f(/b) c f() für c < 1 ud geüged große, da T() 0 Θ(f()). T() = 3 T(/4) + log 2 Somit a=3, b=4, f() = log 2 log b a = log 4 3 0,793. Da f() 0 Ω( log 4 3+ε ) mit ε 0,2 wird der dritte Fall erfüllt. Noch zu zeige, dass für geüged große die Bedigug erfüllt ist. a f(/b) = 3 (/4)log 2 (/4) (3/4) log 2 = c f() mit c=3/4 gilt für große ud daher ergibt sich T() 0 Θ( log 2 ). Algorithmik 1, WS 2004/05, Folie 13-60
16 Nützliche Formel zur Aufwadsaalyse = ½ (+1) = = 1 / 6 (+1) (2+1) log b a= 1/log a b log a x= log b x/ log b a b log b x = x b log a x = x log a b llog 2 im 0 Θ( log 2 ) i=1 Algorithmik 1, WS 2004/05, Folie 13-61
Vorlesung Informatik 2 Algorithmen und Datenstrukturen. (02 Funktionenklassen) Prof. Dr. Susanne Albers
Vorlesug Iformatik 2 Algorithme ud Datestrukture (2 Fuktioeklasse) Prof. Dr. Susae Albers Beschreibug ud Aalyse vo Algorithme Mathematisches Istrumetarium zur Messug der Komplexität (des Zeitud Platzbedarfs
MehrAsymptotische Notationen
Foliesatz 2 Michael Brikmeier Techische Uiversität Ilmeau Istitut für Theoretische Iformatik Sommersemester 29 TU Ilmeau Seite 1 / 42 Asymptotische Notatioe TU Ilmeau Seite 2 / 42 Zielsetzug Igoriere vo
MehrGrundlagen: Algorithmen und Datenstrukturen
Techische Uiversität Müche Fakultät für Iformatik Lehrstuhl für Effiziete Algorithme Dr. Hajo Täubig Tobias Lieber Sommersemester 2011 Übugsblatt 1 13. Mai 2011 Grudlage: Algorithme ud Datestrukture Abgabetermi:
MehrDer Groß-O-Kalkül. Additionsregel. Zunächst ein paar einfache "Rechen"-Regeln: " ": Sei. Lemma, Teil 2: Für beliebige Funktionen f und g gilt:
Der Groß-O-Kalkül Additiosregel Zuächst ei paar eifache "Reche"-Regel: Lemma, Teil 1: Für beliebige Fuktioe f g gilt: Zu beweise: ur das rechte "=" Zu beweise: jede der beide Mege ist jeweils i der adere
MehrHEUTE. Beispiele. O-Notation neue Einführung Ideen und Eigenschaften Aufgaben 47 und 52
11.02.04 1 HEUTE 11.02.04 3 Beispiele 2, 2 2, 2 +, 1 2 2 log habe asymptotisch gleiches Wachstum: O-Notatio eue Eiführug Idee ud Eigeschafte Aufgabe 47 ud 2 Aufteilugs- ud Beschleuigugssatz Idee ud Awedug
Mehr3 T (d 1, l 2. ) + (6 + 2) falls d > 0 7 sonst. n 2. 4T ( n 2 ) + log 2 (n), falls n > 1 1, sonst
für Iformatik Modellierug ud Verifikatio vo Software Prof. aa Dr. Ir. Joost-Pieter Katoe Datestrukture ud Algorithme SS5 Lösug - Übug 3 Christia Dehert, Friedrich Gretz, Bejami Kamiski, Thomas Ströder
Mehr2 Asymptotische Schranken
Asymptotische Schrake Sowohl die Laufzeit T () als auch der Speicherbedarf S() werde meist durch asymptotische Schrake agegebe. Die Kostate c i, welche i der Eiführug deiert wurde, sid direkt vo der Implemetatio
MehrTutoraufgabe 1 (Rekursionsgleichungen):
Prof. aa Dr. E. Ábrahám Datestrukture ud Algorithme SS4 Lösug - Übug F. Corzilius, S. Schupp, T. Ströder Tutoraufgabe (Rekursiosgleichuge): Gebe Sie die Rekursiosgleichuge für die Laufzeit der folgede
