Kapitel 7. Rekursionsgleichungen. Allgemeines Iterationsmethode Klassen von Rekursionsgleichungen Erzeugende Funktionen

Größe: px
Ab Seite anzeigen:

Download "Kapitel 7. Rekursionsgleichungen. Allgemeines Iterationsmethode Klassen von Rekursionsgleichungen Erzeugende Funktionen"

Transkript

1 Kapitel 7 Rekursionsgleichungen p. /38 Kapitel 7 Rekursionsgleichungen Allgemeines Iterationsmethode Klassen von Rekursionsgleichungen Erzeugende Funktionen

2 Kapitel 7 Rekursionsgleichungen p. 2/38 Allgemeines () Allgemeine Form der Rekursionsgleichung: f(n) = g(n, f(n ), f(n 2),..., f(n k)) Eine Rekursionsgleichung definiert eine Funktionenschar (alle Funktionen, die die Gleichung erfüllen). Aus der Funktionenschar wird eine Funktion durch Festlegen weiterer Parameter spezifiziert, z.b. durch Anfangswertbedingungen f() = a,..., f(k) = a k. Beispiel: Rekursionsgleichung T(n) = a T(n ), T(0) =. Offenbar gilt: T(n) = a n. Geschlossener Ausdruck: Ein Ausdruck für T(n), der zwar den Parameter n enthält,nichtaberdiefunktiont selbstodersummen-oderproduktzeichen bzw.. Den Prozess, eine Rekursionsgleichungfür T(n) in einen geschlossenen Ausdruck umzuwandeln, nennt man Lösen der Rekursionsgleichung.

3 Kapitel 7 Rekursionsgleichungen p. 3/38 Allgemeines (2) Anwendung: Komplexitätsanalyse von Algorithmen Input: n,k ( ) N 0 ; n Output: ; k Binomial(n, k) (gemäss Pascal-Dreieck) if k = 0then return else return Binomial(n,k ) + Binomial(n,k) T(n, k): Anzahl Aufrufe von Binomial, die zur Berechnung von sind. Es gilt: T(n,k) = +T(n,k )+T(n,k). ( ) n k erforderlich

4 Kapitel 7 Rekursionsgleichungen p. 4/38 Allgemeines (3) Anwendung: Kombinatorisches Zählen Wir bestimmen die Anzahl Wörter a n der Länge n über dem Alphabet {a,b}, die keine zwei aufeinander folgenden a s enthalten. Es gilt: a = 2 und a 2 = 3. Für n 3 gilt: a n = a n +a n 2. Begründung: Wir unterscheiden die Wörter der Länge n nach ihrem letzten Buchstaben. } {{ } n b oder } {{ } ba n 2 Ist dies ein b, so darf das vorangehende Teilwort ein beliebiges Wort der Länge n sein, das keine zwei aufeinander folgenden a s enthält (a n ). Ist das letzte Zeichen a, so muss unmittelbar davor ein b stehen. Das davor stehende Teilwort kann dann wiederum ein beliebiges Wort der Längen 2 sein,das keinezweiaufeinanderfolgendena s enthält(a n 2 ). Gesucht ist also ein geschlossener Ausdruck für a n.

5 Kapitel 7 Rekursionsgleichungen p. 5/38 Allgemeines (4) Strategien zum Lösen von Rekursionsgleichungen: Iterationsmethode Hierbei wird die Funktion auf der rechten Seite immer wieder durch die Rekursionsgleichung ersetzt. Dann wird versucht, die rechte Seite in eine geschlossene Form zu bringen. Verwendung bekannter Lösungen für spezielle Klassen von Rekursionsgleichungen Erzeugende Funktionen

6 Kapitel 7 Rekursionsgleichungen p. 6/38 Iterationsmethode () Beispiel: Iterationsmethode für f(n) = n+3f(n/4) Iteriertes Einsetzen und Ersetzen der Summe ergibt: f(n) = n+3f(n/4) = n+3(n/4+3f(n/6)) = n+3n/4+9(n/6+3f(n/64)) n+3n/4+9n/6+ = n (3/4) i = n = 4n i 0 = Θ(n) 3/4 Die Anfangswertbedingung f() = a wirkt sich nur auf die in der Θ-Notation verborgenen Konstanten aus.

7 Kapitel 7 Rekursionsgleichungen p. 7/38 Iterationsmethode (2) Beispiel: Lineare Suche im sortierten Array Geht man von einem sortierten Array aus, kann man wesentlich effizienter suchen, indem man erst mit dem mittleren Element vergleicht, dann mit dem mittelern Element des oberen oder unteren Restintervalls, und so rekursiv weiter: T(n) = T( n/2 )+ Im worst case muss man hier O(log 2 n) (exakt: log 2 n +) Vergleiche anstellen; wesentlich effizeinter als die lineare Suche in einem unsortierten Array.

8 Kapitel 7 Rekursionsgleichungen p. 8/38 Klassen von Rekursionsgleichungen () Definition: Eine Rekursionsgleichung der Form x n = a x n + +a k x n k +b k für n k mit den Anfangsbedingungen x i = b i für alle i = 0,,...,k, heisst lineare Rekursionsgleichung k-ter Ordnung. Gilt b k = 0, so sprechen wir von einer homogenen linearen Rekursionsgleichung. Ansonsten nennen wir die Rekursionsgleichung inhomogen. Beispiel: Die einfachsten Rekursionsgleichungen sind die linearen, homogenen Rekursionsgleichungen erster Ordnung: x n = ax n, für n und Anfangsbedingung x 0 = b 0 Die Lösung lautet: x n = b 0 a n.

9 Kapitel 7 Rekursionsgleichungen p. 9/38 Klassen von Rekursionsgleichungen (2) Theorem: Sei eine inhomogene, lineare Rekursion ersten Grades gegeben: x n = ax n +b, für n und x 0 = b 0 wobei a,b 0 und b beliebige Konstanten sind. Dann hat die Lösung der Rekursionsgleichung die Form: { b 0 a n a +b n x n = a, wenn a b 0 +nb, wenn a = Beweis: x n = ax n +b = a(ax n 2 +b )+b = a 2 x n 2 +ab +b = a 2 (ax n 3 +b )+ab +b = a 3 x n 3 +a 2 b +ab +b = = a n x 0 +a n b + +a 2 b +ab +b { b 0 a n a +b n = a, wenn a b 0 +nb, wenn a =

10 Kapitel 7 Rekursionsgleichungen p. 0/38 Klassen von Rekursionsgleichungen (3) Beispiel: Auf ein Bankkonto werden am Ersten eines jeden Monats 250 e eingezahlt. Am Ende eines jeden Monats wird das vorhandene Geld mit 0.5% verzinst. Nach wievielen Jahren ist man Millionär? a n : Betrag nach n Monaten. Es gilt: a 0 = 0 und a n = ( )(a n +250) =.005a n , für n Aus Satz der letzten Folie erhalten wir die explizite Darstellung von a n : a n = n = (.005 n ) Millionär ist man, sobald a n 0 6, also.005 n = Wir ziehen auf beiden Seiten den Logarithmus und erhalten n Man muss also 50 Jahre und 0 Monate sparen. (Eine Erhöhung des Zinssatzes von 0.5% auf.0% verkürzt die Wartezeit auf 3 Jahre und einen Monat.)

