Sie sind auf Seite 1von 280

Berner Fachhochschule

Haute cole spcialise bernoise


Technik und Informatik
Technique et informatique

Mathematikkurs
2. Studienjahr
Fachbereich Mikrotechnik
Pierre-Andre Chevalier
Inhaltsverzeichnis

1 Differentialgleichungen 6
1.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Modellierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Differentialgleichungen erster Ordnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Geometrische Bedeutung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Analytische Losungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.1 Separable Differentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4.2 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5 Lineare Differentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.1 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.6 Anwendung auf ein Problem des elektrischen Schaltkreises . . . . . . . . . . . . . . . . . . . . . 19
1.6.1 Erster Fall: konstante Spannung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.2 Zweiter Fall : Wechselspannung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.6.3 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.7 Numerische Losung einer Differentialgleichung 1. Ordnung . . . . . . . . . . . . . . . . . . . . 24
1.7.1 Die Euler-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.7.2 Die klassische Runge-Kutta-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.7.3 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.8 Differentialgleichungen 2. Ordnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.8.1 Differentialgleichung 2. Ordnung der Form y = f (y) . . . . . . . . . . . . . . . . . . . 29
1.8.2 Differentialgleichung 2. Ordnung der Form y = f (x, y ) . . . . . . . . . . . . . . . . . 29
1.9 Lineare Differentialgleichungen 2. Ordnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.9.1 1.Fall: Lineare homogene Differentialgleichung . . . . . . . . . . . . . . . . . . . . . . . 31
1.9.2 2. Fall: Lineare inhomogene Differentialgleichung 2.Ordnung . . . . . . . . . . . . . . . 34
1.9.3 Mechanisches Beispiel: Probleme der gedampften Schwingungen . . . . . . . . . . . . . 36
1.9.4 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.10 Beispiel eines einfachen elektrischen Schaltkreises . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.10.1 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.11 Verschiedene Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

2 Vektoranalysis 46
2.1 Skalare Felder und Vektorfelder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.1.1 Skalare Felder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.1.2 Vektorfelder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2 Gradient, Divergenz und Rotation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.2.1 Der Gradient . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.2.2 Die Rotation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.2.3 Die Divergenz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.3 Linienintegrale und Flachenintegrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.3.1 Linienintegrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.3.2 Flachenintegrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.4 Die Formel von Green in der Ebene . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
2.5 Wegunabhangigkeit der Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

1
2.6 Divergenzsatz oder Satz von Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
2.7 Der Satz von Stokes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.8 Zusatz: Die Maxwellschen Gleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.8.1 Integralform der Maxwellschen Gleichungen . . . . . . . . . . . . . . . . . . . . . . . . 72
2.8.2 Differenzielle Form der Maxwellschen Gleichungen . . . . . . . . . . . . . . . . . . . . 73
2.9 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

3 Die Laplace-Transformation 80
3.1 Einfuhrung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
3.2 Die Laplace-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.2.1 Definitionen und Schreibweisen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.2.2 Transformationen einfacher Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.2.3 Existenz von Laplace-Transformierten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
3.2.4 Eigenschaften der Laplace-Transformierten . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.2.4.1 Die Linearitat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
3.2.4.2 Die erste Verschiebungsregel . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.2.4.3 Die Ableitung einer Transformierten . . . . . . . . . . . . . . . . . . . . . . . 87
3.2.5 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
3.2.6 Die inverse Laplace-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
3.2.7 Berechnung von inversen Transformierten . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.2.7.1 Zerlegung in Partialbruche . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.2.8 Inverse mit dem ersten Verschiebungssatz . . . . . . . . . . . . . . . . . . . . . . . . . . 91
3.2.9 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
3.3 Losen von Differentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.3.1 Transformation von Ableitungen und Integralen . . . . . . . . . . . . . . . . . . . . . . . 93
3.3.1.1 Transformation von Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.3.1.2 Transformation von Integralen . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3.3.2 Gewohnliche Differentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.3.3 Gekoppelte Differentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
3.3.4 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
3.4 Ingenieur-Anwendungen: Elektrische Schaltkreise und mechanische Schwingungen . . . . . . . . 101
3.4.1 Analyse elektrischer Schaltkreise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3.4.2 Untersuchung mechanischer Schwingungen . . . . . . . . . . . . . . . . . . . . . . . . . 103
3.4.3 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
3.5 Die Heaviside-Funktion und die Diracsche Funktion . . . . . . . . . . . . . . . . . . . . . . . . 108
3.5.1 Der Einheits-Sprung von Heaviside . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
3.5.2 Laplace-Transformation des Einheits-Sprungs . . . . . . . . . . . . . . . . . . . . . . . . 110
3.5.3 2. Verschiebungssatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3.5.4 Umkehrung mit Hilfe des 2. Verschiebungsssatzes . . . . . . . . . . . . . . . . . . . . . 112
3.5.5 Anwendung auf Differentialgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
3.5.6 Periodische Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
3.5.7 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
3.5.8 Der Diracsche Stoss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
3.5.9 Eine wichtige Eigenschaft der Delta-Funktion . . . . . . . . . . . . . . . . . . . . . . 119
3.5.10 Laplace-Transformierte der Delta-Funktion . . . . . . . . . . . . . . . . . . . . . . . . 120
3.5.11 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.6 Ubertragungsfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.6.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.6.2 Block-Darstellungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
3.6.2.1 Regel 1: Kombination in Serie . . . . . . . . . . . . . . . . . . . . . . . . . . 124
3.6.2.2 Regel 2: Negative Ruckkoppelung . . . . . . . . . . . . . . . . . . . . . . . . 125
3.6.3 Stabilitat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
3.6.4 Stossantwort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
3.6.5 Anfangswert-Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130

2
3.6.6 Endwert-Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
3.6.7 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
3.6.8 Das Faltprodukt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133
3.7 Anwendung: Frequenzgang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
3.8 Wiederholungsaufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
3.9 Anhang: Tabelle von Laplace-Transformierten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
3.9.1 Allgemeine Eigenschaften der Laplace-Transformation . . . . . . . . . . . . . . . . . . . 139
3.9.2 Spezielle Laplace-Transformierte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
3.9.3 Einige typische Funktionen mit ihren Laplace-Transformierten . . . . . . . . . . . . . . . 143

4 Die Z-Transformation 145


4.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
4.2 Die Z-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
4.2.1 Definitionen und Schreibweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
4.2.2 Abtastwerte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
4.2.3 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
4.3 Eigenschaften der Z-Transformierten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
4.3.1 Die Linearitat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
4.3.2 Erster Verschiebungssatz (verzogert) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
4.3.3 Zweiter Verschiebungssatz (voraus) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
4.3.4 Weitere Eigenschaften . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
4.3.4.1 Multiplikation mit ak . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
4.3.4.2 Multiplikation mit k n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
4.3.4.3 Anfangswert-Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
4.3.4.4 Endwert -Theorem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
4.3.5 Tabelle von Z-Transformierten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
4.3.6 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
4.4 Die inverse Z-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
4.4.1 Technik der inversen Z-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
4.4.2 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
4.5 Diskrete Zeitsysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
4.5.1 Differenzengleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
4.5.2 Die Losung einer Differenzengleichung . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
4.5.3 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
4.6 Charakterisierung linearer diskreter Systeme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
4.6.1 Die Ubertragungsfunktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
4.6.2 Die Stossantwort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
4.6.3 Stabilitat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
4.6.4 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167

5 Fourier-Reihen 169
5.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
5.2 Entwicklung in eine Fourier-Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
5.2.1 Periodische Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
5.2.2 Der Satz von Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
5.2.3 Die Fourier-Koeffizienten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
5.2.4 Periodische Funktionen der Periodenlange 2 . . . . . . . . . . . . . . . . . . . . . . . . 174
5.2.5 Gerade und ungerade Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 175
5.2.6 Gerade und ungerade harmonische Funktionen . . . . . . . . . . . . . . . . . . . . . . . 178
5.2.7 Die Eigenschaft der Linearitat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
5.2.8 Konvergenz der Fourier-Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
5.2.9 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
5.2.10 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
5.3 Funktionen auf einem endlichen Intervall . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
5.3.1 Vollstandige Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185

3
5.3.2 Cosinus-Reihen und Sinus-Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
5.3.3 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
5.4 Ableitung und Integration von Fourier-Reihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
5.4.1 Integration einer Fourier-Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
5.4.2 Ableitung einer Fourier-Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
5.4.3 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
5.5 Anwendungen: Frequenzgang und schwingungsfahige Systeme . . . . . . . . . . . . . . . . . . . 192
5.5.1 Lineare Systeme mit periodischem Eingangssignal . . . . . . . . . . . . . . . . . . . . . 192
5.6 Komplexe Form der Fourier-Reihe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
5.6.1 Komplexe Form . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
5.6.2 Multiplikationssatz und Satz von Parseval . . . . . . . . . . . . . . . . . . . . . . . . . . 196
5.6.3 Diskretes Frequenzspektrum . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
5.6.4 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
5.7 Die diskrete Fourier-Transformation (DFT) und die FFT . . . . . . . . . . . . . . . . . . . . . . 202
5.7.1 Die diskrete Fourier-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
5.7.2 Berechnung der DFT . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 203
5.7.3 Die schnelle Fourier-Transformation FFT . . . . . . . . . . . . . . . . . . . . . . . . . . 207
5.8 Ein konkretes Anwendungsbeispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
5.8.1 Das Elektroenzephalogramm (EEG) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
5.8.2 Ein Beispiel eines EEG . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210

6 Die Fourier-Transformation 213


6.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
6.2 Die Fourier-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
6.3 Das kontinuierliche Spektrum von Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 219
6.3.1 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 220
6.4 Eigenschaften der Fourier-Transformation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
6.4.1 Linearitat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
6.4.2 Ableitung im Zeitbereich . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 221
6.4.3 Die Verschiebung im Zeitbereich . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
6.4.4 Die Verschiebung im Frequenzbereich . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223
6.4.5 Symmetrieeigenschaft . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
6.4.6 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
6.5 Die Frequenzantwort . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
6.5.1 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
6.6 Energie und Leistung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227
6.7 Faltung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
6.7.1 Faltung im Zeitbereich . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
6.7.2 Faltung im Frequenzbereich . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
6.7.3 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232

7 Wahrscheinlichkeitsrechnung und Statistik 233


7.1 Kombinatorik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
7.1.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
7.1.2 Die Permutationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
7.1.3 Die Variationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
7.1.4 Die Kombinationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
7.1.5 Beispiele und Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
7.2 Zufallige Ereignisse und Zufallsvariablen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
7.2.1 Begriffe und Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 240
7.2.2 Erfassung von Zufallsvariablen und elementare Statistik . . . . . . . . . . . . . . . . . . 241
7.2.3 Beschreibung zufalliger Ereignisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
7.2.4 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249
7.3 Wahrscheinlichkeiten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
7.3.1 Absolute Wahrscheinlichkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251

4
7.3.2 Wahrscheinlichkeitsrechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253
7.3.3 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
7.4 Wahrscheinlichkeitsverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
7.4.1 Begriffe und Definitionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
7.4.2 Diskrete Wahrscheinlichkeitsverteilungen . . . . . . . . . . . . . . . . . . . . . . . . . . 266
7.4.2.1 Gleichverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
7.4.2.2 Binomialverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
7.4.2.3 Poisson-Verteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
7.4.3 Stetige Wahrscheinlichkeitsverteilungen . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
7.4.3.1 Stetige Gleichverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
7.4.3.2 Normalverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
7.4.3.3 Exponentialverteilung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
7.4.4 Aufgaben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279

5
Kapitel 1

Differentialgleichungen

1.1 Einleitung

Definition 1.1 Eine Differentialgleichung ist eine Gleichung fur eine gewisse Funktion y = f (x), welche
zudem mindestens eine Ableitung von f in Bezug auf die Variable x enthalt.
Die Ordnung der Differentialgleichung ist gleich der maximalen Ordnung der Ableitung y (n) welche in der
Gleichung auftritt.
Es gibt zwei Formen von Differentialgleichungen:

Eine Differentialgleichung heisst implizit, wenn sie in folgender Form vorliegt:

F (x, y, y , y , . . . , y (n) ) = 0 (1.1)

Eine Differentialgleichung heisst explizit , wenn sie nach der hochste Ableitung aufgelost ist:

y (n) = (x, y, y , y , . . . , y (n1) ) (1.2)

Gleichungen, welche partielle Ableitungen der Funktion enthalten, heissen partielle Differentialgleichungen.
Viele physikalische Probleme werden uber solche Gleichungen gelost. Aber ihr Studium ubersteigt den Rahmen
des vorliegenden Kapitels bei weitem. Wir beschranken uns hier auf Differentialgleichungen 1. und 2. Ordnung.
Zur Vereinfachung der Schreibweise kurzen wir in Zukunft Differentialgleichung durch DGL ab.

Definition 1.2 Die Menge aller Losungen einer DGL heisst allgemeine Losung.

Theorem 1.1 Die allgemeine Losung einer DGL enthalt genau n Parameter.

Diese n Parameter werden in der Regel mit C1 , C2 , ..., Cn bezeichnet.

6
Beispiel 1.1.1 Geben Sie die allgemeine Losung der DGL

y (x) = 3x2 + x 1

Losung:

In der Praxis werden im Zusammenhang mit einer DGL gewisse Bedingungen an die Losung gestellt. Solche
Losungen kommen zustande durch spezielle Wahl von Parametern. Eine solche Losung heisst partikulare Losung
der DGL.
Wenn die Funktion y von der Zeit t abhangt sind die Bedingungen in Form von Anfangsbedingungen gegeben
(Anfangswerte von y und seinen Ableitungen zu einem bestimmten Zeitpunkt t0 )

Beispiel 1.1.2 Gesucht ist eine Funktion f (t) sodass gilt: f (t) = 3t2 2t+ 1, f (0) = 1 und f (0) = 0. Zeichnen
Sie auch die Funktion f .
Losung:

Beispiel 1.1.3 Geben Sie die Position eines Gegenstandes der Masse M zu jedem Zeitpunkt t > 0 an, der zum
Zeitpunkt t = 0 von einem Turm der Hohe 40 m fallengelassen wird. Vernachlassigen Sie die Luftreibung.
Losung:

Theorem 1.2 Der Graph der allgemeinen Losung einer DGL der Ordnung n ist ein Bundel von Kurven mit
n Parametern.
Eine partikulare Losung beschreibt eine gewissen Kurve dieses Bundels mit fest vorgegebenen Parametern.

Beispiel 1.1.4 Sei y = f (x) eine monoton zunehmende Funktion und beschreibe t(x) die Tangente an f im Punkt
x0 . Es sei P der Schnittpunkt der Tangente mit der horizontalen Achse und L die Distanz zwischen P und x0
(gemass Figur 1.1).

1. Bestimmen Sie die Funktion y = f (x) aller Kurven, deren Distanz L konstant ist.
2. Bestimmen Sie speziell diejenige Funktion, deren Graph durch den Punkt (0, 1/2) geht. Uberprufen Sie
schliesslich Ihre Losung.

7
y

x
P x0

Abbildung 1.1: Situation des Beispieles 1.1.4

Losung:

Eine der wichtigsten Klassen von DGLen besteht aus ganzzahligen Potenzen von y und den Ableitungen y ,
y , ..., y (n) . Wir konnen in einem solchen Fall vom Grad der DGL reden, der klar von der Ordnung der DGL zu
unterscheiden ist.
Ein haufiger auftretender Fall ist derjenige mit Grad 1, d.h. die Funktion y und ihre Ableitungen treten nur in
der ersten Potenz auf.

Definition 1.3 Eine DGL der Ordnung n heisst linear, falls sie die folgende Form hat:

gn (x)y (n) + gn1 (x)y (n1) + . . . + g1 (x)y + g0 (x)y = R(x) (1.3)

Die Funktionen gk (x) sind die Koeffizienten der Gleichung und R(x) ist die rechte Seite der Gleichung.
Die Gleichung ist homogen, falls R(x) = 0, sonst inhomogen.

Definition 1.4 Eine lineare DGL der Ordnung n mit konstanten Koeffizienten hat folgende Form:

cn y (n) + cn1 y (n1) + . . . + c1 y + c0 y = R(x) (1.4)


Die Koeffizienten ck sind reelle Zahlen.

Eine DGL kann linear (oder nicht linear) sein, sie kann konstante Koeffizienten aufweisen (oder auch nicht) und
sie kann homogen oder inhomogen sein. Alle diese verschiedenen Falle konnen bei physikalischen Phanomenen
(z.B. bei elektrischen Schaltkreisen) auftreten.

1.2 Modellierung
Zahlreiche Probleme aus Naturwissenschaften und der Technik konnen uber DGL eine gelost werden. Der erste
Schritt des Losungsverfahrens besteht aus dem Aufstellen eine DGL. Mit andern Worten : Durch das Konstruieren
eines mathematischen Modells, welches der physikalischen Realitat moglichst gut entspricht. Diesen Schritt nennt

8
man mathematische Modellbildung des Problems. Die Modellierung bezieht sich fast immer auf physikalische
Begriffe. Es ist oft so, dass es sich um einen der schwierigsten Schritte der Problemlosung handelt. Hat man
einmal die DGL aufgestellt, welche das Modell beschreibt, so mussen mathematische Methoden zu deren Losung
herangezogen werden.
Wir werden in diesem Kapitel mehrere kleinere Probleme behandeln, welche mit DGLen gelost werden konnen.

Beispiel 1.2.1 Ein Korper der Masse m fallt im freien Fall unter dem Einfluss der Gravitation der Erde. Er wird
gebremst durch den Luftwiderstand. Ist die Geschwindigkeit gross genug, so ist die Bremskraft proportional zum
Quadrat der Geschwindigkeit .
Modellieren Sie das Problem durch eine DGL .
Losung:

Beispiel 1.2.2 Ein elektrischer Serie-Schaltkreis bestehe aus einer Spule mit Induktion L, einem Widerstand R
und einer Kapazitat C. Er werde durch eine Spannungsquelle u(t) gespiesen und zum Zeitpunkt t = 0 geschlossen
(Figur 1.2).

  D  D D  D  D
t=0 D  D  D  D  D
R

u(t) C

L






Abbildung 1.2: LRC Schaltkreis

Bestimmen Sie eine Differentialgleichung, welche den Schaltkreis modelliert fur den Strom i(t) und fur die
elektrischen Ladung Q(t) auf der Kapazitat.
Losung:

Beispiel 1.2.3 Eine Masse M hangt an einer Feder mit der Federkonstanten k. Der Aufhangepunkt ist fest. Geben
Sie die DGL an, welche die Auslenkung der Masse in Bezug auf die Ruhelage beschreibt (Figur 1.3).
Losung:

9
`
`
`
```
`
```
k `
```
`
```
`
`

Abbildung 1.3: Gedampftes Masse-Feder-System

1.3 Differentialgleichungen erster Ordnung


1.3.1 Geometrische Bedeutung
Bei einer DGL erster Ordnung kommt nur die 1. Ableitung vor. Wir setzen in Zukunft voraus, dass die zu suchende
Funktion y von der Variablen x abhangt. Es folgt aus Definition (1.1), dass eine DGL erster Ordnung auf zwei Arten
notiert werden kann:

DGL in impliziter Form:

F (x, y, y ) = 0 (1.5)

DGL in explitziter Form:


y = (x, y) (1.6)

Jede Funktion y = f (x), welche die Gleichung erfullt, heisst Losung oder Integral der DGL. Ist die Funktion
(x, y) stetig auf einem bestimmten Gebiet D der Ebene, so ist dort also auch die Ableitung y stetig.
Die DGL (1.6) kann geometrisch interpretiert werden. Durch jeden Punkt (x, y) des Definitionsbereiches der
Funktion kann ein Punkt der Ebene Oxy zugeordnet werden. Durch die Funktion konnen wir jedem Punkt
eine Steigung y = (x, y) mit = arctan y zuordnen (vergleiche Figur 1.4).

Abbildung 1.4:

Stellt man in einer Grafik die Menge aller Steigungen y = (x, y) in einem gewissen Bereich dar, so erhalten
wir eine spezielle Grafik: das Richtungsfeld ( Figur 1.5).

10
y
2

x
-2 2

-2

Abbildung 1.5: Richtungsfeld zur DGL y = x2 + 3y 2

Feldlinien einer DGL y = (x, y) sind Kurven, welche sich in jedem Punkt tangential an das Richtungsfeld
anschmiegen (Figur 1.6).
y
2

x
-2 2

-2

Abbildung 1.6: Richtungsfeld und Feldlinien

11
1.4 Analytische Losungsmethoden
In diesem Kapitel werden verschiedene Falle von DGLen erster Ordnung beschrieben, fur welche es moglich ist,
eine analytische Losung zu finden. Wie bereits erwahnt, ist dies nicht immer moglich. In solchen Fallen mussen
wir auf numerische Losungsverfahren zuruckgreifen.

1.4.1 Separable Differentialgleichungen


Die allgemeine Form einer separablen DGL lautet:

y = g(x) h(y) (1.7)

Eine separable DGL ist also explizit gegeben. Ihr typisches Merkmal: Die rechte Seite ist das Produkt zwischen
einer Funktion g(x), welche ausschliesslich von x abhangt und einer Funktion h(y), welche ausschliesslich von y
abhangt. Der Trick zur Losung besteht im Separieren der beiden Teile (derjenige welcher x und derjenige welcher
y enthalt) und in ihrem anschliessenden Integrieren:

dy
= g(x) h(y)
dx
dy
= g(x) dx
h(y)
dy
Z Z
= g(x) dx
h(y)
Wir erhalten also eine Gleichung, welche links nur von der Variablen y und rechts nur von der Variablen x
abhangt. Schliesslich muss, um das Problem zu beenden, die Gleichung algebraisch nach y aufgelost werden, falls
dies moglich ist. Andernfalls lassen wir die Losung der Differentialgleichung in implitziter Form stehen.

Beispiel 1.4.1 Bestimmen sie die allgemeine Losung der DGL

dy
y 4 e2x + =0
dx

Losung:

Beispiel 1.4.2 Finden Sie die allgemeine Losung der DGL


dy
2y + (xy + 3x) =0
dx
Losung:

12
Beispiel 1.4.3 Finden Sie die allgemeine Losung der DGL

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

Losung:

Bemerkung: Eine gewisse Anzahl von DGLen, welche nicht separabel sind, konnen ohne grossen Aufwand auf
solche transformiert werden. Wir geben in folgenden zwei Typen solcher Gleichungen an:

Beispiel 1.4.4 Eine Gleichung der allgemeinen Form


y
y = f (1.8)
x

Wir wollen diese Gleichung durch Zuruckfuhren auf ein separables Problem losen.
Losung: Wir setzen voraus, dass x 6= 0 und setzen z = yx . Also gilt y = zx.
Ableitung von y nach x ergibt

dy
y = =
dx
d
(zx) =
dx
dz d
x+z x=
dx dx
z x + z

Durch Vergleich mit dem Originalproblem erhalten wir



f y = f (z)


x
y =
z x + z

Aus diesen beiden Formeln konnen wir leicht nach z auflosen:

f (z) z 1
z = = (f (z) z) (1.9)
x x
Gleichung (1.9) ist eine separable DGL 1.Ordnung fur die Unbekannte Funktion z. Wir konnen sie mit der
vorher beschriebenen Methode losen.

Beispiel 1.4.5 Finden Sie die allgemeine Losung der DGL x2 y = x2 + xy + y 2 .


Losung:

13
Beispiel 1.4.6 Eine Gleichung der allgemeinen Form

y (x) = f (ax + by + c) (1.10)

In dieser Formel sind a, b 6= 0 und c reelle Konstante, und f ist eine stetig differenzierbare Funktion.
Losung: Wir losen diesen Typ mit der Substitution z = ax + by + c. Ableitung dieses Ausdrucks nach x ergibt

z = a + by
Division durch b fur y den neuen Ausdruck:

z (x) a
y (x) = (1.11)
b
Der Vergleich der Gleichungen (1.10) mit (1.11), mit z = ax + by + c liefert fur z:

z a
= f (z)
b

z (x) = a + bf (z) (1.12)


Gleichung (1.12) ist eine separable DGL fur die unbekannte Funktion z(x):
dz
= a + bf (z)
dx
1
Z Z
dz = dx + C
a + bf (z)
Es bleibt das finden der Losung y(x) aus z und der Substitution z = ax + by + c.

Beispiel 1.4.7 Finden Sie die allgemeine Losung der DGL y = (2x + 3y)2 .
Losung:

1.4.2 Aufgaben

Aufgabe 1.4.1 Finden Sie die allgemeine Losung jeder der DGLen:
dy y
1. =
dx x
dy 4 + y2
2. =
dx 9 + x2
3. y = x 1 + xy y
4. x2 y yx2 = y

14
Aufgabe 1.4.2 Losen Sie die Differentialgleichungen:

1. x2 y = x2 + xy + y 2 .
2. x + 2y + xy = 0

Aufgabe 1.4.3 Finden Sie die allgemeine Losung der folgenden DGLen und zeichnen Sie anschliessend das zu-
gehorige Richtungsfeld.
1. y = x + y
2. (2x + y 1) y = 1

3. y = x y + 5

15
1.5 Lineare Differentialgleichungen

Definition 1.5 Eine lineare DGL erster Ordnung hat die Form

y + p(x)y = q(x) (1.13)


mit stetigen Funktionen p(x) und q(x).

Dieser Typ tritt bei der Untersuchung physikalsicher Phanomene oft auf.
Falls in der obigen Definition speziell q(x) = 0 ist, so kann die DGL separiert und wie folgt integriert werden:

dy
+ p(x) y = 0
dx
1 dy
= p(x)
y dx
1
dy = p(x) dx
y
Z
ln |y| = p(x) dx + ln |C|

Wir haben die Konstante in der Form eines Logarithmus


Z geschreiben um den Ausdruck zu vereinfachen.
Sei P (x) eine Stammfunktion von p, d.h.: P (x) = p(x)dx, so erhalten wir:

ln |y| ln |C| = P (x)


y
ln = P (x)

C
y
= eP (x)

C
y eP (x) = C

Die Verwendung der Produktregel fur die Ableitung ergibt


d y eP (x)  = dy eP (x) + y d eP (x) 
dx dx dx
= y eP (x) + y P (x) eP (x)
= y eP (x) + y p(x) eP (x)
= (y + p(x) y) eP (x) .
Folglich konnen wir die mit dem Faktor eP (x) multiplizierte Gleichung (1.13) auch in folgender Form schrei-
ben:
d h P (x) i
ye = q(x) eP (x) .
dx
Integration beider Seiten ergibt eine Formel fur die Losung der DGL (1.13):
Z
P (x)
ye = q(x) eP (x) dx + K. (1.14)

K ist eine Integrationskonstante. Um eine explizite Losung zu erhalten mussen wir (1.14) nach y auflosen.
Z
Bemerkung: Der Ausdruck eP (x) heisst integrierender Faktor der DGL, dabei ist P (x) = p(x)dx.

Somit haben wir folgendes Resultat bewiesen:

16
Theorem 1.3 Die lineare DGL 1.Ordnung y + p(x) y = q(x) kann durch Multiplizieren beider Seiten mit
eP (x) auf eine separable DGL transformiert werden. Ihre allgemeine Losung ist
Z 
P (x) P (x)
y(x) = e q(x) e dx + K (1.15)

Beispiel 1.5.1 Losen Sie die DGL


dy
3x2 y = x2
dx
Losung:

Beispiel 1.5.2 Losen Sie die DGL


x2 y + 5xy + 3x5 = 0
mit x 6= 0.
Losung:

1.5.1 Aufgaben

Aufgabe 1.5.1

1. Studieren Sie Beispiel 3, Seite 1030 des Buches S WOKOWSKI , C ALCULUS.


2. Studieren Sie Beispiel 4, Seite 1031 des Buches S WOKOWSKI , C ALCULUS.
3. Studieren Sie Beispiel 5, Seite 1032 des Buches S WOKOWSKI , C ALCULUS.

Aufgabe 1.5.2 Losen Sie die folgenden DGLen:

1. y + 2y = e2x
2. xy 3y = x5
3. xy + y + x = ex

17
Aufgabe 1.5.3 Die DGL
dQ Q
R + =V
dt C
beschreibt eine Ladung Q eines Kondensators der Kapazitat C wahrend eines Ladevorganges in einem Schalt-
kreis mit Widerstand R und der Spannung V . Drucken Sie die Ladung Q in Funktion der Zeit t aus, wenn die
Ladung zum Zeitpunkt t = 0 null ist.

Aufgabe 1.5.4 Die Differentialgleichung


dI I dV
R + =
dt C dt
beschreibt einen elektrischen Schaltkreis mit einem Widerstand R und einem Kondensator der Kapazitat C, welche
in Serie geschaltet sind. V ist die elektromotorische Kraft. Beschreiben Sie den Strom I in Funktion der Zeit t fur
den Fall, wo V konstant ist und I = I0 im Zeitpunkt t = 0.

Aufgabe 1.5.5 Eine Masse m bewegt sich auf einer Geraden unter dem Einfluss einer Kraft F (t) = et , dabei
bedeutet t die Zeit und ist eine positive Konstante. Die Bewegung wird gebremst durch eine Kraft, welche
zahlenmassig zweimal so gross ist, wie die Geschwindigkeit der Masse. Berechnen Sie die Geschwindigkeit v fur
alle Zeiten t > 0, wenn v = 0 zum Zeitpunkt t = 0 ist.

Aufgabe 1.5.6 Zahlreiche Medikamente, welche intravenos eingenommen werden (z.B. Penicillin), werden durch
den Blutkreislauf abgebaut mit einer Geschwindigkeit, welche proportional zur noch vorhandenen Medikamenten-
menge y im Korper ist.

1. Zeigen Sie, dass gilt y = y0 ekt mit einer gewissen Konstanten k > 0, falls zum Zeitpunkt t = 0 y0
Milligramm in das Blut gespritzt werden.
2. Falls das Medikament dem Korper durch Infusion von I mg/min zugefuhrt wird, so ist y = ky + I.
Berechnen Sie die Funktion y in Abhangigkeit von t und den Grenzwert limt y, wenn zum Zeitpunkt
t = 0 gilt : y = 0.

18
1.6 Anwendung auf ein Problem des elektrischen Schaltkreises
Wir betrachten einen einfachen Schaltkreis, der aus folgenden Elementen zusammengesetzt ist (Figur 1.7):
Einem Ohmschen Widerstand R,
einer Spule der Induktivitat L,
einer Quellenspannung U (t),
einem Schalter welcher zum Zeitpunkt t = 0 geschlossen wird.


t=0
`
`
 `
```
U (t) `
```
R`
```
 `
```
`
`
L






Abbildung 1.7: LR- Schaltkreis

Wir interessieren uns fur den Stromverlauf i(t), speziell zu Beginn des Prozesses und im stationaren Fall. Wir
betrachten zwei Falle von Quellenspannungen:

1. Konstante Spannung U (t) = U0 ,


2. Wechselspannung der Gestalt U (t) = U0 sin t.

Um den Schaltkreis mathematisch zu modellieren, setzen wir die Spannungsabfalle der beiden Komponenten
der Quellenspannung gleich (Gesetz von Kirchhoff)
Sei UL der Spannungsabfall der Spule und UR der Spannungsabfall des Widerstandes, so haben wir

UL + UR = U (1.16)
Die Spannungswerte UL und UR sind bekanntlich
di
UR = R i UL = L
dt
Somit kann Gleichung (1.16) folgendermassen notiert werden

di
L + R i = U (t) (1.17)
dt

Gleichung (1.17) ist eine inhomogene, lineare Differentialgleichung 1.Ordnung. Um eine eindeutige Losung
zu haben, mussen wir die Anfangsbedingung i(0) = 0 berucksichtigen, welche den Umstand beschreibt, dass der
Schaltkreis zum Zeitpunkt t = 0 geschlossen wird.

19
1.6.1 Erster Fall: konstante Spannung
In diesem ersten Fall nehmen wir die konstante Spannung U (t) = U0 . Damit wird aus Gleichung (1.17)
di
L
+ R i = U0
dt
welche auch in folgender Form geschrieben werden kann

di R U0
+ i= (1.18)
dt L L

Losung:
Gleichung (1.18) ist, wie bereits fruher analysiert, vom Typ y + p(x)y = q(x). Wir konnen sie also mittels
integrierenden Faktorlosen
R R
R
dt
e L = eLt
Damit ist die Losung gegeben durch
hR i R
U0 RL t dt + C e L t
i(t) = L e
h R
i R
U0 1
= L R e L t + C e L t
L

U0 L R
= L R + Ce L t
U0 R
= R + Ce L t

Zum Zeitpunkt t = 0 haben wir


U0 U0
i(0) = + Ce0 = + C = 0,
R R
was uns die Konstante C liefert:
U0
C=
R
Schliesslich erhalten wir die endgultige Losung der Gleichung (1.18) mit der Anfangsbedingung i(0) = 0:

U0 U0 R t U0  R

i(t) = e L = 1 e L t (1.19)
R R R

Ein Graph der Funktion i(t) finden Sie in der Figur (1.8).

1.6.2 Zweiter Fall : Wechselspannung


In diesem zweiten Fall nehmen wir die Spannung U (t) = U0 sin t.
Gleichung (1.17) liefert
di
L
+ R i = U0 sin t
dt
was auch in folgender Form notiert werden kann

di R U0
+ i= sin t (1.20)
dt L L

20
i(t)

Abbildung 1.8: Stromverlauf fur konstante Spannung

Losung:
Diese Gleichung ist wieder vom Typ y + py = q. Wir konnen sie losen mittels integrierendem Faktor
R R
R
dt
e L = e L t,

welcher derselbe ist, wie im vorhergehenden Beispiel.


Durch Multiplikation von (1.20) mit dem integrierenden Faktor erhalten wir
di R t R R t U0 R t
eL + eL i = e L sin t (1.21)
dt L L
Die linke Seite konnen wir als Ableitung nach t ausdrucken:
 R  U R
0
Dt e L t i = e L t sin t
L
Integration ergibt
U0 R t
Z  R  Z
Dt e L t i dt = e L sin t dt + C
L
U0
Z
R R
eLt i = e L t sin t dt + C
L
Und liefert die Losung
 
U0
Z
R R
i(t) = e L t e L t sin t dt + C
L
Es bleibt die Berechnung des Integrals der rechten Seite, welche ein technisches Integrationsproblem ist.
Die allgemeine Losung ist
" R
#
eLt
 
R U0 R
i(t) = e Lt sin t cos t + C
L R2 L

2
L2 +

Fur t = 0 haben wir die Anfangsbedingung


U0 1
i(0) = R2
 () + C = 0 ,
L L2 + 2

welche den Wert fur die Konstante C liefert:


U0 U0 L
C= R2
= .
L L2 + 2 (R + 2 L2 )
2

21
Einsetzen des Wertes von C in der allgemeinen Losung ergibt die partikulare Losung:
" R
#
Lt
 
R U 0 e R U 0 L
i(t) = e L t 2 sin t cos t + 2
L R L (R + 2 L2 )

2
L2 +

U0 U0 L R
i(t) = (R sin t L cos t) + 2 e L t
R2 2
+ L 2 R + L2 2

Die endgultige Losung von Gleichung (1.20) mit der Anfangsbedingung i(0) = 0 lautet:

U0 
R

i(t) = R sin t L cos t + Le Lt (1.22)
R 2 + 2 L2

i(t)

Abbildung 1.9: Stromverlauf fur Wechselspannung

Die Terme mit sin und cos der Losung (1.22) beschreiben den stationaren Teil der Losung, eine harmonische
Funktion der Kreisfrequenz . Der exponentielle Anteil (mit negativem Exponenten) beschreibt den fluchtigen
oder transitorischen Teil der Losung. Letzterer spielt nur gerade am Anfang des Prozesses eine Rolle und wird
schnell unbedeutend.

22
1.6.3 Aufgaben

Aufgabe 1.6.1 Zeigen Sie folgendes Resultat:


R
eLt
 
R
Z
R
e Lt sin t dt = R2 sin t cos t
L

2
L2 +

Aufgabe 1.6.2 Erklaren Sie das asymptotische Verhalten des Stromes (t gegen unendlich) in den beiden vorher-
gehenden Teilabschnitten 1.6.1 und 1.6.2.

Aufgabe 1.6.3 Zeigen Sie, dass der stationare Anteil der Losung (1.22) folgendermassen geschrieben werden
kann:

is (t) = A sin(t + ) .
Berechnen Sie explizit die Werte A und . Was ist die physikalische Bedeutung dieser beiden Grossen ?

Aufgabe 1.6.4 Berechnen Sie die Losung i(t) fur eine Wechselspannung von 220 V der Frequenz 50 Hz, fur
R = 20 [] und L = 10 [H].

23
1.7 Numerische Losung einer Differentialgleichung 1. Ordnung
Sei (x0 , y0 ) ein Punkt der Ebene R2 , D = [x0 , x0 + T ] ein Intervall von R, und f (x, y) eine Funktion, welche in
der Umgebung von (x0 , y0 ) definiert ist. Wir betrachten folgendes Problem (P) erster Ordnung:

Bestimmen Sie eine Funktion y(x) sodass gilt



y = f (x, y) fur alle x D
(P)
y(x ) = y
0 0

Fur viele Funktionen f (x, y) ist es nicht moglich, die Losung dieses Problems als Formel fur y(x) zu beschrei-
ben, obwohl eine Losung existiert. Wir sind deshalb gezwungen, eine numerische Approximation der Losung zu
bestimmen, d.h. in Form einer Zahlentabelle, welche die Funktion y(x) an gewissen Stellen beschreibt. Im Fal-
le einer numerischen Losung ist es naturlich nicht moglich y(x) fur alle x-Werte anzugeben. Wir mussen uns in
diesem Fall auf ein endlichen Intervall beschranken (hier D = [x0 , x0 + T ]).
Im folgenden werden zwei klassische numerische Losungsmethoden beschreiben:

die Euler-Methode (oder Euler-Cauchy-Methode),


die Runge-Kutta-Methode.

1.7.1 Die Euler-Methode


Wir suchen eine numerische Losung des Problems (P) auf dem Intervall D = [x0 , x0 + T ] der Lange T . Zu diesem
Zweck mussen wir eine gewissen Punktmenge in D bestimmen, auf der wir eine approximative Losung fur y(x)
berechnen wollen. Die notigen Schritte zur Losung werden im folgenden erklart:

Wir wahlen eine naturliche Zahl N , welche genugend gross ist (je grosser desto genauer wird die Approxi-
mation). Wir berechnen in der Folge die Werte
T
h= , xk = x0 + kh , fur k = 0, 1, . . . , N
N
Die zwei Punkte x0 und xN entsprechen genau den beiden Randpunkten des Intervalls D. Die anderen Punkte
xk entsprechen einer regelmassigen Einteilung von D in kleine Teilintervalle der Lange h.
Wir bezeichnen mit yk die numerischen approximativen Werte der Funktion y(x) in den verschiedenen Punkten
xk :

y1 y(x1 ) , y2 y(x2 ) , . . . , yN y(xN )

Bemerkung: Die Anfangsbedingung y0 = y(x0 ) ist in der Problemstellung bereits formuliert.

Die numerische Losung besteht aus der Berechnung guter Approximationen y1 , y2 , . . ., yN .


