Parallele Algorithmen zur
|
|
- Elisabeth Bergmann
- vor 8 Jahren
- Abrufe
Transkript
1 Parallele Algorithmen zur Analyse dynamischer Systeme Stefan Sertl Diplomarbeit Fakultat fur Mathematik und Physik der Universitat Bayreuth Juli 1998
2 Betreuer: Prof Dr Michael Dellnitz Lehrstuhl fur Angewandte Mathematik an der Universitat Bayreuth Dieses Dokument wurde erstellt mit L A TEX2"
3 So eine Arbeit wird eigentlich nie fertig, man mu sie fur fertig erklaren, wenn man nach Zeit und Umstanden das moglichste getan hat (Goethe, 1787) Danksagung Mein Dank gilt Herrn Prof Dr Michael Dellnitz fur die Vergabe des Themas und die gute Betreuung wahrend der Anfertigung dieser Diplomarbeit sowie Herrn Dipl-Math Oliver Junge fur das Korrekturlesen und die geduldige Beantwortung meiner Fragen Ebenfalls fur das Korrekturlesen dankeich Margit Bocka, Michael Kuraszkiewicz und Andrea Sertl sowie allen anderen, die mich in irgend einer Weise bei der Anfertigung dieser Arbeit unterstutzt haben Kastl, im Juli 1998 Stefan Sertl Urhebervermerk Ich versichere, da ich diese Arbeit selbstandig angefertigt und nur die angegebenen Hilfsmittel und Quellen verwendet habe Kastl, im Juli 1998 (Stefan Sertl) i
4 ii
5 Inhaltsverzeichnis Einleitung 1 1 Grundlagen 5 11 Diskrete dynamische Systeme 5 12 Invariante Mengen und Hyperbolizitat 7 13 Ergodentheorie 9 2 Die sequentiellen Algorithmen Der Unterteilungsalgorithmus Berechnung instabiler Mannigfaltigkeiten Extraktion von dynamischem Verhalten Berechnung invarianter Mae Identikation fast invarianter Mengen 27 3 Die Parallelisierung Das Konzept zur Parallelisierung PVM und das Master/Slave-Modell Die Aufteilung der Berechnungen Die parallelen Algorithmen Der Unterteilungsalgorithmus Der Verfolgungsalgorithmus Berechnung der Frobenius-Perron Matrix Load-Balancing Die Problemstellung Die Kostenfunktion fur das statische Load-Balancing-Problem Heuristische Load-Balancing-Verfahren Minimierung der Kommunikation mit Hilfe fast invarianter Mengen Die Wahl der Unterteilungstiefe ` 58 iii
6 iv INHALTSVERZEICHNIS 4 Untersuchung der Ezienz der parallelen Algorithmen Mazahlen zur Beurteilung der Eektivitat Die Testergebnisse 62 Literaturverzeichnis 73
7 Einleitung Bei der praktischen Behandlung dynamischer Systeme spielen numerische Untersuchungsmethoden eine wichtige Rolle Hierbei ist vor allem die Berechnung invarianter Mannigfaltigkeiten zu nennen, da diese einen entscheidenden Einu auf das Verhalten des dynamischen Systems haben Beispielsweise trennen sie die Einzugsgebiete verschiedener Attraktoren eine Veranderung ihrer Geometrie bei Variation eines Systemparameters kann daher eine qualitative Anderung der Dynamik zur Folge haben Weiter ist bekannt, da transversale Schnitte zwischen stabilen und instabilen Mannigfaltigkeiten zu chaotischem Verhalten des Systems fuhren Diese Art von Chaos zu entdecken, erfordert daher sehr genaue Informationen uber die invarianten Mannigfaltigkeiten des Systems In der Literatur nden sich hierzu eine Vielzahl verschiedener Verfahren Meist wird dabei ein kleines Stuck der lokalen stabilen bzw instabilen Mannigfaltigkeit approximiert, um daraus durch Iteration groere Teile der (globalen) stabilen bzw instabilen Mannigfaltigkeit zu gewinnen (siehe zb [34, 41]) Neuere Methoden ndet man auch in [22] oder [27] Der Nachteil dieser Verfahren ist jedoch, da damit nur eindimensionale Mannigfaltigkeiten berechnet werden konnen Erst in [32] sowie in [6, 7] werden Algorithmen vorgestellt, die die Approximation invarianter Mannigfaltigkeiten beliebiger endlicher Dimension erlauben Hierbei steigt allerdings der Rechenaufwand mit steigender Dimension des Zustandsraums und der zu berechnenden Mannigfaltigkeit erheblich an, so da dann im allgemeinen nur noch sehr grobe Approximationen moglich sind Eine weitere wichtige Methode zur numerischen Untersuchung dynamischer Systeme stellt die Berechnung invarianter Mae dar Mit deren Hilfe ist es moglich, statistische Aussagen zb uber die Aufenthaltswahrscheinlichkeit typischer Orbits in einer vorgegebenen Teilmenge des Zustandsraums zu treen Bei den meisten invarianten Maen ist jedoch die Menge der Startwerte, fur die eine entsprechende Aussage moglich ist, eine Lebesgue-Nullmenge, so da diese fur die Praxis wenig Bedeutung haben In Experimenten zeigt sich dagegen haug, da die Orbits der meisten Startpunkte (auer zb die zu periodischen Punkten) eine nahezu identische Verteilung aufweisen Dies lat vermuten, da hier eine Art Auswahlproze stattndet, der ein bestimmtes " physikalisch relevantes\ Ma 1
