ρυθιμός αύξησης συναρτήσεων

Σχετικά έγγραφα
περιεχόμενα ρυθιμός αύξησης συναρτήσεων ασυμπτωτική πολυπλοκότητα ασυμπτωτική επίδοση ασυμπτωτικοί συμβολισμοί ασυμπτωτικός συμβολισμος

Διακριτά Μαθηματικά [Rosen, κεφ. 3] Γιάννης Εμίρης Τμήμα Πληροφορικής & Τηλεπικοινωνιών, ΕΚΠΑ Οκτώβριος 2018

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Δομές Δεδομένων και Αλγόριθμοι

Υπολογιστική Πολυπλοκότητα

Εισαγωγή στους Αλγόριθμους. Παύλος Εφραιμίδης, Λέκτορας

Εισαγωγή στην Ανάλυση Αλγορίθμων (2-3)

Ασκήσεις (2) Άσκηση 1

Ασυμπτωτικός Συμβολισμός

Κεφάλαιο 2. Βασικά στοιχεία ανάλυσης αλγορίθμων. Χρησιμοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

3 Ρυθμός αύξησης συναρτήσεων

Ασυμπτωτικός Συμβολισμός

Τίτλος Μαθήματος: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

οµές εδοµένων 3 ο Εξάµηνο Τµήµα Πανεπιστήµιο Πληροφορικής Ιωαννίνων ΟΜΕΣ Ε ΟΜΕΝΩΝ

Διακριτά Μαθηματικά. Γιάννης Εμίρης. Τμήμα Πληροφορικής & Τηλεπικοινωνιών ΕΚΠΑ. Οκτώβριος

Ασυμπτωτικός Συμβολισμός

Ορισµός. Εστω συναρτήσεις: f : N R και g : N R. η f(n) είναι fi( g(n) ) αν υπάρχουν σταθερές C 1, C 2 και n 0, τέτοιες ώστε:

Κεφάλαιο 2. Βασικά στοιχεία ανάλυσης αλγορίθµων. Χρησιµοποιήθηκε υλικό από τις αγγλικές διαφάνειες του Kevin Wayne.

Ασυμπτωτικός Συμβολισμός

Δομές Δεδομένων Ενότητα 2

Κεφάλαιο 5 Ανάλυση Αλγορίθμων

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

1 Ανάλυση αλγορίθµων. 2 Συµβολισµοί O, Ω και Θ. 3 Αναδροµικές εξισώσεις

Μαθηµατικά για Πληροφορική

Εισαγωγή στην Ανάλυση Αλγορίθμων

Δομές Δεδομένων (Data Structures)

Ορθότητα Χωρική αποδοτικότητα. Βελτιστότητα. Θεωρητική ανάλυση Εμπειρική ανάλυση. Αλγόριθμοι - Τμήμα Πληροφορικής ΑΠΘ -4ο εξάμηνο 1

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Αλγόριθμοι και Πολυπλοκότητα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

Ταξινόμηση. Παύλος Εφραιμίδης. Δομές Δεδομένων Ταξινόμηση 1

Α Ν Α Λ Τ Η Α Λ Γ Ο Ρ Ι Θ Μ Ω Ν Κ Ε Υ Α Λ Α Ι Ο 5. Πως υπολογίζεται ο χρόνος εκτέλεσης ενός αλγορίθμου;

ΑΛΓΟΡΙΘΜΟΙ. Ενότητα 2: Ανάλυση Αλγορίθμων. Ιωάννης Μανωλόπουλος, Καθηγητής Αναστάσιος Γούναρης, Επίκουρος Καθηγητής Τμήμα Πληροφορικής ΑΠΘ

Αν ένα πρόβλημα λύνεται από δύο ή περισσότερους αλγόριθμους, ποιος θα είναι ο καλύτερος; Με ποια κριτήρια θα τους συγκρίνουμε;

Δομές Δεδομένων & Αλγόριθμοι

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. ΘΕΩΡΗΤΙΚΗ ΑΣΚΗΣΗ 1 ΛΥΣΕΙΣ Ανάλυση Πολυπλοκότητας

