Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-9389
For citation please use:
Main Title: Methods for the temporal approximation of nonlinear, nonautonomous evolution equations
Translated Title: Methoden für die zeitliche Approximation nichtlinearer, nichtautonomer Evolutionsgleichungen
Author(s): Eisenmann, Monika
Advisor(s): Emmrich, Etienne
Referee(s): Emmrich, Etienne
Kruse, Raphael
Thalhammer, Mechthild
Granting Institution: Technische Universität Berlin
Type: Doctoral Thesis
Language Code: en
Abstract: Differential equations are an important building block for modeling processes in physics, biology, and social sciences. Usually, their exact solution is not known explicitly though. Therefore, numerical schemes to approximate the solution are of great importance. In this thesis, we consider the temporal approximation of nonlinear, nonautonomous evolution equations on a finite time horizon. We present two independent approaches that can be used to find a temporal approximation of the solution. As the solution of a nonlinear equation typically lacks global higher-order regularity, it cannot be expected to obtain higher-order convergence rates. Thus, we only concentrate on schemes that are formally of first order. In the first part of the thesis, we consider the question of how nonsmooth temporal data can be handled. A common method for the approximation of the integral of an irregular function is a Monte Carlo type quadrature rule. We take on this idea and use a similar approach to approximate the solution to a nonautonomous evolution equation. If the data is evaluated at the points of a randomly shifted grid, we can prove the convergence of the backward Euler scheme. Moreover, we prove explicit error estimates. Here, we introduce a second set of randomized points, where the data is evaluated, and make additional assumptions on the data and the solution. Secondly, we approximate the solution via an operator splitting based scheme. We work with both an implicit-explicit splitting and a product type splitting. First, we decompose the operator into a monotone and a bounded part. The implicit-explicit splitting is used to obtain one implicit equation that contains the monotone part. The bounded part is solved in an explicit fashion. This way, we only solve as many implicit equations as necessary. Further, we use a product type splitting on the monotone part. Even though this leads to more problems, they are potentially easier to solve individually. For this splitting scheme, we follow a similar approach as in the first part of the thesis. After proving the convergence of the scheme, we provide error bounds under additional assumptions on both the data and the solution. In order to provide an interesting field of application, we show that the schemes can be applied for the temporal approximation of certain nonlinear, parabolic problems.
Differentialgleichungen bilden einen wichtigen Bestandteil für die Modellierung von Prozessen in der Physik, Biologie und Sozialwissenschaft. Allerdings lässt sich ihre Lösung nur in seltenen Fällen analytisch bestimmen. Aus diesem Grund ist eine numerische Näherung der Lösung von großer Wichtigkeit. In dieser Arbeit betrachten wir die Zeitdiskretisierung von nichtlinearen, nichtautonomen Evolutionsgleichungen auf einem endlichen Zeitintervall. Wir präsentieren zwei unabhängig voneinander anwendbare Lösungsverfahren für die zeitliche Approximation der Lösung. Da die Lösung einer nichtlinearen Gleichung häufig irregulär ist, können keine besonders hohen Konvergenzraten erwartet werden. Aus diesem Grund konzentrieren wir uns ausschließlich auf Verfahren, die formal eine Konvergenzordnung von eins aufweisen. Im ersten Teil der Arbeit beschäftigen wir uns mit der Frage, wie zeitlich irreguläre Daten behandelt werden können. Für die Approximation des Integrals einer nichtglatten Funktion ist ein Monte-Carlo-Algorithmus häufig eine gute Wahl. Wir verfolgen hier einen ähnlichen Ansatz, um die Lösung einer nichtautonomen Evolutionsgleichung zu approximieren. Wir zeigen die Konvergenz des impliziten Euler Verfahrens unter der Verwendung eines zufällig verschobenes Zeitgitters. Weiterhin können unter zusätzlichen Voraussetzungen an die Daten und die Lösung explizite Fehlerschranken angegeben werden. Um diese zu zeigen, wenden wir eine weitere Randomisierung an. Der zweite Teil der Arbeit enthält ein Approximationsverfahren, das ein Operatorsplitting nutzt. Wir verwenden sowohl ein implizit-explizites Splitting als auch ein Produktsplitting. Hierbei zerlegen wir den Operator zunächst in einen monotonen und einen beschränkten Anteil. Das implizit-explizit Splitting wird genutzt, um eine implizite Gleichung zu erhalten, die den monotonen Anteil enthält. Der beschränkte Anteil kann in einer expliziten Gleichung gelöst werden. Auf diese Weise entstehen nur so viele implizite Gleichungen, wie tatsächlich notwendig sind. Weiterhin verwenden wir das Produktsplitting, um die implizite Gleichung weiter aufzuteilen. Hierbei erhalten wir zwar mehr Gleichungen, diese sind aber möglicherweise leichter zu lösen. Für das Splittingverfahren gehen wir ähnlich vor wie im ersten Teil der Arbeit. Nachdem die Konvergenz des Verfahrens gezeigt ist, wenden wir uns auch hier expliziten Fehlerabschätzungen zu, die unter zusätzlichen Voraussetzungen an die Daten und die Lösung möglich sind. Schlußendlich präsentieren wir für beide Verfahren ein Anwendungsbeispiel aus dem Bereich der nichtlinearen, parabolischen Differentialgleichungen.
URI: https://depositonce.tu-berlin.de/handle/11303/10437
http://dx.doi.org/10.14279/depositonce-9389
Exam Date: 15-Oct-2019
Issue Date: 2019
Date Available: 13-Dec-2019
DDC Class: 518 Numerische Analysis
Subject(s): nonlinear evolution equation
Monte Carlo method
operator splitting
convergence
error estimate
nichtlineare Evolutionsgleichung
Monte-Carlo-Methode
Operatorsplitting
Konvergenz
Fehlerabschätzung
License: https://creativecommons.org/licenses/by/4.0/
Appears in Collections:Inst. Mathematik » Publications

Files in This Item:
File Description SizeFormat 
eisenmann_monika.pdf1.05 MBAdobe PDFView/Open

Item Export Bar

This item is licensed under a Creative Commons License Creative Commons