Computeralgebra

Die Computeralgebra ist das Teilgebiet der Mathematik und Informatik, das sich mit der automatisierten symbolischen Manipulation algebraischer Ausdrücke beschäftigt.

Überblick

Hauptziel der Computeralgebra ist es, durch konservative Rechnungen algebraische Ausdrücke umzuformen und eine möglichst kompakte Darstellung zu erzielen. Die Wertigkeit und Präzision der Gleichung wird dabei nicht angetastet. Rundungen oder Näherungen werden nicht zugelassen. Eine Nebenbedingung ist hierbei, die verwendeten Algorithmen und Methoden effizient zu gestalten.

Die Disziplinen Mathematik und Informatik sind in der Computeralgebra eng miteinander verwoben, einerseits über die Komplexitätstheorie für die Analyse, andererseits über die Softwaretechnik für die praktische Umsetzung computeralgebraischer Algorithmen.

Einen Schwerpunkt bildet das exakte Rechnen mit ganzen, rationalen und algebraischen Zahlen sowie mit Polynomen über diesen Zahlenräumen. Eine weitere Anwendung ist das symbolische Lösen von Gleichungen aller Arten, das symbolische Summieren von Reihen, die symbolische Berechnung von Grenzwerten und das symbolische Differenzieren und Integrieren (auch Algebraische Integration genannt).

Praktische Anwendung erfahren solche Ergebnisse durch den Einsatz effizienter Algorithmen bei der Entwicklung und Verbesserung von Computeralgebrasystemen, die die rechnergestützte Manipulation algebraischer Ausdrücke ermöglichen. Diese Systeme sind auch ein immer wichtiger werdendes Werkzeug für Mathematiker und Naturwissenschaftler verschiedenster Fachrichtungen.

Zugrundeliegende Strukturen

Anders als in der Numerik, wo mit Gleitkomma-Approximationen der auftretenden Zahlen gerechnet wird, hat die Computeralgebra den Anspruch, stets exakt zu rechnen. Entsprechend ist es grundsätzlich notwendig, Anforderungen an die zugrundeliegenden Strukturen (in der Regel Gruppen, Ringe oder Körper) zu spezifizieren.

Gruppen

Alle endlichen Gruppen lassen sich im Computer darstellen, für unendliche Gruppen gibt es unter bestimmten Voraussetzungen Algorithmen, etwa für polyzyklische Gruppen.

Berechenbare Ringe

Ein Ring heißt berechenbar (oder „effektiv“), wenn folgende Bedingungen gelten:

Beispiele

Berechenbar sind etwa:

Aus einem berechenbaren Ring R lassen sich weitere berechenbare Ringe konstruieren:

Formale Objekte

In der Computeralgebra werden neben den Elementen der zugrundeliegenden Bereiche noch weitere „formale“ Objekte betrachtet wie etwa

Hierbei geht es in der Regel nicht um die Berechnung von Zahlwerten, sondern beispielsweise um die Bestimmung von „geschlossenen Formeln“ als Lösungen.

Anwendungen

Bei den Anwendungen mathematischer Methoden in Naturwissenschaft und Technik stehen traditionell numerische Methoden im Vordergrund. Mit den symbolischen Methoden der Computeralgebra haben sich neue Anwendungsgebiete eröffnet, bei denen es auf exakte Lösungen ankommt und bei denen strukturmathematische Überlegungen, z.B. zur Beschreibung von Symmetrien, eingehen; ferner die Behandlung von Problemen, die von unbestimmten Parametern abhängen.

Dazu gehören etwa:

Die Methoden der Computeralgebra erlauben in diesen Anwendungsbereichen eine automatische Behandlung von Problemen, die sonst nur mühsam mit Ad-hoc-Ansätzen angegangen werden konnten. Das große Potential dieser Methoden ist dabei noch lange nicht ausgeschöpft. Kontinuierliche Förderung dieser Anwendungen und der zugrundeliegenden Algorithmen kombiniert mit immer leistungsstärkerer Hardware werden dem Gebiet Computeralgebra weitere Entwicklungsmöglichkeiten geben.