8 2 EINLEITUNG bevorzugt Ein Beispiel fur ein solches Ma ist das SRB-Ma (nach Sinai, Ruelle und Bowen) Bisher sind zwar keine allgemeinen Bedingungen fur dessen Existenz bekannt, in einigen wichtigen Fallen wie zb fur Axiom-A Systeme konnte diese aber bereits gezeigt werden Numerische Verfahren zur Berechnung invarianter Mae, insbesondere von SRB-Maen, ndet man zb in [8, 18, 23] Diese beruhen auf der Tatsache, da invariante Mae Fixpunkte des Frobenius-Perron Operators sind ein Eigenvektor zum Eigenwert 1 einer geeigneten Diskretisierung dieses Operators liefert daher die gewunschte Approximation In [8] wird daruber hinaus beschrieben, wie mit anderen Teilen des Spektrums des diskretisierten Frobenius-Perron Operators sogar fast invariante Mengen, dh Mengen, in denen sich das dynamische System lange Zeit aufhalt, bevor es in andere Bereiche wechselt, sowie zyklische und fast zyklische Bereiche identiziert werden konnen Wie fur die Berechnung invarianter Mannigfaltigkeiten gilt jedoch auch hier, da mit steigender Dimension der Mannigfaltigkeit, fur die das invariante Ma berechnet werden soll, eine ausreichend genaue Approximation nur noch mit sehr groem Rechenaufwand erreicht werden kann Meist steht jedoch ein entsprechend leistungsfahiger Rechner nicht zur Verfugung Eine groere Anzahl einfacher Workstations, die uber ein Netzwerk verbunden sind, ist dagegen hauger vorhanden Dank dem Programmsystem PVM (Parallel Virtual Machine [19, 2]) lat sich mit deren Hilfe aber auf einfache Weise ein Parallelrechner simulieren, so da die gemeinsame Rechenleistung dieser Workstations nahezu vollstandig ausgenutzt werden kann Dabei besteht ein paralleles Programm aus mehreren kooperierenden Prozessen, den sogenannten Tasks, welche auf die einzelnen Rechner, die zu einer solchen virtuellen Maschine gehoren, verteilt sind Dem Programmierer steht hierfur eine Funktions-Bibliothek zur Verfugung, die insbesondere Routinen zum Starten und Beenden einzelner Tasks sowie zum Datenaustausch zwischen diesen enthalt Da PVM fur eine Vielzahl verschiedener Architekturen, einschlielichechter Parallelrechner, zur Verfugung steht, ist eine Portierung entsprechender Programme im allgemeinen ohne Probleme durchfuhrbar Auch die Kombination unterschiedlicher Rechnertypen zu einer virtuellen Maschine ist ohne weiteres moglich Ziel dieser Diplomarbeit war es daher, entsprechende parallele Versionen der in [6] und [7] vorgestellten Algorithmen zur Berechnung relativer globaler Attraktoren und instabiler Mannigfaltigkeiten sowie einen parallelen Algorithmus zur Berechnung des diskreten Frobenius-Perron Operators, der auf der in [8] beschriebenen Methode basiert, zu entwickeln Dabei galt es vor allem auch das Problem des Load-Balancings zu losen, dh es war zu klaren, wie die jeweils erforderlichen Berechnungen auf die vorhandenen Rechner aufzuteilen sind, um eine moglichst minimale Laufzeit der Programme zu erreichen Insbesondere sollte hierbei versucht werden, die Eigenschaften des dynamischen Systems auszunutzen, um die
9 Kommunikation zwischen den Rechnern zu minimieren Die Hauptarbeit der betrachteten Algorithmen besteht darin, in jeder Menge einer gegebenen oder durch einen vorangegangenen Schritt berechneten endlichen Kollektion von Teilmengen des Zustandsraums Testpunkte zu generieren, deren Bilder unter dem dynamischen System zu berechnen und festzustellen, in welchen Kollektionselementen diese liegen Da dies fur die einzelnen Mengen unabhangig voneinander erfolgen kann, teile ich zur Parallelisierung der Algorithmen die Elemente der jeweils aktuellen Kollektion zunachst auf die vorhandenen Rechner auf Jeder dieser Rechner, bzw der darauf laufende Task, generiert dann genau fur die ihm zugeordneten Mengen Testpunkte und bildet diese ab Liegen dabei Bildpunkte in einem Kollektionselement, das einem anderen Task zugeordnet ist, als dem, der diese Punkte berechnet hat, so werden entsprechende Daten zwischen den Rechnern ausgetauscht, um auch fur diese Bildpunkte die jeweils erforderlichen Operationen durchfuhren zu konnen Das Load-Balancing besteht bei dieser Vorgehensweise darin, das folgende Optimierungsproblem zu losen: Finde eine Zuordnung der Kollektionselemente zu den Tasks, so da die resultierende Programmlaufzeit minimal ist Hierbei ist neben einer moglichst gleichmaigen Verteilung der Rechenlast auch der Zeitaufwand fur die Kommunikation zu berucksichtigen, dh die Aufteilung ist so vorzunehmen, da moglichst wenig Bildpunkte, die ein Task zu berechnen hat, in Kollektionselementen liegen, die einem anderen Rechner zugeordnet sind Um letzteres zu erreichen, schatze ich das Kommunikationsaufkommen, das fur die jeweils betrachtete Aufteilung zu erwarten ist, mit Hilfe von Ubergangswahrscheinlichkeiten des dynamischen Systems ab Die Losung des genannten Optimimierungsproblems ist jedoch mit einem erheblichen Rechenaufwand verbunden, der im Vergleich zur eigentlichen Aufgabe der parallelen Algorithmen im allgemeinen viel zu gro ist Aus diesem Grund fasse ich zum einen