MehrAlgorithmen und Datenstrukturen"
Lehrstuhl für Medieiformatik Uiversität Siege Fakultät IV 10 Aufwad vo Algorithme Versio: WS 14/15 Fachgruppe Medieiformatik 10.1 10 Aufwad vo Algorithme... Motivatio: I der Regel gibt es viele mögliche
MehrÜbersicht. Datenstrukturen und Algorithmen. Rekursionsgleichungen. Übersicht. Vorlesung 6: Mastertheorem (K4) Joost-Pieter Katoen
Übersicht Datestrukture ud Algorithme Vorlesug 6: (K) Joost-Pieter Katoe Lehrstuhl für Iformatik 2 Software Modelig ad Verificatio Group 1 Substitutiosmethode Rekursiosbäume http://moves.rwth-aache.de/teachig/ss-15/dsal/
Mehr5. Übungsblatt Aufgaben mit Lösungen
5. Übugsblatt Aufgabe mit Lösuge Aufgabe 2: Bestimme Sie alle Häufugspukte der komplexe) Folge mit de Glieder a) a = ) 5 + 7 + 2 ) b) b = i Lösug 2: a) Die Folge a ) zerfällt vollstädig i die beide Teilfolge
Mehr5.3 Wachstum von Folgen
53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische
Mehr11 Divide-and-Conquer und Rekursionsgleichungen
160 11 DIVIDE-AND-CONQUER UND REKURSIONSGLEICHUNGEN 11 Divide-ad-Coquer ud Rekursiosgleichuge Divide-ad-Coquer Problem aufteile i Teilprobleme Teilproblem (rekursiv) löse Lösuge der Teilprobleme zusammesetze
Mehr3 T (d 1, l 2. ) + (6 + 2) falls d > 0 7 sonst. n 2. 4T ( n 2 ) + log 2 (n), falls n > 1 1, sonst
Prof. aa Dr. Ir. Joost-Pieter Katoe Datestrukture ud Algorithme SS5 Tutoriumslösug - Übug 3 (Abgabe 3.05.05 Christia Dehert, Friedrich Gretz, Bejami Kamiski, Thomas Ströder Tutoraufgabe (Rekursiosgleichuge:
MehrTeil VII : Zeitkomplexität von Algorithmen
Teil VII : Zeitkomplexität vo Algorithme 1. Algorithme ud ihr Berechugsaufwad. Aufwadsabschätzug Wachstum vo Fuktioe 3. Aufwad vo Suchalgorithme K. Murma, H. Neuma, Fakultät für Iformatik, Uiversität Ulm,
MehrTeil VII : Zeitkomplexität von Algorithmen
Teil VII : Zeitkomplexität vo Algorithme. Algorithme ud ihr Berechugsaufwad. Aufwadsabschätzug Wachstum vo Fuktioe. Aufwad vo Suchalgorithme K. Murma, H. Neuma, Fakultät für Iformatik, Uiversität Ulm,
Mehr5.7. Aufgaben zu Folgen
5.7. Aufgabe zu Folge Aufgabe : Lieares ud beschräktes Wachstum Aus eiem Quadrat mit der Seiteläge dm gehe auf die rechts agedeutete Weise eue Figure hervor. Die im -te Schritt agefügte Quadrate sid jeweils
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik für Iformatiker -- 9 Folge -- 6.1.215 1 Folge: Defiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reihefolge wichtig,
Mehr6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung
6. Übugsblatt Aufgabe mit Lösuge + Selbsttest-Auflösug Aufgabe 6: Utersuche Sie die Folge, dere Glieder ute für N agegebe sid, auf Beschräktheit, Mootoie ud Kovergez bzw. Beschräktheit, Mootoie ud Kovergez
MehrKAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung...