Komplexitätsbetrachtungen

Effiziente exakte Arithmetik mit ganzen Zahlen

Will man die Zeitkomplexität von Aufgaben und Algorithmen zur exakten Arithmetik mit ganzen Zahlen klassifizieren, so muss zunächst ein Rechnermodell zugrunde gelegt werden. Ein relativ eingängiges Modell ist die Mehrband-Turingmaschine, eine Variante der klassischen Turingmaschine, die mehrere Bänder mit je einem Schreib-/Lesekopf besitzt. Für Komplexitätsabschätzungen mit der Landau-Notation wird bei Bedarf unter der Bezeichnung \operatorname {log} ein Logarithmus zu einer nicht spezifizierten Basis B>1 verwendet. Als Maß für die Zeit wird die Zahl der benötigten Bitoperationen gewählt, die in Landau-Notation von der Bitlänge des Inputs abhängig gemacht wird.

Die präzise mathematische Angabe von (Bit-)Komplexitäten für die exakte Arithmetik mit ganzen Zahlen muss zunächst mit der genauen Festlegung der Bitlänge einer ganzen Zahl starten: Ist die Zahl  a \in \mathbb Z nicht null, so wird

L(a):=\lfloor \log _{2}|a|\rfloor

gesetzt; zusätzlich wird  L(0):=1 definiert. Für die konkrete Speicherung einer ganzen Zahl wird zusätzlich mindestens noch ein Bit für das Vorzeichen benötigt.

Die Aufgaben der Vorzeichenbestimmung \operatorname {sgn}(a), der Berechnung des Negativen  -a sowie der Betragsbildung |a| sind alle in linearer Zeit  O(l) mit l=L(a) durchführbar; die Addition  a+b sowie der Vergleich zweier Zahlen a<b sind in linearer Zeit  O(l) mit l={\rm max}(L(a), L(b)) zu bewältigen. Der n-Shift  2^n\cdot a ist in  O(n+l) durchführbar.

Ein nicht-triviales Ergebnis der Computeralgebra ist die Erkenntnis, dass die Multiplikation  a\cdot b wesentlich schneller als in O\left(l^2\right) (was dem naiven Multiplikationsalgorithmus entspricht) lösbar ist. Eine Beschleunigung erreichte zunächst Anatoli Karazuba mit dem Karazuba-Algorithmus; dieser wurde dann als ein Spezialfall einer noch allgemeineren Algorithmenfamilie erkannt, die unter den Begriff Toom-Cook-Algorithmus subsumiert werden. Bahnbrechend war dann der von Arnold Schönhage und Volker Strassen 1971 vorgestellte auf diskreten Fourier-Transformationen basierende Schönhage-Strassen-Algorithmus, für den die Autoren selbst eine Komplexität von

O(l \cdot \log\, l  \cdot \log\,\log\, l )

nachwiesen. Bedenkt man, wie aufwendig der „naive“ Multiplikationsalgorithmus ist, so erscheint diese Komplexität unglaublich „schnell“. Da der Algorithmus allerdings ziemlich komplex und schwierig programmierbar ist, gibt es bis heute keine effiziente Implementierung in einem Computeralgebrasystem.

Da die Komplexität der Integer-Multiplikation in der gesamten Computeralgebra von absolut tragender Bedeutung ist, wurde hierfür eine Kurznotation

 \psi(l) := O(l \cdot \log\, l \cdot \log\,\log\, l)

eingeführt. Ausgestattet mit dieser „schnellen“ Integer-Multiplikation kann nun der Katalog der Grundrechenarten für die Arithmetik in \mathbb {Z} wie folgt vervollständigt werden: Die Aufgabe der Berechnung von a^{n} ist in O\left(\psi(n l)\right) durchführbar; für die (simultane) Berechnung der Binomialkoeffizienten {n\choose 0}\cdots{n\choose n} wird  O\left(n\cdot\psi(n)\right) benötigt. Die ganzzahlige Division  a/b (mit Quotient und Rest als Ergebnis) benötigt

 O\left(\frac{l}{l_m} \cdot\psi(l_m)\right) .

Die Berechnung des größten gemeinsamen Teilers  {\rm gcd}(a,b) benötigt

 O\left(\left(\frac{l}{l_m} + {\rm log}\, l_m\right)\cdot\psi(l_m)\right) .

