Sortieren DNA-Array oder DNA-Chip
|
|
- Helge Lehmann
- vor 6 Jahren
- Abrufe
Transkript
1 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 Gee () messe, i welchem Maße bestimmte Bausteie useres Körpers zu eiem bestimmte Zeitpukt produziert werde (welche Gee i welchem Maße exprimiert werde). Mittels dieser Chips ka ma zum Beispiel die Ge-Expressio verschiedeer Zellkulture (Tumorzelle mit ormale Zelle) miteiader vergleiche: Gee, die stärker i der erste Zellart exprimiert werde, leuchte itesiv rot. Gee, die stärker i der zweite Zellart exprimiert werde, leuchte itesiv grü. Die Differez a[i] der Ge-Expressio eies Ges g i i de beide Zellarte ka ma i Form eier reelle Zahl agebe: a[i] [-,] für alle i,,..., -. Aufgabe: Sortiere die Gee aufsteiged ach de Werte der Differeze a[i]. Sortiere Gegebe ei Feld a der Größe mit reelle Zahle a[i], i,,...,. Sortiere die Zahle i aufsteigeder Reihefolge. Nach dem Sortiere gilt: a[] a[] a[]... a[-] Allgemeie Formulierug des Sortier-Problems: Gegebe eie Mege A vo Elemete aus eiem Uiversum U, auf dem es eie Ordugsrelatio gibt. Sortiere die Elemete der Mege A i aufsteigeder (falleder) Reihefolge bezüglich der Ordugsrelatio. Beispiel : Uiversum U die Mege aller eglische Wörter Ordugsrelatio lexikographische Ordug für Strigs Beispiel : Uiversum U die Mege aller Studete der Uiversität. Ordugsrelatio Matrikelummer Wir werde im folgede Abschitt verschiedee Sortier-Verfahre kee lere ud dabei eiige Problemlösestrategie diskutiere.
2 Divide & Coquer 3 Problem T() Kokateatio ( Problem B(), Problem T(-) ) B() Bereche das Miimum vo Zahle T( ) c d + c + T( ) k Ei triviales Sortierverfahre it idex_of_miimum(it [ ] a, it mi_idex, it max_idex) { it idex mi_idex; for (it i mi_idex; i < max_idex ; i++) if (a[idex] a[i]) idex i; retur idex; Die obige Fuktio sucht im Teilfeld vo Feld a zwische dem Idex mi_idex ud max_idex ach der Feldkompoete, die die kleiste Zahl ethält, ud gibt dere Idex zurück. Mit Hilfe dieser Fuktio köe wir a wie folgt sortiere: void trivial_sort(it [ ] a, it size_of_a) { for (it i ; i < size_of_a ; i++) { it j idex_of_miimum(a, i, size_of_a); // Suche ächstes Mi. it k a[ i ]; // Zwischespeicherug a[i] a[ i ] a[ j ]; // die ächste sortierte Zahl a[ j ] k;
3 Ei triviales Sortierverfahre k Der Zeitaufwad für die for-schleife im i-te Schritt ist gleich c( i) wobei c eie Kostate ist ud (size_of_a) die Größe des Feldes a. 5 Die Gesamtlaufzeit vo trivial_sort ist daher: c i ( i) c( i) c( i i ) c + Θ( ) Satz []: Die (worst-case) Laufzeit vo trivial_sort ist i Θ( ), wobei die Größe der Eigabe (Größe des Feldes) ist. HeapSort 6 Ei Heap ist ei biärer Baum mit de folgede Eigeschafte: [] Für jede Kote v des Heaps mit eiem Vater v.paret (! NULL) gilt: v.key v.paret-key [] Der Heap wird begied mit der Wurzel i eier bestimmte Reihefolge (möglichst weit obe ud soweit liks wie möglich) Schicht für Schicht aufgefüllt (siehe Abbildug ute liks, die Zahle gebe die Reihefolge a): usw Durch das Eiführe eies eue Elemets (a der richtige Positio) ka die Heap-Eigeschaft verletzt werde. 3
4 HeapSort 7 Wir ehme a, dass v ei Zeiger auf eie (de eigefügte) Kote ist. Die Reparatur erfolgt durch Hochschiebe des eue Kotes v, d.h., solage v-key < v-paret-key vertauscht ma Vater ud Soh: it help v-key; v-key v-paret-key; v-paret-key help; v v-paret; HeapSort Aufgrud der Reihefolge der Eifüguge hat ei Heap mit Elemete Höhe log(). Da ma bei jeder Eifügug höchstes de Pfad vom Eifüge- Kote bis zur Wurzel wadert ud dabei pro Kote ur kostate Zeit beötigt, hat jede Eifüge-Operatio im schlimmste Fall Laufzeit O(log ). Ei Heap mit Elemete ka daher i Zeit O( log ) aufgebaut werde. Das kleiste Elemet i eiem Heap ist i der Wurzel gespeichert. Mit Hilfe eies Heaps ka ma u die Elemete wie folgt sortiere: Solage der Heap icht leer ist, führt ma die folgede Operatioe aus: Etehme das Elemet i der Wurzel ud speichere es am Ede des Feldes der bereits sortierte Elemete Bewege das zuletzt eigefügte Elemet i die Wurzel. Schiebe das Elemet solage ach ute, bis die Heap-Eigeschaft wiederhergestellt ist usw. 4
