Esercizi per il corso di Algoritmi, anno accademico 2014/15
|
|
- Ruggero Grande
- 8 anni fa
- Visualizzazioni
Transcript
1 1 Esercizi per il corso di Algoritmi, anno accademico 2014/15 Esercizi sulle Notazioni Asintotiche 1. Esercizio: Provare le seguenti relazioni, esibendo opportune costanti c 1,c 2 ed n 0. Si assuma per semplictà che i logaritmi siano in base 2. Si giustifichino con precisione le affermazioni fatte. (a) log(n!) = Θ(nlogn) (b) log(n!/2 n ) = Θ(nlogn) (c) nlog n = Θ(nlogn) ) (d) log( n logn = Θ(logn) (e) 5n nlogn 2 +10n 2 = Θ(n 2 ). 2. Esercizio: In ciascuno dei seguenti casi, indicare se vale f(n) = O(g(n)), o se f(n) = Ω(g(n)), oppure se valgono entrambe le condizioni (in tal caso occorrerà indicare che f(n) = Θ(g(n)). (a) f(n) = n nlogn, g(n) = 5n+2 nlog 3 n (b) f(n) = 10nlog 4 n, g(n) = (n/10) 3 n (c) f(n) = 5n+10 n, g(n) = n 10 nlogn (d) f(n) = n 3/2 nlogn, g(n) = 8nlog 3 n (e) f(n) = 3logn, g(n) = logn 8 (f) f(n) = logn, g(n) = log n (g) f(n) = 6n 5 +nlogn 2 + n, g(n) = n 5 4nlogn 2 8 n (h) f(n) = n 1.01, g(n) = n(logn) 3 (i) f(n) = 7 n, g(n) = 8 n (j) f(n) = 3 log 2 n, g(n) = 2 log 3 n (k) f(n) = n4 n, g(n) = n! (l) f(n) = 3 n+2, g(n) = 3 n 3 (m) f(n) = n5 n, g(n) = 6 n (n) f(n) = n 2 n 3/2, g(n) = 7n 2 +8n 2/3 (o) f(n) = logn 8, g(n) = log 2 n 3. Esercizio: Per ciascuna delle seguenti affermazioni, fornire un adeguata dimostrazione nel caso l affermazione sia vera o un opportuno controesempio nel caso l affermazione sia falsa. Si assuma che tutte le funzioni siano positive e non devrescenti. (a) Se f(n) = O(n 2 ) e g(n) = O(n 2 ), allora f(n) g(n) = O(1).
2 2 (b) Se n f(n) > g(n), allora f(n)+g(n) = Θ(f(n)). (c) Se f(n) = Θ((n)) e g(n) = Θ(n), allora 2 f(n) = O(2 g(n) ). (d) Se f(n) = Θ(g(n)), allora f(n) g(n) = Θ(g(n)). 4. Esercizio: Date le seguenti funzioni: n nlogn,log(n!/2 n ) 4,loglog 2 n 3,n 2 +logn 2,3 n +5 n,nlog3 n,n!,4n 2 +6n n,10n+3loglog 2 n,loglogn, 4n+20logn+3 n,log(n!),5 2 n,nlog(n+2) 3,5n 2 +nlogn+n 3/2,4 logn,nlog(n+2) 3,4 n,8nlog 3 n, partizionarle in insiemi disgiunti A 1,A 2,... tali che entrambe le seguenti condizioni valgano 1. f(n),g(n) A i f(n) = Θ(g(n)) 2. f(n) A i, g(n) A j, con i < j f(n) = O(g(n)) ma f(n) Θ(g(n)) 5. Esercizio: Date le seguenti funzioni 2nlog 3 n,4 3 nlogn,logn 4,n logn,n 2 logn 3,n n,n 5,(logn) n,10 4 n,nlog 3 n,7log 3 n,n 3 3 n,10loglog 2 n, 3logn 4,n!,n 1/logn ordinarle scrivendole da sinistra a destra in modo tale che la funzione f(n) venga posta a sinistra della funzione g(n) se f(n) = O(g(n)). 6. Esercizio: Tracciare una linea da ciascuna delle cinque funzioni al centro al miglior valore Ω sulla sinistra (ovvero alla funzione sulla sinistra che cresce piú velocemente e che continua ad essere Ω di quella centrale), ed al miglior valore O sulla destra (ovvero alla funzione sulla destra che cresce meno velocemente e che continua ad essere O di quella centrale). Ω(1/n) O(1/n) Ω(1) O(1) Ω(loglogn) O(loglogn) Ω(log n) O(log n) Ω(log 2 n) O(log 2 n) Ω( 4 3 n) n O( 4 n) Ω(n/ log n) 1/(log n) O(n/ log n) Ω(n) 2n 3 3n O(n) Ω(n ) (n 3 +n)/(nlog 2 n+logn) O(n ) Ω(n 2 /log 2 n) 3 (log 3 n)3 O(n 2 /log 2 n) Ω(n 2 /logn) 4 n O(n 2 /logn) Ω(n 3/2 ) O(n 3/2 ) Ω(n 2 ) O(n 2 ) Ω(2 n ) O(2 n ) Ω(5 n ) O(5 n ) Ω(n n ) O(n n ) Ω(n n2 ) O(n n2 )