KAPITEL 7 Zahlefolge 7. Kovergete Zahlefolge.............................. 30 7.2 Grezwertbestimmug............................... 32 7.3 Grezwertbestimmug durch Abschätzug..................... 35 7.4
MehrLösungsskizzen Mathematik für Informatiker 5. Aufl. Kapitel 3 Peter Hartmann
Lösugsskizze Mathematik für Iformatiker 5. Aufl. Kapitel 3 Peter Hartma Verstädisfrage. Ka ma ei Axiom beweise? Nei!. Ka ei Beweis eier Aussage richtig sei, we im Iduktiosschluss die Iduktiosaahme icht
MehrZahlenfolgen und Konvergenzkriterien
www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit
MehrKAPITEL 2. Zahlenfolgen
KAPITEL Zahlefolge. Kovergete Zahlefolge...................... 35. Grezwertbestimmug....................... 38.3 Grezwertbestimmug durch Abschätzug............. 4.4 Mootoe Folge..........................
Mehr4. Übungsblatt Aufgaben mit Lösungen
4. Übugsblatt Aufgabe mit Lösuge Aufgabe 6: Bestimme Sie alle Häufugspukte der Folge mit de Folgeglieder a) a 2 + cosπ), b) b i) i j, ud gebe Sie jeweils eie Teilfolge a, die gege diese Häufugspukte kovergiert.
MehrAnalysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität),
Aalysis 1, Woche 2 Reelle Zahle A1 2.1 Ordug Defiitio 2.1 Ma et eie Ordug für K, we 1. für alle a K gilt a a (Reflexivität), 2. für alle a, b K mit a b ud b a gilt a = b (Atisymmetrie), 3. für alle a,
MehrProf. Dr. Wolfgang Konen Mathematik 1, WS Wozu InformatikerInnen Folgen brauchen
Prof. Dr. Wolfgag Koe Mathematik WS0 0.0.0. Zahlefolge.. Wozu IformatikerIe Folge brauche Kovergez vo Folge ist die Grudlage der Aalysis (Differetial- ud Itegralrechug) Traszedete Gleichuge wie l x 50
MehrDemo-Text für INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK. ANALYSIS Vollständige Induktion FRIEDRICH W.
ANALYSIS Vollstädige Iduktio Datei Nr. 40080 Stad 14. März 018 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 40080 Beweismethode: Vollstädige Iduktio Vorwort Die Methode der vollstädige Iduktio
Mehr$Id: reihen.tex,v /06/14 13:59:06 hk Exp $
Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,
MehrÜbungen zum Ferienkurs Analysis 1, Vorlesung 2
F. Hafer, T. Baldauf c Techische Uiversität Müche Übuge zum Feriekurs Aalysis, Vorlesug Witersemester 06/07. Richtig oder Falsch? Sid folgede Aussage richtig oder falsch? Korrigiere bzw. ergäze Sie falsche
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes
MehrProf. Dr. Wolfgang Konen Mathematik 1, WS Wozu InformatikerInnen Folgen brauchen
Prof. Dr. Wolfgag Koe Mathematik WS0 08.0.0. Zahlefolge.. Wozu IformatikerIe Folge brauche Kovergez vo Folge ist die Grudlage der Aalysis (Differetial- ud Itegralrechug) Traszedete Gleichuge wie x l x
MehrELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS
ELEMENTE DER ZAHLENTHEORIE UND AUFBAU DES ZAHLENSYSTEMS vo Rolf Waldi 1 Kapitel I. Elemetare Zahletheorie 1 Grudlegede Regel ud Prizipie Es wird vorausgesetzt, daß der Leser mit gaze Zahle reche ka ud
Mehr2. Übung Algorithmen II
Johaes Sigler, Prof. Saders 1 Johaes Sigler: KIT Uiversität des Lades Bade-Württemberg ud atioales Forschugszetrum i der Helmholtz-Gemeischaft Istitut für Theoretische www.kit.edu Iformatik Orgaisatorisches
MehrDenition 27: Die Fakultät ist eine Folge f : N N mit f(1) := 1 und f(n + 1) := (n + 1) f(n) für alle n N. Wir schreiben n! := f(n) für diese Folge.
