Algoritmi e Strutture Dati. Introduzione

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Algoritmi e Strutture Dati. Introduzione"

Transcript

1 Algoritmi e Strutture Dati Itroduzioe

2 Complessità degli algoritmi Aalisi delle prestazioi degli algoritmi Servirà u Modello Computazioale di riferimeto. Tempo di eseuzioe degli algoritmi Notazioe asitotia Aalisi del Caso Migliore, Caso Peggiore e del Caso Medio Esempi di aalisi di algoritmi di ordiameto.

3 Come aalizzare u algoritmo Correttezza - Dimostrazioe formale matematia) - Ispezioe iformale Utilizzo delle risorse - Tempo di eseuzioe - Utilizzo della memoria - Altre risorse: bada di omuiazioe Sempliità - Faile da apire e da mauteere

4 Tempo di eseuzioe Il tempo di eseuzioe di u programma dipede da: - Hardware - Compilatore - Tipo e dimesioe dell Iput - Altri fattori: asualità,

5 U oto modello omputazioale Il modello della Mahia di Turig - Nastro di lughezza ifiita o I ogi ella può essere oteuta ua quatità di iformazioe fiita Ua testia u proessore programma I uità di tempo Legge o srive la ella di astro orrete e Si muove di ella a siistra, oppure di ella a destra, oppure resta ferma 7 U O E A # E! E

6 Il modello omputazioale RAM Modello RAM Radom-Aess Memory) - Memoria priipale ifiita o Ogi ella di memoria può oteere ua quatità di dati fiita. o Impiega lo stesso tempo per aedere ad ogi ella di memoria. - Sigolo proessore programma o I uità di tempo: operazioi di lettura, eseuzioe di ua omputazioe, srittura; o Addizioe, moltipliazioe, assegameto, ofroto, aesso a putatore Il modello RAM è ua semplifiazioe dei moderi omputer.

7 U problema di oteggio Iput - U itero N dove N. Output - Il umero di oppie ordiate i, ) tali he i e soo iteri e i N. Esempio: N4,,,),,3),,4),,),,3),,4), 3,3), 3,4), 4,4) Output 0

8 4 6 ) ) N N i N i N N N i N i Il tempo di eseuzioe è it Cout_it N) sum 0 for i to N 3 for i to N 4 sum sum 5 retur sum Algoritmo N i i N ) N i i N ) N

9 Algoritmo it Cout_it N) sum 0 for i to N 3 sum sum N-i) 4 retur sum N 4N Il tempo di eseuzioe è 6 N 4 Ma otate he: N N i) i N i i N N /

10 Algoritmo 3 N N i) i N i i N N / it Cout_3it N) sum N*N/ 4 retur sum Il tempo di eseuzioe è 5 uità di tempo

11 Riassuto dei tempi di eseuzioe Algoritmo Algoritmo Algoritmo Algoritmo 3 Tempo di Eseuzioe N 6N 6N4 5 4

12 Ordie dei tempi di eseuzioe Suppoiamo he operazoe atomia impieghi hs 0-9 s N ms 0 ms 00 ms ms 0 ms 0N 0 ms 00 ms ms 0 ms 00 ms N Log N 9.96 ms 3 ms.66 ms 9.9 ms 3 ms 0N Log N 99 ms.7 ms 33 ms 398 ms 4.6 se N ms 00 ms 0 se 7 mi. giori 0N 0 ms se 3.3 mi 5.6 ore 3 giori N 3 se 7 mi gior. 3 ai 3 millei

13 Riassuto dei tempi di eseuzioe Algoritmo Tempo di Eseuzioe Ordie del Tempo di Eseuzioe Algoritmo N 6N 4 N Algoritmo Algoritmo 3 6N4 5 N Costate

14 Limite superiore asitotio $>0, 0 >0 " 0. f) g) g) è detto u limite superiore asitotio di f). Sriviamo f) Og)) Leggiamo f) è O-grade di g). g) f) g) 0

15 Esempio di limite superiore asitotio 4 g) per ogi 3 > 3 5 f) Quidi, f) Og)). 4g)4 f)3 5 g) 3

16 Eserizio sulla otazioe O Mostrare he 3 5 O ) per 0, 0

17 Utilizzo della otazioe O I geere quado impieghiamo la otazioe O, utilizziamo la formula più semplie. - Sriviamo 3 5 O ) - Le segueti soo tutte orrette ma i geere o le si usera: 3 5 O3 5) 3 5 O ) 3 5 O3 )

