Upload
others
View
5
Download
0
Embed Size (px)
Citation preview
Mathematik beschreibt die Welt
Willy Dörfler und Christian Wieners
Universität Karlsruhe (TH)Forschungsuniversität · gegründet 1825
Institut für Angewandte und Numerische Mathematik
Mathematik berechnet die Welt
Willy Dörfler und Christian Wieners
Universität Karlsruhe (TH)Forschungsuniversität · gegründet 1825
Institut für Angewandte und Numerische Mathematik
Gauß und Ceres
Carl Friedrich Gauß (1777–1855)
Der Kleinplanet Ceres im Asteriodengürtel zwischen Mars und Jupiter wurdeerstmals am 1. Januar 1801 von Giuseppe Piazzi beobachtet. Bis zum11. Februar konnte er 24-mal seine Position bestimmen, bevor seineUmlaufbahn von der Sonne verdeckt wurde. Danach ist es ihm nichtgelungen, Ceres wieder zu finden. Piazzis Beobachtungen wurden imSeptember 1801 veröffentlicht.
Carl Friedrich Gauß konnte aus den Beobachtungsdaten die Umlaufbahnhinreichend genau bestimmen. Fast genau an der vorhergesagten Positionwurde Ceres am 31. Dezember 1801 von Franz Xaver Zachund Heinrich W. M. Olbers wieder entdeckt.
1
Gauß und Ceres
Carl Friedrich Gauß (1777–1855)
Der Kleinplanet Ceres im Asteriodengürtel zwischen Mars und Jupiter wurdeerstmals am 1. Januar 1801 von Giuseppe Piazzi beobachtet. Bis zum11. Februar konnte er 24-mal seine Position bestimmen, bevor seineUmlaufbahn von der Sonne verdeckt wurde. Danach ist es ihm nichtgelungen, Ceres wieder zu finden. Piazzis Beobachtungen wurden imSeptember 1801 veröffentlicht.
Carl Friedrich Gauß konnte aus den Beobachtungsdaten die Umlaufbahnhinreichend genau bestimmen. Fast genau an der vorhergesagten Positionwurde Ceres am 31. Dezember 1801 von Franz Xaver Zachund Heinrich W. M. Olbers wieder entdeckt.
1
Kepler und die Ellipsen
Johannes Kepler (1571–1630)
Die erste mathematischen Beschreibung der Bewegung von Himmelskörpernwurde von Johannes Kepler entwickelt.
Erstes keplersches Gesetz. Die Umlaufbahn eines Trabanten ist eineEllipse. Einer ihrer Brennpunkte liegt im Schwerezentrum des Systems.
Die Keplerschen Gesetze stellen die exakte Lösung des Zweikörperproblemsdar. Sie gelten exakt für Massenpunkte und für kugelsymmetrischeHimmelskörper, wenn außer der Gravitation alle weiteren Kräftevernachlässigt werden.
2
Mathematische Beschreibung einer Ellipse
(0,b)
(a,0)
Die Ellipsengleichung. Die Punktmenge
E :={(x ,y) ∈ R2 :
x2
a2 +y2
b2 = 1}
beschreibt eine Ellipse E in der x-y–Ebene um den Punkt (0,0) und durchdie Punkte (a,0) und (0,b).
3
Lösung der Ellipsengleichung
Problem. Es seien zwei Punkte (x1,y1) und (x2,y2) gegeben.Man bestimme a > 0 und b > 0 mit
x21
a2 +y2
1b2 = 1 und
x22
a2 +y2
2b2 = 1 .
4
Lösung der Ellipsengleichung
Beobachtung. Kleine Änderungen an den Koordinaten (x1,y1) und (x2,y2)können große Änderungen in a und b ergeben.
Ziel. Man finde eine Methode zur Bestimmung der Ellipse, die bei ungenaugemessenen Daten trotzdem eine sinnvolle Näherung ergibt.