In gleicher Komplexität ist auch  {\rm gcdex}(a,b) berechenbar, d.h. die Kofaktoren  u, v mit  {\rm gcd}(a,b) = ua+vb werden mitberechnet.

Effiziente exakte Arithmetik mit rationalen Zahlen

Bevor exakte Arithmetik in \mathbb {Q} konkret durchgeführt werden kann, muss erst eine kanonische Darstellung (Repräsentation) rationaler Zahlen gefunden werden; dieses Problem tauchte bei der exakten Arithmetik der ganzen Zahlen noch nicht auf. Rationale Zahlen sind Äquivalenzklassen „bedeutungsgleicher“ Brüche aus ganzen Zahlen; zum Beispiel sind {\frac {1}{2}} und {\frac {2}{4}} unterschiedliche Repräsentanten der gleichen rationalen Zahl.

Die gängigste kanonische Darstellung rationaler Zahlen wird festgelegt, indem alle gemeinsamen Teiler aus Zähler und Nenner herausgekürzt werden: Jede rationale Zahl ist dann eindeutig durch einen gekürzten Bruch

{\frac  {p}{q}} mit p\in {\mathbb  Z}, q\in\mathbb N und {\rm ggT}(p,q) = 1

repräsentierbar. Ist diese Festlegung einmal getroffen, so beinhaltet jede elementare Operation in \mathbb {Q} wie Addition und Multiplikation auch notwendigerweise die Aufgabe des Herauskürzens des größten gemeinsamen Teilers aus Zähler und Nenner des Ergebnisbruches.

Dank der Resultate der exakten Arithmetik in \mathbb {Z} sind damit die Operationen a+b,\quad a-b, \quad a\cdot b, \quad a/b alle in der Komplexität

 O\left( \psi(l)\cdot {\rm log}\, l \right)

durchführbar. Von der Hoffnung, die Addition rationaler Zahlen in linearer Komplexität bewerkstelligen zu können, muss man hierbei Abschied nehmen.

Glücklicherweise kann die Berechnung des größten gemeinsamen Teilers sehr effizient mit Hilfe des Euklidischen Algorithmus berechnet werden. Der Euklidische Algorithmus spielt an vielen Stellen in der Computeralgebra in wechselnden Varianten eine tragende Rolle.

Effiziente exakte Arithmetik mit Polynomen in ℚ[x]

Es genügt hierbei, die Arithmetik in \mathbb Z\left[x\right] zu betrachten, da Operationen mit rationalen Polynomen in naheliegender Weise durch jeweiliges Ausklammern der Hauptnenner auf Operationen mit ganzzahligen Polynomen zurückgeführt werden können. Für Polynome  f\in \mathbb Z[x] definiert man die (Koeffizienten-)Länge L(f) als das Maximum der Längen der einzelnen Koeffizienten.

Für die folgende Laufzeitentabelle wichtiger Berechnungsprobleme in \mathbb {Z} [x] setzen wir folgendes voraus:

Dann führen die (gemäß Bitkomplexität) schnellsten bislang bekannten Algorithmen zu folgender Laufzeittabelle:

Operation Komplexität als O(\dots) bei ungleichen Eingabegrößen
f+g d\, l d_m\, l
f\cdot g \psi(d(l+\log d)) \frac{d}{d_m}\,\psi(d_m((d-d_m+1)l+\log d))
f/g Division mit Rest \psi(d(l+\log d)) \frac{dl}{d_m l_m}\,\psi(d_m(l_m+\log d_m))
\operatorname{prem}(f,g) - \frac{d}{d_m}\,\psi(d_m((d-d_m+1)l+\log d))
f^k \psi(k d (l+\log d)) -
f(ax) Skalierung d\,\psi(l+d l_a) -
a^{d}f\left({\frac  {x}{a}}\right) Skalierung d\,\psi(l+d l_a) -
f(2x) Skalierung d(l+d) -
2^{d}f\left({\frac  {x}{2}}\right) Skalierung d(l+d) -

Literatur

Trenner
Basierend auf einem Artikel in: Wikipedia.de
Seitenende
Seite zurück
© biancahoegel.de
Datum der letzten Änderung: Jena, den: 06.02. 2021