Sie sind auf Seite 1von 120

Skript zur Vorlesung

Theorie und Numerik gew


ohnlicher
Differentialgleichungen
Prof. Dr. S. Rjasanow
29. Januar 2015

Inhaltsverzeichnis
1 Einf
uhrung
1.1 Grundbegriffe, Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Anfangswertprobleme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Geometrische Bedeutung der Differentialgleichungen 1. Ordnung . . . . . .
2 Spezielle Differentialgleichungen
2.1 Spezielle Differentialgleichungen 1. Ordnung . . .
2.1.1 Trennbare Differentialgleichungen . . . . .
2.1.2 Lineare Differentialgleichungen 1. Ordnung
2.1.3 Exakte Differentialgleichungen . . . . . . .
2.1.4 Der integrierende Faktor . . . . . . . . . .
2.1.5 Integration durch Substitution . . . . . . .
2.1.6 Integration durch Differentiationen . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

3 Spezielle Differentialgleichungen zweiter Ordnung


3.1 Lineare Differentialgleichungen mit
konstanten Koeffizienten . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Lineare mechanische Schwingungen . . . . . . . . . . . . . . . . . . . . . .
3.3 Einige nichtlineare Differentialgleichungen 2. Ordnung . . . . . . . . . . . .

1
1
3
5
7
7
7
9
11
13
15
19
23
23
27
28

4 Spezielle Laplace-Transformation
31
4.1 Definition, Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.2 Lineare Anfangswertprobleme mit konstanten Koeffizienten . . . . . . . . . 35
5 Existenztheorie
5.1 Hilfsmittel . . . . . . . . . . . . .
5.2 Fixpunktsatz . . . . . . . . . . .
5.3 Existenz und Eindeutigkeit . . . .
5.4 Der Existenzsatz von Peano . . .
5.4.1 Das Lemma von Gronwall

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

6 Systeme und Differentialgleichungen h


oherer Ordnung
6.1 Existenz und Eindeutigkeitssatze f
ur Systeme . . . . . . . . . . .
6.2 Lineare Differentialgleichungssysteme . . . . . . . . . . . . . . . .
6.3 Lineare Differentialgleichungen n-ter Ordnung . . . . . . . . . . .
6.4 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten
6.5 Autonome Systeme, Stabilitat . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

39
39
41
42
47
50

.
.
.
.
.

53
53
54
57
58
60

Inhaltsverzeichnis
7 Einschrittverfahren f
ur Anfangswertprobleme
7.1 Eulersches Polygonzugverfahren . . . . . . . . .
7.2 Grundbegriffe, Definitionen . . . . . . . . . . .
7.3 Familie der Runge-Kutta Verfahren 2. Ordnung
7.4 Runge-Kutta-Methoden der Ordnung 3 . . . . .
7.5 Einige Runge-Kutta-Methoden hoherer Ordnung
7.5.1 Methoden der 4. Ordnung . . . . . . . .
7.5.2 Methoden der 5. Ordnung . . . . . . . .
7.6 Konvergenz von Runge-Kutta-Methoden . . . .
7.7 Implizite Runge-Kutta-Verfahren . . . . . . . .
7.8 Zusatzliche Bemerkungen . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

8 Mehrschrittverfahren
8.1 Grundbegriffe, Bezeichnungen . . . . . . . . . . . . . . . . .
8.2 Approximationsfehler der Mehrschrittverfahren . . . . . . .
8.3 Beispiele von Mehrschrittverfahren . . . . . . . . . . . . . .
8.4 Differenzengleichungen mit konstanten Koeffizienten . . . . .
8.5 Konvergenz von Mehrschrittverfahren (einfache Gleichungen)

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

63
63
64
67
69
71
71
72
72
75
78

.
.
.
.
.

81
81
82
83
85
88

9 Integration steifer Differentialgleichungen


93
9.1 Grundbegriffe und Definitionen . . . . . . . . . . . . . . . . . . . . . . . . 93
9.2 Verschiedene Stabilitatsbegriffe . . . . . . . . . . . . . . . . . . . . . . . . 95
9.2.1 Beweis der Dahlquistbarriere . . . . . . . . . . . . . . . . . . . . . . 102
10 Randwertprobleme
10.1 Einleitung . . . . . . . . . . . . . . . . . . . . .
10.2 Existenz und Eindeutigkeit . . . . . . . . . . . .
10.3 Differenzenverfahren f
ur Randwertprobleme . .
10.4 Integro-Interpolationsmethode zur Konstruktion
10.5 Tridiagonale Gleichungssysteme . . . . . . . . .

. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
von Differenzenverfahren
. . . . . . . . . . . . . .

107
. 107
. 108
. 111
. 112
. 115

1 Einfu
hrung
1.1 Grundbegriffe, Definitionen
Definition 1.1. Sei n N, F : Rn+2 R ,
Eine Bestimmungsgleichung f
ur y : R R ,

f : Rn+1 R.
y = y(x) der Form

F (x, y, y 0 , y 00 , . . . , y (n) ) = 0

()

heit implizite gewohnliche Differentialgleichung n-ter Ordnung. Die Gleichung


y (n) = f (x, y, y 0 , y 00 , . . . , y (n1) )

()

heit explizite gewohnliche Differentialgleichung.


Eine n-mal differenzierbare Funktion y : I R heit explizite Losung von (*) bzw. (**),
wenn f
ur alle x I gilt:

(x, y(x), y 0 (x), . . . , y (n) (x)) DF Rn+2
F (x, y(x), y 0 (x), . . . , y (n) (x)) = 0
f
ur ()
bzw. 
(x, y(x), y 0 (x), . . . , y (n1) (x)) Df Rn+1
y n (x) = f (x, y(x), y 0 (x), . . . , y (n1) (x))
f
ur ()
Eine Gleichung u(x, y) = 0 mit einer C 1 -Funktion u : R2 R heit implizite Losung,
wenn sie auf einem Intervall I nach y auflosbar ist und y = y(x) eine explizite Losung
der Differentialgleichung darstellt.
Beispiel 1.2. y 0 = xy 2
a) explizite Differentialgleichung 1. Ordnung
b) y =

2
,
1 + x2

I = R.

4x
1
2x =
=x
y 0 = 2
2
2
(1 + x )
(1 + x2 )2

2
1 + x2

!2
= x y2.

Beispiel 1.3. (yy (5) )2 + xy 00 + ln y = 0


a) implizite Differentialgleichung 5. Ordnung
b) y = 1 ,

I = R ist eine ! explizite Losung.

1 Einf
uhrung
Beispiel 1.4. yy 0 + x = 0
a) implizite Differentialgleichung 1. Ordnung
b) 2yy 0 + 2x = 0 (y 2 + x2 )0 = 0 y 2 + x2 = c 0
d.h. die Kreisgleichung ist die allgemeine implizite Losung.
Beispiel 1.5. (y 0 )2 + 1 = 0
a) implizite Differentialgleichung 1. Ordnung
b) keine reelle Losungen!
Beispiel 1.6. y 00 = 0
a) explizite Differentialgleichung 2. Ordnung
b) y = c1 x + c2 ,

c1 , c2 R ist die allgemeine explizite Losung.

Bemerkung
Die allgemeine Losung einer Differentialgleichung n-ter Ordnung beinhaltet i. A. n Integrationskonstanten ci Ii , i = 1, . . . , n , d.h.
y(x) = y(x; c1 , . . . , cn )
und ist damit eine Kurvenschar. Jede Losung aus dieser Kurvenschar heit spezielle (partikulare) Losung.
Eine Losung, die keiner Losungsschar angehort, heit singulare Losung.
Beispiel 1.7. y 0 = 5y
a) explizite Differentialgleichung 1. Ordnung
b) allgemeine Losung ist y = c e5x ,
c) y = 0 ,

y = 5e5x ,

cR

y = 5e5x sind spezielle Losungen.

Es gibt keine singularen Losungen.


Beispiel 1.8. (y 0 )2 4xy 0 + 4y = 0
a) implizite Differentialgleichung 1. Ordnung
b) Polynomansatz:
y = ax + b a2 4xa + 4ax + 4b = 0
1
b = a2 , d.h. dass a = 2c , b = c2 ,
4
Damit ist eine allgemeine Losung

cR

y = 2cx c2
eine Geradenschar, siehe Abb. 1.1 .
2
2
y = x (2x) 4x(2x) + 4x2 = 4x2 8x2 + 4x2 = 0!
ist eine singulare Losung. Alle Geraden aus der Kurvenschar
y = 2cx c2 sind Tangenten an die Parabel y = x2 (Einh
ullende!)

1.2 Anfangswertprobleme

1
0.75
0.5
0.25
0
-0.25
-0.5
-0.75

-1

-0.5

0.5

Abbildung 1.1: Geradenschar zu y 02 4xy + 4y = 0


Beispiel 1.9. |y 0 | + |y| = 0
a) implizite Differentialgleichung 1. Ordnung
b) y = 0 ist eine singulare Losung. Es gibt keine allgemeine Losung!

1.2 Anfangswertprobleme
Um die Integrationskonstanten ci , i = 1, . . . , n festzulegen, benotigt man in der Regel n
Bedingungen.
Definition 1.10. Anfangswertproblem (AWP)

Eine Differentialgleichung
y (n) = f (x, y, y 0 , . . . , y (n1) )
mit vorgegebenen Werten
y (0) (x0 ) = y0 , y 0 (x0 ) = y1 , . . . , y (n1) (x0 ) = y(n1) ,

(x0 , y0 , y1 , . . . , y(n1) ) Df

heit Anfangswertproblem.
Beispiel 1.11. Die lineare Pendelbewegung

a) Beschleunigung ist proportional zur Kraft (Newton):


m s (t) = F , m - Masse

1 Einf
uhrung
m

s(t)
Abbildung 1.2: Lineares Pendel
b) R
ucktreibende Kraft ist proportional zur Auslenkung:
F = k s (t) ,

k - Festigkeitskonstante

k
.
m
s (t) + 2 s = 0 ist eine explizite Dgl 2. Ordnung.

m s (t) + k s (t) = 0 oder s (t) + 2 s (t) = 0 ,

2 =

s0 = s (0) : Anfangsauslenkung
0 = s (0) : Anfangsgeschwindigkeit
Die eindeutige Losung ist s (t) = s0 cos t +

0
sin cos t.

Die Losung ist global!


Beispiel 1.12. x = 1 + x2 ,

x(0) = 0

a) Explizite Differentialgleichung 1. Ordnung


b) Die Losung des Anfangswertproblems ist x(t) = tan(t):
x =

1
cos2 t + sin2 t
sin2 t
=
=
1
+
= 1 + x2
cos2 t
cos2 t
cos2 t

!
2
Die Trajektorie geht ins Unendliche in einer endlichen Zeit!

Die Losung existiert nur f


ur 0 t <

Keine globale Losung.


Definition 1.13. Das Anfangswertproblem heit korrekt gestellt, wenn
1) eine lokale Losung des Anfangswertproblems existiert,
2) die lokale Losung ist eindeutig,
3) die lokale Losung hangt stetig von den Anfangswerten ab (Stabilitat).
2

Beispiel 1.14. y 0 = 3y 3 ,

y(0) = 0

a) Explizite Differentialgleichung 1. Ordnung

1.3 Geometrische Bedeutung der Differentialgleichungen 1. Ordnung


b) y = (x c)3 ,
y=0
c) y = x3 ,

cR

die allgemeine Losung,

die singulare Losung


y = 0 zwei Losungen des AWPs.

Das AWP ist damit schlecht gestellt!

1.3 Geometrische Bedeutung der Differentialgleichungen


1. Ordnung
Sei Df R2 der Definitionsbereich der Funktion f : Df R. Zeichnet man in jedem
Punkt (x, y) Df eine kurze Strecke mit Steigung tan = f (x, y), so entsteht das sog.
Richtungsfeld der Differentialgleichung
y 0 = f (x, y).
Die praktische Durchf
uhrung wird mit dem sog. Isoklinen: f (x, y) = c , c R erleichtert.
Beispiel 1.15. Riccati - Differentialgleichung

y 0 = x2 + y 2
Die Isoklinen sind konzentrische Kreise x2 + y 2 = c.
1
0.75
0.5
0.25
0
-0.25
-0.5
-0.75

-1

-0.5

0.5

Abbildung 1.3: Richtungsfeld von y 0 = x2 + y 2


Die Differentialgleichung einer einparametrischen Kurvenschar (x, y, c) = 0 ergibt sich
durch Differenzieren nach x
x (x, y, c) + y (x, y, c)y 0 = 0
und Elimination des Scharparameters c.

1 Einf
uhrung
Beispiel 1.16. Tangenten an dem Einheitskreis

Einmal ableiten nach x liefert

und damit

y (x, y, c) = x cos c + y sin c 1 = 0


cos c + y 0 sin c = 0 cos c = y 0 sin c
1
xy 0 sin c + xy sin c = 1 y xy 0 =
sin c
1
0 2
0 2
(y xy ) =
= 1 + (y )
sin2 c

Die Differentialgleichung lautet 1 + (y 0 )2 = (y xy 0 )2 .


a) Implizite Differentialgleichung 1. Ordnung
b) Die allgemeine Losung ist (implizit)
x cos c + y(x) sin c = 1 ,

c 6= 0 ,

Der Kreis x2 + y 2 = 1 ist die singulare (implizite) Losung dieser DGl.


2

-1

-2
-2

-1

Abbildung 1.4: Tangenten an den Kreis

2 Spezielle Differentialgleichungen
2.1 Spezielle Differentialgleichungen 1. Ordnung
Die explizit durch elementare Funktionen losbaren Differentialgleichungen sind sehr selten.
Es gibt nur sehr wenige Klassen analytischer Losungsmethoden.

2.1.1 Trennbare Differentialgleichungen


Die Gestalt: y 0 = f (x)g(y) ,

f : If R ,

g : Ig R stetige Funktionen.

Fall 1 g(y) = 0 y = y1 , . . . , ym Ig .
Samtliche Nullstellen bestimmen!
Jede Nullstelle f
uhrt auf eine (singulare) Losung
y(x) = yi ,
dy
)
dx
Jede Seite wird unbestimmt integriert:

Fall 2

g(y) 6= 0 f
uhrt auf (y 0 =

Z
G(y) =

dy
;
g(y)

i = 1, . . . , m.
dy
= f (x) d x.
g(y)
Z
F (x) =

f (x) dx.

Die allgemeine Losung (implizit) lautet


G(y) F (x) = c ,

c R.

Das Anfangswertproblem wird durch (y (x0 ) = y0 )


G(y) F (x) = c0 = G(y0 ) F (x0 )
gelost.
Ist y0 {y1 , . . . , ym } eine Nullstelle y(x) = y0 ist eine Losung des AWPs.
Beispiel 2.1. y 0 = y 2 , y(0) = 1
Es gilt f (x) = 1 , g(y) = y 2 .
1. g(y) = 0 y 2 = 0 y1 = 0 ist eine (singulare) Losung der Differentialgleichung.
Die Anfangsbedingung ist nicht erf
ullt.

2 Spezielle Differentialgleichungen
2.

dy
y2

= dx G(y) = y1 ,

F (x) = x ,

y1 x = c ist die allgemeine Losung der DGl:

d.h.

y(x) =
Das Anfangswertproblem lost: y(0) =
y(x) =

1
c

1
.
c+x

= 1 c = 1

1
,
1x

0 x < 1,

d.h. die Losung existiert nur auf einem Intervall!


2

Beispiel 2.2. y 0 = 1y
, x 6= 0
x
1
Damit ist f (x) = x , g(y) = 1 y 2
1. g(y) = 0 y1 = 1 ,
2.

dy
1y 2

y2 = 1 sind (singulare) Losungen.

dx
x

Partialbruchzerlegung:
1
A
B
A + Ay + B By
=
+
=

2
1y
1y 1+y
1 y2

Z
G(y) =
F (x) =

dx
x

= ln |x|

1
dy
=
2
1y
2

1
dy
+
1y 2

dy
= ln
1+y

A=B=

1
2

s

1 + y


1 y

und damit

s

1 + y
ln |x| = ln c ,
ln
1 y


1 + y
2 2


1 y = c x

(
A+B =1
AB =0

y(x) =

c > 0,

c2 x 2 1
c2 x 2 + 1

(ln c beliebig! )

oder

y(x) =

c2 x 2 + 1
c2 x 2 1

y(x) = 1 ergibt sich f


ur c = 0, d.h. dies ist eine spezielle (partikulare) Losung.
y(x) = 1 ist singular.
2 2

1
Das Anfangswertproblem lautet y(x0 ) = y0 , x0 6= 0. Falls y0 < 1 ist, ist y(x) = cc2 xx2 +1
2 2
(mit passender Konstante) die Losung, falls y0 > 1 ist, ist es y(x) = cc2 xx2 +1
. Im Fall
1
y0 = 1 wird das AWP durch die singulare Losung y 1 gelost.

F
ur y0 > 1 existiert die Losung nicht in ganz R.

2.1 Spezielle Differentialgleichungen 1. Ordnung

2.1.2 Lineare Differentialgleichungen 1. Ordnung


Die Gestalt: y 0 + a(x)y = f (x) , a, f : I R
Die Gleichung heit homogen f
ur f = 0, ansonsten inhomogen. Die homogene Gleichung
y 0 + a(x)y = 0
ist trennbar:
dy
= a(x)dx ln |y| + A(x) = ln c ,
y

c>0

ist die allgemeine Losung


A(x)

y(x) = c e

Z
,

A(x) =

a(x)dx

y(x) = 0 ergibt sich (formal) f


ur c = 0.
Beispiel 2.3. a(x) = a = const

y(x) = y0 ea(xx0 )

a) a > 0 Zerfallprozess (Radioaktiver Zerfall)


b) a < 0 Entwicklung einer Population
L
osungsmethode f
ur eine inhomogene, trennbare DGl
Die inhomogene DGl wird mit der Methode Variation der Konstanten gelost:R

Suche die Losung von y 0 + a(x)y = f (x) in der Form y(x) = c(x) eA(x) , A(x) = a(x)dx.
Es gilt:
y 0 = c0 eA(x) + c eA(x) (A0 (x)) = c0 eA(x) a(x) c eA(x) = c0 eA(x) a(x)y
und damit y 0 + a(x)y = c0 eA(x)R = f (x),
d.h. c0 = f (x) eA(x) und c(x) = f (x) eA(x) dx + c.
Und schlielich:
y(x) =

A(x)

c| e {z }

allg. L
osung der hom. Gleichung

e
|

A(x)

f (x) eA(x) dx
{z
}

spezielle L
osung der inhomogenen Gleichung

Beispiel 2.4. y 0 + y/x = x3


a) Losung der homogenen Differentialgleichung
y 0 + y/x = 0

dy
dx
=
y
x

ln |y| = ln |x| + ln c y(x) =

c
x

2 Spezielle Differentialgleichungen
b) Losung der inhomogenen Gleichung per Variation der Konstanten:
y0 =

c0 x c
,
x2

y0 +

c0 x c
y
c
c0
=
= x3
+
=
x
x2
x2
x

d.h. c0 = x4 c = 51 x5 + c und die Losung ist


y(x) =

c 1 4
+ x ,
x 5

cR

Beispiel 2.5. Der RL-Stromkreis

I(t)
L
R
V (t)

Stromstarke zur Zeit t


Induktivitat
Ohmscher Widerstand
angelegte Spannung

R
V (t)

L
I(t)

Die Gesetze von Kirchoff, Ohm, Faraday f


uhren auf die lineare Differentialgleichung
+ RI(t) = V (t)
LI(t)
a) V (t) = 0 keine Spannungsquelle (Abschalten)
Ih (t) = I0 eR/L t ,

t0

Die Losung beschreibt das Abklingen der Stromstarke.


b) V (t) = V0 = const
Eine partikulare Losung ist offenbar Ip (t) =

V0
.
R

Die allgemeine Losung des AWPs I(t0 ) = I0 lautet


I(t) =

V0
V0
( I0 ) eR/L t ,
R
R

t 0.

Es gilt lim I(t) = V0 /R unabhangig von I0 .


t

c) V (t) = V0 cos t (Wechselspannung)


Variation der Konstanten in I(t) = c(t) eR/L t
= c eR/L t + c eR/L t ( R )
I(t)
L

+ R I(t) = L c eR/L t = V0 cos t


L I(t)
c =

V0
L

eR/L t cos t

1
R/L t
c = V0 R2 +
) + c
2 L2 (R cos t + L sin t) e

und damit

I(t) = c eR/L t +
mit cos =

10

V0
R2 + 2 L2

R
R2 + 2 L2

cos( t )

sin =

L
.
R2 + 2 L2

2.1 Spezielle Differentialgleichungen 1. Ordnung


Die Konstante c ist eindeutig aus der Anfangsbedingung I(t0 ) = I0 zu bestimmen.
F
ur t ergibt sich nur noch der gegen U (t) phasenverschobene Wechselstrom
gleicher Frequenz (siehe auch Abb. 2.1):
V0

cos( t )
R 2 + 2 L2

I(t)

1
0.75
0.5
0.25
0
-0.25
-0.5
-0.75

0.5

1.5

Abbildung 2.1: Wechselstrom: U0 = 1, R = 1, L = 0.2, = 5

2.1.3 Exakte Differentialgleichungen


Die exakten Differentialgleichungen entstehen durch Differenzieren einer impliziten Gleichung
u(x, y) = c = const :
ux (x, y) + uy (x, y)y 0 = 0
Definition 2.6. Eine Differentialgleichung
a(x, y) + b(x, y)y 0 = 0
heit exakt, wenn es eine C 1 -Funktion u(x, y) gibt, so dass ux = a ,
u(x, y) = c ist dann eine (implizite) Losung.

uy = b.

Beispiel 2.7. 2x + 3 cos y + (2y 3x sin y) y 0 = 0 ist exakt, denn


{z
} |
|
{z
}
a

u(x, y) = x2 + y 2 + 3x cos y ux = 2x + 3 cos y = a(x, y)


uy = 2y 3x sin y = b(x, y).
Satz 2.8. Exaktheitstest Sei G R2 ein zusammenhangendes Gebiet und

a, b : R2 R, a, b C 1 . Dann ist die Differentialgleichung


a(x, y) + b(x, y) y 0 = 0
genau dann exakt auf G, wenn die Integrabilitatsbedingung
ist.

a(x, y) =

b(x, y) erf
ullt

11

2 Spezielle Differentialgleichungen
3
2
1
0
-1
-2
-3
-4

-2

Abbildung 2.2: 2x + 3 cos(y) + (2y 3x sin(y))y 0 = 0


Beispiel 2.9. (y 2 x) + (x2 y) y 0 = 0
ist nicht exakt, da ay = 2y 6= bx = 2x f
ur x 6= y.
L
osungsverfahren f
ur eine exakte Differentialgleichung
1. ay = bx u
ufen
berpr
2. a) a(x, y) unbestimmt nach x integrieren
Z
u(x, y) = a(x, y) dx + c(y)
b) u(x, y) partiell nach y differenzieren und mit b(x, y) gleichsetzen:
Z
uy = ( a(x, y) dx)y + c0 (y) = b(x, y)
c) c(y) bestimmen (Integration)
3. Die allgemeine Losung ist u(x, y) = c.
4. Das Anfangswertproblem y(x0 ) = y0 wird durch u(x, y) = u(x0 , y0 ) gelost.
Beispiel 2.10. 2xy + (2y + x2 ) y 0 = 0 ,
1. ay = 2x ,

y(0) = 1

bx = 2x exakte DGl.

2. a) u(x, y) = x2 y + c(y)
b) uy = x2 + c0 (y) = 2y + x2 c0 (y) = 2y
c) c(y) = y 2
3. x2 y + y 2 = c ist die allgemeine Losung.

12

2.1 Spezielle Differentialgleichungen 1. Ordnung


2

-1

-2
-1

-2

Abbildung 2.3: 2xy + (2y + x2 )y 0 = 0


4. c = 1 y 2 + x2 y 1 = 0 ist die implizite Losung des AWPs oder

1
x2 x4 + 4
die richtige Losung ist y = (x2 + x4 + 4).
y=
2
2
y
Beispiel 2.11. x2 +y
2 +
2

)2y
1. ay = (x(x+y
=
2 +y 2 )2

2. a) u(x, y) = y
b) uy =

1
2
1+ y 2

1
x

x
x2 +y 2

y0 = 0 ,

y 2 x2
(x2 +y 2 )2

dx
x2 +y 2

+ c0 =

x, y 6= (0, 0) , y(1) = 1

= bx exakte Differentialgleichung!

+ c(y) = arctan xy + c(y)


x
x2 +y 2

c0 = 0

c) c(y) = 1
3. arctan xy + 1 = c oder arctan y/x = c ist die allgemeine Losung.
4. arctan 1/1 = c =

arctan xy = 4 , d.h. y = x ist die Losung, aber nur f


ur x > 0!

2.1.4 Der integrierende Faktor


Beispiel 2.12. y xy 0 = 0
ay = 1 , bx = 1 die Gleichung ist nicht exakt, aber: Sei y 6= 0 und multipliziere die
Differentialgleichung mit y12
1
x
2 y0 = 0
y y
1. ay = y12 = bx

die Gleichung ist jetzt exakt!

