algoritmi e strutture di dati
|
|
- Federica Damiani
- 5 anni fa
- Visualizzazioni
Transcript
1 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, immagii, foto, aimazioi, video, audio, musica e testo) soo di proprietà degli autori idicati sulla prima pagia le slides possoo essere riprodotte ed utilizzate liberamete, o a fii di lucro, da uiversità e scuole pubbliche e da istituti pubblici di ricerca ogi altro uso o riproduzioe è vietata, se o esplicitamete autorizzata per iscritto, a priori, da parte degli autori gli autori o si assumoo essua resposabilità per il coteuto delle slides, che soo comuque soggette a cambiameto questa ota di copyright o deve essere mai rimossa e deve essere riportata ache i casi di uso parziale 1
2 algoritmi e programmi u algoritmo coicide per oi co la sua descrizioe i pseudocodice sappiamo che ciò è equivalete a defiire ua Radom Access Machie lo pseudocodice può essere facilmete tradotto i u liguaggio di programmazioe arbitrario per otteere u programma l operazioe di traduzioe di u algoritmo i u programma viee detta implemetazioe esecuzioe dei programmi il programma può essere eseguito su ua piattaforma opportua co dati di iput opportui la sua esecuzioe ha u costo (ecoomico) che può essere espresso tramite le risorse di calcolo utilizzate tempo memoria traffico geerato su rete trasferimeto dati da/su disco... ella maggior parte dei casi la risorsa più critica è il tempo di calcolo 2
3 fattori che ifluezao il tempo di calcolo dimesioe dell iput maggiore è la quatità di dati i iput maggiore è il tempo ecessario per processarli algoritmo può essere più o meo efficiete hardware u supercalcolatore è più veloce di u persoal computer liguaggio u implemetazioe diretta i liguaggio macchia è più veloce di u implemetazioe i u liguaggio ad alto livello u programma compilato è più veloce di u programma iterpretato compilatore alcui compilatori soo progettati per geerare codice efficiete programmatore a parità di algoritmo e di liguaggio, programmatori esperti scelgoo costrutti più veloci tempo di calcolo e dimesioe dell iput si riscotra che il tempo di calcolo cresce al crescere della dimesioe dell iput è legittimo misurarlo come ua fuzioe di la ozioe di dimesioe dell iput dipede dal problema ordiameto: umero di elemeti da ordiare operazioi su liste: lughezza della lista operazioi su matrici: dimesioe massima delle matrici coivolte valutazioe di u poliomio i u puto: grado del poliomio 3
4 tempo di calcolo e algoritmi esperimeto: cofroto tra due algoritmi di ordiameto stesso iput: umeri iteri algoritmo hardware liguaggio compilatore programmatore tempo isertio sort supercalcolatore liguaggio macchia esperto 5,56 ore merge sort persoal computer liguaggio ad alto livello o efficiete medio 16,67 miuti coclusioe: a parità di iput, il tempo di calcolo di u programma è ifluezato dall algoritmo che implemeta più che dagli altri fattori progetto di algoritmi efficieti motivazioe ha u impatto ecoomico diretto per gli utilizzatori dei programmi il tempo di calcolo si traduce i u ivestimeto ecoomico è fodametale per otteere implemetazioi di uso pratico l usabilità di u programma può essere compromessa da u algoritmo iefficiete problema el mometo i cui progettiamo u algoritmo o possiamo misurare direttamete l efficieza delle sue future implemetazioi soluzioe previsioe del tempo di calcolo delle implemetazioi di u algoritmo (aalisi) 4
