Sie sind auf Seite 1von 151

Numerik gew¨ohnlicher Differentialgleichungen

Bernd Simeon

Erweitertes Skriptum zur Vorlesung im Wintersemester 2012/13

TU Kaiserslautern, Fachbereich Mathematik

1. Differentialgleichungsmodelle in Naturwissenschaft und Technik

2. Exkurs in die Theorie gew¨ohnlicher Differentialgleichungen

3. Einschritt- und Extrapolationsverfahren

4. Mehrschrittverfahren

5. Numerik steifer Differentialgleichungen

6. Stochastische Differentialgleichungen

7. Numerische L¨osung von Randwertproblemen

Literatur:

Deuflhard/Bornemann: Numerische Mathematik II,

3. Auflage; Walter de Gruyter, Berlin 2002

Hairer/Norsett/Wanner: Solving Ordinary Differential Equations I,

2. Auflage, Springer, Heidelberg 1993

Stoer/Bulirsch: Numerische Mathematik II, 4. Auflage, Springer, Berlin 2000 Strehmel/Weiner: Numerik gew¨ohnlicher Differentialgleichungen, Teubner, Stuttgart 1995

Vorwort

Dieses erweiterte Skriptum fasst den Stoff der Vorlesung Numerik gew¨ohnlicher Differentialgleichungen fur¨ Studierende der Mathema- tik, Technomathematik und Finanzmathematik zusammen. Es basiert auf einer 4-stundigen¨ Vorlesung, die ich mehrmals an der TU Munchen¨ gehalten habe.

Bei der Stoffauswahl liegt der Schwerpunkt auf Einschrittverfahren, wobei die Problematik steifer Differentialgleichungen einen breiten Raum einnimmt. Das Kapitel 6 geht gezielt auf neuere Entwicklungen ein und gibt eine Einfuhrung¨ in stochastische Differentialgleichungen.

Kaiserslautern, im Oktober 2012

Bernd Simeon

Kapitel 1

Differentialgleichungsmodelle in Naturwissenschaft und Technik

1

Inhalt dieser Vorlesung ist die numerische L¨osung eines Systems gew¨ohnlicher Differentialgleichungen

y (x) = f (x, y(x))

bzw. ausgeschrieben in Komponenten

y 1 (x) y 2 (x)

.

.

.

y n (x)

=

f 1 (x, y 1 (x),

, y n (x)),

=

f 2 (x, y 1 (x),

, y n (x)),

.

=

f n (x, y 1 (x),

, y n (x)).

(1.1)

Man unterscheidet dabei zwischen Anfangswertproblemen und Randwert- problemen. Bei ersteren fordert man

y(x 0 ) = y 0

an einer Stelle x 0 , bei letzteren dagegen

r(y(a), y(b)) = 0

mit einer vorgegebenen Funktion r und einem Intervall [a, b].

Bevor wir die Problemklasse n¨aher analysieren, wollen wir in diesem Ka- pitel einige Beispiele aus Naturwissenschaft und Technik kennenlernen. Als

1

erstes wird die chemische Reaktionskinetik behandelt, danach folgt die Me- chanik starrer K¨orper, und abschließend werden elektrische Schaltkreise ein- gefuhrt.¨ In allen drei Beispielen verwendet man mathematische Modelle, um einen realen Vorgang zu beschreiben. Ohne Vereinfachungen und Model- lannahmen ist dies im Allgemeinen nicht m¨oglich, doch wird man von ei- nem vernunftigen¨ Modell verlangen, dass es die interessierenden Ph¨anomene bzw. Effekte hinreichend gut widerspiegelt.

1.1 Chemische Reaktionskinetik

Die Reaktionskinetik beschreibt den zeitlichen Ablauf chemischer Reaktio- nen, und zwar auf einer Makroebene. Man interessiert sich nicht fur¨ das Verhalten einzelner Molekule,¨ sondern fur¨ Stoffkonzentrationen in einem Re- aktionsgef¨aß und nimmt an, dass sie dem Massenwirkungsgesetz (bzw. Ver- einfachungen daraus) unterliegen.

Betrachten wir dazu zwei Gase A und B unter den Annahmen konstan- ter Druck, konstantes Volumen und konstante Temperatur. Im Fall einer monomolekularen Reaktion

A −→ B

die zeitliche Anderung der Konzen-

mit Reaktionsgeschwindigkeit k gilt fur¨ trationen [A] und [B]

k

¨

d

dt [A] =

˙

[A] = k[A],

˙

[B] = k[A]

Die Exponentialfunktion als L¨osung beschreibt also den zeitlichen Verlauf

der Reaktion. Wegen

Massenerhaltung bezeichnet.

˙

˙

[A] + [B] = 0 folgt [A] + [B] = konstant, was man als

Komplexer und in der Anwendung bedeutsamer sind bimolekulare Reaktio- nen. Das Reaktionsschema lautet hier

k

A + B −→ C + D

2

mit Substanzen A, B, C, D. In diesem Fall ergeben sich die Differentialglei-

chungen fur¨

die Konzentrationen zu

˙

˙

[A]

= k[A][B],

[B]

= k[A][B],

˙

˙

[C]

= k[A][B],

[D]

= k[A][B].

