10 Die Methode der finiten Elemente für ein parabolisches Problem

Größe: px
Ab Seite anzeigen:

Download "10 Die Methode der finiten Elemente für ein parabolisches Problem"

Transkript

1 1 Die Methode der finiten Elemente für ein parabolisches Problem In diesem Kapitel untersuchen wir die Approximation von Lösungen der Modell-Wärmeleitungsgleichung in zwei räumlichen Dimensionen mithilfe der Galerkin-Methode, die stückweise lineare Testfunktionen benutzt. In Abschnitt 1.1 betrachten wir die Diskretisierung nur hinsichtlich der räumlichen Variablen. In dem folgenden Abschnitt 1.2 untersuchen wir einige vollständig diskrete Schemata. 1.1 Die semidiskrete Galerkin-Methode der finiten Elemente Sei Ω R 2 eine abgeschlossene, konvexe Menge mit glattem Rand Γ. Wir betrachten das Anfangs-Randwertproblem (1.1) u t u = f in Ω R +, u = auf Γ R +, u(, ) = v in Ω, wobei u t für u/ t und für den Laplace-Operator 2 / x / x 2 2 steht. Im ersten Schritt werden wir die Lösung u(x, t) mithilfe einer Funktion u h (x, t) approximieren, die für jedes feste t eine stückweise lineare Funktion von x über einer Triangulation T h von Ω ist und somit von einer endlichen Anzahl von Parametern abhängt. Es bezeichne also T h = {K} eine Triangulation von Ω von einem im Abschnitt 5.2 betrachteten Typ. Es seien {P j } M h die inneren Knoten von T h. Darüber hinaus bezeichnen wir mit S h die stückweise linearen Funktionen auf T h, die auf Ω verschwinden. Dabei sei {Φ j } M h die zu den Knoten {P j} M h gehörige Standardbasis von S h. Erinnern Sie sich an die Definition (5.28) der Interpolierten I h : C ( Ω) S h und an die Fehlerschranken (5.34) mit r = 2. Um eine approximative Lösung des Anfangs-Randwertproblems (1.1) zu definieren, schreiben wir dieses wie in Abschnitt 8.3 zunächst in schwacher

2 158 1 Die Methode der finiten Elemente für ein parabolisches Problem Form, d. h. mit den obigen Definitionen als (1.2) (u t, ϕ) + a(u, ϕ) = (f, ϕ) ϕ H 1, t >. Wir stellen nun das Approximationsproblem, ein für jedes t zu S h gehöriges u h (t) = u h (, t) so zu bestimmen, dass (1.3) (u h,t, χ) + a(u h, χ) = (f, χ) χ S h, t >, u h () = v h erfüllt ist, wobei v h S h eine Approximation von v ist. Da wir nur in den räumlichen Variablen diskretisiert haben, wird dies als ein räumlich semidiskretes Problem bezeichnet. Im nächsten Abschnitt werden wir auch in der Zeitvariablen diskretisieren, was zu vollständig diskreten Schemata führt. Das semidiskrete Problem kann mithilfe der Basis {Φ j } M h folgendermaßen gestellt werden: Gesucht sind die Koeffizienten α j (t) in sodass M h u h (x, t) = α j (t)φ j (x), M h M h α j(t)(φ j, Φ k ) + α j (t)a(φ j, Φ k ) = (f(t), Φ k ), k = 1,..., M h gilt. Dabei bezeichnen die γ j die Knotenwerte der gegebenen Anfangsfunktion v h mit α j () = γ j, j = 1,..., M h. In Matrixdarstellung kann dies in der Form (1.4) Bα (t) + Aα(t) = b(t) für t > mit α() = γ ausgedrückt werden, wobei B = (b kj ) die Massenmatrix mit den Elementen b kj = (Φ j, Φ k ), A = (a kj ) die Steifigkeitsmatrix mit a kj = a(φ j, Φ k ), b = (b k ) der Vektor mit den Elementen b k = (f, Φ k ), α(t) der Vektor der Unbekannten α j (t) und γ = (γ j ) ist. Die Dimension dieser Objekte ist gleich der Anzahl M h der inneren Knoten von T h. Wir wissen aus Abschnitt 5.2, dass die Steifigkeitsmatrix A symmetrisch positiv definit ist und dies auch für die Massenmatrix B zutrifft, weil M h k, M h 2 ξ j ξ k (Φ j, Φ k ) = ξ j Φ j gilt und weil die Gleichheit nur auftreten kann, wenn der Vektor ξ = ist. Insbesondere ist B invertierbar, weshalb das obige gewöhnliche Differentialgleichungssystem in der Form

3 1.1 Die semidiskrete Galerkin-Methode der finiten Elemente 159 α (t) + B 1 Aα(t) = B 1 b(t) für t > mit α() = γ geschrieben werden kann und somit offensichtlich für positive t eine eindeutige Lösung besitzt. Wir beginnen unsere Analyse mit Betrachtungen zur Stabilität der semidiskreten Methode. Wegen u h S h können wir in (1.3) χ = u h wählen, wodurch wir (u h,t, u h ) + a(u h, u h ) = (f, u h ) für t > d oder, weil der erste Term gleich 1 2 dt u h 2 und der zweite nichtnegativ ist, 1 2 erhalten. Daraus ergibt sich d dt u h 2 = u h d dt u h f u h d dt u h f, was nach Integration auf die Stabilitätsabschätzung (1.5) u h (t) v h + f ds führt. Damit wir Gleichung (1.3) in Operatorform aufschreiben können, führen wir einen diskreten Laplace-Operator h ein, den wir als Operator aus S h in sich selbst betrachten, der durch (1.6) ( h ψ, χ) = a(ψ, χ) ψ, χ S h definiert ist. Dieses diskrete Analogon zur Greenschen Formel definiert h ψ = Mh d jφ j eindeutig durch M h d j (Φ j, Φ k ) = a(ψ, Φ k ), k = 1,..., M h, weil die Matrix dieses Systems die positiv definite Massenmatrix ist, die uns bereits oben begegnet ist. Man kann sich leicht davon überzeugen, dass der Operator h selbstadjungiert und h positiv definit in S h bezüglich des L 2 - Skalarproduktes ist (siehe Problemstellung 1.3). Die Gleichung (1.3) kann nun in der Form (u h,t h u h P h f, χ) = χ S h geschrieben werden, wobei P h die L 2 -Projektion auf S h bezeichnet. Wenn wir andererseits beachten, dass der erste Faktor in S h ist, sodass χ gleich diesem Ausdruck gewählt werden kann, folgt