13

2 Spezielle Differentialgleichungen
2. a) u(x, y) =

x
y

+ c(y)

b) uy = yx2 + c0 (y) = yx2 c0 (y) = 0


c) c(y) = 0 (z.B.)
3. x/y = c Geradenschar und y = 0 ist auch eine Losung!!
Definition 2.13. Eine Funktion m(x, y) C 1 (G) , m(x, y) 6= 0 heit integrierender
Faktor oder Euler-Multiplikator, wenn die Differentialgleichung
m(x, y) a(x, y) + m(x, y) b(x, y) y 0 = 0
exakt ist.
Bemerkung
Die Integrabilitatsbedingung (ma)y = (mb)x stellt eine partielle DGl. f
ur m(x, y) dar:
bmx amy = (ay bx )m.
Damit kann man m(x, y) nur selten bestimmen!
Ein Sonderfall:
m(x, y) = m(v(x, y)).
0

Es gilt mx = m vx ,

m0
ay b x
my = m vy und damit
=
.
m
b vx a vy
0

ay b x
= h(v), dann kann man m(v) bestimmen:
Ist zufallig

b vx a vy
R
dm
= h(v)dv m(v) = e h(v)dv |v=v(x,y) .
m

Beispiel 2.14. (x2 y 3 + y) + (x3 y 2 x) y 0 = 0


1. ay = 3x2 y 2 + 1 6= bx = 3x2 y 2 1 keine exakte DGl.
2. Probiere v = x ,

vx = 1 , v y = 0

3x2 y 2 + 1 3x2 y 2 + 1
2
= 3 2
3
2
x y x
x y x
Probiere v = xy ,

v x = y , vy = x

x3
y3

2
1
1
=
=
3
3
xy
x
y xy
xy
v

d.h. h(v) = v1 m(v) = eln v |v=xy =


1
oder m(x, y) = xy
, xy 6= 0.
1
2
Dgl (xy + x ) + (x2 y y1 ) y 0 = 0.

14

keine Funktion v(x) = x.

1
xy

2.1 Spezielle Differentialgleichungen 1. Ordnung


1. ay = 2xy = bx = 2xy

Differentialgleichung ist exakt.

2. a) u(x, y) = 21 x2 y 2 + ln |x| + c(y)


b) uy = x2 y + c0 (y) = x2 y

1
y

c) c0 (y) = 1/y c(y) = ln |y|


3. Die Losung der Differentialgleichung ist 21 x2 y 2 + ln |x| ln |y| = c
2

oder x2 y 2 + ln xy2 = c , xy 6= 0.
y = 0 ist auch eine Losung!

Abbildung 2.4.

-1

-2

-3
-3

-2

-1

Abbildung 2.4: (x2 y 3 + y) + (x3 y 2 x)y 0 = 0

2.1.5 Integration durch Substitution


a) Die Differentialgleichung
y0 = f (ax + by + c), b 6= 0
wird durch folgende Substitution gelost:
v(x) = ax + by(x) + c v 0 = a + by 0 y 0 =
und damit

v0 a
b

v0 a
= f (v) v 0 = a + bf (v)
b

eine trennbare DGl.

15

2 Spezielle Differentialgleichungen
Beispiel 2.15. y 0 = (x + y + 1)3

v = x + y(x) + 1 v 0 = 1 + y 0
v 0 1 = v 3 v 0 = v 3 + 1 v = 1
y = x 2 eine Losung!
dv
v 3 +1

= dx

Partialbruchzerlegung:
Z

Z
Z
1
1
dv
v + 2
dv =
(
+
dv)
3
2
v +1
3
v+1
v v+1
(1 + v)2
1
1
2v 1
ln 2
+ arctan
=
=x+c
6
v v+1
3
3

mit v = x + y + 1 implizite Losung.


3

-1

-2

-3
-5

-4

-3

-2

-1

Abbildung 2.5: y 0 = (x + y + 1)3

b) Die homogenen Differentialgleichungen der Form


y0 = f

y
x

x 6= 0

werden durch die Substitution v(x) = y(x)/x gelost:


y(x) = xv(x) y 0 = v + xv 0 und damit
v + xv 0 = f (v) oder v 0 = x1 (f (v) v)

16

trennbare DGl.

2.1 Spezielle Differentialgleichungen 1. Ordnung


L
osungsverfahren
1. f (v) = v losen

v = v1 , . . . , vm

Die Geraden y(x) = vi x sind Losungen.


2. Bestimme die allgemeine Losung von
v0 =

1
(f (v) v)
x

p
Beispiel 2.16. y 0 = y/x 1 y/x , x 6= 0, y/x 1

1. v 1 v = v v = 1 y(x) = x ist eine Losung.


2.

1
1
(v 1 v v) =
1v
xZ
x
Z

dv
dx
=

2 1 v = ln |x| + c
x
1v
1
1 v = (ln |x| + c)2
4
1
v = 1 (ln |x| + c)2
4

v0 =

und damit
1
y(x) = x(1 (ln |x| + c)2 ) die allgemeine Losung.
4
Die Losung y(x) = x ist singular!
c) Die Bernoulli-Differentialgleichung
y 0 + a(x)y = b(x)y ,

6= 0, 1 (sonst linear!)

Die Funktionen a(x), b(x) sind stetig.


Man multipliziert die Gleichung mit (1 )y
(1 )y y 0 + a(x)(1 )y 1 = (1 ) b(x)
und erhalt nach der Substitution
v(x) = y(x)1 v 0 = (1 )y y 0
die lineare Gleichung
v 0 + (1 ) a(x) v = (1 ) b(x).

17

2 Spezielle Differentialgleichungen
Beispiel 2.17. Pendelbewegung mit Luftreibung

x + 2 x + rx|
x|
=0
(Bremskraft ist proportional zum Quadrat der Geschwindigkeit).
Die Gleichung f
ur die Geschwindigkeit als Funktion des Ortes v(x) = v(x(t)) ist
x = v =

dv dx

= v 0 v und damit
dx dt

v 0 v + 2 x + rv|v| = 0 oder v 0 + rv sgn v = 2 xv 1


das bedeutet f
ur v > 0
v 0 + rv = 2 xv 1 die Bernoulli-Dgl. mit = 1
und analog f
ur v < 0:
v 0 rv = 2 xv 1 .
Die Substitution u(x) = v 2 (x) f
uhrt auf 2vv 0 2rv 2 = 2 2 x u0 2ru = 2 2 x
mit der allgemeinen Losung
u(x) =

2
2
x + 2 + c e2rx ,
r
2r

cR

und damit auf


x = v(x) =

q
c1 e2rx 2 x + 22 , v > 0
r
2r
u(x) = q
2
c e2rx + x + 2 ,
v<0
2
r
2r2

d) Die Riccati-Differentialgleichung
y 0 = a(x)y + b(x)y 2 + f (x)
Im Allgemeinen gibt es kein analytisches Losungsverfahren! Kennt man jedoch eine
spezielle Losung y0 (x) , so f
uhrt die Substitution
v(x) =

1
1
oder y(x) = y0 (x) +
y(x) y0 (x)
v(x)

auf eine lineare Differentialgleichung!


v0
v2
v0
a(x)
y0 b(x)
y00 2 = a(x)y0 +
+ b(x)y02 + 2b(x) + 2 + f (x)
v
v
v
v
v 0 + (a(x) + 2b(x)y0 (x))v = b(x).

y 0 = y00

18

2.1 Spezielle Differentialgleichungen 1. Ordnung


Beispiel 2.18. y 0 = 4x2 y xy 2 + 4
Ansatz: y = ax + b a = 4ax3 + 4bx2 a2 x3 2abx2 b2 x + 4

4a a = 0

4b 2ab = 0

b=0

a=4

b = 0,

a = 4!

y0 (x) = 4x ist eine Losung, d.h.


v 0 + (4x2 2x 4x)v = x v 0 4x2 v = x
Zx
4 3
4 3
1
.
v(x) = e 3 x ( e 3 d + c)
y(x) = 4x +
v(x)
x0

2.1.6 Integration durch Differentiationen


Die Gleichung F (x, y, y 0 ) = 0
Man sucht die Losung in einer Parameterform:
x = x(p) ,
Es gilt y(p) = y(x(p)) und mit x =
y =

dx
dp

y =

p = y 0 R.

dy
dp

dy dx
= px und F (x, y, p) = 0.
dx dp

Die Differentiation nach p ergibt:



Fx x + Fy y + Fp = 0
y = px

Fp

x = Fx +pFy

y = y(p) ,

oder

ein Dgl-System in expliziter Form!!

y = pFp
Fx +pFy
Beispiel 2.19. x = f (y 0 ) oder x f (y 0 ) = 0 ,d.h.
F (x, y, p) = x f (p) Fx = 1 , Fy = 0 , Fp = f 0 (p) und damit


x = f 0 (p)
x = Rf (p)

parametrisierte Losung
y = pf 0 (p)
y = pf 0 (p)dp
Beispiel 2.20. y = f (y 0 )
R 0
Es gilt y = f (p), x = f p(p) dp.

19

2 Spezielle Differentialgleichungen
Beispiel 2.21. DAlambert-DGL
y = xf (y 0 ) + g(y 0 ) F (x, y, p) = y xf (p) g(p)
Fx = f (p) ,

Fp = xf 0 (p) g 0 (p)

Fy = 1 ,

und damit
x =

xf 0 (p)+g 0 (p)
f (p)+p

, lineare DGl f
ur f (p) 6= p

sonst
x(p) = g 0 (p) y = x(p, c) f (p) + g(p).
F
ur
f (p) = p ,
d.h.
y = xy 0 + g(y 0 ) - Clairaut-DGl
x = g 0 (p) , y = p g 0 (p) + g(p)) - eine Losung.
c R ist eine allgemeine Losung:

Die Geradenschar y = cx + g(c) ,

y 0 = c y = cx + g(c)
siehe Bsp. 1.8 (y 0 )2 4xy 0 + 4y = 0
y = xy 0 41 (y 0 )2 - Clairaut-DGl.
Die Geradenschar ist y = cx 41 c2 ,
1
x = p,
2

c R und
1
1
1
y = p 2 p 2 = p 2 = x2
2
4
4

ist die einh


ullende Kurve der Geradenschar!
Beispiel 2.22. x(1 + (y 0 )2 ) = 1 oder x =
Die parametrisierte Losung lautet:
x=

1
1+p2

y=

1
1+(y 0 )2

= f (y 0 )

pf 0 (p)dp = pf (p)

Beispiel 2.23. y = x(y 0 )2 + (y 0 )2

f (p)dp + c =

p
1+p2

arctan p + c

DAlambert-DGl
2x + 2
x2p + 2p
=
2
p + p
1p
2
2
x
x=
1p
1p
x =

F
ur die Losung der homogenen Gleichung gilt:
2
dx
=
dp
x
1p
ln |x| = 2 ln |1 p| + ln c x =

20

c
(1 p)2

2.1 Spezielle Differentialgleichungen 1. Ordnung


Losung der inhomogenen Gleichung u
ber Variation der Konstanten:
x =

2 +2(1p)c
c(1p)

(1p)4

1
c (1p)
%1 3 2c (1p)
%1 3 =
2 + 2c (1p)

c = 2(1 p) c = (1 p)2 + c
x = 1 +
Es folgt
x+1yc =
=

c
(1p)2


y = 1+

c
(1p)2

cp2
(1p)2

c/cp2 c/+2cpcp2
(1p)2

c
(1p)2

2
(1p)

und damit

p 2 + p2 =

cp2
(1p)2

c(1p)2
(1p)2

2cp
1p

und damit
(x + 1 y c)2 = 4cy
implizite Losung
(Parabelschar
Abbildung)
y = 0 ist eine singulare Losung.
Horizontale Tangente f
ur alle Losungen x = 1 + c ,
Vertikale Tangente ist x = 1 , y = c , y 0 =

y = 0,

y0 = 0

21

3 Spezielle Differentialgleichungen
zweiter Ordnung
3.1 Lineare Differentialgleichungen mit
konstanten Koeffizienten
Die Differentialgleichungen haben die Form:
y 00 + ay 0 + by = f (x) ,

a, b R ,

f : I R.

Man nennt die Differentialgleichung homogen, falls f (x) = 0 gilt, sonst inhomogen.
Eigenschaften:
(f (x) = 0, homogen)
a) Ist y(x) eine Losung, so ist auch R y(x) eine Losung.
b) Sind y1 (x) und y2 (x) zwei Losungen, so ist auch y1 (x) + y2 (x) eine Losung.
D.h. die Losungsmenge L einer homogenen Differentialgleichung ist ein reeller Vektorraum. Eine Basis in L heit Fundamentalsystem. Die Dimension von L ist gleich der
Ordnung der Differentialgleichung (d.h. dim L = 2 in diesem Kapitel). Die allgemeine
Losung ist
y(x) = c1 y1 (x) + c2 y2 (x) , c1 , c2 R
{y1 (x) , y2 (x)} ist das Fundamentalsystem.
L
osungen der homogenen Differentialgleichung mit konstanten Koeffizienten
Suche eine Losung der Differentialgleichung y 00 + ay 0 + by = 0 in der Form y = ex , C
2 ex + a ex + b ex = 0 2 + a + b = 0
1 und 2 bezeichnen die Nullstellen der quadratische Gleichung.
Es sind drei Falle zu unterscheiden:
1. 1 6= 2 R

y1 (x) = e1 x ,

y2 (x) = e2 x

23

3 Spezielle Differentialgleichungen zweiter Ordnung


2. 1 = 2 y1 (x) = e1 x
Wenn 1 eine doppelte Nullstelle ist, gilt
a
a
2 + a + b = ( + )2 1 = .
2
2
Die Variation der Konstanten y(x) = c(x) y1 (x) f
uhrt auf
y 0 = c0 e1 x + 1 c e1 x = e1 x (c0 + 1 c)
y 00 = 1 e1 x (c0 + 1 c) + e1 x (c00 + 1 c0 )
e1 x (c00 + (21 + a) c0 + (2 + a + b) c) = 0
c00 = 0 c(x) = c1 + c2 x
Damit lautet die allgemeine Losung in diesem Fall
y(x) = c1 e1 x + c2 xe1 x
Das Fundamentalsystem ist also {e1 x , x e1 x }
3. 1 , 2 C

komplexe Nullstellen
1,2 = i y1,2 (x) = exix = ex (cos x i sin x)

d.h. {ex sin x ,

ex cos x} ist ein reelles Fundamentalsystem.

Bemerkung
Das AWP ist durch y(x0 ) = y0 ,

y 0 (x0 ) = y1 gegeben!

Beispiel 3.1. y 00 6y 0 + 5y = 0
Die zugehorige quadratische Gleichung lautet:
2 6 + 5 = 0 = 3
,
Die allgemeine Losung ist y(x) = c1 ex + c2 e5x ,

95=32

c1 , c2 R.

Beispiel 3.2. y 00 4y 0 + 4y = 0
Es gilt 2 4 + 4 = 0 1 = 2 (zweifache Nullstelle),
Die allgemeine Losung ist y(x) = (c1 + c2 x)e2x .
Beispiel 3.3. y 00 6y 0 + 34y = 0
F
uhrt zu 2 6 + 34 = 0 , D = 32 34 = 25 < 0
1,2 = 3 5i y(x) = e3x (c1 cos 5x + c2 sin 5x)

24

3.1 Lineare Differentialgleichungen mit

konstanten Koeffizienten

Hinweis zur L
osung der inhomogenen Gleichung
Die allgemeine Losung der inhomogenen Differentialgleichung (f (x) 6 0) lautet:
y(x) = c1 y1 (x) + c2 y2 (x) + yp (x),
wobei {y1 (x) , y2 (x)} das Fundamentalsystem der homogenen DGl ist und yp (x) eine partikulare Losung der inhomogenen Differentialgleichung.
yp (x) ist i.A. schwer zu finden.
a) Variation der Konstanten
yp (x) = c1 (x)y1 (x) + c2 (x)y2 (x) :
yp0
yp00

= c01 y1 + c1 y10 + c02 y2 + c2 y20 ;


= c001 y10 + c01 y10 + c01 y10 + c1 y100 + c002 y2 + c02 y20 + c02 y20 + c2 y200
c1 (y100 + ay10 + by1 ) + c2 (y200 + ay20 + by2 )+
c01 (2y10 + ay1 ) + c02 (2y20 + ay2 ) + c001 y1 + c002 y2 = f (x)
a(c01 y1 + c02 y2 ) + (c01 y1 + c02 y2 )0 + c01 y10 + c02 y20 = f (x)
(
c01 y1 + c02 y2 = 0
c01 y10 + c02 y20 = f (x)

Eine Gleichung f
ur zwei Funktionen

Die Determinante der Matrix




y1 (x) y2 (x)
W (x) =
, mit det(W ) = y1 y20 y10 y2
y10 (x) y20 (x)
heit Wronski-Determinante.
c01 =

f y2
f y1
; c02 =
,
0
0
y2 y1
y1 y2 y2 y10

y1 y20

d.h. die partikulare Losung yp (x) lautet


Zx
yp (x) = y1 (x)

f ()y2 ()
d + y2 (x)
w()

x0

Zx

f ()y1 ()
d
w()

x0

Beispiel 3.4. y 00 6y 0 + 5y = ln x ( Bsp. 3.1)


y1 (x) = ex , y2 (x) = e5x
w(x) = ex 5e5x e5x ex = 4e6x
Zx
Zx
1 x
1 5x

yp (x) = e
ln e d + e
ln e5 d ,
4
4
x0

x0

die allgemeine Losung


y(x) = c1 ex + c2 e5x + yp (x).

25

3 Spezielle Differentialgleichungen zweiter Ordnung


b) Der Ansatz vom Typ der rechten Seite
F
ur f (x) = pm (x) ex wahlt man

2 + a + b 6= 0 , ( 6= 1 , 2 )
pm (x) e ,
yp (x) = x pm (x) ex , 2 + a + b = 0 , 2 + a 6= 0

2
x pm (x) ex , 2 + a + b = 0 , 2 + a = 0, (doppelt)
mit pm (x) = Am xm + Am1 xm1 + . . . + A0 .
Beispiel 3.5. y 00 4y 0 + 4y = 7
1 = 2 = 2 ,

f (x) = 7 = p0 (x) e0x ,

= 0 6= 2

Ansatz: p0 (x) = A0 und damit 4A0 = 7 A0 = 47 .


Die allgemeine Losung ist y(x) = e2x (c1 + c2 x) + 74 .
Beispiel 3.6. y 00 + 4y = x2 + 5 cos 2x
a) Homogene Gleichung 2 + 4 = 0 1,2 = 2i
(1)

b) y 00 + 4y = x2 yp = A2 x2 + A1 x + A0
1
2A2 + 4A2 x2 + 4A1 x + 4A0 = x2 A2 = ,
4
1 2 1
(1)
Damit yp (x) = x
4
8
c) y 00 + 4y = 5 cos 2x = 5Re ei2x z 00 + 4z = 5e2ix ,

A1 = 0 ,

A0 =

1
8

zC

Hier tritt der Fall ein, dass = 2i = 1 , , also Ansatz


zp = x A0 ei2x
zp0 = A0 ei2x + 2ixA0 ei2x = A0 ei2x (1 + 2ix)
zp00 = 2i A0 ei2x (1 + 2ix) + A0 ei2x 2i = A0 ei2x (2i 4x + 2i)
5
5
!
zp00 + 4zp = A0 ei2x (4i 4x + 4x) = 4i A0 ei2x = 5ei2x A0 =
= i
4i
4
5
i2x
zp (x) = i x e
4
5
(2)
yp (x) = Re zp (x) = x sin 2x
4
d) Die allgemeine Losung lautet
1
1 5
y(x) = c1 cos 2x + c2 sin 2x + x2 + x sin 2x ,
4
8 4

26

c1 , c2 R.

3.2 Lineare mechanische Schwingungen

m
d
F (t)
Abbildung 3.1: Das mechanisches System

3.2 Lineare mechanische Schwingungen


Eine durch die Kraft F (t) angeregte, gedampfte (d 0) Schwingung gen
ugt der Differentialgleichung
m
x + dx + cx = F (t)
(Auslenkung Federkraft)
(Dampfung Geschwindigkeit)
F
ur F (t) = 0 schwingt das System frei (homogen):
x + 2 dx + 02 x = 0 ,

2 = c/m
q0
2 + 2 + 02 = 0 = 2 02
2 = d/m ,

a) 2 02 > 0, starke Dampfung, aperiodischer Fall:


(+ t)

x(t) = c1 e

+ c2 e

( t)

, > 0 ,

< ,

q
= 2 02

b) 2 = 02 , aperiodischer Grenzfall:
x(t) = (c1 + c2 t)e t ,

> 0,

c1 , c2 R

c) 2 02 < 0, schwache Dampfung, periodischer Fall:


x(t) = e t (c1 cos 1 t + c2 sin 1 t) ,

1 =

q
02 2

Grenzfalle:
d = 0 = 0 keine Dampfung, es liegen harmonische Schwingungen vor.

d = 2 mc aperiodischer Grenzfall.

27

3 Spezielle Differentialgleichungen zweiter Ordnung


F
ur F (t) 6= 0 entstehen erzwungene Schwingungen.
Sonderfall der harmonischen Anregung:
1
F (t) = f (t) = A cos t ,
m

6= 0

Die partikulare Losung lautet:




xp (t) = p 2
cos( t ), = arctan
(0 2 )2 + 42 2

2
2
0 2

Die Schwingung hat die gleiche Frequenz wie die Anregung f (t), sie ist f
ur > 0
phasenverschoben und hat eine Amplitude A v(), wobei
v() = ((02 2 )2 + 42 2 )1/2
den Verstarkungsfaktor bezeichnet.
F
ur v() 0.
F
ur v 0 ( ) = 0 hat v() ein Maximum:
1
v 0 () = ((02 2 )2 + 42 2 )3/2 (2(02 2 )(2) + 82 )
2
p
4(22 02 + 2 ) = 0 , = 02 22
1
Die Frequenz heit Resonanzfrequenz. Resonanz tritt nur auf f
ur < 0 .
2
Der Verstarkungsfaktor ist dabei

v( ) = (4

02

4 1/2

4 )

1
=
,
2 1

q
1 = 02 2 .

Das Anwachsen der Amplitude kann zu Schaden im System f


uhren. Man spricht von einer

Resonanzkatastrophe: 0 1 (Eigenfrequenz).

3.3 Einige nichtlineare Differentialgleichungen 2.


Ordnung
a) Die Differentialgleichung vom Typ y 00 = f (x, y 0 )
Hier tritt y nicht explizit auf, d.h. f
ur u(x) = y 0 (x) liegt eine Differentialgleichung 1.
Ordnung vor:
u0 = Rf (x, u) u(x, c1 ) eine allgemeine Losung
y(x) = u(x, c1 ) + c2
Beispiel 3.7. y 00 = 2xy 0

28

3.3 Einige nichtlineare Differentialgleichungen 2. Ordnung

u = y0
a)

u0 = 2xu trennbare DGl


u = 0 y(x) = c = const ist eine Losung
du
2
= 2x dx
u = c1 ex
u
Z

b)

y(x) = c1

ex dx + c2

Beispiel 3.8. Kettenlinie


p

ay 00 = 1 + (y 0 )2

Wahle u = y 0 au0 = 1 + u2 trennbare Differentialgleichung:


du
x + c1
1

= dx arcsinh(u) =
2
a
a
1+u




x + c1
x + c1
0

y (x) = sinh
y(x) = a cosh
+ c2
a
a
b) Die Differentialgleichung vom Typ y 00 = f (y, y 0 )
x tritt nicht auf, daher nimmt man y als unabhangige Variable:
dv dy
y 0 = v(y) , y 00 =

= v0v
dy dx
Die DGl wird zu
1
v 0 = f (y, v)
v
Ist v(y, c1 ) eine allgemeine Losung dieser Differentialgleichung, so ergibt sich durch
y 0 = v(y, c1 )
eine trennbare Differentialgleichung f
ur y.
Beispiel 3.9. y 00 = 51

(y 0 )2
y

y(0) = y 0 (0) = 1

a) y 0 = 0 y = const keine Losung des Anfangswertproblems.


b) y 0 6= 0 y 0 = v(y)
v 0 v = 51

v2
y

v 0 = 51

v
y

trennbare Differentialgleichung

dv
1 dy
=
v(y) = c1 y 1/5 ,
v
5 y
Anfangsbedingung: y 0 (0) = 1 bei y(0) = 1
v(1) = 1 v(y) = y 1/5 ,

c1 R

c1 = 1

5
y 0 = y 1/5 dy y 1/5 = dx y 6/5 = x + c2
6
5
Anfangsbedingung: y(0) = 1 c2 = 6
6
6
y 6/5 = x + 1 y(x) = ( x + 1)5/6
5
5
.

