COMPLESSITA COMPUTAZIONALE ESERCITAZIONI (I PARTE) Tutor: Francesca Piersigilli
|
|
- Uberto Pepe
- 5 anni fa
- Visualizzazioni
Transcript
1 COMPLESSITA COMPUTAZIONALE ESERCITAZIONI (I PARTE) Tutor: Fracesca Piersigilli
2 ANALISI DI ALGORITMI Aalizzare u algoritmo sigifica prevedere le risorse che esso richiede: MEMORIA TEMPO Per fare ciò assumeremo che le istruzioi dell algoritmo vegoo eseguite ua dopo l altra seza possibilità di eseguire operazioi i maiera cocorrete.
3 Isertio sort (I) Per otteere u array ordiato basta costruirlo ordiato, iseredo gli elemeti al posto giusto fi dall iizio. Si agisce sull array, i modo tale che i primi k elemeti risultao essere sempre ordiati
4 Isertio sort (II) Scelta di progetto i ogi istate, le prime K celle (umerate da 0 a K-1) costituiscoo parte dell array ordiato; le successive N-K celle costituiscoo la parte residua dell array origiale. ORDINATO DA ORDINARE
5 Isertio sort (III) Come cosegueza della scelta di progetto fatta, i ogi istate il uovo elemeto da iserire si trova ella cella successiva alla fie del uovo array, cioè la (K+1)-esima (il cui idice è K)
6 Calcolo Complessità INSERTION SORT (I) alizziamo i dettaglio l algoritmo Isertio Sort. azitutto dobbiamo aver presete il codice dell algoritmo: or (j = 1; j < ; j++) { //: umero di elemeti che il vettore cotiee it i, x; i = j-1; x = A[j]; //A[j]: elemeto j-esimo del vettore A while (i >=0 && A[i] > x) { A[i + 1] = A[i]; i--; } A[i+1] = x;
7 Calcolo Complessità INSERTION SORT (II) ISTRUZIONI for (j = 1; j < ; j++) { it i, x; i = j-1; x = A[j]; while (i >=0 && A[i] > x) { COSTO c 1 0 c 2 c 3 c 4 NUMERO DI VOLTE CHE AVVIENE L ESECUZIONE Σ t j i--; } A[i+1] = x; } A[i + 1] = A[i]; c 5 c 6 c 7 Σ (t j -1) Σ (t j -1) -1
8 Calcolo Complessità INSERTION SORT (III) Dove t j è il umero di volte che l istruzioe viee eseguita per quel determiato valore di j. Quidi possiamo dire che la complessità computazioale dell algoritmo Isert Sort è data da: T() = *c 1 + (-1)*c 2 + (-1)*c 3 + Σ t j *c 4 + Σ (t j -1)*c Σ (t j -1)*c 6 + (-1)*c 7
9 Calcolo Complessità INSERTION SORT (IV) Notare che il tempo di esecuzioe dell algoritmo è la somma dei tempi di esecuzioe di ciascua istruzioe eseguita; u istruzioe che costa c i per essere eseguita e che viee elaborata volte, cotribuirà co c i * al totale del tempo di esecuzioe. Per calcolare T(), cioè il tempo di esecuzioe di INSERTION SORT, si sommao i prodotti delle coloe dei costi e delle volte che l istruzioe viee eseguita.
10 Calcolo Complessità INSERTION SORT (V) ipedeza dall iput: che per iput della stessa dimesioe (cioè dello stesso, questo caso umero di elemeti), il tempo di esecuzioe i u algoritmo può dipedere da quale tipo di iput è dato. er esempio, i INSERTION SORT il caso migliore è uado l array è già ordiato: per ogi j, si trova che [i] < x, quado i ha il suo valore iiziale di j-1.
