2 Asymptotische Schranken

Ähnliche Dokumente
Die erste Zeile ("Nummerierung") denkt man sich also dazu. Häufig wird eine Indexschreibweise benutzt um ein Folgenglied zu kennzeichnen.

Nennenswertes zur Stetigkeit

Beweistechniken Vollständige Induktion - Beispiele, Erweiterungen und Übungen

Einführung in die Grenzwerte

Zahlenfolgen und Konvergenzkriterien

α : { n Z n l } n a n IR

4 Konvergenz von Folgen

Methoden: Heron-Verfahren, Erweiterung von Differenzen von Quadratwurzeln

4. Die Menge der Primzahlen. Bertrands Postulat

Musterlösung zu Blatt 8 der Vorlesung Analysis I WS08/09

Mathematik für Wirtschaftswissenschaftler Beispiele, Graken, Beweise. c Uwe Jensen

Seminar: Randomisierte Algorithmen Routenplanung in Netzwerken

6 Folgen. 6.4 Folgen reeller Zahlen. Mathematik für Informatiker B, SS 2012 Dienstag 5.6. $Id: folgen.tex,v /06/05 11:12:18 hk Exp $

5.7. Aufgaben zu Folgen

Klausur 1 über Folgen

6. Übungsblatt Aufgaben mit Lösungen + Selbsttest-Auflösung

von solchen Abbildungen. Eine solche Folge bestimmt für jedes x M die Folge der Werte f n. Schreibt man dies noch einmal formal hin, so erhält man:

Zahlenfolgen, Grenzwerte und Zahlenreihen

Lösungsskizzen Mathematik für Informatiker 5. Aufl. Kapitel 3 Peter Hartmann

Lösungen der Aufgaben zur Vorbereitung auf die Klausur Mathematik für Informatiker I

Allgemeine Lösungen der n-dimensionalen Laplace-Gleichung und ihre komplexe Variable

Kapitel 10. Rekursion

1.2. Taylor-Reihen und endliche Taylorpolynome

Exponentialfunktionen und die e- Funktion. Bei den bisher betrachteten Funktionen traten Exponenten nur als Zahlen auf.

Reihen Arithmetische Reihen Geometrische Reihen. Datei Nr (Neu bearbeitet und erweitert) Juni Friedrich W. Buckel

2. Diophantische Gleichungen

Ungleichungen werden mit Äquivalenzumformungen gelöst. Hierzu werden die sogenannten Monotoniegesetze angegeben.

Algorithmen und Datenstrukturen 1 VU Übungstest SS April 2012

3. Tilgungsrechnung Tilgungsarten

2 Vollständige Induktion

1 Einführende Worte 2

Statistik I/Empirie I

Exponentielles Wachstum

1. Zahlenfolgen und Reihen

Einführende Beispiele Arithmetische Folgen. Datei Nr SW. Das komplette Manuskript befindet sich auf der Mathematik - CD.

1.3 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 Lösungen zu Analysis 1/ 12.Übung

Übungen mit dem Applet Taylor-Entwickung von Funktionen

Nachklausur - Analysis 1 - Lösungen

Folgen und Reihen Glege 03/01

Mathematik Funktionen Grundwissen und Übungen

Prof. Dr. Roland Füss Statistik II SS 2008

1 Analysis T1 Übungsblatt 1

Übungen zur Vorlesung Funktionentheorie Sommersemester Musterlösung zu Blatt 11. c n (z a) n,

Zahlenlehre 1. Die Mathematik ist die Königin der Wissenschaften und die Zahlentheorie ist die Königin der Mathematik (Carl Friedrich Gauß)

Musterlösung zu Übungsblatt 2

... a ik) i=1...m, k=1...n A = = ( a mn

Kapitel 4: Stationäre Prozesse

SUCHPROBLEME UND ALPHABETISCHE CODES

Statistik I Februar 2005

Maximum Likelihood Version 1.6

WS 2009/10. Diskrete Strukturen

Übungen mit dem Applet Fourier-Reihen

Geometrische Folgen. Auch Wachstumsfolgen Viele Aufgaben. Lösungen nur auf der Mathe-CD Hier nur Ausschnitte. Datei Nr

TECHNISCHE UNIVERSITÄT MÜNCHEN

18 Exponentialfunktion und Logarithmus

Stetigkeit und Differenzierbarkeit. Vorlesung zur Didaktik der Analysis

Zusammenfassung Wirtschaftsinformatik Stefan Käßmann

(4) = 37,7 % mit 37,7 % Wahrscheinlichkeit sind es höchstens 4 Fahrräder, das ist recht hoch; man kann also die Behauptung nicht wirklich ablehnen.