Die Methode konnen wir mit der bekannten Taylor-Formel, angewandt auf die Funktion y(x), erklaren.
Zur Erinnerung: Kennen wir die Werte der Funktion y und ihrer Ableitungen in einem festen Punkt x, so
konnen wir den Wert von y in einem benachbarten Punkt (x + h) von x durch die folgende Formel berechnen:

y (x) 2 y (x) 3 y (n) (x) n


y(x + h) = y(x) + y (x)h + h + h + ... + h + ... (1.23)
2! 3! n!
Wir konnen auch einfacher notieren, indem wir nur die Terme bis zur 2.Ordnung auffuhren:

y(x + h) = y(x) + y (x)h + O(h2 ) (1.24)

24
y

Abbildung 1.10:

Das Symbol O(h2 ) besagt, dass der abgeschnittene Teil der Formel (1.23) mindestens einen Faktor h2 in jedem
seiner Terme aufweist. Da h klein ist, wird dieser Fehler vernachlassigbar (er verschwindet wie ein Quadrat von
h).
Notieren wir jetzt Gleichung (1.24) fur den Punkt xk , wobei wir bemerken dass xk + h = xk+1 :

y(xk+1 ) = y(xk ) + y (xk )h + O(h2 )

Sei y eine Losung des Problems (P). Dann ist

y (xk ) = f (xk , yk )

und wir konnen schreiben:


y(xk+1 ) = y(xk ) + f (xk , y(xk )) h + O(h2 ) (1.25)
Wir haben bereits weiter oben die Notation yk fur die numerische Approximation von y(xk ) eingefuhrt. Indem
wir in (1.25) die y(xk ) durch yk und y(xk+1 ) durch yk+1 ersetzen und den Term O(h2 ) vernachlassigen, erhalten
wir ein numerisches Verfahren dessen Fehler nach einem Schritt von der Ordnung O(h2 ) und nach N Schritten
von der Ordnung O(h) ist.

Euler-Verfahren:

yk+1 = yk + f (xk , yk )h , k = 0, 1, . . . (1.26)

Die Anfangswerte x0 und y0 sind im Problem (P) gegeben.


Bemerkung: Das Euler-Verfahren ist ein Einschrittverfahren.

1.7.2 Die klassische Runge-Kutta-Methode


Zur Erinnerung: Wir wollen das Problem (P) losen durch bestimmen einer Funktion y(x), so dass

y = f (x, y) fur alle x D = [x0 , x0 + T ]
(P)
y(x ) = y
0 0

Wie bei der Euler-Methode beginnen wir mit der Einteilung des Intervalls D:

Wir wahlen eine naturliche Zahl, welche gross genug ist;


T
Wir berechnen die Werte h = N und xk = x0 + kh fur k = 0, 1, . . . , N .

25
y

Abbildung 1.11:

Mit der Kenntnis des Naherungswertes yk von y(xk ) drucken wir den approximierten Wert yk+1 von y(xk+1 )
als Linearkombination aus:
4
X
yk+1 = yk + wi gi , (1.27)
i=1

wobei die Zahlen w1 , w2 , w3 und w4 angepasste Gewichte sind und wo gilt



i1
X
gi = h f xk + i h, yk + ij gj
j=1

Dabei sind die i und die ij geschickt zu wahlen, damit das Verfahren sinnvoll ist. Wir wollen hier nicht expli-
zit herleiten, wie wir auf diese Zahlen kommen, sondern lediglich Schritt fur Schritt den Algorithmus beschreiben.

Bemerkung: der folgende Algorithmus von Runge-Kutta ist von der Ordnung 4.

Ausgangssituation: Die Werte xk fur k = 0, 1, . . . , N , h, und y0 sind gegeben (vergleiche oben).

Algorithmus von Runge-Kutta (klassischer):

1. Im (k + 1). Schritt ist folgende Sequenz zu berechnen:


g1k = h f (xk , yk )
g1k
g2k = h f xk + h2 , yk +

2
g2k
g3k = h f xk + h2 , yk +

2
g4k = h f (xk + h, yk + g3k )
2. Schliesslich ist
1
yk+1 = yk + (g1k + 2g2k + 2g3k + g4k )
6

Fur die Programmierung konnen wir obiges Schema verwenden, welches auch die Reihenfolge der Berechnung
der einzelnen Hilfsgrossen angibt:

26
x y hf (x, y)

xk yk g1k
h g1k
xk + 2 yk + 2 g2k
h g2k
xk + 2 yk + 2 g3k
xk + h yk + g3k g4k

g1k +2g2k +2g3k +g4k


gk = 6

xk+1 yk+1 = yk + gk g1(k+1)


.. .. ..
. . .

Bemerkung: Das RungeKuttaVerfahren ist selbstverstandlich ein Mehrschrittverfahren.

1.7.3 Aufgaben

Aufgabe 1.7.1 Programmieren Sie den Euler Algorithmus (in Java oder in Mathematica ). Testen Sie die Genauig-
keit des Algorithmus indem sie ein Beispiel wahlen, von dem Sie die analytische Losung kennen. Welches ist die
Konvergenzgeschwindigkeit des Algorithmus, wenn h gegen 0 geht?

Aufgabe 1.7.2 Verwenden Sie das obige Programm fur die Losung des Problems

2
y = 1 + y

fur alle x [0, 0.1]
1 + x2
y(0) = 5

Aufgabe 1.7.3 Schreiben Sie das Euler-Schema fur den Fall mit einem Anfangswert an der rechten Grenze des
Intervalls D nieder. Genauer: Finden Sie ein Euler-Schema fur die Berechnung von y im folgenden Fall:

y = f (x, y) fur alle x [x0 T, x0 ]
y(x0 ) = y0

Aufgabe 1.7.4 Das Euler-Schema kann verbessert werden (bezuglich Genauigkeit). Im folgenden eine Moglich-
keit eines solchen Schemas (Nennen wir es Verbessertes Euler-Schema) welches von der Ordnung O(h2 ) ist:
 
h h
yk+1 = yk + f xk + , yk + f (xk , yk ) h , k = 0, 1, . . .
2 2
Modifizieren Sie ihr Programm aus Aufgabe 1.7.1 mit dem verbesserten Euler-Schema, und vergleichen Sie
die beiden Schemen. Welches ist leistungsfahiger?

27
Aufgabe 1.7.5 Programmieren Sie den Runge-Kutta-Algorithmus in Mathematica . Testen Sie die Genauigkeit
und die Leistungsfahigkeit dieses Algorithmus, indem Sie ein Beispiel berechnen dessen analytische Losung Sie
kennen. Kontrollieren Sie die Konvergenzgeschwindigkeit des Algorithmus wenn h gegen 0 geht.

Aufgabe 1.7.6 Vergleichen Sie die Leistungsfahigkeit der Algorithmen von Euler, des verbesserten Euler und von
Runge-Kutta indem Sie y fur folgendes Problem losen:

y = y 2x y fur alle x D
y(0) = 1

28
1.8 Differentialgleichungen 2. Ordnung
Im allgemeinen konnen Differentialgleichungen 2. Ordnung nich explizit gelost werden. Nur in einigen Spezi-
alfallen ist es moglich, eine analytische Formel fur die Losung anzugeben. Wir werden hier einige dieser spezi-
ellen Falle behandeln, wo wir eine Gleichung zweiter Ordnung in eine Gleichung erster Ordnung transformieren
und dann losen konnen. Daruber hinaus werden wir die lineare Differentialgleichung 2. Ordnung mit konstan-
ten Koeffizienten genauer studieren. Sie sind von grosser Bedeutung in der Physik. Alle Gleichungen welche wir
behandeln, sind explizit vorgegeben.

1.8.1 Differentialgleichung 2. Ordnung der Form y = f (y)


Dieser Typ ist explizit und die rechte Seite enthalt eine Funktion, welche nur von y abhangt:

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

Um diese Gleichung zu losen benotigen wir folgende Transformation:

1. Wir schreiben y (x) = p y(x) .




2. Durch ableiten erhalten wir:

d  
y (x) = p(y(x))
dx
dp dy
=
dy dx
dp
= p
dy
dp
Damit sind wir zuruckgefuhrt auf Gleichung dy p = f (y), oder dp p = f (y) dy, welche separabel von erster
Ordnung ist.
Wir konnen also diese letzte Gleichung fur p in Abhangigkeit von y losen. Damit erhalten wir y(x) dank der
Formel y (x) = p(y(x)). Die Anfangsbedingung berucksichtigen wir erst am Schluss.

Typische Gleichungen dieser Form (im Kurs gelost)


1. Die Gleichung des mathematischen Pendels.
2. Die Berechnung der Fluchtgeschwindigkeit der Erde.

1.8.2 Differentialgleichung 2. Ordnung der Form y = f (x, y )


Charakteristisch fur diese explizite Gleichung: die rechte Seite enthalt lediglich die Ableitung y und die Variable
x, aber nicht y:

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

Um diese Gleichung zu losen transformieren wir sie folgendermassen:

1. Wir schreiben z(x) = y (x).


2. Ableiten ergibt: z (x) = y (x) = f (x, y ) = f (x, z).

Damit sind wir zuruckgefuhrt auf die Gleichung z (x) = f (x, z(x)) 1. Ordnung.

29
Typisches Beispiel dieser Form (im Kurs gelost)
Die Gleichung der Kettenlinie:
p
y (x) = 1 + (y (x))2
Diese Gleichung modelliert ein Seil (oder ein Kabel) ohne Biegesteifigkeit, welches zwischen zwei festen
Punkten frei herunterhangt.
Losung: Durch setzen von z(x) = y (x) und Ableiten erhalten wir:
p
z (x) = 1 + z(x)2
Diese Gleichung in z ist separabel und damit konnen wir sie losen:
dz
= dx
1 + z2
Integration ergibt:
1
Z Z
dz = dx + C1
1 + z2
arg sinh z = x + C1

y = z = sinh(x + C1 )
1
y(x) = cosh(x + C1 ) + C2

Die Position der beiden Aufhangepunkte bestimmen die beiden Konstanten C1 und C2 .

30
1.9 Lineare Differentialgleichungen 2. Ordnung
Die linearen Differentialgleichungen spielen ein wichtige Rolle in der Physik und in zahlreichen Modellen der
Technik. Diejenigen 2. Ordnung sind besonders wichtig (Elektrotechnik, Regelungstechnik, mechanische Schwin-
gungen u.s.w.).
Das allgemeine Modell einer linearen Differentialgleichung 2. Ordnung lautet:

y (x) + p(x) y (x) + q(x) y(x) = f (x) (1.28)

In diesem allgemeinen Modell sind die Koeffizienten p(x) und q(x) Funktionen der Variablen x. Wir werden
uns beschrankend auf den einfacheren Fall mit konstanten Koeffizienten p und q. Diese Beschrankung genugt, um
eine gute Anzahl praktische Falle zu losen:

Lineare Differentialgleichung 2. Ordnung mit konstanten Koeffizienten:

y (x) + p y (x) + q y(x) = f (x) (1.29)

Die obere Gleichung (1.29) ist inhomogen, d.h. die rechte Seite .. ist eine Funktion verschieden von der Null-
funktion. Fur die Losung der Gleichung betrachten wir in einem ersten Schritt das zugehorige homogen Problem,
bei dem f durch 0 ersetzt wird.

1.9.1 1.Fall: Lineare homogene Differentialgleichung


Das Losungsprinzip der homogenen Gleichung

y (x) + p y (x) + q y(x) = 0 (1.30)


besteht darin, sie in ein System von zwei Gleichungen 1. Ordnung zu transformieren, welches einfacher zu
losen sind. Zu diesem Zweck fuhren wir zwei neue Funktionen y1 (x) und y2 (x) gegeben durch die Gleichungen

y1 (x) = y(x)
y2 (x) = y (x) = y1 (x) (1.31)
y2 (x) = y1 (x) = y (x)

ein. Indem wir in (1.30) die Ausdrucke von y, y und y durch die neuen zugeordneten Funktionen ersetzen
erhalten wir:...

y2 (x) + p y2 (x) + q y1 (x) = 0 (1.32)


Ausgehend von den Gleichungen (1.31) und (1.32) erhalten wir folgendes gekoppeltes System zweier Diffe-
rentialgleichung 1. Ordnung:

y (x) = y2 (x)
1
y (x) = py (x) qy (x)
2 2 1

Es kann auch in folgender matrizieller Form geschrieben werden:



y1 0 1 y1
= (1.33)
y2 q p y2

31
Der folgende Schritt besteht in der Berechnung der Eigenwerte der Matrix. Es geht also darum Zahlen zu
finden falls sie existieren sodass gilt

y1 y1
= (1.34)
y2 y2
Ausgehend von diesen Zahlen (in C hat es immer zwei: sie konnen aber identisch sein) konnen wir schreiben

y (x) = y (x)
1 1
y (x) = y (x)
2 2

Das bedeutet, dass wir das System entkoppelt haben: Es liegen zwei voneinander unabhangige separable Dif-
ferentialgleichungen 1. Ordnung vor.
Fur jeden Eigenwert 1 und 2 erhalten wir die allgemeinen Losungen von (1.30).

yI (x) = C1 e1 x und yII (x) = C2 e2 x

Die zwei Funktionen yI (x) und yII (x) heissen Eigenfunktionen des Systems. Die Konstanten C1 und C2
konnen irgend einen Wert annehmen. Sie sind bestimmt durch die Anfangsbedingungen.
Das bestehende Problem ist die Berechnung der Eigenwerte 1 und 2 . Wir haben fruher gesehen, dass y(x) =
Cek x eine Losung des Problems fur k = 1, 2 darstellt. Fur jeden dieser Eigenwerte (hier mit bezeichnet) haben
wir:

y(x) = Cex
y (x) = Cex
y (x) = C2 ex

Indem wir diese Eigenwerte in der homogenen Gleichung (1.30) einsetzen erhalten wir

C2 ex + pCex + qCex = 0,
Und nach Vereinfachung durch Cex bekommen wir eine algebraische Gleichung 2. Ordnung:

2 + p + q = 0 (1.35)

Diese Gleichung heisst charakteristische Gleichung des Systems. Das Polynom p() = 2 + p + q heisst
charakteristisches Polynom. Es lasst sich direkt durch Betrachtung der ursprunglichen Differentialgleichung zu
Beginn ableiten.
Wie jede reelle algebraische Gleichung 2.Ordnung hat die charakteristische Gleichung zwei reelle Losungen
oder eine einzige reelle Losung, oder zwei zueinander konjugiert komplexe Losungen. Je nach Fall zeigt die ur-
sprungliche Differentialgleichung dieses oder jenes Losungsverhalten, welches wir genauer analysieren werden.

1. Fall: Die Wurzeln sind reell und verschieden


Wir setzen voraus, dass die beiden Wurzeln 1 und 2 reell und voneinander verschieden sind. Wie schon vorher
gezeigt, sind die Funktionen yI (x) = C1 e1 x und yII (x) = C2 e2 x Losungen der homogenen Gleichung (1.30),
wie auch ihre Summe. Die allgemeine Losung der homogenen Gleichung lautet:

y(x) = C1 e1 x + C2 e2 x (1.36)

32
Beispiel 1.9.1 Berechnen Sie die allgemeine Losung der homogenen Differentialgleichung..

y 2y 3y = 0
Losung: Die charakteristische Gleichung lautet 2 2 3 = 0. Ihre beiden Losungen, welche die Eigenwerte
des Systems sind, lauten 1 = 3 und 2 = 1. Somit hat die allgemeine Losung die Gestalt

y(x) = C1 e3x + C2 ex

2. Fall: Konjugiert-komplexe Wurzeln


Wir setzten voraus, dass die beiden Wurzeln
1 und 2 zueinander konjugiert-komplex und voneinander verschie-
den sind (**v.f.**). Mit der Konvention j = 1 gilt also

1 = a + jb
2 = a jb
Die Eigenfunktionen lauten:

yI (x) = C1 e1 x = C1 e(a+jb)x = eax C1 ejbx


yII (x) = C2 e2 x = C2 e(ajb)x = eax C2 ejbx

Ihre Summe liefert die allgemeine Losung in der Gestalt

y(x) = eax C1 ejbx + C2 ejbx




Erinnern wir uns an die Euler-Formeln:

ejbx = cos bx + j sin bx


jbx
e = cos bx j sin bx
Sie fuhren auf eine andere Form der allgemeinen Losung

y(x) = eax (A cos bx + B sin bx) , (1.37)

mit A = C1 + C2 und B = (C1 C2 )j.


In der Tat entspricht beliebig gewahlten Konstanten A und B eine Losung der Gleichung (1.30). Beachten Sie,
dass die Losungen, naturlich unabhangig von der Schreibweise, reelle Funktionen sind.

Beispiel 1.9.2 Berechnen Sie die allgemeine Losung der homogenen Differentialgleichung

y + k 2 y = 0
mit k 6= 0.
Losung: Die charakteristische Gleichung lautet 2 +k 2 = 0. Sie weist die beiden konjugiert-komplexen Eigenwerte
1 = kj und 2 = kj auf. Wir konnen also die allgemeine Losung folgendermassen notieren:

y(x) = A cos kx + B sin kx


Wir bemerken, dass diese Funktion reell ist.

33
3. Fall: Die Wurzeln sind reell und identisch
In diesem Fall lautet das charakteristische Polynom:

p2
2 + p + =0
4
Faktorisieren liefert
 p 2
+
2
p
und damit die doppelte Nullstelle 1 = 2 = 2 . In diesem Fall kann gezeigt werden, dass die charakteristi-
schen Funktionen die Form

yI (x) = C1 ex
yII (x) = C2 xex

aufweisen. Die allgemeine Losung lautet daher

y(x) = (C1 + C2 x) ex (1.38)

Beispiel 1.9.3 Berechnen Sie die allgemeine Losung der homogenen Differentialgleichung

y + 2y + y = 0

Losung: charakteritische Gleichung: 2 + 2 + 1 = 0. Sie hat die beiden identischen Losungen 1 = 2 = 1.


Damit ist die allgemeine Losung gegeben durch

y(x) = (C1 + C2 x) ex

1.9.2 2. Fall: Lineare inhomogene Differentialgleichung 2.Ordnung


Die inhomogene lineare Differentialgleichung mit konstanten Koeffizienten hat die Gestalt

y (x) + p y (x) + q y(x) = f (x) (1.39)


Fur das Losen benotigen wir drei Schritte:

1. Wir berechen die allgemeine Losung yh (x) der zugehorigen homogenen Gleichung, wie im letzten Ab-
schnitt gezeigt;
2. Wir bestimmen irgendeine partikulare Losung yp (x) der inhomogenen Gleichung, wie im folgenden Un-
terabschnitt gezeigt wird
3. Die allgemeine Losung der inhomogenen Gleichung est gegeben durch die Summe

y(x) = yh (x) + yp (x) (1.40)

34
Bestimmung einer partikularen Losung einer inhomogenen Gleichung
Eine partikulare Losung hangt naturlich von der rechten Seite f (x) ab. Es existiert keine allgemeine Methode, um
eine solche zu gewinnen. Je nach Funktionstyp von f (x) werden wir diesen oder jenen Losungstyp ansetzen. Wir
konnen beispielsweise folgendes versuchen:

1. Untersuchen, ob f (x) selbst partikulare Losung ist. Dies kann eintreten.


2. Untersuchen, ob f (x) Losung der homogenen Gleichung ist. Als partikulare Losung wahlen wir die mit x
multiplizierte Funktion der rechten Kolonne der folgenden Tabelle.
3. Fur andere Falle gibt die folgende Tabelle Anhaltspunkte:

f (x) hat die Form partikulare Losung yp (x)

f (x) = a + bx yp (x) = A + Bx
bx
f (x) = ae yp (x) = Aebx
f (x) = a1 cos bx + a2 sin bx yp (x) = A1 cos bx + A2 sin bx

Beispiel 1.9.4 Berechnen Sie die allgemeine Losung der Gleichung y 2y 3y = 2x.

1. Allgemeine Losung der homogenen Gleichung y 2y 3y = 0. Die Eigenwerte sind die Wurzeln der
algebraischen Gleichung 2 2 3 = 0, das heisst 1 = 3 und 2 = 1. Somit ist

yh (x) = C1 e3x + C2 ex

2. Partikulare Losung der inhomogenen Gleichung: gemass obiger Tabelle gewinnen wir die Form yp (x) =
A + Bx. Somit gilt:

yp (x) = B yp (x) = 0

Einsetzen dieser beiden Werte in die inhomogene Gleichung liefert

2B 3A 3Bx = 2x

woher 3B = 2, 2B 3A = 0, und

4 2
A= B= .
9 3
4
Die partikulare Losung lautet daher yp (x) = 9 32 x.
3. Die allgemeine Losung der inhomogenen Gleichung lautet also.

4 2
y(x) = yh (x) + yp (x) = C1 e3x + C2 ex + x
9 3

35
k

Abbildung 1.12: Modell des Systems eines gedampften Schwingers

1.9.3 Mechanisches Beispiel: Probleme der gedampften Schwingungen


Wir betrachten eine Masse m [kg], welche an einer Feder mit der Federkonstanten k [N/m] aufgehangt ist. Sie wird
in ein viskose Flussigkeit eingetaucht und bewirkt eine Reibungskraft proportional zur Geschwindigkeit der Masse.
Daruber hinaus wird eine vertikale aussere Kraft F (t) auf die Masse ausgeubt. Berechnen Sie die Lage der Masse
fur alle Zeiten t > 0 unter der Voraussetzung, dass die Lage fur t = 0 bekannt ist und die Anfangsgeschwindigkeit
0 ist.
Wir bezeichnen mit y(t) die Lage der Masse (y = 0 sei die Ruhelage) zum Zeitpunkt t in vertikaler Richtung
nach oben gemessen. Ausgehend von der Newtonschen Gleichung

Masse Beschleunigung = resultierende Kraft

konnen wir das Problem durch folgende Differentialgleichung modellieren:

d2 y dy
m = ky c + F (t)
dt2 dt
Darin ist c eine Proportionalitatskonstante, welche von der Viskositat der Flussigkeit abhangt.
Als Anfangsbedingungen wahlen wir zum Beispiel
dy
y(0) = y0 (0) = 0
dt

Freie Schwingungen
Wir betrachten vorerst den einfachsten Fall einer nicht gedampften Bewegung, modelliert durch die Gleichung

d2 y d2 y
m = ky oder + 02 y = 0, (1.41)
dt2 dt2
k
mit m = 02 .

Die allgemeine Losung von (1.41) ist gegeben durch

y(t) = a cos 0 t + b sin 0 t


was auch in der folgenden Form geschrieben werden kann (Ubung):

y(t) = R cos(t + ) (1.42)

36
Freie Schwingungen mit Reibung
Wir berucksichtigen nun auch die Reibkraft verursacht durch die Viskositat der Flussigkeit:

d2 y dy
m +c + ky = 0 (1.43)
dt2 dt
Diese Gleichung ist linear und inhomogen. Gemass der Losungsmethode im vorherigen Kapitel berechnen wir
zuerst die Wurzeln der charakteristischen Gleichung m2 + c + k = 0:

c + c2 4km c c2 4km
1 = und 2 =
2m 2m
2
Je nach Wert der Diskreminante c 4km haben wir drei Falle zu unterscheiden:
1. c2 4km > 0. In diesem Fall sind die beiden Eigenwerte 1 und 2 reell und alle Losungen y(t) von (1.43)
haben die Form
y(t) = ae1 t + be2 t .
Wir sprechen von einer starken Dampfung.
y(t)

Abbildung 1.13: starke Dampfung

2. c2 4km = 0. In diesem Fall sind alle Losungen y(t) von (1.43) haben die Form

ct
y(t) = (a + bt) e 2m .
Wir sprechen von einer kritischen Dampfung.
In den zwei ersten Fallen haben wir eine Verschiebung der Masse derart, dass der Gleichgewichtspunkt
hochstens einmal von der Masse eingenommen wird.

Hier ist der Einfluss der Federkraft nicht mehr ganz vernachlassigbar, die Reibkraft ist aber dominierend:
3. c2 4km < 0. In diesem Fall sind alle Losungen von der Form
ct
y(t) = e 2m [a cos t + b sin t] ,

4kmc2
mit = 2m .

Wir sprechen von einer schwachen Dampfung. Um dies zu verdeutlichen ist es vorteilhaft, sie durch

ct
y(t) = Re 2m cos(t )
zu beschreiben.
ct ct
Der Graph der Losung y(t) oszilliert zwischen den Kurven yM (t) = Re 2m und ym (t) = Re 2m : es
liegt eine gedampfte Kosinuskurve mit abnehmender Amplitude vor.

37
y(t)

Abbildung 1.14: kritische Dampfung


y(t)

Abbildung 1.15: schwache Dampfung

Erzwungene gedampfte Schwingungen


Hier fuhren wir noch eine zusatzliche externe Kraft F (t) = F0 cos t ein. Die Differentialgleichung lautet dann

d2 y dy
m +c + ky = F0 cos t (1.44)
dt2 dt
Sie ist inhomogen. Wir wollen eine partikulare Losung der Form yp (t) = A cos(t + ) suchen. Nach Berech-
nung der Konstanten A erhalten wir die partikulare Losung

F0 cos(t + )
yp (t) =  1/2 ,
(k m 2 )2 + c2 2
c
mit tan = km 2.

Wir bemerken, dass die Amplitude


F0
A=  1/2
(k m 2 )2 + c2 2
von der Anregungsfrequenz abhangt. In Figur (1.16) ist die Amplitude in Funktion der Anregungsfrequenz
fur verschiedene Werte der Konstanten c gezeigt. Fur jeden c-Wert existiert eine bestimmte Frequenz max mit
maximaler Amplitude (Resonanz).
Die Losung yh (t) der zu (1.44) homogenen Gleichung haben wir schon fruher bestimmt. Damit gewinnen wir
die allgemeine Losung der Form

38
amplitude

omega

Abbildung 1.16: Resonanzfrequenzen fur verschiedene c-Werte.

F0 cos(t + )
y(t) = yh (t) + yp (t) = yh (t) + 1/2
[(k m 2 )2 + c2 2 ]
Der Teil yp (t) der Losung beschreibt das stationare Verhalten des Systems und yh (t) den transitorischen
oder fluchtigen Anteil der Losung.

Erzwungene Schwingungen
Was passiert, wenn wir keine Reibungskraft haben, hingegen die obige externe Kraft F (t) wirken lassen ? Die
k
Differentialgleichung hat nach Division durch m mit der schon fruher eingefuhrten Konstanten 02 = m die Form

d2 y F0
2
+ 02 y = cos t (1.45)
dt m
Der Fall 6= 0 ist nicht sehr interessant. Alle Losungen von (1.45) sind also von der Form
F0
y(t) = c1 cos 0 t + c2 sin 0 t + cos t
m (02 2 )
und bestehen aus einer Summe von zwei periodischen Funktionen mit unterschiedlichen Frequenzen. Der
interessanteste Fall ist = 0 , das heisst: wenn die externe Kraft dieselbe Frequenz aufweist wie die naturliche
Frequenz 0 des Systems. Dieses Phanomen heisst Resonanz, und die Differentialgleichung ist damit gegeben
durch

d2 y F0
2
+ 02 y = cos 0 t (1.46)
dt m
Arbeiten wir im Komplexen C, so konnen wir als partikulare Losung den Realteil der komplexen Losung (t)
der Gleichung (1.46) nehmen.

d2 y F0 j0 t
+ 02 y = e . (1.47)
dt2 m
Weil ej0 t eine Losung der homogenen Gleichug y + 02 y = 0 ist wissen wir, dass (1.47) eine partikulare
Losung (t) = Atej0 t mit einer gewissen Konstanten A aufweist. Aus

+ 02 = 2j0 Aej0 t

39
konnen wir
1 F0 jF0
A= =
2j0 m 2m0
gewinnen.
Die komplexe Losung ist gegeben durch

jF0 t
(t) = (cos 0 t + j sin 0 t)
2m0
F0 t F0 t
= sin 0 t j cos 0 t
2m0 2m0
Ihr Realteil ergibt alle Losungen y(t) von (1.46) in der allgemeinen Form
F0 t
y(t) = c1 cos 0 t + c2 sin 0 t + sin 0 t.
2m0

y(t)

Abbildung 1.17: Resonanz-Phanomen

Der dritte Term beschreibt eine Schwingung mit wachsender Amplitude. Eine externe Kraft F0 cos t, falls sie
in Resonanz ist mit der naturlichen Frequenz des Systems, kann also zu nichtbeschrankte Oszillationen und damit
zu einer Resonanzkatastrophe fuhren!

1.9.4 Aufgaben

Aufgabe 1.9.1 Ein kleiner Korper der Masse 1 kg ist an einer Feder der Konstanten 2 [N/m] aufgehangt. Das
System Masse-Feder wird in eine viskose Flussigkeit mit der Viskositatskonstanten 3 [N s/m] versetzt. Nun wird
die Masse um 0.5 Meter aus der Ruhelage heraus nach oben angehoben und zum Zeitpunkt t = 0 aus der Ruhelage
heraus losgelassen. Berechnen Sie die Position der Masse fur alle Zeiten t. Was passiert asymptotisch ?

Aufgabe 1.9.2 Mit den gleichen Bedingungen wie in Aufgabe 1.9.1 soll die minimale Masse bestimmt werden,
damit ein Oszillationsverhalten der Masse resultiert.

Aufgabe 1.9.3 Ein kleiner Korper der Masse 4 kg wird an einem elastischen Faden mit linearer Charakteristik mit
der Konstanten 64 [N/m] aufgehangt. Im Weiteren wirkt eine externe Kraft der Form F (t) = A cos3 t. Berechnen
Sie alle Werte , fur die Resonanz entsteht.

40
1.10 Beispiel eines einfachen elektrischen Schaltkreises
Wir betrachten einen einfachen elektrischen Schaltkreis bestehend aus einem Widerstand R, einer Spule der In-
duktivitat L, einem Kondensator der Kapazitat C und einer Quellenspannung U (t), welche uber einen Generator
erzeugt wird. Alle Elemente sind in Serie geschalten.

 D D D D D
t=0 D  D  D  D  D
R

U (t) C

L






Abbildung 1.18: LRC-Schaltkreis

Wir interessieren uns fur den Stromes i(t) welcher durch den Schaltkreis fliesst oder die Ladung Q(t) des
Konsensators zur Zeit t. Um eine Differentialgleichung zu erhalten, welche das Modell zu diesem Schaltkreis
liefert, formulieren wir zweite Kirchhoffsche Gesetz: elektromotorische Kraft = der Summe der Spannungsabfalle
der verschiedenen Komponenten des Schaltkreises. In unserem Fall ist

der Spannungsabfall am Widerstand gegeben durch UR (t) = Ri(t);


di(t)
der Spannungsabfall an der Spule gegeben durch UL (t) = L ;
dt
Q(t)
der Spannungsabfall am Kondensator gegeben durch UC (t) = .
C
Das Kirchhoffsche Gesetz liefert als mathematisches Modell die Differentialgleichung

di(t) Q(t)
L + Ri(t) + = U (t)
dt C
dQ(t)
Weil i(t) = (der Strom entsteht durch Anderung der Ladung in Abhangigkeit der Zeit) erhalten wir fur
dt
die Ladung die Gleichung 2.Ordnung

d2 Q(t) dQ(t) Q(t)


L +R + = U (t) (1.48)
dt2 dt C
Beachten Sie die Ahnlichkeit der Gleichung (1.48) mit der Gleichung der mechanischen Schwingungen. Wie
mechanische Schwingungen konnen auch elektrische Schaltkreise Resonanzeigenschaften haben, letztere aber mit
interessanten technischen Anwendungen. So kann beispielsweise ein Regulierknopf fur das Ausstrahlen einer Ra-
diostation mit einem variablen Kondensator die Resonanzfrequenz realisieren. Damit konnen Signale uber die
Resonanzfrequenz sehr gut verstarkt werden.
Die Losung der Gleichung (1.48) ist analog zu derjenigen im vorherigen Abschnitt. Wir losen zuerst die Glei-
chung fur die Ladung Q(t), dann erhalten wir den Strom i(t) daraus durch Ableiten.

1.10.1 Aufgaben

41
Aufgabe 1.10.1 Eine einfacher Schaltkreis, wie bereits besprochen, habe weder einen Widerstand noch eine ex-
terne Spannungsquelle.
q Zeigen Sie, dass die Ladung Q des Kondensators periodisch von der Zeit mit der Frequenz
1
0 = LC abhangt. Die Grosse 0 heisst naturliche Frequenz des Schaltkreises.

Aufgabe 1.10.2 Ein einfacher Schaltkreis wie oben habe keine externe Spannungsquelle und sei im offenen Zu-
stand versehen mit einer Ladung Q0 = 108 [Coulombs] des Kondensators. Bestimmen Sie die Ladung des
KondensatorsQ(t) und den Strom i(t) (wenn der Schaltkreis zum Zeitpunkt t = 0 geschlossen werde) fur die
folgenden Falle
1. L = 0.5 [H], C = 105 [F], R = 1000 [Ohm].
2. L = 1 [H], C = 104 [F], R = 200 [Ohm].
3. L = 2 [H], C = 106 [F], R = 2000 [Ohm].
Machen Sie fur jeden dieser Falle eine Skizze des Losungsverlaufes fur die ersten (Milli-)Sekunden nach dem
Schliessen des Kreises.

Aufgabe 1.10.3 Ein einfacher Schaltkreis habe eine Spule von 1 Henry, eine Kapazitat von 106 Farad und einen
Widerstand von 1000 Ohms. Die Anfangsladung der Kapazitat sei 0 und es sei eine Batterie von 12 V in diesen
Schaltkreis eingebunden. Berechnen Sie die Ladung der Kapazitat eine Sekunde nach schliessen des Schaltkrieses
zum Zeitpunkt t = 0 und bestimmen Sie speziell den stationaren Zustand des Schaltkreises.

Aufgabe 1.10.4 Eine Kapazitat von 103 Farad sei in Serie geschalten mit einer Spannung von 12 Volt und einer
Spule von 1 Henry. Zur Zeit t = 0 seien Strom und Ladung null.
1. Berechnen Sie die naturliche Frequenz und die Periodenlange des elektrischen Oszillators.
2. Berechnen Sie die maximale Ladung des Kondensators und den maximalen Strom im Schaltkreis.

Aufgabe 1.10.5 Wir betrachten die Differentialgleichung


Q
LQ + RQ + = U0 cos t.
C
Berechnen Sie eine partikulare Losung (t) dieser Gleichung, indem Sie den Realteil der komplexen parti-
kularen Losung (t) der Gleichung
Q
LQ + RQ + = U0 ejt
C
nehmen.
1. Zeigen Sie
U0
j(t) = 1
 ejt .
R + j L C

2. Berechnen Sie (t).


1

3. Die Grosse Z = R + j L C heisst komplexe Impedanz des Schaltkreises. Der Reziprokwert von Z
heisst Leitfahigkeit. Berechnen Sie die Werte von Z und Z1 , und geben Sie jeweils eine moglichst einfache
Formel dafur.

42
1.11 Verschiedene Aufgaben

Aufgabe 1.11.1 Forscher im Medizinalbereich haben das Verhalten von krebsartigen Tumoren beim Menschen
studiert. Dabei haben sie das Volumen V (t) der Krebszellen zum Zeitpunkt t > 0 bei Kranken gemessen und
festgestellt, dass das Volumen der fraglichen Zellen der Gleichung
dV
= et V
dt
Dabei sind und positive gegebene Konstanten. Das Volumen der Krebszellen Zum Zeitpunkt t = 0 ist V0 .

1. Bestimmen Sie das Volumen des Tumors zu jedem Zeitpunkt t > 0 und zeigen Sie jeden Berechnungs-
Schritt.
2. Erklaren Sie das asymptotische Wachstumsverhalten der Krankheit, das heisst: fur grosse t.
3. Berechnen Sie fur den Fall = 1 und = 2, die Zeitspanne, bis sich das Volumen der kranken Zellen
verdoppelt hat.

Aufgabe 1.11.2 Ein elektrischer Schaltkreis enthalte eine Spule der Indukion L, einen Widerstand R und eine
externe Spannungsquelle U (t). Der Schaltkreis werde zum Zeitpunkt t = 0 geschlossen.

1. Modellieren Sie das Problem mathematisch.


2. Berechnen Sie den Stromverlauf fur den skizzierten Spannungsverlauf U (t).
U(t)
1

0.5

t
0.2 0.4 0.6 0.8 1

-0.5

-1

Abbildung 1.19: Spannung U (t)

3. Erklaren Sie das Verhalten des Stromes zu Beginn des Prozesses sowie auch nach langer Zeit.

Aufgabe 1.11.3 Ein mit 200 Liter Wasser gefulltes Reservoir enthalt die Menge von S0 Salz. Ab dem Zeitpunkt
t = 0 werde dem Reservoir salziges Wasser mit einer Konzentration von 0.1 [kg/L] mit einer Geschwindigkeit von
4 [L/Sec] zugefuhrt. Gleichzeitig fliesse aus einer Oeffnung mit derselben Geschwindigkeit Flussigkeit aus dem
Reservoir aus. Der gesamte geloste Salzanteil im Reservoir zum Zeitpunkt t sei S(t) [kg].

1. Berechnen Sie die eintretende Salzmenge Ve (t) in kg/Minute in den Behalter und ebenso die austretende
Saltmenge Vs (t) in kg/ Minute.

43
2. Erklaren Sie, warum S(t) die Differentialgleichung
dS
= Ve (t) Vs (t)
dt
erfullen muss und losen Sie diese mit den in (1) gefundenen Ausdrucken.
3. Zeichnen und interpretieren Sie das Verhalten von S(t) in den drei folgenden Fallen: S0 = 5 [kg], S0 = 20
[kg] und S0 = 50 [kg].

Aufgabe 1.11.4 Betrachten Sie die Funktion


1 1
f (x, y) = 3
x2 y
1. Zeichnen Sie mit genugender Genauigkeit das Richtungsfeld der Differentialgleichung y = f (x, y) in den
verschiedenen Punkten der folgenden Figur.
y

0.8

0.6

0.4

0.2

0 x
0.2 0.4 0.6 0.8 1

Abbildung 1.20: zu betrachtende Punkte

2. Berechnen Sie fur x0 = 1 und y(x0 ) = 2 mit der Euler-Methode die Approximation der Losung der
Differentialgleichung y = f (x, y) an den Stellen x1 = 1.01, x2 = 1.02, x3 = 1.03 und x4 = 1.04 (wahlen
Sie eine Genauigkeit von 5 Stellen)

Aufgabe 1.11.5 Unter gewissen Bedingungen verwandelt sich Rohrzucker chemisch in Dextrose. Die Umwand-
lungsgeschwindigkeit ist in jedem Zeitpunkt proportional zur Menge des noch nicht verwandelten Zuckers. Bei
einer Ausgangsmenge von 75 Gramm Zucker wurde festgestellt, dass sich wahrend den ersten 30 Minuten des
Prozesses 8 Gramm des Zuckers umgewandelt haben. Berechnen Sie die verwandelte Menge nach eineinhalb
Stunden Prozessdauer.