jeweils mehrere Kollektionselemente zu groeren Einheiten zusammen, welche dann als ganzes den Tasks zugeordnet werden Zum anderen verwende ich keine exakten Losungsverfahren, sondern lediglich heuristische Methoden Diese liefern zwar nur annahernd optimale Losungen, sie sind aber wesentlich weniger aufwendig Fur ein anderes Load-Balancing-Verfahren, das vor allem der Minimierung der Kommunikation dient, nutze ich die Existenz fast invarianter Mengen des Systems aus Dazu berechne ich eine grobe Approximation dieser Mengen und nehme dann die Aufteilung der jeweils aktuellen Kollektion entsprechend dieser Approximation vor Dies hat zur Folge, da die Bilder der meisten von einem Task erzeugten Testpunkte in einem Kollektionselement liegen, das ebenfalls diesem Task zugeordnet ist Voraussetzung fur eine minimale Programmlaufzeit ist hierbei jedoch, da die Elemente jeder zu bearbeitenden Kollektion auch moglichst gleichmaig auf die einzelnen Rechner verteilt sind Wie ich zeigen werde, ist dies aber zb 3
10 4 EINLEITUNG dann erfullt, wenn das dynamische System einer bestimmten Symmetriebedingung genugt Zum Aufbau dieser Arbeit: In Kapitel 1 erfolgt zunachst eine kurze Einfuhrung in die Theorie der dynamischen Systeme Dabei deniere ich insbesondere die fur das Verstandnis der Algorithmen erforderlichen Begrie, wie attraktive Menge, stabile und instabile Mannigfaltigkeit sowie invariantes Ma In Kapitel 2 stelle ich ausfuhrlich die zugrundeliegenden sequentiellen Algorithmen aus [6, 7] und [8] vor Dabei gehe ich auch auf deren Implementierung ein, da diese die Basis fur die parallelen Algorithmen darstellt Deren Beschreibung folgt in Kapitel 3 Dazu stelle ich zunachst kurz das Programmsystem PVM vor und erlautere das verwendete Konzept zur Aufteilung der Berechnungen Anschlieend erfolgt dann die genaue Beschreibung der einzelnen parallelen Algorithmen Ausfuhrlich gehe ich auch auf das Problem des Load-Balancings und die hierfur verwendeten Verfahren ein Kapitel 4 enthalt schlielich eine Untersuchung der Ezienz der parallelen Algorithmen Dazu wurden verschiedene Tests durchgefuhrt, deren Ergebnisse ich an dieser Stelle prasentiere
11 Kapitel 1 Grundlagen Fur das Verstandnis der in dieser Arbeit vorgestellten Algorithmen ist die Kenntnis einiger wichtiger Begrie aus der Theorie der dynamischen Systeme notwendig Diese sollen hier kurz vorgestellt werden Fur ein genaueres Studium sei zb auf [14, 33, 37] verwiesen In dieser Arbeit werden oe diskrete dynamische Systeme betrachtet, welche ich in 11 deniere sowie einige Bezeichnungen hierzu einfuhre Ebenso enthalt dieser Abschnitt erste Beispiele diskreter dynamischer Systeme In Abschnitt 12 nden sich dann die Denitionen der wichtigsten Begrie zur Beschreibung des asymptotischen Verhaltens solcher Systeme Der letzte Abschnitt widmet sich schlielich der Ergodentheorie, mit deren Hilfe statistische Aussagen uber das Verhalten dynamischer Systeme getroen werden konnen Hierfur werden einige elementare Kenntnisse aus der Matheorie vorausgesetzt, welche man zb in [1] nden kann 11 Diskrete dynamische Systeme Denition 11 Sei f : R n! R n ein Dieomorphismus Dann deniert ein diskretes dynamisches System x j+1 = f(x j ) j = 1 2 ::: (11) Ist x 2 R n, so heit die Menge O(x) =ff n (x) :n 2 Zg der Orbit von x Ein Punkt p 2 R n heit Fixpunkt des dynamischen Systems (11), falls f(p) =p ist Er heit periodischer Punkt der Ordnung (oder Periode) n, falls er Fixpunkt von f n ist und n die kleinste naturliche Zahl mit dieser Eigenschaft ist Der zugehorige Orbit O(p) =fp f(p) ::: f n;1 (p)g heit dann auch periodischer Orbit Es sei bemerkt, da in diesem Falle auch alle Punkte von O(p) periodisch sind und deren Periode mit der von p ubereinstimmt 5
12 6 KAPITEL 1 GRUNDLAGEN Beispiel 12 1 Den denkbar einfachsten Fall eines diskreten dynamischen Systems erhalt man mit f : R! R f(x) =ax a 2 R nfg: Fur a = 1 ist hier jeder Punkt Fixpunkt, fur a 6= 1 ist einziger Fixpunkt des Systems Periodische Punkte der Ordnung 2 erhalt man fur a = ;1 In jedem Fall ist der Orbit eines Punktes x 2 R gegeben durch O(x) = fa j x : j 2 Zg 2 Ein Beispiel fur kompliziertes dynamisches Verhalten liefert die Henon- Abbildung [21] Sie ist gegeben durch f : R 2! R 2 f(x) = 1 ; ax x 2 bx 1 a b 2 R: Den Orbit eines beliebigen Punktes kann man hier im allgemeinen nicht mehr explizit angeben Leicht zu berechnen sind jedoch die Fixpunkte von f Diese sind gegeben durch p = ~p b ~p mit ~p = 1 2a falls (b ; 1) 2 ;4a 6=, bzw p = ~p b ~p b ; 1 p (b ; 1) 2 +4a mit ~p = 1 1 ; b falls a = und b 6= 1 Andernfalls besitzt f keine Fixpunkte 3 Haug ist ein dynamisches System durch eine autonome Dierentialgleichung 1 Ordnung _x = F (x) mit F : R n! R n und x = x(t) 2 R n gegeben Ist ' t (x) der zugehorige Flu, dh gilt d dt 't (x) =F (' t (x)) so lat sich fur jedes T>durch ' (x) =x f : R n! R n f(x) =' T (x) ein diskretes dynamisches System denieren Man nennt f dann auch die Zeit-T -Abbildung der Dierentialgleichung