4 16 1 Die Methode der finiten Elemente für ein parabolisches Problem (1.7) u h,t h u h = P h f für t > mit u h () = v h. Wir bezeichnen mit E h (t) den Lösungsoperator im homogenen Fall der semidiskreten Gleichung (1.7) mit f =. E h (t) ist also der Operator, der die Anfangsdaten u h () = v h in die Lösung u h (t) zur Zeit t überführt, sodass u h (t) = E h (t)v h gilt. Man kann dann leicht zeigen (siehe Duhamel-Prinzip (8.22)), dass die Lösung des Anfangswertproblems (1.7) (1.8) u h (t) = E h (t)v h + E h (t s)p h f(s) ds ist. Wir bemerken nun, dass aus (1.5) die Stabilität von E h (t) in L 2 folgt, es gilt also (1.9) E h (t)v h v h v h S h. Da P h in L 2 auch die Norm eins hat, bestätigt dies zusammen mit (1.8) die Stabilitätsabschätzung (1.5) für die inhomogene Gleichung. Es ist also wirklich ausreichend, die Stabilität für die homogene Gleichung zu beweisen. Wir werden nun die folgende Abschätzung für die Abweichung der Lösung des semidiskreten Problems gegenüber der Lösung des kontinuierlichen Problems beweisen. Theorem 1.1. Seien u h und u die Lösungen von (1.3) und (1.1). Dann gilt u h (t) u(t) v h v + Ch 2( ) v 2 + u t 2 ds für t. Hier fordern wir wie gewöhnlich, dass die Lösung des kontinuierlichen Problems die Regularität besitzt, die implizit durch die Anwesenheit der Normen auf der rechten Seite angenommen wird. Beachten Sie außerdem, dass die Gleichung (5.31) für v h = I h v zeigt, dass (1.1) v h v Ch 2 v 2 gilt, was bedeutet, dass der erste Term auf der rechten Seite durch den zweiten dominiert wird. Dasselbe trifft auf den Fall v h = P h v zu, wobei P h die orthogonale Projektion des L 2 auf S h ist, weil diese Wahl die beste Approximation von v in S h bezüglich der L 2 -Norm darstellt (siehe (5.39)). Eine andere Wahl optimaler Ordnung ist v h = R h v, wobei R h die elliptische (Ritzsche) Projektion auf S h ist, die in (5.49) durch (1.11) a(r h v, χ) = a(v, χ) χ S h definiert wurde. Deshalb ist R h v die Finite-Elemente-Approximation der Lösung des elliptischen Problems, dessen exakte Lösung v ist. Wir wiederholen die Fehlerabschätzungen aus Theorem 5.5: (1.12) R h v v + h R h v v 1 Ch s v s für s = 1, 2. Wir kommen nun zum

5 1.1 Die semidiskrete Galerkin-Methode der finiten Elemente 161 Beweis von Theorem 1.1. Im Hauptteil des Beweises werden wir die Lösung des semidiskreten Problems mit der elliptischen Projektion der exakten Lösung vergleichen. Wir schreiben dazu (1.13) u h u = (u h R h u) + (R h u u) = θ + ρ. Der zweite Term kann unter Verwendung von (1.12) offensichtlich leicht durch ρ(t) Ch 2 u(t) 2 = Ch 2 v + u t ds Ch 2( ) v 2 + u t 2 ds 2 abgeschätzt werden. Zum Abschätzen von θ stellen wir fest, dass (1.14) (θ t, χ) + a(θ, χ) = (u h,t, χ) + a(u h, χ) (R h u t, χ) a(r h u, χ) = (f, χ) (R h u t, χ) a(u, χ) = (u t R h u t, χ) oder (1.15) (θ t, χ) + a(θ, χ) = (ρ t, χ) χ S h gilt. Bei dieser Herleitung haben wir (1.3), (1.2), die Definition von R h in (1.11) und die leicht zu überprüfende Tatsache benutzt, dass dieser Operator mit der Zeitableitung kommutiert, d. h. R h u t = (R h u) t gilt. Wir können nun die Stabilitätsabschätzung (1.5) auf (1.15) anwenden und erhalten Hier gilt θ(t) θ() + ρ t ds. θ() = v h R h v v h v + R h v v v h v + Ch 2 v 2 und ferner ρ t = R h u t u t Ch 2 u t 2. Zusammen beweisen diese Abschätzungen das Theorem. Wir sehen aus dem Beweis von Theorem 1.1, dass die Fehlerabschätzung für das semidiskrete parabolische Problem eine Konsequenz aus der Stabilität dieses Problems und der Fehlerabschätzung des elliptischen Problems, ausgedrückt in der Form ρ = (R h I)u, ist. Wiederholen wir das Maximumprinzip für parabolische Gleichungen, Theorem 8.7, stellen wir sofort fest, dass für den Lösungsoperator E(t) im homogenen Fall des Anfangs-Randwertproblems (1.1) die Abschätzung E(t)v C v C für t gilt. Das zugehörige Maximumprinzip gilt für das Finite- Elemente-Problem nicht. Man kann allerdings zeigen, dass im Falle einer quasiuniformen Familie {T h } von Triangulationen (vgl. (5.52)) für ein C > 1

6 162 1 Die Methode der finiten Elemente für ein parabolisches Problem E h (t)v h C C v h C für t gilt. Dies kann mit der Fehlerabschätzung (5.53) für das stationäre Problem kombiniert werden, um eine Fehlerabschätzung für das parabolische Problem in der Maximumnorm beweisen zu können. In diesem Zusammenhang erwähnen wir eine Variante des semidiskreten Problems (1.2), für das mitunter ein Maximumprinzip gilt. Dabei handelt es sich um die Lumped-Mass-Methode. Zu deren Definition ersetzen wir die Matrix B in (1.4) durch eine Diagonalmatrix B, in der sich die Diagonalelemente aus der Summe der Zeilenelemente ergeben. Man kann zeigen, dass diese Methode auch durch (1.16) (u h,t, χ) h + a(u h, χ) = (f, χ) χ S h für t > definiert werden kann, wobei das Skalarprodukt im ersten Term durch Berechnung des ersten Terms in (1.2) mithilfe der Knotenquadraturregel (5.64) zustande gekommen ist. Für diese Methode kann man eine Fehlerabschätzung der Ordnung O(h 2 ) herleiten, die der aus Theorem 1.1 ähnelt. Wenn wir nun annehmen, dass alle Triangulationswinkel kleiner gleich π/2 sind, dann sind die Nichtdiagonalelemente der Steifigkeitsmatrix A nichtpositiv. Daraus folgt, dass für den Lösungsoperator Ēh(t) des modifizierten Problems gilt. Ēh(t)v h C v h C für t Kehren wir zur gewöhnlichen Galerkin-Methode (1.1) zurück. Wir beweisen nun die folgende Abschätzung des Fehlers im Gradienten. Theorem 1.2. Unter den Annahmen von Theorem 1.1 gilt für t { u h (t) u(t) 1 v h v 1 + Ch v 2 + u(t) 2 + ( ) 1/2 } u t 2 1 ds. Beweis. Wie vorhin schreiben wir den Fehler in der Form (1.13). An dieser Stelle gilt wegen (1.12) ρ(t) 1 = R h u(t) u(t) 1 Ch u(t) 2. Um θ abzuschätzen, benutzen wir wiederum (1.15), nun mit χ = θ t. Wir erhalten θ t d 2 dt θ 2 1 = (ρ t, θ t ) 1 2 ( ρ t 2 + θ t 2 ), sodass d dt θ 2 1 ρ t 2 oder