18 Eserizi sulla otazioe O f ) 0 5 f ) 0 log 5 f 3 ) log 0.05 f 4 ) / 3 log O ) O log ) O ) O log )

19 Limite iferiore asitotio $>0, 0 >0 " 0. f) g) g) è detto u limite iferiore asitotio di f). Sriviamo f) Wg)) Leggiamo f) è Omega-grade di g). f) g) 0

20 Esempio di limite iferiore asitotio g)/4 /4 / /4 / 9 per tutti gli 6 < / 7 Quidi, f) Wg)). g) f) /-7 g) /4 4

21 Limite asitotio stretto f) Og)) e f) Wg)) g) è detto u limite asitotio stretto di f). Sriviamo f) Qg)) Leggiamo f) è Theta di g). g) f) g) 0

22 Riassuto della otazioe asitotia O: O-grade: limite superiore asitotio W: Omega-grade: limite iferiore asitotio Q: Theta: limite asitotio stretto Usiamo la otazioe asitotia per dare u limite ad ua fuzioe f)), a meo di u fattore ostate ).

23 Teoremi sulla otazioe asitotia Teoremi: f) Og)) sse g) Wf)). Se f ) Og )) e f ) Og )), allora Of ) f )) Omax{g ), g )}) Se f) è u poliomio di grado d, allora f) Q d )

24 Teoremi sulla otazioe asitotia Proprietà: Se lim f)/g) 0 allora f) Og)) Se lim f)/g) k > 0 allora f) Og)) e f) Wg)) quidi f) Qg)) Se lim f)/g) allora f) Wg))

25 Algoritmo 4: aalisi asitotia it Cout_4 it N) sum 0 for i to N 3 for to N 4 if i < the 5 sum sum 6 retur sum O ON) ON ) ON ) N N O O N O ) Il tempo di eseuzioe è ON )

26 Tempi di eseuzioe asitotii Algoritmo Algoritmo Algoritmo Algoritmo 3 Tempo di Eseuzioe N 6N 6N4 5 4 Limite asitotio ON ) ON) O Algoritmo 4 4N 5N 4 ON )

27 Somma Massima di ua sottosequeza Iput - U itero N dove N. - Ua sequeza a, a,, a N ) di N iteri. Output - U itero S tale he S dove k i k i, N e S è il più grade possibile. Esempio: N9,,-4,8,3,-5,4,6,-7,) Output a

28 Algoritmo it Max_seq_sum_it N, array a[]) maxsum 0 for i to N for i to N sum 0 for ki to ON 3 ) sum sum a[k] maxsum maxmaxsum,sum) retur maxsum O ON) ON ) Tempo di eseuzioe ON 3 )

29 Algoritmo it Max_seq_sum_it N, array a[]) maxsum 0 for i to N ON) sum 0 for i to N ON ) sum sum a[] maxsum maxmaxsum,sum) retur maxsum Tempo di eseuzioe ON ) O Esiste u algoritmo he risolve il problema i tempo ON)

30 Algoritmo 3 it Max_seq_sum_3it N, array a[]) maxsum 0 sum 0 for i to N ON) if sum a[i]>0) the sum sum a[i] else sum 0 maxsum maxmaxsum,sum) retur maxsum Tempo di eseuzioe ON) O

31 Ordiameto di ua sequeza Iput : ua sequeza di umeri. Output : ua permutazioe riordiameto) tale he tra ogi elemeti adiaeti ella sequeza valga qualhe relazioe di ordiameto ad es. ). Isert Sort - È effiiete solo per piole sequeze di umeri; - Algoritmo di ordiameto sul posto. La sequeza viee sadita dal dal primo elemeto; l idie i, iizialmete assegato al primo elemeto, idia l elemeto orrete; ) Si osidera la parte a siistra di i ompreso) già ordiata; 3) Si selezioa il primo elemeto suessivo ad i ella sottosequeza o-ordiata assegado i; 4) Si era il posto giusto per l elemeto ella sottosequeza ordiata. 5) Si iremeta i, si tora al passo 3) se la sequeza o è termiata;

