Einleitung Grundlagen spez. Zahlenfolgen Zusammenfassung Kombinatorik. im Rahmen Hallo Welt für Fortgeschrittene. Johannes Simon
|
|
- Michaela Schumacher
- vor 6 Jahren
- Abrufe
Transkript
1 Kombinatorik im Rahmen Hallo Welt für Fortgeschrittene Johannes Simon TODO 1 / 41
2 Kombinatorik ist ein Teilgebiet der Mathematik, das sich mit der Bestimmung der Zahl möglicher Anordnungen oder Auswählen von unterscheidbaren oder nicht unterscheidbaren Objekten mit oder ohne Beachtung der Reihenfolge beschäftigt. wikipedia.de
3 Gliederung Beispiele & Hinweise Kombinatorik aus der Schule Permutationen Kombinationen Variationen Spezielle Zahlenfolgen Fibonacci Zahlen Catalan Zahlen Euler Zahlen Stirling Zahlen (I. & II. Art) Integer Partitionen Beispiele & Hinweise 3 / 41
4 Permutation - Definition Beispiele & Hinweise Permutation Variationen Kombination lat. permutare (ver)tauschen Die Veränderung der Anordnung einer Menge durch Vertauschen ihrer Elemente mathematisch: bijektive Abbildung einer Menge Ω auf sich selbst 4 / 41
5 Beispiele Beispiele & Hinweise Permutation Variationen Kombination Wieviele Möglichkeiten gibt es, n unterscheidbare Elemente in beliebiger Reihenfolge nebeneinander anzuordnen? Lösung: n! Beispiel: Wieviele Möglichkeiten gibt es, 4 (unterscheidbare) Kugeln in einer Reihe anzuordnen? Für die 1. Kugel: 4 Möglichkeiten (keine Position besetzt) 2. Kugel: 3 Möglichkeiten (da eine schon besetzt) insgesamt: 4*3*2*1 Möglichkeiten = 4! = 24 5 / 41
6 Beispiele Beispiele & Hinweise Permutation Variationen Kombination Wieviele Möglichkeiten gibt es, n Elemente in beliebiger Reihenfolge nebeneinander anzuordnen, wobei k Elemente gleich sind? (k <= n) Lösung: n! k! Erweiterung der obigen Aufgabe (Mississippi Problem) n Elemente, wobei es mehrere Gruppen (a, b, c...) gleicher Elemente gibt. (Gruppen a, b, c haben keine Schnittmenge) Lösung: n! a! b! c!... 6 / 41
7 Spezialfälle Beispiele & Hinweise Permutation Variationen Kombination Wieviele Möglichkeiten gibt es, n (unterscheidbare Elemente) im Kreis anzuordnen, wobei nur bezüglich der benachbarten Elemente unterschieden wird? n! n 2 Lösung: Lösung: n! n 2 Erläuterung des Nenners (n*2) Faktor n: für jede Belegung gibt es n identische Belegungen durch Rotation um jeweils ein Element. Beispiel: (123) = (312) = (231) Faktor 2: bei jeder Belegung kann eine Spiegelung an einer Achse durch die Mitte vorgenommen werden, ohne dass sich die Nachbarn ändern Anschaulich: = 7 / 41
8 Variation - Definition Beispiele & Hinweise Permutation Variationen Kombination Auswählen mit Beachtung der Reihenfolge Anzahl der Möglichkeiten auf k Plätze n Objekte zu verteilen (mit/ohne Zurücklegen) (n >= k) 1. ohne Zurücklegen ( Wettlaufproblem ) Lösung: 2. mit Zurücklegen ( Zahlenschlossproblem ) Lösung: k! n k = n! n k! n k 8 / 41
9 Beispiel Beispiele & Hinweise Permutation Variationen Kombination Wieviele Möglichkeiten muss man für ein 5-stelliges Zahlenschloss (0-9) höchstens durchprobieren, wenn man weiß, dass die Zahl 1 einmal, die 2 zweimal vorkommt und die 1. Position die 4 ist? Lösung: Erläuterung: Faktor 1: eine Möglichkeit für die 1. Position Faktor (4 über 3): 3 von 4 übrig geblieben Plätzen auswählen für die Zahlen 2, 2, 1 Faktor 3: 3 Möglichkeiten um 3 Elemente unterschliedlich anzuordnen, wobei 2 Elemente gleich sind (MISSISSIPPI Problem) Faktor 10: 10 Möglichkeiten für den letzten übrig gebliebenen Platz 9 / 41
10 Kombination - Definition Beispiele & Hinweise Permutation Variationen Kombination Auswählen ohne Beachtung der Reihenfolge Anzahl der Möglichkeiten, k Objekte aus einer n - elementigen Menge auszuwählen auch bekannt als Urnenmodell 1. Ziehen ohne Zurücklegen Lösung: n k 2. Ziehen mit Zurücklegen Würfeln Lösung: n k 1 k = n k 1! k! n 1! 10 / 41
11 Der Binomialkoeffizient Beispiele & Hinweise Permutation Variationen Kombination n k = n! k! n k! Definition n k = n n k Auswahl der Komplementärmenge n k = n 1 k n 1 k 1 Rekursionsgleichung n n = n 0 = 1 Basisfälle n 1 = n 11 / 41
12 Implementierung C++ Beispiele & Hinweise Permutation Variationen Kombination // n ueber k, Komplexitaet O(n) long long binom(int n, int k) { //min <= n/2 (Overflow - vermeidung) int min = (k < n-k? k: n-k); long long result = 1; n k = n n k for (int i = 1; i <= min; i++) { result *= n; // Division geht exakt result /= i; n--; return result; n k = n n n min 1 k n 1 ganzzahlig n 2 ganzzahlig n min ganzzahlig 12 / 41
13 Pascalsches Dreieck (PD) Beispiele & Hinweise Permutation Variationen Kombination Das PD lässt sich von oben nach unten berechnen mittels der Rekursionsgleichung (siehe vorige Folie) unter Verwendung von DP oder unter Verwendung der Definition nächste Folie 13 / 41
14 Spezialanwendung Beispiele & Hinweise Permutation Variationen Kombination Zusammenhang mit Binomischer Formel: a b n = i=0 n n i ai b n i Spezialfall: a, b = 1; 2-er Potenzen 14 / 41
15 1430, 429, 132, 42, ,... 1, 1, 2, 5, Zahlenfolgen Fibonacci Catalan Stirling Euler Integer Partitionen Fibonacci-Zahlen Catalan-Zahlen Stirling-Zahlen (I. und II. Art) Euler-Zahlen Integer-Partitionen / 41
