Numerisches Rechnen. (für Informatiker) M. Grepl J. Berger & J.T. Frings. Institut für Geometrie und Praktische Mathematik RWTH Aachen
|
|
- Julian Arnold
- vor 5 Jahren
- Abrufe
Transkript
1 (für Informatiker) M. Grepl J. Berger & J.T. Frings Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2010/11
2 Heute Themen: Dahmen & Reusken Kap. 2.2/2.3 und Rundungsfehler evtl. Was Sie heute mitnehmen sollten: Wie werden Zahlen im Computer dargestellt Welche Probleme können dabei/deswegen auftreten? Stabilität vs. Kondition
3 Heute Themen: Dahmen & Reusken Kap. 2.2/2.3 und Rundungsfehler evtl. Was Sie heute mitnehmen sollten: Wie werden Zahlen im Computer dargestellt Welche Probleme können dabei/deswegen auftreten? Stabilität vs. Kondition
4 Rundungsfehler und Warum betrachten wir Gleitpunktdarstellung? Aufgrund der Art und Weise, wie Zahlen im Computer dargestellt werden, können überraschende Ergebnisse auftreten... >> u = 0.3/0.1 >> 3 - u ans =?... die im schlimmsten Fall verheerende Folgen haben können.
5 Rundungsfehler und Warum betrachten wir Gleitpunktdarstellung? Aufgrund der Art und Weise, wie Zahlen im Computer dargestellt werden, können überraschende Ergebnisse auftreten... >> u = 0.3/0.1 >> 3 - u ans =?... die im schlimmsten Fall verheerende Folgen haben können.
6 Ariane 5 Flight 501 Erster Start der Ariane 5 am 04. Juni 1996 Crash des Navigationscomputers aufgrund eines Überlaufs bei der Umrechnung eines 64-bit floating point in ein 16-bit signed integer führte zur Selbstzerstörung.
7 Beispiel Wir betrachten als Beispiel die Zahl : Dezimalsystem (Basis 10) = = 10 3 ( ) Binärsystem (Basis 2) = = 2 7 ( )
8 Beispiel Wir betrachten als Beispiel die Zahl : Dezimalsystem (Basis 10) = = 10 3 ( ) Binärsystem (Basis 2) = = 2 7 ( )
9 Man kann zeigen, dass für jedes feste b N, b > 1, sich jede beliebige reelle Zahl x 0 in der Form x = ± d j b j b e j=1 darstellen lässt, wobei der ganzzahlige Exponent e so gewählt werden kann, dass d 1 0. Dezimalsystem (Basis b = 10) Binärsystem (Basis 2)
10 Man kann zeigen, dass für jedes feste b N, b > 1, sich jede beliebige reelle Zahl x 0 in der Form x = ± d j b j b e j=1 darstellen lässt, wobei der ganzzahlige Exponent e so gewählt werden kann, dass d 1 0. Dezimalsystem (Basis b = 10) Binärsystem (Basis 2)
11 Man kann zeigen, dass für jedes feste b N, b > 1, sich jede beliebige reelle Zahl x 0 in der Form x = ± d j b j b e j=1 darstellen lässt, wobei der ganzzahlige Exponent e so gewählt werden kann, dass d 1 0. Dezimalsystem (Basis b = 10) Binärsystem (Basis 2)
12 Normalisierte Gleitpunktdarstellung Floating Point Representation: wobei Basis b N\{1}; x = ± 0.d 1 d 2... d m b e ( ) m = ± d j b j b e j=1 Exponent e Z mit r e R; Mantisse f = ± 0.d 1 d 2... d m, d j {0, 1,..., b 1}, für alle j; Mantissenlänge m; Normalisierung: d 1 0 für x 0.
13 Normalisierte Gleitpunktdarstellung Floating Point Representation: wobei Basis b N\{1}; x = ± 0.d 1 d 2... d m b e ( ) m = ± d j b j b e j=1 Exponent e Z mit r e R; Mantisse f = ± 0.d 1 d 2... d m, d j {0, 1,..., b 1}, für alle j; Mantissenlänge m; Normalisierung: d 1 0 für x 0.
14 Normalisierte Gleitpunktdarstellung Floating Point Representation: wobei Basis b N\{1}; x = ± 0.d 1 d 2... d m b e ( ) m = ± d j b j b e j=1 Exponent e Z mit r e R; Mantisse f = ± 0.d 1 d 2... d m, d j {0, 1,..., b 1}, für alle j; Mantissenlänge m; Normalisierung: d 1 0 für x 0.
15 Normalisierte Gleitpunktdarstellung Floating Point Representation: wobei Basis b N\{1}; x = ± 0.d 1 d 2... d m b e ( ) m = ± d j b j b e j=1 Exponent e Z mit r e R; Mantisse f = ± 0.d 1 d 2... d m, d j {0, 1,..., b 1}, für alle j; Mantissenlänge m; Normalisierung: d 1 0 für x 0.
16 Normalisierte Gleitpunktdarstellung Floating Point Representation: wobei Basis b N\{1}; x = ± 0.d 1 d 2... d m b e ( ) m = ± d j b j b e j=1 Exponent e Z mit r e R; Mantisse f = ± 0.d 1 d 2... d m, d j {0, 1,..., b 1}, für alle j; Mantissenlänge m; Normalisierung: d 1 0 für x 0.
17 Historie Rundungsfehler und Vor dem Jahr 1985 Keinen einheitlichen Standard Jeder Computer hatte seine eigene Gleitpunktdarstellung Manche binär (Basis 2, 8, 16), manche dezimal, sogar trinär! hat sich auf unterschiedlichen Computern unterschiedlich verhalten! Im Jahr 1985 ANSI/IEEE Standard for Binary Floating-Point Arithmetic ANSI - American National Standards Institute IEEE - Institute of Electrical and Electronics Engineers Alle Computer seit 1985 benutzen diesen Standard Maschinen-unabhängiges Modell, wie sich verhält.
18 Maschinenzahlen Nur endliche Anzahl von Zahlen ( darstellbar ) (m vs. ): m x = ± d j b j b e j=1 Maschinenzahlen M(b, m, r, R) Definition Reduktionsabbildung fl : R M(b, m, r, R) definiert durch ( m ) j=1 fl(x) := ± d j b j b e falls d m+1 < b ( 2, m ) j=1 d j b j + b m b e falls d m+1 b 2, d.h. die letzte Stelle der Mantisse wird um eins erhöht bzw. beibehalten, falls die Ziffer in der nächsten Stelle b 2 bzw. < b 2 ist.
19 Bildbereich und Genauigkeit Maschinenzahlen M(b, m, r, R): Es gibt einen begrenzten Bereich von Zahlen, die dargestellt werden können Die Endlichkeit von e beschränkt den Bildbereich. Es gibt nur eine endliche Anzahl von Zahlen, die innerhalb des Bildbereichs dargestellt werden können Die Endlichkeit von f beschränkt die Genauigkeit.
20 Bildbereich Die Endlichkeit von e beschränkt den Bildbereich: Betragsmäßig kleinste ( 0) Zahl: x MIN = b r 1 Betragsmäßig größte Zahl: x MAX = (1 b m ) b R Achtung: Unterlauf, wenn x < x MIN ; Überlauf, wenn x > x MAX.
21 Maschinengenauigkeit Beispiel Beispiel In einem Gleitpunkt-Zahlensystem mit Basis b = 10 und Mantis- Gleitpunktdarstellung senlänge m = 6 erhält mit man b folgende = 10 und gerundete m = 6Resultate: x fl(x) fl(x) x x 1 3 = = e 10 = e 10 = = Gleitpunktdarstellung Im Fall b = 2, m = 10 erhält mit b man: = 2 und m = 10 x fl(x) fl(x) x x e e Dahmen-Reusken Numerisches Kapitel 2 Rechnen 38
22 Maschinengenauigkeit Für den relativen Rundungsfehler erhält man fl(x) x b m x 2 be b 1 b = b1 m e 2. Die (relative) Maschinengenauigkeit eps := b1 m 2 charakterisiert das Auflösungsvermögen des Rechners, d.h. eps = inf{δ > 0 fl(1 + δ) > 1} Der Rundungsfehler ε erfüllt ε eps und es gilt fl(x) = x (1 + ε).
