3. Inkrementelle Algorithmen
|
|
- Kurt Geiger
- vor 6 Jahren
- Abrufe
Transkript
1 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,,. Beispiel Mi-Search: Objekte sid Eiträge des Eigabearrays. Teilproblem bestehed aus erste i Objekte bedeutet Miimum im Teilarray A[1..i] bestimme. 1
2 Sortiere ud ikremetelle Algorithme Eigabe beim Sortiere: Folge vo Zahle (a,a 1 2,,a ). Ausgabe beim Eigabefolge, so dass b Sortiere:Umordug (b,b 1 b 2 b. 1 2,,b ) der Sortieralgorithmus : Verfahre, das zu jeder sortierte Umordug (b,b berechet. 1 Folge (a,a 2,,b 1 ) 2,,a ) Eigabe: (31,41,59,26,51,48) Ausgabe: (26,31,41,48,51,59) 2
3 Isertio-Sort Idee: Sukzessive wird eie Sortierug der Teilarrays A[1..i], 1 i legth(a) berechet. Isertio - Sort( A) for j 2 to legth( A) do key A[ j] Füge A[ j] i die sortierte Folge A[1..j i j 1 while i > 0 ad A[ i] > key do A[ i + 1] A[ i] i i 1 A[ i + 1] key 1] ei. 3
4 1. for j 2 to legth(a) do 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key Beispiel:
5 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key Beispiel:
6 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 Beispiel:
7 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 j Beispiel:
8 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 j Beispiel: key 8
9 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key i j Beispiel: key 9
10 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key i j Beispiel: key 10
11 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key i j Beispiel: key 11
12 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 j Beispiel:
13 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 j Beispiel: key 13
14 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 i j Beispiel: key=3 14
15 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 i j Beispiel: key=3 15
16 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 i j Beispiel: key=3 16
17 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key i j Beispiel: key=3 17
18 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key i j Beispiel: key=3 18
19 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key i j Beispiel: key=3 19
20 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key i 1 j Beispiel: key=3 20
21 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key i 1 j Beispiel: key=3 21
22 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 j Beispiel: key=3 22
23 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 j Beispiel: Sortiert 23
24 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 j Beispiel: key Sortiert 24
25 3. i j-1 4. while i>0 ad A[i]>key do 5. A[i+1] A[i] 6. i i-1 7. A[i+1] key 1 j Beispiel: key=14 Sortiert 25
26 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key 1 j-1 j Beispiel: Sortiert key=14 26
27 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key 1 j-1 j Beispiel: Sortiert key=14 27
28 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key 1 i j-1 j Beispiel: Sortiert key=14 28
29 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key 1 i i+1 j Beispiel: key=14 29
30 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 i i+1 j Beispiel: key=14 30
31 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 i i+1 j Beispiel: key=14 31
32 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: Sortiert 32
33 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: key=7 Sortiert 33
34 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: key=7 Sortiert 34
35 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: key=7 35
36 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: key=7 36
37 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: key=7 37
38 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: Sortiert 38
