Genome Rearrangements
|
|
- Berthold Althaus
- vor 7 Jahren
- Abrufe
Transkript
1 Schriftliche Ausarbeitung zum Vortrag über Genome Rearrangements im Proseminar Bioinformatik (Sommersemester 2011) Verfasser: Christof Schramm Betreuer: Prof. Heun
2 1 Biologischer Hintergrund Ein wichtiges Ziel der Bioinformatik ist es, Verwandtschaftsbeziehungen zwischen Arten zu untersuchen. Die Resultate derartiger Untersuchungen sind für die biologische Grundlagenforschung sehr wichtig, da sie ein Verstehen von Evolutionsvorgängen in der Vergangeneit ermöglichen. Die normale Herangehensweise zum Ermitteln des Verwandtschaftsgrades mehrerer Arten ist, ein Gen auszuwählen, welches im Genom jeder Art vorkommt, und dann ein Ähnlichkeitsmaß zwischen den verschiedenen Ausprägungen des Gens in den jeweiligen Genomen zu bilden. Diese Ähnlichkeitsmaße verwenden zumeist Mutationen an einzelnen Positionen oder Teilabschnitten der Nukleotidsequenz oder der Aminosäuresequenz des vom Gen codierten Proteins. Ein sehr einfaches Beispiel ist die p-distance[3], ein einfaches Maß für die Anzahl der Mutationen an einzelnen Positionen der Nukleotidsequenz, die nötig sind, um eine Sequenz A in eine Sequenz B zu überführen: p= d L L = Anzahl der Positionen im Gen, d = Unterschiedliche Positionen In manchen Fällen kann es jedoch sein, dass man beim paarweisen Vergleich von Genen kaum Mutationen vorfindet, so zum Beispiel in den Genomen von Mitochondrien oder Chloroplasten verschiedener Arten oder den Genen der X-Chromosomen der Säugetiere[2]. Obwohl die Sequenzen der einzelnen Gene in diesen Fällen fast identisch sind, wurden bei näherer Untersuchung oft große Unterschiede in der Genandordnung entdeckt. Solche Änderungen in der Genanordnung bezeichnet man als Genome-Rearrangements. Ähnlich wie mit einzelnen Mutationen kann man auch Ähnlichkeitsmaße erstellen, die auf Genome- Rearrangements beruhen. Man ermittelt dazu die minimal benötigte Anzahl von Rearrangements, die benötigt wird, um jeweils ein Genom in ein anderes zu überführen. Es gibt verschiedene Arten von Genome-Rearrangements. Hier seien vorgestellt: Transposition: Verschiebung einer Folge von Genen innerhalb eines Chromosoms ohne Umkehrung der Reihenfolge Reziproke Transposition: Vertauschung der Endabschnitte zweier Chromosomen Reversal: Umkehrung einer Genfolge innerhalb eines Chromosoms ohne Verschiebung. Es sind auch noch weitere Arten von Genome-Rearrangements denkbar, aber im Folgenden wird ein vereinfachter Fall betrachtet, der voraussetzt, dass es nur Reversals gibt, dass kein Gen doppelt vorkommt und dass das gesamte Genom aus einem einzigen Chromosom besteht. Wir suchen also nach einem Algorithmus, der die minimale Anzahl an Reversals benötigt, um eine lineare Gen-Folge ohne Duplikate in eine andere umzuwandeln. 1
3 2 Abstraktion & Definitionen In diesem Abschnitt wird das Problem etwas formaler dargestellt. Dies dient dem einfachen Zweck, ein besseres Verständnis der Problemstellung zu erarbeiten und ein präziseres Vokabular für die nachfolgende Darstellung eines Lösungsansatzes zu erhalten. Zunächst einmal können wir die Folge von Genen auf dem Chromosom A einfach als aufsteigende Folge (1,...,n) darstellen. Die Folge auf dem Chromosom, zu dem der evolutionäre Abstand ermittelt werden soll, kann damit einfach als Permutation π=(π 1,..., π n ) der Folge (1,...,n) dargestellt werden. Die identische Permutation ist die Permutation, für die gilt: π 1 =1,..., π n =n. Im Folgenden werden wir die erweiterte Darstellung der Permutation π, bezeichnet mit ext(π) benutzen. Diese ist dadurch definiert, dass am Anfang der Permutation π ein Element π 0 =0 eingefügt, und am Ende ein Element π n+1 =n+1 angehängt wird. Wenn in den folgenden Abschnitten von der Permutation π die Rede ist, so ist die erweiterte Darstellung gemeint. Diese Schreibweise wurde zur Vereinfachung gewählt Nun definieren wir einige Merkmale einer Permutation π, die uns den weiteren Umgang damit erheblich erleichtern. Das wichtigste sind Breakpoints, welche umgangssprachlich ausgedrückt kontinuierlich aufsteigende oder absteigende Teile der Permutation voneinander trennen. Genauer ist ein Breakpoint ein Paar (i,i+1),so dass π i π i+1 >1. Die Anzahl k der Breakpoints von π wird angegeben durch k=brp(π). Aus der obigen Definition eines Breakpoints folgt direkt die Definition von Strips. Sei k = brp(π) und seien (i 1,i 1 +1),...,(i k,i k +1) mit i 1 <...<i k die Breakpoints von π. Dann sind die Teilfolgen s 0 =(π 0,...,π i1 ),..., s k =(π ik +1,...,π n+1 ) die Strips von π. Die Strips von π stellen also kontinuierliche Abschnitte da, innerhalb derer jedes Element immer um eins größer oder kleiner ist als das vorhergehende. Gleichheit kann aufgrund unserer Forderung, dass jedes Gen nur einmal vorkommt, nicht zustande kommen. Ein Strip s j ist damit entweder aufsteigend, falls π i j +1<...