23 Maschinengenauigkeit Beispiel Beispiel In einem Gleitpunkt-Zahlensystem mit Basis b = 10 und Mantis- Gleitpunktdarstellung: senlänge m = 6 erhält man b = folgende 10, m = gerundete 6 eps Resultate: = x fl(x) fl(x) x x 1 3 = = e 10 = e 10 = = Im Fall b = 2, m = 10 erhält man: x fl(x) fl(x) x x e e Gleitpunktdarstellung: b = 2, m = 10 eps =
24 IEEE Standard Double-precision floating-point 64-bit Wort mit 52 bits für f 11 bits für e 1 bit für das Vorzeichen Der Exponent e ist eine ganze Zahl im Intervall 1022 e 1023 Der Wert von 2 52 f ist eine natürliche Zahl im Intervall f < 2 52
25 e = e-016 Rundungsfehler und IEEE Standard It turns out that the only roundoff occurs in the division in the first stat The quotient cannot be exactly 4/3, except on that Russian trinary com Consequently the value stored in a is close to, but not exactly equal to, 4/3 subtraction b = a - 1 produces a b whose last bit is 0. This means th multiplication x MIN : f = 3*b0 can undbe e = done 1022 without any roundoff. The value stored not xexactly MAX : equal f = 1to 1, eps andund so the e = value 1023stored in e is not 0. Before the standard, this code was used as a quick way to estimate the roundoff le various Überlauf: computers. e = 1024 und f = 0 The Schreibweise: roundoff level infinity eps is oder sometimes Inf called floating-point zero, but t misnomer. Erfüllt: There 1/Inf are many = 0 und floating-point Inf+Inf = numbers Inf much smaller than eps smallest Not-a-Number positive normalized oder NaN: floating-point e = 1024 und number f has 0 f = 0 and e = 102 largestfloating-point Undefinierte Zahl, number z.b. has 0/0 f a little less than 1 and e = M calls these numbers realmin and realmax. Together with eps, they chara the standard Unterlauf: system. e = 1023 Binary Decimal eps 2^(-52) e-16 realmin 2^(-1022) e-308 realmax (2-eps)*2^ e+308 If any computation tries to produce a value larger than realmax, it is
26 Pseudoarithmetik Die Verknüpfung von Maschinenzahlen durch eine exakte elementare arithmetische Operation liefert nicht unbedingt eine Maschinenzahl Beispiel b = 10, m = 3: = Ähnliches passiert bei Multiplikation und Division. Die üblichen arithmetischen Operationen müssen also durch geeignete Gleitpunktoperationen ersetzt werden (Pseudoarithmetik).
27 Pseudoarithmetik Forderung Für {+,,, } gelte x y = fl(x y) für x, y M(b, m, r, R). Da fl(x) = x (1 + ε), folgt somit, dass für {+,,, } x y = (x y)(1 + ε) für x, y M(b, m, r, R) und ein ε mit ε eps gilt. Vorsicht bei Pseudoarithmetik: Grundlegende Regeln der Algebra, die bei exakter Arithmetik gelten, sind nicht mehr gültig. Reihenfolge der Verküpfung spielt eine Rolle (Assoziativität der Addition geht verloren).
28 Pseudoarithmetik Forderung Für {+,,, } gelte x y = fl(x y) für x, y M(b, m, r, R). Da fl(x) = x (1 + ε), folgt somit, dass für {+,,, } x y = (x y)(1 + ε) für x, y M(b, m, r, R) und ein ε mit ε eps gilt. Vorsicht bei Pseudoarithmetik: Grundlegende Regeln der Algebra, die bei exakter Arithmetik gelten, sind nicht mehr gültig. Reihenfolge der Verküpfung spielt eine Rolle (Assoziativität der Addition geht verloren).
29 Beispiel (Assoziativ- und Distributivgesetz) Beispiel Zahlensystem mit b = 10, m = 3. Maschinenzahlen x=6590= Beispiel Zahlensystem y= 1 mit =0.100 b = 10, 10 m 1 = 3. Maschinenzahlen z= 4 = x=6590= Exakte Rechnung: (x + y) y= + z 1 = (y = z) + x 10 = Pseudoarithmetik: x y = z= 4 4 und =0.400 (x y) 10 1 z = , aber Exakte Rechnung: (x + y) + z = (y + z) + x = Pseudoarithmetik: y x z y = und und (y (x z) y) x z = , aber Entsprechend y z = gilt auch das 10 1 Distributivgesetz und (y z) x nicht = mehr: Beispiel 2.37 Für b = 10, m = 3, x = Entsprechend gilt auch das Distributivgesetz nicht 2 und y = mehr: 2 (x y) (x y) = 0.01 Beispiel 2.37 Für (xb = y) 10, m (x= y) 3, x = und, y = aber aber (x y) (x y) = 0.01 (x x) (x (x y) y) (x(y y) x) = (y0.100 y) = , Dahmen-Reusken (x x) IGPM, (x RWTH y) Aachen (y x) Numerisches Kapitel 2 (y y) = Rechnen
30 Beispiel (Auslöschung) Beispiel 2.38 (Auslöschung) Betrachte x = , y = , x y = Bei 3-stelliger Rechnung (b = 10, m = 3, eps = ) ergibt sich x = fl(x) = 0.736, δ x = ỹ = fl(y) = 0.734, δ y = Die relative Störung im Resultat der Subtraktion ist hier ( x ỹ) (x y) x y = = 0.64, also sehr groß im Vergleich zu δ x, δ y.
31 Zusammenfassend: Zusammenfassend: (x y) (x y) eps x, y M, {+,,, } (x (x y) (x y) eps x, y M, {+,,, } (x y) d.h., die relativen Rundungsfehler bei den elementaren Gleitpunktoperationen Die relativen d.h., die relativen sind Rundungsfehler betragsmäßigbei Rundungsfehler kleiner den elementaren bei als dendie elementaren Maschinengenauigkeit, Gleitpunktoperationen die Eingangsdaten sind sind betragsmäßig betragsmäßig x, y Maschinenzahlen kleiner kleiner als alsdie diemaschinengenauigkeit, sind. Gleitpunktoperationen wenn wenn wenndie die Eingangsdatenx, x, y y Maschinenzahlensind. sind. Sei f(x, y) = x y, x, y R, {+,,, } und κ rel die relative Konditionszahl Sei Seif(x, f(x, y) y) = = x y, von x y, f. x, Es yx, gilt yr, R, {+,, {+,, }, und, } κ und rel dieκrelative Konditionszahl die relative Konditionszahl von f. Es gilt von f. Es gilt {, } : κ rel 1 für alle x, y, {+, {, } } : κ rel 1 für wenn alle x y x, y, max{ x, y }. {+, } : κ rel 1 wenn x y max{ x, y }. Sehr große Fehlerverstärkung bei +, möglich (Auslöschung). Also: möglich sehr große Fehlerverstärkung bei +, (Auslöschung). Also: möglich sehrigpm, große RWTH Fehlerverstärkung Aachen Numerischesbei Rechnen +, (Auslöschung).
32 Beispiele Rundungsfehler und t = 0.1 u = 0.3/0.1 Das Ergebnis ist nicht identisch gleich 3, da Zähler etwas kleiner als 0.3 und Nenner etwas größer als 0.1. a = ; b = a ; b == a Der relative Fehler zwischen a und b is kleiner als eps Es gibt keine "double-precision floating point" Zahl zwischen und eps/ eps/2 Beim Summieren betragsmäßig kleinste Zahlen zuerst aufsummieren.
