Skrypt do Algorytmów i Struktur Danych
|
|
- Laura Pawłowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 Skrypt do Algorytmów i Struktur Danych K. Kleczkowski M. Pietrek 14 marca 2018
2 2
3 Spis tre±ci I Algorytmy 5 1. Algorytmy sortowania Wprowadzenie Sortowanie przez wstawianie Algorytm wstawiania Algorytm sortowania przez wstawianie Analiza zªo»ono±ci sortowania przez wstawianie Sortowanie przez scalanie Algorytm scalania Algorytm sortowania przez scalanie Analiza zªo»ono±ci
4 4 SPIS TRE CI
5 Cz ± I Algorytmy 5
6
7 Rozdziaª 1 Algorytmy sortowania Je±li co± jest gªupie i dziaªa, to nie jest gªupie. autor nieznany Uwa»a si,»e jednym z najbardziej fundamentalnych problemów le» cych u podstaw informatyki jest problem sortowania. W tym rozdziale zostan przedstawione jedne z najbardziej popularnych algorytmów sortowania. Zanim jednak podejmiemy si prób opisu tych algorytmów, przyda si teoretyczne wprowadzenie Wprowadzenie Wprowad¹my wa»ne denicje. Denicja (Tablica). Niech D b dzie niepustym zbiorem. Tablic n-elementow (n N) o elementach ze zbioru D nazywamy sko«czony ci g A = (a 1, a 2, a 3,..., a n 1, a n ) D n. Uwaga. W przypadku podci gu (a i, a i+1, a i+2,..., a j 1, a j ) stosujemy oznaczenie A [a.. b], przy czym 1 i n, 1 j n oraz i j. W szczególno±ci A [1.. n] oznacza caª tablic n-elementow. Stosowa b dziemy równie» oznaczenie na i-ty element tej tablicy jako A [i]. Maj c zdeniowan tablic mo»emy sformuªowa nast puj cy problem. Problem (Problem sortowania). Niech D b dzie niepustym zbiorem i A [1.. n] b dzie tablic n-elementow (n N) o elementach ze zbioru D. Niech porz dek b dzie porz dkiem liniowym na elementach ci gu A. Nale»y znale¹ tak permutacj σ : {1, 2,..., n} {1, 2,..., n},»e a σ(1) a σ(2) a σ(3)... a σ(n 1) a σ(n). Uwaga. W szczególno±ci b dziemy mówi krótko,»e n-elementowa tablica A jest posortowana wtedy, gdy a 1 a 2 a 3... a n 1 a n. Szerok klas algorytmów sortowania rozwi zuj cy problem sortowania s algorytmy, które wykorzystuj pewien porz dek liniowy, by uzyska» dan permutacj. Jednym z nich, który stosunkowo jest prosty w implementacji jest sortowanie przez wstawianie. 7
8 8 ROZDZIAŠ 1. ALGORYTMY SORTOWANIA 1.2. Sortowanie przez wstawianie Sortowanie przez wstawianie intuicyjnie odbywa si w taki sposób, w jaki ludzie ukªadaj karty. W ka»dym kroku ukªadania tych kart zostaje wstawiona karta do podtablicy ju» posortowanych kart. Jak przekonamy si pó¹niej, ten algorytm ªatwo zaimplementowa Algorytm wstawiania Omówmy sobie algorytm, który odpowiada za dziaªanie InsertionSorta. Jest to algorytm wstawiania do posegregowanej podtablicy A[1.. i] i-tego elementu tablicy A[1.. n], który b dziemy okre±la mianem Insert. Udowodnijmy wa»ny niezmiennik. Algorytm Wstawianie do posortowanej podtablicy Require: The array A[1.. i 1] is already sorted. Ensure: The array A[1.. i] is already sorted. 1: procedure Insert(A[1.. i]) 2: let key A[i] 3: let j i 1 4: while j 1 A[j] > key do 5: A[j + 1] A[j] 6: j j 1 7: end while 8: A[j + 1] key 9: end procedure Niezmiennik Dla ka»dej iteracji p tli (w linii 4) 0 j min j i 1 podtablica A[j i] zawiera elementy wi ksze od klucza, przy czym j min = min{k : A[k] > key}. Dowód. Indukcja wzgl dem iteracji. Zaªó»my,»e j min i 1. W wypadku, gdy j min > i 1 klucz jest wstawiony trywialnie, bowiem jest on elementem maksymalnym w rozpatrywanej podtablicy. Sprawd¹my tez dla j = i 1. Poniewa» j min j oraz tablica A[1.. i 1] jest posortowana, to A[j min ] > key i nast pnie A[j min ] < A[i 1], czyli A[i 1] > key. Zatem po wykonaniu tego kroku mamy,»e A[i] A[i 1], czyli otrzymujemy,»e A[i] > key, innymi sªowy, tablica A[i.. i] speªnia tez. Zaªó»my teraz,»e dla pewnego k takiego,»e j min k i 1, podtablica A[k i] jest posortowana i zawiera elementy wi ksze od klucza. Niech k = k 1 takie,»e j min k. Poniewa» j min k oraz tablica A[1.. i] jest posortowana, to A[j min ] > key i nast pnie A[j min ] < A[k ], czyli A[k ] > key. Wobec tego tablica zostanie przesuni ta o jeden element, to znaczy, A = (a 1, a 2,..., a jmin, a jmin+1,..., a k 1, a k, a k, a k +1,..., a i, a i+1,..., a n 1, a n ). Z zaªo»enia indukcyjnego podtablica A[k i] ma elementy wi ksze od klucza. Poniewa» A[k] > key, to A[k.. i] = A[k i] ma elementy wi ksze od klucza, co nale»aªo pokaza Algorytm sortowania przez wstawianie Maj c udowodniony algorytm wstawiania, mo»emy w prosty sposób uªo»y algorytm sortowania przez wstawianie.
