Mathematik f¨ur Informatiker III Euler Verfahren f¨ur Systeme von ODEs
Langzeitverhalten von ODE – L¨osungen
Langzeitverhalten von ODE – L¨osungen
Bemerkung zum Langzeitverhalten
H¨aufig ist von Interesse (z.B. in der Klimavorhersage), wie sich L¨osungen y(t) der ODE ˙y=F(y) f¨ursehr grosse tqualitativverhalten, und zwar unabh¨angig vom Anfangswerty(t0) =y0.
D.h. man will wissen, ob das dynamische System sich einschwingt, einen Gleichgewichtszutand erreicht, zuf¨alliges (d.h. chaotisches) Verhalten o.¨a.
zeigt.
Im folgenden machen wir Aussagen f¨ur autonome Systeme der Zustandsraumdimensionn, die entspechend auch f¨ur nichtautonome Systeme der Dimensionn−1 gelten.
– 79–
Mathematik f¨ur Informatiker III Euler Verfahren f¨ur Systeme von ODEs
Langzeitverhalten von ODE – L¨osungen
(I) Falls
n= 1 muss und sonst (
n>1) kann einer der beiden folgenden F¨alle eintreten:
(a)y(t) strebt einem station¨aren Grenzwerty∞= lim
t→∞y(t) zu Beispiel: ˙y=λ(y−a), a∈R, λ <0,y0beliebig
t y
y∞
y(t) =c eλt+a,c<0 y(t) =c eλt+a,c>0
– 80–
Mathematik f¨ur Informatiker III Euler Verfahren f¨ur Systeme von ODEs
Langzeitverhalten von ODE – L¨osungen
(b)y(t) explodiert (blow up)
tlim→t∗ky(t)k=∞ f¨ur endliche Zeitt∗(kritische Zeit) Beispiel: y˙=y2 mit y(0) =y0>0
=⇒ dy y2=dt =⇒
Z 1 y2dy=
Z
dt =⇒ −1
y=t+c =⇒ y(t) =− 1 t+c AW: y0=−1
c >0
=⇒ c=−1 y0
<0
=⇒ y(t) = 1
1 y0−t
t y
t∗ y(t) = 11
y0−t
– 81–
Mathematik f¨ur Informatiker III Euler Verfahren f¨ur Systeme von ODEs
Langzeitverhalten von ODE – L¨osungen
(II) Asymptotisch periodische L¨osung
Falls die Zustandsdimensionn= 2 ist muss, ansonsten kanny(t) sich asymptotisch einer periodischen L¨osungy∗(t) n¨ahern, f¨ur die gilt
y∗(t+T) =y∗(t) f¨ur allet>0 und feste PeriodeT.
Beispiel: siehe obigesLineares Beispiel f¨ur Euler
(III) Chaotisches Verhalten
Falls Dimensionn>2 (einschliesslichn= 2 im nichtautonomen Fall) kann die L¨osungy(t) der ODE sich chaotisch verhalten, d.h. auch nach sehr langer Zeit l¨asst sich keine periodische oder station¨are Struktur erkennen.
Beispiel: Lorenz - Attraktor ( ¨Ubung 2)
– 82–
Mathematik f¨ur Informatiker III Interpolation mit Polynomen und Splines
Interpolation mit Polynomen (Whd. 1.Semester)
D - 7 Interpolation mit Polynomen und Splines Interpolation mit Polynomen (Whd. 1.Semester)
Satz D.27 (Lagrange - Interpolation)
SeiR=Roder ein anderer K¨orper. Dann gilt:(i)Es existiert zu jeder Familie von Wertepaaren(xi,yi)∈ R × Rf¨ur i= 0,1, . . . ,n mit unterschiedlichen “Abzissenwerten” xi6=xjf¨ur i6=j ein Interpolationspolynom P(x)vom Grad≤n, so daß
P(xi) =yi f¨ur i= 0,1, . . . ,n.