33 Beispiele Rundungsfehler und t = 0.1 u = 0.3/0.1 Das Ergebnis ist nicht identisch gleich 3, da Zähler etwas kleiner als 0.3 und Nenner etwas größer als 0.1. a = ; b = a ; b == a Der relative Fehler zwischen a und b is kleiner als eps Es gibt keine "double-precision floating point" Zahl zwischen und eps/ eps/2 Beim Summieren betragsmäßig kleinste Zahlen zuerst aufsummieren.
34 Beispiele Rundungsfehler und t = 0.1 u = 0.3/0.1 Das Ergebnis ist nicht identisch gleich 3, da Zähler etwas kleiner als 0.3 und Nenner etwas größer als 0.1. a = ; b = a ; b == a Der relative Fehler zwischen a und b is kleiner als eps Es gibt keine "double-precision floating point" Zahl zwischen und eps/ eps/2 Beim Summieren betragsmäßig kleinste Zahlen zuerst aufsummieren.
35 Beispiele Rundungsfehler und t = 0.1 u = 0.3/0.1 Das Ergebnis ist nicht identisch gleich 3, da Zähler etwas kleiner als 0.3 und Nenner etwas größer als 0.1. a = ; b = a ; b == a Der relative Fehler zwischen a und b is kleiner als eps Es gibt keine "double-precision floating point" Zahl zwischen und eps/ eps/2 Beim Summieren betragsmäßig kleinste Zahlen zuerst aufsummieren.
36 Beispiele Rundungsfehler und t = 0.1 u = 0.3/0.1 Das Ergebnis ist nicht identisch gleich 3, da Zähler etwas kleiner als 0.3 und Nenner etwas größer als 0.1. a = ; b = a ; b == a Der relative Fehler zwischen a und b is kleiner als eps Es gibt keine "double-precision floating point" Zahl zwischen und eps/ eps/2 Beim Summieren betragsmäßig kleinste Zahlen zuerst aufsummieren.
37 Beispiele Rundungsfehler und t = 0.1 u = 0.3/0.1 Das Ergebnis ist nicht identisch gleich 3, da Zähler etwas kleiner als 0.3 und Nenner etwas größer als 0.1. a = ; b = a ; b == a Der relative Fehler zwischen a und b is kleiner als eps Es gibt keine "double-precision floating point" Zahl zwischen und eps/ eps/2 Beim Summieren betragsmäßig kleinste Zahlen zuerst aufsummieren.
38 Beispiele Rundungsfehler und t = 0.1 u = 0.3/0.1 Das Ergebnis ist nicht identisch gleich 3, da Zähler etwas kleiner als 0.3 und Nenner etwas größer als 0.1. a = ; b = a ; b == a Der relative Fehler zwischen a und b is kleiner als eps Es gibt keine "double-precision floating point" Zahl zwischen und eps/ eps/2 Beim Summieren betragsmäßig kleinste Zahlen zuerst aufsummieren.
39 Beispiele Rundungsfehler und t = 0.1 u = 0.3/0.1 Das Ergebnis ist nicht identisch gleich 3, da Zähler etwas kleiner als 0.3 und Nenner etwas größer als 0.1. a = ; b = a ; b == a Der relative Fehler zwischen a und b is kleiner als eps Es gibt keine "double-precision floating point" Zahl zwischen und eps/ eps/2 Beim Summieren betragsmäßig kleinste Zahlen zuerst aufsummieren.
40 Beispiele Rundungsfehler und Auswerten der Funktion f(x) = 1 x ( x+1 x 1) Exakte Auswertung f(x) = 1 x ( x+1 x 1) Lösung des Gleichungssystems = 1 x x+1 x x = 0 für alle x > 0 17x 1 + 5x 2 = x x 2 = 2.2 ergibt exakte Lösung x = (x 1, x 2 ) T = (1, 1) T.
41 Beispiele Rundungsfehler und Auswerten der Funktion f(x) = 1 x ( x+1 x 1) Exakte Auswertung f(x) = 1 x ( x+1 x 1) Lösung des Gleichungssystems = 1 x x+1 x x = 0 für alle x > 0 17x 1 + 5x 2 = x x 2 = 2.2 ergibt exakte Lösung x = (x 1, x 2 ) T = (1, 1) T.
42 Beispiele Rundungsfehler und Auswerten der Funktion f(x) = 1 x ( x+1 x 1) Exakte Auswertung f(x) = 1 x ( x+1 x 1) Lösung des Gleichungssystems = 1 x x+1 x x = 0 für alle x > 0 17x 1 + 5x 2 = x x 2 = 2.2 ergibt exakte Lösung x = (x 1, x 2 ) T = (1, 1) T.
43 Beispiel: Polynom 7. Grades Matlab Plot x = 0.988:0.0001:1.012; y = x.^7-7*x.^6+21*x.^5-35*x.^4+35*x.^3-21*x.^2+7*x-1; plot(x,y) x
44 Beispiel: Polynom 7. Grades Matlab Plot x = 0.988:0.0001:1.012; y = x.^7-7*x.^6+21*x.^5-35*x.^4+35*x.^3-21*x.^2+7*x-1; plot(x,y) x
45 Beispiel: Polynom 7. Grades Matlab Plot x = 0.988:0.0001:1.012; y = (x-1).^7; plot(x,y) x
46 Rückwärtsstabilität Beispiele Vorbemerkung Definition Ein Algorithmus heißt gutartig oder stabil, wenn die durch ihn im Laufe der Rechnung erzeugten Fehler in der Größenordnung des durch die Kondition des Problems bedingten unvermeidbaren Fehlers bleiben. Kondition ist Eigenschaft des Problems Stabilität ist Eigenschaft des Verfahrens/Algorithmus Wenn Problem schlecht konditioniert, kann man nicht erwarten, dass die Numerische Methode, d.h. ein stabiler Algorithmus, gute Ergebnisse liefert. Ziel: Numerische Methode soll Fehlerverstärkung nicht noch weiter vergrößern Gute Kondition soll erhalten bleiben.
47 Rückwärtsstabilität Beispiele Vorbemerkung Definition Ein Algorithmus heißt gutartig oder stabil, wenn die durch ihn im Laufe der Rechnung erzeugten Fehler in der Größenordnung des durch die Kondition des Problems bedingten unvermeidbaren Fehlers bleiben. Kondition ist Eigenschaft des Problems Stabilität ist Eigenschaft des Verfahrens/Algorithmus Wenn Problem schlecht konditioniert, kann man nicht erwarten, dass die Numerische Methode, d.h. ein stabiler Algorithmus, gute Ergebnisse liefert. Ziel: Numerische Methode soll Fehlerverstärkung nicht noch weiter vergrößern Gute Kondition soll erhalten bleiben.
48 Rückwärtsstabilität Beispiele Vorbemerkung Definition Ein Algorithmus heißt gutartig oder stabil, wenn die durch ihn im Laufe der Rechnung erzeugten Fehler in der Größenordnung des durch die Kondition des Problems bedingten unvermeidbaren Fehlers bleiben. Kondition ist Eigenschaft des Problems Stabilität ist Eigenschaft des Verfahrens/Algorithmus Wenn Problem schlecht konditioniert, kann man nicht erwarten, dass die Numerische Methode, d.h. ein stabiler Algorithmus, gute Ergebnisse liefert. Ziel: Numerische Methode soll Fehlerverstärkung nicht noch weiter vergrößern Gute Kondition soll erhalten bleiben.
