Algorithmen II Vorlesung am

Größe: px
Ab Seite anzeigen:

Download "Algorithmen II Vorlesung am 15.11.2012"

Transkript

1 Algorithmen II Vorlesung am Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum II Wintersemester 2012/2013 in der Helmholtz-Gemeinschaft

2 Das Kreismatroid Wiederholung

3 Kreismatroid Sei C die Menge aller Kreise in G = (V, E) und U die Menge aller unabhängigen Teilmengen von C. Dann bildet (C, U) ein Unabhängigkeitssystem. 1. U 2. I 1 U, I 2 I 1 I 2 U Definition: Matroid Ein Unabhängigkeitssystem (M, U) heißt Matroid, wenn für alle I, J U mit I < J, ein e J \ I existiert, sodass I {e} U. Satz: Das Unabhängigkeitssystem (C, U) ist ein Matroid, genannt Kreismatroid von G. Folgt aus dem Austausschsatz von Steinitz (Übung).

4 Greedy-Lösung In letzter Vorlesung gezeigt: Greedy-Methode optimal für Optimierungsprobleme auf Matroiden. GREEDY-METHODE für MCB Eingabe: Menge C aller Kreise in G = (V, E). Ausgabe: Kreisbasis minimalen Gewichts von G. Sortiere C aufsteigend nach Gewicht zu C 1,..., C k. B for i = 1 to k do if B {C i } linear unabhängig then B B {C i } Liefert optimale Lösung (siehe vorherige Vorlesung), allerdings ist die Anzahl der Kreise in einem Graphen im Allgemeinen exponentiell in m + n (siehe Übung). Idee: Versuche Kandidatenmenge mit polynomieller Größe zu finden.

5 Algorithmus von Horton

6 Algorithmus von Horton Satz 5.7 Für jeden Kreis C aus einer MCB von G existiert zu jedem beliebigen Knoten v aus C eine Kante {u, w} auf C, sodass gilt: C = SP(u, v) + SP(w, v) + {u, w}, wobei SP(u, v) bzw. SP(w, v) ein kürzester Weg von u bzw. w nach v in G ist. Beweis mithilfe der folgenden Lemmata. u w C v

7 Algorithmus von Horton Lemma 5.8 Falls B eine Kreisbasis ist, C B und C = C 1 C 2, dann ist entweder B \ {C} {C 1 } oder B \ {C} {C 2 } wieder eine Kreisbasis. Beweis: C 1 C 2 C = C 1 C 2 (i) Ist der Kreis C 1 darstellbar als Linearkombination von Kreisen aus B \ {C}, so ist offenbar B \ {C} {C 2 } wieder eine Basis. (ii) Ist der Kreis C 1 nur darstellbar als Linearkombination von C und Kreisen aus B \ {C}, so ist C 2 darstellbar als Linearkombination von Kreisen aus B \ {C}. Somit ist dann B \ {C} {C 1 } wieder eine Basis.

8 Algorithmus von Horton Lemma 5.9 Sei B eine Kreisbasis von G. Für zwei Knoten x, y V und einen Weg P in G von x nach y kann jeder Kreis C B, der x und y enthält, ersetzt werden durch einen Kreis C, der P enthält. Beweis: x P 1 P P 2 y x C P 1 P P 2 C 1 y x Es gilt C = C 1 C 2 und somit nach Lemma 5.8, dass entweder B\{C} {C 1 } oder B\{C} {C 2 } wieder eine Basis ist. C 2 P 1 P P 2 y

9 Algorithmus von Horton P 1 P P 2 y x C P 1 P P 2 C 1 C 2 P 1 P P 2 y x x Folgerung: y Seien weder P 1 noch P 2 kürzeste Wege zwischen x und y und sei P kürzester Weg zwischen x und y w(c 1 ) < w(c) und w(c 2 ) < w(c) Jede Basis B, die C enthält, kann in Basis B umgewandelt werden, die anstatt C entweder C 1 oder C 2 enthält (Lemma 5.9). w(b ) < w(b) Wenn B eine MCB ist, dann enthält jeder Kreis in B, der x, y V enthält, auch einen kürzesten Weg zwischen x und y.

10 Algorithmus von Horton Satz 5.7: Für jeden Kreis C aus einer MCB von G existiert zu jedem beliebigen Knoten v aus C eine Kante {u, w} auf C, so dass gilt: C = SP(u, v) + SP(w, v) + {u, w}, wobei SP(u, v) bzw. SP(w, v) ein kürzester Weg von u bzw. w nach v in G ist. Beweis: v 1 v 2 v Q i P i v i+1 v i Betrachte beliebigen Kreis C der MCB, sowie einen belibiegen Knoten v auf C: Indizierung der Knoten auf Kreis sei v = v 0,..., v l = v. Q i := Weg auf C von v nach v i in Richtung der Indizierung. P i := Weg auf C von v i nach v in Richtung der Indizierung. Entweder P i oder Q i ist kürzester Weg von v nach v i (vorherige Folie). Sei i der größte Index, sodass Q i kürzester Weg von v nach v i ist. C = Q i {v i, v i+1 } P i+1 ist gewünschte Darstellung.

