Vorlesung Informatik 2 Algorithmen und Datenstrukturen. (01 Einleitung) Prof. Dr. Susanne Albers
|
|
- Thomas Stein
- vor 6 Jahren
- Abrufe
Transkript
1 Vorlesug Iformatik Algorithme ud Datestrukture (01 Eileitug) Prof. Dr. Susae Albers
2 Orgaisatorisches Vorlesug: Mo Uhr, HS 00-06, Geb.101 Do Uhr, HS 00-06, Geb.101 Übuge: Ameldug bis - Mo 9-11, SR 03-06, Geb Mo 9-11 SR , Geb Mo 9-11 SR , Geb Mo SR , Geb Mo SR , Geb Do 16-18, SR , Geb Do 16-18, SR 03-06, Geb Teachig Iformatik II
3 Orgaistorisches Klausur: 18. Oktober 006 Teilahmevoraussetzug: - 50% der Übuge bearbeitet - 1-mal i de Übuge vorgerechet Bous bei bestadeer Klausur: Verbesserug um - 1/3 Notestufe, we 50% der Übugspukte erzielt - /3 Notestufe, we 80% der Übugspukte erzielt 3
4 Literatur Ottma, Widmayer : Algorithme ud Datestrukture, Spektrum Akademischer Verlag, Heidelberg, Berli; ISBN: , 4. Auflage, 00 Saake, Sattler : Algorithme ud Datestrukture: eie Eiführug mit Java, dpukt-verlag, Heidelberg, 00; ISBN: Corme, Leiserso, Rivest, Stei : Itroductio to Algorithms, Secod Editio, MIT-Press ad McGraw Hill, 00 Kleiberg, Tardos : Algorithm Desig, Pearso/Addiso-Wesley; ISBN: , First Editio, 005 Goodrich, Tamassia : Data Structures ad Algorithms i Java, Joh Wiley & Sos; ISBN: , Secod Editio, 001 Zahlreiche weitere Bücher vo : D. Kuth, S.Baase / Va Gelder, R. Sedgewick, Nievergelt / Hirichs, Gütig / Dieker, Heu, A. Drozdeck, Th. Stadisch, Kruse, Wood, u.v.a. 4
5 Ihaltsübersicht 1. Eileitug, Grudlage. Algorithmeetwurfstechike 3. Elemetare Datestrukture 4. Sortiere, Suche, Auswahl 5. Wörterbücher, Bäume ud Hash-Verfahre 6. Graphealgorithme 5
6 Lerziele Algorithme für wichtige Probleme : Sortiere, Suche, Wörterbuch-Problem, Berechug kürzester Pfade,... Datestrukture : Liste, Stapel, Schlage, Bäume, Hash-Tabelle,... Problemlösetechike : Ziele: Divide-ad-Coquer, Greedy, vollstädige Aufzählug, Backtrackig,... Etwicklug effizieter Algorithme für Istaze vo Probleme aus eiem gegebee Bereich Fähigkeit zur Beurteilug vo Algorithme aufgrud präziser Kriterie (Korrektheit, Effiziez) 6
7 Beschreibug ud Aalyse vo Algorithme Sprache zur Formulierug vo Algorithme Natürliche Sprache, Pseudocode, Flussdiagramme, Programmiersprache (Java, C,...) Mathematisches Istrumetarium zur Messug der Komplexität (Zeit- ud Platzbedarf): Groß-O-Kalkül (Ladausche Symbole) 7
8 Pseudocode abstrakte Beschreibug eies Algorithmus strukturierter als Beschreibug mit ormalem Sprachvokabular weiger detailliert als ei Programm bevorzugte Notatio zur Beschreibug eies Algorithmus versteckt Programmetwurfsprobleme Beispiel : Fide des größte Elemets i eiem array Algorithmus arraymax(a,) Iput array A mit Iteger Output größtes Elemet vo A curretmax A[0] for i 1 to 1 do if A[i] > curretmax the curretmax retur curretmax A[i] 8
9 Pseudocode Details Kotrollfluss - if the [else ] - while do - repeat util -for do - Eirücke ersetzt Klammer Deklaratio vo Methode Algorithm method(arg[, arg ]) Iput Output Methodeaufruf var.method(arg[,arg ]) Rückgabewert retur Ausdruck Ausdrücke Zuweisug (wie = i Java) = Gleichheitstest (wie == i Java) ² Superscripts ud adere mathematische Formatieruge sid erlaubt 9