5 obiettivo aalisi degli algoritmi prevedere il tempo di calcolo richiesto dall esecuzioe di u programma che implemeta il ostro algoritmo i fuzioe della dimesioe dell iput per piccoli iput il tempo di calcolo sarà comuque basso qual è il tempo di calcolo per iput di gradi dimesioi? strumeti ipotesi sul tempo di esecuzioe di ogi istruzioe aalisi asitotica delle fuzioi quale fuzioe cosideriamo? il tempo di calcolo o è ua fuzioe I geerale il tempo di calcolo per u iput di dimesioe o è ua fuzioe T() el caso peggiore T() el caso medio T() el caso migliore =5 =10 =15 =20 =25 =30 5
6 tempo di calcolo e aalisi asitotica vogliamo studiare il tempo di calcolo co gli strumeti dell aalisi asitotica ma l aalisi asitotica si applica solo alle fuzioi dobbiamo trasformare il tempo di calcolo i ua fuzioe per questo cosideriamo il caso peggiore/medio/migliore fuzioi caso peggiore caso medio caso migliore O Ω Θ uso del caso peggiore per oi è di maggiore iteresse il caso peggiore rispetto al caso migliore o al caso medio preferiamo u errore per eccesso ad u errore per difetto il caso migliore o dà essua garazia sul tempo di calcolo co u iput geerico è di iteresse solamete teorico spesso il tempo di calcolo del caso medio è più vicio al caso peggiore che al caso migliore cooscere il costo del caso medio può essere utile solo qualora si debba ripetere u operazioe u umero elevato di volte 6
7 stima del tempo di calcolo deotiamo T() il tempo di calcolo di ua implemetazioe dell algoritmo el caso peggiore su u iput di dimesioe vogliamo stimare T() a partire dallo pseudocodice quato costa ogi operazioe elemetare? ipotesi semplificativa: per eseguire ua liea (o istruzioe) di pseudocodice è richiesto tempo costate deotiamo co c i il tempo ecessario per eseguire la riga i strategie per la stima del tempo di calcolo strategia più oerosa calcoliamo esplicitamete T() a partire dallo pseudocodice T() dipede, oltre dalla dimesioe dell iput, ache dal costo di esecuzioe associato alle sigole righe dello pseudocodice c 1, c 2, c 3, c 4, studiamo il comportameto asitotico di T() strategia più efficiete calcoliamo il costo asitotico di ogi porzioe dello pseudocodice otteiamo il costo asitotico dell itero algoritmo compoedo i costi calcolati otteiamo il comportamete asitotico di T() seza mai calcolare esplicitamete T() 7
8 esempio di algoritmo algoritmo per ivertire u array da a strategia memorizzo A[0] memo copio A[A.legth-1] i A[0] memo traslo tutte le caselle A[1..A.legth-2] i avati memo copio memo i A[1] memo ripeto per A[1] ripeto per A[2] INVERTI-ARRAY(A) esempio di calcolo di T() 1. for i = 0 to A.legth-2 2. memo = A[i] 3. A[i] = A[A.legth-1] 4. for j = A.legth-1 dow to i+2 5. traslo i avati A[i+1..] 6. A[j] = A[j-1] 7. A[i+1] = memo costo c 1 c 2 c 3 c 4 0 c 6 c 7 di volte il test viee eseguito volte -1 volte etro el ciclo for l ultimo test determia l uscita dal ciclo 2,3,7 liee eseguite per ogi iterazioe del ciclo for, cioè -1 volte 8
9 INVERTI-ARRAY(A) esempio di calcolo di T() 1. for i = 0 to A.legth-2 2. memo = A[i] 3. A[i] = A[A.legth-1] 4. for j = A.legth-1 dow to i+2 5. traslo i avati A[i+1..] 6. A[j] = A[j-1] 7. A[i+1] = memo costo c 1 c 2 c 3 c 4 0 c 6 c 7 di volte (-1)(+2)/2 (-1)(+2)/2-1 (-1)(+2)/2-1 4 il test viee eseguito, per ogi i = 0,..., -2 (cioè -1 volte) u umero di volte pari a -(i+2)+2=-i, quidi Σ i=0..-2 (-i) = Σ i=0..-2 () - Σ i=0..-2 (i) = (-1) -(-2)(-1)/2 = (-1)(+2)/2 si è utilizzata la formula di Gauss Σ i=1.. (i) = (+1)/2 5,6 come sopra INVERTI-ARRAY(A) esempio di calcolo di T() 1. for i = 0 to A.legth-2 2. memo = A[i] 3. A[i] = A[A.legth-1] 4. for j = A.legth-1 dow to i+2 5. traslo i avati A[i+1..] 6. A[j] = A[j-1] 7. A[i+1] = memo costo T() = c 1 +c 2 (-1)+c 3 (-1)+c 4 (-1)/2+c 6 ((-1)/2-1)+c 7 (-1) = 2 (c 4 /2+c 6 /2) + (c 1 +c 2 +c 3 -c 4 /2-c 6 /2+c 7 ) - (c 2 +c 3 +c 6 +c 7 ) Duque: T() O( 2 ), T() Ω( 2 ) T() Θ( 2 ) c 1 c 2 c 3 c 4 0 c 6 c 7 di volte -1-1 (-1)(+2)/2 (-1)(+2)/2-1 (-1)(+2)/