Aufgabe 1.11.6 Wir betrachten einen einfachen elektrischen Schaltkreis bestehend aus Induktivitat L und Kapa-
zitat C. Das Modell fur den Strom I(t) wird beschreiben durch die Differentialgleichung

d2 I 1
L + I = 0, t > 0.
dt2 C
Berechnen Sie den Stromverlauf fur t > 0 mit den Anfangsbedingungen I(0) = 5 und I (0) = 0 genau.
Beschreiben Sie sein Verhalten fur grosse Zeiten.

44
Aufgabe 1.11.7 Losen Sie die folgenden Differentialgleichungen 2.Ordnung:

1. y = ex x + 1
2. y = y e2x
3. y + y = 2 cos x

Aufgabe 1.11.8 Eine Masse von 10 kg ist an einer Feder mit der Konstanten k = 1210 [N/m] aufgehangt. Die Fe-
der wird uber den Aufhangepunkt mit der externen vertikalen Kraft y = sin 2t+cos 2t [m] angetrieben. Bestimmen
Sie die Bewegungsgleichung des Systems unter Vernachlassigung der Reibung.

45
Kapitel 2

Vektoranalysis

2.1 Skalare Felder und Vektorfelder


2.1.1 Skalare Felder
Im 3-dimensionalen Raum oder in einem Teilgebiet davon konnen gewisse physikalische Phanomene beobachtet
oder analysiert werden. Beispiele: Temperatur, Druck der Atmosphare, elektrisches Potential, Dichte der Masse
usw. Haufig sind die betrachteten oder gemessenen Grossen nicht konstant: sie sind abhangig vom beobachteten
Punkt P , in dem beobachtet oder gemessen wird.
Allgemeiner kann jedem Punkt P des Raumes oder einem Teilgebiet davon der Wert der beobachteten Grosse
zugeordnet werden. Beispiele: man kann jedem Punkt eines bestimmten geografischen Gebietes die vorgesehene
Mittags-Temperatur eines gewissen Tages zuordnen oder jedem Punkt der Oberflache des Ozeans den atmosphari-
schen Druck zu einem gewissen Zeitpunkt.
Auf diese Art definiert man eine skalare Funktion (x, y, z), welche vom Ort (x, y, z) abhangt. Solche Funk-
tionen, definiert auf dem Raum oder einem raumlichen Teilgebiet, heissen Skalarfelder. Sie konnen stationar
oder unstationar sein, je nachdem, ob sie von der Zeit unabhangig sind oder nicht. In diesem Kapitel behandeln
wir ausschliesslich stationare Felder, welche unabhangig von der Zeit sind.

Abbildung 2.1: Density-Plot eines 2-dimensionalen Skalarfeldes.

In der Folge wird ein beliebiger Punkt P (x, y, z) des Raumes beschrieben durch den Koordinatenvektor

46
r=xi+y j+z k

Definition 2.1 Eine Funktion , welche jedem Punkt P (x, y, z) des Raumes (oder eines raumlichen Teil-
gebietes) eine reelle Zahl zuordnet, heisst Skalarfeld. Schreibweisen:

= (r) = (x, y, z) (2.1)

Im folgenden setzen wir jeweils voraus, dass die Funktion = (r) stetig ist auf dem betreffenden Gebiet,
ebenso ihre partiellen Ableitungen x , y , z . Zudem soll mindestens eine der erwahnten partiellen Ableitun-
gen in jedem Punkt von Null verschieden sein.

Definition 2.2 Sei = (r) ein Skalarfeld. Die Menge c aller Punkte des Raumes, deren Wert einen
konstanten Wert c annnehmen, heisst Niveauflache oder Aquipotentialflache (Siehe Figur 2.2).

c = {P | (r) = c} (2.2)

Zu jedem zulassigen Wert der Konstanten c gehort eine Niveauflache. Weiter gehort naturlich jeder Punkt des
Raumes zu einer eindeutig bestimmten Niveauflache.

Abbildung 2.2: Niveauflachen eines 3-dimensionalen Skalarfeldes.

Bemerkung: Ist die Funktion nur fur zwei Variable x und y definiert, so spricht man von einem ebenen Skalar-
feld. In solchen Fallen spricht man von Niveaulinien des Skalarfeldes .

Definition 2.3 Sei = (x, y) ein ebenes Skalarfeld. Die Menge c aller Punkte der Ebene, deren Wert
einen konstanten Wert c annehmen, heisst Niveaulinie (Siehe Figur 2.3).

c = {P |U (x, y) = c} (2.3)

47
Abbildung 2.3: Niveaulinien eines 2-dimensionalen Skalarfeldes.

Beispiel 2.1.1 Ein ebenes Skalarfeld sei gegeben durch die Funktion

= 3y 2 + 4x2 .
Beschreiben Sie die Niveaulinien.
Losung:

Beispiel 2.1.2 Ein Skalarfeld sei gegeben durch die Funktion

= x2 + y 2 + z 2 .
Beschreiben Sie die Aquipotentialflachen.
Losung:

Beispiel 2.1.3 Ein Skalarfeld sei gegeben durch die Funktion

= x2 + y 2 .
Beschreiben Sie die Aquipotentialflachen.
Losung:

48
2.1.2 Vektorfelder
Beobachtet man ein bestimmtes leichtes Teilchen, welches auf einer fliessenden Wasseroberflache schwimmt,
wahrend einem genugend kurzen Zeitintervall, so konnen wir den zuruckgelegten Weg mit einem Vektor beschrei-
ben. Die Richtung des Vektors ist dieselbe wie die Fliessrichtung des Teilchens an der beobachteten Stelle und der
Betrag des Vektors reprasentiert die entsprechende Schnelligkeit des Flusses. Eine soche Darstellung kann ohne
weiteres in einen 3-dimensionalen Raum verallgemeinert werden.

Definition 2.4 Eine Abbildung v, welche jedem Punkt P (x, y, z) = P (r) einen Vektor

v = vx i + vy j + vz k

zuordnet, heisst Vektorfeld:



vx (x, y, z)

v = v(r) = v(x, y, z) = vy (x, y, z) (2.4)



vz (x, y, z)

Ein Vektorfeld kann stationar oder unstationar sein, je nachdem, ob es von der Zeit abhangt oder nicht. Bei-
spiele von Vektorfeldern: durch Ladungen erzeugte elektrische Felder, magnetische Felder, Kraftfeld (beispiels-
weise das Gravitiationsfeld der Erde), Geschwindigkeitsfelder von Flussigkeit oder des Windes.
Hangt das Vektorfeld nur von zwei Variablen x und y ab, so spricht man von einem ebenen Vektorfeld. Ein
solches Feld entspricht im allgemeinen keinem wirklichen, physikalischen Beispiel, kann aber ein vereinfachtes
3-dimensionales Modell beschreiben, in dem die dritte Dimension keine oder nur eine unbedeutende Rolle spielt.

Beispiel 2.1.4 Ein ebenes Vektorfeld sei gegeben durch die Vektorfunktion
y

vx (x, y)
x2 +y 2
v= =
vy (x, y) 2x 2
x +y

Berechnen Sie die Komponenten des Feldes v in den Punkten P1 (1, 0), P2 ( 2, 2), und schliesslich auch ihre
Betrage.
Losung:

Beispiel 2.1.5 Eine (punktformige) Masse M befinde sich im Ursprung. Sie ube auf eine andere Masse m, die
sich im Raum an der Stelle r = (x, y, z) befindet, eine anziehende Kraft aus, deren Betrag umgekeht proportional
zum Quadrat der Distanz zwischen den beiden Massen ist. Drucken Sie das Vektorfeld analytisch aus.
Losung:

49
Abbildung 2.4: Feldlinien eines Vektorfeldes.

Definition 2.5 Kurven (ebene oder raumliche), welche in jedem Punkt eines Vektorfeldes dieselbe Rich-
tung wie das Vektorfeld aufweisen, heissen Feldlinien.

Ist eine Feldlinie eines bestimmten Vektorfeldes v definiert durch die Parametrisierung

r(t) = x(t) i + y(t) j + z(t) k

so ist der Tangentenvektor der Feldlinie in jedem Punkt gegeben durch

r(t) = x(t) i + y(t) j + z(t) k

Damit der Tangentenvektor parallel zum Vektorfeld v in jedem Punkt ist, muss die Gleichung

r(t) v(r) = 0 (2.5)


erfullt sein, das heisst:

yvz zvy 0

i j k

x y z = zvx xvz = 0


vx vy vz xvy yvx 0

Daraus folgt ein System von drei gekoppelten Differentialgleichungen 1.Ordung:

yvz zvy =0
zvx xvz =0
xvy yvx =0

50
Die Losung dieses Systems liefert die Funktionen x(t), y(t) und z(t), also eine Parametrisierung der Feldli-
nien. Die Anfangsbedingungen fur eine bestimmte Feldlinie sind durch die Angabe eines Punktes der Feldlinie
festgelegt.

Beispiel 2.1.6 Bestimmen Sie die Feldlinien des Vektorfeldes

v = x i + y j + 2z k

und geben Sie eine Parametrisierung der Feldlinie durch den Punkt P0 (2, 1, 3) an.
Losung:

Beispiel 2.1.7 Berechnen und skizzieren Sie die Feldlinien des Vektorfeldes

v = y i x j + k.

Losung:

2.2 Gradient, Divergenz und Rotation


2.2.1 Der Gradient
Der Begriff des Gradienten spielt eine wichtige Rolle in der Vektoranalysis. Nebst der Definition geben wir hier
zusatzlich einige Eigenschaften fur den allgemeinen Fall einer Funktion von drei Variablen an.

Definition 2.6 Sei (x, y, z) eine Funktion von R3 in R (das heisst ein Skalarfeld in R3 ). Der Gradient
von im Punkt (x, y, z) ist der Vektor gegeben durch


x (x, y, z)


grad (x, y, z) =
(x, y, z) (2.6)
y



(x, y, z)
z

Die Horizontalschreibweise

grad (x, y, z) = x (x, y, z) i + y (x, y, z) j + z (x, y, z) k


ist platzsparend fur den Text. Weiter ist es oft praktisch, den sogenannten Nabla-Operators zu benutzen:

grad .

Aus geometrischer Sicht hat der Gradient die Eigenschaft:

51
Abbildung 2.5: Skalarfeld mit zugehorigem Gradientenfeld.

Theorem 2.1 Es sei eine Niveauflache des Skalarfeldes (x, y, z) und sei P0 ein Punkt dieser Ni-
veauflache. Dann ist der Vektor (P0 ) normal zur Flache .

Beweis:

Definition 2.7 Sei (x, y, z) eine Funktion von R3 in R und sei a ein beliebiger Einheitsvektor. Das Ska-
larprodukt

grad (x, y, z) a
heisst Richtungsableitung von im Punkt (x, y, z) in Richtung a. Die Richtungsableitung beschreibt die
Anderungsrate von (x, y, z) in Richtung des Vektors a.

Beispiel 2.2.1 Berechnen Sie die Richtungsableitung der Funktion f (x, y, z) = 3x2 + 2y 2 + z 2 im Punkt (1, 2, 3)
in Richtung des Vektors a = ( 32 , 23 , 31 ).

52
Losung:

Bemerkung: Das Integral eines Gradienten langs einer Kurve gibt Anlass zu einer interessanten Eigenschaft,
welche im Satz (2.2) formuliert ist. Die Technik der Linienintegrale wurde bereits fruher studiert. Sie ist aber
Gegenstand einer Repetition im Abschnitt 2.3, Seite 58.

Theorem 2.2 Sei (x, y, z) ein Skalarfeld und ein Weg vom Anfangspunkt P zum Endpunkt Q. Dann
gilt:
Z
dr = (Q) (P ) (2.7)

Die Kurzschreibweise (P ) in diesem Satz beschreibt naturlich den Funktionswert von im Punkt P .
Beweis:

Eine interessante Folgerung dieses Satzes ergibt sich im Falle eines geschlossenen Weges. Anfangspunkt P
und Endpunkt Q sind identisch, was dazu fuhrt, dass (P ) = (Q). Dann gilt:
I
dr = 0 (2.8)

2.2.2 Die Rotation


Sei F(x, y, z) ein Vektorfeld in R3 :

Fx (x, y, z)

F(x, y, z) = Fy (x, y, z)



Fz (x, y, z)

Definition 2.8 Die Rotation des Vektorfeldes F ist definiert durch die Formel

Fz Fy


y z


rot F = Fx Fz (2.9)

z x


Fy Fx

x y

Die Berechnung der Rotation von F wird dank der Regel von Sarrus fur Determinaten der Ordnung 3 folgen-
dermassen etwas vereinfacht (dies ist allerdings etwas ungerechtfertigt):

53

Fz Fy


i j k y z



rot F =

= Fx Fz
x y z
z x


Fy Fx

Fx Fy Fz


x y
Zur Vereinfachung der Schreibweise verwendet man die Notation

F rot F.

Die Rotation ordnet einem Vektorfeld F ein neues Vektorfeld rot F zu. Ist rot F = 0 in jedem Punkt des
Raumes, so sagt man, F sei rotationsfrei.
Wir untersuchen nun, wie das Vektorfeld rot F geometrisch interpretiert werden kann. Dazu betrachten wir
die Bewegung eines starren Korpers ohne aussere Krafte. Ein solcher Korper bewegt sich geradlinig (und ist
durch einen Geschwindigkeitsvektor v in einem festen Koordinatensystem bestimmt) und rotiert zudem um seinen
Schwerpunkt S. Die Rotation ist durch den Vektor der Winkelgeschwindigkeit = (x , y , z )T bestimmt.
Seien r = (x, y, z)T die Koordinaten eines Punktes P des Korpers bezuglich einem Koordinatensystem mit
Ursprung S, der eine gleichformige Translationsbewegung gemass dem Geschwindigkeitsvektor v macht. Die
Geschwindigkeit des Punktes P bezuglich dem festen Koordinatensystem ist

u=v+r

Abbildung 2.6: Vektorfeld F(x, y, z) = (x, y, z)T

Der Vektor u hangt von x, y, und z ab. Es handelt sich also um ein Vektorfeld. Wir berechnen seine Rotation:

rot u = rot v + rot ( r)


Da v von P unabhangig ist (also ein konstantes Vektorfeld ist), so ist rot v uberall null. Nun untersuchen wir
die Rotation von r :

i
j k y z z y
r = x y z = z x x z
x y z x y y x

2x

i j k

rot ( r) = x y z = 2y



y z z y z x x z x y y x 2z

54
Damit erhalten wir :

rot u = 2
oder :
1
= rot u
2
Dieses Beispiel erlaubt eine Charakterisierung der Rotation:

Fur irgendwelche bewegte Korper hat die Rotation des Geschwindigkeitsfeldes in jedem Punkt dieselbe
Richtung wie die Winkelgeschwindigkeit und ihren doppelten Betrag. Es handelt sich also um ein soge-
nanntes homogenes Vektorfeld.

Beispiel 2.2.2 Berechnen Sie die Rotation des Feldes

v = z 2 i + x2 j + y 2 k
Erzeugt dieses Feld im Punkt P0 (0, 1, 0) eine Rotation? Falls ja: charakterisieren Sie das Ergebnis.
Losung:

Beispiel 2.2.3 Gleiche Frage fur das Gravitationsfeld


c
v= r,
|r|3
mit der positiven Konstanten c.
Losung:

Definition 2.9 Ein Vektorfeld F(x, y, z) heisst Gradientenfeld oder Potentialfeld falls ein Skalarfeld
(x, y, z) derart existiert, dass fur alle Punkte (x, y, z) im Definitionsbereich gilt:

F(x, y, z) = grad (x, y, z)

Ist F ein Gradientenfeld, so ist die Zuordnung zwischen F und dem Skalarfeld (das Potential von F) gegeben
durch die Formeln

Fx = , Fy = , Fz = .
x y z
Berechnen wir die Rotation von F :

55


i
j k i j k


rot F = =
x y z x y z

Fx Fy Fz

x y z

Die Rechnung unter Verwendung des Satzes von Schwarz ergibt



yz zy 0
rot F = zx xz = 0 (2.10)
xy yx 0
Falls F ein Potentialfeld ist, so folgt daraus also, dass rot F = 0. Die Umkehrung dieses Ergebnisses ist unter
gewissen Bedingungen ebenfalls richtig.

Theorem 2.3 Sei einfach zusammenhangendes Gebiet im Raum, und sei F(x, y, z) ein Vektorfeld in .
Das Vektorfeld F(x, y, z) ist dann und nur dann ein Potentialfeld, wenn

rot F = 0 (2.11)
gilt fur alle Punkte (x, y, z) des Bereiches .

Bemerkung: Je nach Fall spricht man auch von einem rotationsfreien Feld (das heisst es erzeugt keine Rota-
tionsbewegung) oder einem konservativen Feld (das heisst es bewahrt die Energie). So ist beispielsweise das
Geschwindigkeitsfeld eines sich geradlinig bewegenden Flusses in einem Kanal rotationsfrei und das durch eine
Ladung erzeugte elektrische Feld ist konservativ.

Beispiel 2.2.4 Gegeben sei das Vektorfeld

v(x, y, z) = 2xy i + x2 j 2 k.
Ist das Feld v ein Potentialfeld ? Falls ja: bestimmen Sie ein Potential .
Losung:

Beispiel 2.2.5 Zeigen Sie, dass das Vektorfeld



cx

(x2 +y 2 +z 2 )3/2

= c r

F(x, y, z) = cy
|r|3

(x2 +y 2 +z 2 )3/2

cz
(x2 +y 2 +z 2 )3/2

mit r = (x, y, z)T konservativ ist.


Losung:

56
Beispiel 2.2.6 Das elektrische Feld E im Raum, erzeugt durch ein Ladungsteilchen der Grosse e im Ursprung
lautet:
e r
E(x, y, z) = .
40 |r|3
Dabei ist r = (x, y, z)T und 0 die Influenzkonstante im Vakuum. Zeigen Sie, dass das Feld konservativ ist.
Losung:

2.2.3 Die Divergenz


Sei F(x, y, z) ein Vektorfeld in R3 :

Fx (x, y, z)
F(x, y, z) = Fy (x, y, z)
Fz (x, y, z)

Definition 2.10 Die Divergenz eines Vektorfeldes F ist definiert durch


Fx Fy Fz
div F = + + (2.12)
x y z

Die Divergenz eines Vektorfeldes ist also eine skalare Grosse. Formal kann sie in der Art eines Skalarproduktes
dargestellt werden:

  Fx

div F = Fy (2.13)
x y z
Fz
Diese Darstellung rechtfertigt folgende abgekurzte Schreibweise fur die Divergenz:

F div F

Die Bedeutung der Divergenz kann mit nachsten Bild illustriert werden: Wir betrachten das Geschwindigkeits-
feld v eines stationaren Flusses. In diesem Geschwindigkeitsfeld betrachten wir zudem ein kleines Volumenele-
ment V das vom Strom durchflossen wird: Eine gewisse Menge der Flussigkeit dringt pro Sekunde in dieses
Volumen ein und eine gewisse Menge fliesst daraus heraus. Es stellt sich die Frage, wie sich die beiden Mengen
zueinander verhalten. Wir unterscheiden zwei Falle:
Es fliesst mehr Flussigkeit hinaus als hinein, es hat also Quellen im Innern des Volumens.
Es fliesst mehr Flussigkeit hinein als hinaus, es hat Senken im Innern des Volumens, wo Flussigkeit ver-
schwindet.
Es sei A die Differenz zwischen einfliessender und ausfliessender Menge. Wir konnen eine Quellendichte
A
im Volumen V definieren durch den Quotienten V .
Man kann zeigen, dass
A
div v = lim
V 0 V

57
Definition 2.11 Sei P ein Punkt im Gebiet eines Vektorfeldes F.

der Punkt P heisst Quelle, falls div F > 0 ;


der Punkt P heisst Senke, falls div F < 0.

Beispiel 2.2.7 Berechnen Sie die Divergenz des Vektorfeldes

v(x, y, z) = xz i + 2xy 2 j + z 2 k.
Geben Sie einen Punkt an, der Quelle ist.
Losung:

Beispiel 2.2.8 Berechnen Sie die Divergenz des Gravitationsfeldes


c
v= r,
|r|3
mit positiver Konstanten c. Besitzt dieses Feld Quellen oder Senken ?
Losung:

2.3 Linienintegrale und Flachenintegrale


2.3.1 Linienintegrale
Sei der Weg im Raum R3 definiert durch die Parametrisation:

x(t)
: t T 7 r(t) = y(t) = x(t)i + y(t)j + z(t)k
z(t)
T = [a, b] ist ein Intervall in R.
Erinnern wir uns an einige bekannte Begriffe:

Der Tangentenvektor r(t), den man durch Differenziation erhalt:



x(t)
r(t) = y(t) = x(t)i + y(t)j + z(t)k
z(t)

Der Tangenteneinheitsvektor, den man folgendermassen berechnet:

r(t)
u(t) =
kr(t)k

58
Sei F(x, y, z) ein Vektorfeld, das in R3 oder einem Teilgebiet von R3 definiert ist und in dem auch auch ein
Weg enthalten sei:

Fx
F(x, y, z) = Fy = Fx i + Fy j + Fz k
Fz

Definition 2.12 Der Ausdruck


Z Z
F dr = F(x(t), y(t), z(t)) r(t) dt (2.14)

heisst Linienintegral des Vektorfeldes F langs des Weges .


Das Skalarprodukt in Formel (2.14) fuhrt die Berechnung des Linienintegrals auf ein ubliches Integral zuruck.

Beispiel 2.3.1 Berechnen Sie den Wert des Linienintegrals vom Vektorfeld

F(x, y, z) = zi + xj + yk
langs der Schraubenlinie, parametrisiert durch r(t) = cos ti + sin tj + 3tk, wobei t das Intervall [0, 2]
durchlauft.
Losung: (Losung: 7 21.99)

Beispiel 2.3.2 Berechnen Sie den Wert des Linienintegrals vom Vektorfeld

F(x, y, z) = 5zi + xyj + x2 zk


langs den drei folgenden Wegen, welche jeweils die beiden Punkte A(0, 0, 0) und B(1, 1, 1) verbinden:

1. Der geraden Strecke von A nach B.


2. Dem durch den parametrisierten Parabelbogen ti + tj + t2 k, t [0, 1].
3. Dem gebrochenen Streckenzug A(0, 0, 0), P1 (1, 0, 0), P2 (1, 1, 0) und B(1, 1, 1).

Unterscheiden sich die Resultate ?


Losung:

59
Abbildung 2.7: Flache im Raum

2.3.2 Flachenintegrale
Gegeben sei eine Flache , parametrisiert durch die Abbildung

x(u, v)
(u, v) D R2
7 r(u, v) = y(u, v) R3
z(u, v)
Die beiden Variablen u und v sind die Parameter der Flache und D ist der Parameterbereich.
Die beiden Tangentenvektoren u r und v r der Flache erhalt man durch Differenzieren der parametrisierten
Funktionen nach den beiden Variablen u und v:

u x(u, v) v x(u, v)
u r = u y(u, v) , v r = v y(u, v)
u z(u, v) v z(u, v)
Der Normalvektor n im Punkt r(u, v) der Flache ist gegeben durch

n = u r(u, v) v r(u, v) (2.15)

Der normale Einheitsvektor nu der Flache ist gegeben durch


u r v r
nu = (2.16)
|u r v r|

Bemerkung: Fur den Normalenvektor der Flache gibt es zwei mogliche Orientierungen: auf der einen oder andern
Seite der Flache. Es ist deshalb notwendig, in jedem Fall die passende Orientierung zu wahlen. Ist die Flache
geschlossen, so wahlt man prinzipiell den Normalvektor nach Aussen.
Ist die Flache nicht geschlossen (sie besitzt also einen Rand), so
gilt ublicherweise folgende Regel: Man stellt sich vor, dass eine
Person langs des Randes so spaziert, dass sich die Flache immer
links von ihr befindet. Der Normalvektor soll dieselbe Orien-
tierung haben wie der Mast einer Fahne, der sich auf derselben
Seite der Flache befindet wie die Person (vgl. Figur).

Fur eine Flache mit der Parametrisation

60

x(u, v)
r(u, v) = y(u, v) , (u, v) D
z(u, v)
ist das orientierte Flachenelement folgendermassen definiert:

d~ = n dudv = (u r v r) dudv. (2.17)

Nun sei ein Vektorfeld F(x, y, z) im Raum oder einem Teil des Raumes definiert, der die Flache enthalt.

Definition 2.13 Der Fluss des Vektorfeldes F durch die Flache ist gegeben durch das Integral
ZZ
= F d~ , (2.18)

mit dem Flachenelement d~ (vgl. Figur 2.8).


Die explizite Berechnung dieses Integrals geschieht uber die Parametrisierung der Flache , indem das
Flachenelement d~ durch (u r v r) dudv ersetzt wird (gemass Formel 2.17):
ZZ ZZ ZZ
= F d~ = F n dudv = F (u r v r) dudv (2.19)
D D

F F

Abbildung 2.8: Fluss eines Vektorfeldes durch eine Flache.

Beispiel 2.3.3 Gegeben sei das Vektorfeld F(x, y, z) = zi + xj 3y 2 zk, und die Flache

= (x, y, z) R3 : x2 + y 2 = 16, x 0, y 0, 0 z 5 .


Berechnen Sie den Fluss des Vektorfeldes F durch die Flache .


Losung:

(Antwort: 90)

61
Beispiel 2.3.4 Gegeben sei das Vektorfeld F(x, y, z) = yi + (x 2xz)j xyk.
Berechnen Sie den Fluss des Feldes rot F durch die Halbkugeloberflache mit Radius R, dem Zentrum im
Ursprung und z 0.
Losung:

(Antwort: 0)

2.4 Die Formel von Green in der Ebene


Sei D ein Gebiet der Ebene Oxy mit der geschlossenen Randkurve . Dabei setzen wir voraus, dass das Gebiet D
regular ist, insbesondere soll seine Randkurve also keine Uberschneidungen aufweisen (vg. Figur 2.9):

Abbildung 2.9:

Insbesondere ist es vorausgesetzt, dass das Gebiet D in zwei Teilgebiete getrennt werden kann, deren Rand-
kurven mit der Funktionen y1 (x) und y2 (x) respektiv parametrisiert werden konnen (gemass Figur 2.10).
Seien ausserdem P (x, y) und Q(x, y) zwei stetige Funktionen von je 2 Variablen, deren partielle Ableitungen
in jedem Punkt von D existieren und stetig sind.
Wir betrachten das Doppelintegral
P
ZZ
I= dxdy. (2.20)
y
D

Wir berechnen dieses Doppelintegral mit der klassischen Methode:


Zb yZ
2 (x)
P P
ZZ
dxdy = dy dx

y y

D a y1 (x)

62
y

B
y2(x) D
A

y1(x)
x
a x b

Abbildung 2.10:

Zb  y2 (x) 
= P (x, y) dx

y1 (x)
a
Zb
= [P (x, y2 (x)) P (x, y1 (x))] dx
a
b
Za

Z
= P (x, y1 (x)) dx + P (x, y2 (x)) dx
a b
I
= P dx

Die Rechnung fuhrt uns auf die Gleichung:


P
I ZZ
P dx = dxdy (2.21)
y
D
Q
Analog findet man durch Integration der Funktion auf dem Gebiet D die Gleichung
x

Q
I ZZ
Q dy = dxdy (2.22)
x
D

Die Summe der Gleichungen (2.21) und (2.22) liefert die Formel von Green1 :
ZZ  
Q P
I
P dx + Q dy = dxdy (2.23)
x y
D

Bemerkung: Unter Benutzung der Vektorschreibweise (2-dimensional)


1 Britischer Mathematiker (1793-1841)

63
   
P (x, y) dx
F(x, y) = und dr = ,
Q(x, y) dy
konnen wir den Ausdruck P dx + Q dy in Form des Skalarproduktes

F dr.
beschreiben. Damit lautet die Formel von Green schliesslich
ZZ  
Q P
I
F dr = dxdy.
x y
D

Die Formel von Green (das heisst die Gleichheit zwischen einem Flachen- und einem Linienintegral) und ihre
Verallgemeinerungen haben zahlreiche Anwendungen, besonders in der Vektoranalysis.

Beispiel 2.4.1 Berechnen Sie das Integral


I
2x(x + y)dx + (x2 + xy + y 2 )dy

langs dem Rand des Quadrates mit den Ecken (0, 0), (1, 0), (1, 1) und (0, 1).
Losung:

(Antwort: 1/2)

Beispiel 2.4.2 Bestimmen Sie den Flacheninhalt eines beliebigen ebenen Gebietes D, begrenzt durch eine ge-
schlossene Kurve , lediglich durch ein Linienintegral uber .
Losung: Es gilt:
ZZ
Flacheinhalt = 1 dxdy
D

Wir suchen Funktionen P (x, y) und Q(x, y) derart, dass


Q P
=1
x y
Wir konnen verifizieren, dass die Funktionen P (x, y) = 2y und Q(x, y) = x
2 die gewunschte Eigenschaft
haben. Also:

ZZ  
Q P
Flacheninhalt = dxdy
x y
ID
= P dx + Q dy

y x
I
= dx + dy (2.24)
2 2

64
Beispiel 2.4.3
y
Berechnen Sie den Flacheninhalt der gezeichneten Ellipse unter
Benutzung von Beispiel 2.4.2. b

x
a

Losung:

2.5 Wegunabhangigkeit der Integration


Wie im vorhergehenden Abschnitt, beschaftigen wir uns auch in diesem Abschnitt mit dem zweidimensionalen
Fall eines ebenen Gebietes D. Seien M und N zwei Punkte im Innern des Gebietes D. Die beiden Punkte seien
mit zwei sich nicht uberschneidenden stetigen Kurven 1 und 2 in D verbunden. Sie seien als Wege so orientiert
und parametrisiert, dass beide vom Punkt M zum Punkt N fuhren. Das von ihnen eingeschlossene kleine Gebiet
D0 ist in D eingeschlossen (Figur 2.11).

D
2
N

D0
M

Abbildung 2.11:

Wir betrachten zudem zwei auf D definierte Funktionen P (x, y) und Q(x, y), welche folgende Eigenschaft
aufweisen:
Z Z
P dx + Q dy = P dx + Q dy (2.25)
1 2

Unter dieser Voraussetzung haben wir:

65
ZN ZN
P dx + Q dy P dx + Q dy = 0
M(1 ) M(2 )

ZN ZM
P dx + Q dy + P dx + Q dy = 0
M(1 ) N (2 )

Da vom Punkt M gestartet wird auf der Kurve 1 bis zum Punkt N und anschliessend von N auf dem Ruckweg
2 von N nach M , so befindet man sich schliesslich wieder im Startpunkt M . Somit wurde ein geschlossener Weg
durchlaufen (die Vereinigung von 1 und 2 mit der entsprechenden Orientierung). Wir nennen diese geschlossene
Kurve .
Somit gilt:
I
P dx + Q dy = 0 (2.26)

Die geschlossene Kurve ist also der Rand von D0 .


Anwendung der Formel von Green (2.23) auf die vorangehende Gleichung (2.26) ergibt
ZZ  
Q P
dxdy = 0. (2.27)
x y
D0

Um zu diesem Resultat zu gelangen, wurde die Voraussetzung (2.25) verwendet, welche eine spezielle Bedin-
gung betreffend den Linienintegralen von P (x, y) und Q(x, y) langs der Kurven 1 und 2 liefert.
Der Satz von Green kann auch umgekehrt verwendet werden: Es gelte im ganzen Gebiet D die Voraussetzung:
Q P
= (2.28)
x y

Sei eine beliebige geschlossene Kurve in D durch die Punkte M und N . Diese Kurve schliesst ein Gebiet
D0 D ein, dessen Rand sie ist (Figur 2.12).

D0
M

Abbildung 2.12:

66
Wegen dem Satz von Green und der Voraussetzung (2.28) ergibt sich:
ZZ  
Q P
I
0= dxdy = P dx + Q dy (2.29)
x y
D0
H
Daraus konnen wir schliessen, dass das Integral P dx + Q dy immer null ist. Und zwar fur jede geschlossene

Kurve durch M und N . Aber diese Kurve kann auch als Vereinigung zweier beliebiger Kurven 1 und 2 mit
den beiden Endpunkten M und N betrachtet werden. Der folgende Satz druckt diesen Sachverhalt formal aus:

Q P
Theorem 2.4 Gilt = in jeden Punkt des Gebietes D, so ist das Linienintegral
x y
Z
P dx + Q dy
1

unabhangig vom Integrationsweg 1 vom Punkt M zum Punkt N in D.

Fruher (auf Seite 56) wurde die Definition eines konservativen Feldes formuliert. Solche Felder besitzen wich-
tige Eigenschaften, die wir hier entwickeln wollen. Zu Beginn leiten wir ein wichtiges Resultat her, welches die
Charakterisierung eines konservativen Feldes erlaubt. Dazu benutzen wir die erhaltenen Resultate und besonders
die Formel von Green.
Sei F(x, y) ein konservatives Vektorfeld in R2 und sei eine parametrisierte Kurve in der Ebene:
 
x(t)
t 7 r(t) = , t [a, b].
y(t)
Der Tangentenvektor an die Kurve ist gegeben durch r (t). Das Skalarprodukt

F((x(t), y(t)) r (t)


stellt eine skalare Grosse dar, welche in jedem Punkt der Kurve berechnet und damit auch integriert werden
kann:

Z Zb
F dr = F((x(t), y(t)) r (t) dt.
a

Also folgt der

Theorem 2.5 Sei F(x, y) ein im Gebiet D der Ebene definiertes, stetiges Vektorfeld. Dann gilt:

Z
F dr ist vom Integrationsweg unabhangig F = (2.30)

F ist konservativ

Beweis:

Die Tatsache, dass Rein Vektorfeld konservativ sein kann, ist manchmal nutzlich. Hier ein Beispiel: Wir wol-
len das Linienintegral F dr, langs einer Kurve in der Ebene fur ein Vektorfeld F(x, y) berechnen, das die

Voraussetzungen des Satzes erfullt.

67
y

Abbildung 2.13:

Sind P und Q die Anfangs- und Endpunkte der Kurve , so gilt:

Z Z
F dr = dr

Z
= x (x, y) dx + y (x, y) dy

Q
= (x, y) = (Q) (P ) (2.31)

P

Folgerung: Zur Berechnung des Linienintegrals eines konservativen Feldes genugt es, die Differenz des Poten-
tials zwischen den beiden Punkten zu bestimmen. Achtung: Dies ist nur moglich fur konservative Felder F, denn
das Integral hangt dann nicht vom Integrationsweg ab.
Im Fall einer geschlossenen Kurve gilt P = Q. Die Potentialdifferenz (Q) (P ) ist null. Somit gilt:
I
F dr = 0 (2.32)

Beispiel 2.5.1 Wir betrachten das Vektorfeld

F(x, y) = (2x + y 3 ) i + (3xy 2 + 4) j


R
1. Zeigen Sie, dass das Integral F dr unabhangig vom Integrationsweg ist.

RQ
2. Berechnen Sie fur die beiden Punkte P (0, 1) und Q(2, 3) das Linienintegral F dr.
P

Losung:

Im Fall eines konservativen (Kraft-) Feldes F ist die Arbeit der Kraft langs des Weges vom Punkt P zum
Punkt Q gleich der Potentialdifferenz zwischen den beiden Punkten, das heisst:

68
Z
W = F dr = (Q) (P ) (2.33)

Dasselbe Resultat ist auch im R3 gultig.

Beispiel 2.5.2 Sei F das Gravitationsfeld eines Massenpunktes der Masse m0 im Ursprung. Bestimmen Sie die
durch F ausgefuhrte Arbeit beim Verschieben eines Teilchens der Masse m vom Punkt A(2, 3, 4) zum Punkt
B(1, 0, 0).
Losung:

2.6 Divergenzsatz oder Satz von Gauss


Eines der wichtigsten Resultate der Vektoranalysis ist der Divergenzsatz, oft auch als Satz von Gauss bezeichnet.
Die grundsatzliche Idee dieses Satzes ist ahnlich derjenigen des Satzes von Green, aber im 3-dimensionalen Raum:
Es handelt sich um das Entwickeln einer Beziehung zwischen einem Volumenintegral (3-dimensional) und einem
Integral uber den Rand des Volumens (eine Oberflache im Raum).
Der Divergenzsatz basiert auf Flachenintegralen (Berechnung des Flusses) und Volumenintegralen. Es ist un-
umganglich, die entsprechenden Integrationstechniken zu beherrschen (gemass Abschnitt 2.3.2).
Um den Wortlaut des Satzes zu formulieren, betrachten wir ein beschranktes Gebiet des Raumes mit einem
bestimmten Volumen, ebenso ein Vektorfeld, das im Gebiet und dessen Umgebung definiert ist. Der Rand des
Gebietes ist eine bestimmte geschlossene Flache.
Wir interessieren uns fur den Fluss des Vektorfeldes durch diese Flache.

Theorem 2.6 (Divergenzsatz) Sei ein beschranktes raumliches Gebiet, begrenzt durch eine geschlosse-
ne Flache = und sei n der normale Einheitsvektor von nach aussen. Sei weiter ein Vektorfeld F in
definiert, dessen partielle Ableitungen existieren und stetig sind. Dann gilt:
Alors : ZZ ZZZ
F d~ = div F dV , (2.34)

das heisst: der Fluss von F durch die Flache ist gleich dem Dreifachintegral der Divergenz von F auf
dem Gebiet .

Beweis:

Beispiel 2.6.1 Gegeben sei das Vektorfeld v(x, y, z) = x3 y i + x2 y 2 j + x2 yz k.


Berechnen Sie den Fluss von v durch die Tetraederoberflache mit den Ecken (0, 0, 0), (1, 0, 0), (0, 1, 0) und
(0, 0, 1).
Losung:

Antwort: 1/60.

69
Beispiel 2.6.2 Berechnen Sie den Fluss des Vektorfeldes v(x, y, z) = (2z) i + (x + y) j durch die Flache S
beschrieben durch die Gleichung x2 + y 2 + z 2 = R2 .
Losung:

Antwort: 34 R3 .

Beispiel 2.6.3 Berechnen Sie den Fluss des Vektorfeldes v(x, y, z) = xy 2 i + x2 y j + y k durch die Zylinderober-
flache

C = (x, y, z) : x2 + y 2 1, 1 z 1


Losung:

2.7 Der Satz von Stokes


Im Abschnitt 2.4 haben wir den Satz von Green hergeleitet. Vereinfacht gesagt besagt er: Es existiert eine einfache
Beziehung zwischen einem Linienintegral langs einer geschlossenen ebenen Kurve und einem Doppelintegral,
uber des durch die Kurve begrenzte ebene Gebiet. Dieses Resultat gilt fur Kurven und Flachen im R2 , kann aber
verallgemeinert werden auf R3 . Dies ist das Thema des Satzes von Stokes mit dem folgenden Wortlaut:

Theorem 2.7 (von Stokes) Sei eine beschrankte Flache in R3 , deren Rand eine geschlossene Kurve
in R3 sei und n der normale Einheitsvektor derart orientiert, dass er mit dem Umlaufsinn von positiv
orientiert ist.
Sei weiter F(x, y, z) ein Vektorfeld derart definiert auf , dass seine partiellen Ableitungen existieren und
stetig sind. Dann gilt:
I ZZ
F dr = rot F d~ , (2.35)

Das heisst: Das Linienintegral des Vektorfeldes F langs des Weges ist gleich dem Fluss von rot F durch
die Flache (siehe Figur2.14). 2.14).

