Algorithmen und Datenstrukturen 1
|
|
- Maja Schumacher
- vor 6 Jahren
- Abrufe
Transkript
1 Algorithme ud Datestrukture. Vorlesug Peter F. Stadler Uiversität Leipzig Istitut für Iformatik aufbaued auf de Kurse der letzte Jahre vo E. Rahm, G. Heyer, G. Brewka,Uwe Quasthoff, R. Der
2 Übuge Übuge fide im 2-Wocherhythmus statt (A bzw. B Woche). Es gibt 2 Übugsgruppe. Zeit ud Ort siehe auch: Begi am Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 2
3 Übugsgruppe Gruppe A: Mo Uhr Woche A Raum SG 3-05 (3. Semester) Gruppe B: Mo Uhr Woche B Raum SG 3-05 (3. Semester) Gruppe C: Di Uhr Woche A Raum SG 3-09 (3. Semester) Gruppe D: Di Uhr Woche B Raum SG 3-09 (3. Semester) Gruppe G: Mo Uhr Woche A Raum SG 3-09 (. Semester) Gruppe H: Mo Uhr Woche B Raum SG 3-09 (. Semester) Gruppe I: Di Uhr Woche A Raum SG 3-07 (3. Semester) Gruppe J: Di Uhr Woche B Raum SG 3-07 (3. Semester) Gruppe K: Fr Uhr Woche A Raum SG R0 (. Semester) Gruppe L: Fr Uhr Woche B Raum HS R0 (. Semester) Gruppe O: Mo Uhr Woche A Raum HS R09 (3. Semester) Gruppe P: Mo Uhr Woche B Raum HS R09 (3. Semester) SGSemiargebäude, HSHärtelstraße Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 3
4 Ameldug für die Übugsgruppe Ameldug für die Übugsgruppe uter vom um Uhr Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 4
5 Übugsaufgabe Es sid füf Serie vo Übugsaufgabe zu bearbeite. Diese fide sich im Zweiwocherhythmus auf de Seite im Netz. Bearbeitugszeit 2 Woche. Abgabe vor der Vorlesug hier. Leistugsbewertug Modulabschlussprüfug: Klausur 60 Klausur am um 5.5 Uhr Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 5
6 Ihaltsverzeichis. Eiführug Type vo Algorithme Komplexität vo Algorithme 2. Eifache Suchverfahre i Liste 3. Verkette Liste, Stacks ud Schlage 4. Sortierverfahre Elemetare Verfahre Shell-Sort, Heap-Sort, Quick-Sort Extere Sortierverfahre 5. Allgemeie Bäume ud Biärbäume Orietierte ud geordete Bäume Biärbäume (Darstellug, Traversierug) 6. Biäre Suchbäume 7. Mehrwegbäume Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 6
7 Literatur T. Ottma, P. Widmayer: Algorithme ud Datestrukture, Reihe Iformatik, Bad 70, BI-Wisseschaftsverlag, 3. Auflage, Spektrum-Verlag, 996 M.A. Weiss: Data Structures & Algorithm Aalysis i Java. Addiso-Wesley 999, 2. Auflage 2002 Weitere Bücher V. Claus, A. Schwill: Dude Iformatik, BI-Dudeverlag, 2. Auflage 993 D.A. Kuth: The Art of Computer Programmig, Vol. 3, Addiso-Wesley, 973 R. Sedgewick: Algorithme. Addiso-Wesley 992 G. Saake, K. Sattler: Algorithme ud Datestrukture - Eie Eiführug mit Java. dpukt-verlag, 2002 A. Solymosi, U. Gude: Grudkurs Algorithme ud Datestrukture. Eie Eiführug i die praktische Iformatik mit Java. Vieweg, 2000, 2. Auflage 200 Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 7
8 Eiführug Algorithme stehe im Mittelpukt der Iformatik Wesetliche Etwurfsziele bei Etwicklug vo Algorithme: Korrektheit Termiierug Effiziez User Schwerpukt Wahl der Datestrukture v.a. für Effiziez etscheided Abstrakte Datetype (ADTs): Zusammefassug vo Algorithme ud Datestrukture Vorlesugsschwerpukte: Etwurf vo effiziete Algorithme ud Datestrukture Aalyse ihres Verhaltes Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 8
9 Wozu Gedake über Datestrukture? Fuktioal gleichwertige Algorithme weise oft erhebliche Uterschiede i der Effiziez (Komplexität) auf. Algorithme verarbeite Date. Bei der Verarbeitug soll effektiv mit de Date umgegage werde. Mögliche Aufgabe sid: Schell de richtige Datesatz ermittel (z. B. Nachschlage im Telefobuch) Hizufüge ud Lösche vo Datesätze Sortiere eies Datebestades. Die Effiziez hägt bei große Datemege ab vo der itere Darstellug der Date ud dem verwedete Algorithmus. Möglicherweise häge beide Teilfrage eg zusamme. Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 9
10 Beispiel: Telefo-CD Speicherplatz auf der CD-ROM: ca. 700 MB Suchmöglichkeite: kombiiert ach Name ud Ort Abschätzug des Rohdatevolumes: 40 Millioe Eiträge zu je 35 Zeiche, d.h. ca..4 GB ASCII-Text ALSO: Wir brauche eie Datestruktur, die eie schelle Zugriff (über eie sog. Idex) erlaubt ud zusätzlich die Date komprimiert. Außerdem gilt es zu beachte, dass der Zugriff auf die CD-ROM wesetlich läger dauert als ei Zugriff auf die Festplatte. Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 0
