Skript zur Vorlesung Numerik gewöhnlicher Differentialgleichungen. Dr. M. Weise. gehalten im WS2015/16 Technische Universität Chemnitz
|
|
- Pamela Irmgard Meinhardt
- vor 7 Jahren
- Abrufe
Transkript
1 Skript zur Vorlesung Numerik gewöhnlicher Differentialgleichungen Dr. M. Weise gehalten im WS2015/16 Technische Universität Chemnitz
2 Website zur Vorlesung: Dieses Vorlesungsskript wurde im WS 2006/07 erstellt von Roland Herzog unter Benutzung früherer Vorlesungen und Übungen von Prof. Peter Benner, Prof. Rüdiger Weiner, Prof. Joachim Stöckler, Prof. Hans Josef Pesch und Prof. Rolf Rannacher, denen ich herzlich für das Zurverfügungstellen der Unterlagen danke. Im WS 2007/08, WS 2012/2013 und WS 2013/2014 wurde es durch Rene Schneider teilweise überarbeitet und erweitert. Im WS 2010/11 hat Herbert Egger die Vorlesung gehalten und viele Hinweise zur Überarbeitung gegeben, die im WS 2011/12 zu einer wesentlichen Verbesserung geführt haben. Material für: Vorlesungen à 90 Minuten Fehler und Kommentare bitte an: Stand: 9. Oktober 2015
3 Inhaltsverzeichnis Kapitel 0. Einführung und Motivation 5 1 Aufgabenstellung, Beispiele und Ziele der Vorlesung 5 2 Wiederholung und Notation 8 Kapitel 1. Numerische Lösung von Anfangswertproblemen 15 3 Einschrittverfahren Grundbegriffe und ein erstes Verfahren Konvergenzanalysis allgemeiner Einschrittverfahren Runge-Kutta-Verfahren Allgemeine Ordnungsbedingungen Explizite Runge-Kutta-Verfahren Motivation impliziter Runge-Kutta-Verfahren Implizite Runge-Kutta-Verfahren Kollokationsverfahren und IRKV Einige Klassen von IRKV Stabilitätsbegriffe bei Einschrittverfahren Stabilitätsgebiet und A-Stabilität Steife Differentialgleichungen L-Stabilität Symplektische Verfahren Praktische Aspekte von Einschrittverfahren Schrittweitensteuerung Linear implizite Runge-Kutta-Verfahren Verfahren mit dichter Ausgabe Einschrittverfahren für DGL zweiter Ordnung 98 4 Mehrschrittverfahren Einleitung und Grundbegriffe Konvergenzuntersuchung bei Mehrschrittverfahren Stabilitätsbegriffe bei Mehrschrittverfahren Praktische Aspekte bei Mehrschrittverfahren Exponentielle Integratoren Discontinuous-Galerkin-Verfahren 148 Kapitel 2. Weiterführende Themen RWP mit gewöhnlichen Differentialgleichungen Differentiell-algebraische Systeme Einführung Eigenschaften linearer DAE-Systeme 169 3
4 4 Kapitel 0. Inhaltsverzeichnis 8.3 Numerische Behandlung linearer DAE-Systeme Anfangsrandwertprobleme 188 Literaturverzeichnis 195
5 KAPITEL 0 Einführung und Motivation Inhalt 1 Aufgabenstellung, Beispiele und Ziele der Vorlesung 5 2 Wiederholung und Notation 8 1 Aufgabenstellung, Beispiele und Ziele der Vorlesung Wir betrachten in dieser Vorlesung hauptsächlich Anfangswertprobleme für Systeme gewöhnlicher Differentialgleichungen (Dgl) erster Ordnung: Gesucht ist eine differenzierbare Funktion y : [0, T ] C n, sodass y (t) = f(t, y(t)) für alle t [0, T ] (AWP) und y(0) = y a gilt. Dabei sind die rechte Seite f : R C n C n, der Anfangswert (AW) y a C n, die Anfangszeit t = 0 und die Endzeit t = T gegeben. Die unabhängige Variable t spielt in vielen, aber nicht in allen Problemen die Rolle der Zeit. Die Ableitung y (t) wird dann oft mit ẏ(t) bezeichnet. Die gesuchte Funktion y(t) heißt auch der Zustand der Dgl. Ist die rechte Seite f von t unabhängig, so heißt das Problem autonom. Meist beschränken wir uns auf reelle Zustände, also y a R n und f : R R n R n. Zahlreiche Fragestellungen führen auf Probleme von diesem Typ. Beispiel 1.1 (Räuber-Beute-Modell) [Heuser, 1991, 59] Wir nehmen an, eine Population y 1 (Beutetiere) lebe von einer ausreichend vorhandenen Nahrungsquelle. Der einzige natürlich Feind ist eine Population y 2 von Raubtieren, die auf y 1 angewiesen sind. Ein einfaches Modell für die Populationsentwicklung ist gegeben durch Dabei sind α 1 > 0 und α 2 > 0 die natürliche Vermehrungs- bzw. Verminderungsraten der Beute bzw. der Räuber in Abwesenheit der jeweils anderen Population. Der 5
6 6 Kapitel 0. Einführung und Motivation Wechselwirkungsterm geht von einer Begegnungshäufigkeit von Räuber und Beute aus, die über Konstanten β 1, β 2 > 0 proportional zu beiden Beständen ist. Ein typischer Lösungsverlauf ist in Abbildung 1.1 zu sehen. 120 Predator Prey model with α 1 = 1, α 2 = 2, β 1 = β 2 = 0.05 prey predator population time Abbildung 1.1. Verlauf der Lösung aus Beispiel 1.1 (Räuber-Beute- Modell) für die Parameterwahl α 1 = 1, α 2 = 2, β 1 = β 2 = 0.05 zum Anfangswert y(0) = (100, 10). Differentialgleichungen höherer Ordnung lassen sich durch Einführung zusätzlicher unbekannter Funktionen auf Systeme erster Ordnung reduzieren: Beispiel 1.2 (Newtonsches Bewegungsgesetz) Nach dem Newtonschen Bewegungsgesetz gilt für einen Körper der Masse m die Beziehung F = ma zwischen der auf ihn wirkenden Kraft F und der resultierenden Beschleunigung a. Bezeichnen wir mit s(t) R 3 den Ort des Körpers, so gilt s (t) = a(t) und damit das Dgl-System zweiter Ordnung s (t) = F (t)/m. Durch Einführung der Geschwindigkeit v(t) = s (t) R 3 als Zwischengröße können wir ein äquivalentes Dgl-System erster Ordnung in y(t) = (s(t), v(t)) R 6 formulieren: Beim Anfangswertproblem sind dann AW für Ort und Geschwindigkeit gegeben. Das (AWP) wird man nur in seltenen Fällen analytisch lösen können. Wir behandeln deshalb in dieser Vorlesung numerische Verfahren für die näherungsweise Lösung von (AWP). Um die Brauchbarkeit der numerischen Lösung beurteilen zu können, benötigen wir Aussagen über ihre Genauigkeit. Ziele der Vorlesung sind das Kennenlernen von Verfahren zur numerischen Lösung von (AWP), die Analysis dieser Verfahren bzgl. Konvergenz und Stabilität, deren praktische Umsetzung in Computerprogramme sowie
7 1. Aufgabenstellung, Beispiele und Ziele der Vorlesung 7 Techniken der Schrittweitensteuerung zur effizienten numerischen Lösung. Zwei weitere Beispiele zur Anwendung: Beispiel 1.3 (Schwingung einer Membran) wird modelliert durch die partielle DGL 0 = ρ(x)u tt (x, t) + b(x) u t (x, t) T 0 u(x, t) f(x, t) t 0, x Ω, (1.1) wobei u(x, t) Auslenkung der Membran über dem Gebiet Ω R 2 und Zeit t, ρ(x) Dichte der Membran, b(x) Dämpfungskoeffizient, T 0 die Vorspannung der Membran und f(x, t) eine von außen wirkende Kraftdichte bezeichnen. Hinzu kommen Randbedingungen und Anfangsbedingungen u(x, t) = d(x, t), t 0, x Ω, (1.2) u(x, 0) = g 0 (x) x Ω u t (x, 0) = g 1 (x) x Ω. Eine Semidiskretisierung im Ort (z. B. mit Finite-Elemente-Methode) führt auf ein System gewöhnlicher DGLn zweiter Ordnung 0 = Mü + C u + Ku f(t), (1.3) wobei u(t) Vektor der Funktionswerte u(x i, t) in den Stützstellen der Ortsdiskretisierung ist, M die Massematrix, C Dämpfungsmatrix, K Steifigkeitsmatrix der Membran und f(t) aus den äußeren Kräften resultiert. Die Dimension n der Vektoren und Matrizen ist dabei i. A. sehr groß, 10 3 n 10 7 sind heute typische Werte. Ein Beispiel ist in Abbildung 1.2 gegeben. Abbildung 1.2. Beispiel einer Lösung Beispiel 1.3 (Membran) für eine FEM-Diskretisierung mit n = Freiheitsgraden auf Gebiet Ω = ( 1, 1) 2 \ (0, 1) ( 1, 0) (L-förmig), ρ 1, b 1, T 0 = 1, f 0, g 0 g 1 0, d(x, t) periodisches Kippen eines Teilrandes. Auch in der Umsetzung von Steuerungs- und Regelungsaufgaben für gewöhnliche Differentialgleichungen werden die hier zu besprechenden Verfahren benötigt.