3 3 7. Esercizio: Provarechesef 1 (n) = O(g 1 (n))ef 2 (n) = O(g 2 (n)), alloraf 1 (n)+f 2 (n) = O(g 1 (n)+ g 2 (n)). Provare che se f 1 (n) = Ω(g 1 (n)) e f 2 (n) = Ω(g 2 (n)), allora f 1 (n)+f 2 (n) = Ω(g 1 (n)+ g 2 (n)). 8. Esercizio: Provarechesef 1 (n) = Θ(g 1 (n))ef 2 (n) = Θ(g 2 (n)), alloraf 1 (n)+f 2 (n) = Θ(g 1 (n)+ g 2 (n)). 9. Esercizio: Provare che se f 1 (n) = Θ(g 1 (n)) e f 2 (n) = Θ(g 2 (n)), allora f 1 (n) + f 2 (n) = Θ(max{g 1 (n),g 2 (n)}). 10. Esercizio: Si supponga di avere due funzioni f(x) e g(x) tali che f(x) = O(g(x)). Per ciascuna delle seguenti affermazioni, di dica se essa é vera, fornendone una prova, o falsa, fornendone un contresempio. (a) logf(x) = O(logg(x)) (b) 2 f(n) = O(2 g(x) ) (c) f(n) 2 = O(g(n) 2 ) 11. Esercizio: Sisuppongachef 1 (n) = Θ(g 1 (n))echef 2 (n) = Θ(g 2 (n)). Éverochef 1(n)+f 2 (n) = Θ(g 1 (n)+g 2 (n))? É vero che f 1(n)+f 2 (n) = Θ(min{g 1 (n),g 2 (n)})? Giustificare le risposte. 12. Esercizio: Provare che se f 1 (n) = O(g 1 (n)) e f 2 (n) = O(g 2 (n)), allora f 1 (n) f 2 (n) = O(g 1 (n) g 2 (n)). 13. Esercizio: Provare che se f 1 (n) = Ω(g 1 (n)) e f 2 (n) = Ω(g 2 (n)), allora f 1 (n) f 2 (n) = Ω(g 1 (n) g 2 (n)). 14. Esercizio: Provare o refutare: per tutte le funzioni f(n) e g(n), o vale che f(n) = O(g(n)), oppure vale che g(n) = O(f(n)). 15. Esercizio: Provare che
4 4 (a) 2(n+2) 2 = O(n 2 ) (b) 5n 2 8nlogn+9n n = O(n 2 ) (c) 3nlogn = O(n 2 ) (d) nlogn 3n 18 = Ω(n) (e) n 3 3n 2 n n+logn 5 = Θ(n 3 ) (f) n 2 = O(2 n ) (g) n = O(2 n ) (h) cn+d = O(2 n ) per tutte le costanti c,d R + (i) cn k +d = O(2 n ) per tutte le costanti c,d,k R + (j) 3n nlogn = O(n 2 ) (k) n/(logn 4 ) = Ω( n) 16. Esercizio: Si supponga di avere un algoritmo che su di un input di una data taglia k impiega un minuto per terminare. Quanti minuti l algoritmo impiegherà su di un input di taglia 4k se il tempo di esecuzione T(n) dell algoritmo è (a) T(n) = logn (b) T(n) = n (c) T(n) = n 2 (d) T(n) = 2 n
5 5 Esercizi sull Analisi di Algoritmi 1. Esercizio: Si consideri la seguente equazione di ricorrenza per la funzione T(n): T(n) = T(c 1 n)+t(c 2 n)+...+t(c k n)+θ(n), per costanti positive c 1,...,c k tali che c c k < 1. Si provi che T(n) = Θ(n), usando il metodo induttivo. 2. Esercizio: Si consideri il seguente Algoritmo k 1;s 0 while k n do for j 1 to n do s j k k 2 k 3. Esercizio: Si consideri il seguente Algoritmo k 0;s 0,t 0 while k n do for j 1 to n do s j k t t+1 k t+k 4. Esercizio: Si consideri il seguente Algoritmo k 0;s 0,t 0,j 1 while k n do while j n do t t+1 s j k j 2 j k t+k
6 6 5. Esercizio: Si consideri il seguente Algoritmo k 1;s 0,t 0,j 1 while k n do while j n do s j k j 2 j t t+1 k 2 k 6. Esercizio: Si consideri il seguente Algoritmo i 1;r 0 while i n do for j 1 to n i do r r +i i i 2 7. Esercizio: Si consideri il seguente algoritmo: Algoritmo B(n) x 1 if n = 1 or n = 2 then do x x+1 else B(n 2); for i = 1 to n do x x+1 B(n 2) Si derivi una equazione di ricorrenza che descrive la complessità dell algoritmo B(n), e la si risolva, usando il metodo di iterazione.