29

3 Spezielle Differentialgleichungen zweiter Ordnung


c) Die Differentialgleichung vom Typ y 00 = f (y) Sonderfall von b)
a) Partikulare Losungen y(x) = yi ,

f (yi ) = 0 ,

i = 1, . . . , m

b) Multipliziere die DGl mit 2y 0 :


2y 00 y 0 = 2f (y)y 0 ((y 0 )2 )0 = 2(F (y))0
F (y) ist die Stammfunktion von f (y)
p
y 0 = 2F (y) + C1 trennbare Differentialgleichungen.
Beispiel 3.10. Mathematisches Pendel

x + 2 sin x = 0 ,

x(0) = x0 ,

x(0)

=0

a) sin x = 0 x(t) = k Ruhelagen f


ur k Z

b) 2
xx + 2 2 x sin x = 0 x = 2 2 cos x + c
Anfangsbedingung: x(0)

= 0, x(0) = x0
2
c = 2 cos x0 bzw.
p
x(t)

= 2(cos x cos x0 ).
Die implizite Losung ist
Z
d
1 x
p

=t
x0 2(cos cos x0 )
(Elliptische Funktionen!)

30

m
mg sin
mg

4 Spezielle Laplace-Transformation
4.1 Definition, Eigenschaften
Definition 4.1. Eine Funktion f : [0, ] R heit Laplace-transformierbar, wenn das
uneigentliche Integral
Z

est f (t)dt ,

F (s) = L[f ](s) =

sR

konvergiert. In diesem Fall heit F (s) die Laplace-Transformierte von f .


Beispiel 4.2.
a)

f (t) = 1

F (s) =

R
0

b)

f (t) = e t

F (s) =

R
0

c) f (t) = cos t F (s) =



1
1
st
est d t = e = ,
s
s
0
e(s)t


1 (s)t
1
dt =
e
, s>
=

s
s
0

est cos t dt =

d) f (t) = sin t F (s) =

est sin t dt =

Bemerkung cos t = Re ei t ,

s>0

s
,
s2 + 2

s>0

,
+ 2

s>0

s2

sin t = Im ei t

Satz 4.3. Ist f : [0, ] R st


uckweise stetig mit hochstens exponentiellem Wachstum,
d.h.
|f (t)| M e t , M, R,
dann existiert F (s) = L[f ](s) f
ur alle s > . Die Urbildfunktion f ist durch die Bildfunktion F eindeutig bestimmt.
Beweis.
Z
|L[f ](s)|
0

est |f (t)| dt M

est e t dt =

M
, s > .
s

Damit ist das uneigentliche Integral absolut konvergent f


ur s > .

31

4 Spezielle Laplace-Transformation

Eigenschaften:
a) Linearit
at
L[ f + g] = L[f ] + L[g]
Beispiel 4.4.
L[cosh t] =
L[sinh t] =

1
1
1 1
1 1
s
L[et ] + L[et ] =
+
+= 2
,
2
2
2s1 2s+1
s 1
s2

Beispiel 4.5. F (s) =




1
,
1

s2

s>1

s>1

3s 5
A
B
As A + Bs 3B
=
+
=
4s + 3
s3 s1
(s 3)(s 1)

A+B = 3
A 3B = 5

2B = 2 ,

B = 1,

A=2

und damit
s2

2
1
3s 5
=
+
= L[2e3t ] + L[et ] = L[et + 2e3t ]
4s + 3
s3 s1

b) Streckung, Ahnlichkeit
1 1
L[f (ct)] = F ( s) ,
c c

c>0

Beweis.
Z
L[f ](s) =

est f (t) dt = F (s).

Substitution = ct in (dt =

1
d ) f
uhrt auf
c

Z
L[f (ct)](s) =

e
0

Beispiel 4.6. L[cosh t] =

32

st

1
f (ct) dt =
c

s
1 s
e c f ( ) d = F ( ).
c c

1
s/
s
=
,
(s/)2 1
s2 2

s>

4.1 Definition, Eigenschaften


c) Transformation der Ableitung
L[f 0 ](s) = sL[f ](s) f (0)
L[f (n) ](s) = sn L[f ](s) sn1 f (0) sn2 f 0 (0) . . . f (n1) (0)
Beweis.
0

L[f ](s) =

st 0

f (t) dt = e

st

Z

f (t) (s)est f (t) dt = f (0) + sL[f ](s) ,
0

usw.

d) Transformation des Integrals

t
Z
1
L f ( )d = L[f ](s)
s
0

Beweis. Sei h(t) =

Rt

f ( )d . Es gilt h0 (t) = f (t) ,

h(0) = 0

und damit
L[f ](s) = L[h0 ](s) = sL[h] h(0)
oder
1
L[h] = L[f ].
s

Beispiel 4.7.
1
1
= L[1] = sL[t] L[t] = 2 ,
s
s

t0 = 1 ,
Allgemein gilt: L[tn ] =

n!
sn+1

s > 0.

s > 0.

Beispiel 4.8.
L[a0 + a1 t + . . . + an tn ] =

a0 a1 2!a2
n!an
+ 2 + 3 + . . . + n+1
s
s
s
s

Beispiel 4.9. (sin2 t)0 = 2 sin t cos t = sin 2t


1
1
2
2
=
L[sin2 t] = L[sin 2t] = 2
s
s s +4
s(s2 + 4)

33

4 Spezielle Laplace-Transformation
e) Differentiation der Bildfunktion
d
F (s) = L[t f (t)]
ds
dn
F (s) = (1)n L[tn f (t)]
dsn
Beweis.
d
F (s) =
ds

d st
(e )f (t)dt =
ds

est (tf (t))dt = L[tf (t)](s) ,



d
d

2s
Beispiel 4.10. L[t sin t] = L[sin t] =
= 2
2
2
ds
ds s +
(s + 2 )2


d
1
1
=
= L[t e2t ]
Beispiel 4.11.
(s 2)2
ds s 2
e) Integration der Bildfunktion
Z


1
f (t) (s)
F (u) du = L
t


Beispiel 4.12.
 Z
sin t
u

L
du = arctan = /2 arctan s/
=
t
u2 + 2
s


f) D
ampfung
L[e t f (t)] = F (s + )
Beispiel 4.13. L[e t tn ] =

n!
(s )n+1

g) Faltung
Definition 4.14. Die Faltung der Funktionen f und g ist definiert durch
Z
f g (t) =

f (t )g( ) d
0

Es gilt:

34

L[f g](s) = L[f ] L[g]

usw.

4.2 Lineare Anfangswertprobleme mit konstanten Koeffizienten


Beweis.
Z
L[f g](s) =

st

 Z

f (t ) g( ) d dt
0

Z
=

 Z

st
g( )
e f (t )dt d

Man substituiere t = u t = u + ,
Z
L[f g](s) =

dt = du und erhalt so
 Z

su

g( )e


f (u)du d = L[f ] L[g]

4.2 Lineare Anfangswertprobleme mit konstanten


Koeffizienten
Wir betrachten das Anfangswertproblem

x + ax + bx = f (t) , a, b R,
x(0) = x0 , x(0)

= v0 .
Die Anwendung der Laplace-Transformation f
uhrt auf (X(s) = L[x](s))
(s2 X(s) sx0 v0 ) + a(sX(s) x0 ) + bX(s) = F (s),
die Losung dieser algebraischen Gleichung lautet
X(s) =

F (s)
sx0 + ax0 + v0
+
.
s2 + as + b
s2 + as + b

Die Losung des Anfangswertproblems ist


x(t) = L1 [X(s)](t).
Bemerkung
Die allgemeine Losung der Differentialgleichung entsteht durch
x0 = c1 , v0 = c2 und lautet






a+s
1
F (s)
1
1
1
x(t) = c1 L
+ c2 L
+L
s2 + as + b
s2 + as + b
s2 + as + b
mit einem Fundamentalsystem



a+s
1
L
,
s2 + as + b

1
2
s + as + b

 

35

4 Spezielle Laplace-Transformation
und einer partikularen Losung
1

yp (t) = L


F (s)
.
s2 + as + b

Beispiel 4.15.
x + 4x = sin t

1. s2 X(s) sc1 c2 + 4X(s) = 2


s + 2
s
1
+ c2 2
+
+ 4)
+4
s +4




1
sin 2t
s
1
1
= cos 2t , L
=
3. L
2
2
s +4
s +4
2



=?
L1
(s2 + 2 )(s2 + 4)
a) = 2 


1
1

L
=
(sin t t cos t)
Ubung
2
2
(s + 4)
2 2
b) 6=2


1
1
( sin 2t 2 sin t)
L
=
2
2
2
2
(s + )(s + 4)
2( 4)
2. X(s) =

(s2

2 )(s2

+ c1

s2

und damit die allgemeine Losung.


Beispiel 4.16. Ein Elektron der Masse m mit Ladung e bewegt sich auf einer ebenen
~ = (0, E, 0)T
Kurve ~x(t) = (x(t), y(t), 0) unter dem Einfluss des elektrischen Feldes E
~ = (0, 0, H)T . Es gilt
und des magnetischen Feldes H

m
x eH y = 0
m
y eH x = eE , ~x(0) = ~x (0) = 0
Es gilt:
m (s2 X(s) sx(0) x(0))

eH (sY (s) y(0)) = 0


1
ms2 Y (s) + eHsX(s) = eE

s
e2 EH
s2 (m2 s2 + (eH)2 )
meE
Y =
2
s(m s2 + (eH)2 )
eH
E
Sei
a=
b=
m
H
2
ab
ab
, Y =
X = 2 2
2
2
s (s + a )
s(s + a2 )
X =

36

msX(s) eHY (s) = 0


1
eHX + msY = eE 2
s

4.2 Lineare AWP mit konstanten Koeff.


und damit

1
sin at)
a
y(t) = L1 [Y ] = b/a(1 cos at)

x(t) = L1 [X] = b(t


Das Elektron bewegt sich auf einer Zykloide.

37

5 Existenztheorie
5.1 Hilfsmittel
Sei V ein Vektorraum (reell oder komplex).
Definition 5.1. Eine nichtnegative, reellwertige Funktion k k : V R+ heit Norm,
wenn sie die folgenden Eigenschaften besitzt:
1. kxk 0 ,

x V ,

2. kxk = ||kxk ,

kxk = 0 x = 0 ;

x V ,

3. kx + yk kxk + kyk ,

R (C)

x, y V

Bemerkung
Die Norm definiert einen Abstand (eine Metrik) mit %(x, y) = %(y, x) = kx yk.
Beispiel 5.2. Auf dem n-dimensionalen euklidischen Raum Rn oder dem unitaren Raum
Cn gibt es unter anderem folgende Normen:
a) kxk = (x21 + . . . + x2n )1/2 ;
b) kxk = |x1 | + . . . + |xn | ;
c) kxk = max |xi |
1in

Beispiel 5.3. Es sei G Rn eine kompakte Menge und C(G) die Menge aller auf G
stetigen Funktionen, dann sind die Funktionen in a) und b) Normen auf C(G).
a) kf k = max |f (x)|
xG

b) kf k = max p(x)|f (x)|,


xG

wobei p : G R+ eine vorgegebene Funktion mit 0 < p(x) < ,

x G ist.

Definition 5.4. Eine Folge {xn } V konvergiert stark oder nach der Norm gegen x V,
wenn
lim kxn xk = 0
n

gilt. Schreibweise: lim xn = x.


n

Die Folge {xn } heit Cauchy-Folge, wenn es zu jedem > 0 ein N0 () gibt mit
kxn xm k < n, m N0 ().

39

5 Existenztheorie
Definition 5.5. Ein linearer Raum heit vollstandig, wenn jede Cauchy-Folge einen
Grenzwert in V besitzt. Ein vollstandiger normierter Vektorraum ist ein Banach-Raum.
Beispiel 5.6. Betrachte C(G) mit kf k = max|f (x)|.
xG

Die Konvergenz nach der Norm ist identisch mit gleichmaiger Konvergenz. Der Limes einer gleichmaig konvergenten Folge stetiger Funktionen ist stetig, d.h. C(G) ist
vollstandig.
Definition 5.7. Eine Abbildung T : V1 V2 heit Operator.
Schreibweise: y = T (x) , x V1 , y V2 .
Ist T linear, d.h.
T (x + z) = T (x) + T (z) ,

x, z V1 ,

, R(C),

so wird einfach y = T x geschrieben. Gilt V2 = R(C), so nennt man T ein Funktional.


Definition 5.8. Ein Operator T : V1 V2 heit stetig in x0 V1 , wenn aus
lim xn = x0

> 0,

lim T (xn ) = T (x0 ) folgt, oder

= () > 0 mit kx x0 k1 () kT (x) T (x0 )k2

Definition 5.9. Ein Operator T : V1 V2 gen


ugt in D V1 einer Lipschitz-Bedingung
(mit der Lipschitz-Konstante L > 0), wenn
kT (x) T (y)k2 Lkx yk1 ,

x, y D.

Bemerkung
Lipschitz-Bedingung Stetigkeit in D.
Beispiel 5.10. Sei V1 = C([a, b]) ,

V2 = R und T (f ) = T f =

Rb

f (x)dx.

T ist ein lineares Funktional und erf


ullt auf V1 die L-Bedingung mit L = b a.
Zb
k

Zb
f (x)dx

Zb
g(x)dxk = |

Zb
f (x)dx

Zb
g(x)dx|

|f (x) g(x)|dx
a

kf gkC([a,b]) (b a) .
| {z }
L

Beispiel 5.11. Sei V1 = V2 = C([a, b]) und T f =

Rx

f (z)dz.

T ist linear und erf


ullt die L-Bedingung mit L = b a.
Beispiel 5.12. Sei V1 ein normierter Vektorraum, V2 = R und T (x) = kxk.
T ist nichtlinear und erf
ullt die L-Bedingung mit L = 1.

40

5.2 Fixpunktsatz

5.2 Fixpunktsatz
Definition 5.13. Sei T : V V ein Operator.
Die Folge {xn } mit x0 V , x1 = T (x0 ) , x2 = T (x1 ), . . . , xn = T (xn1 ) heit eine
Fixpunktfolge.
Satz 5.14. Fixpunktsatz
Sei D V eine nichtleere, abgeschlossene Teilmenge eines Banach-Raumes V.
Der Operator T : D D gen
uge auf D einer L-Bedingung mit einer Konstante L < 1:
kT (x) T (y)k Lkx yk ,

L < 1.

Dann hat die Gleichung


x = T (x)
genau eine Losung x D.
Die Fixpunktfolge {xn } konvergiert gegen x und es gilt
Ln
kx1 x0 k.
1L
Beweis. Wir beweisen zunachst induktiv die Abschatzung
kxn x k

kxn+1 xn k Ln kx1 x0 k ,

n = 0, 1, 2, . . .

F
ur n = 0 gilt kx1 x0 k L0 kx1 x0 k.
Sei kxn+1 xn k Ln kx1 x0 k , n 0 bereits bewiesen.
Es gilt dann
kxn+2 xn+1 k = kT (xn+1 ) T (xn )k Lkxn+1 xn k Ln+1 kx1 x0 k.
Sei p > 0. Es gilt
kxn+p xn k = k(xn+1 xn ) + (xn+2 xn+1 ) + . . . + (xn+p xn+p1 )k
(Ln + Ln+1 + . . . + Ln+p1 )kx1 x0 k
Ln (1 + L + L2 + . . . + Lp1 )kx1 x0 k

X
Ln
n
kx1 x0 k.
L
Lk kx1 x0 k
1L
k=0
Die Folge {xn } ist demnach eine Cauchy-Folge und besitzt wegen der Vollstandigkeit von
V einen Limes lim xk = x . Es gilt
k

Ln
kx1 x0 k
p
1L
Der Operator T ist wegen der L-Bedingung stetig, damit ergibt sich, dass
lim kxn+p xn k = kx xn k

lim T (xn ) = T (x ) und lim T (xn ) = lim xn+1 = x oder T (x ) = x .

Diese Losung ist eindeutig, da aus x = T (x) und y = T (y) folgt


kx yk = kT (x) T (y)k Lkx yk ,

L < 1 oder kx yk = 0 x = y

41

5 Existenztheorie

5.3 Existenz und Eindeutigkeit


Wir betrachten das Anfangswertproblem
y 0 = f (x, y) ,

x0 x x0 + a ,

y(x0 ) = y0 .

Satz 5.15. Die Funktion f : S R,


S = {(x, y) R2 ,

|x0 x x0 + a ,

y R}

sei auf S stetig und gen


uge in S der L-Bedingung bzgl. y:
|f (x, y) f (x, z)| L|y z| ,

L>0

mit L = const. Dann hat das AWP genau eine Losung y.


Sie existiert im ganzen Intervall x [x0 , x0 + a].
Beweis. Ist y(x) eine auf I = [x0 , x0 + a] stetig diff. Losung, so ist f (x, y(x)) auf I stetig
und
Zx
y(x) = y0 + f (t, y(t))dt.
x0

Umgekehrt gen
ugt eine auf I stetige Funktion y der Integralgleichung, so gilt auch
y(x0 ) = y0 und y 0 = f (x, y).
D.h. das Anfangswertproblem und die Integralgleichung sind f
ur stetig differenzierbare
Funktionen aquivalent. Wir betrachten die Fixpunktgleichung
Zx
y = T (y) ,

T (y) = y0 +

f (t, y(t))dt.
x0

Es gilt T : C(I) C(I),.


C(I) ist der Raum der auf I stetigen Funktionen mit kyk =

max

x0 <x<x0 +a

|y(x)|. Es gilt

x

Z

Zx


|T (y) T (z)| = f (t, y(t)) f (t, z(t)) dt Lky zk
dt Laky zk.


x0

x0

Damit gen
ugt T einer L-Bedingung mit der L-Konstante La. Die L-Konstante La < 1
gilt nur f
ur a < 1/L. Damit haben wir die Existenz und die Eindeutigkeit f
ur a < 1/L
bewiesen.
F
ur a 1/L gibt es folgende Moglichkeiten:

42

5.3 Existenz und Eindeutigkeit


a
< 1/L.
n
Die Losung wird nach den obigen Verfahren f
ur die Intervalle

a) Sei n N mit b =

x0 x x0 + b , x0 + b x x0 + 2b, . . . , x0 + (n 1)b x x0 + a
bestimmt. An den Schnittstellen ist y(x) links- und rechtsseitig differenzierbar und
b
b
beide Ableitungen sind gleich, namlich gleich f (x0 + k , y((x0 + k )). Damit ist alles
n
n
bewiesen.
b) Sei
kyk =

max

x0 xx0 +a

|y(x)| e x ,

>0

eine gewichtete Maximum-Norm. Es gilt


Zx
|T (y) T (z)| L

|y(t) z(t)| e t e t dt Lky zk

x0

Zx

e t dt

x0

L
ky zk(ex ex0 )

L
ky zkex

und damit
kT (y) T (z)k =

max

x0 xx0 +a

|T (y)(x) T (z)(x)| e x

L
ky zk.

F
ur > L ist die Losung des Anfansgwertproblems damit existent und eindeutig.

Bemerkungen
1) Der Satz zeigt, dass die Folge {yk } mit
Zx
yk+1 (x) = y0 +

f (t, yk (t))dt ,

y0 (t) y0

x0

gegen die Losung y(x) des Anfangswertproblems gleichmaig konvergiert. Diese Iteration bezeichnet man als Picard-Iteration.
Beispiel 5.16. Das Anfangswertproblem y 0 = xy, y(0) = 1 hat die Losung y(x) =
1 2
e2x .

43

5 Existenztheorie
Die ersten Glieder der Picard-Iteration lauten
y0 (x) = 1
Zx
y1 (x) = 1 +

x2
t 1 dt = 1 +
2

x0
Zx

y2 (x) = 1 +

t(1 +

t2
x2 x4
)dt = 1 +
+
2
2
8

t(1 +

x2 x 4 x6
t2 t4
+ ) dt = 1 +
+
+
2! 3!
2
8
48

x0
Zx

y3 (x) = 1 +
x0

Induktion f
uhrt auf
yn (x) =

n  2 k
X
x
k=0

und damit

1
k!
1 2

y(x) = lim yn (x) = e 2 x

2) Der Mittelwertsatz garantiert, dass eine nach y partiell differenzierbare Funktion einer
L-Bedingung gen
ugt! (Hinreichende Bedingung.) Haufig ist f nicht in einem ganzen
Streifen, sondern nur in einer Umgebung des Punktes (x0 , y0 ) R2 definiert.
Satz 5.17. Es sei
R = {(x, y) R2 ,

x0 x x0 + a , |y y0 | b}

ein Rechteck und f C(R) gen


uge auf R einer L-Bedingung.
Dann existiert genau eine Losung des Anfangswertproblems
y 0 = f (x, y) ,

y(x0 ) = y0

auf dem Intervall x0 x x0 + min(a, b/A), wobei A = max |f (x, y)|.


(x,y)R

Beweis. Betrachte

ur y < y0 b
f (x, y0 b) f

f (x, y)
f
ur (x, y) R
f (x, y) =

f (x, y0 + b) f
ur y > y0 + b.
f(x, y) ist stetig in dem Streifen {x0 x x0 + a, y} und gen
ugt dort einer L-Bedingung.
Nach Satz 1 existiert also genau eine Losung y(x) des Anfangswertproblems mit f.
Diese Losung ist, solange sie in R verlauft, auch Losung des urspr
unglichen Anfangswertproblems.
Wegen |f| A ist |y 0 | A, d.h. die Losung y(x) verlauft im Winkelraum zwischen den
Geraden y0 A(x x0 ).
Sie kann R also fr
uhestens an der Stelle x0 + min(a, b/A) verlassen.

44

5.3 Existenz und Eindeutigkeit

Definition 5.18. Die Funktion f : R2 R gen


ugt in D R2 einer lokalen L-Bedingung
bzgl. y, wenn zu jedem (x0 , y0 ) D eine Umgebung U (x0 , y0 ) und ein L = L(x0 , y0 )
existieren, so dass f in D U einer L-Bedingung mit der Konstante L gen
ugt:
|f (x, y) f (x, z)| L|y z| ,

(x, y) , (x, z) D U.

Bemerkung
Eine lokale L-Bedingung ist im Gegensatz zur globalen L-Bedingung eine schwache Forderung.
Beispiel 5.19. f (x, y) = y 2
Es gilt |y 2 z 2 | = |y z| |y + z|.
|y + z| ist in R2 nicht beschrankt, d.h. f (x, y) gen
ugt nur lokal, aber nicht global einer
L-Bedingung.
Satz 5.20. Sei D R2 eine offene Menge. Die Funktion f : D R2 gen
uge in D einer
lokalen Lipschitz-Bedingung. Dann hat das Anfangswertproblem
y 0 = f (x, y) ,

y(x0 ) = y0

f
ur jedes (x0 , y0 ) D genau eine Losung y(x), die nach links und rechts dem Rand von
D beliebig nahe kommt.
Beweis. Wir beweisen zunachst die lokale Losbarkeit:

45

5 Existenztheorie

Wir konstruieren ein Rechteck R U (x0 , y0 ). Auf R erf


ullt f eine globale L-Bedingung
mit L = L(x0 , y0 ). Diese ist eindeutig. Nach links verfahrt man entsprechend.
Diese Losung kann nicht die Eindeutigkeit verlieren, d.h. es gilt:
y1 (x) = y2 (x) f
ur x0 x x
y1 (x) 6= y2 (x) f
ur x < x.
So ist das Anfangswertproblem y 0 = f (x, y) , y(x ) = y1 (x ) = y2 (x ) ebenfalls lokal
eindeutig losbar Widerspruch. Die Aussage, dass y nach rechts dem Rand von D
beliebig nahe kommt, ist folgendermaen definiert:
y(x) existiert nach rechts in einem Intervall [x0 , x0 + b] mit
a) b = , d.h. die Losung existiert f
ur alle x x0 ;
b) b <
c) b <

lim

xb0

|y(x)| = , d.h. die Losung wird unendlich;

lim

xb0

min
|

zD

k(x, y(x)) zk
{z
}

=0

Abstand von (x,y(x)) vom Rand D von D

Sei G R die Menge


G = {(x, y(x)) ,

x x0 }.

Die Bedingungen a), b) oder c) garantieren, dass G D keine kompakte Teilmenge ist:
a), b) nicht beschrankt, c) nicht abgeschlossen.
Angenommen, G ist kompakt und y(x) existiert auf [x0 , x0 + b). Auf G ist f beschrankt
|f | A und damit |y 0 | A. y(x) ist damit auf [x0 , x0 + b) gleichmaig stetig; es existiert
also
= lim
|y(x)| und es gilt (b, ) G.
xb0

46

5.4 Der Existenzsatz von Peano


Setzt man y(b) = , so ist y(x) stetig auf [x0 , x0 + b]. Die Gleichung
Zx
f (t, y(t))dt gilt f
ur x0 x < b.

y(x) = y0 +
x0

Der Grenz
ubergang x b 0 zeigt, dass sie auch f
ur x = b g
ultig ist. y(x) ist damit
in b linksseitig differenzierbar und es gilt y 0 (b) = f (x, y(b)). Damit ist die Losung von
[x0 , x0 + b) auf [x0 , x0 + b] fortsetzbar. Dann aber kann man eine lokale Losung durch
(b, y(b)) finden und die Losung weiter fortsetzen
G ist nicht kompakt a), b) oder
c).