8 8 Kapitel 0. Einführung und Motivation Abbildung 1.3. Legway: Modell eines selbst-balancierenden, einachsigen Fahrzeugs. Beispiel 1.4 (Legway) (Ilka Riedel) Siehe Abbildung Wiederholung und Notation Wir wiederholen kurz einige wichtige Ergebnisse aus der Theorie der gewöhnlichen Differentialgleichungen sowie der Analysis. Hier und in Zukunft bedeutet y für einen Vektor y R n immer die Euklidische Norm, also y = (y y) 1/2. (Wir könnten auch jede andere Norm verwenden.) Satz 2.1 (Picard-Lindelöf) [Heuser, 1991, Satz 12.2, Aufgabe 12.6] Es sei Q = [a 1, b 1 ] [a 2, b 2 ] [a n, b n ] R n ein kompakter Quader und y a int(q). Weiterhin sei f : [0, T ] Q R n stetig und bzgl. y (gleichmäßig) Lipschitz-stetig, d. h., es gibt ein L > 0, sodass gilt für alle t [0, T ] und alle y 1, y 2 Q. f(t, y 1 ) f(t, y 2 ) L y 1 y 2 (2.1) Satz 2.2 (Stetige Abhängigkeit von den Anfangswerten) Unter den Voraussetzungen von Satz 2.1 gilt für die Lösung y(t; s) des (AWP) y (t) = f(t, y(t)), y(0) = s zu verschiedenen AW s 1, s 2 int(q) die Abschätzung y(t; s 1 ) y(t; s 2 ) e L t s 1 s 2 (2.2) für alle t 0 aus dem gemeinsamen Intervall der Lösungen zu s 1 und s 2. Der Beweis von Satz 2.2 läuft über das Lemma von Gronwall. Wir geben hier eine recht allgemeine Version dieses Resultats an, das später (in diskreter Form) bei der Stabilitätsuntersuchung wieder eine Rolle spielt.
9 2. Wiederholung und Notation Exponential deviation of solutions for different initial values. y (t) = y y(t) time t Abbildung 2.1. Illustration der exponentiellen Abweichung (2.2) über die Zeit bei der Lösung eines (AWP) zu verschiedenen Anfangswerten. Lemma 2.3 (Lemma von Gronwall (Thomas Hakon Grönwall, )) Es seien ϕ, L, C : [0, T ] R nicht-negative stetige Funktionen. Die Funktion C sei monoton wachsend. Wenn die Abschätzung erfüllt ist, dann gilt: ( t 0 ϕ(t) C(t) exp 0 ) L(s) ds für alle t [0, T ]. (2.3) Insbesondere im Fall C(t) 0 ist also ϕ(t) 0. Falls L konstant ist, so vereinfacht sich (2.3) zu 0 ϕ(t) C(t) e L t für alle t [0, T ]. (2.4) Beweis: in Übung 1, Aufgabe 2 Voraussetzung 2.4 (Generalvoraussetzung) Wir betrachten das (AWP). Wir wollen im Folgenden stets voraussetzen, dass...
10 10 Kapitel 0. Einführung und Motivation Bemerkung 2.5 (Hinreichende Bedingung für Lipschitz-Stetigkeit) Es sei f : [0, T ] Q R n stetig. Falls f außerdem stetige erste partielle Ableitungen f/ y i, i = 1,..., n besitzt, so ist die Lipschitz-Bedingung (2.1) mit erfüllt. 1 Die Fehlerabschätzungen leben später von der Glattheit (Differentiationsordnung) der Lösung. Diese erhält man aus folgendem Satz: Satz 2.6 (Maximale Regularität) Es sei y : [0, T ] Q R n eine Lösung des (AWP) auf [0, T ]. Falls f C k ([0, T ] Q) ist für ein k N 0, dann gilt y C k+1 ([0, T ]; R n ). Beweis: Wir verwenden später häufig Abschätzungen, die auf dem Satz von Taylor bzw. dem daraus folgenden Schrankensatz basieren. Da wir es mit vektorwertigen Funktionen zu tun haben, formulieren wir den Satz von Taylor in Integralform. Satz 2.7 (Satz von Taylor in Integralform) Es sei G R n offen und F : G R m (k + 1)-mal stetig partiell differenzierbar (diffbar). Falls die Punkte x und x + d und die gesamte Verbindungsstrecke in G 1 Dabei ist f y (t, y) die durch die Euklidische Vektornorm induzierte Matrixnorm (Spektralnorm) der Jacobimatrix f y (t, y).
11 2. Wiederholung und Notation 11 liegen, dann gilt: k = 0 : F (x + d) = F (x) + 1 k = 1 : F (x + d) = F (x) + F (x) d + k N 0 : F (x + d) = k j=0 0 F (j) (x) [d (j) ] j! F (x + s d) d ds (Siehe [Heuser, 2002, Satz 168.4] für den Fall k = 1.) 0 (1 s) F (x + s d) [d, d] ds (1 s) k F (k+1) (x + s d) [d (k+1) ] ds. k! Dabei ist die Jacobimatrix F (x) an der Stelle x als eine 1-Form (lineare Form) zu verstehen, die R n nach R m abbildet. Dementsprechend ist die j-te Ableitung F (j) (x) an der Stelle x eine multilineare Abbildung, die [R n ] j nach R m abbildet. Die Koeffizienten von F (j) (x) werden gebildet von den partiellen Ableitungen von F der Ordnung j an der Stelle x. Der Ausdruck F (j) (x)[d (j) ] bedeutet gerade das j-fache Einsetzen der Richtung d in diese multilineare Abbildung, die übrigens (Satz von Schwarz) symmetrisch ist. Folgerung 2.8 (Schrankensatz) Es seien die Voraussetzungen des Satzes 2.7 erfüllt. Weiter seien alle partiellen Ableitungen von F der Ordnung k + 1 in G beschränkt. Dann existiert eine Konstante C k+1, sodass die folgende Abschätzung für alle x, x + d G erfüllt ist: In die Konstante geht die Ableitung F (k+1) ein. Wir werden diese Sätze oft mit x = (t, y) anwenden. Mit Hilfe des Schrankensatzes für k = 0 kann man z. B. Bemerkung 2.5 beweisen. Wir schreiben auch k = 0 : F (x + d) = F (x) + O( d ) k = 1 : F (x + d) = F (x) + F (x) d + O( d 2 ) etc. mit Hilfe der folgenden Notation: Definition 2.9 (O- und o-notation) (a) Man sagt, eine Funktion f : R + R n verhält sich wie O(g(h)) mit einer anderen Funktion g : R + R + (sprich: groß O von g von h ) für h 0, falls h 0 > 0 und eine von h unabhängige Konstante c existieren, sodass gilt: f(h) c g(h) gilt für alle 0 < h h 0.
