maximaler Fluss & minimaler Schnitt

Größe: px
Ab Seite anzeigen:

Download "maximaler Fluss & minimaler Schnitt"

Transkript

1 maximaler Fluss & minimaler Schnitt Referat in angewandte Logistik Marcus Pottendorfer HTBLuVA Sankt Pölten

2 Inhalt Maximaler Fluss minimaler Schnitt... 2 Grundbegriffe... 2 Erklärung... 2 Minimaler Schnitt... 4 Persönliches Beispiel:... 6 Dateiname: referat_pottendorfer_max_fluss 1/8

3 Maximaler Fluss minimaler Schnitt Grundbegriffe Netzwerk: Ein Netzwerk N=(G, u, q, s) besteht aus einem gerichteten Graphen G=(V,E) mit zwei ausgezeichneten Knoten, einer Quelle q und einer Senke s aus V, sowie einer Kapazitätsfunktion u: E {R}+, die jeder Kante eine nichtnegative Kapazität zuweist, e u(e). Hat die Kapazitätsfunktion ausschließlich ganzzahlige Werte, so existiert eine maximale Flussfunktion, die ebenfalls nur ganzzahlige Werte hat. Fluss: Ist eine Funktion die jeder Kante im Netzwerk einen nichtnegativen Wert zuweist. Dabei muss folgende Bedingung erfüllt werden: o Kapazitätskonformität: Der Flusswert auf einer Kante ist höchstens so groß wie die Kapazität der Kante, das heißt es gilt: Ist zusätzlich die folgende Bedingung erfüllt, heißt der Fluss s-t-fluss: Flusserhalt: Der Input und der Autput jedes Knotens müssen gleich sein. Dabei ist die Menge der in v hineinführenden und die Menge der hinausführenden Einheiten. Gilt der Flusserhalt zusätzlich auch in q und s spricht man von einer Zirkulation. o Wert: Der Wert eines q-s-flusses f ist der Überschuss im Knoten q oder der Betrag des Überschusses im Knoten s. Für alle q-s-flüsse ist der Überschuss bis auf q, s für alle Knoten Null. Bei Zirkulationen ist er auch in q und s Null. Erklärung Maximaler Fluss Dateiname: referat_pottendorfer_max_fluss 2/8

4 Ein Südfrüchtekonzern hat Bananen von den mittelamerikanischen Plantagen zu den europäischen Märkten zu transportieren. Er möchte die freien Transportkapazitäten seiner Schifahrtslinien optimal nutzen. Dabei gibt es einen Ausgangshafen A (Quelle, q) und einen Zielhafen Z (Senke, s). Die Zahlen an den gerichteten Kanten geben die Transportkapazität an. Aufgabenstellung: Wie groß ist die maximale von A nach Z transportierbare Bananenmenge, wenn unterwegs keine Bananen verloren gehen, dazukommen oder gelagert werden? Dh. Es ist der maximale Fluss von der Quelle (A) zur Senke (Z) gesucht. Lösungsweg: Auf dem Weg A B E Z lassen sich maximal 5 Einheiten transportieren. Dies ergibt sich da die Kante AB bereits gesättigt ist. Auf dem Weg A C D Z lässt sich maximal eine Einheit transportieren, da die Kante CD bereits gesättigt ist. Im Folgenden wird die bisherige Auslastung graphisch notiert: Jedoch wurden bei dieser Ausarbeitung noch nicht die Kanten CD und BD berücksichtigt. Da eine Freikapazität der Kante EZ sowie der Kante AC vorhanden ist kann auf dieser Kante noch eine weitere Einheit transportiert werden. Somit entsteht ein maximaler Fluss von 7 Einheiten. Nun wird dies wieder graphisch veranschaulicht: Dateiname: referat_pottendorfer_max_fluss 3/8

5 Nun kann mit dem minimalen Schnitt überprüft werden ob das Ergebnis von 7 für den Fluss wirklich maximal ist. Minimaler Schnitt Der minimale Schnitt kann auf 2 verschiedene Arten definiert werden: Einerseits dieser durch den Schnitt durch die geringsten Kanten angegeben werden. Dies ist aber nur bei Graphen anzuwenden die keine Kantenkapazität besitzen. Bei Graphen mit Kantenkapazität ist der minimale Schnitt der Schnitt mit dem geringsten Kantengewicht zischen Quelle und Senke. Beim minimalen Schnitt addiert man die Kapazitäten die der Schnitt durchtrennt. In unserem Fall wäre dies 5 (Kante AB) + 3 (Kante CE) + 1 (Kante CD) =9 Dieses Ergebnis stimmt nicht mit dem vorher berechneten maximalen Fluss von 7 überein. Dies bedeutet, dass dieses Netz weiter optimiert werde kann. Diese wird im Graphen Optimierung folgenden dargestellt: Dateiname: referat_pottendorfer_max_fluss 4/8

6 Man sieht, dass nun die Kante AB, CE und CD voll ausgelastet ist. Dies ist wichtig da genau durch diese Kanten der Schnitt verläuft und der Schnitt nun minimal ist. Es ist offensichtlich, dass der maximale Fluss höchstens so groß sein kann wie ein Schnitt mit kleinster Kapazität (minimaler Schnitt). Es gilt: Der Wert eines maximalen Flusses ist gleich der Kapazität eines minimalen Schnittes. (Ford, Fulkerson, 1957) Dateiname: referat_pottendorfer_max_fluss 5/8