16 Fibonacci-Folge Fibonacci Catalan Stirling Euler Integer Partitionen 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233, 377, 610, Bekannt durch Leonardo Fibonacci die Zahlenfolge lässt sich in sehr vielen Gebieten wiederfinden und dient oft als Annäherung. (z.b. bei der Populationsrate von Hasen) f n = f n 1 f n 2 f 0 = 0 f 1 = 1 Basisfälle (Definition für n > 1) 16 / 41
17 Implementierung Fibonacci Catalan Stirling Euler Integer Partitionen Naive Implementierung der Definition führt bei größeren Zahlen schnell zum TIMELIMIT und zu endlosen Rekursionsschritten. Besser: Verwendung schneller Exponentiation von Matrizen: fib(n) lässt sich so in O(log n) berechnen n = f n 1 f n f n f n 1 17 / 41
18 Implementierung C++ Fibonacci Catalan Stirling Euler Integer Partitionen // n-te Fibonacci Zahl, Komplexität O(log n) // Matix Multiplikation als Pseudocode (!) // 2x2 Matrix int M[2][2] = {{1,1{0,1; int fib (int n) { matpow(n-1); return M[0][0]; Schnelle Implementierung: n = f n 1 f n f n f n 1 // schnelle Exponentiation der Matrix M void matpow(int n) { if (n > 1) { matpow(n/2); M = M*M; if (n%2 == 1) M = M*{{1,1{1,0 18 / 41
19 Catalan-Zahlen Fibonacci Catalan Stirling Euler Integer Partitionen 1, 2, 5, 14, 42, 132, 429, 1430, 4862, 16796, 58786, , Benannt nach Eugène Charles Catalan taucht sehr häufig im Bereich der Kombinatorik auf, z.b. Anzahl der Möglichkeiten, ein konvexes n-eck durch Diagonalen in Dreiecke zu zerteilen (zb.: n = 5) Anzahl der wohlgeformten Klammerausdrücke Anzahl möglicher Binärbäume... alle diese Probleme können aufeinander reduziert werden (THI 3 ;) 19 / 41
20 Definitionen Fibonacci Catalan Stirling Euler Integer Partitionen Definition: C n = 1 n 1 2n n Rekursive Definition: C n 1 n = k=0 C k C n k also z.b. C 3 = C 0 C 2 C 1 C 1 C 2 C 0 20 / 41
21 Implementierung C++ Fibonacci Catalan Stirling Euler Integer Partitionen // globale Variablen, NMAX in der main() initialisieren int NMAX; // Array auf Nmax initialisieren unsigned long long nums[nmax]; // Implementierung der Rekursiven Formel mit DP void catalan() { // Array initialisieren memset(nums, 0, sizeof(nums)); nums[0] = 1; nums[1] = 1; // Array bis NMAX berechnen for(int n = 1; n < NMAX; n++) { for (k=0; k<n; k++) { nums[n] += nums[k]*nums[n-k]; C n 1 n = k=0 C k C n k 21 / 41
22 Stirling-Zahl I Fibonacci Catalan Stirling Euler Integer Partitionen Sie beschreibt die Anzahl der unterschiedlichen Möglichkeiten eine Permutation mit n Elementen in k Zyklen zu zerlegen. Schreibweise: s n, r = [ n k ] 0 k n Rekursive Definition: [ n k ] = [ n 1 k 1] n 1 [ n 1 k ] 22 / 41
23 Stirling-Zahl I Fibonacci Catalan Stirling Euler Integer Partitionen Veranschaulichung: Anzahl der Möglichkeiten, die Menge M{a,b,c mit Kardinalität n = 3 in jeweils 2 (nichtleere) Zyklen (r = 2) zu zerlegen: (ab) (c) (ac) (b) (a) (bc) s(3, 2) = 4 (b) (ac) 23 / 41
24 Stirling-Zahl I Fibonacci Catalan Stirling Euler Integer Partitionen DP- Implementierung anhand des Rekursions-Dreiecks und der Formel k n [ 3 1] [ n ] k 1 Info: Code Implementierung an der Tafel... (Code siehe nächste Seite) [ n k ] = [ n 1 k 1] n 1 [ n 1 ] k, n 0 24 / 41
25 Implementierung C++ Fibonacci Catalan Stirling Euler Integer Partitionen // globale Variablen int NMAX; // Array auf Nmax initialisieren long long nums[nmax][nmax]; // i = n; j = k; Implementierung der Rekursiven Formel mit DP void stirling1() { // Array initialisieren memset(nums, 0, sizeof(nums)); nums[0][0] = 1; [ n k ] = [ n 1 k 1] n 1 [ n 1 k ] // "Pascal Dreieck" bis NMAX berechnen for (int n = 1; n < NMAX; n++) { for (int k = 1; k <= n; k++) { nums[n][k] = nums[n-1][k-1] + (n-1)*nums[n-1][k]; Analog lassen sich alle anderen Zahlenfolgen mit DP implementieren! Hinweis: BIGINTEGER verwenden 25 / 41
26 Stirling-Zahl II Fibonacci Catalan Stirling Euler Integer Partitionen Die Stirling-Zahl zweiter Art S(n,r) beschreibt die Anzahl der unterschiedlichen Möglichkeiten aus einer Menge mit n Elementen r nichtleere, disjunkte Teilmengen zu bilden. Jede solche Möglichkeit ist eine Partition mit r Teilmengen. Schreibweise: S n,r = S n r = { n r Iterative Definition: S n,r = 1 r! j=0 r 1 j r j r j n Rekursive Definition: { n r = { n 1 r 1 r { n 1 r 26 / 41
27 Stirling-Zahl II Fibonacci Catalan Stirling Euler Integer Partitionen zur Veranschaulichung Anzahl der Möglichkeiten, die Menge M{a,b,c,d (Kardinalität n = 3) in r = 2 nichtleere, disjunkte Teilmengen aufzuspalten: {a, b {c, d {a, c {b, d {a, d {b, c {a, b, c {d {a, b, d {c {b, c, d {a S(3, 2) = 7 {a, c, d {b 27 / 41
28 Implementierung C++ Fibonacci Catalan Stirling Euler Integer Partitionen // Stirling Zahlen 2. Art, S(n,r) Iterativ, ohne DP (meist nicht gefragt) // Komplexitaet O(n*r) int stirling2 (int n, int r) { int sum = 0, tmpsum = 0, fak = 1; N = n; for (int j = 0; j =< r; j++) { // fastexp: O (log n) tmpsum = fastexp(r j, n); // binom: O (n) tmpsum *= binom(r, j); if ((n % 2) == 1) { sum -= tmpsum; else { sum += tmpsum; fak *= j; return sum/fak; S n,r = 1 r! j=0 r 1 j r j r j n 28 / 41