(1.2)

Im allgemeinen Fall liegen insgesamt n Substanzen sowie m Reaktionen zwischen ihnen vor,

n

i=1

α ij A i

k

j

−→

n

i=1

γ ij A i ,

j = 1,

, m.

Dabei bezeichnen die ganzen positiven Zahlen α ij , γ ij die Anteile der Sub- stanzen (st¨ochiometrische Konstanten) und die reellen Parameter k j die unterschiedlichen Reaktionsgeschwindigkeiten. Als Differentialgleichung fur¨ die Konzentration der Substanz A i hat man dann

˙

[A i ] =

m

j=1

(γ ij α ij )k j

n

l=1

[A l ] α lj ,

i = 1,

, n.

(1.3)

Die Vorschrift (1.3) stellt ein allgemeines Schema dar, um Differentialglei-

chungsmodelle fur¨

chemische Reaktionen zu erzeugen. Charakteristisch ist

dabei die polynomiale rechte Seite.

Beispiel 1.1: Brusselator (Lefever/Nicolis 1971)

Gegeben sind n = 6 Substanzen A, B, D, E, X, Y und die m = 4 Uberg¨ange

¨

A −→ X,

2X + Y −→ 3 X,

k

1

k

3

k

2

B + X −→ Y + D,

k

4

X −→ E

mit Reaktionsgeschwindigkeiten k 1 , Reaktionen ergibt (ohne [·] Notation)

, k 4 . Anwendung der Regeln fur¨

˙

˙

A

=

k 1 A,

X

=

k 1 A,

˙

˙

B

=

k 2 BX,

X

=

k 2 BX,

˙

˙

Y

= k 2 BX,

D

= k 2 BX,

˙

˙

X

= k 4 X,

E

= k 4 X.

mono- und bimolekulare

Die dritte Reaktion ist autokatalytisch trimolekular und liefert nach der allgemeinen Regel (1.3) die Beitr¨age

˙

= k 3 X 2 Y,

˙

= k 3 X 2 Y.

X

Y

3

Mit Sortieren nach Unbekannten und Aufsummieren der rechten Seiten folgen die gekoppelten Differentialgleichungen

˙

A

=

k 1 A,

˙

B

=

k 2 BX,

˙

D

=

k 2 BX,

(1.4)

˙

E

=

k 4 X,

˙

k 1 A k 2 BX + k 3 X 2 Y k 4 X,

k 2 BX k 3 X 2 Y.

 

X

=

˙

Y

=

Fazit: Ein nichtlineares Differentialgleichungssystem mit polynomialer rechter Seite! Analytische L¨osung?

Als Vorbereitung fur¨

(1.4) vereinfacht: Die Differentialgleichungen fur¨

B werden als konstant angenommen. Wir setzen k i = 1, schreiben x statt t fur¨ Variable sowie y 1 (x) := X(x), y 2 (x) := Y (x).

(Notationsvereinbarung: y(t) mit Zeit

die Diskussion als dynamisches System in Kapitel 2 werden die Gleichungen

D und E werden weggelassen (warum?), A und

die unabh¨angige

t :

d

dt y = y˙,

y(x) mit unabh. Var. x :

d

dx

y = y )

¨

Ubrig bleibt das sogenannte Brusselatormodell (woher stammt der Name?)

y 1

2

y

=

=

A + y

By 1 y

1

y 2 (B + 1)y 1 ,

2

1

y 2 ,

2

(1.5)

das eine hochinteressante nichtlineare Dynamik aufweist, s.u.

1.2 Mechanische Mehrk¨orpersysteme

Fahrzeuge, Roboter, Satelliten und eine Vielzahl weiterer Anwendungen aus der Mechanik lassen sich als sogenannte Mehrk¨orpersysteme modellieren. Man fasst dabei das System auf als einen Verbund starrer, massebehafteter K¨orper, die uber¨ masselose Verbindungselemente in Wechselwirkung ste- hen. Verbindungselemente sind Federn, D¨ampfer, Gelenke und Stellglieder (Aktuatoren).

Die Bewegung solcher Systeme wurde schon von Euler und Lagrange unter- sucht, und auf diese beiden beruhmten¨ Mathematiker geht auch der Kalkul¨ zuruck,¨ mit dem man die zugeh¨origen Differentialgleichungen aufstellt. Sei

4

T (q, q˙) die kinetische Energie des Systems in den Koordinaten q und Ge-

schwindigkeiten q˙, dann genugt¨ 2. Art

(1.6)

die Bewegung den Lagrange-Gleichungen

q T = Q(q, q,˙ t)

dt ( ∂q˙ T )

d

mit eingepr¨agten und angewandten Kr¨aften Q (Gravitation, Feder-D¨ampfer, etc). Im Spezialfall eines konservativen Systems folgt Q aus der potentiellen Energie U (q) uber¨ Q = q U . (In diesem Fall k¨onnte man auch das dazu

¨aquivalente Hamiltonprinzip

c

(T U )dt station¨ar heranziehen).

d

Die Gleichung (1.6) stellt einen formalen Kalkul¨ dar, um die Bewegungsdiffe- rentialgleichungen eines beliebigen Mehrk¨orpersystems (MKS) aufzustellen, und dieser Kalkul¨ kann in Form eines Computeralgebra-Programms imple- mentiert werden. Nichts anderes machen sogenannte MKS-Formalismen, die die Grundlage moderner Simulationspakete bilden.