11 Algorithmus von Horton Algorithmus von Horton für MCB Eingabe: Graph G = (V, E) Ausgabe: Kreisbasis minimalen Gewichts von G. H for v V und {u, w} E do Berechne Cv uw := SP(u, v) + SP(w, v) + {u, w} if Cv uw ist einfach then H H {C uw v } Sortiere Elemente aus H aufsteigend zu C 1,..., C k B for i = 1 to k do if B {C i } linear unabhängig then B B {C i }

12 Algorithmus von Horton Algorithmus von Horton für MCB Eingabe: Graph G = (V, E) Ausgabe: Kreisbasis minimalen Gewichts von G. H for v V und {u, w} E do Berechne Cv uw := SP(u, v) + SP(w, v) + {u, w} if Cv uw ist einfach then H H {C uw v } Sortiere Elemente aus H aufsteigend zu C 1,..., C k B for i = 1 to k do if B {C i } linear unabhängig then B B {C i } B m n + K(G) O(n m), weil H m n wobei m O(n 2 ) O(m n log n) O(m 3 n) O(m 2 ) Gesamtlaufzeit: O(m 3 n)

13 Algorithmus von de Pina

14 Algorithmus von de Pina Sei T ein aufspannender Baum (bzw. Wald) in G und e 1,..., e N die Nichtbaumkanten aus G\T in einer beliebigen Ordnung, wobei gilt N = m n + K(G). Eingabe: Graph G = (V, E) Ausgabe: MCB von G for j = 1 bis N do Initialisiere S 1,j {e j } for k = 1 bis N do Finde einen kürzesten Kreis C k, der eine ungerade Anzahl von Kanten aus S k,k enthält for j = k + 1 bis { N do S k,j S k+1,j S k,j S k,k, falls C k eine gerade Anzahl Kanten aus S k,j enthält, falls C k eine ungerade Anzahl Kanten aus S k,j enthält Ausgabe ist: {C 1,..., C N }

15 Algorithmus von de Pina Sei T ein aufspannender Baum (bzw. Wald) in G und e 1,..., e N die Nichtbaumkanten aus G\T in einer beliebigen Ordnung, wobei gilt N = m n + K(G). Eingabe: Graph G = (V, E) Ausgabe: MCB von G for j = 1 bis N do Initialisiere S 1,j {e j } for k = 1 bis N do O(m 3 + c m) Finde einen kürzesten Kreis C k, der eine ungerade Anzahl von Kanten aus S k,k enthält for j = k + 1 bis { N do S k,j S k+1,j S k,j S k,k Ausgabe ist: {C 1,..., C N }, falls C k eine gerade Anzahl Kanten aus S k,j enthält, falls C k eine ungerade Anzahl Kanten aus S k,j enthält Annahme: Berechnung von C k kann in O(c) durchgeführt werden. Es gilt (ohne Beweis): c O(m 2 + n 2 log n) Gesamtlaufzeit: O(m 3 + m n 2 log n) vgl. Horton: O(m 3 n) O(m)

16 Beispiel 9 e 8 e 7 e 6 e 2 e 1 e 4 2 e e e e 5

17 Beispiel 9 e 8 e 7 e e 10 e 2 e 1 e 4 2 e e 5 Initialisierung: Ergebnis: for j = 1 bis N do Initialisiere S 1,j {e j } S 1,1 = {e 1 }, S 1,2 = {e 2 }, S 1,3 = {e 3 }, S 1,4 = {e 4 }, S 1,5 = {e 5 } 10 e 9

18 Beispiel 9 e 8 e 7 e S 1,1 = {e 1 }, S 1,2 = {e 2 }, S 1,3 = {e 3 }, S 1,4 = {e 4 }, S 1,5 = {e 5 } e 10 e 2 e 1 e 4 2 e e 5 k = 1: S 2,2 := S 1,2 S 1,1 = {e 1, e 2 } S 2,3 := S 1,3 S 1,1 = {e 1, e 3 } S 2,4 := {e 4 } S 2,5 := {e 5 } w(c 1 ) = 9 10 e 9 for k = 1 bis N do Finde einen kürzesten Kreis C k, der eine ungerade Anzahl von Kanten aus S k,k enthält for j = k + 1 bis { N do S k,j S k+1,j S k,j S k,k, falls C k eine gerade Anzahl Kanten aus S k,j enthält, falls C k eine ungerade Anzahl Kanten aus S k,j enthält