5 9 HeapSort Wie bewege wir die i der Wurzel eigefügte Elemete auf ihre Platz? Wir simuliere de Heap mit eiem Feld a[,-]: a[] void shift_dow( it [ ] a, it i, it last) { bool fiished false; a[] a[] it k ; a[3] a[4] a[5] a[6] while (!fiished) { if ((*i+) < last) { a[7] a[8] usw. if (a[*i+] < a[*i+]) k *i+; else k *i+; Das like Kid des Kotes else if ((*i+) < last) k *i+; mit Idex i hat de Idex i +. else retur; Das rechte Kid des Kotes if (a[ i ] a[ k ]) { mit Idex i hat de Idex i +. it help a[ i ]; a[ i ] a[ k ]; a[ k ] help; i k; else fiished true; HeapSort Wie mache wir aus dem Feld eie Heap? Wir simuliere de Heap mit eiem Feld a[,-]: a[] a[] a[] a[3] a[4] a[5] a[6] a[7] a[8] usw. void heapify( it [ ] a, it size_of_a) { // macht eie Heap aus Feld a for (it i size_of_a - ; i ; i--) shift_dow(a, i, size_of_a); Die obige Fuktio baut eie Heap, i dem sie Baumschicht für Baumschicht die Heap-Eigeschaft herstellt. Hierbei begie wir mit der uterste Schicht. 5
6 HeapSort Wie sortiere wir mit eiem Heap (Feld)? O.B.d.A sortiere wir die Zahle im Feld falled (das letzte Elemet ist das kleiste): help usw. void heap_sort( it [ ] a, it size_of_a) { // Sortiert das Feld a heapify(a, size_of_a); // Baue de Heap for (it i size_of_a - ; i ; i--) { it help a[i]; // Rette de Schlüssel vo a[i] a[ i ] a[]; // ei weiteres Elemet sortiert a[] help; // euer Schlüssel für die Wurzel shift_dow(a,, i); // Reparatur der Heap-Eigesch. HeapSort Satz [3]: Heap-Sort sortiert ei Feld mit Elemete i Zeit O( log ). Beweis: Der Aufbau des Heaps heapify hat eie Laufzeit vo O( log ). Jede Iteratio i der for -Schleife hat im worst-case Laufzeit O(log ), wobei wir i jedem Durchgag ei Elemet eisortiere. 6
7 Divide & Coquer 3 Idee. Zerlege das ursprügliche Problem der Größe i kleiere Teilprobleme.. Ma löse die Teilprobleme ud 3. setze die Gesamtlösug aus de Lösuge der Teilprobleme zusamme. Zum Beispiel köte wir das Problem der Größe i zwei Teilprobleme der Größe / zerlege. T()? (T(/), T(/)) MergeSort 4 T() Merge (T(/), T(/)) Frage : Wie köe wir das Sortierproblem zerlege? Wir zerlege das Feld i zwei Teilfelder der Läge (ugefähr) /! Frage : Nehme wir a, dass die beide Teilfelder sortiert sid? Wie köe wir aus de Teillösuge die Gesamtlösug effiziet bereche? Ma mische die sortierte Halbfelder zu dem sortierte Feld!
8 MergeSort 5 void merge(it [ ] a, it s, it e, it s, it e) { it b ew it[e-s+]; // Speicherplatz für sortierte Folge it i s, j s, k ; // Idexzähler for ( ; i < e && j < e ; k++ ) { if (a[i] < a[j]) { b[k] a[i]; i++; else { b[k] a[j]; j++; for ( ; i < e; k++,i++) b[k] a[i]; // Leere de Rest des erstes Teilfelds for ( ; j < e; k++,j++) b[k] a[j]; // Leere de Rest des zweite Teilfelds for ( k, i s ; i < e; i++,k++) a[i] b[k]; // Kopiere sortierte Folge Ma mische die sortierte Halbfelder zu dem sortierte Feld! MergeSort 6 void merge(it [ ] a, it s, it e, it s, it e) { it b ew it[e-s+]; // Speicherplatz für sortierte Folge it i s, j s, k ; // Idexzähler for ( ; i < e && j < e ; k++ ) { if (a[i] < a[j]) { b[k] a[i]; i++; else { b[k] a[j]; j++; for ( ; i < e; k++,i++) b[k] a[i]; // Leere de Rest des erstes Teilfelds for ( ; j < e; k++,j++) b[k] a[j]; // Leere de Rest des zweite Teilfelds for ( k, i s ; i < e; i++,k++) a[i] b[k]; // Kopiere sortierte Folge Uter der Aahme, dass die beide Teilfelder a[s,e] ud a[s,e] bereits (korrekt) sortiert sid, folgt die Korrektheit des Algorithmus merge aus der Tatsache, dass die Idizes i ud j jeweils die kleiste och icht i b eisortierte Elemete der beide Teilfelder repräsetiere ud dass das Miimum dieser beide Zahle folglich die kleiste och icht verarbeitete Zahl des Rests sei muss. Die Laufzeit vo merge für zwei Teilfelder der Läge / ist Θ(). 8
9 MergeSort 7 void merge_sort(it [ ] a, it mi, it max) { if (max-mi ) { // Gibt es was zu tu? merge_sort(a, mi, mi + ((max-mi)/)); // Sortiere das erste Teilfeld merge_sort(a, mi +((max-mi)/) +, max); // Sortiere das zweite Teilfeld merge(a, mi, mi + ((max-mi)/), mi + ((max-mi)/) +, max); Laufzeit des Algorithmus merge_sort für ei Feld der Größe : Satz []: T () c T ( ) T ( ) + d T ( ) 4T ( ) + d + d 4 log T ( ) T () + d log c + d log Θ( log ) Die Laufzeit des MergeSort-Algorithmus für ei Feld der Größe ist Θ( log ). QuickSort 8 Idee: Ma wähle zufällig ei Elemet e aus de Elemete der Mege E ud ma vergleiche alle adere Elemete mit e. Mit Hilfe dieser Vergleiche zerlegt ma E i zwei Teilmege: E e mit Schlüssel kleier gleich dem Schlüssel vo e. E e mit Schlüssel größer dem Schlüssel vo e. Ma führe rekursiv die gleiche Prozedur für E e ud E e aus. QS(E) Vergleich(E\e, e) + QS(E e ) + QS(E e ) 9