10 algoritmi e complessità O(f()) sia T() il tempo di esecuzioe di u algoritmo A su u istaza di dimesioe el caso peggiore l algoritmo A ha complessità temporale O(f()) se T() = O(f()) diciamo ache che il tempo di esecuzioe dell algoritmo A è al più f() f() è u limite superiore, o upper-boud, al tempo di esecuzioe dell algoritmo A f() è la quatità di tempo sufficiete (i ogi caso) all esecuzioe dell algoritmo A algoritmi e complessità O(f()) l algoritmo A ha complessità temporale O(f()) se T() = O(f()) f() T() (caso peggiore) 10
11 sigificatività della fuzioe f() se u algoritmo ha complessità f() allora ha ache complessità g() per ogi g() tale che f() O(g()) la complessità espressa tramite la otazioe O-grade diveta tato più sigificativa quato più f() è strigete (piccolo) g() f() T() (caso peggiore) algoritmi e complessità Ω(f()) sia T() il tempo di esecuzioe di u algoritmo A su u istaza di dimesioe el caso peggiore l algoritmo A ha complessità temporale Ω(f()) se T() = Ω(f()) diciamo ache che il tempo di esecuzioe dell algoritmo A è almeo f() f() è u limite iferiore, o lower-boud, al tempo di esecuzioe dell algoritmo A f() è la quatità di tempo ecessaria (i almeo u caso) all esecuzioe dell algoritmo A 11
12 algoritmi e complessità Ω(f()) l algoritmo A ha complessità temporale Ω(f()) se T() = Ω(f()) caso peggiore f() N algoritmi e complessità Θ(f()) sia T() il tempo di esecuzioe di u algoritmo A su u istaza di dimesioe el caso peggiore l algoritmo A ha complessità temporale Θ(f()) se ha complessità temporale O(f()) e Ω(f()) diciamo ache che il tempo di esecuzioe dell algoritmo è f() f() è u limite iferiore e superiore (lower-boud e upperboud), al tempo di esecuzioe dell algoritmo f() è la quatità di tempo ecessaria e sufficiete all esecuzioe dell algoritmo 12
13 strategie di aalisi più efficieti INVERTI-ARRAY(A) 1. for i = 0 to A.legth-2 2. memo = A[i] 3. A[i] = A[A.legth-1] 4. for j = A.legth-1 dow to i+2 5. traslo i avati A[i+1..] 6. A[j] = A[j-1] 7. A[i+1] = memo volte -1-1 (-1)(+2)/2 (-1)(+2)/2-1 (-1)(+2)/ ordie Θ() Θ() Θ() Θ( 2 ) Θ( 2 ) Θ( 2 ) Θ() 1. ua prima strategia più efficiete si ottiee trascurado le costati c 1, c 2, c 3, el calcolo del costo di ogi riga 2. ua strategia acora più efficiete si basa sul calcolo diretto del costo asitotico di ogi riga calcolo efficiete del costo asitotico istruzioi semplici tempo di esecuzioe costate: Θ(1) sequeza (fiita) di istruzioi semplici tempo di esecuzioe costate: Θ(1) sequeza di istruzioi geeriche somma dei tempi di esecuzioe di ciascua istruzioe 13
14 istrizioi codizioali 1. if <codizioe> the per calcolare T() 2. <parte-the> occorrerebbe sapere 3. else se la codizioe si 4. <parte-else> verifica o meo troviamo u limite superiore O-grade al tempo di esecuzioe T() come somma dei costi segueti costo O-grade della valutazioe della codizioe costo O-grade maggiore tra <parte-the> e <parteelse> troviamo u limite iferiore Ω al tempo di esecuzioe T() come somma dei costi segueti costo Ω della valutazioe della codizioe costo Ω miore tra <parte-the> e <parte-else> istruzioi ripetitive il ostro pseudocodice ci offre tre istruzioi ripetitive for, while e repeat per il limite superiore O-grade occorre determiare u limite superiore O(f()) al umero di iterazioi del ciclo u limite superiore O(g()) al tempo di esecuzioe di ogi iterazioe si compoe del costo dell esecuzioe del blocco di istruzioi più il costo di esecuzioe del test il costo del ciclo sarà: O(g() f()) aalogamete sarà: Ω(g () f ()) dove le iterazioi soo Ω(g ()) ed il costo di ua iterazioe è Ω(f ()) 14