11 Calcolo Complessità INSERTION SORT (VI) Caso migliore : Quidi t j = 1 per j = 1, 2,,, co u tempo di esecuzioe el caso migliore pari a: T() = *c 1 + (-1)*c 2 + (-1)*c 3 + *c 4 + (-1)*c 7 = = *(c 1 +c 4 ) + (c 2 +c 3 +c 7 )*(-1) = Σ t j = Σ 1 = (c 1 +c 2 +c 3 +c 4 +c 7 )* + (c 2 +c 3 +c 7 ) a*+b * a, b dipedoo dai costi c i a b Complessità Lieare
12 Calcolo Complessità INSERTION SORT (VII) aso peggiore: INSERTION SORT il caso peggiore è quado l array è rdiato i ordie iverso (decrescete): i questo caso isoga cofrotare ogi elemeto A[i] co tutto il ottoarray, così che t j = j per j =1, 2,, : 1 t j = Σ j = *(+1) 2 2 =1 (t j -1) = Σ (j-1) = *(-1) 2
13 alcolo Complessità INSERTION SORT (VIII) aso peggiore el caso peggiore il tempo di esecuzioe di u algoritmo di INSERTION ORT è: (+1)-4 (-1) () = *c 1 + (-1)*c 2 + (-1)*c 3 + *c 4 + *c (-1) + *c 6 + (-1)*c 7 = 2 = *c 1 + *c 2 c 2 + *c 3 c * + * - 2*c c 5 c 5 c * - * + 2 * - * + *c 7 c 7 = c 4 c 5 c 6 = ( + + )* 2 +(c 1 +c 2 +c c 7 )*-c 2 -c 3-2c 4 -c a * 2 + c 6 c 4 c 4 c 5 c 6 c 4 b *+ c
14 Calcolo Complessità INSERTION SORT (IX) Caso peggiore a* 2 + b* + c Abbiamo complessità computazioale quadratica. I geere si prede i cosiderazioe il caso peggiore, i modo tale che esiste ua garazia che l algoritmo o potrà mai impiegare tempi maggiori.
CAPITOLO 3. Quicksort
CAPITOLO 3 Quicksort I questa lezioe presetiamo l algoritmo di ordiameto Quicksort(vedi []). L algoritmo Quicksort riceve i iput u array A e idici p r ed ordia l array A[p,, r] el modo seguete. L array
DettagliAlgoritmi e Strutture Dati Esercizi Prima parte
Algoritmi e Strutture Dati Esercizi Prima parte Esercizio 1 Si cosideri il seguete codice: 1 i 1 2 k 0 3 while i 4 do if A[i] s 5 the k k + 1 6 A[k] A[i] 7 i i + 1 e si dimostri la sua correttezza rispetto
DettagliInformatica 3. Informatica 3. LEZIONE 18: Ordinamento. Lezione 18 - Modulo 1. Introduzione. Analisi algoritmi di ordinamento.
Iformatica 3 Iformatica 3 LEZIONE 18: Ordiameto Lezioe 18 - Modulo 1 Modulo 1: Algoritmi di base Modulo 2: Shellshort Modulo 3: Quicksort Algoritmi di base Politecico di Milao - Prof. Sara Comai 1 Politecico
DettagliRicorrenze. 3 1 Metodo iterativo
3 Ricorreze 31 Metodo iterativo Il metodo iterativo cosiste ello srotolare la ricorreza fio ad otteere ua fuzioe dipedete da (dimesioe dell iput). L idea è quella di reiterare ua data ricorreza T () u
DettagliStima di somme: esercizio
Stima di somme: esercizio Valutare l'ordie di gradezza della somma k l (1 + 3 k ) Quado x
DettagliRicerca di un elemento in una matrice
Ricerca di u elemeto i ua matrice Sia data ua matrice xm, i cui gli elemeti di ogi riga e di ogi coloa soo ordiati i ordie crescete. Si vuole u algoritmo che determii se u elemeto x è presete ella matrice
Dettagli3 Ricorrenze. 3.1 Metodo iterativo
3 Ricorreze Nel caso di algoritmi ricorsivi ad esempio, merge sort, ricerca biaria, ricerca del massimo e/o del miimo), il tempo di esecuzioe può essere descritto da ua fuzioe ricorsiva, ovvero da u equazioe
DettagliEsercitazione 3 Sistemi lineari
Esercitazioe 3 Sistemi lieari a.a. 2018-19 Esercizio 1 (M) Scrivere ua M-fuctio che calcola l iversa di ua matrice triagolare iferiore L di ordie mediate ua tecica compatta, memorizzadola ella matrice
Dettagli2T(n/2) + n se n > 1 T(n) = 1 se n = 1
3 Ricorreze Nel caso di algoritmi ricorsivi (ad esempio, merge sort, ricerca biaria, ricerca del massimo e/o del miimo), il tempo di esecuzioe può essere descritto da ua fuzioe ricorsiva, ovvero da u equazioe
DettagliAlgoritmi e strutture dati
Algoritmi e Strutture Dati Selezioe e statistiche di ordie Problemi di statistiche d ordie Estrarre da gradi quatità di dati u piccolo isieme di idicatori che e rappresetio caratteristiche statisticamete
DettagliCorso di Linguaggi e Traduttori 1 AA TEORIA DELLA COMPUTAZIONE (cenni)
Corso di Liguaggi e Traduttori 1 AA 2004-05 TEORIA DELLA COMPUTAZIONE cei) 1 Sommario Iterazioe e ricorsioe Relazioi di ricorreza Complessità computazioale 2 Iterazioe e Ricorsioe Dato u problema, la sua
DettagliTEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11
1 TEORIA DELLE MATRICI Dato u campo K, defiiamo matrice ad elemeti i K di tipo (m, ) u isieme di umeri ordiati secodo m righe ed coloe i ua tabella rettagolare del tipo a11 a12... a1 a21 a22... a2 A =.........