11 Beobachtuge zur Telefo-CD Zum Nachschlage köte ma ei Programm beutze, welches die vollstädige Verwaltug der Eiträge erlaubt: Suche, Eifüge ud Lösche. Die zusätzlich vorhadee Fuktioe werde eifach icht agebote. Aber: Weil sowieso ur das Suche erlaubt ist, köe wir vielleicht eie Datestruktur verwede, die zwar extrem schelles Suche i eier komprimierte Datei erlaubt, aber möglicherweise kei Eifüge. Schlussfolgerug: Soll usere Datestruktur ur bestimmte Operatioe erlaube, so loht die Suche ach Strukture mit hoher Effiziez. Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07
12 Effiziez: Zeit ud Speicher Die Abarbeitug vo Programme (Software) beasprucht 2 Ressource: Zeit ud Hardware (wichtig: Speicher). Wie steigt dieser Ressourceverbrauch bei größere Probleme (d.h. mehr Eigabedate)? Es ka sei, dass Probleme ab eier gewisse Größe praktisch ulösbar sid, weil Ihre Abarbeitug zu lage dauer würde (z.b. >00 Jahre) oder Das Programm mehr Speicher braucht, als zur Verfügug steht. Wichtig ist auch der Uterschied zwische RAM ud exterem Speicher, da der Zugriff auf eie Festplatte ca mal lagsamer ist als ei RAM-Zugriff. Deshalb werde mache Algorithme bei Überschreite des RAM so lagsam, dass sie praktisch utzlos sid. Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 2
13 Komplexität vo Algorithme Wesetliche Maße: Rechezeitbedarf (Zeitkomplexität) Speicherplatzbedarf (Speicherplatzkomplexität) Programmlaufzeit vo zahlreiche Faktore abhägig Eigabe für das Programm Qualität des vom Compiler geerierte Codes ud des gebudee Objektprogramms Leistugsfähigkeit der Maschieistruktioe, mit dere Hilfe das Programm ausgeführt wird Zeitkomplexität des Algorithmus, der durch das ausgeführte Programm verkörpert wird Bestimmug der Komplexität Messuge auf eier bestimmte Maschie Aufwadsbestimmuge für idealisierte Modellrecher (Bsp.: Radom-Access-Maschie oder RAM) Abstraktes Komplexitätsmaß zur asymptotische Kosteschätzug i Abhägigkeit zur Problemgröße (Eigabegröße) Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 3
14 Asymptotische Kostemaße Festlegug der Größeordug der Komplexität i Abhägigkeit der Eigabegröße: Best Case, Worst Case, Average Case Meist Abschätzug oberer Schrake (Worst Case): Groß-Oh-Notatio Zeitkomplexität T() eies Algorithmus ist vo der Größeordug, we es Kostate 0 ud c > 0 gibt, so daß für alle Werte vo > 0 gilt: T() c ma sagt "T() ist i O()" bzw. "T() O()" oder "T() O()" Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 4
15 Allgemeie Defiitio: O Klasse der Fuktioe O(f), die zu eier Fuktio (Größeordug) f gehöre ist O(f) {g c > 0 0 > 0: 0 : g() c f()} Beispiel: O( 4 ) zu zeige: c 4 für ei c ud alle > 0 -> 6 + 3/ - 7 / 4 c Wähle also z.b. c 9, 0 Ei Programm, desse Laufzeit oder Speicherplatzbedarf O(f()) ist, hat demach eie Wachstumsrate f() Beispiel: g() O( 2 ) oder g() O( log )? g() O( log ) -> g() O( 2 ), jedoch gilt atürlich O( log ) O( 2 ) Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 5
16 Groß-Omega-Notatio: g Ω (f) oder g Ω (f) drückt aus, dass g midestes so stark wächst wie f (utere Schrake) Defiitio: Ω (f) {h c > 0 : 0 > 0 : 0 : h() c f()} alterative Defiitio (u.a. Ottma/Widmayer): Ω (f) {h c > 0 : uedlich viele : h() c f()} Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 6
17 Exakte Schrake gilt für eie Fuktio g sowohl g O(f) als auch g Ω(f), so schreibt ma g Θ(f) g aus Θ(f) bedeutet also: die Fuktio g verläuft ab eiem Afagswert 0 im Bereich [c f, c 2 f] für geeigete Kostate c, c 2 Merke: Ist T() ei Polyom vom Grade p da ist T() Θ( p ), d.h. die Wachtsumsordug ist durch die höchste Potez im Polyom gegebe. Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 7
18 Polyomiales Wachstum Ist T() ei Polyom der Ordug p da gilt: T() ( p ) ( ) ( p ) Beweis O T T p ( ) U ( ) mit U( ) a + a a ud lim U ( ) Für ei beliebiges ε > Es läßt sich damit immer ei T ( ) < p k 0 c Beweis Ω p a k k ( p ) :Sei > a p o. p aalog a 0. p p- 0 wähle wir c a 0 > p ausklammer : 0 + ε 0 fide so dass Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 8 p p a p