5
Lösung der Ellipsengleichung
Definition. Eine Aufgabenstellung heißt gut konditioniert, wenn kleineÄnderungen an den Daten nur zu kleinen Änderungen der Lösung führen;sonst heißt sie schlecht konditioniert.Ein Algorithmus zur Lösung eines gut konditionierten Problems heißtgut konditioniert, wenn kleine Änderungen an den Daten nur zu kleinenÄnderungen der algorithmisch berechneten Lösung führen.
6
Lösbarkeit der Ellipsengleichung?
Problem. Es seien Punkte (xn,yn) für n = 1, ...,N gegeben.Man bestimme a > 0 und b > 0 mit
x2n
a2 +y2
nb2 = 1 für alle n = 1, ...,N .
7
Beste Approximation der Ellipse
Ausgleichs–Problem. Es seien Punkte (xn,yn) für n = 1, ...,N gegeben.Man bestimme a > 0 und b > 0, so dass die Summe der quadratischenAbweichungen minimal wird:
N
∑n=1
(x2
na2 +
y2n
b2 −1
)2
= min!
8
Lösung linearer Ausgleichsprobleme
Definiere
α =1a2 , β =
1b2 ,
a11 =N
∑n=1
x2n x2
n , a12 = a21 =N
∑n=1
x2n y2
n , a22 =N
∑n=1
y2n y2
n ,
c1 =N
∑n=1
x2n , c2 =
N
∑n=1
y2n .
Dann gilt
N
∑n=1
(x2
na2 +
y2n
b2 −1
)2
= a11α2 +2a12αβ +a22β
2−2c1α −2c2β −N .
Satz. Die Lösung des linearen Ausgleichsproblems berechnet sich aus derLösung des linearen Gleichungssystems
a11α +a12β = c1,
a21α +a22β = c2 .
C. F. Gauß (1809): Theoria Motus Corporum Coelestium
(... allgemeine Lösung mit Matrizen ...)9
Newton und die klassische Mechanik
Isaac Newton (1642–1727)
In der klassischen Mechanik wird die Bewegung einer Punktmasse m amPunkt xxx = (x ,y ,z) durch die Newtonschen Gesetze bestimmt.
Kraftgesetz: Masse m × Beschleunigung aaa = Kraft FFF .
Gravitationsgesetz: FFF (xxx) =−Gm M|xxx −yyy |3
(xxx −yyy).
Dabei ist G die Gravitationskonstante und M die Masse im Punkt yyy .
10
Euler und das Polygonzug–Verfahren
Leonhard Euler (1707–1783)
Die Bewegung wird durch einen Polygonzug xxx0, xxx1, xxx2, ... approximiert.Der Anfangszustand sei zum Zeitpunkt t = 0 bekannt:
Position xxx0, Geschwindigkeit vvv0.
Sei ∆t ein Zeitinkrement. Nun berechne für n = 1,2,3, ...
vvvn = vvvn−1 +∆tFFF (xxxn−1)
mxxxn = xxxn−1 +∆t vvvn
11
Hamilton und die Energieerhaltung
William Rowan Hamilton (1805–1865)
Die Gesamtenergie H(xxx ,vvv) = 12 m|vvv |2 +U(xxx) bleibt erhalten.
In der Regel geht die Energieerhaltung bei der Approximation verloren.
Verbessertes Schema: Man berechne für n = 1,2,3, ...
vvvn+1 = vvvn−1 +2∆tFFF (xxxn)
mxxxn+2 = xxxn +2∆t vvvn+1
Satz. (Hairer, Lubich, Wanner 1994)Es gilt |H(xxx(tn),vvv(tn))−H(xxxn,vvvn)| ≤ Ct für t < (∆t)−2.
12
Hamilton und die Energieerhaltung
William Rowan Hamilton (1805–1865)
Die Gesamtenergie H(xxx ,vvv) = 12 m|vvv |2 +U(xxx) bleibt erhalten.
In der Regel geht die Energieerhaltung bei der Approximation verloren.