13 12 INVARIANTE MENGEN UND HYPERBOLIZIT AT 7 12 Invariante Mengen und Hyperbolizitat Bei der Untersuchung dynamischer Systeme, insbesondere hinsichtlich ihres asymptotischen Verhaltens, spielen invariante Mengen eine wichtige Rolle Denition 13 Eine Menge A R n heit invariant (f-invariant) unter dem diskreten dynamischen System (11), falls f(a) = A ist Bemerkung 14 Ist A R n invariant, so auch dessen Abschlu A Beweis Ist x 2 A, so existiert eine Folge (x n ) n2n A mit lim n!1 x n = xwegen der Stetigkeit von f ist lim n!1 f(x n )=f(x) und mit der Invarianz von A folgt f(x) 2 A Es gilt also f(a) A Daf ein Dieomorphismus und f ;1 (A) = f ;1 (f(a)) = A ist, kann man analog folgern, da auch f ;1 (A) A gilt Die Anwendung von f auf beide Seiten dieser Inklusion liefert schlielich A f(a) und es folgt die Behauptung Existiert zu einer invarianten Menge A eine Umgebung U, die sich unter dem dynamischen System auf A " zusammenzieht\, so nennt man A eine attraktive Menge: Denition 15 Eine invariante Menge A eines dynamischen Systems (11) heit attraktive Menge mit Fundamentalumgebung U, falls fur jede oene Menge V A ein N 2 N existiert, so da f j (U) V fur alle j N (vgl Abb 11) Die oene Menge [ j2nf ;j (U) heit dann Einzugsgebiet von A Falls das Einzugsgebiet von A der gesamte R n ist, dann heit A globaler Attraktor Abbildung 11: Beispiel einer attraktiven Menge mit Fundamentalumgebung U fur die Henon-Abbildung (aus [14], S 622)
14 8 KAPITEL 1 GRUNDLAGEN Bemerkung 16 Falls der globale Attraktor kompakt ist, enthalt er alle kompakten invarianten Mengen des dynamischen Systems f Beweis Sei A kompakter globaler Attraktor und U eine Fundamentalumgebung Weiter sei B eine kompakte invariante Menge Angenommen es ware B 6 A Dann gabeeswegen der Kompaktheit von A eine Umgebung V A mit B 6 V Da A globaler Attraktor ist, existiert ein N 1 2 N mit f j (U) V fur alle j N 1 und zu jedem x 2 B ein N 2 = N 2 (x) 2 N mit x 2 f ;N 2 (U) Mit N(x) = N 1 + N 2 (x) gilt also f j (x) 2 V fur alle j N(x) Wegen der Kompaktheit von B existiert aber N =max x2b N(x) und es gilt daher f j (B) V fur alle j N Da aber B 6 V ist, folgt f j (B) 6= B fur alle j N Dies ist jedoch ein Widerspruch zur Invarianz von B Ein weiterer wichtiger Begri im Zusammenhang mit invarianten Mengen ist der Begri der Hyperbolizitat: Denition 17 Sei A R n eine invariante Menge eines dynamischen Systems (11) Man sagt A besitzt eine hyperbolische Struktur, falls eine stetige invariante Zerlegung R n = E u A E s A, Df(E u x )=E u f (x) und Df(Es x)=e s f (x),sowie Konstanten c> und <<1 existieren, so da fur alle v 2 Ex k2 u N und kdf k (x)vkc k kvk fur alle v 2 Ex k2 s N: kdf ;k (x)vkc k kvk Beispiel 18 (Hyperbolischer Fixpunkt) Besteht die Menge A nur aus einem Fixpunkt p, dh ist A = fpg mit f(p) = p, so ist A genau dann hyperbolisch, falls alle Eigenwerte von Df(p) vom Betrage ungleich 1 sind Wie man sich leicht uberlegt sind hierbei E s p und E u p die verallgemeinerten Eigenraume zu Eigenwerten vom Betrage kleiner bzw groer 1 Ein nichtlineares Analogon zu E s und E u stellen die (lokalen) stabilen und instabilen Mannigfaltigkeiten dar Im Falle eines hyperbolischen Fixpunkts sind diese wie folgt deniert: Denition 19 Sei p ein hyperbolischer Fixpunkt von (11) und sei "> Dann heien W s loc(p) =fq 2 U : kf j (q) ; pk <"fur alle j g W u loc(p) =fq 2 U : kf j (q) ; pk <"fur alle j g die lokale stabile bzw lokale instabile Mannigfaltigkeit von p Weiter heien W s (p) =fq 2 R n : f j (q)! p fur j!1g W u (p) =fq 2 R n : f j (q)! p fur j! ;1g die stabile und instabile Mannigfaltigkeit von p
15 13 ERGODENTHEORIE 9 Bemerkung 11 Falls "> klein genug ist, gilt: 1 W s loc (p) W s (p) undw u q 2 W s loc (p) und lim j!;1 f j (q) =p fur q 2 W u (p) W u loc (p), dh es gilt lim j!1 f j (q) =p fur (p) loc 2 W s (p) = S j f ;j (W s loc (p)) und W u (p) = S j f j (W u loc (p)) Zum Beweis siehe [33] 13 Ergodentheorie Die Ergodentheorie ermoglicht es, statistische Aussagen uber das Verhalten eines dynamischen Systems zu machen Dies geschieht mit Hilfe sogenannter invarianter Mae Im folgenden sei jeweils X eine Menge, B eine -Algebra auf X und f : X! X eine mebare Abbildung, dh f ;1 (B) 2Bfur alle B 2B Denition 111 Ein Wahrscheinlichkeitsma auf (X B) heit invariant (finvariant), falls (f ;1 (B)) = (B) fur alle B 2B Alternativ lassen sich invariante Mae auch wie folgt charakterisieren: Lemma 112 Die folgenden Aussagen sind aquivalent: 1 ist invariant, 2 R ' fd= R 'dfur alle ' 2 L 1 (X B ) Beweis (2) ) (1) Sei B 2Bbeliebig Mit ' = B, der charakteristischen Funktion von B, folgt (B) = Z 'd= und damit, da invariant ist Z ' fd= (f ;1 (B)) (1) ) (2) Nach Voraussetzung gilt fur alle B 2B Z Z B fd= (B) =(f ;1 (B)) = B d: Da jede Funktion ' 2 L 1 (X B ) durch endliche Linearkombinationen solcher charakteristischer Funktionen approximiert werden kann, folgt die Behauptung