Gew¨ohnlich schreibt man die Bewegungsgleichungen nicht in der Form (1.6) an, sondern als

M (qq = f (q, q,˙ t),

M (q) :=

2

q˙ 2 T (q, q˙),

(1.7)

mit Massenmatrix M und Kraftvektor f . Transformation in ein System 1. Ordnung und formale (nicht explizite!) Invertierung der Massenmatrix M fuhren¨ schließlich auf die Differentialgleichung

y˙ = F (t, y),

in der vertrauten Form.

Beispiel 1.2:

Doppelpendel

y = ( q q˙ ) ,

Das Doppelpendel ist ein System aus zwei starren K¨orpern mit konstantem Querschnitt. Die Modellierung geht in folgenden Schritten vor:

Schritt 1: Kinetische Energie des Systems:

T

= 1/2 V 1 ρ 1 ( X

˙

2

1

+ Y

1

˙

2

)dV 1 + 1/2 V 2 ρ 2 ( X

˙

5

2

2

+ Y

2

˙

2

)dV 2

Inertialsystem Y y 2 Schwerkraft φ 2 x x 2 1 y 1 X φ
Inertialsystem
Y
y
2
Schwerkraft
φ
2
x
x
2
1
y 1
X
φ
1

Abbildung 1: Ebenes Doppelpendel mit Koordinatensystemen

mit materiellen Punkten (X i (t), Y i (t)) fur¨ K¨orper 1 und 2 sowie Massendichten ρ i .

Potentielle Energie: U = V 1 ρ 1 γ Y 1 dV 1 + V 2

ρ 2 γ Y 2 dV 2 .

mit Gravitationskonstante γ.

Schritt 2: Einfuhrung¨

von Koordinaten zur Lokalisierung der materiellen Punkte:

und

( X 1

Y

1

) = A(ϕ 1 ) (

x

y 1

1

( X 2

Y

2

) = l 1 (

) ,

cos ϕ 1

sin ϕ 1

A(ϕ 1 ) := ( cos

ϕ 1

sin ϕ 1

) + A(ϕ 2 ) (

x

y

2

2

) ,

sin ϕ 1

cos ϕ 1

)

)

Drehmatrix,

l 1 L¨ange Pendel 1.

Daraus die Energien berechnen:

T

= 1/2 ( J 1 ϕ 2 + J 2 ϕ 2 2 + m 2 l 2 ϕ 2 + l 1 l 2 m 2

˙

1

˙

1

˙

1

˙

ϕ

1

ϕ 2 cos(ϕ 1 ϕ 2 ) )

˙

und

U = 1/2 (l 1 (m 1 + 2m 2 )γ sin ϕ 1 + l 2 m 2 γ

mit Massen m i := ρ i dV i und Tr¨agheitsmomenten J i := ρ i (x

2

i

sin ϕ 2 )

+ y

2

i

) dV i , i = 1, 2.

Schritt 3:

rechnen und Einsetzen ergibt schließlich:

Bewegungsgleichungen nach Lagrange (1.6) in den Koordinaten q = (ϕ 1 , ϕ 2 ) T . Aus-

M(ϕ 1 , ϕ 2 ) (

¨

ϕ

¨

ϕ

1

2

) = (

˙

1/2 l 1 (γ(m 1 + 2m 2 ) cos ϕ 1 + l 2 m 2 ϕ 2

2 sin(ϕ 1 ϕ 2 ))

˙

1/2 l 2 γm 2 cos ϕ 2 + 1/2 l 1 l 2 m 2 ϕ 2 sin(ϕ 1 ϕ 2 )

1

)

(1.8)

6

mit der Massenmatrix

M(ϕ 1 , ϕ 2 ) = (

J 1 + m 2 l 2 1/2 l 1 l 2 m 2 cos(ϕ 1 ϕ 2 )

1

1/2 l 1 l 2 m 2 cos(ϕ 1 ϕ 2 )

J 2

) .

Als Sonderfall ist die Gleichung eines Einzelpendels

J 1

¨

ϕ 1 = 1/2l 1 γ cos ϕ 1

(1.9)

enthalten. Wie kommt man von dieser Gleichung auf die Schwingungsgleichung α¨ = ω 2 α?

1.3 Elektrische Schaltkreise

Die Beschreibung einer Schaltung als Netzwerk elektrischer Bauelemente bildet die Grundlage fur¨ Modellbildung und numerische Simulation hoch- integrierter Systeme (Speicherchips und Prozessoren). Auf diese Art und Weise kann das transiente Verhalten der Ausgangssignale als Reaktion auf die Eingangssignale ohne zeit- und kostenintensive experimentelle Untersu- chungen analysiert werden.

Wie bei der Reaktionskinetik und der Mehrk¨orperdynamik existiert auch hier ein auf physikalischen Gesetzm¨aßigkeiten basierender Kalkul,¨ mit des- sen Hilfe die Netzwerkgleichungen aufgestellt werden. Wesentlich dabei sind die Kirchhoffschen Regeln

Die Summe der {

Masche } ist Null.