29 Implementierung C++ Fibonacci Catalan Stirling Euler Integer Partitionen // DP - Implementierung // globale Variablen, in der main() initialisieren int NMAX; // Array auf Nmax initialisieren unsigned long long nums[nmax][nmax]; // Implementierung der Rekursiven Formel mit DP void stirling2() { // Array initialisieren memset(nums, 0, sizeof(nums)); nums[0][0] = 1; { n r = { n 1 r 1 r { n 1 r // "Pascal Dreieck" bis NMAX berechnen for (int n = 1; n < NMAX; n++) { for (int r = 1; r <= n; r++) { nums[n][r] = nums[n-1][r-1] + r * nums[n-1][r]; 29 / 41
30 Euler-Zahlen Fibonacci Catalan Stirling Euler Integer Partitionen Anzahl der Permutationen von n Elementen, die genau k aufsteigende Teilfolgen haben Schreibweise: n k Iterative Definition: n k k = 1 j =0 j n 1 k j 1 n j Rekursive Definition: n k = k n 1 n k 1 n 1 k 1 k 0 k n 30 / 41
31 Implementierung C++ Fibonacci Catalan Stirling Euler Integer Partitionen // Eulerzahlen <n über k> Iterativ, ohne DP // Komplexitaet O(n*k) int euler (int n, int k) { int sum = 0, tmpsum = 0; N = n; for (int j = 0; j =< k; j++) { // fastexp: O (log n) tmpsum = fastexp(k j +1, n); // binom: O (n) tmpsum *= binom(n+1, j); if ((n % 2) == 1) { sum -= tmpsum; else { sum += tmpsum; return sum; n k k = 1 j =0 j n 1 k j 1 n j 31 / 41
32 Implementierung C++ Fibonacci Catalan Stirling Euler Integer Partitionen // globale Variablen int NMAX; // Array auf Nmax initialisieren unsigned long long nums[nmax][nmax]; // i = n; j = k; Implementierung der Rekursiven Formel mit DP void euler() { // Array initialisieren memset(nums, 0, sizeof(nums)); nums[0][0] = 1; n k = k n 1 k n k 1 n 1 k 1 // "Pascal Dreieck" bis NMAX (n = i, k = j) berechnen for (int n = 1; n < NMAX; n++) { for (int k = 1; k <= n; k++) { nums[n][k] = k * nums[n-1][k] + (n-k+1)*nums[n-1][k-1]; 32 / 41
33 Integer-Partitionen Fibonacci Catalan Stirling Euler Integer-Partitionen Eine Integer-Partition n nennt man eine Menge von natürlichen Zahlen, deren Summe n ergibt. f(n,k) soll alle möglichen Zusammensetzungen von n aus Zahlen k liefern f(n,n) entspricht der Integerpartition von n Veranschaulichung: f(1, 1) =1:{1 f(2,2) =2: {{1,1, {2 f(3,3) =3: { {1,1,1, {2,1, {3 TODO f(3, 2) = 2 {{1,2, {1,1,1 f(4, 3) = 4 {{1,1,1,1, {1,1,2, {2, 2, {3, 1 33 / 41
34 Integer-Partitionen Fibonacci Catalan Stirling Euler Integer-Partitionen Diese Funktion addiert dann alle Möglichkeiten in denen k vorkommt und alle mit k-1 f (n, k) = f (n k, k) + f (n, k 1) Basisfälle/Abbruchkriterien: f (0, k) = 1, f (n, 0) = 0, f (n, k) = 0 für n < 0 TODO Klassischer Anwendungsfall: Münzwechselproblem 34 / 41
35 Beispiele (kreuz & quer) Beispiele & Hinweise 1. Möglichkeiten, von A nach B zu gelangen, ohne die Linie zu überqueren A n n B Luftlinie: [ A B ]= 2n 2 erlaubte Züge: nur auf den Diagonalen, vorwärts (rechts oben/unten) Lösung: CATALAN ZAHLEN C(n) (in diesem Fall 5) 35 / 41
36 Beispiele (kreuz & quer) Beispiele & Hinweise In jeder Truhe liegt je ein beliebiger Schlüssel (alle unterschiedlich) passend für genau eine der N Boxen... = N N 1... Mit 1 Dynamit kann 1 Truhe geöffnet werden... = M 1 M N Wie groß ist die Wahrscheinlichkeit, dass mit höchstens M Bomben alle Truhen geöffnet werden können? 36 / 41
37 Lösung Stirling Zahlen I k n Es gibt 50 Möglichkeiten, 5 Elemente in 2 Zyklen aufzuteilen eine Bombe ermöglicht hier den Einstieg in einen Zyklus Beispiele & Hinweise z.b. 5 Boxen, 2 Bomben: Lösung: möglich: = 74 oder: s(5,1)+s(5,2) insg.: = 119 oder s(5,1)+s(5,2) s(5,5) 74/119 = % 37 / 41
38 Beispiele & Hinweise Wichtige Hinweise ICPC Hinweise Implementierung der Zahlenfolgen/Binomialkoeffizienten meist mit der Rekursiven Formel unter Verwendung von DP erforderlich einfache Rekursion führt ziemlich sicher zum TIMELIMIT Zahlenwerte steigen oft sehr schnell (häufigste Fehlerursache!) MUSTER long long statt int verwenden (oder BIGINTEGER in Java) BigIntegerRealisierung: Dezimalstellen werden im Array gespeichert. (+, -, *, /... entsprechend angepasst) kann man auch selber in C++ implementieren ;) 38 / 41
39 Quellen wikipedia.de wikipedia.org Hallo Welt Archiv kompetente Komilitonen MUSTER 39 / 41
40 Codesnippet e N D 40 / 41
Hallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Kombinatorik Tanja Fischer Informatik 2 Programmiersysteme Martensstraße 3 9058 Erlangen Einstieg Die Wahrscheinlichkeit, dass bei 57 Personen, 2 am gleichen Tag Geburtstag
MehrKombinatorik. Matthias Bayerlein Matthias Bayerlein Kombinatorik / 34
Kombinatorik Matthias Bayerlein 25.6.2010 Matthias Bayerlein Kombinatorik 25.6.2010 1 / 34 Überblick Grundlagen aus der Schule Spezielle Zahlenfolgen Zusammenfassung Matthias Bayerlein Kombinatorik 25.6.2010
MehrKombinatorik. Hallo Welt Philip Kranz. 12. Juli Philip Kranz () Kombinatorik 12. Juli / 47
Kombinatorik Hallo Welt 2011 Philip Kranz 12. Juli 2011 Philip Kranz () Kombinatorik 12. Juli 2011 1 / 47 Inhalt 1 Einführung 2 Grundlagen Permutationen Variationen Kombinationen Binomialkoeffizient /
MehrKombinatorik. Simon Rainer 21. Juli Simon Kombinatorik 21. Juli / 51
Kombinatorik Simon Rainer sr@mail25.de 21. Juli 2015 Simon Rainersr@mail25.de Kombinatorik 21. Juli 2015 1 / 51 Was ist Kombinatorik? Teilgebiet der diskreten Mathematik Endliche oder abzählbar unendliche
MehrTechnische Universität München. Kombinatorik. Christian Fuchs