19 Beispiel 9 e 8 e 7 e S 1,1 = {e 1 }, S 1,2 = {e 2 }, S 1,3 = {e 3 }, S 1,4 = {e 4 }, S 1,5 = {e 5 } e 10 e 2 e 1 e 4 2 e e 5 k = 1: k = 2: S 2,2 := S 1,2 S 1,1 = {e 1, e 2 } S 2,3 := S 1,3 S 1,1 = {e 1, e 3 } S 2,4 := {e 4 } S 2,5 := {e 5 } S 3,3 := S 2,3 = {e 1, e 3 } S 3,4 := S 2,2 S 2,4 = {e 1, e 2, e 4 } S 3,5 := S 2,5 = {e 5 } w(c 1 ) = 9 w(c 2 ) = e 9 for k = 1 bis N do Finde einen kürzesten Kreis C k, der eine ungerade Anzahl von Kanten aus S k,k enthält for j = k + 1 bis { N do S k,j S k+1,j S k,j S k,k, falls C k eine gerade Anzahl Kanten aus S k,j enthält, falls C k eine ungerade Anzahl Kanten aus S k,j enthält

20 Beispiel 9 e 8 e 7 e 6 e 2 e 1 e 4 2 e e S 1,1 = {e 1 }, S 1,2 = {e 2 }, S 1,3 = {e 3 }, S 1,4 = {e 4 }, S 1,5 = {e 5 } e e 5 k = 1: S 2,2 := S 1,2 S 1,1 = {e 1, e 2 } S 2,3 := S 1,3 S 1,1 = {e 1, e 3 } S 2,4 := {e 4 } k = 2: S 2,5 := {e 5 } S 3,3 := S 2,3 = {e 1, e 3 } S 3,4 := S 2,2 S 2,4 = {e 1, e 2, e 4 } S 3,5 := S 2,5 = {e 5 } k = 3: S 4,4 := {e 1, e 2, e 4 } S 4,5 := {e 5 } w(c 1 ) = 9 w(c 2 ) = 12 w(c 3 ) = 15 for k = 1 bis N do Finde einen kürzesten Kreis C k, der eine ungerade Anzahl von Kanten aus S k,k enthält for j = k + 1 bis { N do S k,j S k+1,j S k,j S k,k, falls C k eine gerade Anzahl Kanten aus S k,j enthält, falls C k eine ungerade Anzahl Kanten aus S k,j enthält

21 Beispiel 9 e 8 e 7 e 6 e 1 e 2 2 e 4 e e S 1,1 = {e 1 }, S 1,2 = {e 2 }, S 1,3 = {e 3 }, S 1,4 = {e 4 }, S 1,5 = {e 5 } e e 5 k = 1: k = 2: S 2,2 := S 1,2 S 1,1 = {e 1, e 2 } S 2,3 := S 1,3 S 1,1 = {e 1, e 3 } S 2,4 := {e 4 } S 2,5 := {e 5 } S 3,3 := S 2,3 = {e 1, e 3 } S 3,4 := S 2,2 S 2,4 = {e 1, e 2, e 4 } S 3,5 := S 2,5 = {e 5 } k = 3: S 4,4 := {e 1, e 2, e 4 } S 4,5 := {e 5 } k = 4: S 5,5 := {e 5 } w(c 1 ) = 9 w(c 2 ) = 12 w(c 3 ) = 15 w(c 4 ) = 13 for k = 1 bis N do Finde einen kürzesten Kreis C k, der eine ungerade Anzahl von Kanten aus S k,k enthält for j = k + 1 bis { N do S k,j S k+1,j S k,j S k,k, falls C k eine gerade Anzahl Kanten aus S k,j enthält, falls C k eine ungerade Anzahl Kanten aus S k,j enthält