7 Persönliches Beispiel Aufgabenstellung Versuche im folgenden Graph den maximalen Fluss bzw. den minimalen Schnitt zu finden. Der Graf soll aus 10 Knoten (stehen für 10 Städte in Kolumbien), wobei ein Knoten die Quelle und ein Knoten die Senke ist. Ausarbeitung 1. Schritt: Erstellen eines Netzwerkes Quelle 15 9 A C D 15 E F G 9 6 H 11 6 Senke B Hier sieht man den fertigen Grafen. Es handelt sich hierbei um einen gerichteten Graphen da die Kanten Pfeile haben. Weiters ist die Kantenkapazität der einzelnen Kanten angegeben. Man sieht hier recht deutlich, dass es nicht mehr so klar wie im letzten Beispiel ist den maximalen Fluss zu bestimmen. Bei diesem Beispiel muss genau überlegt werden wo wieviel Güter transportiert werden um das Maximum herauszuholen. 2. Schritt: Finden des maximalen Flusses Nach dem das Netzwerk erstellt wurde kann überlegt werden wie bei diesem Netzwerk ein maximaler Fluss zustande kommen kann. Dateiname: referat_pottendorfer_max_fluss 6/8

8 Quelle 11/15 4/9 A 5/5 4/10 C D 15/15 6/7 E 4/4 5/5 F G 5/9 10/11 H 5/6 Senke B Man beginnt mit der Bestimmung der zu transportierenden Einheiten am Beginn des Graphen d.h. von der Quelle ausgehende. Hier versucht man natürlich so viele Einheiten wie irgendwie möglich abzutransportieren. Somit beansprucht man zu Beginn die volle Kapazität aller Kanten d.h. QA=15, QC=6 und QB=9. Im weiteren wird sich herausstellen, dass dies nicht ganz möglich ist. Problem 1:QA=15 Somit sind 15 Einheiten am Punkt A verfügbar. Jedoch kann dieser durch die Kanten AC und AD insgesamt maximal nur 11 Einheiten abtransportieren. Somit muss man die Transportmenge auf der Kante QA von 15 auf 11 reduzieren. Problem 2: QB=9 Dieses Mal sind somit 9 Einheiten am Knoten B vorhanden. Von diesem geht jedoch nur eine Kante aus, die die Kapazität von 4 hat. Dies bedeutet das man auch die Menge von QB auf 4 reduzieren muss. Dieses Verfahren unternimmt man so oft bis die Senke erreicht wurde. Somit wird der maximale Fluss von 21 Ermittelt. Dateiname: referat_pottendorfer_max_fluss 7/8

9 3. Schritt: Minimaler Schnitt Quelle 11/15 4/9 A 5/5 4/10 C D 15/15 6/7 E 4/4 5/5 F G 5/9 10/11 H 5/6 Senke B Das Ergebnis des minimalen Schnitts ergibt einen Wert von 21. Somit trifft die Aussage: Der Wert eines maximalen Flusses ist gleich der Kapazität eines minimalen Schnittes. zu. Der maximale Schnitt bzw. der minimale Schnitt wurde gefunden und Beträgt 21. Quellen: Wikipedia Diverse PDF Skriptums Dateiname: referat_pottendorfer_max_fluss 8/8

6. Flüsse und Zuordnungen

6. Flüsse und Zuordnungen 6. Flüsse und Zuordnungen In diesem Kapitel werden Bewertungen von Kanten als maximale Kapazitäten interpretiert, die über solch eine Kante pro Zeiteinheit transportiert werden können. Wir können uns einen

Mehr

Graphentheorie. Maximale Flüsse. Maximale Flüsse. Maximale Flüsse. Rainer Schrader. 31. Oktober Gliederung. sei G = (V, A) ein gerichteter Graph

Graphentheorie. Maximale Flüsse. Maximale Flüsse. Maximale Flüsse. Rainer Schrader. 31. Oktober Gliederung. sei G = (V, A) ein gerichteter Graph Graphentheorie Rainer Schrader Zentrum ür Angewandte Inormatik Köln 31. Oktober 2007 1 / 30 2 / 30 Gliederung maximale Flüsse Schnitte Edmonds-Karp-Variante sei G = (V, A) ein gerichteter Graph sei c eine

Mehr

Wiederholung zu Flüssen

Wiederholung zu Flüssen Universität Konstanz Methoden der Netzwerkanalyse Fachbereich Informatik & Informationswissenschaft SS 2008 Prof. Dr. Ulrik Brandes / Melanie Badent Wiederholung zu Flüssen Wir untersuchen Flüsse in Netzwerken:

Mehr

Effiziente Algorithmen I

Effiziente Algorithmen I H 10. Präsenzaufgabenblatt, Wintersemester 2015/16 Übungstunde am 18.01.2015 Aufgabe Q Ein Reiseveranstalter besitzt ein Flugzeug, das maximal p Personen aufnehmen kann. Der Veranstalter bietet einen Flug

Mehr

Algorithmen und Datenstrukturen Kapitel 10

Algorithmen und Datenstrukturen Kapitel 10 Algorithmen und Datenstrukturen Kapitel 10 Flüsse Frank Heitmann heitmann@informatik.uni-hamburg.de 6. Januar 2016 Frank Heitmann heitmann@informatik.uni-hamburg.de 1/8 Flüsse Graphen Grundlagen Definition

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2006 5. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Wdhlg.: Dijkstra-Algorithmus I Bestimmung der

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung Gliederung der Vorlesung. Fallstudie Bipartite Graphen. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Pfade. Traveling Salesman Problem. Flüsse in Netzwerken