7 7 8. Esercizio: Si consideri il seguente algoritmo Algorithm(n) che prende in input un intero n 0 e che effettua le seguenti operazioni: Algorithm(n) if n 1 then esegue 2 operazioni e si ferma Esegue n/6 operazioni Algorithm(n/6) Esegue n/6 operazioni Algorithm(n/6) Esegue n/2 operazioni Algorithm(n/3) Detto T(n) il tempo di esecuzione di Algorithm(n) sull input n, scrivere una equazione di ricorrenza per T(n). Trovare una costante c tale che T(n) cn, per ogni n 1. Si assuma che ogni operazione elementare costi Esercizio: Si consideri il seguente algoritmo: if n = 1 then return(0) else Algoritmo(n/2) x 0; i 0 while x n do x x+(2i+1) i i+1 Si esprima la complessitá di mediante una equazione di ricorrenza e se ne dia una soluzione in termini della notazione Θ. 10. Esercizio: Si consideri il seguente algoritmo: Arcanum(X[i...j]) if j = i then return (X[i]) else m = (i+j)/2 x Arcanum(X[i...m]) y Arcanum(X[m+1...j]) if x y then return (x) else return (y) (a) Cosa calcola l algoritmo, una volta chiamato su di un array X[1...n] di n interi? (b) derivare una equazione di ricorrenza per la complessitá dell algoritmo e risolverla. Giustifcare le affermazioni fatte.
8 11. Esercizio: Si consideri il seguente algoritmo: Alg(n) r 0 for j 1 to n do i n while i j do r r +i i i 1 return (r) Valutare la complessitá dell algoritmo mediante la notazione Θ, in funzione del parametro n. 12. Esercizio: Sia T(1) = 1. Risolvere le seguenti equazioni di ricorrenza, usando (eventualmente) i teoremi visti a lezione (a) T(n) = 2T(n/2)+5n 3 (b) T(n) = T(9n/10)+2n (c) T(n) = 16T(n/4)+8n 2 (d) T(n) = 7T(n/3)+12n 2 (e) T(n) = 7T(n/2)+6n 2 (f) T(n) = 2T(n/4)+4 n (g) T(n) = T(n 1)+n (h) T(n) = T( n) Esercizio: Sia A un algoritmo la cui complessità T(n) è esprimibile attraverso la relazione di ricorrenza T(n) = 8T(n/2) + n 2, e sia B un algoritmo la cui complessità T (n) è esprimibile attraverso la relazione di ricorrenza T (n) = at (n/4)+n 2, dove a è un numero intero positivo. Si determini il più grande valore di a per cui l algoritmo A è più veloce di A. 14. Esercizio: Si consideri il seguente algoritmo: Algoritmo S(n) if n = 1 then return(0) else S(n/3) x 0 while x 3n 3 do x x+3 S(n/3) Si derivi una equazione di ricorrenza che descrive la complessità dell algoritmo S(n), e la si risolva. 8
9 9 15. Esercizio: Si consideri il seguente algoritmo: Algoritmo S(n) if n = 1 then return(0) else x 0 while x 9 n do x x+3 Si derivi una equazione di ricorrenza che descrive la complessità dell algoritmo S(n), e la si risolva. 16. Esercizio: Si consideri il seguente algoritmo: Algoritmo S(n) if n = 1 then return(0) else x 0 while x 3n 2 do x x+3 y 0 while y 3n do y y +3 z 0 while z logn do z z +3 S(n/5) Si derivi una equazione di ricorrenza che descrive la complessità dell algoritmo S(n), e la si risolva, in termini della notazione O.