15 istruzioi ripetitive: esempio FACT() 1. f = 1 2. for k = 2 to 3. f = f * k 4. retur f umero di iterazioi del ciclo for: Θ() costo di ua sigola iterazioe: Θ(1) costo complessivo del ciclo while: Θ( 1) = Θ() costo complessivo della procedura: Θ() FACT() 1. f = 1 2. for k = 2 to 3. f = f * k 4. retur f attezioe al modello stiamo lavorado ell ipotesi i cui le variabili (che corrispodoo ai registri della RAM) riescao sempre a coteere i umeri coivolti se la misura dell iput è il umero k di bit ecessari per rappresetare i biario avremmo k = log 2 e costo complessivo = Θ(2 k ) 15
16 chiamata a fuzioe o procedura 1. P( ) suppoiamo che u 2. programma P ivochi la 3. Q( ) procedura Q 4. sia T Q () il tempo di esecuzioe della procedura Q il tempo di esecuzioe dell ivocazioe della procedura Q i P è T Q (m), dove m è la dimesioe dell iput passato alla procedura Q attezioe: occorre determiare la relazioe tra m e la dimesioe dell iput di P esempio di chiamata a fuzioe SUM-OF-FACT() 1. sum = 0 2. for m = 0 to 3. sum = sum + FACT(m) 4. retur sum il corpo del ciclo for ha complessità Θ(1) + Θ(m) = Θ(m) il ciclo viee eseguito volte il costo complessivo del ciclo è duque: Θ() + Θ(-1) Θ(2) + Θ(1) = Θ( 2 ) il costo totale è Θ( 2 ) 16
17 Ua giustificazioe grafica (-1) + (-2) + (-3) /2 = 2 /2 = Θ( 2 ) esempio di aalisi della complessità secodo algoritmo per ivertire u array da a strategia scambio A[0] co A[A.legth-1] scambio A[1] co A[A.legth-2] scambio A[2] co A[A.legth-3] scambio A[3] co A[A.legth-4]
18 aalisi della complessità efficiete INVERTI-ARRAY-CON-SCAMBI(A) 1. for i = 0 to A.legth/2 do 2. SCAMBIA(A,i,A.legth-1-i) SCAMBIA(A,j,k) 1. memo = A[j] 2. A[j] = A[k] 3. A[k]= memo la fuzioe SCAMBIA(A,j,k) ha complessità Θ(1) i quato è composta da ua successioe di istruzioi elemetari la fuzioe INVERTI-ARRAY-CON-SCAMBI(A) ha complessità Θ() i quato esegue per Θ() volte il blocco delle istruzioi che cosiste ell esecuzioe di ua procedura Θ(1) 18
Algoritmi 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
DettagliCAPITOLO 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
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
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
DettagliESERCITAZIONI DI INTRODUZIONE AGLI ALGORITMI (A.A. 08/09, CANALE E-O)
ESERCITAZIONI DI INTRODUZIONE AGLI ALGORITMI (A.A. 08/09, CANALE E-O) DISPENSA N. 1 1. Limiti superiori, iferiori ed esatti, O, Ω, Θ Defiizioe 1.1 (Limitazioe Superiore). Diciamo che g() è ua itazioe superiore
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
DettagliAlgoritmi e Strutture Dati (Elementi)
Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti
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
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
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
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
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
DettagliStima di somme: esercizio
Stima di somme: esercizio Valutare l'ordie di gradezza della somma k l (1 + 3 k ) Quado x
DettagliCOMPLESSITA COMPUTAZIONALE ESERCITAZIONI (I PARTE) Tutor: Francesca Piersigilli
COMPLESSITA COMPUTAZIONALE ESERCITAZIONI (I PARTE) Tutor: Fracesca Piersigilli ANALISI DI ALGORITMI Aalizzare u algoritmo sigifica prevedere le risorse che esso richiede: MEMORIA TEMPO Per fare ciò assumeremo
Dettagli1 + 1 ) n ] n. < e nα 1 n
Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e
DettagliProgetto e analisi di algoritmi
Progetto e aalisi di algoritmi Roberto Cordoe DTI - Uiversità degli Studi di Milao Polo Didattico e di Ricerca di Crema Tel. 0373 / 898089 E-mail: cordoe@dti.uimi.it Ricevimeto: su apputameto Web page:
Dettaglia'. a' e b n y se e solo se x, y, divisi per n danno lo stesso resto.
