Crescimento de Funções

Slides:



Advertisements
Apresentações semelhantes
Sistemas Realimentados
Advertisements

CENTRO EDUCACIONAL NOSSA SENHORA AUXILIADORA
REVISÃO– CONJUNTOS E FUNÇÕES Fabrício Dias
Estabilidade de Sistemas de Controle
1ª SÉRIE ENSINO MÉDIO MATEMÁTICA
Funções Especiais Aula 3 – Prof Marli.
Derivadas Já definimos o coeficiente angular de uma curva y = f(x) no ponto onde x = x0. Chamamos esse limite, quando ele existia, de derivada de f em.
LIMITE DE UMA FUNÇÃO II Nice Maria Americano Costa Pinto.
Sinais e Sistemas – Capítulo 3
Sinais e Sistemas – Capítulo 7
Sinais e Sistemas – Capítulo 1
PERCEPTRON (CONTINUAÇÃO)
Dados dois números m e n naturais e não nulos, chama-se matriz m por n ( indica-se m x n) toda tabela M formada por números reais distribuídos em m linhas.
1 Complexidade de Algoritmos Complexidade de pior caso Complexidade de melhor caso de uso bem menos freqüente em algumas situações específicas Complexidade.
DIM102 1 Curvas e Superfícies 35T56 – Sala 3F4 Bruno Motta de Carvalho DIMAp – Sala 15 – Ramal 227.
Medida do Tempo de Execução de um Programa
CONJUNTOS.
Dividir-e-Conquistar
Crescimento de Funções
Recorrências.
Complexidade de Computação Para avaliar a qualidade de um algoritmo usamos como critério o espaço e o tempo de execução. Ao.
MATRIZES REAIS (1ª AULA ).
Aula T04 – BCC202 Análise de Algoritmos (Parte 2) Túlio Toffolo www
3 - Equações Lineares de Segunda Ordem
Sistemas de equações lineares de 1a ordem
Aula 4: Matrizes e Operações Matriciais
Números Complexos Definição: Um número complexo z pode ser definido como um par ordenado (x, y) de números reais x e y, z = (x, y) (1) sujeito.
Capítulo 12 Funções logarítmicas slide 1
Aula 2: Limite e continuidade
Prof. Roberto Cristóvão
Aulas - 05 Limites, limites laterais, limites infinitos, assíntota vertical e propriedades do limite.
Introdução à Computação II Isadora Alves Cristo Juliana Ap. da Silva
Matemática para Economia III
Comparação entre os métodos de ordenação
G R U P O S.
Cálculo Numérico / Métodos Numéricos
Cálculo Numérico / Métodos Numéricos
Funções e suas propriedades
Aula 07 – Limite e Continuidade
Estruturas de Dados, Algoritmos e Complexidade
Algoritmos Crescimento de Funções
1 - Equações Diferenciais Ordinárias
Complexidade computacional
Campus de Caraguatatuba Licenciatura em Matemática Semestre de 2013
André Luiz da Costa Carvalho
Matemática para Economia III
QuickSort Dividir: A[p…r] é particionado (reorganizado) em dois subvetores não vazios A[p…q] e A[q+1…r] tal que cada elemento de A[p…q] é menor ou igual.
Módulo I Capítulo 5: Vetores
Campus de Caraguatatuba
Relações 1 Daniela de Oliveira Albanez. Relações Binárias ‫Na vida real, quando dizemos que duas pessoas, Maria e José, se relacionam, entendemos que.
Complexidade em Tempo de um Algoritmo
Como analisar um algoritmo
Universidade Federal de Pernambuco Anjolina Grisi de Oliveira 2007
Complexidade de Computação Katia Guimarães. Avaliando a Qualidade de um Algoritmo É preciso ter bem definido –O que é dado de entrada e –O que é esperado.
Exercícios Análise de algoritmos & Ordenação
1 Aula 9 - definições Maio-2003 SISTEMAS LINEARES Mestrado em Engenharia Elétrica.
Analise de Algoritmos e Notação Assintótica
Universidade Federal de Pernambuco Anjolina Grisi de Oliveira 2007
©Prof. Lineu MialaretAula 4 - 1/27Matemática Discreta I Instituto Federal de Educação, Ciência e Tecnologia de São Paulo - IFSP Campus de Caraguatatuba.
Berilhes Borges Garcia Algoritmos Uma ferramenta para resolver um problema de computação bem- especificado (O espírito da computação) Exemplo: ordenação.
Sistemas de Controle III N8SC3
1.4 - Limites de Expressões Indeterminadas
Universidade Federal de Pernambuco Anjolina Grisi de Oliveira.
ORDENAÇÃO EM TEMPO LINEAR
Introdução a Funções Reais
INTRODUÇÃO AO CÁLCULO CONJUNTOS NUMERICOS.
Professor: Gerson Leiria Nunes.  Sinais e sistemas de tempo discreto  Sinais elementares  Energia e Potência dos sinais  Propriedades dos sinais 
Comportamento Assintótico
PC - Semana61 MODELANDO SISTEMAS LTI NO DOMÍNIO DA FREQUÊNCIA.
Transcrição da apresentação:

Crescimento de Funções Notação Assintótica Dado uma entrada grande o bastante, examine somente a ordem de crescimento do tempo de execução. Isto é, como o tempo de execução aumenta com o tamanho da entrada no limite. Usualmente definida somente para tamnho de entradas inteiras. Também consideraremos alguns excesso de notação que serão utilizados. UFES Berilhes B. Garcia

Notação Assintótica Definida em termos de funções cujos domínios são o conjunto dos números naturais. Utilizada para descrever a função tempo de execução no pior caso T(n), usualmente definida somente para tamanhos de entrada interiras. UFES Berilhes B. Garcia

0 < lim [f(n) / g(n)] <  Notação- Para uma dada função g(n), nós denotamos por (g(n)) o conjunto de funções (g(n)) = {f(n): existem constantes positivas c1, c2 e n0 tal que 0  c1g(n)  f(n)  c2g(n), para todo n  n0 } Uma função f(n) pertence ao conjunto (g(n)) se existem constantes inteiras positivas c1 e c2 de modo que esta possa ser inserida entre c1g(n) e c2g(n), para valores de n suficientemente grandes. Isto requer que (g(n)) seja assintoticamente não-negativa. Nós dizemos que g(n) é um limite assintótico justo para f(n): 0 < lim [f(n) / g(n)] <  n UFES Berilhes B. Garcia

f(n) = (g(n)) c2g(n) f(n) c1g(n) n n0 UFES Berilhes B. Garcia

0  lim [f(n) / g(n)] <  Notação-O Para uma dada função g(n), nós denotamos por O(g(n)) o conjunto de funções O(g(n)) = {f(n): existem constantes positivas c e n0 tal que 0  f(n)  cg(n), para todo n  n0 } Nós podemos dizer que g(n) é um limite superior assintótico para f(n): 0  lim [f(n) / g(n)] <  n Em termos de conjuntos, (g(n))  O(g(n)). UFES Berilhes B. Garcia

f(n) = O(g(n)) cg(n) f(n) n n0 UFES Berilhes B. Garcia

Notação- Para uma dada função g(n), nós denotamos por (g(n)) conjunto de funções (g(n)) = {f(n): existem constantes positivas c e n0 tal que 0  cg(n)  f(n) para todo n  n0 } Nós dizemos que g(n) é um limite inferior assintótico para f(n): 0 < lim [f(n) / g(n)] n Para qualquer duas funções g(n) e f(n), f(n) = (g(n)) se e somente se f(n) = O(g(n)) e f(n) = (g(n)). UFES Berilhes B. Garcia

f(n) = (g(n)) f(n) cg(n) n n0 UFES Berilhes B. Garcia

Notação Assintótica em Equações Utilizada para substituir funções de termos de ordem mais baixa de modo a simplificar equações /expressões Por exemplo, 4n3 + 3n2 + 2n + 1 = 4n3 + 3n2 + (n) = 4n3 + (n2) = (n3) Ou nós podemos fazer o seguinte: 4n3 + 3n2 + 2n + 1 = 4n3 + f(n2) onde f(n2) simplifica a equação UFES Berilhes B. Garcia