32 Isert Sort Algoritmo : A[..] : sequeza umeri di iput Key : umero orrete da mettere i ordie for to LeghtA) do Key A[] /* Selta del -esimo elemeto da ordiare */ 3 i - 4 while i > 0 ad A[i] > Key 5 do A[i] A[i] 6 ii- 7 A[i] Key

33 Aalisi di Isert Sort for to LeghtA) do Key A[] /* Commeto */ 3 i - 4 while i>0 ad A[i] > Key 5 do A[i] A[i] 6 ii- 7 A[i] Key t t t T ) 3 4 t 5 t 6 t 7

34 Aalisi di Isert Sort: Caso migliore ) t t t T ) t T ) ) ) T Il aso migliore si ha quado l array è già ordiato: Ioltre, i questo aso t è, quidi: T) ab

35 Aalisi di Isert Sort: Caso migliore T ) ) ) T) ab T) ab b

36 Aalisi di Isert Sort: Caso peggiore ) t t t T ) T Il aso peggiore si ha quado l array è i ordie iverso. I questo aso t è perhé?) Quidi: t t t t

37 Aalisi di Isert Sort: Caso peggiore ) T ) ) T T) a b

38 Aalisi di Isert Sort: Caso peggiore ) ) T T) a b T) a b ab b

39 Aalisi di Isert Sort: Caso medio ) t t t T Il aso medio è il valore medio del tempo di eseuzioe. Suppoiamo di segliere ua sequeza asuale e he tutte le sequeze abbiao uguale probabilità di essere selte. I media, metà degli elemeti ordiati sarao maggiori dell elemeto he dobbiamo sistemare. I media otrolliamo metà del sottoarray ad ogi ilo while. Quidi t è /. 4 t 4 3 t

40 Aalisi di Isert Sort: Caso medio ) t t t T 4 t 4 3 t T) a b a b T) a b

41 Aalisi del Caso Migliore e Caso Peggiore Aalisi del Caso Migliore - W-grade, limite iferiore, del tempo di eseuzioe per u qualuque iput di dimesioe N. Aalisi del Caso Peggiore - O-grade, limite superiore, del tempo di eseuzioe per u qualuque iput di dimesioe N.

42 Aalisi del Caso Medio Aalisi del Caso Medio - Alui algoritmi soo effiieti i pratia. - L aalisi è i geere molto più diffiile. - Bisoga geeralmete assumere he tutti gli iput siao ugualmete probabili. - A volte o è ovvio quale sia la media.

43 Teihe di sviluppo di algoritmi Agli esempi visti fio ad ora seguoo l approio iremetale: la soluzioe viee ostruita passo dopo passo. Isert sort avedo ordiato ua sottoparte dell array, iserise al posto giusto u altro elemeto otteedo u sottoarray ordiato più grade. Esistoo altre teihe di sviluppo di algoritmi o filosofie differeti: - Divide-et-Impera

44 Divide-et-Impera Il problema viee suddiviso i sottoproblemi aaloghi, he vegoo risolti separatamete. Le soluzioi dei sottoproblemi vegoo ifie fuse isieme per otteere la soluzioe dei problemi più omplessi. Cosiste di 3 passi: - Divide il problema i vari sottoproblemi, tutti simili tra loro e) al problema origiario ma più semplii. - Impera oquista) i sottoproblemi risolvedoli riorsivamete. Quado u sottoproblema diviee baale, risolverlo direttamete. - Fodi le soluzioi dei sottoproblemi per otteere la soluzioe del sotto)problema he li ha origiati.

45 Divide-et-Impera e ordiameto Iput: ua sequeza di umeri. Output: ua permutazioe riordiameto) tale he tra ogi elemeti adiaeti ella sequeza valga qualhe relazioe di ordiameto ad es. ). Merge Sort divide-et-impera) - Divide: sompoe la sequeza di elemeti i sottosequeze di / elemeti iasua. - Impera: oquista i sottoproblemi ordiado riorsivamete le sottosequeze o Merge Sort stesso. Quado ua sottosequeza è uitaria, il sottoproblema è baale. - Fodi: ompoe isieme le soluzioi dei sottoproblemi per otteere la sequeza ordiata del sotto-)problema.