10 Formale Eigeschafte vo Algorithme Korrektheit Effiziez Frage : Wie beweist ma die Korrektheit? Programmverifikatio Teste Wie misst ma die Effiziez vo Algorithme? Implemetatio ud Test für repräsetative Beispiele Platz- ud Zeitbedarf auf Real RAM Bestimmug sigifikater Parameter 10
11 Korrektheit partielle : We der Algorithmus hält, da liefert er das gewüschte Resultat totale : Algorithmus hält ud liefert das gewüschte Ergebis Vorbedigug (Eigabe-Bedigug) : Spezifiziert de Zustad vor Ausführug eies Algorithmus Nachbedigug (Ausgabe-Bedigug) : Spezifiziert de Zustad ach Ausführug des Algorithmus {P} S {Q} Beispiel : {? } x = y + 3 { x > 0 } Hoare Kalkül 11
12 Grudbausteie imperativer Sprache Sprachkostrukte spiegel die Vo Neuma Recherarchitektur wieder. Variable sid symbolische Name für Speicherplätze. Aweisuge: Zuweisug: x = t Kompositio: S 1 ; S Selektio: if B the S 1 else S Iteratio: while B do S Hoare Kalkül: Diet zum Nachweis der partielle Korrektheit vo Programme, d.h. vo Aussage der Form {P} S {Q} 1
13 Beweisregel We aus wahre Aussage A 1,, A folgt, dass auch die Aussage A wahr ist, otiert ma das i der Form: A 1,, A A Die zu verifizierede Aussage sid die Hoare-Tripel der Form {P} S {Q}. 13
14 Zuweisugsaxiom {P[x/t]} x = t {P} P[x/t] bedeutet, dass i der Aussage P jedes Vorkomme vo x durch de Term t ersetzt wird. Beispiele: {x+1 = 43} y = x+1 {y = 43} {y = 43} z = y {z = 43} 14
15 Kompositio ud Selektio Kompositio {P} S 1 {Q}, {Q} S {R} {P} S 1 ; S {R} Selektio {P ud B} S 1 {R}, {P ud icht B} S {R} {P} if B the S 1 else S {R} 15
16 Beispiel zur Kompositio Kompositio {P} S 1 {Q}, {Q} S {R} {P} S 1 ; S {R} {x+1 = 43} y = x+1 {y = 43} z = y {z = 43} 16
17 Iteratio P impliziert I, {I ud B} S {I}, (I ud icht B) impliziert Q {P} while B do S {Q} Die i dieser Regel auftretede Aussage I heißt Schleifeivariate. Das Fide geeigeter Schleifeivariate ist i.a. algorithmisch ulösbar! Daher empfiehlt es sich, Schleifeivariate als Kommetare (Assertios) a de etsprechede Stelle i Programme eizufüge 17
18 Abschwächug ud Verstärkug Abschwächug {P} {P }, {P } S {Q} {P} S {Q} Verstärkug {P} S {Q }, {Q } {Q} {P} S {Q} 18
19 Beispiel eies (formale) Korrektheitsbeweises Algorithmus Mult(x,y) Eigabe : Ei Paar x,y vo atürliche Zahle Ausgabe : Das Produkt vo x ud y Methode : z 0 ; while (y>0) do { if (y ist gerade) the {y y/; x x+x} else /* y ist ugerade */ {y y-1; z z+x} } retur z; 19
20 Implemetatio i Java class Mult { public static void mai ( Strig [] args ) { it x = ew Iteger (args[0]).itvalue(); it y = ew Iteger (args[1]).itvalue(); System.out.pritl ( Das Produkt vo +x+ ud +y+ ist +mult(x,y)); public static it mult (it x, it y) { it z = 0; while (y>0) if (y % == 0) { y = y / ; x = x+x ;} else { y = y-1; z = z+x; } } } retur z; 0
21 Durchführug vo Mult(x,y) a eiem Beispiel 1
22 Durchführug vo Mult(x,y) a eiem Beispiel 1101* x y z # Iteratioe
23 Nachweis der totale Korrektheit Beh. (1) Für jedes Paar a,b vo atürliche Zahle gilt: Mult(a,b) hält ach edlich viele Schritte. Beh. () Sid a ud b atürliche Zahle, da liefert Mult(a,b) de Wert z = a * b. it z = 0; while (y>0) if (y % == 0) { y = y / ; x = x+x ;} else { y = y-1; z = z+x; } 3