<π i j+1, oder absteigend, falls π i j +1>...>π i j+1. Einelementige Strips definieren wir als absteigend, es sei denn, es handelt sich um den ersten Strip s 0 =π 0 oder um den letzten Strip s k =π n+1. Beispiel: Sei π = ( ). Diese Permutation hat folgende fünf Breakpoints: (0,1), (3,4),(8,1),(2,6) und (6,10). Damit folgt, dass die π sechs Strips hat: s 0 =(0), s 1 =(5,4,3), s 2 =(7,8), s 3 =(1,2), s 4 =(6), s 5 =(9,10). Folgende Strips sind aufsteigend: s 0, s 2, s 3,s 5. Die restlichen Strips sind absteigend. Zu letzt noch die genaue Definition eines Reversals: Ein (i,j) Reversal ist eine Umkehrung ρ(i,j), so dass gilt π ρ(i, j)=(π 1,..., π i 1,π j,π j 1,...,π i+1,π i,π j +1,...,π n ) für 1 i< j n 3 Beobachtungen Beobachtung 1 In diesem Abschnitt wird gezeigt, dass man, sobald in einer Permutation mindestens ein absteigender Strip vorhanden ist, ein Reversal durchführen kann, welches einen Breakpoint eliminert. Der Beweis erfolgt so, dass zunächst gezeigt wird, dass in gewissen Situationen ein Breakpoint eliminert werden kann. Anschliessend wird gezeigt, dass eine dieser Situationen immer vorkommen muss, sobald ein absteigender Strip in der Permutation existiert. 2
4 Teil 1: Ist k {0,..., n+1} ein Element von ext(π), liegt k in einem absteigenden Strip und liegt k- 1 in einem aufsteigenden Strip von ext(π), dann existiert ein Reversal ρ, welches garantiert einen Breakpoint eliminiert. Die Begründung hierfür ist, dass sowohl k als auch k-1 Teil eines Breakpoints sein müssen weil sie jeweils das rechts stehende Element ihres Strips sind. Das Reversal ρ ist damit jenes Reversal, welches k-1 neben k platziert, wodurch dieser Breakpoint eliminiert wird. Dabei ist zu beachten, dass es keine Rolle spielt, ob der aufsteigende Strip in der Permutation vor oder nach dem absteigenden liegt. Dieser Beweis lässt sich analog auch für die These führen, dass falls l {0,...,n+1} in einem absteigenden Strip - und l+1 in einem Aufsteigenden Stirp von π liegt ein Reversal σ existiert, welches auch einen Breakpoint eliminiert. Teil 2: Jetzt sei π eine Permutation mit mindestens einem absteigenden Strip. Dann lässt sich der erste Fall aus Teil 1 dieses Beweises immer zur Anwendung bringen. Ersichtlich wird dies, wenn man das kleinste Element k aus allen absteigenden Strips von π betrachtet. Dann muss k-1 in einem aufsteigenden Strip liegen. Hier ist besonders zu beachten, dass das Element π 0 =0 welches mit der erweiterten Darstellung von π eingeführt wurde immer in einem aufsteigenden Strip liegt, auch wenn es alleine steht. Erst durch dieses Element ist garantiert, dass der erste Strip der Permutation ein aufsteigender ist, und nur deshalb gilt dieser Beweis für jede Permutation. Beobachtung 2 In diesem Abschnitt wird gezeigt, dass man, sobald der Fall vorliegt, dass π keine absteigenden Strips hat, ein Reversal durchführen kann, welches die Anzahl der Breakpoints nicht erhöht, falls π nicht die identische Permutation ist. Zunächst zeigen wir, dass π mindestens zwei Breakpoints hat, sobald es nicht die identische Permutation ist. Dazu rufen wir uns noch einmal die Merkmale der erweiterten Darstellung der Permutation in Erinnerung, insbesondere sind hier die an die Enden angefügten Elemente π 0 =0 und π n+1 =n+1 wichtig, welche immer in aufsteigenden Strips liegen. Sind π 0 und π n+1 Elemente des selben Strips, so wäre π die identische Permutation. Deshalb existieren die zwei aufsteigenden Strips s 0 =(π 0,...,π i ) und s k =(π j,...,π n+1 ). Damit existieren mindestens die Breakpoints (i,i+1) und (j,j-1) [1]. Führt man ein Reversal ρ = (i+1,j-1) aus, so macht man aus den dazwischenliegenden Strips Absteigende, erzeugt jedoch keinen neuen Breakpoint, da die Anzahl der Breakpoints im umgedrehten Stück sich nicht verringert. Durch die Beobachtungen 2 und 3 ist schon ein Algorithmus impliziert, welcher das MinSR Problem löst, im Folgenden wird jedoch noch eine weitere Besonderheit betrachtet, welche dem dann folgenden Algorithmus einige wichtige später näher erläuterte Eigenschaften verleiht. Beobachtung 3 Die Permutation π besitze jetzt mindestens einen absteigenden Strip. Seien k, l {0,..., n+1} Elemente der Permutation. Sei k das kleinste Element aus allen absteigenden Strips, und l das größte Element aus allen absteigenden Strips (es muss wie schon im Vortrag erwähnt nicht der Selbe sein). Sei nun ρ das Reversal, welches k-1 neben k platziert, und σ das Reversal, welches l neben l+1 platziert. Falls nun πρ und πσ keine absteigenden Strips enthalten, so gilt ρ=σ und brp(πρ) = brp 2. Beim Beweis dieser Behauptung wird auf den ersten Teil des Beweises der Beobachtung 1 zurück gegriffen. 3