46 Merge Sort Algoritmo : A[..]: sequeza dei umeri i iput p,r: idii degli estremi della sottosequeza da ordiare Merge_Sortarray A, it p,r) if p < r the q epr)/u 3 Merge_SortA,p,q) Divide Impera 4 Merge_SortA,q,r) 5 MergeA,p,q,r) Combia Eserizio: defiire la proedure Merge

47 Merge Sort: aalisi Merge_Sortarray A, it p,r) if p < r the q epr)/u 3 Merge_SortA,p,q) 4 Merge_SortA,q,r) 5 MergeA,p,q,r) T) Q se Equazioe di Riorreza T) T/) T merge ) Q T merge ) Q) Θ se T ) T /) Θ ) Θ se >

48 Merge Sort: aalisi Merge_Sortarray A, it p,r) if p < r the q epr)/u 3 Merge_SortA,p,q) 4 Merge_SortA,q,r) 5 MergeA,p,q,r) T ) Θ T / ) Θ ) Θ se se > Soluzioe: T ) Q log)

49 Divide-et-Impera: Equazioi di riorreza Divide: D) tempo per dividere il problema Impera: se si divide il problema i a sottoproblemi, iasuo di dimesioe /b, il tempo per oquistare i sottoproblemi sarà at/b). Quado u sottoproblema diviee baale l iput è miore o uguale ad ua ostate ), i tempo è Q. Fodi: C) tempo per omporre le soluzioi dei sottoproblemi ella soluzioe più omplessa. T ) Θ at / b) D ) C ) se se >

50 Gli argometi trattati Aalisi della botà di u algoritmo - Correttezza, utilizzo delle risorse, sempliità Modello omputazioali: modello RAM Tempo di eseuzioe degli algoritmi Notazioe asitotia: O-grade, W-grade, Q Aalisi del Caso Migliore, Caso Peggiore e del Caso Migliore

Algoritmi e Strutture Dati. Introduzione

Algoritmi 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

Dettagli

Algoritmi e Strutture Dati. Introduzione

Algoritmi 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/

Dettagli

Algoritmi e Strutture Dati. Introduzione

Algoritmi 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/

Dettagli

Il termine Algoritmo. Algoritmo. Algoritmi e Strutture Dati. Università di Camerino Corso di Laurea in Informatica 6CFU

Il termine Algoritmo. Algoritmo. Algoritmi e Strutture Dati. Università di Camerino Corso di Laurea in Informatica 6CFU Algoritmi e Strutture Dati Modelli di alolo e aalisi di algoritmi Uiversità di Camerio Corso di Laurea i Iformatia 6CFU I periodo didattio Doete: Emauela Merelli Il termie Algoritmo sigifia proedimeto

Dettagli

CAPITOLO 3. Quicksort

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

Dettagli

Algoritmi e Strutture di Dati

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

Dettagli

Algoritmi e strutture dati

Algoritmi 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

Dettagli

Algoritmi e Strutture Dati Esercizi Prima parte

Algoritmi 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

Dettagli

algoritmi e strutture di dati

algoritmi 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,

Dettagli

COMPLESSITA COMPUTAZIONALE ESERCITAZIONI (I PARTE) Tutor: Francesca Piersigilli

COMPLESSITA 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

Dettagli

i-esima statistica d ordine di un insieme = i-esimo elemento più piccolo

i-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

Dettagli

Algoritmi e Strutture Dati Laurea in Informatica

Algoritmi e Strutture Dati Laurea in Informatica Algoritmi e Strutture Dati Laurea i Iformatia Caledario: 7 Febbraio 13 Giugo Aula: LuM50 Orario: Mer 1.30-14.15 Gio, Ve 14.30-16.15 Numero rediti 9 (~ 7 ore ~ 5 ore di teoria, ~0 ore di eserizi Doeti:

Dettagli

Informatica 3. Informatica 3. LEZIONE 18: Ordinamento. Lezione 18 - Modulo 1. Introduzione. Analisi algoritmi di ordinamento.

Informatica 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

Dettagli

Tempo di calcolo. Introduzione alla complessità computazionale concreta. Ugo de' Liguoro - Algoritmi e Sperimentazioni 03/04 - Lez.

Tempo di calcolo. Introduzione alla complessità computazionale concreta. Ugo de' Liguoro - Algoritmi e Sperimentazioni 03/04 - Lez. Tempo di alolo Itroduzioe alla omplessità omputazioale oreta Quale algoritmo è più veloe? Ci iteressa rispodere: per apire quato tempo i vuole per eseguire u programma he lo implemeta per stimare la gradezza

Dettagli

1. 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.

