Linearno ispitivanje. Overviev Perfektno heširanje Binarna stabla Grafovski (GRAF) algoritmi
|
|
- Σατανᾶς Αγγελόπουλος
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Linearno ispitivanje Za datu običnu heš funkciju h : U {0, 1,... m 1} kojoj se obraćamo kao pomoćnoj heš funkciji metod linearnog ispitivanja koristi heš funkciju h(k, i) = (h (k) + i) mod m, za i {0, 1,... m 1}. Za ključ k prva ćelija koju ispitujemo je T[h (k)], tj. ćelija zadata pomoćnom heš funkcijom. Dalje ispitujemo T[h (k) + 1] itd. dok ne dodjemo do T[m 1]. Tada ispitujemo ćelije T[0], T[1]... dok ne probamo ćeliju T[h (k) 1]. Linearno ispitivanje je jednostavno za implementaciju, ali dopušta problem poznat kao primarno klasterovanje. Izgradjuje se dug niz zauzetih ćelija i raste vreme pretraživanja. Klasteri se prave obzirom da se prazna ćelija, koja prethodi nizu od i punih ćelija, popunjava sledeća sa verovatnoćom i + 1 m.
2 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Kvadratno ispitivanje Dug niz zauzetih ćelija ima tendenciju rasta, pa raste i srednja vrednost traženja. Kvadratno ispitivanje koristi heš funkciju oblika h(k, i) = (h (k) + c 1 i + c 2 i 2 ) mod m, gde je h pomoćna heš funkcija, c 1, c 2 0 pomoćne konstante i i {0, 1,... m 1}. Inicijalna pozicija ispitivanja je T[h (k)]. Naredne pozicije koje se ispituju izjednačavaju se sa vrednostima koje zavise od ponašanja kvadrata posmatranog broja i. Ovaj metod radi mnogo bolje od linearnog ispitivanja, ali da bi iskorišćenje heš tabele bilo potpuno, vrednosti c 1, c 2 i m moraju biti ograničene. Ako dva ključa imaju iste inicijalne pozicije, njihovi probni nizovi su jednaki, jer je h(k 1, 0) = h(k 2, 0), što povlači h(k 1, i) = h(k 2, i). Ova osobina vodi do blaže forme klasterovanja sekundarno klasterovanje.
3 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Dvostruko heširanje Dvostruko heširanje je jedna od najboljih metoda dostupnih za otvoreno adresiranje zbog toga što permutacije koje se dobijaju imaju mnoge karakteristike slučajno izabranih permutacija. Dvostruko heširanje koristi heš funkciju oblika: h(k, i) = (h 1 (k) + ih 2 (k)) mod m, gde su h 1, h 2 pomoćne heš funkcije. Inicijalna probna pozicija je T[h 1 (k)]. Sukcesivne probne pozicije razlikuju se od prethodne pozicije za h 2 (k) modulo m. Za razliku od linearnog i kvadratnog ispitivanja, ovde probni niz, na dva načina, zavisi od ključa k, obzirom da inicijalna probna pozicija ili obe probne pozicije mogu da variraju.
4 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Dvostruko heširanje(cont.) Vrednost h 2 (k) mora biti uzajamno prosta sa dužinom m heš tabele. Uobičajeni način da se ostvari ovaj uslov je da m bude stepen broja 2 i da se h 2 definiše tako da uvek rezultuje prostim brojem. Drugi način je da m bude prost i da se h 2 dizajnira tako da uvek bude pozitivan ceo broj manji od m. Primer: Pretpostavimo da je m prost broj i h 1 (k) = k mod m, h 2 (k) = 1 + (k mod m ), gde je m izabrano da bude malo manje od m (recimo m 1).
5 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Dvostruko heširanje(cont.) Primer: Ako je k = , m = 701 i m = 700 imamo da je h 1 (k) = 80, h 2 (k) = 257. Dakle, prva proba je na poziciji 80 = h 1 (k) i ispituje se svaka 257. ćelija modulo m dok se ne nadje ključ ili dok se ne ispitaju sve ćelije. Dvostruko heširanje je uopštenje linearnog ili kvadratnog ispitivanja u O(m 2 ) probnih nizova koji se koriste u odnosu na O(m), obzirom da svaki mogući par (h 1 (k 1 ), h 2 (k 2 )) donosi različite probne nizove. Kao rezultat, uspeh dvostrukog heširanja se čini veoma bliskim uspehu "idealne" šeme uniformnog heširanja.
6 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Analiza heširanja otvorenim adresiranjem Naša analiza otvorenog adresiranja biće izražena preko faktora opterećenja α = n, ali kada m, n. m Napomena: U otvorenom adresiranju imamo najviše jedan element u ćeliji, pa kako je n m, to povlači α 1. Pretpostavimo da je reč o uniformnom heširanju. U ovoj idealizovanoj šemi, niz ispitivanja {h(k, 0), h(k, 1),..., h(k, m 1)}, koji se koristi za ubacivanje ili traženje ključa k može sa bilo kojom verovatnoćom biti bilo koja permutacija skupa {0, 1,..., m 1}. Dati ključ ima jedinstven niz ispitivanja odredjen njime.
7 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Analiza heširanja otvorenim adresiranjem(cont.) Počinjemo sa analizom broja ispitivanja u bezuspešnom traženju. Teorema: Za datu heš tabelu otvorenog adresiranja sa faktorom opterećenja α = n < 1, očekivani broj ispitivanja je najviše m 1, uz pretpostavku uniformnog heširanja. 1 α Dokaz: U bezuspešnom traženju, svako ispitivanje osim poslednjeg, pristupa zauzetoj ćeliji koja ne sadrži željeni ključ, dok je poslednja probana ćelija prazna. Definišemo slučajnu promenljivu X koja predstavlja broj ispitivanja učinjenih u bezuspešnom traženju.
8 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Analiza heširanja otvorenim adresiranjem(cont.) Neka je A i, za i = 1, 2,... dogadjaj u kome postoji i-to ispitivanje i to je zauzeta ćelija. Tada je dogadjaj {X i} presek dogadjaja A 1 A 2 A i 1. Ograničimo verovatnoću P{X i} ograničavajući P{A 1 A 2 A i 1 } = P{A 1 } P{A 2 A 1 } P{A 3 A 1 A 2 } P{A i 1 A 1 A 2 A i 2 } Kako u m ćelija ima n elemenata to je P{A 1 } = n m. Za j > 1, verovatnoća da postoji j-ta proba i da je to zauzeta ćelija, pri čemu je i prethodnih j 1 ispitivanja dalo zauzete ćelije je n j + 1, zbog pretpostavke uniformnog heširanja. m j + 1
9 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Analiza heširanja otvorenim adresiranjem(cont.) Obzirom da je n < m imamo n j m j n, za svaki 0 j m. m Prema tome, imamo da je verovatnoća P{X i} = n m n 1 m 1 n i + 2 m i + 2 ( n )i 1 = α i 1 m E[X] = P{X i} α i 1 = i=1 i=1 i=0 α i = 1 1 α. Dakle, ograničili smo sumu i gornja granica za 1 + α + α 2 + ima intuitivnu interpretaciju. Jedno ispitivanje se uvek vrši i ono sa verovatnoćom aproksimativno α daje zauzetu ćeliju, pa je neophodno drugo ispitivanje.
10 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Analiza heširanja otvorenim adresiranjem(cont.) Sa verovatnoćom, aproksimativno, α 2 prve dve ćelije su zauzete i neophodno je treće ispitivanje itd. Ako je α konstanta, neuspešno traženje se odvija u O(1) vremenu. Posledica: Ubacivanje elemenata u heš tabelu otvorenog adresiranja sa 1 faktorom opterećenja α, zahteva najviše 1 α ispitivanja u proseku, uz uslov uniformnog heširanja. Dokaz: Element se u tabelu ubacuje samo ako postoji prazna ćelija i α < 1. Ubacivanje ključa zahteva bezuspešno traženje praćeno smeštanjem ključa u prvu praznu ćeliju koja je 1 nadjena. Tako je očekivani broj proba najviše 1 α.