5 Da k das kleinste Element aus allen absteigenden Strips ist, muss k-1 in einem aufsteigenden Strip liegen. Läge nun k-1 in π rechts von k, so würde das Reversal ρ den aufsteigenden Strip in dem k-1 liegt so umdrehen, dass k-1 neben k läge, dann entstünde jedoch keine Permutation ohne absteigenden Strip. Aufgrund dieser Tatsache ist davon auszugehen, dass k-1 in π links von k liegt. Ebenso kann man folgern, dass l+1 in π rechts von l liegen muss, da πσ sonst absteigende Strips enthielte. Nun können wir ausserdem aus den gestellten Bedingungen folgern, dass k in dem von σ umgedrehten Teil der Permutation liegen muss, da sonst ein absteigender Teil der Permutation erhalten bliebe. Ebenso können wir folgern, dass l in dem von ρ umgedrehten Teil der Permutation liegen muss da sonst der absteigende Strip in dem l liegt erhalten bliebe. Durch Widerspruch wird gezeigt, dass ρ=σ gelten muss. Dass sich die Anzahl der Breakpoints nach dem Reversal um 2 verringert folgt einfach aus der Tatsache, dass l neben l+1 platziert wird, und k neben k-1(k, k-1, l und l-1 sind Teile von Breakpoints). Angenommen es gilt ρ σ, dann muss ein Strip s x existieren, der nur von einem beiden Reversals beeinflusst wird, sei dies o.b.d.a. in diesem Fall ρ. Ist s x in π aufsteigend, dann ist er in πρ absteigend, dies ist jedoch nach den gegeben Voraussetzungen ausgeschlossen. Ist s x in π absteigend, dann würde er in πσ erhalten beliben, damit würden wir jedoch gegen die Bedingung verstoßen, dass sowohl πρ als auch πσ keine absteigenden Strips mehr enthalten dürfen. Damit muss gelten ρ=σ[1]. 4 Beschreibung des Algorithmus Nun betrachten wir den Algorithmus, welcher durch die Beobachtungen 1,2 und 3 impliziert wird: 1: Eingabe: Permutation π der Länge n 2: rev = () //Liste der durchgeführten Reversals 3: solange π nicht die identische Permutation 4: falls π hat absteigende Strips 5: Bestimme kleinstes Element k der absteigenden Strips von π 6: Bestimme Position i von k und Position i' von k-1 7: ρ=(i'+1,i) 8: falls πρ hat keine absteigenden Strips 9: Bestimme das größte Element l der absteigenden Strips von π 10: Bestimme die Position j von l in π und die Postion j' von l+1 in π 11: ρ=(j,j'-1) 12: sonst // π hat keinen absteigenden Strip 13: ρ = (Reversal zwischen den ersten beiden Breakpoints von π) 15: π = πρ 15: rev += ρ 16: Rückgabe rev Die Zeilen 12 und 13 sorgen dafür, dass die Permutation einen absteigenden Strip bekommt, sofern sie keinen (mehr) hat. Damit macht sie sich Beobachtung 2 zu nutze. Beobachtung 1 kommt in den Zeilen 5-7 zur Verwendung, indem einfach das kleinste Element in der absteigenden Strips von π neben das nächst kleinere gestellt wird, dadurch wird ein Breakpoint eliminiert. 4
6 Beobachtung 3 wird in den Zeilen 8-11 verwendet, und ist besonders wichtig, da sie garantiert, dass der Algorithmus im Durchschnitt pro Schritt einen Breakpoint entfernt. Ist πρ frei von absteigenden Strips, so wurden entweder gemäß Beobachtung 3 zwei Breakpoints eliminiert, oder es wurde nur ein Breakpoint eliminiert, dann ist aber das Reversal σ welches das größte Element l neben l+1 platziert nicht gleich ρ und es wird zwar auch ein Breakpoint eliminiert, aber dafür πσ hat wieder einen absteigenden Strip. Daraus folgt, dass falls die durch ein Reversal ρ resultierende Permutation πρ keinen absteigenden Strip mehr enthält, zwei Breakpoints entfernt werden. Da aber das Einführen eines absteigenden Strips keinen Breakpoint entfernt, balancieren sich diese beiden Operationen aus, und entfernen im Durchschnitt einen Breakpoint. Da das letzte Reversal immer zwei Breakpoints entfernt, wird Ausserdem der mögliche Fall ausgeglichen, dass die Ausgangspermutation keinen absteigenden Strips enthält. Damit wird im Durchschnitt pro Schleifendurchlauf ein Breakpoint entfernt. 5 Laufzeitanalyse und Vergleich mit anderen Verfahren In diesem Abschnitt wird die Laufzeit des Algorithmus analysiert und unser Ergebniss mit dem theorethisch möglichen Optimum verglichen. Zum Abschluss wird noch kurz auf performantere existierende Algorithmen eingegangen. Wie oben dargelegt entfernt unser Algorithmus pro Schleifendurchlauf im Mittel einen Breakpoint, damt ist die Anzahl der Schleifendurchläufe O(n). In jedem Schleifendurchlauf müssen zunächst die Strips bestimmt werden, was ebenso wie die Bestimmung der kleinsten / größten Elemente in linearer Laufzeit erfolgt. Die Durchführung des Reversals selbst erfolgt auch in linearer Laufzeit, damit ist der gesamte Algorithmus O(n²). Ein optimaler Algorithmus würde pro Reversal zwei Breakpoints entfernen, dies ist jedoch nur möglich, wenn man Reversals druchführt, welche auch innerhalb von Strips ansetzen, dies ist jedoch nicht ohne weiteres in polynomieller Laufzeit möglich. Der vorgestellte Algorithmus braucht im Vergleich zum möglichen Optimum also das 2-fache an Reversals. Der beste bisher bekannte Algorithmus für die Lösung des Problems (von Berman, Hannenhalli und Karpinski) benötigt jedoch nur das 1,375-fache der Vergleiche die der optimale Algorithmus benötigt.[1] Damit erzielt er zwar weitaus bessere Ergebnisse als der Algorithmus, welcher hier vorgestellt wurde, aber er beruht auf komplizierten Berechnungen, welche sich nicht im Rahmen eines Proseminars bearbeiten lassen. 5
