26.12.2013 Aufrufe

Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...

Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...

Einführung in die Numerische Mathematik - Lehrstuhl Numerische ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

1 E<strong>in</strong>leitung<br />

Def<strong>in</strong>ition 1.6 (Landau-Symbole). (i) Es sei g(n) e<strong>in</strong>e Funktion mit g → ∞ für n → ∞.<br />

Dann ist f ∈ O(g) genau dann, wenn<br />

lim sup<br />

n→∞<br />

f(n)<br />

∣ g(n) ∣ < ∞<br />

sowie f ∈ o(g) genau dann, wenn<br />

lim<br />

n→∞ ∣<br />

f(n)<br />

g(n) ∣ = 0.<br />

(ii) Sei g(h) e<strong>in</strong>e Funktion mit g(h) → 0 für h → 0. Wir def<strong>in</strong>ieren wie oben f ∈ O(g)<br />

sowie f ∈ o(g).<br />

E<strong>in</strong>fach gesprochen: f ∈ O(g), falls f höchstens so schnell gegen ∞ konvergiert wie g und<br />

f ∈ o(g), falls g schneller als f gegen ∞ geht. Entsprechend gilt für g → 0. dass f ∈ O(g),<br />

falls f m<strong>in</strong>destens so schnell gegen Null konvergiert wie g und f ∈ o(g) falls f schneller<br />

als g gegen Null konvergiert. Mit Hilfe der Landau-Symbole lässt sich der Aufwand<br />

e<strong>in</strong>es Verfahrens e<strong>in</strong>facher charakterisieren. Im Fall der trivialen Polynomauswertung <strong>in</strong><br />

Algorithmus 1.3 gilt für den Aufwand A 1 (n) <strong>in</strong> Abhängigkeit der Polynomgröße n:<br />

A 1 (n) ∈ O(n 2 ),<br />

und im Fall des Horner-Schema’s von Algorithmus 1.4<br />

A 2 (n) ∈ O(n).<br />

Wir sagen: der Aufwand der trivialen Polynomauswertung wächst quadratisch, der Aufwand<br />

des Horner-Schema’s l<strong>in</strong>ear. Weiter können mit den Landau-Symbolen Konvergenzbegriffe<br />

quantifiziert und verglichen werden. In den entsprechenden Kapiteln kommen wir<br />

auf <strong>die</strong>sen Punkt zurück.<br />

<strong>Numerische</strong> Lösungen s<strong>in</strong>d oft mit Fehlern behaftet. Fehlerquellen s<strong>in</strong>d zahlreich: <strong>die</strong> E<strong>in</strong>gabe<br />

kann mit e<strong>in</strong>em Messfehler versehen se<strong>in</strong>, das numerische Verfahren approximiert<br />

<strong>die</strong> Lösung nur (ist also ke<strong>in</strong> direktes Verfahren), <strong>die</strong> Aufgabe kann nur mit Hilfe e<strong>in</strong>es<br />

Computers oder Taschenrechners gelöst werden und ist mit Rundungsfehlern versehen.<br />

Wir def<strong>in</strong>ieren:<br />

Def<strong>in</strong>ition 1.7 (Fehler). Sei ˜x ∈ R <strong>die</strong> Approximation e<strong>in</strong>er Größe x ∈ R. Mit |δx| =<br />

|˜x − x| bezeichnen wir den absoluten Fehler und mit |δx|/|x| den relativen Fehler.<br />

Üblicherweise ist <strong>die</strong> Betrachtung des relativen Fehlers von größerer Bedeutung: denn e<strong>in</strong><br />

absoluter Messfehler von 100m ist kle<strong>in</strong>, versucht man den Abstand zwischen Erde und<br />

Sonne zu bestimmen, jedoch groß, soll der Abstand zwischen Mensa und <strong>Mathematik</strong>gebäude<br />

gemessen werden.<br />

4

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!