Sie sind auf Seite 1von 50

Mathematik f ur Biowissenschaften

Kapitel 1
Wintersemester 2013/2014
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 1 / 50
Probleme, Losungen und Algorithmen
Grundlagen der numerischen Mathematik
1 Probleme, Losungen und Algorithmen
2 Iterative Algorithmen und Abbruchsfehler
3 Rundungsfehler
4 Kondition eines Problems
5 Stabilitat eines Algorithmus
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 2 / 50
Probleme, Losungen und Algorithmen
Motivationsbeispiel f ur quadratische Gleichung
nach einem Modell aus der Strahlentherapie ergibt sich der
prozentuale Anteil SF uberlebender Zellen zu
SF = 100 e
(aD+D
2
)
D bezeichnet die Strahlendosis in Gray
a und sind Modellparameter
Welche Strahlendosis D ist zur Erreichung von SF = 10% mit der
Setzung a = 0.2 und
a

= 3 erforderlich ?
Gesucht ist also die Losung D der quadratischen Gleichung
log(0.1) = 0.2D
0.2
3
D
2
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 3 / 50
Probleme, Losungen und Algorithmen
Problemspezikation
Welche Groen sind gegeben?
Welche Groen sind gesucht?
Was sind die Eigenschaften der gegebenen Groen ?
Wie lautet der Zusammenhang zwischen Gegebenem und
Gesuchtem ?
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 4 / 50
Probleme, Losungen und Algorithmen
Problemklassen
Konkrete Problemstellungen
Lose die Gleichung x
2
4x 5 = 0
Bestimme Quotient und Rest bei Division von 13 durch 6
Problemklassen
Lose die Gleichung x
2
2px + q = 0 f ur x in R mit beliebigen
p, q R.
Bestimme Quotient und Rest bei Division zweier nat urlicher
Zahlen m und n.
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 5 / 50
Probleme, Losungen und Algorithmen
Problemspezikation
Allgemeine Form eines Bestimmungsproblems
Gegeben: x
mit: J
x
.
Gesucht: y
mit: O
x,y
.
x Eingabevariable(n) (auch Eingangsdaten)
y Ausgabevariable(n)
J
x
Eingabebedingung
O
x,y
Ausgabebedingung
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 6 / 50
Probleme, Losungen und Algorithmen
Beispiel
Problemstellung (Reelle Losung einer quadratischen Gleichung).
Gegeben: p, q
mit: p, q R.
Gesucht: x
mit: x R und x
2
2px + q = 0.
Eingabevariablen: p, q.
Ausgabevariable: x.
p = 2 und q = 5 erf ullen die Eingabebedingung zulassige
Eingaben.
Losen der Gleichung x
2
4x 5 = 0 f ur x R eine Instanz
dieser Problemstellung.
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 7 / 50
Probleme, Losungen und Algorithmen
Losbarkeit eines Problems
Ein Problem kann keine Losung besitzen.
Ein Problem kann mehrere Losungen besitzen.
Ein Problem kann genau eine Losung besitzen.
Falls eindeutig losbar Abbildung , die der Eingangsgroe die
eindeutige Losung zuordnet
: x mit J
x
dasjenige y mit O
x,y
.
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 8 / 50
Probleme, Losungen und Algorithmen
Losbarkeit von x
2
2px + q = 0 uber R
Falls p
2
q < 0 keine Losung
Falls p
2
q = 0 genau eine Losung
x = p
Falls p
2
q > 0 zwei Losungen
x = p +
_
p
2
q und x = p
_
p
2
q
Modikation der Problemspezikation
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 9 / 50
Probleme, Losungen und Algorithmen
Modizierte Problemstellung
Problemstellung (Kleinste reelle Losung einer quadratischen Gleichung).
Gegeben: p, q R
mit: p
2
q 0.
Gesucht: x R
mit: x
2
2px + q = 0 und x p.
f ur alle zulassigen Eingangsdaten p und q eindeutig losbar
eindeutige Losung gegeben durch
(p, q) := p
_
p
2
q
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 10 / 50
Probleme, Losungen und Algorithmen
Von der Problemspezikation zum Algorithmus
Wie kann (x) zu gegebenen Daten x berechnet werden ?
Begrisbildung (Algorithmus)
Ein Algorithmus ist eine prazise Vorschrift zur Durchf uhrung einer
endlichen Folge von Elementaroperationen, um Probleme einer
bestimmten Klasse zu losen.
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 11 / 50
Probleme, Losungen und Algorithmen
Algorithmus I zu (p, q) = p
_
p
2
q
Algorithmus QuadGlgI: Quadratische Gleichung, Variante I