Kombinatorik Christian Fuchs 1.Definition Kombinatorik 2.Grundlegende Zählmethoden 3.Binomialkoeffizienten 4.Permutationen 5.Stirling-Zahlen 6.Catalan-Zahlen 7.Zahlpartitionen 8.Aufgaben 9.Literatur Technische
MehrKombinatorik. Matthias Wirth Matthias Wirth Kombinatorik / 46
Kombinatorik Matthias Wirth 25.06.2013 Matthias Wirth Kombinatorik 25.06.2013 1 / 46 Überblick Grundlagen Zahlenfolgen Fibonacci Catalan Euler Stirling Integer-Partitionen Anwendungsbeispiele jeweils zu
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 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/ws1314
MehrWS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3)
WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (3) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrHallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Kombinatorik Andreas Siegling Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Einstieg Es gibt ca. 6.7 x 10 21 verschiedene 9x9 Standard-Sudokus. Für Tic
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 3. November 2010 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Tabellen Fakultät, Beispiel
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 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/ws0809
MehrDas Urnenmodell. Anatoli Maier; Gregor Steinschulte; Mussie Mengstab; Robert Grendysa; Stephane Kom Djike / / / /
Das Urnenmodell Hausarbeit Mathe III (Prof. Kästner, Friedberg) Anatoli Maier; Gregor Steinschulte; Mussie Mengstab; Robert Grendysa; Stephane Kom Djike 876522 / 900265 / 885568 / 875921 / 932424 Wintersemester
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 12. Dezember 2012 1 Kombinatorik Fakultät Binomialkoeffizienten Urnenmodelle 2 Definition Fakultät Die Zahl n! =
Mehr4. Kombinatorik *) In der Kombinatorik werden drei wichtige Symbole benötigt: o n! o (n) k o
*) Die Berechnung der Wahrscheinlichkeit im Laplace-Experiment wirkt zunächst einfach. Man muss einfach die Anzahl der günstigen Fälle durch die Anzahl der möglichen Fälle teilen. Das Feststellen dieser
MehrUniversität Basel Wirtschaftswissenschaftliches Zentrum. Kombinatorik. Dr. Thomas Zehrt. Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente
Universität Basel Wirtschaftswissenschaftliches Zentrum Kombinatorik Dr. Thomas Zehrt Inhalt: 1. Endliche Mengen 2. Einfache Urnenexperimente 2 Teil 1 Endliche Mengen Eine endliche Menge M ist eine Menge,
MehrKombinatorik kompakt. Stochastik WS 2016/17 1
Kombinatorik kompakt Stochastik WS 2016/17 1 Übersicht Auswahl/Kombinationen von N aus m Elementen Statistische unterscheidbare ununterscheidbare Physik Objekte (gleiche) Objekte ( ohne m N m+n 1 ) N mit
MehrSachrechnen/Größen WS 14/15-
Kapitel Daten & Wahrscheinlichkeit 3.1 Kombinatorische Grundlagen 3.2 Kombinatorik & Wahrscheinlichkeit in der Grundschule 3.3 Daten Darstellen 3.1 Kombinatorische Grundlagen Verschiedene Bereiche der
Mehr2 Kombinatorik. 56 W.Kössler, Humboldt-Universität zu Berlin
2 Kombinatorik Aufgabenstellung: Anzahl der verschiedenen Zusammenstellungen von Objekten. Je nach Art der zusätzlichen Forderungen, ist zu unterscheiden, welche Zusammenstellungen als gleich, und welche
MehrInformatik B von Adrian Neumann
Musterlösung zum 7. Aufgabenblatt vom Montag, den 25. Mai 2009 zur Vorlesung Informatik B von Adrian Neumann 1. Java I Schreiben Sie ein Java Programm, das alle positiven ganzen Zahlen 0 < a < b < 1000
MehrBerechnung von Teilmengen
Berechnung von Teilmengen Satz Anzahl der Teilmengen 2 n = n k=0 k=0 ( ) n k Beweis Korollar aus Binomischem Lehrsatz (1 + 1) n = n ( n k=0 k) 1 k 1 n k. Oder kombinatorisch: Sei M Menge mit M = n. Die
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2017/18 16. November 2017 1/35 Modulare Arithmetik Modulare Arithmetik Definition 3.33 Es sei
MehrInhaltsverzeichnis (Ausschnitt)
6 Diskrete Wahrscheinlichkeitsräume Inhaltsverzeichnis (Ausschnitt) 6 Diskrete Wahrscheinlichkeitsräume Laplacesche Wahrscheinlichkeitsräume Kombinatorik Allgemeine diskrete Wahrscheinlichkeitsräume Deskriptive
MehrLösungsvorschlag Serie 2 Rekursion
(/) Lösungsvorschlag Serie Rekursion. Algorithmen-Paradigmen Es gibt verschiedene Algorithmen-Paradigmen, also grundsätzliche Arten, wie man einen Algorithmus formulieren kann. Im funktionalen Paradigma
MehrKombinatorik. Dr. Lucia Draque Penso. Universität Ulm. Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26
Kombinatorik Dr. Lucia Draque Penso Universität Ulm Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 1 / 26 Erste Vorlesung Dr. Lucia Draque Penso (Universität Ulm) Kombinatorik 2 / 26 Formales Vorlesung:
MehrLösungsskizzen zur Präsenzübung 05
Lösungsskizzen zur Präsenzübung 0 Hilfestellung zur Vorlesung Anwendungen der Mathematik im Wintersemester 201/2016 Fakultät für Mathematik Universität Bielefeld Veröffentlicht am 01. Dezember 201 von:
MehrProf. S. Krauter Kombinatorik. WS Blatt04.doc
Prof. S. Krauter Kombinatorik. WS-05-06 Blatt04.doc Mengenpartitionen:. Auf dem Tisch liegen 7 verschiedene Gegenstände. Wie viele verschiedene Möglichkeiten gibt es, diese 7 Gegenstände in 3 gleiche Schachteln