19 Wichtige Wachstumsfuktioe Kostefuktioe O () O (log ) O () O ( log ) O ( 2 ) O ( 3 ) O (2 ) kostate Koste logarithmisches Wachstum lieares Wachstum -log -Wachstum quadratisches Wachstum kubisches Wachstum expoetielles Wachstum Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 9
20 Wachstumsverhalte Ressourceverbrauch i Ahägigkeit vo der Problemgröße bei verschiedee Kostefuktioe Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 20
21 Problemgröße bei vorgegebeer Zeit Welche Problemgröße ka bei verschiedee Kostefuktioe i vorgegebeer Zeit bearbeitet werde? Aahme: Zeit für Problem der Größe ist ms. Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 2
22 Problemgröße i Abhägigkeit der Rechegeschwidigkeit Welche Problemgröße ka bei verschiedee Kostefuktioe mit Recher verschiedeer Geschwidigkeit bearbeitet werde? Für Problem der Größe seie die Rechegeschwidigkeite T T ( ) bzw. TK ( ) ( ) K T ( ) KT K Bei gleicher Rechezeit T ( ) TK ( K ) ( ) T ( ) Es gilt also K Explizite Lösug : (K - fache K löst Recher 2 Problem der Größe T ud Geschwidigkeit), also ( KT ( ) ) K Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 22
23 Problemgröße ud Rechergeschwidigkeit Rechebeis piel : Gesuchte Beispiel : T Beispiel K 2 : T log ur Summad Problemgrö ße ( ) ur Faktor 0 i der Problemgrö ße. ( ) log 2 so dass so dass ( 000) ergit sich aus K 2 ( ) T ( ) K. Rechebeis piel : m 3 ud K 000. Ergebis : Faktor 000 i der Rechegesc hwidigkei t brigt K K m + m 2 K. Lösug : Rechebeis piel : Faktor 000 i der Rechegesc hwidigkei t brigt 2 m K K m m K 2 K KT. Lösug : 0 i der Problemgrö ße. K Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 23
24 Problemgröße i Abhägigkeit der Rechegeschwidigkeit Welche Problemgröße ka bei verschiedee Kostefuktioe mit Recher verschiedeer Geschwidigkeit bearbeitet werde? Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 24
25 Leistugsverhalte bei kleier Eigabegröße Asymptotische Komplexität gilt (vor allem) für große. Bei kleiere Probleme habe die Faktore eie wesetliche Eifluss Verfahre mit besserer (asymptotischer) Komplexität ka schlechter abscheide als Verfahre mit schlechter Komplexität Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 25
26 Zusammefassug erste Vorlesug O-Notatio (obere Schrake) Klasse der Fuktioe O(f), die zu eier Fuktio (Größeordug) f gehöre ist O(f) {g c > 0 0 > 0: 0 : g() c f()} Die Fuktio f() majorisiert g() Beispiel: O( 4 ) Ω -Notatio (utere Schrake) Ω (f) {g c > 0 : 0 > 0 : 0 : g() c f()} g Ω (f) oder g Ω (f) drückt aus, dass g midestes so stark wächst wie f. f() miorisiert g() Θ-Notatio (Exakte Schrake) Gilt für eie Fuktio g sowohl g O(f) als auch g Ω(f), so schreibt ma g Θ(f) Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 26
27 Problemgröße i Abhägigkeit der Rechegeschwidigkeit Welche Problemgröße ka bei verschiedee Kostefuktioe mit Recher verschiedeer Geschwidigkeit bearbeitet werde? Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 27
28 Zeitkomplexitätsklasse Drei zetrale Zeitkomplexitätsklasse werde uterschiede Algorithmus A mit Zeitkomplexität T() heißt: liear-zeitbeschräkt, falls T() O() polyomial-zeitbeschräkt, falls T() O( k ) expoetiell-zeitbeschräkt, falls T() O(k ) Expoetiell-zeitbeschräkte Algorithme im allgemeie (größere ) icht utzbar. Probleme, für die kei polyomial-zeitbeschräkter Algorithmus existiert, gelte als ulösbar (itractable). Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 28
29 Berechug der Zeitkomplexität I elemetare Operatioe (Zuweisug, Ei-/Ausgabe): O () Summeregel: T ud T 2 seie die Laufzeite zweier Programmfragmete P ud P 2 ; es gelte T () O(f()) ud T 2 () O(g()) Für Hitereiaderausführug vo P ud P 2 ist da T () + T 2 () O(max(f(), g())) Produktregel, z.b. für geschachtelte Schleifeausführug vo P ud P 2 : T () T 2 () O(f() g()) Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 29
30 Berechug der Zeitkomplexität II Falluterscheidug: Koste der Bedigugsaweisug ( O()) + Koste der lägste Alterative Schleife: Produkt aus Azahl der Schleifedurchläufe mit Koste der teuerste Schleifeausführug rekursive Prozeduraufrufe: Produkt aus Azahl der rekursive Aufrufe mit Koste der teuerste Prozedurausführug Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 30
