Logische Verknüpfungen. while-schleifen. Zahlendarstellung auf dem Computer. Formatierung von Zahlen in MATLAB.

Transkript

1 Logische Verknüpfungen. while-schleifen. Zahlarstellung auf dem Computer. Formatierung von Zahlen in MATLAB. Logische Verknüpfungen In der letzten Sitzung haben wir kennengelernt, wie wir Zahlen mit Operationen wie <, <=, ==, etc. vergleichen können. Das Ergebnis von solchen Operationen nennt man boolesche Werte. Diese Werte werden in MATLAB als Zahlen 1 (true, also wahr) und 0 (false, also falsch) gespeichert. Sind b1 und b2 zwei boolesche Variablen, so können wir die Konjunktion b1 b2 (wahr genau dann, wenn beide Variablen wahr sind) in MAT- LAB durch b1 && b2 ausdrücken. Die Disjunktion b1 b2 (wahr genau dann, wenn mindestens eine der Variablen wahr ist) durch b1 b2. >> (1 < 3) && (3 < 5) 1 >> (1 < 3) && (7 < 5) 0 >> (1 < 3) (7 < 5) 1 >> (5 < 3) (7 < 5) 0 Es gelten dieselben Klammerregeln wie in der Mathematik. Vergleichsoperationen müssen geklammert werden, wenn sie Teil eines anderen Ausdrucks sind. In MATLAB können immer nur Vergleichsoperationen zwischen zwei Zahlen durchgeführt werden, Ausdrücke wie 1 < x < 3 funktionieren nicht wie erwartet: MATLAB klammert zuerst die ersten beiden Terme 1

2 und konvertiert das Ergebnis dieses Vergleichs, den Wahrheitswert, in eine Zahl, mit welcher der zweite Vergleich durchgeführt wird. Zum Beispiel ist der Ausdruck 2 < 4 < 3 fälschlicherweise wahr. Mit Klammerung lautet er nämlich: (2 < 4) < 3. Da 2 < 4 wahr, also gleich 1, ist, wird der unsinnige Vergleich 1 < 3 durchgeführt, der wahr ist. Wir müssen solche Vergleiche also stets mit einem && in zwei einzelne Vergleiche umschreiben: (1 < x) && (x < 3). while-schleifen Mit for-schleifen können wir Befehle mehrmals ausführen, doch die Anzahl der Iterationen muss zum Beginn der Schleife angegeben werden. In vielen numerischen Verfahren ist jedoch die Anzahl der Iterationen a priori nicht bekannt, z.b. wenn man mit dem Newton-Verfahren die Nullstelle einer Funktion approximativ bis auf eine bestimmte Genauigkeit bestimmen will. Bei while-schleifen wird hingegen solange iteriert wie eine gegebene Bedingung, also ein boolescher Wert, wahr ist. Die allgemeine Syntax lautet: while ( Bedingung) (Befehle) Als erstes Beispiel wollen wir bestimmen, ab welchem i N die Fakultät von i größer als ist. Hier ist nun die Anzahl der Schleifurchläufe die Information, welche wir mit unserem Programm erhalten wollen. Wir wollen in jedem Durchlauf der Schleife die Variable i um 1 erhöhen und die Fakultät von i über die Rekursion i! = i(i 1)! berechnen, wobei der rechte Faktor bereits aus dem vorherigen Schleifurchlauf bekannt ist und wir daher nur mit i multiplizieren müssen. Die Schleife soll so lange laufen, wie die berechnete Fakultät kleiner als eine Million ist, dies können wir direkt in unseren Programmcode übersetzen. factorial = 1; i = 0; while factorial <= i = i + 1; factorial = factorial * i; 2