Verbessertes Schema: Man berechne für n = 1,2,3, ...
vvvn+1 = vvvn−1 +2∆tFFF (xxxn)
mxxxn+2 = xxxn +2∆t vvvn+1
Satz. (Hairer, Lubich, Wanner 1994)Es gilt |H(xxx(tn),vvv(tn))−H(xxxn,vvvn)| ≤ Ct für t < (∆t)−2.
12
Das 3–Körper–Problem
Berechne die Bewegung von Punktmassen an den Positionen xxx1,xxx2,xxx3 undder Massen M1,M2,M3 im Gravitationsfeld.
Berechne für n = 1,2,3, ...
vvv1n+1 = vvv1
n−1−2∆t G(
M2
|xxx2n −xxx1
n|3(xxx2
n −xxx1n)+
M3
|xxx3n −xxx1
n|3(xxx3
n −xxx1n)
)vvv2
n+1 = vvv2n−1−2∆t G
(M1
|xxx1n −xxx2
n|3(xxx1
n −xxx2n)+
M3
|xxx3n −xxx2
n|3(xxx3
n −xxx2n)
)vvv3
n+1 = vvv3n−1−2∆t G
(M1
|xxx1n −xxx3
n|3(xxx1
n −xxx3n)+
M2
|xxx2n −xxx3
n|3(xxx2
n −xxx3n)
)xxx1
n+2 = xxx1n +2∆t vvv1
n+1
xxx2n+2 = xxx2
n +2∆t vvv2n+1
xxx3n+2 = xxx3
n +2∆t vvv3n+1
Eine analytische Lösung für das 3–Körper–Problem ist nicht möglich.
13
Das 3–Körper–Problem
Beispiel: Simulation einer Satellitenbahn von der Erde zur Venus (120 Tage)
Zeitschrittweite ∆t Entfernung Satellit-Venus Differenz
24 Stunden 106.28 Millonen km
1.10 Millonen km12 Stunden 105.18 Millonen km
0.39 Millonen km6 Stunden 105.57 Millonen km
0.16 Millonen km3 Stunden 105.71 Millonen km
0.07 Millonen km90 Minuten 105.78 Millonen km
Definition. Ein numerisches Näherungsverfahren heißt konvergent, wennder Fehler für immer kleiner Schrittweiten verschwindet.
Herausforderung. Berechnung einer zuverlässigen Fehlerschranke.
Definition. Ein numerisches Näherungsverfahren heißt stabil, wennErhaltungsgrößen beschränkt bleiben.
Herausforderung. Konstruktion von konvergenten Näherungsverfahren,die effizient und stabil sind.
14
Das 3–Körper–Problem
Beispiel: Simulation einer Satellitenbahn von der Erde zur Venus (120 Tage)
Zeitschrittweite ∆t Entfernung Satellit-Venus Differenz
24 Stunden 106.28 Millonen km1.10 Millonen km
12 Stunden 105.18 Millonen km
0.39 Millonen km6 Stunden 105.57 Millonen km
0.16 Millonen km3 Stunden 105.71 Millonen km
0.07 Millonen km90 Minuten 105.78 Millonen km
Definition. Ein numerisches Näherungsverfahren heißt konvergent, wennder Fehler für immer kleiner Schrittweiten verschwindet.
Herausforderung. Berechnung einer zuverlässigen Fehlerschranke.
Definition. Ein numerisches Näherungsverfahren heißt stabil, wennErhaltungsgrößen beschränkt bleiben.
Herausforderung. Konstruktion von konvergenten Näherungsverfahren,die effizient und stabil sind.
14
Das 3–Körper–Problem
Beispiel: Simulation einer Satellitenbahn von der Erde zur Venus (120 Tage)
Zeitschrittweite ∆t Entfernung Satellit-Venus Differenz
24 Stunden 106.28 Millonen km1.10 Millonen km
12 Stunden 105.18 Millonen km0.39 Millonen km
6 Stunden 105.57 Millonen km
0.16 Millonen km3 Stunden 105.71 Millonen km
0.07 Millonen km90 Minuten 105.78 Millonen km
Definition. Ein numerisches Näherungsverfahren heißt konvergent, wennder Fehler für immer kleiner Schrittweiten verschwindet.