39 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: Sortiert key=6 39
40 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: key=6 40
41 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: key=6 41
42 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: key=6 42
43 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: key=6 43
44 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel: Sortiert 44
45 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 j Beispiel:
46 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 Beispiel: Sortiert 46
47 3. i j-1 verschiebe alle 4. while i>0 ad A[i]>key do A[1,..,j-1], die größer als 5. A[i+1] A[i] key sid eie Stelle 6. i i-1 ach rechts 7. A[i+1] key Speichere key i Lücke 1 Beispiel: Sortiert 47
48 Ivariate bei Isertio-Sort A 0 [i] : afäglicher i-ter Wert vo Array A A[i] : aktueller i-ter Wert vo Array A Ivariate I(j): A[1..j-1] ethält die Zahle i A 0 [1..j-1] i sortierter Reihefolge. Iitialisierug: afags gilt offesichtlich I(2) (ur das erste Elemet ist sortiert) ud damit auch I(j) für j=2. Erhaltug: we am Afag der for-schleife I(j) gilt, da gilt am Ede der for-schleife I(j+1). Termiierug: Am Ede gilt I(legth(A)+1) d.h. A[1.. legth(a)] ethält die sortierte Zahle i A 0 [1..legth(A)], woraus die Korrektheit folgt. 48
49 Ivariate bei Isertio-Sort Satz 3.2 Isertio-Sort sortiert eie Folge vo Zahle aufsteiged. Beweis: Wir zeige, dass die Schleifeivariate I(j) alle Aforderuge erfüllt. Die Iitialisierugs- ud Termiierugsaforderuge der Schleifeivariate I(j) gelte offesichtlich (sofer die Erhaltug gilt). Es bleibt, die Erhaltug der Schleifeivariate zu beweise. 49
50 Ivariate bei Isertio-Sort Erhaltug (j j+1): Ageomme I(j) gelte am Afag der Schleife für ei j Isertiosort merkt sich A[j] i Variable key Sei 1 k j-1 der kleiste Idex mit A[k]>key oder k=j, falls ei solcher icht existiert Der Algorithmus verschiebt A[k,..,j-1] ach A[k+1,..,j] Da wird A[k] auf de Wert key gesetzt Daach gilt: (1) A[1] A[2] A[k-1] wege Aahme I(j) obe (2) A[k-1] A[k] A[k+1] ach Ablauf der Schleife (3) A[k+1] A[k+2] A[j] wege Aahme I(j) obe Aus (1)-(3) folgt I(j+1) ud damit die Erhaltug. Formale Aalyse (ächste Seite): 50
51 Ivariate bei Isertio-Sort Isertio-Sort(A) 1 I(2) for j 2 to legth(a) do I(j) 2 key A[j] I(j) key=a 0 [j] 3 i j-1 j=2 ( I(j,i): A[1..i,i+2..j] ethält sortierte Zahle i A 0 [1..j-1] ) key=a 0 [j] 4 while i>0 ad A[i]>key do I(j,i) key=a 0 [j] key<a[i] i>0 5 A[i+1] A[i] I(j,i-1) key=a 0 [j] key<a[i+1] i>0 6 i i-1 I(j,i) key=a 0 [j] key<a[i+2] i 0 Fall (a): i=0 I(j,0) key=a 0 [j] key<a[2] Fall (b): A[i] key I(j,i) key=a 0 [j] A[i] key<a[i+2] 7 A[i+1] key I(j+1) I(legth[A]+1) A[1..legth[A]] ethält die sortierte Zahle vo A 0 [1..legth[A]] Iitialisierug Erhaltug Termiierug d.h. Algo korrekt 51
52 Isertio-Sort Aalyse (1) Isertio - Sort( A) cost times for j 2 to legth(a) do key A[ j] Eifüge vo A i j 1 [ j] [ ] while i > 0 ad A i [ + 1] A[ i] 1. [ + 1] key c -1 A i do A i i i > key c c c c c 1 c j = 2 j = 2 j = 2 t (t (t j j j 1) 1) Hierbei ist t j j die Azahl der Durchläufe der Abfrage i Zeile 5. 52
53 Isertio-Sort Aalyse (2) Satz 3.3. Isertio-Sort besitzt worst case Laufzeit ( 2 ) Θ. Für de Beweis ist zu zeige: 1. Es gibt ei c2, so dass die Laufzeit vo Isertio - Sort bei alle Eigabe der 2 Größe immer höchstes c ist. 2.Es gibt ei c1, so dass für alle eie Eigabe I der Größe existiert bei der Isertio - Sort midestes Laufzeit 2 c besitzt
Basisfall Vergleichsbasiertes Sortieren Programmieraufgabe Algorithm Engineering
Basisfall Vergleichsbasiertes Sortiere Programmieraufgabe Algorithm Egieerig Deis Felsig 013-0-07 1 Eileitug I dieser Programmieraufgabe sollte Basisfälle für vergleichsbasiertes Sortiere utersucht werde.