31 Beispiel: Berechug der maximale Teilsumme Gegebe: Folge F vo gaze Zahle. Gesucht: Teilfolge vo 0 < i < aufeiader folgede Zahle i F, dere Summe maximal ist Awedugsbeispiel: Etwicklug vo Aktiekurse (tägliche Äderug des Kurses). Maximale Teilsumme bestimmt optimales Ergebis. Lösugsmöglichkeit: (bessere Lösugsmöglichkeite folge später) Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 3
32 Komplexitätsbestimmug I Nee a.legth. Der Schleifekörper der ierste for-schleife for (k i; i < j; k++) wird j - i + mal durchlaufe ud dabei jeweils die Aktio (Additio) ausgeführt. Für de ächstiere Schleifekörper gilt for (j i; j < ; j++) {jeweils j - i + Aktioe} also i Aktioe. I der Summe sid das (Gaussche Formel) (-i)(-i+)/2 Aktioe. Die äußere Schleife etspricht da der Aufsummatio aller dieser Beiträge über i vo i 0 bis i -. Isgesamt ist damit die Gesamtzahl der Aktioe 3 /6 + 2 /2 + /3 Beispiel: 32: 5984 Additioe Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 32
33 Peter F. Stadler Algorithme ud Datestrukture -WS06 / k k Mit Komplexitätsbestimmug II () ( ) ( ) : der Durchläufe Gesamtzahl O ie Ei Schleifed urchlauf i i l i i j i i j j i k l i j T ( )( ) ( ) + + k i k k i i ( ) T ergibt sich schließlic h
34 Rekursio vs. Iteratio I Für viele Probleme gibt es sowohl rekursive als auch iterative Lösugsmöglichkeite Uterschiede bezüglich Eifachheit, Verstädlichkeit Zeitkomplexität Speicherkomplexität Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 34
35 Rekursio vs. Iteratio II: Berechug der Fiboacci-Zahle Defiitio F 0 0 F F F - + F -2 für > Die rekursive Lösug verursacht expoetielle Aufwad Die iterative Lösug ist mit liearem Aufwad möglich. Speicherug vo Zwischeergebisse würde die Komplexität bei der rekursive Lösug verriger. Wie? It fibrekursiv (it ) { // erfordert >0 if ( <0) retur 0; else if ( ) retur ; else retur fibrekursiv (-2) + fibrekursiv (-) } It fibiterativ (it ) { // erfordert >0 if ( <0) retur 0; else { it aktuelle, vorherige0, temp, for (it i; i<; i++) { temp aktuelle; aktuelle + vorherige; vorherige temp;} retur aktuelle; } Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 35
36 Herkuft der Fiboacci-Zahle Modell eier Kaichepopulatio: F 0 0, F, F F - + F -2 für > Fiboacci stieß auf diese Folge bei der eifache mathematische Modellierug des Wachstums eier Kaichepopulatio ach folgeder Vorschrift:. Zu Begi gibt es ei Paar eugeboreer Kaiche. 2. Jedes eugeboree Kaichepaar wirft ach 2 Moate ei weiteres Paar. 3. Aschließed wirft jedes Kaichepaar jede Moat ei weiteres. 4. Kaiche lebe ewig ud habe eie ubegrezte Lebesraum. Jede Moat kommt zu der Azahl der Paare, die im letzte Moat gelebt habe, eie Azahl vo eugeboree Paare hizu, die gleich der Azahl der Paare ist, die bereits im vorletzte Moat gelebt habe, da geau diese geschlechtsreif sid ud sich u vermehre. Das etspricht aber gerade der obe agegebee Rekursiosformel. Quelle: Wikipedia Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 36
37 Rekursio vs. Iteratio III:! Speicherkomplexität: Die rekursive Lösug verbraucht mehr Speicher als die iterative Lösug. Für geauere Abschätzuge müsse wir wisse, ob der Aufwad für die Multiplikatio großer Zahle mit der Läge der Faktore wächst. Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 37
38 Multiplikatio zweier -stelliger Zahle Schriftliche Multiplikatio wie i der Schule: O( 2 ) Besseres Verfahre: Zerlege die vierstellige Faktore i jeweils zwei zweistellige Zahle: (00A+B) (00C+D) 0000AC + 00(AD+BC) + BD (vier Multiplikatioe mit halber Läge sid icht besser, aber: ) 0000AC + 00((A+B)(C+D)-AC-BD) + BD (ur och drei Multiplikatioe!) Wir brauche ur drei Multiplikatioe vo Zahle halber Läge: T() 3T(/2) der Aufwad für Additioe wird icht berücksichtigt) Lösug dieser Fuktioalgleichug ist T() log 2 3 (Logarithmus zur Basis 2).585 ALSO: Verbesserug vo O( 2 ) auf O(.585 ) Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 38
39 Zeitkomplexität Expoetielles Wachstum Fuktioalgleichug: Expoetielles Wachstum ergibt sich aus der Fuktioalgleichug T(+) a T() Iteratio: T() a T(-) a 2 T(-2)... a T(0) Schreibe a als Zweierpotez, a 2 k mit k log 2 a so dass T() 2 k T(0) k log 2 a hat die Fuktio eies Skalefaktors für die Problemgröße. Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 39