11 Kapitel 7 Rekursionsgleichungen p. /38 Klassen von Rekursionsgleichungen (4) Theorem: Sei eine homogene, lineare Rekursion zweiten Grades gegeben: x n = a x n +a 2 x n 2, für n 2 und x = b,x 0 = b 0 Weiter seien α und β zwei Lösungen der Gleichung t 2 a t a 2 = 0 und und A = B = { b b 0 β α β, wenn α β, wenn α = β b b 0 α α { b b 0 α α β, wenn α β b 0, wenn α = β Dann gilt: x n = { Aα n Bβ n, wenn α β (An+B)α n, wenn α = β

12 Kapitel 7 Rekursionsgleichungen p. 2/38 Klassen von Rekursionsgleichungen (5) Beispiel: Die Fibonacci-Zahlen F n = F n +F n 2, für all n 2 und F =,F 0 = 0 bilden eine homogene, lineare Rekursion zweiten Grades. UmdenSatzderletztenFolie anzuwenden,lösenwirdiegleichungt 2 t = 0 und erhalten α = und β = 5 2. Somit gilt: A = B = 5, woraus resultiert: F n = 5 ( ) n ( ) n Beispiel: Das kombinatorische Zählen auf Folie 4 wird gelöst durch die Beobachtung a n = F n+2.

13 Kapitel 7 Rekursionsgleichungen p. 3/38 Exkurs: Goldener Schnitt () Die Zahl ist auch als Goldener Schnitt bekannt. Betrachten wir ein Rechteck mit Seitenlängen s und r s. s r r r s r Schneiden wir von diesem Rechteck ein Quadrat ab, so verbleibt ein Rechteck mit Seitenlängen r und s r. Besimmt man nun die Werte für s und r so, dass die beiden Rechtecke genau dasselbe Seitenverhältnis haben, also so erhält man genau s r = r s r s r =

14 Kapitel 7 Rekursionsgleichungen p. 4/38 Exkurs: Goldener Schnitt (2) Beim Parthenontempel in Athen bildet der Säuleneingang hierbei ein goldenes Rechteck, also ein Rechteck, dessen Seiten sich genau wie der goldene Schnitt verhalten. Auch verhält sich die Höhe bis zum Dach zur Höhe der Säulen wie der goldene Schnitt.

15 Kapitel 7 Rekursionsgleichungen p. 5/38 Klassen von Rekursionsgleichungen (6) Beispiel: (Merge-Sort) Man teilt das Array in zwei Hälften, sortiert diese(rekursiv mit Merge-Sort), und baut die beiden sortierten Hälften zu einem sortierten Array zusammen. Gesamtlaufzeit: ( n T(n) = 2 T 2) +n Divide and conquer Algorithmen teilen ein Problem in mehrere gleich große Teile und rufen sich dann rekursiv auf. Laufzeitanalyse: ( n T(n) = a T b) +f(n) a: Anzahl der Teilprobleme b: Alle Teilprobleme haben eine Größe n b f(n): Aufwand für das Aufteilen des Problems und Kombination der Teillösungen

16 Kapitel 7 Rekursionsgleichungen p. 6/38 Klassen von Rekursionsgleichungen (7) Master-Theorem:

17 Kapitel 7 Rekursionsgleichungen p. 7/38 Klassen von Rekursionsgleichungen (8) Beispiel: Merge-Sort ( n T(n) = 2 T 2) +n = Θ(nlogn) Beispiel: ( n T(n) = 7 T 2) +n 2 = Θ(n log 2 7 ) Θ(n 2,8 )

18 Kapitel 7 Rekursionsgleichungen p. 8/38 Erzeugende Funktionen () Bislang haben wir Lösungen von Rekursionsgleichungen mehr oder minder geraten, und dann unsere Vermutung bewiesen. Man kann aber auch versuchen, Lösungen von Rekursionsgleichungen konstruktiv zu finden. Einführendes Beispiel: Wieviele Möglichkeiten gibt es, 2 Orangen so auf drei Personen A, B, und C aufzuteilen, dass A mindestens 4, B und C mindestens 2, und C höchstens 5 Orangen bekommen? 4 Lösungen A B C Formal: Ganzzahlige Lösungen für c +c 2 +c 3 = 2 unter Nebenbedingungen 4 c, 2 c 2, und 2 c 3 5.

19 Kapitel 7 Rekursionsgleichungen p. 9/38 Erzeugende Funktionen (2) Algebraische Betrachtung: Berechne das Produkt dreier Polynomialfunktionen f(x) = (x 4 +x 5 +x 6 +x 7 +x 8 )(x 2 +x 3 +x 4 +x 5 +x 6 )(x 2 +x 3 +x 4 +x 5 ) und der Koeffizient von x 2 ist die gesuchte Lösung. (x 4 +x 5 +x 6 +x 7 +x 8 ): A bekommt 4/5/6/7/8 Orangen (x 2 +x 3 +x 4 +x 5 +x 6 ): B bekommt 2/3/4/5/6 Orangen (x 2 +x 3 +x 4 +x 5 ): C bekommt 2/3/4/5 Orangen Jedes Tripel (i,j,k) mit i+j +k = 2 trägt durch das Produkt x i x j x k zum Koeffizienten von x 2 bei. Somit gibt der Koeffizient von x 2 die Anzahl von (i,j,k) mit i+j + k = 2 an. Die Nebenbedingungen werden indirekt durch die ausgewählten Terme der Polynome gewährleistet.

20 Kapitel 7 Rekursionsgleichungen p. 20/38 Erzeugende Funktionen (3) Beispiel: Wieviele ganzzahlige Lösungen gibt es für die Gleichung c + c 2 + c 3 +c 4 = 25 wenn c i 0 für i 4. Für jedes i 4 werden die potentiellen Werte von c i mit Polynom + x+x 2 +x 3 + +x 25 beschrieben. Somit liefert der Koeffizeint von x 25 des Polynoms: f(x) = (+x+x 2 +x 3 + +x 25 ) 4 die gesuchte Lösung. Genauso gut erhalten wir dieselbe Lösung vom Polynom: f (x) = (+x+x 2 +x 3 + +x 25 +x 26 + ) 4 Die Terme x k, k 26, haben keinerlei Beitrag zu x 25 des Produktpolynoms. Dennoch: Unendliche Reihen sind häufig einfacher zu handhaben als Polynome!

21 Kapitel 7 Rekursionsgleichungen p. 2/38 Erzeugende Funktionen (4) Aus einer unendlichen Folge (a n ) ergibt sich durch Multiplikation von a n mit x n die formale Potenzreihe: A(x) = a n x n = a 0 +a x+a 2 x 2 + +a k x k + Man nennt A(x) auch die erzeugende Funktion der Folge (a n ). Die geometrische Reihe: Folge a n =, n 0, und damit verbundene Pozenzreihe A(x) = x n = +x+x 2 + +x k + = x Achtung: Die obige Gleichung ist nur gültig für x <. Bei erzeugenden Funktionen sind wir primär an den Koeffizienten des Polynoms interessiert.

22 Kapitel 7 Rekursionsgleichungen p. 22/38 Erzeugende Funktionen (5) Ableitungen der geometrischen Reihe: Erste Ableitung: n nx n = +2x+3x 2 +4x 3 + = (n+)x n = ( x) 2 Die erzeugende Funktion der Folge,2,3,... ist also ( x) 2. Zweite Ableitung: n(n )x n 2 = x+4 3 x x 3 + n 2 ( ) n+2 x n = 2 = (n+2)(n+)x n = ( x) 3 Die erzeugende Funktion der Folge ( ) n+2 2 ist also ( x). 3 2 ( x) 3

23 Kapitel 7 Rekursionsgleichungen p. 23/38 Erzeugende Funktionen (6) k-te Ableitung (k ): n kn(n ) (n k +)x n k = (n+k)(n+k ) (n+)x n ( ) n+k x n = k ( x) k+ = k! ( x) k+ Die erzeugende Funktion der Folge ( ) n+k k ist also. ( x) k+

24 Kapitel 7 Rekursionsgleichungen p. 24/38 Erzeugende Funktionen (7) Weitere erzeugende Funktionen: Folge 0,,2,3,... nx n = x+2x 2 +3x 3 + +nx k + = (n+)x n x n = = ( x) 2 x x ( x) 2 Die erzeugende Funktion der Folge 0,,2,3,... ist also x ( x) 2.