Vorkurs Mathematik, PD Dr. K. Halupczok, WWU Müster Fachbereich Mathematik ud Iformatik 22.9.20 Ÿ3.2 Folge ud Summe (Fortsetzug) Eie wichtige Möglichkeit, wie ma Zahlefolge deiere ka, ist die über eie
Mehr1 Randomisierte Bestimmung des Medians
Praktikum Diskrete Optimierug (Teil 0) 0.07.006 Radomisierte Bestimmug des Medias. Problemstellug ud Ziel I diesem Abschitt stelle wir eie radomisierte Algorithmus zur Bestimmug des Medias vor, der besser
MehrAnalysis I Lösungsvorschläge zum 3. Übungsblatt Abgabe: Bis Donnerstag, den , um 11:30 Uhr
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Dipl.-Math. Lars Machiek Dipl.-Math. Sebastia Schwarz WS 206/207 03..206 Aalysis I Lösugsvorschläge zum 3. Übugsblatt Abgabe:
Mehr1. Zahlenfolgen und Reihen
. Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,
MehrKapitel 10. Rekursion
Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 1/14 1 Kapitel 10 Rekursio Rekursio Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 1/14 Ziele Das Prizip der rekursive
MehrGrenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen
. Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.
MehrLösung: Datenstrukturen und Algorithmen SS17 Lösung - Klausur
Prof. aa Dr. Ir. G. Woegiger T. Hartma, D. Korzeiewski, B. Tauer Aufgabe (O-Notatio): Trage Sie i (a) (e) jeweils das Symbol o oder Θ oder ω (i Worte: klei-o oder groß-theta oder klei- Omega) i die durch
MehrVorkurs Mathematik für Informatiker Folgen
Vorkurs Mathematik ür Iormatiker -- 8 Folge -- 11.10.2015 1 Folge: Deiitio Eie (uedliche) Folge im herkömmliche Sie etsteht durch Hitereiaderschreibe vo Zahle 1,2,3,4,5, Dabei ist die Reiheolge wichtig,
Mehrn=1 b n, deren Summe n=1 (a n + b n ) eine konvergente Reihe ist. Die Aussage ist WAHR, ein mögliches Beispiel sind die divergenten Reihen 1
ANALYSIS WS 08/09 Vorlesug: Prof. Dr. P. Ullrich Übuge: Dr. I. Kharif/ Dr. M. Steihauer 9. ÜBUNGSBLATT- LÖSUNGSHINWEISE/Ergebisse Die folgede Bearbeituge sid - zum Teil - keie ausführliche Musterlösuge,
Mehr4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa
20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle
MehrEs gibt verschiedene Möglichkeiten eine Folge zu definieren. Die zwei häufigsten Methoden
Folge ud Reihe Folge Eie Folge ist eie Abbildug der atürliche Zahle N = {0, 1,,...} i die Mege der (zumidest i de meiste Fälle) reelle Zahle R. I diesem Fall ka ma sich eie Folge als Pukte i eiem Koordiatesystem
MehrLösungen 4 zum Mathematik-Brückenkurs für alle, die sich für Mathematik interessieren
Lösuge 4 zum Mathematik-Brückekurs für alle, die sich für Mathematik iteressiere µfsr, TU Dresde Versio vom 26. September 2016, Fehler ud Verbesserugsvorschläge bitte a beedikt.bartsch@myfsr.de Aufgabe
MehrZusammenfassung: Folgen und Konvergenz
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele
MehrAnalysis ZAHLENFOLGEN Teil 4 : Monotonie
Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik
MehrLösungen zum Thema Folgen und Reihen
Schülerzirkel Mathematik Fakultät für Mathematik. Uiversität Regesburg Lösuge zum Thema Folge ud Reihe Lösug zu Aufgabe 1. a) (a ) N ist eie arithmetische Folge mit d = 11 ud damit ist a 75 = 7 + (75 1)