E.5. Cogrueze Nella sezioe D. (esempio (d)) abbiamo itrodotto la relazioe di cogrueza modulo : dati due umeri iteri x, y e u umero itero positivo diciamo che x è cogruo a y modulo (i formula x y se è u
DettagliOttavio Serra La costante C di Eulero-Mascheroni e la funzione Gamma. 1. =
Ottavio Serra La costate C di Eulero-Mascheroi e la fuzioe Gamma la costate C di Eulero Mascheroi è defiita come il limite della seguete successioe: [] a = +/+/3+ +/ log(+) Il termie a è la differeza tra
DettagliEntropia ed informazione
Etropia ed iformazioe Primi elemeti sulla teoria della misura dell iformazioe Per trasmettere l iformazioe è ecessaria ua rete di comuicazioe, che, secodo l approccio teorico di Claude E. Shao e Warre
DettagliProva parziale 30 aprile 2018 Possibili soluzioni
Prova parziale 30 aprile 2018 Possibili soluzioi Primo compito Rappresetare il umero -5 el sistema di rappresetazioe i eccesso a 16 su 5 bit. +5 i otazioe posizioale: 00101-5 i complemeto a due: 11011-5
DettagliSoluzioni degli esercizi del corso di Analisi Matematica I
Soluzioi degli esercizi del corso di Aalisi Matematica I Prof. Pierpaolo Natalii Roberta Biachii & Marco Pezzulla ovembre 015 FOGLIO 1 1. Determiare il domiio e il sego della fuzioe ( ) f(x) = arccos x
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
DettagliStimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini
Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica
DettagliProgettazione di Algoritmi - lezione 23
Progettazioe di Algoritmi - lezioe 23 Discussioe dell'esercizio [palidroma] Dobbiamo trovare u algoritmo efficiete che data ua striga s di caratteri trova la più luga sottostriga di s che sia palidroma.
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
DettagliCOME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)
COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x
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,
DettagliSERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.
SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....
DettagliEquazioni di ricorrenza e Ordinamenti lineari
Equazioi di ricorreza e Ordiameti lieari Iformatica@SEFA 0/0 - Lezioe Massimo Lauria Veerdì, Novembre 0 Ricorsioe ed equazioi di ricorreza Aalizzado il Mergesort abbiamo visto
DettagliEsercizi sul principio di induzione
Esercitazioi di Aalisi I, Uiversità di Trieste, lezioe del 0/0/008 Esercizi sul pricipio di iduzioe Esercizio Dimostrare per iduzioe che + + + ( + ), Risoluzioe Le dimostrazioi di ua proprietà P() per
Dettagli0.1 Esercitazioni V, del 18/11/2008
1 0.1 Esercitazioi V, del 18/11/2008 Esercizio 0.1.1. Risolvere usado Cramer il seguete sistema lieare x + y + z = 1 kx + y z = 0 x kz = 1 Soluzioe: Il determiate della matrice dei coefficieti è (k 2)(k
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
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
DettagliProposizione 1. Due sfere di R m hanno intersezione non vuota se e solo se la somma dei loro raggi e maggiore della distanza fra i loro centri.
Laboratorio di Matematica, A.A. 009-010; I modulo; Lezioi II e III - schema. Limiti e isiemi aperti; SB, Cap. 1 Successioi di vettori; SB, Par. 1.1, pp. 3-6 Itori sferici aperti. Nell aalisi i ua variabile
DettagliSperimentazioni di Fisica I mod. A Lezione 2
La Rappresetazioe dei Numeri Sperimetazioi di Fisica I mod. A Lezioe 2 Alberto Garfagii Marco Mazzocco Cizia Sada Dipartimeto di Fisica e Astroomia G. Galilei, Uiversità degli Studi di Padova Lezioe II:
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
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
Dettagli(a 0, a 1, a 2,..., a n,...) (0, a 0 ), (1, a 1 ), (2, a 2 ),... (1, 3, 5, 7,...) Lezione del 26 settembre. 1. Successioni.