ΗΥ240: οµές εδοµένων. ιδάσκουσα: Παναγιώτα Φατούρου ΗΥ240 - Παναγιώτα Φατούρου 2

Αλγόριθμοι και Δομές Δεδομένων (Ι) (εισαγωγικές έννοιες)

40 Ασκήσεις στον ΟΛΟΚΛΗΡΩΤΙΚΟ ΛΟΓΙΣΜΟ ( Επεξεργασία του ΜΑΝΩΛΗ ΨΑΡΡΑ)

ΑΛΓΟΡΙΘΜΟΙ Άνοιξη I. ΜΗΛΗΣ

Τηλ , Fax: , URL:

ΑΣΥΜΠΤΩΤΙΚΗ ΑΝΑΛΥΣΗ & ΠΡΟΣΘΕΣΗ

ΗΥ240: οµές εδοµένων

Θεωρητικό Υπόβαθρο. Περιεχόμενα Κεφαλαίου

Τι είναι αλγόριθμος; Υποπρογράμματα (υποαλγόριθμοι) Βασικές αλγοριθμικές δομές

ΟΙΚΟΝΟΜΙΚΑ ΜΑΘΗΜΑΤΙΚΑ

5.1. Προσδοκώμενα αποτελέσματα

ΕΠΛ 211: Θεωρία Υπολογισμού και Πολυπλοκότητας. Διάλεξη 18: Χρονική και Χωρική Πολυπλοκότητα

ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ. Αρχές Ανάλυσης Αλγορίθµων Κεφάλαιο 2. Ε. Μαρκάκης Επικ. Καθηγητής

Ταξινόµηση. Παύλος Εφραιµίδης. οµές εδοµένων και

Ανάλυση αλγορίθμων. Χρόνος εκτέλεσης: Αναμενόμενη περίπτωση. - απαιτεί γνώση της κατανομής εισόδου

Στοιχεία Αλγορίθµων και Πολυπλοκότητας

Γ ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ. Ημερομηνία: Πέμπτη 20 Απριλίου 2017 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ

1o Φροντιστήριο ΗΥ240

Εισαγωγή στους Αλγόριθµους. Αλγόριθµοι. Ιστορικά Στοιχεία. Ο πρώτος Αλγόριθµος. Παραδείγµατα Αλγορίθµων. Τι είναι Αλγόριθµος

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ. ΘΕΩΡΗΤΙΚΗ ΑΣΚΗΣΗ 1 ΛΥΣΕΙΣ Ανάλυση Πολυπλοκότητας

Κεφάλαιο 2 Ανάλυση Αλγορίθμων

1η Σειρά Γραπτών Ασκήσεων

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ. Δομές δεδομένων. Ενότητα 1η: Εισαγωγή Παναγιώτα Φατούρου Τμήμα Επιστήμης Υπολογιστών

ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΕΠΛ 231 ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΑΛΓΟΡΙΘΜΟΙ ΚΑΤ ΟΙΚΟΝ ΕΡΓΑΣΙΑ 1 ΗΜΕΡΟΜΗΝΙΑ ΠΑΡΑΔΟΣΗΣ: 22/02/10

Μαθηµατικά Θετικής και Τεχνολογικής Κατεύθυνσης ΚΕΦΑΛΑΙΟ. 1 ο :Μιγαδικοί Αριθµοί

5o Επαναληπτικό Διαγώνισμα 2016

ΣΗΜΕΙΩΣΕΙΣ ΜΕΛΕΤΗΣ Πότε μια συνάρτηση λέγεται γνησίως αύξουσα σε ένα διάστημα Δ του πεδίου ορισμού της?

ΑΣΚΗΣΕΙΣ ΕΠΑΝΑΛΗΨΗΣ ΣΤΗΝ ΑΛΓΕΒΡΑ ΤΗΣ Β ΛΥΚΕΙΟΥ. , ισχύει ότι:. α. Να υπολογίσετε όλους τους τριγωνομετρικούς αριθμούς της γωνίας ω.