25 Kapitel 7 Rekursionsgleichungen p. 25/38 Erzeugende Funktionen (8) Durch Ersetzen y = ax in der geometrischen Reihe: y n = +y +y 2 + +y k + = y erhalten wir a n x n = +ax+a 2 x 2 + +a k x k + = ax Die erzeugende Funktion der Folge,a,a 2,a 3,... ist also ax.

26 Kapitel 7 Rekursionsgleichungen p. 26/38 Erzeugende Funktionen (9) a n Folge Potenzreihe erzeugende Funktion,,,,... n+,2,3,4,... ( n+k ) k x n x (n+)x n,k +, ( 2+k) ( k, 3+k ) ( n+k ) k,... k n 0,,2,3,... nx n a n,a,a 2,a 3,... n 2 0,,4,9,... 0,, n 2, 3,... n,, n! 2, 6,... H n 0,, 3 2, 6,... ( x) 2 x n ( x) k+ x ( x) 2 a n x n ax n 2 x n x(+x) ( x) 3 n xn ln x n! xn e x H n x n x ln x

27 Kapitel 7 Rekursionsgleichungen p. 27/38 Erzeugende Funktionen (0) Lösen von Rekursionen: Einführendes Beispiel a n = a n + für n und a 0 = A(x) = a n x n = a 0 + n (a n +)x n = +x a n x n + x n = x a n x n ++ n n n x n = x A(x)+ x n = x A(x)+ x Lösen dieser Gleichung ergibt a n x n = A(x) = ( x) 2 = (n+)x n Durch Koeffizientenvergleich erhalten wir a n = n+ für n.

28 Kapitel 7 Rekursionsgleichungen p. 28/38 Erzeugende Funktionen () Allgemeine Vorgehensweise:. Schritt: Aufstellen der erzeugenden Funktion A(x) = a n x n. 2. Schritt: Umformen der rechten Seite, so dass Anfangswerte und Rekursionsgleichung eingesetzt werden können. 3. Schritt: Weiter umformen, bis auf der rechten Seite die noch vorhandenen unendlichen Summen durch A(x) ersetzt werden können. 4. Schritt: Auflösen der erhaltenden Gleichung nach A(x). Dadurch erhält man eine Gleichung der Form A(x) = f(x), wobei f(x) eine, hoffentlich einfache, Funktion ist. 5. Schritt: Umschreiben der Funktion f(x) als formale Potenzreihe. Zum Beispiel durch Partialbruchzerlegung und/oder durch Nachschlagen in Tabellen bekannter erzeugender Funktionen. 6. Schritt: Ablesen der expliziten Darstellung für a n durch Koeffizientenvergleich.

29 Kapitel 7 Rekursionsgleichungen p. 29/38 Erzeugende Funktionen (2) Beispiel: a n = 2a n für n mit a 0 =. Schritt: Aufstellen der erzeugenden Funktion A(x) = a n x n 2./3. Schritt: Anwendung der Rekursionsgleichung und Umformungen A(x) = +2x n a n x n = +2x a n x n = +2x A(x) 4./5. Schritt: Auflösen nach A(x) und Umschreiben von f(x) a n x n = A(x) = 2x = 2 n x n 6. Schritt: Koeffizientenvergleich liefert a n = 2 n

30 Kapitel 7 Rekursionsgleichungen p. 30/38 Erzeugende Funktionen (3) Beispiel: a n = 3a n +n für n mit a 0 =. Schritt: Aufstellen der erzeugenden Funktion A(x) = a n x n 2./3. Schritt: Anwendung der Rekursionsgleichung und Umformungen A(x) = + (3a n +n)x n = +3x n n a n x n + nx n n = +3x a n x n + nx n = +3x A(x)+ x ( x) 2 4. Schritt: Auflösen nach A(x) A(x) = ( x) 2 +x ( 3x)( x) 2 = x 2 x+ ( 3x)( x) 2

31 Kapitel 7 Rekursionsgleichungen p. 3/38 Erzeugende Funktionen (4) 5. Schritt: Umschreiben von f(x) durch Partialbruchzerlegung A(x) = x 2 x+ ( 3x)( x) 2 = A 3x + B x + C ( x) 2 führt zum linearen Gleichungssystem: A+B +C = 2A+4B +3C = A+3B = mit der Lösung: A = 7 4, B = 4, C = 2

32 Kapitel 7 Rekursionsgleichungen p. 32/38 Erzeugende Funktionen (5) a n x n = A(x) = 7 4 3x 4 x 2 ( x) 2 = n x n 4 x n 2 (n+)x n = ( 7 4 3n 4 n+ )x n 2 = ( 7 4 3n 2 n 3 4 )xn 6. Schritt: Koeffizientenvergleich liefert a n = 7 4 3n 2 n 3 4

33 Kapitel 7 Rekursionsgleichungen p. 33/38 Erzeugende Funktionen (6) Beispiel: Fibonacci-Zahlen F n = F n +F n 2 für n 2 mit F =, F 0 = 0. Schritt: Aufstellen der erzeugenden Funktion A(x) = F n x n 2./3. Schritt: Anwendung der Rekursionsgleichung und Umformungen A(x) = x+ n 2 (F n +F n 2 )x n = x+x n 2 F n x n +x 2 n 2 F n 2 x n 2 = x+x F n x n +x 2 F n x n = x+x A(x)+x 2 A(x) 4. Schritt: Auflösen nach A(x) A(x) = x x x 2

34 Kapitel 7 Rekursionsgleichungen p. 34/38 Erzeugende Funktionen (7) 5. Schritt: Umschreiben von f(x) durch Partialbruchzerlegung A(x) = x x x 2 = A αx + B βx führt zum Gleichungssystem: ( αx)( βx) = x x 2 A+B = 0 βa+αb = mit der Lösung: α = + 5 2, β = 5 2, A = 5, B = 5

35 Kapitel 7 Rekursionsgleichungen p. 35/38 Erzeugende Funktionen (8) F n x n = A(x) = 5 = 5 αx 5 α n x n 5 = (α n β n )x n 5 β n x n βx 6. Schritt: Koeffizientenvergleich liefert F n = (α n β n ) = ( + 5 ) n ( 5 ) n Der Satz auf Folie kann auf ähnliche Art und Weise bewiesen werden.