Lezioe del 26 settembre. 1. Successioi. Defiizioe 1 Ua successioe di umeri reali e ua legge che associa a ogi umero aturale = 0, 1, 2,... u umero reale - i breve: e ua fuzioe N R; si scrive ella forma
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
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
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!
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
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):
DettagliCalcolo I - Corso di Laurea in Fisica - 31 Gennaio 2018 Soluzioni Scritto
Calcolo I - Corso di Laurea i Fisica - Geaio 08 Soluzioi Scritto Data la fuzioe f = 8 + / a Calcolare il domiio, puti di o derivabilità ed asitoti; b Calcolare, se esistoo, estremi relativi ed assoluti.
DettagliLe successioni: intro
Le successioi: itro Si cosideri la seguete sequeza di umeri:,,, 3, 5, 8, 3,, 34, 55, 89, 44, 33, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi mesi i u allevameto! Si
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
DettagliCorso Propedeutico di Matematica
POLINOMI RICHIAMI DI TEORIA Defiizioe: u poliomio ( o fuzioe poliomiale) ella variabile x di grado a coefficieti reali ha la forma A = a0 + a1x + + a 1 x, dove a 0, a 1,..., a soo umeri reali assegati
DettagliStatistica. Lezione 5
Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it
DettagliAnalisi I - IngBM COMPITO B 17 Gennaio 2015 COGNOME... NOME... MATRICOLA... VALUTAZIONE =...
Aalisi I - IgBM - 2014-15 COMPITO B 17 Geaio 2015 COGNOME........................ NOME............................. MATRICOLA....................... VALUTAZIONE..... +..... =...... 1. Istruzioi Gli esercizi
DettagliInferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.
Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo
DettagliProgramma (orientativo) secondo semestre 32 ore - 16 lezioni
Programma (orietativo) secodo semestre 32 ore - 6 lezioi 3 lezioi: successioi e serie 4 lezioi: itegrali 2-3 lezioi: equazioi differeziali 4 lezioi: sistemi di equazioi e calcolo vettoriale e matriciale
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare
DettagliAnalisi I - IngBM COMPITO A 17 Gennaio 2015 COGNOME... NOME... MATRICOLA... VALUTAZIONE =...
Aalisi I - IgBM - 2014-15 COMPITO A 17 Geaio 2015 COGNOME........................ NOME............................. MATRICOLA....................... VALUTAZIONE..... +..... =...... 1. Istruzioi Gli esercizi
DettagliProgrammazione dinamica vs. divide-et-impera
Programmazioe diamica vs. divide-et-impera Aalogia Soo etrambi paradigmi di sitesi di algoritmi che risolvoo problemi combiado le soluzioi di sottoproblemi Differeza Secodo divide-et-impera si suddivide
Dettaglia n (x x 0 ) n. (1.1) n=0
Serie di poteze. Defiizioi Assegati ua successioe {a } di umeri reali e u puto x dell asse reale si dice serie di poteze u espressioe del tipo a (x x ). (.) Il puto x viee detto cetro della serie e i umeri
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
DettagliSERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)
SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log
DettagliNozioni preliminari: sia R n lo spazio n-dimensionale dell algebra vettoriale. Un punto in R n e una n-pla di numeri reali (x 1, x 2 x n )
SPAZI TOPOLOGICI: topologia locale (a cui siamo iteressati topologia globale (proprieta a larga scala, come quelle che distiguoo ua sfera da u coo Nozioi prelimiari: sia R lo spazio -dimesioale dell algebra
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliApprofondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie
Approfodimeto 2.1 Scalig degli stimoli mediate il metodo del cofroto a coppie Il metodo del cofroto a coppie di Thurstoe (Thurstoe, 1927) si basa sull assuzioe che la valutazioe di u oggetto o di uo stimolo
DettagliSECONDO ESONERO DI AM1 10/01/ Soluzioni
Esercizio. Calcolare i segueti iti: Razioalizzado si ottiee SECONDO ESONERO DI AM 0/0/2008 - Soluzioi 2 + 2, 2 + 2 = 2 + 2 + 2 + 2 = Per il secodo ite ci soo vari modi, e mostro tre. Ora ( ) ( + si = +
DettagliLezione 2. . Gruppi isomorfi. Gruppi S n e A n. Sottogruppi normali. Gruppi quoziente. , ossia, equivalentemente, se x G Hx = xh.