1. 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):

Dettagli

3 Ricorrenze. 3.1 Metodo iterativo

3 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

Dettagli

Algoritmi e Strutture Dati (Mod. B) Programmazione Dinamica (Parte I)

Algoritmi 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

Dettagli

Corso di Linguaggi e Traduttori 1 AA TEORIA DELLA COMPUTAZIONE (cenni)

Corso 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

Dettagli

Ricorrenze. 3 1 Metodo iterativo

Ricorrenze. 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

Dettagli

Progetto e analisi di algoritmi

Progetto 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:

Dettagli

2T(n/2) + n se n > 1 T(n) = 1 se n = 1

2T(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

Dettagli

Teoria della Calcolabilità

Teoria 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

Dettagli

Es. di Ordine di crescita. Di quanto aumenta il running time se la taglia ~nlog(n) operazioni. dell input)

Es. 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

Dettagli

Tempo di calcolo. , per cui x è un caso più sfavorevole quando T. peggiore(

Tempo 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

Dettagli

Delimitazioni inferiori e superiori alla complessita di un problema

Delimitazioni 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

Dettagli

Divide et Impera. Minimo e Massimo. Minimo e Massimo. Risoluzione di problemi per partizione con lavoro bilanciato

Divide 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

Dettagli

Algoritmi e Strutture Dati (Elementi)

Algoritmi 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

Dettagli

Programmazione dinamica vs. divide-et-impera

Programmazione 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

Dettagli

NUMERI REALI Mauro Saita Versione provvisoria. Settembre 2012.

NUMERI REALI Mauro Saita Versione provvisoria. Settembre 2012. NUMERI REALI Mauro Saita maurosaita@tiscaliet.it Versioe provvisoria. Settembre 2012. Idice 1 Numeri reali. 1 1.1 Numeri aturali, iteri, razioali......................... 1 1.2 La scoperta dei umeri irrazioali.........................

Dettagli

SIGMA ALGEBRE RICHIAMI DI TEORIA

SIGMA ALGEBRE RICHIAMI DI TEORIA SIGM LGEBRE RICHIMI DI TEORI Def.: lgebra Sia Ω uo spazio arbitrario o vuoto. Ua famiglia (lasse) F di sottoisiemei di Ω è detta algebra se e solo se: ) Ω F (la famiglia otiee lo spazio) 2) F F (la famiglia

Dettagli

Equazioni di ricorrenza e Ordinamenti lineari

Equazioni 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

Dettagli

11 IL CALCOLO DEI LIMITI

11 IL CALCOLO DEI LIMITI IL CALCOLO DEI LIMITI Il calcolo di u ite spesso si ricodurrà a trattare separatamete iti più semplici, su cui poi si farao operazioi algebriche. Dato che uo o più di questi iti possoo essere ±, bisoga

Dettagli

Congruenze in ; l insieme quoziente / n

Congruenze in ; l insieme quoziente / n Cogrueze i ; l isieme quoziete / Per ogi, si cosideri i la relazioe, che per il mometo deoteremo co ( ), così defiita: a ( ) b divide a-b Esempio: 5 (7 ) 19, perché 7 5-19=-14, metre 4 o è ella relazioe

Dettagli

Congruenze in ; l insieme quoziente / n

Congruenze 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

Dettagli

a'. a' e b n y se e solo se x, y, divisi per n danno lo stesso resto.

a'. 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

Dettagli

5. Derivate. Derivate. Derivate di funzioni elementari. Regole di derivazione. Derivate di funzioni composte e di funzioni inverse

5. Derivate. Derivate. Derivate di funzioni elementari. Regole di derivazione. Derivate di funzioni composte e di funzioni inverse Di cosa parleremo Le derivate costituiscoo, per la maggioraza degli studeti, l argometo più semplice di questa parte dell aalisi matematica. I questo capitolo e daremo il cocetto assieme al sigificato

Dettagli

Corso Propedeutico di Matematica

Corso 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

Dettagli

Note per la Lezione 11 Ugo Vaccaro

Note 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

Dettagli

Formulazione di Problemi Decisionali come Problemi di Programmazione Lineare

Formulazione 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

Dettagli

Nozioni 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 )

Nozioni 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

Dettagli

Progettazione di Algoritmi - lezione 23

Progettazione 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.