36 Kapitel 7 Rekursionsgleichungen p. 36/38 Erzeugende Funktionen (9) Beispiel: System von Rekursionsgleichungen a n = 2a n +b n, b n = a n +b n, mit a 0 =,b 0 = 0. Schritt: Aufstellen der erzeugenden Funktionen A(x) = a n x n ; B(x) = b n x n 2./3. Schritt: Anwendung der Rekursionsgleichung und Umformungen A(x) = + n (2a n +b n )x n = +2x n a n x n +x n b n x n = +2x a n x n +x b n x n = +2x A(x)+x B(x) B(x) = n (a n +b n )x n = x n a n x n +x n b n x n = x a n x n +x b n x n = x A(x)+x B(x)

37 Kapitel 7 Rekursionsgleichungen p. 37/38 Erzeugende Funktionen (20) 4. Schritt: Auflösen nach A(x) und B(x) Das lineare Gleichungssystem (2x ) A(x)+x B(x) = x A(x)+(x ) B(x) = 0 führt zur Lösung: A(x) = x x 2 3x+, B(x) = x x 2 3x+ 5. Schritt: Umschreiben durch Partialbruchzerlegung A(x) = x x 2 3x+ = A αx + B βx, B(x) = x x 2 3x+ = A α x + B β x α = α = 3 5 2, β = β = A = , B = 5 5 0, A = 5 5, B = 5 5

38 Kapitel 7 Rekursionsgleichungen p. 38/38 Erzeugende Funktionen (2) A(x) = A αx +B βx = A α n x n +B β n x n = (Aα n +Bβ n )x n B(x) = A αx +B βx = A α n x n +B β n x n = (A α n +B β n )x n 6. Schritt: Koeffizientenvergleich liefert a n = Aα n +Bβ n, b n = A α n +B β n

Kapitel 8. Rekursionsgleichungen. Landau-Symbole. Lösen von Rekursionsgleichungen Allgemeines Iterationsmethode Spezialfälle Erzeugende Funktionen

Kapitel 8. Rekursionsgleichungen. Landau-Symbole. Lösen von Rekursionsgleichungen Allgemeines Iterationsmethode Spezialfälle Erzeugende Funktionen Rekursionsgleichungen Landau-Symbole Kapitel 8 Lösen von Rekursionsgleichungen Allgemeines Iterationsmethode Spezialfälle Erzeugende Funktionen Kapitel 8 Rekursionsgleichungen p./42 Landau-Symbole () Modellierung

Mehr

Algorithmen und Datenstrukturen SoSe 2008 in Trier. Henning Fernau Universität Trier

Algorithmen und Datenstrukturen SoSe 2008 in Trier. Henning Fernau Universität Trier Algorithmen und Datenstrukturen SoSe 2008 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Algorithmen und Datenstrukturen Gesamtübersicht Organisatorisches / Einführung Grundlagen: RAM,

Mehr

Methoden zum Lösen von Rekursionsgleichungen

Methoden zum Lösen von Rekursionsgleichungen Rekursionsgleichungen... Slide 1 Methoden zum Lösen von Rekursionsgleichungen Bisher wurde Expandieren der Rekursion + Raten der Gesetzmäßigkeit benutzt, um einfache Rekursionsgleichungen zu lösen. Zum

Mehr

Invertieren von Potenzreihen

Invertieren von Potenzreihen Invertieren von Potenzreihen Sei E(x) die Erzeugende Funktion der Reihe, 0, 0, 0,.... E(x) ist neutrales Element der Multiplikation von Potenzreihen. Definition Inverses einer Potenzreihe Sei A(x), B(x)

Mehr

Grundlagen Theoretischer Informatik 3 SoSe 2012 in Trier. Henning Fernau Universität Trier

Grundlagen Theoretischer Informatik 3 SoSe 2012 in Trier. Henning Fernau Universität Trier Grundlagen Theoretischer Informatik 3 SoSe 2012 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Grundlagen Theoretischer Informatik 3 Gesamtübersicht Organisatorisches; Einführung Algorithmenanalyse:

Mehr

Algorithmik Übung 3 Prof. Dr. Heiner Klocke. Sortierfolge nach Werten: 7 8 9 10 Bube Dame König As nach Farben: Karo ( ) Herz ( ) Piek ( ) Kreuz ( )

Algorithmik Übung 3 Prof. Dr. Heiner Klocke. Sortierfolge nach Werten: 7 8 9 10 Bube Dame König As nach Farben: Karo ( ) Herz ( ) Piek ( ) Kreuz ( ) Algorithmi Übung 3 Prof. Dr. Heiner Kloce Winter 11/12 16.10.2011 Divide&Conquer- Algorithmen lassen sich gut als reursive Algorithmen darstellen. Das Prinzip eines reursiven Algorithmus beruht darauf,

Mehr

Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt

Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. F. Hettlich Dr. S. Schmitt Dipl.-Math. J. Kusch Karlsruhe, den 09.06.20 Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik

Mehr

Algorithmenbegriff: Berechenbarkeit. Algorithmenanalyse. (Berechnung der Komplexität)

Algorithmenbegriff: Berechenbarkeit. Algorithmenanalyse. (Berechnung der Komplexität) Über-/Rückblick Algorithmenbegriff: Berechenbarkeit Turing-Maschine RAM µ-rekursive Funktionen Zeit Platz Komplexität Algorithmentechniken Algorithmenanalyse (Berechnung der Komplexität) Rekursion Iteration

Mehr

Übung zu Algorithmen und Datenstrukturen (für ET/IT)

Übung zu Algorithmen und Datenstrukturen (für ET/IT) Übung zu Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2017 Rüdiger Göbl, Mai Bui Computer Aided Medical Procedures Technische Universität München Fibonacci Zahlen Fibonacci Folge Die Fibonacci

Mehr

Kapitel 19 Partialbruchzerlegung

Kapitel 19 Partialbruchzerlegung Kapitel 19 Partialbruchzerlegung Mathematischer Vorkurs TU Dortmund Seite 1 / 15 Zur Erinnerung wiederholen wir Definition 4.5 [part] Es sei n N 0 und a 0, a 1,..., a n R mit a n 0. Dann heißt die Funktion

Mehr

Kapitel III Ringe und Körper

Kapitel III Ringe und Körper Kapitel III Ringe und Körper 1. Definitionen und Beispiele Definition 117 Eine Algebra A = S,,, 0, 1 mit zwei zweistelligen Operatoren und heißt ein Ring, falls R1. S,, 0 eine abelsche Gruppe mit neutralem

Mehr

Übung zur Vorlesung Diskrete Strukturen I

Übung zur Vorlesung Diskrete Strukturen I Technische Universität München WS 00/0 Institut für Informatik Aufgabenblatt 10 Prof. Dr. J. Csirik 7. Januar 00 randt & Stein Übung zur Vorlesung Diskrete Strukturen I Abgabetermin: Tutorübungen am 16.

Mehr

Univ.-Prof. Dr. Goulnara ARZHANTSEVA

Univ.-Prof. Dr. Goulnara ARZHANTSEVA Diskrete Mathematik Univ.-Prof. Dr. Goulnara ARZHANTSEVA SS 2018 c Univ.-Prof. Dr. Goulnara Arzhantseva Kapitel 06: Rekursionen 1 / 30 Rekursionen Definition: Rekursion Sei c n eine Zahlenfolge. Eine Rekursion

Mehr

Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form

Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form 3. Polynome 3.1 Definition und Grundlagen Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form p(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0,

Mehr

Mathematik macht Freu(n)de im Wintersemester 2018/19

Mathematik macht Freu(n)de im Wintersemester 2018/19 Mathematik macht Freu(n)de im Wintersemester 08/9 Markus Fulmek 08 06 9 Im folgenden wird zunächst ein kombinatorischer Gedankengang entwickelt, der mit wenigen einfachen Definitionen (samt erläuternden

Mehr

2. Spezielle anwendungsrelevante Funktionen

2. Spezielle anwendungsrelevante Funktionen 2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für

Mehr

Übung Algorithmen und Datenstrukturen

Übung Algorithmen und Datenstrukturen Übung Algorithmen und Datenstrukturen Sommersemester 017 Marc Bux, Humboldt-Universität zu Berlin Agenda 1. Vorrechnen von Aufgabenblatt 1. Wohlgeformte Klammerausdrücke 3. Teile und Herrsche Agenda 1.