Teilstr¨ome in jedem Knoten

Teilspannungen in jeder

Zusammen mit den Gleichungen fur¨ die Bauelemente (Widerst¨ande, Kapa- zit¨aten, Induktivit¨aten, Transistoren, Strom- und Spannungsquellen) erge- ben sich dann die Netzwerkgleichungen, die den gesamten Schaltkreis be- schreiben.

Die am weitesten verbreitete Technik, die modifizierte Knotenspannungs- analyse (MNA, Modified Nodal Analysis), fuhrt¨ auf Differentialgleichungen der Form

Cy˙ = f(y, t),

7

wobei die Unbekannten y aus Spannungen und Str¨omen zusammengesetzt sind. Die Eintr¨age in der Matrix C bestehen aus Kapazit¨aten. Falls keine solchen auftreten (und keine Induktivit¨aten), ist C 0, und die Gleichungen reduzieren sich auf den station¨aren Fall.

In vielen Anwendungen ist die Matrix C singul¨ar, und es liegt somit keine gew¨ohnliche Differentialgleichung vor, sondern ein sogenanntes differentiell- algebraisches System. Einzelheiten dazu in Kapitel 6. Das folgende Beispiel dagegen enth¨alt neben einer Kapazit¨at noch eine Induktivit¨at und wird durch eine Differentialgleichung 2. Ordnung beschrieben.

Beispiel 1.3: Elektrischer Schwingkreis Wir betrachten als einfaches Beispiel einen elektrischen Schwingkreis, der aus einer Spannungs- quelle U (t), einer Kapazit¨at C, einer Induktivit¨at L und einem Widerstand R besteht, siehe Abb. 2.

U(t)

L C R
L
C
R

Abbildung 2: Elektrischer Schwingkreis

Fur¨

die Spannungsabf¨alle U R , U C sowie U L gelten die Gesetze

 

˙

U R = RI,

U C = Q/C,

U L = L I

wobei I den fließenden Strom und Q die Ladung der Kapazit¨at bezeichnen. Die Kirchhoffschen Regeln (hier die Maschenregel) ergeben

U = U R + U C + U L .

˙

Mit I

Differentialgleichung

=

Q und Einsetzen erh¨alt man fur¨

die an der Kapazit¨at anliegende Spannung U C die

¨ ˙

LC U C + RC U C + U C = U.

(1.10)

Insgesamt also eine uber¨

U (t) gesteuerte Schwingung, die durch das Produkt RC ged¨ampft wird.

8

Kapitel 2

Exkurs in die Theorie gew¨ohnlicher Differentialgleichungen

2

Dieses Kapitel wiederholt zun¨achst die zentralen Ergebnisse aus der Ana- lysis und besch¨aftigt sich dann vor allem mit der Kondition des Anfangs- wertproblems. Neben dem Einfluss der Anfangswerte spielt hier auch die Abh¨angigkeit von Parametern eine wichtige Rolle. Schließlich folgt eine kur- ze Einfuhrung¨ in die Dynamischen Systeme, um einige wesentliche Begriffe zur Charakterisierung von L¨osungen bereitzustellen.

2.1 Aussagen aus der Theorie gew¨ohnlicher Differentialgleichungen

Als Einstieg und Wiederholung beginnen wir mit einem Blick auf lineare Differentialgleichungen. Fur¨ das skalare lineare Anfangswertproblem (AWP)

y = a · y + b,

y(x 0 ) = y 0 ,

liefert der L¨osungsansatz z(x) = e a(xx 0 ) · z 0 eine L¨osung des homogenen Falls z = az. Durch Variation der Konstanten folgt

y(x) = z(x)v(x)

=

y(x) = (

9

b

a

+ y 0 ) e a(xx 0 )

b

a .

Dieses Vorgehen verallgemeinert man schnell auf Systeme linearer Differen- tialgleichungen

y = A · y + b,

A R n×n , b R n .

Wir nehmen an, dass A diagonalisierbar ist (d.h. n l.u. EV besitzt). Mit z(x) = exp(A(x x 0 ))z 0 hat man eine L¨osung des homogenen Systems z = Az. Dabei stellen die Spalten der Matrix

exp() =

k=0

() k

k!

Matrizenexponentielle

(2.1)

ein Fundamentalsystem dar. Die Variation der Konstanten fur¨ den inhomo- genen Fall ergibt sich hier zu y(x) = exp(A(x x 0 )) · v(x).

Im Fall nichtlinearer rechter Seiten (bzw. Differentialgleichungen) kommt man mit analytischen L¨osungstechniken dagegen meist nicht mehr weiter.