Esercizi per il corso di Algoritmi
1 Esercizi per il corso di Algoritmi Esercizi sulle Notazioni Asintotiche 1. Esercizio: In ciascuno dei seguenti casi, indicare se f(n) = O(g(n)), o se f(n) = Ω(g(n)), oppure entrambi (nel cui caso occorre
Dettagli4.1 Modelli di calcolo analisi asintotica e ricorrenze
4 Esercizi Prima Parte 4.1 Modelli di calcolo analisi asintotica e ricorrenze Esercizio 4 1 Rispondere alle seguenti domande: 1. Come misuriamo l efficienza di un algoritmo?. Quali sono gli algoritmi più
DettagliEsercizi per il corso di Algoritmi e Strutture Dati
1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi
DettagliEsercizi Capitolo 2 - Analisi di Algoritmi
Esercizi Capitolo - Analisi di Algoritmi Alberto Montresor 19 Agosto, 014 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile saltare
DettagliDue algoritmi di ordinamento. basati sulla tecnica Divide et Impera: Mergesort e Quicksort
Due algoritmi di ordinamento basati sulla tecnica Divide et Impera: Mergesort e Quicksort (13 ottobre 2009, 2 novembre 2010) Ordinamento INPUT: un insieme di n oggetti a 1, a 2,, a n presi da un dominio
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliCrittografia. Primalità e Fattorizzazione. Corso di Laurea Specialistica. in Informatica
Crittografia Corso di Laurea Specialistica in Informatica Primalità e Fattorizzazione Alberto Leporati Dipartimento di Informatica, Sistemistica e Comunicazione Università degli Studi di Milano Bicocca
DettagliLezione 4 Ugo Vaccaro
Progettazione di Algoritmi Anno Accademico 2017 2018 Lezione 4 Ugo Vaccaro Introduciamo ora la notazione Ω, che ci sarà utile quando vorremo valutare limitazioni inferiori al tempo di esecuzione di algoritmi
DettagliIntroduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
DettagliComplessità computazionale
1 Introduzione alla complessità computazionale Un problema spesso può essere risolto utilizzando algoritmi diversi Come scegliere il migliore? La bontà o efficienza di un algoritmo si misura in base alla
DettagliLEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3.
7 LEZIONE 7 Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2 2 6x, x3 +2x 2 6x, 3x + x2 2, x3 +2x +3. Le derivate sono rispettivamente,
DettagliEsercizi Capitolo 6 - Alberi binari di ricerca
Esercizi Capitolo 6 - Alberi binari di ricerca Alberto Montresor 23 settembre 200 Alcuni degli esercizi che seguono sono associati alle rispettive soluzioni. Se il vostro lettore PDF lo consente, è possibile
DettagliProgrammazione dinamica
Capitolo 6 Programmazione dinamica 6.4 Il problema della distanza di edit tra due stringhe x e y chiede di calcolare il minimo numero di operazioni su singoli caratteri (inserimento, cancellazione e sostituzione)
DettagliAlgoritmi e Strutture Dati & Laboratorio di Algoritmi e Programmazione
Algoritmi e Strutture Dati & Laboratorio di Algoritmi e Programmazione Esercizi II parte Esercizio 1 Discutere la correttezza di ciascuna delle seguenti affermazioni. Dimostrare formalmente la validità
DettagliProgetto Lauree Scientifiche Liceo Classico L.Ariosto, Ferrara Dipartimento di Matematica Università di Ferrara 24 Gennaio 2012
Progetto Lauree Scientifiche Liceo Classico L.Ariosto, Ferrara Dipartimento di Matematica Università di Ferrara 24 Gennaio 2012 Concetti importanti da (ri)vedere Programmazione imperativa Strutture di
DettagliCorso di Algoritmi e Strutture Dati Informatica per il Management Prova Scritta, 25/6/2015
Corso di Algoritmi e Strutture Dati Informatica per il Management Prova Scritta, 25/6/2015 Chi deve recuperare il progetto del modulo 1 ha 1 ora e 30 minuti per svolgere gli esercizi 1, 2, 3 Chi deve recuperare
DettagliFondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2)
Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2) Definiamo innanzitutto una relazione d ordine tra le funzioni. Siano φ e ψ funzioni
DettagliAlgoritmo. I dati su cui opera un'istruzione sono forniti all'algoritmo dall'esterno oppure sono il risultato di istruzioni eseguite precedentemente.