εισαγωγικές έννοιες Παύλος Εφραιμίδης Δομές Δεδομένων και

Αν α θετικός πραγματικός αριθμός, σε κάθε x αντιστοιχεί η

ΜΑΘΗΜΑ ΕΥΤΕΡΟ ΜΑΘΗΜΑΤΙΚΩΝ ΓΙΑ ΟΙΚΟΝΟΜΟΛΟΓΟΥΣ ΑΣΚΗΣΕΙΣ (ΟΡΙΟ ΚΑΙ ΣΥΝΕΧΕΙΑ)

Η Θεωρία στα Μαθηματικά κατεύθυνσης της Γ Λυκείου

Ερωτήσεις πολλαπλής επιλογής

Ανω Φράγµα στην Τάξη των Συναρτήσεων. Ρυθµός Αύξησης (Τάξη) των Συναρτήσεων. Παράδειγµα (1/2) O( g(n) ) είναι σύνολο συναρτήσεων:

Ημερομηνία: Πέμπτη 5 Ιανουαρίου 2017 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ

ΑΣΚΗΣΕΙΣ ΕΠΑΝΑΛΗΨΗΣ ΣΤΗΝ ΑΛΓΕΒΡΑ ΤΗΣ Β ΛΥΚΕΙΟΥ. , ισχύει ότι:. α. Να υπολογίσετε όλους τους τριγωνομετρικούς αριθμούς της γωνίας ω.

1.1 ΒΑΣΙΚΕΣ ΤΡΙΓΩΝΟΜΕΤΡΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ 1.2 ΒΑΣΙΚΕΣ ΤΡΙΓΩΝΟΜΕΤΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ

ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Γ ΛΥΚΕΙΟΥ - ΠΑΠΑΔΟΠΟΥΛΟΣ ΜΑΡΙΝΟΣ ΠΕΡΙΕΧΟΜΕΝΑ. Τίτλος Θεματικές Ενότητες Σελίδες. Δυο λόγια προς τους μαθητές.

Ενότητα 1 Εισαγωγή. ΗΥ240: Δοµές Δεδοµένων. Διδάσκουσα: Παναγιώτα Φατούρου

Άλγεβρα Β Λυκείου Επαναληπτικά θέματα ΟΕΦΕ α φάση

1ο Κεφάλαιο: Συστήματα

Αλγόριθμοι Ταξινόμησης Μέρος 4

Εκθετικές & Λογάριθμοι Κώστας Γλυκός

1 Αριθμητική κινητής υποδιαστολής και σφάλματα στρογγύλευσης

Αλγόριθμοι και πολυπλοκότητα Ανάλυση αλγορίθμων

Πανεπιστήμιο Ιωαννίνων Τμήμα Πληροφορικής Δομές Δεδομένων [ΠΛΥ302] Χειμερινό Εξάμηνο 2012

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

Ασκήσεις Επανάληψης Γ Λυκείου

Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ

ΕΡΩΤΗΣΕΙΣ Σ-Λ ΠΑΝΕΛΛΑΔΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΜΑΘΗΜΑΤΙΚΩΝ ΚΑΤΕΥΘΥΝΣΗΣ ΕΣΠΕΡΙΝΟY. 0, τότε είναι και παραγωγίσιμη στο σημείο αυτό.

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΑΝΑΛΥΣΗ ΑΛΓΟΡΙΘΜΩΝ

( e ) 2. 4 η δεκάδα θεµάτων επανάληψης 31.

ΣΥΝΔΥΑΣΤΙΚΕΣ ΑΣΚΗΣΕΙΣ ΣΤΙΣ ΕΚΘΕΤΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ. και 1. και. με λ Z,είναι γνησίως αύξουσα στο R. f x και g x. 2 f x y f x f y g x g y.

