Die Tangentenlinienapproximation
Die geometrische Idee
Eine gewöhnliche Differentialgleichung dy/dx = f(x,y) weist einem jeden Punkt im (x,y)-Ebene einen Neigungswinkel zu - eine Richtungsfeld. Die wahre Lösung y(x) ist eine Kurve, die diese zugewiesenen Neigungswerte überall folgt.
Eulersche Methode wandelt das kontinuierliche Richtungsfeld in einen diskreten Gang um:
>(xₙ, yₙ) → (xₙ + h, yₙ + h·f(xₙ, yₙ))
Vom Punkt (xₙ, yₙ) wird eine Entfernung h entlang der Tangentenlinie bewegt. Man erreicht einen ungefähren nächsten Punkt. Wiederhole.
Geometrischer Fehler: Die Tangentenlinie bei (xₙ, yₙ) hat den Neigungswinkel f(xₙ, yₙ), aber die wahre Kurve hat einen anderen Neigungswinkel an jedem Punkt entlang des Intervalls [xₙ, xₙ + h]. Die Eulersche Schritt verwendet den Neigungswinkel am linken Endpunkt - 'der Neigungswinkel, der war'. Der Fehler pro Schritt wächst mit h².
Gesamter Fehler
Über N Schritte bis zu einem festen Endpunkt x = a, mit h = a/N:
- Lokaler Truncation-Fehler pro Schritt: O(h²)
- Anzahl der Schritte: N = a/h
- Globaler Fehler: O(h²) × (a/h) = O(h) - erste Ordnung Genauigkeit
Eulersche Methode ist erste Ordnung: Halbierung von h halbiert den globalen Fehler.
Ausführen von Eulers Methode
Betrachten Sie dy/dx = y, mit Anfangsbedingung y(0) = 1. Wahre Lösung: y(x) = eˣ, so y(1) = e ≈ 2,71828.
Anwenden Sie die Eulersche Methode mit h = 0,5, von x = 0 zu x = 1 (2 Schritte):
Schritt 1: y₁ = y₀ + h·f(x₀, y₀) = 1 + 0,5·(1) = 1,5. Neuer Punkt: (0,5, 1,5).
Schritt 2: y₂ = y₁ + h·f(x₁, y₁) = 1,5 + 0,5·(1,5) = 2,25. Neuer Punkt: (1,0, 2,25).
Euler liefert 2,25 gegenüber der wahren Wert von 2,71828. Fehler: 0,468. Relativer Fehler: ~17%.
Herleitung des Stabilitätsgebietes von Euler
Für die Testgleichung dy/dx = λy (wobei λ eine komplexe Zahl ist), liefert Eulers Methode:
> yₙ₊₁ = yₙ + h·λ·yₙ = yₙ·(1 + hλ)
Der Verstärkungsfaktor pro Schritt: z = 1 + hλ.
Stabilitätsbedingung: Die berechnete Lösung bleibt beschränkt, wenn und nur wenn |z| ≤ 1, d.h. |1 + hλ| ≤ 1.
Das ist eine geometrische Bedingung im komplexen hλ-Ebene: Der Punkt hλ muss im Kreis mit dem Radius 1 um den Mittelpunkt (-1, 0) liegen.
Eulers Stabilitätsgebiet: { hλ ∈ ℂ : |1 + hλ| ≤ 1 }
Für reelle, negative λ (eine abnehmende ODE wie dy/dx = -2y): hλ muss im Intervall (-2, 0] auf der reellen Achse liegen. Mit λ = -2 und h = 0,5: hλ = -1. Dies liegt genau auf der Stabilitätsgrenze - die Methode ist marginal stabil, was die qualitativen Probleme im früheren Beispiel erklärt.
Mit h = 1 und λ = -2: hλ = -2, was uns außerhalb des Stabilitätsgebietes bringt. Die Lösung oszilliert mit wachsendem Amplitude.
Bestimmung der Stabilitätsgrenze
Runge-Kutta 4 (RK4) hat ein größeres Stabilitätsgebiet als Euler, was einer der Gründe ist, warum es für die meisten Probleme bevorzugt wird.
Für negative reelle λ erlaubt RK4 hλ bis etwa -2,785 auf der reellen Achse (im Gegensatz zu Eulers -2-Grenze).
Für steife Gleichungen mit Eigenwerten λ, die in sehr unterschiedlichen Größen liegen - sagen wir λ₁ = -1 und λ₂ = -1000 - erfordert die Stabilität, dass hλ₂ innerhalb des Gebietes bleibt. Für RK4 auf der reellen Achse: h·(-1000) ≥ -2,785, daher h ≤ 0,002785.
Diese winzige Schrittweite, die durch den steifen Eigenwert λ₂ diktiert wird, macht die Simulation teuer, obwohl der langsame Komponente λ₁ eine h = 2 erlauben könnte.
Feste Punkte & Anziehungsbasen
Die Anwendung von Eulers Methode für dy/dx = f(y) definiert ein diskretes Abbild: yₙ₊₁ = g(yₙ) = yₙ + h·f(yₙ).
Ein festes Punktes dieses Abbilds: y solche, dass g(y) = y. Für Euler auf dy/dx = f(y) liegen festige Punkte in f(y) = 0 - Gleichgewichte der ODE.
Stabilität eines festen Punktes: wenn |g'(y)| < 1, konvergieren nahegelegene Iterationen zu y. Wenn |g'(y*)| > 1, divergieren sie.
g'(y) = 1 + h·f'(y). Bei einem festen Punkt y: |1 + h·f'(y)| < 1 für Stabilität.
Das ist genau die Stabilitätsbedingung für Euler mit λ = f'(y*) - die lineare Approximation der ODE am Gleichgewicht.
Anziehungsbasis: der Satz von Anfangsbedingungen, die unter dem Euler-Abbild auf y* konvergieren. Für nichtlineare Systeme definieren die Basisgrenzen, wo die Simulation das ODE-Gleichgewicht verfolgen wird oder abweichen wird zu einem anderen Anzieher.
Das Simulations-Schleifen ist ein diskretes dynamisches System. Seine qualitativen Verhaltensweisen - Konvergenz, Schwingungen, Divergenz - hängen von der Schrittweite h im Verhältnis zur Geometrie des Richtungsverlaufs der ODE ab.
Zusammenhang zwischen Geometrie und Simulationsdesign
Die Geometrie der numerischen Simulation reduziert sich auf drei Fragen:
1. Wo liegt die Stabilitätsregion? Für Euler: der Disk |1 + hλ| ≤ 1. Größer für RK4. Unbegrenzt (ganze linke Halbebene) für implizite Methoden.
2. Wo liegen die Eigenwerte der ODEs? Die Eigenwerte λ der Jacob-Matrix von f an jedem Punkt bestimmen, welche Stabilitätsregion hλ enthalten muss.
3. Welche h hält alle hλ innerhalb der Region? Die zulässige maximale h = (Stabilitätsradius) / max|λ|.
Für starre Systeme: max|λ| ist riesig, was kleine h für explizite Methoden erzwingt. Implizite Methoden sind pro Schritt teuer, lassen aber große h zu – sie tauschen den Kosten pro Schritt gegen Stabilität.
Hamming's Erkenntnis übersetzt: die Wahl der numerischen Methode kodiert eine Wette über die Geometrie des Eigenwertespektrums der ODE. Diesen Wette bewusst zu machen, ist die erste Entschließung bei jeder Simulation.