Dettagli

APPENDICE 1 Richiami di algebra lineare

APPENDICE 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

Dettagli

Elementi di statistica

Elementi 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

Dettagli

L ultimo Teorema di Fermat

L ultimo Teorema di Fermat L ultimo Teorema di Fermat L ultimo teorema di Fermat afferma che l equazioe x + y = z o può avere soluzioi itere di x + y = z co x, y, z > 2 e > 2 itero. La dimostrazioe di questa cogettura è stata sviluppata

Dettagli

Algoritmi e Programmazione Avanzata - teoria. Questa lezione si occupa di ordinamenti: gli algoritmi iterativi di ordinamento

Algoritmi e Programmazione Avanzata - teoria. Questa lezione si occupa di ordinamenti: gli algoritmi iterativi di ordinamento lgoritmi e Programmazioe vazata - teoria 1/232 Che cosa c è ella lezioe Questa lezioe si occupa di ordiameti: gli algoritmi iterativi di ordiameto gli algoritmi ricorsivi di ordiameto. 2/232 lgoritmi e

Dettagli

Preparazione al corso di statistica Prof.ssa Cerbara

Preparazione 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

Dettagli

TEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11

TEORIA 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 =.........

Dettagli

Stima di somme: esercizio

Stima di somme: esercizio Stima di somme: esercizio Valutare l'ordie di gradezza della somma k l (1 + 3 k ) Quado x

Dettagli

ESERCITAZIONE DI PROBABILITÀ 1

ESERCITAZIONE DI PROBABILITÀ 1 ESERCITAZIONE DI PROBABILITÀ 1 12/03/2015 Soluzioi del primo foglio di esercizi Esercizio 0.1. Ua classe di studeti è costituita da 6 ragazzi e 4 ragazze. I risultati dell esame vegoo esposti i ua graduatoria

Dettagli

Esercizi: analisi asintotica delle funzioni di complessità ricorsive. January 31, 2007

Esercizi: analisi asintotica delle funzioni di complessità ricorsive. January 31, 2007 Esercizi: aalisi asitotica delle fuzioi di complessità ricorsive Jauary, 007 Il Metodo di Sostituzioe: esercizi risolti Si utilizzi il metodo di sostituzioe per studiare le segueti ricorreze (per le ricorreze,

Dettagli

Ricerca di un elemento in una matrice

Ricerca 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

Scritto da Maria Rispoli Domenica 09 Gennaio :32 - Ultimo aggiornamento Domenica 20 Febbraio :50

Scritto 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

Dettagli

Trasmissione del calore con applicazioni numeriche: informatica applicata

Trasmissione 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;

Dettagli

Algebra delle matrici

Algebra 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

Dettagli

Appunti complementari per il Corso di Statistica

Appunti 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

Dettagli

Campionamento casuale da popolazione finita (caso senza reinserimento )

Campionamento 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

Dettagli

ESERCIZI - FASCICOLO 1

ESERCIZI - FASCICOLO 1 ESERCIZI - FASCICOLO 1 Esercizio 1 Sia (Ω, A) uo spazio misurabile. Se (A ) 1 è ua successioe di eveti (= elemeti di A), defiiamo lim sup A := A k lim if A = A k. Mostrare che =1 k= (lim sup A ) c = lim

Dettagli

Lezioni di Ricerca Operativa

Lezioni di Ricerca Operativa Lezioi di Riera Operativa Corso di Laurea i Iformatia Uiversità di Salero - Problema del trasporto Prof. Cerulli Dott.ssa Getili Dott. Carrabs Problema del Flusso a osto Miimo FORMULAZIONE mi ( i, j) A

Dettagli

Relazioni di ricorrenza

Relazioni di ricorrenza Relazioi di ricorreza Teciche di soluzioe e teorema del metodo pricipale Ugo de' Liguoro - Algoritmi e Sperimetazioi 03/04 - Lez. Relazioi di ricorreza Ci soo metodi geerali per trovare l ordie di gradezza

Dettagli

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE

DETERMINANTI (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

Dettagli

Insiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi:

Insiemi 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,

Dettagli

Le successioni: intro

Le 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

Dettagli

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018 Primo appello di Calcolo delle probabilità Laurea Trieale i Matematica 22/0/20 COGNOME e NOME... N. MATRICOLA... Esercizio. Siao X e Y due variabili aleatorie idipedeti, co le segueti distribuzioi: X Uif(0,