ΕΠΑΝΑΛΗΠΤΙΚΕΣ ΑΣΚΗΣΕΙΣ ΑΛΓΕΒΡΑΣ B ΛΥΚΕΙΟΥ

ΕΚΘΕΤΙΚΗ ΣΥΝΑΡΤΗΣΗ. Κεφάλαιο 4ο: Ερωτήσεις πολλαπλής επιλογής. 1. * Το πεδίο ορισµού της συνάρτησης µε τύπο f (x) = 2 (Σχ.1) είναι. Γ το διάστηµα ( 0,

ο ρόλος των αλγορίθμων στις υπολογιστικές διαδικασίες Παύλος Εφραιμίδης Δομές Δεδομένων και Αλγόριθμοι

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ &ΕΠΙΚΟΙΝΩΝΙΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ Τμήμα Φυσικής Εξέταση στο μάθημα Ανάλυση Ι & Εφαρμογές 26 Φεβρουαρίου 2015

ΑΚΟΛΟΥΘΙΕΣ ΣΕΙΡΕΣ. Ορισμός 1. Μια 1 1 (ένα προς ένα) συνάρτηση με πεδίο ορισμού το και πεδίο τιμών ένα υποσύνολο X του, δηλαδή μία 1 1 συνάρτηση

Τεστ Θεωρίας Στα Μαθηματικά Προσανατολισμού Γ Λυκείου

Απαντήσεις ισχυρισμών και αντιπαραδείγματα. Για το Α Θέμα των Πανελληνίων Εξετάσεων

Περιορισμοί στο R. ln x,log. Β= ln Α Β Α Β Α. Σύνοψη γραφικών παραστάσεων

Πανεπιστήμιο Ιωαννίνων Τμήμα Μηχανικών Η/Υ και Πληροφορικής Δομές Δεδομένων [ΠΛΥ302] Χειμερινό Εξάμηνο 2013

Θέματα ενδοσχολικών εξετάσεων Άλγεβρας Β Λυκείου Σχ. έτος , Ν. Δωδεκανήσου ΘΕΜΑΤΑ ΕΝΔΟΣΧΟΛΙΚΩΝ ΕΞΕΤΑΣΕΩΝ ΤΑΞΗ: Β ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ

Transcript:

ρυθμός αύξησης συναρτήσεων Παύλος Εφραιμίδης 1

περιεχόμενα Ασυμπτωτικός συμβολισμός Καθιερωμένοι συμβολισμοί και συνήθεις συναρτήσεις 2

ασυμπτωτική πολυπλοκότητα Πολυπλοκότητα χειρότερης περίπτωσης Συγχωνευτική ταξινόμηση: Θ(nlgn) Ενθετική ταξινόμηση: Θ(n 2 ) Για αρκετά μεγάλο μέγεθος εισόδου n, η συγχωνευτική ταξινόμηση υπερτερεί της ενθετικής Το παραπάνω συμπέρασμα προκύπτει ανεξάρτητα από τις πολλαπλασιαστικές σταθερές και τους όρους κατώτερης τάξης στην πολυπλοκότητα χρόνου 3

ασυμπτωτική επίδοση Δεδομένου ενός αλγορίθμου, για μεγάλα μεγέθη εισόδου μας ενδιαφέρει ο αυξητικός χαρακτήρας του χρόνου εκτέλεσης, δηλαδή ουσιαστικά η ασυμπτωτική επίδοση του αλγορίθμου. Ασχολούμαστε δηλαδή με το ρυθμό αύξησης του χρόνου εκτέλεσης στην οριακή περίπτωση που το μέγεθος της εισόδου αυξάνει απεριόριστα. 4

ασυμπτωτικός συμβολισμος Χρησιμοποιούμε διάφορους συμβολισμούς για την ασυμπτωτικό χρόνο εκτέλεσης ενός αλγορίθμου Χρησιμοποιούμε συναρτήσεις με πεδίο ορισμού τους φυσικούς αριθμούς Ν={0,1,2,...} Καταχρηστικά μπορεί να το χρησιμοποιούμε για διαφορετικά πεδία ορισμού 5

ασυμπτωτικοί συμβολισμοί Συμβολισμός Θ Συμβολισμός Ο Συμβολισμός Ω Συμβολισμός ο Συμβολισμός ω 6