Mehr

6. Flüsse in Netzwerken Berechnung maximaler Flüsse. dann berechnet der Markierungsalgorithmus für beliebige Kapazitätsfunktionen

6. Flüsse in Netzwerken Berechnung maximaler Flüsse. dann berechnet der Markierungsalgorithmus für beliebige Kapazitätsfunktionen 6. Flüsse in Netzwerken Berechnung maximaler Flüsse Satz 6.4. Ersetzt man in Algorithmus 6.1 den Schritt 2 durch 2a. Wähle den Knoten, der zuerst in eingefügt wurde. Setze. dann berechnet der arkierungsalgorithmus

Mehr

Algorithmentheorie. 13 - Maximale Flüsse

Algorithmentheorie. 13 - Maximale Flüsse Algorithmentheorie 3 - Maximale Flüsse Prof. Dr. S. Albers Prof. Dr. Th. Ottmann . Maximale Flüsse in Netzwerken 5 3 4 7 s 0 5 9 5 9 4 3 4 5 0 3 5 5 t 8 8 Netzwerke und Flüsse N = (V,E,c) gerichtetes Netzwerk

Mehr

Flüsse, Schnitte, bipartite Graphen. Martin Oettinger

Flüsse, Schnitte, bipartite Graphen. Martin Oettinger Flüsse, Schnitte, bipartite Graphen Martin Oettinger Übersicht Einführung Algorithmen für maximalen Fluss Preflow-Push Ford-Fulkerson Spezialfall: Maximaler Fluss bei minimalen Kosten Reduktionen Bipartites

Mehr

Algorithmische Graphentheorie

Algorithmische Graphentheorie Algorithmische Graphentheorie Sommersemester 204 4. Vorlesung Matchings / Paarungen Kombinatorische Anwendungen des Max-Flow-Min-Cut-Theorems Prof. Dr. Alexander Wolff 2 Paarungen (Matchings) Def. Sei

Mehr

ADS: Algorithmen und Datenstrukturen 2

ADS: Algorithmen und Datenstrukturen 2 ADS: Algorithmen und Datenstrukturen Der Tragödie IV. Theyl Peter F. Stadler & Konstantin Klemm Bioinformatics Group, Dept. of Computer Science & Interdisciplinary Center for Bioinformatics, University

Mehr

4.7 Der Algorithmus von Dinic für maximalen Fluss

4.7 Der Algorithmus von Dinic für maximalen Fluss 4.7 Der Algorithmus von Dinic für maximalen Fluss Wir kennen bereits den Algorithmus von Ford Fulkerson zur Suche nach einem maximalen Fluss in einem Graphen. Wir lernen nun einen Algorithmus für maximalen

Mehr

Seminar über aktuelle Forschungsthemen in der Algorithmik, Dozent Prof. Dr. Alt;

Seminar über aktuelle Forschungsthemen in der Algorithmik, Dozent Prof. Dr. Alt; Seminar über aktuelle Forschungsthemen in der Algorithmik, Dozent Prof. Dr. Alt Referent Matthias Rost 1 Einleitung Definitionen Maximaler Dynamischer Fluss Algorithmus von Ford-Fulkerson Techniken zur

Mehr

Flüsse, Schnitte, Bipartite Graphen II

Flüsse, Schnitte, Bipartite Graphen II Flüsse, Schnitte, Bipartite Graphen II Jonathan Hacker 06.06.2016 Jonathan Hacker Flüsse, Schnitte, Bipartite Graphen II 06.06.2016 1 / 42 Gliederung Einführung Jonathan Hacker Flüsse, Schnitte, Bipartite

Mehr

Netzwerkfluß. Gegeben ist ein System von Wasserrohren: Die Kapazität jedes Rohres ist 3, 5 oder 8 l/s.

Netzwerkfluß. Gegeben ist ein System von Wasserrohren: Die Kapazität jedes Rohres ist 3, 5 oder 8 l/s. Netzwerkfluß (Folie, Seite 78 im Skript) Gegeben ist ein System von Wasserrohren: Quelle s t Senke Die Kapazität jedes Rohres ist, oder 8 l/s. Frage: Wieviel Wasser kann von der Quelle zur Senke fließen?

Mehr

Optimierung I. Dr. Ulf Lorenz F2.413

Optimierung I. Dr. Ulf Lorenz F2.413 Optimierung I Dr. Ulf Lorenz F2.413 flulo@upb.de Organisation Dozent: Dr. Ulf Lorenz F2.413 Fürstenallee 11 email: flulo@upb.de WWW: http://www.upb.de/cs/flulo (hier auch aktuelle Infos + Ü-Zettel) Vorlesungen:

Mehr

Maximaler Fluß und minimaler Schnitt. Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de

Maximaler Fluß und minimaler Schnitt. Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de Maximaler Fluß und minimaler Schnitt Von Sebastian Thurm sebastian.thurm@student.uni-magedburg.de Maximaler Fluß und minimaler Schnitt Wasist das? Maximaler Fluss Minimaler Schnitt Warumtut man das? Logistische

Mehr

Algorithmen und Komplexität Teil 1: Grundlegende Algorithmen

Algorithmen und Komplexität Teil 1: Grundlegende Algorithmen Algorithmen und Komplexität Teil 1: Grundlegende Algorithmen WS 08/09 Friedhelm Meyer auf der Heide Vorlesung 8, 4.11.08 Friedhelm Meyer auf der Heide 1 Organisatorisches Am Dienstag, 11.11., fällt die