10 QuickSort 9 Die Zahl der Elemete i de beide Mege E e, E e hägt atürlich vo e ab. We ma (städig) Pech hat (im worst case), ist eie der Mege immer leer, z.b. E e, ud der Algorithmus hat die gleiche Komplexität (O( )) wie Isertio_Sort ud trivial_sort. Falls ma immer durch die Wahl vo e zwei ugefähr gleich mächtige Mege produziert, da erhält ma als Laufzeit: QS() QS(/) + c O( log ) QuickSort L L L L R R R R e Pivot-Elemet
11 QuickSort void quick_sort(it [ ] a, it start, it ed) { it legth ed - start +; if( legth ) { it L start; it R ed; it e a[l]; // wir wähle e als die erste Zahl im Feld it temp a[r]; while (L < R) { if (temp < e) { a[l] temp; L++; temp a[l]; else { a[r] temp; R-- ; temp a[r] a[l] e; if ( (L-) start) quick_sort(a, start, L-); if ((R+) < ed) quick_sort(a, R+, ed); L R e temp QuickSort void quick_sort(it [ ] a, it start, it ed) { it legth ed - start +; if( legth ) { it L start; it R ed; it e a[l]; // wir wähle e als die erste Zahl im Feld it temp a[r]; while (L < R) { if (temp < e) { a[l] temp; L++; temp a[l]; else { a[r] temp; R-- ; temp a[r] a[l] e; if ( (L-) start) quick_sort(a, start, L-); if ((R+) < ed) quick_sort(a, R+, ed); Die Laufzeit vo QuickSort ist proportioal zur Zahl der Vergleiche zweier Feldelemete, die i der while-schleife vo alle rekursive Aufrufe ausgeführt werde. Ma beachte, dass jedes Paar vo Feldelemete höchstes eimal vergliche wird.
12 QuickSort Der Eifachheit halber beee wir die Feldelemete i a um: z < z <... < z so dass z i das i-t kleiste Elemet ist. 3 Ferer bezeiche wir mit Z ij die folgede Mege vo Feldelemete: Z ij { z i, z i+,..., z j Usere Aalyse basiert wieder auf der Utersuchug vo Zufallsvariable: X ij falls z i ud z j miteiader vergliche werde sost Die Zahl der Vergleiche X ist gleich X X ij i j i+ Daher ist die erwartete Zahl E[X] vo Vergleiche (Laufzeit) gleich E[ X ] E X ij E [ X ij ] p({ X ij ) i j i+ i j i+ i j i+ QuickSort 4 p( {X ij ) p( z i wird mit z j vergliche) Sei e das erste Pivot-Elemet das aus der Mege Z ij { z i, z i+,..., z j gewählt wird:. Ist e z i oder z j, so werde z i oder z j miteiader vergliche.. Ist e aus der Mege Z i+, j-, da gilt für die etstehede Teilmege. Eie der beide Teilmege, die durch de Vergleich mit dem Pivot-Elemet e gebildet werde, ethält z i ud die adere z j, d.h., z i ud z j werde icht miteiader vergliche.
13 QuickSort 5 p({x ij ) p( z i wird mit z j vergliche) p( z i oder z j wird als erstes Pivot-E. aus Z ij gewählt) p( z i wird als erstes Pivot-Elemet aus Z ij gewählt) + p( z j wird als erstes Pivot-Elemet aus Z ij gewählt) Jedes Elemet vo Z ij wird mit gleicher WSK als erstes gezoge! p({ X ij ) + j i + j i + j i + E[ X ] i j i+ p({ QuickSort X ij ) i j i+ j i + Wir führe eie eue Idex k j - i i die obige Gleichug ei: E i [ X ] < i k k + c i i k k < log O( log ) i c log 6 Satz [4]: Die erwartete Laufzeit vo QuickSort für Elemete ist O( log ). Beweis: (siehe obe). 3
14 BucketSort 7 Wir betrachte jetzt de Fall, dass alle Schlüssel aus eiem bestimmte Itervall [a,b[ der reelle Zahle stamme ud uiform verteilt sid. Uiforme Verteilug: Für jede Zahl z [a,b[ aus der vorgegebee Mege gilt: Die WSK, dass z aus eiem bestimmte Teilitervall [c,d[ vo [a,b[ ist, ist p( z [ c, d[) d c b a Der Eifachheit halber ehme wir o.b.d.a. a, dass die Zahle aus dem Itervall [,[ stamme. Da gilt für die obige Wahrscheilichkeit: p( z [ c, d[) d c Für c i/ ud d (i+)/ folgt also: i i + p z, für alle i {,,..., -. BucketSort 8 Idee vo BucketSort. Teile das Itervall [,[ i gleich große Itervalle, die Buckets.. Orde die Schlüssel ihre Buckets zu. 3. Sortiere die Elemete i de Buckets (Isertio_Sort). 4. Gehe durch der Buckets ud häge alle sortierte Liste zusamme. Aufgrud der uiforme Verteilug sollte die Elemete gleichmäßig über alle Buckets verteilt sei. 4
15 BucketSort 9 Eie geeigete Datestruktur für Bucket-Sort wäre zum Beispiel ei Feld B der Größe, wobei jedes Feldelemet eie Zeiger auf eie Liste vo Elemete ethält:.78 NULL.7..7 NULL A B NULL NULL..3.6 NULL.39 NULL...3 NULL.68 NULL.7.78 NULL NULL Das Feldelemet B[i] ethält eie Zeiger auf die Liste mit de Zahle im Itervall i i +, BucketSort Sei i die Zahl der im Bucket i gespeicherte Elemete. Die Laufzeit vo Bucket-Sort wird durch die folgede Rekursiosgleichug gegebe ( size_of_a): + T ( ) c d i Die erwartete Laufzeit ist folglich: i [ ( ) ] E c + di E[ c] + d E T i c + d i E i E[ [ i i ] Auf der folgede Folie zeige wir, dass E[ i ] / ist. Hieraus folgt: E [ T ) ] c + d d ( O() ] 3 5