7 6 Literaturverzeichnis [1] H.-J. Böckenhauer, D.Bongratz: Algorithmische Grundlagen der Bioinformatik - Modelle, Methoden und Komplexität, B.G. Teubner Verlag, 2003, Abschnitt 10.1und 10.2 [2] P. Pevzner: Computational Molecular Biology An Algorithmic Approach, MIT Press, 2000, Abschnitt 10.1 [3] M. Zvelebil, J.O. Baum: Understanding Bioinformatics, Garland Science, 2008, Abschnitt 8.1 6
Algorithmen für paarweise Sequenz-Alignments. Katharina Hembach
Proseminar Bioinformatik WS 2010/11 Algorithmen für paarweise Sequenz-Alignments Katharina Hembach 06.12.2010 1 Einleitung Paarweise Sequenz-Alignments spielen in der Bioinformatik eine wichtige Rolle.
MehrEffiziente Algorithmen Übung 2
Effiziente Algorithmen Übung 2 Aufgabe 3 Circular Reversal Sort Gruppe E Martin Schliefnig, 0160919 Christoph Holper, 9927191 Ulrike Ritzinger, 0125779 1. Problemstellung Ein DNA Molekül muss nicht immer
Mehrbekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
MehrAusarbeitung zum Modulabschluss. Graphentheorie. spannende Bäume, bewertete Graphen, optimale Bäume, Verbindungsprobleme
Universität Hamburg Fachbereich Mathematik Seminar: Proseminar Graphentheorie Dozentin: Haibo Ruan Sommersemester 2011 Ausarbeitung zum Modulabschluss Graphentheorie spannende Bäume, bewertete Graphen,
MehrÜbungsblatt 2 - Lösung
Institut für Theoretische Informatik Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 2 - Lösung Vorlesung Algorithmentechnik im WS 08/09 Ausgabe 04. November 2008 Abgabe 8. November, 5:0 Uhr (im Kasten vor Zimmer
Mehr2. Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung
2 Woche Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 2 Woche: Eindeutige Entschlüsselbarleit, Sätze von Kraft und McMillan, Huffmancodierung 24/ 44 Zwei Beispiele a 0
MehrPermutationen und symmetrische Gruppe
Permutationen und symmetrische Gruppe Für eine beliebige Menge M bilden die Bijektionen von M in M, versehen mit der Komposition von Abbildungen als Operation, eine Gruppe, die sogenannte symmetrische
MehrDer folgende Vortrag basiert auf dem Text A Polynomial Time Algorithm for the N-Queens Problem von Rok Sosic und Jun Gu aus dem Jahre 1990.
Ein polynomieller Algorithmus für das N-Damen Problem 1 Einführung Der folgende Vortrag basiert auf dem Text A Polynomial Time Algorithm for the N-Queens Problem von Rok Sosic und Jun Gu aus dem Jahre
MehrVervollständigung Lateinischer Quadrate
Vervollständigung Lateinischer Quadrate Elisabeth Schmidhofer 01.12.2013 Inhaltsverzeichnis 1 Vorwort 3 2 Einleitung 4 2.1 Beispele.............................................. 4 3 Lateinische Quadrate
Mehr1 Algebraische Grundbegriffe
1 Algebraische Grundbegriffe Eine Algebra besteht aus einer Trägermenge S sowie eineroder mehreren Operationen. Eine Operation ist dabei eine k-stellige Abbildung, d.h. es gilt für eine Operation f f S
MehrVorlesung Informatik 2 Algorithmen und Datenstrukturen. (25 Sortieren vorsortierter Daten)
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (25 Sortieren vorsortierter Daten) 1 Untere Schranke für allgemeine Sortierverfahren Satz Zum Sortieren einer Folge von n Schlüsseln mit einem allgemeinen
MehrAlgorithmische Anwendungen WS 2005/2006
Algorithmische Anwendungen WS 2005/2006 Sequenzalignment Gruppe F_lila_Ala0506 Allal Kharaz Yassine ELassad Inhaltsverzeichnis 1 Problemstellungen...................................... 3 1.1 Rechtschreibkorrektur...............................
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrStudiengang Informatik der FH Gießen-Friedberg. Sequenz-Alignment. Jan Schäfer. WS 2006/07 Betreuer: Prof. Dr. Klaus Quibeldey-Cirkel
Studiengang Informatik der FH Gießen-Friedberg Sequenz-Alignment Jan Schäfer WS 2006/07 Betreuer: Prof. Dr. Klaus Quibeldey-Cirkel Überblick Einführung Grundlagen Wann ist das Merkmal der Ähnlichkeit erfüllt?
Mehr1. Einleitung wichtige Begriffe
1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und
MehrIsomorphie von Bäumen
Isomorphie von Bäumen Alexandra Weinberger 23. Dezember 2011 Inhaltsverzeichnis 1 Einige Grundlagen und Definitionen 2 1.1 Bäume................................. 3 1.2 Isomorphie..............................