9 1.2. SORTOWANIE PRZEZ WSTAWIANIE 9 Algorytm Sortowanie przez wstawianie Require: n {k N : k 1} Ensure: The array A[1.. n] is already sorted. 1: procedure InsertionSort(A[1.. n]) 2: for i 2.. n do Insert(A[1.. i]) 3: end for 4: end procedure Niezmiennik Dla ka»dego kroku 2 i n, tablica A[1.. i] jest posortowana. Dowód. Dzi ki niezmiennikowi 1.2.1, po wykonaniu algorytmu Insert otrzymujemy, i» j = j min 1 oraz podtablica A[j min i] zawiera elementy wi ksze od klucza. Poniewa» tablica A[1.. i 1] jest posortowana, to A[j min 1] A[j min ] key i st d wstawiamy A[j + 1] key. Mamy wobec tego,»e tablica A[1.. i] jest posortowana, poniewa» A[j min 1] key A[j min + 1]. Dzi ki temu algorytm sortowania przez wstawianie sprawia,»e tablica A[1.. n] jest posortowana Analiza zªo»ono±ci sortowania przez wstawianie Wykonajmy analiz zªo»ono±ci pesymistycznej. Fakt Czas dziaªania algorytmu jest rz du O(i). Dowód. Niech tablica A[1.. i] b dzie posortowana odwrotnie, to znaczy a 1 > a 2 >... > a i 1 > a i. St d p tla (w linii 4) wykona si (i 1) j min + 1 razy, przy czym j min = 1, czyli i 1 razy. St d widzimy,»e i 1 = O(i). Fakt Czas dziaªania algorytmu jest rz du O(n 2 ). Dowód. Niech tablica A[1.. n] b dzie posortowana odwrotnie, to znaczy a 1 > a 2 >... > a n 1 > a n. St d procedura wykona si n 1. St d widzimy,»e ( ) n i=2 O(i) = O n(n+1) 2 = O(n 2 ). Jak mo»na zauwa»y, algorytm jest niewydajny dla du»ych danych dzi ki zªo»ono±ci kwadratowej. Równie» poka»emy,»e dla przypadku ±redniego nadal nie otrzymujemy lepszej zªo»ono±ci. Zanim przejdziemy do analizy, przypomnijmy sobie z algebry nast puj ce denicje. Denicja Permutacj π sko«czonego zbioru A jest bijekcja π : A A. Denicja Niech (A, ) b dzie porz dkiem liniowym. Inwersj dla permutacji π : A A nazywamy par (i, j) A A tak,»e i < j oraz π(i) > π(j). Czytelnik mo»e si zastanawia, czemu potrzebne s nam inwersje w analizie zªo»ono±ci ±redniej. Nale»y zauwa»y,»e Obserwacja Po wykonaniu algorytmu liczba inwersji zmniejsza si o jeden. Algorytm st d ko«czy prac, gdy liczba inwersji jest równa zero.
10 10 ROZDZIAŠ 1. ALGORYTMY SORTOWANIA Dowód tej obserwacji pozostawiamy jako wiczenie. St d mo»na spojrze na inwersje istniej ce w tablicy, która zostanie posortowana. Fakt redni czas dziaªania algorytmu wynosi Θ(n 2 ). Dowód. Niech A = (a 1, a 2,..., a n ) b dzie tablic oraz, π b dzie permutacj tak,»e a π(1) a π(2)... a π(n). Niech I i,j b dzie zmienn losow, która jest zadana wzorem. I i,j = { 1 i < j π(i) > π(j) 0 w p.w. Niech I = [ ] i<j I i,j. Z liniowo±ci warto±ci oczekiwanej mamy E[I] = E i<j I i,j = i<j E[I i,j]. Zauwa»my,»e je±li permutacja π ma inwersj i < j, to mo»na przyporz dkowa (π(1),..., π(i),... π(j),..., π(n)) (π(1),..., π(j),... π(i),..., π(n)) przy czym to przyporz dkowanie jest bijekcj. St d otrzymujemy,»e permutacji z inwersj i < j jest tyle samo, co bez inwersji, czyli mo»emy natra na ni z jednakowym prawdopodobie«- stwem P[I i,j = 1] = 1 2 dla dowolnych i < j. Oczywi±cie E[I i,j] = P[I i,j = 1] = 1 2. Uporz dkowanych par (i, j) mo»emy ustali na ( n 2) sposobów, poniewa» wystarczy wybra podzbiór dwuelementowy i z tego,»e mamy liniowy porz dek, mo»emy utworzy ci g rosn cy. Wobec tego mamy,»e E[I] = ( ) n = n(n 1) 4 = Θ(n 2 ). To,»e algorytm ma zªo»ono± kwadratow, nie oznacza,»e jest nieprzydatny. Biegªy Czytelnik zawua»y,»e zªo»ono± pami ciowa tego algorytmu jest rz du O(1), czyli jest tani w kwestii u»ycia pami ci. Zatem algorytm nadaje si do maªych próbek danych oraz w technikach hybrydowych Sortowanie przez scalanie Sortowanie przez scalanie zostaªo opracowane przez Johna von Neumanna w roku 1945 [1]. Jest jednym z reprezentatywnych przykªadów algorytmów opartych o metod dziel i zwyci»aj Algorytm scalania Opiszemy tutaj algorytm scalania, który odpowiada za fraz zwyci»aj w naszej metodzie. Jest to algorytm, który nie jest algorytmem w miejscu, to znaczy, potrzebuje osobnej pami ci, by wykona scalanie. Niezmiennik Dla ka»dego kroku p tli (w linii 4) 1 k min{n, m} tablica C[1.. k] jest posortowana i zawiera elementy tablic A[1.. i] lub A[1.. j]. Dowód. Indukcja wzgl dem iteracji p tli. Sprawd¹my dla k = 1. Mamy wobec tego po wykonaniu ciaªa C[1] = min{a[1], B[1]}, st d trywialnie mamy speªnion tez. Zaªó»my teraz,»e dla pewnego l takiego,»e 1 l min{n, m}, tablica C[1.. l] jest posortowana i zawiera elementy tablic A[1.. i] lub A[1.. j], gdzie 1 i n oraz 1 j m s ustalone.