Herausforderung. Berechnung einer zuverlässigen Fehlerschranke.
Definition. Ein numerisches Näherungsverfahren heißt stabil, wennErhaltungsgrößen beschränkt bleiben.
Herausforderung. Konstruktion von konvergenten Näherungsverfahren,die effizient und stabil sind.
14
Das 3–Körper–Problem
Beispiel: Simulation einer Satellitenbahn von der Erde zur Venus (120 Tage)
Zeitschrittweite ∆t Entfernung Satellit-Venus Differenz
24 Stunden 106.28 Millonen km1.10 Millonen km
12 Stunden 105.18 Millonen km0.39 Millonen km
6 Stunden 105.57 Millonen km0.16 Millonen km
3 Stunden 105.71 Millonen km
0.07 Millonen km90 Minuten 105.78 Millonen km
Definition. Ein numerisches Näherungsverfahren heißt konvergent, wennder Fehler für immer kleiner Schrittweiten verschwindet.
Herausforderung. Berechnung einer zuverlässigen Fehlerschranke.
Definition. Ein numerisches Näherungsverfahren heißt stabil, wennErhaltungsgrößen beschränkt bleiben.
Herausforderung. Konstruktion von konvergenten Näherungsverfahren,die effizient und stabil sind.
14
Das 3–Körper–Problem
Beispiel: Simulation einer Satellitenbahn von der Erde zur Venus (120 Tage)
Zeitschrittweite ∆t Entfernung Satellit-Venus Differenz
24 Stunden 106.28 Millonen km1.10 Millonen km
12 Stunden 105.18 Millonen km0.39 Millonen km
6 Stunden 105.57 Millonen km0.16 Millonen km
3 Stunden 105.71 Millonen km0.07 Millonen km
90 Minuten 105.78 Millonen km
Definition. Ein numerisches Näherungsverfahren heißt konvergent, wennder Fehler für immer kleiner Schrittweiten verschwindet.
Herausforderung. Berechnung einer zuverlässigen Fehlerschranke.
Definition. Ein numerisches Näherungsverfahren heißt stabil, wennErhaltungsgrößen beschränkt bleiben.
Herausforderung. Konstruktion von konvergenten Näherungsverfahren,die effizient und stabil sind.
14
Das 3–Körper–Problem
Beispiel: Simulation einer Satellitenbahn von der Erde zur Venus (120 Tage)
Zeitschrittweite ∆t Entfernung Satellit-Venus Differenz
24 Stunden 106.28 Millonen km1.10 Millonen km
12 Stunden 105.18 Millonen km0.39 Millonen km
6 Stunden 105.57 Millonen km0.16 Millonen km
3 Stunden 105.71 Millonen km0.07 Millonen km
90 Minuten 105.78 Millonen km
Definition. Ein numerisches Näherungsverfahren heißt konvergent, wennder Fehler für immer kleiner Schrittweiten verschwindet.
Herausforderung. Berechnung einer zuverlässigen Fehlerschranke.
Definition. Ein numerisches Näherungsverfahren heißt stabil, wennErhaltungsgrößen beschränkt bleiben.
Herausforderung. Konstruktion von konvergenten Näherungsverfahren,die effizient und stabil sind.
14
Das 3–Körper–Problem
Beispiel: Simulation einer Satellitenbahn von der Erde zur Venus (120 Tage)
Zeitschrittweite ∆t Entfernung Satellit-Venus Differenz
24 Stunden 106.28 Millonen km1.10 Millonen km
12 Stunden 105.18 Millonen km0.39 Millonen km
6 Stunden 105.57 Millonen km0.16 Millonen km
3 Stunden 105.71 Millonen km0.07 Millonen km
90 Minuten 105.78 Millonen km
Definition. Ein numerisches Näherungsverfahren heißt konvergent, wennder Fehler für immer kleiner Schrittweiten verschwindet.