49 Rückwärtsstabilität Beispiele Beispiel 2.39: y 2 2a 1 y + a 2 = 0 Bestimmung von u = f(a 1, a 2 ) = a 1 a 2 1 a 2. Algorithmus I y 1 = a 1 a 1 y 2 = y 1 a 2 y 3 = y 2 u = a 1 y 3 Für a 1 = , a 2 = 0.01 in einem Gleitpunkt-Zahlensystem mit b = 10, m = 5 bekommt man das Ergebnis u = Exakte Lösung: u = Problem für diese Eingangsaten a 1, a 2 gut konditioniert. Durch Algorithmus erzeugte Fehler sehr viel größer als unvermeidbarer Fehler. Algorithmus I ist nicht stabil
50 Rückwärtsstabilität Beispiele Beispiel 2.39: y 2 2a 1 y + a 2 = 0 Alternative: u = a 2 a 1 + a 2 1 a 2 Algorithmus II y 1 = a 1 a 1 y 2 = y 3 = y 1 a 2 y 2 y 4 = a 1 + y 3 u = a 2 y 4 Mit b = 10, m = 5 bekommt man das Ergebnis u = Exakte Lösung: u = Gesamtfehler bleibt im Rahmen der Maschinengenauigkeit. Auslöschung tritt nicht auf. Algorithmus II ist somit stabil
51 Rückwärtsstabilität Beispiele Beispiel: Filtern verrauschter Bilder Ergebnis Total Variation Minimization Zeitabhängige nichtlineare Diffusionsgleichung Matlab demo Instabilität
52 Rückwärtsstabilität Beispiele Exaktheit eines Algorithmus Wunsch: Auswertung von f : X Y Wirklichkeit: Auswertung von f : X Y wobei f f aufgrund von Rundungsfehlern (Maschinengenauigkeit),. Definition Ein Algorithmus heißt exakt, wenn f(x) f(x) f(x) = O(eps) Ziel exakter Algorithmus ist zu ehrgeizig Grund: Wenn Problem f schlecht konditioniert ist, werden Rundungsfehler um Kondition κ des Problems verstärkt.
53 Rückwärtsstabilität Beispiele Exaktheit eines Algorithmus Wunsch: Auswertung von f : X Y Wirklichkeit: Auswertung von f : X Y wobei f f aufgrund von Rundungsfehlern (Maschinengenauigkeit),. Definition Ein Algorithmus heißt exakt, wenn f(x) f(x) f(x) = O(eps) Ziel exakter Algorithmus ist zu ehrgeizig Grund: Wenn Problem f schlecht konditioniert ist, werden Rundungsfehler um Kondition κ des Problems verstärkt.
54 Rückwärtsstabilität Beispiele Exaktheit eines Algorithmus Wunsch: Auswertung von f : X Y Wirklichkeit: Auswertung von f : X Y wobei f f aufgrund von Rundungsfehlern (Maschinengenauigkeit),. Definition Ein Algorithmus heißt exakt, wenn f(x) f(x) f(x) = O(eps) Ziel exakter Algorithmus ist zu ehrgeizig Grund: Wenn Problem f schlecht konditioniert ist, werden Rundungsfehler um Kondition κ des Problems verstärkt.
55 Rückwärtsstabilität Beispiele Rückwärtsstabilität Definition Ein Verfahren heißt rückwärts stabil, wenn für alle x X, f(x) = f( x) für ein x mit x x x = O(eps). Ein rückwärst stabiler Algorithmus gibt die exakte Antwort auf die nahezu richtige Frage (Daten, d.h. x x = x + x). Erinnerung: Gleitpunkarithmetik erfüllt die Forderung fl(x) = x (1 + ε) fl(x y) = (x y) (1 + ε), {+,,, } mit ε esp.
56 Rückwärtsstabilität Beispiele Rückwärtsstabilität Definition Ein Verfahren heißt rückwärts stabil, wenn für alle x X, f(x) = f( x) für ein x mit x x x = O(eps). Ein rückwärst stabiler Algorithmus gibt die exakte Antwort auf die nahezu richtige Frage (Daten, d.h. x x = x + x). Erinnerung: Gleitpunkarithmetik erfüllt die Forderung fl(x) = x (1 + ε) fl(x y) = (x y) (1 + ε), {+,,, } mit ε esp.
57 Rückwärtsstabilität Beispiele Rückwärtsstabilität Satz Wird ein rückwärst stabiler Algorithmus zur Lösung eines Problems f : X Y mit Kondition κ(x) angewendet, so gilt f(x) f(x) f(x) = O(κ(x) eps) Beweis: f(x) f(x) f(x) = f( x) f(x) f(x) = κ(x) x x x. Was haben wir gemacht? Fehler im Algorithmus wurden zurückgespiegelt auf Fehler in den Daten. Vorteil: Auswertung von f( x) ist Frage nach Kondition von f.
58 Rückwärtsstabilität Beispiele Rückwärtsstabilität Satz Wird ein rückwärst stabiler Algorithmus zur Lösung eines Problems f : X Y mit Kondition κ(x) angewendet, so gilt f(x) f(x) f(x) = O(κ(x) eps) Beweis: f(x) f(x) f(x) = f( x) f(x) f(x) = κ(x) x x x. Was haben wir gemacht? Fehler im Algorithmus wurden zurückgespiegelt auf Fehler in den Daten. Vorteil: Auswertung von f( x) ist Frage nach Kondition von f.
59 Rückwärtsstabilität Beispiele Beispiel 2.40 Geg.: Maschinenzahlen x 1, x 2, x 3, Maschinengenauigkeit eps. Ges.: Summe S = (x 1 + x 2 ) + x 3. Man erhält S = ((x 1 + x 2 ) (1 + ε 2 ) + x 3 ) (1 + ε 3 ) mit ε i eps, i = 2, 3. Daraus folgt S = x 1 (1 + ε 2 ) (1 + ε 3 ) + x 2 (1 + ε 2 ) (1 + ε 3 ) + x 3 (1 + ε 3 ). = x 1 (1 + ε 2 + ε 3 ) + x 2 (1 + ε 2 + ε 3 ) + x 3 (1 + ε 3 ) = x 1 (1 + δ 1 ) + x 2 (1 + δ 2 ) + x 3 (1 + δ 3 ) =: ˆx 1 + ˆx 2 + ˆx 3, wobei δ 1 = δ 2 = ε 2 + ε 3 2eps, δ 3 = ε 3 eps Fehlerbehaftetes Resultat S als exaktes Ergebnis zu gestörten Eingabedaten ˆx i = x i (1 + δ i ).
60 Rückwärtsstabilität Beispiele Beispiel 2.40 Der durch Rechnung bedingte Fehler ist höchstens f(ˆx) f(x) f(x) κ rel (x) 3 ˆx j x j j=1 κ rel (x) 3 j=1 x j δ j κ rel (x) 5 eps Der für die Summation f(x) = f(x 1, x 2, x 3 ) = x 1 + x 2 + x 3 unvermeidbare Fehler ist f( x) f(x) f(x) κ rel(x) 3 κ rel (x) 3 eps x j x j x j j=1 wenn Daten höchstens mit Maschinengenauigkeit gestört werden ( x i = x i (1 + ε), ε eps). Größenordnung der Fehler identisch Berechnung von S ist ein stabiler Algorithmus.
61 Rückwärtsstabilität Beispiele Beispiel 2.40 Der durch Rechnung bedingte Fehler ist höchstens f(ˆx) f(x) f(x) κ rel (x) 3 ˆx j x j j=1 κ rel (x) 3 j=1 x j δ j κ rel (x) 5 eps Der für die Summation f(x) = f(x 1, x 2, x 3 ) = x 1 + x 2 + x 3 unvermeidbare Fehler ist f( x) f(x) f(x) κ rel(x) 3 κ rel (x) 3 eps x j x j x j j=1 wenn Daten höchstens mit Maschinengenauigkeit gestört werden ( x i = x i (1 + ε), ε eps). Größenordnung der Fehler identisch Berechnung von S ist ein stabiler Algorithmus.