3 factorial i Anders als bei for-schleifen mussten wir uns hier um die Definition und das Erhöhen von i selbst kümmern. Bei der Arbeit mit while-schleifen kann es passieren, dass die angegebene Bedingung nie erfüllt wird, beispielsweise durch einen Programmierfehler. Wir haben es dann mit einer sogenannten Endlosschleife zu tun. Diese kann man dann durch Drücken von strg + C been. Das folge Beispiel zeigt einen häufig gemachten Fehler, in dem das Hochzählen von i vergessen, und somit eine Endlosschleife programmiert wurde: i = 1; while i < 10 2 * i Aufgabe 1. Für q ( 1, 1) sei an die geometrische Reihe k=0 q k = 1 1 q erinnert. Für welches n ist die Differenz zwischen der n-ten Partialsumme und der geometrischen Reihe zum ersten Mal kleiner als error? Testen Sie Ihr Programm für q = 0.1 und error = continue und break Bei while- und auch for-schleifen kann es in außergewöhnlichen Situationen vorkommen, dass wir eine Iteration überspringen oder die Schleife komplett abbrechen wollen. Hierfür gibt es in MATLAB die Befehle continue und break. continue lässt MATLAB alle nachfolgen Befehle im aktuellen Schleifurchlauf überspringen. Im folgen Beispiel überspringen wir für i == 2 die Berechnung von 2 * i: for i = 1:4 if i == 2 continue 3

4 2 * i Wir hätten das selbe Verhalten auch mit if... else... erzeugen können, continue ist lediglich eine alternative Lösung, die bei komplexeren Schleifen das Programm vereinfacht. Analog können wir auch break verwen. Hierbei wird die Schleife jedoch sofort komplett abgebrochen. Nur in Ausnahmefällen ist die Verwung von break angebracht, z.b. wenn bei der Durchführung eines Algorithmus bemerkt wird, dass der Algorithmus nicht funktionieren kann und die weitere Durchführung zwecklos ist. Aufgabe 2. Jede for-schleife kann zu einer while-schleife umgeschrieben werden. Wie sieht das folge Programm mit einer while-schleife aus? n = 10; sum = 0; for i = 1:n sum = sum + i; Gleitkommaarithmetik und Rechengenauigkeit In der Vorlesung bzw. in den Übungen haben Sie schon eine erste Einführung in die Darstellung von Zahlen auf dem Computer erhalten. Dieses Kapitel wollen wir nun unter anderem anhand der Übungsaufgaben vertiefen, doch zunächst folgt eine kleine auf die Praxis ausgerichtete Wiederholung. Das IEEE 754 Format Die Darstellung einer Zahl auf dem Computer erfolgt im IEEE 754 Format (siehe dazu auch Definition 1.11 in der Vorlesung). Die Darstellung einer Zahl x geschieht in der Form mit rd(x) = ±(1.m #m... m 1 ) 2 2 (e #e...e 1 ) 2 b 4

5 der Mantisse M = (1.m #m m 1 ) 2, dem Biaswert b = 2 #e 1 1 und dem Exponenten e = (e #e e 1 ) 2. Die Klammerung ( ) 2 bedeutet, dass die Zahl in den Klammern in Binärdarstellung aufzufassen ist. Als Ziffern sind in dieser Darstellung nur 0 oder 1 erlaubt, statt der Ziffern 0 bis 9 in der bekannten Dezimaldarstellung. Ist ( ) 10 die Dezimaldarstellung, so gilt: ( n ) (b n b 0.b 1 b m ) 2 = b k 2 k. k= m Der Computer kann die zwei Zustände im Binärsystem als Strom an / aus viel einfacher realisieren als die 10 Zustände im Dezimalsystem. Ein Zustand mit Werten in {0, 1} wird als Bit (binary digit) bezeichnet und 8 Bits zu einem Byte zusammengefasst. Ein Byte kann also 2 8 = 256 Zustände darstellen. Zur Speicherung von Gleitkommazahlen müssen auf dem Computer nur die folgen Bits gespeichert werden: Ein Bit s für das Vorzeichen. Für negative Zahlen ist dieser Bit s=1, sonst s=0. #e Bits für den Exponenten e #e... e 1. #m Bits für die Mantisse m #m... m 1. Die erste 1 vor dem Komma muss nicht gespeichert werden. Double und Single Precision Die Anzahl der Bits für den Exponenten und die Mantisse legt die Menge der darstellbaren Gleitkommazahlen fest. Der Computer verwet die folgen zwei Gleitkommadarstellungen. double precision single precision #m #e 11 8 Speicherplatz 64 Bit 32 Bit x max x min, ε