11 1.3. SORTOWANIE PRZEZ SCALANIE 11 Algorytm Zª czanie dwóch tablic Require: Arrays A[1.. n] and B[1.. m] are already sorted. Ensure: Returned array is already sorted and consists of A and B. 1: procedure Merge(A[1.. n], B[1.. m]) 2: let i 1, j 1, k 1 3: let C[1.. n + m] 4: while i n j m do 5: if A[i] B[j] then 6: C[k] A[i] 7: i i + 1 8: k k + 1 9: else 10: C[k] A[j] 11: j j : k k : end if 14: end while 15: while i n do 16: C[k] A[i] 17: i i : k k : end while 20: while j m do 21: C[k] A[j] 22: j j : k k : end while 25: return C 26: end procedure
12 12 ROZDZIAŠ 1. ALGORYTMY SORTOWANIA W kolejnym kroku l = l + 1 min{n, m} zostaje dodany element C[l ] = min{a[i], B[j]}. Poka»emy teraz,»e C[l] C[l ]. Poniewa» tablica C z zaªo»enia indukcyjnego jest posortowana, to C[l] jest maksymalnym elementem tablicy C[1.. l]. Poniewa» kresem górnym tablicy A[1.. i 1] jest A[i] oraz podobnie dla B[1.. j 1] jest B[j], to otrzymujemy,»e C[l] A[i] lub C[l] B[j], czyli C[l] C[l ], co nale»aªo dowie±. Fakt Po wykonaniu algorytmu speªniony jest warunek ko«cowy. Dowód. Poniewa» udowodnili±my prawdziwo± niezmiennika 1.3.1, to tablica C[1.. min{n, m}] zawiera elementy tablic A[1.. min{n, m}] lub B[1.. min{n, m}]. Je±li n = min{n, m}, to nale»y przekopiowa tablic B[min{n, m} + 1, m]. Istotnie, tablica B jest posortowana i mamy,»e C[min{n, m}] B[min{n, m} + 1]. Analogiczna sytuacja nast puje, gdy m = min{n, m} Algorytm sortowania przez scalanie Maj c udowodnion poprawno± algorytmu scalania mo»emy sformuªowa sam algorytm sortowania. Algorytm Sortowanie przez scalanie Require: n {k N : k 1} Ensure: The array A[1.. n] is already sorted. 1: procedure MergeSort(A[1.. n]) 2: if n = 1 then 3: return 4: end if 5: let mid n 2 6: MergeSort(A[1.. mid]) 7: MergeSort(A[mid n]) 8: let A Merge(A[1.. mid], A[mid n]) 9: for i 1.. n do 10: A[i] A [i] 11: end for 12: end procedure Fakt Po wykonaniu algorytmu speªniony jest warunek ko«cowy dla ka»dego n 1. Dowód. Indukcja zupeªna wzgl dem wielko±ci tablicy. Dla n = 1 mamy trywialnie posortowan tablic. Zaªó»my,»e dla pewnego k 1 mamy,»e dla ka»dego k, l takiego,»e k k l 1 i k l, tablica A[l.. k] jest posortowana przez ów algorytm. Wobec tego, w szczególno±ci posortowane s A[1.. n 2 ] oraz A[ n k ]. Z warunku ko«cowego algorytmu mamy,»e tablica A[1.. k ] jest posortowana, co nale»aªo dowie± Analiza zªo»ono±ci Przeanalizujmy czas algorytmu. Fakt Czas wykonywania algorytmu ze wzgl du na cz sto± zapisu do tablicy C jest rz du Θ(n + m).
13 1.3. SORTOWANIE PRZEZ SCALANIE 13 Dowód. Nale»y zauwa»y,»e p tla w linii 4 wykona si dokªadnie min{n, m} razy. Dodatkowo wykonywane s operacje kopiowania max{n, m} min{n, m} razy. Š czny koszt wynosi max{n, m} min{n, m} + min{n, m} = max{n, m} = Θ(n + m) Fakt Czas wykonywania algorytmu jest rz du Θ(n log n). Dowód. Mamy nast puj c funkcj czasu { 2T ( ) n T (n) = 2 + Θ(n) n > 1 Θ(1) n = 1 (1.3.1) Z twierdzenia o rekurencji uniwersalnej mamy,»e T (n) = Θ(n log n). Nale»y zauwa»y,»e czas ±redni, zarówno jak i optymistyczny jest taki sam, wynika to ze zªo-»ono±ci algorytmu scalania.
14 14 ROZDZIAŠ 1. ALGORYTMY SORTOWANIA
15 Bibliograa [1] Wikipedia. Merge sort. url: 15
Lab. 02: Algorytm Schrage
Lab. 02: Algorytm Schrage Andrzej Gnatowski 5 kwietnia 2015 1 Opis zadania Celem zadania laboratoryjnego jest zapoznanie si z jednym z przybli»onych algorytmów sªu» cych do szukania rozwi za«znanego z
Bardziej szczegółowoZadanie 1 Przygotuj algorytm programu - sortowanie przez wstawianie.
Sortowanie Dane wejściowe: ciąg n-liczb (kluczy) (a 1, a 2, a 3,..., a n 1, a n ) Dane wyjściowe: permutacja ciągu wejściowego (a 1, a 2, a 3,..., a n 1, a n) taka, że a 1 a 2 a 3... a n 1 a n. Będziemy
Bardziej szczegółowoZbiory i odwzorowania
Zbiory i odwzorowania 1 Sposoby okre±lania zbiorów 1) Zbiór wszystkich elementów postaci f(t), gdzie t przebiega zbiór T : {f(t); t T }. 2) Zbiór wszystkich elementów x zbioru X speªniaj cych warunek ϕ(x):
Bardziej szczegółowoRelacj binarn okre±lon w zbiorze X nazywamy podzbiór ϱ X X.
Relacje 1 Relacj n-argumentow nazywamy podzbiór ϱ X 1 X 2... X n. Je±li ϱ X Y jest relacj dwuargumentow (binarn ), to zamiast (x, y) ϱ piszemy xϱy. Relacj binarn okre±lon w zbiorze X nazywamy podzbiór
Bardziej szczegółowoSortowanie przez scalanie
Sortowanie przez scalanie Wykład 2 12 marca 2019 (Wykład 2) Sortowanie przez scalanie 12 marca 2019 1 / 17 Outline 1 Metoda dziel i zwyciężaj 2 Scalanie Niezmiennik pętli - poprawność algorytmu 3 Sortowanie
Bardziej szczegółowoMetody dowodzenia twierdze«
Metody dowodzenia twierdze«1 Metoda indukcji matematycznej Je±li T (n) jest form zdaniow okre±lon w zbiorze liczb naturalnych, to prawdziwe jest zdanie (T (0) n N (T (n) T (n + 1))) n N T (n). 2 W przypadku
Bardziej szczegółowoPRZYPOMNIENIE Ka»d przestrze«wektorow V, o wymiarze dim V = n < nad ciaªem F mo»na jednoznacznie odwzorowa na przestrze«f n n-ek uporz dkowanych:
Plan Spis tre±ci 1 Homomorzm 1 1.1 Macierz homomorzmu....................... 2 1.2 Dziaªania............................... 3 2 Ukªady równa«6 3 Zadania 8 1 Homomorzm PRZYPOMNIENIE Ka»d przestrze«wektorow
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoPrzekroje Dedekinda 1
Przekroje Dedekinda 1 O liczbach wymiernych (tj. zbiorze Q) wiemy,»e: 1. zbiór Q jest uporz dkowany relacj mniejszo±ci < ; 2. zbiór liczb wymiernych jest g sty, tzn.: p, q Q : p < q w : p < w < q 3. 2
Bardziej szczegółowoZdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt:
Zdzisªaw Dzedzej, Katedra Analizy Nieliniowej pok. 611 Kontakt: zdzedzej@mif.pg.gda.pl www.mif.pg.gda.pl/homepages/zdzedzej () 5 pa¹dziernika 2016 1 / 1 Literatura podstawowa R. Rudnicki, Wykªady z analizy
Bardziej szczegółowoA = n. 2. Ka»dy podzbiór zbioru sko«czonego jest zbiorem sko«czonym. Dowody tych twierdze«(elementarne, lecz nieco nu» ce) pominiemy.