MehrDynamische Programmierung Matrixkettenprodukt
Dyamische Programmierug Matrixketteprodukt Das Optimalitätsprizip Typische Awedug für dyamisches Programmiere: Optimierugsprobleme Eie optimale Lösug für das Ausgagsproblem setzt sich aus optimale Lösuge
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
MehrInformatik II Dynamische Programmierung
lausthal Iformatik II Dyamische Programmierug. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Zweite Techik für de Algorithmeetwurf Zum Name: "Dyamische " hat ichts mit "Dyamik" zu tu, soder mit
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:
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
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
MehrAlle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)).
8. Untere Schranken für Sortieren Alle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)). Werden nun gemeinsame Eigenschaften dieser Algorithmen untersuchen. Fassen gemeinsame
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Wintersemester 2013/14 1. Vorlesung Kapitel 1: Sortieren Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Das Problem Eingabe Gegeben: eine Folge A = a 1, a 2,..., a
Mehr2. Grundlagen. Beschreibung von Algorithmen durch Pseudocode. Korrektheit von Algorithmen durch Invarianten.
2. Grundlagen Beschreibung von Algorithmen durch Pseudocode. Korrektheit von Algorithmen durch Invarianten. Laufzeitverhalten beschreiben durch O-Notation. 1 Beispiel Minimum-Suche Eingabe bei Minimum
MehrAufgabe 8. 1 Arbeitsweise illustrieren. 2 Korrektheitsbeweis führen. 3 Laufzeitanalyse durchführen.
Aufgabe 8 Betrachten Sie den folgenden Algorithmus namens Bubble-Sort. Bubble-Sort(A[1..n]): 1 for i 1 to length(a) 1 2 do for j length(a) downto i + 1 3 do if A[j 1] > A[j] 4 then A[j 1] A[j] 1 Arbeitsweise
MehrKryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.
Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere
MehrSortieren DNA-Array oder DNA-Chip
Sortiere DNA-Array oder DNA-Chip Jeder Pukt des Feldes repräsetiert ei Ge g i des Mesche. Ei Ge ist der Baupla eies molekulare Bausteis useres Körpers. Mittels eies DNA-Chips ka ma gleichzeitig für viele
MehrSkriptum zur ANALYSIS 1
Skriptum zur ANALYSIS 1 Güter Lettl WS 2017/2018 1. Grudbegriffe der Megelehre ud der Logik 1.1 Naive Megelehre [Sch-St 4.1] Defiitio eier Mege ach Georg Cator (1845 1918):,,Eie Mege M ist eie Zusammefassug
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Wintersemester 2012/13 1. Vorlesung Kapitel 1: Sortieren Prof. Dr. Alexander Wolff Lehrstuhl für Informatik I Das Problem Eingabe Gegeben: eine Folge A = a 1, a 2,..., a
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
MehrÜbung 1 Algorithmen II
Yaroslav Akhremtsev, Demia Hespe yaroslav.akhremtsev@kit.edu, hespe@kit.edu Mit Folie vo Michael Axtma (teilweise) http://algo2.iti.kit.edu/algorithmeii_ws17.php - 0 Akhremtsev, Hespe: KIT Uiversität des
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
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
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.