11 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Analiza heširanja otvorenim adresiranjem(cont.) Računanje očekivanog broja ispitivanja za uspešno traženje zahteva malo više posla. Teorema: Za datu heš tabelu otvorenog adresiranja sa faktorom opterećenja α < 1, očekivani broj ispitivanja za uspešno traženje je najviše 1 α ln 1, uz pretpostavku uniformnog 1 α heširanja i pretpostavku da svi ključevi imaju jednake verovatnoće da budu nadjeni u tabeli. Dokaz: Traženje ključa k ima isti niz ispitivanja kao ubacivanje elementa sa ključem k. Prema prethodnoj pretpostavci, ako je k bio i + 1. ključ ubačen u heš tabelu, tj. očekivani broj ispitivanja učinjenih u traženju ključa k je najviše:
12 Linearno ispitivanje Analiza heširanja otvorenim adresiranjem Analiza heširanja otvorenim adresiranjem(cont.) 1 1 i m = m m i. Tako dobijamo srednji broj svih ispitivanja u uspešnom traženju: 1 n n 1 i=0 m m i = m n n 1 i=0 m 1 m i = 1 α m k=m n α m n x dx = 1 α (ln x) m m n = 1 α ln m m n 1 α ln 1 1 n = 1 α ln 1 1 α. m 1 k
13 Mada se heširanje najviše koristi za odlične očekivane rezultate, heširanje se može koristiti i za najgori slučaj to je u slučaju kada je skup ključeva statički i jednom kada se ključevi smeste u tabelu, prostor ključeva se ne menja. Neke aplikacije prirodno imaju statičke skupove ključeva, na primer, skup rezervisanih reči u programskom jeziku ili skup imena fajlova na CD-romu. Heš tehniku zovemo perfektnim heširanjem, ako je broj memorijskih pristupa pri traženju, u najgorem slučaju O(1). Osnovna ideja za kreiranje šeme perfektnog heširanja je jednostavna. Pri tome koristimo šemu heširanja sa dva nivoa, u kojoj se na svakom nivou koristi univerzalno heširanje.
14 (cont.) Prvi nivo je osnovni nivo, kao heširanje formiranjem lanaca: n ključeva se hešira u m ćelija korišćenjem heš funkcije h pažljivo odabrane iz familije univerzalnih heš funkcija. Umesto formiranja liste ključeva koji heširaju u istu ćeliju j, koristimo malu, sekundarnu heš tabelu S j koja je odredjena heš funkcijom h j. Pažljiv izbor funkcije h j obezbedjuje da na drugom nivou ne dodje do kolizije. Kao garancija da na drugom nivou neće doći do kolizije, treba da veličina m j heš tabele S j bude kvadrat broja n j ključeva koji heširaju u ćeliju j. Dok imamo ovakvu kvadratnu zavisnost m j od n j izgleda verovatnim da će doći do prepunjavanja. Pokazaćemo da dobar izbor heš funkcije na prvom nivou omogućava da očekivana količina iskorišćenog prostora ostane O(n).
15 (cont.) Koristimo heš funkciju iz univerzalne klase heš funkcija. Prvi nivo je izabran iz klase H p,m, gde je p prost broj veći od proizvoljne ključne vrednosti. Oni ključevi koji heširaju u ćeliju j su re-hešovani u sekundarnu heš tabelu S j veličine m j korišćenjem heš funkcije h j izabrane iz klase H p,mj. Ići ćemo u dva koraka: Najpre ćemo obezbediti da u sekundarnoj heš tabeli ne dodje do kolizije. Drugo, pokazaćemo da je očekivana količina memorije koja je globalno iskorišćena za primarnu i sekundarnu heš tabelu O(n). Primer: Koristimo perfektno heširanje za skladištenje skupa K = {10, 22, 37, 40, 52, 60, 70, 72, 75}.
16 (cont.) Primer: Spoljna heš funkcija je h(k) = ( (ak + b) mod p ) mod m, gde je a = 3, b = 42, p = 101 i m = 9. Na primer, h(75) = 2, pa ključ 75 hešira u ćeliju 2 tabele T.
17 (cont.) Teorema: Ako n ključeva smestimo u heš tabelu veličine m = n 2 korišćenjem heš funkcije h slučajno izabrane iz klase univerzalnih heš funkcija, verovatnoća da će doći do kolizije je manja od 1 2. Dokaz: Ima ( n) 2 parova ključeva koji mogu da dodju u koliziju. Verovatmoća da dva ključa dodju u koliziju je 1, ako je heš m funkcija h izabrana slučajno iz univerzalne klase heš funkcija H. Označimo sa X slučajnu promenljivu koja broji kolizije. Kada je m = n 2 očekivani broj kolizija je E[X] = ( ) n 1 2 n(n 1) = 1 n2 2 n = n 1 2 2n < 1 2.
18 (cont.) Teorema: Ako n ključeva smestimo u heš tabelu veličine m = n korišćenjem heš funkcije h slučajno izabrane iz klase univerzalnih heš funkcija, onda je E [m 1 j=0 n 2 ] j < 2n, gde je n j broj ključeva koji hešira u ćeliju j. Dokaz: Počinjemo od identiteta koji važi za proizvoljan nenegativan ceo broj a, tj. a 2 = a + 2 ( a) 2. Imamo E [m 1 n 2 ] [ m 1 ) ( nj )] [ j = E nj + 2( m 1 ] = E n j 2 j=0 j=0 j=0
19 (cont.) +2E [m 1 j=0 ( nj 2 ) ] = E[n] + 2E [ m 1 j=0 ( nj 2 ) ] [ m 1 = n + 2E Kako je reč o univerzalnom heširanju dobijamo očekivanu vrednost, za m = n ( ) n 1 n(n 1) = = n 1. 2 m 2m 2 Tako je E [m 1 j=0 n 2 ] n 1 j n = 2n 1 < 2n. j=0 ( nj 2 ) ].
20 (cont.) Posledica 1: Ako n ključeva smestimo u heš tabelu veličine m = n korišćenjem heš funkcije h slučajno izabrane iz univerzalne klase heš funkcija, te ako je dužina svake sekundarne heš tabele m j = n 2 j, za j = 0, m 1, onda je očekivana veličina skladišta potrebna za sve sekundarne heš tabele u šemi perfektnog heširanja manja od 2n. Posledica 2: Ako n ključeva smestimo u heš tabelu veličine m = n korišćenjem heš funkcije h slučajno izabrane iz univerzalne klase heš funkcija, te ako izjednačimo dužinu svake sekundarne heš tabele m j = n 2 j, za j = 0, m 1, onda je verovatnoća za potpuno skladištenje sekundarnih heš tabela čija dužina nije manja od 4n manja od 1 2.
21 Ispitivanje binarnih stabala su strukture podataka koje podržavaju mnoge operacije dinamičkog skupa, koje sadrže: SEARCH, MINIMUM, MAXIMUM, PREDECESSOR, SUCCESSOR, INSERT and DELETE. Tako binarna stabla mogu da se koriste kao rečnik. Osnovne operacije zahtevaju vreme proprcionalno visini stablka. Za kompletno binarno stablo od n čvorova ove operacije u najgorem slučaju zahtevaju O(n) vremena. Svaki čvor jedan objekat. Svaki čvor sadrži polja levo, desno i p, koja pokazuju na njegovo levo dete, desno dete i njegovog roditelja, tim redom. Ako neko dete ili roditelj nedostaju odgovarajuće polje je NIL. Koren je jedini čvor u stablu čiji je roditeljski čvor NIL.
22 Ispitivanje binarnih stabala (cont.) Ključevi su u binarnom stablu uvek uskladišteni tako da zadovoljavaju osobine stabla: Ako je x čvor stabla i y čvor levog podstabla od x, onda je key[y] key[x]. Ako je y čvor desnog podstabla od x, onda je key[x] key[y]. Uredjeni prolaz kroz stablo osobina stabla da se mogu odrediti svi ključevi u stablu jednostavnim rekurzivnim algoritmom. Algoritam se tako naziva jer je ključ korena nalazi izmedju vrednosti u levom i onih u desnom podstablu. Algoritam uzima O(n) vremena za prolaz kroz stablo sa n čvorova, jer posle inicijalnog poziva, za svaki čvor pozivamo proceduru 2 puta-jednom za levo i jednom za desno dete.