DettagliTutorato di Probabilità 1, foglio I a.a. 2007/2008
Tutorato di Probabilità, foglio I a.a. 2007/2008 Esercizio. Siao A, B, C, D eveti.. Dimostrare che P(A B c ) = P(A) P(A B). 2. Calcolare P ( A (B c C) ), sapedo che P(A) = /2, P(A B) = /4 e P(A B C) =
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Fiaza iziao Vargiolu vargiolu@math.uipd.it 1 1 Uiversità degli Studi di Padova Ao Accademico 2012-2013 Lezioe 3 Idice 1 Il modello di Cox-Ross-Rubistei 2 Dal modello di Cox-Ross-Rubistei
DettagliElementi di statistica
Elemeti di statistica La misura delle gradezze fisiche può essere effettuata direttamete o idirettamete. Se la misura viee effettuata direttamete si parla di misura diretta; se essa viee dedotta attraverso
DettagliUnità Didattica N 33 L algebra dei vettori
Uità Didattica N 33 Uità Didattica N 33 0) La ozioe di vettore 02) Immagie geometrica di u vettore umerico 03) Somma algebrica di vettori 04) Prodotto di u umero reale per u vettore 05) Prodotto scalare
DettagliElementi di calcolo combinatorio
Appedice A Elemeti di calcolo combiatorio A.1 Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare
DettagliMetodi numerici PROCESSI ITERATIVI PER VALORI SCALARI. Ivan Zivko. Metodi numerici. Docente: Ivan Zivko 1
Iva Zivko PROCESSI ITERATIVI PER VALORI SCALARI Docete: Iva Zivko Processi umerici: puti ulli Immagiiamo ua fuzioe y f ( ), a., b Spesso è utile saper determiare tutti i suoi puti ulli, cioè tutti i puti
Dettaglii-esima statistica d ordine di un insieme = i-esimo elemento più piccolo
Geeralità i-esima statistica d ordie di u isieme i-esimo elemeto più piccolo prima statistica d ordie di u isieme miimo -esima statistica d ordie di u isieme di elemeti massimo Mediao di u isieme di elemeti
DettagliAlgoritmi e Strutture Dati (Mod. B) Programmazione Dinamica (Parte I)
Algoritmi e Strutture Dati (Mod. B) Programmazioe Diamica (Parte I) Numeri di Fiboacci Defiizioe ricorsiva (o iduttiva) F() = F() = F() = F() + F() Algoritmo ricorsivo Fib(: itero) if = or = the retur
DettagliSomma E possibile sommare due matrici A e B ottenendo una matrice C se e solo se le due matrici hanno lo stesso numero di righe e di colonne.
Matrici Geeralità sulle matrici I matematica, ua matrice è uo schierameto rettagolare di oggetti; le matrici di maggiore iteresse soo costituite da umeri come, per esempio, la seguete: 1 s 6 4 4 2 v t
DettagliAlgebra delle matrici
Algebra delle matrici Prodotto di ua matrice per uo scalare Data ua matrice A di tipo m, e dato uo scalare r R, moltiplicado r per ciascu elemeto di A si ottiee ua uova matrice di tipo m, detta matrice
DettagliAccenni al calcolo combinatorio
Accei al calcolo combiatorio Dario Malchiodi e Aa Maria Zaaboi ottobre 2017 Pricipio fodametale del calcolo combiatorio: se ci soo s 1 modi per operare ua scelta e, per ciascuo di essi, ci soo s 2 modi
Dettagli(A + B) ij = A ij + B ij, i = 1,..., m, j = 1,..., n.