16 BucketSort 3 Wir führe die folgede Zufallsvariable (Idikatorvariable) ei: X ij falls a[j] Bucket b[i] zugeordet wird sost für i,,..., - ud j,,..., - Es gilt: i X ij j Hieraus folgt: ächste Seite BucketSort 3 E[ E j i ] X ij E E + X ij X j j k k j j E[ X ij ] + j k k j j k ij X ik E[ X X X ij ik ij X ik ] E[ X ij ] * + *( ) ächste Seite 6
17 7 33 BucketSort + ] [ ] [ j j j k k ik ij i X X E E + ] [ ] [ j j j k k ij X ik E X E Da k j, sid die Zufallsvariable X ij ud X ik uabhägig + j j j k k ) ( BucketSort Satz [5]: Uter der Aahme, dass die Schlüssel der zu sortierede Elemete reelle Zahle aus eiem Itervall [a,b[ sid, welche uiform verteilt sid, ka ma mit BucketSort die Elemete i erwarteter Zeit O() sortiere.
18 Utere Schrake für das Sortiere 35 Die O( log ) Sortierverfahre, die wir i diesem Abschitt kee gelert habe, basiere alle auf Vergleiche vo Schlüssel. Beim vergleichede Sortiere verwede wir ur Vergleiche vo Elemete, um die Ordug der Eigabemege (a[]a, a[]a,..., a[-]a - ) zu bereche: Geauer: Gegebe zwei Elemete (die Schlüssel zweier Elemete) a i ud a j. Wir führe eietest a i < a j, a i a j, a i a j, a i a j oder a i a j aus. Wir ehme i diesem Abschitt a, dass alle Schlüssel verschiede sid, d.h., Vergleiche der Form a i a j sid icht erforderlich. Utere Schrake für das Sortiere 36 Das Etscheidugsbaummodell Der Ablauf vo vergleichede Sortierverfahre ka mittels Etscheidugsbäume abstrakt dargestellt werde. Ei Etscheidugsbaum ist ei biärer Baum, der alle mögliche Folge vo Vergleiche eies vergleichede Sortier-Algorithmus für alle mögliche Eigabemege eier bestimmte Größe repräsetiert. Alle adere Aspekte des Algorithmus werde igoriert. 8
19 Falls das Erste kleier gleich dem Zweite Utere Schrake für das Sortiere : Vergleiche das erste ud das zweite Eigabeelemet 37 :3 :3 (,,3) :3 (,,3) :3 (,3,) (3,,) (,3,) (3,,) Das Beispiel zeigt eie Etscheidugsbaum für ei triviales Sortierverfahre mit drei Elemete. Die Kotebeschriftug i:j zeigt a, dass das i-te Elemet mit dem j-te Elemet vergliche werde soll. Je achdem, wie der Vergleich edet, folgt ma der etsprechede Kate (zum ächste Vergleich oder zum Resultat des Sortiervorgags). Die Blätter repräsetiere die sortierte Folge (Permutatioe) der Eigabeelemete: (π(), π(),..., π(-)) so dass a π() < a π() <... < a π(-) Falls das Erste kleier gleich dem Zweite Utere Schrake für das Sortiere : Vergleiche das erste ud das zweite Eigabelemet 38 :3 :3 (,,3) :3 (,,3) :3 (,3,) (3,,) (,3,) (3,,) Da jeder korrekte Sortier-Algorithmus i der Lage sei muss, jede Permutatio der Eigabeelemete zu produziere, so muss der Etscheidugsbaum eies solche Algorithmus für die Problemgröße über! Blätter verfüge. Jedes dieser Blätter muss vo der Wurzel aus durch eie etsprechede Pfad erreichbar sei, der zu eier tatsächliche Ausführug des Algorithmus auf eier etsprechede Eigabemege korrespodiert. 9
20 Falls das Erste kleier gleich dem Zweite Utere Schrake für das Sortiere : Vergleiche das erste ud das zweite Eigabelemet 39 :3 :3 (,,3) :3 (,,3) :3 (,3,) (3,,) (,3,) (3,,) Die Läge des lägste Pfades vo der Wurzel des Etscheidugsbaumes zu irged eiem Blatt repräsetiert die Zahl der Vergleiche im worst-case (die worst-case Laufzeit) des Sortier-Algorithmus für die etsprechede Problemgröße. Daher etspricht die Höhe des Baumes der worse-case Performaz des etsprechede Algorithmus. Folglich ist eie utere Schrake für die Höhe aller mögliche Etscheidugsbäume, i dee jede Permutatio als ei Blatt erscheit, auch eie utere Schrake für die Laufzeit vo Sortier-Verfahre, die auf Vergleiche basiere. Satz [6]: Utere Schrake für das Sortiere Jeder vergleichede Sortier-Algorithmus beötigt im worst-case Ω( log ) Vergleiche. Beweis: Ei biärer Baum der Höhe h hat höchstes h Blätter. Jeder potetielle Etscheidugsbaum für vergleichedes Sortiere vo Elemete hat geau! Blätter. Folglich gilt für die Höhe jedes Etscheidugsbaumes: h! Durch Awedug des Logarithmus zur Basis erhalte wir: h log(!) Aus der Stirlig-Formel α! π e mit < α < folgt: e + log(!) log(π ) + log( ) + log( e) α log( ) e e log( ) log( e) log( ) log( ) log( ) Für alle mit log() log(e) gilt h Ω( log( )) 4