7 1.1 Die semidiskrete Galerkin-Methode der finiten Elemente 163 θ(t) 2 1 θ() ρ t 2 ds ( ) t 2 v h v 1 + R h v v 1 + ρ t 2 ds gilt. Hieraus schlussfolgern wir wegen a 2 + b 2 ( a + b ) 2 und (1.12) { (1.17) θ(t) 1 v h v 1 + Ch v 2 + was den Beweis abschließt. ( ) 1/2 } u t 2 1 ds, Beachten Sie, dass im Falle v h = I h v oder R h v v h v 1 Ch v 2 gilt, sodass der erste Term auf der rechten Seite der Gleichung aus Theorem 1.2 durch den zweiten dominiert wird. Wir machen nun bezüglich θ = u h R h u folgende Beobachtung: Wenn wir v h = R h v so wählen, dass θ() = ist, dann gilt zusätzlich zu (1.17) ( ) ( 1/2 θ(t) 1 ρ t 2 ds Ch 2 1/2. u t 2 2 ds) Somit ist der Gradient von θ von zweiter Ordnung O(h 2 ), während der Gradient des Gesamtfehlers für h lediglich von der Ordnung O(h) ist. Folglich ist u h eine bessere Approximation für R h u als es für u möglich ist. Dies ist ein Beispiel für ein Phänomen, das manchmal als Superkonvergenz bezeichnet wird. Der oben eingeführte Lösungsoperator E h (t) besitzt ebenfalls Glättungseigenschaften, die denen in Abschnitt 8.2 für das kontinuierliche Problem entsprechen, sodass beispielsweise E h (t)v h 1 Ct 1/2 v h für t >, v h S h und (1.18) D k t E h (t)v h = k h E h (t)v h C k t k v h für t >, v h S h gilt. Solche Resultate können verwendet werden, um beispielsweise die folgenden Fehlerabschätzungen für die homogene Gleichung im Falle nichtglatter Daten zu zeigen. Theorem 1.3. Ws gelte f = und seien u h und u die Lösungen von (1.3) beziehungsweise (1.1), wobei die Anfangsdaten für (1.3) als v h = P h v gewählt werden. Dann gilt u h (t) u(t) Ch 2 t 1 v für t >.

8 164 1 Die Methode der finiten Elemente für ein parabolisches Problem Den Beweis überlassen wir dem Leser als Übung (siehe Problemstellung 1.4). Dieses Resultat zeigt, dass die Konvergenzrate für t > von der Ordnung O(h 2 ) ist. Dies trifft auch dann zu, wenn wir lediglich annehmen, dass v in L 2 ist. Die oben vorgestellte Theorie lässt sich unter geeigneten Annahmen für die Regularität der Lösung einfach auf finite Elemente höherer Ordnung übertragen. Gilt also im Raum der finiten Elemente (1.19) R h w w Ch r w r w H r H 1, dann können wir das folgende Theorem zeigen. Theorem 1.4. Seien u h und u die Lösungen von (1.3) beziehungsweise (1.1) und sei Gleichung (1.19) erfüllt. Dann gilt für ein geeignet gewähltes v h u h (t) u(t) Ch r( v r + ) u t r ds für t. Wir wissen bereits aus Gleichung (5.5), dass für r > 2 die Abschätzung (1.19) für stückweise Polynome vom Grad r 1 gilt, die Regularitätsannahme w H r H 1 für ein polygonales Gebiet Ω dann aber etwas unrealistisch ist. Für ein Gebiet Ω mit einem glatten Rand Γ sind spezielle Betrachtungen in der Grenzschicht Ω \ Ω h notwendig. 1.2 Einige vollständig diskrete Schemata Wir wenden unsere Aufmerksamkeit nun einigen einfachen Schemata zu, die auch bezüglich der Zeit eine Diskretisierung vornehmen. Es sei S h wie vorhin der Raum stückweise linearer Finite-Elemente-Funktionen. Wir beginnen mit dem Rückwärts-Euler-Galerkin-Verfahren. Sei k der Zeitschritt und U n S h die Approximation von u(t) an der Stelle t = t n = nk. Dann wird diese Methode dadurch definiert, dass die Zeitableitung in (1.3) durch einen Rückwärts- Differenzenquotienten ersetzt wird. Mit t U n = k 1 (U n U n 1 ) gilt also (1.2) ( t U n, χ) + a(u n, χ) = (f(t n ), χ) χ S h, n 1, U = v h. Ist U n 1 gegeben, dann wird U n damit implizit über das diskrete elliptische Problem (U n, χ) + ka(u n, χ) = (U n 1 + kf(t n ), χ) χ S h definiert. Wenn wir U n mithilfe der Basis {Φ j } M h als U n (x) = M h αn j Φ j(x) ausdrücken, können wir diese Gleichung in der in Abschnitt 1.1 eingeführten Matrixnotation als

9 1.2 Einige vollständig diskrete Schemata 165 Bα n + kaα n = Bα n 1 + kb n für n 1 schreiben, wobei α n der Vektor mit den Komponenten α n j oder α n = (B + ka) 1 Bα n 1 + k(b + ka) 1 b n für n 1 mit α = γ ist. Wir beginnen unsere Analyse des Rückwärts-Euler-Verfahrens damit, die unbedingte Stabilität dieser Methode zu zeigen. Das heißt, dass diese Methode unabhängig von der Relation zwischen h und k stabil ist. Wählen wir in (1.2) χ = U n, so gilt wegen a(u n, U n ) ( t U n, U n ) f n U n, wobei f n = f(t n ) ist, oder U n 2 (U n 1, U n ) k f n U n. Wegen (U n 1, U n ) U n 1 U n zeigt dies woraus durch wiederholte Anwendung U n U n 1 + k f n für n 1, (1.21) U n U + k n f j folgt. Wir werden nun die folgende Fehlerabschätzung beweisen. Theorem 1.5. Sind U n und u Lösungen von (1.2) beziehungsweise (1.1) und wählen wir v h so, dass (1.1) erfüllt ist, dann gilt für n U n u(t n ) Ch 2( n ) n v 2 + u t 2 ds + Ck u tt ds. Beweis. In Analogie zu (1.13) schreiben wir U n u(t n ) = ( U n R h u(t n ) ) + ( R h u(t n ) u(t n ) ) = θ n + ρ n. Wie vorhin gilt wegen (1.12) ρ n Ch 2 u(t n ) 2 Ch 2( n ) v 2 + u t 2 ds. Diesmal führt eine der Gleichung (1.14) entsprechende Berechnung auf (1.22) ( t θ n, χ) + a(θ n, χ) = (ω n, χ) mit