Beispiel 2.1: Van–der–Pol–Gleichung Wir betrachten zun¨achst die lineare Differentialgleichung 2. Ordnung z¨(t) + αz˙(t) + z(t) = 0, vergleiche den Schwingkreis (1.10). Fur¨ α > 0 hat sie fallende (ged¨ampfte/stabile) L¨osungen, fur¨ α < 0 wachsende (instabile) L¨osungen, und fur¨ α = 0 resultieren periodische L¨osungen. Setzt man α = α(z), so dass α < 0 fur¨ kleine z und α > 0 fur¨ große z, so kann man ein sich selbst regulierendes (steuerndes) Verhalten erwarten, das in eine periodische L¨osung hineinl¨auft. Die Wahl α(z) := µ(z 2 1) mit konstantem Parameter µ > 0 erfullt¨ diese Erwartung und liefert die Van-der-Pol-Gleichung

(2.2)

Eine allgemeine geschlossene L¨osung ist nicht bekannt!

z¨ + µ(z 2 1)z˙ + z

= 0.

Es ist vorteilhaft, die Gleichung (2.2) auf die neue Zeit x = t/µ zu transformieren (die Periode h¨angt dann nicht mehr von µ ab). Mit u(x) = z(µx) = z(t(x)), u = µz˙, folgt

1

2 u + (u 2 1)u + u = 0.

µ

Von besonderem Interesse ist der Fall µ 1, bei dem wir ε := 12 1 setzen (ein sogenanntes singul¨ar gest¨ortes System, siehe Kapitel 5 und 6). In einem letzten Schritt fuhren¨ wir noch die Koordinaten nach Li´enhard ein,

y 2 (x) := u(x),

und erhalten so das System

y 1

2

εy

=

=

y 1 (x) := εy 2 + (y

y 2 , y 1 y

10

3

2

/3 + y 2 .

3

2

/3 y 2 ),

(2.3)

y2

2.5 2 1.5 1 0.5 0 −0.5 −1 −1.5 −2 −2.5 −1.5 −1 −0.5 0
2.5
2
1.5
1
0.5
0
−0.5
−1
−1.5
−2
−2.5 −1.5
−1
−0.5
0
0.5
1
1.5
y1

Abbildung 3: Richtungsfeld der Van-der-Pol-Gleichung

Wie verlaufen die L¨osungen von (2.3) im oben skizzierten Richtungsfeld?

Bevor wir zum Existenz- und Eindeutigkeitssatz kommen, seien noch drei oft hilfreiche Bemerkungen erw¨ahnt:

(i) Differentialgleichungen h¨oherer Ordnung lassen sich durch Hilfsvaria-

blen auf Differentialgleichungen erster Ordnung zuruckzuf¨

uhren:¨

y = ω 2 y

y = v,

v = ω 2 y.

(ii) Nichtautonome Gleichungen y = f (x, y(x)) transformiert man mittels y n+1 (x) := x und f n+1 (x, y) := 1 in ein autonomes System.

(iii) Durch Integration uberf¨

uhrt¨

man y = f (x, y) in

y(x) = y 0 +

x

x 0

f (t, y(t)) dt .

Falls f = f (t), ist die Quadratur als Sonderfall enthalten!

11

Wir betrachten nun das allgemeine Anfangswertproblem

y (x) = f (x, y(x)),

y(x 0 ) = y 0 ,

(2.4)

wobei f : [a, b] × R n R n und x 0 [a, b], y 0 R n . Die rechte Seite f heißt (global) Lipschitz–stetig im Definitionsgebiet (oder “Streifen”)

D := {(x, y) : a x b,

y R n },

falls

f (x, y) f (x, z)∥ ≤ L · ∥y z∥ ∀ (x, y), (x, z) D. (2.5)

Einfaches Kriterium: Falls f sowie ∂f/∂y stetig auf dem Definitionsgebiet D sind und ∂f/∂y beschr¨ankt ist, ∂f/∂y∥ ≤ L, folgt daraus die Lipschitz- stetigkeit.

Beweisskizze: Fur¨ je zwei Punkte (x, y), (x, z) in D gilt (MWS der Differentialrechnung)

f (x, y) f (x, z)∥ ≤ sup (t,v)D ∂f (t, v)/∂v∥ ∥y z.

Mit dem Begriff der Lipschitzstetigkeit zeigt man dann (Picard-Lindel¨of, s. Analysis)

Satz 2.1 Falls die rechte Seite f auf dem Definitionsgebiet D stetig ist und der Lipschitzbedingung (2.5) genugt,¨ besitzt das Anfangswertproblem (2.4) eine eindeutige, stetig differenzierbare L¨osung y auf dem ganzen In- tervall [a, b].

Eine h¨ohere Glattheit der L¨osung h¨angt von der Glattheit der rechten Seite f bzw. ihrer Ableitungen p f/∂y p ab. Falls alle partiellen Ableitungen bis zur Ordnung p stetig sind, ist auch y insgesamt p mal stetig differenzierbar.

L¨asst man dagegen die Lipschitzstetigkeit als Voraussetzung weg und geht nur von einer stetigen rechten Seite f aus, kann man nur noch die Existenz einer L¨osung nachweisen, die Eindeutigkeit geht verloren (Existenzsatz von Peano).

12

Hinreichend fur¨ Existenz und Eindeutigkeit ist im ubrigen¨ bereits eine abgeschw¨achte Form der Lipschitz-Bedingung (2.5), die lokale Lipschitz- Stetigkeit. Sie ist gegeben, falls es zu jeder kompakten Teilmenge K D eine Lipschitzkonstante L K gibt mit

f (x, y) f (x, z)∥ ≤ L K · ∥y z∥ ∀ (x, y), (x, z) K. (2.6)

Allerdings kann mit dieser schw¨acheren Voraussetzung nicht die Existenz auf dem ganzen Intervall [a, b] garantiert werden. Die folgenden zwei Bei- spiele beleuchten die Situation.