Notação-o Para uma dada função g(n), nós denotamos por o(g(n)) o conjunto de funções o(g(n)) = {f(n): para qualqer constante positiva c > 0, existe uma constante n0 tal que 0  f(n) < cg(n), para todo n  n0 } f(n) torna-se insignificante com relação à g(n) quando n tende para infinito: lim [f(n) / g(n)] = 0 n Nós podemos dizer que g(n) é um limite superior para f(n) que não é assintoticamente justo. UFES Berilhes B. Garcia

Notação-w Para uma dada função g(n), nós denotamos por w(g(n)) o conjunto de funções w(g(n)) = {f(n): para qualqer constante positiva c > 0, existe uma constante n0 tal 0  cg(n) < f(n) , para todo n  n0 } f(n) torna-se arbitrariamente grande com relação à g(n) quando n tende para infinito: lim [f(n) / g(n)] =  n Nós dizemos que g(n) é um limite inferior para f(n) que não é assintoticamente justo. UFES Berilhes B. Garcia

Propriedades Transitividade Simetria f(n) = (g(n)) & g(n) = (h(n))  f(n) = (h(n)) f(n) = O(g(n)) & g(n) = O(h(n))  f(n) = O(h(n)) f(n) = (g(n)) & g(n) = (h(n))  f(n) = (h(n)) f(n) = o (g(n)) & g(n) = o (h(n))  f(n) = o (h(n)) f(n) = w(g(n)) & g(n) = w(h(n))  f(n) = w(h(n)) Simetria f(n) = (g(n)) se e somente se g(n) = (f(n)) Simetria transposta f(n) = O(g(n)) )) se e somente se g(n) = (f(n)) f(n) = o(g(n)) )) se e somente se g(n) = w((f(n)) UFES Berilhes B. Garcia

Comparasões de Funções f (n) = O(g(n))  a  b f (n) = (g(n))  a  b f (n) = (g(n))  a = b f (n) = o (g(n))  a < b f (n) = w (g(n))  a > b UFES Berilhes B. Garcia

Duas Funções que não podem ser comparadas f (n)= n1+ sin n f (n)= n UFES Berilhes B. Garcia

Exemplos A B 5n2 + 100n 3n2 + 2 A  (B) log3(n2) log2(n3) A  (B) nlg4 3lg n A  w(B) lg2n n1/2 A  o (B) UFES Berilhes B. Garcia

Exemplos A B 5n2 + 100n 3n2 + 2 A  (B) log3(n2) log2(n3) A  (B) A  (n2), n2  (B)  A  (B) log3(n2) log2(n3) A  (B) logba = logca / logcb; A = 2lgn / lg3, B = 3lgn, A/B =2/(3lg3) nlg4 3lg n A  w(B) alog b = blog a; B =3lg n=nlg 3; A/B =nlg(4/3)   quando n lg2n n1/2 A  o (B) lim ( loga n / nb ) = 0, aqui a = 2 e b = 1/2  A  o (B) n UFES Berilhes B. Garcia

Revisão sobre Somatórias Porque nós necessitamos saber isto? Nós necessitamos disto para computar o tempo de execução de um determinado algoritmo. Exemplo: Insertion Sort UFES Berilhes B. Garcia

Revisão sobre Somatórias Série Constantes: b  1 = b - a + 1 i=a Série Quadrática: Para n  0, n  i2 = 12 + 22 + … + n2 = (2n3 + 3n2 + n) / 6 i=1 Série Geométrica: Para n  0,  ci = c + c2 + … + cn = [c(n+1) - 1] / (c-1)2 Série Geométrica-linear: Para n  0,  ici = c + 2c2 + … + ncn = [(n-1)c(n+1) - ncn + c] / (c-1)2 UFES Berilhes B. Garcia