5.4 Der Existenzsatz von Peano


p
Beispiel 5.21. y 0 = 2 |y| , p y(0) = 0
Die Funktionen f (x, y) = 2 |y| ist nicht Lipschitz-stetig. Es existieren zwei Losungen
des Anfangswertproblems: y1 0 ; y2 (x) = x2 , x 0.
Frage: Reicht die Stetigkeit von f aus, um die Existenz einer Losung zu garantieren?
Definition 5.22. Eine Menge der Funktionen
F = {f1 , f2 . . . },
die auf I = [a, b] stetig sind, heit gleichgradig stetig, wenn
> 0,

> 0 : |f (x) f (y)| < ,

x, y I

mit |x y| () und f F .
Wichtig: ist f
ur alle f F g
ultig.
Satz 5.23. Ist die Folge F = {fn } auf I = [a, b] gleichgradig stetig und konvergiert
x U I, wobei U eine in I dichte Punktmenge ist, so konvergiert die Folge f
ur alle
x I und zwar gleichmaig, d.h. f = lim fn ist stetig.
n

Beweis. U ist dicht in I [x1 , x2 ] I x U mit x [x1 , x2 ].


Sei > 0 und () sei so bestimmt, dass fn F gilt |fn (x)fn (y)| < f
ur |xy| ().
Wir zerlegen I in N abgeschlossene Teilintervalle:
N
I = Im=1

mit |Im | ().

Es existieren Punkte xm U mit xm Im . Die Folge F = {fn } konvergiert in xm , d.h.


n0 = n0 (), so dass
|fk (xm ) fn (xm )| < f
ur k, n n0 () ,

m = 1, . . . , N.

47

5 Existenztheorie
Nun sei x I x Iq f
ur ein 1 q N . Es gilt |x xq | () und damit
|fk (x) fn (x)| |fk (x) fk (xq )| + |fk (xq ) fn (xq )| + |fn (x) fn (xq )|
+ + = 3 , k, n n0 ()
Damit konvergiert die Folge F gleichmaig auf I und ihr Limes f = lim fn ist auf I
n
stetig.
Satz 5.24. Arzela-Ascoli
Jede auf I = [a, b] gleichgradig stetige Folge F = {fn } mit |fn (x)| c f
ur x I und n 1
enthalt eine auf I gleichmaig konvergente Teilfolge.
Beweis. Sei U I eine abzahlbare, in I dichte Punktmenge, U = {x1 , x2 , . . .} (z.B.
rationale Zahlen). Die Zahlenfolge {an } mit an = fn (x1 ) ist beschrankt (|an | c), sie
besitzt eine konvergierende Teilfolge:
fp1 (x1 ), fp2 (x1 ), fp3 (x1 ), . . . .
Die Zahlenfolge {bn } mit bn = fpn (x2 ) ist ebenfalls beschrankt, d.h. besitzt eine konvergierende Teilfolge
fq1 (x2 ), fq2 (x2 ), fq3 (x2 ), . . . ,

{q1 , q2 . . .} {p1 , p2 , . . .} u.s.w.

Damit erhalten wir eine Reihe von Folgen:


fp1 , fp2 , . . . ; konvergent in x1 ,
fq1 , fq2 , . . . ; konvergent in x1 und x2
......
Die k-Zeile konvergiert in x1 , x2 , . . . , xk . Daraus ergibt sich, dass die Diagonalfolge
fp1 (x), fq2 (x), fr3 (x) . . .
f
ur alle xk U , d.h. auf U konvergent ist. Die gleichmaige Konvergenz auf I folgt nun
aus Satz 5.23.
Satz 5.25. Existenzsatz von Peano
Wir betrachten das Anfangswertproblem
y 0 = f (x, y), y(x0 ) = y0 .
Die Funktion f sei auf S stetig und beschrankt:
S = {(x, y) R2 ,

x0 x x0 + a ,

y R} ,

|f (x, y)| c ,

Dann existiert mindestens eine auf I differenzierbare Funktion


y : I = [x0 , x0 + a] R , f
ur die y 0 = f (x, y) , y(x0 ) = y0 gilt.

48

x, y S.

5.4 Der Existenzsatz von Peano


Beweis. Wir suchen eine Funktion y C(I) mit
Zx
f (t, y(t))dt.

y(x) = y0 +
x0

Dazu betrachten wir eine Zahlenfolge {n } mit lim , n 0 und eine Folge der Funktion
nen:

y0 , x0 n x x0
Rx
Zn (x) =
y0 + f (t, Zn (t n ))dt , x0 x x0 + a
x0

auf In = [x0 n , x0 + a]. Die Funktion Zn (x) ist f


ur alle x I wohldefiniert:
a) F
ur x = x0 Zn (x0 ) = y0
b) F
ur x0 < x x0 + n gilt t [x0 , x] t n [x0 n , x0 ]
d.h. Zn (t n ) = y0 ist bekannt und damit Zn (x) ist definiert.
c) F
ur x0 + n < x x0 + 2n definieren wir analog Zn (x) usw.
Damit ist eine Folge der Funktionen Z = {Zn } definiert.
Die Funktionen Zn sind auf I stetig differenzierbar und wegen |f (x, y)| c |Zn0 (x)| c
gen
ugen auf I einer L-Bedingung
|Zn (x1 ) Zn (x2 )| c|x1 x2 | ,

n.

Damit ist die Folge Z gleichgradig stetig und besitzt (Satz 5.25) eine konvergierende
Teilfolge {Znk } mit lim Znk = y. Es gilt
n

Zx
f (t, Znk (t nk ))dt.

Znk (x) = y0 +
x0

Nun folgt aus


|Znk (t nk ) y(t)| |Znk (t nk ) Znk (t)| + |Znk (t) y(t)| cnk + |Znk (t) y(t)|,
dass die Folge Ze = {Znk (t nk )} gleichmaig auf I gegen y(t) konvergiert. Damit erf
ullt
y(x) die Integralgleichung:
Zx
y(x) = y0 +

f (t, y(t))dt.
x0

und damit ist y eine Losung des Anfangswertproblems.


Satz 5.26. Ist f in einem Rechteck R = {(x, y) : x0 x x0 + a , |y y0 | b} stetig
und A = max |f (x, y)|, so existiert auf dem Intervall [x0 , x0 + min(a, b/A)] eine stetig
(x,y)R

differenzierbare Funktion y, welche dort das Anfangswertproblem y 0 = f (x, y) ,


y0 lost. (Analog f
ur ein links von x0 gelegenes Rechteck.)

y(x0 ) =

49

5 Existenztheorie
Satz 5.27. Peano Ist f in einem Gebiet D R2 stetig, so geht durch jeden Punkt
(x0 , y0 ) D mindestens eine Losung der Differentialgleichung y 0 = f (x, y), die sich nach
links und rechts bis zum Rand von D fortsetzen lasst.
Bemerkung
Der Beweis des Existenzsatzes von Peano ist nicht-konstruktiv, d.h. es gibt kein Verfahren,
nach dem man eine konvergente Teilfolge gewinnen kann.

5.4.1 Das Lemma von Gronwall


Satz 5.28. Gronwall-Lemma (1918)
Sei (x) : [x0 , X] R stetig und L 0, C 0 und es gilt
Zx
0 (x) C + L

x [x0 , X].

(s) ds,

(?)

x0

a) Ist C > 0, so gilt


(x) CeL(xx0 )
b) Ist C = 0, d.h.
Z

x [x0 , X].

0 (x) L

(s) ds,

x [x0 , X]

x0

so folgt daraus, dass


x [x0 , X]

(x) = 0

Beweis. a) Wegen (x) 0, C > 0 und L 0 gilt


Z x
C +L
(s) ds > 0
x0

und damit
"

Rx

C +L

#0
(s) ds

x0

C +L

Rx

=
(s) ds

x0

L(x)
L
Rx
C + L (s) ds

( wegen (?))

x0

Die Integration von x0 bis x bringt:




Z x
ln(C) + ln C + L
(s) ds
L(x x0 )
x0

ln(C) + ln((x)) L(x x0 )


(x)
ln
L(x x0 ) (x) CeL(xx0 )
C

50

5.4 Der Existenzsatz von Peano


b) F
ur C 0 ergibt sich (x) 0, x [x0 , X].

Satz 5.29. Eindeutigkeitssatz


Die Funktion f (x, y) erf
ulle auf dem Gebiet G R2 eine Lipschitzbedingung. Die Losung
des Anfangswertproblems
y 0 = f (x, y), y(x0 ) = y0
ist (falls existent) eindeutig.
Beweis. Seien y1 (x) und y2 (x) Losungen des Anfangswertproblems. Aus
y10 (x) y20 (x) = f (x, y1 ) f (x, y2 )
folgt duch Integration von x0 bis x, dass
Z

y1 (x) y2 (x) =

(f (t, y1 ) f (t, y2 )) dt
x0

und damit f
ur (x) = |y1 (x) y2 (x)| 0
Z

0 (x)

|f (t, y1 ) f (t, y2 )| dt
Z x
Z
L
|y1 (t) y2 (t)| dt = L

(5.1)

x0

x0

(t) dt

(5.2)

x0

Mit dem Lemma von Gronwall folgt hieraus direkt, dass (x) = 0 y1 (x) = y2 (x)
Eine Kombination des Satzes von Peano mit dem Eindeutigkeitssatz ergibt den folgenden
zentralen Satz.
Satz 5.30. Die Funktion f (x, y) sei auf dem Gebiet G R2 stetig und erf
ulle dort eine
lokale Lipschitzbedingung. Dann gibt es zu jedem (x0 , y0 ) G f
ur das Anfangswertproblem
y 0 = f (x, y), y(x0 ) = y0
eine eindeutige Losungskurve y = y(x), die sich bis an den Rand des Gebietes G erstreckt.
Beweis. Sei K G abgeschlossen und beschrankt ( K ist kompakt) und sei (x0 , y0 )
K. Nach Voraussetzung (lokale L-Bed.) gibt es zu jedem Punkt von K eine Umgebung U ,
in der f (x, y) einer Lipschitzbedingung gen
ugt. Da K kompakt ist, gen
ugen U1 , U2 , . . . , Um
dieser Umgebungen, um K vollstandig zu u
berdecken. Nach Satz 5.25 gibt es eine Losungskurve durch (x0 , y0 ), die jedes Ui , das sie trifft vollstandig durchquert und in Ui nach Satz
5.29 eindeutig bestimmt ist, usw. die Losung ist eindeutig in K.

51

5 Existenztheorie
Bemerkung
Aus der Lipschitzbedingung folgt Stabilitat!
Satz 5.31. Stabilit
at bzgl. der Anfangsbedingung
Erf
ullt die stetige Funktion f (x, y) im Gebiet G R2 eine Lipschitzbedingung, dann gilt
f
ur
(1)

y10 = f (x, y1 ),

y1 (x0 ) = y0

y20 = f (x, y2 ),

y2 (x0 ) = y0

(2)

die Abschatzung
(1)

(2)

|y1 (x) y2 (x)| eL(xx0 ) |y0 y0 |.


Beweis. F
ur x x0 gilt ((x) = |y1 (x) y2 (x)| 0)
x

Z



0 (x) = f (t, y1 ) f (t, y2 ) dt + y2 (x0 ) y1 (x0 )


x0

(1)
|y0

(2)
y0 |

Zx
+L

(t) dt
x0
(1)

(1)

Daraus folgt mit dem Lemma von Gronwall die Behauptung mit C = |y0 y2 |.
Satz 5.32. Stabilit
at bzgl. der rechten Seite
Erf
ullt die stetige Funktion f1 (x, y) auf dem Gebiet G R2 eine Lipschitzbedingung und
unterscheidet sich von f2 (x, y) nur um , d.h.
|f1 (x, y) f2 (x, y)| 

(x, y) G

dann gilt f
ur die Losungen
y10 = f1 (x, y1 ),
y20 = f2 (x, y2 ),

y1 (x0 ) = y0
y2 (x0 ) = y0

im Intervall [x0 , X] die Abschatzung


|y1 (x) y2 (x)| (X x0 )eL(xx0 ) .
Beweis. Es gilt f
ur (x) = |y1 (x) y2 (x)|, dass
Z x
0 (x)
|f1 (t, y1 ) f2 (t, y2 ) + f1 (t, y2 ) f1 (t, y2 )| dt
x0
Z x
Z x

|f1 (t, y1 ) f1 (t, y2 )| dt +


|f1 (t, y2 ) f2 (t, y2 )| dt
x0
x0
Z x
Z x
L
(t) dt + (x x0 ) L
(t) dt + (X x0 )
x0

x0

und damit folgt aus dem Gronwall-Lemma mit C = (X x0 ) die Behauptung.

52

6 Systeme und Differentialgleichungen


h
oherer Ordnung
Definition 6.1. Seien D Rn+1 ein Gebiet und
fi : D R ,

i = 1, . . . , n

die gegebenen Funktionen. Eine auf I R erklarte vektorwertige Funktion y : I Rn


(parametrisierte Kurve in Rn ) heit Losung des Differentialgleichungssystems
yi0 = fi (x, y1 , y2 , . . . , yn ) ,

i = 1, . . . , n

()

oder kurz
y 0 = f (x, y) ,

xI,

y Rn ,

wenn (x, y(x)) D f


ur alle x I gilt und die Gleichungen () erf
ullt sind, d.h.
y 0 (x) = f (x, y(x)) ,

x I.

Physikalische Systeme, deren Zustand y(x) y : I R durch y selbst sowie durch die
Ableitungen y 0 , y 00 , . . . , y (n1) bestimmt ist, gen
ugen oft einer expliziten skalaren Differentialgleichung n-ter Ordnung:
y (n) = f (x, y, y 0 , . . . , y (n1) ).
Setzt man y1 = y , y2 = y 0 , . . . , yn = y (n1) , so lasst sich diese Gleichung in ein Differentialgleichungssystem 1. Ordnung umwandeln:

y 1 = y2

y 2 = y3
..

y = f (x, y , . . . , y )
n
1
n

6.1 Existenz und Eindeutigkeitss


atze fu
r Systeme
Satz 6.2. Peano fu
r Systeme
Das Anfangswertproblem
y 0 = f (x, y) ,

y(x0 ) = y0 ,

y : I Rn

mit einem auf D Rn+1 stetigen Vektorfeld f : D Rn besitzt wenigstens eine Losung
f
ur alle (x0 , y0 ) D.

53

6 Systeme und Differentialgleichungen hoherer Ordnung


Definition 6.3. Das Vektorfeld f : D Rn gen
ugt einer L-Bedingung, wenn
k f (x, y) f (x, z) kRn L k y z kRn ,
Satz 6.4. Erf
ullt das Vektorfeld f : D Rn ,
S = {(x, y) Rn+1 ,

L 0.

D Rn+1 auf dem Streifen

x0 x x0 + a ,

y Rn }

eine (globale) L-Bedingung, so hat das Anfangswertproblem y 0 = f (x, y), y(x0 ) = y0 genau
eine Losung auf I = [x0 , x0 + a].

6.2 Lineare Differentialgleichungssysteme


Ein lineares Differentialgleichungssystem hat die Form: y 0 = Ay+b, wobei durch A = A(x)
und b = b(x) die Koeffizientenmatrix sowie die rechte Seite gegeben sind. F
ur b = 0 heit
das System homogen.
Eigenschaften
ur y = y1 + y2 und
1. Gilt y10 = Ay1 + b1 , y20 = Ay2 + b2 y 0 = Ay + b f
b = b1 + b2 , , R.
2. Komplexifizierung
y10 = Ay1 + b1 ,

y20 = Ay2 + b2 y = y1 + iy2 lost y 0 = Ay + b ,

b = b1 + ib2 ,

d.h. sowohl Real- als auch Imaginarteil einer komplexen Losung eines homogenen
Differentialgleichungssystems
y 0 = A(x)y
sind reelle Losungen dieses Systems.
3. Die allgemeine Losung des inhomogenen Differentialgleichungssystems:
y(x) = yh (x) + yp (x)
mit einer partikularen Losung yp (x) und der allgemeinen Losung yh (x) des homogenen Systems.
4. Die Losungsmenge eines homogenen Systems
L = {y : y 0 = Ay}
ist ein Vektorraum u
ber R. Die Dimension von L ist stets n : dim L = n. Die Matrix
Y (x) = (y1 (x), . . . , yn (x)) Rnn heit die Losungsmenge und W : I R
W = det Y
die Wronski-Determinante.

54

6.2 Lineare Differentialgleichungssysteme


Satz 6.5. Die Wronski-Determinante erf
ullt
Rx

trA(t)dt

W (x) = W (x0 ) ex0

(Liouville-Formel).

Beweis. Es gilt
d
d
W (x) =
det(y1 , . . . , yn )
dx
dx
= det(y10 , y2 , . . . , yn ) + det(y1 , y20 , . . . , yn ) + . . . + det(y1 , y2 , . . . , yn0 )
= det(Ay1 , y2 , . . . , yn ) + det(y1 , Ay2 , . . . , yn ) + . . . + det(y1 , y2 , . . . , Ayn )
Wir betrachten
det((I A)Y ) =
=
det((I A)Y ) =
=
+

det(I A) det Y
(n trA n1 + . . . + (1)n det A) det Y ;
det(y1 Ay1 , y2 Ay2 , . . . , yn Ayn )
n det Y n1 (det(Ay1 , y2 , . . . , yn ) +
det(y1 , y2 , . . . , Ayn )) + . . . (1)n det A det Y,

damit gilt
det(Ay1 , y2 , . . . , yn )+, . . . , + det(y1 , y2 , . . . , Ayn ) = trA det Y.
W (x) gen
ugt damit die folgende Differentialgleichung:
W 0 (x) = (trA)(x) W (x) trennbar
und folglich
Rx

trA(t)dt

W (x) = W (x0 ) ex0

Folgerung 6.6. W (x) 6= 0 ,

x W (x0 ) 6= 0 f
ur ein x0 I.

Folgerung 6.7. n Losungen Y (x) = (y1 , . . . , yn ) Rnn bilden genau dann eine Basis
in Rn , wenn W (x) 6= 0 f
ur ein (und damit f
ur alle x!) x I gilt.
Die allgemeine Losung lautet:
y(x) = Y (x)c ,

c = (c1 , . . . , cn )T Rn .

Die eindeutige Losung des Anfangswertproblems


y 0 = f (x, y) = AY, y(x0 ) = y0
besitzt die Darstellung
y(x) = Y (x)Y 1 (x0 )y0 .

55

6 Systeme und Differentialgleichungen hoherer Ordnung


Eine Methode, partikulare Losungen des inhomogenen Systems
y 0 = Ay + b
zu bestimmen, ist die Variation der Konstanten. Setzt man c = c(x), so ergibt sich:
y 0 = Ay + b = A(x) Y (x) c(x) + b = Y 0 (x) c(x) + Y (x) c0 (x)
| {z }

AY

b(x) = Y (x) c0 (x) oder


Rx
c(x) = Y 1 (t) b(t) dt + c ,

c Rn .

x0

Damit lautet die vollstandige und allgemeine Losung


 Zx

1
y(x) = Y (x)
Y (t) b(t) dt + c
x0

F
ur c = Y 1 (x0 )y0 gilt y(x0 ) = y0 .
1
Beispiel 6.8. y 0 =
x

1 2x2
0 1

yR ,

y,

(
y10 = x1 y1 + 2xy2
x > 0 oder
y20 = x1 y2

a) y2 = 0 y10 = x1 y1 y1 = x,
 
x
d.h. y1 (x) =
0
b) y2 = x y10 = x1 y1 + 2x2 y1 = x3 ,
 3 
x
d.h. y2 (x) =
x
Die Fundamentalmatrix ist

Y (x) =

x x3
0 x


,

W (x) = det Y (x) = x2 6= 0 f


ur x 6= 0

oder
Rx

W (x) = W (x0 ) ex0

2/t dt

= W (x0 ) (eln(x

Mit W (1) = 1 ergibt sich W (x) = x2 .

56

2 /x2 )
0

) = W (x0 )

x2
W (x0 ) 2
=
x .
2
x0
x20

6.3 Lineare Differentialgleichungen n-ter Ordnung

F
ur b(x) = x3

1) Y

3
0


und y(1) =

1
(x) = 2
x

2) y(x)

x x3
0 x

2
1

erhalten wir:
1
=
x

x x3
0 x



Rx 1
1 t

x x3
0 x



Rx

3t2
0

x x3
0 x

 

=

=

1 x2
0 1

x3 1
0

 

  
1 1 1
3
2
dt +
t
0
1
1
1 0

1 t2
0 1

  
1
dt +
1


   4
1
x + x3
.
+
=
x
1

6.3 Lineare Differentialgleichungen n-ter Ordnung


Die Gleichung:
y (n) (x) + an1 (x) y (n1) (x) + . . . + a1 (x) y 0 (x) + a0 (x) y(x) = b(x).

(?)

Das aquivalente System

0
0
..
.

1
0

0 0 ......
1 0 ......

0
0
..
.

y 0 = Ay + b mit A =
trA = an1 (x)

0 0 ......... 0
1
a0 a1 . . . . . . . . . . . . an1
b(x) = (0, 0, . . . , 0, b(x))T Rn .
Die Wronski-Determinante ist

W (x) = W (x0 ) e

Rx

an1 (t) dt

x0

wenn y1 und y2 gleichzeitig zwei linear unabhangige Losungen der DGL (?) sind (n = 2).

Y (x) =

y1 y2
y10 y20

Rx


W (x) =

y20

y1

y10

a1 (t) dt

y2 = c ex0

Ist y1 bekannt, dann kann man auch y2 finden:


Rx

y20

y10
c1 x0 a1 (t) dt
y2 =
e
y1
y1

eine lineare Differentialgleichung 1. Ordnung

57

6 Systeme und Differentialgleichungen hoherer Ordnung


Beispiel 6.9. Legendre-Differentialgleichung

2x
2
(1 x2 )y 00 2xy 0 + 2y = 0 oder y 00
y0 +
y=0
2
1x
1 x2
Eine Losung ist offenbar y1 (x) = x. Damit ergibt sich
Rx

c1 +
1
y20 y2 = e x0
x
x

2x
1x2

dx

c1 ln(1x2 )
c1
e
=
x
x(1 x2 )

Die Losung der homogenen Gleichung lautet y(x) = cx. Mit der Variation der Konstanten
folgt
c1
Partialbruchzerlegung
c0 = 2
x (1 x2 )


1
1 1
1 1
= c1
+
+
x2 2 1 + x 2 1 x



1 1
1+x
= c1 + ln
+ c2
x 2
1x
x
1+x
ln
),
2
1x
1+x
x
1.
y2 (x) = ln
2
1x

y2 (x) = c2 x + c1 (1 +
f
ur c2 = 0 ,

c1 = 1 erhalten wir

6.4 Lineare Differentialgleichungssysteme mit konstanten


Koeffizienten
F
ur y 0 = Ay + b , A Rnn ,
Y (x) immer berechnen.

b Rn mit A = const lasst sich das Fundamentalsystem

Definition 6.10. Ein Vektor v Rn heit Hauptvektor der Stufe l 1 zum Eigenwert
der Matrix A Cnn , wenn (A I)l1 v 6= 0 und (A I)l v = 0 gilt.
Bemerkungen
1) Jeder Eigenvektor von A ist ein Hauptvektor der Stufe 1.
2) Ist A diagonalisierbar (z.B. A ist symmetrisch)
3) Ist A defektiv

keine Hauptvektoren der Stufe l > 1.

v, (A I)v, , . . . , , (A I)l1 v sind linear unabhangig.

4) Berechnung von HV:


a) alle EW bestimmen: i ,
b) alle EV bestimmen: ui

58

i = 1, . . . , n ,

ki - Vielfachheit

6.4 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten


c) f
ur mehrfache EW mit weniger als ki EV aus dem Eigenvektor u mittels
(A i ) v = u (A i ) w = v usw. losen bis es moglich ist.

1 1 1
Beispiel 6.11. A = 0 1 1
0 0 1

EV:

1 = 1 ,

k1 = 3


1
u = 0 ist ein Eigenvektor, keine weiteren EV.
0



0 1 1
1
0

0 0 1 v1 = 0 v1 = 1
HV1 :
0 0 0
0
0



0 1 1
0
0
HV2 : 0 0 1 v2 = 1 v2 = 1
0 0 0
0
1

1 0
0
V = 0 1 1
0 0
1

ist die kanonische Basis

V 1

1 0
0
= 0 1 1 .
0 0
1

1 1 0

Ahnlichkeitstransformation:
V 1 AV = J = 0 1 1 Jordan-Normalform.
0 0 1
Fundamentalsystem von y 0 = AY :
1) F
ur alle Eigenwerte ist y(x) = ex u eine Losung.
2) F
ur alle Hauptvektoren v der Stufe l > 1 ist
y(x) = ex (v + x(A I)v + . . . +

xl1
(A
(l1)!

I)l1 v)

eine Losung. Damit erhalt man immer alle n Losungen.

0 1 1
Beispiel 6.12. y 0 = 2 3 1 y
1 1
1
1) Die EW sind

1 = 1, k1 = 2
2 = 2, k2 = 1

59

6 Systeme und Differentialgleichungen hoherer Ordnung




1
0
2) Die EV sind u1 = 1 ; u2 = 1 .
0
1

1
Lose (A I)v = u1 v = 1 HV der Stufe 2.
1
Damit:



1
1
1
y1 (x) = ex 1 , y2 (x) = ex 1 + x 1 ,
0
1
0

1 1
0
1
V AV =
1
0 0


0
y3 (x) = e2x 1 .
1

0
0

Das inhomogene System lost man z.B. mit der Variation der Konstanten.