12 12 Kapitel 0. Einführung und Motivation (b) Eine Funktion f : R + R n verhält sich wie o(g(h)) mit einer anderen Funktion g : R + R + (sprich: klein o von g von h ) für h 0, falls gilt: f(h) lim h 0 g(h) = 0. Oft schreibt man auch kurz: f(h) = O(g(h)) oder f(h) O(g(h)) bzw. f(h) = o(g(h)) oder f(h) o(g(h)). Beispiel: Satz 2.10 (Banachscher Fixpunktsatz) [Heuser, 2002, Satz ] Es sei X eine nichtleere, abgeschlossene Teilmenge des R n und A : X X eine kontrahierende Selbstabbildung von X; für alle x, y X gelte also A x A y q x y mit einem festen 0 < q < 1. Dann besitzt A genau einen Fixpunkt x in X. Dieser kann iterativ gewonnen werden: Wählt man einen beliebigen Startwert x 0 X und setzt x n+1 := A x n n = 0, 1, 2,..., so konvergiert x n x. Überdies gilt die Fehlerabschätzung Der Satz bleibt richtig, wenn man statt R n einen allgemeinen Banachraum mit der Norm zugrunde legt. Bemerkung 2.11 (Autonomie-Transformation) Eine Dgl erster Ordnung der Form y (t) = f(y(t)) heißt autonom. Eine nichtautonome Dgl y (t) = f(t, y(t)) kann durch Einführung einer zusätzlichen Zustandsvariablen immer auf ein autonomes Problem zurückgeführt werden: Man setzt welches dann die Dgl
13 2. Wiederholung und Notation 13 erfüllt.
14
15 KAPITEL 1 Numerische Lösung von Anfangswertproblemen Inhalt 3 Einschrittverfahren Grundbegriffe und ein erstes Verfahren Konvergenzanalysis allgemeiner Einschrittverfahren Runge-Kutta-Verfahren Allgemeine Ordnungsbedingungen Explizite Runge-Kutta-Verfahren Motivation impliziter Runge-Kutta-Verfahren Implizite Runge-Kutta-Verfahren Kollokationsverfahren und IRKV Einige Klassen von IRKV Stabilitätsbegriffe bei Einschrittverfahren Stabilitätsgebiet und A-Stabilität Steife Differentialgleichungen L-Stabilität Symplektische Verfahren Praktische Aspekte von Einschrittverfahren Schrittweitensteuerung Linear implizite Runge-Kutta-Verfahren Verfahren mit dichter Ausgabe Einschrittverfahren für DGL zweiter Ordnung 98 4 Mehrschrittverfahren Einleitung und Grundbegriffe Konvergenzuntersuchung bei Mehrschrittverfahren Stabilitätsbegriffe bei Mehrschrittverfahren Praktische Aspekte bei Mehrschrittverfahren Exponentielle Integratoren Discontinuous-Galerkin-Verfahren Einschrittverfahren 3.1 Grundbegriffe und ein erstes Verfahren Wir erinnern noch einmal an unsere Generalvoraussetzung 2.4. Die exakte Lösung des (AWP) bezeichnen wir mit y(t). Alle in diesem Kapitel behandelten numerischen Verfahren bestimmen Näherungswerte der exakten Lösung auf einem Punktgitter. 15
16 16 Kapitel 1. Numerische Lösung von Anfangswertproblemen Definition 3.1 (Gitter, Gitterfunktion) (a) Ein Gitter auf [0, T ] ist eine endliche Punktmenge T = {t 0, t 1,..., t N } mit 0 = t 0 < t 1 < t N = T. Die {t i } heißen auch die Stützstellen. Die Abstände h i = t i+1 t i heißen die Schrittweiten des Gitters T. (b) Für ein gegebenes Gitter bezeichnet die (maximale) Gitterweite oder den Diskretisierungsparameter. Man sagt dann: Das Gitter T gehört 1 zur Klasse T h. (c) Ist h i = h für alle i, so heißt das Gitter äquidistant. (d) Die Differentialgleichung y (t) = f(t, y(t)) besagt, dass die gesuchte Lösung y(t) an der Stelle t die Tangentensteigung f(t, y(t)) hat. Mit anderen Worten, die Steigung der Lösung y(t) passt sich in das durch f(t, y) definierte Richtungsfeld ein. Für skalare Differentialgleichungen, also im Fall n = 1, lässt sich das einfach grafisch veranschaulichen (Abbildung 3.1 links). Das einfachste numerische Verfahren besteht nun darin, die Lösungskurve y(t) im Intervall [t, t + h] durch ihre Tangente im Punkt (t, y(t)) zu approximieren, deren Steigung aus dem Richtungsfeld, d. h. aus der rechten Seite f(t, y(t)) abgelesen werden kann. Auf einem Gitter T mit Stützstellen t i erhalten wir sukzessive die Näherungen y i = y h (t i ) für die Werte der exakten Lösung y(t i ) gemäß 1 T gehört dann auch zur Klasse T h für alle h h.
17 3. Einschrittverfahren 17 1 Slopefield for f(t,y) = 1 t * y and solution for y(0) = Value y Time t y(t) =y (t) h t y(t+h) y (t+h) h t+h Abbildung 3.1. Richtungsfeld einer Dgl (links) und Konstruktionsidee des expliziten Euler-Verfahrens (Polygonzugmethode) (rechts). Die Näherungsvorschrift (3.1) heißt auch Methode von Euler, explizites Euler- Verfahren oder Polygonzugmethode. In der englischsprachigen Literatur wird das Verfahren auch als Vorwärts-Euler-Verfahren (Forward Euler) bezeichnet. Eine wichtige Fragestellung ist die Untersuchung der Konvergenz und Konvergenzgeschwindigkeit der numerischen Lösungen, wenn die Gitterweite h 0 strebt. Wir wollen dies zunächst exemplarisch für das explizite Euler-Verfahren untersuchen. Dazu bezeichnen wir für ein gegebenes Gitter T mit den (globalen) Fehler des Näherungsverfahrens am Gitterpunkt t i T. Auch e h ist eine Gitterfunktion. Die Abbildung 3.2 zeigt, dass sich der Fehler e i+1 an einem Gitterpunkt t i+1 aus zwei Anteilen zusammensetzt:
18 18 Kapitel 1. Numerische Lösung von Anfangswertproblemen =y h(t 2) =y (t ) h 1 z 2 =y (t ) h 0 y(t ) 1 y(t ) 2 y(t ) 0 t 0 t 1 t 2 Abbildung 3.2. Fehlerfortpflanzung bei einem Einschrittverfahren. Wir schätzen beide Anteile ab. (a) Zur Abschätzung des lokal hinzukommenden Fehlers definieren wir den sogenannten lokalen Diskretisierungsfehler d i+1 des Euler-Verfahrens an der Stelle t i+1 über Man nennt d i+1 auch den Konsistenzfehler (an der Stelle t i+1 ), da er sich aus dem Einsetzen der exakten Lösung in das diskrete Schema (hier (3.1)) ergibt. Um den lokalen Diskretisierungsfehler abzuschätzen, verwenden wir die Taylorentwicklung (Satz 2.7)
19 3. Einschrittverfahren 19 Hierfür setzen wir voraus, dass y in C 2 ([0, T ]; R n ) liegt. 2 Wir setzen in (3.2) ein und erhalten die Fehlerdarstellung (3.3) Wegen der Beschränktheit von y erhalten wir die Abschätzung (3.4) (b) Zur Untersuchung der Fortpflanzung des Fehlers e i müssen wir am Zeitpunkt t i zwei explizite Eulerschritte betrachten zu den Startwerten y h (t i ) und y(t i ), die nach Definition gerade um e i = y h (t i ) y(t i ) auseinander liegen: Deren Differenz lässt sich abschätzen als: (3.5) 2 Hinreichend dafür ist nach Satz 2.6 f C 1 ([0, T ] Q).