22 Beispiel 9 e 8 e 7 e 6 e 1 e 2 2 e 4 e e e e 5 S 2,2 := S 1,2 S 1,1 = {e 1, e 2 } S 2,3 := S 1,3 S 1,1 = {e 1, e 3 } S 2,4 := {e 4 } S 2,5 := {e 5 } for k = 1 bis N do Finde einen kürzesten Kreis C k, der eine ungerade Anzahl von Kanten aus S k,k enthält for j = k + 1 bis { N do S k,j S k+1,j S k,j S k,k S 1,1 = {e 1 }, S 1,2 = {e 2 }, S 1,3 = {e 3 }, S 1,4 = {e 4 }, S 1,5 = {e 5 } k = 1: k = 2: S 3,3 := S 2,3 = {e 1, e 3 } S 3,4 := S 2,2 S 2,4 = {e 1, e 2, e 4 } S 3,5 := S 2,5 = {e 5 } k = 3: S 4,4 := {e 1, e 2, e 4 } S 4,5 := {e 5 } k = 4: S 5,5 := {e 5 } k = 5:, falls C k eine gerade Anzahl Kanten aus S k,j enthält w(c 1 ) = 9 w(c 2 ) = 12 w(c 3 ) = 15 w(c 4 ) = 13 w(c 5 ) = 17, falls C k eine ungerade Anzahl Kanten aus S k,j enthält

23 Korrektheit des Algorithmus von de Pina

24 Vektorenschreibweise Betrachte algebraische Interpretation des Algorithmus: Betrachte Kreise als Inzidenzvektoren über E mit Einschränkung auf die Nichtbaumkanten {e 1,..., e N }. e 8 e 7 e 6 e 1 e 2 e 3 e 4 e 9 C e 10 e 5 Beispiel: Kreise werden mithilfe der Nichtbaumkanten e 1, e 2, e 3, e 4 und e 5 beschrieben. C = e 1... e 5 Kreis C kann mithilfe der Fundamentalkreise C i (C i =Fundamentalkreis der Nichtbaumkante e i ) rekonstruiert werden. C = C 1 C 2 C 4 C 5

25 Bilinearform for k = 1 bis N do Finde einen kürzesten Kreis C k, der eine ungerade Anzahl von Kanten aus S k,k enthält for j = k + 1 bis { N do S k,j S k+1,j S k,j S k,k, falls C k eine gerade Anzahl Kanten aus S k,j enthält, falls C k eine ungerade Anzahl Kanten aus S k,j enthält Betrachte S k,k nach k-ten Durchlauf ebenfalls als Vektor über {e 1,..., e N }, der Menge der Nichtbaumkanten. N Definiere Bilinearform zweier Vektoren C und S: C, S := (c i s i ) i=1 Produkt und Summe sind über GF(2) definiert. C und S sind orthogonal zueinander genau dann, wenn C, S =0. C, S = 1 genau dann, wenn C eine ungerade Anzahl Einträge mit S gemeinsam hat.

26 Algebraische Variante Eingabe: Graph G = (V, E) Ausgabe: MCB von G for i = 1 bis N do S i {e i } for k = 1 bis N do Finde einen kürzesten Kreis C k mit C k, S k = 1 for i = k + 1 bis N do if C k, S i = 1 then S i S i S k Ausgabe ist: {C 1,..., C N } Hinweis: Schreibe S k abkürzend für S k,k Lemma 5.12 Die zweite äußere Schleife des Algorithmus erhält die Invariante C i, S j+1 = 0 für alle i, 1 i j N.

27 Vereinfachende Schreibweise Eingabe: Graph G = (V, E) Ausgabe: MCB von G S 1 {e 1 } C 1 kürzester Kreis mit C 1, S 1 = 1 for k = 2 bis N do Berechne beliebigen Vektor S k, der eine nichttriviale Lösung des Systems C i, X = 0 für i = 1 bis k 1 ist. Finde einen kürzesten Kreis C k mit C k, S k = 1. Ausgabe ist: {C 1,..., C N } Satz 5.13 Der Algorithmus SIMPLE MCB berechnet eine MCB.

28 Bemerkungen Die Laufzeit kann auf O(m 2 n + m n 2 log n) reduziert werden. Empirische Verbesserung: Verheiratung von Horton und de Pina. Berechne Kandiatenmenge H von Horton. Suche kürzesten Kreis C k ausschließlich in dieser Kandiatenmenge Lösungsraum wird verkleinert. Algorithmus von Horton kann mithilfe schneller Matrix-Multiplikation auf eine Laufzeit O(m ω n) reduziert werden (Bekannt: ω < 2.376).

29 Zertifikat für MCB

30 Zertifikat G = (V, E) MCB-Berechnung MCB-Check Problem: Zertifikat für MCB-Algorithmus Gegeben sei der Graph G = (V, E), w : E R + 0 und eine Menge von Kreisen A von G. Gib ein Zertifikat dafür an, dass A eine MCB von G ist. Zertifikat Die gegebenen Kreise bilden eine minimale Kreisbasis in G = (V, E).