1
p p

2

1
q

2
x p
3
return x
Aufruf: QuadGlgI(p, q)
Eingabe: p, q R
mit: p
2
q 0.
Ausgabe: x R
mit: x
2
2px + q = 0 und x p.
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 12 / 50
Probleme, Losungen und Algorithmen
Begri der Elementaroperation
der Begri der Elementaroperation ist dehnbar, nur +, , , / oder
auch sqrt, exp,... ?
auch ein Algorithmus kann als Unteralgorithmus zur Losung eines
Teilproblems zur Elementaroperation werden
selbst hinter +, , , / stecken Algorithmen
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 13 / 50
Probleme, Losungen und Algorithmen
Algorithmus II zu (p, q) = p
_
p
2
q
Algorithmus QuadGlgII: Quadratische Gleichung, Variante II

1
p p

2

1
q

4
p +
3
x
q

4
return x
Aufruf: QuadGlgII(p, q)
Eingabe: p, q R
mit: p
2
q 0.
Ausgabe: x R
mit: x
2
2px + q = 0 und x p.
Basierend auf
p
_
p
2
q = (p
_
p
2
q)
p +
_
p
2
q
p +
_
p
2
q
=
q
p +
_
p
2
q
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 14 / 50
Probleme, Losungen und Algorithmen
Umsetzung des Algorithmus am Computer
in allgemeinen Programmiersprachen wie C, Fortran,...
in speziellen freien und kommerziellen
Mathematik-Softwarepaketen
Fragestellungen uber den reellen Zahlen erfordern ein
Computermodell von R
numerische Losungen in Form von Kommazahlen
MATLAB ist ein kommerzielles Mathematik-Softwarepaket
Spezialisierung auf numerische Berechnungen
Verf ugbarkeit von Losungsalgorithmen zu gangigen Fragestellungen
Entwicklung eigener Losungsalgorithmen
GNU Octave als freier Ersatz
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 15 / 50
Probleme, Losungen und Algorithmen
QuadGlg I in Matlab
die Losung von x
2
6x + 7 = 0 mit x 3 ist 3

2
in MATLAB liefert der Aufruf QuadGlgI(3,7) die numerische
Losung
1.5858
die Formatangabe format long f uhrt auf die Losung
1.585786437626905
im Vergleich dazu hat die irrationale Zahl 3

2 unendliche viele
Nachkommastellen
die numerische Losung ist also fehlerhaft!
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 16 / 50
Probleme, Losungen und Algorithmen
Fehlerbegrie
beim Rechnen am Computer konnen Fehler (unterschiedlicher
Ursache) auftreten
Naherungslosungen
Denition (Absoluter und relativer Fehler)
Sei z R eine Naherung von z R. Dann nennt man
z z
den absoluten Fehler von z. Ist z ,= 0, so ist

z,z
=
z z
z
der relative Fehler von z.
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 17 / 50
Iterative Algorithmen und Abbruchsfehler
Grundlagen der numerischen Mathematik
1 Probleme, Losungen und Algorithmen
2 Iterative Algorithmen und Abbruchsfehler
3 Rundungsfehler
4 Kondition eines Problems
5 Stabilitat eines Algorithmus
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 18 / 50
Iterative Algorithmen und Abbruchsfehler
Iterative Algorithmen
iterative Algorithmen nahern die Losung Schritt f ur Schritt an
Problemstellung (Wurzel aus r).
Gegeben: r R
+
Gesucht: x R
+
mit: x
2
= r.
hinter dem Befehl sqrt(r) steckt ein iterativer Algorithmus
basierend auf der Beziehung

r =
1
2
_

r +
r

r
_
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 19 / 50
Iterative Algorithmen und Abbruchsfehler
Fixpunktgleichung

r ist also Losung der Gleichung


x = (x) (1)
mit der Funktion
: x
1
2
_
x +
r
x
_
wegen
:

r
wird

r als Fixpunkt bezeichnet
Gleichungen der Gestalt (1) heien Fixpunktgleichungen
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 20 / 50
Iterative Algorithmen und Abbruchsfehler
Graphische Losung der Fixpunktgleichung
Abbildung : Graphische Losung der Gleichung x = (x) in R
+
mit r = 2.
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 21 / 50
Iterative Algorithmen und Abbruchsfehler
Fixpunktiteration
es sei x
0
> 0 ein Schatzwert f ur die Losung