40 Zeitkomplexität Multiplikatio Trick: Die -stellige Multiplikatio wird auf 3 Multiplikatioe der halbe Stellezahl zurückgeführt ( sei gerade). Fuktioalgleichug T() 3 T(/2) oder T(2) 3 T() Asatz : T ( ) Mit T m. 2 2 m m ( ) 3T folgt 3 ud damit m log m 2 Ergebis : T log 3 ( ) 2 Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 40
41 Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 4 Zeitkomplexität der Fiboacci-Zahle Defiitio F 0 0 F F F - + F -2 für > ( ) ( ) + + A B A B A F B A B A F 0 für Schreibe das als 2 5, 2 5 mit 5 (843) : Bietsche Formel ( ) mit F Folglich gilt F 0 fidet sich immer ei c so dass Ergebis : Für bel > < > A A O ca
42 Das Mastertheorem Allgemeies Theorm zur Lösug vo Fuktioalgleichuge (Rekursiosgleichuge) T + b ( ) at g( ) a, b > Beschreibt algorithmische Strategie: Zerlege Problem der Größe i b Teilprobleme. Lösug des Gesamtproblems koste das a-fache der Lösug eies Teilproblems. Zusätzlich etstehe eimalige overhead Koste g(). Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 42
43 Das Mastertheorem - Polyomial Es gibt mehrere Lösuge je ach Verhalte vo g(). Sei jetzt g() polyomial, g() Θ( k ): T + Θ b ( ) ( k at ) a, b > Da ist T ( ) Θ Θ Θ ( k ) ( k log ) ( log ( a) ) b falls a < b falls a b falls a > b k k k Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 43
44 Das Mastertheorem Beispiele Sei wieder g() polyomial, g() Θ( k ). Betr. De Fall k 2 ud b 3: T + Θ 3 ( ) ( 2 ) ( ) ( 2 8T > T Θ ) + Θ 3 ( ) ( 2 ) ( ) ( 2 9T > T Θ log ) T 2 T + Θ 3 ( ) ( 2 ) ( ) ( log 0 ) 3 0T > T Θ Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 44
45 Das Mastertheorem - Allgemei Allgemeiere Lösug: Setze u log b (a) Zur Erierug: Falls g() 0 da ist T() Θ( u ). Dieses Gesetz markiert de Fall ohe overhead Koste. Falls Falls g g ( ) ( u-ε ) ( ) ( u O für ei ε > 0 da ist T Θ ) ( ) ( u ) ( ) ( u Θ da ist T Θ log ) 2 Falls g T ( ) ( u+ ε Ω ) für ei ε > 0 ud ag cg( ) ( ) Θ( g( ) ) b da ist Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 45
46 Zusammefassug Komplexität / Effiziez wesetliche Eigeschaft vo Algorithme meist asymptotische Worst-Case-Abschätzug i Bezug auf Problemgröße Uabhägigkeit vo kokrete Umgebugsparameter (Hardware, Betriebsystem,...) asymptotisch "schlechte" Verfahre köe bei kleier Problemgröße ausreiche wichtige Klasse: O(), O(log ), O(), O( log ), O( 2 ),... O(2 ) zu gegebeer Problemstellug gibt es oft Algorithme mit stark uterschiedlicher Komplexität uterschiedliche Lösugsstrategie Raum vs. Zeit: Zwischespeicher vo Ergebisse statt mehrfacher Berechug Iteratio vs. Rekursio Bestimmug der Komplexität aus Programmfragmete Peter F. Stadler Algorithme ud Datestrukture -WS06 / 07 46
Asymptotische 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
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
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
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
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/
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:
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
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
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
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
MehrProf. Dr. Wolfgang Konen Mathematik 1, WS Wozu InformatikerInnen Folgen brauchen
Prof. Dr. Wolfgag Koe Mathematik WS0 08.0.0. Zahlefolge.. Wozu IformatikerIe Folge brauche Kovergez vo Folge ist die Grudlage der Aalysis (Differetial- ud Itegralrechug) Traszedete Gleichuge wie x l x
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
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
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
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
MehrGrenzwert. 1. Der Grenzwert von monotonen, beschränkten Folgen
. Der Grezwert vo mootoe, beschräkte Folge Der Grezwert vo mootoe, beschräkte Folge ist eifacher verstädlich als der allgemeie Fall. Deshalb utersuche wir zuerst diese Spezialfall ud verallgemeier aschliessed.