Logika i teoria mnogo±ci, konspekt wykªad 12 Teoria mocy, cz ± II Def. 12.1 Ka»demu zbiorowi X przyporz dkowujemy oznaczany symbolem X obiekt zwany liczb kardynaln (lub moc zbioru X) w taki sposób,»e ta
Bardziej szczegółowoTwierdzenie Wainera. Marek Czarnecki. Warszawa, 3 lipca Wydziaª Filozoi i Socjologii Uniwersytet Warszawski
Twierdzenie Wainera Marek Czarnecki Wydziaª Filozoi i Socjologii Uniwersytet Warszawski Wydziaª Matematyki, Informatyki i Mechaniki Uniwersytet Warszawski Warszawa, 3 lipca 2009 Motywacje Dla dowolnej
Bardziej szczegółowo2 Podstawowe obiekty kombinatoryczne
2 Podstawowe obiety ombinatoryczne Oznaczenia: N {0, 1, 2,... } zbiór liczb naturalnych. Dla n N przyjmujemy [n] {1, 2,..., n}. W szczególno±ci [0] jest zbiorem pustym. Je±li A jest zbiorem so«czonym,
Bardziej szczegółowoInterpolacja funkcjami sklejanymi
Interpolacja funkcjami sklejanymi Funkcje sklejane: Zaªó»my,»e mamy n + 1 w zªów t 0, t 1,, t n takich,»e t 0 < t 1 < < t n Dla danej liczby caªkowitej, nieujemnej k funkcj sklejan stopnia k nazywamy tak
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowo1 Granice funkcji wielu zmiennych.
AM WNE 008/009. Odpowiedzi do zada«przygotowawczych do czwartego kolokwium. Granice funkcji wielu zmiennych. Zadanie. Zadanie. Pochodne. (a) 0, Granica nie istnieje, (c) Granica nie istnieje, (d) Granica
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoMatematyka dyskretna dla informatyków
UNIWERSYTET IM. ADAMA MICKIEWICZA W POZNANIU Jerzy Jaworski, Zbigniew Palka, Jerzy Szyma«ski Matematyka dyskretna dla informatyków uzupeænienia Pozna«007 A Notacja asymptotyczna Badaj c du»e obiekty kombinatoryczne
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowo1 Metody iteracyjne rozwi zywania równania f(x)=0
1 Metody iteracyjne rozwi zywania równania f()=0 1.1 Metoda bisekcji Zaªó»my,»e funkcja f jest ci gªa w [a 0, b 0 ]. Pierwiastek jest w przedziale [a 0, b 0 ] gdy f(a 0 )f(b 0 ) < 0. (1) Ustalmy f(a 0
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoPodstawy matematyki dla informatyków
Podstawy matematyki dla informatyków Wykªad 6 10 listopada 2011 W poprzednim odcinku... Zbiory A i B s równoliczne (tej samej mocy ), gdy istnieje bijekcja f : A 1 1 B. Piszemy A B lub A = B. na Moc zbioru
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoCiaªa i wielomiany. 1 Denicja ciaªa. Ciaªa i wielomiany 1
Ciaªa i wielomiany 1 Ciaªa i wielomiany 1 Denicja ciaªa Niech F b dzie zbiorem, i niech + (dodawanie) oraz (mno»enie) b d dziaªaniami na zbiorze F. Denicja. Zbiór F wraz z dziaªaniami + i nazywamy ciaªem,
Bardziej szczegółowoMetoda tablic semantycznych. 1 Metoda tablic semantycznych
1 Zarówno metoda tablic semantycznych, jak i rezolucji, to dosy sprawny algorytm do badania speªnialni±ci formuª, a wi c i tautologii. Chodzi w niej o wskazanie, je±li istnieje, modelu dla formuªy. Opiera
Bardziej szczegółowoANALIZA NUMERYCZNA. Grzegorz Szkibiel. Wiosna 2014/15
ANALIZA NUMERYCZNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Metoda Eulera 3 1.1 zagadnienia brzegowe....................... 3 1.2 Zastosowanie ró»niczki...................... 4 1.3 Output do pliku
Bardziej szczegółowoPodstawy matematyki dla informatyków. Funkcje. Funkcje caªkowite i cz ±ciowe. Deniowanie funkcji. Wykªad pa¹dziernika 2012
Podstawy matematyki dla informatyków Wykªad 3 Funkcje 18 pa¹dziernika 2012 Deniowanie funkcji Funkcje caªkowite i cz ±ciowe Denicja wprost: f (x) = x + y f = λx. x + y Denicja warunkowa: { n/2, je±li n
Bardziej szczegółowoZad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA. W obu podpunktach zakªadamy,»e kolejno± ta«ców jest wa»na.
Zad. 1 Zad. 2 Zad. 3 Zad. 4 Zad. 5 SUMA Zadanko 1 (12p.) Na imprezie w Noc Kupaªy s 44 dziewczyny. Nosz one 11 ró»nych imion, a dla ka»dego imienia s dokªadnie 4 dziewczyny o tym imieniu przy czym ka»da
Bardziej szczegółowoLiniowe zadania najmniejszych kwadratów
Rozdziaª 9 Liniowe zadania najmniejszych kwadratów Liniowe zadania najmniejszych kwadratów polega na znalezieniu x R n, który minimalizuje Ax b 2 dla danej macierzy A R m,n i wektora b R m. Zauwa»my,»e
Bardziej szczegółowoGranular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY
Granular Computing 9999 pages 15 METODY SZTUCZNEJ INTELIGENCJI - PROJEKTY PB 2 PB 1 Projekt z grupowania danych - Rough k-medoids Liczba osób realizuj cych projekt: 1 osoba 1. Wczytanie danych w formatach
Bardziej szczegółowoWST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14
WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 2013/14 Spis tre±ci 1 Kodowanie i dekodowanie 4 1.1 Kodowanie a szyfrowanie..................... 4 1.2 Podstawowe poj cia........................