Algoritmo Formalmente, per algoritmo si intende una successione finita di passi o istruzioni che definiscono le operazioni da eseguire su dei dati (=istanza del problema): in generale un algoritmo è definito
DettagliCOGNOME E NOME (IN STAMPATELLO) MATRICOLA
Politecnico di Milano Facoltà di Ingegneria dell Informazione Informatica 3 Proff. Ghezzi, Lanzi, Matera e Morzenti Seconda prova in itinere 4 Luglio 2005 COGNOME E NOME (IN STAMPATELLO) MATRICOLA Risolvere
DettagliComplessità Computazionale
Complessità Computazionale Analisi Algoritmi e pseudocodice Cosa significa analizzare un algoritmo Modello di calcolo Analisi del caso peggiore e del caso medio Esempio di algoritmo in pseudocodice INSERTION
DettagliNote su quicksort per ASD 2010-11 (DRAFT)
Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliEsercitazioni di Calcolo Numerico 23-30/03/2009, Laboratorio 2
Esercitazioni di Calcolo Numerico 23-30/03/2009, Laboratorio 2 [1] Metodo di Bisezione gli estremi a e b di un intervallo reale trovi uno zero della funzione f(x) nell intervallo [a, b] usando il metodo
DettagliSono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza
Il problema di flusso di costo minimo (MCF) Dati : grafo orientato G = ( N, A ) i N, deficit del nodo i : b i (i, j) A u ij, capacità superiore (max quantità di flusso che può transitare) c ij, costo di
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Soluzione esercizi di approfondimento Stefano Leucci stefano.leucci@univaq.it Una terza variante dell IS InsertionSort3 (A) 1. for k=1 to n-1 do 2. x = A[k+1] 3. j = ricerca_binaria(a[1,k],x)
Dettagli3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
3 CENNI DI TEORIA DELLA COMPLESSITA COMPUTAZIONALE E. Amaldi Fondamenti di R.O. Politecnico di Milano 1 Scopo: Stimare l onere computazionale per risolvere problemi di ottimizzazione e di altra natura
DettagliGrafico qualitativo di una funzione reale di variabile reale
Grafico qualitativo di una funzione reale di variabile reale Mauro Saita 1 Per commenti o segnalazioni di errori scrivere, per favore, a: maurosaita@tiscalinet.it Dicembre 2014 Indice 1 Qualè il grafico
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Definizione: Si chiama successione numerica una funzione definita su IN a valori in IR, cioè una legge che associa ad ogni intero n un numero reale a n. Per abuso di linguaggio, si
DettagliEquazioni non lineari
Equazioni non lineari Data una funzione f : [a, b] R si cerca α [a, b] tale che f (α) = 0. I metodi numerici per la risoluzione di questo problema sono metodi iterativi. Teorema Data una funzione continua
DettagliRaccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica
DIPARTIMENTO DI MATEMATICA Università degli Studi di Trento Via Sommarive - Povo (TRENTO) Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata,
DettagliSemantica Assiomatica
Semantica Assiomatica Anche nella semantica assiomatica, così come in quella operazionale, il significato associato ad un comando C viene definito specificando la transizione tra stati (a partire, cioè,
DettagliMarco Tolotti - Corso di Esercitazioni di Matematica 12 Cfu - A.A. 2010/2011 1
Marco Tolotti - Corso di Esercitazioni di Matematica 1 Cfu - A.A. 010/011 1 Esercitazione 1: 4/09/010 1. Determinare il dominio delle seguenti funzioni: log a) f() = 5 ( 1). b) g() = log 3 (3 6) log 13.
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
DettagliAlgoritmi e Strutture Dati & Laboratorio di Algoritmi e Programmazione
Algoritmi e Strutture Dati & Laboratorio di Algoritmi e Programmazione Appello dell 8 Febbraio 2005 Esercizio 1 (ASD) 1. Dire quale delle seguenti affermazioni è vera giustificando la risposta. (a) lg
DettagliIntroduzione alla tecnica di Programmazione Dinamica
Universitá degli Studi di Salerno Corso di Algoritmi Prof. Ugo Vaccaro Anno Acc. 2014/15 p. 1/37 Sommario della lezione Introduzione alla tecnica di Programmazione Dinamica Esempio di applicazione n. 1:
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliIntroduzione al Corso di Algoritmi
Università di Salerno Corso di Algoritmi Prof. Ugo Vaccaro Anno Accademico 2014/15 p. 1/36 Introduzione al Corso di Algoritmi Di cosa parliamo oggi: Una discussione generale su cosa studieremo, perchè
DettagliEQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6
EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliCondizionamento del problema
Condizionamento del problema x 1 + 2x 2 = 3.499x 1 + 1.001x 2 = 1.5 La soluzione esatta è x = (1, 1) T. Perturbando la matrice dei coefficienti o il termine noto: x 1 + 2x 2 = 3.5x 1 + 1.002x 2 = 1.5 x
DettagliEsercitazione 7 Algorithmi e Strutture Dati (Informatica) A.A 2015/2016
Esercitazione 7 Algorithmi e Strutture Dati (Informatica) A.A 015/016 Tong Liu April 1, 016 Elementi fondamentali Notazioni Asintotiche Definition 1.1. (Notazione O) Sia g (n) una funzione di costo; indichiamo
DettagliAlgoritmi (9 CFU) (A.A. 2009-10)
Algoritmi (9 CFU) (A.A. 2009-10) Probabilità e Algoritmi randomizzati Prof. V. Cutello Algoritmi 1 Overview Definiamo concetti di base di probabilità Variabili casuali e valore medio Algoritmi randomizzati
DettagliProve d'esame a.a. 20082009
Prove d'esame aa 008009 Andrea Corli settembre 0 Sono qui raccolti i testi delle prove d'esame assegnati nell'aa 00809, relativi al Corso di Analisi Matematica I (trimestrale, 6 crediti), Laurea in Ingegneria
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
DettagliSoluzione verifica del 16/12/2014
Soluzione verifica del 6/2/204. Determinare dominio e codominio della funzione y = f(x) il cui grafico è rappresentato nella figura seguente; successivamente valutare i seguenti iti: x x 2 + x x 2 x 2
DettagliLa Macchina RAM Shepherdson e Sturgis (1963)
La Macchina RAM Shepherdson e Sturgis (963) Nastro di ingresso.......... PROGRAM COUNTER Nastro di uscita PROGRAMMA ACCUMULATORE UNITA' ARITMETICA............... 2 3 4 M E M O R I A Formato delle Istruzioni
DettagliAlgoritmi di Ricerca. Esempi di programmi Java
Fondamenti di Informatica Algoritmi di Ricerca Esempi di programmi Java Fondamenti di Informatica - D. Talia - UNICAL 1 Ricerca in una sequenza di elementi Data una sequenza di elementi, occorre verificare
DettagliDAL PROBLEMA ALL'ALGORITMO AL PROGRAMMA SCRITTO IN Come. Scopo principale dell informatica è risolvere problemi con i calcolatori.