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
Mehr2 Konvergenz von Folgen
Kovergez vo Folge. Eifache Eigeschafte Defiitio.. Eie Abbildug A : N C heißt Folge. Ma schreibt a statt A) für N ud a ) oder a ) statt A. We a R N, so heißt a ) reelle Folge. Defiitio.. Seie a ) eie Folge
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
MehrHeapsort / 1 A[1] A[2] A[3] A[4] A[5] A[6] A[7] A[8]
Heapsort / 1 Heap: Ein Array heißt Heap, falls A [i] A [2i] und A[i] A [2i + 1] (für 2i n bzw. 2i + 1 n) gilt. Beispiel: A[1] A[2] A[3] A[4] A[5] A[6] A[7] A[8] Heapsort / 2 Darstellung eines Heaps als
MehrAlgebra und Zahlentheorie WS 13/14 Lösungsskizzen zu Zettel 5 PD Dr. Tobias Finis Frederik Garbe, Huy Le Duc
Algebra ud Zahletheorie WS 13/14 Lösugsskizze zu Zettel 5 FU Berli Dozet: Tutore: Zetralübug: PD Dr. Tobias Fiis Frederik Garbe, Huy Le Duc David Müßig Bitte beachte: Diese Lösuge sid Lösugsskizze. Es
MehrNachklausur - Analysis 1 - Lösungen
Prof. Dr. László Székelyhidi Aalysis I, WS 212 Nachklausur - Aalysis 1 - Lösuge Aufgabe 1 (Folge ud Grezwerte). (i) (1 Pukt) Gebe Sie die Defiitio des Häufugspuktes eier reelle Zahlefolge (a ) N. Lösug:
MehrDritter Zirkelbrief: Ungleichungen
Matheschülerzirkel Uiversität Augsburg Schuljahr 014/015 Dritter Zirkelbrief: Ugleichuge Ihaltsverzeichis 1 Grudlage vo Ugleichuge 1 Löse vo Ugleichuge 3 3 Mittel 4 4 Mittelugleichuge 5 5 Umordugsugleichug
MehrLektion II Grundlagen der Kryptologie
Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit
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
Mehr8. A & D - Heapsort. Werden sehen, wie wir durch geschicktes Organsieren von Daten effiziente Algorithmen entwerfen können.
8. A & D - Heapsort Werden sehen, wie wir durch geschicktes Organsieren von Daten effiziente Algorithmen entwerfen können. Genauer werden wir immer wieder benötigte Operationen durch Datenstrukturen unterstützen.
MehrAufgabe (Schreibtischtest, Algorithmenanalyse)
Aufgabe (Schreibtischtest, Algorithmenanalyse) Führen Sie einen Schreibtischtest für den Algorithmus Positionsort für das folgende Eingabe-Array durch. Geben Sie nach jedem Durchlauf der for-schleife mit
MehrKombinatorik. Systematisches Abzählen und Anordnen einer endlichen Menge von Objekten unter Beachtung vorgegebener Regeln.
Systematisches Abzähle ud Aorde eier edliche Mege vo Objekte uter Beachtug vorgegebeer Regel Permutatioe Variatioe Kombiatioe Permutatioe: Eie eieideutige (bijektive) Abbildug eier edliche Mege i sich
MehrBeispiel 4 (Die Urne zu Fall 4 mit Zurücklegen und ohne Beachten der Reihenfolge ) das Sitzplatzproblem (Kombinationen mit Wiederholung) Reihenfolge
1 Beispiel 4 (Die Ure zu Fall 4 mit Zurücklege ud ohe Beachte der Reihefolge ) das Sitzplatzproblem (Kombiatioe mit Wiederholug) 1. Übersicht Ziehugsmodus ohe Zurücklege des gezogee Loses mit Zurücklege
MehrAlgorithmen und Datenstrukturen
Algorithme ud Datestrukture Übug c: Totale Korrektheit, Partielle Korrektheit, Hoare Kalkül, Assertios (Zusicheruge) Partielle Korrektheit Falls ei Programm termiiert ud die pezifikatio erfüllt, heißt
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
MehrAlgorithmen und Datenstrukturen. Kapitel 3: Sortierverfahren. Skript zur Vorlesung. Algorithmen und Datenstrukturen
