Suche in Texten. Naiver Algorithmus. Knuth-Morris-Pratt-Algorithmus. Karp-Rabin-Algorithmus
|
|
- Johannes Fertig
- vor 6 Jahren
- Abrufe
Transkript
1 Suhe in Texten Niver Algorithmus Knuth-Morris-Prtt-Algorithmus Krp-Rin-Algorithmus M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-1
2 Suhe in Texten Niver Algorithmus Knuth-Morris-Prtt-Algorithmus Krp-Rin-Algorithmus M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-2
3 Textsuhprolem (1) Definitionen: Ein Alphet ist eine endlihe, nihtleere Menge von Zeihen. Sei A ein Alphet. Ein Wort üer A ist eine endlihe Folge w = w 0... w n-1 mit w i A, n 0. Hierei ist w = n die Länge des Wortes w. Ds Wort der Länge 0 ist ds leere Wort, es wird mit ezeihnet. Der Begriff "Wort" nh dieser Definition ezeihnet lso jede elieige endlihe Folge von Zeihen; die Bedeutung der Zeihen spielt keine Rolle. Textsuhprolem (engl.: string mthing prolem): Gegeen ist ein Wort t, der Text, und ein kürzeres Wort p, der Suhegriff oder ds Muster. Gesuht sind lle Positionen i, n denen ds Muster p im Text t vorkommt. M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-3
4 Textsuhprolem (2) Definitionen: Sei A ein Alphet und seien t = t 0... t n-1 und p = p 0... p m-1 Wörter der Länge n zw. m üer A. Ein Textfenster w i ist ein Teilwort von t der Länge m, die n Position i eginnt: w i = t i... t i+m-1. Ein Textfenster w i, ds mit dem Muster p üereinstimmt, heißt Vorkommen des Musters n Position i: w i ist Vorkommen von p p = w i Ein Mismth in einem Textfenster w i ist eine Position j, n der ds Muster mit dem Textfenster niht üereinstimmt: j ist Mismth in w i p j (w i ) j. Textsuhprolem Einge: Text t = t 0... t n-1 und Muster p = p 0... p m-1 mit m n Ausge: Alle Positionen von Vorkommen von p in t, d.h. i p = w i M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-4
5 M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-5 Niver Algorithmus Idee: Üerprüfung des Textes n llen Positionen i uf Vorkommen des Musters, d.h. von Position i = 0 (linksündig) is i = n - m (rehtsündig). An jeder Position wird ds Muster zeihenweise von links nh rehts verglihen, ei Mismth oder vollständiger Üereinstimmung wird Position um 1 nh rehts vershoen. Beispiel:
6 Niver Algorithmus - Anlyse void niveserh() int i = 0; while (i <= n-m) int j = 0; while (j<m && p[j] == t[i+j]) j++; if (j == m) report(i); i++; Äußere Shleife wird n - m + 1 ml durhlufen Die innere Shleife wird höhstens m ml durhlufen Die Mximlzhl n Vergleihen ist dmit (n - m +1) * m, somit gilt im shlehtesten Fll T(n, m) = O(m*n) Der shlehteste Fll tritt z.b. für t =... und p = ein. Verhlten im Durhshnitt: Sei h die Häufigkeit des häufigsten Zeihens in t. Dnn ist die Anzhl der Vergleihe pro Position eshränkt durh v 1 + h + h h m-1 1/(1 - h) (geometrishe Reihe) Dmit ergit sih durhshnittlih T(n) = (n + m +1) / (1 - h) O(n). z.b. ist e im Deutshen m häufigsten (h = 0.13), => durhshnittlih 1/(1-0.13) = 1.15 Vergleihe pro Textzeihen. M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-6
7 Veresserung durh Berüksihtigung der Häufigkeit Idee: Beim niven Algorithmus ist es niht notwendig, die Zeihen des Musters p in ufsteigender Reihenfolge p 0,..., p m+1 mit dem Text zu vergleihen, die Reihenfolge ist elieig. Am esten ist es, zuerst ds seltenste Zeihen zu vergleihen, d so ein Mismth m whrsheinlihsten wird und dmit die innere Shleife möglihst shnell gerohen wird. erfordert Kenntnis der Häufigkeitsverteilung der Zeihen im Text. Beispiel: ist seltener ls M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-7
8 Veresserter Algorithmus void notsoniveserh() int i = 0; while (i <= n-m) int j = 0; while (j<m && p[ g[j] ] == t[ i+ g[j] ]) j++; if (j == m) report(i); i++; Die geänderte Vergleihsreihenfolge ist eine Permuttion der Indizes von p: Dem Zeihen No. k in p wird ein Pltz g[k] 1..m-1 zugewiesen. Beim niven Algorithmus ist g[k] = k. g[k] muß im Vorfeld durh ein Sortierverfhren us den Häufigkeiten erehnet werden (O(m log m)) Anlyse: Sei h j die Häufigkeit des Zeihens n der Auswerteposition g[j]. Pro Textposition ergeen sih v = 1 + h 0 + h 0 h h 0 h 1... h m-2 Vergleihe. Sind lle Zeihen gleih häufig, so ergit sih kein Vorteil gegenüer dem niven Algorithmus. Ist ein Zeihen in p sehr selten, erhält mn eine signifiknte Einsprung. M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-8
9 Suhe in Texten Niver Algorithmus Knuth-Morris-Prtt-Algorithmus Krp-Rin-Algorithmus M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-9