Mehr

Übersicht. Datenstrukturen und Algorithmen. Die Teile-und-Beherrsche-Methode. Übersicht. Vorlesung 3: Rekursionsgleichungen (K4)

Übersicht. Datenstrukturen und Algorithmen. Die Teile-und-Beherrsche-Methode. Übersicht. Vorlesung 3: Rekursionsgleichungen (K4) Datenstrukturen und Algorithmen Vorlesung 3: (K4) 1 e für rekursive Algorithmen Prof. Dr. Erika Ábrahám 2 Theorie Hybrider Systeme Informatik 2 http://ths.rwth-aachen.de/teaching/ss-14/ datenstrukturen-und-algorithmen/

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 18. Januar 2012 ZÜ DS ZÜ XII

Mehr

Mathematik II. D K, z P(z) Q(z), wobei D das Komplement der Nullstellen von Q ist, eine rationale Funktion.

Mathematik II. D K, z P(z) Q(z), wobei D das Komplement der Nullstellen von Q ist, eine rationale Funktion. rof. Dr. H. Brenner Osnabrück SS 200 Mathematik II Vorlesung 34 Wir erinnern an den Begriff einer rationalen Funktion. Definition 34.. Zu zwei olynomen,q K[X], Q 0, heißt die Funktion D K, z (z) Q(z),

Mehr

Lösen einer Gleichung

Lösen einer Gleichung Zum Lösen von Gleichungen benötigen wir: mindestens einen Term eine Definition der in Frage kommenden Lösungen (Grundmenge) Die Grundmenge G enthält all jene Zahlen, die als Lösung für eine Gleichung in

Mehr

Differentialgleichungen

Differentialgleichungen Differentialgleichungen Eine einfache Differentialgleichung löst man bereits beim Integrieren in der Oberstufe. Sie hat die Form y (x) = f(x) und y wird gesucht. Beispiel: y (x) = 6x² - 4x + 1 fl y(x)

Mehr

Das Divide - and - Conquer Prinzip. Quicksort Formulierung und Analyse des Prinzips Geometrisches Divide and Conquer - Closest-Pair - Segmentschnitt

Das Divide - and - Conquer Prinzip. Quicksort Formulierung und Analyse des Prinzips Geometrisches Divide and Conquer - Closest-Pair - Segmentschnitt Divide and Conquer Das Divide - and - Conquer Prinzip Quicksort Formulierung und Analyse des Prinzips Geometrisches Divide and Conquer - Closest-Pair - Segmentschnitt 2 Quicksort: Sortieren durch Teilen

Mehr

Lösungsvorschläge zum 4. Übungsblatt, WS 2012/2013 Höhere Mathematik III für die Fachrichtung Physik

Lösungsvorschläge zum 4. Übungsblatt, WS 2012/2013 Höhere Mathematik III für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt, WS 202/203 Höhere Mathematik III für die Fachrichtung Physik Aufgabe 6 Bei allen Aufgabenteilen handelt es sich um (homogene bzw. inhomogene) lineare Differentialgleichungen

Mehr

Lineare Gleichungen mit 2 Variablen

Lineare Gleichungen mit 2 Variablen Lineare Gleichungen mit 2 Variablen Lineare Gleichungen mit 2 Variablen sind sehr eng verwandt mit linearen Funktionen. Die Funktionsgleichung einer linearen Funktion f(x) = m x+q m: Steigung, q: y Achsenabschnitt

Mehr

Lösungen der Aufgaben zu Kapitel 10

Lösungen der Aufgaben zu Kapitel 10 Lösungen der Aufgaben zu Kapitel 10 Abschnitt 10.2 Aufgabe 1 (a) Die beiden Funktionen f(x) = 1 und g(y) = y sind auf R definiert und stetig. 1 + x2 Der Definitionsbereich der Differentialgleichung ist

Mehr

Folien der 16. Vorlesungswoche

Folien der 16. Vorlesungswoche Folien der 16. Vorlesungswoche Nachschlag Kombinatorik: Erzeugende Funktionen Kombinatorik ist die Kunst des intelligenten Abzählens endlicher Mengen. Obwohl die behandelten Probleme einfach und elementar

Mehr

arxiv: v2 [math.ho] 20 Apr 2007

arxiv: v2 [math.ho] 20 Apr 2007 LINEARE REKURRENZEN, POTENZREIHEN UND IHRE ERZEUGENDEN FUNKTIONEN RALF STEPHAN arxiv:0704.481v [math.ho] 0 Apr 007 Zusammenfassung. Diese kurze Einführung in Theorie und Berechnung linearer Rekurrenzen

Mehr

$Id: integral.tex,v /05/05 13:36:42 hk Exp $

$Id: integral.tex,v /05/05 13:36:42 hk Exp $ $Id: integral.tex,v.5 07/05/05 3:36:4 hk Exp $ Integralrechnung.4 Integration rationaler Funktionen In diesem Abschnitt wollen wir die Integration rationaler Funktionen diskutieren. Es wird sich herausstellen

Mehr

UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1. Übung 5. Asymptotische Laufzeitkomplexität Definition Regeln Beispiele

UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1. Übung 5. Asymptotische Laufzeitkomplexität Definition Regeln Beispiele UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1 Übung 5 Asymptotische Laufzeitkomplexität Definition Regeln Beispiele Institut für Pervasive Computing Johannes Kepler Universität Linz Altenberger

Mehr

Analysis I. 11. Beispielklausur mit Lösungen

Analysis I. 11. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 11. Beispielklausur mit en Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Ein angeordneter Körper. ) Eine Folge in

Mehr

Datenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität

Datenstrukturen und Algorithmen. Christian Sohler FG Algorithmen & Komplexität Datenstrukturen und Algorithmen Christian Sohler FG Algorithmen & Komplexität 1 Geometrisches Problem: Problem: Nächstes Paar Eingabe: n Punkte in der Ebene Ausgabe: Das Paar q,r mit geringstem Abstand

Mehr

3.6.4 Rekursive Funktionen

3.6.4 Rekursive Funktionen Klassifizierung von Funktionen mit Hilfe der Abstützrelation (Wenn eine Funktionsdefinition für f eine Funktion g aufruft, dann besteht zwischen beiden Definitionen die Relation f benutzt g ) Klasse 0

Mehr

Prof. Steinwart Höhere Mathematik I/II Musterlösung A =

Prof. Steinwart Höhere Mathematik I/II Musterlösung A = Prof. Steinwart Höhere Mathematik I/II Musterlösung 7..7 Aufgabe ( Punkte) (a) Bestimmen Sie die Eigenwerte und Eigenräume der Matrix A mit 3 3 A = 3 Ist die Matrix A diagonalisierbar? (b) Die Matrix A

Mehr

Formelanhang Mathematik II

Formelanhang Mathematik II Formelanhang Mathematik II Mechatronik 2. Sem. Prof. Dr. K. Blankenbach Wichtige Formeln: - Euler: e j = cos() + j sin() ; e -j = cos() - j sin() - Sinus mit Phase: Übersicht Differentialgleichungen (DGL)

Mehr

Übungsblatt 1. f(n) = f(n) = O(g(n)) g(n) = O(f(n)) Zeigen oder widerlegen Sie: 3 n = Θ(2 n ) Aufgabe 1.2 Gegeben sei die folgende Funktion:

Übungsblatt 1. f(n) = f(n) = O(g(n)) g(n) = O(f(n)) Zeigen oder widerlegen Sie: 3 n = Θ(2 n ) Aufgabe 1.2 Gegeben sei die folgende Funktion: Übungsblatt 1 Aufgabe 1.1 Beweisen oder widerlegen Sie, dass für die im Folgenden definierte Funktion f(n) die Beziehung f(n) = Θ(n 4 ) gilt. Beachten Sie, dass zu einem vollständigen Beweis gegebenenfalls

Mehr

Numerische Verfahren und Grundlagen der Analysis

Numerische Verfahren und Grundlagen der Analysis Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 26 1. Folgen R. Steuding (HS-RM)

Mehr

Partialbruchzerlegung

Partialbruchzerlegung Partialbruchzerlegung Lucas Kunz 27. Januar 207 Inhaltsverzeichnis Theorie 2. Definition.................................... 2.2 Nullstellen höheren Grades........................... 2.3 Residuen-Formel................................