10 166 1 Die Methode der finiten Elemente für ein parabolisches Problem ω n = R h t u(t n ) u t (t n ) = (R h I) t u(t n ) + ( t u(t n ) u t (t n )) = ω n 1 + ω n 2. Wenden wir die Stabilitätsabschätzung (1.21) auf (1.22) an, erhalten wir θ n θ + k n n ω j 1 + k ω j 2. An dieser Stelle folgt wegen (1.1) und (1.12) wie vorhin θ = v h R h v v h v + v R h v Ch 2 v 2. Beachten Sie nun, dass gilt, woraus sich ω j 1 = (R h I)k 1 j k n ω j 1 n j t j 1 u t ds = k 1 j t j 1 Ch 2 u t 2 ds = Ch 2 t j 1 (R h I)u t ds n ergibt. Darüber hinaus gilt aufgrund der Taylorschen Formel ω j 2 = k 1 (u(t j ) u(t j 1 )) u t (t j ) = k 1 j und damit n k ω j 2 n j (s t j 1 )u tt (s) ds k t j 1 u t 2 ds t j 1 (s t j 1 )u tt (s) ds n u tt ds. Zusammen genommen schließen unsere Abschätzungen den Beweis des Theorems ab. Ersetzen wir in (1.2) den Rückwärts-Differenzenquotienten bezüglich der Zeit durch einen Vorwärts-Differenzenquotienten, gelangen wir zum Vorwärts- Euler-Galerkin-Verfahren. Mit t U n = (U n+1 U n )/k gilt also ( t U n, χ) + a(u n, χ) = (f(t n ), χ) χ S h, n 1, U = v h. Dies kann in Matrixform als Bα n+1 = (B ka)α n + kb n für n ausgedrückt werden. Da B keine Diagonalmatrix ist, ist diese Methode nicht explizit. Wenden wir dieses Diskretisierungsverfahren jedoch auf die semidiskrete Gleichung (1.16) in der Lumped-Mass-Methode an, bei der man B

11 1.2 Einige vollständig diskrete Schemata 167 durch eine Diagonalmatrix B ersetzt, dann wird das zugehörige Vorwärts- Euler-Verfahren zu einem expliziten Verfahren. Unter Verwendung des in (1.6) definierten diskreten Laplace-Operators kann das Vorwärts-Euler-Verfahren auch durch (1.23) U n+1 = (I + k h )U n + kp h f(t n ) für n mit U = v h definiert werden. Diese Methode ist anders als das Rückwärts-Euler-Verfahren nicht unbedingt stabil. Wir werden allerdings die Stabilität unter der Bedingung zeigen, dass die Familie {S h } dergestalt ist, dass für den größten Eigenwert λ Mh,h von h (1.24) λ Mh,h k 2 gilt. Dabei werden wir der Einfachheit halber lediglich die homogene Gleichung betrachten. Erinnern wir uns an (6.37), so stellen wir fest, dass (1.24) beispielsweise dann gilt, wenn die S h die inverse Ungleichung (6.36) erfüllen und mit der Konstanten C aus Gleichung (6.37) k 2C 1 h 2 gilt, worin sich die bedingte Stabilität zeigt. Es ist klar, dass (1.23) genau dann stabil ist, wenn (I + k h )χ χ für alle χ S h erfüllt ist. Weil h symmetrisch positiv definit ist, gilt dies genau dann, wenn alle Eigenwerte von I + k h in [ 1, 1] liegen. Aufgrund der Positivität von h entspricht dies der Forderung, dass der kleinsten Eigenwert von I + k h größer gleich 1 ist, oder dass der größte Eigenwert von h kleiner gleich 2/k ist, also (1.24) erfüllt. Sehen Sie sich dazu auch Problemstellung 1.3 an. Beachten Sie, dass das Rückwärts-Euler-Verfahren aufgrund der unsymmetrischen Wahl der Zeitdiskretisierung in der Genauigkeit lediglich von erster Ordnung ist. Deshalb kommen wir nun zum Crank-Nicolson-Galerkin- Verfahren, bei dem die semidiskrete Gleichung symmetrisch um den Punkt t n 1/2 = (n 1 2 )k diskretisiert wird. Diese Vorgehensweise führt auf ein Verfahren, das in der Genauigkeit hinsichtlich der Zeit von zweiter Ordnung ist. Genauer gesagt, definieren wir U n S h für n 1 rekursiv durch (1.25) ( t U n, χ) + a( 1 2 (U n + U n 1 ), χ) = (f(t n 1/2 ), χ) χ S h, U = v h. In der Matrixnotation nimmt dies die Form Bα n kaαn = Bα n kaαn 1 + kb n 1/2 für n 1 oder mit α = γ die Form α n = (B ka) 1 (B 1 2 ka)αn 1 + k(b ka) 1 b n 1/2, n 1 an.

12 168 1 Die Methode der finiten Elemente für ein parabolisches Problem Dieses Verfahren ist ebenfalls unbedingt stabil, was man zeigen kann, indem man in (1.25) χ = U n + U n 1 wählt und auf der rechten Seite die Cauchy-Schwarz-Ungleichung anwendet. Dann ergibt sich k( t U n, U n +U n+1 ) = U n 2 U n 1 2 = ( U n U n 1 )( U n + U n 1 ). Unter Verwendung der Positivität von a(u n, U n ) und nach Streichen eines Faktors U n + U n 1 erhalten wir U n U n 1 + k f n 1/2 mit f n 1/2 = f(t n 1/2 ), oder nach Summation U n v h + k n f j 1/2. Diesmal ergibt sich die folgende Fehlerabschätzung. Der Beweis, den Sie in Problemstellung 1.7 ausführen sollen, verläuft analog zu dem von Theorem 1.5. Theorem 1.6. Seien U n und u die Lösungen von (1.25) beziehungsweise (1.1). Wird v h so gewählt, dass (1.1) erfüllt ist, dann gilt für n U n u(t n ) Ch 2( n ) n v 2 + u t 2 ds + Ck 2 ( uttt + u tt ) ds. 1.3 Problemstellungen Problem 1.1. Betrachten Sie das Problem (1.1) in einer räumlichen Dimension mit Ω = (, 1). Zur numerischen Lösung verwenden wir die stückweise linearen Funktionen über der Zerlegung < x 1 < x 2 <... < x M < 1, x j = jh, h = 1/(M + 1). Bestimmen Sie die Massenmatrix B und die Steifigkeitsmatrix A und schreiben Sie das semidiskrete Problem, die Rückwärts-Euler-Gleichungen und die Crank-Nicolson-Gleichungen auf. Problem 1.2. (Übung am Rechner.) Betrachten Sie das Anfangs-Randwertproblem (1.1) mit Ω = ( π, π) und v = sign x. (a) Bestimmen Sie die exakte Lösung durch Entwicklung nach Eigenfunktionen. (b) Wenden Sie das Rückwärts-Euler-Verfahren (1.2) auf der Basis stückweise linearer finiter Elemente mit v h = P h v und (h, k) = (π/5, 1/1), (π/1, 1/4) an. Bestimmen Sie den maximalen Fehler an den Gitterpunkten für t =.1,.5, 1..