10 Knuth-Morris-Prtt-Algorithmus Prolem des niven Algorithmus: Vorherige Vergleihe werden vergessen.... Sinnloser Vergleih Idee: z.b. könnte mn Suhfenster gleih um 2 weitershieen und n Pos. 4 weitervergleihen, d mn ereits weiß, ds Pos. 2 und 3 in t und Pos. 0 und 1 in p die Folge enthält. In einer Vorlufphse wird ds Suhmuster nlysiert und Informtion üer seine Struktur gespeihert. Aus der Art und Position des Mismthes wird üer die Strukturinformtion erehnet, wie weit mn springen drf, evor weiterverglihen werden muß. M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-10
11 Präfix, Suffix und Rnd von Zeihenketten Definitionen: Sei A ein Alphet und x = x 0... x k-1 ein Wort der Länge k üer A. Ein Präfix von x ist ein Teilwort u mit u = x 0... x -1 woei 0,..., k, lso ein Anfngswort der Länge von x. Ein Suffix von x ist ein Teilwort u mit u = x k-... x k-1 woei 0,..., k, lso ein Endwort der Länge von x. Ein Präfix u von x zw. Suffix heißt eht, wenn u x ist, d.h. wenn die Länge < k ist. Ein Rnd von x ist ein Teilwort r mit r = x 0... x -1 und r = x k-... x k-1 woei 0,..., k-1. Ein Rnd ist lso ein Wort, ds gleihzeitig ein ehtes Präfix und ein ehtes Suffix von x ist. Die Länge ist die Breite des Rndes r. Beispiel: x = Ehte Präfixe:,,,,, Ehte Suffixe:,,,,, Ränder:, mit Breite 0 zw. 2 M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-11
12 Shieedistnz us dem Rnd des Präfix Beispiel: d Muster knn is Pos. 3 geshoen werden d Vergleih wird Pos. 5 fortgesetzt d Sowohl Shieedistnz ls uh Fortsetzungspunkt können erehnet werden, ohne nohmls den Text nzushuen. Üereinstimmendes Präfix: (Länge j = 5) Breitester Rnd: (Breite = 2) Shieedistnz: j - = 5-2 = 3 Grundprinzip: Shieedistnz rihtet sih nh dem reitesten Rnd des mit dem Text üereinstimmenden Präfixes des Musters In einem Vorluf werden für jedes Präfix des Musters die Breite seines reitesten Rndes estimmt. M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-12
13 Ränder von Rändern... Stz: Seien r und s Ränder eines Wortes x, woei die Breite von r kleiner ls die Breite von s ist. Dnn ist r ein Rnd von s. r r r r s s s x Beweis: Als Rnd von x ist r ein Präfix von x und dmit uh ein ehtes Präfix von s, weil r shmler ls s ist. Aer r ist uh Suffix von x und dmit ein ehtes Suffix von s. Also ist r ein Rnd von s. Ist s der reiteste Rnd von x, so ergit sih der nähstshmlere Rnd r von x ls reitester Rnd von s usw. M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-13
14 Vorluflgorithmus (1) Definition: Sei x ein Wort und ein Zeihen ein Rnd r von x läßt sih durh fortsetzen, wenn r ein Rnd von x ist. r x r Ein Rnd r von x der Breite j läßt sih durh fortsetzen, wenn x j = ist. [i] In der Vorlufphse wird ein Arry der Länge m + 1 erehnet, ei dem der Eintrg [i] die Breite des reitesten Rndes des Präfix der Länge i enthält. Ds Präfix der Länge i = 0 ht keinen Rnd, dher wird [0] = -1 gesetzt. Sind [0],..., [i] ereits eknnt, wird geprüft, o sih ein Rnd des Präfixes der Länge i durh p i fortsetzen läßt, d.h. p [i] = p i. Die zu prüfenden Ränder ergeen sih nh oigem Stz in steigender Breite us [i], [[i]],... M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-14 i
15 Vorluflgorithmus (2) void kmppreproess() int i = 0, j = -1; [0] = -1; while (i < m) while (j>=0 && p[i]!= p[j]) j = [j]; i++; j++ [i] = j; Üerprüfung, o Rnd sih fortsetzen läßt. Flls niht, gehe zum nähstshmleren Rnd Shleife endet, wenn es keinen fortsetzren Rnd mehr git, d.h. j = -1 Beispiel: Rndreiten für ds Muster p =, z.b. ist [5] = 3, weil ds Präfix der Länge 5 einen Rnd der Breite 3 ht. j: p[j]: [j]: M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-15
16 Knuth-Morris-Prtt-Suhlgorithmus (1) void kmpserh() int i = 0, j = 0; while (i < n) while (j>=0 && t[i]!= p[j]) j = [j]; i++; j++ if (j == m) report(i - j); j = [ij; In der inneren Shleife wird ei einem Mismth n Position j der reiteste Rnd mit Breite [j] des üereinstimmende Präfixes etrhtet Fortsetzung des Vergleihs n Pos. [j] Aruh wenn kein Rnd mehr vorhnden ist (j = -1), d.h. keine Sprünge mehr gemht werden können, Üergng zur nähsten Pos. i in t. Üereinstimmung gefunden, springe so weit, wie es der reiteste Rnd zuläßt. [Lng, 2006] M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-16
17 M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-17 Knuth-Morris-Prtt-Suhlgorithmus (2) Beispiel: Anlyse: Anshulih: die durhgeführten Vergleihe (rote und grüne Felder) ilden eine Treppe. Jede Stufe knn höhsten so hoh sein, wie sie reit ist, somit werden mximl 2n Vergleihe durhgeführt => Suhe ist O(n). Der Vorluflgorithmus ist O(m) (s. Lng, 2006), es gilt m < n, dher ht der gesmte Algorithmus Lufzeit O(n). Der Gewinn gegenüer dem niven Algorithmus liegt in der Nutzung ereits vorher durhgeführter Vergleihe.