Algebra lieare Matematica CI) 263 Somma di matrici Siao m ed due iteri positivi fissati Date due matrici A, B di tipo m, sommado a ciascu elemeto di A il corrispodete elemeto di B, si ottiee ua uova matrice
DettagliAppendice A. Elementi di Algebra Matriciale
ppedice. Elemeti di lgebra Matriciale... 2. Defiizioi... 2.. Matrice quadrata... 2..2 Matrice diagoale... 2..3 Matrice triagolare... 3..4 Matrice riga e matrice coloa... 3..5 Matrice simmetrica e emisimmetrica...
DettagliAlgoritmi e Strutture Dati. Introduzione
Algoritmi e Strutture Dati Itroduzioe Complessità degli algoritmi Aalisi delle prestazioi degli algoritmi Servirà u Modello Computazioale di riferimeto. Tempo di eseuzioe degli algoritmi Notazioe asitotia
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
Dettagli= = 32
Algabra lieare (Matematica CI) - 9 Algebra delle matrici - Moltiplicazioe Euple, righe e coloe Notazioe I algebra lieare giocao u ruolo importate le coppie, tere,, ple ordiate di umeri reali; cosi come
DettagliCenni di calcolo combinatorio
Appedice B Cei di calcolo combiatorio B Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare degli
DettagliAPPENDICE 1 Richiami di algebra lineare
APPENDICE Richiami di algebra lieare vettore: isieme ordiato di elemeti (umeri reali, umeri complessi, variabili, fuzioi,...) B = b b M b 2 { } = b, co i =, L, i il vettore sopra defiito è detto ache vettore
DettagliArchitettura degli elaboratori
iversità degli Studi dell Isubria Dipartimeto di Scieze Teoriche e pplicate rchitettura degli elaboratori Registri e Marco Tarii Dipartimeto di Scieze Teoriche e pplicate marco.tarii@uisubria.it Register
DettagliCorso di Statistica - Esercitazione 1
Corso di Statistica - Esercitazioe 1 Dott. Davide Buttarazzi d.buttarazzi@uicas.it Esercizio 1 La seguete tabella riporta dati riguardati la produzioe di tastiere per computer risultate difettose. Causa
DettagliSTATISTICA 1 ESERCITAZIONE 4
STATISTICA 1 ESERCITAZIONE 4 Dott. Giuseppe Padolfo 21 Ottobre 2013 Percetili: i valori che dividoo la distribuzioe i ceto parti di uguale umerosità. Esercizio 1 La seguete tabella riporta la distribuzioe
DettagliTempo di calcolo. , per cui x è un caso più sfavorevole quando T. peggiore(
Tempo di calcolo. Tempo di calcolo di u algoritmo La complessità computazioale è ua misura della difficoltà di risolvere problemi di calcolo co algoritmi. Per misurare la complessità di u algoritmo si
Dettaglialgoritmi e strutture di dati
algoritmi e strutture di dati complessità degli algoritmi m.patrigai ota di copyright queste slides soo protette dalle leggi sul copyright il titolo ed il copyright relativi alle slides (iclusi, ma o limitatamete,
DettagliScritto da Maria Rispoli Domenica 09 Gennaio :32 - Ultimo aggiornamento Domenica 20 Febbraio :50
Ua delle applicazioi della teoria delle proporzioi è la divisioe di u umero (o di ua gradezza) i parti direttamete o iversamete proporzioali a più umeri o a più serie di umeri dati. Tale tipo di problema
DettagliConsideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con
Calcolo Combiatorio Adolfo Scimoe pag 1 Calcolo combiatorio Cosideriamo u isieme di oggetti di atura qualsiasi. Idicheremo questi oggetti co a1 a2... a. Co questi oggetti si voglioo formare dei gruppi
DettagliELEMENTI DI CALCOLO COMBINATORIO
ELEMENTI DI CALCOLO COMBINATORIO 1 Elemeti di calcolo combiatorio Si tratta di ua serie di teciche per determiare il umero di elemeti di u isieme seza eumerarli direttamete. Dati elemeti distiti ci chiediamo
DettagliFormulazione di Problemi Decisionali come Problemi di Programmazione Lineare