24 Schleifeivariate Scheifeivariate I: y 0 ud z + x y = a b Beh..1: I gilt vor erstmaliger Ausführug der while-schleife Beh..: I bleibt bei eimaliger Ausführug des Rumpfs der while-schleife richtig. it z = 0; while (y>0) if (y % == 0) { y = y / ; x = x+x ;} else { y = y-1; z = z+x; } 4
25 Weiteres Beispiel { 0} i = 0; k = -1; y = 0; while i < do i = i + 1; k = k + ; y = y + k {y = } Schleifeivariate: (k = i -1) ud (y = i ) ud (i ) 5
26 Beschreibug ud Aalyse vo Algorithme Sprache zur Formulierug vo Algorithme : atürliche Sprache (Eglisch), Java, C, Assembler, Pseudocode Mathematisches Istrumetarium zur Messug der Komplexität (Zeit- ud Platzbedarf): Groß-O-Kalkül (Ladausche Symbole) 6
27 Effiziezaalyse Laufzeitkomplexität: Steht die Laufzeit im akzeptable/verüftige/optimale Verhältis zur Größe der Aufgabe? Speicherplatzkomplexität: Wird primärer (sekudärer) Speicherplatz effiziet geutzt? Theorie: Ka utere Schrake liefer, die für jede Algorithmus gelte, der das Problem löst (etwa Ω( log ) Schritte für jedes allgemeie Sortierverfahre mit Elemete) Spezieller Algorithmus: Liefert obere Schrake für die Lösug eies Problems (etwa O( ) Schritte für Bubblesort mit Elemete) Effiziete Algorithme ud Komplexitätstheorie: Zweige der Theoretische Iformatik zur Erforschug vo obere ud utere Schrake 7
28 Komplexitätsschrake Komplexität Schrake für spezielle Algorithmus Komplexität des Problems Utere Schrake aus der Theorie Iputgröße 8
29 Laufzeitaalyse (1) Ei Programm P, das für eie Problembeschreibug x mit Läge = x die Lösug fidet, habe Laufzeit T P () Der beste Fall (best case): Laufzeit meist leicht bestimmbar, kommt i der Praxis eher selte vor: T P,best () = if{t P (x) = x } Der schlechteste Fall (worst case): Liefert garatierte Schrake, Laufzeit meist leicht bestimmbar, aber meist zu pessimistisch i der Praxis: T P,worst () = sup{t P (x) = x } Im amortisierte worst case wird der durchschittliche Aufwad für eie schlechtestmögliche Folge vo Eigabe bestimmt (techisch aspruchsvoll). Der mittlere Fall (average case): z. B. Mittelug über alle Eigabe mit Läge T P,average () = 1/ (#(x)mit x =) x = T P (x) 9
30 Messug des Leistugsverhaltes 1. Betrachte kokrete Implemetierug auf kokreter Hardware. Miss Laufzeit ud Platzverbrauch für repräsetative Eigabe.. Bereche Verbrauch a Platz ud Zeit für idealisierte Referezmaschie, Radom Access Machie (RAM), Registermachie (RM), Turigmachie (TM), Bestimme Azahl bestimmter (teurer) Grudoperatioe, etwa # Vergleiche, # Beweguge vo Date (beim Sortiere) # Multiplikatioe/Divisioe (für umerische Verfahre) Bei. ud 3.: Beschreibe Aufwad eies Verfahres als Fuktio der Größe des Iputs. (Die Iput-Größe ka verschiede gemesse werde.) 30
31 Beispiel: Taktzahl (1) Bestimme Aufwad (Taktzahl = Azahl der Bitwechsel) eies Vo Neuma Addierwerks bei Additio eier 1 zu eier durch Biärziffer gegebee Zahl i. 0 i 1 Die Taktzahl ist 1 plus # der 1e am Ede der Darstellug vo i. Bester Fall: Die best case Rechezeit beträgt 1 Takt (Addiere 1 zu ) Schlechtester Fall: Die worst case Rechezeit beträgt + 1 Takte (Addiere 1 zu ) 31