(ii)Dieses Polynom ist eindeutig und l¨aßt sich darstellen als P(x) =
Xn
i=0
yi (x−x0). . .(x−xi−1)(x−xi+1). . .(x−xn) (xi−x0). . .(xi−xi−1)(xi−xi+1). . .(xi−xn)
| {z }
≡Pi(x)
(iii)Insbesondere folgt aus yi= 0f¨ur i= 0, . . . ,n, dass alle
Koeffizienten ciin P(x) =c0+c1x+c2x2+. . .verschwinden, d.h.
es gilt ci= 0 f¨ur i= 0, . . . ,n.
– 83–
Mathematik f¨ur Informatiker III Interpolation mit Polynomen und Splines
Interpolation mit Polynomen (Whd. 1.Semester)
Beispiel – Lagrangepolynom
xi 0 1 2 3
yi -1 2 1 0
P(x) = −1·(x−1)(x−2)(x−3) (0−1)(0−2)(0−3) + 2·(x−0)(x−2)(x−3) (1−0)(1−2)(1−3) + 1·(x−0)(x−1)(x−3) (2−0)(2−1)(2−3) + 0·(x−0)(x−1)(x−2) (3−0)(3−1)(3−2)
P(x) = 2
3x3−4 x2 + 19 3 x−1
1 2 3
1 2
−1
– 84–
Mathematik f¨ur Informatiker III Interpolation mit Polynomen und Splines
Interpolation mit Polynomen (Whd. 1.Semester)
Warnung:
Interpolationspolynome h¨oherer Ordnung k¨onnen zwischen den vorgegebenen Datenpunktensehr stark oszillieren, deshalb wendet man in der Numerik lieber aus Polynomen niederer Ordnung zusammengesetzte Funktionsmodelle an. =⇒Cubic Splines, Finite Elemente.
8
4
-4 6
2
x
8 6
2 0
10
-2 0
4 PSfrag replacements
Lagrange - Polynom
Kubischer Spline
– 85–
Mathematik f¨ur Informatiker III Interpolation mit Polynomen und Splines
Interpolation durch kubische Splines
Interpolation durch kubische Splines
Gegeben:
gemessene Datenpaare (xi,yi),i= 0, . . . ,n.
Gesucht:
manipulierbare FunktionP(x) mitP(xi) =yi,i= 0, . . . ,n.
Ansatz
Definiere die interpolierende FunktionP: [x0,xn]→Rin jedem Teilintervall [xi−1,xi] als kubisches PolynomPi, so dass f¨urxi−1≤x≤xi
gilt:
P(x) =Pi(x) =ai(x−xi−1)3+bi(x−xi−1)2+ci(x−xi−1) +di, wobei die 4nKoeffizienten (ai,bi,ci,di) f¨uri= 1, . . . ,nzu bestimmen sind.
– 86–
Mathematik f¨ur Informatiker III Interpolation mit Polynomen und Splines
Interpolation durch kubische Splines
Eigenschaften kubischer Polynome
Pihat 4 freie Parameter und die AbleitungenPi0(x) = 3ai(x−xi−1)2+ 2bi(x−xi−1) +ci
Pi00(x) = 6ai(x−xi−1) + 2bi
Pi000(x) = 6ai
P0000i (x) = 0
F¨ur die Bestimmung der 4nKoeffizienten (ai,bi,ci,di),i= 1, . . . ,n, des gesuchten kubischen SplinesP(x) sind genauso viele Gleichungen n¨otig.
Diese werden aus vier verschiedenen Bedingungen, die die interpolierenden Polynome erf¨ullen m¨ussen, hergeleitet.