Formulazioe di Problemi Decisioali come Problemi di Programmazioe Lieare Cosideriamo i segueti problemi decisioali ed esamiiamo come possoo essere formulati come problemi di PL: Il problema del trasporto
DettagliDelimitazioni inferiori e superiori alla complessita di un problema
Delimitazioi iferiori e superiori alla complessita di u problema Alcue teciche Nozioi prelimiari Ua ozioe prelimiare: albero k-ario completo U U albero k-ario è completo se se tutti i i odi iteri hao k
DettagliDivide et Impera. Minimo e Massimo. Minimo e Massimo. Risoluzione di problemi per partizione con lavoro bilanciato
Divide et Imera Risoluzioe di roblemi er artizioe co lavoro bilaciato Miimo e Massimo L algoritmo Mi-Max calcola il miimo ed il massimo tra i valori di u vettore A. Mi-Max A least A[] greatest A[] for
DettagliProblem solving elementare su dati scalari. Esercizi risolti
1 Esercizio: Fattoriale Esercizi risolti Si realizzi u programma che, letto u umero, stampi il valore del fattoriale per tutti i umeri da 0 a. Si ricordi che 0!=1. void mai (void) it i,, fatt; pritf ("Valore
DettagliDETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE
DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo
DettagliMole e Numero di Avogadro
Mole e Numero di Avogadro La mole È ua uatità i grammi di ua sostaza che cotiee u umero preciso e be determiato di particelle (atomi o molecole) Numero di Avogadro Ua mole di ua sostaza cotiee u umero
DettagliEsercizi settimanali
Geometria (per il corso di laurea i Fisica), AA 5-6, I semestre Doceti: Erico Arbarello, Alberto De Sole Esercizi settimaali Esercizi per martedì 6 Ottobre Esercizio (Maetti 75) Scrivere i segueti umeri
DettagliTeoria della Calcolabilità
Teoria della Calcolabilità Si occupa delle questioi fodametali circa la poteza e le limitazioi dei sistemi di calcolo. L'origie risale alla prima metà del vetesimo secolo, quado i logici matematici iiziaroo
DettagliAppunti complementari per il Corso di Statistica
Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe
DettagliT n = f n log n = log n. 1 ] 1 ] 1 = sono verificate le disuguaglianze c 1
A.A. 00 05 Esame di Algoritmi e strutture dati luglio 005 Esercizio (6 puti) Risolvere co almeo due metodi diversi la seguete relazioe di ricorreza T = T =T Master Theorem a= b= per cui log b a = log /
DettagliAlgoritmi e Strutture di Dati
Algoritmi e Strutture di Dati Complessità degli algoritmi m.patrigai Nota di copyright queste slides soo protette dalle leggi sul copyright il titolo ed il copyright relativi alle slides (iclusi, ma o
DettagliEs. di Ordine di crescita. Di quanto aumenta il running time se la taglia ~nlog(n) operazioni. dell input)
Ricomiciamo da quato fatto Riflettiamo su quato fatto Problemi icotrati Algoritmi Problemi icotrati Algoritmi Max Subarray Stable Matchig Max Subarray Stable Matchig 2 possibilità! possibilità Algoritmo
DettagliCAMBIAMENTO DI BASE IN UNO SPAZIO VETTORIALE
CAMBIAMENTO DI BASE IN UNO SPAZIO VETTORIALE Sia V uo spazio vettoriale sul campo K. Siao v, v,..., v vettori dati apparteeti a V e siao, ioltre, assegati scalari k, k,..., k apparteeti a K. Si defiisce
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliAlgebra delle matrici
Algebra delle matrici Vettori riga, vettori coloa Sia u itero ositivo fissato Ciascu vettore di R uo essere esato come ua matrice riga oure come ua matrice coloa (co elemeti) Per covezioe, idetifichiamo
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Trieale i Matematica Calcolo delle Probabilità I doceti G. Nappo, F. Spizzichio Prova di martedì luglio tempo a disposizioe: 3 ore. Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo
DettagliSTATISTICA 1 ESERCITAZIONE 5