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:
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.
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
MehrALP I Induktion und Rekursion
ALP I Iduktio ud Rekursio Teil II WS 2009/200 Prof. Dr. Margarita Espoda Prof. Dr. Margarita Espoda Iduktio über Bäue Defiitio: a) Ei eizeler Blatt-Kote ist ei Bau o b) Falls t, t 2,,t Bäue sid, da ist
MehrArithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr
ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gaz ausführliches Traiig Datei Nr. 4002 Neu Überarbeitet Stad: 7. Juli 206 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK
MehrVorkurs Mathematik für Informatiker Potenzen und Polynome --
Vorkurs Mathematik für Iformatiker -- Poteze ud Polyome -- Thomas Huckle Stefa Zimmer (Stuttgart) 6.0.06 Vorwort Es solle Arbeitstechike vermittelt werde für das Iformatikstudium Der wesetliche Teil ist
Mehr1 Einführende Worte 2
Sara Adams Semiarvortrag Rekursive Fuktioe - WS 2004/05 1 Sara Adams Semiarvortrag Rekursive Fuktioe - WS 2004/05 2 1 Eiführede Worte Semiar Grudlegede Algorithme Auflösug vo Rekursioe 1.1 Beispiele Bevor
MehrKapitel 6: Quadratisches Wachstum
Kapitel 6: Quadratisches Wachstum Dr. Dakwart Vogel Ui Esse WS 009/10 1 Drei Beispiele Beispiel 1 Bremsweg eies PKW Bremsweg Auto.xls Ui Esse WS 009/10 Für user Modell des Bremsweges gilt a = a + d a =
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
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
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
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
MehrKAPITEL 2. Zahlenfolgen
KAPITEL Zahlefolge. Kovergete Zahlefolge...................... 35. Grezwertbestimmug....................... 38.3 Grezwertbestimmug durch Abschätzug............. 4.4 Mootoe Folge..........................
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,
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
Mehr2 Vollständige Induktion
8 I. Zahle, Kovergez ud Stetigkeit Vollstädige Iduktio Aufgabe: 1. Bereche Sie 1+3, 1+3+5 ud 1+3+5+7, leite Sie eie allgemeie Formel für 1+3+ +( 3)+( 1) her ud versuche Sie, diese zu beweise.. Eizu5% ZiseproJahragelegtes
Mehr2. Gleichwertige Lösungen
8. Gleichwertige Lösuge Für die Lösug jeder lösbare Aufgabe gibt es eie uedliche Azahl vo (abstrakte ud kokrete) Algorithme. Das folgede Problem illustriert, dass eie Aufgabe eifacher oder kompliziert,
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
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
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
Mehr4.6 Berechnung von Eigenwerten
4.6 Berechug vo Eigewerte 4.6 Berechug vo Eigewerte I diesem Abschitt befasse wir us mit dem Eigewertproblem: zu gegebeer Matrix A R sid die Eigewerte (ud gegebeefalls Eigevektore) gesucht. Wir erier a
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 3..05 Höhere Mathemati für die Fachrichtug Physi Lösugsvorschläge zum 3. Übugsblatt Vorbemerug
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
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
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
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
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
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...........................
MehrEs werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.
Vo der relative Häufigkeit zur Wahrscheilichkeit Es werde 20 Schüler befragt, ob sie ei Hady besitze. Das Ergebis der Umfrage lautet: Vo 20 Schüler besitze 99 ei Hady. Ereigis E: Schüler besitzt ei Hady
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
MehrTutorium Mathematik I, M Lösungen
Tutorium Mathematik I, M Lösuge 16. November 2012 *Aufgabe 1. Ma utersuche die folgede Reihe auf Kovergez (a) ( 1) (1 ) (b) ( ) 2 +1 (c) (!) 3 10 (3)! (d) (e) (f) 2 +3 3 2 +1 3 ( 2 +1) 2 + 3 ( 2 +3) (g)
Mehr4. Reihen Definitionen
4. Reihe 4.1. Defiitioe Addiere wir die Glieder eier reelle Zahlefolge (a k ), so heißt diese Summe S (uedliche) (Zahle-) Reihe S (Folge: Fuktio über N; Reihe: 1 Zahl): S := a 1 + a 2 + a 3 +... := Σ a
MehrWirksamkeit, Effizienz
3 Parameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische Verteilugsaahme mit Parameterraum Θ. 1 Seie θ ud θ erwartugstreue
Mehr3 Folgen, Reihen, Grenzwerte 3.1 Zahlenfolgen. Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.