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Algorithmen und Datenstrukturen Kapitel 3: Sortierverfahren Skript zur Vorlesung Algorithmen und Datenstrukturen Sommersemester
MehrÜbungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx
Übuge zur Ifiitesimalrechug, H.-C. Im Hof 9. März Blatt 4 Abgabe: 6. März, Nachmittag Aufgabe. Zeige e x dx π. Beweis. Wir bemerke als erstes, dass e x dx e x dx + e x dx e x dx formal sieht ma dies per
Mehr186.813 Algorithmen und Datenstrukturen 1 VU 6.0 1. Übungstest SS 2012 26. April 2012
Techische Uiversität Wie Istitut für Computergraphik ud Algorithme Arbeitsbereich für Algorithme ud Datestrukture 186.813 Algorithme ud Datestrukture 1 VU 6.0 1. Übugstest SS 2012 26. April 2012 Mache
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
MehrAussagenlogik. Aussagenlogik
I der mathematische Logik gibt es geau zwei Wahrheitswerte ämlich ur wahr oder falsch. Ei Drittes gibt es icht (Tertium o datur!). Zu eier Aussage a lässt sich die Negatio a (die Vereiug, sprich: "icht
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,
Mehr5. Übungsblatt zu Algorithmen I im SoSe 2016
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Dennis Hofheinz Lukas Barth, Lisa Kohl 5. Übungsblatt zu Algorithmen I im SoSe 2016 https://crypto.iti.kit.edu/index.php?id=algo-sose16
MehrLösungsskizzen Mathematik für Informatiker 6. Aufl. Kapitel 4 Peter Hartmann
Lösugssizze Mathemati für Iformatier 6. Aufl. Kapitel 4 Peter Hartma Verstädisfrage 1. We Sie die Berechug des Biomialoeffiziete mit Hilfe vo Satz 4.5 i eiem Programm durchführe wolle stoße Sie schell
MehrBINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler 10.11.2008
Stochasti ud ihre Didati Refereti: Iris Wiler 10.11.2008 Aufgabe: Führe Sie i der Seudarstufe II die Biomialoeffiziete als ombiatorisches Azahlproblem ei. Erarbeite Sie mit de Schülerie ud Schüler mithilfe
Mehr10 Aussagen mit Quantoren und
0 Aussage mit Quatore ud 0.6. Eisatz vo (bereits bekater) Eistezaussage Bisher hatte wir Eistezbeweise geführt, idem wir ei passedes Objekt agegebe habe ( Setze... ). Stattdesse ka ma auch auf bereits
MehrD-MATH Topologie FS 15 Theo Bühler. Musterlösung 2
D-MATH Topologie FS 15 Theo Bühler Musterlösug 2 1. a) Per Defiitio ist A = {x : x berührt A}. I der Vorlesug wurde die Formel (X A) = ( A ) c gezeigt, also A = ( X A ) c. Daher ist A = A A = A (A ) c
MehrKAPITEL 2. Zahlenfolgen
KAPITEL Zahlefolge. Kovergete Zahlefolge...................... 35. Grezwertbestimmug....................... 38.3 Grezwertbestimmug durch Abschätzug............. 4.4 Mootoe Folge..........................
MehrTutoraufgabe 1 (Sortieralgorithmus):
Prof. aa Dr. Ir. Joost-Pieter Katoen Datenstrukturen und Algorithmen SS Tutoriumslösung - Übung 4 (Abgabe 2..2) Christian Dehnert, Friedrich Gretz, Benjamin Kaminski, Thomas Ströder Tutoraufgabe (Sortieralgorithmus):
MehrLV "Grundlagen der Informatik" Programmierung in C (Teil 2)
Aufgabekomplex: Programmiere i C (Teil vo ) (Strukturierte Datetype: Felder, Strukture, Zeiger; Fuktioe mit Parameterübergabe; Dateiarbeit) Hiweis: Alle mit * gekezeichete Aufgabe sid zum zusätzliche Übe
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/
MehrElection: Nachrichtenkomplexität. Mittlere Nachrichtenkomplexität (1) - Beispiel: Sei k = n = 4 - Über alle Permutationen mitteln (wieviele?