Mehr

Netzwerk-Simplex. MinCostFlow als Lineares Programm. 1 of 12 Netzwerksimplex

Netzwerk-Simplex. MinCostFlow als Lineares Programm. 1 of 12 Netzwerksimplex Netzwerk-Simplex MinCostFlow als Lineares Programm of 2 Netzwerksimplex MinCostFlow geg: gerichteter Graph G, Kapazitäten u R R 0 { }, Bedarfe b V R, Pfeilkosten c R R ges: zulässiger b-fluss f mit minimalen

Mehr

Vorlesung Kombinatorische Optimierung (Wintersemester 2016/17)

Vorlesung Kombinatorische Optimierung (Wintersemester 2016/17) Vorlesung Kombinatorische Optimierung (Wintersemester 06/7) Kapitel : Flüsse und Zirkulationen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 4. Oktober 06) Definition. Ein Netzwerk

Mehr

Algorithmen zur Berechnung von Matchings

Algorithmen zur Berechnung von Matchings Algorithmen zur Berechnung von Matchings Berthold Vöcking 1 Einleitung Matchingprobleme sind Zuordnungsprobleme. Es geht darum z.b. Studierenden Plätze in Seminaren zuzuordnen, Bewerber auf freie Stellen

Mehr

Längen-beschränkte Schnitte und Flüsse

Längen-beschränkte Schnitte und Flüsse Seminarausarbeitung über G. Baiers et al. Abhandlung über: Längen-beschränkte Schnitte und Flüsse (oder: Length-bounded Cuts and Flows) Frank Obermüller 06. Dezember 2009 1 Einleitung Sei G = (V, E) ein

Mehr

Flüsse, Schnitte, bipartite Graphen

Flüsse, Schnitte, bipartite Graphen Flüsse, Schnitte, bipartite Graphen Vlad Popa 08.06.2010 Inhaltsverzeihnis 1. Flussnetzwerke und Flüsse 1.1 Ford- Fulkerson 1.2 Edmond Karp 1.3 Dinic 2. Schnitte 3. Maximaler Fluss bei minimalen Kosten

Mehr

Gemischt-ganzzahlige und Kombinatorische Optimierung

Gemischt-ganzzahlige und Kombinatorische Optimierung 5. Präsenzaufgabenblatt, Sommersemester 2015 Übungstunde am 15.06.2015 Aufgabe J Betrachten Sie die LP-Relaxierung max c T x a T x b 0 x i 1 des 0/1-Knapsack-Problems mit n Gegenständen, c 0 und a > 0.

Mehr

6. Mathematik Olympiade 3. Stufe (Bezirksolympiade) Klasse 7 Saison 1966/1967 Aufgaben und Lösungen

6. Mathematik Olympiade 3. Stufe (Bezirksolympiade) Klasse 7 Saison 1966/1967 Aufgaben und Lösungen 6. Mathematik Olympiade 3. Stufe (Bezirksolympiade) Klasse 7 Saison 1966/1967 Aufgaben und Lösungen 1 OJM 6. Mathematik-Olympiade 3. Stufe (Bezirksolympiade) Klasse 7 Aufgaben Hinweis: Der Lösungsweg mit

Mehr

Statistik und Graphentheorie

Statistik und Graphentheorie Statistik und Graphentheorie Sommersemester 2012 3. Juli 2012 Teil Graphentheorie Name: Matrikelnummer: 1 (12) 2 (12) 3 (12) 4 (12) 5 (12) (60) Aufgabe 1 (12 Punkte) Gegeben sei das folgende Netzwerk:

Mehr

3.4 Maximale Flüsse und der Algorithmus von Ford Fulkerson

3.4 Maximale Flüsse und der Algorithmus von Ford Fulkerson 3.4 Maximale Flüsse und der Algorithmus von Ford Fulkerson Definition 3.4.1 Die Aufgabe, zu jedem Netzwerk N = (s, t, V, E, c o ) mit n = V Knoten und m = E Kanten den Fluß f IR m mit maximalem Wert zu

Mehr

4. Kreis- und Wegeprobleme Abstände in Graphen

4. Kreis- und Wegeprobleme Abstände in Graphen 4. Kreis- und Wegeprobleme Abstände in Graphen Abstände in Graphen Definition 4.4. Es sei G = (V,E) ein Graph. Der Abstand d(v,w) zweier Knoten v,w V ist die minimale Länge eines Weges von v nach w. Falls

Mehr

Lösungen zur Vorrundenprüfung 2004

Lösungen zur Vorrundenprüfung 2004 Lösungen zur Vorrundenprüfung 2004 Zuerst einige Bemerkungen zum Punkteschema. Eine vollständige und korrekte Lösung einer Aufgabe ist jeweils 7 Punkte wert. Für komplette Lösungen mit kleineren Fehlern

Mehr

Flüsse in Netzwerken. Seminar über Algorithmen SoSe 2005. Mike Rohland & Julia Schenk

Flüsse in Netzwerken. Seminar über Algorithmen SoSe 2005. Mike Rohland & Julia Schenk Flüsse in Netzwerken Seminar über Algorithmen SoSe 2005 Mike Rohland & Julia Schenk Inhalt Einführung Definition Maximale Flüsse Schnitte Restgraphen Zunehmende Wege Max-Fluss Min-Schnitt Theorem Ford-Fulkerson

Mehr

Konzepte der Informatik

Konzepte der Informatik Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens

Mehr

Algorithmische Mathematik

Algorithmische Mathematik Algorithmische Mathematik Wintersemester 2013 Prof. Dr. Marc Alexander Schweitzer und Dr. Einar Smith Patrick Diehl und Daniel Wissel Übungsblatt 6. Abgabe am 02.12.2013. Aufgabe 1. (Netzwerke und Definitionen)