Beispiel 2.2: y = y 1/2 , y(0) = 1.

Die rechte Seite besitzt in y = 0 eine Singularit¨at, und die Voraussetzungen (2.5) wie auch (2.6) werden in einer Umgebung der Singularit¨at verletzt. Die exakte L¨osung lautet

y(x) = (1 3x/2) 2/3

und ist auf den ersten Blick nur auf x ] − ∞, 2/3[ definiert. Fur¨ x 2/3 l¨auft sie in die

Singularit¨at (sie ”kollabiert”). Ist y auch rechts von der Singularit¨at definiert?

Beispiel 2.3: y = y 2 , y(0) = 1.

Aufgrund der stetigen Differenzierbarkeit der rechten Seite liegt lokale Lipschitzstetigkeit vor, aber keine globale (bei genauerem Hinsehen stellt man fest, dass die Ableitung ∂f /∂y nicht beschr¨ankt ist). Als L¨osung findet man

y(x) = 1/(1 x),

und daher lim x1 = . Diese Instabilit¨at der L¨osung bezeichnet man auch als ”blow up”; sie tritt insbeson- dere bei polynomialen rechten Seiten auf (vergleiche die Reaktionskinetik in Abschnitt 1.1). Die L¨osung muss also in solchen F¨allen nicht auf ganz [a, b] exi- stieren.

Als ersten Hinweis, dass sich ein Randwertproblem (RWP) g¨anzlich anders verhalten kann als ein AWP (mehr in Kapitel 7), behandeln wir noch das

kann als ein AWP (mehr in Kapitel 7), behandeln wir noch das 1 y(x) Beispiel 2.4:

1

y(x)

Beispiel 2.4:

a) y(0) = 0,

y + y = 0

2

mit RB

b) y(0) = 0,

y ( Π ) = 1,

y(Π) = 0,

c) y(0) = 0,

y(Π) = 1.

Was unterscheidet demnach ein RWP von einem AWP?

13

2.2

Einfluß von St¨orungen

In diesem Abschnitt steht die Kondition des Anfangswertproblems im Mit- telpunkt. Wie wirken sich St¨orungen in den Anfangswerten, in der rechten Seite und in m¨oglichen Parametern auf die L¨osung aus?

Beginnen wir mit den Anfangswerten:

Satz 2.2 St¨orung der Anfangswerte Falls die rechte Seite f der Lipschitzbedingung (2.5) genugt,¨ gilt fur¨ zwei L¨osungen y(x) und z(x) mit Anfangswerten y(x 0 ), z(x 0 ) die Absch¨atzung

y(x) z(x)∥ ≤ ∥y(x 0 ) z(x 0 )e L|xx 0 | .

Beweis: Aus y = f (x, y) und z = f (x, z) folgt mit Integration

y(x) z(x) = y(x 0 ) z(x 0 ) +

x

x 0

(f (t, y) f (t, z))

dt

und damit

y(x) z(x)

=:m(x)

≤ ∥y(x 0 ) z(x 0 )+ L

x

x

0

y(t) z(t)

=m(t)

bzw.

m(x) ≤ ∥y(x 0 ) z(x 0 )+ L

x

x 0

m(t) dt.

m(x) ist stetig und

stetig differenzierbar. Also gilt

q(x) := e Lx

x

x 0

m(t) dt

()

dt

m(x) = ( e Lx q(x) ) = Le Lx q(x) +

e Lx q (x).

(∗∗)

Eingesetzt in ():

Le Lx q(x) + e Lx q (x)

q (x)

=

=q(x) =

x

x 0

q (t) dt

y 0 z 0 + Le Lx q(x)

y 0 z 0 e Lx

y 0 z 0 ( e Lx 0 e Lx ) /L

14

Absch¨atzungen eingesetzt in (∗∗):

m(x) ≤ ∥y 0 z 0 (e L(xx 0 ) 1 + 1)

(Bei Integration in die “Vergangenheit” mit x 0 x analoges Vorgehen).

z 0 } L(x-x ) < e 0 y 0 x x 0
z
0
}
L(x-x )
< e
0
y
0
x
x
0

|y

0

-z

0

|

Abbildung 4: Skizze zu Satz 2.2

Warum k¨onnen sich zwei L¨osungskurven nicht schneiden?

Im Beweis von Satz 2.2 ist eine vereinfachte Fassung des Lemmas von Gronwall versteckt, das eine wichtige Rolle bei verschiedenen Absch¨atzungen spielt. In der vollst¨andigen Fassung lautet es:

Lemma 2.3 Gronwall Sei m(x) eine positive, stetige Funktion sowie ρ 0, ε 0. Falls

m(x) ρ + ε(x x 0 ) + L

x

x

0

m(t) dt,

gilt die Absch¨atzung

m(x) ρe L(xx 0 ) +

Beweis s.