18 Suhe in Texten Niver Algorithmus Knuth-Morris-Prtt-Algorithmus Krp-Rin-Algorithmus M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-18
19 Algorithmus von Krp-Rin Idee: Grundufu ähnlih wie eim niven Algorithmus: ds Muster wird mit jedem Textfenster verglihen. Aer sttt n jeder Position zeihenweise zu vergleihen, wird nur ein einziger Vergleih durhgeführt, und zwr zwishen 2 Signturen (eindeutige numerishe Merkmle) von Textfenster und Muster. Beispiel: Alphet A = 0,..., 9, Muster p = Signturfunktion: Quersumme Quersumme von p ist weiter zum zeihenweisen Vergleih M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-19
20 Signturfunktion Definitionen: Sei A ein Alphet und M eine Menge. Eine Signturfunktion ist eine Aildung s: A* M, die jedem Wort x A* einen Wert s(x) M zuordnet. Der Wert s(x) ist die Signtur von x. Sei eine Signturfunktion. Eine Kollision ist ein Pr von Wörtern (x, x ) mit x x, er s(x) = s(x ). Anforderungen n Signturfunktion (vgl. Hshfunktion): Kollisionen sollten möglihst usgeshlossen sein Signtur muß in konstnter Zeit erehenr sein. Beispiel: Quersumme ht häufig Kollisionen, ist er sehr effektiv erehenr: die Zhl, die ds Textfenster verläßt, wird sutrhiert, die neu hinzukommende Zhl ddiert. M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-20
21 Signturfunktion des Krp-Rin-Algorithmus Grundidee: Bildung einer Dezimlzhl us den Ziffern der Zeihenreihe, z.b us der Folge (ei A = 0,..,9 sind Kollisionen so usgeshlossen). Für shnelle Berehenrkeit sollten die resultierenden Zhlen in ein Mshinenwort pssen: Zhlen mit höhstens 32 Bit in Binärdrstellung pssen in ein Mshinenwort, ei mehr ls 32 Bit werden nur die letzten 32 Bit erüksihtigt (=> Gefhr von Kollisionen). Eenso erhöht sih die Kollisionswhrsheinlihkeit durh die Verwendung des Binärsystems sttt eines Systems mit Bsis 10 oder 26. Signturfunktion (Krp, Rin): Die Signtur s eines neuen Fensters t i-m+1... t i wird us der Signtur s des vorhergehenden Fensters t i-m... t i-1 wie folgt erehnet: s = (2 (s - 2 m-1 t i-m ) + t i ) mod 2 32 Im shlimmsten Fll (100% Kollisionen z.b. ei p =... und t =...) ist die Lufzeit O(nm), im Durhshnitt er O(n). s(x 0 x 1...x m 1 ) = 2 j x m j 1 mod 2 32 j= 0,...,m 1 M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-21
22 Krp-Rin-Algorithmus void krpreproess() int i = 0; sp = p[0]; sp, p, t seien innerhl des zugehörigen Ojekts deklriert Vorluf: Berehnung der Signtur des Musters for (i = 1; i < m; i++) sp = (sp << 1) + p[i]; mod 2 32 wird implizit durh die 32-Bit- Zhlendrstellung ewirkt. void krserh() int i = 0, st = 0; Initilisierung der Signtur mit erstem Suhfenster for (i = 1; i < m; i++) st = (st << 1) + t[i]; for (i = m; i < n; i++) if ( sp == st && mthesat(i-m) ) report(i-m); st = ( (st - (t[i-m] << m-1)) << 1) + t[i]; if ( sp == st && mthesat(n-m) ) report(n-m); Funktion mthesat üerprüft zeihenweise, o Fenster und Muster üereinstimmen. Ahtung: für m-1 > 32 muß die Multipliktion mit 2 m-1 mod 2 32 evtl. nders relisiert werden. M.O.Frnz; Jnur 2008 Algorithmen und Dtenstrukturen - Textsuhe 2-22
Algorithmentheorie. 15 Suchen in Texten (1)
Algorithmentheorie 15 Suhen in Texten (1) Prof. Dr. S. Alers Suhe in Texten Vershiedene Szenrien: Sttishe Texte Literturdtennken Biliothekssysteme Gen-Dtennken WWW-Verzeihnisse Dynmishe Texte Texteditoren
MehrSuche in Texten: Suffix-Bäume
Suhe in Texten: Suffix-Bäume Prof. Dr. S. Alers Prof. Dr. Th. Ottmnn 1 Suhe in Texten Vershiedene Szenrios: Dynmishe Texte Texteditoren Symolmnipultoren Sttishe Texte Literturdtennken Biliothekssysteme
MehrAlgorithmen auf Sequenzen Volltext-Indexdatenstrukturen: Suffixbäume
Algorithmen uf Sequenzen Volltext-Indexdtenstrukturen: Suffixäume Sven Rhmnn Genominformtik Universitätsklinikum Essen Universität Duisurg-Essen Universitätsllinz Ruhr Motivtion Bei wiederholten Suhen
MehrDer Begriff der Stammfunktion
Lernunterlgen Integrlrehnung Der Begriff der Stmmfunktion Wir gehen von folgender Frgestellung us: welhe Funktion F x liefert ls Aleitung eine gegeene Funktion f x. Wir suhen lso eine Umkehrung der Aleitung
MehrAutomaten und formale Sprachen Notizen zu den Folien
5 Ds Pumping Lemm Shufhprinzip (Folie 137) Automten und formle Sprhen Notizen zu den Folien Im Blok Ds Shufhprinzip für endlihe Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl von
MehrÜbungen zur Vorlesung Modellierung WS 2003/2004 Blatt 11 Musterlösungen
Dr. Theo Lettmnn Pderorn, den 9. Jnur 24 Age 9. Jnur 24 A x, A 2 x, Üungen zur Vorlesung Modellierung WS 23/24 Bltt Musterlösungen AUFGABE 7 : Es sei der folgende prtielle deterministishe endlihe Automt
Mehrsolche mit Textzeichen (z.b. A, a, B, b,!) solche mit binären Zeichen (0, 1)
teilung Informtik, Fh Progrmmieren 1 Einführung Dten liegen oft ls niht einfh serier- und identifizierre Dtensätze vor. Stttdessen reräsentieren sie lnge Zeihenketten, z.b. Text-, Bild-, Tondten. Mn untersheidet
Mehr4. Suche in Texten. Einführung
Einführung 4. Suhe in Texten Suhe in dynmishen Texten (ohne Indexierung) - Niver lgorithmus (Brute Fore) - Knuth-Morris-Prtt (KMP) - lgorithmus - Boyer-Moore (BM) - lgorithmus - Signturen Suhe in (weitgehend)
MehrBezeichnungen. Arten von String-Matching-Problemen
4. Textlgorithmen String Mthing 4. Textlgorithmen Die Suhe von einem Muster in einem Text wird uh ls String Mthing oder Pttern Mthing ezeihnet. Generell esteht die Aufge drin, einen String (ds Muster,
MehrFunktionen und Mächtigkeiten
Vorlesung Funktionen und Mähtigkeiten. Etws Mengenlehre In der Folge reiten wir intuitiv mit Mengen. Eine Menge ist eine Zusmmenfssung von Elementen. Zum Beispiel ist A = {,,,,5} eine endlihe Menge mit
MehrMathematische Probleme, SS 2018 Dienstag 5.6. $Id: dreieck.tex,v /06/05 15:41:51 hk Exp $ 2.1 Dreiecksberechnung mit Seiten und Winkeln
Mthemtishe Proleme, SS 2018 Dienstg 5.6 $Id: dreiek.tex,v 1.43 2018/06/05 15:41:51 hk Exp $ 2 Dreieke 2.1 Dreiekserehnung mit Seiten und Winkeln Am Ende der letzten Sitzung htten wir den sogennnten Kongruenzstz
MehrFormale Systeme, Automaten, Prozesse SS 2010 Musterlösung - Übung 2 M. Brockschmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder
Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 2 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem
Mehr2.6 Reduktion endlicher Automaten
Endliche Automten Jörg Roth 153 2.6 Reduktion endlicher Automten Motivtion: Wir sind n Automten interessiert, die mit möglichst wenigen Zuständen uskommen. Automten, die eine Sprche mit einem Minimum n
MehrAlgorithmische Bioinformatik I
Ludwig-Mximilins-Universität München Institut für Informtik Prof. Dr. Volker Heun Sommersemester 2016 Semestrlklusur 21. Juli 2016 Algorithmische Bioinformtik I Vornme Nme Mtrikelnummer Reihe Pltz Unterschrift
MehrVORKURS: MATHEMATIK RECHENFERTIGKEITEN, LÖSUNGEN. Dienstag
Lösungen Dienstg -- VORKURS: MATHEMATIK RECHENFERTIGKEITEN, LÖSUNGEN Dienstg Blok.. - 4 3y 6 3-6y 3-3 y -. - 3y 4 - y 9 - y -93. y 0,,y Sämtlihe Lösungsmethoden liefern hier whre Aussgen. Z. Bsp. «0 0».