23 Ispitivanje binarnih stabala (cont.) Teorema: Ako je x koren podstabla sa n čvorova, poziv prethodne procedure zahteva O(n) vremena. Dokaz: Neka T(n) označava vreme potrebno za INORDER-TREE-WALK, kada se poziva u korenu podstabla sa n čvorova. INORDER-TREE-WALK zahteva mali konstantni deo vremena za test x NIL.
24 Ispitivanje binarnih stabala (cont.) Za ispitivanje praznog podstabla T(0) = C, za proizvoljnu konstantu C. Za n > 0 pretpostavimo da se procedura poziva za čvor x čije levo podstablo ima k, a desno n k 1 čvorova. Vreme da se izvrši INORDER-TREE-WALK(x) je T(n) = T(k) + T(n k 1) + d, za neku pozitivnu konstantu d, koja reflektuje vreme potrebno da se izvrši procedura, tj. vreme potrebno za rekurzivne pozive. Koristimo metod supstitucije da pokažemo da je T(n) = O(n), dokazujući da je T(n) = (c + d)n + c. Za n = 0 imamo da je (c + d) 0 + c = c = T(0). Za n > 0 imamo:
25 Ispitivanje binarnih stabala (cont.) T(n) = T(k) + T(n k 1) + d = ((c + d)k + c) + ((c + d)(n k 1) + c) + d = (c + d)n + c c + c d + d = (c + d)n + c. Dakle, poziv procedure zahteva O(n) vremena.
26 Ispitivanje binarnih stabala Pretraživanje Najčešća operacija traženje ključa smeštenog u binarnom stablu. Najpre traženje čvora sa datim ključem u stablu: Procedura kreće od korena niz stablo, a čvorovi posmatrani tokom rekurzije traže prolazno vreme O(h), gde je h težina stabla.
27 Ispitivanje binarnih stabala Pretraživanje(cont.)
28 Ispitivanje binarnih stabala Procedura za maximum je simetrična:
29 Ispitivanje binarnih stabala
30 Ispitivanje binarnih stabala (cont.) Vreme rada ove procedure za stablo visine h je O(h), jer pratimo put ili uz ili niz stablo. Procedura za nalaženje prethodnika datog čvora x, PREDECESSOR (X), simetrična je ovoj proceduri, tj. krećemo se niz i uz levo podstablo od x. Teorema: Dinamički skup operacija SEARCH, MINIMUM, MAXIMUM, SUCCESSOR i PREDECESSOR mogu se napisati tako da rade u O(h) vremenu u binarnom stablu visine h. Operacije ubacivanja i brisanja zahtevaju dinamičke skupove, koje dobijamo izmenama u binarnom stablu, uz zadržavanje osobina ovog stabla.
31 Ispitivanje binarnih stabala Ubacivanje
32 Ispitivanje binarnih stabala Ubacivanje(cont.) Procedura trasira put niz stablo počev od korena. Pokazivač x trasira put, a y ima funkciju roditelja od x. Pokazivači se kreću niz stablo dok x ne postane NIL. Ovo NIL zauzima poziciju na koju treba da smestimo z.
33 Ispitivanje binarnih stabala Brisanje Procedura za brisanje datog čvora z iz binarnog stabla uzima kao argument pokazivač na z. Ako z nema dece modifikujemo roditelja p(z) da zameni z, a njegovo dete je NIL. Ako z ima samo jedno dete, izbacujemo z pravljenjem novog linka izmedju njegovog roditelja i njegovog deteta. Ako čvor ima 2 deteta izbacujemo sledbenika y od z koji nema levo dete i zamenjujemoključ od z i prateće podatke, ključem od y i pratećim podacima.
34 Ispitivanje binarnih stabala Brisanje(cont.)
35 Ispitivanje binarnih stabala Brisanje(cont.)
36 Ispitivanje binarnih stabala Visina binarnog stabla varira u zavisnosti od toga da li se elementi ubacuju ili izbacuju. Zbog toga se malo zna o prosečnoj visini binarnog stabla. Definisaćemo slučajno formirano binarno stablo od n ključeva, koje raste ubacivanjem ključeva slučajnim redom u inicijalno prazno stablo, gde je svaka od n! permutacija ulaznih ključeva jednako verovatna. Ako sa X n označimo visinu slučajno formiranog binarnog stabla sa n ključeva, možemo definisati eksponencijalnu visinu Y n = 2 X n. Kada gradimo ovakvo stablo, biramo jedan ključ koji postavljamo na mesto korena i sa R n označimo slučajnu promenljivu koja čuva rang ovog ključa. Znači, R n čuva poziciju koju će ovaj ključ zauzeti kada se ostali ključevi sortiraju.
37 Ispitivanje binarnih stabala (cont.) Svaki od brojeva {1, 2,..., n} ima jednaku verovatnoću da bude R n. Ako je R n = i levo podstablo je izgradjeno od i 1-og, a desno od n i slučajno izabranih ključeva. Tada je eksponencijalna visina Y n = 2 max(y i 1, Y n i ). Kao osnovni slučaj uzimamo Y 1 = 1, jer je eksponencijalna visina stabla sa jednim čvorom, 2 0 = 1, i pogodno je staviti da je Y 0 = 0. Dalje definišemo indikatore slučajnih promenljivih Z n,1, Z n,2,..., Z n,n, gde je Z n,i = I{R n = i}, za svaki i = 1, n. Kako je R n sa jednakom verovatnoćom bilo koji element skupa {1, 2,..., n} imamo Pr{R n = i} = 1 n, tj. E[Z n,i] = 1, za svaki n i = 1, n.
38 Ispitivanje binarnih stabala (cont.) Kako je tačno jedna od vrednosti Z n,i = 1, dok su ostale nula imamo n Y n = Z n,i (2 max(y i 1, Y n i )). i=1 Pokazaćemo samo da je E[Y n ] polinomijalna funkcija od n, što znači da je E[X n ] = O(lg n). Indikator slučajne promenljive Z n,i = I{R n = i} nezavisan je od vrednosti Y i 1 i Y n i. Levo podstablo je slučajno izgradjeno od i 1-og ključa čiji su rangovi manji od i. Ova struktura, sem ključeva koje sadrži ne zavisi od R n, pa su slučajne promenljive Y i 1 i Z n,i nezavisne. Isto je i sa desnim podstablom i slučajnim promenljivim Y n i i Z n,i. Dakle:
39 Ispitivanje binarnih stabala (cont.) E[Y n ] = E [ n Z n,i (2 max(y i 1, Y n i )) ] = = = i=1 n i=1 n i=1 n i=1 n E[Z n,i (2 max(y i 1, Y n i ))] E[Z n,i ]E[2 max(y i 1, Y n i )] 1 n 2E[max(Y i 1, Y n i )] = 2 E[max(Y i 1, Y n i )] 2 n n i=1 n E[Y i 1 ] + E[Y n i ]. i=1
40 Ispitivanje binarnih stabala (cont.) Kako se svaka od E[Y 0 ], E[Y 1 ],..., E[Y n ] pojavljuje dva puta u ovoj sumi, jednom kao Y n i, drugi put kao Y i 1 dobijamo E[Y n ] 4 n n 1 i=0 E[Y i ]. Korišćenjem principa matematičke indukcije pokazuje se da važi: ( ) ( ) n 1 i + 3 n + 3 =. 3 4 i=0 Transfinitnom indukcijom ćemo takodje dokazati da je E[Y n ] = 1 ( ) n
41 Ispitivanje binarnih stabala (cont.) 1. Za n = 0 je E[Y 0 ] = 0 1 ( ) 3 = ; Za n = 1 imamo E[Y 1 ] = 1 1 ( ) 4 = Pretpostavimo da za svaki i < n važi E[Y i ] = 1 ( ) i Dokažimo tvrdjenje za prirodan broj n. Važi: E[Y n ] 4 n 1 E[Y i ] 4 ( ) n 1 1 i + 3 = 1 ( ) n 1 i + 3 = n n 4 3 n 3 i=0 i=0 i=0 = 1 ( ( ) ( ) ( ) ( ) n + 2 ) n
42 Ispitivanje binarnih stabala (cont.) ( ) 1 n + 3 = 1 (n + 3)! n 4 n 4!(n + 3 4)! = 1 (n + 3)! 4n 3!(n 1)! = 1 (n + 3)! 4 3!n! = 1 (n + 3)! 4 3!((n + 3) 3)! = 1 ( ) n Ovim smo pokazali da tvrdjenje važi za sve prirodne brojeve i kako još važi Jensenova nejednakost E[Y n ] = E[2 X n ] 2 E[X n], dobijamo da je 2 E[Xn] E[Y n ] 1 ( ) n + 3 = 1 (n + 3)(n + 2)(n + 1) = =
43 Ispitivanje binarnih stabala (cont.) Dakle, = n3 + 6n n E[X n ] = log 2 2 E[X n] = log 2 n 3 + 6n n log 2 (n 3 + 6n n + 6) log 2 n 3 = 3 log 2 n, odnosno, E[X n ] = O(log 2 n). Teorema: Očekivana visina binarnog stabla izgradjenog od n slučajno izabranih ključeva je O(log 2 n).