6.5 Autonome Systeme, Stabilit


at
Die autonomen Systeme haben die folgende Form:
y 0 = f (y) ,

y Rn ,

f : D Rn ,

D Rn

()

Definition 6.13. y0 D heit Gleichgewichtslosung von (), wenn f (y0 ) = 0 gilt.


Definition 6.14. Eine Gleichgewichtslosung (GGL) y0 D von y 0 = f (y) heit
a) stabil, wenn > 0 = () > 0 mit |y(0) y0 | < |y(x) y0 | < ,

x > 0;

b) asymptotisch stabil, wenn > 0 mit |y(0) y0 | < lim y(x) = y0 ;


x

c) instabil sonst.
Beispiel 6.15. Das homogene lineare Differentialgleichungssystem
y 0 = Ay ,

A R22 ,

y R2

ergibt bereits 14!! Moglichkeiten!! (siehe Tabelle 6.1)


Beispiel 6.16. Sei x(t) die Population der Elstern und y(t) die Population der Singvogel.
Das Differentialgleichungssystem lautet:

x = ax bx2 + cxy
y = dy exy

60

6.5 Autonome Systeme, Stabilitat


mit

+
+

ax
bx2
cxy
dy
exy

Zuwachsrate der Elstern,


gegenseitiges Bekampfen, Ressourcen,
Ernahrung durch Vogeleier,
Zuwachsrate der Singvogel,
Reduzierung durch die Elstern.

Gleichgewichtsl
osungen:


x(a bx + cy) = 0
y(d ex) = 0

Moglichkeiten:
a) x = 0

c) x = d/e
a bd
y=0
y=0
y= +
c ec
Die analytische Losung des Differentialgleichungssystems ist praktisch unmoglich. F
ur
c = 0, d.h. Elstern sind nicht auf Singvogel angewiesen:

x = ax bx2
mit folgenden GGL:
y = dy + exy
a) x = 0

b) x = a/b

b) x = a/b

y=0

d
a
=
b
e
a
d
x= = ,
b
e

c) f
ur

y=0

y R.

Die Losung:
a) x = ax bx2

trennbare DGL:

x(t) =

a eat
.
c1 + b eat

Es gilt lim x(t) = a/b.


x

b) y = (d ex(t))y
y(t) = c2 e

trennbare DGL:
edt
ln(c1
= c2
(c1 + b eat )e/b

0, a/b > d/e


, a/b < d/e
lim y(t) =
t
a
d

c,
=
b
e

dt eb

+b eat )

Singvogel sterben aus


unrealistisch
Sonderfall

61

6 Systeme und Differentialgleichungen hoherer Ordnung

Abbildung 6.1: Die 14 Moglichkeiten f


ur eine 2 2 - Matrix

62

7 Einschrittverfahren fu
r
Anfangswertprobleme
Dieses Kapitel beschaftigt sich mit der numerischen Losung des Anfangswertproblems
y 0 = f (x, y), y(x0 ) = y0 , y : [x0 , X] Rn , f : ([x0 , X], Rn ) Rn
oder aquivalent dazu der Integralgleichung
Zx
y(x) = y0 +

f (x, y(x)) dx.


x0

Kein explizites Losungsverfahren numerische Naherungen.

7.1 Eulersches Polygonzugverfahren


Die einfachste Moglichkeit eine Naherung f
ur y(x) zu erhalten, ist das Eulersche Polygonzugverfahren.
Diskretisierung des Intervalls [x0 , X] durch die Knoten
xk = x0 + k h, h =

X x0
, k = 0, 1, . . . , n.
n

Berechnung der Naherungen y0 , y1 , . . . , yn f


ur y(x0 ), . . . , y(xn ) durch
yk+1 = yk + hf (xk , yk ),

k = 0, 1, . . . , n 1

Bemerkung: Auch eine ungleichmaige Diskretisierung ist moglich:


x0 < x1 < . . . < xn = X
Bezeichnungen:
hi = xi+1 xi , i = 0, . . . , n 1
h = max hi
0in1

yh (x) = yi + (x xi )f (xi , yi ),

xi x xi+1 , x [x0 , X]

yh (x) ist eine st


uckweise lineare Funktion.

63

7 Einschrittverfahren f
ur Anfangswertprobleme

7.2 Grundbegriffe, Definitionen


Das Eulersche Polygonzugverfahren ist eine sehr einfache Moglichkeit
Zx
f (x, y(x))dx (x x0 )f (x0 , y0 )
x0

zu approximieren.
Es gibt eine ganze Klasse solcher Einschrittverfahren, die im Allgemeinen beschrieben
werden als
yk+1 = yk + hk F (xk , yk )
()
und sich durch die Funktion F unterscheiden (oft ist F (xk , yk , hk , . . .)).
Sei h eine Diskretisierung des Intervalls [x0 , x], d. h.
hi = xi+1 xi , i = 0, 1, . . . , n 1,
h = max hi .
0in1

Sei x = xm(h) ein fixierter Punkt des Intervalls [x0 , X] (ein Knoten der Diskretisierung
h).
Definition 7.1. Das Verfahren () konvergiert in x f
ur h 0, wenn
| ym(h) y(x) | 0

(h 0).

Das Verfahren () konvergiert auf [x0 , X], wenn f


ur eine Folge der Diskretisierungen
| ym(h) y(x) | 0

(h 0)

x [x0 , X].

Das Verfahren () hat eine Fehlerordnung p, wenn


| ym(h) y(x) | = O(hp ),

h 0.

Der Fehler des Verfahrens zm = ym y(xm ) erf


ullt offenbar die Gleichung
zm+1 = zm + hm F (xm , zm + y(xm )) y(xm+1 ) + y(xm )
oder

zm+1 zm
y(xm+1 ) y(xm )
(2)
= F (xm , zm + y(xm ))
= (1)
m + m ,
hm
hm

wobei
(1)
m = F (xm , y(xm ))

y(xm+1 ) y(xm )
das Residuum
hm

und
(2)
m = F (xm , zm + y(xm )) F (xm , y(xm ))
gilt.

64

7.2 Grundbegriffe, Definitionen


Definition 7.2. Das Verfahren () approximiert die Gleichung y 0 = f (x, y), wenn
(1)
m 0

f
ur h 0.

Das Verfahren () approximiert die Gleichung y 0 = f (x, y) mit der Ordnung p, wenn
p
(1)
m = O(h ),

h 0.

Beispiel 7.3. Euler-Verfahren

xZm+1
f (x, y(x))dx (xm+1 xm )f (xm , ym )

(Rechteck-Formel)

xm

F = f (xm , ym )
Welche Approximationsordnung besitzt das Eulerverfahren?
Die Taylorentwicklung von y um den Punkt xm liefert f
ur y an der Stelle xm+1
1
y(xm+1 ) = y(xm ) + y 0 (xm )hm + y 00 ()h2m ,
2
und das Residuum erf
ullt daher
1 00
0
(1)
m = f (xm , y(xm )) y (xm ) y ()hm = O(hm )
|
{z
} 2
=0

(1)
m

(falls | y 00 () | c), d. h.
Approximationsordnung 1.

ist von der ersten Ordnung und das Eulerverfahren hat die

Beispiel 7.4. Implizites Trapez-Verfahren

xZm+1
1
f (x, y)dx (f (xm , ym ) + f (xm+1 , ym+1 )) (xm+1 xm ),
2

(Trapez-Formel)

xm

1
F = (f (xm , ym ) + f (xm+1 , ym+1 )).
2
Dieses Verfahren ist kompliziert, weil ym+1 aus der (nichtlinearen) Gleichung
hm
hm
f (xm+1 , ym+1 ) = ym +
f (xm , ym )
2
2
bestimmt wird (Newton-Verfahren).
(1)
F
ur das Residuum m gilt aber unter mehrfacher Verwendung der Taylorentwicklung und
der Beziehung y 0 (x) = f (x, y):
ym+1

1
y(xm+1 ) y(xm )
(f (xm , y(xm )) + f (xm+1 , y(xm+1 )))
2
hm
1
1
1
= y 0 (xm ) hm y 00 (xm ) + O(h2m ) + y 0 (xm ) + y 0 (xm+1 )
2
2
2
1
1
= y 0 (xm ) hm y 00 (xm ) + (y 0 (xm ) + y 0 (xm ) + y 00 (xm )hm ) + O(h2m )
2
2
= O(h2m ) zweite Approximationsordnung.

(1)
=
m

65

7 Einschrittverfahren f
ur Anfangswertprobleme
Beispiel 7.5. Runge-Kutta-Verfahren der Ordnung 2

Idee:
xZm+1




1
1
f (x, y)dx h f xm + hm , y xm + hm
2
2

(Mittelpunkt-Formel)

xm

Problem: y(xm + h2m ) =??


Idee:


1
1
y xm + hm ym+ 1 = ym + hm f (xm , ym ) (Euler-Schritt),
2
2
2
d.h.


F =f


1
1
xm + hm , ym + hm f (xm , y(xm ))
2
2

Approximationsordnung:


1
y(xm+1 ) y(xm )
1
(1)
m = f xm + hm , y(xm ) + hm f (xm , y(xm ))
2
2
hm
1
= f (xm , y(xm )) + hm fx (xm , y(xm ))
2
1
1
+ hm f (xm , y(xm ))fy (xm , y(xm )) y 0 (xm ) hm y 00 (xm ) + O(h2m ) = O(h2m ),
2
2
00
weil
y (xm ) = fx (xm , y(xm )) + fy (xm , y(xm ))f (xm , y(xm ))
zweite Approximationsordnung, zwei Funktionsaufrufe, explizites Verfahren!
Realisierung:
k1 = f (xm , ym )


1
1
k2 = f xm + hm , ym + hm k1
2
2
ym+1 = ym + hm k2
Definition 7.6. Sei s N eine ganze positive Zahl,

0 ...
a21 0
...

a31 a32 0
...
A=
..
...
.
as1 as2 . . . as, s1
eine reelle Matrix und

66

0
0

0
Rss
..
.
0

c = (0, c2 , c3 , . . . cs )> Rs ,
b = (b1 , b2 , . . . bs )> Rs

7.3 Familie der Runge-Kutta Verfahren 2. Ordnung


zwei reelle Vektoren. Dann heit das Verfahren
k1 = f (xm , ym )
k2 = f (xm + c2 hm , ym + hm a21 k1 )
ks = f (xm + cs hm , ym + hm (as1 k1 + . . . + as, s1 ks1 ))
ym+1 = ym + hm (b1 k1 + . . . + bs ks )
s-stufiges Runge-Kutta-Verfahren.
Beispiel 7.7. Euler-Verfahren:
s = 1, A = 0, c = 0, b = 1.
Runge-Kutta 2. Ordnung:

A=
Schreibweise:


0 0
, c = (0, 1/2)> , b = (0, 1)> .
1/2 0

c A
b>


Butcher-Scheme (1964)

d. h.
0 0
0
1/2 1/2 0 Runge-Kutta 2. Ordnung.
0 1

7.3 Familie der Runge-Kutta Verfahren 2. Ordnung


F
ur s = 2 gibt es bereits eine ganze Familie der Runge-Kutta Verfahren:
k1
k2
ym+1

= f (xm , ym )
= f (xm + c2 hm , ym + hm a21 k1 )
= ym + hm (b1 k1 + b2 k2 ) 4 Parameter!

Wichtig ist die Untersuchung der Approximationsordnung:


(1)
m = b1 f (xm , y (xm ))+b2 f (xm + c2 hm , y (xm ) + hm a21 f (xm , y (xm )))

y (xm+1 ) y (xm )
hm

Wir wissen, dass


y (xm+1 ) y (xm )
hm 00
= y0 +
y + O(h2 )
hm
2
f (xm + c2 hm , y (xm ) + hm a21 f (xm , y (xm ))) = f + c2 hm fx + a21 hm f fy + O(h2 )
und erhalten daher
(1)
m




 

1
1
= y + (b1 + b2 )f + hm b2 a21
f fy + b2 c2
fx + O h2 .
2
2
0

67

7 Einschrittverfahren f
ur Anfangswertprobleme
D. h. f
ur b1 + b2 = 1 hat das Verfahren mindestens 1. Ordnung der Approximation.
Wenn zusatzlich
1
1
b2 a21 = , und b2 c2 =
2
2
erf
ullt ist, wird man ein Verfahren der 2. Ordnung erhalten. Damit hat man eine erste
parametrische Familie der Runge-Kutta-Verfahren der Ordnung 2.
1
1
, c2 =
. Das Verfahren bekommt dann die Form:
Sei b2 = b1 = 1 , a21 =
2
2


1
1
ym+1 = ym + hm F, F = (1 ) f (xm , ym ) + f xm +
hm , ym +
hm f (xm , ym ) .
2
2
F
ur = 1 Beispiel 7.5.
1
F
ur = ein anderes Verfahren
2
k1
k2
ym+1

= f (xm , ym )
= f (xm + hm , ym + hm k1 )
1
= ym + hm (k1 + k2 )
2

Approximation des impliziten Trapez-Verfahrens (Beispiel 7.4).


Lemma 7.8. Es existiert kein 2-stufiges Runge-Kutta-Verfahren der Ordnung 3.
Beweis. Betrachte das Anfangswertproblem f
ur die Differentialgleichung: y 0 = y und hm =
h,
k1 = y m
k2
ym+1



1
1
= ym + h ym = 1 + h
ym
2
2
 


1
ym
= ym + h (1 ) ym + 1 + h
2




h2
h2
=
1 + h h + h +
ym = 1 + h +
ym = ym + hF
2
2

Der Approximationsfehler ist damit




h
y (xm+1 ) y (xm )
(1)
1+
y (xm )
m =
2
h


h
h
= y + y y 0 y 00 + O h2 = O h2 .
2
2

(y 00 = y 0 = y!)

Frage: Wie hoch ist die mit einem s-stufigen Verfahren erreichbare maximale Konsistenzordnung (p)? Die folgende Tabelle zeigt die Anzahl der Bedingungsgleichungen:

68

7.4 Runge-Kutta-Methoden der Ordnung 3


s
1 2 3 4 5 6 7
Anzahl 1 2 4 8 17 37 85

8
200

Sei p (s) die maximale mogliche Approximationsordnung eines s-stufigen Runge-KuttaVerfahrens. Die folgende Tabelle ist von Butcher bewiesen:
s
p (s)

1 2 3 4 5 6
1 2 3 4 4 5

7 8 9 s9
6 6 7 s2

D. h. das Verhaltnis wird etwas schlechter.

7.4 Runge-Kutta-Methoden der Ordnung 3


Das Schema von Butcher hat die Form:
0 0
0 0
c2 a21 0 0
c3 a31 a32 0
b1 b2 b3
Das Runge-Kutta-Verfahren
k1 = f (xm , ym )
k2 = f (xm + c2 hm , ym + hm a21 k1 )
k3 = f (xm + c3 hm , ym + hm a31 k1 + hm a32 k2 )
ym+1 = ym + hm (b1 k1 + b2 k2 + b3 k3 ) ,
d. h.
F (xm , ym , hm ) =

3
X

bj kj .

s=1

Die Benutzung der Taylor-Reihe ergibt (hm = h)


k1 = f
k2
k3



h2 2
= f + c2 hfx + ha21 fy k1 +
c2 fxx + 2fxy k1 c2 a21 + a221 fyy k12 + O h3
2
= f + c3 hfx + (a31 k1 + a32 k2 ) hfy

h2 2
c3 fxx + 2c3 (a31 k1 + a32 k2 ) fxy + (a31 k1 + a32 k2 )2 fyy
+
2

Mit k1 = f, k2 = f + c2 hfx + a21 hfy f + O (h2 ) folgt


h2  2
k3 = f + h [c3 fx + (a31 + a32 ) f fy ] +
c3 fxx + 2c3 (a31 + a32 ) f fxy
2



+2 a32 c2 fx fy + a32 a21 f fy2 + (a31 +a32 )2 f 2 fyy + O h3 .

69

7 Einschrittverfahren f
ur Anfangswertprobleme
Damit:
F = b1 k1 + b2 k2 + b3 k3
= (b1 + b2 + b3 ) f + h ((c2 b2 + c3 b3 ) fx + (b2 a21 + b3 (a31 + a32 )) f fy )

h2 
+
b2 c22 + b3 c23 fxx + 2 (b2 c2 a21 + b3 c3 (a31 + a32 )) f fxy + 2b3 c2 a32 fx fy
2



+2b3 a32 a21 f fy2 + b2 a221 + b3 (a31 + a32 )2 f 2 fyy + O h3 .
Der Differenzquotient

y (xm+1 ) y (xm )
zerlegt sich in
hm

hm 00
h2m 000
y (xm+1 ) y (xm )
0
= y (xm ) +
y (xm ) +
y (xm ) + O (h3m )
hm
2
6

h
h2
= f + (fx + fy f ) +
fxx + 2fxy f + fyy f 2 + fx fy + fy2 f .
2
6
Das Residuum kann damit wie folgt dargestellt werden:
h
(1)
m = (b1 + b2 + b3 1) f + ((2 (c2 b2 + c3 b3 ) 1) fx
2
h2
[(3 (b2 c22 + b3 c23 ) 1) fxx
+ (2 (b2 a21 + b3 (a31 + a32 )) 1) f fy ) +
6
+ (6 (b2 c2 a21 + b3 c3 (a31 + a32 )) 2) f fxy + (6b3 c2 a32 1) fx fy
+ (6b3 a32 a21 1) f fy2 + 3 b2 a221 + b3 (a31 + a32 )2 1 f fyy + O (h3 ) .
Die Bedingungsgleichungen sind

b1 + b2 + b3 = 1

c2 b2 + c3 b3 = b2 a21 + b3 (a31 + a32 ) =


2
1
2
2

b2 c2 + b3 c3 = b2 c2 a21 + b3 c3 (a31 + a32 ) = b2 a221 + b3 (a31 + a32 )2 =

b3 c2 a32 = b3 a32 a21 =


6
Die Parameter sind durch diese Gleichungen nicht eindeutig bestimmt:

1
b1 = 1 b2 b3

c 2 b2 + c 3 b3 =

1
c2 = a21
b2 c22 + b3 c23 =

b3 c2 a32 = 1
c3 = a31 + a32
6
Bemerkung: b3 6= 0, c2 6= 0, a32 6= 0, a21 6= 0.
Die Runge-Kutta-Methode lautet jetzt:
k1
k2
k3
ym+1

70

= f (xm , ym )
= f (x
 m + c2 hm , ym + c2 hm k1 )

hm
= f xm + c3 hm , ym + c3 hm k1 +
(k2 k1 )
6b3 c2
= ym + hm ((1 b2 b3 ) k1 + b2 k2 + b3 k3 )

7.5 Einige Runge-Kutta-Methoden hoherer Ordnung


wobei
c 2 b2 + c 3 b3 =

1
2

1
und c22 b2 + c23 b3 = .
3

Die Approximationsordnung ist 3.


Zweiparametrische Familie der Runge-Kutta-Methoden der Ordnung 3, z. B. c2 , c3 frei,
aber c2 6= 0, c3 6= 0, c2 6= c3

b2 =

3c3 2
;
6c2 (c3 c2 )

b3 =

2 3c3
.
6c3 (c3 c2 )

F
ur c3 = 0 c2 = 32 , b2 = 34 , b3 frei.
3
2
Einparametrische Familie: F
ur c2 = c3 = b2 +b3 = eine andere einparametrische
3
4
Familie der Runge-Kutta-Methoden.

Beispiel 7.9. Methoden von Heun

0 0 0 0
1
1
0 0
a) 2 2
1 1 2 0
1
6

4
6

b)

1
6

0 0 0 0
1
1
0 0
3
3
2
2
0
0
3
3
1
0 34
4

Simpson-Formel!

7.5 Einige Runge-Kutta-Methoden h


oherer Ordnung
7.5.1 Methoden der 4. Ordnung
Gills-Formeln:

Standard Runge-Kutta-Formeln:
0

0
1
2
1
2

1
2

1
2

1
2

1
2

1
2

21
2

1 2
2

1
6

2 2
6

1 0 0 1
1
6

1
3

1
3

1
6

2
2

1+

2
2

2+ 2
6

1
6

71

7 Einschrittverfahren f
ur Anfangswertprobleme
3
-Regel:
8

Optimale Formeln von Kuntzmann


0

0
1
3

1
3

2
3

13

1
1 1

1
8

3
8

3
8

2
5

2
5

3
5

3
20

3
4

19
44

15
44

40
44

55
360

125
360

125
360

1
8

55
360

7.5.2 Methoden der 5. Ordnung


Nystr
om-Formeln

Butcher-Formeln
0

0
1
3

1
3

2
5

4
25

6
25

1
4

12
4

15
4

2
3

6
81

90
81

50
81

8
81

4
5

6
75

36
75

10
75

8
75

23
192

125
192

81
192

1
8

1
8

1
4

1
4

1
2

1
2

3
4

3
16

9
16

4
7

12
7

12
7

8
7

32
90

12
90

32
90

1 57
125
192

7
90

7
90

Grigorieff, Numerik gew. Differentialgleichungen. Teubner, 1973

7.6 Konvergenz von Runge-Kutta-Methoden


Eine Runge-Kutta-Methode hat die Form (hm = h = const).

s
P
ym+1 ym

=
bi ki ,

i=1

72

ki

= f

xm + ci h, ym + h

i1
P

!
aij kj

j=1

k1

= f (xm , ym ), d. h. ki = ki (ym )

, i = 2, . . . , s

7.6 Konvergenz von Runge-Kutta-Methoden


Der Fehler zm = ym y (xm ) erf
ullt die Gleichung
zm+1 zm
(2)
= (1)
m + m ,
h
mit
(1)

(2)
m

s
P
i=1
s
P

bi ki (y (xm ))

m = 0, 1, . . . ,
y (xm+1 ) y (xm )
,
h

bi (ki (ym ) ki (y (xm ))) .

i=1

Da die Anfangsbedingung y (x0 ) = y0 exakt erf


ullt ist, z0 = y0 y (x0 ) = 0. Es gilt
auch xm = x0 + m h X = const. Die Funktion f (x, y) erf
ulle auf G eine L-Bedingung.
F
ur die Differenz ki (ym ) ki (y (xm )) ergibt sich dann (i 2)
ri = kki (ym ) ki (y (xm ))k

!
!
i1
i1


X
X


= f xm + ci h, ym + h
aij kj (ym ) f xm + ci h, y (xm ) + h
aij kj (y (xm ))


j=1
j=1
"
#
i1
X
L kym y (xm ) k +h
|aij | k kj (ym ) kj (y (xm )) k
j=1

= L k zm k +Lha

i1
X

rj , mit a = max |aij |


2is
1ji1

j=1

und damit
ri+1 Lha

i
P

rj + L k zm k . ()

j=1

Lemma 7.10. F
ur die Folge ri gilt
ri (1 + Lah)i1 L k zm k .
Beweis. (Vollstandige Induktion)
F
ur i = 1 erhalten wir
r1 = k k1 (ym ) k1 (y (xm )) k
= k f (xm , ym ) f (xm , y (xm )) k L k ym y (xm ) k= L k zm k .
Aus () und der Induktionsvoraussetzung
rj (1 + Lah)j1 L k zm k

j = 1, 2, . . . , i 1

ergibt sich f
ur ri+1 :

i
P

(1 + Lah)j1 L k zm k +L k zm k
j=1
!
(1 + Lah)i 1
+ 1 L k zm k= (1 + Lah)i L k zm k .
Lha
1 + Lah 1

ri+1 Lha

73

7 Einschrittverfahren f
ur Anfangswertprobleme
(2)

Jetzt sind wir in der Lage, die Funktion m abzuschatzen: (b = max |bi |)
1is

(2)
m

s
X

|bi | k ri k bL k zm k

i=1

s
X

(1 + Lah)i1

i=1
s

= bL k zm k

(1 + Lah) 1
bL k zm k s (1 + Lah)s1
Lah

F
ur den Fehler ergibt sich damit:
(1)

(2)

(1)

k zm+1 kk zm k +h k m k +h k m k (1 + (h) h) k zm k +h k m k, ()
wobei (h) = s (1 + Lah)s1 bL und lim (h) = sbL.
h0

F
ur h h0 gilt auch (h) sbLeLah0 (s1) = gleichmaige Beschranktheit von (h)
(z.B. f
ur h0 = X x0 ). Aus () folgt induktiv:
m+1

k zm+1 k (1 + (h) h)

k z0 k +h
| {z }
=0

m
X

(1)

(1 + (h) h)mj k j k

j=0
(1)

h (1 + (h) h)m (m + 1) max k j k


0jm

(1)

(xm+1 x0 ) e(h)(xm x0 ) max k j k


0jm

(X x0 ) e

(Xx0 )

(1)

max k j k .

0jm

Damit haben wir den folgenden Satz bewiesen:


Satz 7.11. Die Funktion f (x, y) sei auf G stetig und erf
ulle eine L-Bedingung. F
ur den
Fehler einer s-stufigen Runge-Kutta-Methode gilt dann die Abschatzung:
(1)

k zm k=k ym y (xm ) k (X x0 ) e(Xx0 ) max k j k,


0jm

wobei
= sbLeLah0 (s1) ,
h h0
a = max 2is |aij |,
b = max |bi |.
1ji1

1is

Folgerung:
Wenn eine Runge-Kutta-Methode die gegebene Gleichung approximiert, dann konvergiert
sie auch und die Fehlerordnung ist mit der Approximationsordnung (Konsistenzordnung)
identisch.