STATISTICA ESERCITAZIONE 5 Dott. Giuseppe Padolfo 28 Ottobre 203 VARIABILITA IN TERMINI DI DISPERSIONE DA UN CENTRO Cetro Me o μ La dispersioe viee misurata come sitesi delle distaze tra le uità statistiche
DettagliCapitolo Parte V
Capitolo 1 1.1 Parte V Exercise 1.1. Sia X ua variabile aleatoria, defiita su (Ω,P a valori i E, quasi certamete costate, ossia esiste c E tale che P(X = c = 1. Si mostri che esiste u uico elemeto c E
DettagliThe start Package. October 15, 2007
The start Package October 15, 2007 Type Package Ecodig lati1 Depeds R, stats, utils, tools Title Ifereza classica co TI-83 Plus Versio 1.1.12 Date 2007-10-12 Author Fabio Frascati Maitaier Ua libreria
DettagliElementi di statistica descrittiva. Tabella dei dati :
- - Elemeti di statistica descrittiva I dati riportati sotto si riferiscoo a 20 studeti uiversitari che frequetavao u corso di Statistica e soo stati raccolti facedo compilare ad ogi studete il seguete
Dettagli1. a n = n 1 a 1 = 0, a 2 = 1, a 3 = 2, a 4 = 3,... Questa successione cresce sempre piú al crescere di n e vedremo che {a n } diverge.
Le successioi A parole ua successioe é u isieme ifiito di umeri disposti i u particolare ordie. Piú rigorosamete, ua successioe é ua legge che associa ad ogi umero aturale u altro umero (ache o aturale):
DettagliEsercitazione 2 Soluzione di equazioni non lineari
Esercitazioe 2 Soluzioe di equazioi o lieari Scopo di questa serie di esercizi è quella di trovare ove possibile gli zeri di fuzioe di equazioi o lieari utilizzado i vari metodi spiegati a lezioe. I metodi
DettagliCalcolo Numerico A.A Esercitazione n
Calcolo Numerico A.A. 22-23 Esercitazioe. 4 26-3-23 Fuzioi di iput\output Per visualizzare strighe sullo schermo disp('striga di caratteri') Esempio: >> disp('oggi e'' ua bella giorata') Per itrodurre
DettagliTECNICA DIVIDE ET IMPERA
TECNICA DIVIDE ET IMPERA 1. Itroduzioe Data l istaza di u problema, la strategia del divide-et-impera suggerisce di partizioarla i k sotto-istaze i modo da otteere k uove istaze per lo stesso problema
DettagliI TRIANGOLI ARITMETICI
I TRIANGOLI ARITMETICI Atoio Salmeri Qui di seguito si prederao i esame alcui triagoli aritmetici. Essi soo ell ordie i triagoli che foriscoo i coefficieti dei poliomi geerati dalle segueti espressioi:.
DettagliMatematica III. 1 Richiami di teoria
appresetazioe dei umeri reali el calcolatore La rappresetazioe avviee el formato matissa espoete: pn q dove: - p matissa - N base di umerazioe - q espoete La rappresetazioe si dice ormalizzata quado N
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso
DettagliForme Bilineari 1 / 34
Forme Bilieari 1 / 34 Defiizioe applicazioe Dicesi forma bilieare su uo spazio vettoriale V, ua ϕ : V V R che è lieare i etrambi gli argometi, ossìa tale che u,v,w V e a,b R si abbia: ϕ(au + bv,w) =aϕ(u,w)
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliPROPRIETÀ DELLE POTENZE IN BASE 10
PROPRIETÀ DELLE POTENZE IN BASE Poteze i base co espoete itero positivo Prediamo u umero qualsiasi che deotiamo co la lettera a e u umero itero positivo che deotiamo co la lettera Per defiizioe (cioè per
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA LAFIDIN
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA LAFIDIN LABORATORIO/FISICO/DIDATTICO/INGEGNERIA VIA CLAUDIO, 1 8015 NAPOLI WWW.LAFIDIN.UNINA.IT - TEL. 081/7683603- FAX 081/768360 Corso
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
DettagliAttivazione di funzione e record di attivazione
corsi di laurea i Igegeria Chiica,Elettroica,Telecouicazioi,Iforatica Fodaeti di Iforatica: copleeto didattico su Attivazioe di fuzioe e record di attivazioe Dispesa a putate: questa è la pria putata.