r
eine Verbesserung von x
0
erhot man sich durch Iterationsfolge
(x
n
)
nN
0
x
n+1
= (x
n
) f ur n = 0, 1, 2, . . .
die Folge konvergiert gegen eine Zahl x, d.h.
lim
n
x
n
= x
daraus folgt x = ( x) und damit x
2
= r
wegen x
n


r gilt schlielich x =

r
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 22 / 50
Iterative Algorithmen und Abbruchsfehler
Umsetzung als Iterativer Algorithmus
Algorithmus ItWurzelI : Iterative Naherung von

r, Variante I
x x
0
while A nicht erf ullt
x
1
2
(x +
r
x
)
return x
Aufruf: ItWurzelI(r, x
0
)
Eingabe: r, x
0
R
+
Ausgabe: x R
+
mit: x als Naherung von

r, die vom
Startwert x
0
und dem Abbruch-
skriterium A abhangt.
das Konvergenzresultat stellt im Prinzip sicher, dass

r beliebig
genau angenahert werden kann
der Algorithmus muss jedoch durch ein Abbruchskriterium A nach
endlich vielen Schritten abgebrochen werden
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 23 / 50
Iterative Algorithmen und Abbruchsfehler
Beispiel x
2
= 2
laut Graphik liegt die Losung etwa bei 1.4
zur Demonstration wahlen wir den schlechten Startwert x
0
= 1
in Matlab erhalt man mit ItWurzelI(2,1)
x
(1)
= 1.5
x
(2)
= 1.416666666666667
x
(3)
= 1.414215686274510
x
(4)
= 1.414213562374690
x
(5)
= 1.414213562373095
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 24 / 50
Iterative Algorithmen und Abbruchsfehler
Banachscher Fixpunktsatz
Satz (Banachscher Fixpunktsatz)
Seien a, b R mit a < b und : [a, b] [a, b]. Falls f ur alle x, y R
die Lipschitzbedingung
[(x) (y)[ L[x y[
mit einer Lipschitzkonstanten L < 1 erf ullt, existiert genau ein
Fixpunkt x in [a, b] mit ( x) = x. Weiters konvergiert f ur alle
x
0
[a, b] die durch x
n+1
= (x
n
) denierte Folge gegen x, und es gilt
die Abschatzung
[x
n
x[
L
n
1 L
[x
0
x
1
[.
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 25 / 50
Iterative Algorithmen und Abbruchsfehler
Nutzung als Abbruchskriterium
Problemstellung (Naherung an Wurzel aus r).
Gegeben: r, x
0
, R
+
.
Gesucht: x R
+
mit: [x

r[ .
Algorithmus ItWurzelII : Iterative Naherung von

r, Variante II
x
1

1
2
(x
0
+
r
x
0
)
n 1, x x
1
while
L
n
1L
[x
1
x
0
[ >
x
1
2
(x +
r
x
)
n n + 1
return x
Aufruf: ItWurzelII(r, x
0
, )
Eingabe: r, x
0
, R
+
.
Ausgabe: x R
+
mit: [x

r[ .
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 26 / 50
Rundungsfehler
Grundlagen der numerischen Mathematik
1 Probleme, Losungen und Algorithmen
2 Iterative Algorithmen und Abbruchsfehler
3 Rundungsfehler
4 Kondition eines Problems
5 Stabilitat eines Algorithmus
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 27 / 50
Rundungsfehler
Beispiel quadratische Gleichung
Problem: x
2
2px + q = 0 mit p = 5 10
11

1
20
und q = 10
11
exakte Losung:
1
10
der Aufruf QuadGlgII(5 10
11

1
20
, 10
11
) liefert
0.100000000000000
der Aufruf QuadGlgI(5 10
11

1
20
, 10
11
) liefert
0.099975585937500
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 28 / 50
Rundungsfehler
IEEE double precision Modell
realmax liefert die grote darstellbare Zahl
1.797693134862316 10
308
-realmax liefert die kleinste
zwischen den darstellbaren Zahlen gibt es (unterschiedlich groe)
L ucken
der Abstand zwischen 1 und der nachst groeren Zahl des Modells
ist die relative Maschinengenauigkeit eps
2.220446049250313 10
16
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 29 / 50
Rundungsfehler
Rundung
eine Zahl x R wird bei Eingabe in den Rechner mit Hilfe einer
(rechnerabhangigen) Rundungsabbildung
rd : x rd(x)
durch die ihr nachstgelegene Maschinenzahl rd(x) ersetzt.
in Matlab IEEE double precision erhalt man
2.32830643653869643 2.328306436538696
2.3283064365386962 2.328306436538696
2.32830643653869618 2.328306436538696
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 30 / 50
Rundungsfehler
Rundungsfehler bei der Eingabe
beim Runden von x R kann ein relativer Rundungsfehler
x
entstehen
rd(x) = x(1 +
x
)
mit der Rundungseinheit u
1
2
eps gilt
[
x
[ u
Rundungsfehler f ur x = 2.32830643653869618