74

7.7 Implizite Runge-Kutta-Verfahren

7.7 Implizite Runge-Kutta-Verfahren


Die expliziten Runge-Kutta-Formeln sind ein Spezialfall von Formeln
!
s
P
ki
= f xm + ci hm , ym + hm
aij kj ,
i = 1, . . . , s,
j=1

ym+1 = ym + hm

s
P

bi k i ,

m = 0, 1, . . . ,

i=1

die als implizite Runge-Kutta-Verfahren bezeichnet werden.


Die Butcher Form:
c A
, c, b Rs , A Rss .
>
b
Problem:
Losung eines nichtlinearen Gleichungssystems f
ur (k1 , . . . , ks ) = K Rns f
ur alle m =
0, 1, . . ..
Vorteile:
1. Mehr Parameter zur Verf
ugung
hohere Konsistenzordnung (bis p = 2s !! f
ur Gau-Form)
2. g
unstige Stabilitatseigenschaften
Es sind drei Formel-Typen von Interesse:
1. Gau-Form c, b Rs , A Rss frei,
Gau-Integration p = 2s!
2. Radau-Form
a) c1 = 0, a1j = 0, j = 1, . . . , s k1 = f (xm , ym )
oder
b) cs = 1, ais = 0, i = 1, . . . , s ks = f

xm + hm , ym + hm

s1
P

!
asj kj

j=1

Approximationsordnung: p = 2s 1
3. Lobatto-Form
c1 = 0, a1j = 0, j = 1, . . . , s
und
cs = 1, ais = 0, i = 1, . . . , s, p = 2s 2

75

7 Einschrittverfahren f
ur Anfangswertprobleme
Beispiel 7.12. Gau-Form

a) s = 1 p = 2
1
2

1
2

= f xm + 12 hm , ym + 12 hm k1
= ym + hm k1 .

k1
ym+1

b) s = 2 p = 4

3 3
6

1
4

32 3
12

3+ 3
6

3+2 3
12

1
4

1
2

1
2

c) s = 3 p = 6

5 15
10

5
36

103 15
45

256 15
180

1
2

10+3 15
72

2
9

103 15
72

5+ 15
10

25+6 15
180

10+3 15
45

5
36

5
18

4
9

5
18

Beispiel 7.13. Radau-Form

a) s = 1 p = 1
0 0
1

, d. h.

k1
ym+1

= f (xm , ym )
= ym + hm k1 Euler-Polygonzug.

b) s = 2 p = 3
1
3

0 0 0
2
3

1
3

1
3

1
4

3
4

1 1 0

oder

3
4

c) s = 3 p = 5

76

1
3

4 6
10

24 6
120

2411 6
120

4+ 6
10

24+11 6
120

24+ 6
120

6 6
12

6+ 6
12

16 6
36

16+ 6
36

1
9

1
4

7.7 Implizite Runge-Kutta-Verfahren


Beispiel 7.14. Lobatto-Form

a) s = 2, p = 2
0 0 0
1 1 0
1
2

Runge-Kutta-Methode der 2. Ordnung

1
2

b) s = 3, p = 4
0 0 0 0
1
1
1
0
2
4
4
1 0 1 0
1
6

2
3

1
6

Wir wenden uns nun der Losung der impliziten Gleichungen


ki = f

xm + ci hm , ym + hm

s
X

!
aij kj

, i = 1, . . . , s ()

j=1

zu.
Satz 7.15. Die Funktion f (x, y) sei auf G stetig und erf
ulle eine L-Bedingung. Unter
der Voraussetzung (d. h. h < h0 )
q = L h k A k < 1

k A k = max

1is

s
X

!
|aij |

j=1

existieren eindeutig bestimmte Losungen des Gleichungssystems (), die mit Hilfe der
Methode der einfachen Iteration (Fixpunktiteration) bestimmt werden konnen:
(l+1)

ki

=f

xm + ci hm , ym + hm

s
P

!
(l)

aij kj

, i = 1, . . . , s,

j=1

l = 0, 1, . . .

(0)

, ki

Rn ,

i = 1, . . . , s.

Beweis. Die Vektoren ki , i = 1, . . . , s werden zu einem Vektor k = k1> , . . . , ks>


zusammengefat und mit der -Norm in Rns versehen:

>

Rns

k k k, Rns = max k ki k, Rn .
1is

Das System () kann damit in der Form


k = F (k), F (k) = F1> (k), . . . , Fs> (k)

>

77

7 Einschrittverfahren f
ur Anfangswertprobleme
geschrieben werden. F
ur zwei Vektoren k, k 0 Rns folgt
k F (k) F (k 0 ) k, Rns = max k Fi (k) Fi (k 0 ) k, Rn
1is
!
s
X
= max k f xm + ci hm , ym + hm
aij kj f
1is

xm + ci hm , ym + hm

j=1

L hm max k
1is

s
X

1is

L h max k kj kj0 k max


1js

1is

s
X

!
aij kj0

j=1


aij kj kj0 k L h max

j=1

s
X

s
X

| aij |k (kj kj0 ) k

j=1

| aij |

j=1

= L h k A k k k k k, Rns = q k k k 0 k, Rns .
Es gilt damit
k F (k) F (k 0 ) k,Rns q k k k 0 k, Rns , q < 1.
Damit ist F eine strikte Kontraktion auf Rns und der Banachsche Fixpunktsatz ergibt
die Existenz und Eindeutigkeit sowie die Konvergenz der Fixpunktiterationen:

k (l+1) = F k (l) , l = 0, 1, . . . , k (0) Rns .

7.8 Zus
atzliche Bemerkungen
Der Fehler eines Runge-Kutta-Verfahrens ist
(2)
zm+1 = zm + h(1)
m + hm ,
(1)

(2)

wobei hm der durch die Diskretisierung entstandene Approximationsfehler ist. hm ist


der Verfahrensfehler. Der Fehler pflanzt sich im Laufe der schrittweisen Integration fort.
Beispiel 7.16. Inharente Instabilitat

u01 (x) = u2 (x),


u1 (0) =
0
u2 (x) = 10u1 (x) + 9u2 (x), u2 (0) =
oder in der Matrixform:


u = Au, A =


 
0 1
1
>
, u = (u1 , u2 ) , u(0) =
10 9
1

ein lineares, homogenes Differentialgleichungssystem.


Suche die Losung in der Form

d. h.

u(x) = uex , C, u Rn , u = const.


u0 (x) = uex , Au(x) = ex Au,
Au(x) = ex Au Au = u

ein Matrixeigenwertproblem.

78

7.8 Zusatzliche Bemerkungen


Der Algorithmus:
a) Alle Eigenwerte i C der Matrix A bestimmen, i = 1, . . . , n.
b) Alle Eigenvektoren ui Rn der Matrix A bestimmen.
c) F
ur mehrfache Eigenwerte, die weniger Eigenvektoren besitzen als ihre algebraische
Vielfachheit, bestimme man alle Hauptvektoren aus u mittels der Beziehung
(A I) v1 = u, (A I) v2 = v1 usw.
d) F
ur alle Eigenwerte u(x) = ex u eine Losung.
e) F
ur alle Hauptvektoren der Stufe l:(d.h. (A I)l1 v 6= 0, (A I)l v = 0) ist
u(x) = e



xl1
l1
v + x (A I) v + . . . +
(A I) v
(l 1)!

eine Losung,
d. h. f
ur lineare Differentialgleichungssysteme existiert immer ein System von Losungen
Fundamentalsystem.
U (x) = (u1 (x), . . . , un (x)) Rnn .
Die Losung ist u(x) = U (x) c, c Rn
u(x0 ) = u0 u0 = U (x0 )c c = U (x0 )1 u0 und damit u(x) = U (x)U (x0 )1 u0 .
Beispiel 7.17. Fortsetzung vom vorherigen Beispiel:
Eigenwerte:




0 1

1
A =
(A I) =
10 9
10 9
det(A I) = 2 9 10 = 0 1 = 1, 2 = 10
Eigenvektoren:


 
1
1
1


 
 
u1 =

10
10
1
1
1
x
10x


  U (x) = e
,e
10 1
1
1
10

u2 =

10 1
10
Die Losung:



 
 
1 1
1

U (x) =
, U (0)c =
c=
1 10
1
0

u(x) = U (x)
u1 (x) = ex , u2 (x) = ex
0

79

7 Einschrittverfahren f
ur Anfangswertprobleme
alles ok, aber betrachtet man das gleiche Problem mit leicht gestorten Anfangsdaten:
()

()

u (0) = + , u2 (0) = , 0.
 1

10

()
()
u1 (x) = + ex + e10x , u2 (x) = . . .
11
11
()

Die Differenz der Losung u1 (x) und der Losung u1 (x), die aus den gestorten Anfangs 10x
werten entstanden ist, ist 11
e und wird z. B. f
ur = 108 , x = 2.5 65.

Kleine Abweichung in den Anfangswerten groe Anderung


der Losung, d. h. Stabilitatsprobleme,
Approximationsfehler inharente Instabilitat.

80

8 Mehrschrittverfahren
Das Anfangswertproblem: y 0 = f (x, y), y(x0 ) = y0 , y(x) =?

8.1 Grundbegriffe, Bezeichnungen


Das Intervall [x0 , X] wird mit Hilfe einer konstanten Schrittweite h > 0 diskretisiert
x0 < x1 < x2 < . . . < xn = X,

xk = x0 + kh,

h=

X x0
.
n

Es wird wie vorher die Bezeichnung yk f


ur eine Naherung an y(xk ) benutzt, auerdem
fk = f (xk , yk ).
Definition 8.1. Eine Differenzengleichung m-ter Ordnung
a0 yk + . . . + am ykm
= b0 fk + b1 fk1 + . . . + bm fkm , ()
h
mit a0 6= 0 heit lineares m-Schrittverfahren.
Bemerkung
Die Berechnung beginnt mit k = m, d. h. mit der Gleichung
a0 ym + . . . + am y0
= b 0 fm + . . . + b m f0 ,
h
wobei y0 gegeben ist und die Naherungen y1 , . . . , ym1 z. B. mit Hilfe von Runge-Kutta
bestimmt sind. Das Verfahren () ist explizit f
ur b0 = 0 und implizit f
ur b0 6= 0. Bei
der Benutzung eines impliziten m-Schrittverfahrens ist es notwendig, die algebraische
Gleichung
m 

X
a0
aj
yk b0 f (xk , yk ) =
bj fkj ykj
h
h
j=1
(0)

f
ur alle k m zu losen (z. B. mit Newton-Verfahren und yk = yk1 ).
Bemerkung
Die Koeffizienten des Verfahrens () sind bis auf einen konstanten Faktor (6= 0) bestimmt.
Deswegen nehmen wir an, da die folgende Bedingung immer erf
ullt ist:
m
X

bj = 1.

j=0

81

8 Mehrschrittverfahren
Besonders verbreitet sind sogenannte Adams-Verfahren mit
a0 = 1, a1 = 1, a2 = . . . = am = 0, d. h. m-Schrittverfahren der Form
m

yk yk1 X
=
bj fkj ,
h
j=0

k = m, m + 1, . . . ,
y0 , . . . , ym1 gegeben.

8.2 Approximationsfehler der Mehrschrittverfahren


Definition 8.2. Die Funktion
k =

m
X
aj
j=0

y (xkj ) +

m
X

bj f (xkj , y (xkj )) ,

km

j=0

heit Approximationsfehler des Verfahrens (). Analog zu den Runge-Kutta-Verfahren


spielt eine Untersuchung der Approximationsordnung (Konsistenzordnung)
k = O (hp ) ,

h0

eine wichtige Rolle f


ur den Konvergenzbeweis.
Wir nehmen an, dass alle Funktionen immer hinreichend glatt sind. Die Funktionswerte
y (xkj ) werden mit Hilfe der Taylor-Reihe reprasentiert:
y (xkj ) =

p
X

(jh)l y (l) (xk )
+ O hp+1 .
l!
l=0

Analog:
p1
X
(jh)l y (l+1) (xk )
+ O (hp ) .
f (xkj , y (xkj )) = y (xkj ) =
l!
l=0
0

Die Gleichung f
ur den Approximationsfehler ist damit
!
!
p
p1
m
m
X
X
X
aj X (jh)l y (l) (xk )
(jh)l y (l+1) (xk )
k =
+
bj
+ O (hp )
h
l!
l!
j=0
j=0
l=0
l=0
p
p
m
m
X
X
aj (jh)l y (l) (xk ) X X (jh)l1 y (l) (xk )
=
+
+ O (hp )
bj
h
l!
(l

1)!
l=0 j=0
l=1 j=0
!

! (l)
p
m
m
X
X
X
aj
ja
y (xk )
j
=
y (xk ) +
(jh)l1
+ bj
+ O (hp ) .
h
l
(l

1)!
j=0
j=0
l=1

Die Bedingungsgleichungen f
ur eine Approximation der Ordnung p sind damit:
m
X
j=0

82

aj = 0 ;

m
X
j=0

j l1 (jaj + lbj ) = 0,

l = 1, . . . , p.

8.3 Beispiele von Mehrschrittverfahren


Es gilt auerdem wie vereinbart:
m
X

bj = 1.

j=0

Damit sind p + 2 algebraische Gleichungen mit Hilfe von 2(m + 1) Koeffizienten des
Verfahrens (), a0 , . . . , am und b0 , . . . , bm zu erf
ullen. Dieses System kann etwas vereinfacht
werden: F
ur
l=1

m
X

jaj +

j=0

m
X

bj = 0

j=0

m
X

jaj = 1 =

j=0

m
X

jaj .

j=1

Es gilt auerdem
a0 =

m
X

aj , b 0 = 1

j=1

m
X

bj

j=1

und schlielich
m
X

jaj = 1 ;

j=1

m
X

j l1 (jaj + lbj ) = 0,

l = 2, . . . , p,

j=1

d. h. ein System aus p Gleichungen mit 2m Unbekannten aj , bj , j = 1, . . . , m.


Angenommen, es existiert eine Losung, (d. h. in der Regel p 2m).
Die hochste Approximationsordnung eines impliziten m-Schrittverfahrens ist 2m und eines
expliziten m-Schrittverfahrens 2m 1 (da ein Parameter weniger!!).
F
ur die Adams-Verfahren haben die Bedingungen f
ur Approximationsordnung p die Form:
a2 = . . . = am = 0 a1 = 1 a0 = 1 ok
m
m
P
P
l
j l1 bj = 1, l = 2, . . . , p , b0 = 1
bj
()
j=1

j=1

p 1 Gleichungen f
ur m Unbekannte bj ; j = 1, . . . , m. Damit ist hochstens eine
Approximationsordnung von p = m + 1 (implizit) oder p = m (explizit) zu erwarten.
Bemerkung
F
ur die praktische Berechnung und f
ur die Konvergenz wird auch die Stabilitat benotigt.
Dabei stellt sich heraus, dass die Methoden mit hochster Approximationsordnung instabil
und damit ungeeignet sind. Die Stabilitatsbedingungen werden nur f
ur p m+1 (implizit,
m-ungerade), p m + 2 (implizit, m-gerade) oder p m f
ur ein explizites Verfahren
erf
ullt. (Vgl. Adams-Verfahren).

8.3 Beispiele von Mehrschrittverfahren


Einfachste Mehrschrittverfahren sind explizite Adams-Verfahren (b0 = 0):
m

yk yk1 X
=
bj fkj .
h
j=1

83

8 Mehrschrittverfahren
Die hochste Approximationsordnung ist mit
m
X

1
j l1 bj = ,
l
j=1

l = 1, . . . , m

(ein LGS!!)

gleich m.

yk yk1
= fk1 , das Eulersche Polygonzugverfahren.
F
ur m = 1 ergibt sich b1 = 1,
h
F
ur m = 2:

   
3
1
1 1
b1
1
= 1 b1 = , b 2 =
1 2
b2
2
2
2
oder

3
1
yk yk1
= fk1 fk2 , das Adams-Verfahren der Ordnung 2.
h
2
2
F
ur m = 3:
23
16
5
b1 = , b 2 = , b 3 = ,
12
12
12
yk yk1
1
=
(23fk1 16fk2 + 5fk3 ) , k = 3, 4, . . .
h
12
F
ur m = 4:
1
yk yk1
=
(55fk1 59fk2 + 37fk3 9fk4 ) , k = 4, 5, . . . .
h
24
Die impliziten Adams-Verfahren besitzen die hochste Approximationsordnung p = m + 1.
F
ur
m = 1 p = 2 ()
1
2 b1 = 1 b1 = b0 =
2
und damit
yk yk1
1
= (fk + fk1 )
h
2

- implizites Trapez-Verfahren
(siehe Bespiel 7.4).

F
ur m = 2, p = 3:
yk yk1
1
=
(5fk + 8fk1 fk2 ) , k = 2, . . . .
h
12
F
ur m = 3, p = 4:
yk yk1
1
=
(9fk + 19fk1 5fk2 + fk3 ) , k = 3, . . . .
h
24
Um die Naherung yk zu erhalten, werden oft folgende Iterationen durchgef
uhrt:
(s+1)
yk

= yk1 + hb0 f

(s)
xk , y k

+h

m
X
j=1

84

bj fkj ,

8.4 Differenzengleichungen mit konstanten Koeffizienten


(0)

wobei s die Iteration bezeichnet. Als Anfangsnaherung benutzt man z. B. den Wert yk ,
der sich mit Hilfe
des expliziten Adams-Verfahrens der Ordnung m ergibt. Unter der

Voraussetzung f
M konvergieren die Iterationen f
ur h gen
ugend klein, d. h.
y
b0 hM < 1.
F
ur s = 0, d. h. wenn man nur eine Iteration durchf
uhrt, heit das Verfahren Pradikator
Korrektor.
(0)
Voraussage: yk mit der Ordnung m
(1)
Korrektur: yk mit der Ordnung m + 1.

8.4 Differenzengleichungen mit konstanten Koeffizienten


Wir betrachten eine homogene Differenzengleichung der Ordnung m:
a0 n + a1 n1 + . . . + an nm = 0 , n = m, m + 1, . . .
a0 6=0

()

mit Koeffizienten aj , j = 0, . . . , m, die von n unabhangig sind. Die Losungen dieser


Gleichung werden in der Form n = q n , q R gesucht. F
ur q = 0 erhalten wir die triviale
Losung (am = 0) n = 0, n = 0, 1, . . .. F
ur q 6= 0 ergibt sich
a0 q n + a1 q n1 + . . . + am q nm = 0,

| q mn

a0 q m + a1 q m1 + . . . + am = 0.

()

oder

Diese Gleichung heit charakteristische Gleichung. Damit: n = q n genau dann eine


Losung von (), wenn q eine Nullstelle des charakteristischen Polynoms ist. Besitzt das
charakteristische Polynom eine mehrfache Nullstelle q (Vielfachheit = r), dann sind alle
Funktionen
vn = nj q n , j = 0, 1, . . . , r 1
partikulare Losungen von () (ohne Beweis!).
Das Anfangswertproblem f
ur die Gleichung () formuliert man wie folgt:
Finde eine Funktion n , n = 0, 1, . . ., die der Gleichung () gen
ugt sowie die gegebenen
Werte 0 , . . . , m1 annimmt.
Die Losung dieser Aufgabe existiert und ist eindeutig:
n =

m
1 X
aj nj , n = m, m + 1, . . .
a0 j=1

Definition 8.3. Die Gleichung () ist stabil bez


uglich den Anfangswerten 0 , 1 , . . . , m1 ,
wenn
|n | c max |j |, n = m, m + 1, . . . .
0jm1

Die Stabilitat bedeutet damit die bez


uglich n gleichmaige Beschranktheit der Losung von
().

85

8 Mehrschrittverfahren
Satz 8.4. F
ur die Stabilitat der Gleichung () bez
uglich der Anfangswerte ist die folgende
Bedingung (Nullstellenbedingung) notwendig und hinreichend: Alle Nullstellen q1 , . . . qm
C des charakteristischen Polynoms F (q) = a0 q m + . . . + am liegen innerhalb oder auf dem
Rand des Einheitskreises |q| 1 der komplexen Zahlenebene und alle Nullstellen, die auf
dem Rand liegen, sind einfach.
Beweis. (Notwendigkeit)
Angenommen q mit |q| > 1 ist eine Nullstelle. F
ur die Anfangsbedingungen
j = q j , j = 0, . . . , m 1
ergibt sich die Losung
m
1 X
aj q nj = q n , n m, (q ist eine Nullstelle!),
n =
a0 j=1

die bez
uglich n offenbar unbeschrankt ist. Die Stabilitatsabschatzung ist unmoglich. Die
Bedingung |q| 1 ist damit notwendig.
(Hinlanglichkeit)
Die Gleichung () kann in der folgenden Matrixform geschrieben werden:
un
un
A

um1

= A un1 , wobei n = m, m + 1, . . .
T
m
= (v
nm+1 , vnm+2 , . . . , vn ) R
0
1
0 ... ... 0
0
0
1 0 ... 0

= ..
.

. . . . . . . . . aa10
aam0 am1
a0
= (v0 , . . . , vm1 )T Rm gegeben.

Rmxm ,

Das charakteristische Polynom der Matrix A, namlich det (A qI) ist mit F (q) bis auf
Faktor a0 6= 0 identisch, d. h. die Eigenwerte der Matrix A sind gleichzeitig Losungen
der charakteristischen Gleichung (). Sei V Cmm die Matrix aus Hauptvektoren der

Matrix A, d. h. die Ahnlichkeitstransformation


J = V AV 1
bringt die Matrix A zur Jordan-Normalform:
J = diag (J1 , . . . , Jl ) ,
wobei Jk entweder eine Zahl q (EW) oder ein Jordan-Kastchen ist:

q 
0
... ...

Jk =
, wobei  C.
.
. . 

0
q

86

8.4 Differenzengleichungen mit konstanten Koeffizienten


Die Konstruktion der Hauptvektoren erfolgt dabei wie folgt:
(A qI) u = 0
Eigenvektor
(A qI) v =  u Hauptvektor der Stufe 1
..
.
usw.
F
ur die -Norm der Matrix J ergibt sich
m




X




k J k = max
(J)ij = max |(J)ii | + (J)i, i+1 ,
1im

1im

j=1

wobei (J)i, i+1 = 0, wenn q eine einfache Nullstelle ist und damit |q| 1 gen
ugt, d. h.
|q| +  ist nur f
ur mehrfache Nullstellen moglich. Mehrfache Nullstellen liegen aber im
Inneren des Einheitskreises, d. h. |q| < 1. F
ur  gen
ugend klein erhalten wir damit
k J k 1.
Die Matrix V ist regular, damit ist es moglich, die folgende Norm auf Cm zu definieren:
k u k = max |(V u)i | =k V u k .
1im

F
ur die zugehorige Matrix-Norm ergibt sich:
k Au k
k V Au k
= sup
u6=0 k u k
u6=0 k V u k
1
k V V JV u k
k Jz k
= sup
= sup
=k Jz k 1
k V u k
u6=0
z6=0 k z k

k A k = sup

wobei z = V u. F
ur die Folge un = Aun1 ergibt sich damit
k un k

k A k k un1 k

k un1 k

. . . k um1 k .

In Cn sind alle Normen aquivalent, d. h. 1 , 2 , wobei 1 > 0 mit


1 k z k k z k 2 k z k
und damit
|vn | max |vni+1 | =k un k
1im

1
1
2
k un k
k um1 k
k um1 k = c max |vj |.
0jm1
1
1
1

Satz 8.4 ist damit vollstandig bewiesen.


Die nachste Aufgabe ist, die Losung der inhomogenen Gleichung
a0 vn + . . . + am vnm = hgnm , h > 0, gk , k = 0, 1, . . . ; v0 , . . . , vm1 gegeben
abzuschatzen.

87

8 Mehrschrittverfahren
Satz 8.5. Wenn f
ur die homogene Gleichung () die Nullstellenbedingung erf
ullt ist, dann
gilt f
ur die Losung der inhomogenen Gleichung die Abschatzung
|vn | c1 max |vj | + c2 h
0jm1

nm
X

|gj |;

j=0

d. h. die Gleichung ist stabil bez


uglich den Anfangswerten und der rechten Seite.
Beweis. In der Matrix-Form:
un = Aun1 + hGn1 , n = m, m + 1, . . . ,
T

Rm .
wobei un = (vnm+1,..., vn )T Rm , A siehe oben und Gn1 = 0, . . . , gnm
a0
Es gilt analog (siehe Satz 8.4)
k un k k un1 k +h k Gn1 k , n = m, m + 1, . . .
und damit
k un k k um1 k +h

n1
X

k Gj k .

j=m1

Die Aquivalenz
der Normen k k und k k f
uhrt zu
|vn |

max |vni+1 | = kun k

1im

n1
P
1
1
1
kun k kum1 k + h
kGj k
1
1
1 j=m1

P
2
2 n1
kum1 k + h
kGj k
1
1 j=m1
nm
P
= c1 max |vj | + c2 h
|gj | ,

0jm1

j=0
|g

.
dabei wurde benutzt, dass kGj k = j+1m
|a0 |
2
2
1
Die Konstanten sind c1 = 1 , c2 = 1 |a0 |

8.5 Konvergenz von Mehrschrittverfahren (einfache


Gleichungen)
Das Anfangswertproblem y 0 = f (x, y), y(x0 ) = y0 wird mit Hilfe eines m-Schrittverfahrens
m
m
P
1P
aj ykj =
bj fkj , k = m, m + 1, . . .
h j=0
j=0
y0 , . . . , ym1 gegeben, gelost.
Der Fehler zk = yk y(xk ) = yk uk
(mit uk = y(xk )) gen
ugt der folgenden Gleichung
m
m
m
m
P
P
1P
1P
aj zkj =
aj ukj +
bj (fkj f (xkj , ukj )) +
bj f (xkj , ukj )
h j=0
h j=0
j=0
j=0
(1)
(2)
= k + k ,
(1)

wobei der Approximationsfehler k des Verfahrens in Definition 8.2 definiert ist.