Mehra) Behauptung: Es gibt die folgenden drei stabilen Matchings:
Musterlösung - ufgenltt 1 ufge 1 ) ehuptung: Es git ie folgenen rei stilen Mthings: ies knn mn ntürlih für ein so kleines eispiel urh etrhten ller möglihen 3! = 6 Mthings eweisen. Mn knn er uh strukturierter
MehrMinimalautomat. Wir stellen uns die Frage nach dem. kleinsten DFA für eine reguläre Sprache L, d.h. nach einem DFA mit möglichst wenigen Zuständen.
Rechtslinere Sprchen Minimlutomt Es git lso sehr verschiedene endliche Beschreiungen einer regulären Sprche (DFA, NFA, rechtslinere Grmmtiken, reguläre Ausdrücke). Diese können ineinnder üersetzt werden.
MehrOber- und Untersummen, Riemann Integrale
Oer- und Untersummen, Riemnn Integrle 1. Ds Prolem des Fläheninhlts Ausgngspunkt für die Entwiklung des Integrlegriffs wren vershiedene Frgestellungen, u.. ds Prolem der Messung des Fläheninhltes eines
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip.
Reguläre Sprchen Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 0 Ds Pumping-Lemm Wir hen is jetzt vier Formlismen kennengelernt, mit denen wir eine reguläre Sprche ngeen können:
MehrGrundwissen Mathematik 8.Klasse Gymnasium SOB. Darstellung im Koordinatensystem: Der Kreisumfang ist direkt proportional zu seinem Radius.
Gymso 1 Grundwissen Mthemtik 8.Klsse Gymnsium SOB 1.Funktionle Zusmmenhänge 1.1.Proportionlität Ändern sih ei einer Zuordnung die eiden Größen im gleihen Verhältnis, so spriht mn von einer direkten Proportionlität.
MehrR. Brinkmann http://brinkmann-du.de Seite 1 17.11.2010
R. rinkmnn http://rinkmnn-du.de Seite 7..2 Grundegriffe der Vektorrehnung Vektor und Sklr Ein Teil der in Nturwissenshft und Tehnik uftretenden Größen ist ei festgelegter Mßeinheit durh die nge einer Mßzhl
MehrStrings & Pattern Matching
Strings & Pttern Mtching Dezemer 05, 2017 Algorithms & Dtstructures 2 Exercises WS 2017 Dipl.-Ing. Bernhrd Anzengruer-Tnse University Linz, Institute for Pervsive Computing Altenerger Strße 69, A-4040
MehrWarum Bäume? Teil 1: Suchen. Bäume: Begriffe und Eigenschaften (2) Bäume: Begriffe und Eigenschaften (1)
Wrum Bäume? Teil : Suhen Prolemstellung Elementre Suhverfhren Hshverfhren Binäre Suhäume (Wiederholung us Prog ) Bäume: Begriffe, Eigenshften und Trversierung Binäre Suhäume Gefädelte Suhäume Ausgeglihene
MehrMinimierung von DFAs. Minimierung 21 / 98
Minimierung von DFAs Minimierung 21 / 98 Ein Beispiel: Die reguläre Sprche L({, } ) Wie stellt mn fest, o ein Wort ds Suffix esitzt? Ein erster Anstz: Speichere im ktuellen Zustnd die eiden zuletzt gelesenen
MehrAutomaten und formale Sprachen Notizen zu den Folien
5 Ds Pumping Lemm Schufchprinzip (Folie 144) Automten und formle Sprchen Notizen zu den Folien Im Block Ds Schufchprinzip für endliche Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl
MehrMathematische Probleme, SS 2013 Montag $Id: dreieck.tex,v /04/15 09:12:15 hk Exp hk $ 1.4 Dreiecksberechnung mit Seiten und Winkeln
Mthemtishe Proleme, SS 2013 Montg 15.4 $Id: dreiek.tex,v 1.5 2013/04/15 09:12:15 hk Exp hk $ 1 Dreieke 1.4 Dreiekserehnung mit Seiten und Winkeln In der letzten Sitzung htten wir egonnen die vershiedenen
MehrÜbungsblatt Nr. 2. Lösungsvorschlag
Institut für Kryptogrphie und Siherheit Prof. Dr. Jörn Müller-Qude Dirk Ahenh Tois Nilges Vorlesung Theoretishe Grundlgen der Informtik Üungsltt Nr. 2 svorshlg Aufge 1: Doktor Met in Gefhr (K) (4 Punkte)
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2011
Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 011 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Snder Bruggink Automten und Formle Sprchen 1 Reguläre Sprchen Wir eschäftigen uns
Mehra q 0 q 1 a M q 1 q 3 q 2
Prof Dr J Giesl Formle Systeme, Automten, Prozesse SS 2010 Musterlösung - Üung 4 M Brockschmidt, F Emmes, C Fuhs, C Otto, T Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden us dem
MehrEinführung in die Mathematik des Operations Research
Universität zu Köln Mthemtishes Institut Prof. Dr. F. Vllentin ufge ( + 7 = 0 Punkte) Einführung in die Mthemtik des Opertions Reserh Sommersemester 0 en zur Klusur (7. Juli 0). Es seien M = {,..., n },
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 2 FS 16
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérle de Zurich Politecnico federle di Zurigo Federl Institute of Technology t Zurich Institut für Theoretische Informtik 9. März 2016
Mehrgehört ebenfalls zu einem Paar. Da 5 eine Primzahl und kein anderes Quadervolumen ein Vielfaches von 5 V o
Lndeswettewer Mthemtik Bden-Württemerg 999 Runde ufge Ein Würfel wird durh je einen Shnitt rllel zur order-, Seiten und Dekflähe in ht Quder zerlegt (siehe Skizze) Können sih die Ruminhlte dieser Quder
MehrAufgabe 1. Die Zahl 6 wird aus 3 gleichen Ziffern mit Hilfe der folgenden mathematischen
Deprtment Mthemtik Tg der Mthemtik 5. Juli 008 Klssenstufen 9, 10 Aufge 1. Die Zhl 6 wird us 3 gleihen Ziffern mit Hilfe der folgenden mthemtishen Symole drgestellt: + Addition Sutrktion Multipliktion
Mehr10 1 Grundlagen der Schulgeometrie. 1.3 Das Dreieck
10 1 Grundlgen der Shulgeometrie 13 Ds Dreiek In diesem shnitt findet lles in der ffinen Stndrdeene 2 = R 2 sttt Drei Punkte, und, die niht uf einer Gerden liegen, ilden ein Dreiek Die Punkte,, nennt mn
MehrSeminarstunden S-Std. (45 min) Nr. Modul Theorie Übungen. 13 Bruchrechnung 1 5
Mthemtik Grundlgen Mthemtik Grundlgen für Industriemeister Seminrstunden S-Std. ( min) Nr. Modul Theorie Üungen Inhlt.... Allgemeines..... Ehte Brühe..... Unehte Brühe.... Erweitern und Kürzen von Brühen....