32 Beispiel: Taktzahl () Mittlerer Fall: Ageomme wird die Gleichverteilug auf der Mege der Eigabe. Es gibt (-k) Eigabe, die mit ede ud k Takte beötige. Die Zahl - 1 braucht + 1 k 1 Takte. Die average case Rechezeit beträgt also T add1 ( ) = 1 k = 1 ( + 1 k k + ( + + ( 1) + 1)) = Im Mittel reiche also Takte, um eie Additio vo 1 durchzuführe. 3
33 33 Neberechug k k k = + + = = = + 1) (... 1) ( * 1 *... * M
34 Primitive Operatioe Grudlegede Berechuge, die vo eiem Algorithmus ausgeführt werde Ablesbar aus Pseudocode oder Programmstück Überwieged uabhägig vo eier (imperative) Programmiersprache Exakte Defiitio ist icht bedeuted Beispiele eie Ausdruck auswerte eier Variable eie Wert zuweise Idexierug i eiem Array Aufrufe eier Methode Verlasse eier Methode 34
35 Zähle vo primitive Operatioe Durch Utersuche des Pseudocode köe wir die maximale Zahl vo primitive Operatioe, die durch eie Algorithmus ausgeführt wurde, als eie Fuktio der Eigabegröße bestimme. Algorithmus arraymax(a,) # Operatioe curretmax A[0] for i 1 to -1 do (-1) if A[i] > curretmax the (-1) curretmax A[i] (-1) { erhöhe Zähler i } retur curretmax 1 Total
36 Laufzeit abschätze Der Algorithmus arraymax führt im worst case 6-3 primitive Operatioe aus Defiiere a Zeit, die die schellste primitive Operatio verbraucht hat b Zeit, die die lagsamste primitive Operatio verbraucht hat T() sei die tatsächliche worst-case Laufzeit vo arraymax. Da ist : a ( 6 3) T ( ) b(6 3) Daher ist die Laufzeit T() durch zwei lieare Fuktioe beschräkt. 36
37 Zuwachsrate der Laufzeit Veräder der Hard- ud Softwareumgebug - beeiflusst T() um eie kostate Faktor, aber - ädert die Wachstumsordug vo T() icht Das lieare Wachstum der Laufzeit T() ist eie für de Algorithmus arraymax charakteristische Eigeschaft. 37
Kurzvorstellung 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
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
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
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
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
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/
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
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
MehrAsymptotische Notationen
Foliesatz 2 Michael Brikmeier Techische Uiversität Ilmeau Istitut für Theoretische Iformatik Sommersemester 29 TU Ilmeau Seite 1 / 42 Asymptotische Notatioe TU Ilmeau Seite 2 / 42 Zielsetzug Igoriere vo
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
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
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
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
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
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:
Mehr3. Inkrementelle Algorithmen
3. Ikremetelle Algorithme Defiitio 3.1: Bei eiem ikremetelle Algorithmus wird sukzessive die Teillösug für die erste i Objekte aus der bereits bekate Teillösug für die erste i-1 Objekte berechet, i=1,,.
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...........................