88

8.5 Konvergenz von Mehrschrittverfahren (einfache Gleichungen)


Satz 8.6. Die Funktion f (x, y) sei auf G stetig und nach y stetig differenzierbar. Das
charakteristische Polynom
F (q) = a0 q m + . . . + am
erf
ulle die Nullstellenbedingung. F
ur den Fehler des m-Schrittverfahrens gilt dann die
Abschatzung
|zk | = |yk y(xk )| M1 eM2 (Xx0 ) max |zj | + M3 h
0jm1

|a0 |
,
h h0 =
2|b0 |L

k
P

(1)

|j |,

j=m

|fy (x, y)| L.

Beweis. Der Mittelwertsatz f


ur die Funktion f (x, y) ergibt f
ur die Differenz
fkj f (xkj , ukj ) = f (xkj , ykj ) f (xkj , ukj )
= pkj zkj ,
wobei pkj = fy (xkj , ykj + zkj ), 0 1.
(2)
F
ur k gilt damit:
(2)
k

m
X

bj (fkj f (xkj , ukj )) = b0 pk zk +

j=0

m
X

bj pkj zkj .

j=1

Die Gleichung f
ur den Fehler ist jetzt:
(a0 hb0 pk ) zk +

m
X

(1)

(aj hbj pkj ) zkj = hk .

j=1

Aus h h0 =

|a0 |
folgt
2|b0 |L

|a0 hb0 pk | |a0 | h|b0 | |pk | |a0 | h|b0 |L |a0 |

|a0 |
> 0,
2

und damit gen


ugt der Fehler der Gleichung
zk

(1)
m a + hb p
P
k
j
j kj
=
zkj + h
a0 hb0 pk
a0 hb0 pk
j=1
(1)
m
m
P aj
P a0 bj pkj aj b0 pk
k
=
zkj + h
zkj + h
a0 hb0 pk
j=1 a0
j=1 a0 (a0 hb0 pk )
(1)
m a
m
P
P
k
j
=
zkj + h
dj zkj + h
.
a0 hb0 pk
j=1 a0
j=1

89

8 Mehrschrittverfahren
In der Matrix-Form:
Zk = (zkm+1 , . . . , zk )T Rm

T
(1)
k
k =
0, . . . , a0 hb0 pk
Rm

0
1 0 ... ...
0
0
0 1 0 ...
0

Rmm
.
A =
..

am
a1
... ... ... ... ...

a0
a0

0 ... 0
..

Bk = .
Rmm
0 ... 0
d1 . . . dn
Zk = AZk1 + hBk Zk1 + hk
Aus Satz 8.4 folgt k A k 1 und damit
k Zk k k Zk1 k +h k Bk k k Zk1 k +h k k k
F
ur k Bk k benotigen wir noch


a0 bj pkj aj b0 pk 2|a0 bj pkj aj b0 pk |
2L

(|a0 | |bj | + |aj | |b0 |) ,


|dj |
=

2
a0 (a0 hb0 pk )
|a0 |
|a0 |2
m
m
P
2L P
k Bk k =
|dj | c1 , c1 =
(|a0 | |bj | + |aj | |b0 |) .
|a0 |2 j=1
j=1
F
ur alle Vektoren x Rm gilt
k Bk x k = k V Bk x k =k (V Bk V 1 ) V x k k V Bk V 1 k k V x k
k V k k V 1 k k Bk k k x k c2 k Bk k k x k
und damit
k Bk k c2 k Bk k c3 , c3 = c1 c2 .
Die Abschatzung f
ur den Fehler lautet jetzt:
k Zk k (1 + hc3 ) k Zk1 k +h k k k
k
P
(1 + hc3 )km k Zm1 k +h
k j k
j=m

e(km)hc3 k Zm1 k +h

k
P

k j k , wobei (k m)h X x0 .

j=m

Aus der Aquivalenz


der Normen folgt:
k Zm1 k 2 k Zm1 k = 2 max k Zj k
0jm1
22 (1)
| |,
k j k 2 k j k
|a0 | j
1
|zk |

max |zki+1 | =k Zk k
k Zk k
0jm1
1
k
P
(1)
M1 eM2 (Xx0 ) max |zj | + M3 h
|j |
0jm1

90

j=m

8.5 Konvergenz von Mehrschrittverfahren (einfache Gleichungen)

Folgerung
Aus Approximation folgt Konvergenz, wenn zusatzlich |zj | 0 f
ur h 0 und j =
0, 1, . . . , m 1 gilt.
Beispiel 8.7. Explizites Euler-Verfahren

Anfangswertproblem: y 0 = y , y(x0 ) = y0 , > 0.


yk+1 = yk hyk , k = 0, 1, . . .
Differenzengleichung
yn + (h 1)yn1 = 0,
d. h. a0 = 1 , a1 = h 1. Das charakteristische Polynom ist
F (q) = q + (h 1) q1 = 1 h Nullstelle.
Die Nullstellenbedingung:
|1 h| 1 1 1 h 1
2 h 0 0 h 2
2
0h

Das explizite Euler-Verfahren ist nur bedingt stabil.


Beispiel 8.8. Implizites Euler-Verfahren

yk+1 = yk hyk+1 , k = 0, 1, . . . oder


(1 + h)yn yn1 = 0
Das charakteristische Polynom
(1 + h)q 1 = F (q) q1 =

1
|q1 | < 1 , h > 0
1 + h

das implizite Euler-Verfahren ist unbedingt stabil.


Beispiel 8.9. Verfahren 3. Ordnung



1 1
1
1
yk + yk1 yk2 + yk3 = fk2 , k = 3, 4, . . .
h 3
2
6
1
1
1
d. h.
a0 = , a1 = , a2 = 1 , a3 =
3
2
6
b0 = 0 , b1 = 0 , b2 = 1 , b3 = 0.
Approximationsordnung =?

91

8 Mehrschrittverfahren

3
X

1 1
1
aj = + 1 = 0
3 2
6
j=0

Es gilt:

3
X

bj = 1,

j=0

l=1:
l=2:

3
X

1
1
1
j 0 (jaj + 1 bj ) = + 0 + 1 1 2 + 3 + 1 = 0
3
2
6
j=0




1
1
0
0+20 +1
1 + 2 0 + 2 (1 2 + 2 1)
3
2


1
1 3
+3
3 + 2 0 = + = 2 p = 1.
6
2 2

Stabilitat??
Das charakteristische Polynom:
1 3 1 2
1
q + q + (1 + h)q + = F (q, h).
3
2
6
Die Wurzeln von F (q, 0) sind
3

2q + 3q 6q + 1 = 0 q1 = 1 , q2,3
d. h. |q1 | = 1 , aber
q1 ist einfach
5 + 33
0.186 < 1
|q2 | =

4

5 33


aber |q3 | =
2.686 > 1!


4

5 33
=
4

Die Wurzeln eines Polynoms hangen stetig von den Koeffizienten ab. Das bedeutet f
ur
hinreichend kleine Schrittweite h sind die q1 (h) ebenfalls paarweise verschieden und f
ur
h h0 gilt |q3 | > 2. Das Verfahren ist instabil.

92

9 Integration steifer
Differentialgleichungen
9.1 Grundbegriffe und Definitionen
Steife Systeme sind dadurch charakterisiert, dass die Losungen Komponenten mit stark
unterschiedlichem Wachstumsverhalten besitzen, z.B. schwach und sehr stark abklingende
Komponenten Regelungsprobleme, chemische Kinetik, Transportprobleme.
Beispiel 9.1. Zwei unabhangige Gleichungen

y10 = 1 y1 , y20 = 2 y2 ,

x > 0, 1 , 2 > 0

Die Losung ist


y1 (x) = y1 (0)e1 x , y2 (x) = y2 (0)e2 x
Sei nun 2 >> 1 . d.h. y2 (x) klingt weit schneller ab als y1 (x).
Explizites Eulerverfahren bedingte Stabilitat h 22 viel zu klein nach einer
Anfangsphase unnotig viel Rechenzeit + Akkumulierung der Rundungsfehler infolge
der groen Zahl von Schritten.
Beispiel 9.2. Lineares Differentialgleichungssystem
y 0 (x) = Ay(x),

A Rnn , A = const.

Die Bedingung der (Lyapunov-)Stabilitat ist Re(k ) < 0, k = 1, . . . , n.


Wenn die Matrix A diagonalisierbar ist, dann (A = V V 1 ) kann das System
y 0 = Ay mit v = V 1 y, y = V v
wie folgt umformuliert werden
y 0 = V v 0 = V V 1 y = V v oder v 0 = v
v10 = 1 v1 , . . . , vn0 = n vn , Re(k ) < 0
Beispiel 1.
Definition 9.3. Das lineare Differentialgleichungssystem
y 0 = Ay, A Rnn , A = const.
heit steif, wenn

93

9 Integration steifer Differentialgleichungen


1. Re(k ) < 0,
2. s =

k = 1, . . . , n

max |Re(k )|
min |Re(k )|

asymptotische Stabilitat

>> 1

Es gibt keine strenge Grenze zwischen steifen und normalen Systemen!!


F
ur A = A(x) definiert man analog
max |Re(k (x)|)
min |Re(k (x))|
Definition 9.4. Das lineare Differentialgleichungssystem
s(x) =

y 0 = A(x)y(x),

x [x0 , X]

heit steif auf [x0 , X], wenn


k = 1, . . . , n, x [x0 , X]

1. Re(k )(x) < 0,


2.

sup s(x) >> 1


x[x0 ,X]

F
ur ein nichtlineares Differentialgleichungssystem
y 0 = f (x, y), y, f Rn , x > x0

()

Sei y(x) eine fixierte Losung von () und v(x) eine andere Losung. Die Differenz
z(x) = v(x) y(x)
erf
ullt
z 0 (x) = v 0 (x) y 0 (x) = f (x, v) f (x, y) = f (x, z + y) f (x, y)
Die Funktion z(x) wird als eine kleine Storung der Losung y(x) betrachtet:
f (x, z + y) f (x, y) = Jy (f )(x, y)z + O(|z|2 )

(Taylorformel)

Damit ergibt sich die Gleichung f


ur z(x) in der Form
z 0 (x) = Jy (f )(x, y)z + O(|z|2 )
wobei die Matrix Jy (x, y) wie folgt definiert ist:
Jij =

fi
(x, y),
yj

i, j = 1, . . . , n

Bei der Vernachlassigung der Terme O(|z|2 ) erhalt man das System der ersten Naherung
w0 (x) = J(x, y)w(x).
Dieses System ist ein lineares, weil die Funktion y(x) fixiert ist. Die Definition der Steifigkeit hangt jetzt von [x0 , X] und der Testlosung y(x) ab:
Definition 9.5. Das Differentialgleichungssystem
y 0 = f (x, y)
heit steif auf [x0 , X] auf der Losung y(x), wenn
1. Re k (J(x, y)) < 0,
2.

sup s(x) >> 1


x[x0 ,X]

94

k = 1, . . . , n

9.2 Verschiedene Stabilitatsbegriffe

9.2 Verschiedene Stabilit


atsbegriffe
Die Untersuchung der Methoden zur Integration steifer Systeme wird gewohnlich zuerst
f
ur die Modellgleichung
y 0 = y, y C
durchgef
uhrt. Die Bedingung C ist wichtig, um alle moglichen Eigenwertlagen in C
zu erfassen. Ein m-Schrittverfahren f
ur diese Modellgleichung hat die Form
m
m
X
1X
aj ykj =
bj ykj ,
h j=0
j=0

oder

m
X

k = m, m + 1, . . .

(aj hbj )ykj = 0,

()

k = m, m + 1, . . .

j=0

Die charakteristische Gleichung lautet


m
X
(aj bj )q mj = 0,

= h C

j=0

Die Bedingung der Stabilitat (Nullstellenbedingung) ist zu allgemein. Deswegen f


uhrt
man einige engere Stabilitatsbegriffe ein. Die Nullstellen des charakteristischen Polynoms
qk , k = 1, . . . , m sind jetzt Funktionen von :
qk = qk (),

k = 1, . . . , m

Definition 9.6. Die Menge


S = { : C, qk () erf
ullen die Nullstellenbedingung}
heit Stabilitatsgebiet des Verfahrens.
Beispiel 9.7. Explizites Eulerverfahren
yk+1 = yk + hyk yk + (1 h)yk1 = 0
oder q (1 + ) = 0
Nullstelle: q1 () = 1 + ,
Stabilitatsgebiet: |1 + |2 = ( = + i) = ( + 1)2 + 2 1
Stabilitatsgebiet des expliziten Eulerverfahrens ist ein Kreis mit Radius 1 und Mittelpunkt (1, 0)
Beispiel 9.8. Implizites Eulerverfahren
yk+1 = yk + hyk+1 (1 )yk+1 yk = 0
1
Nullstelle q1 () =
1
|q1 | 1 |1 | 1 (1 )2 + 2 1

95

9 Integration steifer Differentialgleichungen


Die folgende Abbildung zeigt die Stabilitatsgebiete der beiden Eulerverfahren im Vergleich:

Definition 9.9. Ein m-Schrittverfahren heit A-stabil, wenn


{ : Re() < 0} S
erf
ullt ist.
Bemerkung
Ein A-stabiles Verfahren ist absolut und unbedingt stabil, wenn das Differentialgleichungssystem selbst stabil ist. (Re(k ) < 0, Lyapunov-stabil).
Das explizite Eulerverfahren ist nicht A-stabil.
Das implizite Eulerverfahren ist A-stabil.
Beispiel 9.10. Trapez-Verfahren zweiter Ordnung
h
(f (xk , yk ) + f (xk + h, yk+1 )) , k = 0, 1, . . .
2
F
ur die Modellgleichung erhalt man
1
1
yk+1 = yk + yk + yk+1 , oder
2
2
1
1
(1 )yk + (1 )yk1 = 0,
2
2
1 + 21
q() =
1 12
1
1
|q()| 1 |1 + |2 |1 |2
2
2
 2
1
1
1
1
(1 + )2 +
(1 )2 + ( )2
2
2
2
2
oder 0, d.h.
S = { : Re() 0}
yk+1 = yk +

Damit ist das Verfahren A-Stabil.

96

9.2 Verschiedene Stabilitatsbegriffe


Satz 9.11. Es existiert kein explizites A-stabiles m-Schrittverfahren der Form ().
Beweis. Die charakteristische Gleichung des Verfahrens lautet
m
X

(aj bj )q mj = 0 oder

j=0
m
P

aj q mj

j=0

= P
m

bj q mj

j=0

Ein explizites Verfahren erf


ullt a0 6= 0 und b0 = 0 und k : bk 6= 0, weil

m
P

bj = 1

j=0

vorausgesetzt ist. Sei b0 = b1 = . . . = bk1 = 0, bk 6= 0. Es gilt:


=

a0 q m + . . . + am
a0
q k , |q| >> 1, k 1
mk
bk q
+ . . . + bm
bk

Damit wird es f
ur Re() < 0, || immer mindestens eine Nullstelle des charakteristischen Polynoms geben, mit |q| > 1, d.h. diese Zahl
/S
Satz 9.12. [Dahlquist, 1963, BIT,3,24-43]
Die Approximationsordnung eines A-stabilen, (impliziten) m-Schrittverfahrens ist hochstens zwei. Die beste Genauigkeit hat dabei das Trapezverfahren 2. Ordnung, siehe Beispiel 9.10.
Die A-Stabilitat ist damit zu streng f
ur die Mehrschrittverfahren. Eine schwachere Forderung ist die so genannte A()-Stabilitat.
Definition 9.13. Ein m-Schrittverfahren heit A()-stabil, wenn
{ : C, |arg()| < } S
erf
ullt ist.

97

9 Integration steifer Differentialgleichungen


Bemerkung
A-Stabilitat und A( 2 )-Stabilitat sind aquivalent.
Von Grigorieff und Schroll wurde 1978 das folgende Resultat bewiesen.
Satz 9.14. F
ur jedes 0 < < /2 und f
ur jedes m N existiert ein A()-stabiles
m-Schrittverfaren der Ordnung m.
Das Verfahren
1
(25yk 48yk1 + 36yk2 16yk3 + 3yk4 ) = f (xk , yk )
12h
ist zum Beispiel von der Ordnung 4 und : A()-stabil. Dieses Verfahren ist ein Beispiel
f
ur die sogenannten rein impliziten Gear-Verfahren:
m

1X
aj ykj = fk ,
h j=0

k = m, m + 1, . . .

fk = f (xk , yk ), d.h. b0 = 1, b1 = b2 = . . . = bm = 0.
F
ur yk ist es notwendig die folgende algebraische Gleichung zu losen:
a0 yk hf (xk , yk ) =

m
X

aj ykj Iterationen!

j=1

Die Approximationsbedingungen nehmen f


ur ein Gear-Verfahren die Form
a0 =

m
X

m
X

aj ,

j=1

jaj = 1,

j=1

m
X

j l aj = 0, l = 2, . . . , p

j=1

an. Die maximale Approximationsordnung betragt damit p = m. Das Gleichungssystem


zur Bestimmung von aj , j = 1, . . . , m hat die Form
1a1 + 2a2 + . . . + mam = 1
1 a1 + 22 a2 + . . . + m2 am = 0
13 a1 + 23 a2 + . . . + m3 am = 0
..
.
2

1m a1 + 2m a2 + . . . + mm am = 0
und ist offenbar f
ur alle m eindeutig losbar.
F
ur m = 1 ergibt sich a1 = 1, a0 = 1,
yk = yk1 + hf (xk , yk ),
das implizite Eulerverfahren.

98

k = 1, 2, . . .

9.2 Verschiedene Stabilitatsbegriffe


F
ur m = 2 ergibt sich
(
a1 + 2a2 = 1
a1 + 4a2 = 0

3
1
a2 = , a1 = 2, a0 =
2
2

und damit

3
1
yk 2yk1 + yk2 = hf (xk , yk ),
2
2
das Gear-Verfahren der Ordnung 2.
F
ur m = 3 ergibt sich

k = 2, 3, . . .

11
3
1
yk 3yk1 + yk2 yk3 = hf (xk , yk ),
6
2
3

k = 3, 4, . . .

das Gear-Verfahren der Ordnung 3, usw.


Alle Gear-Verfahren besitzen gute Stabilitatseigenschaften. Das Verfahren zweiter Ordnung ist A-stabil. Die charakteristische Gleichung lautet:
1
3
( )q 2 2q + = 0
2
2
Die Bestimmung des Stabilitatsgebiets S kann wie folgt durchgef
uhrt werden:
=

3
1
2q 1 + q 2 .
2
2

Der Rand des Gebietes ist durch |q| = 1, d.h. q = ei gegeben. F


ur die Punkte auf
dem Rand S gilt damit
{ : =

3
1
2ei + e2i } = S
2
2

Diese Menge ist eine geschlossene Kurve in der C-Ebene:


 3


1

2
cos()
+
cos(2)
2
2
S =
, 0 < 2
2 sin + 12 sin(2)
F
ur die A-Stabilitat ist notwendig, dass Re(()) 0, 0 < 2. Es gilt


Re(()) = 0, (Re())0 () = 2 sin sin(2) = 2 sin (1 cos ) 0 f
ur 0
=0

d.h. Re(()) ist zuerst monoton wachsend, d.h. nicht negativ f


ur alle 0 . Danach
gilt (Re())(2 ) = (Re())(), (Im())(2 ) = (Im())(), d.h. S ist bez
uglich
der reellen Achse symmetrisch.
Das Gear-Verfahren zweiter Ordnung ist damit A-stabil. Die Verfahren 3. und 4. Ordnung
sind A()-stabil. Der Winkel kann dabei, wie folgt abgeschatzt werden.

99

9 Integration steifer Differentialgleichungen

-1

-2

Abbildung 9.1: Stabilitatsgebiet des Gear-Verfahrens zweiter Ordnung

Sei t = cos [1, 1] ein neuer Parameter. F


ur die Methode 3. Ordnung erhalten wir
(t) = (Re())(t) =

3
1
11
3t + (2t2 1) (4t2 3t)
6
2
3

1
= (1 t)2 (4t 1)
3

3
1
(t) = (Im())(t) = 3 1 t2 + 2 1 t2 t (3 1 t2 4 1 t2 (1 t2 ))
2
3
1
1 t2 (4t2 + 9t 8)
=
3
Die Bedingung f
ur die Tangente lautet
tan() =

(t)
0 (t)
= 0
(t)
(t)

Die einzige Losung dieser Gleichung ist t =

13
.
22

Damit gilt f
ur tan():

tan() 11.949 85.22 .


F
ur das Verfahren 4. Ordnung ergibt sich analog 73.35 .
Definition 9.15. Sei G C eine Teilmenge von C. Ein m-Schrittverfahren heit AG stabil, wenn G S gilt.
Beispiel 9.16. a) Ein Verfahren heit asymptotisch absolut stabil in der Richtung
[0, 2), wenn ein q0 > 0 existiert, so dass
{q : q C, |q| < q0 , arg(q) = } S
erf
ullt ist.
b) Ein Verfahren heit unbeschrankt absolut stabil in der Richtung , wenn ein q0 > 0
existiert, so dass
{q : q C, |q| > q0 , arg(q) = } S

100

9.2 Verschiedene Stabilitatsbegriffe

bHtL

aHtL

-2

-4

Abbildung 9.2: Stabilitatsgebiet des Gear-Verfahrens dritter Ordnung


Eigenschaft
Ein asymptotisches m-Schrittverfahren kann in keine Richtung ( 2 , 2 ) asymptotisch
stabil sein.
Definition 9.17. Es seien D, a, b positive Zahlen.
R1 = { : Re() < D}
R2 = { : D < Re() < a, |Im()| < b}
Ein lineares m-Schrittverfahren heit steif stabil, wenn R1 S (d.h. absolut stabil in R1 )
und approximiert in R2 .

101

9 Integration steifer Differentialgleichungen


Die steif stabilen Verfahren erf
ullen:
Sei ein Eigenwert. Wenn h < D, so klingt die entsprechende Komponente schnell ab
absolut stabile Integration. Liegt h R2 , also in der Nahe des Ursprungs hinreichende Genauigkeit der Integration. Besitzt das System hohe Frequenzen bei schwacher
Dampfung oder sogar (lokal !) anwachsende Losungsanteile, so muss h so klein sein, dass,
h R2 liegt.
Beispiel 9.18.
y 0 = y, Re() < 0, Re()
a) Implizites Eulerverfahren:
yk+1 = Q()yk , Q() =

1
, = h
lim Q() = 0
Re()
1

b) Trapezverfahren
1+
= Q()yk , Q() =
1

yk+1

lim

Q() = 1!!

Re()

eine sehr unangenehme Eigenschaft.


Definition 9.19. Ein Einschrittverfahren heit L-stabil (steif A-stabil, stark A-stabil,. . .),
wenn es A-stabil ist und f
ur die Modellaufgabe
y 0 = y, Re() < 0
gilt, dass
yk+1 = Q()yk , = h,

lim

Q() = 0

Re()

9.2.1 Beweis der Dahlquistbarriere


Wir betrachten wieder die Gleichung f
ur den Approximationsfehler
m

(1)

X
1X
aj y(xkj ) +
bj f (xkj , y(xkj ))
h j=0
j=0

m
m

X
X
X
1
(h)l1 (l)
= y(xk )
aj +
y (xk )
(aj j l + lbj j l1 )
h
l!
j=0
j=0
l=1

Die Bedingungen f
ur die p-te Approximationsordnung sind damit
m
X
j=0

102

aj = 0,

m
X
j=0

(aj j l + lbj j l1 ) = 0, l = 1, 2, . . . , p.

9.2 Verschiedene Stabilitatsbegriffe


Den Approximationsfehler bekommt man in der folgenden Form
(1)

dp+1

(h)p dp+1 (p+1)


y
(xk ) + O(hp+1 ) = (1) [y(x), xk , h]
(p + 1)!
m
X
=
(aj j p+1 + (p + 1)bj j p ) 6= 0 oder
=

j=0
(1)
k

p+1

= cp h + O(h

(1)p
) mit cp = cp [y(x), xk , h] =
dp+1 y(xk )(p+1)
(p + 1)!

