First Serie

Kuengjoe_S01/Kuengjoe_S01_Aufg1.py

@@ -0,0 +1,39 @@
+import numpy as np
+import matplotlib.pyplot as plt
+from pathlib import Path
+
+
+limr = 10  # Bereich für x-Achse
+liml = -10
+
+def f(x):
+    return x**5 - 5*x**4 - 30*x**3 + 110*x**2 + 29*x - 105
+
+def df(x):
+    return 5*x**4 - 20*x**3 - 90*x**2 + 220*x + 29
+
+def F(x):
+    return (x**6)/6 - x**5 - (15/2)*x**4 + (110/3)*x**3 + (29/2)*x**2 - 105*x
+
+
+x = np.linspace(liml, limr, 4000)
+y = f(x)
+
+
+plt.figure(figsize=(9, 6))
+plt.plot(x, y, label='f(x)')
+plt.plot(x, df(x), label="f'(x)")
+plt.plot(x, F(x), label='F(x) (C=0)')
+
+plt.ylim(-2500, 2500)
+plt.xlim(liml, limr)
+
+
+plt.title("Polinom f, Ableitung f' und Stammfunktion F auf einem gemeinsamen Plot")
+plt.xlabel("x")
+plt.ylabel("y")
+plt.grid()
+plt.legend()
+
+
+plt.show()

Kuengjoe_S01/Kuengjoe_S01_Aufg2.py

@@ -0,0 +1,89 @@
+
+import numpy as np
+
+# Beispiel-Aufruf (Aufgabe 2 / Polynom aus Aufg. 1):
+# x, p, dp, Pint = Kuengjoe_S01_Aufg2([-105, 29, 110, -30, -5, 1], -10, 10)
+
+
+def _as_1d_array(a):
+    arr = np.asarray(a, dtype=float)
+    if arr.size == 0:
+        raise Exception("Fehler")
+    if arr.ndim == 2:
+        if 1 in arr.shape:
+            arr = arr.reshape(-1)
+        else:
+            raise Exception("Fehler:")
+    elif arr.ndim != 1:
+        raise Exception("Fehler")
+    return arr
+
+
+def poly_derivate_coeffs(a):
+    a = _as_1d_array(a)
+    if a.size < 2:
+        return np.array([0.0], dtype=float)
+    dcoeffs = np.empty((a.size-1), dtype=float)
+    for k in range(1, a.size):
+            dcoeffs[k-1] = k * a[k]
+    return dcoeffs
+
+def poly_integrate_coeffs(a, C=0.0):
+    a = _as_1d_array(a)
+    if a.size < 1:
+        return np.array([C], dtype=float)
+    coeffs = np.empty(a.size+1, dtype=float)
+    coeffs[0] = C
+    for k in range(a.size):
+        coeffs[k+1] = a[k] / (k + 1)
+
+    return coeffs
+
+def poly_eval(a, x):
+    a = _as_1d_array(a)
+    x = np.asarray(x, dtype=float)
+    y = np.zeros_like(x, dtype=float)
+    xpow = np.ones_like(x, dtype=float)
+    for ak in a:
+        y += ak * xpow
+        xpow *= x
+    return y
+
+    #
+    # Berechnet p(x), p'(x) und P(x) (mit C=0) für das Polynom mit Koeffizienten a0..an auf [xmin, xmax].
+    #
+    # Input:
+    #   a     : Sequenz [a0, a1, ..., an] (vom konstanten Term bis Grad n)
+    #   xmin  : Intervallanfang (xmin < xmax)
+    #   xmax  : Intervallende
+    #
+    # Output:
+    #   x     : äquidistante Stützstellen in [xmin, xmax]
+    #   p     : Werte von p(x)
+    #   dp    : Werte von p'(x)
+    #   Pint  : Werte der Stammfunktion P(x) mit Integrationskonstante C=0
+    #
+
+
+def Kuengjoe_S01_Aufg2(a, xmin, xmax):
+
+    a = _as_1d_array(a)
+
+    if not np.isscalar(xmin) or not np.isscalar(xmax):
+        raise Exception("Fehler")
+    xmin = float(xmin); xmax = float(xmax)
+    if not (xmin < xmax):
+        raise Exception("Fehler")
+
+    m = 1000
+    x = np.linspace(xmin, xmax, m+1)
+
+    d  = poly_derivate_coeffs(a)
+    P  = poly_integrate_coeffs(a, C=0.0)
+
+
+    p    = poly_eval(a, x)
+    dp   = poly_eval(d, x)
+    pint = poly_eval(P, x)
+
+    return (x, p, dp, pint)

Kuengjoe_S01/Kuengjoe_S01_Aufg2_skript.py

@@ -0,0 +1,24 @@
+# Name_S01_Aufg2_skript.py
+import numpy as np
+import matplotlib.pyplot as plt
+from Kuengjoe_S01_Aufg2 import Kuengjoe_S01_Aufg2
+
+if __name__ == "__main__":
+    # Reproduktion der Abbildung aus Aufgabe 1: gleiches Polynom und Intervall
+    a = [-105, 29, 110, -30, -5, 1]  # a0..a5 für f(x)=x^5-5x^4-30x^3+110x^2+29x-105
+    xmin, xmax = -10, 10
+
+    x, p, dp, pint = Kuengjoe_S01_Aufg2(a, xmin, xmax)
+
+    plt.figure()
+    plt.plot(x, p, label="p(x)")
+    plt.plot(x, dp, label="p'(x)", linestyle="--")
+    plt.plot(x, pint, label="P(x) (C=0)", linestyle=":")
+    plt.ylim(-2500, 2500)
+    plt.xlabel("x")
+    plt.xlabel("x")
+    plt.ylabel("Wert")
+    plt.title("Polynom, Ableitung und Stammfunktion")
+    plt.grid(True)
+    plt.legend()
+    plt.show()