Bardziej szczegółowoAlgorytmy i Struktury Danych.
Algorytmy i Struktury Danych. Metoda Dziel i zwyciężaj. Problem Sortowania, cd. Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 2 Bożena Woźna-Szcześniak (AJD) Algorytmy
Bardziej szczegółowoAlgorytmy zwiazane z gramatykami bezkontekstowymi
Algorytmy zwiazane z gramatykami bezkontekstowymi Rozpoznawanie j zyków bezkontekstowych Problem rozpoznawania j zyka L polega na sprawdzaniu przynale»no±ci sªowa wej±ciowego x do L. Zakªadamy,»e j zyk
Bardziej szczegółowoPrzykªady problemów optymalizacji kombinatorycznej
Przykªady problemów optymalizacji kombinatorycznej Problem Komiwoja»era (PK) Dane: n liczba miast, n Z +, c ji, i, j {1,..., n}, i j odlegªo± mi dzy miastem i a miastem j, c ji = c ij, c ji R +. Zadanie:
Bardziej szczegółowoBash i algorytmy. Elwira Wachowicz. 20 lutego
Bash i algorytmy Elwira Wachowicz elwira@ifd.uni.wroc.pl 20 lutego 2012 Elwira Wachowicz (elwira@ifd.uni.wroc.pl) Bash i algorytmy 20 lutego 2012 1 / 16 Inne przydatne polecenia Polecenie Dziaªanie Przykªad
Bardziej szczegółowox y x y x y x + y x y
Algebra logiki 1 W zbiorze {0, 1} okre±lamy dziaªania dwuargumentowe,, +, oraz dziaªanie jednoargumentowe ( ). Dziaªanie x + y nazywamy dodawaniem modulo 2, a dziaªanie x y nazywamy kresk Sheera. x x 0
Bardziej szczegółowoZadania. 4 grudnia k=1
Zadania 4 grudnia 205 Zadanie. Poka»,»e dla dowolnych liczb zespolonych z,..., z n istnieje zbiór B {,..., n}, taki,»e n z k π z k. k B Zadanie 2. Jakie warunki musz speªnia ci gi a n i b n, aby istniaªy
Bardziej szczegółowoZADANIA. Maciej Zakarczemny
ZADANIA Maciej Zakarczemny 2 Spis tre±ci 1 Algebra 5 2 Analiza 7 2.1 Granice iterowane, granica podwójna funkcji dwóch zmiennych....... 7 2.2 Caªki powierzchniowe zorientowane...................... 8 2.2.1
Bardziej szczegółowoProgramowanie wspóªbie»ne
1 Zadanie 1: Bar Programowanie wspóªbie»ne wiczenia 6 monitory cz. 2 Napisz monitor Bar synchronizuj cy prac barmana obsªuguj cego klientów przy kolistym barze z N stoªkami. Ka»dy klient realizuje nast
Bardziej szczegółowoVincent Van GOGH: M»czyzna pij cy li»ank kawy. Radosªaw Klimek. J zyk programowania Java
J zyk programowania JAVA c 2011 Vincent Van GOGH: M»czyzna pij cy li»ank kawy Zadanie 6. Napisz program, który tworzy tablic 30 liczb wstawia do tej tablicy liczby od 0 do 29 sumuje te elementy tablicy,
Bardziej szczegółowoFunkcje wielu zmiennych
dr Krzysztof yjewski Informatyka I rok I 0 in» 12 stycznia 2016 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(x y) b dzie okre±lona przynajmniej na otoczeniu punktu (x 0 y 0 )
Bardziej szczegółowoLogika dla matematyków i informatyków Wykªad 1
Logika dla matematyków i informatyków Wykªad 1 Stanisªaw Goldstein Wydziaª Matematyki i Informatyki UŠ 16 lutego 2016 Wszech±wiat matematyczny skªada si wyª cznie ze zbiorów. Liczby naturalne s zdeniowane
Bardziej szczegółowoZadania z kolokwiów ze Wst pu do Informatyki. Semestr II.
Zadania z kolokwiów ze Wst pu do Informatyki. Semestr II. Poni»sze zadania s wyborem zada«z kolokwiów ze Wst pu do Informatyki jakie przeprowadziªem w ci gu ostatnich lat. Marek Zawadowski Zadanie 1 Napisz
Bardziej szczegółowoRekurencyjne struktury danych
Andrzej Jastrz bski Akademia ETI Dynamiczny przydziaª pami ci Pami, która jest przydzielana na pocz tku dziaªania procesu to: pami programu czyli instrukcje programu pami statyczna zwi zana ze zmiennymi
Bardziej szczegółowoOba zbiory s uporz dkowane liniowo. Badamy funkcj w pobli»u kresów dziedziny. Pewne punkty szczególne (np. zmiana denicji funkcji).
Plan Spis tre±ci 1 Granica 1 1.1 Po co?................................. 1 1.2 Denicje i twierdzenia........................ 4 1.3 Asymptotyka, granice niewªa±ciwe................. 7 2 Asymptoty 8 2.1
Bardziej szczegółowoWykład 2. Poprawność algorytmów
Wykład 2 Poprawność algorytmów 1 Przegląd Ø Poprawność algorytmów Ø Podstawy matematyczne: Przyrost funkcji i notacje asymptotyczne Sumowanie szeregów Indukcja matematyczna 2 Poprawność algorytmów Ø Algorytm
Bardziej szczegółowoEkstremalnie fajne równania
Ekstremalnie fajne równania ELEMENTY RACHUNKU WARIACYJNEGO Zaczniemy od ogólnych uwag nt. rachunku wariacyjnego, który jest bardzo przydatnym narz dziem mog cym posªu»y do rozwi zywania wielu problemów
Bardziej szczegółowoWybrane poj cia i twierdzenia z wykªadu z teorii liczb
Wybrane poj cia i twierdzenia z wykªadu z teorii liczb 1. Podzielno± Przedmiotem bada«teorii liczb s wªasno±ci liczb caªkowitych. Zbiór liczb caªkowitych oznacza b dziemy symbolem Z. Zbiór liczb naturalnych
Bardziej szczegółowoJAO - J zyki, Automaty i Obliczenia - Wykªad 1. JAO - J zyki, Automaty i Obliczenia - Wykªad 1
J zyki formalne i operacje na j zykach J zyki formalne s abstrakcyjnie zbiorami sªów nad alfabetem sko«czonym Σ. J zyk formalny L to opis pewnego problemu decyzyjnego: sªowa to kody instancji (wej±cia)
Bardziej szczegółowoListy Inne przykªady Rozwi zywanie problemów. Listy w Mathematice. Marcin Karcz. Wydziaª Matematyki, Fizyki i Informatyki.