I
Bemerkung: Falls F ein Geschwindigkeitsfeld einer Flussigkeit beschreibt, nennt man das Linienintegral Fdr

Zirkulation des Feldes F langs der Kurve .

70
n


Abbildung 2.14: Satz von Stokes: Situations-Schema

Beispiel 2.7.1 Berechnen Sie die Zirkulation des Geschwindigkeitsfeldes

v(x, y, z) = y 3 i + x3 j z 3 k
langs der Schnittkurve zwischen der Zylinderflache x2 + y 2 = 1 und der Ebene x + y + z = 1 :
Losung:

Beispiel 2.7.2 Gegeben sei das Vektorfeld

v(x, y, z) = 3z i + 4x j + 2y k

Betrachten Sie die Paraboloid-Flache P gegeben durch z = 9x2 y 2 , fur z 0. Sei weiter die Schnittkurve
dieser Flache mit der horizontalen Ebene (Figur 2.15). Die Kurve begrenze die Flache von P . Verifizieren Sie
den Satz von Stokes fur die beschriebene Situation.
Losung:

2.8 Zusatz: Die Maxwellschen Gleichungen


Die elektrischen und magnetischen Phanomene wurden zum grossten Teil durch Systeme von mathematischen
Gleichungen modelliert. Dies geschah hauptsachlich im 19.Jahrhundert. Der britische Physiker J.C. M AXWELL 2
entwickelte eine Theorie die es erlaubte, die Gleichungen fur elektrische und magnetische Felder zu vereinheitli-
chen. Seine Theorie prognostizierte sogar die Existenz elektromagnetischer Wellen voraus, welche zu Maxwells
Zeit experimentell noch nicht festgestellt wurden.
Die gesamte Theorie lasst sich auf die vier beruhmten Maxwellschen Gleichungen reduzieren. Diese konnen
je nach Bedarf sowohl in integraler wie in differenzieller Form beschrieben werden.
Wir beginnen mit der Definition einiger Grundgrossen :
2 J.C. Maxwell : 1831 - 1879

71
2
0
-2

-2
0
2

Abbildung 2.15: Paraboloid-Flache des Beispiels 2.7.2.

E : elektrisches Feld
D : dielektrisches Verschiebungsfeld
H : magnetisches Feld
B : magnetisches Induktionsfeld
: Dielektrizitatskonstante (des Stoffes)
0 : Dielektrizitatskonstante (des Vakuums)
: magnetische Permeabilitat (des Stoffes)
0 : magnetische Permeabilitat (des Vakuums)
: Ladungsdichte
i : Stromdichte
Gewisse dieser Grossen hangen uber Gleichungen miteinander zusammen :

B = 0 H D = 0 E.

2.8.1 Integralform der Maxwellschen Gleichungen


1.Gleichung : Es handelt sich um eine Beziehung zwischen elektrischen Ladungen und elektrischem Feld (der
nicht-rotative Anteil des Feldes): Fur jede geschlossene Flache S im Raum ist die Differenz zwischen ein-
tretendem und austretendem Flussanteil proportional zur freien Ladung der Dichte im Gebiet begrenzt
durch S :
ZZ ZZZ
D d~ = dV (2.36)
S V

2.Gleichung : Beziehung zwischen den Stromen und dem magnetischen Feld. Ist ein Flachenstuck im Raum,
begrenzt durch die Kurve , so gilt:

D
I ZZ ZZ
H dr = i d~ + d~ (2.37)
t

72
3.Gleichung : Induktionsgesetz :

d
I ZZ
E dr = B d~ (2.38)
dt

4.Gleichung : Der rotative Charakter des magnetischen Induktionsfeldes B : Es existieren keine magnetische
Pole (oder Ladungen). Dies druckt sich dadurch aus, dass fur jede geschlossene Flache S der eintretende
magnetische Fluss gleichgross ist wie der austretende magnetische Fluss:

ZZ
B d~ = 0 (2.39)
S

2.8.2 Differenzielle Form der Maxwellschen Gleichungen


Sie folgen aus den Integralformen unter Verwendung der Satze von Gauss und Stokes :

1. div D = (2.40)

D
2. rot H =i (2.41)
t

B
3. rot E + =0 (2.42)
t

4. div B = 0 (2.43)

2.9 Aufgaben

Aufgabe 2.9.1 Gegeben sei (x, y, z) = 3x2 y y 3 z 2 . Berechnen Sie allgemein, sowie in den Punkten
(1, 2, 1) und (1, 2, 3).

Aufgabe 2.9.2 F und G seien differenzierbare skalare Funktionen von x, y und z. Beweisen Sie die Formeln :

1. (F + G) = F + G
2. (F G) = F G + GF

p
Aufgabe 2.9.3 Sei (x, y) = x2 + y 2 . Berechnen Sie und stellen Sie das Gradientenfeld grafisch dar.

73
2 2
Aufgabe 2.9.4 Zeichnen Sie die Funktion von Gauss f (x, y) = e(x +y ) . Berechnen Sie dann den Gradienten
dieser Funktion in einem beliebigen Punkt (x, y) der Ebene. Studieren Sie schliesslich die Niveaulinien und das
Gradientfeld.

Aufgabe 2.9.5 Zeichnen und studieren Sie nachher die Niveaulinien folgender Funktionen:
y2
1. f (x, y) = x2 + 4

2. g(x, y) = xy
3. h(x, y) = sin x sin y

Aufgabe 2.9.6 Gegeben sei die Funktion


2
x
f (x, y) = e y2

1. Definieren Sie den Definitionsbereich dieser Funktion genau.


2. Studieren Sie die Niveaulinien.
3. Zeigen Sie fur y 6= 0 die Gleichung

f f
x +y =0
x y
Ist diese Gleichung fur jede beliebige Funktion richtig ? Begrunden Sie die Antwort.

Aufgabe 2.9.7 Beweisen : Der Gradient ist ein Vektor orthogonal zur Flache f (x, y, z) = c, wobei c konstant ist.

Aufgabe 2.9.8 Sei die Flache beschrieben durch die Parametrisierung



(1 v)R cos u
(u, v) [0, 2] [0, 1] r(u, v) = (1 v)R sin u
v
R sei zudem eine gegebene positive Konstante.

1. Zeichnen Sie die Flache und ihren Rand .

2. Berechnen Sie die Tangentenvektoren und den normalen Einheitsvektor n.


3. Berechnen Sie den Flacheninhalt der Flache mittels Flachenintegral.

74
b

a b

Abbildung 2.16: Kurve .

Aufgabe 2.9.9 Berechnen Sie das Integral



I
(4 + e x ) dx + (sin y + 3x2 ) dy,

wobei der Rand des Viertelringes mit Radien a und b gemass der Figur 2.16 ist.
Hinweis : Benutzen Sie den Satz von Green.

Aufgabe 2.9.10 Betrachten Sie das Vektorfeld

F(x, y, z) = y 2 cos x i + (2y sin x + e2z ) j + 2ye2z k.

1. Bestimmen Sie, falls moglich, ein (skalares) Potential (x, y, z) sodass F = .


2. Berechnen Sie das Linienintegral F dr, wobei die Kurve in der Figur 2.17 ist, welche im Raum R3 die
R
Punkte (0, 1, 0) und (0, 1, 0) verbindet.

0.5

-1 -0.5 0.5 1

-0.5

-1

Abbildung 2.17: Kurve .


R
3. Bestimmen Sie den Wert des Linienintegrals C
F dr, wobei C den Einheitskreis in der Ebene Oxy mit
Zentrum im Punkt (1, 1, 0) darstellt.

75
Aufgabe 2.9.11 Betrachten Sie das Vektorfeld v(x, y, z) = (x + y) i + (x2 yz) j + (z + xy) k und die Flache
beschrieben durch

= {(x, y, z) R3 : |x| = 1, z 0}.

1. Es sei der Rand der Flache . Berechnen Sie das Linienintegral


I
v dr.

2. Verschwindet die Rotation von v uberall ? Ist das Feld quellenfrei (das heisst: die Divergenz verschwindet
uberall) ?
3. Sei w = (x + x2 y) i + (y) j + (2xyz 1) k. Leiten Sie aus 1) und 2) den Wert des folgenden Integrals
her:
ZZ
w d~ .

Aufgabe 2.9.12 Sei T das Dreieck mit den Ecken A = (0, 0), B = (2, 0), und C = (2, 1). Weiter sei das ebene
Vektorfeld F = (2x + y 2 ) i + (3y 4x) j gegeben.

1. Parametrisieren Sie die drei Dreiecksseiten so einfach wie moglich.


2. Sei der Rand des Dreiecks, der im positiven Sinn durchlaufen werde (Gegenuhrzeiger). Berechnen Sie das
Linienintegral des Feldes langs der Kurve .

Aufgabe 2.9.13 Bestimmen Sie die Konstante sodass das Vektorfeld H = (2x + y 2 ) i + (3y 4x) j + z k
uberall verschwindende Divergenz hat.

Aufgabe 2.9.14 Bestimmen Sie die Konstanten a, b und c, sodass das Vektorfeld V = (x + 2y + az) i + (bx
3y z) j + (4x + cy + 2z) k uberall verschwindende Rotation hat.

Aufgabe 2.9.15 Sei W = (2xy 3 z) i + (3x2 y 2 z) j + (x2 y 3 ) k. Bestimmen Sie ein (skalares) Potential F , sodass
gilt: W = F .

Aufgabe 2.9.16 Sei (x, y, z) = 2x2 y 2 z 2 .


1. .Berechnen Sie (den Gradienten) und zeigen Sie dann, dass harmonisch ist, das heisst, dass die soge-
nannte Laplace-Gleichung () = 0 gilt (Divergenz der Rotation ist null).

76
2. Berechnen Sie die Rotation des Vektorfeldes

v = x i 3xy j + 4z k

Aufgabe 2.9.17 Sei H ein Magnetfeld und i die Stromdichte. Setzen wir voraus, dass das dielektrische Verschie-
bungsfeld null ist. Dann lautet die 2. Maxwellsche Gleichung
I ZZ
H dr = i d~

3
In dieser Formel ist ein Flache in R und ihr Rand.
Wir betrachten einen elektrischen Leiter mit Radius R0 auf der Achse Ox mit Mittelpunkt im Ursprung. Sei
der Leiterquerschnitt mit der Oyz-Ebene. Wir nehmen an, dass die elektrische Stromdichte innerhalb des Leiters
homogen ist. Sie ist gegeben durch i = (J, 0, 0)T [A/m2 ]. Ausserhalb des Leiters ist das magnetische Feld gegeben
durch

0

JR02 z
H(x, y, z) = y 2 +z 2
2 y
y 2 +z 2

und innerhalb durch



0
J
H(x, y, z) = z
2
y

1. Berechnen Sie den gesamten Strom im Leiter.


2. Stellen Sie die Starke des magnetischen Feldes H in Funktion der Distanz bis zur Ox-Achse graphisch dar.
3. Sei 1 ein zentrieter Kreis mit dem Radius R > R0 in der Oyz-Ebene. Berechnen Sie die Zirkulation von
H langs der Kurve 1 , und verifieren Sie den Satz von Stokes und die 2. Maxwell Gleichung.
4. Die gleiche Frage fur den Kreis 2 mit dem Radius R < R0 .

Aufgabe 2.9.18 Betrachten Sie die Flache , gegeben durch die Parametrisation

cos u cos v
r(u, v) = sin u cos v (u, v) [0, 2] [0, /4]
sin v

1. Erstellen Sie eine genaue Zeichung der Flache und ihres Randes .
2. Geben Sie eine passende Parametrisierung des Randes an.
3. Verifizieren Sie den Satz von Stokes fur die Flache und das Vektorfeld

F(x, y, z) = y 3 i + z j + z 2 k.

77
1

0.75

0.5
0.25
0
-1 1
0.75
-0.5
0.5
0
0.25
0.5
0
1

Abbildung 2.18: Halbzylinderflache.

Aufgabe 2.9.19 Gegeben sei das Vektorfeld F = z 2 i + x2 j + y 2 k und die Halbzylinderflache mit dem Rand
gemass der Figur 2.18 :
1. Parametrisieren Sie die Flache so einfach wie moglich.
2. Berechnen Sie das Flachenintegral
ZZ
rot F d~ .

3. Berechnen Sie unter Verwendung des Satzes von Stokes das Linienintegral
I
F dr

Aufgabe 2.9.20 Die folgenden Fragen sind voneinander unabhangig.


1. Geben Sie ein Skalarfeld (x, y, z) an, sodass gilt :

= 2xyz 3 i + x2 z 3 j + 3x2 yz 2 k.

2. Berechnen Sie fur V(x, y, z) = x3 ln z i + xey j (y 2 + 2z) k die Grossen V und V.


3. Sei f (x, y, z) eine differenzierbare Funktion. Zeigen Sie, dass gilt f = 0. Das heisst

rot gradf = 0.

Aufgabe 2.9.21 Sei E das elektrische Feld einer elektrischen Ladung e im Ursprung :
e r
E(x, y, z) = ,
40 r3
wobei r = x i + y j + z k, et r = |r|.

78
1. Zeigen Sie, dass das E-Feld konservativ ist.
2. Welches Potential steckt hinter dem E-Feld ?
3. Zeichnen Sie die Feldlinien von E in einer Umgebung des Ursprungs.

Aufgabe 2.9.22 Ein Skalarfeld sei als Funktion der Variablen x, z und t gegeben. Die Vektorfelder E und H
sind definiert durch
 
1
E= i k H= j
z x t
mit der Konstanten .

1. Zeigen Sie, dass div E = 0.


2. Gegeben sei die Beziehung

H
rot E = ,
t
mit der Konstanten . Zeigen Sie, dass die folgende Gleichung erfullt :

2 2 2
2
+ 2 = 2
x z t

79
Kapitel 3

Die Laplace-Transformation

3.1 Einfuhrung
Die Methode der Laplace-Transformation spielt eine wichtige Rolle in verschiedenen Anwendungen der Inge-
nieurwissenschaften. Alles begann mit den Arbeiten des englischen Elektroingenieurs O LIVER H EAVISIDE (1850-
1925), welcher eine systematische Methode zur Losung von gewohnlichen Differentialgleichungen mit konstanten
Koeffizienten suchte. Ohne seine Methode in allen Schritten gerechtfertigt und streng bewiesen zu haben gelang
es Heaviside zu seiner Zeit, mehrere praktische und wichtige Probleme zu losen, welche zum damaligen Zeit-
punkt durch klassische Methoden nicht gelost werden konnten. Im speziellen hat er den Fluss von Stromen und
Spannungen in elektrischen Uebertragungsleitungen studiert.
Bei der Suche nach strengen Beweismethoden ist man auf die Studien von Integral-Transformationen gestos-
sen. Sie wurden bereits uber hundert Jahre vor Heaviside von P IERRE S IMON DE L APLACE (1749-1827) studiert
und lieferten die Rechtfertigung fur Heavisides Methode. Die Arbeiten von Laplace gaben Anlass fur die beruhmte
Laplace-Transformation.

Die Laplace-Transformation ist ein Beispiel aus einer speziellen Klasse von Integral-Transformationen, welche
als Argument eine Funktion f (t) der Variablen t ( im allgemeinen die Zeit) verwendet und als Resultat eine andere
Funktion F (s) der Variablen s (die komplexe Frequenz) liefert. Das Interessante an der Laplace-Transformation ist
die Tatsache, dass sie einer Differentialgleichung in der Variablen t eine algebraische Gleichung mit der Variablen
s zuordnet, welche leichter zu losen ist als das ursprungliche Problem. Im weiteren ist moglich, durch die inverse
Transformation wieder auf die Variable t zuruckzukommen.
Die Laplace-Transformation ist ein Werkzeug, das sich sehr gut zur Losung von gewissen Differentialgleichun-
gen mit Anfangsbedingungen eignet, wie beispielsweise Probleme mechanischen Schwingungen oder Oszillatio-
nen in elektrischen linearen Schaltkreisen. Sie wird oft auch in der Signalverarbeitung und bei der Analyse von
linearen Systemen verwendet.
Schematisch kann ein System durch eine Blackbox mit einem Eingangssignal (Input) und einem Ausgangssi-
gnal oder auch einer Antwort (Output) dargestellt werden.

u(t) x(t)
- Systeme -
Input Output

Ist das Eingangssignal u(t) und der Output x(t) eine Funktion der Zeit, so besteht eine Beziehung von Ursache
und Wirkung zwischen u(t) und x(t). Diese Beziehung ist ein typisches Merkmal des Systems. Eines der Ziele der

80
Analyse von Systemen ist es, seine speziellen Charakteristiken zu studieren um die resultierende Antwort eines
Signals gut kontrollieren zu konnen.

3.2 Die Laplace-Transformation


3.2.1 Definitionen und Schreibweisen
Sei f (t) eine Funktion der Variablen t.
Definition: Die Laplace-Transformierte der Funktion f (t) ist durch folgenden Ausdruck
Z
L {f (t)} = f (t)est dt (3.1)
0
gegeben. Dabei ist s ein reeller oder komplexer Parameter. Das Resultat obiger Operation ist eine neue Funk-
tion, welche von der Variablen s abhangt.
Es ist ublich, dass die Laplace-Transformierte einer Funktion f (t) mit dem entsprechenden Grossbuchstaben
bezeichnet wird (eine Funktion der Variablen s). Folglich konnen wir schreiben:
Z
L {f (t)} = F (s) = f (t)est dt (3.2)
0
Bevor wir weiterfahren ist es wichtig, einige Prazisierungen anzubringen:

1. Das Symbol L bezeichnet einen Operator, welche die Laplace-Transformation ausfuhrt. Man bezeichnet
ihn im allgemeinen als Laplace-Operator. Er transformiert eine Funktion f (t) des Zeitbereichs in eine
Funktion F (s) des Frequenzbereichs. F (s) heisst Transformierte von f (t).
2. Die Laplace-Transformation besteht aus einer Integration uber das Intervall von 0 bis unendlich. Es handelt
sich also um ein uneigentliches Integral und muss als solches behandelt werden:

Z ZR
st
f (t)e dt = lim f (t)est dt
R
0 0

Speziell ist die Ueberprufung der Existenz dieses uneigentlichen Integrals zu uberprufen, bevor man sich der
Transformation blindlings bedient.
3. In der Definition der Laplace-Transformation wird nicht Gebrauch gemacht von Funktionswerten f (t) mit
negativen t-Werten. In vielen technischen Anwendungen ergibt sich daraus kein Problem, weil Zeitfunktio-
nen von einem bestimmten Zeitpunkt an, fixiert mit 0, betrachtet werden.
Dennoch wird eine Funktion f (t) normalerweise fur alle reellen Werte von t, negativ und positiv, definiert.
Wir konnen aber von der Heaviside- Funktion Gebrauch machen :

0 (t < 0)
H(t) = (3.3)
1 (t 0)

Multiplizieren wir die Funktion f (t) mit der Heaviside-Funktion, so erhalten wir eine neue Funktion, welche
fur positive t mit f (t) ubereinstimmt und fur t negativ 0 ist, das heisst:

0 (t < 0)
f (t)H(t) = (3.4)
f (t) (t 0)

Durch Translation erlaubt die Heaviside-Funktion auch Funktionen zu beschreiben, welche an einem be-
stimmten Punkt a 6= 0 springt. Ein Beispiel wird in den Figuren (3.1) und (3.2) gezeigt.

81
a t

Abbildung 3.1: Eine Funktion f (t)

a t

Abbildung 3.2: Die Funktion f (t)H(t a)

3.2.2 Transformationen einfacher Funktionen


In diesem Kapitel werden Laplace-Transformierte einiger wichtiger und einfacher Funktionen gezeigt.

Beispiel 3.2.1 Die Laplace-Transformierte der konstanten Funktion f (t) = 1 ist gegeben durch:

1
L {1} = Re(s) > 0 (3.5)
s

Beweis:

Beispiel 3.2.2 Fur c 6= 0 ist die Laplace-Transformierte der konstanten Funktion f (t) = c gegeben durch:

c
L {c} = Re(s) > 0 (3.6)
s

Beweis:

82
Beispiel 3.2.3 Die Laplace-Transformierte der sogenannten Rampen-Funktion f (t) = t ist gegeben durch:

1
L {t} = Re(s) > 0 (3.7)
s2

Beweis:

Beispiel 3.2.4 Die Laplace-Transformierte der Exponentialfunktion


f (t) = ekt
ist gegeben durch:
1
L ekt =

Re(s) > Re(k) (3.8)
sk

Beweis:

Beispiel 3.2.5 Die Laplace-Transformierten der trigonometrischen Funktionen sin und cos sind gegeben durch:

L {sin(t)} = Re(s) > 0 (3.9)
s2 + 2
und
s
L {cos(t)} = Re(s) > 0 (3.10)
s2 + 2

Beweis:

3.2.3 Existenz von Laplace-Transformierten


Ausgehend von der Definition (3.1) sei bemerkt, dass die Laplace-Transformierte einer Funktion f (t) genau dann
existiert, wenn das uneigentliche Integral existiert. Die Existenz dieses Integrals hangt auch vom Parameterwert s
ab. Wir geben nun genauere Bedingungen fur die Funktion f (t), damit die Existenz ihrer Laplace-Transformierten
gesichert ist.
Definition 3.1 Eine Funktion f (t) heisst hochstens von exponentiellem Wachstum, falls Konstanten , M und T
derart existieren, so dass gilt

|f (t)| < M et (3.11)


fur alle t > T .
Diese Definition besagt einfach, dass eine Funktion, welche hochstens exponentiell wachst, fur grosse t nicht
schneller ansteigt als eine Exponentialfunktion der Form M et mit geeignet gewahlten KonstantenM und .
Glucklicherweise sind die meisten in der Praxis verwendeten Funktionen hochstens von exponentiellem Wachs-
tum.

83
Beispiel 3.2.6 Die Funktion f (t) = e3t wachst hochstens exponentiell (wir konnen etwa die speziellen Werte
3 und M = 1 wahlen).
Beweis:

Beispiel 3.2.7 Die Funktion


2
f (t) = et
wachst starker als exponentiell.
Beweis:

Aus den vorhergehenden Beispielen ist ersichtlich, dass bei einer Funktion, welche hochstens exponentiell
wachst, die Wahl der Konstanten nicht eindeutig ist. Der kleinstmogliche Wert heisst Konvergenz-Abszisse und
wird in der Fortsetzung mit c bezeichnet. Fur die Funktion f (t) = e3t ist c = 3. Fur die Funktion f (t) = t3 ist
c = 0.
Zuruck zur Definition (3.2) der Laplace-Transformierten: Ist f eine stetige Funktion f (t), welche hochstens
exponentiell anwachst mit c als Konvergenz-Abszisse, das heisst

|f (t)| < M et , > c


dann gilt

Z Z
st
dt |f (t)| est dt

|F (s)| = f (t)e


0 0

s kann
Der Parameter komplexe Werte annehmen. Wir schreiben ihn in der Form s = + j mit und
reell, und weil ejt = 1 haben wir
st t jt
e = e e = et

Indem wir eine Konstante d > c wahlen folgt aus dieser Majorisierung dass

Z
|F (s)| |f (t)| et dt
0
Z
M ed t et dt
0
Z
= M e(d )t dt
0

Das letzte Integral existiert unter der Bedingung dass d > 0, das heisst, falls

Re(s) > d

84
Da wir gemass Konstruktion d beliebig gewahlt haben, so dass gilt d > c , so konnen wir dauraus schliessen,
dass die Laplace-Transformierte F (s) fur Re(s) > c existiert.
Daruber hinaus konnen wir die fruher formulierte Bedingung von stetigen Funktionen auf stuckweise stetige
Funktionen abschwachen. Damit erhalten wir folgendes Resultat:

Theorem 3.1 Sei f (t) eine stuckweise stetige Funktion auf dem Intervall [0, ), welche hochstens expo-
nentiell anwachst mit der Konvergenz-Abszisse c . Dann existiert die Laplace-Transformierte

L {f (t)} = F (s)

fur alle s-Werte mit Re(s) > c .

Im(s)
Im(s)

Re(s) Re(s)
c c

a) c > 0 b) c < 0

Abbildung 3.3: Konvergenz-Bereich

3.2.4 Eigenschaften der Laplace-Transformierten


In diesem Kapitel machen wir Aussagen uber gewisse Eigenschaften der Laplace-Transformierten. Sie gestatten
es uns, Transformierte von vielen Funktionen ohne explizite Rechnung gemass Definition zu bestimmen.

3.2.4.1 Die Linearitat


Einer der grundlegenden Eigenschaften der Laplace-Transformation. Wir konnen sie folgendermassen ausdrucken:

Sind f (t) und g(t) zwei Funktionen mit ihren Transformierten F (s) und G(s), und sind und zwei
beliebige Konstanten, dann gilt

L {f (t) + g(t)} = L {f (t)} + L {g(t)} (3.12)

Diese Eigenschaft konnen wir auch einfach so ausdrucken:

1) L {f (t) + g(t)} = F (s) + G(s) 2) L {f (t)} = F (s) (3.13)

Wir konnen sie in zwei Satzen zusammenfassen:

1. Die Transformierte einer Summe (von zwei Funktionen) ist gleich der Summe der Transformierten ;
2. Die Transformierte einer Vielfachen ist das Vielfache der Transformierten.

85
Beweis:

Beispiel 3.2.8 Bestimmen Sie L 3t + 2e3t .




Losung:

Beispiel 3.2.9 Bestimmen Sie L 5 3t + 4 sin(2t) 6e4t .




Losung:

3.2.4.2 Die erste Verschiebungsregel


Sie kann im folgendem Satz ausdruckt werden:

Theorem 3.2 Sei f (t) eine Funktion mit F (s) als Laplace-Transformierte, wobei Re(s) > c . Die Trans-
formierte der Produktfunktion eat f (t) ist somit gegeben durch

L eat f (t) = F (s a),



Re(s) > c + Re(a) (3.14)

Beweis:

Mit andern Worten: Die Transformierte der Produktfunktion eat f (t) erhalten wir, indem wir in der Transfor-
mierten von f (t) den Parameter s durch s a ersetzen.
Dieses Ersetzen lauft auf eine Translation der Bildfunktion F (s) um a heraus. Wir erhalten also die verscho-
bene Funktion F (s a).

Beispiel 3.2.10 Bestimmen Sie L te2t .




Losung:

86
Beispiel 3.2.11 Bestimmen Sie L e3t sin 2t .


Losung:

Die Funktion e3t sin 2t ist ein Beispiel aus der speziellen Klasse der gedampften harmonischen Funktionen.
Sie spielen eine wichtige Rolle im Ingenieurbereich, speziell in der Analyse von Schwingungen. Deswegen werden
wir fur weitere wichtige Funktionen dieser Klasse die Laplace-Transformierte berechnen:

Beispiel 3.2.12 Seien und zwei reelle Konstanten. Dann gilt:



L et sin t =

Re(s) > (3.15)
(s + )2 + 2
s+
L et cos t =

Re(s) > (3.16)
(s + )2 + 2

Beweis:

3.2.4.3 Die Ableitung einer Transformierten

Theorem 3.3 Sei f (t) eine Funktion mit der Laplace-Transformierten

F (s) = L {f (t)} Re(s) > c .

Fur positive ganze Zahlen n ist die Laplace-Transformierte der Funktion tn f (t) gegeben durch

dn F (s)
L {tn f (t)} = (1)n , Re(s) > c . (3.17)
dsn

Beweis:

Beispiel 3.2.13 Bestimmen Sie die Laplace-Transformierte von t sin 3t.


Losung:

87
Beispiel 3.2.14 Berechnen Sie L t2 et . Gibt es verschiedene Moglichkeiten, diese Transformierte zu berech-

nen ? Falls ja, welches ist die einfachste?
Losung:

Beispiel 3.2.15 Es sei n eine positive ganze Zahl. Bestimmen Sie L {tn }.
Losung:

3.2.5 Aufgaben

Aufgabe 3.2.1 Verwenden Sie die Definition der Laplace-Transformation, um die Transformierten von f in den
folgenden Fallen zu bestimmen:

1. f (t) = cosh 2t
2. f (t) = t2
3. f (t) = 3 + t
4. f (t) = tet

Geben Sie zusatzlich in jedem Fall den Konvergenzbereich an.

Aufgabe 3.2.2 Zeigen Sie, dass die Funktion f (t) = t3 fur t 0 hochstens exponentiell wachst.

Aufgabe 3.2.3 Bestimmen Sie die Konvergenz-Abszisse folgender Funktionen:

a) e5t b) e3t + t2

c) sin 2t d) sinh 3t

88
Transformation de Laplace "directe"
L {.}
f(t) F(s)

L 1{.}
Transformation de Laplace inverse

Abbildung 3.4: Laplace-Transformation und ihre Inverse

3.2.6 Die inverse Laplace-Transformation


Wie wir schon in den vorangehenden Kapiteln gesehen haben, erlaubt uns die Laplace-Transformation, die Uber-
setzung einer Gleichung der Originalfunktion f (t) mit der Variablen t in eine Bildfunktion F (s) mit der Variablen
s. Abgesehen von mathematischen Details kann man zeigen, dass die Laplace-Transformierte, bezeichnet mit dem
Symbol L {.}, im wesentlichen bijektiv ist. Sie ist also invertierbar.
Definition: Wir sprechen von der inversen Laplace-Transformation wenn wir ausgehend von einer Bildfunktion
F (s) zur zugehorigen Originalfunktion f (t) ubergehen. Die inverse Transformation wird mit dem Symbol L1 {.}
bezeichnet, das heisst:

Falls L {f (t)} = F (s), so gilt f (t) = L1 {F (s)} . (3.18)

Bemerkung: Wie schon fruher bemerkt, wird die Laplace-Transformierte F (s) ausschliesslich durch das Verhalten
von f (t) fur t 0 bestimmt. Somit ist die inverse Transformation L1 {F (s)} = f (t) nur fur t 0 definiert. Wir
mussten streng genommen schreiben:

L1 {F (s)} = f (t)H(t).

Beispiel 3.2.16 Weil


1
L eat =

,
sa
folgt automatisch dass  
1
L1 = eat .
sa

Beispiel 3.2.17 Weil



L {sin t} = ,
s2 + 2
folgt  

L1 = sin t.
s2 + 2

Es folgt aus den vorangehenden Definitionen, dass auch die inverse Transformation eine lineare Operation ist.
Das heisst:

89
Falls F (s) und G(s) zwei Funktionen sind mit L1 {F (s)} = f (t) und L1 {G(s)} = g(t), und falls
und zwei beliebige Konstanten sind, so gilt

L1 {F (s) + G(s)} = L1 {F (s)} + L1 {G(s)} = f (t) + g(t) (3.19)

Beweis:

3.2.7 Berechnung von inversen Transformierten


Die einfachste Art inverse Transformierte zu finden, ist die Benutzung einer Tabelle von Transformierten. Mit
Gluck haben wir die Moglichkeit, die inverse Transformierte direkt aus der Tabelle zu bekommen. Meistens ist
es aber notwendig, dass einige algebraische Operationen auf die Bildfunktion ausgeubt werden mussen, um ihre
Inverse zu bekommen. Sehr oft geht es darum, die Inverse einer rationalen Bildfunktion der Form p(s)/q(s) zu
bestimmen, wobei p(s) und q(s) Polynome sind. In diesen Fallen ist es sinnvoll, die rationale Funktion in Parti-
albruche aufzuspalten und danach eine Tabelle der Laplace-Transformation zu benutzen. Im folgenden Abschnitt
wird eine kurze Repetition der Partialbruchzerlegung gegeben.

3.2.7.1 Zerlegung in Partialbruche

Sei r(s) eine rationale Funktion der Gestalt

p(s)
r(s) = ,
q(s)
wobei p(s), q(s) Polynome sind.
Unser Wunsch ist es, r(s) in Partialbruche zu zerlegen, deren Nenner hochstens den Grad 2 aufweisen.
Vorgehen:

1. Falls der Grad von p(s) nicht kleiner ist als der Grad von q(s), so ist eine Polynomdivision im klassischen
Sinn durchzufuhren, um eine brauchbare Form zu finden.

2. Faktorisieren von q(s) als Produkt von linearen as + b oder quadratischen irreduziblen Faktoren as2 +
bs + c. Danach werden identische Terme derart zusammengefasst, dass q(s) ein Produkt von verschiedenen
Faktoren der Form (as + b)n oder (as2 + bs + c)n vorliegt mit n =, 1, 2, 3, ....

3. Wir verwenden die folgenden Regeln:

(a) Jeder Faktor (as + b)n mit n 1 gibt Anlass zu einer Summe von Partialbruchen der Form

A1 A2 An
+ + ... + (3.20)
as + b (as + b)2 (as + b)n
Jeder Koeffizient Ak ist reell und ist zu berechnen.

(b) Jeder Faktor (as2 + bs + c)n mit n 1 und mit as2 + bs + c irreduzibel gibt Anlass zu einer Summe
von Partialbruchen der Form

A1 s + B1 A2 s + B2 An s + Bn
+ + ...+ (3.21)
as2 + bs + c (as2 + bs + c)2 (as2 + bs + c)n
Jeder Koeffizient Ak und Bk ist reell und ist zu berechnen.

90
Aufgabe 3.2.4 Fuhren Sie die Partialbruchzerlegung folgender Bruche durch und berechnen Sie anschliessend die
entsprechende Inverse.

1) 3s + 7
s2 2s 3
2) 2s2 4
(s + 1)(s 2)(s 3)
3) 5s2 15s 11
(s + 1)(s 3)3

3.2.8 Inverse mit dem ersten Verschiebungssatz


In einem vorhergehenden Abschnitt haben wir gesehen dass, falls F (s) die Laplace-Transformierte einer Funktion
f (t) ist, dann ist F (sa) die Laplace-Transformierte von eat f (t) (a ist eine skalare Konstante). Es handelt sich um
den ersten Verschiebungssatz. Dieses Resultat kann in Zusammenhang mit der inversen Laplace-Transformation
gewisse Schwierigkeiten bereiten. Wir konnen sie folgendermassen formulieren:

L1 {F (s a)} = eat f (t) (3.22)


Es ist wesentlich sich zu vergewissern, dass F (s) die (direkte) Transformierte von f (t) ist und dass in For-
mel (3.22) die Variable s einfach ersetzt wird durch s a. An dieser Stelle tritt die Translation auf.

Beispiel 3.2.18 Berechnen Sie die inverse Transformierte von


1
(s + 2)2

Losung:

Beispiel 3.2.19 Berechnen Sie


 
2
L1 2
s + 6s + 13

Losung:

Beispiel 3.2.20 Berechnen Sie  


s+7
L1 2
s + 2s + 5

Losung:

91
Beispiel 3.2.21 Bestimmen Sie  
1 1
L
(s + 1) (s2 + 4)
2

Losung:

3.2.9 Aufgaben

Aufgabe 3.2.5 Berechnen Sie in jedem der folgenden Falle die inverse Transformierte:

a) 1 b) s+5
(s + 3)(s + 7) (s + 1)(s 3)

c) s1 d) 2s + 6
s2 (s + 3) s2 + 4

e) 1 f) s+8
s2 (s2 + 16) s2 + 4s + 5

g) s+1 h) 4s
s2 (s2 + 4s + 8) (s 1)(s + 1)2

i) s+7 j) 3s2 7s + 5
2 (s 1)(s 2)(s 3)
s + 2s + 5

92
3.3 Losen von Differentialgleichungen
Die Methode der Laplace-Transformation ist, wie wir sehen werden, ein machtiges Werkzeug zur Losung von
Differentialgleichungen. Der folgende Abschnitt liefert einige Resultate in diesem Sinn und zeigt, wie das Losen
von Differentialgleichungen erfolgt.

3.3.1 Transformation von Ableitungen und Integralen


Eine Differentialgleichung enthalt definitionsgemass nebst einer unbekannten Funktion auch Ableitungen der ge-
suchten Funktion. Beispielsweise kann eine solche Gleichung eine Funktion f (t) und seine beiden Ableitungen
f (t) und f (t) beinhalten.
Um sie mit den Mitteln der Laplace-Transformation zu losen ist es nicht nur notwendig, die Transformierte
der Funktion f (t) zu kennen, sondern auch diejenige der Ableitung f (t) und jene der hoheren Ableitungen. Der
folgende Teil erklart die Techniken, um die gefragten Transformierten zu berechnen.

3.3.1.1 Transformation von Ableitungen


Sei f (t) eine Funktion der Variablen t, welche wir so oft als differenzierbar voraussetzen, wie wir es in Der Folge
df
benotigen. Die Ableitung von f (t) konnen wir schreiben als f (t) oder gemass Konvention von Leibniz. Da
dt
die Ableitung einer Funktion wieder eine Funktion derselben Variablen ist, konnen wir auf naturliche Art ihre
Laplace-Transformierte definieren:
  Z
df df st
L = e dt
dt dt
0

Offenbar konnen wir den Integranden der rechten partiell integrieren:

  Z
df h
st
i
L = e f (t) + s f (t)est dt
dt 0
0
= sF (s) f (0)

Daraus folgt die Formel:


 
df
L = sF (s) f (0) (3.23)
dt

In dieser Formel ist F (s) die Laplace-Transformierte der Originalfunktion f (t) und f (0) ist der Funktionswert
von f an der Stelle 0 (also eine skalare Grosse).
In der vorhergehenden Integration haben wir vorausgesetzt, dass die Funktion f (t) an der Stelle 0 stetig ist (ist
dies nicht der Fall,so ist die partielle Integration falsch). Es kann gezeigt werden, dass die Formel (3.23) richtig
bleibt, wenn der Funktionswert f (0) durch den Grenzwert von rechts

f (0+ ) = lim f (t).


t0, t>0

ersetzt wird.
Dieser Kunstgriff erlaubt uns auch Probleme zu behandeln, bei denen die Funktion an der Stelle 0 nicht ste-
tig ist. Wir verwenden also jeweils ausschliesslich den Grenzwert von rechts. Nebenbei sei bemerkt, dass wir
voraussetzen mussen, dass f (t) stetig ist fur t > 0 und stuckweise stetig differenzierbar und dass sie hochstens
exponentiell anwachst.
Von einem praktischen Standpunkt aus betrachtet konnen wir feststellen, dass in Formel (3.23) die Laplace-
Transformierte eine Ableitung keine Ableitungen mehr enthalt ! Dies erlaubt die Transformation eines differenti-
ellen Problems (fur die Variable t) in ein algebraisches Problem (fur die Variable s).