6 Dabei bezeichnet x max die größte und x min, die betragsmäßig kleinste darstellbare Zahl. Oft wird single precision auch als float bezeichnet. Die Zahl ε ist die Maschinengenauigkeit und gibt an, mit welcher Genauigkeit Rechenoperationen zwischen zwei Zahlen dargestellt werden können. Sie ist wie folgt definiert: ε := inf{ x > 0 rd(1 + x) > 1 } Daher es handelt sich um die kleinste positive Zahl, deren Summe bei Addition zu 1, zu eine Zahl echt größer als 1 aufgerundet wird. Die Zahl selbst muss nicht in der Menge des jeweils betrachteten Gleitkommasystems enthalten sein (siehe hierzu auch Präsenzübung 1.2). Zu ihrer Bestimmung gilt die Formel: ε = 1 2 2#m. Die Maschinengenauigkeit hängt also nur von der Länge der Mantisse ab! Dies sei auch an dem folgen Beispiel illustriert, wobei der Einfachheit halber die Mantissen- und Exponentenlängen #m = 2 und #e = 4 gesetzt werden. Machen Sie sich klar, dass die Zahlen a = (1.00) und b = (1.00) in dem vorgegebenen Rahmen darstellbar sind. Die Addition beider Zahlen erfordert das Angleichen der Exponenten, daher gilt: rd(a + b) = rd((1.00) 2 + (0.0001) 2 ) 2 0 = rd((1.0001) 2 ) 2 0 = (1.00) = a. Hätte man nun noch mehr Mantissenglieder zur Verfügung gehabt, so könnte das Ergebnis der Addition korrekt berechnet werden und würde nicht durch Rundung rd() verfälscht. Wie die Tabelle zeigt, ist die Maschinengenauigkeit jedoch nicht die kleinste darstellbare Zahl. Woran liegt das? Ausschlaggeb für die kleinste darstellbare Zahl ist der Wertebereich des Exponenten e, denn über diesen ermittelt sich der Biaswert, so dass sich für das kleinste Basiselement insgesamt der Exponent 0 2 b = 2 #e 1 1 ergibt. Setzt man nun zusätzlich m 1 = 1 und alle anderen Mantissenbits zu Null, so ergibt sich die kleinste darstellbare Zahl. Die Wahl e = 0 und m i = 0 für i = 1,..., #m ist für die Darstellung der Null reserviert und somit nicht möglich. Die kleinste dastellbare Zahl und die Rechengenauigkeit sind also zu unterscheiden. Insbesondere ist die Anzeige von mehr als 15 (bei double) bzw. mehr als 7 (bei single) Nachkommastellen im Dezimalsystem nicht sinnvoll, 6

7 da alle weiteren Nachkommastellen durch Rundung verfälscht sind. Man spricht deshalb bei den ersten 7 bzw. 15 auch von signifikanten Nachkommastellen. Zahlenformate und -darstellung in MATLAB ändern Man muss in MATLAB unterscheiden, wie Zahlen gespeichert und wie Zahlen dargestellt werden. Bei einer Rechnung wie 2+ 2 gibt MATLAB zwar nur 5 Nachkommastellen aus, rechnet und speichert intern jedoch die Zahlen mit double precision. Um die Zahlarstellung zu ändern, gibt es in MATLAB den Befehl format <Anzeigeformat>. Wenn Sie MATLAB starten, werden alle Zahlen standardmäßig mit dem Anzeigeformat short dargestellt: Es werden maximal 5 Nachkommastellen angezeigt. Um alle Zahlen mit der vollen Anzahl von signifikanten Stellen anzeigen zu lassen, tippen Sie im Command Window den Befehl format long ein. Je nachdem ob Sie mit double oder single precision arbeiten, werden dabei 15 oder 7 Nachkommastellen angezeigt. Manchmal ist es wünschenswert die Zahlen normalisiert, d.h. mit führer Stelle vor dem Komma ungleich Null, anzeigen zu lassen. Dies geschieht, wenn Sie den Befehl format longe eingeben. >> 1/ sqrt(2) >> format long >> 1/ sqrt(2) >> format longe >> 1/ sqrt(2) e-01 Der Suffix e-01 steht dabei für Zahlen können auch direkt in dieser Notation eingegeben werden. Dabei muss lediglich beachtet werden, dass vor dem e immer eine Zahl, zumindest eine 1, stehen muss. >> 5e