44 Predstavljanje grafova Grafovski algoritmi Mnogi računarski problemi definisani u terminima grafova; Graf G = (V, E); V neprazan skup čije elemente nazivamo čvorovi grafa; E V V skup čije elemente nazivamo grane grafa; Vreme neophodno za izvršenje graf algoritma obično zavisi od broja čvorova ( V ) grafa i broja grana grafa ( E ). Elementarni graf algoritmi predstavljanje i pretraživanje grafa; Algoritam pretraživanja može da otkrije puno o strukturi grafa. Predstavljanje grafa na dva standardna načina: kolekcija listi susedstva matrica susedstva
45 Predstavljanje grafova Lista susedstva Lista susedstva češći način za predstavljanje grafova; Dobar način za predstavljanje retkih grafova, E V 2. Matrica susedstva pogodna za guste grafove, E V 2 Reprezentacija od G = (V, E) listom susedstva niz Adj koji se sastoji od V listi od kojih svaka odgovara po jednom čvoru iz V. u V, Adj[u] = {v (u, v) E} skup svih suseda čvora u u G (može da sadrži i pokazivače na čvorove) Za usmereni graf G suma dužina svih listi susedstva je E ; Za neusmereni graf G suma dužina svih listi susedstva je 2 E ; U oba slučaja u memoriji je potrebno O(V + E) prostora.
46 Predstavljanje grafova Lista susedstva (cont.) Lista susedstva može biti prilagodjena predstavljanju težinskih grafova; Težinski grafovi svakoj grani se pridružuje težina zadata funkcijom w : E R w težinska funkcija; (u, v) E, w(u, v) težina grane koju u listu susedstva reči u smeštamo sa čvorom v Nepovoljnost ovakvog predstavljanja ne postoji mogućnost brzog ispitivanja da li v Adj[u]. Ovo se prevazilazi predstavljanjem grafa matricom susedstva.
47 Predstavljanje grafova Matrica susedstva Za predstavljanje grafa matricom susedstva pretpostavka da su čvorovi numerisani sa 1, 2,..., V proizvoljnim redom; A matrica susedstva dimenzije V V ; A = (a ij ) V i,j=1 a ij = Neophodna memorija O( V 2 ) { 1, (i, j) E 0, u protivnom Za neusmerene grafove A = A T ; Kod težinskih grafova težinu grane w(u, v) smestamo u vrstu u i kolonu v matrice susedstva Za nepostojeće grane NIL, 0 ili.
DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović
DISKRETNA MATEMATIKA - PREDAVANJE 7 - Jovanka Pantović Novi Sad April 17, 2018 1 / 22 Teorija grafova April 17, 2018 2 / 22 Definicija Graf je ure dena trojka G = (V, G, ψ), gde je (i) V konačan skup čvorova,
Διαβάστε περισσότερα3.1 Granična vrednost funkcije u tački
3 Granična vrednost i neprekidnost funkcija 2 3 Granična vrednost i neprekidnost funkcija 3. Granična vrednost funkcije u tački Neka je funkcija f(x) definisana u tačkama x za koje je 0 < x x 0 < r, ili
Διαβάστε περισσότεραOsnovni primer. (Z, +,,, 0, 1) je komutativan prsten sa jedinicom: množenje je distributivno prema sabiranju
RAČUN OSTATAKA 1 1 Prsten celih brojeva Z := N + {} N + = {, 3, 2, 1,, 1, 2, 3,...} Osnovni primer. (Z, +,,,, 1) je komutativan prsten sa jedinicom: sabiranje (S1) asocijativnost x + (y + z) = (x + y)
Διαβάστε περισσότεραVerovatnoća i Statistika I deo Teorija verovatnoće (zadaci) Beleške dr Bobana Marinkovića
Verovatnoća i Statistika I deo Teorija verovatnoće zadaci Beleške dr Bobana Marinkovića Iz skupa, 2,, 00} bira se na slučajan način 5 brojeva Odrediti skup elementarnih dogadjaja ako se brojevi biraju
Διαβάστε περισσότεραTeorijske osnove informatike 1
Teorijske osnove informatike 1 9. oktobar 2014. () Teorijske osnove informatike 1 9. oktobar 2014. 1 / 17 Funkcije Veze me du skupovima uspostavljamo skupovima koje nazivamo funkcijama. Neformalno, funkcija
Διαβάστε περισσότεραOverviev BFS-analiza DFS algoritam. Predstavljanje grafova BFS algoritam. Grafovski algoritmi
Predstavljanje grafova BFS algoritam Grafovski algoritmi Mnogi računarski problemi definisani u terminima grafova; Graf G = (V, E); V neprazan skup čije elemente nazivamo čvorovi grafa; E V V skup čije
Διαβάστε περισσότεραStrukture podataka i algoritmi 1. kolokvij 16. studenog Zadatak 1
Strukture podataka i algoritmi 1. kolokvij Na kolokviju je dozvoljeno koristiti samo pribor za pisanje i službeni šalabahter. Predajete samo papire koje ste dobili. Rezultati i uvid u kolokvije: ponedjeljak,
Διαβάστε περισσότεραXI dvoqas veжbi dr Vladimir Balti. 4. Stabla
XI dvoqas veжbi dr Vladimir Balti 4. Stabla Teorijski uvod Teorijski uvod Definicija 5.7.1. Stablo je povezan graf bez kontura. Definicija 5.7.1. Stablo je povezan graf bez kontura. Primer 5.7.1. Sva stabla
Διαβάστε περισσότεραElementi spektralne teorije matrica
Elementi spektralne teorije matrica Neka je X konačno dimenzionalan vektorski prostor nad poljem K i neka je A : X X linearni operator. Definicija. Skalar λ K i nenula vektor u X se nazivaju sopstvena
Διαβάστε περισσότεραIskazna logika 3. Matematička logika u računarstvu. novembar 2012
Iskazna logika 3 Matematička logika u računarstvu Department of Mathematics and Informatics, Faculty of Science,, Serbia novembar 2012 Deduktivni sistemi 1 Definicija Deduktivni sistem (ili formalna teorija)
Διαβάστε περισσότεραOperacije s matricama
Linearna algebra I Operacije s matricama Korolar 3.1.5. Množenje matrica u vektorskom prostoru M n (F) ima sljedeća svojstva: (1) A(B + C) = AB + AC, A, B, C M n (F); (2) (A + B)C = AC + BC, A, B, C M
Διαβάστε περισσότερα5. Karakteristične funkcije
5. Karakteristične funkcije Profesor Milan Merkle emerkle@etf.rs milanmerkle.etf.rs Verovatnoća i Statistika-proleće 2018 Milan Merkle Karakteristične funkcije ETF Beograd 1 / 10 Definicija Karakteristična
Διαβάστε περισσότεραIZVODI ZADACI ( IV deo) Rešenje: Najpre ćemo logaritmovati ovu jednakost sa ln ( to beše prirodni logaritam za osnovu e) a zatim ćemo
IZVODI ZADACI ( IV deo) LOGARITAMSKI IZVOD Logariamskim izvodom funkcije f(), gde je >0 i, nazivamo izvod logarima e funkcije, o jes: (ln ) f ( ) f ( ) Primer. Nadji izvod funkcije Najpre ćemo logarimovai
Διαβάστε περισσότεραIspitivanje toka i skiciranje grafika funkcija
Ispitivanje toka i skiciranje grafika funkcija Za skiciranje grafika funkcije potrebno je ispitati svako od sledećih svojstava: Oblast definisanosti: D f = { R f R}. Parnost, neparnost, periodičnost. 3
Διαβάστε περισσότεραM086 LA 1 M106 GRP. Tema: Baza vektorskog prostora. Koordinatni sustav. Norma. CSB nejednakost
M086 LA 1 M106 GRP Tema: CSB nejednakost. 19. 10. 2017. predavač: Rudolf Scitovski, Darija Marković asistent: Darija Brajković, Katarina Vincetić P 1 www.fizika.unios.hr/grpua/ 1 Baza vektorskog prostora.