Mehr5. Äquivalenzrelationen
5. Äquivalenzrelationen 35 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will, so kann es sinnvoll sein, zunächst kleinere, einfachere Mengen (bzw. Gruppen)
MehrAxiomatische Beschreibung der ganzen Zahlen
Axiomatische Beschreibung der ganzen Zahlen Peter Feigl JKU Linz peter.feigl@students.jku.at 0055282 Claudia Hemmelmeir JKU Linz darja@gmx.at 0355147 Zusammenfassung Wir möchten in diesem Artikel die ganzen
MehrKomplexität von Algorithmen
Komplexität von Algorithmen Prof. Dr. Christian Böhm WS 07/08 in Zusammenarbeit mit Gefei Zhang http://www.dbs.informatik.uni-muenchen.de/lehre/nfinfosw Ressourcenbedarf - Größenordnungen Prozesse verbrauchen
Mehr2. Symmetrische Gruppen
14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen
MehrSummen, Indices und Multiindices
Summen, Indices und Multiindices 1 Einleitung Möchten wir zwei Zahlen a und b addieren, so schreiben wir für gewöhnlich a + b. Genauso schreiben wir a + b + c, für die Summe von drei Zahlen a, b und c.
MehrDie Unlösbarkeit der Gleichung fünften Grades durch Radikale. Teilnehmer: Gruppenleiter:
Die Unlösbarkeit der Gleichung fünften Grades durch adikale Teilnehmer: Max Bender Marcus Gawlik Anton Milge Leonard Poetzsch Gabor adtke Miao Zhang Gruppenleiter: Jürg Kramer Andreas-Oberschule Georg-Forster-Oberschule
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
MehrAlgorithmische Bioinformatik 1
Algorithmische Bioinformatik 1 Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Sommersemester 2009 Übersicht Paarweises
MehrCauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit
Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das
MehrLineare Algebra 6. Übungsblatt
Lineare Algebra 6. Übungsblatt Fachbereich Mathematik M. Schneider 16.05.01 Konstantin Pertschik, Daniel Körnlein Gruppenübung Aufgabe G19 Berechnen Sie das inverse Element bzgl. Multiplikation in der
Mehr4.13. Permutationen. Definition. Eine Permutation der Elementen {1,..., n} ist eine bijektive Abbildung
43 Permutationen Definition Eine Permutation der Elementen {,, n} ist eine bijektive Abbildung σ : {,,n} {,,n} Es ist leicht zu sehen, dass die Hintereinanderführung zweier Permutationen ergibt wieder
MehrBioinformatik. Lokale Alignierung Gapkosten. Silke Trißl / Ulf Leser Wissensmanagement in der. Bioinformatik
Bioinformatik Lokale Alignierung Gapkosten Silke Trißl / Ulf Leser Wissensmanagement in der Bioinformatik Inhalt dieser Vorlesung Ähnlichkeit Lokales und globales Alignment Gapped Alignment Silke Trißl:
Mehrkontextfreie Grammatiken Theoretische Informatik kontextfreie Grammatiken kontextfreie Grammatiken Rainer Schrader 14. Juli 2009 Gliederung
Theoretische Informatik Rainer Schrader Zentrum für Angewandte Informatik Köln 14. Juli 2009 1 / 40 2 / 40 Beispiele: Aus den bisher gemachten Überlegungen ergibt sich: aus der Chomsky-Hierarchie bleiben
Mehr15. Elementare Graphalgorithmen
Graphen sind eine der wichtigste Modellierungskonzepte der Informatik Graphalgorithmen bilden die Grundlage vieler Algorithmen in der Praxis Zunächst kurze Wiederholung von Graphen. Dann Darstellungen
MehrProseminar Online Algorithmen, Prof. Dr. Rolf Klein
Proseminar Online Algorithmen, Prof. Dr. Rolf Klein Vortrag von Michael Daumen am 13.12.2000 Thema : Minimum Spanning Tree und 2-Approximation der TSP-Tour Inhalt des Vortrags : 1. genaue Vorstellung des
MehrDIE SPRACHE DER WAHRSCHEINLICHKEITEN
KAPITEL 1 DIE SPRACHE DER WAHRSCHEINLICHKEITEN Es ist die Aufgabe der ersten drei Kapitel, eine vollständige Beschreibung des grundlegenden Tripels (Ω, A, P) und seiner Eigenschaften zu geben, das heutzutage
MehrKlausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13)
Berlin, 21. Februar 2013 Name:... Matr.-Nr.:... Klausur Informatik-Propädeutikum (Niedermeier/Hartung/Nichterlein, Wintersemester 2012/13) 1 2 3 4 5 6 7 8 9 Σ Bearbeitungszeit: 90 min. max. Punktezahl:
MehrKapitel 3. Natürliche Zahlen und vollständige Induktion
Kapitel 3 Natürliche Zahlen und vollständige Induktion In Kapitel 1 haben wir den direkten Beweis, den modus ponens, kennen gelernt, der durch die Tautologie ( A (A = B) ) = B gegeben ist Dabei war B eine
MehrSkalarprodukt, Norm & Metrik
Skalarprodukt, Norm & Metrik Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 11. Mai 2016 Stefan Ruzika 5: Skalarprodukt, Norm & Metrik 11. Mai 2016 1 / 13 Gliederung 1
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
Mehr5 Grundlagen der Zahlentheorie
5 Grundlagen der Zahlentheorie 1 Primfaktorzerlegung Seienm, n N + := {k N k > 0} Man schreibt n n, gesprochen m teilt n oder m ist ein Teiler von n, wenn es eine positive natürliche Zahl k gibt mit mk
MehrEinführung in die linearen Funktionen. Autor: Benedikt Menne
Einführung in die linearen Funktionen Autor: Benedikt Menne Inhaltsverzeichnis Vorwort... 3 Allgemeine Definition... 3 3 Bestimmung der Steigung einer linearen Funktion... 4 3. Bestimmung der Steigung
MehrFormale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016
Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2015/2016 Teil 3: Kodierung 1 Motivation 2 Exkurs Grundlagen formaler Sprachen 3 Grundlagen 4 Beispielkodierungen FM2 (WS 2014/15,
MehrVorlesung Datenbanktheorie. Church-Rosser-Eigenschaft der Verfolgungsjagd. Berechnung von chase(t, t, Σ) Vorlesung vom Mittwoch, 05.