¨

Ubung

L ε ( e L(xx 0 ) 1 ) .

die Aus-

wirkung von St¨orungen in den Anfangswerten erweitern. Sei y eine exakte L¨osung und z eine approximative L¨osung, die einen Defekt δ(x) aufweist,

Mit dem Lemma von Gronwall kann man die Absch¨atzung uber¨

z (x) = f (x, z(x)) + δ(x),

15

δ(x)∥ ≤ ε.

Mit m(x) := y(x) z(x)und ρ := y(x 0 ) z(x 0 )sind die obigen Vor-

aussetzungen erfullt,¨

denn

y(x) z(x) = y(x 0 ) z(x 0 ) +

x

x

0

δ(t) dt +

x

x

0

(f (t, y) f (t, z))

dt.

Anwendung des Gronwallschen Lemmas liefert

y(x) z(x)∥ ≤ ∥y(x 0 ) z(x 0 )e L(xx 0 ) + L ( e L(xx 0 ) 1 )

ε

(2.7)

als Verallgemeinerung von Satz 2.2. Der zweite Term beinhaltet dabei die Auswirkung des Defekts / der St¨orung δ(x). Auffallend ist die zentrale Rol- le der Exponentialfunktion. Falls die Lipschitzkonstante L sehr groß ist, wird e Lx sehr schnell wachsen, und (2.7) stellt dann eine sehr pessimistische Aussage dar. In den allermeisten F¨allen sind jedoch Anfangswertprobleme deutlich besser konditioniert als es (2.7) suggeriert, vergl. Kapitel 5 uber¨ steife Anfangswertprobleme.

Ableitung bezuglich¨

einem Parameter

Differentialgleichungsmodelle enthalten meist eine Reihe konstanter Para-

¨

meter, die problemspezifisch gew¨ahlt sind. Bei einer Anderung eines Para-

¨

meters wird sich die L¨osung ebenfalls ¨andern, doch h¨angt diese Anderung stetig differenzierbar vom Parameter ab? In vielen Anwendungen ist dies eine zentrale Frage, denn nur bei stetig differenzierbarer Abh¨angigkeit ma- chen die meisten Optimierungs- und Parameteridentifizierungsverfahren ei- nen Sinn (vergl. Kapitel 7).

Beispiel 2.5: Bei der Van-der-Pol Gleichung y¨ = µ(1y 2 )y˙y h¨angt die L¨osung vom Parameter µ ab, siehe Abb. 5. Mit wachsendem µ w¨achst auch die Periode der L¨osung, und es treten immer steilere Flanken auf.

16

Solution of van der Pol Equation, µ = 1 Solution of van der Pol Equation,
Solution of van der Pol Equation, µ = 1
Solution of van der Pol Equation, µ = 3
2.5
2.5
2
2
1.5
1.5
1
1
0.5
0.5
0
0
−0.5
−0.5
−1
−1
−1.5
−1.5
−2
−2
−2.5
−2.5
0
2
4
6
8
12
14
16
18
20
0
2
4
6
8
12
14
16
18
20
time 10 t
time 10 t
solution y 1
solution y 1

Abbildung 5: L¨osungen der Van-der-Pol-Gleichung fur¨

µ = 1, 3

Wir betrachten nun die parameterabh¨angige Differentialgleichung

y = f (x, y; p),

y(x 0 ) = y 0 ,

(2.8)

wobei p fur¨ einen (oder mehrere) Parameter steht. Die partiellen Ableitun- gen ∂f/∂y sowie ∂f/∂p seien stetig in einer Umgebung der L¨osung y. Als Sensitivit¨at (bzw. Sensitivit¨atsmatrix ) bezeichnet man die Ableitung der L¨osung nach dem Parameter,

ψ(x) := ∂y(x; p) ∂p

= lim

δp0

y(x; p + δp) y(x; p)

δp

.

Die Sensitivit¨at kann als L¨osung einer speziellen Differentialgleichung cha- rakterisiert werden. Dazu betrachten wir neben der L¨osung y zum Parame- ter p eine weitere L¨osung z zum Parameter q = p + δp,

z = f (x, z; q),

z(x 0 ) = y 0 .

Mit Subtraktion der beiden Differentialgleichungen gilt

=

z y = f (x, z; q) f (x, y; p) = f (x, y + z y; p + q p) f (x, y; p)

(x, y; p)(z y) + f ∂p (x, y; p)(q p) + o(z y) + o(|q p|). (2.9)

∂f

∂y

Der Defekt der gest¨orten L¨osung z erfullt¨

z (x) f (x, z(x); p)= f (x, z(x); q) f (x, z(x); p)∥ ≤ A|q p|,

17

falls wir A = max ∂f/∂psetzen. Damit kann das Lemma von Gronwall angewandt werden (beachte ρ = z(x 0 ) y(x 0 )= 0), und wir erhalten (vergl. die Absch¨atzung (2.7))

z(x) y(x)∥ ≤ A |q p| ( e L(xx 0 ) 1 ) .

L

Die Differenz der beiden L¨osungen kann also uber¨ die Differenz der Para- meter δp = q p beliebig klein gemacht werden. Im Grenzubergang¨ δp 0 folgt so aus (2.9) die Differentialgleichung oder Sensitivit¨atengleichung

ψ (x) = f (x, y(x); p) · ψ(x) + f (x, y(x); p).