20 20 Kapitel 1. Numerische Lösung von Anfangswertproblemen Hier setzen wir voraus, dass die rechte Seite f in einer geeigneten Menge Lipschitz-stetig bzgl. y mit L-Konstante L ist. 3 Zusammen erhalten wir mit (3.2) und (3.5) also die Abschätzung für den globalen Fehler. Mit (3.6) haben wir eine Rekursion für die Fehlerfortpflanzung von Schritt zu Schritt gewonnen. Wir bringen diese durch ein Teleskopsummenargument 4 auf die Form Zur expliziten Abschätzung benutzen wir das folgende diskrete Lemma von Gronwall mit den Setzungen Lemma 3.2 (Diskretes Lemma von Gronwall, vgl. Lemma 2.3) Es seien {ϕ n }, {L n }, {C n } nicht-negative Zahlenfolgen, n N 0. Die Folge {C n } sei monoton wachsend. Wenn die Abschätzung n 1 0 ϕ n C n + L j ϕ j für alle n N 0 3 Genauer: Die diskreten Lösungen {y h (t i )} müssen auch in Q liegen. 4 wiederholtes Einsetzen e i in e i+1, beginnend bei e 0 j=0
21 3. Einschrittverfahren 21 erfüllt ist, dann gilt: (3.8) Insbesondere im Fall C n 0 ist also ϕ n 0. Falls L j L ist, so vereinfacht sich (3.8) zu (3.9) Beweis: eigene Übung Durch die Anwendung des Lemmas ergibt sich aus (3.7) die Abschätzung: Durch Einsetzen der Abschätzung (3.4) für den lokalen Fehler, also ergibt sich unter Beachtung von n j=1 h j 1 = t n folgender Konvergenzsatz: Satz 3.3 (Konvergenz des expliziten Euler-Verfahrens) Die Lösung des (AWP) sei C 2 ([0, T ]; R n ). Dann gilt für den Fehler der Näherungslösungen des expliziten Euler-Verfahrens auf einem beliebigen Gitter {0 = t 0, t 1,..., t N = T } der Klasse T h die Abschätzung (3.10)
22 22 Kapitel 1. Numerische Lösung von Anfangswertproblemen für alle n = 0, 1,..., N und damit Bemerkung 3.4 Wesentliche Bestandteile des Konvergenzbeweises am Beispiel des expliziten Euler- Verfahrens sind: Im nächsten Abschnitt werden wir dieses Vorgehen auf allgemeine Einschrittverfahren übertragen. 3.2 Konvergenzanalysis allgemeiner Einschrittverfahren Als Verallgemeinerung von (3.1) betrachten wir im Rest von 3 Verfahren der Bauart
23 3. Einschrittverfahren 23 (3.12) die aus der Kenntnis eines Näherungswertes y i für y(t i ) und der Schrittweite h i einen neuen Näherungswert y i+1 für y an der Stelle t i+1 = t i + h i bestimmen. Definition 3.5 (Ein(zel)schrittverfahren) Ein numerisches Verfahren zur Lösung des (AWP), das der Vorschrift (3.12) genügt, heißt Einschrittverfahren (ESV). Φ heißt die Verfahrensfunktion oder Inkrementfunktion des Verfahrens. 5 Wie wir bereits in 3.1 gesehen haben, spielt der Konsistenzfehler eine wesentliche Rolle. Er bezieht sich immer auf das Einsetzen der exakten Lösung in das Verfahren. Definition 3.6 (Konsistenzfehler, Konsistenzordnung bei ESV) Es sei y( ) die Lösung der Dgl y (t) = f(t, y(t)) auf dem Intervall [0, T ]. (a) Die Größe (3.13) heißt der Konsistenzfehler oder Abschneidefehler des ESV (3.12) an der Stelle t zur Schrittweite h. Später werden wir auch andere (beliebige) Funktionen z in d einsetzen, d(z,.,.), um Fehlerfortpflanzung zu untersuchen. (b) Das ESV heißt konsistent mit dem (AWP), falls gilt: (3.14) 5 Natürlich hängt die Verfahrensfunktion Φ auch von der rechten Seite f ab (sonst würde ja das Verfahren die Dgl gar nicht berücksichtigen), aber diese Abhängigkeit drücken wir nicht explizit aus.
24 24 Kapitel 1. Numerische Lösung von Anfangswertproblemen (c) Das ESV besitzt die Konsistenzordnung p für das (AWP), falls Die Konsistenz und Konsistenzordnung beziehen sich dabei jeweils nur auf die Differentialgleichung des (AWP) auf [t, t + h], es werden hier exakte Anfangswerte bei t verwendet. Aus (3.13) folgt, dass ein ESV offenbar genau dann konsistent mit dem (AWP) ist, wenn gilt: lim Φ(t, y(t), h) = f(t, y(t)) h 0 gleichmäßig in [0, T h]. Wie bereits beim Euler-Verfahren gesehen, bestimmt man die Konsistenzordnung mittels Taylorentwicklung, vgl. (3.3). Dafür mussten wir hinreichende Glattheit der exakten Lösung y annehmen, also hinreichende Glattheit der rechten Seite f. Allgemeiner geht max t [0,T ] y (p+1) (t) in die Konstante c ein. Fazit: Ein Verfahren erreicht bei einer konkreten Aufgabenstelle seine maximale Konsistenzordnung nur dann, wenn die rechte Seite hinreichend glatt ist. Exemplarisch listen wir nun einige weitere explizite und implizite ESV auf. Beispiel 3.7 (Einige explizite und implizite Einschrittverfahren) (a) Das explizite Euler-Verfahren (Forward Euler) hat die von h unabhängige Verfahrensfunktion (b) Das implizite Euler-Verfahren (Backward Euler) hat die implizit definierte Verfahrensfunktion
25 3. Einschrittverfahren 25 (Lösbarkeit im Kontext allgemeinerer impliziter Verfahren, 3.3.4) (c) Das verbesserte Euler-Verfahren (Collatz, 1960) hat die Verfahrensfunktion (d) Das Verfahren von Heun (Heun, 1900) hat die Verfahrensfunktion Alle obigen Verfahren sind Beispiele für sogenannte Runge-Kutta-Verfahren, die systematisch in 3.3 behandelt werden. Die Struktur der mehrfachen (rekursiven) f-auswertungen pro Zeitschritt ist typisch für diese Verfahren. Beispiel 3.8 (Taylorreihen-Methode) Weitere explizite ESV, die nicht zu den Runge-Kutta-Verfahren gehören, lassen sich durch die Taylorreihen-Methode konstruieren. 6 Aus der Darstellung 6 Dies ist das einzige Verfahren der ganzen Vorlesung, das Ableitungen von f verwendet, um eine höhere Ordnung zu erzielen.