MehrRekursion. Annabelle Klarl. Einführung in die Informatik Programmierung und Softwareentwicklung
Rekursion Annabelle Klarl Zentralübung zur Vorlesung Einführung in die Informatik: http://www.pst.ifi.lmu.de/lehre/wise-12-13/infoeinf WS12/13 Aufgabe 1: Potenzfunktion Schreiben Sie eine Methode, die
MehrKombinatorik: Abzählverfahren (Teschl/Teschl 7) Summenregel. Allgemeiner
Kombinatorik: Abzählverfahren Teschl/Teschl 7 Fragestellung: Wie viele verschiedene Möglichkeiten gibt es, Elemente auszuwählen, z. B. Anzahl verschiedener möglicher Passwörter, IPAdressen, Zahlenkombinationen
MehrDer Binomische Lehrsatz, die Binomialkoeffizienten und das PASCALsche Dreieck
1 Der Binomische Lehrsatz, die Binomialkoeffizienten und das PASCALsche Dreieck Wir kennen die beiden binomischen Formeln: Sie sind ein Sonderfall des Binomischen Lehrsatzes: Wir sehen, dass die Potenzen
MehrMathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16
Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 12. November 2015 Satz 3.16 (Binomischer Lehrsatz) Seien a, b R. Dann gilt für alle
MehrWS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (4)
WS 2015/16 Diskrete Strukturen Kapitel 3: Kombinatorik (4) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrFrage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M
Kapitel 1 Kombinatorik (Prof. K. Gerald van den Boogaart) 1.1 Grundprinzipien 1.1.1 Auswahl aus Möglichkeiten Frage 1. Wie viele Möglichkeiten gibt es, ein Element aus einer Menge M auszuwählen? n = M
MehrKombinatorik. 1. Permutationen 2. Variationen 3. Kombinationen. ad 1) Permutationen. a) Permutationen von n verschiedenen Elementen
Kombinatorik Zur Berechnung der Wahrscheinlichkeit eines zusammengesetzten Ereignisses ist oft erforderlich, zwei verschiedene Anzahlen zu berechnen: die Anzahl aller Elementarereignisse und die Anzahl
Mehr: das Bild von ) unter der Funktion ist gegeben durch
% 1.3 Funktionen Seien und Mengen nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig. Bezeichnungen: : Definitionsbereich : Bildbereich (Zielmenge) von Der Graph einer Funktion: graph!
MehrHallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Zahlentheorie, Arithmetik und Algebra II Benjamin Fischer Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Gliederung Lineare Rekursion BigInteger Chinesischer
Mehr2.6 Zahlpartitionen. 2.7 Mehr Rekursionsformeln - Catalanzahlen
Beweis. (kombinatorisch): Links steht die Anzahl der k-partitionen einer n-elementigen Menge. Wie entstehen diese? Wir wählen wieder ein festes Element e n aus M. Man kann die k-partitionen von M dann
MehrKombinatorik. Jörn Loviscach. Versionsstand: 31. Oktober 2009, 17:22. 1 Begriff Kombinatorik; Zahl aller Teilmengen
Kombinatorik Jörn Loviscach Versionsstand: 31. Oktober 2009, 17:22 1 Begriff Kombinatorik; Zahl aller Teilmengen Die Kombinatorik ein recht kleines Gebiet der Mathematik befasst sich mit dem Abzählen von
MehrVorlesung. Prof. Janis Voigtländer Übungsleitung: Dennis Nolte. Mathematische Strukturen Sommersemester 2017
Vorlesung Mathematische Strukturen Sommersemester 017 Prof. Janis Voigtländer Übungsleitung: Dennis Nolte Kombinatorik: Einführung Es folgt eine Einführung in die abzählende Kombinatorik. Dabei geht es
Mehr3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik
3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen bedürfen aber der Verwendung mathematischer
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrC++ Teil 4. Sven Groß. 30. Apr IGPM, RWTH Aachen. Sven Groß (IGPM, RWTH Aachen) C++ Teil Apr / 16
C++ Teil 4 Sven Groß IGPM, RWTH Aachen 30. Apr 2015 Sven Groß (IGPM, RWTH Aachen) C++ Teil 4 30. Apr 2015 1 / 16 Themen der letzten Vorlesung Funktionen: Definition und Aufruf Wert- und Referenzparameter,
MehrGrundlagen der Kombinatorik
Statistik 1 für SoziologInnen Grundlagen der Kombinatorik Univ.Prof. Dr. Marcus Hudec Zufallsauswahl aus Grundgesamtheiten In der statistischen Praxis kommt dem Ziehen von Stichproben größte Bedeutung
MehrMathematik für Naturwissenschaftler I WS 2009/2010
Mathematik für Naturwissenschaftler I WS 2009/2010 Lektion 8 10. November 2009 Kapitel 2. Konvergenz von Folgen und Reihen Definition 27. Eine (reelle bzw. komplexe) Zahlenfolge ist eine R- bzw. C-wertige
MehrKapitel 2. Weitere Beispiele Effizienter Algorithmen
Kapitel 2 Weitere Beispiele Effizienter Algorithmen Sequentielle Suche Gegeben: Array a[1..n] Suche in a nach Element x Ohne weitere Zusatzinformationen: Sequentielle Suche a[1] a[2] a[3] Laufzeit: n Schritte
MehrVollständige Induktion. Analysis I. Guofang Wang. Universität Freiburg
Universität Freiburg 26.10.2011 Vollständige Induktion Wir unterbrechen jetzt die Diskussion der Axiome der reellen Zahlen, um das Beweisverfahren der vollständigen Induktion kennenzulernen. Wir setzen
MehrGrundlagen der Programmierung WS 15/16 (Vorlesung von Prof. Bothe)
Humboldt-Universität zu Berlin Institut für Informatik Grundlagen der Programmierung WS 15/16 (Vorlesung von Prof. Bothe) Übungsblatt 4: Felder und Rekursion Abgabe: bis 9:00 Uhr am 14.12.2015 über Goya
MehrUnter dem Symbol n! (gelesen n Fakultät) versteht man das Produkt der natürlichen Zahlen von 1 bis n.