Vorlesung Datenbanktheorie Nicole Schweikardt Humboldt-Universität zu Berlin Sommersemester 2006 Vorlesung vom Mittwoch, 05. Juli 2006 Letzte Vorlesung: Kurze Bemerkungen zum Armstrong-Kalkül The Chase:
Mehr8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem
8 Der Kompaktheitssatz und der Satz von Löwenheim und Skolem 8.1 Der Kompaktheitssatz Kompaktheitssatz Endlichkeitssatz Der Kompaktheitssatz ist auch unter dem Namen Endlichkeitssatz bekannt. Unter Verwendung
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
MehrKapitel 7: Sequenzen- Alignierung in der Bioinformatik
Kapitel 7: Sequenzen- Alignierung in der Bioinformatik VO Algorithm Engineering Professor Dr. Petra Mutzel Lehrstuhl für Algorithm Engineering, LS11 19. VO 14. Juni 2007 1 Literatur für diese VO Volker
MehrAlignment-Verfahren zum Vergleich biologischer Sequenzen
zum Vergleich biologischer Sequenzen Hans-Joachim Böckenhauer Dennis Komm Volkshochschule Zürich. April Ein biologisches Problem Fragestellung Finde eine Methode zum Vergleich von DNA-Molekülen oder Proteinen
MehrLösungen zur 1. Klausur. Einführung in Berechenbarkeit, formale Sprachen und Komplexitätstheorie
Hochschuldozent Dr. Christian Schindelhauer Paderborn, den 21. 2. 2006 Lösungen zur 1. Klausur in Einführung in Berechenbarkeit, formale Sprachen und Komplexitätstheorie Name :................................
Mehr01. Gruppen, Ringe, Körper
01. Gruppen, Ringe, Körper Gruppen, Ringe bzw. Körper sind wichtige abstrakte algebraische Strukturen. Sie entstehen dadurch, dass auf einer Menge M eine oder mehrere sogenannte Verknüpfungen definiert
MehrMinimal spannende Bäume
Minimal spannende Bäume Ronny Harbich 4. Mai 006 (geändert 19. August 006) Vorwort Ich danke Patrick Bahr und meinem Bruder Steffen Harbich für die Unterstützung bei dieser Arbeit. Sie haben sowohl zu
Mehr7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.
7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
Mehr7. Sortieren Lernziele. 7. Sortieren
7. Sortieren Lernziele 7. Sortieren Lernziele: Die wichtigsten Sortierverfahren kennen und einsetzen können, Aufwand und weitere Eigenschaften der Sortierverfahren kennen, das Problemlösungsparadigma Teile-und-herrsche
MehrBin Packing oder Wie bekomme ich die Klamotten in die Kisten?
Bin Packing oder Wie bekomme ich die Klamotten in die Kisten? Ich habe diesen Sommer mein Abi gemacht und möchte zum Herbst mit dem Studium beginnen Informatik natürlich! Da es in meinem kleinen Ort keine
MehrDie Varianz (Streuung) Definition
Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ
MehrAlle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)).
8. Untere Schranken für Sortieren Alle bislang betrachteten Sortieralgorithmen hatten (worst-case) Laufzeit Ω(nlog(n)). Werden nun gemeinsame Eigenschaften dieser Algorithmen untersuchen. Fassen gemeinsame
MehrFolglich besitzt die kanonische Faktorisierung von Permutationen der Ordnung 2 nur 2-Zykeln, also Transpositionen, als Elemente.
Stefan K. 5.Übungsblatt Algebra I Aufgabe 1 gesucht: die Elemente von S n mit der Ordnung 2 Lösung: Wir betrachten die kanonische Faktorisierung einer Permutation π S n : jede Permutation π e Sn ist bis
MehrKlausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende
Universität Duisburg-Essen Essen, den 15.0.009 Fachbereich Mathematik Prof. Dr. M. Winkler C. Stinner Klausur zur Wahrscheinlichkeitstheorie für Lehramtsstudierende Lösung Die Klausur gilt als bestanden,
MehrAufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph.
Aufgabe 4.2 Sei G = (V, E, l) ein ungerichteter, gewichteter und zusammenhängender Graph. a) Es seien W 1 = (V, E 1 ), W 2 = (V, E 2 ) Untergraphen von G, die beide Wälder sind. Weiter gelte E 1 > E 2.