26 26 Kapitel 1. Numerische Lösung von Anfangswertproblemen Ein Nachteil der Taylorreihen-Methode liegt darin, dass man entsprechend hohe Ableitungen von f berechnen muss. Der Aufwand zur Verwendung dieser steigt exponentiell mit p und polynomiell mit n. Beachte: Bereits y enthält den Term f yy, eine bilineare Abbildung von R n nach R n. Bemerkung 3.9 (Lokaler Diskretisierungsfehler) Der in Definition 3.6 eingeführte Konsistenzfehler wird auch als lokaler Diskretisierungsfehler bezeichnet, da wir ihn wie bereits in 3.1 gesehen wie folgt interpretieren können, siehe auch Abbildung 3.3
27 3. Einschrittverfahren 27 y(t+h) h d(y(.),t+h,h) y(t) y (t+h) h =y (t) h t t+h Abbildung 3.3. Veranschaulichung lokaler Diskretisierungsfehler. Das heißt: Wenn man bei t mit dem exakten Startwert y h (t) = y(t) startet, so ist der Fehler nach einem einzelnen Integrationsschritt der Länge h gerade h d(y( ), t+h, h). Achtung: In manchen Büchern wird der Konsistenzfehler als h d(y( ), t + h, h) definiert. Definition 3.10 (Fehler, Konvergenz, Konvergenzordnung bei ESV) Es sei y( ) die Lösung des (AWP) auf dem Intervall [0, T ]. Weiter sei y h ( ) eine mit einem ESV (3.12) erzeugte Näherungslösung auf einem Gitter T = {0 = t 0 < t 1 <... < t N = T }. (a) Die Größe (b) Das ESV heißt konvergent, falls auf jeder Folge von Gittern {T h } mit h 0 für die erzeugten Näherungslösungen gilt: (c) Das ESV hat die Konvergenzordnung p N, falls eine von h unabhängige Konstante c > 0 sowie h 0 > 0 existieren, sodass für die Näherungslösung auf einem beliebigen Gitter der maximalen Gitterweite h h 0 gilt:
28 28 Kapitel 1. Numerische Lösung von Anfangswertproblemen Beim expliziten Euler-Verfahren hatten wir mit Hilfe einer Stabilitätsabschätzung (diskretes Lemma von Gronwall) nachgewiesen, dass aus der Konsistenz des Schemas die Konvergenz mit derselben Ordnung folgt. Dies wiederholen wir jetzt für ein allgemeines ESV. Lemma 3.11 (Diskrete Stabilität von ESV) Die Verfahrensfunktion des ESV (3.12) erfülle die Lipschitz-Bedingung (Stabilitätsbedingung) Φ(t, w, h) Φ(t, z, h) K w z (3.16) für alle t [0, T ], alle w, z R n sowie alle h h 0. Es sei T = {0 = t 0, t 1,..., t N = T } ein Gitter auf [0, T ] mit maximaler Schrittweite h h 0 und w h und z h zwei beliebige Gitterfunktionen auf T. Dann gilt die diskrete Stabilitätsabschätzung Beweis:
29 3. Einschrittverfahren 29 Bemerkung 3.12 (zu Lemma 3.11) (a) Beim expliziten Euler-Verfahren galt Φ(t, y, h) = f(t, y) und daher K = L, die Lipschitz-Konstante der rechten Seite f, und zwar für alle h > 0. Auch bei allen anderen in dieser Vorlesung behandelten ESV (siehe 3.3) ist die Bedingung (3.16) erfüllt. Bei impliziten ESV verlangt sie tatsächlich eine Beschränkung der Schrittweite h h 0, was natürlich für die Konvergenzbetrachtung keine Einschränkung darstellt. Im Allgemeinen hängt K von der Lipschitz-Konstanten der rechten Seite f ab. (b) Der Beweis von Lemma 3.11 zeigt, dass die (globale) Lipschitz-Bedingung (3.16) nicht notwendig für alle w, z R n benötigt wird, sondern nur für solche, die in einer hinreichend großen Menge liegen, die für h h 0 alle Näherungslösungen enthält. Dasselbe trifft auch auf Satz 3.13 zu. Satz 3.13 (Konvergenz von ESV) Die Verfahrensfunktion des ESV (3.12) erfülle die Lipschitz-Bedingung (3.16) für alle h h 0. Besitzt das Verfahren die Konsistenzordnung p N und gehört die Lösung des (AWP) zu C p+1 ([0, T ]; R n ), dann gilt für die Näherungslösungen auf einem beliebigen Gitter {0 = t 0, t 1,..., t N = T } der Klasse T h mit maximaler Schrittweite h h 0 die Abschätzung (3.18) (3.19)
30 30 Kapitel 1. Numerische Lösung von Anfangswertproblemen Das Verfahren ist also (bei Verwendung exakter Anfangswerte) konvergent, und die Konvergenzordnung entspricht der Konsistenzordnung p. Beweis: Wir gehen vor wie im Beweis von Satz 3.3. Es sei y( ) die exakte Lösung unseres (AWP). Wir verwenden Lemma 3.11 (diskrete Stabilität), um die Fehlerfortpflanzung abzuschätzen. Dazu setzen wir für z h die Näherungslösung des ESV ein und für w h die exakte Lösung y (eingeschränkt auf das Gitter). Dann gilt nach Voraussetzung für die jeweiligen lokalen Fehler von der (3.19) eine direkte Konsequenz ist. Folgerung 3.14 Bemerkung 3.15 (zur Fehlerabschätzung (3.18)) (a) Der globale Fehler kann exponentiell mit der Zeit t anwachsen. Dieses Verhalten entspricht dem der Differenz zweier Lösungen zu verschiedenen Anfangsdaten, siehe Satz 2.1. (b)
31 3. Einschrittverfahren 31 (c) (3.18) ist eine a-priori Abschätzung, da die Berechneten y i nicht in die Schranke eingehen, man also diese Schranke (aufgrund erwarteter Eigenschaften der Lösung, hier Glattheit) bereits erhält bevor man die y i überhaupt berechnet. Im Gegensatz dazu werden wir später a-posteriori Abschätzungen kennen lernen, welche die berechnete Näherungslösung verwenden um schärfere Aussagen zu treffen. (d) Da man die Konstante c des lokalen Fehlers (die max t [0,T ] y (p+1) (t) enthält) und die Lipschitz-Konstante K des Verfahrens (beide abhängig von der rechten Seite f) im Allgemeinen nicht kennt, kann man (3.18) kaum dazu verwenden, den globalen Fehler zu schätzen bzw. um eine Schrittweite h zu bestimmen, um diesen unter einer vorgegebenen Schranke zu halten. Hierfür sind a-posteriori Schranken besser geeignet. Die Fehlerabschätzung (3.18) lässt sich leicht dahingehend erweitern, dass Rundungsfehler bei der numerischen Durchführung berücksichtigt werden. In dem Fall ist also im Beweis von Satz 3.13 nicht mehr d z j = 0, sondern etwa h j 1 d z j = O(ε) mit der Maschinengenauigkeit ε. Für äquidistante Gitter ergibt sich so die Fehlerabschätzung In der Praxis zeigt sich allerdings, dass diese Abschätzung i. d. R. zu pessimistisch ist, da sich Rundungsfehler und lokale Fehler gegenseitig aufheben können. Dennoch gibt diese Überlegung den richtigen Hinweis, dass es für eine hohe Genauigkeit der Lösung i. A. wesentlich zielführender ist, ein Verfahren höherer Ordnung mit moderaten Schrittweiten h zu verwenden als ein Verfahren niedriger Ordnung mit geringer Schrittweite h.