∂y

∂p

(2.10)

Da (2.10) bei gegebenem y ein System linearer Differentialgleichungen fur¨ die Sensitivit¨at ψ darstellt, kann man die entsprechende L¨osungstheorie einsetzen, um eine expliziten Ausdruck fur¨ ψ zu gewinnen.

Exkurs: L¨osung von y (x) =

Ein Fundamentalsystem linear unabh¨angiger L¨osungen ϕ 1 ,

z = Az fassen wir zusammen als

A(x)y(x) + b(x),

A(x) R n × R n , b(x) R n stetig.

, ϕ n der homogenen Gleichung

W

(x) := (ϕ 1 (x),

,

ϕ n (x))

Wronski-Matrix

und definieren

P (x, x 0 ) := W (x)W 1 (x 0 )

Propagationsmatrix.

Im homogenen Fall hat man dann fur¨

die L¨osung zum Anfangswert z 0 die Darstellung

z(x) = P (x, x 0 )z 0 ,

und im inhomogenen Fall

y(x) = P (x, x 0 )y 0 +

x

(Folgt uber¨

Variation der Konstanten.)

x

0

P (x, s)b(s) ds.

(2.11)

(2.12)

Anwendung von ( 2.12) auf die Gleichung (2.10) fur¨ (beachte ψ 0 = ψ(x 0 ) = 0)

die Sensitivit¨at ergibt

ψ(x) =

x

x

0

P (x, s) · f ∂p (s, y(s); p) ds

(2.13)

18

mit der Propagationsmatrix P des linearen Systems z = ∂f/∂y · z. Der

¨

Ubersichtlichkeit halber fassen wir alles nochmal zusammen:

Satz 2.4 Abh¨angigkeit der L¨osung von einem Parameter Sei y(x) die L¨osung der parameterabh¨angigen Differentialgleichung (2.8). Die partiellen Ableitungen ∂f/∂y sowie ∂f/∂p seien stetig in einer Umge- bung von y. Dann existiert die Sensitivit¨at ψ(x) = ∂y(x; p)/∂p, ist stetig und genugt¨ der Differentialgleichung

ψ (x) = f (x, y(x); p) · ψ(x) + f (x, y(x); p).

∂y

∂p

Ferner besitzt ψ die explizite Darstellung

ψ(x) =

x

x

0

P (x, s) · f ∂p (s, y(s); p) ds

mit der Propagationsmatrix P des linearen Systems z = ∂f/∂y · z.

Wie wirken sich nun St¨orungen im Parameter auf die L¨osung aus? Wegen

y(x; p + δp) = y(x; p) + y

p (x; p)δp + o(|δp|)

gilt in linearer Theorie fur¨

δy(x) = y(x; p + δp) y(x; p) die Beziehung

δy(x) = ψ(x) · δp,

.

(2.14)

und ψ(x)ist die zugeh¨orige (punktweise) Konditionszahl.

Abh¨angigkeit der L¨osung von den Anfangswerten

Die Anfangswerte kann man auch als Parameter interpretieren. Dazu be- trachten wir die Differentialgleichung

z (x) = F (x, z(x); y 0 ) := f (x, z(x) + y 0 ),

z(x 0 ) = 0.

Offensichtlich h¨angt z vom Parametervektor y 0 ab, und y(x) := z(x) + y 0 l¨ost das AWP

y (x) = f (x, y(x)),

19

y(x 0 ) = y 0 .

Damit kann die obige Argumentation wiederholt werden. Definiere die Sen- sitivit¨atsmatrizen

Φ(x) := ∂z(x; y 0 ) ∂y 0

,

Ψ(x) := y(x; y 0 ) ∂y 0

= Φ(x) + I n×n .

Die Differentialgleichung fur¨ Φ kann von (2.10) ubernommen¨ werden und ergibt sich zu

Φ (x) = F ∂z (x, z(x); y 0 )·Φ(x)+

∂F

∂y

0

(x, z(x); y 0 ) = f ∂y (x, z(x)+y 0 )·(Φ(x)+I),

und wegen Φ (x) = Ψ (x) sowie Φ(x 0 ) = 0 n×n folgt:

Satz 2.5 Abh¨angigkeit der L¨osung von den Anfangswerten Sei f stetig mit stetigen partiellen Ableitungen ∂f/∂y. Dann h¨angt die L¨osung y(x; y 0 ) stetig differenzierbar von den Anfangswerten ab, und die Ableitung Ψ(x) = ∂y(x; y 0 )/∂y 0 genugt¨ der Variationsgleichung

Ψ (x) = f ∂y (x, y(x; y 0 )) · Ψ(x),

Ψ(x 0 ) = I n×n .

Eine St¨orung δy 0 in den Anfangswerten fuhrt¨

Damit hat man in linearer Theorie fur¨ Aussage

δy(x) = Ψ(x) · δy 0 ,

und Ψ(x)stellt die Konditionszahl dar. Wie in (2.14) bestimmt also das Fundamentalsystem der linearisierten Differentialgleichung z = ∂f/∂y · z