Mehr

Identitätssatz für Potenzreihen

Identitätssatz für Potenzreihen Identitätssatz für Potenzreihen Satz 3.56 Seien f (z) = a n z n und g(z) = b n z n zwei Potenzreihen mit positiven Konvergenzradien R f > 0 und R g > 0. Gilt f (z) = g(z) für alle z mit 0 z < min{r f,

Mehr

4 Gewöhnliche Differentialgleichungen

4 Gewöhnliche Differentialgleichungen 4 Gewöhnliche Differentialgleichungen 4.1 Einleitung Definition 4.1 Gewöhnliche Differentialgleichung n-ter Ordnung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten

Mehr

Arithmetik und Algebra

Arithmetik und Algebra Willkommen Gliederung "Hallo Welt!" für Fortgeschrittene Friedrich-Alexander-Universität Erlangen-Nürnberg Institut für Informatik Lehrstuhl 2 7. Juni 2005 Willkommen Gliederung Gliederung 1 Repräsentation

Mehr

1.1 Vorbemerkung: Konvergenz von Reihen. g = lim. n=0. n=0 a n sei konvergent und schreibt. a n = g. (2) n=0

1.1 Vorbemerkung: Konvergenz von Reihen. g = lim. n=0. n=0 a n sei konvergent und schreibt. a n = g. (2) n=0 1 Taylor-Entwicklung 1.1 Vorbemerkung: Konvergenz von Reihen Gegeben sei eine unendliche Folge a 0,a 1,a,... reeller Zahlen a n R. Hat der Grenzwert g = lim k a n (1) einen endlichen Wert g R, so sagt

Mehr

Fibonacci-Zahlen. Geschichte. Definition. Quotienten

Fibonacci-Zahlen. Geschichte. Definition. Quotienten Mathematik/Informatik Die Fibonacci-Zahlen Gierhardt Fibonacci-Zahlen Geschichte Im Jahre 0 wurde in Pisa ein Buch über das indischarabische Dezimalsystem von dem italienischen Mathematiker Leonardo Fibonacci

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Inhaltsverzeichnis Teil 1 Teil

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

Bestimmung einer ganzrationalen Funktionenschar

Bestimmung einer ganzrationalen Funktionenschar Bestimmung einer ganzrationalen Funktionenschar x Gesucht ist eine Schar f a ganzrationaler Funktionen. Grades, deren Graphen durch A(0 ) und B( ) verlaufen und in A die Steigung a haben. Funktionenschar

Mehr

Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 18

Kombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 18 Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 18 Elfte Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik / 18 Formale Potenzreihe

Mehr

Lineare Algebra II 5. Übungsblatt

Lineare Algebra II 5. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,

Mehr

D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 13. es kann keine allgemein gültige Aussage getroffen werden.

D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 13. es kann keine allgemein gültige Aussage getroffen werden. D-MAVT/D-MATL Analysis I HS 07 Dr. Andreas Steiger Lösung - Serie 3 MC-Aufgaben (Online-Abgabe). Wenn man zwei beliebig oft differenzierbare Funktionen addiert, dann werden ihre Taylorreihen an einem Punkt

Mehr

Algorithmen und Datenstrukturen Tutorium I

Algorithmen und Datenstrukturen Tutorium I Algorithmen und Datenstrukturen Tutorium I 20. - 25. 04. 2016 AlgoDat - Tutorium I 1 1 Organisatorisches Kontakt 2 Landau-Notation Definiton von O Logarithmen Gesetze & Ableitung Satz von l Hôpital 3 Algorithmen

Mehr

Abschnitt: Algorithmendesign und Laufzeitanalyse

Abschnitt: Algorithmendesign und Laufzeitanalyse Abschnitt: Algorithmendesign und Laufzeitanalyse Definition Divide-and-Conquer Paradigma Divide-and-Conquer Algorithmen verwenden die Strategien 1 Divide: Teile das Problem rekursiv in Subproblem gleicher

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil

Mehr

Polynomiale Approximation. und. Taylor-Reihen

Polynomiale Approximation. und. Taylor-Reihen Polynomiale Approximation und Taylor-Reihen Heute gehts um die Approximation von glatten (d.h. beliebig oft differenzierbaren) Funktionen f nicht nur durch Gerade (sprich Polynome vom Grade 1) und Polynome

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1. Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x

Mehr

Corinne Schenka Vorkurs Mathematik WiSe 2012/13. ausmultiplizieren. Anwenden von Potenzgesetzen, Wurzelgesetzen, Logarithmengesetzen

Corinne Schenka Vorkurs Mathematik WiSe 2012/13. ausmultiplizieren. Anwenden von Potenzgesetzen, Wurzelgesetzen, Logarithmengesetzen 3. Algebraische Grundlagen 3.1. Termumformungen Begriff Term: mathematischer Ausdruck, der aus Zahlen, Variablen, Rechenzeichen oder Klammern besteht Termumformungen dienen der Vereinfachung von komplexen

Mehr

Datenstrukturen. Mariano Zelke. Sommersemester 2012

Datenstrukturen. Mariano Zelke. Sommersemester 2012 Datenstrukturen Mariano Zelke Sommersemester 2012 Mariano Zelke Datenstrukturen 2/19 Das Teilfolgenproblem: Algorithmus A 3 A 3 (i, j bestimmt den Wert einer maximalen Teilfolge für a i,..., a j. (1 Wenn

Mehr

3.3 Laufzeit von Programmen

3.3 Laufzeit von Programmen 3.3 Laufzeit von Programmen Die Laufzeit eines Programmes T(n) messen wir als die Zahl der Befehle, die für die Eingabe n abgearbeitet werden Betrachten wir unser Programm zur Berechnung von Zweierpotenzen,

Mehr

15ab 21bc 9b = 3b 5a 7c 3

15ab 21bc 9b = 3b 5a 7c 3 4 4.1 Einführung Haben alle Summanden einer algebraischen Summe einen gemeinsamen Faktor, so kann man diesen gemeinsamen Faktor ausklammern. Die Summe wird dadurch in ein Produkt umgewandelt. Tipp: Kontrolle

Mehr

4 Effizienz und Komplexität 3.1 1

4 Effizienz und Komplexität 3.1 1 4 Effizienz und Komplexität 3.1 1 Effizienz (efficiency): auf den Ressourcen-Verbrauch bezogene Programmeigenschaft: hohe Effizienz bedeutet geringen Aufwand an Ressourcen. Typische Beispiele: Speichereffizienz

Mehr

( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( )

( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( ) 64 Die Tangente in x 0 eignet sich also als lokale (lineare) Näherung der Funktion in der Nähe des Punktes P. Oder gibt es eine noch besser approximierende Gerade? Satz 4.9 Unter allen Geraden durch den

