Loadbalancing auf Parallelrechnern mit Hilfe endlicher Dimension ...
Loadbalancing auf Parallelrechnern mit Hilfe endlicher Dimension ...
Loadbalancing auf Parallelrechnern mit Hilfe endlicher Dimension ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
3 <strong>Dimension</strong>-Exchange-Verfahrenbekannt sein. Da diese numerisch jedoch kaum zu berechnen ist, ist dieser Abschnitt ehervon theoretischem Wert.Sei nun X ∈ R n×n die Matrix, die M DE <strong>auf</strong> Jordan-Gestalt transformiert, d. h.⎛J r1 (µ 1 )X −1 M DE X = ⎝⎛⎞⎞µ k 1. .. ... . ..⎠ <strong>mit</strong> J rk (µ k ) = ⎜⎝. ⎟ .. 1 ⎠ ∈ Cr k×r kJ rl (µ l )µ k<strong>mit</strong> µ 1 = 1 und r 1 = 1. Analog zu den Eigenvektoren im diagonalisierbaren Fall existierennun verallgemeinerte Eigenvektoren z i,j <strong>mit</strong> ( M DE − µ DEi I ) j zi,j = 0 für i = 1, . . . , lund j = 1, . . . , r i . Diese stehen senkrecht <strong>auf</strong> der Gleichverteilung, wie folgende Verallgemeinerungvon Lemma 3.13 zeigt:Lemma 3.17. Es sei z 1,1 = e = (1, . . . , 1) T und z ein weiterer verallgemeinerter Eigenvektorvon M DE zum Eigenwert µ ≠ 1. Dann stehen z 1 und z senkrecht <strong>auf</strong>einander.Beweis. Da M DE doppelt stochastisch ist, gilt wieder M DEH z 1,1 = z 1,1 .[]z H z 1,1 = z H 1() j(1 − µ) j M DEH − µI z1,1=[= 0]1(Hj(1 − µ) j M DE − µI)z z 1,1Es sei nun wie üblich m die Anzahl verschiedener Eigenwerte. Zu jedem Eigenwert µ DEk ,k = 1, . . . , m bezeichne s k die <strong>Dimension</strong> des größten Jordanblock zu µ DEk. Der DE-OPT-Algorithmus muss nun so verändert werden, dass jeder Eigenwert µ DEkbzw. λ DEkmehrfachentsprechend seiner maximalen Vielfachheit s k in einem Jordanblock angewandt wird,vergleiche Algorithmus 3.8.for k = 1, . . . , m − 1 dow k,0 = w k−1for j = 1, . . . , s kw k,j =end forw k = w k,s kend for( do )I − 1 L DE w k,j−1λ DEk+1Algorithmus 3.8: DE-OPT-Verfahren für den nicht-diagonalisierbaren Fall50