93
Entsprechend wollen wir nun auch die Laplace-Transformierte der zweiten Ableitung bestimmen. Sei also f (t)
eine Funktion, welche zweimal differenzierbar ist fur t 0, hochstens exponentiell anwachst und zudem so sei,
dass f (t) noch stuckweise stetig ist. Dann haben wir:

Z
d2 f d2 f st
 
L = e dt
dt2 dt2
0
  Z
st dfdf st
= e e dt +s
dt 0 dt
0
   
df df
= + sL
dt t=0 dt

In der letzten Zeile dieser Berechnung tritt die Laplace-Transformierte von f (t) auf. Sie wurde vorhin berech-
net und wir konnen ihren Wert einsetzen und erhalten so eine ableitungsfreie Formel:

d2 f
   
df
L = + s (sF (s) f (0))
dt2 dt t=0
= f (0) + s2 F (s) sf (0)

Es folgt damit die Formel

d2 f
 
L = s2 F (s) sf (0) f (0) (3.24)
dt2

Allgemein konnen wir diese Formel entsprechend fur Ableitungen beliebig hoher Ordnung entwickeln. Die
Laplace-Transformierte der n-ten Ableitung von f (t) ist also gegeben durch:

dn f
 
L = sn F (s) sn1 f (0) sn2 f (0) . . . f (n1) (0)
dtn
n
X
= sn F (s) snk f (k1) (0) (3.25)
k=1

3.3.1.2 Transformation von Integralen


In gewissen Fallen kann das Verhalten eines Systems mathematisch durch eine Integro-Differentialgleichung
beschrieben werden, das heisst durch eine Gleichung, welche gleichzeitig Ableitungen und Integrale einer unbe-
kannten Funktion aufweist. Zum Beispiel: Der Strom i(t) durch einen elektrischen in Serie geschalteten Schalt-
kreis, bestehend aus Widerstand R, Induktion L und Kapazitat C, welcher durch eine Spannung U gespiesen wird.
Modelliert wir dieses Problem durch die Integro-Differentialgleichung ... .

Zt
di 1
L + iR + i( ) d = U
dt C
0

Um eine solche Gleichung direkt losen zu konnen ist es notwendig, die Laplace-Transformierte des Integrals
Rt
i( ) d zu berechnen. Berechnen wir also eine solche Transformierte ganz allgemein. Wir schreiben
0

94
Zt
g(t) = f ( ) d
0

wobei f (t) eine beliebige fur t 0 definierte Funktion ist. Naturlich ist g(0) = 0. Ableitung dieser Gleichung
ergibt:
dg
= f (t)
dt
Wenden wir die Laplace-Transformation fur beide Seiten an und anschliessend Formel (3.23), so erhalten wir:
 
dg
L = L {f (t)} ,
dt

sG(s) = F (s).
Nach Division durch s konnen wir auch schreiben
1 1
F (s) = L {f (t)}
L {g(t)} = G(s) =
s s
Schliesslich bekommen wir daraus folgende Schlussformel:
t
Z 1 1 1
L f ( ) d = L {f (t)} = L {f (t)} = F (s) (3.26)
s s s
0

Beispiel 3.3.1 Berechnen Sie


t
Z
3 + sin 2

L d

0

Losung:

3.3.2 Gewohnliche Differentialgleichungen


Dank den entwickelten obigen Formeln fur die Laplace-Transformierten von Ableitungen und Integralen konnen
wir die Laplace-Transformation zur Losung von linearen Differentialgleichungen mit konstanten Koeffizienten
verwenden. Um die Methode zu illustrieren, betrachten wir den allgemeinen Fall einer linearen Differentialglei-
chung zweiter Ordnung

d2 x dx
+b
a + cx = u(t) (t 0) (3.27)
dt2 dt
mit den Anfangsbedingungen x(0) = x0 und x(0) = v0 .
Sie kann die Dynamik eines Systems modellieren, fur welches die unbekannte Funktion x(t) die Antwort des
Systems auf eine Anregung (aussere Einwirkung) u(t) ist. Wir konnen x(t) auch als Output und u(t) als Input
des Systems bezeichnen.

95
u(t) x(t)
- Systeme -
Input Output

Wenden wir nun die Laplace-Transformation auf die beiden Seiten von Gleichung (3.27) an. Wegen der Linea-
ritat konnen die Koeffizienten a, b und c nach vorne gezogen werden:
 2   
d x dx
aL 2 + bL + cL {x} = L {u(t)}
dt dt
Verwenden der Formeln (3.23) und (3.24) liefert:

a s2 X(s) sx(0) x(0) + b [sX(s) x(0)] + cX(s) = U (s)


 

Umordnen der Terme ergibt nach dem Einsetzen der Anfangsbedingungen:

(as2 + bs + c)X(s) = U (s) + (as + b)x0 + av0


Diese Gleichung ist algebraisch leicht aufzulosen nach der Unbekannten X(s):

U (s) + (as + b)x0 + av0


X(s) = (3.28)
as2 + bs + c
Formel (3.28) beschreibt die Laplace-Transformierte X(s) der Antwort. Ausgehend von dieser Funktion im
Bildbereich konnen wir mit der inversen Transformation die Funktion x(t) bestimmen.
An dieser Stelle sind einige Bemerkungen angebracht:

Im vorhergehenden Losungsverfahren ist der schwierigste Schritt vom rechnerischen Standpunkt aus oft
die Berechnung der Inversen von X(s), welche sehr arbeitsaufwendig sein kann. Vorteilhaft ist in dieser
Beziehung ein Computer-Algebra-System, welches die inverse Transformation kennt.
Die beschriebene Methode integriert die Anfangsbedingungen direkt. Die gelieferte Losung erfullt also auch
die Anfangsbedingungen.
In der Formel fur X(s) enthalt der Nenner neben der Variablen s nur die Koeffizienten der ausgehenden
Differentialgleichung. Dieser Nenner ist das charakteristische Polynom der Differentialgleichung.

Beispiel 3.3.2 Bestimmen Sie die Losung der Differentialgleichung

d2 x dx t
2 + 5 dt + 6x = 2e (t 0)
dt
mit den Anfangsbedingungen x(0) = 1 und x(0) = 0.
Losung:

96
Das Losungsverfahren, welches wir im Beispiel verwendet haben um eine lineare Differentialgleichung 2. Ord-
nung mit konstanten Koeffizienten zu losen kann auch angewendet werden auf Falle hoherer Ordnung. Betrachten
wir den allgemeinen Fall einer Gleichung der Ordnung n:

dn x dn1 x
an n + an1 + . . . + a0 x = u(t) (t 0) (3.29)
dt dtn1
In dieser Gleichung sind an , an1 , ... a0 reelle Koeffizienten und an ist ungleich 0.
Wir konnen die linke Seite formal auch betrachten als eine Art Polynom in der Variablen x, bei der die Poten-
zen durch die entsprechenden Ableitungsgrade ersetzt werden: Wenn wir den Differentiations-Operator mit dem
Symbol D bezeichnen, die zweite Ableitung mit D2 die dritte mit D3 usw., so konnen wir die Differentialglei-
chung 3.29 auch in der Form

an D(n) x(t) + an1 D(n1) x(t) + . . . + a2 D2 x(t) + a1 Dx(t) + a0 x(t) = u(t)


schreiben. Oder in konzentrierter Form als
n
X
ak Dk x(t) = u(t)
k=0

Definieren wir q(D) als Polynom der Differentations-Operatoren


n
X
q(D) = ak D k ,
k=0
so konnen wir die ursprungliche Differentialgleichung in folgender Form notieren:

q(D)x(t) = u(t). (3.30)


Zu dieser Gleichung gehoren n Anfangsbedingungen

x(0) = c0 , Dx(0) = c1 , D2 x(0) = c2 , . . . , Dn1 x(0) = cn1 .


Wir konnen nun die Laplace-Transformation auf die Differentialgleichung (3.30) anwenden:

L {q(D)x(t)} = L {u(t)}
Wegen der Linearitat und den Anfangsbedingungen finden wir nach einiger Rechnungen und Vereinfachungen:
n1
X n
X
q(s)X(s) ck ai sik1 = U (s)
k=0 i=k+1

Beweis:

Mit der Bezeichnung


n1
X n
X
p(s) = U (s) + ck ai sik1 ,
k=0 i=k+1

konnen wir schliesslich die Bildfunktion X(s) in folgender vereinfachter Form schreiben

p(s)
X(s) =
q(s)

Bemerkung: Der Nenner q(s) entspricht dem charakteristischen Polynom der Differentialgleichung (3.29). Als
letzter Losungsschritt bleibt die Berechnung der Inversen von X(s), also:

97
 
1 p(s)
x(t) = L
q(s)

Beispiel 3.3.3 Losen Sie die Differentialgleichung

d2 x dx
+6 + 9x = sin t (t 0)
dt2 dt
mit den Anfangsbedingungen x(0) = 0 und x (0) = 0.
Losung:

Beispiel 3.3.4 Losen Sie die Differentialgleichung 3. Ordnung

d3 x d2 x dx
3 + 5 2 + 17 dt + 13x = 1 (t 0)
dt dt
mit den Anfangsbedingungen x(0) = 1, x (0) = 1, und x (0) = 0.
Losung:

3.3.3 Gekoppelte Differentialgleichungen


In gewissen Ingenieuranwendungen kommt es oft vor, dass ein System durch mehreren Differentialgleichung mit
konstanten Koeffizienten modelliert wird. Diese Gleichungen sind im allgemeinen unter sich gekoppelt im Sinne,
dass sie alle die gleichen unbekannten Funktion und deren Ableitungen enthalten. Die Losungsmethode solcher
Systeme ist im Wesentlichen ahnlich zu der einer einzigen Gleichung. Indem wir die Laplace-Transformation auf
jede der Differentialgleichungen anwenden, erhalten wir ein System von algebraischen gekoppelten Gleichungen,
welche leicht fur die unbekannten Bildfunktionen gelost werden konnen. Durch die inverse Transformation erhal-
ten wir schliesslich die gesuchten Funktionen im Zeitbereich.
Im folgenden geben wir ein konkretes Beispiel, welches die Methode zeigt:

Beispiel 3.3.5 Fur t 0 sollen die gekoppelten Differentialgleichungen erster Ordnung

dx dy
+ + 5x + 3y = et (3.31)
dt dt
dx dy
2 + +x+y = 3 (3.32)
dt dt
mit den Anfangsbedingungen x(0) = 2 und y(0) = 1 gelost werden.
Losung: Wir beginnen mit dem Anwenden der Laplace-Transformation auf beide Differentialgleichungen. Wie
ublich bezeichnen wir X(s) als Laplace-Transformierte von x(t) und Y (s) als Laplace-Transformierte von y(t).

98
1
sX(s) x(0) + sY (s) y(0) + 5X(s) + 3Y (s) =
s+1
3
2 [sX(s) x(0)] + sY (s) y(0) + X(s) + Y (s) =
s
Nach Umordnung der Terme und unter Berucksichtigung der Anfangswerte erhalten wir

1 3s + 4
(s + 5)X(s) + (s + 3)Y (s) = 3+ = (3.33)
s+1 s+1
3 5s + 3
(2s + 1)X(s) + (s + 1)Y (s) = 5+ = (3.34)
s s
Diese beiden Gleichungen bilden ein System von zwei algebraischen linearen Gleichungen fur die Unbekann-
ten X(s) und Y (s). Es kann auch in matrizieller Form geschrieben werden:

3s+4
s+5 s + 3 X(s) s+1
=

5s+3
2s + 1 s+1 Y (s) s

Es ist leicht dieses System zu losen. Man erhalt:

X(s) = 2s2 + 14s + 9


s(s + 2)(s 1)
Y (s) = s3 22s2 39s 15 .
s(s + 1)(s + 2)(s 1)
In der Folge konnen die beiden Bildfunktionen in Partialbruchen zerlegt werden. Nach einiger Rechnung er-
halten wir:

9 1 11 1 25 1
X(s) = +
2 s 6 s+2 3 s1
15 1 1 1 11 1 25 1
Y (s) = + + .
2 s 2 s+1 2 s+2 2 s1
Schliesslich erhalten wir x(t), (y(t) von unserem gekoppelten Differentialgleichungs-System indem wir die
inverse Laplace-Transformation auf die beiden Funktionen X(s) und Y (s) anwenden. Hier ist das Resultat:

9 11 25
x(t) = e2t + et (t 0) (3.35)
2 6 3
15 1 t 11 2t 25 t
y(t) = + e + e e (t 0). (3.36)
2 2 2 2

Entsprechend konnen wir auch ein gekoppeltes System von Differentialgeichungen hoherer Ordnung behan-
deln. Die Berechnungen konnen aber recht schnell kompliziert werden und es ist sinnvoll, in einem solchen Fall
einen Computer mit entsprechender Software oder andere Losungsverfahren einzusetzen.

3.3.4 Aufgaben

99
Aufgabe 3.3.1 Verwenden Sie die Laplace-Transformation, um folgende Differentialgleichungen mit ihren An-
fangsbedingungen zu losen:

a) dx + 3x = e2t x(0) = 2
dt

b) 3 dx 4x = sin 2t x(0) = 31
dt

c) d2 x + 2 dx + 5x = 1 x(0) = 0 x (0) = 0
dt2 dt
d2 y dy
d) +2 + y = 4 cos 2t y(0) = 0 y (0) = 2
dt2 dt

Aufgabe 3.3.2 Verwenden Sie die Laplace-Transformation, um folgende gekoppelte Differentialgleichungs-Systeme


mit den vorgeschriebenen Anfangsbedingungen zu losen:

1.
2 dx 2 dy 9y = e2t


dt dt 1
x(0) = 0, y(0) = .
dx dy 4
2
+4 + 4x = 0
dt dt

2.
dx + 2 dy + x y = 5 sin t


dt dt x(0) = 0, y(0) = 0.
2 dx + 3 dy + x y = et


dt dt

100
3.4 Ingenieur-Anwendungen: Elektrische Schaltkreise und mechanische
Schwingungen
Da bei der Losung von Differentialgleichungen die Anfangsbedingungen automatisch berucksichtigt werden, ist
die Laplace-Transformation speziell gut geeignet fur transitorische Phanomene (das heisst Effekte, welche nach
einer gewissen Zeit praktisch verschwinden, wie etwa Einschwingvorgange). Hier sind zwei wichtige Anwen-
dungsbeispiele: Die Analyse elektrischer Schaltkreise und mechanischer Schwingungssysteme. Bei ihnen spielen
transitorische Anteile eine wesentliche Rolle.

3.4.1 Analyse elektrischer Schaltkreise


Die passiven elektrischen Schaltkreise bestehen aus drei Grundbausteinen:

Widerstande, deren Werte in Ohms () gemessen werden und mit R bezeichnet sind,
Kapazitaten, deren Werte in Farad gemessen werden und mit C bezeichnet sind,
Induktivitaten, deren Werte in Henry gemessen werden und mit L bezeichnet sind.

Traditonellerweise werden die Grundbausteine eines elektrischen Schaltkreises durch folgende grafischen Sym-
bole dargestellt (Fig. 3.5):






q D D D D D q q q q q
D D D D D










R C L

Abbildung 3.5: Komponenten eines elektrischen Schaltkreises

In einem Schaltkreis fliesst ein elektrischer Strom, gemessen in Ampere, der von der Zeit abhangt und mit i(t)
bezeichnet wird. Die angelegte Spannung an den Klemmen in Volt wird durch die Funktion v(t) bezeichnet. Die
Stromgrosse im Schaltkreis hangt zusammen mit der Ladung q(t) (in Coulomb gemessen), welche zur Zeit t im
Kondensator gespeichert ist gemass dem bekannten Gesetz:
dq
i=
dt
Dieses Gesetz lasst sich leicht interpretieren: Die Anderung der elektrischen Ladung pro Zeiteinheit ist gleich
dem Strom.
Die Beziehungen zwischen Strom i(t) und Spannung v(t) fur die verschiedenen Grundbausteine sind durch
folgende Gesetze gegeben:

Spannungsabfall an einem Widerstand = Ri (Ohmsches Gesetz)

1
R q
Spannungsabfall an einer Kapazitat = C i dt = C

Spannungsabfall an einer Induktivitat = L di


dt

Die Wechselwirkungen zwischen den verschiedenen Grundbausteinen eines Schaltkreises werden durch die
Kirchhoffschen Gesetze beschrieben:

Erstes Gesetz: In jedem Knoten des Schaltkreises ist die algebraische Summe aller Strome gleich null.

101
Zweites Gesetz: In jeder geschlossenen Schleife des Schaltkreises ist die algebraische Summe aller Spannungs-
abfalle gleich null.

Bemerkung: In diesen beiden Gesetzen versteht man unter algebraischer Summe die Summe der vorzeichenbe-
hafteten Werte. Mit anderen Worten: Ein Strom, der auf den Knoten zufliesst hat das Vorzeichen , hingegen hat
ein Strom der vom Koten wegfliesst das Vorzeichen . Dementsprechend hat eine an einer Schleife angelegte
Spannungsquelle einen negativen Wert.

Beispiel 3.4.1 Ein LCR-Schaltkreis ist zusammengesetzt aus einem Widerstand R, einer Kapazitat C und einer
Induktivitat L, welche gemass Figur 3.6 in Serie geschaltet sind. Er enthalt auch eine Spannungsquelle, welche
die Spannung e(t) liefert. Vor dem Zeitpunkt t = 0 ist der Schaltkreis geoffnet, es hat keinerlei Ladung auf der
Kapazitat und auch keinen Strom. Zum Zeitpunkt t = 0 werde der Kreis geschlossen.






  D D  D  D  D
t=0 D D D D D










R L

e(t) C q(t)


Abbildung 3.6: LCR-Schaltkreis

Bestimmen sie die Ladung q(t) auf der Kapazitat sowie den Strom i(t) im Schaltkreis zu jedem Zeitpunkt
t 0 und zwar fur folgende numerischen Werte: R = 160 , L = 1 H, C = 104 F , und fur die konstante
Spannung e(t) von 20 Volt.
Losung:

Beispiel 3.4.2 In einem Schaltkreis mit zwei Schleifen gemass Figur 3.7 ist weder Strom noch Ladung vor dem
Zeitpunkt t = 0 vorhanden. Die Spannungsquelle generiert eine konstante Spannung von 200 Volt. Berechnen Sie
die beiden Strome i1 (t) und i2 (t) zur Zeit t > 0.
Losung:

Beispiel 3.4.3 Eine sinusformige Spannung wirkt ab dem Zeitpunkt t = 0 auf den Primarkreis eines Transforma-
tors (siehe Figur 3.8). Eine wechselseitig wirkende Induktivitat generiert einen Strom im Sekundarkreis. Fur t 0
existierte weder Strom noch Ladung in den Schaltkreisen.
Bestimmen Sie den Strom i2 (t) fur t > 0, welche in der Sekundarschleife induziert wird fur die folgenden
numerischen Werte: R1 = 4 , R2 = 10 , L1 = 2 H, L2 = 8 H, M = 2 H, und e(t) = 28 sin 2t V.

102









D D D D D q
D D D D D










R1 = 20 L1 = 0.5H `
` L 2 = 1H `
`
 `
``` `
```
e(t) = 200V `
``` R = 8 `
``` R = 10
`
``` 2 `
``` 3
 `
``` `
```
`
` `
`
t=0

 q

Abbildung 3.7: Schaltkreis des Beispiels3.4.2 mit zwei Schleifen

 D D D D D  D  D  D D  D
t=0 D D D D D D D D D D
 
R1   R2














e(t) L1






L2













M

Abbildung 3.8: Transformator des Beispiels 3.4.3

Losung:

3.4.2 Untersuchung mechanischer Schwingungen


Ein einfaches Modell eines mechanischen Systems erlaubt die Analyse von Schwingungsphanomenen mit folgen-
den drei Grundbausteinen:

Massen, deren Wert in kg gemessen und mit M bezeichnet werden,


Federn, deren Wert in N m1 gemessen und mit K bezeichnet werden,
Dampfungen, deren Wert in N sm1 gemessen und mit B bezeichnet werden.

103
m  D  D D  D  D
D D D D D
Masse Feder Dampfung

Abbildung 3.9: Die Grundbausteine eines schwingungsfahigen mechanischen Systems

Traditionellerweise werden die Grundbausteine eines solchen dynamischen Systems gemass folgender Fi-
gur (3.9) dargestellt:
In einem solchen System gibt es folgende dynamischen Grossen: Die Kraft f (t) zum Zeitpunkt t angewandt
auf das System und die Auslenkung zum Zeitpunkt t im Bezug auf einen Referenzpunkt, bezeichnet durch x(t).
Wenn wir voraussetzen, dass sowohl die Federn wie die Dampfungen lineare Charakterisitken aufweisen, so
konnen wir die Beziehungen zwischen Kraften und Auslenkungen zur Zeit t durch folgende Gesetze beschreiben:

2
fur eine Masse M : F = Md x (Newtonsches Gesetz)
dt2
fur eine Feder K: F = K(x2 x1 ) (Hooksches Gesetz)

B dx 2 dx1
 
fur eine Dampfung B: F = dt dt

104
Beispiel 3.4.4 In einem gedampften Masse-Feder-System wird die Masse m ab dem Zeitpunkt t = 0 durch eine
externe periodische Kraft F (t) = 4 sin t angeregt (siehe Figur 3.10). Fur m = 1, berechnen Sie die Auslenkung
x(t) der Masse fur t 0 mit den Anfangsbedingungen x(0) = x(0) = 0 fur folgende zwei Falle:

a) =2 b) =5

`
`
`
```
`
```
K = 25 `
``` B=6
`
```
`
`

q q

?
x(t)

Abbildung 3.10: Gedampftes Masse- Feder-System

Fur den Fall = 5 soll analysiert werden was passiert, falls keine Dampfung vorhanden ist.
Losung:

Beispiel 3.4.5 Wir betrachten das mechanische System gemass Figur (3.11), welches aus zwei Massen M1 = 1
und M2 = 2 besteht, die jede fur sich an einem festen Punkt durch eine Feder mit den Konstanten K1 = 1
und K3 = 2 fixiert sind und ausserdem durch eine weitere Feder mit der Konstanten K2 = 2 verbunden sind.
Zum Zeitpunkt t = 0 befinde sich die Masse M1 eine Einheit links bezuglich ihrem Gleichgewichtspunkt und
die Masse M2 zwei Einheiten links bezuglich ihrem Gleichgewichtspunkt. Unter Vernachlassigung samtlicher
Reibungen sollen die Positionen der beiden Massen fur alle Zeiten t 0 berechnet werden.

K1 K2 K3
q D  D  D  D  D m1  D  D D  D  D m2 D D D D D q
D  D  D D  D  q q D  D  D  D  D q q D D D D D
@
@@
@@
@@
@@
@@@@ @@@@ @@@@ @@ @@@@
@@
@@
@@@@
@@@@
@@
@@
@@ @@ @@ @@@@ @@ @@ @@
@@
@@
@@
@@
@@
@@@@
@@
@@
@@ @@@@@@ @@@@@@ @@
@@
@@
@@@

Abbildung 3.11: System von zwei Massen

Losung:

105
3.4.3 Aufgaben

Aufgabe 3.4.1 Im einem Schaltkreis gemass Figur 3.12 sei i1 (t) der Strom, welcher uber die Kapazitat fliesst und
i2 (t) der Strom, welcher uber den Widerstand fliesst. Verwenden Sie die Laplace-Transformation um die Transfor-
mierten I1 (s) und I2 (s) der beiden Strome zu bestimmen. Berechnen Sie dann i2 (t) unter Berucksichtigung der
Anfangsbedingungen i1 (0) = i2 (0) = q1 (0) = 0. Skizzieren Sie schliesslich i2 (t) fur grosse t-Werte.

50F

 q
t=0
 `
`




`
```



 `
``` 100
E0 sin 100t



2H `
```



`
``

`

`
`

Abbildung 3.12: Schaltkreis der Aufgabe 3.4.1

Aufgabe 3.4.2 Zum Zeitpunkt t = 0 werde eine Spannung v(t) = 10 sin t an den Primarkreis eines Transfor-
mators angelegt, dessen wechselseitige Induktivitat 1 Henry (vergleiche Figur 3.13) betragt. Im Moment wo die
Spannung zugeschalten wird, gibt es keinerlei Strom in den beiden Schleifen. Es sei i2 (t) der Strom zur Zeit t im
Sekundarkreis. Zeigen Sie, dass gilt:
10s
L {i2 (t)} = .
(s2 + 7s + 6)(s2 + 1)
Und leiten Sie daraus ab:
12 6t 25 35
i2 (t) = et + e + cos t + sin t
37 37 37

2
D D D D D
D  D  D  D  D
  `
`
 





`
```
v(t) = 10 sin t 1H