Διαβάστε περισσότεραUNIVERZITET U NIŠU ELEKTRONSKI FAKULTET SIGNALI I SISTEMI. Zbirka zadataka
UNIVERZITET U NIŠU ELEKTRONSKI FAKULTET Goran Stančić SIGNALI I SISTEMI Zbirka zadataka NIŠ, 014. Sadržaj 1 Konvolucija Literatura 11 Indeks pojmova 11 3 4 Sadržaj 1 Konvolucija Zadatak 1. Odrediti konvoluciju
Διαβάστε περισσότεραPRAVA. Prava je u prostoru određena jednom svojom tačkom i vektorom paralelnim sa tom pravom ( vektor paralelnosti).
PRAVA Prava je kao i ravan osnovni geometrijski ojam i ne definiše se. Prava je u rostoru određena jednom svojom tačkom i vektorom aralelnim sa tom ravom ( vektor aralelnosti). M ( x, y, z ) 3 Posmatrajmo
Διαβάστε περισσότεραSISTEMI NELINEARNIH JEDNAČINA
SISTEMI NELINEARNIH JEDNAČINA April, 2013 Razni zapisi sistema Skalarni oblik: Vektorski oblik: F = f 1 f n f 1 (x 1,, x n ) = 0 f n (x 1,, x n ) = 0, x = (1) F(x) = 0, (2) x 1 0, 0 = x n 0 Definicije
Διαβάστε περισσότεραPARCIJALNI IZVODI I DIFERENCIJALI. Sama definicija parcijalnog izvoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je,
PARCIJALNI IZVODI I DIFERENCIJALI Sama definicija parcijalnog ivoda i diferencijala je malo teža, mi se njome ovde nećemo baviti a vi ćete je, naravno, naučiti onako kako vaš profesor ahteva. Mi ćemo probati
Διαβάστε περισσότεραELEKTROTEHNIČKI ODJEL
MATEMATIKA. Neka je S skup svih živućih državljana Republike Hrvatske..04., a f preslikavanje koje svakom elementu skupa S pridružuje njegov horoskopski znak (bez podznaka). a) Pokažite da je f funkcija,
Διαβάστε περισσότεραPID: Domen P je glavnoidealski [PID] akko svaki ideal u P je glavni (generisan jednim elementom; oblika ap := {ab b P }, za neko a P ).
0.1 Faktorizacija: ID, ED, PID, ND, FD, UFD Definicija. Najava pojmova: [ID], [ED], [PID], [ND], [FD] i [UFD]. ID: Komutativan prsten P, sa jedinicom 1 0, je integralni domen [ID] oblast celih), ili samo
Διαβάστε περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
Διαβάστε περισσότεραJednodimenzionalne slučajne promenljive
Jednodimenzionalne slučajne promenljive Definicija slučajne promenljive Neka je X f-ja def. na prostoru verovatnoća (Ω, F, P) koja preslikava prostor el. ishoda Ω u skup R realnih brojeva: (1)Skup {ω/
Διαβάστε περισσότερα41. Jednačine koje se svode na kvadratne
. Jednačine koje se svode na kvadrane Simerične recipročne) jednačine Jednačine oblika a n b n c n... c b a nazivamo simerične jednačine, zbog simeričnosi koeficijenaa koeficijeni uz jednaki). k i n k
Διαβάστε περισσότεραIZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI)
IZRAČUNAVANJE POKAZATELJA NAČINA RADA NAČINA RADA (ISKORIŠĆENOSTI KAPACITETA, STEPENA OTVORENOSTI RADNIH MESTA I NIVOA ORGANIZOVANOSTI) Izračunavanje pokazatelja načina rada OTVORENOG RM RASPOLOŽIVO RADNO
Διαβάστε περισσότεραINTEGRALNI RAČUN. Teorije, metodike i povijest infinitezimalnih računa. Lucija Mijić 17. veljače 2011.
INTEGRALNI RAČUN Teorije, metodike i povijest infinitezimalnih računa Lucija Mijić lucija@ktf-split.hr 17. veljače 2011. Pogledajmo Predstavimo gornju sumu sa Dodamo još jedan Dobivamo pravokutnik sa Odnosno
Διαβάστε περισσότεραMATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15
MATRICE I DETERMINANTE - formule i zadaci - (Matrice i determinante) 1 / 15 Matrice - osnovni pojmovi (Matrice i determinante) 2 / 15 (Matrice i determinante) 2 / 15 Matrice - osnovni pojmovi Matrica reda
Διαβάστε περισσότερα2 tg x ctg x 1 = =, cos 2x Zbog četvrtog kvadranta rješenje je: 2 ctg x
Zadatak (Darjan, medicinska škola) Izračunaj vrijednosti trigonometrijskih funkcija broja ako je 6 sin =,,. 6 Rješenje Ponovimo trigonometrijske funkcije dvostrukog kuta! Za argument vrijede sljedeće formule:
Διαβάστε περισσότεραApsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama.
Apsolutno neprekidne raspodele Raspodele apsolutno neprekidnih sluqajnih promenljivih nazivaju se apsolutno neprekidnim raspodelama. a b Verovatno a da sluqajna promenljiva X uzima vrednost iz intervala
Διαβάστε περισσότεραAPROKSIMACIJA FUNKCIJA
APROKSIMACIJA FUNKCIJA Osnovni koncepti Gradimir V. Milovanović MF, Beograd, 14. mart 2011. APROKSIMACIJA FUNKCIJA p.1/46 Osnovni problem u TA Kako za datu funkciju f iz velikog prostora X naći jednostavnu
Διαβάστε περισσότεραPismeni ispit iz matematike Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: ( ) + 1.
Pismeni ispit iz matematike 0 008 GRUPA A Riješiti sistem jednačina i diskutovati rješenja sistema u zavisnosti od parametra: λ + z = Ispitati funkciju i nacrtati njen grafik: + ( λ ) + z = e Izračunati
Διαβάστε περισσότερα5 Ispitivanje funkcija
5 Ispitivanje funkcija 3 5 Ispitivanje funkcija Ispitivanje funkcije pretodi crtanju grafika funkcije. Opšti postupak ispitivanja funkcija koje su definisane eksplicitno y = f() sadrži sledeće elemente:
Διαβάστε περισσότερα18. listopada listopada / 13
18. listopada 2016. 18. listopada 2016. 1 / 13 Neprekidne funkcije Važnu klasu funkcija tvore neprekidne funkcije. To su funkcije f kod kojih mala promjena u nezavisnoj varijabli x uzrokuje malu promjenu
Διαβάστε περισσότεραStruktura indeksa: B-stablo. ls/swd/btree/btree.html
Struktura indeksa: B-stablo http://cis.stvincent.edu/html/tutoria ls/swd/btree/btree.html Uvod ISAM (Index-Sequential Access Method, IBM sredina 60-tih godina 20. veka) Nedostaci: sekvencijalno pretraživanje
Διαβάστε περισσότεραRačunarska grafika. Rasterizacija linije
Računarska grafika Osnovni inkrementalni algoritam Drugi naziv u literaturi digitalni diferencijalni analizator (DDA) Pretpostavke (privremena ograničenja koja se mogu otkloniti jednostavnim uopštavanjem
Διαβάστε περισσότεραIZVODI ZADACI (I deo)
IZVODI ZADACI (I deo) Najpre da se podsetimo tablice i osnovnih pravila:. C`=0. `=. ( )`= 4. ( n )`=n n-. (a )`=a lna 6. (e )`=e 7. (log a )`= 8. (ln)`= ` ln a (>0) 9. = ( 0) 0. `= (>0) (ovde je >0 i a
Διαβάστε περισσότεραZavrxni ispit iz Matematiqke analize 1
Građevinski fakultet Univerziteta u Beogradu 3.2.2016. Zavrxni ispit iz Matematiqke analize 1 Prezime i ime: Broj indeksa: 1. Definisati Koxijev niz. Dati primer niza koji nije Koxijev. 2. Dat je red n=1
Διαβάστε περισσότεραOsnovne teoreme diferencijalnog računa
Osnovne teoreme diferencijalnog računa Teorema Rolova) Neka je funkcija f definisana na [a, b], pri čemu važi f je neprekidna na [a, b], f je diferencijabilna na a, b) i fa) fb). Tada postoji ξ a, b) tako
Διαβάστε περισσότερα(P.I.) PRETPOSTAVKA INDUKCIJE - pretpostavimo da tvrdnja vrijedi za n = k.