Wydziaª Matematyki, Fizyki i Informatyki 10 marca 2008 Spis tre±ci Listy 1 Listy 2 3 Co to jest lista? Listy List w Mathematice jest wyra»enie oddzielone przecinkami i zamkni te w { klamrach }. Elementy
Bardziej szczegółowoALGORYTMY SORTOWANIA DANYCH
ALGORYTMY SORTOWANIA DANYCH W zagadnieniu sortowania danych rozpatrywa b dziemy n liczb caªkowitych, b d cych pierwotnie w losowej kolejno±ci, które nale»y uporz dkowa nierosn co. Oczywi±cie sortowa mo»emy
Bardziej szczegółowoAlgorytmy i struktury danych
Algorytmy i struktury danych Cz ± pierwsza Prowadz cy: dr Andrzej Mróz, Wydziaª Matematyki i Informatyki, Uniwersytet Mikoªaja Kopernika 1 / 65 Opis przedmiotu Zagadnienia, którymi si zajmiemy: metody
Bardziej szczegółowoRównania ró»niczkowe I rz du (RRIR) Twierdzenie Picarda. Anna D browska. WFTiMS. 23 marca 2010
WFTiMS 23 marca 2010 Spis tre±ci 1 Denicja 1 (równanie ró»niczkowe pierwszego rz du) Równanie y = f (t, y) (1) nazywamy równaniem ró»niczkowym zwyczajnym pierwszego rz du w postaci normalnej. Uwaga 1 Ogólna
Bardziej szczegółowoZadania z PM II A. Strojnowski str. 1. Zadania przygotowawcze z Podstaw Matematyki seria 2
Zadania z PM II 010-011 A. Strojnowski str. 1 Zadania przygotowawcze z Podstaw Matematyki seria Zadanie 1 Niech A = {1,, 3, 4} za± T A A b dzie relacj okre±lon wzorem: (a, b) T, gdy n N a n = b. a) Ile
Bardziej szczegółowoAlgorytmy i struktury danych
Algorytmy i struktury danych Cz ± druga Prowadz cy: dr Andrzej Mróz, Wydziaª Matematyki i Informatyki, Uniwersytet Mikoªaja Kopernika 1 / 82 Rekurencja Procedura (funkcja) rekurencyjna wywoªuje sam siebie.
Bardziej szczegółowoAutomorzmy modeli i twierdzenie EhrenfeuchtaMostowskiego
Automorzmy modeli i twierdzenie EhrenfeuchtaMostowskiego Krzysztof Kapulkin IX Warsztaty Logiczne 5 12 lipca 2008 1 Wst p W referacie tym przedstawiamy wyniki uzyskane przez Andrzeja Ehrenfeuchta i Andrzeja
Bardziej szczegółowoCaªkowanie numeryczne - porównanie skuteczno±ci metody prostokatów, metody trapezów oraz metody Simpsona
Akademia Górniczo-Hutnicza im. Stanisªawa Staszica w Krakowie Wydziaª Fizyki i Informatyki Stosowanej Krzysztof Grz dziel kierunek studiów: informatyka stosowana Caªkowanie numeryczne - porównanie skuteczno±ci
Bardziej szczegółowoMateriaªy do Repetytorium z matematyki
Materiaªy do Repetytorium z matematyki 0/0 Dziaªania na liczbach wymiernych i niewymiernych wiczenie Obliczy + 4 + 4 5. ( + ) ( 4 + 4 5). ( : ) ( : 4) 4 5 6. 7. { [ 7 4 ( 0 7) ] ( } : 5) : 0 75 ( 8) (
Bardziej szczegółowoWykªad 7. Ekstrema lokalne funkcji dwóch zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 7. Ekstrema lokalne funkcji dwóch zmiennych. Denicja Mówimy,»e funkcja
Bardziej szczegółowoPodstawowe algorytmy i ich implementacje w C. Wykład 9
Wstęp do programowania 1 Podstawowe algorytmy i ich implementacje w C Bożena Woźna-Szcześniak bwozna@gmail.com Jan Długosz University, Poland Wykład 9 Element minimalny i maksymalny zbioru Element minimalny
Bardziej szczegółowoTwierdzenie Wedderburna Witold Tomaszewski
Twierdzenie Wedderburna Witold Tomaszewski Pier±cie«przemienny P nazywamy dziedzin caªkowito±ci (lub po prostu dziedzin ) je±li nie posiada nietrywialnych dzielników zera. Pier±cie«z jedynk nazywamy pier±cieniem
Bardziej szczegółowoANALIZA MATEMATYCZNA Z ALGEBR
ANALIZA MATEMATYCZNA Z ALGEBR WYKŠAD II Maªgorzata Murat MACIERZ A rzeczywist (zespolon ) o m wierszach i n kolumnach nazywamy przyporz dkowanie ka»dej uporz dkowanej parze liczb naturalnych (i, j), gdzie
Bardziej szczegółowoAlgorytmy i struktury danych
Algorytmy i struktury danych Wykªad III wyszukiwanie c.d. Paweª Rembelski PJWSTK 16 pa¹dziernika 2009 Paweª Rembelski (PJWSTK) Algorytmy i struktury danych 16 pa¹dziernika 2009 1 / 46 1 Podziaª wzgl dem
Bardziej szczegółowoistnienie elementu neutralnego dodawania (zera): 0 K a K a + 0 = a, istnienie elementu neutralnego mno»enia (jedynki): 1 K a K a 1 = a,
Ciaªo Denicja. Zbiór K z dziaªaniami dodawania + oraz mno»enia (których argumentami s dwa elementy z tego zbioru, a warto±ciami elementy z tego zbioru) nazywamy ciaªem, je±li zawiera co najmniej dwa elementy
Bardziej szczegółowoAlgorytmy i Struktury Danych, 2. ćwiczenia
Algorytmy i Struktury Danych, 2. ćwiczenia 2017-10-13 Spis treści 1 Optymalne sortowanie 5 ciu elementów 1 2 Sortowanie metodą Shella 2 3 Przesunięcie cykliczne tablicy 3 4 Scalanie w miejscu dla ciągów
Bardziej szczegółowoWyra»enia logicznie równowa»ne
Wyra»enia logicznie równowa»ne Denicja. Wyra»enia rachunku zda«nazywamy logicznie równowa»nymi, gdy maj równe warto±ci logiczne dla dowolnych warto±ci logicznych zmiennych zdaniowych. 1 Przykªady: Wyra»enia
Bardziej szczegółowoXVII Warmi«sko-Mazurskie Zawody Matematyczne
1 XVII Warmi«sko-Mazurskie Zawody Matematyczne Kategoria: klasa VIII szkoªy podstawowej i III gimnazjum Olsztyn, 16 maja 2019r. Zad. 1. Udowodnij,»e dla dowolnych liczb rzeczywistych x, y, z speªniaj cych
Bardziej szczegółowo0.1 Hierarchia klas. 0.1.1 Diagram. 0.1.2 Krótkie wyjaśnienie
0.1 Hierarchia klas 0.1.1 Diagram 0.1.2 Krótkie wyjaśnienie Po pierwsze to jest tylko przykładowe rozwiązanie. Zarówno na wtorkowych i czwartkowych ćwiczeniach odbiegaliśmy od niego, ale nie wiele. Na
Bardziej szczegółowoFunkcje wielu zmiennych
dr Krzysztof yjewski Analiza matematyczna 2; MatematykaS-I 0 lic 21 maja 2018 Funkcje wielu zmiennych Informacje pomocnicze Denicja 1 Niech funkcja f(, y b dzie okre±lona przynajmniej na otoczeniu punktu
Bardziej szczegółowoAlgorytmy grafowe 2. Andrzej Jastrz bski. Akademia ETI. Politechnika Gda«ska Algorytmy grafowe 2
Algorytmy grafowe 2 Andrzej Jastrz bski Akademia ETI Minimalne drzewo spinaj ce Drzewem nazywamy spójny graf nie posiadaj cy cyklu. Liczba wierzchoªków drzewa jest o jeden wi ksza od liczby jego kraw dzi.