2H `
``
`
``
` 3





`


`
```


`
`
t=0

 M

Abbildung 3.13: Schaltkreis von Aufgabe 3.4.2

106
Aufgabe 3.4.3 Im Schaltkreis gemass Figur 3.14 ist keine Energie im Kondensator gespeichert und es gibt keiner-
lei Strom in den Induktivitaten. Zum Zeitpunkt t = 0 werde eine konstante Spannung von E0 = 10 Volt angelegt.
Fur alle Zeiten 0, bestimmen Sie die Ladung q(t) auf der Kapazitat und den Strom i2 (t) in der Schleife rechts.










 D D D D D q
t=0 D D D D D




















1 1H 1H `
`
 `
```
E0 `
``` 1
1F `
```
 `
```
`
`

Abbildung 3.14: Schaltkreis von Aufgabe 3.4.3

Aufgabe 3.4.4 Bestimmen Sie die Auslenkungen der beiden Massen M1 und M2 , welche in Figur 3.11 dargestellt
sind, zu allen Zeiten t 0, unter Berucksichtigung folgender numerischer Werte:

M1 = M2 = 1 K1 = 1, K2 = 3, K3 = 9

Aufgabe 3.4.5 Im Zusammenhang mit der Landung eines Raumfahrzeuges wurden Falltests mit dem Fahrgestell
durchgefuhrt. Figur 3.15 beschreibt schematisch das System im Moment, wo das Raumfahrzeug zum ersten Mal
den Boden
beruhrt. Zu diesem Zeitpunkt ist die Feder vollstandig ausgestreckt und die Geschwindigkeit der Masse
betragt 2gh, wobei h die Hohe bezeichnet, aus der das Fahrzeug fallt.
Bestimmen Sie die Gleichung fur die Auslenkung der Masse fur t 0 unter Berucksichtigung folgender
numerischer Werte: M = 50 kg, B = 180Nsm1 , und K = 474.5Nm1 .
Studieren Sie die Wirkungen des Falls fur verschiedene Hohen h.

107
m

`
`
`
```
K`
``
`
``
` B
`
`
```
`
`

'$

&%
@
@@
@@
@@
@@
@@
@@
@@
@@
@@
@@
@@
@@
@

Abbildung 3.15: Fahrgestell vor der Landung gemass Aufgabe 3.4.5

3.5 Die Heaviside-Funktion und die Diracsche Funktion


3.5.1 Der Einheits-Sprung von Heaviside
In den Abschnitten 3.3 und 3.4, haben wir lineare Differentialgleichungen betrachtet, bei denen die rechte Seite (die
Einflusse von aussen) kontinuierlich waren. In zahlreichen Ingenieur-Anwendungen ist es jedoch so, dass externe
Einflusse durch Sprung- Funktionen, also durch stuckweise stetige Funktionen modelliert werde. Beispielsweise
kann durch das Zu-und spatere Abschalten einer Grosse ein solcher Vorgang durch ein Rechteck-Signal modelliert
werden.
Mit dem Ziel Probleme mit sprungartigen Inputs losen zu konnen, verwenden wir die Einheitsfunktion von
Heaviside H(t), welche schon in (3.3) definiert wurde:

0 (t < 0)
H(t) =
1 (t 0)

Abbildung 3.16: Heaviside-Funktion

Die Heaviside-Funktion konnen wir auch fur die Modellierung eines Einheits-Sprungs zum Zeitpunkt t = a
mit a 6= 0 verwenden. Die ubliche Notation dafur lautet Ha (t):

0 (t < a)
Ha (t) = H(t a) =
1 (t a)
Die Figuren 3.16 und 3.17 geben eine graphische Darstellung der Funktionen H(t) und Ha (t) fur a > 0.

108
1

a t

Abbildung 3.17: verschobene Heaviside-Funktion

Multiplikation einer stetigen Funktion f (t) mit der Funktion Ha (t) erlaubt das Modellisieren eines Schalt-
Effektes, das heisst das Zuschalten der Grosse f (t) zum Zeitpunkt t = a:

0 (t < a)
f (t)Ha (t) =
f (t) (t a)
Wir konnen auf stuckweise stetige Funktionen verallgemeinern, das heisst auf solche, welche verschieden
definiert sind auf den sich beruhrenden Intervallen. Zur Illustration betrachten wir dazu zwei Beispiele:

Beispiel 3.5.1 Drucken Sie mit Hilfe von Heaviside-Funkionen folgende stuckweise stetige Funktion aus:
2
2t (0 t < 3)
f (t) = t + 4 (3 t < 5)
9 (t 5)

f(t)
18

12

t
2 4 6 8

Abbildung 3.18: Eine stuckweise stetige Funktion

Losung:

Beispiel 3.5.2 Drucken Sie mit Hilfe von Heaviside-Funkionen folgende stuckweise stetige Funktion aus:


0 (t < 1)
1 (1 t < 3)


f (t) = 3 (3 t < 5)
2 (5 t < 6)




0 (t 6)

Losung:

109
f(t)

t
2 4 6 8

Abbildung 3.19: Eine stuckweise stetige Funktion

3.5.2 Laplace-Transformation des Einheits-Sprungs


Durch direkte Berechnung gemass Definition erhalten wir die Laplace- Transformierte des Einheits-Sprungs Ha (t)
fur a 0:

Z
L {H(t a)} = H(t a)est dt
0
Za Z
st
= 0e dt + 1 est dt
0 a

est eas

= =
s a s

Zusammenfassend ergibt sich folgende Formel:

eas
L {Ha (t)} = a0 (3.37)
s

Im Spezialfall a = 0 haben wir den bekannten Fall der ursprunglichen Heaviside-Funktion H(t) und wir
erhalten:

1
L {H(t)} = (3.38)
s

Beispiel 3.5.3 Bestimmen Sie die Laplace-Transformierte der Rechteckfunktion definiert durch

0 (t < a)
f (t) = K (a t < b)
0 (t b)

Dabei ist K eine positive Konstante und 0 < a < b.


Losung:

110
Beispiel 3.5.4 Bestimmen Sie die Laplace-Transformierte der in Fig. 3.19 definierten Funktion.
Losung:

3.5.3 2. Verschiebungssatz
Dieser Satz ist ahnlich zum 1. Verschiebungssatz, aber in einem umgekehrten Sinn. Man bezeichnet ihn manchmal
auch als Verzogerungssatz.

Theorem 3.4 Sei f (t) eine Funktion mit der Laplace-Transformierten F (s), das heisst

L {f (t)} = F (s)
Ist a eine positive Konstante, so gilt:

L {f (t a)Ha (t)} = eas F (s) (3.39)

Beweis:

In diesem Satz ist es wichtig, zwischen den beiden Funktionen f (t)Ha (t) und f (t a)Ha (t) klar zu unter-
scheiden. In der Tat bedeutet, dass die Funktion f (t)Ha (t) zum Zeitpunkt a zugeschaltet wird, das heisst:

0 (t < a)
f (t)Ha (t) =
f (t) (t a)
Andererseits stellt die Funktion f (t a)Ha (t) eine zeitliche Verzogerung der Funktion f (t) um a Einheiten
dar:

0 (t < a)
f (t a)Ha (t) =
f (t a) (t a)
Die Interpretation des obigen Satzes kann folgendermassen lauten: Es sei F (s) die Laplace-Transformierte der
Funktion f (t). Dann ist die Laplace-Transformierte eas F (s) nichts anderes als das Bild einer um a Zeiteinhei-
ten verschobenen (oder verzogerten) Zeitfunktion. Der Faktor eas ist also ein Translations- oder Verzogerungs-
Operator.
Dieses Resultat ist von grosser Bedeutung in der Praxis.

Beispiel 3.5.5 Bestimmen sie die Laplace-Transformierte der kausalen Funktion f (t) definiert durch

t (t < b)
f (t) =
0 (t b)
Ein solches Signal heisst auch Sagezahn-Funktion.
Losung:

111
f(t)

Abbildung 3.20: Sagezahn-Funktion

Beispiel 3.5.6 Bestimmen Sie die Laplace-Transformierte der stuckweise stetigen Funktion, welche in Figur 3.18
dargestellt und definiert ist durch:
2
2t (0 t < 3)
f (t) = t + 4 (3 t < 5)
9 (t 5)

Losung:

3.5.4 Umkehrung mit Hilfe des 2. Verschiebungsssatzes


In den Beispielen (3.5.3) und (3.5.4) haben wir gesehen dass es moglich ist, die Laplace-Transformierte einer stuck-
weise stetigen Funktion anzugeben ohne den 2. Verschiebungssatz zu verwenden (dank der Heaviside-Funktion).
Dieser Satz spielt eine grosse Rolle in der Praxis, generell bei der Berechnung die inversen Transformierten, denn
die zu analysierenden Signale enthalten Verzogerungen.
Damit folgt die nutzlichste Form des 2. Verschiebungssatzes in inverser Darstellung:

L1 eas F (s) = f (t a)Ha (t)



(3.40)

Bedeutung dieses Resultates: Wird die Bildfunktion F (s) multipliziert mit einem Faktor der Form eas , so
ist die Antwort des Systems in Abhangigkeit der Zeit gegeben durch die Funktion f (t), aber verzogert um a
Zeiteinheiten.

Beispiel 3.5.7 Bestimmen Sie

4e4s
 
L1
s(s + 2)

Losung:

Die Losung f (t) ist in Figur (3.21) dargestellt.

112
2

1.5

0.5

t
2 4 6 8 10

Abbildung 3.21: Graph der Losung des Problems 3.5.7

Beispiel 3.5.8 Bestimmen sie die inverse Transformierte


 s 
e (s + 3)
L1
s(s2 + 1)

Losung:

Die Losung f (t) ist in der Figur (3.22) dargestellt

t
2 4 6 8 10 12 14

Abbildung 3.22: Graph der Losung des Problems 3.5.8

3.5.5 Anwendung auf Differentialgleichungen


Wir kehren zuruck zum Problem der Losung von linearen Differentialgleichungen, aber fur den allgemeinen Fall
mit Unstetigkeiten der externen Funktion (also stuckweise stetigen Funktionen). Dank den Vorbereitungen in
den vorhergehenden Abschnitten ist es uns jetzt moglich, solche Probleme zu losen.
Dazu folgen zwei Beispiele .

Beispiel 3.5.9 Bestimmen Sie die Losung x(t) der Differentialgleichung

d2 x dx
+5 + 6x = f (t),
dt2 dt
fur t 0 mit der Sprungfunktion

113

3 (0 t < 6)
f (t) =
0 (t 6)
und den Anfangsbedingungen x(0) = 0 et x(0) = 2.
Losung:

Die Losung x(t) ist in Figur (3.23) dargestellt.

0.6

0.4

0.2

t
0 2 4 6 8 10

Abbildung 3.23: Systemantwort von Beispiel 3.5.9

Beispiel 3.5.10 Dieselbe Frage: Bestimmen Sie die Losung x(t) der Differentialgleichung

d2 x dx
2 + 2 dt + 5x = f (t),
dt
fur t 0 mit der Funktion

t (0 t < )
f (t) =
0 (t )
und den Anfangsbedingungen x(0) = 0 und x(0) = 3.
Losung:

Die Losung x(t) ist in Figur (3.24) dargestellt.

0.8

0.6

0.4

0.2

t
2 4 6 8 10

Abbildung 3.24: Losung der Gleichung von Beispiel 3.5.10

114
3.5.6 Periodische Funktionen
In vielen Anwendungen des Ingenieurbereichs ist es notwendig, periodische Funktionen mit Sprungverhalten zu
analysieren. Mit den vorhin entwickelten Werkzeugen ist es uns moglich, solche Funktionen mit der Laplace-
Transformation zu behandeln und damit den Anwendungsbereich der Probleme auszuweiten.
Figur (3.25) zeigt haufig verwendete periodische Funktionen in diesem Zusammenhang (wir sprechen hier
nicht von sin und cos, welche bereits behandelt wurden).

t
T 2T 3T

-A

t
T 2T 3T

t
T 2T 3T

t
T 2T 3T

Abbildung 3.25: Beispiele von klassischen periodischen Funktionen

Beispiel 3.5.11 Berechnen wir als erstes die Laplace-Transformierte des periodischen Rechtecksignals, welches
in Figur 3.25 dargestellt ist.
Losung: Mit Hilfe der Heaviside-Funktion kann das periodische Rechtecksignal mit der Amplitude K und der
Periode T als folgende unendliche Reihe geschrieben werden:

1 3
f (t) = KH(t) 2KH(t T ) + 2KH(t T ) 2KH(t T ) . . .
 2 2 
1 3
= K H(t) 2H(t T ) + 2H(t T ) 2H(t T ) + 2H(t 2T ) . . .
2 2

115
Betrachten wir die Laplace-Transformierte von f (t) und vernachlassigen wir gewisse mathematische Details.
Dank (3.37) erhalten wir:

 
1 2 sT /2 2 sT 2 2
L {f (t)} = F (s) = K e + e e3sT /2 + e2sT . . .
s s s s s
 
2K   2  3  4 K
= 1 esT /2 + esT /2 esT /2 + esT /2 . . .
s s

Innerhalb der eckigen Klammern finden wir eine geometrische Reihe mit dem Multiplikator esT /2 . Sie ist
1
naturlich konvergent und ihre Summe ist gleich 1 + esT /2 . Also gilt:

2K 1 K
F (s) =
s 1 + esT /2 s
K 1 esT /2
=
s 1 + esT /2
Schliesslich lautet das Schlussresultat:
K 1
L {f (t)} = F (s) = tanh sT
s 4

In etwas allgemeinerer Weise gewinnen wir jetzt das Hauptresultat dieses Abschnittes:

Theorem 3.5 Sei f (t) eine periodische Funktion mit Periodenlange T , definiert fur alle t 0, das heisst
es gilt

f (t + kT ) = f (t) k N.
Dann gilt
ZT
1
L {f (t)} = est f (t) dt (3.41)
1 esT
0

Beweis:

Beispiel 3.5.12 Dank dem obigen Satz konnen wir das im Beispiel 3.5.11 explizit berechnete Resultat bestatigen.
Losung:

Beispiel 3.5.13 Bestimmen Sie die Laplace-Transformierte der periodischen Einweg-Sinusfunktion definiert durch

sin t (0 < t < /)
f (t) =
0 (/ < t < 2/)

116
mit der Periodizitat f (t + 2k/) = f (t).
Losung:

3.5.7 Aufgaben

Aufgabe 3.5.1 Eine Funktion f (t) ist definiert durch



t (0 t 1)
f (t) =
0 (t > 1)

1. Drucken Sie f (t) mittels Heaviside-Funktion aus und zeigen Sie dass
1  1
L {f (t)} = 2
1 es es
s s

2. Unter der Voraussetzung dass x(0) = 0 soll die Losung der Differentialgleichung

dx
+ x = f (t) (t > 0)
dt
berechnet werden.

Aufgabe 3.5.2 Drucken Sie die folgenden beiden Funktionen durch die Heaviside-Funkton aus, nachdem Sie diese
grafisch dargestellt haben. Geben Sie schliesslich ihre Laplace-Transformierten an.
2
3t (0 < t 4) t (0 t 1)
a) f (t) = 2t 3 (4 < t < 6) b) g(t) = 2 t (1 < t < 2)
5 (t > 6) 0 (t > 2)

Aufgabe 3.5.3 Bestimmen Sie die inversen Transformierten der folgenden Funktionen:

e5s 3e2s s+1


a) b) c) es
(s 2)4 (s + 3)(s + 1) s2 (s2 + 1)

Aufgabe 3.5.4 Drucken Sie die Funktion



3 (0 t < 4)
f (t) =
2t 5 (t 4)
durch die Heaviside-Funktion aus und geben Sie dann ihre Laplace-Transformierte an. Bestimmen Sie schlies-
slich die Antwort des harmonischen Oszillators

x(t) + x(t) = f (t),


welcher durch die Kraft f (t) angeregt wird mit den Anfangsbedingungen x(0) = 1, x(0) = 0.

117
Aufgabe 3.5.5 Die Antwort o (t) eines Systems, das eine externe Storung i (t) unterworfen ist, werde durch die
folgende Differentialgleichung 2. Ordnung beschrieben:

o + 6 o + 10 o = i , (t 0).
Es sei bekannt, dass die Storung i ein konstantes Signal der Grosse 3 ist, welches ausschliesslich zwischen
den beiden Zeitpunkten t = 0 und t = a wirkt und dass das System fur t < 0 in Ruhe war. Bestimmen Sie die
Antwort des Systems fur alle Zeiten t > 0.

3.5.8 Der Diracsche Stoss


In vielen Ingenieur-Anwendungen interessieren Antworten eines Systems, das einem Input ausgesetzt ist, der nur
von sehr kurzer Dauer ist. Wir nennen solche Funktionen auch Impulse oder Stosse. Mathematisch werden solche
Impulse durch eine Art Funktionen modelliert, welche wahrend einem infinitesimal kleinen Zeitintervall wir-
ken. Das heisst durch einen Werte ungleich 0 lediglich in einem Punkt auf der Zeitachse. Wir werden in diesem
Abschnitt eine adaquate Formulierung finden, welche die mathematische Behandlung von Stossen gestattet.
Zu Beginn seien a, A, und T reelle, positive Zahlen. Wir betrachten die Fenster-Funktion (t) der Breite
T , zentriert um a mit der Amplitude A/T (Figur 3.26):

( < t < a T2 )




0


(t) = A/T (a T2 t < a + T2 )




(t a + T2 )

0

A/T

a t
a-T/2 a+T/2

A/T

a t

Abbildung 3.26: Fenster-Funktion

Da die Amplitude dieser Funktion A/T lautet und ihre Dauer T betragt, so ist die Flache unter der Funktion
gleich A:

118
T
Z a+
Z 2
A
(t) dt = dt = A
T
a T2

Betrachten wir nun Funktionen dieses Types, aber mit einer Dauer T , welche kurzer und kurzer wird, so ist es
offensichtlich, dass ihre Grosse immer gleich A ist. Auf diese Art konnen wir akzeptieren, dass die Grenzfunktion
einer solchen Folge von Funktionen, deren T gegen 0 geht, auch die Grosse A aufweist.
Der Spezialfall A = 1 fuhrt zu folgender Definition :
Definition: Folgende Funktionen heissen Diracsche Delta-Funktionen:

a (t) = lim (t) (3.42)


T 0

So formuliert ist die Funktion a (t) ein Impuls oder Stoss (von unendlich grossem Wert), welcher zum Zeit-
punkt a wirkt und dessen Grosse 1 ist, das heisst:
Z
a (t) dt = 1 (3.43)

In analoger Weise wie bei der Heaviside-Funktion definieren wir einen Dirac-Stoss zum Zeitpunkt a > 0
einfach durch die Form

a (t) = (t a), (t 6= a)

Allgemeiner bezeichnen wir einen Impuls der Grosse A zum Zeitpunkt a mit Aa (t).
Bemerkung: In einem streng mathematischen Sinn, ist naturlich der Impuls a (t) keine Funktion im klassischen
Sinn. Denn ihr Wert bei t = a ist nicht definiert (er ist unendlich). Deshalb redet man in diesem Kontext von
verallgemeinerten Funktionen oder Distributionen. Einer der Haupteigenschaften der Diracschen Distribution
ist die, dass ihr Integral uber R immer gleich 1 ist, das heisst:
Z
(t) dt = 1 (3.44)

3.5.9 Eine wichtige Eigenschaft der Delta-Funktion


Falls f (t) eine an der Stelle t = a stetige Funktion ist, dann gilt die sogenannte Ausblendungseigenschaft:
Z
f (t) a (t) dt = f (a) (3.45)

Dieses Resultat liefert die Moglichkeit, durch Integration uber einem unendlichen Gebiet den punktuellen
Funktionswert an der Stelle a zu isolieren.
Aus technischen Grunden verwenden wir in der Formel (3.45) ein Integral mit unendliche grossen Grenzen.
Das Resultat ist naturlich auch richtig, falls die Grenzen des Integrals endlich sind unter der Bedingung, dass sie
den Punkt a einschliessen. Fur < a < gilt also:

Z
f (t) a (t) dt = f (a) (3.46)

Beispielsweise haben wir fur a = /3:

119
Z2
1
cos t (t ) dt = cos =
3 3 2
0

3.5.10 Laplace-Transformierte der Delta-Funktion


Gemass Definition der Laplace-Transformierten haben wir:
Z
L {a (t)} = a (t) est dt
0

Indem wir die Ausblendungs-Eigenschaft aus dem vorhergehenden Abschnitt anwenden erhalten wir

L {a (t)} = eas (3.47)


Wir konnen dasselbe Resultat auch in inverser Form ausdrucken:

L1 eas = a (t)

(3.48)

Im Spezialfall des Dirac-Stosses zum Zeitpunkt t = 0 ist es notwendig, einige mathematische Vorsichts-
massnahmen zu ergreifen. Wir konnen dennoch das Resultat angeben:

L {(t)} = e0 = 1 (3.49)
Oder invers formuliert:

L1 {1} = (t) (3.50)

s2
Beispiel 3.5.14 Bestimmen Sie die inverse Laplace-Transformierte von s2 +4 .

Losung:

Beispiel 3.5.15 Berechnen Sie die Losung der Differentialgleichung

d2 x dx
+3 + 2x = 1 + 4 (t)
dt2 dt
mit den Anfangsbedingungen x(0) = x(0) = 0.
Losung:

120
3.5.11 Aufgaben

Aufgabe 3.5.6 Bestimmen Sie die inversen Laplace-Transformierten der Funktionen

2s2 + 1 s2 1 s2 + 2
a) b) c)
(s + 2)(s + 3) s2 + 4 2
s + 2s + 5

Aufgabe 3.5.7 Berechnen Sie die Losung der Differentialgleichung

d2 x dx
+7 + 12x = 2 + (t 2)
dt2 dt
mit homogenen Anfangsbedingungen zur Zeit t = 0.

Aufgabe 3.5.8 Eine periodische Funktion f (t) bestehe aus einer unendlichen Folge von Einheitsimpulsen im zeit-
lichen Abstand T . Der erste Impuls finde zum Zeitpunkt t = 0 statt. Die Antwort eines harmonischen Oszillators
auf eine solche Anregung ist bestimmt durch die Differentialgleichung

d2 x
+ 2 x = f (t) (t 0).
dt2
Zeigen Sie, dass die Antwort gegeben ist durch die Formel

1X
x(t) = H(t kT ) sin (t kT ),

k=0

Zeichnen Sie anschliessend x(t) fur 0 t 6/. Unterscheiden Sie die beiden Falle T = / und
T = 2/.

Aufgabe 3.5.9 Ein Spannungsstoss der Form E(t) wirke zum Zeitpunkt t = 0 auf einen in Serie geschalteten
elektrischen Schaltkreis, bestehend aus Widerstand R, Kapazitat C und Induktivitat L. Vor dem Stoss gibt es im
Schaltkreis weder Ladung noch Strom. Bestimmen Sie die Ladung q(t) auf der Kapazitat und den resultierenden
Strom i(t) im Schaltkreis fur alle Zeiten.

3.6 Ubertragungsfunktion
3.6.1 Definition

Definition: Wir gehen aus von einem zeitinvarianten linearen System, dessen Anfangsbedingungen zum
Zeitpunkt t = 0 alle null sind. Das Verhaltnis zwischen der Laplace-Transformierten von Input und zu-
gehorigem Output eines solchen Systems heisst Ubertragungsfunktion des betreffenden Systems.

121
Der Begriff der Ubertragungsfunktion spielt in der Analyse und dem Entwurf linearer Systeme eine zentrale
Rolle, da sie das charakteristische Verhalten des betreffenden Systems beschreibt, das heisst die Beziehung zwi-
schen Inputs und zugehorigen Outputs (oder Antworten).
Fur ein lineares System betrachten wir den allgemeinen Fall der folgenden Differentialgleichung mit aussch-
liesslich homogenen Anfangsbedingungen, sowohl fur den Input u(t) wie fur den Output y(t):

dn x dn1 x dx dm u dm1 u du
an + a n1 + . . . + a 1 + a 0 x(t) = b m + b m1 + . . . + b1 + b0 u(t) (3.51)
dtn dtn1 dt dtm dtm1 dt
Dabei seien die ak und bk konstante Koeffizienten. Der Input wird also durch die Funktion u(t) modelliert und
die Antwort durch x(t) beschreiben.
Da das System zu Beginn t = 0 vollstandig ruht, lautet die Bildgleichung unseres Anfangswertproblems:

an sn + an1 sn1 + . . . + a1 s + a0 X(s) = bm sm + bm1 sm1 + . . . + b1 s + b0 U (s)


 

Dabei ist naturlich X(s) die Laplace-Transformierte von x(t) und U (s) diejenige von u(t).
Die Ubertragungsfunktion G(s) des modellierten Systems als Quotient X(s)/U (s) lautet somit:

X(s) bm sm + bm1 sm1 + . . . + b1 s + b0


G(s) = = (3.52)
U (s) an sn + an1 sn1 + . . . + a1 s + a0
Schematischer konnen wir das System auch in Form eines Block-Diagramms fur den Bildbereich mit U (s)
als Input, X(s) als Output und G(s) als System beschreiben:

System
U(s) X(s)
- G(s) -
Input Output

Abbildung 3.27: Block-Diagramm eines Systems

Mit den Bezeichungen

P (s) = bm sm + bm1 sm1 + . . . + b1 s + b0


Q(s) = an sn + an1 sn1 + . . . + a1 s + a0

fur die beiden Polynome gilt fur die Ubertragungsfunktion einfach


P (s)
G(s) =
Q(s)
Aus physikalischen Grunden konnen wir immer annehmen, dass der Grad des Nennerpolynoms mindestens so
gross ist wie derjenige des Zahlerpolynoms, also: n m. Denn Bilder von Sprungantworten sind konstant und Bil-
der Y (s), deren Originale hochstens exponentiell anwachsen haben gemass Konvergenzsatz sogar die Eigenschaft
lims0 F (s) = 0.
Q(s) heisst charakteristisches Polynom des Systems. Die Wurzeln der charakterisischen Gleichung Q(s) =
0 sind die Pole und die Wurzeln des Zahlerpolynoms die Nullstellen der Ubertragungsfunktion.

Bemerkung: Wir wollen immer annehmen, dass keine gemeinsame Faktoren der beiden Polynome existieren.
Ist dies namlich der Fall, so konnen Systeme durch eine aquivalente einfachere Differentialgleichung modelliert
werden, welche keine gemeinsame Faktoren aufweist. Hier ist ein einfaches Beispiel: x (t) x(t) = u (t) + u(t)
ist aquivalent zu x (t) x(t) = u(t), da der gemeinsame Faktor s + 1 weggekurzt werden kann, s = 1 ist also
weder Pol noch Nullstelle. Der Leser uberzeuge sich etwa am Input u(t) = t2 von der Richtigkeit der eindeutigen
Losung x(t) = 2(et 1 t 0.5t2 ) fur beide Differentialgleichungen.

122
Bemerkung: Die Ubertragungsfunktion enthalt bekanntlich die Informationen des Systemverhaltens, sagt aber
nichts aus uber deren physikalische Realisierung. Verschiedene physikalische Realisierungen eines Systems konnen
identische Ubertragungsfunktionen haben (beispielsweise ein LCR-Stromkreis und ein gedampftes Masse-Feder-
System).
Da im Komplexen Polynome als Produkt von Linearfaktoren geschrieben werden konnen, so gilt:

bm (s z1 )(s z2 ) . . . (s zm )
G(s) = (3.53)
an (s p1 )(s p2 ) . . . (s pn )
Die komplexen Zahlen z1 , z2 , ..., zm sind die Nullstellen und p1 , p2 , ..., pn die Pole der Ubertragungsfunk-
tion. Bis auf eine multiplikative Konstante ist also die Ubertragungsfunktion ihrerseits charakterisiert durch ihre
Nullstellen und Pole. Deshalb werden Ubertragungsfunktionen oft durch ein Pole-Nullstellen-Diagramm in der
komplexen Ebene dargestellt mit der Konvention, dass Nullstellen durch einen kleinen Ring und Pole durch ein
kleines Kreuz markiert sind. Die entsprechenden Vielfachheiten (naturliche Zahlen) werden dazugeschrieben. Es
sei daran erinnert, dass Polynome mit reellen Koeffizienten die Eigenschaft haben, dass mit einer Nullstelle auch
ihre Konjugiert-Komplexe Nullstelle ist und dass zudem auch ihre Vielfachheiten gleichgross sind. Daraus folgt,
dass das Pole-Nullstellen-Diagramm symmmetrisch bezuglich der reellen Achse ist.

Beispiel 3.6.1 Die Antwort x(t) eines Systems auf das Anregungssignal u(t) sei gegeben durch die Differential-
gleichung

d2 x dx du
9 2 + 12 dt + 13x = 2 dt + 3u
dt
1. Bestimmen Sie die Ubertragungsfunktion, welche das System charakterisiert.
2. Bestimmen Sie die Pole und Nullstellen der Ubertragungsfunktion.
3. Erstellen Sie das Pole-Nullstellen-Diagramm.

3.6.2 Block-Darstellungen
Wie wir bereits gesehen haben, bestimmt eine Ubertragungsfunktion die Beziehung zwischen Eingangs- und Aus-
gangssignal (Input und Output) uber ihre entsprechenden Bildfunktionen. Der Vorteil, diese Beziehung im Bild-
bereich zu analysieren liegt darin, dass sie rein algebraisch ist (es kommen also keine differentiellen Ausdrucke
vor).
Wir betrachten die folgende Situation

U (s) Y (s)
- G(s) -

mit

U (s) = L{u(t)} als Laplace-Transformierte des Eingangssignals,


Y (s) = L{y(t)} als Laplace-Transformierte des Ausgangssignals,
und G(s) als Ubertragungsfunktion.

123
Dann gilt die einfache multiplikative Beziehung

Y (s) = G(s)U (s). (3.54)

Ublicherweise werden Systeme durch Rechtecke schematisiert und die Eingangs- und Ausgangssignale mit
entsprechenden Pfeilen versehen. Die Ingenieure sprechen von Zeit- und Bildbereich (englisch: time-domain und
s-domain), um die beiden verschiedenen mathematischen Beschreibungen eines Systems klar auseinanderzuhalten.
Dank den schematischen Darstellungen fallt es nicht schwer, komplexe Systeme durch das Zusammenfugen
von kleineren Teilsystemen, welche durch ihre entsprechenden Ubertragungsfunktionen beschrieben werden, zu
analysieren.
Die Diagramme bestehen aus drei Grundelementen:

1. Der durch ein Rechteck dargestellte Basis-Block mit der Beziehung Y (s) = G(s)U (s):

U (s) Y (s)
- G(s) -

2. Der Summationspunkt, welcher die verschiedenen Eingangssignale gemass Vorzeichenangabe algebraisch


summiert und genau ein Ausgangssignal liefert, beispielsweise:

U (s) +  U (s) X(s)


- -

6

X(s)

3. Der Abzweigpunkt, welcher eine Uberwachung (Messpunkt) ermoglicht. Er hat keinerlei Einfluss auf das
Ausgangssignal.

u
Y (s) Y (s)
-

Y (s) ?
In der Praxis kann ein Gesamtsystem aus verschiedenen Komponenten, charakterisiert durch ihre verschiede-
nen Ubertragungsfunktionen, zusammengesetzt sein. Die globale Ubertragungsfunktion zwischen Input und Out-
put uber das Gesamtsystem konnen wir durch Block-Regeln gewinnen. Wir beschranken uns im folgenden auf
zwei davon:

3.6.2.1 Regel 1: Kombination in Serie


gemass der folgenden Figur

124
U (s) X(s) Y (s)
- G1 (s) - G2 (s) -

und Formel (3.54) haben wir:

X(s) = G1 (s)U (s) Y (s) = G2 (s)X(s)


Wir konnen X(s) aus den beiden Gleichungen eliminieren:

Y (s) = G1 (s)G2 (s)U (s)


Das Gesamtsystem kann also durch folgende Ubertragungsfunktion dargestellt werden:

Y (s)
G(s) = = G1 (s)G2 (s) (3.55)
U (s)

U (s) Y (s)
- G1 (s)G2 (s) -

3.6.2.2 Regel 2: Negative Ruckkoppelung


Die folgende Figur zeigt eine Schleife, welche eine negative Ruckkoppelung beschreibt (das Signal wird vom
Eingangssignal subtrahiert). Solche Ruckkoppelungen treten in der Regelungstechnik haufig auf.

u -
U (s) + X (s) Y (s)
- j 2 - G(s)
6

X1 (s)
H(s) 

Den Bildfunktionen X1 (s) und X2 (s) entsprechen Zwischensignalen des Systems. Unser Ziel ist es, eine
Ubertragungsfunktion fur das Gesamtsystem zu gewinnen, welche die Beziehung zwischen der Bildfunktion U (s)
des Inputs u(t) und der Bildfunktion Y (s) des Outputs y(t) beschreibt.
Es gilt

Y (s) = G(s)X2 (s)


X1 (s) = H(s)Y (s)

und fur den Summationspunkt:

X2 (s) = U (s) X1 (s)


Kombinieren wir obige Gleichungen, so erhalten wir schrittweise:

X2 (s) = U (s) H(s)Y (s)

125
Y (s) = G(s)[U (s) H(s)Y (s)] = G(s)U (s) G(s)H(s)Y (s)

Y (s)[1 + G(s)H(s)] = G(s)U (s)


G(s)
Y (s) = U (s)
1 + G(s)H(s)
Schliesslich gewinnen wir die Ubertragungsfunktion fur das globale System mit einer negativen Ruckkoppe-
lung durch

Y (s) G(s)
= (3.56)
U (s) 1 + G(s)H(s)

U (s) Y (s)
- G(s) -
1+G(s)H(s)

Beispiel 3.6.2 Ein System sei durch die folgenden Differentialgleichungen modelliert:

x (t) + 2x(t) = f (t)



2y (t) y(t) = x(t)
In der ersten Gleichung ist f (t) der Input und x(t) der Output. In der zweiten Gleichung ist x(t) der Input und
y(t) der resultierende Output des Gesamtsystems. Das entsprechende Diagramm hat also folgende Gestalt:
F (s) X(s) Y (s)
- 1 - 1 -
s+2 2s1

Verwendung der Regel 1 liefert:

Y (s) 1
G(s) = =
F (s) (s + 2)(2s 1)
Diese Funktion beschreibt die Beziehung zwischen Y (s) und F (s). Schematisch:
F (s) Y (s)
- 1 -
(s+2)(2s1)

Beispiel 3.6.3 Ein System sei durch folgendes Differentialgleichungs-System modelliert:



2x (t) x(t) = f (t)
y (t) + 3y(t) = x(t)

z (t) + z(t) = y(t)
Der Input des Gesamtsystems ist f (t), sein Output ist z(t). Bestimmen Sie die Ubertragungsfunktion des
Gesamtsystems.
Hier das zugehorige Diagramm:

126
F (s) X(s) Y (s) Z(s)
- 1 - 1 - 1 -
2s1 s+3 s+1

Somit gilt fur das Gesamtsystem die Ubertragungsfunktion

Z(s) 1
G(s) = =
F (s) (2s 1)(s + 3)(s + 1)
mit der Blockgestalt

F (s) Z(s)
- 1 -
(2s1)(s+3)(s+1)

3.6.3 Stabilitat
Die Frage nach der Stabilitat eines Systems ist in vielen Gebieten fur einen Ingenieur von zentraler Bedeutung.
Intuitiv ist ein System stabil, wenn es, nachdem externe Krafte auf das System eingewirkt haben, nach einer
gewissen Zeit in seinen Ruhezustand ubergeht. Ein System ist also stabil, wenn seine Antwort ohne Input fur
t > asymptotisch gegen 0 geht.
Fur ein lineares System konnen wir eine aquivalente Definition der Stabilitat geben. Ein lineares System ist
genau dann stabil, wenn fur jeden beschrankten Input der Output ebenfalls beschrankt ist.
Offensichtlich ist der Stabilitatsbegriff eine Eigenschaft des Systems, hangt also nicht vom angewendeten Input
ab. Es muss also moglich sein, die Stabilitat eines Systems mit der Uebertragungsfunktion zu analysieren.
Wir betrachten die Antwort eines Systems mit der Uebertragungsfunktion

P (s)
G(s) =
Q(s)
Wie wir schon fruher in (3.53) gesehen haben, konnen die beiden Polynome P (s) und Q(s) faktorisiert werden.
Die Pole von G(s) sind durch die Wurzeln des Nenners Q(s) bestimmt. Die Zerlegung von Q(s) in Faktoren fuhrt
im Reellen auf 3 qualititiv verschiedene Falle:

1.Fall: Faktor der Form (s + ) mit reell:


Es handelt sich um einen einfachen Pol bei s = . Da die Zerlegung der Uebertragungsfunktion durch
c
die Partialbruchzerlegung erfolgt, entspricht dieser Faktor einem Bruch der Form s+ , dessen Original die
Antwort
cet H(t)
liefert.
Ist > 0, so liegt der Pol in der linken komplexen Halbebene und geht die Antwort gegen 0 fur t .
Diese Tatsache garantiert die Stabilitat des Systems.
Ist < 0, das heisst, dass der Pol in der rechten komplexen Halbebene liegt, so geht die Antwort gegen
unendlich fur t . Das System ist also instabil.
Ist = 0 (einfacher Pol im Ursprung), so ist die Antwort von der Gestalt cH(t), was als marginal stabil
bezeichnet wird. Die Stabilitat ist also nicht garantiert.

127
2.Fall: Faktor der Form (s + )n mit reell und n > 1:
Es handelt sich um einen mehrfachen Pol bei s = . In der Partialbruchentwicklung entspricht dies einem
Term der Gestalt c/(s + )n . Die Antwort ist also

c
tn1 et H(t).
(n 1)!

Einmal mehr ist das System fur > 0 stabil, das heisst der Pol liegt in der linken komplexen Halbebene.
3.Fall: quadratischer Faktor der Form (s + )2 + 2 mit und reell:
Es handelt sich um ein Paar von konjugiert-komplexen Polen der Form s = + j und j. In der
Partialbruchzerlegung entspricht der Faktor einem Term der Gestalt

c(s + ) + d
(s + )2 + 2

Die zugehorige Antwort ist gegeben durch

et (c cos t + d sin t) = Aet sin(t + )



wobei A = c2 + d2 und tan = c/d.
Die Stabilitat garantiert, falls die Pole in der linken komplexen Halbebene liegen, das heisst, wenn > 0.
Fur = 0 ist das System marginal stabil.

Eine Zusammenfassung der verschiedenen moglichen Antworten gemass den Werten der Pole ist in Figur 3.28
gegeben.

128
Im

==0 Konstante
Re

Im

==0 Linear
Re
(Multiplizitat 2)
t

Im

< 0, = 0 Exponentiell
Re
abnehmend
t

Im

> 0, = 0 Exponentiell
Re
zunehmend
t

Im

= 0, > 0 t
Sinusformig
Re

Im

= 0, > 0 t
Linear
Re
(multiplicite 2) ansteigender
Sinus

Im

< 0, > 0 t
Exponentiell
Re
gedampfter
Sinus

Im

> 0, > 0 t
Exponentiell
Re anwachsender
Sinus

Abbildung 3.28: Beziehung zwischen den Polen der Uebertragungsfunktion und den Antworten.

129
3.6.4 Stossantwort
Wir entnehmen (3.52), dass fur eine Uebertragungsfunktion G(s) mit Input u(t) (mit der Laplace-Transformierten
U (s)) fur die Bildfunktion der Anwort x(t) gilt:

X(s) = G(s)U (s)


Fur den Fall, dass der Input u(t) der Einheitsstoss (t) zum Zeitpunkt t = 0 ist, gilt:

X(s) = G(s)L {(t)} = G(s)


Die Antwort entspricht also der Originalfunktion der Uebertragungsfunktion. Wir erhalten so auf diese Art die
Stossantwort h(t) durch:

h(t) = L1 {X(s)} = L1 {G(s)} (3.57)


Dieses Ergebnis fuhrt auf das Resultat:
Definition: Die Stossantwort eines linearen Systems ist die Antwort auf den Einheitsstoss zum Zeitpunkt t = 0,
wobei alle Anfangsbedingungen 0 sind. Sie ist gleich der inversen Laplace-Transformierten der Uebertragungs-
funktion.
Diese Tatsache zeigt, dass die Stossantwort alle Informationen uber die Dynamik des Systems beziehungs-
weise dessen Uebertragungsfunktion enthalt. Es ist deshalb im Ingenieurbereich ublich, die Stossantwort eines
Systems zu messen, um daraus sein charakterisitsches Verhalten zu ermitteln. Ist das System stabil, so geht seine
Sossantwort fur t gegen 0.

Beispiel 3.6.4 Bestimmen Sie die Stossantwort des linearen Systems, modelliert durch die Differentialgleichung

d2 x dx
2 + 5 dt + 6x = 5u(t)
dt
Losung:

3.6.5 Anfangswert-Theorem
Es erlaubt das Verhalten des Systems fur t 0 vorauszusagen, ohne die inverse Laplace-Transformierte berechnen
zu mussen.

Theorem 3.6 (Anfangswert-Theorem) Existieren die Laplace-Transformierten von f (t) und f (t) sowie
der Grenzwert lim sF (s), dann gilt
s

lim f (t) = lim sF (s) (3.58)


t0+ s

Beweis:

130
3.6.6 Endwert-Theorem
Nutzlich fur die Vorhersage des asymptotischen Systemverhaltens (also t ) ohne Berechnung der inversen
Laplace-Transformierten.

Theorem 3.7 (Endwert-Theorem) Existieren die Laplace-Transformierten von f (t) und f (t) sowie der
Grenzwert lim f (t), dann gilt
t

lim f (t) = lim sF (s) (3.59)


t s0

Beweis:

Bemerkung: Die Bedingung, dass der Grenzwert lim f (t) exisitiert zeigt, dass dieses Theorem nicht gultig ist
t
fur Funktionen wie et , sin t, deren besagte Grenzwerte nicht existieren.

Beispiel 3.6.5 Untersuchen Sie das Endwert-Theorem im Falle der Uebertragungsfunktion


1
F (s) =
(s + 2)(s 3)
Losung:

Das Endwert-Theorem liefert ein effizientes Werkzeug zur Bestimmung des asymptotischen Verhaltens eines
Regelsystems (Regelungstechnik). Die stationare Antwort eines Systems ist die Antwort der Einheitsstufenfunk-
tion H(t) von Heaviside. Der stationare Gewinn, in Englisch SSG (Steady-State Gain), bezeichnet den asymp-
totischen Wert der stationaren Antwort fur t .
Wie wir schon gesehen haben, ist

X(s) = G(s)U (s),


1
und damit erhalten wir fur H(t) mit Bild s:

G(s)
X(s) =
s
Dank dem Endwert-Theorem erhalten wir den stationaren Gewinn

lim x(t) = lim sX(s) = lim G(s)


t s0 s0

Beispiel 3.6.6 Bestimmen Sie die stationare Antwort und den stationaren Gewinn des Systems mit der Uebertra-
gungsfunktion

20(1 + 3s)
G(s) =
s2 + 7s + 10
Losung:

131
3.6.7 Aufgaben

Aufgabe 3.6.1 Die Antwort x(t) eines Systems mit externem Kraftinput u(t) ist gegeben durch die Differential-
gleichung

d2 x dx du
2 + 2 dt + 5x = 3 dt + 2u
dt
1. Bestimmen Sie die Uebertragungsfunktion und charakterisieren Sie das System.
2. Geben Sie die charakteristische Gleichung des Systems an.
3. Bestimmen Sie die Pole und Nullstellen der Uebertragungsfunktion und stellen Sie die Werte in der komple-
xen Ebene grafisch dar. Ist das System stabil?

Aufgabe 3.6.2
Welche der folgenden Uebertragungsfunktionen beschreiben stabile Systeme ?