MehrInfo2 Übungsstunde 5. Agenda. Lösungen U4. Java... more insights. Tipps zur Übung 5
Ifo2 Übugsstude 5 Ageda Lösuge U4 Java... more isights Tipps zur Übug 5 1 L4.A1 Stack Neeswertes Zwei Members: buffer ud size capacity := buffer.legth empty := size == 0 elemet idex := size void push(it
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
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:
MehrAlgorithmen und Datenstrukturen 1
Algorithme ud Datestrukture. Vorlesug Peter F. Stadler Uiversität Leipzig Istitut für Iformatik studla@bioif.ui-leipzig.de aufbaued auf de Kurse der letzte Jahre vo E. Rahm, G. Heyer, G. Brewka,Uwe Quasthoff,
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
MehrII. Grundlagen der Programmierung. Variable: Literale (Konstanten) Operatoren & Ausdrücke. Variablendeklaration:
Techische Iformatik für Igeieure (TIfI) WS 20052006, Vorlesug 2 II. Grudlage der Programmierug Ekkart Kidler Überblick Sytaxdefiitio Variable ud Ausdrücke Aweisuge Literale (Kostate) Variable Out.pritl("Das
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
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
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
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
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.
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.
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
MehrAUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2. Datenfluß und Programmablauf 2. Vorbedingung 3. Nachbedingung 3. Schleifeninvariante 3
INHALTSVERZEICHNIS AUFGABENSTELLUNG (ZUSAMMENFASSUNG) 2 SPEZIFIKATION 2 Datefluß ud Programmablauf 2 Vorbedigug 3 Nachbedigug 3 Schleifeivariate 3 KONSTRUKTION 4 ALTERNATIVE ENTWURFSMÖGLICHKEITEN 5 EFFEKTIVE
MehrSatz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.
Erfüllbarkeit, Uerfüllbarkeit, Allgemeigültigkeit Defiitio Eie Belegug β ist passed zu eiem Boolesche Term t, falls β für alle atomare Terme i t defiiert ist. (Wird ab jetzt ageomme.) Ist β(t) = true,
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
MehrKlausur 1 über Folgen
www.mathe-aufgabe.com Klausur über Folge Hiweis: Der GTR darf für alle Aufgabe eigesetzt werde. Aufgabe : Bestimme eie explizite ud eie rekursive Darstellug! a) für eie arithmetische Folge mit a = 6, ;
MehrBasisfall Vergleichsbasiertes Sortieren Programmieraufgabe Algorithm Engineering
Basisfall Vergleichsbasiertes Sortiere Programmieraufgabe Algorithm Egieerig Deis Felsig 013-0-07 1 Eileitug I dieser Programmieraufgabe sollte Basisfälle für vergleichsbasiertes Sortiere utersucht werde.
Mehr1.3 Funktionen. Seien M und N Mengen. f : M N x M : 1 y N : y = f(x) nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig.
1.3 Fuktioe Seie M ud N Mege f : M N x M : 1 y N : y fx et ma Fuktio oder Abbildug. Beachte: Zuordug ist eideutig. Bezeichuge: M : Defiitiosbereich N : Bildbereich Zielmege vo f Der Graph eier Fuktio:
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
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
MehrEigenschaften von Texten
Worthäufigkeite Eigeschafte vo Texte Eiige Wörter sid sehr gebräuchlich. 2 der häufigste Wörter (z.b. the, of ) köe ca. 0 % der Wortvorkomme ausmache. Die meiste Wörter sid sehr selte. Die Hälfte der Wörter
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
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
MehrQualitätskennzahlen für IT-Verfahren in der öffentlichen Verwaltung Lösungsansätze zur Beschreibung von Metriken nach V-Modell XT
Qualitätskezahle für IT-Verfahre i der öffetliche Verwaltug Lösugsasätze zur Vo Stefa Bregezer Der Autor arbeitet im Bereich Softwaretest ud beschäftigt sich als Qualitätsbeauftragter mit Theme zu Qualitätssicherug
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
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Istitut für Techologie Istitut für Aalysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 05/06 04..05 Höhere Mathematik für die Fachrichtug Physik Lösugsvorschläge zum 6. Übugsblatt Aufgabe
Mehrso spricht man von einer kommutativen Gruppe oder auch abelschen Gruppe.