32 32 Kapitel 1. Numerische Lösung von Anfangswertproblemen rounding error truncation error total error 7 6 errors h Abbildung 3.4. Einfluss von Konsistenz- und Rundungsfehlern in der Fehlerabschätzung.
Mathematische Grundlagen
G-CSC Goethe-Center for Scientific Computing der Universität Frankfurt 2 Übung zur Vorlesung Modellierung und Simulation 3 (WS 2013/14) Prof Dr G Queisser Markus Breit, Martin Stepniewski Abgabe: Dienstag,
MehrÜbungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 2
Prof. Roland Gunesch Sommersemester 00 Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt Aufgabe : a Zeigen Sie: Für alle Anfangsdaten u 0, t 0 R R hat das Anfangswertproblem
MehrODE-Solver. Inhalt. Einleitung. grundlegende Algorithmen. weiterführende Algorithmen
Martin Reinhardt angewandte Mathematik 8. Semester Matrikel: 50108 ODE-Solver 11. Mai 2011 Inhalt Einleitung grundlegende Algorithmen weiterführende Algorithmen Martin Reinhardt (TUBAF) 1 Orientierung
Mehr2. Numerische Verfahren für AWPe 2.1 Das Euler-Verfahren
2.1 Das Euler-Verfahren Wir betrachten das AWP y = f (t, y), y(t 0 ) = y 0. (AWP) Unter den Voraussetzungen von Satz 1.1 besitzt es eine eindeutige Lösung, sagen wir über dem Intervall I. Wir wollen diese
Mehrh n = (t t 0 )/n Bevor wir diesen Satz beweisen, geben wir noch einen Hilfssatz an, der eine wichtige Abschätzung liefert.
Kapitel 4 Berechnung von Lösungen 41 Die Euler sche Polygonzugmethode Die Grundlage dieser Methode ist die einfache Beobachtung, dass f(u, t) in der Nähe eines Punktes als nahezu konstant angesehen werden
MehrGewöhnliche Differentialgleichungen Woche 6. Existenz nach Picard-Lindelöf
d Gewöhnliche Differentialgleichungen Woche 6 Existenz nach Picard-Lindelöf 6.1 Vorbereitung für den Existenzsatz 6.1.1 Stetigkeit und Lipschitz-Stetigkeit Definition 6.1 Seien (V 1, 1 und (V 2, 2 zwei
Mehr7 Das Eulersche Polygonzugverfahren
35 7 Das Eulersche Polygonzugverfahren Lösungen von Differentialgleichungen sind nur in speziellen Fällen explizit angebbar; oft können nur Approximationen an Lösungen numerisch berechnet werden. In diesem
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
MehrRheinisch-Westfälische Technische Hochschule. Gegeben seien eine gewöhnliche Dierentialgleichung (DGL) und ein Anfangswert. γ l K l.
Rheinisch-Westfälische Technische Hochschule Institut für Geometrie und Praktische Mathematik Numerische Mathematik II Wintersemester 2009 Priv. Doz. Dr. Helmuth Jarausch Dr. KarlHeinz Brakhage Übung :
MehrNumerische Verfahren
Numerische Verfahren Numerische Methoden von gewöhnlichen Differentialgleichungen (AWP) Prof. Dr.-Ing. K. Warendorf, Prof. Dr.-Ing. P. Wolfsteiner Hochschule für Angewandte Wissenschaften München Fakultät
MehrNumerik gewöhnlicher Differentialgleichungen
Numerik gewöhnlicher Differentialgleichungen 4.4 Anfangsrandwertprobleme Die Diskretisierung von zeitabhängigen partiellen Differentialgleichungen mit der Linienmethode führt auf Systeme gewöhnlicher Dgl
Mehru(x, 0) = g(x) : 0 x 1 u(0, t) = u(1, t) = 0 : 0 t T
8.1 Die Methode der Finiten Differenzen Wir beschränken uns auf eindimensionale Probleme und die folgenden Anfangs und Anfangsrandwertprobleme 1) Cauchy Probleme für skalare Erhaltungsgleichungen, also
MehrÜbungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 1
Prof. Roland Gunesch Sommersemester 00 Übungen zur Vorlesung Einführung in Dnamische Ssteme Musterlösungen zu Aufgabenblatt Aufgabe : Sei A 0 4. a Bestimmen Sie für jeden Anfangswert 0 R das Verhalten
MehrKurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren
Kurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren Was sind typische qualitative Aussagen bei gewöhnlichen Differentialgleichungen der Form x (t) = f(t, x)? (1) 1. Andere
MehrNumerik gewöhnlicher Differentialgleichungen. Übung 8 - Lösungsvorschlag
Technische Universität Chemnitz Chemnitz, 2. Januar 21 Prof. R. Herzog, M. Bernauer Numerik gewöhnlicher Differentialgleichungen WS29/1 Übung 8 - Lösungsvorschlag 1. Ziel dieser Aufgabe ist die Umsetzung
MehrVF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
MehrSkript zur Vorlesung Analysis 3
Skript zur Vorlesung Analysis 3 Herbstsemester 204 Prof. Benjamin Schlein Inhaltsverzeichnis Gewöhnliche Differentialgleichungen 2. Differentialgleichungen erster Ordnung, elementare Lösungsmethoden..
Mehr2.3.1 Explizite Runge-Kutta-Verfahren
Somit ist y(t + h) = y + hf(t, y ) + h (f t (t, y ) + f y (t, y )f(t, y )) + O(h 3 ) Setzen wir Φ(t, y, h) := f(t, y) + h (f t(t, y) + f y (t, y)f(t, y)), so erhalten wir ein Verfahren mit der Konsistenzordnung
MehrNichtlineare Gleichungssysteme
Nichtlineare Gleichungssysteme Jetzt: Numerische Behandlung nichtlinearer GS f 1 (x 1,..., x n ) =0. f n (x 1,..., x n ) =0 oder kurz f(x) = 0 mit f : R n R n Bemerkung: Neben dem direkten Entstehen bei
MehrVF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b.
NumaMB F14 Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrNumerische Verfahren
Numerische Verfahren Numerische Methoden von gewöhnlichen Differentialgleichungen (AWP) Prof. Dr.-Ing. K. Warendorf, Prof. Dr.-Ing. P. Wolfsteiner Hochschule für Angewandte Wissenschaften München (FH)
MehrFixpunkt-Iterationen
Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 27. Februar 2014 Gliederung Wiederholung: Gleichungstypen, Lösungsverfahren Grundprinzip
MehrAnalysis I. Guofang Wang Universität Freiburg
Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum
MehrGewöhnliche Differentialgleichungen
Gewöhnliche Differentialgleichungen 10. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 22. Mai 2014 Gliederung 1 Aufgabenstellung und Interpretation
MehrExplizite gewöhnliche Differentialgleichung 1. Ordnung mit Anfangsbedingung
Explizite gewöhnliche Differentialgleichung 1. Ordnung mit Anfangsbedingung Gesucht ist eine Funktion y(x), welche erfüllt y = f(x,y) y(x 0 ) = y 0 Differentialgleichung Anfangsbedingung Wenn f in x stetig
MehrÜbungsblatt 10 Musterlösung
Übungsblatt 0 Musterlösung Numerik gewöhnlicher Differentialgleichungen MA2304 - SS6 Aufgabe 45 Fehlerkonstante von MSV Betrachten Sie ein allgemeines lineares q Schrittverfahren α q j y i+ j = h β q j
Mehr5 Randwertprobleme. y = f(t, y, y ) für t J, (5.2a) y(t 0 ) = y 0, y(t) = y T (5.2b) zu gegebener Funktion f und Werten y 0, y T.