8 >> 2.5 e2 250 >>e2 Undefined function or variable 'e2'. Wie schon gesagt rechnet MATLAB standardmäßig in double precision. Wollen Sie eine Variable oder einen Wert bzw. eine Matrix allerdings lediglich in single precision speichern, so können Sie dies in MATLAB mit Hilfe des single Befehls angeben 1. >> single (1/3) >> format long >> ans Wenn Sie eine Rechenoperation zwischen zwei Zahlen in single precision durchführen, so ist das Ergebnis auch wieder eine Zahl in single precision. MATLAB rechnet dann auch intern nur in single precision. Anders ist die Situation, wenn Sie eine Rechenoperation zwischen einer Zahl d in double precision und einer anderen Zahl s in single precision durchführen wollen, dann ist das Ergebnis eine Zahl in single precision. Dies soll das folge Beispiel verdeutlichen. Der Befehl whos ist dabei ein nützliches Hilfsmittel um festzustellen in welcher Rechengenauigkeit das Ergebnis vorliegt. >> format long >> s1 = single( sqrt (2)) s1 = >> s2 = single( sqrt (5)) s2 = >> d1 = sqrt(5) d1 = Man beachte auch, dass nun bei der Umstellung auf format long nur noch 7 statt der bisher 15 Nachkommastellen angezeigt werden. 8

9 >> erg_1 = s1 + s2 erg_1 = >> erg_2 = s1 + d1 erg_2 = >> whos Name Size Bytes Class d1 1x1 8 double erg_1 1x1 4 single erg_2 1x1 4 single s1 1x1 4 single s2 1x1 4 single Die Umstellung auf single precision ist insofern attraktiv, als dass Operationen in single precision weniger Rechenzeit benötigen als in double precision. Ihr Algorithmus läuft also potentiell schneller, ist aber weniger stabil, da Rundungsfehler sich schneller auswirken. Wir werden deshalb, sofern nicht anders angegeben, auch weiterhin immer in double precision rechnen. Für die Ausgabe der Maschinengenauigkeit besitzt MATLAB den Befehl eps. Dieser gibt die Maschinengenauigkeit für double wieder. Um den Wert für single precision zu erhalten ist lediglich eine kleine Modifikation nötig. >> eps e-16 >> eps( single (1)) e-07 Gleitkommavergleiche Es kommt in der Numerik häufiger vor, dass Sie in einer if-abfrage zwei Zahlen miteinander vergleichen wollen. Mathematisch ist das Problem klar, doch durch Rundungsfehler sind Zahlen, die aus Rechnungen auf dem Computer entstanden sind, oftmals nicht exakt gleich. 9

10 Dies kann man sich anhand des folgen Beispiels klar machen, dass eine Abwandlung der Präsenzübungsaufgabe 1.1 ist. Wir wollen die Funktion ( x f(x) = x 3 x ) = x2 x x 2 1 an der Stelle x 0 = in single precision auswerten. Die beiden Terme rechts von f(x) sind mathematisch äquivalent, es ergibt sich jedoch: >> x = single (14000) x = >> f1 = x^3*(x/(x^2-1)-1/x) f1 = 0 >> f2 = x^2/(x^2-1) f2 = 1 >> f1 == f2 0 Dies ist ein Extremfall, aber er zeigt, dass der Test auf Gleichheit zu unerwarteten Ergebnissen führen kann. Daher ist es ratsam, statt der Gleichheit nur zu testen, ob die Differenz der beiden Zahlen unter einer gewissen Toleranzgrenze liegen, z.b. die der Maschinengenauigkeit. Statt a == b sollten Sie besser abs(a - b) < eps testen, dabei steht abs für den Absolutbetrag. Gleiches gilt auch für Vergleiche der Art ~=, =>, <=. 10