Dettagli

T n = f n log n = log n. 1 ] 1 ] 1 = sono verificate le disuguaglianze c 1

T 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 /

Dettagli

A. EQUAZIONI LINEARI IN DUE INCOGNITE E SISTEMI DI 1 GRADO

A. EQUAZIONI LINEARI IN DUE INCOGNITE E SISTEMI DI 1 GRADO A. EQUAZIONI LINEARI IN DUE INCOGNITE E SISTEMI DI 1 GRADO 1. I sistemi di equazioi di primo grado U problema può coivolgere più icogite, ma soprattutto può coivolgere più codizioi riferite ad esse, che

Dettagli

Algoritmi e Strutture Dati (Mod. B) Programmazione Dinamica (Parte II)

Algoritmi e Strutture Dati (Mod. B) Programmazione Dinamica (Parte II) Algoritmi e Strutture Dati (Mod. B) Programmazioe Diamica (Parte II) Calcolo del valore di ua soluzioe ottima Il terzo passo cosiste el calcolare il valore della soluzioe ottima (alla paretesizzazioe)

Dettagli

Esercizi: analisi asintotica delle funzioni di complessitá ricorsive

Esercizi: analisi asintotica delle funzioni di complessitá ricorsive Esercizi: aalisi asitotica delle fuzioi di complessitá ricorsive Jauary, 00 Cotets 0. Il Metodo di Sostituzioe: esercizi risolti............ 0. Il Metodo di Iterazioe: esercizi risolti............. 7 0.

Dettagli

Matematica con elementi di Informatica

Matematica con elementi di Informatica La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche

Dettagli

Ancora con l induzione matematica

Ancora con l induzione matematica Acora co l iduzioe matematica Iformatica@SEFA 017/018 - Lezioe 9 Massimo Lauria Veerdì, 1 Ottobre 017 L iduzioe matematica sembra, per come vi è stata presetata la scorsa lezioe,

Dettagli

SECONDO ESONERO DI AM1 10/01/ Soluzioni

SECONDO 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 = +

Dettagli

Esercizi di Calcolo delle Probabilità Foglio 7

Esercizi di Calcolo delle Probabilità Foglio 7 Esercizi di Calcolo delle Probabilità Foglio 7 David Barbato Esercizio. Siao Y e X } N variabili aleatorie idipedeti e co distribuzioe espoeziale di parametro λ =. Siao ioltre: W := maxy, X } N T := miw

Dettagli

ELEMENTI DI CALCOLO COMBINATORIO

ELEMENTI 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

Dettagli

= = 32

= = 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

Dettagli

Soluzioni foglio 7. Pietro Mercuri. 30 ottobre 2018

Soluzioni foglio 7. Pietro Mercuri. 30 ottobre 2018 Soluzioi foglio 7 Pietro Mercuri 30 ottobre 08 Esercizio Determiare se i segueti iti di successioi esistoo e, quado esistoo, calcolarli... e + e π + π + 3. 4. e + + 3 log5e + 5 5. 4 + 3 3 + 6. e + e +

Dettagli

Argomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica

Argomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa

Dettagli

VERIFICA DI IPOTESI STATISTICHE

VERIFICA DI IPOTESI STATISTICHE VERIFICA DI IPOTESI STATISTICHE La proedura della VERIFICA DI IPOTESI STATISTICHE, o proedura dei test statistii, riguarda il problema di voler avere maggiori iformazioi sul valore di u erto parametro

Dettagli

Esercizi sui numeri complessi per il dodicesimo foglio di esercizi

Esercizi 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

Dettagli

Consorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni

Consorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni Cosorzio Nettuo - Corso di Matematica Schede di lavoro guidato per le esercitazioi A cura di Sebastiao Cappuccio SCHEDA N 2 ARGOMENTO: Serie (LEZIONI e 4) ATTIVITA' N : Calcolare la somma delle serie a)

Dettagli

Lezione 2. . Gruppi isomorfi. Gruppi S n e A n. Sottogruppi normali. Gruppi quoziente. , ossia, equivalentemente, se x G Hx = xh.