31 Zertifikat-Erstellung MCB-CHECKER Eingabe: Graph G = (V, E), Kreise C 1,... C N Ausgabe: Zertifikat zur Prüfung, ob C 1,... C N eine MCB von G sind. 1. Berechne aufspannenden Wald T, dabei seien {e 1,..., e N } die Nichtbaumkanten. 2. Definiere A := (C 1... C N ) als N N-Matrix, deren i-te Spalte der Inzidenzvektor von C i mit {e 1,..., e N } ist. 3. Berechne A 1. A ist genau dann invertierbar, wenn C 1,..., C N linear unabhängig. S 1,..., S N von A 1 bilden das Zertifikat.

32 Zertifikat-Erstellung MCB-CHECKER Eingabe: Graph G = (V, E), Kreise C 1,... C N Ausgabe: Zertifikat zur Prüfung, ob C 1,... C N eine MCB von G sind. 1. Berechne aufspannenden Wald T, dabei seien {e 1,..., e N } die Nichtbaumkanten. 2. Definiere A := (C 1... C N ) als N N-Matrix, deren i-te Spalte der Inzidenzvektor von C i mit {e 1,..., e N } ist. 3. Berechne A 1. A ist genau dann invertierbar, wenn C 1,..., C N linear unabhängig. S 1,..., S N von A 1 bilden das Zertifikat. Lemma 5.16 Seien S 1,..., S N und C 1,..., C N linear unabhängig. Falls C i ein kürzester Kreis mit S i, C i = 1 für alle 1 i N ist, dann ist C 1,..., C N eine MCB. Allgemeiner: für die Matrix mit Spalten A 1... A N, wobei A i jeweils ein kürzester Kreis mit S i, A i = 1 ist, gilt: N i=1 w(a i) w(b) für jede Kreisbasis B.

Effiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra

Effiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra Effiziente Algorithmen und Datenstrukturen I Kapitel 10: Lineare Algebra Christian Scheideler WS 2008 19.02.2009 Kapitel 10 1 Überblick Notation Arithmetik auf großen Zahlen (Addition und Multiplikation)

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

Entscheidungsbäume. 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

Mehr

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zur Linearen Algebra II Blatt 5 Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische

Mehr

Die Komplexitätsklassen P und NP

Die Komplexitätsklassen P und NP Die Komplexitätsklassen P und NP Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 3. Dezember 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit und

Mehr

Anmerkungen zur Übergangsprüfung

Anmerkungen zur Übergangsprüfung DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

8 Diskrete Optimierung

8 Diskrete Optimierung 8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von

Mehr

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel

3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel 3.1 Konstruktion von minimalen Spannbäumen Es gibt zwei Prinzipien für die Konstruktion von minimalen Spannbäumen (Tarjan): blaue Regel rote Regel EADS 3.1 Konstruktion von minimalen Spannbäumen 16/36

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik

Mehr

S=[n] Menge von Veranstaltungen J S kompatibel mit maximaler Größe J

S=[n] Menge von Veranstaltungen J S kompatibel mit maximaler Größe J Greedy-Strategie Definition Paradigma Greedy Der Greedy-Ansatz verwendet die Strategie 1 Top-down Auswahl: Bestimme in jedem Schritt eine lokal optimale Lösung, so dass man eine global optimale Lösung

Mehr

Algorithmentheorie. 13 - Maximale Flüsse

Algorithmentheorie. 13 - Maximale Flüsse Algorithmentheorie 3 - Maximale Flüsse Prof. Dr. S. Albers Prof. Dr. Th. Ottmann . Maximale Flüsse in Netzwerken 5 3 4 7 s 0 5 9 5 9 4 3 4 5 0 3 5 5 t 8 8 Netzwerke und Flüsse N = (V,E,c) gerichtetes Netzwerk

Mehr

Algorithmen und Datenstrukturen 2

Algorithmen und Datenstrukturen 2 Algorithmen und Datenstrukturen 2 Sommersemester 2006 3. Vorlesung Peter F. Stadler Universität Leipzig Institut für Informatik studla@bioinf.uni-leipzig.de Algorithmen für Graphen Fragestellungen: Suche

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5) Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff

Mehr

Algorithmische Mathematik

Algorithmische Mathematik Algorithmische Mathematik Wintersemester 2013 Prof. Dr. Marc Alexander Schweitzer und Dr. Einar Smith Patrick Diehl und Daniel Wissel Übungsblatt 6. Abgabe am 02.12.2013. Aufgabe 1. (Netzwerke und Definitionen)

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume?

Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V

Mehr

1 topologisches Sortieren

1 topologisches Sortieren Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung

Mehr

Grundlagen der Theoretischen Informatik, SoSe 2008

Grundlagen der Theoretischen Informatik, SoSe 2008 1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)

Mehr

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland

OECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben

Mehr

Effiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume

Effiziente Algorithmen und Datenstrukturen I. Kapitel 9: Minimale Spannbäume Effiziente Algorithmen und Datenstrukturen I Kapitel 9: Minimale Spannbäume Christian Scheideler WS 008 19.0.009 Kapitel 9 1 Minimaler Spannbaum Zentrale Frage: Welche Kanten muss ich nehmen, um mit minimalen

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Kombinatorische Optimierung

Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesung 1 Programm des

Mehr

Informatik I WS 07/08 Tutorium 24

Informatik I WS 07/08 Tutorium 24 Info I Tutorium 24 Informatik I WS 07/08 Tutorium 24 3.2.07 astian Molkenthin E-Mail: infotut@sunshine2k.de Web: http://infotut.sunshine2k.de Organisatorisches / Review is zum 2.2 müssen alle Praxisaufgaben

Mehr

1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie

1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. Bäume / Graphen 5. Hashing 6. Algorithmische Geometrie Gliederung 1. Motivation / Grundlagen 2. Sortierverfahren 3. Elementare Datenstrukturen / Anwendungen 4. äume / Graphen 5. Hashing 6. Algorithmische Geometrie 4/5, olie 1 2014 Prof. Steffen Lange - HDa/bI

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4

Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt 4 Karlsruher Institut für Technologie Institut für Theoretische Informatik Prof. Dr. Peter H. Schmitt David Farago, Christoph Scheben, Mattias Ulbrich Formale Systeme, WS 2012/2013 Lösungen zu Übungsblatt

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c)

5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c) 5.2 Das All-Pairs-Shortest-Paths-Problem (APSP-Problem) Kürzeste Wege zwischen allen Knoten. Eingabe: Gerichteter Graph G =(V, E, c) mit V = {1,...,n} und E {(v, w) 1 apple v, w apple n, v 6= w}. c : E!

Mehr

Kombinatorische Optimierung

Kombinatorische Optimierung Juniorprof. Dr. Henning Meyerhenke 1 Henning Meyerhenke: KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Vorlesungen 5 und 6 Programm

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Sortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1

Sortieren durch Einfügen. Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Sortieren durch Einfügen Prof. Dr. W. Kowalk Sortieren durch Einfügen 1 Schon wieder aufräumen Schon wieder Aufräumen, dabei habe ich doch erst neulich man findet alles schneller wieder Bücher auf Regal

Mehr

Informationsblatt Induktionsbeweis

Informationsblatt Induktionsbeweis Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

Information Systems Engineering Seminar

Information Systems Engineering Seminar Information Systems Engineering Seminar Algorithmische Prüfung der Planarität eines Graphen Marcel Stüttgen, 22.10.2012 FH AACHEN UNIVERSITY OF APPLIED SCIENCES 1 Planarität - Definition Ein Graph heißt

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische

Mehr

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl

Mehr

Konzepte der Informatik

Konzepte der Informatik Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens

Mehr

Übung Theoretische Grundlagen

Übung Theoretische Grundlagen Übung Theoretische Grundlagen Berechenbarkeit/Entscheidbarkeit Nico Döttling November 26, 2009 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Grundlagen der Künstlichen Intelligenz

Grundlagen der Künstlichen Intelligenz Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.

Mehr

6.2 Scan-Konvertierung (Scan Conversion)

6.2 Scan-Konvertierung (Scan Conversion) 6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster

Mehr

Mächtigkeit von WHILE-Programmen

Mächtigkeit von WHILE-Programmen Mächtigkeit von WHILE-Programmen Prof. Dr. Berthold Vöcking Lehrstuhl Informatik 1 Algorithmen und Komplexität RWTH Aachen 26. November 2009 Berthold Vöcking, Informatik 1 () Vorlesung Berechenbarkeit

Mehr

Alles zu seiner Zeit Projektplanung heute

Alles zu seiner Zeit Projektplanung heute Alles zu seiner Zeit Projektplanung heute Nicole Megow Matheon Überblick Projektplanung Planen mit Graphentheorie Maschinenscheduling Ein 1 Mio. $ Problem Schwere & leichte Probleme? Zeitplanungsprobleme?

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Lange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege

Lange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick

Mehr

4 Vorlesung: 21.11. 2005 Matrix und Determinante

4 Vorlesung: 21.11. 2005 Matrix und Determinante 4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer

Mehr

Bestimmung einer ersten

Bestimmung 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,

Mehr

Fit für die Prüfung Elektrotechnik Effektives Lernen mit Beispielen und ausführlichen Lösungen

Fit für die Prüfung Elektrotechnik Effektives Lernen mit Beispielen und ausführlichen Lösungen Jan Luiken ter Haseborg Christian Schuster Manfred Kasper Fit für die Prüfung Elektrotechnik Effektives Lernen mit Beispielen und ausführlichen Lösungen 18 1 Elektrische Gleichstromnetzwerke det(a 2 )

Mehr

Stackelberg Scheduling Strategien

Stackelberg Scheduling Strategien Stackelberg Scheduling Strategien Von Tim Roughgarden Präsentiert von Matthias Ernst Inhaltsübersicht Einleitung Vorbetrachtungen Stackelberg Strategien Ergebnisse Seminar Algorithmische Spieltheorie:

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen zum 3. Aufgabenblatt SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.