s1 (s + 2)(s 2)
a) b)
(s + 2)(s2 + 4) (s + 1)(s 1)(s + 4)

c) s1 d) 6
(s + 2)(s + 4) (s2 + s + 1)(s + 1)2

Aufgabe 3.6.3 Ein Regelungssystem ( Feedback-Regelung) habe die charakterisitsche Gleichung

15Ks2 + (2K 1)s + 5K = 0


mit K konstant. Fur welche K ist das System stabil ?

Aufgabe 3.6.4 Bestimmen Sie jeweils die Impulsantwort und die stationare Antwort der linearen Systeme, welche
durch die folgenden Differentialgleichungen beschreiben werden:

d2 x dx
a) + 15 + 56x = 3u(t)
dt2 dt
d2 x dx
b) +8 + 25x = u(t)
dt2 dt
d2 x dx
c) 2 2 dt 8x = 4u(t)
dt

Aufgabe 3.6.5 Die Antwort eines Systems auf die Einheitsstufe u(t) = H(t) sei gegeben durch
7 3 1
x(t) = 1 et + e2t e4t
3 2 6
Welches ist die Uebertragungsfunktion des Systems ?

132
3.6.8 Das Faltprodukt
Definition: Seien f (t) und g(t) zwei stuckweise stetige Funktionen. Das Faltprodukt von f (t) und g(t), bezeich-
net mit f g, ist definiert durch
Z
f g(t) = f ( )g(t ) d

Gemass Definition ist das Faltprodukt von f (t) und g(t) eine weitere Funktion derselben Variablen t, welche
mit f g bezeichnet wird.
Dieses Produkt besitzt mehrere interessante Eigenschaften und ist fur Ingenieurfragen wichtig, speziell fur die
Analyse linearer Systeme.
Die erste Eigenschaft ist die Kommutativitat. Genauer:

f g =gf (3.60)

Beweis:

Wir betrachten folgendes Beispiel:

Beispiel 3.6.7 Gegeben seien die beiden Funktionen

f (t) = tH(t) g(t) = sin 2tH(t)


Verifizieren Sie f g = g f .
Beweis:

Eine weiteres wichtiges Resultat ist im Faltungssatz gegeben. Es ermoglicht auf relativ einfache Weise, die
inverse Laplace-Transformierte eines Produktes zweier Funktionen zu bestimmen, ein Problem, das bei linearen
Systemen oft auftritt.

Theorem 3.8 (Faltungssatz) Seien f (t) und g(t) zwei stuckweise stetige Funktionen fur t 0, welche
hochstens exponentiell anwachsen und die Bildfunktionen F (s) und G(s) haben. Dann gilt:
t
Z
L f ( )g(t ) d = L {f g(t)} = F (s)G(s) (3.61)

0

Oder umgekehrt notiert:

L1 {F (s)G(s)} = f g(t) (3.62)

Am nutzlichsten ist der Satz in der umgekehrten Form (3.61), denn sie gibt explizit die Inverse eines Produktes
von zwei Funktionen wieder.
Beweis:

133
Beispiel 3.6.8 Bestimmen Sie mittels Faltungssatz
 
1 1
L
s (s + 2)2
2

Losung:

3.7 Anwendung: Frequenzgang


Der Frequenzgang erlaubt Analyse und Studium von Systemen mit grafischen Mitteln. Wir werden hier zeigen,
wie die Frequenz der Antwort eines sinusformigen Inputs einfach aus der Uebertragungsfunktion G(s) erhalten
werden kann, indem s durch den komplexen Ausdruck j ersetzt wird.
Wir betrachten das System der Figur (3.29) mit der allgemeinen Uebertragungsfunktion

K(s z1 )(s z2 ) . . . (s zm )
G(s) = (m n) (3.63)
(s p1 )(s p2 ) . . . (s pn )

System
U(s) X(s)
- G(s) -
Input Output

Abbildung 3.29: Uebertragungsfunktion in einem Blockdiagramm.

Wird als Input zum Zeitpunkt t = 0 die sinusformige Funktion

u(t) = A sin t
eingegeben, so ist die Antwort x(t) bestimmt durch die Funktion

X(s) = G(s)L {A sin t} .


Gemass der Transformation bekommen wir

A
X(s) = G(s)
s2 + 2
KA(s z1 )(s z2 ) . . . (s zm )
=
(s p1 )(s p2 ) . . . (s pn )(s j)(s + j)

Unter der Voraussetzung, dass die Pole von G(s) ungleich j sind, konnen wir X(s) folgendermassen als
Summe von Partialbruchen schreiben:
n
1 2 X i
X(s) = + + (3.64)
s j s + j i=1 s pi

134
Darin sind 1 , 2 , 1 , 2 , ..., n Konstanten. Die beiden ersten Terme kommen vom Input und bestimmen
die stationare Antwort. Die weiteren Terme werden durch die Uebertragungsfunktion geliefert. Sie bestimmen die
fluchtigen Anteile der Antwort.
Nach der inversen Laplace-Transformation erhalten wir
n
X
x(t) = 1 ejt + 2 ejt + i exp(pi t) (t 0)
i=1

Mit der Schreibweise xs (t) fur die stationare Antwort gilt:

xs (t) = 1 ejt + 2 ejt


Ausgehend von (3.64) ergibt sich nach einigem Rechnen fur die Koeffizienten 1 und 2:

A
1 = G(j)
2j
A
2 = G(j)
2j
Damit konnen wir die stationare Antwort folgendermassen schreiben:
A A
xs (t) = G(j)ejt G(j)ejt (3.65)
2j 2j
Der Ausdruck G(j) ist eine komplexe Zahl, welche polar folgendermassen ausgedruckt werden kann:

G(j) = |G(j)| exp(j arg G(j))


Ebenso ist

G(j) = |G(j)| exp(j arg G(j))


Unter der Voraussetzung, dass A und reell sind, konnen wir nach einigem Rechnen die stationare Antwort in
folgender Form notieren:

xs (t) = A |G(j)| sin [t + arg G(j)] (3.66)


Diese letzte Formel erlaubt uns folgende Feststellungen: Wird ein lineares, stabiles System mit Uebertragungs-
funktion G(s) einem sinusformigen Input unterworfen, so gilt:

1. Die stationare Antwort des Systems ist ebenfalls sinusformig mit derselben Frequenz wie der Input;
2. Die Amplitude der stationaren Antwort ist gleich dem Produkt von |G(j)| und der Amplitude A des Input
(Sprechweise: die Amplitude wird verstarkt, falls |G(j)| > 1 und sie wird gedampft, falls |G(j)| < 1);
3. Die Phasenverschiebung zwischen Input und stationarem Output ist gleich arg G(j).

Definition: Die Abhangigkeit des Betrags |G(j)| und des Arguments arg G(j) von der Input-Frequenz ist
der Frequenzgang des Systems. Die Abhangigkeit des Betrags |G(j)| stellt den Amplitudenfaktor dar und die
Abhanglgkeit des Arguments arg G(j) die Phasenverschiebung.
Das Ergebnis von (3.66) zeigt, dass die Funktion G(j) experimentell gefunden werden kann durch Messung
des Amplitudenfaktors und der Phasenverschiebung. Das Vorgehen ist einfach: Wir unterwerfen das System einem
sinusformigen Input. Nun variieren wir die Frequenz und messen Amplitudenfaktor und Phasenverschiebung fur
verschiedene . Die Messergebnisse konnen wir in zwei Grafiken ubertragen: die eine fur den Amplitudenfaktor,
die andere fur die Phasenverschiebnung, beide in Abhangigkeit von .
In der Praxis werden solche Grafiken auf logarithmischem Papier erstellt und heissen Bode-Diagramme:

135
1. Im ersten Diagramm wird die Frequenz horizontal abgetragen (logarithmisch) und der Amplitudenfaktor
wird in Dezibel (dB) vertikal abgetragen gemass der Formel

Amplitudenfaktor in dB = 20 log |G(j)|

2. Auch im zweiten Diagramm wird die Frequenz horizontal abgetragen (logarithmisch), die Phasenverschie-
bung wird in Grad in vertikaler Richtung abgetragen gemass 90o arg G(j) 90o (lineare Skala).

Beispiel 3.7.1 Bestimmen Sie den Frequenzgang des RC-Filters gemass Figur (3.30). Erstellen Sie Grafiken fur
Amplitudenfaktor und Phasenverschiebung mit linearen Skalen und erstellen Sie schliesslich die Bode-Diagramme.

q D D D D D q q
D  D  D  D D 
R

ei (t) C eo (t)

q q q

Abbildung 3.30: RC-Filter.

Losung:

Beispiel 3.7.2 Zeichnen Sie die Bode-Diagramme eines Systems mit Uebertragungsfunktion

(5 + s)
G(s) = 4103
s(100 + s)(20 + s)
Losung:

3.8 Wiederholungsaufgaben

Aufgabe 3.8.1 Eine Spannungsquelle der Form V et sin t wirke auf einen LCR-Stromkreis (in Serie) mit den
Komponenten L = 1, R = 3 und C = 1/2. Zeigen Sie, dass der Strom i(t) folgende Differentialgleichung erfullt:

d2 i di d  t 
2 + 3 dt + 2i = dt V e sin t
dt
Berechnen Sie den Strom i(t) fur t 0 unter Kenntnis der Anfangsbedingungen
di
i(0) = 1 (0) = 2.
dt

136
Aufgabe 3.8.2 Losen Sie die Differentialgleichung

d2 x dx
2 + 2 dt + 2x = cos t
dt
mit den Anfangsbedingungen x(0) = x0 und x(0) = x1 . Bestimen Sie anschliessend den stationaren und den
fluchtigen Teil der Losung. Berechnen Sie ausserdem Amplitude und Phasenverschiebung der stationaren Losung.

Aufgabe 3.8.3 Die Widerstande der Grossen 5 und 20 sind im Primar- und Sekundarkreis eines Transformators
mit Induktivitaten gemass der Figur (3.31) verbunden.

 D D D D D D D D D D
t=0 D  D  D  D  D D D  D  D  D 
 
5   20














E = 100V 2H






3H












M = 1H

Abbildung 3.31: Transformator von Aufgabe 3.8.3.

Zum Zeitpunkt t = 0, in dem kein Strom fliesse, wird eine Spannung E = 100 V am Primarkreis wirksam.
Berechnen Sie den Strom im Sekundarkreis.

Aufgabe 3.8.4 Unter Verwendung der Laplace-Transformation soll das System von Differentialgleichungen

dx
+ 5x + 3y = 5 sin t 2 cos t
dt
dy
+ 3y + 5x = 6 sin t 3 cos t
dt
mit den Anfangsbedingungen x(0) = 1 und y(0) = 0 gelost werden.

Aufgabe 3.8.5 Ein Generator erzeuge eine Spannung V gemass Figur (3.32), auf einen Widerstand R und eine
Induktion L welche angelegt wird. Zudem ist eine Kapazitat C parallel zu R geschaltet.
Zeigen Sie, dass der Strom i(t) durch den Widerstand R bestimmt ist durch die Differentialgleichung

d2 i di
LCR 2 + L dt + Ri = V
dt
Weiter setzen wir voraus, dass

V = 0 fur t < 0, und V = E fur t 0,


L = 2R2 C,

137





q  D D  D  D  D q
D D D D D










R L

V

C

Abbildung 3.32: Schaltkreis von Aufgabe 3.8.5.

1
CR = , fur > 0,
2
i(0) = 0 und di (0) = 0.
dt
Zeigen Sie, dass sich die Gleichung auf die Form

d2 i di 2 2E
2 + 2 dt + 2 i = 2 R
dt
reduziert und berechnen Sie den Strom i(t) fur alle Zeiten t 0.

138
3.9 Anhang: Tabelle von Laplace-Transformierten
3.9.1 Allgemeine Eigenschaften der Laplace-Transformation

f (t) F (s)

1. af1 (t) + bf2 (t) aF1 (s) + bF2 (s)

s

2. af (at) F a

3. eat f (t) F (s a)


f (t a)
t>a
4. U (t a) = eas F (s)

0
t<a

5. f (t) sF (s) f (0)

6. f (t) s2 F (s) sf (0) f (0)

7. f (n) (t) sn F (s) sn1 f (0) sn2 f (0) . . . f (n1) (0)

8. tf (t) F (s)

9. t2 f (t) F (s)

10. (1)n tn f (t) F (n) (s)


Rt F (s)
11. f (u) du s
0
Rt Rt Rt (t u)n1 F (s)
12. . . . f (u) du = f (u) du
0 0 0
(n 1)! sn
Rt
13. f (u)g(t u) du F (s)G(s)
0
f (t) R
14. t F (u) du
s

1 RT su
15. f (t) = f (t + T ) (f periodique) sT e f (u) du
1e 0

R u2 F ( s)
16. 1 e 4t f (u) du s
t 0

139
3.9.2 Spezielle Laplace-Transformierte

f (t) F (s)

1. 1 1
s

2. t 1
s2
3. tn , n = 1, 2, 3, . . . n!
sn+1
4. tn1 , n>0 1
(n) sn

5. eat 1
sa

6. tn1 eat , n = 1, 2, 3, . . . 1
(n 1)! (s a)n
7. tn1 eat , n>0 1
(n) (s a)n
8. sin t
s2 + 2
9. cos t s
s2 + 2
10. et sin t
(s )2 + 2
11. et cos t s
(s )2 + 2
12. sinh at 1
a s2 a 2
13. cosh at s
s2 a 2
14. ebt sinh at 1
a (s b)2 a2
15. ebt cosh at sb
(s b)2 a2
16. ebt eat 1 a 6= b
ba (s a)(s b)
17. bebt aeat s
ba (s a)(s b) a 6= b
18. sin at at cos at 1
2a3 (s2 + a2 )2
19. t sin at s
2a (s2 + a2 )2
20. sin at + at cos at s2
2a (s + a2 )2
2

140
f (t) F (s)

21. cos at 21 at sin at s3


(s + a2 )2
2

22. t cos at s2 a 2
(s2 + a2 )2
23. at cosh at sinh at 1
2a3 (s2 a2 )2
24. t sinh at s
2a (s2 a2 )2
25. sinh at + at cosh at s2
2a (s2 a2 )2
26. cosh at + 12 at sinh at s3
(s a2 )2
2

27. t cosh at s2 + a 2
(s2 a2 )2
(3 a2 t2 ) sin at 3at cos at 1
28.
8a5 (s2 + a2 )3
29. t sin at at2 cos at s
8a3 (s2 + a2 )3
2 2
30.
(1 + a t ) sin at at cos at s2
8a3 (s2 + a2 )3
31. 3t sin at + at2 cos at s3
8a (s + a2 )3
2

(3 a2 t2 ) sin at + 5at cos at s4


32. 8a (s + a2 )3
2

(8 a2 t2 ) cos at 7at sin at s5


33. 8 (s + a2 )3
2

34. t2 sin at 3s2 a2


2a (s2 + a2 )3
35. 1 t2 cos at s3 3a2 s
2 (s2 + a2 )3
36. 1 t3 cos at s4 6a2 s2 + a4
6 (s2 + a2 )4
37. t3 sin at s3 a 2 s
24a (s2 + a2 )4
(3 + a2 t2 ) sinh at 3at cosh at 1
38.
8a5 (s2 a2 )3
39. at2 cosh at t sinh at s
8a3 (s2 a2 )3
at cosh at + (a2 t2 1) sinh at s2
40.
8a3 (s2 a2 )3

141
f (t) F (s)

41. 3t sinh at + at2 cosh at s3


8a (s a2 )3
2

(3 + a2 t2 ) sinh at + 5at cosh at s4


42. 8a (s a2 )3
2

(8 + a2 t2 ) cosh at + 7at sinh at s5


43. 8 (s2 a2 )3
44. t2 sinh at 3s2 + a2
2a (s2 a2 )3
45. 1 t2 cosh at s3 + 3a2 s
2 (s2 a2 )3
46. 1 t3 cosh at s4 + 6a2 s2 + a4
6 (s2 a2 )4
47. t3 sinh at s3 + a 2 s
24a (s2 a2 )4
at/2  
48. e 3 sin 3at cos 3at + e3at/2 1
2
3a 2 2 s3 + a 3
eat/2 cos 3at + 3 sin 3at e3at/2
 
49. s
3a 2 2 s3 + a 3

s2
 
50. 1 eat + 2eat/2 cos 3at
3 2 s + a3
3

e at/2 
3at/2

3at

3at

1
51. e + cos 3 sin
3a2 2 2 s3 a 3
at/2  
52. e 3 sin 3at
cos 3at
+ e 3at/2 s
3a 2 2 s3 a 3

s2
 
53. 1 eat + 2eat/2 cos 3at
3 2 s a3
3

54. 1 (sin at cosh at cos at sinh at) 1


4a3 s4 + 4a4
55. sin at sinh at s
2a2 s4 + 4a4
1 s2
56. 2a (sin at cosh at + cos at sinh at) s + 4a4
4

57. cos at cosh at s3


s + 4a4
4

58. 1 (sinh at sin at) 1


2a3 s4 a 4
59. 1 (cosh at cos at) s
2a2 s4 a 4
1 s2
60. 2a (sinh at + sin at) s4 a 4

142
f (t) F (s)

61. 1 (cosh at + cos at) s3


2 s a4
4

62. ebt eat 1


2(b a) t3 s+a+ s+b

63. J0 (at) (Besselfunktion) p 1


s2 + a 2
64. I0 (at) p 1
a2 s2

65. cos2 at ea/s

t s

3.9.3 Einige typische Funktionen mit ihren Laplace-Transformierten

F (s) f (t)

Dreieckwelle:
f(t)

 
1 ln as
as 2 2

t
2a 4a

Sagezahn-Welle:
f(t)

1 eas
as2 s(1 eas )

a t
2a 3a 4a

Rechteck-Welle:
f(t)

 
1 ln as t
s 2 a 2a 3a 4a

-1

143
F (s) f (t)

Zweiweg-gleichgerichteter Sinus:
f(t)

 
a as
2 2 2 coth 2
a s +

a t
2a 3a

Einweg-gleichgerichteter Sinus:
f(t)

a
(a2 s2 + 2 )(1 eas )

a t
2a 3a 4a

Heavisidesche Sprungfunktion:
f(t)

eas
s

a t

Rechteck-Funktion:
f(t)

eas (1 eT s )
s

a t
a+T

Treppen-Funktion:
f(t)
4

3
1 2
s(1 eas )
1

a t
2a 3a

144
Kapitel 4

Die Z-Transformation

4.1 Einleitung
Seit der Entwicklung des Computers haben die Ingenieure ein grosses Interesse fur die Analyse und den Entwurf
von digitalen Signalen gezeigt. Die mathematischen Theorien dazu, gehen teilweise zuruck bis ins vergangene
Jahrhundert. Sie konnen hier beispielsweise die Arbeiten von George Boole zitieren, welche gegen 1860 publiziert
wurden.
Digitale Systeme operieren auf digitalen Signalen. Sie sind ublicherweise generiert durch Abtasten eines kon-
tinuierlichen Signals in der Zeit, das heisst ein Signal welche definiert sind auf allen Zeitpunkten in einem gegebe-
nen Zeitintervall. Der Prozess des Abtastens erzeugt also ein diskretes Signal in Abhangigkeit der Zeit, welches
nur definiert ist in den betreffenden Abtastzeitmomenten. Das Resultat des Abtastens ist eine Folge von diskreten
Werten, welche das Originalsignal in einer eingeschrankten Form beschreibt.
Im Kapitel uber die Laplace-Transformation haben wir gezeigt, dass diese Transformation ein sehr nutzliches
Werkzeug fur die Analyse von kontinuierlichen Systemen in Abhangigkeit der Zeit liefert. In diesem Kapitel wer-
den wir zeigen, dass die Z-Transformation ein vergleichbares Werkzeug fur die Anwendung von der Analyse von
diskreten Zeitsystemen liefert.

4.2 Die Z-Transformation


Die Z-Transformation behandelt folgen von Zahlen. Wir beginnen deshalb mit der Wiederholung gewisser Ele-
mentarer Begriffen auf Zahlenfolgen.
Definition: Eine Folge von komplexen Zahlen

{xk }k=0 = {x0 , x1 , x2 , . . .}
ist eine unendliche und geordnete Menge von komplexen Zahlen. Die Position eines Elementes kann durch den
ganzzahligen Index k identifiziert werden.
Weil wir mit Abtastfunktionen in Abhangigkeit der Zeit arbeiten, ist es manchmal nutzlich auch Verhaltenswei-
sen, welche zur Zeit t < 0 passiert sind aufzunehmen. In diesem Fall mussen wir den Begriff der Folge ausdehnen
auf negative Indizes:

{xk }k= = {. . . , x2 , x1 , x0 , x1 , x2 , . . .} .
Die speziellen Folgen mit xk = 0 fur k < 0 heissen kausale Folgen.

145
4.2.1 Definitionen und Schreibweise
k=
Definition: Die Z-Transformierte einer Folge von komplexen Zahlen {xk }k= ist definiert durch

k=
X xk
Z {xk }k= = X(z) = (4.1)
zk
k=

fur alle Z-Werte fur die die Reihe existiert. In dieser Formel ist z ein komplexer Parameter.

Wie wir gesehen haben liefert die Z-Transformation einer Folge von komplexen Zahlen eine Funktion der
komplexen Variabeln z. Diese Funktion ist hier bezeichnet mit X(z), und die Form dieser Funktion hangt ab von
der Folge selbst. Das Symbol Z reprasentiert den Operator der Z-Transformation.
k=
Es ist ublich und naturlich die Folge {xk }k= und die Funktion X(z), welche sie erzeugt zu assoziieren. So
konnen wir ohne Mehrdeutigkeit sprechen von einem Paar von Transformierten in Z
k=
{xk }k= X(z)
Wir konnen an dieser Stelle die Analogie zwischen dem Paar der Z-Transformierten und dem Paar einer Funk-
tion f (t) und ihrer Laplace-Transformierten L{f (t)} erwahnen.
k=
Im Falle einer kausalen Folge {xk }k= , d.h. wenn xk = 0, k < 0, ist die Z-Transformierte gegeben durch


X xk
Z {xk }k=0 = X(z) = (4.2)
zk
k=0

Die kausalen Folgen sind die am haufigsten auftretenden in der Ingenieurpraxis. Wir wollen uns auf Sie be-

schranken. Um die Schreibweise zu vereinfachen notieren wir in Zukunft eine kausale Folge {xk }k=0 durch {xk }.

Beispiel 4.2.1 Bestimmen Sie die Z-Transformierte der Folge

{xk } = 2k

k0

Losung:

Aus Beispiel (4.2.1) konnen wir sehen, dass die Z-Transformierte der Folge 2k existiert, fur jeden Wert der


Variablen z, welcher sich ausserhalb der Kreisscheibe mit Radius 2 vom Original befindet:
z
Z 2k =

(|z| > 2) (4.3)
z2
Die Funktion
z
X(z) = (|z| > 2)
z2
 k
k
 k2 betrachten im Sinne, dass der Koeffizient von
konnen umgekehrt wir als erzeugende Funktion der Folge
z in der Entwicklung von X(z) den k-ten Term der Folge 2 erzeugt.
z 1
X(z) = = 2
z2 1 z

Da wir voraussetzen, dass |z| > 2, konnen wir die obige Folge in eine geometrische Reihe entwickeln:

146
 2  k
1 2 2 2
X(z) = 2 =1+ + + ...+ + ...
1 z
z z z

Das Resultat von Formel (4.3) kann leicht verallgemeint werden, um die Z-Transformierte von ak zu bestim-
men, wobei a eine reelle oder komplexe Konstante ist. Definitionsgemass

 X ak
Z ak =
zk
k=0

Auch hier fuhrt die Entwicklung der Reihe auf eine geometrische mit der Bedingung |z| > |a|. Wir erhalten
das Resultat
1 z
Z ak =

a = (|z| > |a|) (4.4)
1 z za

Beispiel 4.2.2 Zeigen Sie: ( k )


1 2z 1
Z = (|z| > )
2 2z + 1 2

Losung:

Ausgehend von Formel (4.4) ist es moglich neue Paare von Z-Transformierten zu bekommen, indem wir ein-
fach formal eine Ableitung bezuglich a anwenden, wobei wir a als Parameter behandeln:
 k  
d  k da d z
Z a =Z =
da da da z a
Nach Ausfuhrung der Ableitung bekommen wir:
z
Z kak1 =

(|z| > |a|) (4.5)
(z a)2
Im Spezialfall a = 1 ergibt sich
z
Z {k} = (|z| > 1) (4.6)
(z 1)2

147
Beispiel 4.2.3 Bestimmen die Z-Transformierte der Folge

{2k} = {0, 2, 4, 6, 8, . . .}

Losung:

Dieses Beispiel zeigt, dass


2z
Z {2k} = 2Z {k} = (|z| > 1) (4.7)
(z 1)2
und veranschaulicht so die Eigenschaft der Linearitat der Z-Transformation.
Ein weiteres wichtiges Beispiel ist der Einheitsimpuls

{k } = {1, 0, 0, 0, . . .}
Es folgt sofort aus der Definition, dass

Z {k } = 1 (4.8)

4.2.2 Abtastwerte
Meistens werden die Zahlenfolgen in den Ingenieurwissenschaften aus Abtastwerten von kontinuierlichen, zeitabhangi-
gen Zahlen gewonnen und beschrieben durch Funktionen f (t). Wir diskutieren hier nicht die Art, wie man Signale
abtastet, sondern vielmehr, wie wir aus den Abtastwerten den besten Nutzen ziehen konnen.
Figur (4.1) zeigt ein Beispiel eines abgetasteten Signals f (t), welches in regelmassigen zeitlichen Abstanden
T auftreten (Intervalllange der Abtastwerte).

t
T 2T 3T 4T 5T

Abbildung 4.1: Abtastwerte eines kontinuierlichen zeitabhangigen Signals.

Der Abtastvorgang liefert die Folge

{f (kT )} = {f (0), f (T ), f (2T ), . . . , f (nT ), . . .} (4.9)


Mit Hilfe der Definition (4.1) konnen wir die Z-Transformierte der Folge (4.9) berechnen:

148

X f (kT )
Z {f (kT )} = (4.10)
zk
k=0

Es ist klar, dass dieses Resultat gultig ist unter der Bedingung, dass die Reihe konvergiert.

Beispiel 4.2.4 Das Signal f (t) = et H(t) werde mit einem Zeitintervall der Lange T abgetastet. H(t) bezeichnet
hier die Heavisidesche Funktion, welche 0 ist fur t < 0 und welche 1 ist fur t 0. Bestimmen Sie die Z-
Transformierte, welche aus den Abtastwerten resultiert.
Losung:

Dieses Beispiel zeigt uns folgendes Resultat:


z
Z ekT = (|z| > eT )

(4.11)
z eT
Es ist hier zu bemerken, dass der Konvergenzbereich der Z-Transformierten von der Lange des Abtastintervalls
abhangt.

4.2.3 Aufgaben

Aufgabe 4.2.1 Berechnen Sie in jedem Fall die Z-Transformierte der gegebenen Folge und bestimmen Sie den
Konvergenzbereich der komplexen Ebene.
(  )
k
1 n
k
o
b) 3k d) 2k
  
a) c) (2) e) {3k}
4

Aufgabe 4.2.2 Das kontinuierliche zeitabhangige Signal f (t) = e2t , wobei eine reelle Konstante ist, werde
in Zeitintervallen der Lange T fur t 0 abgetastet. Geben Sie den allgemeinen Term der Folge der Abtastwerte
an, und berechnen Sie nachher die Z-Transformierte dieser Folge.

149
4.3 Eigenschaften der Z-Transformierten
4.3.1 Die Linearitat
Wie im Falle der Laplace-Transformation, ist die Linearitat eine grundlegende Eigenschaft der Z-Transformation.
Wir konnen sie folgendermassen beschreiben:

Linearitat
Es seien X(z) und Y (z) die Z-Transformierten der Folgen {xk } und {yk }. Weiter seien und reelle oder
komplexe Konstanten. Dann gilt:

Z {xk + yk } = Z {xk } + Z {yk } = X(z) + Y (z) (4.12)

Aus dieser Eigenschaft resultiert, dass der Operator Z ein linearer Operator ist. Um diese Eigenschaft zu
beweisen genugt es, auf die Definition (4.1) zuruckzukommen:


X xk + yk
Z {xk + yk } =
zk
k=0

X xk X yk
= + k
zk z
k=0 k=0

X xk X yk
= +
zk zk
k=0 k=0
= X(z) + Y (z)

Der Konvergenzbereich der Z-Transformierten (in der komplexen Ebene) ist gleich der Durchschnittsmenge
der Konvergenzbereiche der Z-Transformierten X(z) und Y (z).

Beispiel 4.3.1 Das zeitabhangige kontinuierliche Signal f (t) = cos tH(t), mit als reelle Konstante, werde fur
t 0 in Zeitintervallen der Lange T abgetastet. Dieser Prozess erzeugt die Folge {cos kT }. Bestimmen Sie ihre
Z-Transformierte.
Losung:

Dieses Beispiel beweist folgendes Resultat:

z(z cos T )
Z {cos kT } = (|z| > 1) (4.13)
z 2 2z cos T + 1
Auf ahnliche Art konnen wir zeigen (Uebung), dass
z sin T
Z {sin kT } = (|z| > 1) (4.14)
z 2 2z cos T + 1

150
4.3.2 Erster Verschiebungssatz (verzogert)
Wir betrachten eine Folge {xk } und diejenige Folge {yk }, welche wir aus {xk } durch Translation erhalten:

yk = xkk0
In dieser Formel gibt k0 die Anzahl Schritte der Translation an. Beispielsweise haben wir fur k0 = 2 die Folge
yk = xk2 , also:

y0 = x2 , y1 = x1 , y2 = x0 , y3 = x1 usw...
Die so erhaltene Folge {yk } ist einfach eine um k0 Zeitschritte verzogerte Kopie der Folge {xk } (Fig.4.2).
xk xk-k0

t t
T 2T 3T 4T 5T k0 T

Abbildung 4.2: Eine Folge und ihre verzogerte Folge.

Wir berechnen die Z-Transformierte der verschobenen Folge:


X yk
Z {yk } = k
k=0
z

X xkk 0
=
k=0
zk

X xp
= p+k0
p=k0
z

In der letzten Gleichung haben wir den neuen Summationsindexp = k k0 benutzt. Ist die Folge {xk } kausal,
so ist xp = 0 fur p < 0 und wir bekommen:


X xp 1 X xp
Z {yk } = = p
p=0
z p+k0 z k0 p=0 z
1
= X(z)
z k0
Wir haben folgendes Resultat erhalten (1. Verschiebungssatz):
Wird eine Folge {xk } um k0 Positionen verschoben, so gilt
1
Z {xkk0 } = Z {xk } (4.15)
z k0

151
Beispiel 4.3.2 Eine kausale Folge {xk } werde erzeugt durch die Werte
 k
1
xk = (k 0).
2
Bestimmen Sie die Z-Transformierte der verschobenen Folge {xk2 } und geben Sie Ihren Konvergenzbereich
an.
Losung:

4.3.3 Zweiter Verschiebungssatz (voraus)


In diesem Abschnitt werden wir die Beziehung zwischen den Z-Transformierten eines Referenzsignals und dessen
zeitlich (um eine gewisse Anzahl Schritte) vorverschobenem Signals betrachten. Wir beginnen mit dem Fall eines
Signals, das lediglich um einen Schritt vorverschoben ist. Es sei {yk } die vorverschobene Folge von {xk }. Also
wird {yk } erzeugt durch

yk = xk+1 , k0
Somit


X yk X xk+1
Z {yk } = =
zk zk
k=0 k=0

X xk+1
= z
z k+1
k=0

Mit dem Indexwechsel k + 1 = p haben wir


!
X xp X xp
Z {yk } = z =z x0
p=1
zp p=0
zp
= zX(z) zx0
In diesem Ausdruck bezeichnet X(z) die Z-Transformierte der Folge {xk }. Dieses Resultat konnen wir in
folgender Formel zusammenfassen:

Z {xk+1 } = zX(z) zx0 (4.16)

Auf ahnliche Weise konnen wir leicht eine Formel fur denjenigen Fall einer Folge {xk } berechnen, die um
zwei Schritte vorverschoben wird (Uebung):

Z {xk+2 } = z 2 X(z) z 2 x0 zx1 (4.17)


Die strukturelle Ahnlichkeit der Formeln (4.16) und (4.17) mit den Laplace-Transformierten der 1. und der 2.
Ableitung ist interessant.
Durch Verwendung der vollstandigen Induktion konnen wir den allgemeinen Fall der um k0 Schritte vorver-
schoben Folge {xk+k0 } beweisen. Er lautet:
kX
0 1

Z {xk+k0 } = z k0 X(z) xj z k0 j (4.18)


j=0

Diese Formel wird in der Fortsetzung fur das Losen von Differenzengleichungen verwendet werden.

152
4.3.4 Weitere Eigenschaften
In diesem Abschnitt werden vier weitere interessante Eigenschaften der Z-Transformation ohne jeweiligen Beweis
gegeben. In gewissen Fallen werden sie in Form von Aufgaben am Ende des Kapitels gestellt.

4.3.4.1 Multiplikation mit ak


Sei X(z) = Z {xk } und sei a eine Konstante ungleich 0, dann gilt

Z ak xk = X a1 z
 
(4.19)

4.3.4.2 Multiplikation mit k n


Sei X(z) = Z {xk } und sei n eine positive ganze Zahl, dann gilt
 n
d
Z {k n xk } = z X(z) (4.20)
dz

Es sei hier bemerkt, dass der Ausdruck z d die erste Ableitung nach z beschreibt, welche nachher mit z
dz
multipliziert wird. Die n-te Potenz bedeutet, dass diese Operation n mal wiederholt wird.

4.3.4.3 Anfangswert-Theorem
Sei X(z) = Z {xk }. Das Anfangswert-Theorem besagt, dass gilt

lim X(z) = x0 (4.21)


z

4.3.4.4 Endwert -Theorem


Sei X(z) = Z {xk }. Das Endwert-Theorem besagt, dass gilt

lim xk = lim 1 z 1 X(z)



(4.22)
k z1

unter der Bedingung der Existenz von limk xk und dass sich die Pole von 1 z 1 X(z) im Inneren des


Einheitskreises befinden.

153
4.3.5 Tabelle von Z-Transformierten
In der folgenden Tabelle sind vorangegangene Resultate zusammengestellt. In jeder Formel wird prazisierend auch
der Konvergenzbereich in der komplexen Ebene angegeben.

{xk } (k 0) Z {xk } Konvergenzbereich




1 (k = 0)

xk = (Einheitsstoss) 1 fur alle z

0 (k > 0)

xk = 1 z |z| > 1
z1

xk = ak (a konstant) z |z| > |a|


za

xk = k z |z| > 1
(z 1)2

xk = kak1 (a konstant) z |z| > |a|


(z a)2

xk = ekT (T konstant) z |z| > eT


z eT
z(z cos T )
xk = cos kT (, T konstant) |z| > 1
z 2 2z cos T + 1

xk = sin kT (, T konstant) z sin T |z| > 1


z 2 2z cos T + 1

154
4.3.6 Aufgaben

Aufgabe 4.3.1 Zeigen Sie, dass


z sin T
Z {sin kT } =
z 2 2z cos T + 1
Hinweis: Verwenden Sie die gleiche Technik wie im Beispiel (4.3.1).

Aufgabe 4.3.2 Berechnen Sie unter Verwendung des ersten Verschiebungssatzes die Z-Transformierte der Folge
{yk } mit


0
(k < 3)
yk =

xk (k 3)

1 k

Hier ist {xk } die kausale Folge xk = 2 . Verifizieren Sie das Resultat mittels Definition der Z-Transformierten.

Aufgabe 4.3.3 Berechnen Sie die Z-Transformierten der Folgen


( k )
1
a) b) {cos k}
5

Aufgabe 4.3.4 Beweisen Sie die Eigenschaften der Multiplikation (Formeln 4.19 und 4.20).

Aufgabe 4.3.5 Beweisen Sie das Anfangswert-Theorem (Formel 4.21).

Aufgabe 4.3.6 Beweisen Sie das Endwert-Theorem (Formel 4.22).

155
4.4 Die inverse Z-Transformation
In diesem Kapitel interessieren wir uns fur das inverse Problem: Die Bestimmung einer kausalen Folge {xk } zu
einer gegebenen Z-Transformierten X(z).
Formal benutzen wir folgende symbolische Schreibweise

Z 1 [X(z)]
fur die kausale Folge {xk }, deren Z-Transformierte X(z) ist. Also:

Falls Z {xk } = X(z), dann {xk } = Z 1 [X(z)]


Diese Zuordnung zwischen einer Transformierten X(z) und einer Folge {xk } heisst inverse Z-Transformation
und Z 1 ist der Operator der inversen Z-Transformation.
Die einfachste Art, eine inverse Transformierte zu finden, ist das Verwenden einer Tabelle. In den meisten
Fallen ist es notwendig, vorgangig algebraische Operationen durchzufuhren, bevor man die Tabelle benutzt. Ein
spezielles Beispiel, welches oft auftritt, ist dasjenige von rationalen Ausdrucken der Form P (z)/Q(z), wobei P
und Q Polynome sind.

4.4.1 Technik der inversen Z-Transformation

Beispiel 4.4.1 Bestimmen Sie die inverse Z-Transformierte von


 
z
Z 1
z2

Losung:

Beispiel 4.4.2 Bestimmen Sie  


z
Z 1
(z 1)(z 2)

Losung:

Nach der Rechnung erhalten wir das Resultat


 
z
Z 1 = 2k 1

(k 0) (4.23)
(z 1)(z 2)

Beispiel 4.4.3 Bestimmen Sie


 
1 2z + 1
Z
(z + 1)(z 3)

Losung:

156
In vielen Fallen enthalt die rationale Funktion X(z) = P (z)/Q(z), deren inverse bestimmt werden soll, einen
quadratischen Term im Nenner.
Es ist oft vorteilhaft zuerst die Z-Transformierte der rationalen Funktion

X(z) 1 P (z)
=
z z Q(z)
zu betrachten und dann zuruckzukommen auf das verlangte Problem.

Beispiel 4.4.4 Bestimmen Sie die inverse Z-Transformation von


z
Y (z) = ,
z2 + a2
wobei a eine reelle Konstante ist.
Losung:

Beispiel 4.4.5 Bestimmen Sie die inverse Z-Transformation von


z
Y (z) = .
z2 z+1

Losung:

Beispiel 4.4.6 Bestimmen Sie die Folge {fk }, deren Z-Transformierte lautet:

z 3 + 2z 2 + 1
F (z) = .
z3
Losung:

Beispiel 4.4.7 Bestimmen Sie die inverse Z-Transformierte von

z(1 eaT )
G(z) = ,
(z 1)(z eaT )
wobei a und T reelle positive Konstante sind.
Losung:

157
4.4.2 Aufgaben

Aufgabe 4.4.1 Bestimmen Sie die inversen Z-Transformierten von

a) z b) z
z1 z+1
c) z d) z
1 3z + 1
z
2
e) z f) z
zj z+j 2

Aufgabe 4.4.2 Indem Sie zuerst X(z)/z in Partialbruchform darstellen, bestimmen Sie nachher die inversen Z-
Transformationen folgender Funktionen:

a) z b) z
(z 1)(z + 2) (2z + 1)(z 3)
c) z2 d) 2z
(2z + 1)(z 1) 2z 2 + z 1

Aufgabe 4.4.3 Bestimmen Sie die inverse Z-Transformierte von

1 2 b) 1 + 32 29
a) z + z7 z z
c) 3z + 2z 2 + 5z 5 d) 1 +3 z + 3z3z
z5 z +1

158
4.5 Diskrete Zeitsysteme
Im vorhergehenden Kapitel haben wir gesehen wie eine lineare Differentialgleichung mit Hilfe der Laplace-
Transformation gelost werden kann. Wir haben auch gesehen wie ohne diese Losung mit der Laplace-Transformierten
(eine Funktion der Variablen s) charakteristische und wichtige Eigenschaften des kontinuierlichen Systems her-
auslesen.
In diesem Abschnitt werden wir eine Methode entwickeln, die ahnlich ist fur die Modellierung und das Ana-
lysieren von diskreten Zeitsystemen, welche durch Differenzengleichungen ausgedruckt werden, welche die
Systeme modellieren.

4.5.1 Differenzengleichungen
Wir beginnen mit einem Beispiel: Wir setzen voraus, dass eine Folge von beobachteten Werten {xk } gemessen
wurden in regelmassigen Zeitintervallen. Dabei ist k der Index, welcher die Zeitpunkte durchnumeriert. Mit Hil-
fe eines Systems fur Signalverarbeitung (diskret) mochte man gerne gewisse Manipulationen dieser Folge von
Beobachtungen vornehmen, beispielsweise eine Filtrierung oder eine Glattung (siehe Figur 4.3).

S
 {rk } {yk }
{xk } - - D q -

6 



Abbildung 4.3: Signalverarbeitungssystem eines diskreten Signals.

Zum Zeitpunkt k, tritt der Wert xk in das System als Input. Nach einer Kombination dieses Signals mit einem
Feedback Signal uber einen Summationspunkt S, wird das modifizierte Signal, welches wir mit rk notieren in
den Block der Verarbeitung D eingeben (Verzogert). Die Aufgabe dieses Blocks ist die Verzogerung des Signals
um einen Zeitschritt. Wenn also rk zum Zeitpunkt k in den Block D eintritt, so wird dieses selbe Signal zum
Zeitpunkt k + 1 austreten. Falls {yk } das Ausgangssignal bezeichnet, so gilt

yk+1 = rk
Am Ausgang des Blocks D wird das Signal mit einem Amplitudenfaktor versehen und in den Summations-
punkt S gefuhrt, wo er vom nachsten Wert xk+1 , gemessen zum Zeitpunkt k + 1, subtrahiert wird (Dies ist das
Feedback-Signal). Wir haben also die Gleichung

rk = xk yk
Indem wir die Beiden obigen Gleichungen kombinieren erhalten wir

yk+1 = xk yk
Was aquivalent ist mit der Formulierung

yk+1 + yk = xk (4.24)
Gleichung (4.24) ist ein Beispiel einer Differenzengleichung von erster Ordnung. Sie verbindet zwei hinterein-
ander folgende Messungen, der Messfolge {yk } mit einer Messung der Folge {xk }.
Die Losung einer solchen Differenzengleichung besteht aus der Angabe einer Formel, welche den allgemeinen
Term yk der Folge {yk } beschreibt (Output des Systems). Diese Formel hangt ab vom Index k der Folge {xk },
welche als Input gegeben ist und ebenso mit gegebenem Parameterwert .

159
Beispiel 4.5.1 Bestimmen Sie eine Differenzengleichung, welche das in der Figur (4.4) gezeichnete System be-
schreibt, und welches als Input die Folge {xk } und als Output die Folge {yk } hat. In diesem System ist D ein
Verzogerungsblock um eine Zeiteinheit, a und b sind positive Konstanten (Feedbackgewichte).

S
 {rk } {vk } {yk }
{xk } - - D q - D q -

+6 6

a 
 
b 


Abbildung 4.4: Eine Signalverarbeitung eines diskreten Signals.

Losung:
Indem wir Hilfssignale {rk } und {vk }, wie in der Figur notiert einfuhren, so gilt fur jeden Schritt:

yk+1 = vk (4.25)
vk+1 = rk (4.26)

Am Summationspunkt:

rk = xk avk + byk (4.27)


Indem wir Gleichung (4.25) und (4.26) zusammennehmen erhalten wir:

yk+2 = vk+1 = rk

Durch Substitution von rk durch seinen Wert, mittels Gleichung (4.25), erhalten wir schrittweise:

yk+2 = xk avk + byk


= xk ayk+1 + byk

Nach Umordnung der Terme erhalten wir folgende Differenzengleichung, welche das System beschreibt:

yk+2 + ayk+1 byk = xk (4.28)


Diese Gleichung ist eine Differenzengleichung 2. Ordnung, linear mit konstanten Koeffizienten.

4.5.2 Die Losung einer Differenzengleichung


Um die Technik des Losens von Differenzengleichung zu zeigen, verwenden wir hier Beispiele. Die Losungsme-
thode durch die Z-Transformation basiert hauptsachlich auf dem 2. Verschiebungssatz, und sie ist der Losungsme-
thode von Differentialgleichungen durch die Laplace-Transformation sehr ahnlich.

Beispiel 4.5.2 Im vorhergehenden Beispiel (4.5.1) geben wir den Konstanten die numerischen Werte a = 1 und
b = 2. Die gegebene Inputfolge {xk } sei die Einheitsfolge {1}. Losen Sie die Differenzengleichung (4.28).
Losung:

160
y0 = 0 und y1 = 1:
Antwortfur die Anfangswerte
{yk } = 31 k + 29 92 (2)k , k 0.

Die Methode, die wir im vorhergehenden Beispiel (4.5.2) verwendet haben, heisst Losungsmethode durch
die Z-Transformation der linearen Differenzengleichung mit konstanten Koeffizienten.

Beispiel 4.5.3 Losen Sie die Differenzengleichung unter Verwendung von y0 = 1 und y1 = 32 :

8yk+2 6yk+1 + yk = 9 (k 0)

Losung:


Beispiel 4.5.4 Losen Sie die Differenzengleichung unter Verwendung von y0 = 1 und y1 = 2:

yk+2 + 2yk = 0 (k 0)

Losung:

4.5.3 Aufgaben

Aufgabe 4.5.1 Bestimmen Sie die Differenzengleichung, welche das System in den Figuren (4.5) und (4.6) dar-
stellt.


{yk }
{xk } - - D q - D -
+ 
6

1 

2

Abbildung 4.5: System der Aufgabe 4.5.1 (a).

161
 {yk }
{xk } - - D q - D q -

+6
6 
1 

4

1 
 5