Bardziej szczegółowo3. (8 punktów) EGZAMIN MAGISTERSKI, Biomatematyka
EGZAMIN MAGISTERSKI, 26.06.2017 Biomatematyka 1. (8 punktów) Rozwój wielko±ci pewnej populacji jest opisany równaniem: dn dt = rn(t) (1 + an(t), b gdzie N(t) jest wielko±ci populacji w chwili t, natomiast
Bardziej szczegółowoMatematyka dyskretna
Matematyka dyskretna Jan Rodziewicz-Bielewicz, Wydziaª Informatyki ZUT May 8, 2019 8 Struktury algebraiczne ZASTOSOWANIE: Kryptograa. 1. Sprawdzi, czy jest dziaªaniem wewn trznym: (a) y y w zbiorze Q,
Bardziej szczegółowoc Marcin Sydow Przepªywy Grafy i Zastosowania Podsumowanie 12: Przepªywy w sieciach
12: w sieciach Spis zagadnie«sieci przepªywowe przepªywy w sieciach ±cie»ka powi kszaj ca tw. Forda-Fulkersona Znajdowanie maksymalnego przepªywu Zastosowania przepªywów Sieci przepªywowe Sie przepªywowa
Bardziej szczegółowoNotatki z AiSD. Nr 2. 4 marca 2010 Algorytmy Zachªanne.
Notatki z AiSD. Nr 2. 4 marca 2010 Algorytmy Zachªanne. IIUWr. II rok informatyki. Przygotowaª: Krzysztof Lory± 1 Schemat ogólny. Typowe zadanie rozwi zywane metod zachªann ma charakter optymalizacyjny.
Bardziej szczegółowoProgramowanie wspóªbie»ne
1 Zadanie 1: Programowanie wspóªbie»ne wiczenia 11 Przestrzenie krotek cz. 1 Obliczanie caªki oznaczonej Rozwa»my iteracyjne obliczanie caªki oznaczonej na przedziale [a, b] metod trapezów. Krok iteracji
Bardziej szczegółowoStrategie zabezpieczaj ce
04062008 Plan prezentacji Model binarny Model Black Scholesa Bismut- Elworthy -Li formuła Model binarny i opcja call Niech cena akcji w chwili pocz tkowej wynosi S 0 = 21 Zaªó»my,»e ceny akcji po trzech
Bardziej szczegółowoUkªady równa«liniowych
dr Krzysztof yjewski Mechatronika; S-I 0 in» 7 listopada 206 Ukªady równa«liniowych Informacje pomocnicze Denicja Ogólna posta ukªadu m równa«liniowych z n niewiadomymi x, x, x n, gdzie m, n N jest nast
Bardziej szczegółowoPrzetwarzanie sygnaªów
Przetwarzanie sygnaªów Laboratorium 1 - wst p do C# Dawid Poªap Przetwarzanie sygnaªów Pa¹dziernik, 2018 1 / 17 Czego mo»na oczekiwa wzgl dem programowania w C# na tych laboratoriach? Dawid Poªap Przetwarzanie
Bardziej szczegółowoEkstremalnie maªe zbiory
Maªe jest pi kne Instytut Matematyki Uniwersytetu Warszawskiego Nadarzyn, 27.08.2011 Zbiory silnie miary zero Przypomnienie Zbiór X [0, 1] jest miary Lebesgue'a zero, gdy dla ka»dego ε > 0 istnieje ci
Bardziej szczegółowoRekurencja. Algorytmy i Struktury Danych. (c) Marcin Sydow. Wst p. Fibonacci. Liniowe 2. rz du. Wie»e Hanoi. Wa»ne 3 przypadki
Rekurencja Zawarto± wykªadu: Wprowadzenie: czym jest rekurencja ci g ego Przykªad: liniowe równania rekurencyjne 2. Przykªad: zagadka wie»e Hanoi 3 cz sto spotykane rekurencyjne schematy równa« Rekurencja
Bardziej szczegółowoMacierze i Wyznaczniki
Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja 1. Tablic nast puj cej postaci a 11 a 12... a 1n a 21 a 22... a 2n A =... a m1 a m2... a mn nazywamy macierz o m wierszach i n kolumnach,
Bardziej szczegółowoO pewnym zadaniu olimpijskim
O pewnym zadaniu olimpijskim Michaª Seweryn, V LO w Krakowie opiekun pracy: dr Jacek Dymel Problem pocz tkowy Na drugim etapie LXII Olimpiady Matematycznej pojawiª si nast puj cy problem: Dla ka»dej liczby
Bardziej szczegółowoWST P DO TEORII INFORMACJI I KODOWANIA. Grzegorz Szkibiel. Wiosna 2013/14
WST P DO TEORII INFORMACJI I KODOWANIA Grzegorz Szkibiel Wiosna 203/4 Spis tre±ci Kodowanie i dekodowanie 4. Kodowanie a szyfrowanie..................... 4.2 Podstawowe poj cia........................