Mehr

Kombinatorische Optimierung

Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesungen 5 und 6 Programm

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Vorlesung Diskrete Strukturen Transportnetze

Vorlesung Diskrete Strukturen Transportnetze Vorlesung Diskrete Strukturen Transportnetze Bernhard Ganter WS 2013/14 1 Transportnetze Gerichtete Graphen Ein schlingenloser gerichteter Graph ist ein Paar (V, A), wobei V eine beliebige Menge ist, deren

Mehr

1. Einleitung wichtige Begriffe

1. Einleitung wichtige Begriffe 1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und

Mehr

Planare Graphen, Traveling Salesman Problem, Transportnetze. Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61)

Planare Graphen, Traveling Salesman Problem, Transportnetze. Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61) Planare Graphen, Traveling Salesman Problem, Transportnetze Formale Methoden der Informatik WiSe 2012/2013 teil 4, folie 1 (von 61) Teil IV: Planare Graphen / Transportnetze 1. Planare Graphen / Traveling

Mehr

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS

Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Verfahren zur Berechnung von Routen zur Gewährleistung von Ende-zu-Ende QoS Dezember 007 Dipl.-Ing. Stefan Abu Salah Dipl.-Ing. Achim Marikar QoS (Quality of Service): Sicherstellung der Qualität Zeitkritische

Mehr

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung

Kapitel 4: Minimal spannende Bäume Gliederung der Vorlesung Kapitel : Minimal spannende Bäume Gliederung der Vorlesung. Fallstudie Bipartite Graphen 2. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Wege. Traveling

Mehr

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt

Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik. Weihnachtsblatt Technische Universität München Zentrum Mathematik Propädeutikum Diskrete Mathematik Prof. Dr. A. Taraz, Dipl-Math. A. Würfl, Dipl-Math. S. König Weihnachtsblatt Aufgabe W.1 Untersuchen Sie nachstehenden

Mehr

4. Mathematik Olympiade 3. Stufe (Bezirksolympiade) Klasse 8 Saison 1964/1965 Aufgaben und Lösungen

4. Mathematik Olympiade 3. Stufe (Bezirksolympiade) Klasse 8 Saison 1964/1965 Aufgaben und Lösungen 4. athematik Olympiade 3. Stufe (Bezirksolympiade) Klasse 8 Saison 1964/1965 Aufgaben und Lösungen 1 OJ 4. athematik-olympiade 3. Stufe (Bezirksolympiade) Klasse 8 Aufgaben Hinweis: Der Lösungsweg mit

Mehr

Einführung in Netzwerk-Fluss-Probleme Das min-cut max-flow Theorem

Einführung in Netzwerk-Fluss-Probleme Das min-cut max-flow Theorem Einführung in Netzwerk-Fluss-robleme Das min-cut max-flow Theorem Felix Meyner Betreuer: Stephan Günther Hauptseminar Innovative Internet-Technologien und Mobilkommunikation WS 11/12 Lehrstuhl Netzarchitekturen

Mehr

Maximaler Fluss = minimaler Schnitt

Maximaler Fluss = minimaler Schnitt Maximaler Flu = minimaler Schnitt Oliver Junge Fakultät für Mathematik Techniche Univerität München Flüe in Netzwerken Mathematiche Abtraktion Kapazität 3 2 Quelle 5 Senke 1 2 Netzwerk gerichteter Graph

Mehr

Bäckerei Großkorn Statische Investitionsrechnungen. Kostenvergleichsrechnung:

Bäckerei Großkorn Statische Investitionsrechnungen. Kostenvergleichsrechnung: 1 Statische Investitionsrechnung - Aufgabenstellung Bäckerei Großkorn Statische Investitionsrechnungen Die Kosten für die manuelle Fertigung von Semmeln belaufen sich in einer Filialbäckerei auf insgesamt

Mehr

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775, Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen

Mehr

Routing Algorithmen. Begriffe, Definitionen

Routing Algorithmen. Begriffe, Definitionen Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über

Mehr

Datenstrukturen und Algorithmen SS07

Datenstrukturen und Algorithmen SS07 Datenstrukturen und Algorithmen SS07 Datum: 27.6.2007 Michael Belfrage mbe@student.ethz.ch belfrage.net/eth Programm von Heute Online Algorithmen Update von Listen Move to Front (MTF) Transpose Approximationen

Mehr

Kapitel 1: Flussalgorithmen

Kapitel 1: Flussalgorithmen Netzwerke und Flüsse Kapitel 1: Flussalgorithmen Ein Flussnetzwerk ist ein gerichteter Graph G = (V, E, q, s, c) mit zwei ausgewählten Knoten q, s V und einer Kapazitätsfunktion c : E N. Die Quelle q hat

Mehr

Realschulabschluss Schuljahr 2008/2009. Mathematik

Realschulabschluss Schuljahr 2008/2009. Mathematik Prüfungstag: Mittwoch, 20. Mai 2009 Prüfungsbeginn: 8.00 Uhr Realschulabschluss Schuljahr 2008/2009 Mathematik Hinweise für die Prüfungsteilnehmerinnen und -teilnehmer Die Arbeitszeit beträgt 150 Minuten.

Mehr

Übungen Mathematik I, M

Übungen Mathematik I, M Übungen Mathematik I, M Übungsblatt, Lösungen (Stoff aus Mathematik 0) 09.0.0. Kommissar K hat 3 Tatverdächtige P, Q und R. Er weiß: (a) Wenn sich Q oder R als Täter herausstellen, dann ist P unschuldig.