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004 Lösuge zu Aufgabeblatt 7
MehrLösungen zum Ferienkurs Analysis 1, Vorlesung 2 Wintersemester 2014/2015
Lösuge zum Feriekurs Aalysis, Vorlesug Witersemester 04/05 Fabia Hafer, Thomas Baldauf I Richtig oder Falsch Sid folgede Aussage richtig oder falsch? Korrigiere bzw. ergäze Sie falsche Aussage. Gebe Sie
MehrAnalysis 1, Woche 2. Reelle Zahlen. 2.1 Ordnung. Definition 2.1 Man nennt eine Ordnung für K, wenn. 1. für alle a K gilt a a (Reflexivität),
Aalysis, Woche 2 Reelle Zahle A 2. Ordug Defiitio 2. Ma et eie Ordug für K, we. für alle a K gilt a a (Reflexivität), 2. für alle a, b K mit a b ud b a gilt a = b (Atisymmetrie), 3. für alle a, b, c K
MehrAufgabe G 1.1. [Vollständige Induktion, Teleskopsumme] n k 3 = n N : k(k + 1) = 1 1
Istitut für Aalysis ud Algebra Mathematik I für Studierede der E-Techik Prof Dr Volker Bach WiSe 06/7 M Sc Birgit Komader M Sc Christoph Brauer Theme: Groe Übug - Lösuge Vollstädige Iduktio - Teleskopsumme
MehrKapitel 6. Aufgaben. Verständnisfragen. Rechenaufgaben
Kapitel 6 Aufgabe Verstädisfrage Aufgabe 6. Gegebe sei die Folge (x ) 2 mit x ( 2)/( + ) für 2. Bestimme Sie eie Zahl N N so, dass x ε für alle N gilt, we (a) ε 0, (b) ε 00 ist. Aufgabe 6.2 Stelle Sie
MehrReelle Folgen. Definition. Eine reelle Folge ist eine Abbildung f : N R. liefert ( 7 9, 37
Reelle Folge Der Begriff der Folge ist ei grudlegeder Baustei der Aalysis, weil damit u.a. Grezprozesse defiiert werde köe. Er beschreibt de Sachverhalt eier Abfolge vo Elemete, wobei die Reihefolge bzw.
MehrMusterlösung. Testklausur Vorkurs Informatik, Testklausur Vorkurs Informatik Musterlösung. Seite 1 von 10
Musterlösug Name, Vorame, Matrikelummer Agabe sid freiwillig) Bitte ubedigt leserlich ausfülle Testklausur Vorkurs Iformatik, 27.09.20 Testklausur Vorkurs Iformatik 27.09.20 Musterlösug eite vo 0 Musterlösug
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof Dr R Köig Dr M Prähofer Zetralübug TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik Mathematik für Physiker (Aalysis ) MA90 Witersem 07/8 Lösugsblatt 4 http://www-m5matumde/allgemeies/ma90 07W (007)
MehrDynamisches Programmieren Stand
Dyamisches Programmiere Stad Stad der Dige: Dyamische Programmierug vermeidet Mehrfachberechug vo Zwischeergebisse Bei Rekursio eisetzbar Häufig eifache bottom-up Implemetierug möglich Das Subset Sum Problem:
MehrDatenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität
Datestrukture ud Algorithme Christia Sohler FG Algorithme & Komplexität Orgaisatorisches Vorlesug: Mo 11:15-12:45 Fr 11:15-12:45 Zetralübug: Mo 13:00 13:45 Begi: Heute (2. Teil der Vorlesug) Übuge: Begi:
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrKapitel 11. Rekursion
Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 16/17 Kapitel 11 Rekursio Rekursio 1 Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 16/17 Ziele Das Prizip der rekursive
MehrKapitel 11. Rekursion
Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 17/18 Kapitel 11 Rekursio Rekursio 1 Eiführug i die Iformatik: Programmierug ud Software-Etwicklug, WS 17/18 Ziele Das Prizip der rekursive