3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Beispiele: 1, 2, 3, 4, 5,. 1, 3, 5, 7, 9, 3, 6, 9, 12, 15, 2, 4, 8, 16, 32, 64, 10, 100, 1.000, 10.000, 1 3 Folge, Reihe, Grezwerte 3.1 Zahlefolge Defiitio: Eie
MehrWirksamkeit, Effizienz. Beispiel: Effizienz. Mittlerer quadratischer Fehler (MSE) Konsistenz im quadratischen Mittel
3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Wirksamkeit, Effiziez 3 arameterpuktschätzer Eigeschafte vo Schätzfuktioe 3.3 Beispiel: Effiziez Defiitio 3.5 (Wirksamkeit, Effiziez Sei W eie parametrische
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
MehrDas kollektive Risikomodell. 12. Mai 2009
Kirill Rudik Das kollektive Risikomodell 12. Mai 2009 4.1 Eileitug Wir betrachte i diesem Kapitel die Gesamtforderuge im Laufe eies Jahres. Beim Abschluss eies Versicherugsvertrages weiß der Versicherer
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
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,
MehrEinführung in die Grenzwerte
Eiführug i die Grezwerte Dieser Text folgt hauptsächlich der Notwedigkeit i sehr kurzer Zeit eie Idee ud Teile ihrer Awedug zu präsetiere, so dass relativ schell mit dieser Idee gerechet werde ka. Der
MehrLösungen zu Übungsblatt 2 Signale, Codes und Chiffren II Sommersemester 2009 Übung vom 26. Mai 2009
Uiversität Karlsruhe TH Istitut für Kryptographie ud Sicherheit Willi Geiselma Vorlesug Marius Hillebrad Übug Lösuge zu Übugsblatt 2 Sigale, Codes ud Chiffre II Sommersemester 2009 Übug vom 26. Mai 2009
MehrMusterlösung zu Übungsblatt 2
Prof. R. Padharipade J. Schmitt C. Schießl Fuktioetheorie 25. September 15 HS 2015 Musterlösug zu Übugsblatt 2 Aufgabe 1. Reelle Fuktioe g : R R stelle wir us üblicherweise als Graphe {(x, g(x)} R R vor.
Mehr4. Die Menge der Primzahlen. Bertrands Postulat
O. Forster: Eiführug i die Zahletheorie 4. Die Mege der Primzahle. Bertrads Postulat 4.1. Satz (Euklid. Es gibt uedlich viele Primzahle. Beweis. Wir zeige, dass es zu jeder edliche Mege p 1, p 2,..., p
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
Mehr5.7. Aufgaben zu Folgen
5.7. Aufgabe zu Folge Aufgabe : Lieares ud beschräktes Wachstum Aus eiem Quadrat mit der Seiteläge dm gehe auf die rechts agedeutete Weise eue Figure hervor. Die im -te Schritt agefügte Quadrate sid jeweils
Mehr1 falls n = 1 T (n) = n 2 + n falls n > 1
Rekursiosformel Wir hae i de voragegagee Kapitel ereits rekursive Algorithme (die Algorithme rufe sich selst auf keegelert. Bei der Aalyse des Laufzeitverhaltes zw. des Speicherplatzedarfs eies solche
MehrTutorial zum Grenzwert reeller Zahlenfolgen
MAE Mathematik: Aalysis für Igeieure Herbstsemester 206 Dr. Christoph Kirsch ZHAW Witerthur Tutorial zum Grezwert reeller Zahlefolge I diesem Tutorial lere Sie, die logische Aussage i der Defiitio des
MehrNennenswertes zur Stetigkeit
Neeswertes zur Stetigkeit.) Puktweise Stetigkeit: Vo Floria Modler Defiitio der pukteweise Stetigkeit: Eie Fuktio f : D R ist geau da i x D stetig, we gilt: ε > δ >, so dass f ( x) f ( x ) < ε x D mit
MehrAufgabe 1: Funktionale Modellierungen
Didaktik des Sachreches (Sek. I) Übugsblatt 4 Dr. Astrid Brikma Name, Vorame: Matrikelummer: Doppelte Lösuge führe zum Verlust aller Pukte beider Persoe-Gruppe. Die Lösuge sid hadschriftlich abzugebe.
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
MehrLösungen zum Ferienkurs Analysis 1, Vorlesung 2 Wintersemester 2014/2015
Lösuge zum Feriekurs Aalysis, Vorlesug Witersemester 04/05 Fabia Hafer, Thomas Baldauf I Richtig oder Falsch Sid folgede Aussage richtig oder falsch? Korrigiere bzw. ergäze Sie falsche Aussage. Gebe Sie
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
MehrArithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr
DEMO für ZAHLENFOLGEN Teil 2 Arithmetische ud geometrische Folge Die wichtigste Theorieteile ud gz ausführliches Traiig Datei Nr. 40012 Neu geschriebe ud sehr erweitert Std: 4. Februar 2010 INTERNETBIBLIOTHEK
MehrDie erste Zeile ("Nummerierung") denkt man sich also dazu. Häufig wird eine Indexschreibweise benutzt um ein Folgenglied zu kennzeichnen.