Lezione 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

Dettagli

v = ( v 1,..., v n ).

v = ( v 1,..., v n ). Lezioe del 21 ovembre. Sistemi lieari 1. Spaio vettoriale R Sia u itero positivo. ssatoمح Cosideriamo lلاiisieme R delle ple ordiate di umeri reali u (u 1, u 2,..., u ), u i R. Al posto di pla ordiata

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.

(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

Dettagli

NUOVI CRITERI DI DIVISIBILITÀ

NUOVI 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,

Dettagli

Principio di induzione: esempi ed esercizi

Principio di induzione: esempi ed esercizi Pricipio di iduzioe: esempi ed esercizi Pricipio di iduzioe: Se ua proprietà P dipedete da ua variabile itera vale per e se, per ogi vale P P + allora P vale su tutto Variate del pricipio di iduzioe: Se

Dettagli

Consideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con

Consideriamo 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

Dettagli

Complessità Computazionale

Complessità Computazionale Uiversità degli studi di Messia Facoltà di Igegeria Corso di Laurea i Igegeria Iformatica e delle Telecomuicazioi Fodameti di Iformatica II Prof. D. Brueo Complessità Computazioale La Nozioe di Algoritmo

Dettagli

1. (Punti 8) Deteminare modulo e argomento delle soluzioni della seguente equazione nel campo complesso. 1 x = 0. x 2 e 8.

1. (Punti 8) Deteminare modulo e argomento delle soluzioni della seguente equazione nel campo complesso. 1 x = 0. x 2 e 8. Corso di Laurea i Igegeria Biomedia ANALISI MATEMATICA Prova sritta del giugo 7 Fila. Esporre il proedimeto di risoluzioe degli eserizi i maiera ompleta e leggibile.. Puti 8) Detemiare modulo e argometo

Dettagli

TECNICA DIVIDE ET IMPERA

TECNICA 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

Dettagli

Esercitazione 3 Sistemi lineari

Esercitazione 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

Dettagli

Calcolo Numerico A.A Esercitazione n

Calcolo 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

Dettagli

Il Teorema di Markov. 1.1 Analisi spettrale della matrice di transizione. Il teorema di Markov afferma che

Il Teorema di Markov. 1.1 Analisi spettrale della matrice di transizione. Il teorema di Markov afferma che 1 Il Teorema di Marov 1.1 Aalisi spettrale della matrice di trasizioe Il teorema di Marov afferma che Teorema 1.1 Ua matrice di trasizioe regolare P su u isieme di stati fiito E ha ua uica distribuzioe

Dettagli

NOTE DEL CORSO DI ANALISI MATEMATICA 1, aa 2003/ I NUMERI REALI COME COMPLETAMENTO DEI RAZIONALI DUE DIVERSI PUNTI DI VISTA:

NOTE DEL CORSO DI ANALISI MATEMATICA 1, aa 2003/ I NUMERI REALI COME COMPLETAMENTO DEI RAZIONALI DUE DIVERSI PUNTI DI VISTA: NOTE DEL CORSO DI ANALISI MATEMATICA, aa 003/004. I NUMERI REALI COME COMPLETAMENTO DEI RAZIONALI DUE DIVERSI PUNTI DI VISTA: A) Defiizioe assiomatica dei umeri reali: si assume come assioma (cioè come

Dettagli

(A + B) ij = A ij + B ij, i = 1,..., m, j = 1,..., n.

(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

Dettagli

Precorso di Matematica, aa , (IV)

Precorso 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

Dettagli

Capitolo 5. Successioni numeriche

Capitolo 5. Successioni numeriche Capitolo 5 Successioi umeriche Ua successioe è ua fuzioe avete domiio N o u suo sottoisieme del tipo A = { N > 0, 0 N} e come codomiio R e che associa a ogi umero aturale u umero reale a. La legge di ua

Dettagli

Problem solving elementare su dati scalari. Esercizi risolti

Problem 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

Dettagli

ESERCITAZIONI DI INTRODUZIONE AGLI ALGORITMI (A.A. 08/09, CANALE E-O)

ESERCITAZIONI 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

Dettagli

VERIFICA DI IPOTESI STATISTICHE

VERIFICA DI IPOTESI STATISTICHE VERIFICA DI IPOTESI STATISTICHE La proedura della VERIFICA DI IPOTESI STATISTICHE, o proedura dei test statistii, riguarda il problema di voler avere maggiori iformazioi sul valore di u erto parametro

Dettagli