Prerequisiti: Lezioe Gruppi Lezioe 2 Z Gruppi isomorfi Gruppi S e A Riferimeti ai testi: [FdG] Sezioe ; [H] Sezioe 26; [PC] Sezioe 58 Sottogruppi ormali Gruppi quoziete L Esempio 7 giustifica la seguete
Dettaglix n (1.1) n=0 1 x La serie geometrica è un esempio di serie di potenze. Definizione 1 Chiamiamo serie di potenze ogni serie della forma
1 Serie di poteze È stato dimostrato che la serie geometrica x (1.1) coverge se e solo se la ragioe x soddisfa la disuguagliaza 1 < x < 1. I realtà c è covergeza assoluta i ] 1, 1[. Per x 1 la serie diverge
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli
Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)
DettagliEquazioni Differenziali
Equazioi Differeziali Nota itroduttiva: Lo scopo di queste dispese o è trattare la teoria riguardo alle equazioi differeziali, ma solo dare u metodo risolutivo pratico utilizzabile egli esercizi che richiedoo
DettagliTeorema delle progressioni di numeri primi consecutivi con distanza sei costante
Teorema delle progressioi di umeri primi cosecutivi co distaza sei costate A cura del Gruppo Eratostee - http://www.gruppoeratostee.com/) Co la collaborazioe di Eugeio Amitrao ( http://www.atuttoportale.it/)
DettagliEsercitazioni di Geometria II
Esercitazioi di Geometria II Letizia Perigotti - perigotti@sciece.uit.it 20 aprile 2012 Esercizio 1. Dimostrare che la famiglia degli itervalli chiusi e limitati B 1 = {[a, b] R : a < b} o è base di alcua
DettagliRISOLUZIONE MODERNA DI PROBLEMI ANTICHI
RISOLUZIONE MODERNA DI PROBLEMI ANTICHI L itelletto, duque, che o è la verità, o comprede mai la verità i modo così preciso da o poterla compredere (poi acora) più precisamete, all ifiito, perché sta alla
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
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;
DettagliDistribuzione normale
Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).
DettagliSoluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5.
60 Roberto Tauraso - Aalisi Calcolare la somma della serie Soluzioi + 3 R La serie può essere riscritta el modo seguete: + 4 3 9 Il umero può essere raccolto fuori dal sego di sommatoria: + 4 3 9 Si tratta
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
Dettagli1 Esponenziale e logaritmo.
Espoeziale e logaritmo.. Risultati prelimiari. Lemma a b = a b Lemma Disuguagliaza di Beroulli per ogi α e per ogi ln a k b k. k=0 + α + α Teorema Disuguagliaza delle medie Per ogi ln, per ogi upla {a
DettagliCosa vogliamo imparare?
Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come
DettagliNUOVI CRITERI DI DIVISIBILITÀ
NUOVI CRITERI DI DIVISIBILITÀ BRUNO BIZZARRI, FRANCO EUGENI, DANIELA TONDINI 1 1. Su tutti i testi scolastici di Scuola Media, oostate siao riportati i criteri di divisibilità per i umeri, 3, 4, 5, 6,
DettagliCorso di Informatica
Corso di Iformatica Codifica dell Iformazioe Sistemi Numerici Per rappresetare ua certo quatità di oggetti è ecessaria ua covezioe o sistema umerico che faccia corrispodere ad ua sequeza di ua o più cifre,
DettagliEsercitazione n 3. 1 Successioni di funzioni. Esercizio 1: Studiare la convergenza in (0, 1) della successione {f n } dove f n (x) =
Esercitazioe 3 Successioi di fuzioi Esercizio : Studiare la covergeza i (0, ) della successioe {f } dove f (x) = metre Sol.: Si verifica facilmete che lim f (x) = 0 x (0, ) lim sup f (x) = lim = + (0,)
Dettagli2.5 Convergenza assoluta e non
.5 Covergeza assoluta e o Per le serie a termii complessi, o a termii reali di sego o costate, i criteri di covergeza si qui visti o soo applicabili. L uico criterio geerale, rozzo ma efficace, è quello
DettagliEsercizi sull estremo superiore ed inferiore