Bardziej szczegółowoAlgorytmiczna teoria grafów
18 maja 2013 Twierdzenie Halla o maª»e«stwach Problem Wyobra¹my sobie,»e mamy m dziewczyn i pewn liczb chªopców. Ka»da dziewczyna chce wyj± za m», przy czym ka»da z nich godzi si po±lubi tylko pewnych
Bardziej szczegółowoARYTMETYKA MODULARNA. Grzegorz Szkibiel. Wiosna 2014/15
ARYTMETYKA MODULARNA Grzegorz Szkibiel Wiosna 2014/15 Spis tre±ci 1 Denicja kongruencji i jej podstawowe wªasno±ci 3 2 Systemy pozycyjne 8 3 Elementy odwrotne 12 4 Pewne zastosowania elementów odwrotnych
Bardziej szczegółowoPodziaª pracy. Cz ± II. 1 Tablica sortuj ca. Rozwi zanie
Cz ± II Podziaª pracy 1 Tablica sortuj ca Kolejka priorytetowa to struktura danych udost pniaj ca operacje wstawienia warto±ci i pobrania warto±ci minimalnej. Z kolejki liczb caªkowitych, za po±rednictwem
Bardziej szczegółowoW poprzednim odcinku... Podstawy matematyki dla informatyków. Relacje równowa»no±ci. Zbiór (typ) ilorazowy. Klasy abstrakcji
W poprzednim odcinku... Podstawy matematyki dla informatyków Rodzina indeksowana {A t } t T podzbiorów D to taka funkcja A : T P(D),»e A(t) = A t, dla dowolnego t T. Wykªad 3 20 pa¹dziernika 2011 Produkt
Bardziej szczegółowoELEMENTARNA TEORIA LICZB. 1. Podzielno±
ELEMENTARNA TEORIA LICZB IZABELA AGATA MALINOWSKA N = {1, 2,...} 1. Podzielno± Denicja 1.1. Niepusty podzbiór A zbioru liczb naturalnych jest ograniczony, je»eli istnieje taka liczba naturalna n 0,»e m
Bardziej szczegółowoAlgorytm selekcji Hoare a. Łukasz Miemus
Algorytm selekcji Hoare a Łukasz Miemus 1 lutego 2006 Rozdział 1 O algorytmie 1.1 Problem Mamy tablicę A[N] różnych elementów i zmienną int K, takie że 1 K N. Oczekiwane rozwiązanie to określenie K-tego
Bardziej szczegółowoMacierze i Wyznaczniki
dr Krzysztof yjewski Mechatronika; S-I.in». 5 pa¹dziernika 6 Macierze i Wyznaczniki Kilka wzorów i informacji pomocniczych: Denicja. Tablic nast puj cej postaci a a... a n a a... a n A =... a m a m...
Bardziej szczegółowoWykªad 4. Funkcje wielu zmiennych.
Wykªad jest prowadzony w oparciu o podr cznik Analiza matematyczna 2. Denicje, twierdzenia, wzory M. Gewerta i Z. Skoczylasa. Wykªad 4. Funkcje wielu zmiennych. Zbiory na pªaszczy¹nie i w przestrzeni.
Bardziej szczegółowoMetodydowodzenia twierdzeń
1 Metodydowodzenia twierdzeń Przez zdanie rozumiemy dowolne stwierdzenie, które jest albo prawdziwe, albo faªszywe (nie mo»e by ono jednocze±nie prawdziwe i faªszywe). Tradycyjnie b dziemy u»ywali maªych
Bardziej szczegółowoPodzbiory Symbol Newtona Zasada szuadkowa Dirichleta Zasada wª czania i wyª czania. Ilo± najkrótszych dróg. Kombinatoryka. Magdalena Lema«ska
Kombinatoryka Magdalena Lema«ska Zasady zaliczenia przedmiotu Zasady zaliczenia przedmiotu Maksymalna ilo± punktów to 100 punktów = 100 procent. Zasady zaliczenia przedmiotu Maksymalna ilo± punktów to
Bardziej szczegółowoMacierze. 1 Podstawowe denicje. 2 Rodzaje macierzy. Denicja
Macierze 1 Podstawowe denicje Macierz wymiaru m n, gdzie m, n N nazywamy tablic liczb rzeczywistych (lub zespolonych) postaci a 11 a 1j a 1n A = A m n = [a ij ] m n = a i1 a ij a in a m1 a mj a mn W macierzy
Bardziej szczegółowoCzy funkcja zadana wzorem f(x) = ex e x. 1 + e. = lim. e x + e x lim. lim. 2 dla x = 1 f(x) dla x (0, 1) e e 1 dla x = 1
II KOLOKWIUM Z AM M1 - GRUPA A - 170101r Ka»de zadanie jest po 5 punktów Ostatnie zadanie jest nieobowi zkowe, ale mo»e dostarczy dodatkowe 5 punktów pod warunkiem rozwi zania pozostaªych zada«zadanie
Bardziej szczegółowoZadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej
Zadania z analizy matematycznej - sem. II Ekstrema funkcji wielu zmiennych, twierdzenia o funkcji odwrotnej i funkcji uwikªanej Denicja 1. Niech X = R n b dzie przestrzeni unormowan oraz d(x, y) = x y.
Bardziej szczegółowodet A := a 11, ( 1) 1+j a 1j det A 1j, a 11 a 12 a 21 a 22 Wn. 1 (Wyznacznik macierzy stopnia 2:). = a 11a 22 a 33 +a 12 a 23 a 31 +a 13 a 21 a 32
Wyznacznik Def Wyznacznikiem macierzy kwadratowej nazywamy funkcj, która ka»dej macierzy A = (a ij ) przyporz dkowuje liczb det A zgodnie z nast puj cym schematem indukcyjnym: Dla macierzy A = (a ) stopnia
Bardziej szczegółowoStrategia czy intuicja?
Strategia czy intuicja czyli o grach niesko«czonych Instytut Matematyki Uniwersytetu Warszawskiego Grzegorzewice, 29 sierpnia 2009 Denicja gry Najprostszy przypadek: A - zbiór (na ogóª co najwy»ej przeliczalny),
Bardziej szczegółowo1 Poj cia pomocnicze. Przykªad 1. A A d
Poj cia pomocnicze Otoczeniem punktu x nazywamy dowolny zbiór otwarty zawieraj cy punkt x. Najcz ±ciej rozwa»amy otoczenia kuliste, tj. kule o danym promieniu ε i ±rodku x. S siedztwem punktu x nazywamy
Bardziej szczegółowo