Herausforderung. Berechnung einer zuverlässigen Fehlerschranke.
Definition. Ein numerisches Näherungsverfahren heißt stabil, wennErhaltungsgrößen beschränkt bleiben.
Herausforderung. Konstruktion von konvergenten Näherungsverfahren,die effizient und stabil sind.
14
Das 3–Körper–Problem
Beispiel: Simulation einer Satellitenbahn von der Erde zur Venus (120 Tage)
Zeitschrittweite ∆t Entfernung Satellit-Venus Differenz
24 Stunden 106.28 Millonen km1.10 Millonen km
12 Stunden 105.18 Millonen km0.39 Millonen km
6 Stunden 105.57 Millonen km0.16 Millonen km
3 Stunden 105.71 Millonen km0.07 Millonen km
90 Minuten 105.78 Millonen km
Definition. Ein numerisches Näherungsverfahren heißt konvergent, wennder Fehler für immer kleiner Schrittweiten verschwindet.
Herausforderung. Berechnung einer zuverlässigen Fehlerschranke.
Definition. Ein numerisches Näherungsverfahren heißt stabil, wennErhaltungsgrößen beschränkt bleiben.
Herausforderung. Konstruktion von konvergenten Näherungsverfahren,die effizient und stabil sind.
14
Das 3–Körper–Problem
Beispiel: Simulation einer Satellitenbahn von der Erde zur Venus (120 Tage)
Zeitschrittweite ∆t Entfernung Satellit-Venus Differenz
24 Stunden 106.28 Millonen km1.10 Millonen km
12 Stunden 105.18 Millonen km0.39 Millonen km
6 Stunden 105.57 Millonen km0.16 Millonen km
3 Stunden 105.71 Millonen km0.07 Millonen km
90 Minuten 105.78 Millonen km
Definition. Ein numerisches Näherungsverfahren heißt konvergent, wennder Fehler für immer kleiner Schrittweiten verschwindet.
Herausforderung. Berechnung einer zuverlässigen Fehlerschranke.
Definition. Ein numerisches Näherungsverfahren heißt stabil, wennErhaltungsgrößen beschränkt bleiben.
Herausforderung. Konstruktion von konvergenten Näherungsverfahren,die effizient und stabil sind.
14
Swing-by-Manöver
Beschleunigen: Kreuzen der Planetenbahn kurz hinter dem Planeten
Bremsen: Kreuzen der Planetenbahn kurz vor dem Planeten
Beispiel: Die NASA/ESA-Raumsonde Cassini-Huygens flog nach demStart am 15. Oktober 1997 zweimal an der Venus, einmal an der Erde sowieeinmal am Jupiter vorbei, bis sie durch diese Swing-by-Manöver genugEnergie hatte, ihr Ziel, den Saturn, am 1. Juli 2004 zu erreichen.
15
Swing-by-Manöver
Beschleunigen: Kreuzen der Planetenbahn kurz hinter dem Planeten
Bremsen: Kreuzen der Planetenbahn kurz vor dem Planeten
Beispiel: Die NASA/ESA-Raumsonde Cassini-Huygens flog nach demStart am 15. Oktober 1997 zweimal an der Venus, einmal an der Erde sowieeinmal am Jupiter vorbei, bis sie durch diese Swing-by-Manöver genugEnergie hatte, ihr Ziel, den Saturn, am 1. Juli 2004 zu erreichen.
15
Das N–Körper–Problem
Berechne die Bewegung von Punktmassen xxx = (xxxk )k=1,...,N im
Gravitationsfeld FFF k (xxx) =−G ∑j 6=k
Mj Mk
|xxx j −xxxk |3(xxx j −xxxk ):
Berechne für n = 1,2,3, ...
vvvkn+1 = vvvk
n−1 +2∆tFFF k (xxx)
Mk
xxxkn+2 = xxxk
n +2∆t vvvkn+1 .