DettagliCPU (1) (4) (3) (2) dispatcher. Context switch. Concetti fondamentali. Il massimo impiego della CPU è ottenuto con la multiprogrammazione.
Cocetti fodametali LABORATORIO DI PROGRAMMAZIONE 2 Corso di laurea i matematica Il massimo impiego della CPU è otteuto co la multiprogrammazioe. di processi e threads Preseza i memoria di umerosi processi
DettagliAlgoritmi e Strutture Dati. Introduzione
Algoritmi e Strutture Dati Itroduzioe Iformazioi utili T.H. Corme, C.E. Leiserso, R.L Rivest Itroduzioe agli algoritmi. Jakso Libri Iizio dei laboratori: prima settimaa di ovembre. Isrizioe al laboratorio
Dettagli5 CAMPIONAMENTO SISTEMATICO 5.1 INTRODUZIONE
5 CAMPIONAMENTO SISTEMATICO 5. INTRODUZIONE Prima dell'avveto degli elaboratori e della loro rapida diffusioe, l'estrazioe di u campioe casuale semplice o di u campioe stratificato di gradi dimesioi poteva
DettagliPrecorso di Matematica, aa , (IV)
Precorso di Matematica, aa 01-01, (IV) Poteze, Espoeziali e Logaritmi 1. Nel campo R dei umeri reali, il umero 1 e caratterizzato dalla proprieta che 1a = a, per ogi a R; per ogi umero a 0, l equazioe
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO Che cosa sigifica cotare Tutti coosciamo la successioe dei umeri iteri Naturali N = {0, 1,,, } si tratta di ua struttura metale fodametale, chiaramete presete alla ostra ituizioe che
DettagliInsiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi:
Isiemi umerici Soo oti l isieme dei umeri aturali: N {1,, 3,, l isieme dei umeri iteri relativi: Z {0, ±1, ±, ±3, N {0 ( N e, l isieme dei umeri razioali: Q {p/q : p Z, q N. Si ottiee questo ultimo isieme,
DettagliPreparazione al corso di statistica Prof.ssa Cerbara
Preparazioe al corso di statistica Prof.ssa Cerbara Esistoo molti isiemi umerici, ciascuo co caratteristiche be precise. Alcui importatissimi isiemi umerici soo: N: isieme dei umeri aturali, cioè tutti
DettagliArchitettura degli elaboratori
Marco Tarii - iversità dell'isubria.. 2017/18 iversità degli Studi dell Isubria Dipartimeto di Scieze Teoriche e pplicate rchitettura degli elaboratori Register File Marco Tarii Dipartimeto di Scieze Teoriche
DettagliNote per la Lezione 11 Ugo Vaccaro
Progettazioe di Algoritmi Ao Accademico 2017 2018 Note per la Lezioe 11 Ugo Vaccaro Abbiamo visto ella lezioe scorsa u argometo ituitivo secodo il quale il tempo medio di esecuzioe di QuickSort è O( log
DettagliANalysis. Analisi della Varianza - ANOVA. Aprile, Aprile, Nel linguaggio delle variabili le operazioni fondamentali sono tre
ANalsis Of VAriace Nel liguaggio delle variabili le operazioi fodametali soo tre Descrizioe Spiegazioe Iterpretazioe Descrizioe La relazioe tra variabili viee sitetizzata per meglio cogliere gli aspetti
DettagliElementi. di Calcolo Combinatorio. Paola Giacconi
Elemeti di Calcolo Combiatorio di Paola Giaccoi Premessa Co la Meccaica Quatistica Il cocetto di probabilità è etrato a fare parte itegrate della FISICA e quidi della ostra vita La visioe determiistica
DettagliEsercizi sui numeri complessi per il dodicesimo foglio di esercizi
Esercizi sui umeri complessi per il dodicesimo foglio di esercizi 6 dicembre 2010 1 Numeri complessi radici ed equazioi Ricordiamo iazitutto che dato u umero complesso z = x + iy, il suo coiugato, idicato
DettagliCAMBIAMENTO DI BASE IN UNO SPAZIO VETTORIALE
CAMBIAMENTO DI BASE IN UNO SPAZIO VETTORIALE Sia V uo spazio vettoriale sul campo K. Siao v, v,..., v vettori dati apparteeti a V e siao, ioltre, assegati scalari k, k,..., k apparteeti a K. Si defiisce