Folge ud Reihe (Izwische Stoff der Hochschule. ) Stad: 30.03.205. Folge Was sid Zahlefolge? Z.B. oder Das ist die vereifachte Wertetabelle eier Fuktio geschriebe wie üblich bei Fuktioe i eier Wertetabelle.
MehrAufgaben und Lösungen Weihnachtsgeschenke zur Vorlesung Analysis I
Aufgabe ud Lösuge Weihachtsgescheke zur Vorlesug Aalysis I Der Witersemester 008/009 Übug am 4.., 5..008 sowie 0.0.009 Aufgabe. Folge Aufgabe Ma bestimme, ob die Folge (a ) mit a = + 3 + 4 kovergiert ud
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
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
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
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)
MehrKunde. Kontobewegung
Techische Uiversität Müche WS 2003/04, Fakultät für Iformatik Datebaksysteme I Prof. R. Bayer, Ph.D. Lösugsblatt 4 Dipl.-Iform. Michael Bauer Dr. Gabi Höflig 17.11. 2003 Abbildug E/R ach relatioal - Beispiel:
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
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
MehrHöhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 12. Übungsblatt
UNIVERSITÄT KARLSRUHE Istitut für Aalysis HDoz. Dr. P. C. Kustma Dipl.-Math. M. Uhl WS 8/9 Höhere Mathematik I für die Fachrichtuge Elektroigeieurwese, Physik ud Geodäsie Lösugsvorschläge zum. Übugsblatt
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
MehrÜbungen zur Analysis I WS 2008/2009
Mathematisches Istitut der Uiversität Heidelberg Prof. Dr. E. Freitag /Thorste Heidersdorf Übuge zur Aalysis I WS 008/009 Blatt 3, Lösugshiweise Die folgede Hiweise sollte auf keie Fall als Musterlösuge
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,
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?
MehrAnalysis I für M, LaG/M, Ph 4.Übungsblatt
Aalysis I für M, LaG/M, Ph 4.Übugsblatt Fachbereich Mathematik Sommersemester 200 Dr. Robert Haller-Ditelma 05.05.200 David Bücher Christia Bradeburg Gruppeübug Aufgabe G (Kovergez vo Folge) Beweise Sie:
MehrAufgabe 4.2. (a) lim 7 + = (b) lim. ( 2n 3 6n 2 + 3n 1. (c) lim n n 2 ( 1) n n 3) = lim. (d) n n + 1. lim. (e) n n. Aufgabe 4.3.
Folge Eie Folge ist eie Aordug vo reelle Zahle. Die eizele Zahle heiße Glieder der Folge. Kapitel 4 Folge ud Reihe Formal: Eie Folge ist eie Abbildug a : N R, a Folge werde mit a i i oder kurz a i bezeichet.
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
MehrReihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel
Zahlefolge Teil 3 Reihe Reihe Arithmetische Reihe Geometrische Reihe Datei Nr. 4003 (Neu bearbeitet ud erweitert) Jui 005 Friedrich W. Buckel Iteretbibliothek für Schulmathematik Ihalt Defiitio eier Reihe
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
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.
MehrTao De / Pan JiaWei. Ihrig/Pflaumer Finanzmathematik Oldenburg Verlag 1999 =7.173,55 DM. ges: A m, A v
Tao De / Pa JiaWei Ihrig/Pflaumer Fiazmathematik Oldeburg Verlag 1999 1..Ei Darlehe vo. DM soll moatlich mit 1% verzist ud i Jahre durch kostate Auitäte getilgt werde. Wie hoch sid a) die Moatsrate? b)
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
Mehr4 Schwankungsintervalle Schwankungsintervalle 4.2
4 Schwakugsitervalle Schwakugsitervalle 4. Bemerkuge Die bekate Symmetrieeigeschaft Φ(x) = 1 Φ( x) bzw. Φ( x) = 1 Φ(x) für alle x R überträgt sich auf die Quatile N p der Stadardormalverteilug i der Form
MehrEinführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.
ZAHLENFOLGEN Eiführede Beispiele Arithmetische Folge Datei Nr. 400 SW Das komplette Mauskript befidet sich auf der Mathematik - CD Friedrich Buckel Februar 00 Iteratsgymasium Schloß Torgelow Ihalt Eiführede
Mehr1 Informationsmodellierung mit dem Entity-Relationship-Modell
Aufgabezettel 2 (Lösugsvorschläge) Gesamtpuktzahl 40 Iformatiosmodellierug mit dem Etity-Relatioship-Modell Ei ahegelegeer Tierpark möchte ei eues System zur Verwaltug der Tierpopulatioe eiführe, bei dem
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
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
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,
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
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
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
Mehr