13 1.3 Problemstellungen 169 Problem 1.3. (a) Zeigen Sie, dass der in (1.6) definierte Operator h : S h S h selbstadjungiert positiv definit bezüglich (, ) ist. (b) Zeigen Sie, dass mit der Notation aus Theorem 6.7 M h h v h = λ i,h (v h, ϕ i,h )ϕ i,h und h = λ Mh,h i=1 gilt. Hinweis: Die linke Seite der zweiten Gleichung ist die Operatornorm von h (siehe (A.7)). Folglich müssen Sie für alle χ S h die Beziehung h χ λ Mh,h χ zeigen, wobei Gleichheit für ein χ angenommen wird. (c) Angenommen, die Familie der Räume finiter Elemente {S h } erfüllt die inverse Ungleichung (6.36). Zeigen Sie, dass gilt. Hinweis: Sehen Sie sich (6.37) an. h Ch 2 Problem 1.4. Angenommen, es gilt f = und u h und u sind Lösungen von (1.3) beziehungsweise (1.1) mit v h = P h v. (a) Es sei v H 2 H 1. Zeigen Sie die Gültigkeit von u h (t) u(t) Ch 2 v 2 für t. (b) Es sei v L 2. Zeigen Sie die Gültigkeit u h (t) u(t) Ch 2 t 1 v für t >. Hinweis: Leiten Sie zur Lösung von Teil (a) aus (1.15) die Beziehung (1.26) θ(t) = E h (t)θ() E h (t s)p h ρ t (s) ds ab. Zerlegen Sie die Integrale gemäß = /2 + und integrieren Sie im t/2 ersten Term partiell, wodurch Sie θ(t) = E h (t)p h e() E h (t/2)p h ρ(t/2) + /2 D s E h (t s)p h ρ(s) ds t/2 E h (t s)p h ρ t (s) ds erhalten. Verwenden Sie anschließend (1.18), (1.12), (8.18) und Problemstellung 8.1. Zur Lösung von Teil (b) integrieren Sie nochmals partiell, wodurch Sie die zusätzlichen Terme D t E h (t/2)p h ρ(t/2) /2 D 2 se h (t s)p h ρ(s) ds mit ρ(t) = ρ(s) ds, ρ Ch2 ũ 2, ũ 2 C ũ und ũ(t) = u t(s) ds = u(t) v erhalten.

14 17 1 Die Methode der finiten Elemente für ein parabolisches Problem Problem 1.5. Angenommen, für die Familie der Räume finiter Elemente {S h } gilt h Ch 2 (siehe Problemstellung 1.3). Seien u h und u Lösungen von (1.3) beziehungsweise (1.1). Nehmen Sie darüber hinaus v h v Ch 2 v 2 an. Zeigen Sie die Gültigkeit von u h (t) u(t) C ( 1 + log(t/h 2 ) ) h 2 max s t u(s) 2 für t h 2. Hinweis: Integrieren Sie in (1.26) partiell, was auf θ(t) = E h (t)p h e() P h ρ(t) + D s E h (t s)p h ρ(s) ds führt. Zerlegen Sie das Integral gemäß = h 2 + und behandeln Sie t h 2 den ersten Teil wie in Problemstellung 1.4 (a). Benutzen Sie im zweiten Teil D s E h (t s) = h E h (t s) h E h (t s) Ch 2. Problem 1.6. Beweisen Sie Fehlerschranken, die analog zu denen aus Theorem 1.1 sind, wenn der elliptische Term u in (1.1) wie in Abschnitt 3.5 durch Au = (a u) + b u + cu ersetzt wird. Hinweis: Sehen Sie sich die Problemstellungen 5.7 und 8.8 an. Problem 1.7. Beweisen Sie Theorem 1.6.

15

u(x, 0) = g(x) : 0 x 1 u(0, t) = u(1, t) = 0 : 0 t T

u(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

Mehr

Finite Elemente Methode für elliptische Differentialgleichungen

Finite Elemente Methode für elliptische Differentialgleichungen Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte

Mehr

Numerik gewöhnlicher Differentialgleichungen

Numerik gewöhnlicher Differentialgleichungen Numerik gewöhnlicher Differentialgleichungen 4.4 Anfangsrandwertprobleme Die Diskretisierung von zeitabhängigen partiellen Differentialgleichungen mit der Linienmethode führt auf Systeme gewöhnlicher Dgl

Mehr

Hauptseminar: Moderne Simulationsmethoden

Hauptseminar: Moderne Simulationsmethoden Hauptseminar: Moderne Simulationsmethoden Finite Elemente Methode von Galerkin Tanja Heich Fachbereich 08 Johannes Gutenberg-Universität Mainz 02. November 2017 Hauptseminar Moderne Simulationsmethoden

Mehr

Ein Blick über den Tellerrand... mit FreeFem++

Ein Blick über den Tellerrand... mit FreeFem++ Ein Blick über den Tellerrand... mit FreeFem++ Eine Einführung und etwas Theorie Steffen Weißer Universität des Saarlandes 30. Oktober 2015 Gliederung 1 Zum Seminar 2 Was ist eine PDE? 3 Etwas Funktionalanalysis

Mehr

Angewandte Stochastik

Angewandte Stochastik Angewandte Stochastik Dr. C.J. Luchsinger 13 Allgemeine Theorie zu Markov-Prozessen (stetige Zeit, diskreter Zustandsraum) Literatur Kapitel 13 * Grimmett & Stirzaker: Kapitel 6.9 Wie am Schluss von Kapitel

Mehr

D-MATH, D-PHYS, D-CHAB Analysis II FS 2018 Prof. Manfred Einsiedler. Lösung 11

D-MATH, D-PHYS, D-CHAB Analysis II FS 2018 Prof. Manfred Einsiedler. Lösung 11 D-MATH, D-PHYS, D-CHAB Analysis II FS 218 Prof. Manfred Einsiedler Lösung 11 Hinweise 1. Kehren Sie die Integrationsreihenfolge um. Um dabei die korrekten Grenzen zu finden, skizzieren Sie den Integrationsbereich.

Mehr

Lineare Algebra und Geometrie II, Übungen

Lineare Algebra und Geometrie II, Übungen Lineare Algebra und Geometrie II, Übungen Gruppe (9 9 45 ) Sei A 2 Bestimmen Sie A und A Finden Sie weiters Vektoren u, v R 2 mit u und Au A, beziehungsweise v und Av A Zunächst die Berechnung der Norm

Mehr

Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 7 (7.8.7). Gegeben ist die Matrix A 3 3 3 (a) Bestimmen Sie sämtliche Eigenwerte sowie die zugehörigen Eigenvektoren.

Mehr

102 KAPITEL 14. FLÄCHEN

102 KAPITEL 14. FLÄCHEN 102 KAPITEL 14. FLÄCHEN Definition 14.3.1 (Kurve) Es sei M eine k-dimensionale Untermannigfaltigkeit des R n. Eine C 1 - Kurve γ : ( a, a) R n mit γ(( a, a)) M heißt Kurve auf M durch x 0 = γ(0). Definition

Mehr

Wiederholung von Linearer Algebra und Differentialrechnung im R n

Wiederholung 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:

Mehr

Finite Elemente. bzw. F + E K = 1. (1)

Finite Elemente. bzw. F + E K = 1. (1) Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 25 Finite Elemente Übung 2 Aufgabe 6 (Eulerscher Polyedersatz für Triangulierung)

Mehr

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren

Elemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren 3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)

Mehr

Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator

Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung

Mehr

3. Normalform linearer PDG zweiter Ordnung

3. Normalform linearer PDG zweiter Ordnung H.J. Oberle Differentialgleichungen II SoSe 2013 3. Normalform linearer PDG zweiter Ordnung Wir beschreiben in diesem Abschnitt Verfahren zur Transformation linearer oder auch halblinearer PDG zweiter

Mehr

T2 Quantenmechanik Lösungen 7

T2 Quantenmechanik Lösungen 7 T2 Quantenmechanik Lösungen 7 LMU München, WS 7/8 7.. Lineare Algebra Prof. D. Lüst / Dr. A. Schmidt-May version: 28.. Gegeben sei ein komplexer Hilbert-Raum H der Dimension d. Sei { n } mit n,..., d eine