5 Randwertprobleme Bei den bisher betrachteten Problemen handelte es sich um Anfangswertprobleme. In der Praxis treten, insbesondere bei Differentialgleichungen höherer Ordnung, auch Randwertprobleme auf.
MehrAnalysis I. Vorlesung 29
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 29 Homogene lineare gewöhnliche Differentialgleichungen Definition 29.1. Eine Differentialgleichung der Form y = gt)y mit einer Funktion
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 2. Teil 2-1 1) Welche Garantie
MehrÜbungen zu Differentialgleichungen (WiSe 12/13)
Übungen zu Differentialgleichungen WiSe 2/) Blatt 6 22 November 202 Gruppenübung Aufgabe G Sei f t, p) := p 5, t, p) R 2 Gegeben sei das Anfangswertproblem ẋ = f t,x), x0) = ) Bestimmen sie das maximale
MehrZusammenfassung Analysis 2
Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge
MehrWie in der reellen Analysis üblich notiert man Folgen f in der Form
2.1.3 Folgen und Konvergenz Viele aus der Analysisvorlesung bekannte Begriffe lassen sich in den Bereich der metrischen Räume verallgemeinern. Diese Verallgemeinerung hat sich als sehr nützliches mathematisches
MehrDynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
Mehr11. Einschrittverfahren
H.J. Oberle Differentialgleichungen I WiSe 2012/13 A. Allgemeines. 11. Einschrittverfahren Es geht in diesem Abschnitt um die numerische Lösung einer AWA y (t) = f(t, y(t)), y(t 0 ) = y 0. (11.1) Aufgabe
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 2. Teil 2-1 1) Welche Garantie
MehrNumerik gewöhnlicher Differentialgleichungen. Prof. Dr. Guido Kanschat
Numerik gewöhnlicher Differentialgleichungen Prof. Dr. Guido Kanschat 19. Juni 2013 Vorbemerkungen Bei diesen Blättern handelt es sich zur Zeit nur um eine begleitende Ergänzung des Vorlesungsskriptes
Mehr6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme
6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear
MehrGewöhnliche Differentialgleichungen Woche 7. Globale Existenz einer Lösung
Gewöhnliche Differentialgleichungen Woche 7 Globale Existenz einer Lösung 7.1 Von lokal zu global Wir betrachten wiederum das Anfangswertproblem { y (x = f (x, y(x, y( = y 0. (7.1 Eine erste Erweiterung
Mehr7. Nichtlineare Gleichngssysteme. Problem 7: Sei f : R n R n stetig. Löse f(x) = 0.
7. Nichtlineare Gleichngssysteme Problem 7: Sei f : R n R n stetig. Löse f(x) = 0. Das Gleichungssystem f(x) = 0 lässt sich in die Fixpunktgleichung x = φ(x) umschreiben, wobei φ : D R n R n. Beispielsweise
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
MehrExtrapolationsverfahren
Extrapolationsverfahren Vortrag im Rahmen des Seminars Numerik gewöhnlicher Differentialgleichungen unter der Leitung von Prof. Peter Bastian WS 2010/11 Marlene Beczalla 21.12.2010 1. Beschreibung des
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrAufgabenstellung: Explizite gewöhnliche Differentialgleichung 1. Ordnung mit Anfangsbedingung Gesucht ist eine Funktion y = y(x).
I Neunte Übungseinheit Inhalt der neunten Übungseinheit: Gewöhnliche Differentialgleichungen erster Ordnung I. Gewöhnliche Differentialgleichungen erster Ordnung Aufgabenstellung: Explizite gewöhnliche
MehrAufgabenstellung: Explizite gewöhnliche Differentialgleichung 1. Ordnung mit Anfangsbedingung Gesucht ist eine Funktion y = y(x).
I Neunte Übungseinheit Inhalt der neunten Übungseinheit: Gewöhnliche Differentialgleichungen erster Ordnung I. Gewöhnliche Differentialgleichungen erster Ordnung Aufgabenstellung: Explizite gewöhnliche
MehrDifferenzialgleichungen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 30. Januar 2008 (System von) Differenzialgleichung(en) Schwingungsgleichung Newtonsche Mechanik Populationsdynamik...DGLn höherer Ordnung auf
Mehr5 Numerische Iterationsverfahren
In diesem Kapitel besprechen wir numerische Iterationsverfahren (insbesondere Fixpunktverfahren) als eine weitere Lösungsmethode zur Lösung von linearen Gleichungssystemen (Kapitel 4) sowie zur Lösung
Mehr(d) das zu Grunde liegende Problem gut konditioniert ist.
Aufgabe 0: (6 Punkte) Bitte kreuzen Sie die richtige Lösung an. Es ist jeweils genau eine Antwort korrekt. Für jede richtige Antwort erhalten Sie einen Punkt, für jede falsche Antwort wird Ihnen ein Punkt
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 2. Teil 2-1 1) Welche Garantie
MehrIntegraldarstellung des Restgliedes; Lagrangesche Restgliedformel;
Kapitel Der Satz von Taylor. Taylor-Formel und Taylor-Reihe (Taylor-Polynom; Restglied; Integraldarstellung des Restgliedes; Lagrangesche Restgliedformel; die Klasse C ; reell analytische Funktionen) In
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrNumerik I. Gewöhnliche Differentialgleichungen. Prof.Dr.G.Wittum. Teil I:
Numerik I Prof.Dr.G.Wittum Teil I: Gewönlice Differentialgleicungen Sommersemester 2005 INHALTSVERZEICHNIS 1 Inaltsverzeicnis 1 Numerik gewönlicer Differentialgleicungen 2 1.1 Einleitung....................................
MehrKAPITEL 5. Nichtlineare Gleichungssysteme
KAPITEL 5. Nichtlineare Gleichungssysteme Beispiel 5.1. Gravitationskraft zwischen zwei Punktmassen m 1 und m 2 mit gegenseitigem Abstand r: F = G m 1m 2 r 2, wobei G = 6.67 10 11 Nm 2 /kg. Gravitationsfeld
MehrIterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen IGPM RWTH Aachen Institut für Geometrie und Praktische Mathematik Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen
Mehr2 Einschrittverfahren 2.1 Einführung
Einschrittverfahren. Einführung Im folgenden werden wir uns bei der Beschreibung und Analyse von numerischen Verfahren für Anfangswertprobleme auf den Fall n = beschränken. Dies wird nur gemacht, um die
MehrDiplom VP Numerik 28. August 2006
Diplom VP Numerik 8. August 6 Multiple-Choice-Test Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese Aufgabe
MehrÜbungen zu gewöhnlichen Differentialgleichungen Lösungen zu Übung 23
Übungen zu gewöhnlichen Differentialgleichungen Lösungen zu Übung 3 3.1 Gegeben sei die Anfangswertaufgabe (AWA) Zeigen Sie, dass die Funktion y (x) = x y(x) mit y(0) = 1 die einzige Lösung dieser AWA
Mehr12 Gewöhnliche Differentialgleichungen
2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert
MehrInexakte Newton Verfahren
Kapitel 3 Inexakte Newton Verfahren 3.1 Idee inexakter Newton Verfahren Wir betrachten weiterhin das nichtlineare Gleichungssystem F (x) = mit einer zumindest stetig differenzierbaren Funktion F : R n
MehrC7 Differentgleichungen (DG) C7.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: Ort: Geschwindigkeit:
C7 Differentgleichungen (DG) C7.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: (enthalten Ableitungen der gesuchten Funktionen) [Stoffgliederung im Skript für Kapitel
MehrLösungsvorschläge zur ersten Klausur Gewöhnliche Differenzialgleichungen am um 10 Uhr. Bearbeitungszeit beträgt zwei Stunden.