MehrMathematische Probleme, SS 2015 Montag $Id: dreieck.tex,v /04/20 08:57:49 hk Exp $ 1.4 Dreiecksberechnung mit Seiten und Winkeln
Mthemtishe Proleme, SS 2015 Montg 20.4 $Id: dreiek.tex,v 1.15 2015/04/20 08:57:49 hk Exp $ 1 Dreieke 1.4 Dreiekserehnung mit Seiten und Winkeln In der letzten Sitzung htten wir egonnen die vershiedenen
Mehr2. Landeswettbewerb Mathematik Bayern 2. Runde 1999/2000
Lndeswettewer Mthemtik Bern Runde 999/000 Aufge Ein Würfel wird durh je einen Shnitt rllel zur order-, Seiten und Dekflähe in ht Quder zerlegt (siehe Skizze) Können sih die Ruminhlte dieser Quder wie :
MehrErkundungen. Terme vergleichen. Rechteck Fläche als Produkt der Seitenlängen Fläche als Summe der Teilflächen A B
Erkundungen Terme vergleihen Forshungsuftrg : Fläheninhlte von Rehteken uf vershiedene Arten erehnen Die Terme () is (6) eshreien jeweils den Fläheninhlt von einem der drei Rehteke. Ordnet die Terme den
MehrLineare Gleichungssysteme mit 3 und mehr Variablen
Linere Gleihungssysteme mit un mehr rilen Beispiel 1 mit rilen: 11 Zunähst estimmt mn ie rile, ie mn ls Erste eliminieren will. In iesem Fll soll von hinten nh vorn vorgegngen weren,.h. zuerst soll rile
MehrDer Vektor lebt unabhängig vom Koordinatensystem: Bei einer Drehung des Koordinatensystems ändern zwar die Komponenten, der Vektor v aber bleibt.
Vektorlger Vektorlger Vektoren sind Grössen, die einen Betrg sowie eine Rihtung im Rum hen. Im Gegenstz zu den Vektoren estehen Sklre nur us einer Grösse ls Zhl. In Bühern wird nsttt v oft v geshrieen.
Mehr2 Die Bildsprache Der relevante Winkel im grünen Dreieck ist stumpf; die gleichschenkligen Dreiecke haben den Basiswinkel 180 :
Hns Wlser, [20080409] Eine Visulisierung des Kosinusstzes 1 Worum es geht Es wird eine zum Pythgors-Piktogrmm nloge Figur für niht rehtwinklige Dreieke esprohen. Dei werden ähnlihe gleihshenklige Dreieke
Mehr18. Algorithmus der Woche Der Euklidische Algorithmus
18. Algorithmus der Woche Der Euklidische Algorithmus Autor Friedrich Eisenrnd, Universität Dortmund Heute ehndeln wir den ältesten ereits us Aufzeichnungen us der Antike eknnten Algorithmus. Er wurde
MehrKürzeste Wege. möglich ist 6. Füge v zu S hinzu und setze d[v] d [v] (u,v) E. Datenstrukturen und Algorithmen 14. Elementare Graphalgorithmen
Algorithmus von Dijkstr: 1. Es sei S ie Menge er enteckten Knoten. Invrinte: Merke optimle Lösung für S: Für lle v S sei [v] = δ(s,v) ie Länge es kürzesten Weges von s nch v 3. Zu Beginn: S={s} un [s]=
MehrDie Satzgruppe des Pythagoras
7 Die Stzgruppe des Pythgors In Klssenstufe 7 hen wir uns ei den Inhlten zur Geometrie insesondere mit Dreieken und ihren Eigenshften eshäftigt. In diesem Kpitel wirst du erkennen, dss es ei rehtwinkligen
Mehra) Spezielle Winkel bei schneidenden Geraden und Parallelen α 3 β 4 Institut für Automatisierungstechnik Prof. Dr. Ch. Bold Vorsemester V.
0.05.0 Geometrie und Trigonometrie ) Spezielle Winkel ei shneidenden Gerden und Prllelen 4 4 Sheitelwinkel sind gleih (z.. zw. ) Neenwinkel ergänzen sih zu 80 0 (z.. + 80 0 ) Stufenwinkel sind gleih (z..
MehrWurzel b bedeutet: Suche die Zahl, die mit sich selbst multipliziert gerade die Zahl ergibt, die unter der Wurzel steht.
/0 Areitsltt Wurzel edeutet: Suhe die Zhl, die mit sih selst multipliziert gerde die Zhl ergit, die unter der Wurzel steht. Also: - suhe eine Zhl, die mit sih selst multipliziert, genu ergit. Die Lösung
MehrPolynominterpolation (Varianten)
HTL Slfelden Polynominterpoltion Seite von Wilfried Rohm Polynominterpoltion (Vrinten) Mthemtishe / Fhlihe Inhlte in Stihworten: Lösen von Gleihungssysteme, Mtrizenrehnung, Mthd-Progrmm Kurzzusmmenfssung
Mehr2.2. Figuren Dreiecke Winkelsumme in Dreiecken Besondere Dreiecke Vierecke
.. Figuren Figuren sind zweidimensionle Geilde in der Eene. Die einfhsten Figuren sind Dreieke und Viereke.... Dreieke Bezeihnungen in Dreieken werden die Ekpunkte A, B, sowie die dzugehörigen Innenwinkel,,
MehrMinimalität des Myhill-Nerode Automaten
inimlität des yhill-nerode Automten Wir wollen zeigen, dss der im Beweis zum yhill-nerode Stz konstruierte DEA für die reguläre Sprche L immer der DEA mit den wenigsten Zuständen für L ist. Sei 0 der konstruierte
Mehr9 Vektorprodukt. Dieses Gleichungssystem muss man nun lösen! Das ist allerdings nicht ganz einfach. Die Lösung lautet:
9 Vektorprodukt 9.1 Ds Vektorprodukt Gegeen seien zwei (komplnre) Vektoren und, die eine Eene ufspnnen. Suht mn einen Vektor n, der uf diese Eene senkreht steht, dnn muss n orthogonl zu und n orthogonl
MehrGrundwissenkatalog / g8 Geometrie / 7. Jahrgangsstufe
Grundwissenktlog / g8 Geometrie /. Jhrgngsstufe Die folgende ufstellung enthält mthemtishe Grundfertigkeiten, die ein Shüler nh der. Jhrgngsstufe eherrshen sollte. Dieses Wissen wird in den folgenden Jhren
MehrAlgorithmen II Vorlesung am
Algorithmen II Vorlesung m 29.11.2012 Algorithmishe Geometrie: Shnitte von Streken Sweep-Line INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Lndes Bden-Württemberg und
MehrFolien-Beispiel: Maschinenzahlen a=(1.11) 2. * 2 1, b= - (1.10) 2. *2 1 und c=(1.10) 2. * 2 3 bei dreistelliger Mantisse.
Folien-Beispiel: Mshinenzhlen =(. *, = - (.0 * und =(.0 * 3 ei dreistelliger Mntisse. Addition: ~ y (.0 (. (.00 * * * 3 M M ( (.0 (.0 * 3 * M (.0 * 3 Dei tritt kein Fehler uf! Andere Reihenfolge? 4 yˆ
MehrGruppe A Bitte tragen Sie SOFORT und LESERLICH Namen und Matrikelnr. ein, und legen Sie Ihren Studentenausweis bereit.
Gruppe A Bitte trgen Sie SOFORT und LESERLICH Nmen und Mtrikelnr. ein, und legen Sie Ihren Studentenusweis ereit. 1. Leistungsüerprüfung AUS DATENMODELLIERUNG (184.685) GRUE A 16.04.2013 Mtrikelnr. Fmiliennme
MehrHausaufgabe 2 (Induktionsbeweis):
Prof. Dr. J. Giesl Formle Sprhen, Automten, Prozesse SS 2010 Üung 3 (Age is 12.05.2010) M. Brokshmidt, F. Emmes, C. Fuhs, C. Otto, T. Ströder Hinweise: Die Husufgen sollen in Gruppen von je 2 Studierenden
MehrMusterlösung zur Probeklausur zur Geometrie
UNIVERSITÄT ULM Institut für Zhlentheorie un Whrsheinlihkeitstheorie Musterlösung zur Proeklusur zur Geometrie Prof. Dr. Helmut Mier, Hns- Peter Rek Gesmtpunktzhl: 3 Punkte, Punkte= % keine Age. Gi Definitionen
MehrBeispiellösungen zu Blatt 24
µthemtischer κorrespondenz- zirkel Mthemtisches Institut Georg-August-Universität Göttingen Aufge Beispiellösungen zu Bltt Mn eweise, dss mn ein Qudrt für jede Zhl n 6 in genu n kleinere Qudrte zerlegen
MehrÜbungsblatt 1. Vorlesung Theoretische Grundlagen der Informatik im WS 17/18
Institut für Theoretische Informtik Lehrstuhl Prof. Dr. D. Wgner Üungsltt Vorlesung Theoretische Grundlgen der Informtik im WS 78 Ausge 9. Oktoer 27 Age 7. Novemer 27, : Uhr (im Ksten im UG von Geäude
MehrName... Matrikel Nr... Studiengang...
Proeklusur zur Vorlesung Berechenrkeitstheorie WS 201/1 1. Jnur 201 Prof. Dr. André Schulz Bereitungszeit: 120 Minuten [So oder so ähnlich wird ds Deckltt der Klusur ussehen.] Nme... Mtrikel Nr.... Studiengng...
MehrName... Matrikel-Nr... Studiengang...
Proeklusur zum ersten Teil der Vorlesung Berechenrkeitstheorie WS 2015/16 30. Novemer 2015 Dr. Frnzisk Jhnke, Dr. Dniel Plcín Bereitungszeit: 80 Minuten Nme... Mtrikel-Nr.... Studiengng... 1. So oder so
Mehr10. Lineare Gleichungen mit zwei Variabeln Eine lineare Gleichung in 2 Variablen... 19
Alger Vorlesung (.Teil) Mg. Dniel Zeller INHALTSVERZEICHNIS 0. Linere Gleihungen mit zwei Vrieln... 9 Eine linere Gleihung in Vrilen... 9 Geometrishe Deutung einer lineren Gleihung in Vrilen... Gleihungssystem
MehrVorlesung Diskrete Strukturen Transportnetze
Vorlesung Diskrete Strukturen Trnsportnetze Bernhr Gnter WS 2009/10 Gerihtete Grphen Ein shlingenloser gerihteter Grph ist ein Pr (V, A), woei V eine elieige Menge ist, eren Elemente wir Eken nennen un
MehrSS 2018 Torsten Schreiber
SS 08 orsten Shreier 8 Beim inneren Produkt ) wird komponentenweise multipliziert und die entstehenden Produkte nshließend. Somit hndelt es sih um keine d nur eine Zhl Sklr) ls Lösung heruskommt. Ds Sklrprodukt
MehrDurch die Umformung ergibt sich eine Schaltfunktion mit einer minimalen Anzahl von Verknüpfungsoperationen, nämlich 2.
2 Die shltlgerishe Umformung von Shltfunktionen in Normlform soll m Beispiel er Umformung einer Mxterm-Normlform in eine Minterm-Normlform gezeigt weren. Beispiel: y = ) ( ) ( ) ( Es ietet sih ie Anwenung
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 2 FS 12
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérle de Zurich Politecnico federle di Zurigo Federl Institute of Technology t Zurich Institut für Theoretische Informtik 29 Ferur 2012
MehrEinführung in die Theoretische Informatik I/ Grundlagen der Theoretischen Informatik. SS 2007 Jun.-Prof. Dr. Bernhard Beckert Ulrich Koch.
Einführung in die Theoretishe Informtik I/ Grundlgen der Theoretishen Informtik SS 2007 Jun.-Prof. Dr. Bernhrd Bekert Ulrih Koh Nhklusur 25. 09. 2007 Persönlihe Dten itte gut leserlih usfüllen! Vornme:...
Mehra b = a b a b = 0 a b
Vektorlger Zusmmenfssung () Sklrprodukt weier Vektoren im Rum Unter dem Sklrprodukt os os weier Vektoren und versteht mn den Sklr woei der von den eiden Vektoren eingeshlossene Winkel ist ( 8) * os Rehenregeln
MehrKlausur zur Vorlesung Grundbegriffe der Informatik 10. März 2009 mit Lösungsvorschlägen
Klusur zur Vorlesung Grundegriffe der Informtik 10. März 2009 mit Lösungsvorschlägen Klusurnummer Nme: Vornme: Mtr.-Nr.: Aufge 1 2 3 4 5 6 7 mx. Punkte 4 2 7 8 8 8 9 tts. Punkte Gesmtpunktzhl: Note: Aufge
MehrKlausur. Informatik 1 Wintersemester 2005/2006 Prof. Dr. Wolfgang May 4. April 2006, Uhr Bearbeitungszeit: 90 Minuten
Klusur Informtik 1 Wintersemester 2005/2006 Prof. Dr. Wolfgng My 4. April 2006, 11-13 Uhr Bereitungszeit: 90 Minuten Aufge erreichre erreichte Punkte Punkte 1 10 / 10 2 14 / 14 3 16 / 16 4 26(+8)* / 26(+8)*
MehrMathematik Trigonometrie Einführung
Mthemtik Trigonometrie Einführung Ws edeutet ds Wort Trigonometrie und mit ws eshäftigt sih die Trigonometrie? Eine kleine Wortkunde: tri edeutet 'drei' Beispiel: Trithlon,... gon edeutet 'Winkel'/'Ek'
MehrÄnderungen in Zweitauflagen von Buch, Arbeits- und Theorieheft und Begleitordner
Änderungen in Zweituflgen von uh, reits- und Theorieheft und egleitordner lle uflgen des Shüleruhes, des reits- und Theorieheftes und des egleitordners lssen sih prolemlos neeneinnder verwenden. Shüleruh
MehrAutomaten und formale Sprachen Notizen zu den Folien
3 Endliche Automten Automten und formle Sprchen Notizen zu den Folien DFA Reguläre Grmmtik (Folie 89) Stz. Jede von einem endlichen Automten kzeptierte Sprche ist regulär. Beweis. Nch Definition, ist eine
MehrGrundwissen 6. Klasse
Grundwissen Mthemtik Klsse / Grundwissen Klsse Positive Brühe ) Grundegriffe z Brühe hen die Form n mit z I N0, n I N z heißt der Zähler, n der Nenner des Bruhes Bezeihnung Bedingung Beispiele Ehter Bruh
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 14 MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR
Mthemtik: Mg. Schmid Wolfgng Areitsltt. Semester ARBEITSBLATT MULTIPLIKATION EINES VEKTORS MIT EINEM SKALAR Zunächst einml müssen wir den Begriff Sklr klären. Definition: Unter einem Sklr ersteht mn eine
Mehr/LQHDUH*OHLFKXQJVV\VWHPH
/LQHDUH*OHLFKXQJVV\VWHPH (für Grund- und Leistungskurse Mthemtik) 6W55DLQHU0DUWLQ(KUHQE UJ*\PQDVLXP)RUFKKHLP Nch dem Studium dieses Skripts sollten folgende Begriffe eknnt sein: Linere Gleichung; homogene
MehrRechnerlösungen gibt es zu den Aufgaben 6 bis 10. Ausführliche Berechnungsbeispiele und vieles mehr gibt es unter
R. Brinkmnn http://rinkmnn-du.de eite.0.0 Lösungen Bruhrehnung I mit dem GTR CAIO fx-cg 0 Rehnerlösungen git es zu den Aufgen 6 is 0. Ausführlihe Berehnungseispiele und vieles mehr git es unter http://www.freiurger-verlg.de/
MehrGraphen vielseitig verwendbar zur Repräsentation von Zusammenhängen, etwa:
7. Grphentheorie Grphen vielseitig verwenr zur Repräsenttion von Zusmmenhängen, etw: Stäte Personen Aktionen... Verinungswege Reltionen zwishen ihnen zeitlihe Ahängigkeiten Def. 7.1: Ein gerihteter Grph
MehrDeterministische endliche Automaten. Berechenbarkeit und Komplexität Endliche Automaten. Deterministische endliche Automaten
Berechenrkeit und Komplexität Endliche Automten Deterministische endliche Automten Folge von Symolen c 4 d 2 Bnd Wolfgng Schreiner Wolfgng.Schreiner@risc.jku.t Automt Folge kzeptiert Reserch Institute
MehrGliederung. Kapitel 1: Endliche Automaten
Gliederung 0. Motivtion und Einordnung 1. Endliche Automten 2. Formle Sprchen 3. Berechnungstheorie 4. Komplexitätstheorie 1.1. 1.2. Minimierungslgorithmus 1.3. Grenzen endlicher Automten 1/1, S. 1 2017
Mehr4 Die rationalen Zahlen
4 Die rtionlen Zhlen Der Ring der gnzen Zhlen ht den Mngel, dß nicht jede Gleichung = X, 0 innerhl Z lösr ist. (Z.B. ist 1 = 2 X unlösr in Z). Zu seiner Beseitigung erweitert mn den Zhlereich zum Körper
Mehrvollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimalautomat: minimaler vollständiger DFA
Ws isher geschh NFA A = (X, Q, δ, I, F ) vollständig (Vervollständigung) deterministisch, DFA (Potenzmengenkonstruktion) Minimlutomt: minimler vollständiger DFA Für jede Sprche L X sind die folgenden Aussgen
Mehr01 Proportion Verhältnis Maßstab
5 Ähnlihkeit und Strhlensätze LS 01.M1 01 Proportion Verhältnis Mßst 1 Lies die folgende Informtion sorgfältig. Mrkiere wihtige egriffe und Formeln. ) Proportionle Zuordnung ei einer proportionlen Zuordnung
Mehr1. Voraussetzung. 2. Erstmalig anmelden Login beantragen. Online Fahrzeug-Registrierung. Anleitung
Anleitung Online Fhrzeug-Registrierung 1. Vorussetzung Ihr Unternehmen muss ereits ei Toll Collet ls Kunde registriert sein. Den Antrg finden Sie unter www.toll-ollet.de/registrierung 2. Erstmlig nmelden
Mehr5.2 Quadratische Gleichungen
Mthemtik mit Mthd MK..0 0_0_Qud_Gleih.xmd Einfhe qudrtishe Gleihungen. Qudrtishe Gleihungen ef.: Eine Gleihung, in der x höhstens qudrtish (in der zweiten Potenz) vorkommt, heißt qudrtishe Gleihung. Gewöhnlihe
MehrDie Näherung ist umso genauer, je kleiner die Zellen sind. Der Grenzwert ist
Höhere Mthemtik Mehrfhintegrle sind Integrle üer eiete R n Zweifhintegrle treten B ei der Berehnung des Fläheninhltes und von Flähenträgheitsmomenten uf Dreifhintegrle kommen ei der Berehnung des Volumeninhltes
MehrMusterlösungen zum 6. Übungsblatt
Musterlösungen zum 6 Üungsltt Anlysis ei Dr Rolf Busm WS 6/7 Aufge 6 (Tois Hessenuer) ) 3 ep()d, setze u = ep(), v = 3 dnn gilt: 3 ep()d = ep() 3 = e (3 ep() ) 3 ep() d = e 3e + 6 ep() = 6e 3e + 6e 6e
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 15 ORTHOGONALITÄT
Mthemtik: Mg. Schmid Wolfgng Areitsltt 5. Semester ARBEITSBLATT 5 ORTHOGONALITÄT Ws versteht mn zunächst einml unter orthogonl? Dies ist nur ein nderes Wort für norml oder im rechten Winkel. Ws uns hier
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie
Verfhren Mthemtik für Studierende der Biologie und des Lehrmtes Chemie Dominik Shillo Universität des Srlndes 6. Vorlesung, 4..7 (Stnd: 4..7, 4:5 Uhr) Shreibe,,n.......... n, n,n Führe den Guÿlgorithmus
MehrDas kleine 9er-Einmaleins mit den 10 Fingern lernen.
Ws? Multiplizieren 9er-Finger-Einmleins Wozu? Ds kleine 9er-Einmleins mit den 10 Fingern lernen. 1. Beide Hände mit usgestrekten Fingern zeigen nh oen. 2. Die Dumen zeigen nh ußen (Hndflähen zum Gesiht).
MehrRelationen: Verkettungen, Wege, Hüllen
FH Gießen-Frieerg, Sommersemester 00 Lösungen zu Üungsltt 9 Diskrete Mthemtik (Informtik) 9./. Juni 00 Prof. Dr. Hns-Ruolf Metz Reltionen: Verkettungen, Wege, Hüllen Aufge. Es ezeihne R ie Reltion {(,
MehrGrundbegriffe der Informatik Aufgabenblatt 5
Grundegriffe der Informtik Aufgenltt 5 Mtr.nr.: Nchnme: Vornme: Tutorium: Nr. Nme des Tutors: Ausge: 20. Novemer 2013 Age: 29. Novemer 2013, 12:30 Uhr im GBI-Briefksten im Untergeschoss von Geäude 50.34
MehrKurvenintegrale. (Eine reguläre Kurve besitzt also in jedem Punkt einen nicht verschwindenden Tangentenvektor.)
Kurvenintegrle Definition: (Kurve) Eine stetige Abbildung : [, b] R n heißt ein Weg im R n. Ds Bild C := ([, b]) heißt Kurve im R n. Die Punkte () bzw. (b) heißen Anfngsbzw. Endpunkt der Kurve. heißt geshlossener
MehrDiplomarbeit. Experimentelle Untersuchung von String B-Trees bezüglich ihrer Anwendbarkeit in Genom-Datenbanken und im Information Retrieval
Diplomreit Experimentelle Untersuhung von String B-Trees ezüglih ihrer Anwendrkeit in Genom-Dtennken und im Informtion Retrievl Mnuel Sholz Betreuer: Prof. Dr. H. Shweppe, Prof. Dr. J. Stoye, Z. Knev Institut
Mehr15. Kürzeste Wege. SS 2017 DuA - Kapitel 15 1
5. Kürzeste Wege t s SS DuA - Kpitel 5 Gewichtete Grphen Ein gewichteter Grph G ist ein Pr (V,E) zusmmen mit einer Gewichtsfunktion w, woei E V V un w: E IR. Für e E heißt w(e) s Gewicht von e. Für einen
MehrHans U. Simon Bochum, den Annette Ilgen. Beispiele zur Vorlesung. Theoretische Informatik. WS 08/09
Hns U. Simon Bohum, den 7..28 Annette Ilgen Beispiele zur Vorlesung Theoretishe Informtik WS 8/9 Voremerkung: Hier findet sih eine Smmlung von Beispielen und Motivtionen zur Vorlesung Theoretishe Informtik.
MehrKOMPETENZHEFT ZUR TRIGONOMETRIE, III
Mthemtik mht Freu(n)de KOMPETENZHEFT ZUR TRIGONOMETRIE, III 1. Aufgenstellungen Aufge 1.1. Zur Shneelsterehnung wird der Neigungswinkel α des in der nhstehenden Aildung drgestellten Dhes enötigt. Dei gilt:
MehrTheoretische Informatik ITI
Institut für Theoretishe Informtik ITI Dr. Jürgen Koslowski Theoretishe Informtik 2 Aufgenltt 6, 2015-06-11 Üungsufge 1 Weisen Sie die N P -Vollständigkeit des E-Prolem Clique nh (vergl. Bltt 5, Aufge
Mehr7.4. Teilverhältnisse
7... erehnung von Teilverhältnissen ufgen zu Teilverhältnissen Nr. 7.. Teilverhältnisse Die Shwerpunkte von Figuren und Körpern lssen sih mit Hilfe von Teilverhältnissen usdrüken und erehnen. Definition
Mehr