Electio: Nachrichtekompleität - Message-etictio-Prizip vo Chag ud Roberts 979 - war eier der erste verteilte Algorithme Mittlere Nachrichtekompleität () - Beispiel: Sei k = = - Über alle Permutatioe mittel
MehrFrank Heitmann 2/56. Satz. 3 f (n) Θ(g(n)) lim n. 5 f (n) ω(g(n)) lim n
Algorithme ud Datestrukture Kapitel 2: ud Laufzeitaalyse rekursiver Algorithme (mittels ) Frak Heitma heitma@iformatik.ui-hamburg.de Algorithmeaalyse Um Algorithme zu bewerte beschäftige wir us isb. mit
Mehr1 Vollständige Induktion
1 Vollstädige Idutio 1.1 Idutiosbeweise Das Beweisprizip der vollstädige Idutio ist eies der wichtigste Hilfsmittel der Mathemati icht ur der Aalysis. Es fidet Verwedug bei pratische alle Aussage, die
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
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
MehrQuantensuchalgorithmen
Freie Uiversität Berli Semiar über Algorithme für Quatecomputer Sommersemester 00 Quatesuchalgorithme Reihardt Karapke karapke@if.fu-berli.de Simo Rieche rieche@if.fu-berli.de Quatesuchalgorithme Ihaltsverzeichis
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
MehrÜbung Algorithmen und Datenstrukturen
Übung Algorithmen und Datenstrukturen Sommersemester 2016 Patrick Schäfer, Humboldt-Universität zu Berlin Agenda 1. Vorstellen des vierten Übungsblatts 2. Vorbereitende Aufgaben für das vierte Übungsblatt
MehrAusgangspunkt: Über einen endlichen Zeitraum wird aus einem Kapital (Rentenbarwert RBW v n,i
D. Reterechug 1.1. Jährliche Retezahluge 1.1.1. Vorschüssige Retezahluge Ausgagspukt: Über eie edliche Zeitraum wird aus eiem Kapital (Retebarwert RBW v,i ), das ziseszislich agelegt ist, jeweils zu Begi
MehrVorkurs Grundlagen für das Mathematikstudium Lösungen 2: Binomialreihen, Exponential- und Logarithmusfunktion
Uiversität Zürich, 3. September 0 Vorurs Grudlage für das Mathematistudium Lösuge : Biomialreihe, Expoetial- ud Logarithmusfutio Lösug zu Aufgabe Seie x, y > 0 ud a > 0. Da gilt: a log a z z für alle z
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:
MehrPage-Rank: Markov-Ketten als Grundlage für Suchmaschinen im Internet
Humboldt-Uiversität zu Berli Istitut für Iformatik Logik i der Iformatik Prof. Dr. Nicole Schweikardt Page-Rak: Markov-Kette als Grudlage für Suchmaschie im Iteret Skript zum gleichamige Kapitel der im
Mehr3. Tilgungsrechnung. 3.1. Tilgungsarten
schreier@math.tu-freiberg.de 03731) 39 2261 3. Tilgugsrechug Die Tilgugsrechug beschäftigt sich mit der Rückzahlug vo Kredite, Darlehe ud Hypotheke. Dabei erwartet der Gläubiger, daß der Schulder seie
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
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
Mehr3 Elemente der Komplexitätstheorie Definitionen und ein Beispiel Nichtdeterminismus und das P-NP-Problem... 57
Ihaltsverzeichis 1 Berechebarkeit ud Algorithme 7 1.1 Berechebarkeit................................. 7 1.1.1 LOOP/WHILE-Berechebarkeit................... 8 1.1.2 Turig-Maschie...........................
MehrDie vollständige Induktion - Lösungen 1. Aufgabe: Sind die folgenden Aussageformen in N allgemeingültig?
Start Mathematik Lektioe i Aalysis Aufgabe zur vollstädige Iduktio Die vollstädige Iduktio - Lösuge. Aufgabe: Sid die folgede Aussageforme i N allgemeigültig? a) We ei Vielfaches vo ist, da ist eie gerade
Mehr1.1 Berechnung des Endwerts einer Einmalanlage bei linearer ganzjähriger Verzinsung nach n Verzinsungsjahren
Forelsalug zur Fiazatheatik 1. Eifache Zisrechug (lieare Verzisug) 1.1 Berechug des Edwerts eier Eialalage bei liearer gazjähriger Verzisug ach Verzisugsjahre p = 1 + = ( 1+ i ) 1 1.2 Berechug des Gegewartswerts
MehrÜbersicht. Algorithmen und Datenstrukturen. Übersicht. Organisation. gic. Organisation. Einführung. Analyse von Algorithmen.