Analysis I Probeklausur 2

Aufgaben zur Analysis I

Lerneinheit 2: Grundlagen der Investition und Finanzierung

2 Vollständige Induktion

2.3 Kontingenztafeln und Chi-Quadrat-Test

15.4 Diskrete Zufallsvariablen

Übungen zur Vorlesung Funktionentheorie Sommersemester Musterlösung zu Blatt 0

Satz Ein Boolescher Term t ist eine Tautologie genau dann, wenn t unerfüllbar ist.

Versicherungstechnik

Lernhilfe in Form eines ebooks

Kapitel 6: Statistische Qualitätskontrolle

Folgen, Reihen und Grenzwert. Vorlesung zur Didaktik der Analysis

WS 2000/2001. zeitanteiliger nomineller Jahreszinssatz für eine unterjährige Verzinsungsperiode bei einfachen Zinsen

Übungsblatt 1 zur Vorlesung Angewandte Stochastik

Statistische Modelle und Parameterschätzung

Statistik Einführung // Konfidenzintervalle für einen Parameter 7 p.2/39

Kovarianz und Korrelation

Eingangsprüfung Stochastik,

Mathematische Rekursion. Rekursion. Rekursion in C++ Mathematische Rekursion. Definition. 1, falls n 1. n! = n (n-1)!, falls n > 1

Arithmetische und geometrische Folgen. Die wichtigsten Theorieteile. und ganz ausführliches Training. Datei Nr

8.3. Komplexe Zahlen

Lektion II Grundlagen der Kryptologie

Es werden 120 Schüler befragt, ob sie ein Handy besitzen. Das Ergebnis der Umfrage lautet: Von 120 Schülern besitzen 99 ein Handy.

LV "Grundlagen der Informatik" Programmierung in C (Teil 2)

Korrekturrichtlinie zur Studienleistung Wirtschaftsmathematik am Betriebswirtschaft BB-WMT-S

Mengenbegriff und Mengendarstellung

Löslichkeitsdiagramm. Grundlagen

Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 3, Donnerstag 6.

Die Transzendenz von e und π

x mit Hilfe eines linearen, zeitinvarianten

Seminar De Rham Kohomologie und harmonische Differentialformen - 2. Sitzung

BINOMIALKOEFFIZIENTEN. Stochastik und ihre Didaktik Referentin: Iris Winkler

Übungsaufgaben zur Vorlesung ANALYSIS I (WS 12/13) Serie 10

3 Konvergenz, Folgen und Reihen

Fehlerrechnung. 3. Genauigkeit von Meßergebnissen am Beispiel der Längenmessung

Ein kleines Einmaleins über Mittelwertbildungen

Versuch 13/1 NEWTONSCHE INTERFERENZRINGE Blatt 1 NEWTONSCHE INTERFERENZRINGE

Übungen zur Analysis 1 für Informatiker und Statistiker. Lösung zu Blatt 12

Prof. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5

X in einer Grundgesamtheit vollständig beschreiben.

Transkript:

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 (Taktfrequez, Hardware allgemei,...) abhägig. Ma will aber ei davo uabhägiges Kriterium de, um Algorithme objektiv utereiader zu vergleiche. Die Grudidee ist, dass bei eiem immer gröÿer werdede Iput die Kostate verachlässigbar werde. Weiters köe Terme mit iederer Ordug als verschwided agesehe werde. Zum Beispiel mit eier Laufzeit vo T () = c 3 + c + c 3 + c 4 ka ma, bei sehr groÿem, sowohl die Kostate c, c ud c 3 als auch die Terme c + c 3 + c 4 verachlässige. We ma das gaze i mathematische Deitioe verfasst, erhält ma die sogeate O-, Θ- ud Ω-Notatio.. O-Notatio (asymptotisch obere Schrake) Wir betrachte grudsätzlich Fuktioe. Eie Fuktio g() ist eie asyptotisch obere Schrake für, we eie positive Kostate c ud eie atürliche Zahl 0 existiere, sodass ab diesem 0 die Fuktio für alle > 0 kleier als c g() bleibt. = O (g()) c R, c > 0, 0 N : c g() 0 (Ohh) Deshalb beutzt ma auch Pseudocode, um de Algorithmus zu aalysiere.