Mehr3 Klassifikation wichtiger Optimierungsprobleme
3 Klassifikation wichtiger Optimierungsprobleme 3.1 Das MIN- -TSP Wir kehren nochmal zurück zum Handlungsreisendenproblem für Inputs (w {i,j} ) 1 i
MehrEuklidische Distanzmatrizen. Andrei Grecu
Euklidische Distanzmatrizen Andrei Grecu Übersicht Motivation Definition und Problemstellung Algo 1: Semidefinite Programmierung Algo 2: Multidimensional Scaling Algo 3: Spring Embedder Algo 4: Genetischer
MehrMengen und Abbildungen
1 Mengen und bbildungen sind Hilfsmittel ( Sprache ) zur Formulierung von Sachverhalten; naive Vorstellung gemäß Georg Cantor (1845-1918) (Begründer der Mengenlehre). Definition 1.1 Eine Menge M ist eine
MehrRanking by Reordering Tobias Joppen
Ranking by Reordering Tobias Joppen 09.07.2014 Fachbereich Informatik Knowledge Engineering Prof. Johannes Fürnkranz 1 Überblick Einleitung Rank-differential Methode Idee Problemdefinition Beispiel Vereinfachung
Mehr16. All Pairs Shortest Path (ASPS)
. All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e
Mehr3. Musterlösung. Problem 1: Heapsort
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 3. Musterlösung Problem : Heapsort ** 2 3 4 5 Algorithmus : Heapsort (A) Eingabe : Array A der Länge n Ausgabe : Aufsteigend
MehrUniversität Zürich HS , Vorlesung #3
Algebraic Number Theory P. Habegger Universität Zürich HS 2010 6.10.2010, Vorlesung #3 1.4 Diskriminante Die primitivste Invariante eines Zahlkörpers ist sein Grad. Die Diskriminante eines Zahlkörpers
Mehr1. Gruppen. 1. Gruppen 7
1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.
MehrIm allerersten Unterabschnitt wollen wir uns mit einer elementaren Struktur innerhalb der Mathematik beschäftigen: Mengen.
Kapitel 1 - Mathematische Grundlagen Seite 1 1 - Mengen Im allerersten Unterabschnitt wollen wir uns mit einer elementaren Struktur innerhalb der Mathematik beschäftigen: Mengen. Definition 1.1 (G. Cantor.
MehrNP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
MehrDonnerstag, 11. Dezember 03 Satz 2.2 Der Name Unterraum ist gerechtfertigt, denn jeder Unterraum U von V ist bzgl.
Unterräume und Lineare Hülle 59 3. Unterräume und Lineare Hülle Definition.1 Eine Teilmenge U eines R-Vektorraums V heißt von V, wenn gilt: Unterraum (U 1) 0 U. (U ) U + U U, d.h. x, y U x + y U. (U )
MehrProblemreduktion durch Transformation am Beispiel des. Erweiterten Euklidschen Algorithmus
Problemreduktion durch Transformation am Beispiel des Erweiterten Euklidschen Algorithmus Wolfgang Windsteiger JKU Linz, A 4040 Linz, Austria Kurzfassung Transformation beschreibt im Wesentlichen die algorithmische
Mehr6 Reelle und komplexe Zahlenfolgen
$Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen
MehrDiskrete und Schnelle Fourier Transformation. Patrick Arenz
Diskrete und Schnelle Fourier Transformation Patrick Arenz 7. Januar 005 1 Diskrete Fourier Transformation Dieses Kapitel erläutert einige Merkmale der Diskreten Fourier Transformation DFT), der Schnellen
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrProseminarvortrag. Markov-Ketten in der Biologie (Anwendungen)
Proseminarvortrag Markov-Ketten in der Biologie (Anwendungen) von Peter Drössler 20.01.2010 2 Markov-Ketten in der Biologie (Peter Drössler, KIT 2010) Inhalt 1. Das Wright-Fisher Modell... 3 1.1. Notwendige
Mehr1. Übungsblatt zu Algorithmen II im WS 2011/2012
Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter Sanders Moritz Kobitzsch, Dennis Schieferdecker. Übungsblatt zu Algorithmen II im WS 0/0 http://algo.iti.kit.edu/algorithmenii.php
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
Mehr1 Zahlentheorie. 1.1 Kongruenzen
3 Zahlentheorie. Kongruenzen Der letzte Abschnitt zeigte, daß es sinnvoll ist, mit großen Zahlen möglichst einfach rechnen zu können. Oft kommt es nicht darauf, an eine Zahl im Detail zu kennen, sondern
MehrProf. Dr. Rudolf Scharlau, Stefan Höppner
Aufgabe 13. Bestimme alle Untergruppen der S 4. Welche davon sind isomorph? Hinweis: Unterscheide zwischen zyklischen und nicht zyklischen Untergruppen. Lösung. Die Gruppe S 4 besitzt die folgenden Elemente:
MehrADS: Algorithmen und Datenstrukturen 2
ADS: Algorithmen und Datenstrukturen 2 Teil 5 Prof. Peter F. Stadler & Dr. Christian Höner zu Siederdissen Bioinformatik/IZBI Institut für Informatik & Interdisziplinäres Zentrum für Bioinformatik Universität
MehrBeispiellösung zu den Übungen Datenstrukturen und Algorithmen SS 2008 Blatt 5
Robert Elsässer Paderborn, den 15. Mai 2008 u.v.a. Beispiellösung zu den Übungen Datenstrukturen und Algorithmen SS 2008 Blatt 5 AUFGABE 1 (6 Punkte): Nehmen wir an, Anfang bezeichne in einer normalen
MehrAlgo&Komp. - Wichtige Begriffe Mattia Bergomi Woche 6 7