Mehr

Kapitel 3. Diskretisierungsverfahren. 3.1 Elliptische Differentialgleichung

Kapitel 3. Diskretisierungsverfahren. 3.1 Elliptische Differentialgleichung Kapitel 3 Diskretisierungsverfahren 3.1 Elliptische Differentialgleichung Wir beschränken uns auf elliptische Randwertaufgaben. Gesucht ist eine Funktion u (x, y) in R 2, welche die allgemeine partielle

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr

M U = {x U f 1 =... = f n k (x) = 0}, (1)

M U = {x U f 1 =... = f n k (x) = 0}, (1) Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit

Mehr

Lineare Algebra für Physiker 11. Übungsblatt

Lineare Algebra für Physiker 11. Übungsblatt Lineare Algebra für Physiker 11. Übungsblatt Fachbereich Mathematik SS 01 Prof. Dr. Matthias Schneider./. Juli 01 Dr. Silke Horn Dipl.-Math. Dominik Kremer Gruppenübung Aufgabe G1 (Minitest) (a) Welche

Mehr

Adaptivität II - Theorie

Adaptivität II - Theorie Adaptivität II - Theorie Hubertus Bromberger, Manuel Nesensohn, Johannes Reinhardt, Johannes Schnur 8. November 2007 Fazit des ersten Vortrages Ein geeignet verfeinertes Gitter ermöglicht massive Einsparung

Mehr

D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9

D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9 D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski Serie 9 Best Before: 24.5/25.5, in den Übungsgruppen (2 wochen) Koordinatoren: Alexander Dabrowski, HG G 52.1, alexander.dabrowski@sam.math.ethz.ch

Mehr

Unstetige Galerkin-Verfahren und die lineare Transportgleichung. Tobias G. Pfeiffer Freie Universität Berlin

Unstetige Galerkin-Verfahren und die lineare Transportgleichung. Tobias G. Pfeiffer Freie Universität Berlin Unstetige Galerkin-Verfahren und die lineare Transportgleichung Tobias G. Pfeiffer Freie Universität Berlin Seminar DG-Verfahren, 26. Mai 2009 , Voraussetzungen & Ziele Voraussetzungen Kenntnisse in Numerik

Mehr

KAPITEL 1. Einleitung

KAPITEL 1. Einleitung KAPITEL 1 Einleitung Wir beschäftigen uns in dieser Vorlesung mit Verfahren aus der Numerischen linearen Algebra und insbesondere dem sogenannten Mehrgitterverfahren zur Lösung linearer Gleichungssysteme

Mehr

Praktikum. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik WS 2007

Praktikum. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik WS 2007 Praktikum Vita Rutka Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik WS 2007 Block 1 jeder Anfang ist eindimensional Was ist FEM? Die Finite-Elemente-Methode (FEM) ist ein numerisches

Mehr

1 Diskretisierungen der Poisson-Gleichung

1 Diskretisierungen der Poisson-Gleichung 1 Diskretisierungen der Poisson-Gleichung 1 1.1 Klassische Lösungen und Maximumprinzip Im ersten Randwertproblem der Poisson-Gleichung suchen wir eine Funktion u C 2 (Ω) C(Ω) mit (1.1) u = f in Ω, u =

Mehr

5 Interpolation und Approximation

5 Interpolation und Approximation 5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)

Mehr

Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren

Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren Ergänzungen zu dem Buch Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben von Carl Geiger und Christian Kanzow (Springer Verlag, 1999) Eine kurze Einführung in Quasi Newton Verfahren

Mehr

Übung zur Numerik linearer und nichtlinearer Parameterschätzprobleme A. Franke-Börner, M. Helm

Übung zur Numerik linearer und nichtlinearer Parameterschätzprobleme A. Franke-Börner, M. Helm Übung zur Numerik linearer und nichtlinearer Parameterschätzprobleme A. Franke-Börner, M. Helm Numerik Parameterschätzprobleme INHALT 1. 1D Wärmeleitungsgleichung 1.1 Finite-Differenzen-Diskretisierung

Mehr

3.1 Sukzessive Minima und reduzierte Basen: Resultate

3.1 Sukzessive Minima und reduzierte Basen: Resultate Gitter und Codes c Rudolf Scharlau 4. Juni 2009 202 3.1 Sukzessive Minima und reduzierte Basen: Resultate In diesem Abschnitt behandeln wir die Existenz von kurzen Basen, das sind Basen eines Gitters,

Mehr

Finite Elemente I Konvergenzaussagen

Finite Elemente I Konvergenzaussagen Finite Elemente I 195 5 onvergenzaussagen 5 onvergenzaussagen TU Bergakademie Freiberg, SoS 2006 Finite Elemente I 196 5.1 Interpolation in Sobolev-Räumen Wesentlicher Baustein der FE-onvergenzanalyse

Mehr

Partielle Differentialgleichungen. Hofer Joachim/Panis Clemens

Partielle Differentialgleichungen. Hofer Joachim/Panis Clemens 9.11.2010 Contents 1 Allgemein 2 1.1 Definition................................................. 2 1.2 Klassifikation............................................... 2 1.3 Lösbarkeit.................................................

Mehr

Gewöhnliche Dierentialgleichungen

Gewöhnliche 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

Mehr

Nun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren.

Nun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren. 56 SS2016 Definition 6.17 (Unterlösung,Oberlösung). Ω R n seieingebietleinelliptischeroperator wie in Bedingung 6.1. Seien a i j, b i c stetig mit c 0 in Ω. Sei f stetig in Ω. Eine Funktion u C(Ω) heißt

Mehr

1 Umkehrfunktionen und implizite Funktionen

1 Umkehrfunktionen und implizite Funktionen Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Eigenvektoren

Mehr

Klausur HM II/III F 2003 HM II/III : 1

Klausur HM II/III F 2003 HM II/III : 1 Klausur HM II/III F 3 HM II/III : Aufgabe : (7 Punkte) Untersuchen Sie die Funktion f : R R gegeben durch x 3 y 3 f(x, y) x + y sin, (x, y) (, ) x + y, (x, y) (, ) auf Stetigkeit und Differenzierbarkeit.

Mehr

Klassische Polynom Interpolation.

Klassische Polynom Interpolation. Klassische Polynom Interpolation. Bestimme ein Polynom (höchstens) n ten Grades p n (x) = a 0 + a 1 x + a 2 x 2 +... + a n x n, das die gegebenen Daten interpoliert, d.h. p n (x i ) = f i, 0 i n. Erster

Mehr

Symmetrische Gleichungssysteme Das Verfahren konjugierter Gradienten

Symmetrische Gleichungssysteme Das Verfahren konjugierter Gradienten Symmetrische Gleichungssysteme Das Verfahren konjugierter Gradienten 1 / 20 Lineares Gleichungssystem Ax = f, n A[i, j]x j = f i j=1 für i = 1,..., n Voraussetzungen Matrix A sei symmetrisch: A[i, j] =

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1. Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x

Mehr

Lösung - Schnellübung 13

Lösung - Schnellübung 13 D-MAVT/D-MATL Analysis II FS 7 Dr. Andreas Steiger Lösung - Schnellübung 3. Gegeben sei die Differentialgleichung y + λ 4 y + λ y = 0. Für welche Werte des reellen Parameters λ gibt es eine von Null verschiedene

Mehr

Zusatzmaterial zu Kapitel 4

Zusatzmaterial zu Kapitel 4 1 ERMITTLUNG DER TRANSITIONSMATRIX MIT DER SYLVESTER-FORMEL 1 Zusatzmaterial zu Kapitel 4 1 Ermittlung der Transitionsmatrix mit der Sylvester- Formel Wir nehmen an, dass das Zustandsmodell eines linearen

Mehr

14. Das Minimumprinzip

14. Das Minimumprinzip H.J. Oberle Variationsrechnung u. Optimale Steuerung SoSe 2008 14. Das Minimumprinzip In diesem Abschnitt behandeln wir die Idee der dynamischen Programmierung, die auf Bellmann 31 (1957) zurückgeht und

Mehr

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist

Mehr

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt

Mehr

KAPITEL 9 Splinefunktionen

KAPITEL 9 Splinefunktionen KAPITEL 9 Splinefunktionen 9.1 Splineräume und Approximationsgüte Bei der Behandlung von Splines ist es bequemer, statt mit dem Grad von Polynomen, mit der Ordnung k := Grad + 1 zu arbeiten. Für eine Knotenmenge

Mehr

(a), für i = 1,..., n.

(a), für i = 1,..., n. .4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung

Mehr

1. Hierarchische Basen. 1. Hierarchische Basen Perlen der Informatik I, Hans-Joachim Bungartz page 1 of 33

1. Hierarchische Basen. 1. Hierarchische Basen Perlen der Informatik I, Hans-Joachim Bungartz page 1 of 33 Perlen der Informatik I, Hans-Joachim Bungartz page 1 of 33 1.1. Quadratur nach Archimedes Näherungsweise Berechnung von F 1 := 1 0 4 x (1 x) dx = 2 3 1 t=1 t=2 ¼ 0 ½ 1 ¼ 0 ½ 1 0 ½ 1 Perlen der Informatik

Mehr

9 Lineare Differentialgleichungen

9 Lineare Differentialgleichungen $Id: lineartex,v 3 //8 ::37 hk Exp hk $ 9 Lineare Differentialgleichungen 9 Homogene lineare Differentialgleichungen Wir beschäftigen uns gerade mit den homogenen linearen Differentialgleichungen, also

Mehr

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren

Mehr

Lösungsskizzen zur Klausur

Lösungsskizzen zur Klausur sskizzen zur Klausur Mathematik II Sommersemester 4 Aufgabe Es seien die folgenden Vektoren des R 4 gegeben: b = b = b 3 = b 4 = (a) Prüfen Sie ob die Vektoren b b 4 linear unabhängig sind bestimmen Sie

Mehr

3 Lineare Differentialgleichungen

3 Lineare Differentialgleichungen 3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,

Mehr

D-MATH Numerische Methoden FS 2017 Dr. Vasile Gradinaru Luc Grosheintz. Serie 10

D-MATH Numerische Methoden FS 2017 Dr. Vasile Gradinaru Luc Grosheintz. Serie 10 D-MATH Numerische Methoden FS 2017 Dr. Vasile Gradinaru Luc Grosheintz Serie 10 Abgabedatum: 23.5/24.5, in den Übungsgruppen Koordinatoren: Luc Grosheintz, HG G 46, luc.grosheintz@sam.math.ethz.ch Webpage:

Mehr

Lösungsskizzen zur Klausur Mathematik II

Lösungsskizzen zur Klausur Mathematik II sskizzen zur Klausur Mathematik II vom..7 Aufgabe Es sei die Ebene im R 3 gegeben. E = +λ 3 + µ λ,µ R (a) Geben Sie die Hesse-Normalform der Ebene E an. (b) Berechnen Sie die orthogonale Projektion Π E

Mehr

7 Das Eulersche Polygonzugverfahren

7 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

Mehr

Wiederholungsserie II

Wiederholungsserie II Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax

Mehr

h n = (t t 0 )/n Bevor wir diesen Satz beweisen, geben wir noch einen Hilfssatz an, der eine wichtige Abschätzung liefert.

h 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

Mehr

3 Satz von Fisher Tippett

3 Satz von Fisher Tippett Theorem 3.1 (Satz von Fisher Tippett; extremal types theorem). Eine Verteilung G ist eine Extremwertverteilung genau dann, wenn es c > 0, d R und γ R gibt mit G(t) = G γ (ct + d). { } Dabei ist G γ eine

Mehr

5.2 Diagonalisierbarkeit und Trigonalisierung

5.2 Diagonalisierbarkeit und Trigonalisierung HINWEIS: Sie finden hier eine vorläufige Kurzfassung des Inhalts; es sind weder Beweise ausgeführt noch ausführliche Beispiele angegeben. Bitte informieren Sie sich in der Vorlesung. c M. Roczen und H.

Mehr

4 Funktionenfolgen und normierte Räume

4 Funktionenfolgen und normierte Räume $Id: norm.tex,v 1.57 2018/06/08 16:27:08 hk Exp $ $Id: jordan.tex,v 1.34 2018/07/12 20:08:29 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Am Ende der letzten Sitzung hatten wir zwei

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016, Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG. Sommer 2016

Lineare Algebra und Numerische Mathematik für D-BAUG. Sommer 2016 P. Grohs T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Name a a Note Vorname Leginummer Datum 19.08.2016 1 2 3 4 5 6 Total 7P 11P 10P 11P

Mehr

Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt

Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Übersicht Partielle Differentialgleichungen, Approximation der Lösung Finite Elemente, lineare und höhere Ansatzfunktionen Dünn

Mehr

6. Die dreidimensionale Wellengleichung

6. Die dreidimensionale Wellengleichung H.J. Oberle Differentialgleichungen II SoSe 2013 6. Die dreidimensionale Wellengleichung Wir suchen Lösungen u(x, t) der folgenden AWA für die 3-D Wellengleichung u t t c 2 3 u = 0, x R 3, t 0, u(x, 0)

Mehr

Analysis von singulären Differentialgleichungen erster und zweiter Ordnung - Skalare Probleme

Analysis von singulären Differentialgleichungen erster und zweiter Ordnung - Skalare Probleme Analysis von singulären Differentialgleichungen erster und zweiter Ordnung - Skalare Probleme Jonathan Mosser 3. Juni 27 / 38 Vorbemerkungen Singularität Singuläre Probleme können auf zwei Arten formuliert

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

D-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 1

D-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 1 D-MAVT NUMERISCHE MATHEMATIK FS 4 K. Nipp, A. Hiltebrand Lösung vom Test. Sei eps die Maschinengenauigkeit in Matlab. Dann gilt: eps/4 = Richtig / Falsch + eps/2 = Richtig / Falsch 8 + eps = 8 Richtig

Mehr

Höhere Mathematik II für die Fachrichtung Physik. Übungs- und Scheinklausur

Höhere Mathematik II für die Fachrichtung Physik. Übungs- und Scheinklausur Institut für Analysis SS17 PD Dr. Peer Christian Kunstmann 15.7.17 Dipl.-Math. Leonid Chaichenets, Johanna Richter, M.Sc., Tobias Ried, M.Sc., Tobias Schmid, M.Sc. Höhere Mathematik II für die Fachrichtung