– 87–
Mathematik f¨ur Informatiker III Interpolation mit Polynomen und Splines
Interpolation durch kubische Splines
Interpolationsbedingung
Pi(xi) = Pi+1(xi) =yi, i= 1, . . . ,n−1 P1(x0) = y0
Pn(xn) = yn
Mit ∆xi=xi−xi−1folgt aus der Interpolationsbedingung f¨uri= 1, . . . ,n di=yi−1=Pi(xi−1)
ai∆xi3+bi∆xi2+ci∆xi+di=yi=Pi(xi) . Das sindnmal 2 lineare Gleichungen in jeweils 4 Unbekannten.
– 88–
Mathematik f¨ur Informatiker III Interpolation mit Polynomen und Splines
Interpolation durch kubische Splines
Steigungsbedingung
Pi0(xi) =Pi+10 (xi), i= 1, . . . ,n−1 Daraus folgen dien−1 weiteren Bedingungen:
3ai∆xi2+ 2bi∆xi+ci=ci+1, i= 1, . . . ,n−1
Es bleiben nochn+ 1 Freiheitsgrade nach Erf¨ullung der bisher gefundenen 3n−1 linearen Gleichungen.
Kr¨ummungsbedingung
P00i(x) =Pi+100 (x), i= 1, . . . ,n Daraus folgenn−1 weitere Bedingungen der Form
6ai∆xi+ 2bi= 2bi+1, i= 1, . . . ,n.
– 89–
Mathematik f¨ur Informatiker III Interpolation mit Polynomen und Splines
Interpolation durch kubische Splines
Insgesamt hat man nun 4n−2 lineare Gleichungen in 4nUnbekannten, die fehlenden 2 Gleichungen werden durch spezielle Forderungen anP1
undPnim Anfangspunktx0bzw. Endpunktxnerhalten. Diese beiden Bedingungen unterscheiden auch verschiedene Typen kubischer Splines:
Nat¨urlicher kubischer Spline
P00(x0) =P001(x0) = 0 =P00n(xn) =P00(xn)
Im Falle nat¨urlicher Splines sind die letzten fehlenden Gleichungen also b0= 0 und 3an∆xn+bn= 0
Periodischer kubischer Spline
P1(x0) =Pn(xn), P10(x0) =Pn0(xn), P100(x0) =Pn00(xn).
– 90–
Mathematik f¨ur Informatiker III Interpolation mit Polynomen und Splines
Interpolation durch kubische Splines
Berechnung der Koeffizienten bei nat¨urlichen Splines
Gesamtbilanz
Man erh¨alt ein sehr strukturiertes lineares Gleichungssystem von 4n Gleichungen in ebenso vielen Unbekannten.
Reduktion auf ein lineares System in (
n−1) Variablen
zi = Pi+100 (xi) = 2bi+1 f¨uri= 1, . . . ,n−1 z0 = P100(x0) = 0zn = Pn00(xn) = 0
Lemma D.28
Aus(yi−1,yi,zi−1,zi)ergeben sich die Koeffizienten(ai,bi,ci,di)von Pi
als
di = yi−1 bi = zi−1/2
ai = zi6∆x−zi−1i ci = yi−∆xyi−1i −16(zi+ 2zi−1) ∆xi – 91–
Mathematik f¨ur Informatiker III Interpolation mit Polynomen und Splines
Interpolation durch kubische Splines
Struktur des reduzierten Systems bei nat¨urlichen Splines
Mit
αi= 2(∆xi+ ∆xi+1) und βi= ∆xi
sowie
ri= 6 yi+1−yi
∆xi+1 −yi−yi−1
∆xi
ist zur Bestimmung derzi,i= 1, . . . ,n−1, das folgende
diagonaldominante symmetrische tridiagonale lineare Gleichungssystem zu l¨osen:
α1 β2
β2 α2 β3
β3 α3 β4
. .. ... . ..