Berechnung der Galaxien-verteilung im Weltall:Simulation der Bewegungvon 130 Millionen Partikelnseit dem Urknall vor 14 Mil-liarden Jahren
http://www.galaxydynamics.org
16
Das N–Körper–Problem
Berechne die Bewegung von Punktmassen xxx = (xxxk )k=1,...,N im
Gravitationsfeld FFF k (xxx) =−G ∑j 6=k
Mj Mk
|xxx j −xxxk |3(xxx j −xxxk ):
Berechne für n = 1,2,3, ...
vvvkn+1 = vvvk
n−1 +2∆tFFF k (xxx)
Mk
xxxkn+2 = xxxk
n +2∆t vvvkn+1 .
Berechnung der Galaxien-verteilung im Weltall:Simulation der Bewegungvon 130 Millionen Partikelnseit dem Urknall vor 14 Mil-liarden Jahren
http://www.galaxydynamics.org
16
Berechnungsfehler und Grenzen der Berechenbarkeit
Am 4. Juni 1996 explodierte kurz nach demStart die erste Ariane 5 Rakete durch einen Soft-warefehler.Die Horizontalgeschwindigkeit wurde durch eineGleitkommazahl
v ∈ [−10308,−10−308]∪{0}∪ [10−308,10308]
dargestellt.Innerhalb der Rechnung wurde die Zahl verse-hentlich in eine ganzzahlige Darstellung
i ∈ {0,1,2, ...,32767}
konvertiert.Als die Geschwindigkeit v > 32767 erreichte, ver-lor die Software die Geschwindigkeitsinformationund damit schließlich die Orientierung.
http://ta.twi.tudelft.nl/users/vuik/wi211/disasters.html
http://www5.in.tum.de/ huckle/bugse.html17
Berechnungsfehler und Grenzen der Berechenbarkeit
Am 25. Februar 1991 während des er-sten Golfkriegs in Dharan, Saudi Arabien, ver-fehlte eine amerikanische Patriot–Rakete eineanfliegende irakische Scud Rakete durch einefalsche Zeitberechnung.Eine 1/10 Sekunde wurde ungenau dargestellt(durch Rundungsfehler wurde die periodischeDualentwicklung
0.0001100110011001100110011001100....
in der Computerdarstellung zu
0.00011001100110011001100
abgeschnitten), so dass nach 100 Stunden Be-triebszeit eine Zeitdifferenz von ca. 0.3 Sekundenentstand. Dieser Fehler wurde nicht in allen Teilendes Betriebsprogramms korrigiert.
http://ta.twi.tudelft.nl/users/vuik/wi211/disasters.html
http://www5.in.tum.de/ huckle/bugse.html18
Berechnungsfehler und Grenzen der Berechenbarkeit
Am 23. August 1991 sank vor der norwegischenKüste die Ölbohrplattform Sleipner A, da an einerSchwachstelle die Konstruktion versagte.
Die Fehlerkontrolle in der Finite–Elemente–Berechnung der Statik war ungenügend, so dassdie Schwachstelle an einem Kreuzungspunkt vondrei Verstrebungen in der Planung nicht entdecktwurde.
http://ta.twi.tudelft.nl/users/vuik/wi211/disasters.html
http://www5.in.tum.de/ huckle/bugse.html19
Fehlerschätzung
Wie kann man solche Desaster verhindern?
Was ist genau passiert?
Beispiel
Wir betrachten eine elastischeFläche der Gestalt
Unter Belastung konzentrierensich die Spannungen
20
Fehlerschätzung
Wie kann man solche Desaster verhindern?
Was ist genau passiert?
Beispiel
Wir betrachten eine elastischeFläche der Gestalt
Unter Belastung konzentrierensich die Spannungen
20
Fehlerschätzung
Wir kennen dieses Phänomenaus der Elektrostatik(“Spitzenwirkung”).
Ein berechenbares Problem erhält man durch Diskretisierung, hier durch eineDreieckszerlegung (“Triangulierung”) des Gebietes.