AM0 - A.A. 03/4 ALFONSO SORRENTINO Esercizi sull estremo superiore ed iferiore Esercizio svolto. Dire se i segueti isiemi soo limitati iferiormete o superiormete ed, i caso affermativo, trovare l estremo
DettagliCorrezione del primo compitino di Analisi 1 e 2 A.A. 2014/2015
Correzioe del primo compitio di Aalisi e 2 A.A. 20/205 Luca Ghidelli, Giovai Paolii, Leoardo Tolomeo 5 dicembre 20 Esercizio Testo. Calcolare, se esiste, + 3 + 5 + + (2 ). 2 + + 6 + + 2 Soluzioe. Al deomiatore
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
DettagliCorso di Istituzioni di Matematiche I, Facoltà di Architettura (Roma Tre) Roma, 3 Novembre Le successioni. Versione preliminare
Corso di Istituzioi di Matematiche I, Facoltà di Architettura (Roma Tre) Roma, 3 Novembre 2005 Le successioi Versioe prelimiare Uo dei cocetti fodametali dell aalisi modera é il cocetto di limite. Per
DettagliCongruenze in ; l insieme quoziente / n
Cogrueze i ; l isieme quoziete / Per ogi, si cosideri i la relazioe così defiita: a b divide a-b. La relazioe biaria è detta cogrueza modulo. Se a b scriveremo pure a b (mod. ) e leggeremo a cogruo b (modulo
DettagliIn questo capitolo approfondiremo le nostre conoscenze su sequenze e collezioni,
Cotare sequeze e collezioi Coteuto Sequeze e collezioi di elemeti distiti Sequeze e collezioi arbitrarie 3 Esercizi I questo capitolo approfodiremo le ostre coosceze su sequeze e collezioi, acquisedo gli
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
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
DettagliTracce di soluzioni di alcuni esercizi di matematica 1 - gruppo 42-57
Tracce di soluzioi di alcui esercizi di matematica - gruppo 42-57 4. Limiti di successioi Soluzioe dell Esercizio 42.. Osserviamo che a = a +6 e duque la successioe prede valori i {a,..., a 6 } e ciascu
DettagliCalcolo Combinatorio
Uiversità degli Studi di Palermo Facoltà di Ecoomia Dip. di Scieze Ecoomiche, Aziedali e Statistiche Apputi del corso di Matematica Geerale Calcolo Combiatorio Ao Accademico 2013/201 V. Lacagia - S. Piraio
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
DettagliAnalisi Matematica Soluzioni prova scritta parziale n. 1
Aalisi Matematica Soluzioi prova scritta parziale. 1 Corso di laurea i Fisica, 018-019 3 dicembre 018 1. Dire per quali valori dei parametri α R, β R, α > 0, β > 0 coverge la serie + (!) α β. ( )! =1 Soluzioe.
DettagliCorso di Analisi Matematica 1 - professore Alberto Valli
Uiversità di Treto - Corso di Laurea i Igegeria Civile e Igegeria per l Ambiete e il Territorio - 07/8 Corso di Aalisi Matematica - professore Alberto Valli 8 foglio di esercizi - 5 ovembre 07 Taylor,
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
DettagliEsercizi sulle Serie numeriche
AM0 - A.A. 03/4 ALFONSO SORRENTINO Esercizi sulle Serie umeriche Esercizio svolto. Discutere il comportameto delle segueti serie umeriche: a +! b [ ] log c log+ d log + e arcta f g h i l log log! 3! 4
DettagliMatematiche Complementari 24 gennaio 2012
Matematiche Complemetari 4 geaio 01 1. Euciare gli assiomi di Peao e dimostrare che due sistemi che li soddisfao soo fra loro isomorfi.. Data la successioe (di Fiboacci): a = 0 a a 0 1 = 1 = a 1 + a per
DettagliTeoria della complessità. Introduzione alla complessità degli algoritmi
Teoria della complessità Itroduzioe alla complessità degli algoritmi Doato Malerba Premessa Lo studio della computabilità aiuta a compredere quali problemi ammettoo ua soluzioe algoritmica e quali o. Per
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) =
Dettaglie 6x = 2(t + 1) 1 + c tan x (funzione razionale) si scompone come: t (log t 1 log t + 1 ) t=9
Esercizi di Aalisi - Alberto Valli - AA 5/6 - Foglio. Calcolate tramite cambiameto di variabile ciascuo dei segueti itegrali : i / six + dx ii log log e 6x e x dx iii / π/ cos 5 xsix cos x dx. Soluzioe.
Dettagli