βn−2 αn−2 βn−1
βn−1 αn−1
z1
z2
z3
... zn−2
zn−1
=
r1
r2
r3
... rn−2
rn−1
– 92–
Mathematik f¨ur Informatiker III Numerische Integration – Quadratur
D - 8 Numerische Integration – Quadratur
Gr¨unde f¨ur numerische Integration
IFunktionen ohne geschlossen darstellbare Stammfunktion
IStammfunktion nur durch sehr komplizierte Formel darstellbar Beispiele D.29 (Funktionen ohne geschlossenes Integral)
IR
e−x2dx Gauß’sche Glockenkurve
IR√
1−k2sin2t dt Elliptisches Integral
– 93–
Mathematik f¨ur Informatiker III Numerische Integration – Quadratur
Interpolatorische Quadraturformeln
Interpolatorische Quadraturformeln
Um eine N¨aherung des bestimmten Integrals Zb
a
f(x)dx
zu berechnen, wird das Integrationsintervall [a,b] inn∈IIgleichgrosse Teilintervalle [x0,x1], . . . ,[xn−1,xn] der L¨angehn=b−naunterteilt. Dabei giltxi=a+i∗hnund insbesonderex0=aundxn=b. Mitfi=f(xi) wird der Funktionswert an deri-ten St¨utzstelle bezeichnet.
Riemann’sche Summen
Zba
f(x)≈ Xn
i=1
f(xi)hn= Xn
i=1
fihn
Fehlerterm Riemann’sche Summen
Zb a
f(x)− Xn
i=1
fihn
≤b−a
2 ·hn · max
x∈[a,b]|f0(x)|
– 94–
Mathematik f¨ur Informatiker III Numerische Integration – Quadratur
Interpolatorische Quadraturformeln
Summierte Trapezregel
Tn=hn"
1 2(f0+fn) +
n−1
X
i=1
fi
#
Approximationsfehler summierte Trapezregel
Zb
a
f(x)dx−Tn
≤b−a
12 ·h2n · max
x∈[a,b]|f00(x)|
– 95–
Mathematik f¨ur Informatiker III Numerische Integration – Quadratur
Interpolatorische Quadraturformeln
Kepler’sche Fassregel
Ansatz: Quadratischer Splineg(x) durch die Punkte (a,f(a)),(a+b2,f(a+b2)), und (b,f(b))
g(x) =cx2+dx+e Durch geeignete Umformung des Ansatzes erh¨alt man eine
Berechnungsvorschriftohnedie Koeffizientenc,dundedes Splinesg(x):
S0=b−a 6
f(a) + 4f(a+b2 ) +f(b)
– 96–
Mathematik f¨ur Informatiker III Numerische Integration – Quadratur
Interpolatorische Quadraturformeln
Simpson’sche Regel (Summierte Kepler’sche Fassregel)
Anwendung der Fassregel auf die Teilintervalle der L¨angehn=b−na, n gerade, ergibt die Simpson’sche Regel:Sn=hn
3
f0+fn+ 2
n 2−1
X
i=1
f2i+ 4 Xn/2
i=1
f2i−1
Approximationsfehler summierte Simpson’sche Regel
Zb
a
f(x)dx−Sn
≤b−a
180 ·hn4· max
x∈[a,b]|f(4)(x)|
– 97–
Mathematik f¨ur Informatiker III Numerische Integration – Quadratur
Quadratur mit Extrapolation – Romberg’s Verfahren
Quadratur mit Extrapolation – Romberg’s Verfahren
F¨ur hinreichend oft differenzierbare Integrandenf(x) beschreibt die Euler-Maclaurinsche Summenformelden Fehler der summierten TrapezregelTnals Polynom in geraden Potenzen der Schrittweitehn:
Tn= Zb
a
f(x)dx+ XN
k=1
α2kh2kn +O(h2N+2n )
Die dabei auftretenden Koeffizientenα2ksind vonhnunabh¨angige Konstanten.
Damit k¨onnen Fehlerterme von Quadraturformeln durch sog.
Extrapolation zur Grenze/zum Limiteliminiert werden, in der Werte einer Quadraturformel bei unterschiedlichen Schrittweitenhn,n=n1,n2, . . ., kombiniert werden.