Mehr

4 Greedy-Algorithmen (gierige Algorithmen)

4 Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine

Mehr

Erweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen:

Erweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: VBA Programmierung mit Excel Schleifen 1/6 Erweiterung der Aufgabe Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: Es müssen also 11 (B L) x 35 = 385 Zellen berücksichtigt

Mehr

Primzahlzertifikat von Pratt

Primzahlzertifikat von Pratt Primzahlzertifikat von Pratt Daniela Steidl TU München 17. 04. 2008 Primzahltests in der Informatik "Dass das Problem, die Primzahlen von den Zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren

Mehr

Zusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen

Zusammenfassung. Satz. 1 Seien F, G Boolesche Ausdrücke (in den Variablen x 1,..., x n ) 2 Seien f : B n B, g : B n B ihre Booleschen Funktionen Zusammenfassung Zusammenfassung der letzten LV Einführung in die Theoretische Informatik Woche 6 Harald Zankl Institut für Informatik @ UIBK Wintersemester 2014/2015 Satz 1 Seien F, G Boolesche Ausdrücke

Mehr

Entwurf von Algorithmen - Kontrollstrukturen

Entwurf von Algorithmen - Kontrollstrukturen Entwurf von Algorithmen - Kontrollstrukturen Eine wichtige Phase in der Entwicklung von Computerprogrammen ist der Entwurf von Algorithmen. Dieser Arbeitsschritt vor dem Schreiben des Programmes in einer

Mehr

In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert.

In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Konstante Modelle: In konstanten Modellen wird davon ausgegangen, dass die zu prognostizierende Größe sich über die Zeit hinweg nicht verändert. Der prognostizierte Wert für die Periode T+i entspricht

Mehr

Mathematischer Vorbereitungskurs für Ökonomen

Mathematischer Vorbereitungskurs für Ökonomen Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen

Mehr

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen 5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei

Mehr

Periodische Fahrpläne und Kreise in Graphen

Periodische Fahrpläne und Kreise in Graphen Periodische Fahrpläne und Kreise in Graphen Vorlesung Algorithmentechnik WS 2009/10 Dorothea Wagner Karlsruher Institut für Technologie Eisenbahnoptimierungsprozess 1 Anforderungserhebung Netzwerkentwurf

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 15. Lösung linearer Gleichungssysteme Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren

Mehr

Künstliche Intelligenz Maschinelles Lernen

Künstliche Intelligenz Maschinelles Lernen Künstliche Intelligenz Maschinelles Lernen Stephan Schwiebert Sommersemester 2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Maschinelles Lernen Überwachtes Lernen

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Tutorium 4 26..25 INSTITUT FÜR THEORETISCHE INFORMATIK KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu

Mehr

WS 2013/14. Diskrete Strukturen

WS 2013/14. Diskrete Strukturen WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Kapiteltests zum Leitprogramm Binäre Suchbäume

Kapiteltests zum Leitprogramm Binäre Suchbäume Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm

Mehr

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Formelsammlung zur Kreisgleichung

Formelsammlung zur Kreisgleichung zur Kreisgleichung Julia Wolters 6. Oktober 2008 Inhaltsverzeichnis 1 Allgemeine Kreisgleichung 2 1.1 Berechnung des Mittelpunktes und Radius am Beispiel..... 3 2 Kreis und Gerade 4 2.1 Sekanten, Tangenten,

Mehr

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit

15.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit 5.3 Bedingte Wahrscheinlichkeit und Unabhängigkeit Einführendes Beispiel ( Erhöhung der Sicherheit bei Flugreisen ) Die statistische Wahrscheinlichkeit, dass während eines Fluges ein Sprengsatz an Bord

Mehr

Mathematik I für Wirtschaftswissenschaftler

Mathematik I für Wirtschaftswissenschaftler 1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.

Mehr

Guten Morgen und Willkommen zur Saalübung!