Defiitioe ud Aussage zu ruppe Michael ortma Eie ruppe ist ei geordetes Paar (, ). Dabei ist eie icht-leere Mege, ist eie Verküpfug (Abbildug), wobei ma i.a. a b oder gar ur ab statt ( a, b) schreibt. Es
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zetrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathematik für Iformatiker II (Sommersemester 004) Aufgabe 7. Ubeschräktes
Mehr2 Die natürlichen, ganzen und rationalen Zahlen
2 Die atürliche, gaze ud ratioale Zahle 21 Aufgabe 21 Beweise Sie die folgede Aussage mittels vollstädiger Iduktio: (a) Für alle N gilt: Elemete köe auf 1 2 =! verschiedee Arte ageordet werde (b) Die Summe
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
Mehr18 2 Zeichen, Zahlen & Induktion *
18 2 Zeiche, Zahle & Idutio * Ma macht sich z.b. sofort lar, dass das abgeschlossee Itervall [ 3, 4] die Eigeschafte if[ 3, 4] 3 mi[ 3, 4] ud sup[ 3, 4]4max[ 3, 4] besitzt, währed das offee Itervall 3,
MehrAllgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable
Allgemeie Lösuge der -dimesioale Laplace-Gleichug ud ihre komplexe Variable Dr. rer. at. Kuag-lai Chao Göttige, de 4. Jauar 01 Abstract Geeral solutios of the -dimesioal Laplace equatio ad its complex
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
MehrAufgaben zu Kapitel 6
Aufgabe zu Kapitel 6 Aufgabe zu Kapitel 6 Verstädisfrage Aufgabe 6. Gegebe sei die Folge x ) 2 mit x 2)/ + ) für 2. Bestimme Sie eie Zahl N N so, dass x ε für alle N gilt, we a) ε 0, b) ε 00 ist. Aufgabe
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,
Mehr5.3 Wachstum von Folgen
53 Wachstum vo Folge I diesem Abschitt betrachte wir (rekursiv oder aders defiierte) Folge {a } = ud wolle vergleiche, wie schell sie awachse, we wächst Wir orietiere us dabei a W Hochstättler: Algorithmische
MehrFolgen und Reihen. 23. Mai 2002
Folge ud Reihe Reé Müller 23. Mai 2002 Ihaltsverzeichis 1 Folge 2 1.1 Defiitio ud Darstellug eier reelle Zahlefolge.................. 2 1.1.1 Rekursive Defiitio eier Folge......................... 3 1.2
MehrEffiziente Algorithmen I: Approximationsalgorithmen Motivation und Begriffe
Michael Auerbach 291 Effiziete Algorithe I: Approxiatiosalgorithe Motivatio ud Begriffe Viele fudaetale Optiierugsproblee lasse sich für e Praxis icht schell geug exakt löse. Daher besteht der Wusch, das
Mehr186.813 Algorithmen und Datenstrukturen 1 VU 6.0 1. Übungstest SS 2012 26. April 2012
Techische Uiversität Wie Istitut für Computergraphik ud Algorithme Arbeitsbereich für Algorithme ud Datestrukture 186.813 Algorithme ud Datestrukture 1 VU 6.0 1. Übugstest SS 2012 26. April 2012 Mache
MehrWörterbuchmethoden und Lempel-Ziv-Codierung
Kapitel 3 Wörterbuchmethode ud Lempel-Ziv-Codierug I diesem Abschitt lere wir allgemei Wörterbuchmethode zur Kompressio ud isbesodere die Lempel-Ziv (LZ))-Codierug kee. Wörterbuchmethode sid ei eifaches
MehrKAPITEL 7. Zahlenfolgen. 7.1 Konvergente Zahlenfolgen Grenzwertbestimmung Grenzwertbestimmung durch Abschätzung...
KAPITEL 7 Zahlefolge 7. Kovergete Zahlefolge.............................. 30 7.2 Grezwertbestimmug............................... 32 7.3 Grezwertbestimmug durch Abschätzug..................... 35 7.4
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
Mehr1 Lösungen zu Analysis 1/ 12.Übung
Lösuge ausgewählter Beispiele zu Aalysis I, G. Bergauer, Seite Lösuge zu Aalysis / 2.Übug. Eileitug Gleichmäßige Kovergez ist eie starke Eigeschaft eier Fuktioefolge. Formuliert ma sie für Netze, statt
MehrFakultät und Binomialkoeffizient Ac
Faultät ud Biomialoeffiziet Ac 2013-2016 Die Faultät (atürliche Zahl): Die Faultät Faultät ist so defiiert:! = 1 2 3... ( - 1) ; 0! = 1 Die reursive Defiitio ist: Falls = 0, da! = 1; sost! = ( - 1)! JAVA-Methode(iterativ):
MehrInnerbetriebliche Leistungsverrechnung
Ierbetriebliche Leistugsverrechug I der Kostestellerechug bzw. im Betriebsabrechugsboge (BAB ist ach der Erfassug der primäre Kostestellekoste das Ziel, die sekudäre Kostestellekoste, also die Koste der
MehrVl Statistische Prozess- und Qualitätskontrolle und Versuchsplanung Übung 5
Vl Statistische Prozess- ud Qualitätskotrolle ud Versuchsplaug Übug 5 Aufgabe ) Sei p = P(A) die Wahrscheilichkeit für ei Ereigis A, dh., es gilt 0 p. Bereche Sie das Maximum der Fuktio f(p) = p(-p). Aufgabe
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)
MehrKAPITEL 2. Zahlenfolgen
KAPITEL Zahlefolge. Kovergete Zahlefolge...................... 35. Grezwertbestimmug....................... 38.3 Grezwertbestimmug durch Abschätzug............. 4.4 Mootoe Folge..........................
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
MehrÜbungen mit dem Applet Taylor-Entwickung von Funktionen
Taylor-Etwickug vo Fuktioe Übuge mit dem Applet Taylor-Etwickug vo Fuktioe Ziele des Applets... Mathematischer Hitergrud... 3 Vorschläge für Übuge... 3 3. Siusfuktio si(...3 3. Cosiusfuktio cos(...4 3.3
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
Mehrmit (a 1 ) (0,0,,0). Dann ist die Menge,,a n,a 2 eine endliche Menge und besitzt ein grösstes Element ggt(a 1
Kapitel 1: Reste, Teiler, Vielfache Defiitio Es sei a 0. Die Zahl b 0 ist ei Teiler vo a, we es ei u 0 gibt, sodass ub= a. Ist b ei Teiler vo a, so ist a ei Vielfaches vo b. Bezeichug b a für b ist Teiler
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
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.
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.
MehrEmpirische Verteilungsfunktion
KAPITEL 3 Empirische Verteilugsfuktio 3.1. Empirische Verteilugsfuktio Seie X 1,..., X uabhägige ud idetisch verteilte Zufallsvariable mit theoretischer Verteilugsfuktio F (t) = P[X i t]. Es sei (x 1,...,
Mehr24 Konvergente Teilfolgen und Cauchy-Kriterium
120 IV. Uedliche Reihe ud Taylor-Formel 24 Kovergete Teilfolge ud Cauchy-Kriterium Lerziele: Kozepte: Teilfolge, Häufugswerte, Limes superior ud iferior, Cauchy-Folge Resultate: Satz vo Bolzao-Weierstraß,
MehrKryptologie: Kryptographie und Kryptoanalyse Kryptologie ist die Wissenschaft, die sich mit dem Ver- und Entschlüsseln von Informationen befasst.