DAL PROBLEMA ALL'ALGORITMO AL PROGRAMMA SCRITTO IN Come Scopo principale dell informatica è risolvere problemi con i calcolatori. Non tutti i problemi sono risolvibili con i calcolatori. Si può dimostrato
DettagliEsempi di algoritmi. Lezione III
Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni
DettagliInterpretazione astratta
Interpretazione astratta By Giulia Costantini (819048) e Giuseppe Maggiore (819050) Contents Interpretazione astratta... 2 Idea generale... 2 Esempio di semantica... 2 Semantica concreta... 2 Semantica
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Una funzione reale di una variabile reale f di dominio A è una legge che ad ogni x A associa un numero reale che denotiamo con f(x). Se A = N, la f è detta successione di numeri reali.
DettagliDocente: Anna Valeria Germinario. Università di Bari. A.V.Germinario (Università di Bari) Analisi Matematica ITPS 1 / 22
Laurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Calcolo differenziale e approssimazioni, formula di Taylor Docente: Anna Valeria Germinario Università di Bari
DettagliINFORMATICA GENERALE Prof. Alberto Postiglione Dipartimento Scienze della Comunicazione Università degli Studi di Salerno
INFORMATICA GENERALE Prof. Alberto Postiglione Dipartimento Scienze della Comunicazione Università degli Studi di Salerno UD 3.1b: Costrutti di un Algoritmo Dispense 1.2 I Costrutti di base 13 apr 2010
DettagliInformatica 3. Informatica 3. LEZIONE 10: Introduzione agli algoritmi e alle strutture dati. Lezione 10 - Modulo 1. Importanza delle strutture dati
Informatica 3 Informatica 3 LEZIONE 10: Introduzione agli algoritmi e alle strutture dati Modulo 1: Perchè studiare algoritmi e strutture dati Modulo 2: Definizioni di base Lezione 10 - Modulo 1 Perchè
DettagliCapitolo 6: Modelli di calcolo per linguaggi imperativi e funzionali
Capitolo 6: Modelli di calcolo per linguaggi imperativi e funzionali 1 Modelli imperativi: le RAM (Random Access Machine) I modelli di calcolo imperativi sono direttamente collegati al modello Von Neumann,
DettagliCOMPLESSITÀ COMPUTAZIONALE
COMPLESSITÀ COMPUTAZIONALE COSA SI INTENDE PER COMPLESSITÀ? La Complessità Temporale, Spaziale, di Input/Output e di Trasmissione COMPLESSITÀ TEMPORALE Ininfluenza della velocità della macchina per molte
Dettagli3 GRAFICI DI FUNZIONI
3 GRAFICI DI FUNZIONI Particolari sottoinsiemi di R che noi studieremo sono i grafici di funzioni. Il grafico di una funzione f (se non è specificato il dominio di definizione) è dato da {(x, y) : x dom
DettagliEQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.
EQUAZIONI DIFFERENZIALI Esercizi svolti 1. Determinare la soluzione dell equazione differenziale (x 2 + 1)y + y 2 =. y + x tan y = 2. Risolvere il problema di Cauchy y() = 1 2 π. 3. Risolvere il problema
Dettagli+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice
Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica
Dettagli10 - Programmare con gli Array
10 - Programmare con gli Array Programmazione e analisi di dati Modulo A: Programmazione in Java Paolo Milazzo Dipartimento di Informatica, Università di Pisa http://www.di.unipi.it/ milazzo milazzo di.unipi.it
DettagliPROBLEMA DELLA RICERCA DI UN ELEMENTO IN UN ARRAY E ALGORITMI RISOLUTIVI
PROBLEMA DELLA RICERCA DI UN ELEMENTO IN UN ARRAY E ALGORITMI RISOLUTIVI PROBLEMA DELLA RICERCA in termini generali: Dati in input un insieme S di elementi (numeri, caratteri, stringhe, ) e un elemento
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
DettagliEsponenziali e logaritmi
Esponenziali e logaritmi Corso di accompagnamento in matematica Lezione 4 Sommario 1 La funzione esponenziale Proprietà Grafico 2 La funzione logaritmo Grafico Proprietà 3 Equazioni / disequazioni esponenziali
DettagliPrestazioni CPU Corso di Calcolatori Elettronici A 2007/2008 Sito Web:http://prometeo.ing.unibs.it/quarella Prof. G. Quarella prof@quarella.