Lösungsvorschläge zur ersten Klausur Gewöhnliche Differenzialgleichungen am 20.6.2015 um 10 Uhr. Bearbeitungszeit beträgt zwei Stunden. Prof. Dr. Wolfgang Arendt Manuel Bernhard Sommersemester 2015 Achten
Mehr13 Mehrdimensionale Zufallsvariablen Zufallsvektoren
3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem
MehrSerie 13: Online Test
D-ERDW, D-HEST, D-USYS Mathematik I HS 13 Dr. Ana Cannas Serie 13: Online Test Einsendeschluss: 31. Januar 214 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.
Mehr1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differentialgleichungssysteme Prof. Dr. Wandinger
Mehr22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion
KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von
MehrExplizite Runge-Kutta-Verfahren
Explizite Runge-Kutta-Verfahren Proseminar Numerische Mathematik Leitung: Professor Dr. W. Hofmann Dominik Enseleit 06.07.2005 1 1 Einleitung Nachdem wir schon einige numerische Verfahren zur Lösung gewöhnlicher
MehrNumerik und Simulation in der Geoökologie
1/49 Rekapitulation Das Euler-Verfahren für ODE-IVP Eigenschaften von Einschrittverfahren Numerik und Simulation in der Geoökologie Sylvia Moenickes VL 2 WS 2007/2008 2/49 Rekapitulation Das Euler-Verfahren
MehrSkalare Differenzialgleichungen
3 Skalare Differenzialgleichungen Differenzialgleichungen stellen eine Beziehung her zwischen einer oder mehreren Funktionen und ihren Ableitungen. Da Ableitungen Veränderungen beschreiben, modellieren
MehrAnalysis II. 8. Klausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
MehrModulprüfung Numerische Mathematik 1
Prof. Dr. Klaus Höllig 18. März 2011 Modulprüfung Numerische Mathematik 1 Lösungen Aufgabe 1 Geben Sie (ohne Beweis an, welche der folgenden Aussagen richtig und welche falsch sind. 1. Die Trapezregel
Mehr10 Stabilität und steife Systeme
Numerik II 34 Stabilität und steife Systeme Inhalt. Absolute Stabilität. Was sind steife Differentialgleichungen?.3 Weitere Stabilitätsbegriffe Stabilität und steife Systeme TU Bergakademie Freiberg, SS
Mehreps für alle x D. 4. Die Zahl 256 ist in M(2, 4, 6, 6) exakt darstellbar.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H13 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
MehrDifferentialgleichungen
Differentialgleichungen Viele physikalische Probleme können mathematisch als gewöhnliche Differentialgleichungen formuliert werden nur eine unabhängige Variable (meist t), z.b. Bewegungsgleichungen: gleichmäßig
MehrZehnte Vorlesung, 4. Juni 2009, Inhalt. Eigenwerte und Eigenvektoren (2) Gewöhnliche Differentialgleichungen
Zehnte Vorlesung, 4. Juni 2009, Inhalt Eigenwerte und Eigenvektoren (2) Gewöhnliche Differentialgleichungen 1 Eigenwerte und Eigenvektoren Wichtige Feststellungen zur Eigenwertaufgabe Ax = λx: Eigenwerte
MehrLösung Semesterendprüfung
MNUM Mathematik: Numerische Methoden Herbstsemester 17 Dr Christoph Kirsch ZHAW Winterthur Aufgabe 1 : Lösung Semesterendprüfung Wir schreiben zuerst die Gleichungen f(x i ; a, a 1, a y i, i 1,,, 1, als
MehrAnalysis I. 14. Übungsstunde. Steven Battilana. battilana.uk/teaching
Analysis I 4. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching June 6, 207 Erinnerung Die Reihe a k konvergiert falls, lim S n = lim n n n a k =: a k existiert. Satz (Majoranten/Minorantenkriterium)
MehrGewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
Mehrist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1
24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx
Mehr1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differenzialgleichungssysteme 5.1-1 1.1 Grundlagen
MehrKlausur zu Analysis II - Lösungen
Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Dr. Axel Grünrock WS 1/11 11..11 Klausur zu Analysis II - Lösungen 1. Entscheiden Sie, ob die folgenden Aussagen richtig oder falsch sind.
MehrRechenoperationen mit Folgen. Rekursion und Iteration.
Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )
MehrÜbungen zu Einführung in die Analysis
Übungen zu Einführung in die Analysis (Nach einer Zusammengestellung von Günther Hörmann) Sommersemester 2011 Vor den folgenden Aufgaben werden in den ersten Wochen der Übungen noch jene zur Einführung
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrAM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:
AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 (x 1, x 2,..., x n ) x 2... f 2 (x 1, x 2,..., x n )... x n f m (x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man:
MehrZuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.
(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation. y 7y + 10y = sin(2x), y(0) = 1, y (0) = 3. x ( ) Bemerkung: Für festes a gilt L(e ax ) = 1 und L sin(ax) = arctan a. s a x s Die auftretenden
MehrAnalysis II (FS 2015): Vektorfelder und Flüsse
Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.
MehrParareal. Ein paralleler Lösungsalgorithmus für gewöhnliche Differentialgleichungen. Johannes Reinhardt. Parareal 1 Johannes Reinhardt
Ein paralleler Lösungsalgorithmus für gewöhnliche Differentialgleichungen Johannes Reinhardt 1 Johannes Reinhardt Übersicht Grundlagen Gewöhnliche Differentialgleichungen Numerische Methoden Der Algorithmus
MehrKapitel 8: Gewöhnliche Differentialgleichungen 8.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2.
Kapitel 8: Gewöhnliche Differentialgleichungen 8.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: (enthalten Ableitungen der gesuchten Funktionen) Geschwindigkeit:
Mehr( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( )
64 Die Tangente in x 0 eignet sich also als lokale (lineare) Näherung der Funktion in der Nähe des Punktes P. Oder gibt es eine noch besser approximierende Gerade? Satz 4.9 Unter allen Geraden durch den
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
MehrDifferenzialgleichungen
Differenzialgleichungen Fakultät Grundlagen April 2011 Fakultät Grundlagen Differenzialgleichungen Übersicht Grundsätzliches 1 Grundsätzliches Problemstellung Richtungsfeld Beispiel 2 Eulerverfahren Heunverfahren
MehrL 2 -Theorie und Plancherel-Theorem
L -Theorie und Plancherel-Theorem Seminar Grundideen der Harmonischen Analysis bei Porf Dr Michael Struwe HS 007 Vortrag von Manuela Dübendorfer 1 Wiederholung aus der L 1 -Theorie Um die Fourier-Transformation
MehrEinführung und Beispiele
Kapitel 7 Gewöhnliche Differentialgleichungen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 7/2 Einführung und Beispiele Prof. R. Leithner, E. Zander Einführung in numerische
MehrBegleitmaterial zur Vorlesung Numerik II
Begleitmaterial zur Vorlesung Numerik II Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik II 1 / 35 Inhalte der Numerik
Mehr1 Einführung, Terminologie und Einteilung
Zusammenfassung Kapitel V: Differentialgleichungen 1 Einführung, Terminologie und Einteilung Eine gewöhnliche Differentialgleichungen ist eine Bestimmungsgleichung um eine Funktion u(t) einer unabhängigen
Mehr