. Ω-Notatio (asymptotisch utere Schrake) Eie Fuktio g() ist eie asyptotisch utere Schrake für, we eie positive Kostate c ud eie atürliche Zahl 0 existiere, sodass ab diesem 0 die Fuktio für alle > 0 gröÿer als c g() bleibt. = Ω (g()) c R, c > 0, 0 N : c g() 0 (Omega).3 Θ-Notatio (asymptotisch exakte Schrake) Eie Fuktio g() ist eie asyptotisch exakte Schrake für, we zwei positive Kostate c ud c ud eie atürliche Zahl 0 existiere, sodass ab diesem 0 die Fuktio für alle > 0 zwische c g() ud c g() bleibt. = Θ (g()) c, c R, c, c > 0, 0 N : c g() c g() 0 (Theta)

.4 Grezwertkriterium Das Grezwertkriterium ist ei alteratives ud i viele Fälle hilfreiches Kriterium, um zu bestimme, ob eie Fuktio zu eier Fuktiosklasse O(g()), Ω(g()) oder Θ(g()) gehört. Falls der Grezwert lim g() existiert, ka ahad dieses Wertes die Fuktiosklasse festgestellt werde: 0 K < : = O(g()) 0 < K : = Ω(g()) 0 < K < : = Θ(g()) lim g() = K Beachte, dass die Umkehrug icht ubedigt gilt, z.b., = si, g() =. Es gilt = O(g()) aber der Grezwert lim g() existiert icht..5 Beispiele. 5 + 3 = O() zu zeige: c > 0, 0 N : 5 + 3 c 0 wähle c = 6, 0 = 3: 5 + 3 6 für 3 3 für 3. 6 3 O( ) Aahme: 6 3 = O( ) c > 0, 0 N : 6 3 c 0 6 3 c für 0 6 c für 0 c 6 für 0 icht möglich für beliebige Wahl vo c, 0 ; daher 6 3 O( ). 3. 3 = O( ) 3 lim = = lim 3 l = lim 6 (l ) = lim 6 (l ) 3 = 0. (Regel vo L'Hospital) Expoetielle Fuktioe (Basis > ) wachse scheller als polyomielle Fuktioe. 3

4. l = O( ) l lim = = lim = lim = 0. Polyomielle Fuktioe wachse scheller als logarithmische. 5. ( ) = Θ( ) zu zeige: c > 0, c > 0, 0 N : c () wähle c = 4, c =, 0 = : () : () : ( ) 4 4 4 4 ( ) für ( ) = Ω( ) ( ) 0 () c 0 0 für ( ) = O( ) aus ( ) = Ω( ) ud ( ) = O( ) folgt ( ) = Θ( ). alterative Methode: ( lim ) = lim ( ) = lim = lim Da 0 < < gilt ( ) = Θ( )..6 Reche-Regel für die O-Notatio O () + O (g()) = O (max {, g()}) O () O (g()) = O ( g()) =. = O (g()) g() = O (h()) = O (h()) O () O () = O () 4

Beweis der. Regel: O () + O (g()) = O (max {, g()}) Wir müsse zeige, dass für alle Fuktioe f () = O() ud g () = O(g()) gilt, dass f () + g () = O(max{, g()}). Aus der Deitio der O-Notatio folgt ud daher f () = O() c > 0, 0 N : f () c 0 g () = O(g()) c > 0, 0 N : g () c g() 0 f () + g () c + c g() max{ 0, 0 } =: 0 c max{, g()} + c max{, g()} = (c + c ) max{, g()}. }{{} =:c 3 Das heiÿt, es existiert ei c 3 > 0 ud ei 0 N, sodass f () + g () c 3 max{, g()}) 0 f () + g () = O(max{, g()})..7 Häug vorkommede Fuktioe Name O-Notatio Bsp.-Fuktio Bsp.-Algorithmus kostat O() 3 Additio logarithmisch O(log ) ld (), l () Suche Wurzelfuktio O( c ),0 < c <, 3 Primzahltest liear O() 3 + 4 Maximum de liearlogarithmisch O( log ) ld() Sortiere polyomial O( c ), c > 4 + 7 + 0 Matrizeoperatioe expoetial O(c ), c >, 0 NP-vollstädige Alg. Fakultät O(!)!.8 Amerkug zum Logarithmus Es kommt sehr häug vor, dass bei der Laufzeitaalyse der Logarithmus zur Basis verwedet wird. Es lässt sich aber jeder Logarithmus mit eier beliebige Basis b i eie adere Logarithmus mit der Basis b folgedermaÿe umreche: log b (x) = log b (b ) log b(x) Die beide Versioe uterscheide sich ur durch eie kostate Faktor, der atürlich asymptotisch gesehe verachlässigbar wird. Das heiÿt: O(log b ) = O(log b ). 5