Mehr

Praktische Informatik I - Algorithmen und Datenstrukturen Wintersemester 2006/ Algorithmen und ihre formalen Eigenschaften, Datenstrukturen

Praktische Informatik I - Algorithmen und Datenstrukturen Wintersemester 2006/ Algorithmen und ihre formalen Eigenschaften, Datenstrukturen 1 Grundlagen 1.1 Algorithmen und ihre formalen Eigenschaften, Datenstrukturen Ein Algorithmus ist ein mit formalen Mitteln beschreibbares, mechanisch nachvollziehbares Verfahren zur Lösung einer Klasse

Mehr

In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y

In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y Approximationen In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y y = f (x) x Um das Arbeiten mit einer komplizierten Funktion zu vermeiden, können wir versuchen, diese Funktion

Mehr

UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1. Übung 5. Asymptotische Laufzeitkomplexität Definition Regeln Beispiele

UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1. Übung 5. Asymptotische Laufzeitkomplexität Definition Regeln Beispiele UE Algorithmen und Datenstrukturen 1 UE Praktische Informatik 1 Übung 5 Asymptotische Laufzeitkomplexität Definition Regeln Beispiele Institut für Pervasive Computing Johannes Kepler Universität Linz Altenberger

Mehr

15 Integration (gebrochen) rationaler Funktionen

15 Integration (gebrochen) rationaler Funktionen 5 Integration (gebrochen) rationaler Funktionen Wir werden im folgenden sehen, daß sich die Integration gebrochen rationaler Funktionen auf die folgenden drei einfachen Fälle zurückführen läßt (für komplexe

Mehr

9. Polynom- und Potenzreihenringe

9. Polynom- und Potenzreihenringe 64 Andreas Gathmann 9. Polynom- und Potenzreihenringe Bevor wir mit der allgemeinen Untersuchung von Ringen fortfahren, wollen wir in diesem Kapitel kurz zwei sehr wichtige weitere Beispiele von Ringen

Mehr

Übungsblatt 3 Musterlösung

Übungsblatt 3 Musterlösung Numerik gewöhnlicher Differentialgleichungen MA4 - SS6 Übungsblatt Musterlösung Sei M,N N und f C M+N+ (B) eine komplexe Funktion, B eine kompakte Menge. Die Padé Approximation PN M (f)(x) ist die rationale

Mehr

Beispiel: Quicksort. Theoretische Informatik III (Winter 2018/19) Prof. Dr. Ulrich Hertrampf. quicksort(a 1,...,a n ): IF n 2 THEN

Beispiel: Quicksort. Theoretische Informatik III (Winter 2018/19) Prof. Dr. Ulrich Hertrampf. quicksort(a 1,...,a n ): IF n 2 THEN Als zweites Beispiel betrachten wir ein weiteres Sortierverfahren, das unter dem Namen quicksort bekannt ist. Eingabe ist wieder ein Array a 1,...,a n AUFGABE: Sortiere a 1,...,a n nach vorgegebenem Schlüssel!

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil

Mehr

Diese Fragen sollten Sie auch ohne Skript beantworten können: Was beschreibt der Differenzenquotient? Wie kann man sich die Steigung im vorstellen? Wa

Diese Fragen sollten Sie auch ohne Skript beantworten können: Was beschreibt der Differenzenquotient? Wie kann man sich die Steigung im vorstellen? Wa 103 Diese Fragen sollten Sie auch ohne Skript beantworten können: Was beschreibt der Differenzenquotient? Wie kann man sich die Steigung im vorstellen? Was bedeutet das für die Ableitungen? Was ist eine

Mehr

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche Punkte mit inhomogenen K Kapitel IV Projektive Geometrie In diesem Kapitel wird eine kurze Einführung in die projektive Geometrie gegeben. Es sollen unendlich ferne Punkte mit Hilfe von homogene Koordinaten eingeführt werden und

Mehr

KAPITEL 5. Damit wird F n (B) selbst zu einer Booleschen Algebra und es gilt f(x) := f(x) 0(x) := 0 B 1(x) := 1 B

KAPITEL 5. Damit wird F n (B) selbst zu einer Booleschen Algebra und es gilt f(x) := f(x) 0(x) := 0 B 1(x) := 1 B KAPITEL 5 Boolesche Polynome Polynome über R, d.h. reelle Funktionen der Form p(x) = a 0 + a 1 x + + a n x n, x R, sind schon aus der Schulmathematik bekannt. Wir beschäftigen uns nun mit Booleschen Polynomen,

Mehr

Lineare Gleichungssysteme mit zwei Unbekannten

Lineare Gleichungssysteme mit zwei Unbekannten Lineare Gleichungssysteme mit zwei Unbekannten Wie beginnen mit einem Beispiel: Gesucht ist die Lösung des folgenden Gleichungssystems: (I) 2x y = 4 (II) x + y = 5 Hier stehen eine Reihe von Verfahren

Mehr

Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / Vorlesung 9, Donnerstag 18.

Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / Vorlesung 9, Donnerstag 18. Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 9, Donnerstag 18. Dezember 2014 (Teile und Herrsche, Mastertheorem) Junior-Prof. Dr.

Mehr

Auswählen nach Rang (Selektion)

Auswählen nach Rang (Selektion) Auswählen nach Rang (Selektion) Geg.: Folge X von n Schlüsseln, eine Zahl k mit k n Ges.: ein k-kleinster Schlüssel von X, also den Schlüssel x k für X sortiert als x x 2 L x n trivial lösbar in Zeit O(kn)

Mehr

1. Musterlösung. Problem 1: Average-case-Laufzeit vs. Worst-case-Laufzeit ** i=1

1. Musterlösung. Problem 1: Average-case-Laufzeit vs. Worst-case-Laufzeit ** i=1 Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner. Musterlösung Problem : Average-case-Laufzeit vs. Worst-case-Laufzeit ** (a) Im schlimmsten Fall werden für jedes Element

Mehr

Formaler. Gegeben: Elementfolge s = e 1,...,e n. s ist Permutation von s e 1 e n für eine lineare Ordnung ` '

Formaler. Gegeben: Elementfolge s = e 1,...,e n. s ist Permutation von s e 1 e n für eine lineare Ordnung ` ' Sortieren & Co 164 165 Formaler Gegeben: Elementfolge s = e 1,...,e n Gesucht: s = e 1,...,e n mit s ist Permutation von s e 1 e n für eine lineare Ordnung ` ' 166 Anwendungsbeispiele Allgemein: Vorverarbeitung

Mehr

Schulmethode zur Multiplikation von n-stelligen Binärzahlen a und b: (evtl. fallen Zeilen weg, wenn das zugehörige Bit des Multiplikators 0 ist).