Bei geschickter Wahl der Extrapolation erreicht man eine Aufhebung von Fehlertermen kleiner Ordnung, so das der extrapolierte Wert eine deutlich genauere Approximation des gesuchten Integralwertes ist.
– 98–
Mathematik f¨ur Informatiker III Numerische Integration – Quadratur
Quadratur mit Extrapolation – Romberg’s Verfahren
Romberg Verfahren
Zuerst wird f¨urn= 1 die Trapezregel auf dem gesamten Integrationsintervall [a,b] ausgewertet. Der erhaltene WertT1(d.h.
Schrittweiteh1=b−a) wird als erster EintragR00in die erste Zeile der Tabelle eingetragen.
Mit halbierter Schrittweiteh2=h1/2 wirdT2=R10berechnet und in die erste Spalte der zweiten Zeile direkt unterR00notiert:
k n= 2k Rk0
0 1 R00
1 2 R10 R11 Daraus berechnet man denextrapolierten WertR11mittels
R11=4R10−R00
3 = S2,
was aber genauSimpsons Regelf¨urn= 2 ergibt.
– 99–
Mathematik f¨ur Informatiker III Numerische Integration – Quadratur
Quadratur mit Extrapolation – Romberg’s Verfahren
Romberg Verfahren (Fortsetzung)
Dieses Vorgehen kann in einer neuen Zeile der Tabelle fortgef¨uhrt werden.
Diek-te Zeile erh¨alt man dabei, indem zun¨achst die Trapezregel mit erneut halbierter Schrittweitehn=h2k(d.h.n= 2k) ausgef¨uhrt wird und T2kalsR0kin die erste Spalte eingetragen wird.
In den darauffolgendenkExtrapolationsschritten werden jeweils die WerteRkjderk-ten Zeile f¨urj= 1, . . . ,kaus dem links stehenden Wert Rkj−1und dem links dar¨uber stehenden WertRkj−−11berechnet:
Rkj=4jRkj−1−Rkj−−11
4j−1 =Rkj−1+ 1 4j−1
Rkj−1−Rkj−1−1
j= 1, . . . ,k Insgesamt ergibt sich damit das folgende Tableau:
– 100–
Mathematik f¨ur Informatiker III Numerische Integration – Quadratur
Quadratur mit Extrapolation – Romberg’s Verfahren
Romberg Verfahren (Fortsetzung)
k n= 2k Rk0=Tn Rk1 R2k . . . 0 1 R00=T11 2 R10=T2 R11 2 4 R20=T4 R21 R22
3 8 R30=T8 R31 R23 R33 4 16 R04=T16 R41 R24 R43 R44
... ... ... ... . ..
AlsAbbruchbedingungeignet sich die Differenz zwischen den beiden zuletzt berechneten Diagonalelementen des Schemas.
Falls mit einer vorgegebenen Gr¨osseδdie Bedingung
|Rkk−Rkk−1−1| ≤δ
erf¨ullt ist, dann wird das Verfahren beendet undRkkals N¨aherung des IntegralsRb
af(x)dxbetrachtet. – 101–
Mathematik f¨ur Informatiker III Numerische Integration – Quadratur
Quadratur mit Extrapolation – Romberg’s Verfahren
Approximationsfehler Romberg-Verfahren
F¨urf∈C2k+2([a,b]) gilt:
Rkk− Zb
a
f(x)dx
≤(b−a)h21h22. . .h22kα2k+2 max
x∈[a,b]|f(2k+2)| wobeiα2k+2wiederum eine Konstante ist.
Bemerkung
Die auftretenden Konstantenαiergeben sich als αi=Bi
i!,
wobei dieBidie so genanntenBernoulli - Zahlensind. Diese berechnen sich rekursiv aus
Bi= (−1)i−1
"
2i−1 2(2i+ 1)+ (2i)!
i−1
X
k=1
Bk
(2i−2k+ 1)!(2k)!
# .
– 102–