2.328306436538696 2.32830643653869618
2.32830643653869618

u
mit

x
7.730941 10
17
u 1.110223 10
16
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 31 / 50
Rundungsfehler
Rundungsfehler bei Grundoperationen
anstelle der auf R denierten Elementaroperationen
+, , , /
gibt es im IEEE Modell nur Gleitkommaoperationen

_

+,

,,

/
_
f ur Maschinenzahlen x
1
und x
2
entsteht ein Rundungsfehler
x
1
,x
2
,
x
1
x
2
= (x
1
x
2
)(1 +
x
1
,x
2
,
) mit [
x
1
,x
2
,
[ u
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 32 / 50
Rundungsfehler
Rundungsfehlerfortpanzung I
der Aufruf QuadGlgI(p,q) bedeutet in IEEE

1
p p

1

q

2
x p

3
return x
anstelle der exakten Losung x erhalt man eine Naherungslosung x
typischerweise gilt x ,= x
kann die Naherung x akzeptiert werden ?
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 33 / 50
Rundungsfehler
Rundungsfehlerfortpanzung II
anstelle von x = 0.1 liefert QuadGlgI(5 10
11

1
20
, 10
11
) die
Naherung
x = 0.099975585937500
der Betrag des relativen Fehlers ist
[
x x
x
[ = 2.4414 10
4
maximaler Rundungsfehler u bei p und q verstarkt um Faktor
2.1990 10
12
katastrophale Fehlerverstarkung!!
QuadGlgII(5 10
11

1
20
, 10
11
) hingegen f uhrt auf
0.100000000000000
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 34 / 50
Rundungsfehler
Stabilitatsanalyse
wie wirken sich Rundungsfehler im Laufe eines Algorithmus auf
das Resultat aus ?
Stabilitatsanalyse des Algorithmus
einen Algorithmus nennen wir zunachst numerisch stabil, wenn sich
die Rundungsfehlerfortpanzung in Grenzen halt
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 35 / 50
Rundungsfehler
Rundungsfehler bei der Ausgabe
im Matlab Standardausgabeformat liefert
QuadGlgI(5 10
11

1
20
, 10
11
)
0.1000
mit format long ergibt sich jedoch
0.099975585937500
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 36 / 50
Kondition eines Problems
Grundlagen der numerischen Mathematik
1 Probleme, Losungen und Algorithmen
2 Iterative Algorithmen und Abbruchsfehler
3 Rundungsfehler
4 Kondition eines Problems
5 Stabilitat eines Algorithmus
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 37 / 50
Kondition eines Problems
Datenfehler
die Eingangsgroen konnen durch
Rundung
fehlerhafte Vorberechnungen
Messfehler
verfalscht sein
anstelle der exakten Daten x liegen dann nur gestorte Daten x vor
anstelle von (x) ist die eindeutige Losung des Problems dann
durch ( x) gegeben
wie wirkt sich der Datenfehler x x auf den Resultatsfehler
( x) (x) aus ?
Konditionsanalyse des Problems
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 38 / 50
Kondition eines Problems
Beispiel
Problem: Addition einer reellen Zahl x zu 0.1234567, also
(x) = x + 0.1234567
Eingabe x = 0.1234576 Ergebnis (x) = 0.0000009
Eingabe x = 0.1235576 Ergebnis ( x) = 0.0001009
Betrag des absoluten Fehlers
[ x x[ = 0.0001 [( x) (x)[ = 0.0001
Betrag des relativen Fehlers

x x
x

= 8.0999 10
4

( x) (x)
(x)

= 111.11
Verstarkungsfaktor 1.3718 10
5
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 39 / 50
Kondition eines Problems
Annahme der Eindeutigkeit
zur Erklarung des Konditionsbegris betrachten wir ein eindeutig
losbares Problem (, x) uber R, d.h.
: I R R, x (x)
mit eindeutiger Losung (x)
falls auf I dierenzierbar ist, bezeichnen wir die
Ableitungsfunktion mit