16 1 KAPITEL 1 GRUNDLAGEN Beispiel Sei (X B) ein Maraum und f : X! X die Identitat Dann sind alle Wahrscheinlichkeitsmae auf (X B) invariant 2 Sei X eine beliebige Menge und B =( X) die triviale -Algebra Dann existiert genau ein Wahrscheinlichkeitsma, deniert durch (X) =1und ( ) = Dieses ist fur jede mebare Abbildung f : X! X auch invariant 3 Ist p Fixpunkt von f, dann ist das Dirac-Ma p ein invariantes Ma Denn ist p 2 B, so folgt p 2 f ;1 (B) und damit p (B) = p (f ;1 (B)) = 1 Ist jedoch p=2 B, so ist auch p=2 f ;1 (B) und es folgt hier p (B) = p (f ;1 (B)) = Ahnlich zeigt man, da fur einen periodischen Punkt q der Ordnung n P das Ma = 1 n;1 n i= f i (q) invariant ist 4 Sei X =[ 1) und B die Borel -Algebra auf X Zuf : X! X f(x) = 1x mod 1 ist das Lebesgue-Ma m invariant S Beweis Fur Intervalle der Form [a b) gilt f ;1 9 ([a b)) = [ a+i b+i) und i= 1 1 daher m(f ;1 ([a b))) = 9X i= b + i 1 ; a + i 1 = b ; a = m([a b)): (12) Sei das durch (B) =m(f ;1 (B)) denierte Ma Wegen (12) gilt also ([a b)) = b ; a Das einzige Ma mit dieser Eigenschaft ist jedoch das Lebesgue-Ma (siehe zb [1]) Daher folgt m(b) =(B) =m(f ;1 (B)) fur alle B 2B: Es stellt sich nun die Frage, wann invariante Mae existieren Dies beantwortet der folgende Satz (siehe [37]): Satz 114 Falls f : X! X ein Homoomorphismus eines kompakten, metrischen Raums X und B die Borel -Algebra ist, dann existiert wenigstens ein invariantes Ma Eines der grundlegenden Resultate uber invariante Mae ist der Poincaresche Ruckkehrsatz Er erlaubt es, Aussagen uber das " Ruckkehrverhalten\ eines dynamischen Systems zu machen Satz 115 (Poincarescher Ruckkehrsatz) Sei f : X! X eine mebare Abbildung auf dem Maraum (X B) und ein invariantes Ma Dann existiert fur alle B 2Bund -fast alle x 2 B ein n 1, sodaf n (x) 2 B, dh-fast alle x 2 B kehren unter Iteration mit f irgendwann nach B zuruck
17 13 ERGODENTHEORIE 11 Beweis (Vgl [36]) Sei F die Menge aller Punkte von B, die nichtnach B zuruckkehren Dann ist F 2B,da F = B ; [ n1 f ;n (B) =B \ f ;1 (X ; B) \ f ;2 (X ; B) \ ::: Ist x 2 F, so ist f n (x) =2 F fur jedes n 1 Also ist F \f ;n (F )= fur n 1 und daher f ;k (F )\f ;(n+k) (F )= fur jedes n 1 und k Dies impliziert, da die Mengen F, f ;1 (F ), f ;2 (F ) ::: paarweise disjunkt sind und mit der Invarianz von folgt 1 1[ n= f ;n (F )! = 1X n= Dies kann aber nur gelten, wenn (F )= (f ;n (F )) = 1X n= (F ): Man kann sogar folgern, da -fast alle Punkte x 2 B unendlich oft zuruckkehren Denn falls f k (x) =2 B fur alle k m, dann kehrt x unter f m nicht zuruck, x gehort also nach Satz 115 einer -Nullmenge an Vereinigung uber alle m liefert schlielich die Behauptung Noch genauere Aussagen ermoglichen spezielle invariante Mae, die ergodischen Mae Denition 116 Ein invariantes Ma heit ergodisch, falls fur jede Menge B 2Bmit f ;1 (B) =B entweder (B) =oder(b) = 1 gilt Beispiel Ist f : X! X die Identitat, dann ist ein Ma genau dann ergodisch, wenn alle B 2Bdas Ma oder 1 besitzen 2 Die Mae p zu einem Fixpunkt p und = 1 n P n;1 i= f i (q) zu einem periodischen Punkt q sind nicht nur invariant (vgl Beispiel 113, 3), sondern sogar ergodisch Auch fur ergodische Mae ist eine alternative Charakterisierung moglich: Lemma 118 Die folgenden Aussagen sind aquivalent: 1 ist ergodisch, 2 ' f = ' fur ein ' 2 L 1 (X B ) ) ' ist konstant -fast uberall Beweis (2) ) (1) Fur eine Menge B 2B mit f ;1 (B) = B sei ' = B die charakteristische Funktion von B Wegen f ;1 (B) =B folgt ' f = B f = B = ' NachVoraussetzung ist daher ' konstant -fast uberall Da ' = B, folgt also (B) =oder(b) =1
18 12 KAPITEL 1 GRUNDLAGEN (1) ) (2) Ware ' 2 L 1 (X B ) eine Funktion, die nicht -fast uberall konstant ware, so gabe es ein c 2 R, so da die Menge B = fx 2 X : '(x) >cg das Ma < (B) < 1 besitzt Andererseits impliziert die Annahme ' f = ', da f ;1 (B) =B ist, was schlielich zum Widerspruch fuhrt Das Hauptresultat fur ergodische Mae ist, da das zeitliche Mittel typischer Orbits gleich dem raumlichen Mittel bezuglich des ergodischen Maes ist: Satz 119 (Birkhosches Ergodentheorem) Sei f : X! X eine mebare Abbildung auf dem Maraum (X B) und ein ergodisches Ma Dann gilt fur -fast alle x 2 X fur alle ' 2 L 1 (X B ) X n;1 1 lim n!1 n Beweis Siehe zb [29] oder [37] i= '(f i (x)) = Z 'd (13) Zu x 2 X und B 2Bkann die relative Haugkeit, mit der Punkte von ff i (x)g n;1 in B liegen, geschrieben werden als 1 i= n P n;1 i= B(f i (x)) Nach dem Ergodentheorem gilt daher: Folgerung 12 Ist ergodisch, so ist fur -fast alle x 2 X die Wahrscheinlichkeit, da Iterierte f i (x) i=1 2 :::,inb liegen, gleich (B) Existiert fur ein dynamisches System ein invariantes Ma, so auch immer ein ergodisches Ma [37] Fur solche Mae, wie die aus Beispiel 117, 2, die nur Punkten eines periodischen Orbits eine Masse zuordnen, ist das Birkhosche Ergodentheorem jedoch nicht besonders aussagekraftig Man ist daher mehr an Maen interessiert, fur die Gleichung (13) fur eine Menge mit positivem Lebesgue-Ma gilt Dies fuhrt auf den Begri des SRB-Maes (nach Sinai, Ruelle und Bowen) Denition 121 Ein ergodisches Ma ist ein SRB-Ma, falls eine Menge U X mit positivem Lebesgue-Ma existiert, so da fur jede stetige Funktion ' und alle x 2 U gilt X n;1 1 lim n!1 n i= '(f i (x)) = Z 'd: Bemerkung 122 Die Existenz von SRB-Maen konnte bisher nur in einigen speziellen Fallen gezeigt werden, so zb fur sog Anosov Systeme durch Ya G Sinai [39] oder fur Axiom-A Systeme durch RBowen und D Ruelle [3, 38]
19 13 ERGODENTHEORIE 13 (fur eine Denition von Anosov Systemen und Axiom-A Systemen siehe zb [14], Kap III F) Weiter haben M Benedicks und L-S Young die Existenz von SRB-Maen fur die Henon-Abbildung fur eine " groe\ Anzahl von Parameterwerten nachgewiesen [2] Fur allgemeinere Klassen dynamischer Systeme sind bisher jedoch keine Existenzaussagen bekannt Dennoch erscheint die Denition des SRB-Maes, insbesondere im Hinblick auf " reale\ Systeme, als ganz naturliches Konzept (vgl dazu auch [14])
20 14 KAPITEL 1 GRUNDLAGEN
21 Kapitel 2 Die sequentiellen Algorithmen Im folgenden stelle ich dievon M Dellnitz, A Hohmann und O Junge [6, 7, 8] entwickelten numerischen Verfahren zur Analyse dynamischer Systeme vor und gehe auf deren sequentielle Implementierung ein Letztere bildet den Ausgangspunkt fur die in Kapitel 3 vorgestellte Parallelisierung dieser Algorithmen Im einzelnen handelt es sich hierbei um Algorithmen zur Berechnung relativer globaler Attraktoren (Abschnitt 21) und instabiler Mannigfaltigkeiten hyperbolischer Fixpunkte (Abschnitt 22) sowie Verfahren zur Approximation invarianter Mae und zur Identikation fast invarianter Mengen (Abschnitt 23) 21 Der Unterteilungsalgorithmus Der Unterteilungsalgorithmus ermoglicht die Approximation von Teilen des globalen Attraktors eines dynamischen Systems (11), die in einer gegebenen kompakten Menge Q R n liegen Im allgemeinen ist dies jedoch nicht der gesamte, in Q enthaltene Teil des globalen Attraktors Daher zunachst folgende Denition: Denition 21 Sei Q R n kompakt Dann heit A Q = \ j f j (Q) der globale Attraktor relativ zu Q Bemerkung 22 1 A Q ist kompakt, da Q kompakt und f stetig ist 2 Aus Denition 21 folgt A Q Q und A Q f(a Q ) Im allgemeinen gilt jedoch nicht f(a Q ) A Q, dh A Q braucht nicht notwendigerweise invariant zu sein 3 Sei A der globale Attraktor von f Dann gilt A Q A, aber im allgemeinen nicht A Q = A \ Q Denn seien zb p und q zwei hyperbolische Fixpunkte 15
22 16 KAPITEL 2 DIE SEQUENTIELLEN ALGORITHMEN mit W s (q) = W u (p) und sei Q so gewahlt, da q 2 Q ist, aber nicht p 2 Q (siehe Abb 21) Dann ist zwar W u (p) A, es gilt jedoch nicht W u (p) \ Q A Q u W (p) = W (q) s p A Q q Q Abbildung 21: Beispiel fur A Q 6= A \ Q (vgl [7], Abb 1) Die Idee zur Approximation des relativen globalen Attraktors A Q besteht nun darin, Q sukzessive in kleinere Teilmengen zu unterteilen und jeweils diejenigen darunter zu entfernen, die keinen Teil von A Q enthalten Dies wird durch folgenden Algorithmus realisiert: Algorithmus 23 (Unterteilungsalgorithmus) Sei B eine endliche Kollektion kompakter Teilmengen des R n mit Q = [ B2B B: Fur k =1 2 ::: erzeuge B k aus B k;1 wie folgt: 1 Unterteilung: Konstruiere eine neue endliche Kollektion Bk b kompakter Teilmengen des R n,fur die gilt: [ [ B = B B2 bb k B2B k;1 und diam( b Bk ) diam(b k;1 ) fur ein mit <<1 Hierbei sei diam(b) = max B2B diam(b) 2 Auswahl: Deniere B k durch B k = fb 2 b Bk : f ;1 (B) \ b B 6= fur ein b B 2 b Bk g:
23 21 DER UNTERTEILUNGSALGORITHMUS 17 Beispiel 24 Sei f : R! R gegeben durch f(x) = ax mit a 2 ( 1 ) Zu 2 Q =[;1 1] soll der relative globale Attraktor A Q approximiert werden, welcher hier mit dem globalen Attraktor A = fg ubereinstimmt Wahle dazu als Startkollektion die Menge Q selbst, dh B = f[;1 1]g, und erzeuge Bk b jeweils durch Halbierung der Intervalle in B k;1 Damit ist B 1 = b B1 = f[;1 ] [ 1]g : Hier wird im Auswahlschritt keines der beiden Intervalle entfernt, da beide jeweils in sich selbst abgebildet werden Ein weiterer Unterteilungsschritt liefert dann bb 2 = [;1 ; 12 ] [;12 ] [ 12 ] [12 1] : Diesmal fallen im Auswahlschritt die beiden aueren Intervalle weg, da deren Urbilder auerhalb von [;1 1] liegen Es ist also B 2 = [; 12 ] [ 12 ] : Die Fortsetzung dieses Prozesses liefert schlielich im k-ten Schritt B k = [; 1 2 k;1 ] [ 1 2 k;1 ] : S Die Vereinigungen B2B k B =[; 1 1 ]konvergieren also fur k!1tatsachlich gegen