Schulmethode zur Multiplikation von n-stelligen Binärzahlen a und b: (evtl. fallen Zeilen weg, wenn das zugehörige Bit des Multiplikators 0 ist). 4-1 4. Algorithmen auf Zahlen Themen: Multiplikation von binären Zahlen Matrixmultiplikation 4.1 Multiplikation ganzer Zahlen Schulmethode zur Multiplikation von n-stelligen Binärzahlen a und b: n=8: aaaaaaaa

Mehr

Kapitel 2. Weitere Beispiele Effizienter Algorithmen

Kapitel 2. Weitere Beispiele Effizienter Algorithmen Kapitel 2 Weitere Beispiele Effizienter Algorithmen Sequentielle Suche Gegeben: Array a[1..n] Suche in a nach Element x Ohne weitere Zusatzinformationen: Sequentielle Suche a[1] a[2] a[3] Laufzeit: n Schritte

Mehr

4.1 Stammfunktionen: das unbestimmte Integral

4.1 Stammfunktionen: das unbestimmte Integral Kapitel 4 Integration 4. Stammfunktionen: das unbestimmte Integral Die Integration ist die Umkehrung der Differentiation: zu einer gegebenen Funktion f(x) sucht man eine Funktion F (x), deren Ableitung

Mehr

2. Effizienz von Algorithmen

2. Effizienz von Algorithmen Effizienz von Algorithmen 2. Effizienz von Algorithmen Effizienz von Algorithmen, Random Access Machine Modell, Funktionenwachstum, Asymptotik [Cormen et al, Kap. 2.2,3,4.2-4.4 Ottman/Widmayer, Kap. 1.1]

Mehr

D-MAVT/D-MATL Analysis II FS 2017 Dr. Andreas Steiger. Lösung - Serie 26. ẋ 1 = x 1 + 2x ẋ 2 = 2x 1 + x 2

D-MAVT/D-MATL Analysis II FS 2017 Dr. Andreas Steiger. Lösung - Serie 26. ẋ 1 = x 1 + 2x ẋ 2 = 2x 1 + x 2 D-MAVT/D-MATL Analysis II FS 07 Dr. Andreas Steiger Lösung - Serie 6. Es ist das folgende autonome System ẋ = x + x + 3 ẋ = x + x von linearen Differenzialgleichungen. Ordung gegeben. Welche der folgenden

Mehr

Bernoulli-Zahlen, Zetafunktion und Summen von Potenzen

Bernoulli-Zahlen, Zetafunktion und Summen von Potenzen Bernoulli-Zahlen, Zetafunktion und Summen von Potenzen Thomas Peters Thomas Mathe-Seiten www.mathe-seiten.de 30. September 0 Die Bernoulli-Zahlen gehören zu den wichtigsten Konstanten der Mathematik. Wir

Mehr

Übung Algorithmen und Datenstrukturen

Übung Algorithmen und Datenstrukturen Übung Algorithmen und Datenstrukturen Sommersemester 2016 Patrick Schäfer, Humboldt-Universität zu Berlin Organisation Vorlesung: Montag 11 13 Uhr Marius Kloft RUD 26, 0 115 Mittwoch 11 13 Uhr Marius Kloft

Mehr

7 Integralrechnung für Funktionen einer Variablen

7 Integralrechnung für Funktionen einer Variablen 7 Integralrechnung für Funktionen einer Variablen In diesem Kapitel sei stets D R, und I R ein Intervall. 7. Das unbestimmte Integral (Stammfunktion) Es sei f : I R eine Funktion. Eine differenzierbare

Mehr

Explizite Formeln für rekursiv definierte Folgen

Explizite Formeln für rekursiv definierte Folgen Schweizer Mathematik-Olympiade Explizite Formeln für rekursiv definierte Folgen Aktualisiert: 6 Juni 014 In diesem Skript wird erklärt, wie man explizite Formeln für rekursiv definierte Folgen findet Als

Mehr

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier

Diskrete Strukturen und Logik WiSe 2007/08 in Trier. Henning Fernau Universität Trier Diskrete Strukturen und Logik WiSe 2007/08 in Trier Henning Fernau Universität Trier fernau@uni-trier.de 1 Diskrete Strukturen und Logik Gesamtübersicht Organisatorisches Einführung Logik & Mengenlehre

Mehr

Grundlagen: Algorithmen und Datenstrukturen

Grundlagen: Algorithmen und Datenstrukturen Grundlagen: Algorithmen und Datenstrukturen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2010

Mehr

Partialbruchzerlegung für Biologen

Partialbruchzerlegung für Biologen Partialbruchzerlegung für Biologen Rationale Funktionen sind Quotienten zweier Polynome, und sie tauchen auch in der Biologie auf. Die Partialbruchzerlegung bedeutet, einen einfacheren Ausdruck für eine

Mehr

Thema 10 Gewöhnliche Differentialgleichungen

Thema 10 Gewöhnliche Differentialgleichungen Thema 10 Gewöhnliche Differentialgleichungen Viele Naturgesetze stellen eine Beziehung zwischen einer physikalischen Größe und ihren Ableitungen (etwa als Funktion der Zeit dar: 1. ẍ = g (freier Fall;

Mehr

1.5 Gleichungen I. 1 Gleichungen 1.Grades mit einer Unbekannten 2. 2 allgemeingültige und nichterfüllbare Gleichungen 4

1.5 Gleichungen I. 1 Gleichungen 1.Grades mit einer Unbekannten 2. 2 allgemeingültige und nichterfüllbare Gleichungen 4 1.5 Gleichungen I Inhaltsverzeichnis 1 Gleichungen 1.Grades mit einer Unbekannten 2 2 allgemeingültige und nichterfüllbare Gleichungen 4 3 Einschub: Rechnen mit physikalischen Zeichen 5 4 Auflösen von

Mehr

Grundlagen: Algorithmen und Datenstrukturen

Grundlagen: Algorithmen und Datenstrukturen Technische Universität München Fakultät für Informatik Lehrstuhl für Effiziente Algorithmen Dr. Hanjo Täubig Tobias Lieber Sommersemester 2011 Übungsblatt 1 16. September 2011 Grundlagen: Algorithmen und

Mehr

- 1 - angeführt. Die Beschleunigung ist die zweite Ableitung des Ortes x nach der Zeit, und das Gesetz lässt sich damit als 2.

- 1 - angeführt. Die Beschleunigung ist die zweite Ableitung des Ortes x nach der Zeit, und das Gesetz lässt sich damit als 2. - 1 - Gewöhnliche Differentialgleichungen Teil I: Überblick Ein großer Teil der Grundgesetze der Phsik ist in Form von Gleichungen formuliert, in denen Ableitungen phsikalischer Größen vorkommen. Als Beispiel

Mehr

Übungen zu Algorithmentechnik WS 09/10

Übungen zu Algorithmentechnik WS 09/10 Übungen zu Algorithmentechnik WS 09/10 1. Kurzsitzung Thomas Pajor 22. Oktober 2009 1/ 25 Eure Übungsleiter Tanja Hartmann t.hartmann@kit.edu Raum 306, Gebäude 50.34 Thomas Pajor pajor@kit.edu Raum 322,

Mehr

Differenzengleichungen. und Polynome

Differenzengleichungen. und Polynome Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen

Mehr

Algorithmen und Datenstrukturen

Algorithmen und Datenstrukturen Algorithmen und Datenstrukturen Große Übung #6 Phillip Keldenich, Arne Schmidt 26.02.2017 Heute: Master-Theorem Phillip Keldenich, Arne Schmidt Große Übung 2 Vorbetrachtungen Wir betrachten rekursive Gleichungen

Mehr

9. Übungsserie. Sophia Schumann. Matr. XXX

9. Übungsserie. Sophia Schumann. Matr. XXX 9. Übungsserie Sophia Schumann Montag, 18. Januar 2010 1. Aufgabe A = [9,3,7,5,11] A[1] = 3 < A[0] = 9 tausche die Felder A = [3,9,7,5,11] A[2] = 7 < A[1] = 9 tausche die Felder A = [3,7,9,5,11] A[3] =

Mehr

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018 (Analysis und lineare Algebra) im Sommersemester 2018 2. Juli 2018 1/1 Wir geben einige wesentliche Sätze über bestimmte Integrale an, deren Beweise man in den Standardlehrbüchern der Analysis findet.

Mehr