Prestazioni CPU Corso di Calcolatori Elettronici A 2007/2008 Sito Web:http://prometeo.ing.unibs.it/quarella Prof. G. Quarella prof@quarella.net Prestazioni Si valutano in maniera diversa a seconda dell
DettagliCOGNOME e NOME: FIRMA: MATRICOLA:
Anno Accademico 04/ 05 Corsi di Analisi Matematica I Proff. A. Villani, R. Cirmi e F. Faraci) Prova d Esame del giorno 6 febbraio 05 Prima prova scritta compito A) Non sono consentiti formulari, appunti,
DettagliSommario della lezione
Universitá degli Studi di Salerno Corso di Algoritmi Prof. Ugo Vaccaro Anno Acc. 2014/15 p. 1/36 Sommario della lezione Ulteriori esempi di applicazione della Programmazione Dinamica Esempio di applicazione
DettagliRisolvere un problema significa individuare un procedimento che permetta di arrivare al risultato partendo dai dati
Algoritmi Algoritmi Risolvere un problema significa individuare un procedimento che permetta di arrivare al risultato partendo dai dati Il procedimento (chiamato algoritmo) è composto da passi elementari
DettagliLABORATORIO DI PROGRAMMAZIONE 2012 2013 EDIZIONE 1, TURNO B
LABORATORIO DI PROGRAMMAZIONE 2012 2013 EDIZIONE 1, TURNO B 23.XI.2012 VINCENZO MARRA Indice Esercizio 1 1 Menu 1 Tempo: 35 min. 2 Commento 1 2 Esercizio 2 2 Ordinamento e ricerca binaria con la classe
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliI sistemi di numerazione
I sistemi di numerazione 01-INFORMAZIONE E SUA RAPPRESENTAZIONE Sia dato un insieme finito di caratteri distinti, che chiameremo alfabeto. Utilizzando anche ripetutamente caratteri di un alfabeto, si possono
DettagliAppunti di Algoritmi e Strutture Dati. Alberto Carraro
Appunti di Algoritmi e Strutture Dati Alberto Carraro 2 Contents 1 Introduzione informale agli algoritmi 7 1.1 I numeri di Fibonacci...................................... 7 1.1.1 Algoritmo numerico...................................
DettagliAlgoritmi. Matricole dispari Prof.ssa Anselmo. Pre-appello del 15 Gennaio 2015. Attenzione:
COGNOME: Nome: Algoritmi Matricole dispari Prof.ssa Anselmo Pre-appello del 15 Gennaio 2015 Attenzione: Inserire i propri dati nell apposito spazio soprastante e sottostante. Non voltare la pagina finché
DettagliPolitecnico di Milano Facoltà di Ingegneria Industriale INFORMATICA B
Politecnico di Milano Facoltà di Ingegneria Industriale INFORMATICA B Esercitazione del 22/01/2013 Esercizio 1 Un sistema dispone di 16 pagine di memoria fisica e 64 di memoria virtuale. Sapo che l indirizzo
Dettaglix ( 3) + Inoltre (essendo il grado del numeratore maggiore del grado del denominatore, d ancora dallo studio del segno),
6 - Grafici di funzioni Soluzioni Esercizio. Studiare il grafico della funzione f(x) = x x + 3. ) La funzione è definita per x 3. ) La funzione non è né pari, né dispari, né periodica. 3) La funzione è
DettagliAlgoritmi e Strutture Dati
Algoritmi e Strutture Dati Modelli di calcolo e metodologie di analisi Domenico Fabio Savo 1 Notazione asintotica f(n) = tempo di esecuzione / occupazione di memoria di un algoritmo su input di dimensione
DettagliIntroduzione ai tipi di dato astratti: applicazione alle liste
Universitàdegli Studi di L Aquila Facoltàdi Scienze M.F.N. Corso di Laurea in Informatica Corso di Laboratorio di Algoritmi e Strutture Dati A.A. 2005/2006 Introduzione ai tipi di dato astratti: applicazione
DettagliSvolgimento 1 Scriviamo la funzione f(x) che rappresenta la spesa totale in un mese: Figura 2 Il grafico di f(x).
Problema 1 Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di euro al mese, più centesimi per ogni minuto di conversazione. Indicando con
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
DettagliCOGNOME e NOME: FIRMA: MATRICOLA:
Anno Accademico 203/ 204 Corsi di Analisi Matematica I (Proff A Villani e F Faraci) Prova d Esame del giorno 6 febbraio 204 Prima prova scritta (compito A) Non sono consentiti formulari, appunti, libri
DettagliNumeri Complessi. 4. Ricordando che, se z è un numero complesso, zz è un numero reale, mettere sotto la forma. z 2 + 2z + 2 = 0. z 2 + 2z + 6 = 0.
