Numerische Simulation von Differential-Gleichungen der Himmelsmechanik

Transkript

1 Numerisce Simulation von Differential-Gleicungen der Himmelsmecanik Teilnemer: Max Dubiel (Andreas-Oberscule) Frank Essenberger (Herder-Oberscule) Constantin Krüger (Andreas-Oberscule) Gabriel Preuß (Heinric-Hertz-Oberscule) Arne Scilling (Herder-Oberscule) Felix Willamowski (Andreas-Oberscule) Gruppenleiter: André Backes (Humboldt-Universität) Die Gruppe bescäftigte sic am Beispiel der Bewegung eines Planeten um die Sonne mit dem grundlegenden Prozess, ein pysikalisces Pänomen matematisc zu analysieren mit dem Ziel einer Simulation am Computer. Wir bescäftigten uns zunäcst mit dem grundlegenden Begriff der Differential-Gleicung und lernten mit dem expliziten und dem impliziten Euler-Verfaren an einfacen Beispielen eine erste Möglickeit kennen, Differential-Gleicungen auc numerisc mit Hilfe des Computers zu lösen. Dann bescäfigten wir uns intensiver mit dem Differentialgleicungssystem, welces die Bewegung eines Planeten um die Sonne bescreibt und welces aus dem Gravitations-Gesetz von Newton abgeleitet werden kann. Wir mussten einseen, dass die numerisce Lösung der Planeten- Gleicung mit Hilfe des expliziten Euler-Verfarens ier eine nict zufriedenstellende Lösung liefert. Wir überlegten zusammen, wie wir unser numerisces Verfaren verbessern könnten. Somit kamen wir auf das symplektisce Euler- Verfaren, welces für unser Problem einfac programmiert werden kann und dennoc ein wesentlic besseres Resultat liefert. Scließlic wollten wir versteen, warum das symplektisce Euler-Verfaren ier so gute Ergebnisse erzielt. Wir aben gelernt, dass das Differentialgleicungssystem des Planeten ein sogenanntes Hamilton-System ist und dass ein symplektisces Verfaren ser gut zu der Hamiltonscen Struktur der Differentialgleicung passt. Die zur Differentialgleicung geörige Hamilton-Funktion aben wir benutzt, um die berecneten 1

2 Näerungslösungen für die Ban des Planeten und somit die Qualität des numeriscen Verfarens zu bewerten. 1 Differentialgleicungen Definition 1 Bestet zwiscen einer Funktion und einer irer Ableitungen eine Bezieung in der Gestalt einer Gleicung, in der auc die unabängigen Veränderlicen noc vorkommen können, so sprict man von einer Differentialgleicung. Beispiel 1 zum Lösen einer Differentialgleicung x = x x(0) = x 0 x x = 1 x x = 1dt ln( t ) + c = t c ɛ R x + e c = e t x = e t 1 e c x(t) = 1 e c et Da 1 e c konstant ist, folgern wir die allgemeine Lösung der Differentialgleicung: x(t) = x 0 e t. 2 Numerisce Verfaren zur Lösung einer Differential-Gleicung Wir betracten eine Differential-Gleicung der Form ẋ = f(x), x(0) = x 0 und wollen diese mit einem numeriscen Verfaren lösen. Dazu betracten wir diskrete Zeitpunkte 0 = t 0 < t 1 < t 2 <... 2

3 aus dem Zeitintervall I = [0, [, an denen wir die Funktionswerte der Lösung berecnen wollen. Unser Ziel ist es, Näerungswerte x 1, x 2, x 3,... für die Funktionswerte x(t 1 ), x(t 2 ), x(t 3 ),... zu berecnen. Eine Möglickeit ist es, die Zeitpunkte äquidistant zu wälen, das eißt, es ist t i+1 = t i +, i = 1, 2, 3,... Die Scrittweite nennen wir auc Diskretisierungs-Scrittweite. Als Idee für ein numerisces Verfaren wollen wir die Ableitung der Lösung x(t) an der Stelle t i durc einen Differenzen-Quotienten approximieren. Wir nemen an also ẋ(t i ) x(t i + ) x(t i ) f(x(t i )) x(t i + ) x(t i ) Aus diesem Ansatz entnemen wir die Verfarens-Vorscrift f(x i ) = x i+1 x i x i+1 = x i + f(x i ) Wir eralten damit das sogenannte explizite Euler-Verfaren x i+1 = x i + f(x i ), i = 1, 2, 3,... Als Abwandlung dieses Verfarens überlegen wir uns, dass der Differenzen-Quotient auc eine Approximation an die Ableitung der Lösung x(t) an der Stelle t i+1 ist. Dann aben wir also ẋ(t i+1 ) x(t i + ) x(t i ) f(x(t i+1 )) x(t i + ) x(t i ) Aus diesem Ansatz entnemen wir die Verfarens-Vorscrift f(x i+1 ) = x i+1 x i x i+1 = x i + f(x i+1 ) Wir eralten damit das sogenannte implizite Euler-Verfaren x i+1 = x i + f(x i+1 ), i = 1, 2, 3,... 3

4 Aufgabe: Betracte die Differential-Gleicung ẋ = x, x(0) = x 0 Betracte die explizite Lösung und überlege dir, dass lim x(t) = 0 t gilt. Zur numeriscen Lösung der Gleicung betracte eine Diskretisierungs-Scrittweite und untersuce, welce Werte das explizite und das implizite Euler-Verfaren liefert. Untersuce die Frage, ob für die Werte x i der beiden Verfaren auc die Eigenscaft gilt. lim x i = 0 i Lösung: x = x x 0 x x = 1 x x dt = 1dt ln( x ) = t + c c ɛ R x = e (t+c) x = ec e t lim ( x(t) ) = lim x x lim ( x(t) ) = 0 x e c e t explizites Verfaren: x i+1 = x i + f(x i ) = x i x i = (1 )x i = (1 ) i x 0 lim (x i+1) = lim ((1 ) i+1 x 0 ) = 0 gilt genau dann, wenn (1 ) vom Betrage i i er kleiner als 1 ist. Somit muss gelten 1 < 1 0 < < 2. 4

5 implizites Verfaren: x i+1 = x i + f(x i+1 ) = x i x i+1 (1 + )x i+1 = x i x i+1 = 1 ( ) i x i = x lim x i+1 = lim ( 1 i i +1 )i+1 x 0 = 0 gilt genau dann, wenn ( 1 ) vom Betrage er kleiner als 1 ist. Da > 0 bereits in den Voraussetzungen festgelegt ist, gilt somit +1 ( 1 ) < 1 > 0. Man erkennt sofort, dass beim impliziten Euler-Verfaren +1 keine Einscränkungen für die Scrittweite besteen und man at einen Analtspunkt, dass dieses Verfaren besser als das explizitie Euler-Verfaren sein könnte. 3 Die Differentialgleicung zur Berecnung der Planetenbewegung Um die Berecnung der elliptiscen Banen von Planeten vornemen zu können, ist ein Gleicungssystem notwendig, das alle erforderlicen Komponenten entält. Daer wälten wir als Ausgangspunkt das Gravitationgesetz F = γmm r 2 Mit Zerlegung der Kraft sowie der Rictung in ire Komponenten erält man folgende Gleicung: ( ) Fx = γmm ( ) x x2 + y 23 y F y Durc die Nutzung des Grundgesetzes der Mecanik, welces besagt, dass F = m a und die 2. Ableitung vom Weg nac der Zeit gleic der Bescleunigung ist, ergibt sic folgendes Gleicungssystem: γm ẍ = ) 3 x ( x 2 +y 2 r r. γm ÿ = ) 3 y ( x 2 +y 2 Da wir nun ein Differentialgleicungssystem (DGS) 2. Ordnung aben, welces wir nict lösen können, aben wir uns einen kleinen,,trick überlegt, wodurc 5

6 wir dieses Gleicungsystem zu einem System 1. Ordnung umwandeln: v = ẋ w = ẏ v = ẍ ẇ = ÿ Durc Einsetzen unserer Gleicungen eralten wir somit das 4-dimensoniale Differentialgleicungssystem 1. Ordnung. Wobei γ M für die Lösung des DGS keine Rolle spielt und desalb vernaclässigt wird. x v = ( ẇ = ẋ = v ẏ = w ( x 2 +y 2 ) 3 y x 2 +y 2 ) 3 Dieses DGS wäre nun konkret zu lösen. Da dies jedoc ziemlicen Aufwand bedeuten würde, wollen wir es,,nur numerisc lösen. Durc die bereits im Vorerigen bescriebenen numeriscen Verfaren besitzen wir auc die nötigen Mittel für dieses Unterfangen. Somit passen wir die Euler-Verfaren unserem Problem an und eralten folgende Verfarens-Vorscriften: v i+1 = v i w explizit i+1 = w i x i+1 = x i + v i y i+1 = y i + w i x i ( x 2 i +y2 i )3 y i ( x 2 i +y2 i )3 implizit v i+1 = v i w i+1 = w i x i+1 = x i + v i+1 y i+1 = y i + w i+1 x i+1 ( x 2 i+1 +y2 i+1 )3 y i+1 ( x 2 i+1 +y2 i+1 )3 Nac der Entwicklung dieser Verfaren ließen wir die Ergebnisse am Computer grafisc darstellen und stellten fest, dass selbst bei optimalen Werten das explizite Euler-Verfaren einen zunemenden Feler aufwies, der zur Folge atte, dass der Planet von seiner Ban ins Unendlice abdriftete (siee Anang). Da uns das implizite Verfaren zu scwer zu lösen war (es ist ein nictlineares 4-dimensionales GLS 1. Ordnung, welces durc das Newton-Verfaren ätte gelöst werden können), entwickelten wir somit eine neue Metode, welce aus einer Kombination des expliziten und implizitien Euler-Verfarens entstand. 6

7 Dieses Verfaren eißt symplektisces Euler-Verfaren und lieferte deutlic bessere Werte (siee Anang). v i+1 = v i x i ( x 2 i +y2 i )3 w symplektisc i+1 = w i y i ( x 2 i +y2 i )3 x i+1 = x i + v i+1 y i+1 = y i + w i+1 Die Visualisierung der versciedenen numeriscen Verfaren ielten wir nict für ausreicend, so dass wir eine matematisce Kontrolle für die Qualität der versciedenen Verfaren entwickelten. Dabei stießen wir,,zufällig auf die sogenannte Hamilton-Funktion, welce folgende Eigenscaften besitzt: H(x; y) R ẋ = dh (x; y) x dy ẏ = dh (x; y) y dx H : R 2 R Rn Rn Diese Eigenscaften der Hamilton-Funktion füren zu einer Besondereit, die in unserem Fall natürlic ser von Vorteil ist: Wir setzen eine Lösung des DGS in die Hamilton-Funktion ein und leiten diese ab: d dt [H(x(t); (y(t))] = dh ( ) x(t); (y(t) ẋ(t) + dh dt dy = ẏ(t)ẋ(t) ẋ(t)ẏ(t) = 0 ( ) x(t); (y(t) ẏ(t) Wie man erkennen kann, ist die Hamilton-Funktion somit für alle Lösungen des DGS konstant, da die erste Ableitung der Hamilton-Funktion gleic 0 ist. Da diese Konstante durc die Startwerte x 0, w 0 festgelegt wird, aben wir eine Möglickeit, die Qualität unserer numeriscen Verfaren zu bestimmen. Dazu müssen wir die zugeörige Hamilton-Funktion für unser Beispiel bestimmen und die jeweiligen Werte in diese Funktion einsetzen. Daer berecnen wir nun unsere benötigte Hamilton-Funktion: x v = ( x = dh 2 +y 2 ) 3 dx ẇ = x = dh 2 +y 2 ) 3 ( y ẋ = v = dh dv ẏ = w = dh dw dy 7

8 Durc diese Gleicungen lässt sic unsere Hamilton-Funktion ganz einfac bilden: H(x, y, v, w) = 1 2 v w2 1 x2 + y 2 Pysikalisc geseen gibt uns die Hamilton-Funktion die gesamte Energie des Systems an und muss desalb auc nac dem Energieeraltungssatz konstant sein. 4 Symplektisce Abbildungen symplektisces Euler-Verfaren Im R 2 ordnet eine symplektisce Abbildung einer Fläce A einer Fläce B zu, die den selben Fläceninalt at. Diese Eigenscaft ist analog zu dem zweiten Keplerscen-Gesetz: In selben Zeiten werden gleic große Fläcen überstricen (siee Anang). Unsere Iterationsvorscrift ist also symplektisc und wird desalb symplektisces Eulerverfaren genannt. 8

9 Anang 9