συμβολισμός Θ Ο χρόνος εκτέλεσης χειρότερης περίπτωσης της ενθετικής ταξινόμησης είναι T(n)=Θ(n 2 ) Τι σημαίνει αυτό; Για δεδομένη συνάρτηση g(n), το Θ(g(n)) δηλώνει το σύνολο των συναρτήσεων: Θ(g(n)) = {f(n): θετικές σταθερές c 1,c 2 και n 0 : 0 c 1 g(n) f(n) c 2 g(n) n n 0 } 7

f(n)=θ(g(n)) Ησυνάρτησηf(n) είναι ασυμπτωτικά φραγμένη από επάνω και από κάτω από τη συνάρτηση g(n). c 2 g(n) f(n) c 1 g(n) n 0 8

συμβολισμός Ο Ο χρόνος εκτέλεσης χειρότερης περίπτωσης της ενθετικής ταξινόμησης είναι T(n)=Ο(n 2 ) Τι σημαίνει αυτό; Για δεδομένη συνάρτηση g(n), το Ο(g(n)) δηλώνει το σύνολο των συναρτήσεων: Ο(g(n)) = {f(n): θετικές σταθερές c και n 0 : 0 f(n) cg(n) n n 0 } 9

f(n)=ο(g(n)) Ησυνάρτησηg(n) είναι ένα ασυμπτωτικό άνω φράγμα για τη συνάρτηση f(n). c g(n) f(n) n 0 10

συμβολισμός Ω Ο χρόνος εκτέλεσης χειρότερης περίπτωσης της ενθετικής ταξινόμησης είναι T(n)=Ω(n 2 ) Τι σημαίνει αυτό; Για δεδομένη συνάρτηση g(n), το Ω(g(n)) δηλώνει το σύνολο των συναρτήσεων: Ω(g(n)) = {f(n): θετικές σταθερές c και n 0 : 0 cg(n) f(n) n n 0 } 11

f(n)=ω(g(n)) Ησυνάρτησηg(n) είναι ένα ασυμπτωτικό κάτω φράγμα για τη συνάρτηση f(n). f(n) c g(n) n 0 12

Συμβολισμός ο Για δεδομένη συνάρτηση g(n), το ο(g(n)) δηλώνει το σύνολο των συναρτήσεων: ο(g(n)) = {f(n): για οποιαδήποτε θετική σταθερά c, υπάρχει σταθερά n 0 : 0 f(n)<cg(n) n n 0 } Το ο() δηλώνει ένα ασυμπτωτικά μη σφιχτό (tight) άνω όριο ή αλλιώς μη αυστηρό άνω όριο 13

μια ερμηνεία του ο() Μια διαφορετική ερμηνεία του συμβολισμού ο() είναι: Το f(n) = o(g(n)) σημαίνει ότι η συνάρτηση f(n) γίνεται αμελητέα σε σχέση με την g(n) καθώς το n τείνει προς το άπειρο: f ( n) lim = 0 n g( n) 14

Συμβολισμός ω Για δεδομένη συνάρτηση g(n), το ω(g(n)) δηλώνει το σύνολο των συναρτήσεων: ω(g(n)) = {f(n): για οποιαδήποτε θετική σταθερά c, υπάρχει σταθερά n 0 : 0 cg(n)<f(n) n n 0 } Το ο() δηλώνει ένα ασυμπτωτικά μη σφιχτό (tight) κάτω όριο ή αλλιώς μη αυστηρό κάτω όριο 15

μια ερμηνεία του ω() Μια διαφορετική ερμηνεία του συμβολισμού ς() είναι: Το f(n) = ς(g(n)) σημαίνει ότι η συνάρτηση f(n) γίνεται αυθαίρετα μεγάλη σε σχέση με την g(n) καθώς το n τείνει προς το άπειρο: f ( n) lim n g ( n ) =,εάν υπάρχει το όριο. 16

καθιερωμένη συμβολισμοί και συνήθεις συναρτήσεις 17

μονοτονία Αύξουσες συναρτήσεις: συνάρτηση f(n) μονότονα αύξουσα: m n, f(m) f(n) συνάρτηση f(n) γνησίως αύξουσα: m<n, f(m)<f(n) Όμοια, φθίνουσες συναρτήσεις: f(n) μονότονα φθίνουσα f(n) γνησίως φθίνουσα 18