MehrNicht-Anwendbarkeit des Master- Theorems
Nicht-Awedbarkeit des Master- Theorems Beispiel: Betrachte die Rekursiosgleichug T () = 2T ( 2 ) + log. Es gilt sicherlich f () = Ω( log b a ) = Ω(), aber icht f () = Ω( log b a+ɛ ). Ma beachte, dass f
MehrWörterbuchmethoden und Lempel-Ziv-Codierung
Kapitel 3 Wörterbuchmethode ud Lempel-Ziv-Codierug I diesem Abschitt lere wir allgemei Wörterbuchmethode zur Kompressio ud isbesodere die Lempel-Ziv (LZ))-Codierug kee. Wörterbuchmethode sid ei eifaches
Mehr6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $
Mathematik für Iformatiker B, SS 0 Diestag 5.6 $Id: folge.tex,v. 0/06/05 ::8 hk Exp $ 6 Folge 6.4 Folge reeller Zahle I der letzte Sitzug habe wir de Begriff des Grezwerts eier Folge i eiem metrische Raum
Mehr4 Konvergenz von Folgen
4 Kovergez vo Folge Defiitio 4.. Sei M eie Mege. Ist 0 Z ud für jedes Z mit 0 ei a M gegebe, so et ma die Abbildug { Z; 0 } M, a eie Folge i M. Abkürzed schreibt ma für eie solche Abbildug auch a ) 0 oder
MehrProseminar: Mathematisches Problemlösen. Ungleichungen 2. Pierre Schmidt. Vortragstermin: 19. Juni Fakultät für Mathematik
Prosemiar: Mathematisches Problemlöse Ugleichuge Pierre Schmidt Vortragstermi: 19. Jui 015 Übugsleiteri: Dr. Natalia Griberg Fakultät für Mathematik Karlsruher Istitut für Techologie Ihaltsverzeichis 1
Mehr3. Inkrementelle Algorithmen
3. Ikremetelle Algorithme Defiitio 3.1: Bei eiem ikremetelle Algorithmus wird sukzessive die Teillösug für die erste i Objekte aus der bereits bekate Teillösug für die erste i-1 Objekte berechet, i=1,,.
MehrMathematische Vorgehensweise
Kapitel 2 Mathematische Vorgehesweise Um eue Ergebisse zu erziele, ist es häufig otwedig, Aussage präzise zu formuliere ud zu beweise. Daher werde i diesem Kapitel die mathematische Begriffsbilduge ud
MehrMathematische Rekursion. Rekursion. Rekursion in C++ Mathematische Rekursion. Definition. 1, falls n 1. n! = n (n-1)!, falls n > 1
Mathematische Rekursio Rekursio o Viele mathematische Fuktioe sid sehr atürlich rekursiv defiierbar, d.h. o die Fuktio erscheit i ihrer eigee Defiitio. Mathematische Rekursio o Viele mathematische Fuktioe
Mehrn (n + 1) = 1(1 + 1)(1 + 2) 3 Induktionsschritt: Angenommen die Gleichung gilt für n N. Dann folgt: 1 2 = 2 =
Aufgabe 1: (6 Pukte) Zeige Sie für alle N die Formel: 1 2 + 2 3 + 3 4 +... + ( + 1) = ( + 1)( + 2). 3 Lösug: Beweis durch vollstädige Iduktio. Iduktiosafag: Für = 1 gilt: 1 2 = 2 = 1(1 + 1)(1 + 2) 3 Iduktiosschritt:
MehrÜbungen zur Analysis I WS 2008/2009
Mathematisches Istitut der Uiversität Heidelberg Prof. Dr. E. Freitag /Thorste Heidersdorf Übuge zur Aalysis I WS 008/009 Blatt 3, Lösugshiweise Die folgede Hiweise sollte auf keie Fall als Musterlösuge
MehrÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 4 LÖSUNGEN MAT/MAT3 ANALYSIS I HERBSTSEMESTER 00 PROF. DR. AMILLO DE LELLIS Aufgabe. Etscheide Sie für folgede Folge (wobei N \ {0}), ob diese koverget sid, ud bereche sie gegebeefalls ihre
Mehr1 Einführende Worte 2
Sara Adams Semiarvortrag Rekursive Fuktioe - WS 2004/05 1 Sara Adams Semiarvortrag Rekursive Fuktioe - WS 2004/05 2 1 Eiführede Worte Semiar Grudlegede Algorithme Auflösug vo Rekursioe 1.1 Beispiele Bevor