21 Satz [7]: Utere Schrake für das Sortiere Heap-Sort ud Merge-Sort sid asymptotisch optimale vergleichede Sortierverfahre. Beweis: Die obere Schrake vo O( log ) für die Laufzeit der Algorithme stimmt überei mit der utere Schrake vo Ω( log ) für vergleichede Sortierverfahre. 4
3. Inkrementelle Algorithmen
3. Ikremetelle Algorithme Defiitio 3.1: Bei eiem ikremetelle Algorithmus wird sukzessive die Teillösug für die erste i Objekte aus der bereits bekate Teillösug für die erste i-1 Objekte berechet, i=1,,.
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/
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
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
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
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
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
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
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
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
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
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
MehrKAPITEL 2. Zahlenfolgen
KAPITEL Zahlefolge. Kovergete Zahlefolge...................... 35. Grezwertbestimmug....................... 38.3 Grezwertbestimmug durch Abschätzug............. 4.4 Mootoe Folge..........................
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:
Mehr5.3 Wachstum von Folgen
53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrTests statistischer Hypothesen
KAPITEL 0 Tests statistischer Hypothese I der Statistik muss ma oft Hypothese teste, z.b. muss ma ahad eier Stichprobe etscheide, ob ei ubekater Parameter eie vorgegebee Wert aimmt. Zuerst betrachte wir
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
MehrD-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Übungsblatt 8. b n := 1 n. a k. k=1
D-MATH, D-PHYS, D-CHAB Aalysis I HS 2017 Prof. Mafred Eisiedler Übugsblatt 8 1. Bereche Sie de Grezwert lim a für die Folge (a ) gegebe durch a) a = (2 1/ ) 10 (1 + 1/ 2 ) 10 1 1/ 2 1/, b) a = + 1, c)
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
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
MehrUniversität Stuttgart Fachbereich Mathematik. 1 Lineare Abbildungen und Matrizen. 1.1 Um was geht es?
Uiversität Stuttgart Fachbereich Mathematik Prof Dr C Hesse PD Dr P H Lesky Dipl Math D Zimmerma Msc J Köller FAQ 4 Höhere Mathematik 724 el, kyb, mecha, phys Lieare Abbilduge ud Matrize Um was geht es?
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
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.
MehrEigenschaften von Texten
Worthäufigkeite Eigeschafte vo Texte Eiige Wörter sid sehr gebräuchlich. 2 der häufigste Wörter (z.b. the, of ) köe ca. 0 % der Wortvorkomme ausmache. Die meiste Wörter sid sehr selte. Die Hälfte der Wörter
MehrZusammenfassung: Folgen und Konvergenz
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug Folge ud Kovergez Ihaltsverzeichis Defiitioe ud Beispiele für Folge Beschräkte Folge Kovergez vo Folge Grezwertsätze für Folge 5 Für Experte 7 Defiitioe ud Beispiele
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
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,
Mehr1. Übungsblatt zu Algorithmen II im WS 2016/2017
Karlsruher Istitut für Techologie Istitut für Theoretische Iformatik Prof. Dr. Peter Saders Dr. Christia Schulz, Dr. Simo Gog Michael Atma. Übugsblatt zu Algorithme II im WS 06/07 http://algo.iti.kit.edu/algorithmeii
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...........................
MehrMerge-Sort und Binäres Suchen
Merge-Sort ud Biäres Suche Ei Bericht vo Daiel Haeh Mediziische Iformatik, Prosemiar WS 05/06 Ihaltsverzeichis I. Eileitug 3 II. III. IV. i. Das Divide-ad-coquer -Verfahre Merge-Sort i. Eileitug ii. Fuktiosweise
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
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
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:
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
MehrBasisfall 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.