1 Kürzeste Pfade Woche 6 7 Hier arbeiten wir mit gewichteten Graphen, d.h. Graphen, deren Kanten mit einer Zahl gewichtet werden. Wir bezeichnen die Gewichtsfunktion mit l : E R. Wir wollen einen kürzesten
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrWS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1)
WS 2016/17 Diskrete Strukturen Kapitel 3: Kombinatorik (1) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16
MehrLineare Algebra I. Lösung 3.1:
Universität Konstanz Wintersemester 2009/2010 Fachbereich Mathematik und Statistik Lösungsblatt 3 Prof. Dr. Markus Schweighofer 18.11.2009 Aaron Kunert / Sven Wagner Lineare Algebra I Lösung 3.1: (a) Sei
MehrTopologische Räume und stetige Abbildungen Teil 2
TU Dortmund Mathematik Fakultät Proseminar zur Linearen Algebra Ausarbeitung zum Thema Topologische Räume und stetige Abbildungen Teil 2 Anna Kwasniok Dozent: Prof. Dr. L. Schwachhöfer Vorstellung des
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 11 Prof. Dr. Helmut Seidl, S. Pott,
Mehr1 Mengen und Aussagen
$Id: mengen.tex,v 1.2 2010/10/25 13:57:01 hk Exp hk $ 1 Mengen und Aussagen Der wichtigste Grundbegriff der Mathematik ist der Begriff einer Menge, und wir wollen damit beginnen die klassische, 1878 von
Mehr23. November Betweenness Centrality Closeness Centrality. H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108
23. November 2011 Betweenness Centrality Closeness Centrality H. Meyerhenke: Algorithmische Methoden zur Netzwerkanalyse 108 Betweenness Centrality Grundlegende Idee: Ein Knoten ist wichtig, wenn er auf
MehrEuklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz
Tobias Kraushaar Kaiserstr. 178 44143 Dortmund Matr.- Nr.: 122964 Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz 1. EINLEITUNG... 2 2. HAUPTTEIL... 3 2.1. Der
MehrNichtdeterministische Platzklassen
Sommerakademie 2010 Rot an der Rot AG 1: Wieviel Platz brauchen Algorithmen wirklich? Nichtdeterministische Platzklassen Ulf Kulau August 23, 2010 1 Contents 1 Einführung 3 2 Nichtdeterminismus allgemein
MehrKlausur Algorithmen und Datenstrukturen II 10. August 2015
Technische Universität Braunschweig Sommersemester 2015 Institut für Betriebssysteme und Rechnerverbund Abteilung Algorithmik Prof. Dr. Sándor P. Fekete Dr. Christian Scheffer Klausur Algorithmen und Datenstrukturen
MehrMinimal spannender Baum
Minimal spannender Baum 16 1 2 21 5 11 19 6 6 3 14 33 10 5 4 18 Die Kreise zeigen die vorgesehenen Standorte neu zu errichtender Filialen einer Bank. Entlang der bestehenden Straßen sollen Telefonleitungen
Mehr2.2 Allgemeine (vergleichsbasierte) Sortierverfahren
. Allgemeine (vergleichsbasierte) Sortierverfahren Vergleichsbaum: Der Aufbau des Verbleichsbaum ist für jeden Algorithmus und jede Eingabelänge n gleich. Jede Permutation der Eingabe, muss zu einem anderen
MehrÜbung: Algorithmen und Datenstrukturen SS 2007
Übung: Algorithmen und Datenstrukturen SS 2007 Prof. Lengauer Sven Apel, Michael Claÿen, Christoph Zengler, Christof König Blatt 5 Votierung in der Woche vom 04.06.0708.06.07 Aufgabe 12 Manuelle Sortierung
MehrEin Tabellenverfahren zur Lösung linearer Gleichungssysteme
Ein Tabellenverfahren zur Lösung linearer Gleichungssysteme Holger Krug 17. Februar 2007 1 Das Tabellenverfahren Zum Lösen linearer Gleichungssysteme gibt es mehrere Verfahren. Alle Verfahren haben gemeinsam,
MehrThreading - Algorithmen
Threading - Algorithmen Florian Lindemann 22.11.2007 Florian Lindemann () Threading - Algorithmen 22.11.2007 1 / 25 Gliederung 1 Prospect Scoring Function Algorithmus Weitere Eigenschaften Komplexität
MehrKompaktheit und Überdeckungen. 1 Überdeckungskompaktheit
Vortrag zum Proseminar zur Analysis, 17.05.2010 Min Ge, Niklas Fischer In diesem Vortrag werden die Eigenschaften von kompakten, metrischen Räumen vertieft. Unser Ziel ist es Techniken zu erlernen, um
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
Mehr1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte. D. Horstmann: Oktober
1.1 Graphische Darstellung von Messdaten und unterschiedliche Mittelwerte D. Horstmann: Oktober 2014 4 Graphische Darstellung von Daten und unterschiedliche Mittelwerte Eine Umfrage nach der Körpergröße
MehrOnline-Algorithmen. Proseminar von Prof. Dr. Rolf Klein, Dr. Elmar Langetepe, Dipl. Inform. Thomas Kamphans im Wintersemester 00/01
Online-Algorithmen Proseminar von Prof. Dr. Rolf Klein, Dr. Elmar Langetepe, Dipl. Inform. Thomas Kamphans im Wintersemester 00/01 Vortrag Bin Packing von Thilo Geertzen 25. Oktober 2000 Online Algorithmen
MehrEvolutionäre Bäume. Madox Sesen. 30. Juni 2014
Evolutionäre Bäume Madox Sesen 30. Juni 2014 1 Einleitung Phylogenetische Bäume sind ein wichtiges Darstellungsmittel der Evolutionsforschung. Durch sie werden Verwandtschaftsbeziehungen zwischen Spezies
Mehr