OLC mputatioal gic Algorithme ud Datestrukture Reé Thiema Istitute of Computer Sciece Uiversity of Isbruck SS 010 Übersicht Orgaisatio Eiführug Aalyse vo Algorithme Suche ud Sortiere Hashverfahre Optimierugs-Probleme
MehrFormelnfürdieAnzahlmöglicherQuadrateaufn*nSpielfeldern
Modrago Formel Herleitug, Azahl Quadrate ud Differeze 01.doc 1 FormelfürdieAzahlmöglicherQuadrateauf*Spielfelder Mit Erläuteruge zur Ableitug der Formel vo Dr. Volker Bagert Berli, 11.03.010 Ihaltsverzeichis
MehrAufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I
Aufgabe ud e Ausarbeitug der Übugsstude zur Vorlesug Aalysis I Witersemester 008/009 Übug am 8..008 Übug 5 Eileitug Zuerst soll auf de aktuelle Übugsblatt ud Stoff der Vorlesug eigegage werde. Dazu werde
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:
Mehr6. Übung - Differenzengleichungen
6. Übug - Differezegleichuge Beispiel 00 Gesucht sid alle Lösuge vo a) x + 3x + = 0 ud b) x + x + 7 = 0, jeweils für 0. Um diese lieare Differezegleichug erster Ordug zu löse, verwede wir die im Buch auf
MehrSeminar: Randomisierte Algorithmen Routenplanung in Netzwerken
Semiar: Radomisierte Algorithme Routeplaug i Netzwerke Marie Gotthardt 3. Oktober 008 Ihaltsverzeichis 1 Routeplaug i Netzwerke 1.1 Laufzeit eies determiistische Algorithmus'................ 1. Radomisierter
MehrWir weisen die Gültigkeit der 4Axiome der sigma-algebra für die Potenzmenge einer endlichen Menge A nach!
Lösug zu Übug 4 Prof. Dr. B.Grabowski E-Post: grabowski@htw-saarlad.de Zu Aufgabe ) Wir weise die Gültigkeit der 4Axiome der sigma-algebra für die Potezmege eier edliche Mege A ach! ) Die leere Mege ud
Mehr2. Diophantische Gleichungen
2. Diophatische Gleichuge [Teschl05, S. 91f] 2.1. Was ist eie diophatische Gleichug ud wozu braucht ma sie? Def D2-1: Eie diophatische Gleichug ist eie Polyomfuktio i x,y,z,, bei der als Lösuge ur gaze
MehrInvestitionsentscheidungsrechnung Annuitäten Methode
Mit Hilfe der köe folgede Ivestitioe beurteilt werde: eizele Ivestitioe alterative Ivestitiosobjekte optimale Ersatzzeitpukte Seite 1 Folgeder Zusammehag besteht zwische der Kapitalbarwertmethode ud der
MehrSUCHPROBLEME UND ALPHABETISCHE CODES
SUCHPROBLEME UND ALPHABETISCHE CODES Der Problematik der alphabetische Codes liege Suchprobleme zugrude, dere Lösug dem iformatiostheoretische Problem der Fidug eies (optimale) alphabetische Codes gleich
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
MehrAufgrund der Körperaxiome ist jedoch
Hiweise: Der Doppelstrich // steht für eie Kommetarzeile. Tipp- ud Rechtschreibfehler köe trotz mehrfacher Kotrolle icht hudertprozetig vermiede werde. Die selbst erstellte Lösugsasätze orietiere sich
MehrBucketsort. Korrektheit. Beispiel. Eingabe: Array A mit n Elementen im Bereich [0,1) Annahme: die Elemente sind in [0,1) gleichverteilt.
Bucketsort Beispiel Eingabe: Array A mit n Elementen im Bereich [0,1) Annahme: die Elemente sind in [0,1) gleichverteilt 1 2 A.78.17 0 1 B.12.17 Sonst: Skalieren ( Aufwand O(n) ) 3.39 2.21.23.26 Idee:
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 2. Zahlenbereiche
Kapitel 2. Zahlebereiche 2.1. Natürliche Zahle Die Mege N {1, 2, 3,... } der atürliche Zahle wird formal durch die Peao Axiome defiiert: (A1) 1 N (A2) N ( + 1) N (A3) m ( + 1) (m + 1) (A4) N ( + 1) 1 (A5)
MehrKurzvorstellung und Forschungsinteressen. Datenstrukturen, Algorithmen und Programmierung 2. Motivation. Überblick. Kapitel 1: Einführung.