21
Fehlerschätzung
Wir kennen dieses Phänomenaus der Elektrostatik(“Spitzenwirkung”).
Ein berechenbares Problem erhält man durch Diskretisierung, hier durch eineDreieckszerlegung (“Triangulierung”) des Gebietes.
21
Fehlerschätzung
Für abnehmende Dreiecksdurchmesser erhalten wir eine zunehmendbessere Annäherung an die tatsächliche Lösung.
1.5 2 2.5 3 3.5
−1.6
−1.4
−1.2
−1
−0.8
log10
(N)
log 10
(Feh
ler(
N))
22
Fehlerschätzung
Der Spitzeneffekt verschlechtert die Konvergenz!
1 1.5 2 2.5 3 3.5 4 4.5−2.6
−2.4
−2.2
−2
−1.8
−1.6
−1.4
−1.2
−1
−0.8
−0.6
log10
(N)
log 10
(Feh
ler(
N))
SingulaerGlatt
Der Fehler für ein Problemohne Spitzeneffekt fälltviel schneller als für ein Problemmit Spitzeneffekt.
ABER: Wie können wir entscheiden, wann es genug ist?
Lösung:(1) Fehlerkontrolle(2) Lokale Gitterverfeinerung
23
Fehlerschätzung
Der Spitzeneffekt verschlechtert die Konvergenz!
1 1.5 2 2.5 3 3.5 4 4.5−2.6
−2.4
−2.2
−2
−1.8
−1.6
−1.4
−1.2
−1
−0.8
−0.6
log10
(N)
log 10
(Feh
ler(
N))
SingulaerGlatt
Der Fehler für ein Problemohne Spitzeneffekt fälltviel schneller als für ein Problemmit Spitzeneffekt.
ABER: Wie können wir entscheiden, wann es genug ist?
Lösung:(1) Fehlerkontrolle(2) Lokale Gitterverfeinerung
23
Adaptive Finite Elemente Methode
1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3
−1.8
−1.6
−1.4
−1.2
−1
−0.8
log10
(N)
log 10
(Feh
ler(
N))
Exakter Fehler (adaptiv)Gesch. Fehler (adaptiv)Exakter Fehler (uniform)
Quantitative Betrachtung. Ein Resultat mit Fehler TOL erfordert
Problem Gitter N ∼ TOL = 1% TOL = 0.1%
Singulär uniform TOL−3 N ∼ 106 N ∼ 109
Singulär adaptiv TOL−2 N ∼ 104 N ∼ 106
Gewinnfaktor 100 1000
24
Adaptive Finite Elemente Methode
1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3
−1.8
−1.6
−1.4
−1.2
−1
−0.8
log10
(N)
log 10
(Feh
ler(
N))
Exakter Fehler (adaptiv)Gesch. Fehler (adaptiv)Exakter Fehler (uniform)
Quantitative Betrachtung. Ein Resultat mit Fehler TOL erfordert
Problem Gitter N ∼ TOL = 1% TOL = 0.1%
Singulär uniform TOL−3 N ∼ 106 N ∼ 109
Singulär adaptiv TOL−2 N ∼ 104 N ∼ 106
Gewinnfaktor 100 100024
Adaptive Finite Elemente Methode
1.2 1.4 1.6 1.8 2 2.2 2.4 2.6 2.8 3
−1.8
−1.6
−1.4
−1.2
−1
−0.8
log10
(N)
log 10
(Feh
ler(
N))
Exakter Fehler (adaptiv)Gesch. Fehler (adaptiv)Exakter Fehler (uniform)
I Entwicklung des Konzeptes: ca. 1978I Konvergenz und Optimalität des Verfahrens 1996–2006
Theorem. Man kann den Fehler einer numerischen Lösung derartigerProbleme zuverlässig schätzen. Die Gesamtzahl der arithmetischenOperationen entspricht (im wesentlichen) der optimalen Anzahl.
25