62 Rückwärtsstabilität Beispiele Beispiel 2.40 Der durch Rechnung bedingte Fehler ist höchstens f(ˆx) f(x) f(x) κ rel (x) 3 ˆx j x j j=1 κ rel (x) 3 j=1 x j δ j κ rel (x) 5 eps Der für die Summation f(x) = f(x 1, x 2, x 3 ) = x 1 + x 2 + x 3 unvermeidbare Fehler ist f( x) f(x) f(x) κ rel(x) 3 κ rel (x) 3 eps x j x j x j j=1 wenn Daten höchstens mit Maschinengenauigkeit gestört werden ( x i = x i (1 + ε), ε eps). Größenordnung der Fehler identisch Berechnung von S ist ein stabiler Algorithmus.
63 Rückwärtsstabilität Beispiele Summenbildung Summenbildung tritt in vielen Problem auf (Skalarprodukte, Matrix/Vektor-Multiplikation,... ). Wir betrachten: S n = n x j j=1 Man kann zeigen, dass fl(x 1 + x x n ) (x 1 + x x n ) x 1 (ε 1 + ε ε n ) +x 2 (ε ε n ) x n ε n mit ε i eps, i = 1,..., n. Der erste Summand wird mit größtem Fehler multipliziert. Reihenfolge bei der Summation wichtig der relative Fehler wird am kleinsten, wenn die betragsgrößten Summanden zuletzt aufsummiert werden (vlg. Beispiel 2.36).
64 Rückwärtsstabilität Beispiele Summenbildung Summenbildung tritt in vielen Problem auf (Skalarprodukte, Matrix/Vektor-Multiplikation,... ). Wir betrachten: S n = n x j j=1 Man kann zeigen, dass fl(x 1 + x x n ) (x 1 + x x n ) x 1 (ε 1 + ε ε n ) +x 2 (ε ε n ) x n ε n mit ε i eps, i = 1,..., n. Der erste Summand wird mit größtem Fehler multipliziert. Reihenfolge bei der Summation wichtig der relative Fehler wird am kleinsten, wenn die betragsgrößten Summanden zuletzt aufsummiert werden (vlg. Beispiel 2.36).
65 Rückwärtsstabilität Beispiele Instabiler Algorithmus Bestimmung der Eigenwerte einer Matrix mit Hilfe des charakteristischen Polynoms: [ ] A = 0 1 Eigenwerte (exakt): λ 1 = und λ 2 = 1. Berechnung über charakteristischen Polynom ergibt: λ 1 = 1 + eps λ 1 λ 1 λ 1 = eps λ 2 = 1 eps λ 2 λ 2 λ 2 = eps Relativer Fehler in den Daten (Koeffizienten des charakteristischen Polynoms) ist O(eps) = O(10 16 ), aber Fehler im Ergebnis ist O( eps) = O(10 8 ).
66 Rückwärtsstabilität Beispiele Instabiler Algorithmus Bestimmung der Eigenwerte einer Matrix mit Hilfe des charakteristischen Polynoms: [ ] A = 0 1 Eigenwerte (exakt): λ 1 = und λ 2 = 1. Berechnung über charakteristischen Polynom ergibt: λ 1 = 1 + eps λ 1 λ 1 λ 1 = eps λ 2 = 1 eps λ 2 λ 2 λ 2 = eps Relativer Fehler in den Daten (Koeffizienten des charakteristischen Polynoms) ist O(eps) = O(10 16 ), aber Fehler im Ergebnis ist O( eps) = O(10 8 ).
67 Was Sie heute mitnehmen sollten: Wie werden Zahlen im Computer dargestellt Maschinenzahlen M(b, m, r, R) x MIN, x MAX, eps, ε eps IEEE Standard double precision floating point Maschinengenauigkeit eps Welche Probleme können dabei/deswegen auftreten? Assoziativ- und Ditributivgesetz nicht mehr gültig Gefahr der Auslöschung bei {+, }
68 Stabilität vs. Kondition Bei einem stabilen Lösungsverfahren bleiben die im Laufe der Rechnung erzeugten Rundungsfehler in der Größenordnung der durch die Kondition des Problems bedingten unvermeidbaren Fehler. Kenntnisse über die Kondition eines Problems sind oft für die Interpretation oder Bewertung der Ergebnisse von entscheidender Bedeutung Schlechtes Ergebnis bedeutet nicht unbedingt gleich instabiler Algorithmus, sondern deutet evtl. auf eine schlechte Kondition des Problems hin. In einem Algorithmus sollen (wegen Stabilität) Auslöschungseffekte vermieden werden.
Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrKAPITEL 2. Fehleranalyse: Kondition, Rundungsfehler, Stabilität. Datenfehler. Dahmen-Reusken Kapitel 2 1
KAPITEL 2 Fehleranalyse: Kondition, Rundungsfehler, Stabilität Datenfehler Fehler im Algorithmus Fehler im Resultat Dahmen-Reusken Kapitel 2 1 Kondition eines Problems Analyse der Fehlerverstärkung bei
Mehr1 Grundlagen der Numerik
1 Grundlagen der Numerik 1.1 Gleitpunkt-Arithmetik Es gibt nur endlich viele Zahlen auf dem Computer. Gleitpunktzahl: x = σmb E σ: Vorzeichen B: Basis (feste Zahl >1); M: Mantisse E: Exponent B = 2 : Dualzahl
MehrComputergestützte Mathematik zur Linearen Algebra
Computergestützte Mathematik zur Linearen Algebra Pivotwahl und Gleitkommaarithmetik Achim Schädle 3. und 20. Dezember 208 Achim Schaedle (HHU) CompLinA 3. und 20. Dezember 208 Instabilitäten bei Gauß-Elimination
Mehr1. Rechnerzahlen, Kondition, Stabilität
1. Rechnerzahlen, Kondition, Stabilität 1 1.1. Rechnerzahlen 2 1.2. Kondition 3 1.3. Stabilität 1. Rechnerzahlen, Kondition, Stabilität 1 / 18 1.1. Rechnerzahlen allgemeine Zahlendarstellung zur Basis
MehrNumerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrKapitel 1: Fehleranalyse, Kondition, Stabilität
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 1: Fehleranalyse, Kondition, Stabilität Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 2015 HM: Numerik
MehrRundungsfehler-Problematik bei Gleitpunktzahlen
Rundungsfehler-Problematik bei Gleitpunktzahlen 1 Rechnerzahlen 2 Die Rundung 3 Fehlerverstärkung bei der Addition Rundungsfehler-Problematik 1 1. Rechnerzahlen allgemeine Zahlendarstellung zur Basis b
MehrGrundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
Mehr1. Rechnerarithmetik und. Rundungsfehler
1. Rechnerarithmetik und Rundungsfehler 1 Rundung (1) Die natürlichen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwerk, L. Kronecker Ohne Zahlendarstellung auf einem Rechner wiederholen
MehrNumerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn
Numerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn Verfasst von Patrick Schneider E-Mail: Patrick.Schneider@uni-ulm.de Universität Ulm Institut für Numerische Mathematik Sommersemester
Mehrbekannt Analog reduzieren wir die Randwerte im 2d-System. Man erhält dann eine Blocktridia-
3.. Jetzt: Eliminiere 1. und 2. wie folgt u 2 + 2u 1 = h 2 f 1 + α }{{} bekannt Nun: Au = b mit A R n,n, b R n, u R n und A hat die Gestalt 2 1 1 2 1 A =......... =: tridiag( 1, 2, 1)...... 1 1 2 Analog
Mehr1 Fehleranalyse, Kondition, Stabilität
Fehleranalyse, Kondition, Stabilität Fehlerquellen: Modellierungsfehler z.b. Ohmsches Gesetz u = Ri berücksichtigt nicht die Temperaturabhängigkeit des Widerstandes Messfehler z.b. digitaler Temperatursensor
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 1 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 2010 Prof. Dr. Klaus Höllig (IMNG)
Mehr3 Rechnerarithmetik und Rundungsfehler
Neuronales Netz (Ein Schicht Modell, linear) Verhalten des Netzes bestimmt durch Gewichte w 1,..., w n Training des Netzes Wähle w 1,..., w n so, dass eine große Zahl von Tests mit vorgegebenen Eingangsdaten
MehrComputer-orientierte Mathematik
Computer-orientierte Mathematik 3. Vorlesung - Christof Schuette 11.11.16 Memo: Rationale und reelle Zahlen Rationale Zahlen: Rationale Zahlen als Brüche ganzer Zahlen. q-adische Brüche, periodische q-adische
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 19 Fehlerbetrachtung R. Steuding
MehrNumerische Verfahren
Numerische Verfahren 1. Kapitel: Prof. Dr.-Ing. K. Warendorf Hochschule für Angewandte Wissenschaften München Fakultät 03 WS 13/14 Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14
Mehrmit 0 z 0 b 1 und 0 ẑ b n 1 1. Nach Induktionsannahme besitzt ẑ eine Darstellung der Länge n 1 zur Basis b. Damit ist
mit 0 z 0 b 1 und 0 ẑ b n 1 1. Nach Induktionsannahme besitzt ẑ eine Darstellung ẑ = ẑ n 2 b n 2 + + ẑ 1 b 1 + ẑ 0 b 0 der Länge n 1 zur Basis b. Damit ist z = (ẑ n 2 b n 2 + + ẑ 1 b 1 + ẑ 0 b 0 ) b +
Mehr3 Numerisches Rechnen
E Luik: Numerisches Rechnen 65 3 Numerisches Rechnen 31 Zahlen und ihre Darstellung Grundlage der Analysis bilden die reellen Zahlen Wir sind heute daran gewöhnt, eine reelle Zahl im Dezimalsystem als
MehrComputer-orientierte Mathematik
Computer-orientierte Mathematik 6. Vorlesung - Christof Schuette 30.11.18 Memo: Relative und Absolute Kondition Relative Kondition der Grundrechenarten: Addition, Multiplikation und Division liefern beruhigende
Mehr2 Computerarithmetik 2.1 Gleitkommazahlen
2 Computerarithmetik 2.1 Gleitkommazahlen Mathematische Modelle beschreiben Phänomene quantitativ mittels unendlicher Systeme von Zahlen. Beispiele sind die rationalen Zahlen Q (abzählbar unendlich) sowie
MehrD - 2 Gleitkommadarstellung und -arithmetik
Numerik im Überblick Was ist, was will Numerik Numerische Grundaufgaben und ihre Lösbarkeit Warnung Alles wird beliebig viel schwieriger wenn einige Variablen ganzzahlig sein müssen und / oder die Lösung
MehrDarstellung rationaler und reeller Zahlen Vorlesung vom
Darstellung rationaler und reeller Zahlen Vorlesung vom 30.10.15 Rationale Zahlen: Rationale Zahlen als Brüche ganzer Zahlen. q-adische Brüche, periodische q-adische Brüche. Beispiele. Satz: Jede rationale
MehrMultiplikationen und Divisionen Hauptarbeit des Algorithmus liegt somit in der Berechnung der LR-Zerlegung. (n 1)n(2n 1) 6. = n3 3 n2.
KAPITEL LINEARE GLEICHUNGSSYSTEME 7 Rechenaufwand der LR-Zerlegung: A A : n Divisionen, n 2 Multiplikationen und Additionen A L, R: Also insgesamt n j= j2 + j = n3 3 n 3 Multiplikationen und Divisionen
MehrMathematische Werkzeuge für Computergrafik 2016/17. Gleitkommzahlen
Mathematische Werkzeuge für Computergrafik 2016/17 Gleitkommzahlen 1 Grundlagen 1 Da im Computer nur endliche Ressourcen zur Verfügung stehen, können reelle Zahlen in vielen Fällen nicht exakt dargestellt
MehrNumerische Mathematik
Michael Knorrenschild Mathematik-Studienhilfen Numerische Mathematik Eine beispielorientierte Einführung 6., aktualisierte und erweiterte Auflage 1.1 Grundbegriffe und Gleitpunktarithmetik 15 second, also
MehrNumerik für Ingenieure I Wintersemester 2008
1 / 34 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 7.1.2009 2 / 34 Technisches Vorlesungswebsite: http://www.am.uni-erlangen.de/am3/de/lehre/ws08/numing1/
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
MehrGleitkommaarithmetik. Erhöhen der Genauigkeit. Grundlagen der Rechnerarchitektur Logik und Arithmetik 124
Gleitkommaarithmetik Erhöhen der Genauigkeit Grundlagen der Rechnerarchitektur Logik und Arithmetik 124 Guard Bit, Round Bit und Sticky Bit Bei der Darstellung der Addition und Multiplikation haben wir
Mehr3 Rechnerarithmetik und Rundungsfehler
3. Rechnerarithmetik und Rundungsfehler Beispiel Zahlendarstellung in Matlab >> format long e % Datenausgabe mit vielen Dezimalstellen >> 1 % Exakte Darstellung ganzer Zahlen ans = 1 >> 1 1 % Exakte Arithmetik
MehrComputergrundlagen Zahlensysteme
Computergrundlagen Zahlensysteme Institut für Computerphysik Universität Stuttgart Wintersemester 2012/13 Wie rechnet ein Computer? Ein Mikroprozessor ist ein Netz von Transistoren, Widerständen und Kondensatoren
MehrUnter den endlich vielen Maschinenzahlen gibt es zwangsläufig eine größte und eine kleinste:
1.1 Grundbegriffe und Gleitpunktarithmetik 11 Aufgaben 1.4 Bestimmen Sie alle dualen 3-stelligen Gleitpunktzahlen mit einstelligem Exponenten sowie ihren dezimalen Wert. Hinweis: Sie sollten 9 finden.