1 3 Skupovi brojeva 3.1 Skup prirodnih brojeva - N N = {1, 2, 3,...} Aksiom matematičke indukcije Neka je N skup prirodnih brojeva i M podskup od N. Ako za M vrijede svojstva: 1) 1 M 2) n M (n + 1) M,
Διαβάστε περισσότεραSume kvadrata. mn = (ax + by) 2 + (ay bx) 2.
Sume kvadrata Koji se prirodni brojevi mogu prikazati kao zbroj kvadrata dva cijela broja? Propozicija 1. Ako su brojevi m i n sume dva kvadrata, onda je i njihov produkt m n takoder suma dva kvadrata.
Διαβάστε περισσότεραIspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f
IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f IspitivaƬe funkcija: 1. Oblast definisanosti funkcije (ili domen funkcije) D f 2. Nule i znak funkcije; presek sa y-osom IspitivaƬe
Διαβάστε περισσότερα1. zadatak , 3 Dakle, sva kompleksna re{ewa date jedna~ine su x 1 = x 2 = 1 (dvostruko re{ewe), x 3 = 1 + i
PRIPREMA ZA II PISMENI IZ ANALIZE SA ALGEBROM. zadatak Re{avawe algebarskih jedna~ina tre}eg i ~etvrtog stepena. U skupu kompleksnih brojeva re{iti jedna~inu: a x 6x + 9 = 0; b x + 9x 2 + 8x + 28 = 0;
Διαβάστε περισσότεραBinarno stablo (BinaryTree)
Binarno stablo (BinaryTree) Binarno stablo T je konačan skup podataka istog tipa (čvorova) koji je ili prazan ili ima istaknuti čvor (korijen), a ostali čvorovi su podijeljeni u dva podskupa T L i T R
Διαβάστε περισσότεραa M a A. Može se pokazati da je supremum (ako postoji) jedinstven pa uvodimo oznaku sup A.
3 Infimum i supremum Definicija. Neka je A R. Kažemo da je M R supremum skupa A ako je (i) M gornja meda skupa A, tj. a M a A. (ii) M najmanja gornja meda skupa A, tj. ( ε > 0)( a A) takav da je a > M
Διαβάστε περισσότεραIZVODI ZADACI (I deo)
IZVODI ZADACI (I deo Najpre da se podsetimo tablice i osnovnih pravila:. C0.. (. ( n n n-. (a a lna 6. (e e 7. (log a 8. (ln ln a (>0 9. ( 0 0. (>0 (ovde je >0 i a >0. (cos. (cos - π. (tg kπ cos. (ctg
Διαβάστε περισσότεραKOMUTATIVNI I ASOCIJATIVNI GRUPOIDI. NEUTRALNI ELEMENT GRUPOIDA.
KOMUTATIVNI I ASOCIJATIVNI GRUPOIDI NEUTRALNI ELEMENT GRUPOIDA 1 Grupoid (G, ) je asocijativa akko važi ( x, y, z G) x (y z) = (x y) z Grupoid (G, ) je komutativa akko važi ( x, y G) x y = y x Asocijativa
Διαβάστε περισσότερα2log. se zove numerus (logaritmand), je osnova (baza) log. log. log =
( > 0, 0)!" # > 0 je najčešći uslov koji postavljamo a još je,, > 0 se zove numerus (aritmand), je osnova (baza). 0.. ( ) +... 7.. 8. Za prelazak na neku novu bazu c: 9. Ako je baza (osnova) 0 takvi se
Διαβάστε περισσότεραAlgoritmi i strukture podataka - 1.cas
Algoritmi i strukture podataka - 1.cas Aleksandar Veljković October 2016 Materijali su zasnovani na materijalima Mirka Stojadinovića 1 Složenost algoritama Približna procena vremena ili prostora potrebnog
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja R(f) = {f(x) x D}
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Neka su D i K bilo koja dva neprazna skupa. Postupak f koji svakom elementu x D pridružuje točno jedan element y K zovemo funkcija
Διαβάστε περισσότερα( ) ( ) 2 UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET. Zadaci za pripremu polaganja kvalifikacionog ispita iz Matematike. 1. Riješiti jednačine: 4
UNIVERZITET U ZENICI POLITEHNIČKI FAKULTET Riješiti jednačine: a) 5 = b) ( ) 3 = c) + 3+ = 7 log3 č) = 8 + 5 ć) sin cos = d) 5cos 6cos + 3 = dž) = đ) + = 3 e) 6 log + log + log = 7 f) ( ) ( ) g) ( ) log
Διαβάστε περισσότεραMATEMATIKA 2. Grupa 1 Rexea zadataka. Prvi pismeni kolokvijum, Dragan ori
MATEMATIKA 2 Prvi pismeni kolokvijum, 14.4.2016 Grupa 1 Rexea zadataka Dragan ori Zadaci i rexea 1. unkcija f : R 2 R definisana je sa xy 2 f(x, y) = x2 + y sin 3 2 x 2, (x, y) (0, 0) + y2 0, (x, y) =
Διαβάστε περισσότεραSOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE
1 SOPSTVENE VREDNOSTI I SOPSTVENI VEKTORI LINEARNOG OPERATORA I KVADRATNE MATRICE Neka je (V, +,, F ) vektorski prostor konačne dimenzije i neka je f : V V linearno preslikavanje. Definicija. (1) Skalar
Διαβάστε περισσότεραnumeričkih deskriptivnih mera.
DESKRIPTIVNA STATISTIKA Numeričku seriju podataka opisujemo pomoću Numeričku seriju podataka opisujemo pomoću numeričkih deskriptivnih mera. Pokazatelji centralne tendencije Aritmetička sredina, Medijana,
Διαβάστε περισσότεραKVADRATNA FUNKCIJA. Kvadratna funkcija je oblika: Kriva u ravni koja predstavlja grafik funkcije y = ax + bx + c. je parabola.
KVADRATNA FUNKCIJA Kvadratna funkcija je oblika: = a + b + c Gde je R, a 0 i a, b i c su realni brojevi. Kriva u ravni koja predstavlja grafik funkcije = a + b + c je parabola. Najpre ćemo naučiti kako
Διαβάστε περισσότεραDeljivost. 1. Ispitati kada izraz (n 2) 3 + n 3 + (n + 2) 3,n N nije deljiv sa 18.
Deljivost 1. Ispitati kada izraz (n 2) 3 + n 3 + (n + 2) 3,n N nije deljiv sa 18. Rešenje: Nazovimo naš izraz sa I.Važi 18 I 2 I 9 I pa možemo da posmatramo deljivost I sa 2 i 9.Iz oblika u kom je dat
Διαβάστε περισσότεραZadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu
Zadaci sa prethodnih prijemnih ispita iz matematike na Beogradskom univerzitetu Trigonometrijske jednačine i nejednačine. Zadaci koji se rade bez upotrebe trigonometrijskih formula. 00. FF cos x sin x
Διαβάστε περισσότεραIII VEŽBA: FURIJEOVI REDOVI
III VEŽBA: URIJEOVI REDOVI 3.1. eorijska osnova Posmatrajmo neki vremenski kontinualan signal x(t) na intervalu definisati: t + t t. ada se može X [ k ] = 1 t + t x ( t ) e j 2 π kf t dt, gde je f = 1/.
Διαβάστε περισσότεραRiješeni zadaci: Nizovi realnih brojeva
Riješei zadaci: Nizovi realih brojeva Nizovi, aritmetički iz, geometrijski iz Fukciju a : N R azivamo beskoači) iz realih brojeva i ozačavamo s a 1, a,..., a,... ili a ), pri čemu je a = a). Aritmetički
Διαβάστε περισσότεραNumerička matematika 2. kolokvij (1. srpnja 2009.)