κατώφλι και ανώφλι x πραγματικός αριθμός x κατώφλι του x: ο μεγαλύτερος ακέραιος που είναι μικρότερος ή ίσος του x x ανώφλι του x: ο μικρότερος ακέραιος που είναι μεγαλύτερος ή ίσος του x Ισχύει για κάθε πραγματικό αριθμό x: x 1 < + x x x < x 1 19

υπολοιπική αριθμητική υπολοιπική αριθμητική (modulr rithmetic) υπόλοιπο διαίρεσης: α: οποιοσδήποτε ακέραιος n: οποιοσδήποτε θετικός ακέραιος τότε: mod n = / n n Αν (α mod n) = (b mod n), γράφουμε b(mod n) 20

πολυώνυμα Δοθέντος μη αρνητικού ακεραίου d, μια συνάρτηση p(n) της μορφής p ( n) = d i = 0 i n i είναι ένα πολυώνυμο του n βαθμού d. Όταν f(n)=o(n k ) γιακάποιασταθεράk, λέμε ότι η συνάρτηση f(n) είναι πολυωνυμικά φραγμένη 21

εκθετικές συναρτήσεις 0 ( m ) n ( n = ) 1 1 m = 1 = = 1 n = m m+ n = m n Για κάθε α 1, η συνάρτηση α n είναι μονότονα αύξουσα ως προς n. Συγκρίνετε την ασυμπτωτική συμπεριφορά της 2 n με την n 15. Αν α και b πραγματικές σταθερές με α>1, τι ισχύει γενικά για τις συναρτήσεις α n και n b ; 22

λογάριθμοι lg n=log 2 n (δυαδικός λογάριθμος) ln n=log e n(φυσικός λογάριθμος) lg k n = (lgn) k (ύψωση σε δύναμη) lg lg n = lg( lg n)) (σύνθεση) 23

ιδιότητες λογαρίθμων Για πραγματικούς α>0,b>0,c>0 και n: = b log log log log log log c b b b b b c log n b ( b ) = = = = c log log log b c 1 log log = n log (1 / ) = c b b c b log + b log c b 24

παραγοντικά Για ακέραιο n 0, το n! (διαβάζεται «n παραγοντικό») ορίζεται ως: n!= 1, για n = 0 n (n-1)!, για n>0 Επομένως n! = 1 2... n 25

επαναληπτική εφαρμογή συνάρτησης Για συνάρτηση f(n) επί των πραγματικών αριθμών και μη αρνητικό ακέριαο i, ορίζουμε αναδρομικά: f (i) (n)= n, εάν i = 0, f(f (i-1) (n)), εάν i > 0 26

επαναληπτική εφαρμογή λογαρίθμου lg*n: «λογάριθμος αστερίσκος του n» ( i ) Ορισμός: lg* n = min{ i 0 : lg n Η συνάρτηση αυξάνεται με πολύ αργό ρυθμό: lg* 2 = 1, lg* 16 lg* (2 = 65536 3, ) log* = lg* 5 65536 Αν λάβουμε υπόψη ότι ο αριθμός των ατόμων στο παρατηρήσιμο σύμπαν εκτιμάται ότι είναι της τάξης του 10 80, αντιλαμβανόμαστε ότι είναι μάλλον απίθανο να συναντήσουμε τέτοιο n ώστε lg*n > 5. 4 = 2 = 4 1} 27

αριθμοί Fiboncci Οι αριθμοί Fiboncci ορίζονται με την ακόλουθη αναδρομική σχέση: F 0 =0, F 1 =1, F i =F i-1 +F i-2, για i 2 i i Προκύπτει ότι: φ φ F i =, 5 όπου φ είναι ο λόγος της χρυσής τομής (golden rtio): 1+ 5 1 5 φ =, φ = 2 2 28

Αναφορές/Πηγές Εισαγωγή στους αλγόριθμους, Κεφάλαιο 3 29