Mehr... a ik) i=1...m, k=1...n A = = ( a mn
Zurück Stad: 4..6 Reche mit Matrize I der Mathematik bezeichet ma mit Matrix im Allgemeie ei rechteckiges Zahleschema. I der allgemeie Darstellug habe die Zahle zwei Idizes, de erste für die Zeileummer,
MehrZahlenfolgen und Konvergenzkriterien
www.mathematik-etz.de Copyright, Page of 7 Zahlefolge ud Kovergezkriterie Defiitio: (Zahle-Folge, Grezwert) Eie Folge ist eie Abbildug der atürliche Zahle i die Mege A. Es ist also im Fall A: ; f: mit
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
MehrTeil VII : Zeitkomplexität von Algorithmen
Teil VII : Zeitkomplexität vo Algorithme. Algorithme ud ihr Berechugsaufwad. Aufwadsabschätzug Wachstum vo Fuktioe. Aufwad vo Suchalgorithme K. Murma, H. Neuma, Fakultät für Iformatik, Uiversität Ulm,
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
Mehr6 Grenzwerte von Zahlenfolgen
6 Grezwerte vo Zahlefolge Ei zetraler Begriff der Aalysis ist der des Grezwertes. Wir begie mit der Betrachtug vo Grezwerte vo Zahlefolge. 6. Zahlefolge 6.. Grudbegriffe Defiitio 6... Eie Fuktio f : Z
MehrHerzlich Willkommen zur Vorlesung. Analysis I SoSe 2014
Herzlich Willkomme zur Vorlesug Aalysis I SoSe 2014 Prof. Dr. Berd Dreseler Lebediges Lere: Aufgabe Ich Wir 2 Reelle Zahle 2.1 Körperstruktur vo (K1) Additio ud Multiplikatio kommutativ: a b b a, ab ba.
MehrLGÖ Ks VMa 12 Schuljahr 2017/2018
LGÖ Ks VMa Schuljahr 7/8 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Experte 8 Polyomgleichuge ud -ugleichuge
MehrBeispiellösungen zu Blatt 105
µ κ Mathematisches Istitut Georg-August-Uiversität Göttige Aufgabe 1 Beispiellösuge zu Blatt 105 Alva liebt Advetskaleder. Aber sie hat keie Lust, die Türe vo 1 bis i der ormale Reihefolge zu öffe. Daher
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
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
MehrAufgabe G 1.1. [Vollständige Induktion, Teleskopsumme] n k 3 = n N : k(k + 1) = 1 1
Istitut für Aalysis ud Algebra Mathematik I für Studierede der E-Techik Prof Dr Volker Bach WiSe 06/7 M Sc Birgit Komader M Sc Christoph Brauer Theme: Groe Übug - Lösuge Vollstädige Iduktio - Teleskopsumme
MehrFundamentale Prinzipien der Kombinatorik und elementare Abzählkoeffizienten Wolfram Koepf
Fudametale Prizipie der Kombiatori ud elemetare Abzähloeffiziete Wolfram Koepf Die abzählede Kombiatori beschäftigt sich vor allem mit der Auswahl eier Teilmege, die ma häufig eie Stichprobe et (aus Wahrscheilicheitsrechug
MehrZusammenfassung: Gleichungen und Ungleichungen
LGÖ Ks VMa Schuljahr 6/7 Zusammefassug: Gleichuge ud Ugleichuge Ihaltsverzeichis Polyomgleichuge ud -ugleichuge Bruch-, Wurzel- ud Betragsgleichuge ud ugleichuge 6 Für Eperte 8 Polyomgleichuge ud -ugleichuge
Mehr1. Zahlenfolgen und Reihen
. Zahlefolge ud Reihe We ma eie edliche Mege vo Zahle hat, ka ma diese i eier bestimmte Reihefolge durchummeriere: {a,a 2,...,a }. Ma spricht vo eier edliche Zahlefolge. Fügt ma immer mehr Zahle hizu,
Mehr5. Übungsblatt Aufgaben mit Lösungen
5. Übugsblatt Aufgabe mit Lösuge Aufgabe 2: Bestimme Sie alle Häufugspukte der komplexe) Folge mit de Glieder a) a = ) 5 + 7 + 2 ) b) b = i Lösug 2: a) Die Folge a ) zerfällt vollstädig i die beide Teilfolge
Mehrund wird als n-dimensionaler (reeller) Vektorraum bezeichnet. heißt der von v 1,..., v k aufgespannte Unterraum des R n.
Reeller Vektorraum Kapitel Vektorräume Die Mege aller Vektore x mit Kompoete bezeiche wir mit x R =. : x i R, i x ud wird als -dimesioaler (reeller) Vektorraum bezeichet. Defiitio Ei Vektorraum V ist eie
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
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
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
MehrAnalysis ZAHLENFOLGEN Teil 4 : Monotonie
Aalysis ZAHLENFOLGEN Teil 4 : Mootoie Datei Nr. 40051 Friedrich Buckel Juli 005 Iteretbibliothek für Schulmathematik Ihalt 1 Eiführugsbeispiele 1 Mootoie bei arithmetische Folge Defiitioe 3 3 Welche Beweistechik
Mehr$Id: reihen.tex,v /06/14 13:59:06 hk Exp $
Mathematik für Iformatiker B, SS 202 Doerstag 4.6 $Id: reihe.tex,v.9 202/06/4 3:59:06 hk Exp $ 7 Reihe 7.4 Kovergezkriterie für Reihe 7.4. Alterierede Reihe Wir hatte gesehe das die harmoische Reihe divergiert,
Mehrvon solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:
Gleichmäßige Kovergez Wir betrachte im Folgede Abbilduge f : M N, wobei M eie Mege ud N ei metrischer Raum ist. Isbesodere iteressiere ud Folge f vo solche Abbilduge. Eie solche Folge bestimmt für jedes
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,
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
MehrÜber die Verteilung der Primzahlen
Über die Verteilug der Primzahle Scho dem juge Carl Friedrich Gauss drägte sich die Vermutug auf, dass die Azahl π( aller Primzahle p uterhalb der positive Schrae dem Gesetz π( log lim = 1 gehorcht. (Mit
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
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