Kuengjoe_S01/Kuengjoe_S01_Aufg3.py

@@ -0,0 +1,78 @@
+import numpy as np
+import timeit
+
+def fact_rec(n):
+    if n < 0 or np.trunc(n) != n:
+        raise Exception('only positive integers')
+    if n <= 1:
+        return 1
+    return int(n) * fact_rec(int(n) - 1)
+
+def fact_for(n):
+    if n < 0 or np.trunc(n) != n:
+        raise Exception('only positive integers')
+    n = int(n)
+    res = 1
+    for k in range(2, n + 1):
+        res *= k
+    return res
+
+def _time_functions(n=500, repeats=5, number=100):
+    t1 = timeit.repeat("fact_rec(n)", setup="from __main__ import fact_rec, n", number=number, repeat=repeats)
+    t2 = timeit.repeat("fact_for(n)", setup="from __main__ import fact_for, n", number=number, repeat=repeats)
+    return float(np.mean(t1)), float(np.mean(t2))
+
+def _print_integer_tests():
+    print("\nInteger-Tests: n! für n ∈ [190..200] (Ziffernanzahl)")
+    for n in range(190, 201):
+        val = fact_for(n)
+        print(f"{n}! hat {len(str(val))} Ziffern")
+
+def _print_float_tests():
+    print("\nFloat-Tests: 170! und 171! als float")
+    for n in [170, 171]:
+        val = fact_for(n)
+        try:
+            fval = float(val)
+            print(f"{n}! als float: {fval}")
+        except OverflowError as e:
+            print(f"{n}! als float: OverflowError ({e})")
+
+if __name__ == "__main__":
+    print("Korrektheitstest:")
+    for n in [0, 1, 5, 10]:
+        r = fact_rec(n)
+        f = fact_for(n)
+        print(f"{n}! -> rec: {r}, for: {f}, equal: {r == f}")
+
+    n = 500
+    repeats = 5
+    number = 100
+    avg_rec, avg_for = _time_functions(n=n, repeats=repeats, number=number)
+
+    print("\nTiming:")
+    print(f"n={n}, repeats={repeats}, number={number}")
+    print(f"Rekursiv: {avg_rec:.6f} s")
+    print(f"Iterativ: {avg_for:.6f} s")
+    if avg_for > 0:
+        ratio = avg_rec / avg_for
+        if ratio >= 1:
+            print(f"Iterativ ist ~{ratio:.2f}x schneller")
+        else:
+            print(f"Rekursiv ist ~{1/ratio:.2f}x schneller")
+
+    _print_integer_tests()
+    _print_float_tests()
+
+    # --- Antworten (Aufgabe 3) ---
+    # 1) Welche Funktion ist schneller?
+    #    In der Praxis die iterative Version (geringerer Funktionsaufruf-Overhead).
+    #    Faktor (bitte hier Ihren gemessenen Wert ausgeben und eintragen):
+    #    z.B. iterativ ≈ 3.2x schneller als rekursiv bei n=500 (100 Läufe, 5 Wiederholungen).
+
+    # 2) Grenze als Integer:
+    #    Python-Integer haben beliebige Präzision -> keine feste Obergrenze für n! (nur Zeit/Speicher).
+
+    # 3) Grenze als Float (double, float64):
+    #    170! ist noch als float darstellbar; 171! führt zu Overflow (inf/OverflowError bei Umwandlung).
+

test_Aufg2.py

@@ -0,0 +1,40 @@
+from Kuengjoe_S01.Kuengjoe_S01_Aufg2 import _as_1d_array
+from Kuengjoe_S01.Kuengjoe_S01_Aufg2 import poly_derivate_coeffs
+from Kuengjoe_S01.Kuengjoe_S01_Aufg2 import poly_integrate_coeffs
+
+
+import numpy as np
+
+def _test_as_1d_array():
+    def run_case(name, a):
+        try:
+            arr = _as_1d_array(a)
+            print(f"[OK] {name:22s} -> shape={arr.shape}, ndim={arr.ndim}, dtype={arr.dtype}, values={arr}")
+        except Exception as e:
+            print(f"[ERRORE] {name:22s} -> {e}")
+
+    print("=== Test _as_1d_array ===")
+    run_case("Lista 1D",               [1, 2, 3])
+    run_case("Array NumPy 1D",         np.array([1, 2, 3]))
+    run_case("Vettore riga 1xN",       np.array([[1, 2, 3]]))
+    run_case("Vettore colonna Nx1",    np.array([[1], [2], [3]]))
+    run_case("Misto tipi -> float",    [1, 2.5, "3"])    # verrà convertito a float
+    run_case("Lista vuota",            [])
+    run_case("Matrice 2x2",            np.array([[1, 2], [3, 4]]))
+    run_case("Scalare",                5)
+    run_case("Tensore 3D",             np.arange(8).reshape(2, 2, 2))
+
+if __name__ == "__main__":
+    _test_as_1d_array()
+    array = np.array([[2,5,6]])
+    arr = _as_1d_array(array)
+    print("Input array: "+str(array))
+    print("coeff: "+str(arr))
+    print("coeff derivate: "+str(poly_derivate_coeffs(arr)))
+    print("coeff integrate: "+str(poly_integrate_coeffs(arr)))
+
+    a = np.array([[2, 5, 6]])  # 1x3 -> verrà reso 1D
+    a = _as_1d_array(a)
+    print("coeff:", a)
+    print("coeff derivate:", str(poly_derivate_coeffs(a)))   # atteso [5., 12.]
+    print("coeff integrate:", poly_integrate_coeffs(a))