Die Fakultät Definition: Unter dem Symbol n! (gelesen n Fakultät) versteht man das Produkt der natürlichen Zahlen von 1 bis n. n! = 1 2 3... (n 2) (n 1) n Zusätzlich wird definiert 0! = 1 Wie aus der Definition
MehrKAPITEL 2. Kombinatorik
KAPITEL 2 Kombinatori In der Kombinatori geht es um das Abzählen von Kombinationen 21 Geburtstagsproblem Beispiel 211 (Geburtstagsproblem In einem Raum befinden sich 200 Studenten Wie groß ist die Wahrscheinlicheit,
MehrStetige Funktionen, Binomischer Lehrsatz
Vorlesung 13 Stetige Funktionen, Binomischer Lehrsatz 13.1 Funktionenfolgen Wir verbinden nun den Grenzwertbegriff mit dem Funktionsbegriff. Es seien (a n ) n N eine reelle Folge und f : R R eine Funktion.
MehrWahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26)
Wahrscheinlichkeitsräume (Teschl/Teschl 2, Kap. 26 Ein Wahrscheinlichkeitsraum (Ω, P ist eine Menge Ω (Menge aller möglichen Ausgänge eines Zufallsexperiments: Ergebnismenge versehen mit einer Abbildung
MehrBemerkung: der goldene Schnitt ϕ ist die positive Lösung der Gleichung: x 2 = 1 + x
Rekursive Definition der Fibonacci-Zahlen Erste Werte f 0 = 0, f 1 = 1, f n = f n 1 + f n 2 (n 2) n 0 1 2 3 4 5 6 7 8 9 10... 25... f n 0 1 1 2 3 5 8 13 21 34 55... 75025... Exakte Formel (de Moivre, 1718)
MehrTutorium: Diskrete Mathematik
Tutorium: Diskrete Mathematik Vorbereitung der Bonusklausur am 24.11.2016 (Teil 2) 23. November 2016 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler 23. November 2016
MehrRelationen. Bernhard Ganter. Institut für Algebra TU Dresden D Dresden
Relationen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Relationen Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von
MehrKombinatorik. Additions- und Multiplikationsgesetz
Kombinatorik Die Kombinatorik beschäftigt sich mit der Berechnung der Anzahl Möglichkeiten, eine Anzahl von Objekten aus einer Grundmenge auszuwählen. Z.B. beim Schweizer Zahlenlotto 6 aus 45. Dabei wird
Mehr1 Mengen. 1.1 Definition
1 Mengen 1.1 Definition Eine Menge M ist nach dem Begründer der Mengenlehre Georg Cantor eine Zusammenfassung von wohlunterschiedenen(verschiedenen) Elementen. Eine Menge lässt sich durch verschiedene
Mehrvon Zahlenfolgen, die bei Gebietsteilungsproblemen
Zahlenfolgen bei Gebietsteilungsproblemen Karin Halupczok Oktober 005 Zusammenfassung Gesucht sind rekursive und explizite Bildungsgesetze von Zahlenfolgen, die bei Gebietsteilungsproblemen auftauchen:
MehrKombinatorik: Einführung. Vorlesung Mathematische Strukturen. Sommersemester Ziehen aus Urnen. Ziehen aus Urnen
Kombinatorik: Einführung Vorlesung Mathematische Strukturen Sommersemester 04 Prof. Barbara König Übungsleitung: Henning Kerstan Es folgt eine Einführung in die Kombinatorik. Dabei geht es darum, die Elemente
MehrMathematikepoche 9. Klasse
Mathematikepoche 9. Klasse Steven Passmore Januar 204 Inhaltsverzeichnis I Zahlenmengen 3 Natürliche Zahlen 3 2 Ganze Zahlen 3 3 Rationale Zahlen 3 4 Reellen Zahlen 4 II Kombinatorik 4 5 Einleitung 4 6
MehrNatürliche, ganze und rationale Zahlen
Natürliche, ganze und rationale Zahlen Zunächst haben die zum Zählen verwendeten natürlichen Zahlen 0, 1, 2, 3,... nichts mit dem reellen Zahlen zu tun. Durch die ausgezeichnete reelle Zahl 1 (Maßeinheit!)
MehrRelationen. Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B.
Mathematik I für Informatiker Relationen auf einer Menge p. 1 Relationen Es seien A und B Mengen. Eine (binäre) Relation zwischen A und B ist eine Teilmenge von A B. Ein wichtiger Spezialfall ist der,
MehrKapitel 6. Elementare Kombinatorik und Abzählbarkeit. Elementare Kombinatorik und Abzählbarkeit
und Abzählbarkeit Kapitel 6 und Abzählbarkeit Peter Becker (H-BRS) Mathematische Grundlagen Wintersemester 2016/17 253 / 288 und Abzählbarkeit Inhalt Inhalt 6 und Abzählbarkeit Abzählbarkeit Peter Becker
MehrSurjektive, injektive und bijektive Funktionen.
Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrKombinatorik. Je nachdem, ob diese Randbedingungen erfüllt sein müssen oder nicht, lassen sich 6 Grundaufgaben unterscheiden: Wiederholung
Kombinatorik In der Kombinatorik beschäftigt man sich damit die verschiedenen Möglichkeiten der Auswahl und Anordnung von Elementen aus endlichen Mengen zu untersuchen und insbesondere die Anzahl dieser
Mehr3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten Regeln der Kombinatorik
3. Kombinatorik Modelltheoretische Wahrscheinlichkeiten lassen sich häufig durch Abzählen der günstigen und möglichen Fällen lösen. Kompliziertere Fragestellungen bedürfen aber der Verwendung mathematischer
MehrKapitel 2. Kapitel 2 Zählen (Kombinatorik)
Zählen (Kombinatorik) Inhalt 2.1 2.1 Einfache Zählformeln A A B B = A A + B. B. 2.2 2.2 Binomialzahlen 2.3 2.3 Die Die Siebformel 2.4 2.4 Permutationen Seite 2 2.1 Einfache Zählformeln Erinnerung: Für
MehrSoftware Entwicklung 1. Rekursion. Beispiel: Fibonacci-Folge I. Motivation. Annette Bieniusa / Arnd Poetzsch-Heffter
Software Entwicklung 1 Annette Bieniusa / Arnd Poetzsch-Heffter AG Softech FB Informatik TU Kaiserslautern Rekursion Bieniusa/Poetzsch-Heffter Software Entwicklung 1 2/ 27 Motivation Beispiel: Fibonacci-Folge
MehrAbschnitt 19: Sortierverfahren
Abschnitt 19: Sortierverfahren 19. Sortierverfahren 19.1 Allgemeines 19.2 Einfache Sortierverfahren 19.3 Effizientes Sortieren: Quicksort 19.4 Zusammenfassung 19 Sortierverfahren Informatik 2 (SS 07) 758
MehrVorkurs Mathematik. Christoph Hindermann. Mengenlehre und Kombinatorik
Kapitel 1 Christoph Hindermann Vorkurs Mathematik 1 1.1.1 Begriff der Menge Eine Menge ist eine Zusammenfassung bestimmer, wohl unterscheidbarer Objekte unserer Anschauung oder unseres Denkens. Die Objekte
MehrObjektorientierte Programmierung (ZQ1u2B)
Objektorientierte Programmierung (ZQ1u2B) Woche 4 Rekursion Christopher Scho lzel Technische Hochschule Mittelhessen 4. November 2015 Inhalt Rekursion Lineare Rekursion Verzweigte Rekursion Verschränkte
MehrKombinatorik: Einführung. Vorlesung Mathematische Strukturen. Sommersemester Ziehen aus Urnen. Ziehen aus Urnen
Kombinatorik: Einführung Vorlesung Mathematische Strukturen Sommersemester 05 Prof. Barbara König Übungsleitung: Dennis Nolte Es folgt eine Einführung in die Kombinatorik. Dabei geht es darum, die Elemente
Mehr$Id: mengen.tex,v /11/16 20:09:23 hk Exp $ $Id: komplex.tex,v /11/16 20:12:23 hk Exp hk $
$Id: mengen.tex,v.7 2008//6 20:09:23 hk Exp $ $Id: komplex.tex,v.2 2008//6 20:2:23 hk Exp hk $ I. Grundlagen 3 Mengen und Abbildungen 3.4 Vollständige Induktion und endliche Mengen Wir wollen noch ein
MehrZahlentheorie, Arithmetik und Algebra I. Felix Teufel Hallo Welt! -Seminar - LS 2
Zahlentheorie, Arithmetik und Algebra I Felix Teufel 26.07.2017 Hallo Welt! -Seminar - LS 2 Überblick Modulare Arithmetik Größter gemeinsamer Teiler Primzahlen Eulersche Φ-Funktion RSA Quellen 26.07.2017
MehrC++ - Kontrollstrukturen Teil 2
C++ - Kontrollstrukturen Teil 2 Reiner Nitsch 8417 r.nitsch@fbi.h-da.de Schleife und Verzweigung kombiniert SV initialisieren while(b1) if(b2) w f V1 V2 SV Richtung Ziel verändern Wichtiger Baustein vieler
MehrEinführung in das Programmieren Probeklausur Lösungen
Einführung in das Programmieren Probeklausur Lösungen Frederik Kanning 01.07.2013 Aufgabe 1 b/c) void definiert Methode ohne Rückgabewert return beendet aktuellen Methodenaufruf wenn Rückgabetyp nicht
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
Mehr7. Sortieren Lernziele. 7. Sortieren
7. Sortieren Lernziele 7. Sortieren Lernziele: Die wichtigsten Sortierverfahren kennen und einsetzen können, Aufwand und weitere Eigenschaften der Sortierverfahren kennen, das Problemlösungsparadigma Teile-und-herrsche
MehrPrinzip der Inklusion- Exklusion
Prinzip der Inklusion- Exklusion Ziel: Zählen von Elementen in nicht-disjunkten Mengen. 2 Mengen A 1, A 2 : Zählen zunächst die Elemente in A 1. Addieren dazu die Anzahl der Elemente in A 2. Zählen damit
MehrDie Formel für Kombinationen wird verwendet, wenn
1. Übung: Kombinatorik Aufgabe 1 Die Formel für Kombinationen wird verwendet, wenn a) Alle n Elemente angeordnet werden sollen. b) Aus n Elementen k Elemente gezogen werden sollen. c) Die Reihenfolge der
MehrSS 2016 Torsten Schreiber
SS 01 Torsten Schreiber 15 Ein lineares Gleichungssystem besteht immer aus einer Anzahl an Variablen und Gleichungen. Die Zahlen vor den Variablen werden in der sogenannten zusammen gefasst und die Zahlen
MehrCounting-Übungen (SS4) Felix Rohrer. Grundlagen des Zählens. 1. KR, Abschnitt 5.1, Aufgabe 7: I. KR, Abschnitt 5.1, Aufgabe 15:
Counting-Übungen (SS4) Felix Rohrer Grundlagen des Zählens 1. KR, Abschnitt 5.1, Aufgabe 7:? Es gibt 17'576 Monogramme 17576 (1.1) I. KR, Abschnitt 5.1, Aufgabe 15: Wörter mit 1 Zeichen + Wörter mit 2
MehrZahlen 25 = = 0.08
2. Zahlen Uns bisher bekannte Zahlenbereiche: N Z Q R ( C). }{{} später Schreibweisen von rationalen/reellen Zahlen als unendliche Dezimalbrüche = Dezimalentwicklungen. Beispiel (Rationale Zahlen) 1 10
MehrEs ist für die Lösung der Programmieraufgabe nicht nötig, den mathematischen Hintergrund zu verstehen, es kann aber beim Verständnis helfen.