MehrStatistik I Februar 2005
Statistik I Februar 2005 Aufgabe 0 Pukte Ei Merkmal X mit de mögliche Auspräguge 0 ud, das im Folgede wie ei kardialskaliertes Merkmal behadelt werde ka, wird a Merkmalsträger beobachtet. Dabei bezeichet
Mehr1.2. Taylor-Reihen und endliche Taylorpolynome
1.. aylor-reihe ud edliche aylorpolyome 1..1 aylor-reihe Wir köe eie Fuktio f() i eier Umgebug eies Puktes o gut durch ihre agete i o: t o () = f(o) + f (o) (-o) aäher: Wir sehe: Je weiter wir vo o weg
Mehr4.1 Dezimalzahlen und Intervallschachtelungen. a) Reelle Zahlen werden meist als Dezimalzahlen dargestellt, etwa
20 I. Zahle, Kovergez ud Stetigkeit 4 Kovergete Folge 4. Dezimalzahle ud Itervallschachteluge. a) Reelle Zahle werde meist als Dezimalzahle dargestellt, etwa 7,304 = 0+7 +3 0 +0 00 +4 000. Edliche Dezimalzahle
Mehr8. Übungsblatt Aufgaben mit Lösungen
8. Übugsblatt Aufgabe mit Lösuge Aufgabe 36: Bestimme Sie alle z C, für die die folgede Potezreihe kovergiere: z z a, b! +, c z +. = = Lösug 36: Wir bezeiche de Kovergezradius mit r. a Wir wede das Quotietekriterium
MehrHerzlich Willkommen zur Vorlesung. Analysis I SoSe 2013
Herzlich Willkomme zur Vorlesug Aalysis I SoSe 2013 Prof. Dr. Berd Dreseler Lebediges Lere: Aufgabe Ich Wir Überblick Mittelwertsatz Differetialrechug Natürliche Zahle Iduktiosprizip Kombiatorik Körper
MehrKapitel 3: Bedingte Wahrscheinlichkeiten und Unabhängigkeit
- 18 - (Kapitel 3 : Bedigte Wahrscheilichkeite ud Uabhägigkeit) Kapitel 3: Bedigte Wahrscheilichkeite ud Uabhägigkeit Wird bei der Durchführug eies stochastische Experimets bekat, daß ei Ereigis A eigetrete
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
MehrLangrange-Multiplikators und Hinreichende Bedingungen
Albert Ludwigs Uiversität Freiburg Abteilug Empirische Forschug ud Ökoometrie Mathematik für Wirtschaftswisseschaftler Dr. Sevtap Kestel Witer 008 10. November 008 14.-4 Lagrage-Multiplikators ud Hireichede
MehrGeometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr
ZAHLENFOLGEN Teil Geometrische Folge Auch Wachstumsfolge Viele Aufgabe Lösuge ur auf der Mathe-CD Hier ur Ausschitte Datei Nr. 00 Friedrich Buckel März 00 Iteretbibliothek für Schulmathematik 00 Geometrische
Mehr8.1.3 Operation Build-Max-Heap Operation zur Konstruktion eines Heaps Eingabe: Feld A[1..n], n = länge(a) BUILD-MAX-HEAP (A)
Stand der Vorlesung: Datenstruktur Heap: fast vollständiger Binärbaum MaxHeap: sortierter Heap, größtes Element an Wurzel Sortierverfahren: HeapSort: Sortieren eines Feldes A[1.. n] Idee: in place: Feld
Mehr$Id: komplex.tex,v /04/13 15:09:53 hk Exp $
Mathematik für Igeieure IV, SS 206 Mittwoch 3.4 $Id: komplex.tex,v.2 206/04/3 5:09:53 hk Exp $ Komplexe Zahle I diesem Kapitel wolle wir erst eimal zusammestelle was aus de vorige Semester über die komplexe
MehrTechnische Universität München
Stand der Vorlesung: Datenstruktur Heap: fast vollständiger Binärbaum MaxHeap: sortierter Heap, größtes Element an Wurzel Sortierverfahren: HeapSort: Sortieren eines Feldes A[1.. n] Idee: in place: Feld
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:
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
Mehr7.2 Grundlagen der Wahrscheinlichkeitsrechnung
7.2 Grudlage der Wahrscheilichkeitsrechug Ei Ereigis heißt i Bezug auf eie Satz vo Bediguge zufällig, we es bei der Realisierug dieses Satzes eitrete ka, aber icht ubedigt eitrete muss. Def. 7.2.: Ei Experimet
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:
MehrMusterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09
Musterlösug zu Blatt 8 der Vorlesug Aalysis I WS08/09 Schriftliche Aufgabe Aufgabe. Voraussetzuge: Für alle N setze a : +2 ud b : ( 2. [Amerkug: I der Aufgabestellug heiÿe die Reihe beide gleich. Es steht
MehrGrundkurs Mathematik II
Prof. Dr. H. Breer Osabrück SS 2017 Grudkurs Mathematik II Vorlesug 48 Itervallschachteluge Eie weitere Möglichkeit, reelle Zahle zu beschreibe, eizuführe, zu approximiere ud recherisch zu hadhabe, wird
Mehr8. Sortieren II. 8.1 Heapsort. Heapsort. [Max-]Heap 6. Heapsort, Quicksort, Mergesort. Binärer Baum mit folgenden Eigenschaften
Heapsort, Quicksort, Mergesort 8. Sortieren II 8.1 Heapsort [Ottman/Widmayer, Kap. 2.3, Cormen et al, Kap. 6] 9 210 Heapsort [Max-]Heap 6 Inspiration von Selectsort: Schnelles Einfügen Binärer Baum mit
MehrMethoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln
6 Kovergete Folge Lerziele: Kozepte: Grezwertbegriff bei Folge, Wachstumsgeschwidigkeit vo Folge Resultat: Mootoe beschräkte Folge sid koverget. Methode: Hero-Verfahre, Erweiterug vo Differeze vo Quadratwurzel
MehrKlausur vom
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Domiik Faas Stochastik Witersemester 00/0 Klausur vom 7.0.0 Aufgabe 3+.5+.5=6 Pukte Bei eier Umfrage wurde 60 Hotelbesucher ach ihrer Zufriedeheit
MehrMathematik III. Vorlesung 81. Eigenschaften des Dachprodukts. Die folgende Aussage beschreibt die universelle Eigenschaft des Dachproduktes.