DettagliUNITA 1 STRUTTURA DELLA MATERIA
UNITA STRUTTURA DELLA MATERIA Esercizio. Idicare le coordiate dei puti A,B e C del reticolo cristallio della figura: C A B A= 2 ;0; 2 ; B= 2 ; C=,, Esercizio.2 Idicare sulla figura i puti di coordiate:
DettagliTrasmissione del calore con applicazioni numeriche: informatica applicata
Corsi di Laurea i Igegeria Meccaica Trasmissioe del calore co applicazioi umerice: iformatica applicata a.a. 5/6 Teoria Parte IV Ig. Nicola Forgioe Dipartimeto di Igegeria Civile e Idustriale E-mail: icola.forgioe@ig.uipi.it;
DettagliComportamento meccanico dei materiali
Stato di tesioe e di deformazioe Stato di tesioe -dimesioale e -dimesioale Defiizioe algebrica dello stato di tesioe Cerchi di Mohr - approfodimeti Relazioi bivettoriali e forme quadratiche Stato di deformazioe
DettagliAlgoritmi e Strutture Dati. Introduzione
Algoritmi e Strutture Dati Itroduzioe Iformazioi utili T.H. Corme, C.E. Leiserso, R.L Rivest, C. Stei Itroduzioe agli algoritmi e strutture dati. MGraw-Hill Sito web o le slides del orso: http://people.a.if.it/~bee/asd/
DettagliStrumenti di indagine per la valutazione psicologica
Strumeti di idagie per la valutazioe psicologica 6 ANOVA a u fattore withi Uiversità di Cagliari, a.a. 2013/2014 Davide Massidda davide.massidda@gmail.com Disegi a misure ripetute #1 t 0 t 1 t 2 t 3 Valutazioe
DettagliUniversità degli Studi di Roma "La Sapienza" Lorenzo Rossi. Decodifica MAP.
Uiversità degli Studi di Roma "La Sapieza" Lorezo Rossi Decodifica MAP. Tesi svolta per il coseguimeto della laurea di primo livello i Igegeria delle Telecomuicazioi Relatore: Chiar.mo Prof. Roberto Cusai
Dettagli,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5
Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio
DettagliLA INTERPOLAZIONE Appartamenti venduti nel 2006 da un agenzia immobiliare di Treviso.
LA INTERPOLAZIONE Appartameti veduti el 006 da u agezia immobiliare di Treviso. superficie (mq) prezzo (k ) segue 10 160 45 70 80 95 85 110 64 98 106 140 10 170 50 80 100 150 90 15 115 165 140 165 98 145
DettagliFUNZIONI SUCCESSIONI PRINCIPIO DI INDUZIONE
FUNZIONI SUCCESSIONI PRINCIPIO DI INDUZIONE. Le Fuzioi L'operazioe di prodotto cartesiao relazioe biaria La relazioe biaria fuzioe Fuzioi iiettive, suriettive, biuivoche Fuzioi ivertibili. Le Successioi
DettagliProgrammazione Matematica a Numeri Interi (Integer Programming - IP)
Programmazioe Matematica a Numeri Iteri (Iteger Programmig - IP) Problema di ottimizzazioe di ua fuzioe obiettivo lieare soggetta al rispetto di u isieme di vicoli lieari i cui tutte o parte delle variabili
DettagliLe successioni: intro
Le successioi: itro Si cosideri la seguete sequeza di umeri:,, 2, 3, 5, 8, 3, 2, 34, 55, 89, 44, 233, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi 2 mesi i u allevameto!
DettagliDaniela Tondini
Daiela Todii dtodii@uite.it Facoltà di Bioscieze e Tecologie agro-alimetari e ambietali e Facoltà di Medicia Veteriaria C.L. i Biotecologie Uiversità degli Studi di Teramo 1 La mediaa o valore mediao M
DettagliLezione III: Variabilità. Misure di dispersione o di variabilità. Prof. Enzo Ballone. Lezione 3a- Misure di dispersione o di variabilità
Lezioe III: Variabilità Cattedra di Biostatistica Dipartimeto di Scieze Biomediche, Uiversità degli Studi G. d Auzio di Chieti Pescara Prof. Ezo Balloe Lezioe a- Misure di dispersioe o di variabilità Misure
Dettagli