Ziele sind das Arbeiten mit Funktionen und dem Aufzählungstyp (enum), sowie - einfache Verzweigung (if else) - Alternativen switch case - einfache Schleifen (while oder do while) Aufgabe 3: Diese Aufgabe
MehrAlgorithmen & Programmierung. Rekursive Funktionen (2)
Algorithmen & Programmierung Rekursive Funktionen (2) Arten von Rekursion Direkte Rekursion Den Aufruf einer Funktion direkt aus ihrem Funktionskörper heraus bezeichnet man als direkte Rekursion (so haben
MehrPermutation = Anordnung aller Elemente einer Menge, Kombination = Auswahl von einigen aus vielen Elementen, Variation = Auswahl und Anordnung.
Kombinatorik Was ist Kombinatorik? Die 92 natürlichen chemischen Elemente sind die mathematischen Elemente der Menge chemisches Periodensystem. Ebenso sind die zehn Ziffern 0 9 eine Menge, jede Ziffer
Mehr1 Ergänzungen zu Statistik I
QM1 18 1 1 Ergänzungen zu Statistik I 1.1 Kombinatorik Pascalsches Dreieck. Die Binomialkoeffizienten kann man in übersichtlicher Weise in Form eines Dreiecks anordnen; das entstehende Schema nennt man
MehrHallo Welt für Fortgeschrittene
Hallo Welt für Fortgeschrittene Dynamische Programmierung Thomas Karmann 4. Juni 2010 1 / 36 Übersicht Einführung Definition Anwendung Funktionsweise Grundlagen Memoisation Top-Down Bottom-Up Grenzen Anwendungsbeispiele
MehrBinomialkoeffizienten
Binomialkoeffizienten ) = n! Die Anzahl ( n k der k-elementigen Teilmengen einer k!(n k)! n-elementigen Menge heißt Binomialkoeffizient n über k. Wichtig sind folgende Eigenschaften, welche die Berechnung
MehrWS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1)
WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
Mehrfloat: Fließkommazahl nach IEEE 754 Standard mit 32 bit
Primitive Datentypen Fließkommazahlen float: Fließkommazahl nach IEEE 754 Standard mit 32 bit Vorzeichen Exponent 8 bit Mantisse 23 bit double: Fließkommazahl nach IEEE 754 Standard mit 64 bit Vorzeichen
MehrReelle Zahlenfolgen, Einleitung Fibonacci Folge
Reelle Zahlenfolgen, Einleitung Fibonacci Folge 1-E Einleitung Folgen und Reihen bilden eine wichtige Grundlage der Analysis. Sie führen zum Begriff des Grenzwertes, der für die Differential- und die Integralrechnung
MehrÜbungen zum Vorkurs Mathematik für Studienanfänger Ein leeres Produkt ist gleich 1, eine leere Summe 0. ***
Universität Bonn Mathematisches Institut Dr. Michael Welter Übungen zum Vorkurs Mathematik für Studienanfänger 2013 Einige Zeichen und Konventionen: IN := {1, 2, 3, 4,...} Die Menge der natürlichen Zahlen
MehrHeap vs. Stack vs. statisch. 6 Speicherorganisation. Beispiel Statische Variablen. Statische Variablen
Heap vs. vs. statisch Der Speicher des Programms ist in verschiedene Speicherbereiche untergliedert Speicherbereiche, die den eigentlichen Programmcode und den Code der Laufzeitbibliothek enthalten; einen
MehrSuchen und Sortieren Sortieren. Heaps
Suchen und Heaps (Folie 245, Seite 63 im Skript) 3 7 21 10 17 31 49 28 14 35 24 42 38 Definition Ein Heap ist ein Binärbaum, der die Heapeigenschaft hat (Kinder sind größer als der Vater), bis auf die
MehrGrundlagen der Mathematik I Lösungsvorschlag zum 13. Übungsblatt
Mathematisches Institut der Universität München Wintersemester 2013/14 Daniel Rost Lukas-Fabian Moser Grundlagen der Mathematik I Lösungsvorschlag zum 13. Übungsblatt Aufgabe 1. injektive. Es wird sich
MehrBrüche, Polynome, Terme
KAPITEL 1 Brüche, Polynome, Terme 1.1 Zahlen............................. 1 1. Lineare Gleichung....................... 3 1.3 Quadratische Gleichung................... 6 1.4 Polynomdivision........................
MehrBasiswissen Daten und Zufall Seite 1 von 8 1 Zufallsexperiment Ein Zufallsexperiment ist ein Versuchsaufbau mit zufälligem Ausgang, d. h. das Ergebnis kann nicht vorhergesagt werden. 2 Ergebnis (auch Ausgang)
MehrDie Fakultät. Thomas Peters Thomas Mathe-Seiten 13. September 2003
Die Fakultät Thomas Peters Thomas Mathe-Seiten www.mathe-seiten.de 3. September 2003 Dieser Artikel gibt die Definition der klassischen Fakultät und führt von dort aus zunächst zu der Anwendung in Taylor-Reihen
MehrKapitel 1. Grundlagen
Kapitel 1. Grundlagen 1.1. Mengen Georg Cantor 1895 Eine Menge ist die Zusammenfassung bestimmter, wohlunterschiedener Objekte unserer Anschauung oder unseres Denkens, wobei von jedem dieser Objekte eindeutig
Mehr