Mehr

Künstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln

Künstliche Intelligenz Unsicherheit. Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Künstliche Intelligenz Unsicherheit Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Rückblick Agent in der Wumpuswelt konnte Entscheidungen

Mehr

7. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 10 Saison 1967/1968 Aufgaben und Lösungen

7. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 10 Saison 1967/1968 Aufgaben und Lösungen 7. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 10 Saison 1967/1968 Aufgaben und Lösungen 1 OJM 7. Mathematik-Olympiade 2. Stufe (Kreisolympiade) Klasse 10 Aufgaben Hinweis: Der Lösungsweg mit

Mehr

Funktionen lassen sich durch verschiedene Eigenschaften charakterisieren. Man nennt die Untersuchung von Funktionen auch Kurvendiskussion.

Funktionen lassen sich durch verschiedene Eigenschaften charakterisieren. Man nennt die Untersuchung von Funktionen auch Kurvendiskussion. Tutorium Mathe 1 MT I Funktionen: Funktionen lassen sich durch verschiedene Eigenschaften charakterisieren Man nennt die Untersuchung von Funktionen auch Kurvendiskussion 1 Definitionsbereich/Wertebereich

Mehr

Vergleich der Kreisprozesse eines Ottomotors in Anwesenheit und Abwesenheit von N 2 O

Vergleich der Kreisprozesse eines Ottomotors in Anwesenheit und Abwesenheit von N 2 O Vergleich der Kreisprozesse eines Ottomotors in Anwesenheit und Abwesenheit von N 2 O Wie stark sich das Distickstoffmonooxid auf die Leistung eines Motors auswirkt sieht man sehr gut anhand einer exemplarischen

Mehr

Lineare (Un-)Gleichungen und lineare Optimierung

Lineare (Un-)Gleichungen und lineare Optimierung Lineare (Un-)Gleichungen und lineare Optimierung Franz Pauer Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2010 9. April 2010 Eine Maximumsaufgabe Eine Firma stellt aus

Mehr

Übungsbeispiel 1: Quadratische Modellierung

Übungsbeispiel 1: Quadratische Modellierung Übungsbeispiel 1: Quadratische Modellierung Ein Uhrenhersteller möchte den Preis für sein neues Modell festlegen und führt dazu eine Marktanalyse durch. Das Ergebnis lautet: Bei einem Preis von 60 ist

Mehr

3. Musterlösung. Problem 1: Boruvka MST

3. Musterlösung. Problem 1: Boruvka MST Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 06/07 ITI Wagner. Musterlösung Problem : Boruvka MST pt (a) Beweis durch Widerspruch. Sei T MST von G, e die lokal minimale Kante eines

Mehr

Sollten sich (Flüchtigkeits )Fehler eingeschlichen haben, bitte ich um eine kurze Nachricht an hans

Sollten sich (Flüchtigkeits )Fehler eingeschlichen haben, bitte ich um eine kurze Nachricht an hans Sollten sich (Flüchtigkeits )Fehler eingeschlichen haben, bitte ich um eine kurze Nachricht an hans josef.coenen@web.de Abitour Analytische Geometrie Leistungskurs Aufgaben 1. Welche Lagebeziehungen zwischen

Mehr

Maximale s t-flüsse in Planaren Graphen

Maximale s t-flüsse in Planaren Graphen Maximale s t-flüsse in Planaren Graphen Vorlesung Algorithmen für planare Graphen June 18, 2012 Ignaz Rutter INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Abiturprüfung 2000 LK Mathematik Baden-Württemberg

Abiturprüfung 2000 LK Mathematik Baden-Württemberg Abiturprüfung 000 LK Mathematik Baden-Württemberg Aufgabe I 1 Analysis ( )² Gegeben ist die Funktion f durch f ( ) = ; D f. Ihr Schaubild sei K. ( 4) a) Geben Sie die maimale Definitionsmenge D f an. Untersuchen

Mehr

8 Das Flussproblem für Netzwerke

8 Das Flussproblem für Netzwerke 8 Das Flussproblem für Netzwerke 8.1 Netzwerke mit Kapazitätsbeschränkung Definition 15 Ein Netzwerk N = (V, E, γ, q, s) besteht aus einem gerichteten Graph G = (V, E), einer Quelle q V und einer Senke

Mehr

8 Diskrete Optimierung

8 Diskrete Optimierung 8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von

Mehr

Stefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie

Stefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann

Mehr

Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist.

Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist. Graphen Definition: Ein Graph ist ein Paar (V,E), wobei V eine Menge von Knoten und E eine Menge von Kanten (v,w) mit v,w in V ist. Begriffe: Gerichteter Graph: Alle Kanten haben eine Richtung vom Anfangsknoten

Mehr

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik

Kürzeste Wege in Graphen. Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Kürzeste Wege in Graphen Maurice Duvigneau Otto-von-Guericke Universität Fakultät für Informatik Gliederung Einleitung Definitionen Algorithmus von Dijkstra Bellmann-Ford Algorithmus Floyd-Warshall Algorithmus

Mehr

Anmerkungen zur Übergangsprüfung

Anmerkungen zur Übergangsprüfung DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung

Mehr

KLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen)

KLAUSUR zu Einführung in die Optimierung. Studiengang: Bachelor Master Diplom (bitte ankreuzen) Mathematisches Institut WS 2012/13 der Heinrich-Heine-Universität 7.02.2013 Düsseldorf Prof. Dr. Achim Schädle KLAUSUR zu Einführung in die Optimierung Bitte folgende Angaben ergänzen und DEUTLICH LESBAR

Mehr

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch

Mehr

Mathematischen Grundlagen und Notationen

Mathematischen Grundlagen und Notationen Mathematischen Grundlagen und Notationen Susanne Schimpf Juni 008 Es geht in dieser Lerneinheit darum, mathematische Notationen besser zu verstehen und auch selbst korrekt zu benutzen. Außerdem sollen

Mehr

Inhaltsübersicht für heute:

Inhaltsübersicht für heute: Inhaltsübersicht für heute: Anwendung: Das Heiratsproblem Ganzzahligkeit von Polyedern Anwendung: Netzwerkflüsse Mehrgüterflussprobleme Ganzzahlige Optimierung Inhaltsübersicht für heute: Anwendung: Das

Mehr

Vorlesungsplan. Von Naïve Bayes zu Bayesischen Netzwerk- Klassifikatoren. Naïve Bayes. Bayesische Netzwerke

Vorlesungsplan. Von Naïve Bayes zu Bayesischen Netzwerk- Klassifikatoren. Naïve Bayes. Bayesische Netzwerke Vorlesungsplan 17.10. Einleitung 24.10. Ein- und Ausgabe 31.10. Reformationstag, Einfache Regeln 7.11. Naïve Bayes, Entscheidungsbäume 14.11. Entscheidungsregeln, Assoziationsregeln 21.11. Lineare Modelle,

Mehr

Wie lautet die Gleichung der Geraden, durch die beiden Punkte A(4/1) und B(-5/8)?

Wie lautet die Gleichung der Geraden, durch die beiden Punkte A(4/1) und B(-5/8)? Übungsbeispiel / 2 Gerade durch 2 Punkte Wie lautet die Gleichung der Geraden, durch die beiden Punkte A(4/) und B(-5/8)? Maturavorbereitung 8. Klasse ACDCA 999 Vektorrechnung Übungsbeispiel 2 / 2 Gerade

Mehr

3. Anwendungen. 3.1. Chemische Reaktionen. Aufgabe: Die Gleichung + +

3. Anwendungen. 3.1. Chemische Reaktionen. Aufgabe: Die Gleichung + + 1 3. Anwendungen 3.1. Chemische Reaktionen Aufgabe: Die Gleichung + + beschreibt die Verbrennung von Ammoniak zu Stickstoffoxid und Wasser Für welche möglichst kleine natürliche Zahlen x1, x2, x3 und x4

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

Algorithmen und Datenstrukturen 2-2. Seminar -

Algorithmen und Datenstrukturen 2-2. Seminar - Algorithmen und Datenstrukturen 2-2. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 2. Übungsserie: 3 Aufgaben, insgesamt 30 Punkte A4 Flußnetzwerk, Restgraphen

Mehr

Institut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien.

Institut für Mathematik Geometrie und Lineare Algebra J. Schönenberger-Deuel. Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien. Lösungen Übung 13 Aufgabe 1. Wir geben nur zwei von sehr vielen möglichen Strategien. a) Strategie 1 (nächster Nachbar): Jedes Mal reist der Reisende vom Punkt, wo er gerade ist, zur nächstgelegenen Stadt,

Mehr

Rotationskörper. Ronny Harbich. 1. August 2003 (geändert 24. Oktober 2007)

Rotationskörper. Ronny Harbich. 1. August 2003 (geändert 24. Oktober 2007) Rotationskörper Ronny Harbich 1. August 2003 geändert 24. Oktober 2007) Inhaltsverzeichnis 1 Einführung 3 2 Anschauliche Herleitung 4 2.1 Darstellungen................................. 4 2.2 Gleichungen

Mehr

THÜRINGER KULTUSMINISTERIUM

THÜRINGER KULTUSMINISTERIUM Prüfungstag: Mittwoch, 16. Juni 1999 Prüfungsbeginn: 8.00 Uhr THÜRINGER KULTUSMINISTERIUM Realschulabschluss 1998/99 MATHEMATIK Hinweise für die Prüfungsteilnehmerinnen und -teilnehmer Die Arbeitszeit

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Christian Serpé Universität Münster 14. September 2011 Christian Serpé (Universität Münster) 14. September 2011 1 / 56 Gliederung 1 Motivation Beispiele Allgemeines Vorgehen 2 Der Vektorraum R n 3 Lineare

Mehr

Vorkurs Mathematik Übungen zu Polynomgleichungen

Vorkurs Mathematik Übungen zu Polynomgleichungen Vorkurs Mathematik Übungen zu en 1 Aufgaben Lineare Gleichungen Aufgabe 1.1 Ein Freund von Ihnen möchte einen neuen Mobilfunkvertrag abschließen. Es gibt zwei verschiedene Angebote: Anbieter 1: monatl.