den relativen globalen Attraktor A Q = fg 2 k;1 2 k;1 Fur a zwischen 1 und 1 gilt zwar ebenfalls A 2 Q = fg, man kann sich jedoch leicht uberlegen, da dann die Konvergenzgeschwindigkeit geringer ist als fur a 2 ( 1 ) (siehe dazu auch dieuntenstehende Bemerkung 26) 2 Das folgende Resultat zeigt schlielich, da der Algorithmus fur k!1immer gegen den relativen globalen Attraktor konvergiert (zum Beweis siehe [7]): Satz 25 Sei A Q der globale Attraktor relativ zur kompakten Menge Q und B eine endliche Kollektion kompakter Mengen mit Q = Q = [ B2B B Weiter seien die Mengen Q k = [ B2Bk B, k 2 N, mittels Algorithmus 23 erzeugt Dann gilt: A Q Q k fur alle k 2 N und lim k!1 h(a Q Q k )= wobei h(b B ) den gewohnlichen Hausdor-Abstand zweier kompakter Mengen B B R n bezeichne Bemerkung 26 Falls der relative globale Attraktor eine hyperbolische Struktur besitzt, hangt die Konvergenzgeschwindigkeit entscheidend von der Kontraktionsrate entlang der stabilen Richtung ab (siehe [7], Kap 4)
24 18 KAPITEL 2 DIE SEQUENTIELLEN ALGORITHMEN Die Implementierung des Unterteilungsalgorithmus: Fur die Kollektionen B k werden verallgemeinerte Rechtecke der Form R(c r) =fy 2 R n : jy i ; c i jr i fur i =1 ::: ng mit Mittelpunkt c 2 R n und Radius r 2 R n r i > fur i =1 ::: n,verwendet Diese werden in diesem Zusammenhang haug auch einfachalsboxen bezeichnet Gestartet wird der Algorithmus mit einem einzelnen Rechteck B = frg Im k-ten Unterteilungsschritt werden alle Rechtecke R(c r) 2B k;1 der aktuellen Kollektion durch Halbierung bezuglich derj-ten Koordinate unterteilt, wobei j zyklisch alle Koordinatenrichtungen durchlauft, dh j =((k ; 1) mod n) + 1 Man erhalt also jeweils zwei Rechtecke R ; (c ; ^r) und R + (c + ^r), wobei ^r i = ri fur i 6= j r i =2 fur i = j c i = c i fur i 6= j c i r i =2 fur i = j : Diese Vorgehensweise erlaubt es, die Kollektionen B k sehr ezient in einem binaren Baum, der diese Unterteilungsstruktur widerspiegelt, zu speichern Ein Beispiel hierfur zeigt Abb 22 Hier wurden drei Unterteilungen und die zugehorigen Mengen Q k k= dargestellt Man sieht, da jede Kollektion B k und die entsprechende Menge Q k eindeutig durch die Baumstruktur und das Anfangsrechteck R(c r) festgelegt ist root Abbildung 22: Speicherung der Kollektionen B k k= (aus [7], S 38)
Primzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrData Mining: Einige Grundlagen aus der Stochastik
Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrBONUS MALUS SYSTEME UND MARKOV KETTEN
Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
MehrRekursionen (Teschl/Teschl 8.1-8.2)
Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
MehrDie Optimalität von Randomisationstests
Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
Mehr(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
Mehr!(0) + o 1("). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen.
Bifurkationen an geschlossenen Orbits 5.4 167 der Schnittabbldung konstruiert. Die Periode T (") der zugehörigen periodischen Lösungen ergibt sich aus =! + o 1 (") beziehungsweise Es ist also t 0 = T (")
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrCodierungstheorie Rudolf Scharlau, SoSe 2006 9
Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets
MehrERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN
ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,
MehrWir unterscheiden folgende drei Schritte im Design paralleler Algorithmen:
1 Parallele Algorithmen Grundlagen Parallele Algorithmen Grundlagen Wir unterscheiden folgende drei Schritte im Design paralleler Algorithmen: Dekomposition eines Problems in unabhängige Teilaufgaben.
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
Mehr15 Optimales Kodieren
15 Optimales Kodieren Es soll ein optimaler Kodierer C(T ) entworfen werden, welcher eine Information (z.b. Text T ) mit möglichst geringer Bitanzahl eindeutig überträgt. Die Anforderungen an den optimalen
MehrWS 2008/09. Diskrete Strukturen
WS 2008/09 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0809
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
MehrFixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
Mehra n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:
Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
Mehr5.2 Neue Projekte erstellen
5.2 Neue Projekte erstellen Das Bearbeiten von bestehenden Projekten und Objekten ist ja nicht schlecht wie aber können Sie neue Objekte hinzufügen oder gar völlig neue Projekte erstellen? Die Antwort
MehrBeweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
Mehr6.2 Perfekte Sicherheit
04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrFrohe Weihnachten und ein gutes neues Jahr!
Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
MehrLösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.)