Numerička matematika 2. kolokvij (1. srpnja 29.) Zadatak 1 (1 bodova.) Teorijsko pitanje. (A) Neka je G R m n, uz m n, pravokutna matrica koja ima puni rang po stupcima, tj. rang(g) = n. (a) Napišite puni
Διαβάστε περισσότεραDijagonalizacija operatora
Dijagonalizacija operatora Problem: Može li se odrediti baza u kojoj zadani operator ima dijagonalnu matricu? Ova problem je povezan sa sljedećim pojmovima: 1 Karakteristični polinom operatora f 2 Vlastite
Διαβάστε περισσότεραProgram testirati pomoću podataka iz sledeće tabele:
Deo 2: Rešeni zadaci 135 Vrednost integrala je I = 2.40407 42. Napisati program za izračunavanje koeficijenta proste linearne korelacije (Pearsonovog koeficijenta) slučajnih veličina X = (x 1,..., x n
Διαβάστε περισσότεραFunkcija gustoće neprekidne slučajne varijable ima dva bitna svojstva: 1. Nenegativnost: f(x) 0, x R, 2. Normiranost: f(x)dx = 1.
σ-algebra skupova Definicija : Neka je Ω neprazan skup i F P(Ω). Familija skupova F je σ-algebra skupova na Ω ako vrijedi:. F, 2. A F A C F, 3. A n, n N} F n N A n F. Borelova σ-algebra Definicija 2: Neka
Διαβάστε περισσότεραKlasifikacija blizu Kelerovih mnogostrukosti. konstantne holomorfne sekcione krivine. Kelerove. mnogostrukosti. blizu Kelerove.
Klasifikacija blizu Teorema Neka je M Kelerova mnogostrukost. Operator krivine R ima sledeća svojstva: R(X, Y, Z, W ) = R(Y, X, Z, W ) = R(X, Y, W, Z) R(X, Y, Z, W ) + R(Y, Z, X, W ) + R(Z, X, Y, W ) =
Διαβάστε περισσότεραCauchyjev teorem. Postoji više dokaza ovog teorema, a najjednostvniji je uz pomoć Greenove formule: dxdy. int C i Cauchy Riemannovih uvjeta.
auchyjev teorem Neka je f-ja f (z) analitička u jednostruko (prosto) povezanoj oblasti G, i neka je zatvorena kontura koja čitava leži u toj oblasti. Tada je f (z)dz = 0. Postoji više dokaza ovog teorema,
Διαβάστε περισσότεραUvod u teoriju brojeva
Uvod u teoriju brojeva 2. Kongruencije Borka Jadrijević Borka Jadrijević () UTB 2 1 / 25 2. Kongruencije Kongruencija - izjava o djeljivosti; Teoriju kongruencija uveo je C. F. Gauss 1801. De nicija (2.1)
Διαβάστε περισσότεραDvanaesti praktikum iz Analize 1
Dvaaesti praktikum iz Aalize Zlatko Lazovi 20. decembar 206.. Dokazati da fukcija f = 5 l tg + 5 ima bar jedu realu ulu. Ree e. Oblast defiisaosti fukcije je D f = k Z da postoji ula fukcije a 0, π 2.
Διαβάστε περισσότεραU raznim oblastima se često javlja potreba da se izmed u izvesnih objekata uspostave izvesne veze, odnosi ili relacije.
Šta je to relacija? U raznim oblastima se često javlja potreba da se izmed u izvesnih objekata uspostave izvesne veze, odnosi ili relacije. Na primer, često se javlja potreba da se izvesni objekti uporede
Διαβάστε περισσότεραSkup svih mogućih ishoda datog opita, odnosno skup svih elementarnih događaja se najčešće obeležava sa E. = {,,,... }
VEROVTNOĆ - ZDI (I DEO) U računu verovatnoće osnovni pojmovi su opit i događaj. Svaki opit se završava nekim ishodom koji se naziva elementarni događaj. Elementarne događaje profesori različito obeležavaju,
Διαβάστε περισσότερα7 Algebarske jednadžbe
7 Algebarske jednadžbe 7.1 Nultočke polinoma Skup svih polinoma nad skupom kompleksnih brojeva označavamo sa C[x]. Definicija. Nultočka polinoma f C[x] je svaki kompleksni broj α takav da je f(α) = 0.
Διαβάστε περισσότεραSistemi veštačke inteligencije primer 1
Sistemi veštačke inteligencije primer 1 1. Na jeziku predikatskog računa formalizovati rečenice: a) Miloš je slikar. b) Sava nije slikar. c) Svi slikari su umetnici. Uz pomoć metode rezolucije dokazati
Διαβάστε περισσότεραVeleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika. Monotonost i ekstremi. Katica Jurasić. Rijeka, 2011.
Veleučilište u Rijeci Stručni studij sigurnosti na radu Akad. god. 2011/2012. Matematika Monotonost i ekstremi Katica Jurasić Rijeka, 2011. Ishodi učenja - predavanja Na kraju ovog predavanja moći ćete:,
Διαβάστε περισσότεραZadaci iz Osnova matematike
Zadaci iz Osnova matematike 1. Riješiti po istinitosnoj vrijednosti iskaza p, q, r jednačinu τ(p ( q r)) =.. Odrediti sve neekvivalentne iskazne formule F = F (p, q) za koje je iskazna formula p q p F
Διαβάστε περισσότεραAlgebarske strukture sa jednom operacijom (A, ): Ako operacija ima osobine: zatvorenost i asocijativnost, onda je (A, ) polugrupa
Binarne operacije Binarna operacija na skupu A je preslikavanje skupa A A u A, to jest : A A A. Pišemo a b = c. Označavanje operacija:,,,. Poznate operacije: sabiranje (+), oduzimanje ( ), množenje ( ).
Διαβάστε περισσότεραTRIGONOMETRIJSKE FUNKCIJE I I.1.
TRIGONOMETRIJSKE FUNKCIJE I I Odredi na brojevnoj trigonometrijskoj kružnici točku Et, za koju je sin t =,cost < 0 Za koje realne brojeve a postoji realan broj takav da je sin = a? Izračunaj: sin π tg
Διαβάστε περισσότεραSortiranje prebrajanjem (Counting sort) i Radix Sort
Sortiranje prebrajanjem (Counting sort) i Radix Sort 15. siječnja 2016. Ante Mijoč Uvod Teorem Ako je f(n) broj usporedbi u algoritmu za sortiranje temeljenom na usporedbama (eng. comparison-based sorting
Διαβάστε περισσότεραTrigonometrijske nejednačine
Trignmetrijske nejednačine T su nejednačine kd kjih se nepznata javlja ka argument trignmetrijske funkcije. Rešiti trignmetrijsku nejednačinu znači naći sve uglve kji je zadvljavaju. Prilikm traženja rešenja
Διαβάστε περισσότεραPismeni ispit iz matematike GRUPA A 1. Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj, zatim naći 4 z.
Pismeni ispit iz matematike 06 007 Napisati u trigonometrijskom i eksponencijalnom obliku kompleksni broj z = + i, zatim naći z Ispitati funkciju i nacrtati grafik : = ( ) y e + 6 Izračunati integral:
Διαβάστε περισσότερα1 Afina geometrija. 1.1 Afini prostor. Definicija 1.1. Pod afinim prostorom nad poljem K podrazumevamo. A - skup taqaka
1 Afina geometrija 11 Afini prostor Definicija 11 Pod afinim prostorom nad poljem K podrazumevamo svaku uređenu trojku (A, V, +): A - skup taqaka V - vektorski prostor nad poljem K + : A V A - preslikavanje
Διαβάστε περισσότεραI.13. Koliki je napon između neke tačke A čiji je potencijal 5 V i referentne tačke u odnosu na koju se taj potencijal računa?