Mehr

Systeme von linearen Ungleichungen

Systeme von linearen Ungleichungen Systeme von linearen Ungleichungen ALGEBRA Kapitel 6 MNProfil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 28. Februar 2016 Überblick über die bisherigen ALGEBRA

Mehr

16. All Pairs Shortest Path (ASPS)

16. All Pairs Shortest Path (ASPS) . All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e

Mehr

Lösungen: Quadratische Funktionen Kompetenzorientiertes Üben 1

Lösungen: Quadratische Funktionen Kompetenzorientiertes Üben 1 Lösungen: Quadratische Funktionen Kompetenzorientiertes Üben 1 Aufgabe 1.: 6,0 5,0,0 3,0,0 1,0 0,0 1,0,0 3,0,0 5,0 6,0 7,0 f() 31,0,5 15,0 8,5 3,0 1,5 5,0 7,5 9,0 9,5 9,0 7,5 5,0 1,5 g(),0 9,0 18,0 9,0,0

Mehr

Diskrete Wahrscheinlichkeitstheorie - Probeklausur

Diskrete Wahrscheinlichkeitstheorie - Probeklausur Diskrete Wahrscheinlichkeitstheorie - robeklausur Sommersemester 2007 - Lösung Name: Vorname: Matrikelnr.: Studiengang: Hinweise Sie sollten insgesamt Blätter erhalten haben. Tragen Sie bitte Ihre Antworten

Mehr

Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen

Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen 186.172 Algorithmen und Datenstrukturen 1 VL 4.0 Übungsblatt 4 für die Übung

Mehr

G E M A gültig ab 01. Juli 1997

G E M A gültig ab 01. Juli 1997 G E M A gültig ab 01. Juli 1997 Vergütungssätze zu Ziffer 3. a) des Einzelvertrages für Mitglieder des VDM entsprechend dem Tarif VR-T-H 1 für die Vervielfältigung von Werken des GEMA-Repertoires auf handelsüblichen

Mehr

Diskrete Optimierung (Einführung zur Vorlesung)

Diskrete Optimierung (Einführung zur Vorlesung) Diskrete Optimierung (Einführung zur Vorlesung) Christoph Helmberg : [,] Inhaltsübersicht Diskrete Optimierung. Das Heiratsproblem (ungerichtete Graphen).2 Ganzzahligkeit von Polyedern ( und gerichtete

Mehr

Kapitel 4: Analyse von Petrinetzen

Kapitel 4: Analyse von Petrinetzen Kapitel 4: Analyse von Petrinetzen 1. Beispiele 2. Analyseansatz 3. Markierungsgraph 4. Beschränktheit 5. State Space Explosion: Beispiel 6. Komplementbildung 7. Zusammenhängend 8. Tot, lebendig, verklemmungsfrei

Mehr

Flüsse in Netzwerken

Flüsse in Netzwerken Skript zum Seminar Flüsse in Netzwerken WS 2008/09 David Meier Inhaltsverzeichnis 1 Einführende Definitionen und Beispiele 3 2 Schnitte in Flussnetzwerken 12 2.1 Maximaler s t Fluss..........................

Mehr

Einführung in die Bruchrechnung

Einführung in die Bruchrechnung - Seite 1 Einführung in die Bruchrechnung 1. Der Bruchbegriff Die Tafel unter drei Kindern aufteilen! Die Schokoladentafel wird zer"brochen" Jedes Kind erhält einen "Bruchteil". Wenn die Tafel aus 15 Stücken

Mehr

Flächenberechnung mit Integralen. Flächenberechnung mit Integralen. Flächenberechnung mit Integralen. Flächenberechnungen mit Integralen

Flächenberechnung mit Integralen. Flächenberechnung mit Integralen. Flächenberechnung mit Integralen. Flächenberechnungen mit Integralen Flächenberechnungen mit Integralen Aufgabe 1: Gegeben sei die Funktion = 44. = 44 Aufgaben und Lösungen a) Berechnen Sie die Fläche, die die Kurve mit den Koordinatenachsen einschließt. b) Berechnen Sie

Mehr

Repetitionsaufgaben: Lineare Funktionen

Repetitionsaufgaben: Lineare Funktionen Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Funktionen Zusammengestellt von Irina Bayer-Krakvina, KSR Lernziele: - Wissen, was ein Steigungsdreieck einer Geraden ist und wie die Steigungszahl

Mehr

4. Übungsblatt zur Mathematik I für Maschinenbau

4. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 4. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-7.. Aufgabe G (Geraden im R ) Bestimmen

Mehr

max 16x x 2 (1) 4x 1 + 2x (2) 10x (3) 2x 1 + 4x (4) 2x (5) x 1, x 2 0 (6)

max 16x x 2 (1) 4x 1 + 2x (2) 10x (3) 2x 1 + 4x (4) 2x (5) x 1, x 2 0 (6) Aufgabe 1 (33 Punkte, ca. 20 Minuten) Ein Konditor stellt zu Ostern besonders exklusive Osterhasen (x 1 ) und Ostereier (x 2 ) her. Diese bestehen aus einer Schokoladengrundmasse und werden mit weiteren

Mehr

Bäume. 2006 Jiri Spale, Algorithmen und Datenstrukturen - Bäume 1

Bäume. 2006 Jiri Spale, Algorithmen und Datenstrukturen - Bäume 1 Bäume 2006 Jiri Spale, Algorithmen und Datenstrukturen - Bäume 1 Inhalt Grundbegriffe: Baum, Binärbaum Binäre Suchbäume (Definition) Typische Aufgaben Suchaufwand Löschen allgemein, Methode Schlüsseltransfer

Mehr

Informatik I WS 07/08 Tutorium 24

Informatik I WS 07/08 Tutorium 24 Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben

Mehr

Extrema mit Nebenbedingungen

Extrema mit Nebenbedingungen Extrema mit Nebenbedingungen Gesucht ist das Extremum der Funktion f(x,y) = 5 x y unter der Nebenbedingung g(x,y) = x+y =. 5 y x In diesem einfachen Fall kann die Nebenbedingung nach einer Variablen aufgelöst

Mehr