Datestrukture, Algorithme ud Programmierug 2 Professor Dr. Lehrstuhl für Algorithm Egieerig, LS11 Fakultät für Iformatik, TU Dortmud 1. VO SS 2008 8. April 2008 Kurzvorstellug ud Forschugsiteresse Algorithme
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
MehrWahrscheinlichkeitsrechnung & Statistik - Ergänzung zum Skript
Wahrscheilichkeitsrechug & Statistik - Ergäzug zum Skript Prof. Schweizer 9. Oktober 008 Mitschrift: Adreas Steiger Warug: Wir sid sicher dass diese Notize eie Mege Fehler ethalte. Betrete der Baustelle
MehrWiederholung: Linearer Ausgleich 1. Linearer Ausgleich. Vorlesung April. Aufgabe Gegeben Naturgesetz
Vorlesug 4 6 + 9 April Bei w,, w m, v R ; (w,, w m =: A R (,m ud ieres Produkt = euklidisches Produkt schrieb sich das Approximatiosproblem so: Fide w = Wiederholug: m ζ k w k mit w v w v w spa{w,, w m
Mehri=0 a it i das erzeugende Polynome von (a 0,..., a j ).
4 Erzeugede Fuktioe ud Polyome Defiitio 4 Sei a = (a 0, a, eie Folge vo atürliche Zahle, da heißt die formale Potezreihe f a (t := i 0 a it i die erzeugede Fuktio vo a Gilt a i = 0 für i > j, so heißt
MehrZahlenfolgen, Grenzwerte und Zahlenreihen
KAPITEL 5 Zahlefolge, Grezwerte ud Zahlereihe. Folge Defiitio 5.. Uter eier Folge reeller Zahle (oder eier reelle Zahlefolge) versteht ma eie auf N 0 erlarte reellwertige Futio, die jedem N 0 ei a R zuordet:
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
MehrElementare Beweismethoden - Direkter Beweis, Widerspruchsbeweis, Vollständige Induktion -
Th. Kuschel Prosemiar SS 06 Elemetare Beweismethode Seite vo 7 7.04.06 Elemetare Beweismethode - Direter Beweis, Widerspruchsbeweis, Vollstädige Idutio - 0. Vorbemerug zum Begriff des (allgemeie) Beweises
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
Mehrmit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1
Kapitel 1: Reste, Teiler, Vielfache Defiitio Es sei a 0. Die Zahl b 0 ist ei Teiler vo a, we es ei u 0 gibt, sodass ub= a. Ist b ei Teiler vo a, so ist a ei Vielfaches vo b. Bezeichug b a für b ist Teiler
Mehr9. Primzahltests. Problemstellung: Definition: Satz: Gegeben sei n N, n 0, gilt n P?
9. Primzahltests Problemstellug: Gegebe sei N, 0, gilt P? Vergleich mit Tabelle ( 1 0 1, 1 0 1 3 uzweckmäßig Teste alle p P mit p 1 / auf p uzweckmäßig Fermat-Test : Wähle zufällig eiige a i Z ud teste:
MehrKorrelationsanalyse zwischen kategorischen Merkmalen. Kontingenztabellen. Chi-Quadrat-Test
Kotigeztabelle. Chi-Quadrat-Test Korrelatiosaalyse zwische kategorische Merkmale Beispiel 1 ohe Frau 8 75 1 Ma 48 49 97 76 14? Häufigkeitstabelle (Kotigeztabelle): eie tabellarische Darstellug der gemeisame
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathemati PROF DRDR JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathemati für Iformatier I Witersemester 2003/2004 Aufgabeblatt 8 12 Dezember
Mehr18 2 Zeichen, Zahlen & Induktion *
18 2 Zeiche, Zahle & Idutio * Ma macht sich z.b. sofort lar, dass das abgeschlossee Itervall [ 3, 4] die Eigeschafte if[ 3, 4] 3 mi[ 3, 4] ud sup[ 3, 4]4max[ 3, 4] besitzt, währed das offee Itervall 3,
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
Mehr