TET I.1. Šta je Kulonova sila? elektrostatička sila magnetna sila c) gravitaciona sila I.. Šta je elektrostatička sila? sila kojom međusobno eluju naelektrisanja u mirovanju sila kojom eluju naelektrisanja
Διαβάστε περισσότεραDRUGI KOLOKVIJUM IZ MATEMATIKE 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. je neprekidna za a =
x, y, z) 2 2 1 2. Rešiti jednačinu: 2 3 1 1 2 x = 1. x = 3. Odrediti rang matrice: rang 9x + 6y + z = 1 4x 2y + z = 1 x + 2y + 3z = 2. 2 0 1 1 1 3 1 5 2 8 14 10 3 11 13 15 = 4. Neka je A = x x N x < 7},
Διαβάστε περισσότεραKaskadna kompenzacija SAU
Kaskadna kompenzacija SAU U inženjerskoj praksi, naročito u sistemima regulacije elektromotornih pogona i tehnoloških procesa, veoma često se primenjuje metoda kaskadne kompenzacije, u čijoj osnovi su
Διαβάστε περισσότεραKVADRATNA FUNKCIJA. Kvadratna funkcija je oblika: Kriva u ravni koja predstavlja grafik funkcije y = ax + bx + c. je parabola.
KVADRATNA FUNKCIJA Kvadratna funkcija je oblika: a + b + c Gde je R, a 0 i a, b i c su realni brojevi. Kriva u ravni koja predstavlja grafik funkcije a + b + c je parabola. Najpre ćemo naučiti kako izgleda
Διαβάστε περισσότεραZadaci iz trigonometrije za seminar
Zadaci iz trigonometrije za seminar FON: 1. Vrednost izraza sin 1 cos 6 jednaka je: ; B) 1 ; V) 1 1 + 1 ; G) ; D). 16. Broj rexea jednaqine sin x cos x + cos x = sin x + sin x na intervalu π ), π je: ;
Διαβάστε περισσότεραRiješeni zadaci: Limes funkcije. Neprekidnost
Riješeni zadaci: Limes funkcije. Neprekidnost Limes funkcije Neka je 0 [a, b] i f : D R, gdje je D = [a, b] ili D = [a, b] \ { 0 }. Kažemo da je es funkcije f u točki 0 jednak L i pišemo f ) = L, ako za
Διαβάστε περισσότεραFTN Novi Sad Katedra za motore i vozila. Teorija kretanja drumskih vozila Vučno-dinamičke performanse vozila: MAKSIMALNA BRZINA
: MAKSIMALNA BRZINA Maksimalna brzina kretanja F O (N) F OI i m =i I i m =i II F Oid Princip određivanja v MAX : Drugi Njutnov zakon Dokle god je: F O > ΣF otp vozilo ubrzava Kada postane: F O = ΣF otp
Διαβάστε περισσότεραUniverzitet u Nišu, Prirodno-matematički fakultet Prijemni ispit za upis OAS Matematika
Univerzitet u Nišu, Prirodno-matematički fakultet Prijemni ispit za upis OAS Matematika Rešenja. Matematičkom indukcijom dokazati da za svaki prirodan broj n važi jednakost: + 5 + + (n )(n + ) = n n +.
Διαβάστε περισσότεραLinearna algebra 2 prvi kolokvij,
Linearna algebra 2 prvi kolokvij, 27.. 20.. Za koji cijeli broj t je funkcija f : R 4 R 4 R definirana s f(x, y) = x y (t + )x 2 y 2 + x y (t 2 + t)x 4 y 4, x = (x, x 2, x, x 4 ), y = (y, y 2, y, y 4 )
Διαβάστε περισσότερα( , 2. kolokvij)
A MATEMATIKA (0..20., 2. kolokvij). Zadana je funkcija y = cos 3 () 2e 2. (a) Odredite dy. (b) Koliki je nagib grafa te funkcije za = 0. (a) zadanu implicitno s 3 + 2 y = sin y, (b) zadanu parametarski
Διαβάστε περισσότεραNeka su A i B proizvoljni neprazni skupovi. Korespondencija iz skupa A u skup B definiše se kao proizvoljan podskup f Dekartovog proizvoda A B.
Korespondencije Neka su A i B proizvoljni neprazni skupovi. Korespondencija iz skupa A u skup B definiše se kao proizvoljan podskup f Dekartovog proizvoda A B. Pojmovi B pr 2 f A B f prva projekcija od
Διαβάστε περισσότεραRIJEŠENI ZADACI I TEORIJA IZ
RIJEŠENI ZADACI I TEORIJA IZ LOGARITAMSKA FUNKCIJA SVOJSTVA LOGARITAMSKE FUNKCIJE OSNOVE TRIGONOMETRIJE PRAVOKUTNOG TROKUTA - DEFINICIJA TRIGONOMETRIJSKIH FUNKCIJA - VRIJEDNOSTI TRIGONOMETRIJSKIH FUNKCIJA
Διαβάστε περισσότεραASIMPTOTE FUNKCIJA. Dakle: Asimptota je prava kojoj se funkcija približava u beskonačno dalekoj tački. Postoje tri vrste asimptota:
ASIMPTOTE FUNKCIJA Naš savet je da najpre dobro proučite granične vrednosti funkcija Neki profesori vole da asimptote funkcija ispituju kao ponašanje funkcije na krajevima oblasti definisanosti, pa kako
Διαβάστε περισσότεραKonstruisanje. Dobro došli na... SREDNJA MAŠINSKA ŠKOLA NOVI SAD DEPARTMAN ZA PROJEKTOVANJE I KONSTRUISANJE
Dobro došli na... Konstruisanje GRANIČNI I KRITIČNI NAPON slajd 2 Kritični naponi Izazivaju kritične promene oblika Delovi ne mogu ispravno da vrše funkciju Izazivaju plastične deformacije Može doći i
Διαβάστε περισσότεραradni nerecenzirani materijal za predavanja
Matematika 1 Funkcije radni nerecenzirani materijal za predavanja Definicija 1. Kažemo da je funkcija f : a, b R u točki x 0 a, b postiže lokalni minimum ako postoji okolina O(x 0 ) broja x 0 takva da je
Διαβάστε περισσότεραAlgebarske strukture
i operacije Univerzitet u Nišu Prirodno Matematički Fakultet februar 2010 Istraživačka stanica Petnica i operacije Operacije Šta je to algebra i apstraktna algebra? Šta je to algebarska struktura? Cemu
Διαβάστε περισσότεραBinarne relacije. Definicija. Uopštena binarna relacija je uredjena trojka (A, B, ρ) gde je ρ A B; (A, B) je tip ove binarne relacije.
Binarne relacije Definicija. Uopštena binarna relacija je uredjena trojka (A, B, ρ) gde je ρ A B; (A, B) je tip ove binarne relacije. Kaže se i da je ρ binarna relacija sa skupa A u skup B (kao u [MP]).
Διαβάστε περισσότερα4.7. Zadaci Formalizam diferenciranja (teorija na stranama ) 343. Znajući izvod funkcije x arctg x, odrediti izvod funkcije x arcctg x.
4.7. ZADACI 87 4.7. Zadaci 4.7.. Formalizam diferenciranja teorija na stranama 4-46) 340. Znajući izvod funkcije arcsin, odrediti izvod funkcije arccos. Rešenje. Polazeći od jednakosti arcsin + arccos
Διαβάστε περισσότερα1 Aksiomatska definicija skupa realnih brojeva
1 Aksiomatska definicija skupa realnih brojeva Definicija 1 Polje realnih brojeva je skup R = {x, y, z...} u kojemu su definirane dvije binarne operacije zbrajanje (oznaka +) i množenje (oznaka ) i jedna binarna
Διαβάστε περισσότεραFUNKCIJE - 2. deo. Logika i teorija skupova. 1 Logika FUNKCIJE - 2. deo
FUNKCIJE - 2. deo Logika i teorija skupova 1 Logika FUNKCIJE - 2. deo Inverzna korespondencija Neka je data korespondencija f A B. Tada korespondenciju f 1 B A definisanu sa f 1 = {(b, a) B A (a, b) f}
Διαβάστε περισσότεραBetonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri
Betonske konstrukcije 1 - vežbe 3 - Veliki ekscentricitet -Dodatni primeri 1 1 Zadatak 1b Čisto savijanje - vezano dimenzionisanje Odrediti potrebnu površinu armature za presek poznatih dimenzija, pravougaonog
Διαβάστε περισσότεραRelacije poretka ure denja
Relacije poretka ure denja Relacija na skupu A je relacija poretka na A ako je ➀ refleksivna ➁ antisimetrična ➂ tranzitivna Umesto relacija poretka često kažemo i parcijalno ured enje ili samo ured enje.
Διαβάστε περισσότερα