Lösungsmethoden gewöhnlicher Dierentialgleichungen Dgl) Allgemeine und partikuläre Lösung einer gewöhnlichen Dierentialgleichung Eine Dierentialgleichung ist eine Gleichung! Zum Unterschied von den gewöhnlichen
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrDatensicherung. Beschreibung der Datensicherung
Datensicherung Mit dem Datensicherungsprogramm können Sie Ihre persönlichen Daten problemlos Sichern. Es ist möglich eine komplette Datensicherung durchzuführen, aber auch nur die neuen und geänderten
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrEntladen und Aufladen eines Kondensators über einen ohmschen Widerstand
Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand Vorüberlegung In einem seriellen Stromkreis addieren sich die Teilspannungen zur Gesamtspannung Bei einer Gesamtspannung U ges, der
MehrEinfache kryptographische Verfahren
Einfache kryptographische Verfahren Prof. Dr. Hagen Knaf Studiengang Angewandte Mathematik 26. April 2015 c = a b + a b + + a b 1 11 1 12 2 1n c = a b + a b + + a b 2 21 1 22 2 2n c = a b + a b + + a b
MehrEin neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt
Ein neuer Beweis, dass die Newton sche Entwicklung der Potenzen des Binoms auch für gebrochene Exponenten gilt Leonhard Euler 1 Wann immer in den Anfängen der Analysis die Potenzen des Binoms entwickelt
MehrBeispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen
4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.
Mehr40-Tage-Wunder- Kurs. Umarme, was Du nicht ändern kannst.
40-Tage-Wunder- Kurs Umarme, was Du nicht ändern kannst. Das sagt Wikipedia: Als Wunder (griechisch thauma) gilt umgangssprachlich ein Ereignis, dessen Zustandekommen man sich nicht erklären kann, so dass
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrDas RSA-Verschlüsselungsverfahren 1 Christian Vollmer
Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Allgemein: Das RSA-Verschlüsselungsverfahren ist ein häufig benutztes Verschlüsselungsverfahren, weil es sehr sicher ist. Es gehört zu der Klasse der
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrWS 2013/14. Diskrete Strukturen
WS 2013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
MehrLeitfaden zur ersten Nutzung der R FOM Portable-Version für Windows (Version 1.0)
Leitfaden zur ersten Nutzung der R FOM Portable-Version für Windows (Version 1.0) Peter Koos 03. Dezember 2015 0 Inhaltsverzeichnis 1 Voraussetzung... 3 2 Hintergrundinformationen... 3 2.1 Installationsarten...
MehrAbamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER
Abamsoft Finos im Zusammenspiel mit shop to date von DATA BECKER Abamsoft Finos in Verbindung mit der Webshopanbindung wurde speziell auf die Shop-Software shop to date von DATA BECKER abgestimmt. Mit
MehrFachbericht zum Thema: Anforderungen an ein Datenbanksystem
Fachbericht zum Thema: Anforderungen an ein Datenbanksystem von André Franken 1 Inhaltsverzeichnis 1 Inhaltsverzeichnis 1 2 Einführung 2 2.1 Gründe für den Einsatz von DB-Systemen 2 2.2 Definition: Datenbank
MehrApproximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
MehrUniversität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip. KLAUSUR Statistik B
Universität Bonn 28. Juli 2010 Fachbereich Rechts- und Wirtschaftswissenschaften Statistische Abteilung Prof. Dr. A. Kneip Sommersemester 2010 KLAUSUR Statistik B Hinweise zur Bearbeitung: Bei allen Teilaufgaben
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrKurzanleitung. MEYTON Aufbau einer Internetverbindung. 1 Von 11
Kurzanleitung MEYTON Aufbau einer Internetverbindung 1 Von 11 Inhaltsverzeichnis Installation eines Internetzugangs...3 Ist mein Router bereits im MEYTON Netzwerk?...3 Start des YAST Programms...4 Auswahl
MehrAusarbeitung des Seminarvortrags zum Thema
Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrTask: Nmap Skripte ausführen
Task: Nmap Skripte ausführen Inhalt Einfache Netzwerkscans mit NSE Ausführen des Scans Anpassung der Parameter Einleitung Copyright 2009-2015 Greenbone Networks GmbH Herkunft und aktuellste Version dieses
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrHandbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken
Handbuch ECDL 2003 Basic Modul 5: Datenbank Grundlagen von relationalen Datenbanken Dateiname: ecdl5_01_00_documentation_standard.doc Speicherdatum: 14.02.2005 ECDL 2003 Basic Modul 5 Datenbank - Grundlagen
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrBeweis des Satzes, dass eine einwerthige mehr als 2nfach periodische Function von n Veränderlichen unmöglich ist. Bernhard Riemann
Beweis des Satzes, dass eine einwerthige mehr als 2nfach periodische Function von n Veränderlichen unmöglich ist. Bernhard Riemann (Auszug aus einem Schreiben Riemann s an Herrn Weierstrass) [Journal für
MehrGuide DynDNS und Portforwarding
Guide DynDNS und Portforwarding Allgemein Um Geräte im lokalen Netzwerk von überall aus über das Internet erreichen zu können, kommt man um die Themen Dynamik DNS (kurz DynDNS) und Portweiterleitung(auch
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrEinführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)
Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrDie Beschreibung bezieht sich auf die Version Dreamweaver 4.0. In der Version MX ist die Sitedefinition leicht geändert worden.
In einer Website haben Seiten oft das gleiche Layout. Speziell beim Einsatz von Tabellen, in denen die Navigation auf der linken oder rechten Seite, oben oder unten eingesetzt wird. Diese Anteile der Website
MehrInstallation und Inbetriebnahme von SolidWorks
Inhaltsverzeichnis FAKULTÄT FÜR INGENIEURWISSENSCHAFTEN I Prof. Dr.-Ing. Frank Lobeck Installation und Inbetriebnahme von SolidWorks Inhaltsverzeichnis Inhaltsverzeichnis... I 1. Einleitung... 1 2. Installation...
MehrH. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen
H. Gruber, R. Neumann Erfolg im Mathe-Abi Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen Inhaltsverzeichnis Inhaltsverzeichnis Analysis Von der
MehrLizenzen auschecken. Was ist zu tun?
Use case Lizenzen auschecken Ihr Unternehmen hat eine Netzwerk-Commuterlizenz mit beispielsweise 4 Lizenzen. Am Freitag wollen Sie Ihren Laptop mit nach Hause nehmen, um dort am Wochenende weiter zu arbeiten.
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
Mehr