Guten Morgen und Willkommen zur Saalübung! Guten Morgen und Willkommen zur Saalübung! 1 Wie gewinnt man ein Spiel? Was ist ein Spiel? 2 Verschiedene Spiele Schach, Tic-Tac-Toe, Go Memory Backgammon Poker Nim, Käsekästchen... 3 Einschränkungen Zwei

Mehr

16. All Pairs Shortest Path (ASPS)

16. 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

Mehr

Quadratische Gleichungen

Quadratische Gleichungen Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl

Mehr

Datenstrukturen & Algorithmen

Datenstrukturen & Algorithmen Datenstrukturen & Algorithmen Matthias Zwicker Universität Bern Frühling 2010 Übersicht Binäre Suchbäume Einführung und Begriffe Binäre Suchbäume 2 Binäre Suchbäume Datenstruktur für dynamische Mengen

Mehr

W-Rechnung und Statistik für Ingenieure Übung 11

W-Rechnung und Statistik für Ingenieure Übung 11 W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik

Mehr

Übung Theoretische Grundlagen Nachtrag zur Vorlesung Dirk Achenbach 21.11.2013

Übung Theoretische Grundlagen Nachtrag zur Vorlesung Dirk Achenbach 21.11.2013 Übung Theoretische Grundlagen Nachtrag zur Vorlesung Dirk Achenbach 21.11.2013 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory of the

Mehr

Formale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK

Formale Systeme. Binary Decision Diagrams. Prof. Dr. Bernhard Beckert WS 2010/2011 KIT INSTITUT FÜR THEORETISCHE INFORMATIK Formale Systeme Prof. Dr. Bernhard Beckert WS / KIT INSTITUT FÜR THEORETISCHE INFORMATIK KIT University of the State of Baden-Württemberg and National Large-scale Research Center of the Helmholtz Association

Mehr

Programmierkurs Java

Programmierkurs Java Programmierkurs Java Dr. Dietrich Boles Aufgaben zu UE16-Rekursion (Stand 09.12.2011) Aufgabe 1: Implementieren Sie in Java ein Programm, das solange einzelne Zeichen vom Terminal einliest, bis ein #-Zeichen

Mehr

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29 1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian

Mehr

Die Verbindung von Linearer Programmierung und Graphentheorie

Die Verbindung von Linearer Programmierung und Graphentheorie Die Verbindung von Linearer Programmierung und Graphentheorie Definition 5.9. Ein kombinatorisches Optimierungsproblem entspricht einem LP, bei dem statt der Vorzeichenbedingungen x i 0 Bedingungen der

Mehr

Algorithmische Methoden für schwere Optimierungsprobleme

Algorithmische Methoden für schwere Optimierungsprobleme Algorithmische Methoden für schwere Optimierungsprobleme Juniorprof. Dr. Henning Meyerhenke Institut für Theoretische Informatik 1 KIT Henning Universität desmeyerhenke, Landes Baden-Württemberg Institutund

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration

Mehr

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Alignment-Verfahren zum Vergleich biologischer Sequenzen

Alignment-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

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

( ) als den Punkt mit der gleichen x-koordinate wie A und der

( ) als den Punkt mit der gleichen x-koordinate wie A und der ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der

Mehr

Automatisches Parallelisieren

Automatisches Parallelisieren Automatisches Parallelisieren Vorlesung im Wintersemester 2010/11 Eberhard Zehendner FSU Jena Thema: Datenabhängigkeitsanalyse Eberhard Zehendner (FSU Jena) Automatisches Parallelisieren Datenabhängigkeitsanalyse

Mehr

Euklidischer Algorithmus, Restklassenring und seine Struktur, Chinesischer Restklassensatz

Euklidischer 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

Mehr

Erfüllbarkeit und Allgemeingültigkeit

Erfüllbarkeit und Allgemeingültigkeit Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 3.3 Aussagenlogik Erfüllbarkeit 44 Erfüllbarkeit und Allgemeingültigkeit Def.: eine Formel ϕ heißt erfüllbar, wennesein I gibt, so dass I = ϕ

Mehr

4. Übungsblatt Matrikelnr.: 6423043

4. Übungsblatt Matrikelnr.: 6423043 Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613

Mehr

Kapitel MK:IV. IV. Modellieren mit Constraints

Kapitel MK:IV. IV. Modellieren mit Constraints Kapitel MK:IV IV. Modellieren mit Constraints Einführung und frühe Systeme Konsistenz I Binarization Generate-and-Test Backtracking-basierte Verfahren Konsistenz II Konsistenzanalyse Weitere Analyseverfahren

Mehr

Datenbanken Microsoft Access 2010

Datenbanken Microsoft Access 2010 Datenbanken Microsoft Access 2010 Abfragen Mithilfe von Abfragen kann ich bestimmte Informationen aus einer/mehrerer Tabellen auswählen und nur diese anzeigen lassen die Daten einer/mehrerer Tabellen sortieren

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr