Simulationstechnik V

Ähnliche Dokumente
Simulationstechnik V

Simulationstechnik V

Simulationstechnik V

PRÜFUNG AUS MATHEMATIK 3

Zuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.

Übungen zu Meteorologische Modellierung Teil 'Grundlagen der Numerik'

Systemtheorie. Vorlesung 6: Lösung linearer Differentialgleichungen. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann

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

Simulationstechnik V

Simulationstechnik V

2. Numerische Verfahren für AWPe 2.1 Das Euler-Verfahren

Lineare Gleichungssysteme Hierarchische Matrizen

Simulationstechnik V

Simulationstechnik V

4.8.1 Shortley Weller-Approximation Interpolation in randnahen Punkten... 81

Differentialgleichungen

1. Anfangswertprobleme 1. Ordnung

1. Anfangswertprobleme 1. Ordnung

2.3.1 Explizite Runge-Kutta-Verfahren

Simulationstechnik V

Parareal. Ein paralleler Lösungsalgorithmus für gewöhnliche Differentialgleichungen. Johannes Reinhardt. Parareal 1 Johannes Reinhardt

Simulationstechnik V

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

Institut für Wasserbau, Lehrstuhl für Hydromechanik und Hydrosystemmodellierung

ANALYSE NUMERISCHER VERFAHREN

Differentialgleichungen

Differentialgleichungen

ODE-Solver. Inhalt. Einleitung. grundlegende Algorithmen. weiterführende Algorithmen

Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang

Mathematische Grundlagen

Wir betrachten das Anfangsrandwertproblem auf dem Halbraum R + :

Der Taylorsche Satz Herleitung und Anwendungen

1 Einführung, Terminologie und Einteilung

Inverse und implizite Funktionen

Numerik für Informatiker

(d) das zu Grunde liegende Problem gut konditioniert ist.

Computerphysik. Übungsblatt 6

Partielle Differentialgleichungen. Hofer Joachim/Panis Clemens

Transport Einführung

Übung zur Vorlesung Numerische Simulationsmethoden in der Geophysik

Numerische Verfahren

Das Additionstheorem für die Weierstrass sche -Funktion und elliptische Integrale. Peychyn Lai

Extrapolationsverfahren

Analysis III. Teil I. Rückblick auf das letzte Semester. Themen aus dem SS Inhalt der letzten Vorlesung aus dem SS.

Nichtlineare Gleichungssysteme

Numerische Strömungssimulation

Grundlagen und Grundgleichungen der Strömungsmechanik

hhhhh 8 ( x)/2, <x 0, ( x)/2, 0 <x, , ] hinaus. Diese Funktion ist ungerade, ihre Fourierreihe also eine reine Sinusreihe. Man findet 1 cos nx dx.

Explizite gewöhnliche Differentialgleichung 1. Ordnung mit Anfangsbedingung

Sommersemester 2017 Blatt 1 von 6 Studiengänge: RMM Masterstudiengang Sem. 1 und Wiederholer

Differenzialgleichungen

Numerische Verfahren

Numerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden.

5 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.

Lineare Gleichungssysteme

Aufgabenstellung: Explizite gewöhnliche Differentialgleichung 1. Ordnung mit Anfangsbedingung Gesucht ist eine Funktion y = y(x).

Systemanalyse und Modellbildung

Numerische Mathematik I: Grundlagen

Gewöhnliche Differentialgleichungen

Einführung und Beispiele

Fourier-Reihen. Definition. Eine auf R definierte Funktion f heißt periodisch mit der Periode T 0, wenn f(x + T ) = f(x) x R.

Finite Differenzen Methode (FDM)

Lösungsvorschlag zur Modulprüfung Numerische Methoden - Wintersemester 2016/17

Rheinisch-Westfälische Technische Hochschule. Gegeben seien eine gewöhnliche Dierentialgleichung (DGL) und ein Anfangswert. γ l K l.

Grundlagen der Numerischen Mathematik II

Numerik II Numerik Elliptischer Differentialgleichungen

Numerische Lösung von Differentialgleichungen

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

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

Inhaltsverzeichnis Partielle Differentialgleichungen und ihre T ypeneinteilung B eispiele...

5. Vorlesung Wintersemester

Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan :00-14:00 (120 min)

Numerik I. Gewöhnliche Differentialgleichungen. Prof.Dr.G.Wittum. Teil I:

Topologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte

Modellieren in der Angewandten Geologie II. Sebastian Bauer

Inverse und implizite Funktionen

Kapitel 3. Diskretisierungsverfahren. 3.1 Elliptische Differentialgleichung

Einführung in die numerische Mathematik

Simulationstechnik V

Euler-Approximation. Leonie van de Sandt. TU Dortmund Prof. Dr. Christine Müller. 5. Juni 2012

Computersimulationen in der Astronomie

Analysis für Wirtschaftswissenschaftler und Ingenieure

Numerik und Simulation in der Geoökologie

Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt

Übungsblatt 2 Musterlösung

Gewöhnliche Dierentialgleichungen

Dierentialgleichungen 2. Ordnung

Kapitel 2. Differenzengleichungen. 2.1 Problemstellung

Algorithmen in Zellularautomaten

P n (1) P j (1) + ε 2, j=0. P(1) P j (1) + ε 2 < ε. log(1+x) =

Kapitel 6 Differential- und Integralrechnung in mehreren Variablen

Für viele technische Anwendungen unverzichtbar!

Zweite Prüfung zur Vorlesung

Thema 10 Gewöhnliche Differentialgleichungen

Hamilton-Systeme. J. Struckmeier

Numerik gewöhnlicher Differentialgleichungen. Übung 8 - Lösungsvorschlag

Kurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren

Waermeleitungsgleichung

Transkript:

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 kann gegeben werden, dass die Lösung des algebraischen Gleichungssystems nahe an der Lösung der Differentialgleichung liegt? Vermutungen: verfeinertes Gitter höhere Diskretisierungsgenauigkeit bessere Approximation bessere Approximation

2-2 2) Unter welchen Bedingungen fällt die numerische Lösung mit der exakten zusammen? Oberflächliche Antwort: Numerische Lösung und exakte Lösung konvergieren, falls die Schrittweiten zum Beispiel Dx, Dt gegen Null gehen. Diese Forderung wird als Konsistenz bezeichnet. Bemerkung: Für Konvergenz des num. Lösungsverfahrens reicht diese Bedingung aber nicht aus!

Konsistenz 2-3 Die diskrete Gleichung soll bei verschwindenden Schrittweiten in die Differentialgleichung übergehen. Nachweis: Beispielsweise durch Umkehr des Diskretisierungsprozess Dazu entwickelt man die Terme der Differenzengleichung in Taylorreihen und vollzieht den Grenzübergang zu verschwindenden Schrittweiten. Bemerkung: Für endliche Schrittweiten zeigt der Diskretisierungsfehler an, welche zusätzlichen Terme die diskrete Gleichung gegenüber der Differentialgleichung mitschleppt. Aus dem Charakter dieser Terme kann auf Eigenschaften der Näherungslösung geschlossen werden. So bedeuten Abbruchterme mit ungeraden Ableitungen, dass Dispersionsfehler auftreten, das heißt, dass Fehlerkomponenten verschiedener Wellenlänge sich mit unterschiedlicher Geschwindigkeit im Gitter ausbreiten. Abbruchterme mit geraden Ableitungen implizieren zusätzliche Diffusion.

Beispiel für Konsistenzuntersuchungen: Diskretisierte Laplace-Gleichung 2-4 Die mit zentralen Differenzen diskretisierte Laplace-Gleichung lautet: Taylorentwicklung: Einsetzen in die Differenzenformulierung liefert:

2-5 Grenzübergang: Die Differenzenlösung gibt also die Lösung der Potentialgleichung Df = 0 mit messbarer Genauigkeit wieder, falls die höheren Ableitungen endlich bleiben.

2-6 Bemerkung: Die Differenzengleichung (endliches Dx, Dy) entspricht einer Differentialgleichung: Die verbleibenden 4. Ableitungen können physikalisch als zusätzliche Diffusion interpretiert werden. Übung: Untersuchen Sie die Konsistenz der Diskretisierungen der Laplace-Gleichung und der verschiedenen Lösungsalgorithmen, indem der Iterationszähler als zeitliche Entwicklung gedeutet werden.

Konvergenz 2-7 Defionition: Die numerische Lösung der Differentialgleichung falls gilt: konvergiert zur exakten Lösung Bemerkung: Die diskrete Funktion soll die exakte Lösung des algebraischen Systems darstellen. Numerische Fehler jeder Art, zum Beispiel Rundungsfehler, soll nicht enthalten. Für endliches Dx, Dy und Dt ist der Fehler definiert durch: Der Fehler hängt von den Schrittweiten Dx, Dy und Dt und von der Größe der höheren Ableitungen ab.

Stabilität 2-8 Der Nachweis der Konsistenz reicht nicht aus, um zu zeigen, dass die Lösung für verschwindende Schrittweiten auch der Lösung der Differentialgleichung entspricht. Der Lösungsalgorithmus muss zusätzlich Stabilität besitzen, damit die Näherungslösung eine sinnvolle Approximation der exakten Lösung ist. Laxsches Äquivalenzkriterium Konsistenz + Stabilität <=> Konvergenz Der Beweis dieser Behauptung kann nur für lineare Anfangswertprobleme geführt werden. Für ein richtig gestelltes lineares Anfangswertproblem und eine Differentialapproximation, die die Konsistenzbedingung erfüllt, ist die Stabilität des Lösungsalgorithmus eine notwendige und hinreichende Bedingung für Konvergenz.

Nachweis der Stabilität 2-9 Alle Störungen, die im System der algebraischen Gleichung während der Anwendung des Lösungsalgorithmus auftreten (zum Beispiel schlechte Anfangsbelegung, schlechte Konditionierung, Rundungsfehler ) sollen stets gedämpft werden. exakte numerische Lösung im Computer dargestellter Näherungswert der exakten Lösung Von-Neumann-Methode zur Untersuchung der Stabilität Die von-neumann-methode liefert eine notwendige und hinreichende Bedingung für die Stabilität bei linearen Anfangswertproblemen mit konstanten Koeffizienten. Bei ihrer lokalen Anwendung (eingefrorene Nichtlinearitäten) stellt sie nur eine notwendige Bedingung dar.

2-10 Hintergrund der Methode: Die Fehler werden in einer endlichen Fourierreihe dargestellt. Es wird nachgewiesen, ob jede Fourierkomponente, jeder Mode, getrennt bei Anwendung des Lösungsalgorithmus gedämpft oder angeregt wird. Dabei weist gedämpftes Verhalten der Fehlerkomponente auf Stabilität hin. Anfangsfehler: Darin sind die k x, k y die Wellenzahlen der Fouriermoden in x- bzw. y-richtung. Der Verstärkungsfaktor einer Fouriermode ist definiert als Forderung für Stabilität:

2-11 Zusammenfassung der Zusammenhänge Partielle Differential- Gleichung Diskretisierung Konsistenz System algebraischer Gleichungen Exakte Lösung Konvergenz Stabilität Näherungslösung

Beispiel: Konsistenz + Stabilität => Konvergenz 2-12 Instationäre Diffusionsgleichung: Diskretisierung und expliziter Lösungsalgorithmus: 1) Diskretisierung der Zeit mit einseitigen Differenzen (Genauigkeit 1. Ordnung): 2) Diskretisierung der Zeit mit zentralen Differenzen (Genauigkeit 2. Ordnung):

3. Implizite Formulierung 2-13 Übung: Nachweis der Konsistenz für die verschiedenen Formulierungen!

Nachweis der Stabilität 2-14 Fourieransatz: Diskretisierung 1: Mit folgt: Stabilitätsbedingung:

2-15 Die Forderung liefert Bedingungen für den Parameter s: 1.1) 1.2) Zusammengefasst ergibt sich: oder für den Zusammenhang zwischen Zeit- und Ortsschrittweite: Das Verfahren ist stabil, falls:

Diskretisierung 2: 2-16 Amplitudenverhältnis: Die Stabilitätsbedingung ist nicht erfüllbar für alle!. Das Verfahren ist also instabil!

2-17 Diskretisierung 3: Verstärkungsfaktor: Mit ergibt sich:

2-18 Die Stabilitätsbedingung liefert. Stabil ohne Einschränkungen für alle. Das implizite Verfahren ist also uneingeschränkt stabil. Die höhere Stabilität ist eine grundsätzlicher Vorteil impliziter gegenüber expliziter Verfahren.