Beispiel 9.20. Trapezverfahren f


ur y = ex
a0 = 1, a1 = 1, b0 = b1 = 1/2
Das Verfahren ist von der Ordnung 2, d.h.
c2 = cT =

(1)2
1
d3 exk |xk =0 = ,
3!
12

f
ur xk = 0

Wir benotigen die folgenden Bezeichnungen


%(q) =

m
X

aj q mj , (q) =

j=0

m
X

bj q mj

j=0

F
ur das Trapezverfahren gilt z.B.:
%T (q) = q 1,

1
T (q) = (q + 1)
2

Lemma 9.21. F
ur ein A-stabiles Verfahren gilt


%()
Re
>0
: || > 1.
()
Beweis. Sei mit | | > 1 und

Re() = Re

%( )
( )


<0

Damit gilt, dass das charakteristische Polynom


F (q, ) = %(q) (q)
an der Stelle q = eine Nullstelle hat. Es gilt Re() < 0 und | | > 1, was der absoluten
Stabilitat widerspricht.
Lemma 9.22. F
ur das Trapezverfahren gilt:


%()
Re
= 0 f
ur alle mit || = 1
()

103

9 Integration steifer Differentialgleichungen


Beweis. F
ur = + i mit || = 1 gilt 2 + 2 = 1.

Re

%()
()

1
1
1 + i
= 2Re
= 2Re
+1
+ 1 + i
( + 1)
2
(2 1 + 2 ) + i(( + 1) ( 1))
2(2 + 2 1)
= 2Re
=
=0
( + 1)2 + 2
( + 1)2 + 2

= Re 1

Lemma 9.23. F
ur die rationalgebrochene Funktion

(x)
%(x)

gilt an der Stelle = eh

(eh )
1
= + cp [ex , 0]hp1 + O(hp )
h
%(e )
h
Beweis. Wir betrachten das Polynom h1 %() + () an der Stelle = eh . Es gilt
" m
#
m
m
m
X
X
X
1X
1

aj (eh )mj +
bj (eh )mj = ehm
aj ehj +
bj ehj
h j=0
h
j=0
j=0
j=0
hm

hj

= 1 + O(h) und e

X
(hj)l
l=0

l!

Damit erhalten wir


"
#
m
m
X
m
X
X
X
(1)l1 j l1 hl1
1X
(1)l1 j l hl1
1 h
h
hm

aj +
bj
%(e ) + (e ) = e
aj +
h
h j=0
l!
(l 1)!
l=1 j=0
l=1 j=0
#
"
m

m
l1 l1 X
X
X
1
(1)
h
= ehm
aj +
[j l aj + lj l1 bj ]
h j=0
l!
j=0
l=1


p p
(1) h
dp+1 + hp + O(hp+1 )
= ehm
(p + 1)!
F
ur das Polynom %() an der Stelle = eh gilt
h

%(e ) = e

hm

m
X
j=0

F
ur die Funktion

()
%()

aj h

m
X

jaj + O(h2 )) = h + O(h2 )

j=0

an der Stelle = eh gilt damit

1 (eh )
cp hp + O(hp+1 )
+
=
= cp hp1 + O(hp ), h 0
h
2
h %(e )
h + O(h )
Das Lemma ist damit bewiesen.

104

9.2 Verschiedene Stabilitatsbegriffe


Beweis der Dahlquistschranke (Satz 9.12)
Beweis. Wir betrachten ein A-stabiles m-Schrittverfahren der Ordnung p 2. Es gilt
nach Lemma 9.23
(eh )
1
= + c2 h + O(h2 ), wobei f
ur p > 2
h
%(e )
h
c2 = 0 gelten muss.
Sei = eh , d.h. h = ln(), > 1,
h = ln() = ( 1) + O(( 1)2 ) f
ur 1, d.h. h 0
Damit erhalten wir
()
1
(eh )
=
= + c2 ( 1) + O(( 1)2 )
h
%(e )
%()
h
F
ur das Trapezverfahren gilt aber
1
1
T ()
= + ( 1) + O(( 1)2 )
%T ()
h 12
F
ur die Funktion d() =

()
%()

T ()
%T ()

gilt damit

d() = (c2

1
)( 1) + O(( 1)2 )
12

aus den Lemmata 9.21, 9.22 folgt f


ur 0 , || > 1, |0 | = 1,
Re(d(0 )) 0 0 : |0 | = 1
Die Funktion d() hat f
ur || > 1 keine Polstellen, da die Funktionen %(), () dort keine
Nullstellen besitzen d
urfen (Stabilitat!). Die Funktion d() ist damit f
ur || > 1 analytisch,
d.h. Re(d()) ist dort harmonisch.
, Re(d()) = 0.
Aus dem Maximumprinzip f
ur harmonische Funktionen folgt:
Re(d()) 0 mit || 1
und damit f
ur = 1 + , Re() > 0, || 0 erhalten wir
Re(d()) = (c2

1
)Re() + O(||2 ) 0
12

1
, oder d() 0 u
F
ur || klein genug, bedeutet das, dass entweder c2 > 12
berall. Dabei
kann die Approximationsordnung unmoglich groer als 2 werden. Das beste Verfahren

der Ordnung 2 ist das Trapezverfahren.

105

10 Randwertprobleme
10.1 Einleitung
Die Randwertprobleme sind allgemeiner als Anfangswertprobleme. Die Aufgabe lautet
(
y 0 = f (x, y)
x (a, b), y, f Rn
r(y(a), y(b)) = 0 Randbedingungen , r Rn
Die linearen Randbedingungen konnen in der Form
r(y(a), y(b)) = Ay(a) + By(b) = c, A, B Rnn
oder separiert
y(a) = ca , y(b) = cb
geschrieben werden. In der Praxis sind die Randbedingungen meistens separiert. Die Existenz bzw. Eindeutigkeitsfragen bei Randwertproblemen sind meistens komplizierter als f
ur
Anfangswertprobleme.
Beispiel 10.1. Differentialgleichung w00 (x) + w(x) = 0
Die allgemeine Losung lautet
w(x) = c1 sin(x) + c2 cos(x), c1 , c2 R
a) Randbedingungen w(0) = 0, w( 2 ) = 1, c2 = 0, c1 = 1,
damit ist sin(x) die eindeutige Losung des Randwertproblems.
b) mit den Randbedingungen w(0) = 0, w() = 0 erhalt man
c2 = 0, c1 R w(x) = c sin(x), c R
beliebig viele Losungen.
c) und mit w(0) = 0, w() = 1
c2 = 0, 0 = 1 keine Losung!
Anhand dieses Beispieles wird klar, dass es einen ahnlich allgemeinen Satz f
ur die Existenz und Eindeutigkeit der Losung von Randwertproblemen wie f
ur Anfangswertprobleme nicht geben kann. Eigenwertprobleme f
ur gewohnliche Differentialgleichungen sind die
Differentialgleichungen der Form
y 0 = f (x, y, )

107

10 Randwertprobleme
bei denen die rechte Seite f des Systems von einem Parameter abhangt. Das Randwertproblem
y 0 = f (x, y, ), r(y(a), y(b), ) = 0
ist u
berbestimmt und besitzt im Allgemeinen bei beliebiger Wahl von entweder nur
triviale oder keine Losung. Das Eigenwertproblem besteht darin, (die Eigenwerte) zu
bestimmen, f
ur die das Randwertproblem eine eindeutige Losung besitzt.
Beispiel 10.2.
(
w00 (x) + w(x) = 0, (Schwingung)
w(0) = w(1) = 0
Allgemeine Losung:

a) < 0: w(x) = c1 e x + c2 e x
(
c1 + c2 = 0
,x = 0


+ c2 e
= 0 ,x = 1
c1 e

det = e

6= 0

damit ist c1 = c2 = 0 die eindeutige Losung nur triviale Losung


b) = 0 w(x) = c1 + c2 x
(
c1 = 0

c1 + c2 = 0

c1 = c2 = 0 nur triviale Losung.

c) > 0 w(x) = c1 sin( x) + c2 cos( x)


(

c2 = 0

= k, k = 1, 2, . . . , k = 2 k 2 Eigenwerte
c1 sin( ) = 0
wk (x) = c sin(kx) Eigenfunktionen.

10.2 Existenz und Eindeutigkeit


Das Problem
(
y 0 = f (x, y), a < x < b
r(y(a), y(b)) = 0
Betrachte das Anfangswertproblem
(
y 0 = f (x, y), a < x < b
y(a) = s

108

(?)

10.2 Existenz und Eindeutigkeit


die Losung ist eine Funktion von s, d.h. y = y(x; s). Das Randwertproblem wird losbar
sein, wenn die Funktion
F (s) = r(s, y(b; s)) = 0
eine Nullstelle s besitzt. Das ist beispielsweise erf
ullt, wenn man eine nichtsingulare Matrix
Q Rnn finden kann, so dass
(s) = s QF (s), : Rn Rn
eine kontrahierende Abbildung des Rn ist. Der Fixpunkt von ist dann die gesuchte
Nullstelle von F (s).
Satz 10.3. F
ur das Randwertproblem (?) gelte
a) f und fy sind stetig auf G = {(x, y), a x y}.
b) Es gibt ein k(x) C[a, b] mit
kfy k k(x) K

(x, y) G

c) Die Matrix
P (u, v) = ru (u, v) + rv (u, v)
besitzt f
ur alle u, v Rn eine Darstellung
P (u, v) = P0 (I + M (u, v))
mit einer konstanten nichtsingularen Matrix P0 und einer Matrix M (u, v) mit
kM (u, v)k < 1,

kP01 rv (u, v)k m,

m, R

f
ur alle u, v Rn
d) es gibt eine Zahl > 0 mit + < 1, so dass
Z b
k(x) dx C =
a

meK(ba)

Dann besitzt das Randwertproblem (?) genau eine Losung.


Beweis. F
ur Q = P01 wird gelten
k(s)k < 1 f
ur alle s Rn , + = k < 1.
Daraus folgt, dass
k(s1 ) (s2 )k ks1 s2 k,

s1 , s2 Rn ,

d.h. (s) ist eine kontrahierende Abbildung. Es gibt genau einen Fixpunkt und der ist
die einzige Nullstelle von F (s). Damit ist er auch die eindeutige Losung des Anfangswertproblems y 0 = f (x, y), y(a) = s.

109

10 Randwertprobleme
Man hat f
ur (s) = s P01 r(s, y(b; s)):
s (s) =
=
=
=

I P01 [ru (s, y(b; s)) + rv (s, y(b; s)) Z(s)]


I P01 [P (s, y(b; s)) + rv (s, y(b; s))(Z(s) I)]
I [I + M (s, y(b; s)) + P01 rv (s, y(b; s))(Z(s) I)]
M (s, y(b; s)) P01 rv (s, y(b; s))(Z(s) I)

wobei die Matrix


Z(s) = Z(x, s) = ys (x; s)
die folgende Differentialgleichung erf
ullt
y 0 (x; s) = f (x, y(x; s)), y(a; s) = s
ys0 (x; s) = Z 0 = fy (x, y(x; s)) ys (x; s) = fy (x, y(x; s))Z,
ys (a; s) = Z(a) = I
d.h.
Z 0 = fy Z, Z(a) = I
d.h. Z(x) erf
ullt eine lineare Differentialgleichung. Durch Integration dieser Gleichung
erhalt man
Z x
Z(x) = Z(a) +
fy (t, y(t; s))Z(t) dt
a
Z x
(x) = kZ(x) Ik
(kfy (t)kkZ(t) Ik + kIk) dt
a
Z x
k(t)((t) + 1) dt
0 (x)
a
Z x
Z x
Z b
Z x
=
k(t) dt +
k(t)(t) dt
k(t) dt + K
(t) dt
a
a
a
a
Z x
= C +K
(t) dt
a

Aus dieser Beziehung erhalten wir mit dem Gronwall-Lemma


(x) CeK(xa) CeK(ba)
Damit gilt f
ur s (s):
ks (s)k kM (s, y(b; s))k + kP01 rv kkZ(s) Ik
+ mCeK(ba) = + < 1.
Damit ist der Satz bewiesen.
Bemerkung
Die Voraussetzungen des Satzes sind nur hinreichend und sehr einschrankend. Voraussetzung c) zum Beispiel ist f
ur so etwas einfache Randbedingungen wie y1 (a) = c1 und
y1 (b) = c2 nicht erf
ullt.

110

10.3 Differenzenverfahren f
ur Randwertprobleme

10.3 Differenzenverfahren fu
r Randwertprobleme
Die Idee der Differenzenverfahren ist alle Ableitungen durch Differenzenquotienten zu
ersetzen und die so erhaltenen diskretisierten Gleichungen zu losen.
Als ein Beispiel betrachten wir das Randwertproblem f
ur y(x) : [a, b] R
(
y 00 (x) + q(x)y(x) = g(x) , x (a, b)
y(a) = , y(b) =
Unter der Voraussetzung q(x), g(x) C(a, b) und q(x) 0, x (a, b) besitzt das Randwertproblem eine eindeutige Losung y(x). Die Diskretisierung des Intervalls [a, b] erfolgt
wie folgt:
a = x0 < x1 < x2 < . . . < xn = b, xk = a + k h,

h=

ba
n

Sei yj y(xj ) eine Approximation f


ur die exakte Losung an der Stelle xj :
yx,j =

yj+1 yj
yj yj1
, yx,j =
,
h
h

yx,j
=

yj+1 yj1
2h

sind Approximationen der ersten Ableitungen (vorwartgenommener, r


uckwartsgenommener und zentraler Differenzanquotient). Es gilt
1
y(xj+1 ) y(xj )
= y 0 (xj ) + hy 00 (xj ) + O(h2 )
h
|2
{z
}
j

1
y(xj ) y(xj1 )
= y 0 (xj ) hy 00 (xj ) + O(h2 )
h
|2
{z
}
j

y(xj+1 ) y(xj1 )
= y 0 (xj ) + O(h2 )
| {z }
2h
j

Die Approximationsordnungen sind damit 1,1 und 2. F


ur die zweite Ableitung benutzt
man
yxx,j = (yx,j )x,j

yx,j+1 yx,j
=
=
h

yj+1 yj
h

yj yj1
h

yj+1 2yj + yj1


.
h2

Es gilt
y(xj+1 ) 2y(xj ) + y(xj1 )
= y 00 (xj ) + O(h2 ),
2
h
d.h. die Approximation ist von der Ordnung 2. Das Randwertproblem kann damit als
lineares Gleichungssystem

y0 =
yj+1 +2yj yj1
+ qj yj = gj , j = 1, . . . , n
h2

yn =

111

10 Randwertprobleme
oder

2
2

(2 + h q1 )y1 y2 = h g1 +
yj1 + (2 + h2 qj )yj yj+1 = h2 gj

yn2 + (2 + h2 qn1 )yn1 = h2 gn1 +

oder in der Matrixform

2 + h2 q1

Ay =
0

..

.
0

, j = 2, . . . , n 2

1 0 . . .
0
y1
h2 g1 +
..
y
.. ..
.
.
2 h2 g2
.

..
..
... ... ...
.. =

=b
.
.

.
2
... ... ...
.. h gn2

1
h2 gn1 +
yn1
. . . 0 1 2 + h2 qn1

geschrieben werden. Die Matrix dieses Gleichungssystems ist symmetrisch, positiv definit
und tridiagonal:
(Ax, x) = (triadiag(1, 2, 1)x, x) + (D(x, x)) = (tridiag(1, 2, 1)x, x) +

n1
X

di x2i

i=1

> (tridiag(1, 2, 1)x, x) > 0 x 6= 0


wobei D = diag(h2 qi ), 1 = 1, . . . , n 1.
Die Eigenvektoren der Matrix tridiag(1, 2, 1) sucht man in der Form (v)j = sin(cj)
und es gilt damit f
ur j = 1, . . . , n 2, dass
c
sin(c(j 1)) + 2 sin(cj) sin(c(j + 1)) = 4 sin2 ( ) sin(cj)
| {z 2 } | {z }

vj

F
ur j = n 1 ergibt sich die Forderung
sin(c n) = 0 c =

k
, k = 1, . . . , n 1,
n

d.h. die Eigenwerte und Eigenvektoren sind


k
k
j), k = 4 sin2 ( ) > 0, k = 1, . . . , n 1
n
2n
Das Gleichungssystem Ay = b ist damit eindeutig losbar.
(vk )j = sin(

10.4 Integro-Interpolationsmethode zur Konstruktion


von Differenzenverfahren
Wir betrachten eine Verallgemeinerung der Aufgabe aus dem vorangegangenen Abschnitt

0
0

(k(x)u (x)) + q(x)u(x) = f (x), 0 < x < l


RB : k(0)u0 (0) + u(0) = 1 ,
x=0

u(l) = 2 ,
x=l

112

10.4 Integrointerpolationsmethode
Die Funktionen k(x) k > 0, q(x) > 0 und f (x) seien hinreichend glatt. Die Konstanten
0, 1 und 2 sind gegeben. Die Aufgabe besitzt unter diesen Voraussetzungen eine
eindeutige Losung.
Physikalische Deutung:
u(x)
k(x)
w(x) = k(x)u0 (x)
q(x), f (x)

u
k
= k(0)u0 (0)
n

Temperaturverteilung in einem Stab


Warmeleitungskoeffizient
Warmeflu
Dichten der Warmequellen

Warmefluss durch den Rand x = 0

x=0

u
+ (u ua ) = 0
n
u(l) =

Newtonsches Gesetz
konstante Temperatur

Diskretisierung des Intervalls:


[0, l] Wh = {xj = jh, j = 0, . . . , n, h =

l
}
n

1
xj1/2 = xj h Mittelpunkte
2
Die Idee ist, die Gleichung auf [xi 1 , xi+ 1 ] zu integrieren:
2

xi+ 1

xi+ 1

xi+ 1

(k(x)u (x)) dx +

xi 1

q(x)u(x) dx =

xi 1

f (x) dx
xi 1

Balancegleichung auf [xi 1 , xi+ 1 ]


2

xi+ 1

xi+ 1

(wi+ 1 + wi 1 ) +
2

q(x)u(x) dx =

xi 1

f (x) dx
xi 1

Approximation der Integrale


xi+ 1

Z
q(x)u(x) dx ui

xi+ 1
2

q(x) dx = ui hdi , (q(x) 0)

xi 1

xi 1

xi+ 1
2

f (x) dx hi
xi 1

113

10 Randwertprobleme
Die Gleichung lautet jetzt

wi+ 1 wi 1
2

+ di u i = i ,

i = 1, . . . , n 1

uckt: w(x) = k(x)u0 (x), oder u0 (x) =


Die Werte wi 1 werden durch uj ausgedr
2
k > 0)
Zxi
u(xi ) u(xi1 )

u0 (x) dx =

xi

xi1

xi1

w(x)
dx w(xi 1 )
2
k(x)

Zxi

w(x)
,
k(x)

(k(x)

dx
= w(xi 1 )ha1
i
2
k(x)

xi1

Die entsprechende diskrete Gleichung lautet:


ui ui1 = wi 1 ha1
oder wi 1 = ai ux,i
i
2

analog wi+ 1 = ai+1 ux,i . Die Differenzengleichung nimmt damit die folgende Form an:
2

1
(ai+1 ux,i ai ux,i ) + di ui = i , i = 1, . . . , n 1
h
oder mit ux,i = ux,i+1
(aux )x,i + di ui = i ,

i = 1, . . . , n 1

Diese Gleichung ist vollstandig analog zur Ausgangsgleichung. Es handelt sich um ein
lineares Gleichungssystem aus n 1 Gleichungen f
ur n + 1 Unbekannte ui , i = 0, . . . , n.
Die Gleichungen n und n + 1 folgen aus den Randbedingungen
f
ur x = l un = 2 .
Die Approximation der Randbedingung f
ur x = 0 ist nicht so einfach: Die Randbedingung
wird benutzt nachdem man die Gleichung auf [0, x1/2 ] integriert hat:
x1/2
x1/2
Z
Z
f (x) dx.
(w1/2 w0 ) +
q(x)u(x) dx =
x0

x0

Analog erhalten wir durch die Approximation w1/2 = a1 ux,1


Z x1/2
Z x1/2
q(x)u(x) dx u0
q(x) dx
0

w0 = w(0) = 1 + 0
und damit

Z
(a1 ux,1 u0 + 1 ) + u0

Z
q(x) dx =

114

x1/2

x1/2

f (x) dx
0

10.5 Tridiagonale Gleichungssysteme


Die Bezeichnungen
x1/2
Z
1
q(x) dx = hd0 ;
2

x1/2
Z
1
f (x) dx = h0
2

f
uhren mit ux,1 = ux,0 auf
1
1
a1 ux,0 + ( + hd0 )u0 = 1 + h0
2
2
Das Gleichungssystem ist damit

1
1

a1 ux,0 + ( + 2 hd0 )u0 = 1 + 2 h0 , i = 0


(aux )x,i + di ui = i ,
i = 1, . . . , n 1

u n = 2
i=n
Die Fragen:
1. Existenz und Eindeutigkeit der Losung
2. Effektive Methoden zur Losung des Gleichungssystems
3. Konvergenz der numerischen Losung gegen die exakte Losung f
ur h 0
Das Gleichungssystem besitzt wieder eine tridiagonale Form, die ist aber wesentlich allgemeiner als in Abschnitt 10.3

Ai yi1 Ci yi + Bi yi+1 = Fi i = 1, . . . , n 1
y0 = 1 y1 + 1

yn = 2 yn1 + 2
mit
Ai = ai , Bi = ai+1 , Ci = ai + ai+1 + h2 di , Fi = h2 i
1 h + 21 h2 0
a1
1 =
,

=
1
a1 + h + 21 h2 d0
a1 + h + 21 h2 d0
2 = 0, 2 = 2

10.5 Tridiagonale Gleichungssysteme


Die Losung des Gleichungsssystems
Ai yi1 Ci yi + Bi yi+1 = Fi , i = 1, . . . , n 1
y0 = 1 y1 + 1 , yn = 2 yn1 + 2
wird in der Form
yj = j+1 yj+1 + j+1 , j = 0, . . . , n 1

115

10 Randwertprobleme
gesucht. j+1 , j+1 sind zu bestimmen. Es gilt yj1 = i yi + i und damit
Ai (i yi + i ) Ci yi + Bi yi+1 + Fi = 0
oder
F i + A i i
Bi
yi+1 +
, d.h.
Ci i Ai
CI i Ai
Bi
Fi + Ai i
=
, i+1 =
, i = 1, . . . , n 1
Ci i Ai
Ci i Ai

yi (Ci i Ai ) = i yi+1 + Fi + Ai i , yi =
i+1
Es gilt offenbar

1 = 1 , 1 = 1
Damit kann die Rekursion gestartete werden. F
ur i = n 1 gilt
(
yn1 = n yn + n
yn = 2 yn1 + 2
und damit
yn = 2 (n yn + n ) + 2 yn =

2 + 2 n
1 2 n

Damit ergibt sich der folgende Algorithmus


1 = 1 , 1 = 1
Bi
Fi + Ai i
i+1 =
, i+1 =
Ci i Ai
Ci i Ai
2 + 2 n
,
yn =
1 2 n
yi = i+1 yi+1 + i+1 , i = n 1, n 2, . . . , 1
verk
urzte Gauelimination.
Fragen:
1. Ci i Ai 6= 0 ?? i = 1, . . . , n 1 Realisierbarkeit
2. |i | 1 ?? i = 2, . . . , n Stabilitat
Satz 10.4. Die verk
urzte Gauelimination ist durchf
uhrbar und stabil, falls
Ai 6= 0, Bi 6= 0, i = 1, . . . , n 1,
|Ci | |Ai | + |Bi |, i = 1, . . . , n 1,
|1 | 1, |2 | 1
wobei mindestens eine der Ungleichungen streng ist.

116

10.5 Tridiagonale Gleichungssysteme


Beweis. Mit der Hilfe der vollstandigen Induktion wird zuerst die Stabilitat, d.h. |j | 1
gezeigt. |1 | = |1 | 1 nach Voraussetzung. Sei also |j | 1. Dann gilt
|Cj j Aj | ||Cj | |j ||Aj || ||Cj | |Aj || |Bj | > 0
und damit
1. |i+1 | =

|Bi |
|Cj j Aj |

2. Realisierbarkeit |Cj j Aj | > 0 f


ur j = 1, . . . , n 1.
Es gilt |n | 1 und folglich
|1 2 n | 1 |2 ||n | 1 |2 | 0.
Es gibt zwei Moglichkeiten:
a) |2 | < 1 |1 2 n | > 0
b) |2 | = 1 eine strenge Ungleichung entweder f
ur |1 | < 1 |1 | < 1, oder |Ci | >
|Ai | + |Bi | f
ur ein i. In beiden Fallen gilt dann |n | < 1 und damit
|1 2 n | > 0

F
ur die Aufgabe aus Abschnitt 10.3 gilt

yi1 (2 + h qi )yi + yi+1

y0 = 1 = 0, 1 =
= h gi , Ai = Bi = 1, Ci = 2 + h2 qi
yn = 2 = 0, 2 =
2

Es gilt Ci Ai + Bi , da qi 0 gilt.
|1 | < 1, |2 | < 1
Die Methode ist realisierbar und stabil! F
ur das Differenzenverfahren aus 10.4 gilt
Ai = ai , Bi = ai+1 , Ci = ai + ai+1 + h2 di Ai + Bi
a1
< 1, 2 = 0 < 1.
1 =
a1 + 1 h + 21 h2 d0
Damit ist auch diese Methode durchf
uhrbar und stabil.

117