Prof. Dr. H. Breer Osabrück S 2010/2011 Mathematik III Vorlesug 81 Eigeschafte des Dachprodukts Die folgede Aussage beschreibt die uiverselle Eigeschaft des Dachproduktes. Satz 81.1. Es sei K ei Körper,
MehrIndizieren Sie die folgenden Summen und Produkte gemäß der Vorgabe um und schreiben Sie sie einmal explizit aus: 5
FU Berli: WiSe 13-14 (Aalysis 1 - Lehr.) Übugsaufgabe Zettel 9 Aufgabe 37 Idiziere Sie die folgede Summe ud Produte gemäß der Vorgabe um ud schreibe Sie sie eimal explizit aus: 5 (a) + 1) 0( Lösug. Die
Mehr3. Taylorformel und Taylorreihen
Prof Dr Siegfried Echterhoff Aalysis Vorlesug SS 9 3 Taylorformel ud Taylorreihe Sei I R ei Itervall ud sei f : I R eie Fuktio Ziel: Wolle utersuche, wa sich die Fuktio f i eier Umgebug vo eiem Pukt I
MehrAufgaben zur Analysis I
Aufgabe zur Aalysis I Es werde folgede Theme behadelt:. Logik, Iduktio, Mege, Abbilduge 2. Supremum, Ifimum 3. Folge, Fuktioefolge 4. Reihe, Potezreihe 5. Mootoie ud Stetigkeit 6. Differetialrechug 7.
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 04..05 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 6. Übugsblatt Aufgabe
MehrAlgorithmen 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
MehrII. Grundlagen der Programmierung. Variable: Literale (Konstanten) Operatoren & Ausdrücke. Variablendeklaration:
Techische Iformatik für Igeieure (TIfI) WS 20052006, Vorlesug 2 II. Grudlage der Programmierug Ekkart Kidler Überblick Sytaxdefiitio Variable ud Ausdrücke Aweisuge Literale (Kostate) Variable Out.pritl("Das
MehrKlassische Theoretische Physik I WS 2013/2014
Karlsruher Istitut für Techologie www.tkm.kit.edu/lehre/ Klassische Theoretische Physik I WS 3/4 Prof. Dr. J. Schmalia Blatt 7 Dr. P. P. Orth Abgabe ud Besprechug 3..3. Tayloretwicklug I 5 + 5 + 5 + 5
MehrKapitel 6 Elementare Sortieralgorithmen
Kapitel 6 Elementare Sortieralgorithmen Ziel: Kennenlernen elementarer Sortierverfahren und deren Effizienz Zur Erinnerung: Das Sortier-Problem Gegeben: Folge A von n Elementen a 1, a 2,..., a n ; Eine
MehrMichael Buhlmann Mathematik > Analysis > Newtonverfahren
Michael Buhlma Mathematik > Aalysis > Newtoverfahre Eie Abbildug {a }: N -> R, die jeder atürliche Zahl eie reelle Zahl a zuordet, heißt (uedliche (Zahle- Folge: -> a oder {a } εn, a das -te Folgeglied.
MehrStrukturelle Modelle in der Bildverarbeitung Markovsche Ketten II
Strukturelle Modelle i der Bildverarbeitug Markovsche Kette II D. Schlesiger TUD/INF/KI/IS Statioäre Verteilug Verborgee Markovsche Kette (HMM) Erkeug stochastisches Automate D. Schlesiger SMBV: Markovsche
MehrWahrscheinlichkeitstheorie und Statistik vom
INSTITUT FÜR MATHEMATISCHE STOCHASTIK WS 005/06 UNIVERSITÄT KARLSRUHE Priv.-Doz. Dr. D. Kadelka Klausur Wahrscheilichkeitstheorie ud Statistik vom 9..006 Musterlösuge Aufgabe A: Gegebe sei eie Urliste
MehrDie Lösung der Rekursion. mit a, c, d R >0, b N >0 verhält sich so:
Asymptotische Notatio Ladaus asymptotische Notatio O, Ω, o, ω, Θ, wird vorausgesetzt siehe Folie auf webseite oder eischlägige Literatur (z.b. Corme, Leiserso, Rivest) Geometrische Reihe α 0 folgt aus
MehrDiesen Grenzwert nennt man partielle Ableitung von f nach x i und
Bevor wir zum ächste Kapitel übergehe, werde wir de Begri eier Fuktio i mehrere Variable eiführe. Eie Fuktio vo Variable ist eie Vorschrift, die jedem Pukt (x 1,x,...,x ) eier Teilmege D des IR eie bestimmte
Mehr