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 Lineare Algebra (Teil 3): Skalarprodukt 5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale

Mehr

D-MAVT/D-MATL Analysis II FS 2017 Dr. Andreas Steiger. Lösung - Serie 26. ẋ 1 = x 1 + 2x ẋ 2 = 2x 1 + x 2

D-MAVT/D-MATL Analysis II FS 2017 Dr. Andreas Steiger. Lösung - Serie 26. ẋ 1 = x 1 + 2x ẋ 2 = 2x 1 + x 2 D-MAVT/D-MATL Analysis II FS 07 Dr. Andreas Steiger Lösung - Serie 6. Es ist das folgende autonome System ẋ = x + x + 3 ẋ = x + x von linearen Differenzialgleichungen. Ordung gegeben. Welche der folgenden

Mehr

Fallstudien der mathematischen Modellbildung Teil 3: Quanten-Operationen. 0 i = i 0

Fallstudien der mathematischen Modellbildung Teil 3: Quanten-Operationen. 0 i = i 0 Übungsblatt 1 Aufgabe 1: Pauli-Matrizen Die folgenden Matrizen sind die Pauli-Matrizen, gegeben in der Basis 0, 1. [ [ [ 0 1 0 i 1 0 σ 1 = σ 1 0 = σ i 0 3 = 0 1 1. Zeigen Sie, dass die Pauli-Matrizen hermitesch

Mehr

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016 Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)

Mehr

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β

Mehr

Pr[X t+1 = k] = Pr[X t+1 = k X t = i] Pr[X t = i], also. (q t+1 ) k = p ik (q t ) i, bzw. in Matrixschreibweise. q t+1 = q t P.

Pr[X t+1 = k] = Pr[X t+1 = k X t = i] Pr[X t = i], also. (q t+1 ) k = p ik (q t ) i, bzw. in Matrixschreibweise. q t+1 = q t P. 2.2 Berechnung von Übergangswahrscheinlichkeiten Wir beschreiben die Situation zum Zeitpunkt t durch einen Zustandsvektor q t (den wir als Zeilenvektor schreiben). Die i-te Komponente (q t ) i bezeichnet

Mehr

bekannt Analog reduzieren wir die Randwerte im 2d-System. Man erhält dann eine Blocktridia-

bekannt Analog reduzieren wir die Randwerte im 2d-System. Man erhält dann eine Blocktridia- 3.. Jetzt: Eliminiere 1. und 2. wie folgt u 2 + 2u 1 = h 2 f 1 + α }{{} bekannt Nun: Au = b mit A R n,n, b R n, u R n und A hat die Gestalt 2 1 1 2 1 A =......... =: tridiag( 1, 2, 1)...... 1 1 2 Analog

Mehr

T2 Quantenmechanik Lösungen 4

T2 Quantenmechanik Lösungen 4 T2 Quantenmechanik Lösungen 4 LMU München, WS 17/18 4.1. Lösungen der Schrödinger-Gleichung Beweisen Sie die folgenden Aussagen. Prof. D. Lüst / Dr. A. Schmi-May version: 06. 11. a) Die Separationskonstante

Mehr

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2. MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw

Mehr

Beispiele: Harmonischer Oszillator und Kastenpotential

Beispiele: Harmonischer Oszillator und Kastenpotential Beispiele: Harmonischer Oszillator und Kastenpotential Ramona Wohlleb Mathematische Strukturen der Quantenmechanik Sommersemester 011 1 Der harmonische Oszillator In Analogie zum klassischen harmonischen

Mehr

Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)

Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011 Kapitel 8 Partielle

Mehr

10 Unitäre Vektorräume

10 Unitäre Vektorräume 10 Unitäre Vektorräume Pink: Lineare Algebra 2014/15 Seite 98 10 Unitäre Vektorräume Die Theorie komplexer Vektorräume mit Skalarprodukt folgt denselben Linien wie die Theorie reeller Vektorräume mit Skalarprodukt;

Mehr

1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen

1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen Hannover, den 0. April 2006. Übungsblatt: Lineare Algebra II Abgabe: 24./25.4.2006 in den Übungsgruppen ( ) 2 5 a) Zeigen Sie, dass A = und B = 2 ( 7 6 invertierbare Matrix T an mit T AT = B. b) Zeigen

Mehr

Spline-Räume - B-Spline-Basen

Spline-Räume - B-Spline-Basen Spline-Räume - B-Spline-Basen René Janssens 4. November 2009 René Janssens () Spline-Räume - B-Spline-Basen 4. November 2009 1 / 56 Übersicht 1 Erster Abschnitt: Räume von Splinefunktionen Grundlegende

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.44 2018/05/17 14:11:13 hk Exp $ 1 Analytische Geometrie und Grundlagen 1.6 Bewegungen und Kongruenzbegriffe Wir untersuchen gerade die Spiegelung an einer Hyperebene h R d. Ist ein

Mehr

14 Numerik hyperbolischer Differentialgleichungen

14 Numerik hyperbolischer Differentialgleichungen Numerik II 256 14 Numerik hyperbolischer Differentialgleichungen Während parabolische PDG Diffusionsvorgänge modellieren stellen hyperbolische PDG Modelle für Wellenphänomene dar. Wichtigste Anwendungsgebiete

Mehr

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau 312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind

Mehr

Probeklausur zur Analysis 2, SoSe 2017

Probeklausur zur Analysis 2, SoSe 2017 BERGISCHE UNIVERSITÄT WUPPERTAL 21717 Fakultät 4 - Mathematik und Naturwissenschaften Prof N V Shcherbina Dr T P Pawlaschyk wwwkanauni-wuppertalde Probeklausur zur Analysis 2, SoSe 217 Hinweis Die Lösungen

Mehr

Übungsblatt 2 Musterlösung

Übungsblatt 2 Musterlösung MSE SS17 Übungsblatt Musterlösung Lösung 5 (Transformation von Variablen) Zur Transformation gehen wir analog zur Vorlesung vor. Zunächst bestimmen wir die durch die PDGL definierte Matrix A und deren

Mehr

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153 3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische

Mehr

Diagonalisierbarkeit symmetrischer Matrizen

Diagonalisierbarkeit symmetrischer Matrizen ¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren

Mehr

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet:

8 Eigenwerttheorie I 8. EIGENWERTTHEORIE I 139. Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: 8. EIGENWERTTHEORIE I 139 8 Eigenwerttheorie I Wir hatten bereits früher den Polynomring in einer Variablen über einem Körper K betrachtet: K[x] = Abb[N, K] = {P ; P = a n x n + a n 1 x n 1 + + a 0 ; a

Mehr

Integraldarstellung des Restgliedes; Lagrangesche Restgliedformel;

Integraldarstellung 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

Mehr

9 Höhere partielle Ableitungen und die Taylorformel

9 Höhere partielle Ableitungen und die Taylorformel Vorlesung SS 29 Analsis 2 Prof Dr Siegfried Echterhoff 9 Höhere partielle Ableitungen und die Talorformel Definition 91 Sei U R n offen, f : U R m eine Funktion Dann heißt f 2-mal partiell differenzierbar,

Mehr

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende

Mehr

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in

Mehr