MehrZusammenfassung: Folgen und Konvergenz
Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 6 Für Experte 8 Defiitioe ud Beispiele für Folge Defiitio Eie
MehrAufgaben zu Kapitel 6
Aufgabe zu Kapitel 6 Aufgabe zu Kapitel 6 Verstädisfrage Aufgabe 6. Gegebe sei die Folge x ) 2 mit x 2)/ + ) für 2. Bestimme Sie eie Zahl N N so, dass x ε für alle N gilt, we a) ε 0, b) ε 00 ist. Aufgabe
MehrAnalysis I für M, LaG/M, Ph 4.Übungsblatt
Aalysis I für M, LaG/M, Ph 4.Übugsblatt Fachbereich Mathematik Sommersemester 200 Dr. Robert Haller-Ditelma 05.05.200 David Bücher Christia Bradeburg Gruppeübug Aufgabe G (Kovergez vo Folge) Beweise Sie:
MehrReihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel
Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe
MehrMusterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09
Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht
MehrMathematik 1 für Informatik
Guter Ochs. Juli 203 Mathematik für Iformatik Probeklausur Lösugshiweise. a Bestimme Sie per NewtoIterpolatio ei Polyom px mit möglichst kleiem Grad, so dass p = p0 = p = sowie p2 = 7. i x i y i d i,i
MehrNennenswertes zur Stetigkeit
Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit
Mehr1 Aussagenlogik und vollständige Induktion
Dr. Siegfried Echterhoff Aalysis 1 Vorlesug WS 08 09 1 Aussagelogi ud vollstädige Idutio Die Mathemati basiert auf eier Reihe vo Axiome, d.h. auf mathematische Aussage, die als (offesichtlich? wahr ageomme
Mehr5 Aufwandsbetrachtungen am Beispiel des Sortierens. 5.2 Entwicklung eines Sortieralgorithmus. 5.3 Untere Schranke fürs Sortieren
5 Aufwadsbetrachtuge am Beispiel des Sortieres 5.1 Praktische Komplexität 5. Etwicklug eies Sortieralgorithmus 5.3 Utere Schrake fürs Sortiere 5.4 Digitales Sortiere 5.5 O-Arithmetik 5.6 Gewiug vo Sortierverfahre
MehrFit in Mathe. April Klassenstufe 10 Wurzelfunktionen
Thema Fit i Mathe Musterlösuge 1 April Klassestufe 10 Wurzelfuktioe Uter der -te Wurzel eier icht-egative Zahl (i Zeiche: ) versteht ma die icht-egative Zahl, die mal mit sich selber multipliziert, die
Mehrn gerade 0 n ungerade (c) x n = a 1 n, a R + (d) x 1 := 2, x n+1 = 2 + x n (e) x n = (f) x n = exp(exp(n)) (g) x n = sin(n)
Übugsaufgabe Aalysis I Aufgabe. Beweise oder widerlege Sie: a Jede i R kovergete Folge ist beschräkt. b Es gibt Cauchy-Folge im R, die icht kovergiere. c Beschräkte Folge sid koverget. d Folge mit eiem
MehrLösungen zu Kapitel 4
Lösuge zu Kapitel 4 Lösug zu Aufgabe : Die folgede Grezwerte köe aalog zu Beispiel 4.(c bestimmt werde: (a lim + = 3 3. (b Die Folge a ist diverget. (c lim + = 0. 3 (d lim ( + 3 = 0. (e lim ( + = 0. Lösug
MehrALP I Induktion und Rekursion
ALP I Iduktio ud Rekursio Teil II WS 2009/200 Prof. Dr. Margarita Espoda Prof. Dr. Margarita Espoda Iduktio über Bäue Defiitio: a) Ei eizeler Blatt-Kote ist ei Bau o b) Falls t, t 2,,t Bäue sid, da ist
MehrKapitel 2 Differentialrechnung in einer Variablen. 2.1 Folgen und Grenzwerte
Kapitel 2 Differetialrechug i eier Variable 2. Folge ud Grezwerte 2.. Defiitio Eie Folge ist eie Zuordug N R, a, geschriebe als Liste (a,a 2,...) oder i der Form (a ) N. Hier sid ei paar Beispiele: 2,4,6,8,...
MehrArithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr
ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gaz ausführliches Traiig Datei Nr. 4002 Neu Überarbeitet Stad: 7. Juli 206 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
MehrKreisabbildungen. S 1 f S 1. Beispiele: (1) f = id, F = id,
Kreisabbilduge Im Folgede sehe wir us eie gaz spezielle Klasse vo dyamische Systeme a: Abbilduge auf dem Kreis. Diese sid eifach geug, so dass wir sie och recht leicht aalysiere köe, habe aber adererseits
Mehr2 Die natürlichen, ganzen und rationalen Zahlen
2 Die atürliche, gaze ud ratioale Zahle 21 Aufgabe 21 Beweise Sie die folgede Aussage mittels vollstädiger Iduktio: (a) Für alle N gilt: Elemete köe auf 1 2 =! verschiedee Arte ageordet werde (b) Die Summe
MehrKapitel 6 Differenzierbarkeit
Kapitel 6 Differezierbarkeit Ihalt 6.1 6.1Die Defiitio 6.2 6.2Die Eigeschafte 6.3 6.3Extremwerte Seite 2 Was heißt differezierbar? Differezierbare Fuktioe sid sid glatte Fuktioe. Wir Wir beschreibe diese
Mehr1. Man zeige, daß (IR n, d i ), i = 1, 2, metrische Räume sind, wenn für x = (x 1,..., x n ), y = (y 1,..., y n ) IR n die Abstandsfunktionen durch
Ma zeige, daß IR, d i ), i,, metrische Räume sid, we für x x,, x ), y y,, y ) IR die Abstadsfuktioe durch d x, y) x y, d x, y) x y ), d x, y) max x y gegebe sid Lösug: Ma muß für alle drei Fuktio d i x,
MehrÜbungsaufgaben zu Analysis 1 Lösungen von Blatt XII vom sin(nx) n sin(x). sin(ax) a sin(x) z = re iϕ = r(cos(ϕ) + i sin(ϕ)) z n = w
Prof. Dr. Moritz Kaßma Fakultät für Mathematik Witersemester 04/05 Uiversität Bielefeld Übugsaufgabe zu Aalysis Lösuge vo Blatt XII vom 5.0.5 Aufgabe XII. 3 Pukte) Beweise Sie, dass für alle R ud N die
MehrZusammenfassung: Gleichungen und Ungleichungen
Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud -ugleichuge 6 Für Eperte 9 Polyomgleichuge ud -ugleichuge Defiitio: Ei Term
MehrHöhere Mathematik I (Analysis) für die Fachrichtung Informatik
Karlsruher Istitut für Techologie (KIT) Istitut für Aalysis Priv.-Doz. Dr. Gerd Herzog M. Sc. Adreas Hirsch WS 204/5 24.0.204 Höhere Mathematik I (Aalysis) für die Fachrichtug Iformatik Lösugsvorschlag
MehrAlgorithmentheorie Randomisierung
Algorithmetheorie 03 - Radomisierug Prof. Dr. S. Albers Prof. Dr. Th. Ottma Radomisierug Klasse vo radomisierte Algorithme Radomisierter Quicksort Radomisierter Primzahltest Kryptographie 2 1. Klasse vo
MehrKlausur 1 über Folgen
www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;
Mehr