Numeri Complessi. Siano z = + i e z 2 = i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 2. Siano z = 2 5 + i 2 e z 2 = 5 2 2i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 3. Ricordando che, se z è un numero complesso,
Dettaglimin 4x 1 +x 2 +x 3 2x 1 +x 2 +2x 3 = 4 3x 1 +3x 2 +x 3 = 3 x 1 +x 2 3x 3 = 5 Innanzitutto scriviamo il problema in forma standard: x 1 x 2 +3x 3 = 5
IL METODO DEL SIMPLESSO 65 Esercizio 7.4.4 Risolvere utilizzando il metodo del simplesso il seguente problema di PL: min 4 + + + + = 4 + + = + = 5 Innanzitutto scriviamo il problema in forma standard:
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
DettagliAlgoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005. Lezione 11
Algoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005 Docente: Ugo Vaccaro Lezione 11 In questa lezione vedremo alcune applicazioni della tecnica greedy al progetto di algoritmi on-line. Vediamo
DettagliTipi primitivi. Ad esempio, il codice seguente dichiara una variabile di tipo intero, le assegna il valore 5 e stampa a schermo il suo contenuto:
Tipi primitivi Il linguaggio Java offre alcuni tipi di dato primitivi Una variabile di tipo primitivo può essere utilizzata direttamente. Non è un riferimento e non ha senso tentare di istanziarla mediante
DettagliDescrizione di un algoritmo
Descrizione di un algoritmo Un algoritmo descrive due tipi fondamentali di oper: calcoli ottenibili tramite le oper primitive su tipi di dato (valutazione di espressioni) che consistono nella modifica
DettagliMatematica e Statistica
Matematica e Statistica Prova d esame (0/07/03) Università di Verona - Laurea in Biotecnologie - A.A. 0/3 Matematica e Statistica Prova di MATEMATICA (0/07/03) Università di Verona - Laurea in Biotecnologie
Dettagli2 Argomenti introduttivi e generali
1 Note Oltre agli esercizi di questa lista si consiglia di svolgere quelli segnalati o assegnati sul registro e genericamente quelli presentati dal libro come esercizio o come esempio sugli argomenti svolti
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo
Metodi e Modelli per l Ottimizzazione Combinatoria Il problema del flusso di costo minimo L. De Giovanni G. Zambelli 1 Problema del flusso a costo minimo Il problema del flusso a costo minimo é definito
DettagliUD 3.4b: Trattabilità e Intrattabilità. Dispense, cap. 4.2
UD 3.4b: Trattabilità e Intrattabilità Dispense, cap. 4.2 Problemi Intrattabili Esistono problemi che, pur avendo un algoritmo di soluzione, non forniranno mai una soluzione in tempi ragionevoli nemmeno
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliValutazione di progressioni geometriche
Universitá degli Studi di Salerno Corso di Introduzione agli Algoritmi e Strutture Dati Prof. Ugo Vaccaro Anno Acc. 2015/16 p. 1/22 Valutazione di progressioni geometriche Somme finite: Sia S n = n i=0
DettagliRicerca binaria. Operazione dominante: confronto
procedure ordinaperfusioni(var a: nelements; n: integer); var b: nelements; procedure mergesort(var a,b: nelements; primo,ultimo:integer); var q: integer; procedure merge(var a,b: nelements; primo, ultimo,
DettagliCorso di Analisi Matematica Serie numeriche
Corso di Analisi Matematica Serie numeriche Laurea in Informatica e Comunicazione Digitale A.A. 2013/2014 Università di Bari ICD (Bari) Analisi Matematica 1 / 25 1 Definizione e primi esempi 2 Serie a
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliSuccessioni di funzioni reali
E-school di Arrigo Amadori Analisi I Successioni di funzioni reali 01 Introduzione. In questo capitolo applicheremo i concetti di successione e di serie alle funzioni numeriche reali. Una successione di
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
DettagliNOME:... MATRICOLA:... Scienza dei Media e della Comunicazione, A.A. 2007/2008 Analisi Matematica 1, Esame scritto del 08.02.2008. x 1.
NOME:... MATRICOLA:.... Scienza dei Media e della Comunicazione, A.A. 007/008 Analisi Matematica, Esame scritto del 08.0.008 Indicare per quali R vale la seguente diseguaglianza : + >. Se y - - è il grafico
DettagliDi cosa parliamo oggi?
Universitá degli Studi di Salerno Corso di Algoritmi Prof. Ugo Vaccaro Anno Acc. 2014/15 p. 1/41 Di cosa parliamo oggi? Oggi parliamo di Analisi di Algoritmi Analisi di Algoritmi = valutazione delle risorse
Dettagli