MehrC++ Teil 4. Sven Groß. 30. Apr IGPM, RWTH Aachen. Sven Groß (IGPM, RWTH Aachen) C++ Teil Apr / 16
C++ Teil 4 Sven Groß IGPM, RWTH Aachen 30. Apr 2015 Sven Groß (IGPM, RWTH Aachen) C++ Teil 4 30. Apr 2015 1 / 16 Themen der letzten Vorlesung Funktionen: Definition und Aufruf Wert- und Referenzparameter,
MehrNumerik. Festpunkt-Darstellung
Numerik Ablauf: Festpunkt-Darstellung Gleitpunkt-Darstellung Runden Addition/Subtraktion Multiplikation Ausblick und Zusammenfassung Wolfgang Kastner, Institut für Rechnergestützte Automation, TU Wien
MehrTechnische Numerik Einführung
W I S S E N T E C H N I K L E I D E N S C H A F T Technische Numerik Einführung Peter Gangl Institut für Angewandte Mathematik, Technische Universität Graz c Alle Rechte vorbehalten. Nachdruck und Weitergabe
MehrBesonderheiten des Numerischen Rechnens
Kapitel 2 Besonderheiten des Numerischen Rechnens 2.1 Zahlendarstellung Jede reelle Zahl x 0 lässt sich folgendermaßen darstellen: x = ± ( α m 10 m + α m 1 10 m 1 + α m 2 10 m 2 +... ) mit m Z, α i {0,
MehrEinführung in die Informatik I
Einführung in die Informatik I Das Rechnen in Zahlensystemen zur Basis b=2, 8, 10 und 16 Prof. Dr. Nikolaus Wulff Zahlensysteme Neben dem üblichen dezimalen Zahlensystem zur Basis 10 sind in der Informatik
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen IGPM RWTH Aachen Institut für Geometrie und Praktische Mathematik Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen
MehrWH: Arithmetik: Floating Point
WH: Arithmetik: Floating Point Elmar Langetepe University of Bonn Robuste Implementierungen Floating Point Arithmetik Bonn 06 1 Real RAM Robuste Implementierungen Floating Point Arithmetik Bonn 06 2 Real
Mehr2 Gleitpunktarithmetik und Fehleranalyse
Numerische Mathematik 47 2 Gleitpunktarithmetik und Fehleranalyse 2.1 Ein einführendes Beispiel Berechnung von π. π = Umfang eines Kreises mit Radius r = 1 2, U n = Umfang eines einbeschriebenen regelmäßigen
MehrInformationsmenge. Maßeinheit: 1 Bit. 1 Byte. Umrechnungen: Informationsmenge zur Beantwortung einer Binärfrage kleinstmögliche Informationseinheit
Informationsmenge Maßeinheit: 1 Bit Informationsmenge zur Beantwortung einer Binärfrage kleinstmögliche Informationseinheit 1 Byte Zusammenfassung von 8 Bit, kleinste Speichereinheit im Computer, liefert
MehrRemarks on Floating Points
Remarks on Floating Points Prof. Dr. Jian-Jia Chen Department of Computer Science, Chair 2 TU Dortmund University, Germany October 3, 208 (based on the slides from Sedgewick and Wayne from University of
MehrNumerische Mathematik I: Grundlagen
Numerische Mathematik I: Grundlagen 09.10.2017 Inhalt der Lehrveranstaltung Inhaltlich sollen Sie in der Lehrveranstaltung Numerische Mathematik I insbesondere vertraut gemacht werden mit der Numerik linearer
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Multiple-Choice-Test NumaMB F08 (30 Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine
Mehr, 2014W Übungstermin: Fr.,
VU Technische Grundlagen der Informatik Übung 1: Zahlendarstellungen, Numerik 183.579, 2014W Übungstermin: Fr., 17.10.2014 Allgemeine Hinweise: Versuchen Sie beim Lösen der Beispiele keine elektronischen
MehrRundungsfehler und Gleitkommaarithmetik Vorlesung vom
Rundungsfehler und Gleitkommaarithmetik Vorlesung vom 6.11.15 Runden und Rundungsfehler: Der absolute Rundungsfehler ist nicht gleichmäßig beschränkt. Der relative Rundungsfehler ist gleichmäßig beschränkt.
MehrNumerische Programmierung Konkrete Mathematik
Numerische Programmierung Konkrete Mathematik Literatur o Numerik für Informatiker (Huckle/Schneider) = Numerische Methoden o Folien voriger Semester o Herzberger: Wissenschaftliches Rechnen o Opfer: Numerik
Mehr, 2017S Übungstermin: Di.,
VU Technische Grundlagen der Informatik Übung 1: Zahlendarstellungen, Numerik 183.579, 2017S Übungstermin: Di., 14.03.2017 Allgemeine Hinweise: Versuchen Sie beim Lösen der Beispiele keine elektronischen
MehrAlgorithmen & Programmierung. Reelle Zahlen in C (1) Darstellung reeller Zahlen
Algorithmen & Programmierung Reelle Zahlen in C (1) Darstellung reeller Zahlen Reelle Zahlen in C Datentyp für reelle Zahlen Eine Möglichkeit, Berechnungen mit reellen Zahlen in C durchzuführen, ist die
Mehr2.1.2 Gleitkommazahlen
.1. Gleitkommazahlen Überblick: Gleitkommazahlen Gleitkommadarstellung Arithmetische Operationen auf Gleitkommazahlen mit fester Anzahl von Mantissen- und Exponentenbits Insbesondere Rundungsproblematik:
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 0 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dr-Ing Markus Kowarschik Numerisches Programmieren, Übungen Musterlösung
MehrComputergrundlagen Boolesche Logik, Zahlensysteme und Arithmetik
Computergrundlagen Boolesche Logik, Zahlensysteme und Arithmetik Axel Arnold Institut für Computerphysik Universität Stuttgart Wintersemester 2011/12 Wie rechnet ein Computer? Ein Mikroprozessor ist ein
Mehro feste Anzahl Vorkommastellen (z.b. 7) o feste Anzahl Nachkommastellen (z.b. 3) o Nachteil 1: o feste Anzahl signifikanter Stellen (10)
Richtig Rechnen Typen float und double; systeme, Löcher im Wertebereich, IEEE Standard, Fliesskomma-Richtlinien // Program: fahrenheit.cpp // Convert temperatures from Celsius to Fahrenheit. std::cout
MehrNumerisches Programmieren, Übungen
Technische Universität München WS 03/0 Institut für Informatik Prof Dr Hans-Joachim Bungartz Dipl-Inf Christoph Riesinger Dipl-Math Jürgen Bräckle Numerisches Programmieren, Übungen Musterlösung Übungsblatt:
MehrFehlerfortpflanzung. Fehler bei Fließkomma-Arithmetik. Addition x ` y ` z. Fehlerfortpflanzung. Analyse des Relativen Fehlers
Numerisches Programmieren (IN0019) Frank R. Schmidt. Kondition und Stabilität Winter Semester 016/017 Fließkommazahlen (Wdh.) Eine Fließkommazahl benutzt die folgende Zahlendarstellung Fließkomma-Arithmetik
MehrComputergrundlagen Boolesche Logik, Zahlensysteme und Arithmetik
Computergrundlagen Boolesche Logik, Zahlensysteme und Arithmetik Axel Arnold Institut für Computerphysik Universität Stuttgart Wintersemester 2010/11 Wie rechnet ein Computer? Ein Mikroprozessor ist ein
MehrRechnergrundlagen SS Vorlesung
Rechnergrundlagen SS 2007 8. Vorlesung Inhalt Gleitkomma-Darstellung Normalisierte Darstellung Denormalisierte Darstellung Rechnerarchitekturen Von Neumann-Architektur Harvard-Architektur Rechenwerk (ALU)
MehrIEEE Von Janette Kaspar und Alexander Linz
IEEE-754-2008 Von Janette Kaspar und Alexander Linz Die Entstehung von IEEE 754 Die IEEE Gesellschaft Geschichte von IEEE bis 1985 Erschaffung von IEEE-754-2008 Motivation Hauptziele IEEE 754-2008 2 Die
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben).
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 20 Wiederholung: Fehlerbetrachtung.