: I R R, x

(x)
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 40 / 50
Kondition eines Problems
Ableitung einer Funktion
eine Funktion : I R R, x (x) heit dierenzierbar an
einer Stelle x I, wenn der Grenzwert
lim
h0
( x + h) ( x)
h
(2)
existiert
in diesem Fall nennt man die Zahl (2) die Ableitung von an der
Stelle x und bezeichnet diese mit

( x)
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 41 / 50
Kondition eines Problems
Veranschaulichung der Ableitung
/
( x)
( x + h) ( x) +

( x)h f ur h 0
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 42 / 50
Kondition eines Problems
Absolute Kondition
Denition (Absolute Kondition)
Die absolute Kondition des Problems (, x) ist die kleinste Zahl
abs
,
f ur die
[( x) (x)[
abs
[ x x[ f ur x x
erf ullt ist.
Falls dierenzierbar ist, gilt

abs
= [

(x)[
wegen
( x) (x)

(x)( x x) f ur x x
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 43 / 50
Kondition eines Problems
relative Kondition
Denition (Relative Kondition)
Die relative Kondition des Problems (, x) mit (x) ,= 0 und x ,= 0 ist
die kleinste Zahl
rel
, f ur die
[( x) (x)[
[(x)[

rel
[ x x[
[x[
f ur x x
erf ullt ist.
Falls dierenzierbar ist, gilt

rel
=
[

(x)[
[(x)[
[x[.
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 44 / 50
Kondition eines Problems
Bedeutung der Konditionszahl
die Konditionszahlen
abs
bzw.
rel
beschreiben die im
ung unstigsten Fall eintretende Verstarkung des Betrags des
absoluten bzw. relativen Datenfehlers
bei absoluter Betrachtung heit ein Problem gut konditioniert oder
datenstabil, falls

abs
1
bei relativer Betrachtung heit ein Problem gut konditioniert oder
datenstabil, falls

rel
1, 10, 100, 1000
andernfalls heit ein Problem schlecht konditioniert
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 45 / 50
Kondition eines Problems
Additionsbeispiel
die Konditionszahlen des Problems (, x) mit
(x) = x + 0.1234567
und x = 0.1234576 sind

abs
= 1 und
rel
=
[0.1234576[
[0.1234576 + 0.1234567[
= 1.3718 10
5
im relativen Sinn ist das Problem schlecht konditioniert
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 46 / 50
Kondition eines Problems
Unvermeidbarer Fehler
die Kondition eines Problems wird im Idealfall zusammen mit
Existenz und Eindeutigkeit der Losung untersucht
insbesondere ist die Kondition vollig unabhangig von etwaigen
Losungsalgorithmen
in diesem Zusammenhang spricht man vom unvermeidbaren Fehler

abs
[ x x[ bzw.
rel
[ x x[
[x[
streng genommen handelt es sich dabei um obere Schranken f ur
den unvermeidbaren Fehler
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 47 / 50
Stabilitat eines Algorithmus
Grundlagen der numerischen Mathematik
1 Probleme, Losungen und Algorithmen
2 Iterative Algorithmen und Abbruchsfehler
3 Rundungsfehler
4 Kondition eines Problems
5 Stabilitat eines Algorithmus
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 48 / 50
Stabilitat eines Algorithmus
Eigenschaften von Algorithmen
neben den Eigenschaften eines Problems werden auch die
Eigenschaften eines Algorithmus untersucht
Korrektheit: Lost der vorgeschlagene Algorithmus das gestellte
Problem (unter Vernachlassigung von Rundungs- und
Datenfehlern) ?
Komplexitat: Wie hoch ist der Rechenaufwand bzgl. Rechenzeit
und/oder Speicherplatzbedarf ?
Stabilitat: Wie wirken sich - bei Verwendung des IEEE
Computermodells von R - Rundungs- und Datenfehler auf das
Rechenergebnis aus ?
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 49 / 50
Stabilitat eines Algorithmus
Stabilitat eines Algorithmus
Computerrealisierung eines korrekten Algorithmus zur Losung
eines Problems (, x) Resultat ( x) mit
( x) ,= (x)
Fehleraufschl usselung
( x) (x) = ( x) ( x) + ( x) (x)
der Algorithmus heit stabil, wenn der durch ihn verursachte
Fehler ( x) ( x) den unvermeidbaren Fehler ( x) (x) nicht
dominiert
Kapitel 1 Mathematik f ur Biowissenschaften Wintersemester 2013/2014 50 / 50