Krytologie: Krytograhie ud Krytoaalyse Krytologie ist die Wisseschaft, die sich mit dem Ver- ud Etschlüssel vo Iformatioe befasst. Beisiel Iteretkommuikatio: Versiegel (Itegrität der Nachricht) Sigiere
MehrSortieren DNA-Array oder DNA-Chip
Sortiere DNA-Array oder DNA-Chip Jeder Pukt des Feldes repräsetiert ei Ge g i des Mesche. Ei Ge ist der Baupla eies molekulare Bausteis useres Körpers. Mittels eies DNA-Chips ka ma gleichzeitig für viele
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
MehrMethode der kleinsten Quadrate
Methode der kleiste Quadrate KAPITEL 5: REGRESSIONSRECHNUNG Die Methode der kleiste Quadrate (MklQ) ist ei Verfahre zur Apassug eier Fuktio a eie Puktwolke. Agewadt wird sie beispielsweise, um eie Gesetzmäßigkeit
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
MehrIndex. Majorante, 24 Minorante, 23. Partialsumme, 17
Folge, Reihe Idex Kovergezkriterie Hauptkriterium, Leibiz-Kriterium, Majoratekriterium, 4 Mioratekriterium, otwediges Kriterium, 0 Quotietekriterium, teleskopierede Summe, Wurzelkriterium, Majorate, 4
Mehr2. Schätzverfahren 2.1 Punktschätzung wirtschaftlicher Kennzahlen. Allgemein: Punktschätzung eines Parameters:
. Schätzverfahre. Puktschätzug wirtschaftlicher Kezahle Allgemei: Puktschätzug eies Parameters: Ermittlug eies Schätzwertes für eie ubekate Parameter eier Zufallsvariable i der Grudgesamtheit mit Hilfe
MehrLektion II Grundlagen der Kryptologie
Lektio II Grudlage der Kryptologie Klassische Algorithme Ihalt Lektio II Grudbegriffe Kryptologie Kryptographische Systeme Traspositioschiffre Substitutioschiffre Kryptoaalyse Übuge Vorlesug Datesicherheit
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 =
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,
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
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,
MehrÜBUNGSBLATT 4 LÖSUNGEN MAT121/MAT131 ANALYSIS I HERBSTSEMESTER 2010 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 4 LÖSUNGEN MAT/MAT3 ANALYSIS I HERBSTSEMESTER 00 PROF. DR. AMILLO DE LELLIS Aufgabe. Etscheide Sie für folgede Folge (wobei N \ {0}), ob diese koverget sid, ud bereche sie gegebeefalls ihre
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,
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
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?
Mehr1 Analysis T1 Übungsblatt 1
Aalysis T Übugsblatt A eier Weggabelug i der Wüste lebe zwei Brüder, die vollkomme gleich aussehe, zwische dee es aber eie gewaltige Uterschied gibt: Der eie sagt immer die Wahrheit, der adere lügt immer.
MehrTaylorreihen und ihre Implementierung mit JAVA: n 0
Taylorreihe ud ihre Implemetierug mit JAVA: Taylorpolyome sid gazratioale Futioe T(), welche eie bestimmte adere Futio f() i der Umgebug eier vorgegebee Stelle approimiere. å T ( ) = a ( - ) = a + a (
MehrDurch das Borgen steht an der Zehner-Stelle jetzt nur noch eine 1 statt einer 2
.9 Subtraktio 7.9 Subtraktio Allgemei Bezeichuge: Miued Subtrahed = Differez Die Subtraktio zweier Zahle wird stelleweise ausgeführt. Dabei ka es vorkomme, dass eie größere Zahl vo eier kleiere Zahl subtrahiert
MehrQuantenmechanik I. Musterlösung 12.
Quatemechaik I. Musterlösug 1. Herbst 011 Prof. Reato Reer Übug 1. Ster-Gerlach (19). Ei Strahl aus ugeladee Teilche mit Spi s = 1 läuft etlag der x-achse ud durchquert ei i z-richtug stark ihomogees Magetfeld.
MehrÜbungen zur Infinitesimalrechnung 2, H.-C. Im Hof 19. März Blatt 4. Abgabe: 26. März 2010, Nachmittag. e x2 dx + e x2 dx = 2 e x2 dx
Übuge zur Ifiitesimalrechug, H.-C. Im Hof 9. März Blatt 4 Abgabe: 6. März, Nachmittag Aufgabe. Zeige e x dx π. Beweis. Wir bemerke als erstes, dass e x dx e x dx + e x dx e x dx formal sieht ma dies per
MehrÜbung 1 Algorithmen II
Yaroslav Akhremtsev, Demia Hespe yaroslav.akhremtsev@kit.edu, hespe@kit.edu Mit Folie vo Michael Axtma (teilweise) http://algo2.iti.kit.edu/algorithmeii_ws17.php - 0 Akhremtsev, Hespe: KIT Uiversität des
MehrKovarianz und Korrelation
Kapitel 2 Kovariaz ud Korrelatio Josef Leydold c 2006 Mathematische Methode II Kovariaz ud Korrelatio 1 / 41 Lerziele Mathematische ud statistische Grudlage der Portfoliotheorie Kovariaz ud Korrelatio
Mehr