MehrNumerik für Informatiker
Numerik für Informatiker Lars Grüne Lehrstuhl für Angewandte Mathematik Mathematisches Institut Universität Bayreuth 95440 Bayreuth lars.gruene@uni-bayreuth.de www.math.uni-bayreuth.de/ lgruene/ Karl Worthmann
Mehr1 Arithmetische Grundlagen
Am 4. Juni 1996 explodierte kurz nach dem Start die erste Ariane 5 Rakete durch einen Softwarefehler. Die Horizontalgeschwindigkeit wurde durch eine Gleitkommazahl v [ 10 308, 10 308 ] {0} [10 308,10 308
Mehr2 Zahldarstellungen und Fehleranalyse *
5 2 Zahldarstellungen und Fehleranalyse * Im Rahmen der angewandten Mathematik wird, und das sollte nicht wirklich überraschen, der Computer als eines der zentralen Hilfsmittel eingesetzt und ist bei anspruchsvollen
Mehr1. Fliesskommazahlen
1 1. Fliesskommazahlen Die Typen float und double; Fliesskommazahlensysteme; Löcher im Wertebereich; IEEE Standard; Grenzen der Fliesskommaarithmetik; Fliesskomma-Richtlinien; Harmonische Zahlen ,,Richtig
MehrNumerisches Programmieren, Übungen
Technische Universität München SoSe 017 Institut für Informatik Prof Dr Thomas Huckle Michael Obersteiner, Michael Rippl Numerisches Programmieren, Übungen Musterlösung 1 Übungsblatt: Zahlendarstellung,
MehrVorlesung Programmieren
Vorlesung Programmieren Zahlendarstellung Prof. Dr. Stefan Fischer Institut für Telematik, Universität zu Lübeck http://www.itm.uni-luebeck.de/people/pfisterer Agenda Zahlendarstellung Oder: wie rechnen
MehrZahlendarstellungen und Rechnerarithmetik*
Zahlendarstellungen und Rechnerarithmetik* 1. Darstellung positiver ganzer Zahlen 2. Darstellung negativer ganzer Zahlen 3. Brüche und Festkommazahlen 4. binäre Addition 5. binäre Subtraktion *Die Folien
Mehreps für alle x D. 4. Die Zahl 256 ist in M(2, 4, 6, 6) exakt darstellbar.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H13 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
Mehro feste Anzahl Vorkommastellen (z.b. 7) o feste Anzahl Nachkommastellen (z.b. 3) o Nachteil 1: o feste Anzahl signifikanter Stellen (10)
Richtig Rechnen Typen float und double; systeme, Löcher im Wertebereich, IEEE Standard, Fliesskomma-Richtlinien // Program: fahrenheit.cpp // Convert temperatures from Celsius to Fahrenheit. int main()
MehrComputerarithmetik ( )
Anhang A Computerarithmetik ( ) A.1 Zahlendarstellung im Rechner und Computerarithmetik Prinzipiell ist die Menge der im Computer darstellbaren Zahlen endlich. Wie groß diese Menge ist, hängt von der Rechnerarchitektur
MehrÜbungsblatt 8 Musterlösung
NumLinAlg WS1516 Übungsblatt 8 Musterlösung Lösung 9 (Kondition des Eigenwertsproblems) a) Sei λ i (0) = λ i eine einfache Nullstelle vom Polynom p. Wir lassen jetzt den Index i weg. Wir untersuchen die
MehrLösung 2. Übungsblatt
Fakultät Informatik, Technische Informatik, Professur für Mikrorechner Lösung 2. Übungsblatt Bildung von Gleitkommazahlen nach IEEE 754 und arithmetische Operationen mit Binärzahlen ANSI/IEEE 754-1985
MehrRechnet mein Taschenrechner richtig?
Rechnet mein Taschenrechner richtig? René Lamour Humboldt-Universität zu Berlin Institut für Mathematik Lange Nacht der Wissenschaften 2011 Unser Institutsgebäude c 2010 WISTA-MANAGEMENT GMBH www.adlershof.de
MehrInhaltsangabe 3.1 Zahlensysteme und Darstellung natürlicher Zahlen Darstellung ganzer Zahlen
3 Zahlendarstellung - Zahlensysteme - b-adische Darstellung natürlicher Zahlen - Komplementbildung - Darstellung ganzer und reeller Zahlen Inhaltsangabe 3.1 Zahlensysteme und Darstellung natürlicher Zahlen......
Mehr02 - Numerik. Technische Grundlagen der Informatik
02 - Numerik Technische Grundlagen der Informatik Automation Systems Group E183-1 Institute of Computer Aided Automation Vienna University of Technology email: tgi@auto.tuwien.ac.at Numerik Methoden zur
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
Mehr8 Dezimalzahlen und Fehlerfortpflanzung
7 Dezimalzahlen und Fehlerfortpflanzung 29 8 Dezimalzahlen und Fehlerfortpflanzung Lernziele: Konzepte: Dezimalzahlen und Runden Methoden: spezielle Umrechungen Kompetenzen: Einschätzen von Fehlerfortpflanzungen
MehrComputerarithmetik (6a)
Computerarithmetik (6a) Weitere Nachteile: erfordert separates Subtrahierwerk erfordert zusätzliche Logik, um zu entscheiden, welches Vorzeichen das Ergebnis der Operation hat 2. Die Komplement - Darstellung
MehrGrundlagen der Technischen Informatik Wintersemester 12/13 J. Kaiser, IVS-EOS
Gleit komma zahlen Gleitkommazahlen in vielen technischen und wissenschaftlichen Anwendungen wird eine große Dynamik benötigt: sowohl sehr kleine als auch sehr große Zahlen sollen einheitlich dargestellt
MehrGrundlagen der Technischen Informatik. 4. Übung
Grundlagen der Technischen Informatik 4. Übung Christian Knell Keine Garantie für Korrekt-/Vollständigkeit 4. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Aufgabe 4: Aufgabe 5: Aufgabe 6: +/-/*
Mehr4. Zahlendarstellungen
121 4. Zahlendarstellungen Wertebereich der Typen int, float und double Gemischte Ausdrücke und Konversionen; Löcher im Wertebereich; Fliesskommazahlensysteme; IEEE Standard; Grenzen der Fliesskommaarithmetik;
Mehr3.4 Kondition eines Problems
38 KAPITEL 3. FEHLERANALYSE Beispiel 3.18 Betrachte M(10, 5, 1). Dann sind x 4.2832, y 4.2821, z 5.7632 darstellare Zahlen und (x y)z 0.00633952. Das korrekte Ergenis in M ist daher 0.0063395. Der Ausdruck
MehrT n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
MehrRO-Tutorien 3 / 6 / 12
RO-Tutorien 3 / 6 / 12 Tutorien zur Vorlesung Rechnerorganisation Christian A. Mandery WOCHE 3 AM 13./14.05.2013 KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
Mehr, 2015S Übungstermin: Mi.,
VU Grundlagen digitaler Systeme Übung 1: Zahlendarstellungen, Numerik 183.580, 2015S Übungstermin: Mi., 18.03.2015 Allgemeine Hinweise: Versuchen Sie beim Lösen der Beispiele keine elektronischen Hilfsmittel
MehrGrundzüge der Informatik Tutorium Gruppe 6
Grundzüge der Informatik Tutorium Gruppe 6 Inhalt Einführung Numerik Fest- und Termin 5 07.2.2006 Apfelthaler Kathrin Test-Beispiel e0225369@student.tuwien.ac.at Numerik Festpunkt-Darstellung Berechnung
MehrGrundlagen der Technischen Informatik. 4. Übung
Grundlagen der Technischen Informatik 4. Übung Christian Knell Keine Garantie für Korrekt-/Vollständigkeit 4. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Aufgabe 4: Aufgabe 5: Aufgabe 6: +/-/*
Mehr0 = x 2 + px + q (1) lösen. Die Lösungen können wir leicht mit Hilfe quadratischer Ergänzung konstruieren
Ergänzung zum Kapitel: Numerische Fehler und Grenzen Als Ausgangspunkt der Diskussion betrachten wir ein einfaches Problem: wir möchten eine quadratische Gleichung der Form 0 = x 2 + px + q (1) lösen.
MehrVF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
Mehr4. Zahlendarstellungen
Bin are Zahlendarstellungen Binäre Darstellung ("Bits" aus {0, 1) 4. Zahlendarstellungen bn bn 1... b1 b0 entspricht der Zahl bn 2n + + b1 2 + b0 Wertebereich der Typen int, float und double Gemischte
MehrEinführung in die Informatik I
Einführung in die Informatik I Arithmetische und bitweise Operatoren im Binärsystem Prof. Dr. Nikolaus Wulff Operationen mit Binärzahlen Beim Rechnen mit Binärzahlen gibt es die ganz normalen arithmetischen
MehrRechnet mein Computer richtig?
Rechnet mein Computer richtig? René Lamour Humboldt-Universität zu Berlin Tag der Mathematik 5. Mai 2007 Taschenrechner und PCs erlauben (rechnerisch) anspruchsvollere Aufgaben zu stellen. Taschenrechner
MehrNumerische Programmierung
- 1 - Numerische Programmierung Konkrete Mathematik Hinweise Für Algorithmen immer Animationen (Gauss-El, Givens-QR, Div.diff) Bilder für image (CT, Registrierung, Kalibrierung, Drehen) Literatur Numerik
Mehr