Abbildung 4.6: System der Aufgabe 4.5.1 (b).

Aufgabe 4.5.2 Unter der Verwendung der Losungsmethode der Z-Transformation sollen die folgenden Differen-
zengleichung mit den entsprechenden Anfangsbedingungen gelost werden:

a) yk+2 2yk+1 + yk = 0, y0 = 0, y1 = 1.

b) yn+2 8yn+1 9yn = 0, y0 = 2, y1 = 1.

c) yk+2 + 4yk = 0, y0 = 0, y1 = 1.

d) 6yk+2 + 5yk+1 yk = 5, y0 = 0, y1 = 0.

Aufgabe 4.5.3 Die Dynamik eines diskreten Zeitsystems sei modelliert durch die Differenzengleichung

yk+2 5yk+1 + 6yk = uk ,


wobei die Inputfolge {uk } gegeben ist durch

0 (k < 0)
uk =
1 (k 0)
und die Anfangsbedingungen durch y0 = y1 = 0.
Bestimmen Sie die Antwort dieses Systems.

162
4.6 Charakterisierung linearer diskreter Systeme
4.6.1 Die Ubertragungsfunktion
Im Kapitel uber die Laplace-Transformation haben wir gesehen wie ein lineares kontinuierliches System in der
Zeit durch eine Differenzengleichung modelliert werden kann, und wir haben dort den Begriff der Ubertragungs-
funktion eingefuhrt. Diese Funktion ist sehr nutzlich fur die Analyse des Systems, denn sie enthalt alle Information
bezuglich Stabilitat und sie liefert eine Rechenmethode fur die Antwort dieses Systems (Faltung). In diesem Ab-
schnitt werden wir zeigen wie eine Ubertragungsfunktion auch fur ein diskretes System, modelliert durch eine
Differenzengleichung, definiert werden kann.
Wir betrachten das allgemeine Modell einer linearen Differenzengleichung mit konstanten Koeffizienten, wel-
ches zu einem linearen zeitlich invarianten System gehort mit einer Inputfolge {uk } und einer Outputfolge {yk }.
Wir setzen voraus, dass die beiden Folgen {uk } und {yk } kausal sind. Eine solche Differenzengleichung ist von
der Form

an yk+n + an1 yk+n1 + an2 yk+n2 + . . . + a0 yk =


bm uk+m + bm1 uk+m1 + bm2 uk+m2 + . . . + b0 uk (4.29)

Diese Gleichung ist definiert fur k 0. Die Indizes n und m sind positive, ganze Zahlen, und die ai , bj sind
reelle Koeffizienten. Damit das System physikalisch realisierbar ist, ist es notwendig, dass gilt n m. Die ganze
Zahl n heisst Ordnung der Gleichung.
Wir setzen von diesem System voraus, dass es zu Beginn in Ruhe ist. Wenden wir die Z-Transformation auf
die Gleichung (4.29) an, so erhalten wir nach Vereinfachung:

an z n + an1 z n1 + . . . + a0 Y (z) = bm z m + bm1 z m1 + . . . + b0 U (z)


 

In dieser Formel bezeichnet Y (z) die Z-Transformierte der Folge {yk } und U (z) diesjenige der Folge {uk }.
Die Ubertragungsfunktion in Z G(z) des diskreten Systems ist definiert durch

Y (z) bm z m + bm1 z m1 + . . . + b0
G(z) = = (4.30)
U (z) an z n + an1 z n1 + . . . + a0
Es ist sinnvoll diesen Bruch noch durch den Koeffizienten an zu dividieren derart, dass der Koeffizient zu z n
im Nenner zu eins wird. Um G(z) in diese Form zu bringen verwenden wir den 2. Verschiebungssatz und es ist
ebenso, dass das System zu Beginn in Ruhe ist, das heisst:

y0 = y1 = . . . yn1 = 0 u0 = u1 = . . . um1 = 0
Durch

P (z) = bm z m + bm1 z m1 + . . . + b0 ,
Q(z) = an z n + an1 z n1 + . . . + a0 ,

kann die diskrete Ubertragungsfunktion in folgender Form ausgedruckt werden:

P (z)
G(z) =
Q(z)
Wie im kontinuierlichen Fall heisst die Gleichung Q(z) = 0 charakteristische Gleichung des diskreten
Systems, n ist die Ordnung und die Wurzeln dieser Gleichung sind die Pole der Ubertragungsfunktion.

163
Beispiel 4.6.1 Zeichnen Sie ein Blockdiagramm, welches das System, welches durch folgende Differenzenglei-
chung beschrieben wird, modelliert.

yk+2 + 3yk+1 yk = uk
Bestimmen Sie anschliessend die entsprechende Ubertragungsfunktion.
Losung:

Beispiel 4.6.2 Ein System sei durch die Ubertragungsfunktion spezifiziert:


z1
G(z) =
z2
+ 3z + 2
Welche ist die Ordnung dieses Systems ? Konnen wir es durch n Verzogerungsblocke darstellen ? Machen Sie
ein Schema von diesem System.
Losung:

Beispiel 4.6.3 Ein System sei durch die folgende Ubertragungsfunktion spezifiziert:
z
G(z) =
z 2 + 0.3z + 0.02
Zeichnen Sie ein Blockdiagramm, welches dieses System im Zeitbereich beschreibt.
Losung:

4.6.2 Die Stossantwort


Im vorhergehenden Beispiel (4.6.3) haben wir feststellen konnen, dass fur ein und dieselbe Ubertragungsfunktion
mehrere Realisierungen des Systems moglich sind. Trotzdem ist die Outputfolge in beiden Fallen fur den selben
Input ebenfalls die Selbe, egal welches System realisiert wurde.
Diese Idee wir verstarkt, wenn wir die Stossantwort studieren.
Es sei die Folge
{k } = {1, 0, 0, . . .}
gegeben, d.h. welche aus einem Einheitsstoss zum Zeitpunkt k = 0 existiert, gefolgt von lauter Nullen. Diese
Folge heisst Stoss. Wir haben fruher gesehen, dass

Z {k } = 1 (4.31)
Wir wollen hier die Analogie zum Dirac-schen Stoss erwahnen, dessen Laplace-Transformierte 1 ist.
Wir betrachten ein System mit der Ubertragungsfunktion G(z), welche als Input die Folge {uk } mit der Z-
Transformierten U (z) erhalt und welche den Output der Folge {yk } mit der Z-Transformierten Y (z) liefert.
Wir haben:

164
Y (z) = G(z)U (z) (4.32)
Ist die gegebene Inputfolge der Stoss {k } und ist das System zu Beginn in Ruhe, so heisst der Output {yk }
Stossantwort des Systems. Also:

Y (z) = Z {yk } = G(z) Z {k } = G(z) (4.33)


Die Z-Transformierte der Stossantwort ist also gleich, in diesem Fall, der Ubertragungsfunktion. Umgekehrt
konnen wir sagen, dass die Stossantwort eines Systems die inverse Z-Transformierte der Ubertragungsfunktion ist.
Einsetzen der Gleichung (4.33) in (4.32) ergibt:

Y (z) = Y (z)U (z) (4.34)


Diese Formel druckt folgendes Resultat aus: Die Z-Transformierte der Antwort eines Systems mit irgend einem
beliebigen Input {uk } ist gleich dem Produkt der Z-Transformierten dieses Inputs und der Z-Transformierten des
Stosses.

Beispiel 4.6.4 Bestimmen Sie die Stossantwort des Systems, welches durch die folgende Ubertragungsfunktion
gegeben ist:
z
G(z) =
z 2 + 3z + 2

Losung:

Beispiel 4.6.5 Ein System habe folgende Stossantwort:

{yk } = ak 0.5k


Dabei ist a eine reelle positive Konstante. Welches ist das Verhalten dieser Antwort in den beiden folgenden
Fallen:

a) a = 0.4 b) a = 1.2
Bestimmen Sie fur beide Falle die Antwort des Systems auf die Einheitsfolge {1, 1, 1, . . .} als Input.
Losung:

165
4.6.3 Stabilitat
Im vorhergehenden Beispiel (4.6.5) haben wir bemerkt, dass in einigen Fallen die Systemantwort eine beschrankte
Folge liefert und in anderen Fallen eine nicht beschrankte. Das heisst, dass sein Term im Allgemeinen gegen
unendlich geht (das ist der Fall fur a = 1.2). Wir drucken dies so aus, dass wir sagen, dass das System stabil oder
instabil ist.
In der Tat ist ein lineares diskretes Zeitsystem mit konstanten Koeffizienten stabil, wenn seine Stossantwort
gegen 0 geht fur t . Wie im stetigen Fall hat die Stabilitat einen engen Zusammenhang zu Eigenschaften der
Ubertragungsfunktion des Systems:

P (z)
G(z) =
Q(z)
Wie wir schon fruher gesehen haben, sind die Pole des Systems bestimmt durch die n Wurzeln der charakteri-
stischen Gleichung

Q(z) = an z n + an1 z n1 + . . . + a0 = 0 (4.35)


Fur die gegebene Ubertragungsfunktion des Beispiels (4.6.2)
z1
G(z) =
z2 + 3z + 2
sind die Pole bestimmt durch die zwei Wurzeln der Gleichung z 2 + 3z + 2 = 0, d.h. z = 1 und z = 2.
Da die Impulsantwort gleich der inversen Z-Transformation von G(z) ist, ist zu erwarten, dass sie Terme der Form
(1)k und (2)k liefern, welche nie gegen 0 gehen fur k gegen unendlich. Solche Systeme sind instabil.
Im Gegensatz dazu war fur das Beispiel (4.6.3) die Ubertragungsfunktion von der Gestalt
z
G(z) =
z2
+ 0.3z + 0.02
und seine Pole gegeben durch z = 0.2 und z = 0.1. Die Impulsantwort enthalt in diesem Fall Terme der
Form (0.2)k und (0.1)k , welche gegen 0 gehen falls k . Dieses System ist somit stabil.
Diese zwei illustrativen Beispiele enthalten quadratische charakteristische Polynome Q(z) mit reellen Koeffi-
zienten. Allgemeiner geht es bei charakteristischen Polynomen um die Ordnung n mit reellen Koeffizienten und
wir wissen von der Theorie der Polynome, dass solche Polynomen n komplexe Wurzeln enthalten: 1 , 2 , . . ., n .
Diese Wurzeln sind reell oder komplex und sie erscheinen in Paaren von konjugierten Grossen.
Wenn wir die Wurzeln kennen, konnen wir die charakteristische Gleichung in der Form

Q(z) = an (z 1 )(z 2 ) . . . (z n ) = 0 (4.36)


schreiben.
Daruber hinaus konnen die Pole i in der Polarform ausgedruckt werden durch

i = ri eji , (i = 1, 2, . . . , n)

Da wir die Stossantwort als inverse Z-Transformierte der Ubertragungsfunktion G(z) interpretieren, so folgt
(Ubung), dass falls die Pole verschieden sind, die Stossantwort Terme der Form

r1k ejk1 , r2k ejk2 , . . . , rnk ejkn .


enthalt. Um Stabilitat zu gewahrleisten mussen die Terme der Stossantwort gegen 0 gehen falls k . Es
folgt, dass das System stabil ist falls

ri < 1 (i = 1, 2, . . . , n).
Zusammenfassung: Ein lineares, diskretes Zeitsystem mit konstanten Koeffizienten mit Ubertragungsfunktion
G(z) ist genau dann stabil, wenn die Pole von G(z) innerhalb der Einheitskreisscheibe |z| < 1 liegen.

166
Befindet sich ein Pol ausserhalb dieser Scheibe, so ist das System instabil. Befindet sich einer der Pole genau
auf dem Einheitskreis |z| = 1, so spricht man von marginaler Stabilitat.

Beispiel 4.6.6 Welche unter den Systemen, beschrieben durch die folgenden Ubertragungsfunktionen, sind stabil ?

a) G(z) = z +10.25

b) G(z) = z
z 2 z + 0.5
c) G(z) = 3 z2
2
z 3z + 2.5z 1

Losung:

4.6.4 Aufgaben

Aufgabe 4.6.1 Bestimmen Sie die Ubertragungsfunktion von jeder der folgenden zeitdiskreten Systeme, voraus-
gesetzt sie befinden sich zu Beginn in Ruhe.

a) yk+2 3yk+1 + 2yk = uk

b) yk+2 3yk+1 + 2yk = uk+1 uk

c) yk+3 yk+2 + 2yk+1 + yk = uk + uk1

Aufgabe 4.6.2 Zeichnen Sie ein Blockdiagramm fur das System

yk+2 + 0.5yk+1 + 0.25yk = uk .


Ebenso fur das System

yk+2 + 0.5yk+1 + 0.25yk = uk 0.6uk+1 .

Aufgabe 4.6.3 Bestimmen Sie die Stossantwort des Systems, deren Z-Transformierte gegeben ist durch

a) G(z) = z
8z 2 + 6z + 1
2
b) G(z) = 2 z
z 3z + 3

167
Aufgabe 4.6.4 Welche der folgenden Systeme sind stabil ?

a) 9yk+2 + 9yk+1 + 2yk = uk

b) 9yk+2 3yk+1 2yk = uk

c) 2yk+2 2yk+1 + yk = uk+1 uk

d) 2yk+2 + 3yk+1 yk = uk

168
Kapitel 5

Fourier-Reihen

5.1 Einleitung
Die Darstellung einer Funktion als Reihe, wird in der Technik und dem Ingenieurwesen relativ oft verwendet.
Das Manipulieren einer Reihe (z.B. zur Ausfuhrung numerischer Berechnungen) ist manchmal einfacher als das
Manipulieren mit der Funktion selbst. Die am besten bekannte Form ist die Entwicklung in eine Potenz-Reihe:

X
f (x) = an xn
n=0

Zur Repetition erwahnen wir an dieser Stelle die Potenz-Reihe der Exponentialfunktion:

x2 x3 xn X xn
ex = 1 + x + + + ...+ + ... =
2! 3! n! n=0
n!
Bei dieser Art der Reihenentwicklung ist der allgemeine Summand an xn ein Produkt eines Koeffizienten (die
reelle Zahl an ) und einer Potenz der Variablen x. Sprechweise: Die verschiedenen Potenzen von x (1, x, x2 , x3 ,
. . . ), bilden die Menge der Basisfunktionen der Reihe.
Ein anderer, wichtiger Typ von Reihenentwicklungen ist durch die Fourier-Reihe gegeben. Sie ist definiert fur
periodische Funktionen. Fur Fourier-Reihen ist die Menge der Basisfunktionen gegeben durch die periodischen
Funktionen sin(nt + n ), wobei = 2 T , T die Periodenlange der gegebenen Funktion und n die Phasenver-
scheibung ist.
Die Reihenentwicklung von f (t) nach Fourier hat die allgemeine Gestalt

X
f (t) = A0 + An sin(nt + n )
n=1

Sie wurde durch den franzosischen Physiker F OURIER1 gegeben, welcher sich fur Warmeleitungsprobleme
interessierte.
Die allgemeine obige Formel kann folgendermassen leicht modifiziert werden:

X
f (t) = A0 + (Ak cos(kt) + Bk sin(kt))
k=1

In den folgenden Abschnitten werden wir die notwendigen mathematischen Grundlagen erarbeiten, die For-
meln fur die Konstruktion von Fourier-Reihen und einige Anwendungen der Fourier-Reihe in der Technik und dem
Ingenieurwesen liefern.

1 J OSEPH F OURIER (1768-1830)

169
5.2 Entwicklung in eine Fourier-Reihe
5.2.1 Periodische Funktionen
Eine Funktion f (t) heisst periodisch, falls sich ihre Werte in regelmassigen Abstanden wiederholen und zwar auf
dem ganzen Definitionsbereich. Also kann der Graph einer periodischen Funktion unterteilt werden in vertikale
Bander, welche sich identisch wiederholen. Die Intervalllange zwischen zwei benachbarten Duplikaten heisst Pe-
riodenlange der Funktion. Formaler: Eine Funktion f (t) hat die Periodenlange T , falls fur alle Werte der Variablen
t gilt

f (t + nT ) = f (t),
fur irgendwelche ganzzahligen Wert n.
Um ein Mass fur die Anzahl der Wiederholungen pro Zeiteinheit zu bekommen, definieren wir die Frequenz
der periodischen Funktion als
1 1
Frequenz = =
Periode T

t
T 2T 3T

Abbildung 5.1: Beispiel einer periodischen Funktion mit Periodenlange T .

Im Ingenieurbereich werden sehr oft Kreisfrequenzen verwendet, welche den Winkel in Radiant pro Zeitein-
heit angibt:
2
Kreisfrequenz = 2 Frequenz =
T
Die Einheit der Kreisfrequenz ist Radiant pro Sekunde.

5.2.2 Der Satz von Fourier


Der Satz von Fourier besagt, dass jede periodische Funkton (welche gewisse Bedingungen erfullt) ausgedruckt
werden kann durch eine unendliche Summe von Sinusformigen Funktionen, jede mit eigener Amplitude, Frequenz
und Phase versehen. Genauer: Ist f (t) eine T -periodische Funktion so gilt:

f (t) = A0 + A1 sin(t + 1 ) + A2 sin(2t + 2 ) + . . .


+An sin(nt + n ) + . . . (5.1)

Die Amplituden An und die Phasen n sind reelle Zahlen und = 2


T ist die Frequenz der Funktion f (t).
Der Term A1 sin(t + 1 ) heisst erste Harmonische oder Grundschwingung, da sie dieselbe Frequenz auf-
weist wie die Originalfunktion f (t).

170
Der Term An sin(nt + n ) heisst n. Harmonische und seine Frequenz ist n, das heisst ein ganzzahliges
Vielfaches der Grundfrequenz . Es soll hier bemerkt werden, dass die Phasen n immer in Radiant ausgedruckt
werden.
Unter Benutzung des Additionstheorems der Trigonometrie gilt:

An sin(nt + n ) (An cos n ) sin nt + (An sin n ) cos nt


bn sin nt + an cos nt (5.2)

Dabei haben wir an = An sin n und bn = An cos n gesetzt. Die Entwicklung (5.1) kann also auch in der
Form

a0 X X
f (t) = + an cos nt + bn sin nt (5.3)
2 n=1 n=1

beschrieben werden.
In dieser Formulierung gilt a0 = 2A0 . Der Ausdruck (5.3) kann auch unter der vereinfachten Form ...

a0 X
f (t) = + (an cos nt + bn sin nt) (5.4)
2 n=1

beschrieben werden.
Die Entwicklungen (5.3) und (5.4) stellen die Fourier-Reihe der Funktion f (t) dar. Die reellen Zahlen an und
bn sind die Fourier-Koeffizienten. Es ist klar, dass sie mit der Amplitude An und der Phase n zusammenhangen
uber die bekannten Gleichungen
p an
An = a2n + b2n , ,
tan n =
bn
In diesen Formeln muss der betreffende Quadrant sorgfaltig in Betracht gezogen werden.

5.2.3 Die Fourier-Koeffizienten


Ziel dieses Abschnittes ist die Herleitung von Formeln, welche uns erlauben, fur eine gegebene periodische Funk-
tion f (t) die Koeffizienten an und bn zu berechnen. Zu diesem Zweck beginnen wir mit einigen interessanten
Resultaten im Zusammenhang mit der Integration trigonometrischer Funktionen. In den folgenden Formeln ist T
die Periodenlange der betrachteten Funktion und = 2T .


Z d+T 0 (n 6= 0)

cos(nt) dt = (5.5)
d
T (n = 0)

Z d+T
sin(nt) dt = 0, ganze n (5.6)
d


Z d+T 0
(m 6= n)
sin(mt) sin(nt) dt = (5.7)
d T


2 (m = n 6= 0)


Z d+T 0
(m 6= n)
cos(mt) cos(nt) dt = (5.8)
d T


2 (m = n 6= 0)
Z d+T
cos(mt) sin(nt) dt = 0, ganzen m, n. (5.9)
d

171
Die Formeln (5.5) bis (5.9) beschreiben die sogenannten Orthogonalitatsrelationen der trigonometrischen
Funktionen. In diesen ist die Wahl des Parameters d beliebig. Er dient einzig der Definition der unteren Grenze der
Integration und beeinflusst den Wert des Integrals nicht, da der Integrand periodisch ist. Wesentlich ist hingegen
die Lange T des Integrationsintervalls.
Integrieren wir die Formel (5.4) in Bezug auf die Variable t auf einem Intervall [d, d+T ] mit beliebig gewahltem
d, so erhalten wir:


!
d+T d+T
a0 X
Z Z
f (t) dt = + (an cos nt + bn sin nt) dt
d d 2 n=1

!
d+T Z d+T Z d+T
a0
Z X
= dt + an cos nt dt + bn sin nt dt
d 2 n=1 d d

a0 X
= T+ (an 0 + bn 0)
2 n=1
a0
= T
2
Dieses Resultat ist gultig, falls gliedweise integriert werden darf. Dies ist der Fall unter gewissen Bedingungen
(vergleichen Sie dazu das Kapitel uber Potenzreihen und den Konvergenzbegriff von Reihen).
Aus der Gleichung
d+T
a0
Z
T = f (t) dt,
2 d

gewinnen wir eine Formel, welche das explizite Berechnen des Koeffizienten a0 aus der Funktion f (t) erlaubt.
d+T
2
Z
a0 = f (t) dt (5.10)
T d

Um den allgemeinen Koeffizienten an fur n > 0 zu berechnen benutzen wir eine Methode, welche der Be-
rechnung von a0 ahnelt. Wir beginnen mit der Multiplikation der Gleichung (5.4) durch cos mt und integrieren
anschliessend uber die Variable t auf einem Intervall [d, d + T ]:

Z d+T
f (t) cos mt dt
d

!
d+T
a0 X
Z
= + (an cos nt + bn sin nt) cos mt dt
d 2 n=1

!
d+T Z d+T Z d+T
a0
Z X
= cos mt dt + an cos nt cos mt dt + bn sin nt cos mt dt
d 2 n=1 d d

Indem wir erneut voraussetzen, dass die gliedweise Integration moglich ist und dank den Formeln (5.5 bis (5.9)
bemerken wir wegen m 6= 0, dass der einzige nicht verschwindende Term, auf der rechten Seite, zum Wert n = m
gehort. Wir haben:
d+T d+T
T
Z Z
f (t) cos mt dt = am cos mt cos mt dt = am
d d 2
Diese Gleichung fuhrt zur folgenden Formel fur den Koeffizienten am :
d+T
2
Z
am = f (t) cos mt dt
T d

172
Indem wir den Index m durch n ersetzen erhalten wir eine Formel fur die Berechnung des allgemeinen Koef-
fizienten an :
d+T
2
Z
an = f (t) cos nt dt (5.11)
T d
Daruber hinaus konnen die beiden Formeln (5.10) und (5.11) vereint werden in eine einzige:
d+T
2
Z
an = f (t) cos nt dt n = 0, 1, 2, . . . (5.12)
T d

Die Berechnung der Koeffizienten bn geschieht auf ahnliche Weise. Multiplikation der Gleichung (5.4) mit
sin mt und Integration bezuglich t auf einem Intervall [d, d + T ] liefert :

Z d+T
f (t) sin mt dt
d

!
d+T
a0 X
Z
= + (an cos nt + bn sin nt) sin mt dt
d 2 n=1

!
d+T Z d+T Z d+T
a0
Z X
= sin mt dt + an cos nt sin mt dt + bn sin nt sin mt dt
d 2 n=1 d d

Setzen wir wieder die Richtigkeit der gliedweisen Integration voraus, so ist wegen den Formeln (5.5) bis (5.9)
der einzige nicht verschwindende Term auf der rechten Seite derjenige mit n = m:
d+T d+T
T
Z Z
f (t) sin mt dt = bm sin mt sin mt dt = bm
d d 2
Daraus konnen wir direkt einen Ausdruck fur die Berechnung des allgemeinen Koeffizienten bn ableiten:
d+T
2
Z
bn = f (t) sin nt dt (5.13)
T d

Zum Abschluss dieses Abschnittes notieren wir zusammenfassend die Formeln, welche wir erarbeitet haben:

2
Sei f (t) eine T -periodische Funktion und mit der Grundfrequenz = T .
Die Fourier-Reihe von f ist definiert durch

a0 X
f (t) = + (an cos nt + bn sin nt) (5.14)
2 n=1

Die Fourier-Koeffizienten an und bn sind gegeben durch die Formeln


d+T
2
Z
an = f (t) cos nt dt n = 0, 1, 2, . . . (5.15)
T d
und
d+T
2
Z
bn = f (t) sin nt dt n = 1, 2, . . . (5.16)
T d
Der Parameter d, welcher die untere Intervallgrenze festlegt, kann beliebig gewahlt werden. In der Praxis
wahlt man oft ein Intervall wie T /2 < t < T /2 (das heisst d = T /2) oder 0 < t < T (das heisst
d = 0).

173
5.2.4 Periodische Funktionen der Periodenlange 2
Im Spezialfall der Periodenlange 2 der Funktion f (t) ist die Kreisfrequenz = 1.
Die Fourier-Reihe von f vereinfacht sich zu

a0 X
f (t) = + (an cos nt + bn sin nt) , (5.17)
2 n=1

mit den Fourier-Koeffizienten


d+T
2
Z
an = f (t) cos nt dt n = 0, 1, 2, . . . (5.18)
T d
und
d+T
2
Z
bn = f (t) sin nt dt n = 1, 2, . . . (5.19)
T d

In der Praxis ist dieser Fall naturlich rar. Er stellt eher das Mathematische in den Vordergrund: Er erlaubt es,
einfacher zu rechnen, ohne an Allgemeinheit zu verlieren. In der Tat, konnen wir eine Funktion f (t) der Peri-
odenlange T durch Wahl der neuen Variablen
2t
. t1 =
T
Mit der neuen Funktion F (t1 ) beschreiben derart, dass
 
T
f (t) f t1 F (t1 )
2
Die neue Funktion F (t1 ) hat die Periodenlange 2 und somit die Kreisfrequenz 1. Es genugt also eine einfache
Variablentransformation, um eine T -periodische Funktion f (t) in eine aquivalente Funktion der Periode 2 zu
transformieren. Dieses Prinzip ist aus folgenden Grunden nutzlich: Um interessante Resultate der Fourier-Reihen
fur den allgemeinen Fall zu erhalten studieren wir zuerst den einfachen Fall der Funktionen mit Periodenlange
2 (bei dem sich die Rechnung vereinfacht). Anschliessend konnen wir die Resultate auf den allgemeinen T -
periodischen Fall ubertragen.

Beispiel 5.2.1 Bestimmen Sie die Fourier-Reihe der 2-periodisch fortgesetzten Funktion

f (t) = t, 0 < t < 2.

Losung:

Beispiel 5.2.2 Bestimmen Sie die Fourier-Reihe der 2-periodisch fortgesetzten Funktion

f (t) = t2 + t, < t < .


Beginnen Sie mit einer Skizze des Graphen der Funktion.
Losung:

174
t
T 2T

Abbildung 5.2: Periodische und stuckweise stetige Funktion

Eine periodische Funktion f (t) kann auf verschiedene Arten auf benachbarten Intervallen der Periodenlange
definiert werden (z.B. stuckweise stetige Funktionen, vergleiche Figur 5.2)
Um die Fourier-Koeffizienten einer solchen Funktion zu berechnen ist es notwendig, die Integration uber eine
Periode in mehrere Teile aufzuspalten und schliesslich die Ergebnisse zu summieren.

Beispiel 5.2.3 Bestimmen Sie die Fourier-Reihe der 2-periodischen, und stuckweise stetigen Funktion, definiert
durch

(0 t 2 )




t


f (t) =
( 2 < t )
2



t ( < t 2)


2

Losung:

5.2.5 Gerade und ungerade Funktionen


Dank ihren Symmetrieeigenschaften weisen gewisse Funktionen interessante Besonderheiten auf. So konnen bei-
spielsweise alle Koeffizienten bn = 0 oder alle Koeffizienten an = 0 sein. Solche Falle fuhren naturlich zu
Vereinfachungen in der Berechnung und in der Darstellung gemass Fourier.

Definition 5.1 Eine Funktion f (t) heisst gerade falls f (t) = f (t). Ihr Graph ist symmetrisch in bezug auf die
vertikale Achse Oy.

-a a t

Abbildung 5.3: Gerade Funktion

Aus Definition und elementaren Eigenschaften der Integration gilt fur eine gerade Funktion f :
Z a Z a
f (t) dt = 2 f (t) dt
a 0

175
Definition 5.2 Eine Funktion f (t) heisst ungerade falls f (t) = f (t). Ihr Graph weist eine Punktsymmetrie
bezuglich dem Ursprung auf.

-a a t

Abbildung 5.4: Ungerade Funktion

Ist f eine ungerade Funktion, so gilt


Z a
f (t) dt = 0
a

Im Weiteren sind folgende Eigenschaften von geraden und ungeraden Funktionen von Interesse:

Die Summe zweier geraden Funktionen ist auch gerade.


Die Summe zweier ungerader Funktionen ist auch ungerade.
Das Produkt von zwei geraden Funktionen ist ebenfalls eine gerade Funktion.
Das Produkt zweier ungeraden Funktionen ist eine gerade Funktion.
Das Produkt einer geraden und einer ungeraden Funktion ist eine ungerade Funktion.
Die Ableitung einer geraden Funktion ist ungerade.
Die Ableitung einer ungeraden Funktion ist gerade.

Wenn wir voraussetzen, dass die Funktion f (t), deren Fourier-Koeffizienten wir berechnen, gerade respektive
ungerade ist, so gilt dank den obigen Eigenschaften:

1. Ist f (t) eine gerade T -periodische Funktion, so gilt:

T /2 T /2
2 4
Z Z
an = f (t) cos nt dt = f (t) cos nt dt
T T /2 T 0

T /2
2
Z
bn = f (t) sin nt dt = 0
T T /2

Eine gerade, periodische Funktion f (t) enthalt also ausschliesslich Cosinus-Terme


a0 X
f (t) = + an cos nt (5.20)
2 n=1

mit

T /2
4
Z
an = f (t) cos nt dt n = 0, 1, 2, . . . (5.21)
T 0

176
2. Ist f (t) eine ungerade T -periodische Funktion, so gilt:

T /2
2
Z
an = f (t) cos nt dt = 0
T T /2

T /2 T /2
2 4
Z Z
bn = f (t) sin nt dt = f (t) sin nt dt
T T /2 T 0

Eine ungerade, periodische Funktion f (t) enthalt also ausschliesslich Sinus-Terme:


X
f (t) = bn sin nt (5.22)
n=1

mit

T /2
4
Z
bn = f (t) sin nt dt n = 1, 2, . . . (5.23)
T 0

Beispiel 5.2.4 Bestimmen Sie die Fourier-Reihe der 2-periodischen Funktion definiert durch


1 ( < t 0)

f (t) =

1 (0 < t )

Losung:

Beispiel 5.2.5 Eine 2-periodische Funktion f (t) sei definiert durch:

f (t) = t2 ( < t )
Bestimmen Sie die Fourier-Reihe dieser Funktion.
Losung:

177
5.2.6 Gerade und ungerade harmonische Funktionen
Mit weiteren Symmetrieeigenschaften haben gewisse Funktionen den Vorteil, dass ihre Fourier-Reihen nur gerade
oder ungerade Frequenzen enthalten. Diese verschiedenen Falle werden hier analysiert.

1. Gilt fur eine T -periodische Funktion f (t)


 
T
f t+ = f (t),
2

so treten in der Fourierreihe nur harmonische Anteile mit geraden Frequenzen auf (Figur 5.5).
Die Fourier-Koeffizienten lauten:

4 T /2
Z
f (t) cos nt dt falls n gerade



an = T 0 (5.24)

0

falls n ungerade

4 T /2
Z
f (t) sin nt dt falls n gerade



bn = T 0 (5.25)

0

falls n ungerade

Beweis:

t
T/2 T

Abbildung 5.5: Eine Funktion mit ausschliesslich geraden Frequenzen

2. Gilt hingegen fur eine T -periodische Funktion f (t)


 
T
f t+ = f (t),
2

so treten in der Fourierreihe nur harmonische Anteile mit ungeraden Frequenzen auf (Figur 5.6).
Die Fourier-Koeffizienten lauten:

4 T /2
Z
f (t) cos nt dt falls n ungerade



an = T 0 (5.26)

0

falls n gerade

4 T /2
Z
f (t) sin nt dt falls n ungerade



bn = T 0 (5.27)

0

falls n gerade

178
t
T/2 T

Abbildung 5.6: Funktion mit ausschliesslich ungeraden Frequenzen

Beweis:

Die Rechtecks-Welle des Beispiels (5.2.4) hat die Periodenlange 2 und die Eigenschaft f (t+) = f (t). Da-
mit enthalt ihre Fourier Entwicklung ausschliesslich ungerade harmonische Anteile. Im Weiteren ist die Funktion
ungerade. Damit enthalt Sie nur Sinus-Terme mit ungeraden Frequenzen.

Beispiel 5.2.6 Geben Sie die Entwicklung der Fourier-Reihe des Zweiweg-gerichteten Sinus definiert durch

f (t) = | sin t|

Losung:

5.2.7 Die Eigenschaft der Linearitat


Die Linearitat spielt eine wichtige Rolle in zahlreichen Gebieten der Mathematik. Sie tritt auch auf im Zusammen-
hang mit den Fourier-Reihen und kann unter folgender Form als Satz zusammengefasst werden:

Theorem 5.1 Seien g(t) und h(t) und f (t) = g(t)+h(t) periodische Funktionen der selben Periodenlange
T . Die Funktion f (t) kann in eine Fourier-Reihe entwickelt werden, wobei jeder ihrer Fourier-Koeffizienten
die Summe der entsprechenden Fourier-Koeffizienten von g(t) und h(t) ist.

Oder in Kurzform: Die Fourier-Reihe einer Summe ist gleich der Summe (Term um Term) der entsprechenden
Fourier-Reihen.
Beweis:

Beispiel 5.2.7 Unter der Voraussetzung, dass g(t) und h(t) 2-periodische Funktionen sind und auf dem Intervall
< t < folgendermassen definiert sind

g(t) = t2 , h(t) = t,
soll die Fourier-Reihe der 2-periodischen Funktion

179
f (t) = t2 + t
auf dem Intervall < t < berechnet werden. Benutzen Sie dabei fruhere Resultate.
Losung:

5.2.8 Konvergenz der Fourier-Reihe


Bis jetzt haben wir lediglich Rechenregeln ausgearbeitet (vor allem Integrationen), welche es erlauben, die Fourier-
Koeffizienten verschiedener Funktionen zu berechnen. Aber vereinfacht gesagt haben wir bis jetzt uberhaupt nicht
in Betracht gezogen, dass Reihen ja Summen sind mit unendlich vielen Termen. Es sind Vorsichtsmassnahmen
zu ergreifen in der Art, dass garantiert ist, dass die Reihen, welche wir durch die Rechnungen bekommen auch
existieren und die darzustellende Funktion auch wirklich richtig beschreiben.

Theorem 5.2 (Dirichlet-Bedingungen) Sei f (t) eine T -periodische Funktion, welche beschrankt ist. Be-
sitzt daruber hinaus diese Funktion auf einer Periodenlange

eine endliche Zahl von Minima und Maxima,


eine endliche Zahl von Sprungstellen,

so konvergiert die Fourier-Reihe von f (t) in jedem Punkt gegen f (t), wo f stetig ist. An den Sprungstellen
konvergiert die Reihe gegen den Mittelwert des links- und rechtsseitigen Grenzwertes.

Ohne Beweis.
Die Voraussetzungen von Satz (5.2) sind hinreichend, damit die Funktion f (t) als Fourier-Reihe existiert und
entsprechend dargestellt werden kann.

1 1
Beispiel 5.2.8 Drucken Sie aus, ob die 2-periodischen Funktionen f (t) = 3t und g(t) = sin t2 in eine
Fourier-Reihe entwickelt werden konnen.
Losung:

Ein weiterer wichtiger zu berucksichtigender Aspekt der Berechnung von Fourier-Reihen ist die Konvergenz-
geschwindigkeit. Fur numerische Berechnungen ist es naturlich unmoglich, die unendliche Reihe zu erfassen. Es
ist notwendig, die Reihe nach einer endlichen Anzahl Summanden abzuschneiden. Die Zahl der zu berucksichti-
genden Terme hangt von der Konvergenzgeschwindigkeit und der verlangten Genauigkeit ab.
Als Beispiel betrachten wir die 2-periodische Sagezahn Funktion, beschrieben durch

f (t) = t, 0 < t < 2


(vergleiche Beispiel (5.2.1).
Diese Funktion weist an der Stelle t = 0 eine Sprungstelle auf, welche sich bei allen vielfachen von 2 wie-
derholt. Wie die Rechnung im Beispiel (5.2.1) gezeigt hat, klingen die Fourier-Koeffizienten mit n1 ab und es ist

180
bekannt, dass es sich hier um eine langsame Konvergenz handelt. Im Gegensatz dazu klingen die Fourierkoeffizi-
enten der Funktion von Beispiel (5.2.3) mit n12 ab und damit ist die Konvergenzgeschwindigkeit (f ist stetig).
Allgemeinen konnen wir die Bedingungen zum Abschatzen der Konvergenzgeschwindigkeit in untenstehender
Liste zusammenfassen:
1
1. Ist f (t) eine stuckweise stetige Funktion, so klingen die Fourier-Koeffizienten wie n ab.
2. Ist f (t) eine uberall stetige Funktion, aber mit stuckweise stetiger Ableitung, so klingen ihre Fourier-
Koeffizienten mit n12 ab.
3. Ist f (t) und alle ihre Ableitungen bis zur Ordnung r stetig, seine (r + 1). Ableitung aber unstetig, so klingen
1
die Fourier-Koeffizienten mit nr+2 ab.

Um dieses Problem zu illustrieren betrachten wir die 2-periodische Funktion f (t) des Beispiels (5.2.4)


1 ( < t 0)

f (t) =

1
(0 < t )
Um die numerischen Berechnungen auszufuhren ist es notwendig, die Reihe nach N Summanden abzubrechen.
Wir bekommen eine Approximation fN (t) der Funktion f :
N
4X 1
fN (t) = sin(2n 1)t
n=1 2n 1
Wir stellen in Figur 5.7 die Funktionen fN (t) fur verschiedene Werte von N dar:

1 1

2 2
N=4 N=8

1 1

1 1

2 2
N = 16 N = 64

1 1

Abbildung 5.7: Approximationen der Rechteckwelle: 4, 8, 16 und 64 Harmonische.

Wir konnen beobachten, dass fur jeden Punkt t, wo die Funktion stetig ist, die Folge der Approximationen
fN (t) mit wachsendem N gegen den exakten Funktionswert f (t) konvergiert .
Weiter konnen wir auch beobachten, dass an den Stellen, in denen f unstetig ist (t = n, n = 0, 1, 2, . . .),
die Folge der Werte fN (t) gegen den Mittelwert der beiden Grenzwerte der Funktion f von links und von rechts
konvergiert.

181
Nach diesen Betrachtungen ist es eigentlich nicht ganz korrekt zu sagen, dass die Fourier-Reihe im Falle von
Sprungstellen gleich der Funktion f ist (da die Funktionswerte nicht uberall gleich sind). Dieses Phanomen wird
etwa ausgedruckt durch das Symbol (was bedeutet: dargestellt durch) anstelle des Gleichheitszeichens. So
konnten wir beispielsweise fur das Beispiel (5.2.4) schreiben:

4X 1
f (t) sin(2n 1)t
n=1 2n 1

Eine weitere Charakteristik tritt auf bei der Approximation einer Fourier-Reihe in der Umgebung einer Sprung-
stelle. Dort konnen wir immer Oszillationen betrachten, deren Breite mit wachsender Anzahl Terme kleiner wird,
hingegen nicht die Amplitude. Man spricht vom Gibbs-Phanomen2 .

1 1
N=4 N=8

1 1
1 1
N = 16 N = 64

1 1

Abbildung 5.8: Approximationen einer Dreieckswelle: 4, 8, 16 und 64 Harmonische.

5.2.9 Beispiele
Wie schon fruher erwahnt, ist es ausserst selten in der Realitat, dass wir periodische Funktionen der Periodenlange
2 haben. In diesem Abschnitt geben wir einige Beispiele und Aufgaben mit realistischeren Periodenlangen.

Beispiel 5.2.9 Eine Funktion der Periodenlange 4 sei definiert auf dem Intervall 2 < t < 2 durch


0 (2 < t 0)

f (t) =

1 (0 < t 2)

Zeichnen Sie den Graphen von f auf dem Intervall 6 t 6 und berechnen Sie Ihre Fourier-Reihe.
Losung:

2 J.W. Gibbs, Amerikanischer Physiker (1839-1903)

182
Beispiel 5.2.10 Fur eine periodische Funktion f gelte f (t + 2) = f (t) und


3t (0 < t 1)

f (t) =

3 (1 < t 2)

Zeichnen Sie den Graphen von f auf dem Intervall 4 t 4 und berechnen Sie ihre Fourier-Reihe.
Losung:

5.2.10 Aufgaben

Aufgabe 5.2.1 Berechnen Sie die Fourier-Reihe der in der Grafik 5.9 dargestellten Funktion.

t
10 5 0 5 10 15

Abbildung 5.9:

Aufgabe 5.2.2 Wir betrachten die 2-periodische Funktion t2 auf dem Intervall [0, 2], gemass Figur 5.10:

t
4 2 0 2 4

Abbildung 5.10: Parabelbogen

Berechnen Sie ihre Fourier-Reihe.

Aufgabe 5.2.3 Sei f (t) eine stuckweise stetige 2-periodische Funktion mit der Fourier-Reihe

a0 X
f (t) + (ak cos kt + bk sin kt).
2
k=1
Zeigen Sie dass, falls f (t) gerade (respektive ungerade) ist, gilt bk = 0 fur alle k 1 (respektive ak = 0 fur
alle k 1).

183
Aufgabe 5.2.4 Gegeben sei die Funktion f (t) = 1 + t. Bestimmen Sie eine trigonometrische Reihe, die auf dem
Intervall [1, 1] gleichmassig gegen die Funktion f konvergiert.

184
5.3 Funktionen auf einem endlichen Intervall
Eine der Bedingungen zur Benutzung der Fourier-Reihe ist die Periodizitat der Funktion. Eine nicht-periodische
Funktion f (t) konnen wir nicht in eine Fourier-Reihe entwickeln, welche fur alle reelle Zahlen konvergiert.
Hingegen existiert die Moglichkeit eine auf einem endlichen Intervall definierte Funktion als Fourier-Reihe zu
beschreiben. Dieses Verfahren wird in der Praxis oft verwendet, beispielsweise bei partiellen Differentialgleichun-
gen (auf einem endlichen Intervall).

5.3.1 Vollstandige Reihen


Wir setzen voraus, dass die gegebene Funktion f (t) nur auf einem endlichen Intervall 0 t definiert ist. Um
eine vollstandige Fourier-Reihe zu gewinnen (d.h. eine Reihe mit allen Sinus und Cosinus-Termen), welche die
Funktion f auf dem Intervall beschreibt, beginnen wir mit der periodischen Fortsetzung von f :


(t) = f (t)
(0 t < )
(5.28)

(t + n ) = (t) n = 1, 2, 3, . . .

t
2 2 3

Abbildung 5.11: Periodische Fortsetzung

Fur jede Funktion (t), welche die Dirichlet-Bedingungen erfullt, existiert ihre Fourier-Reihe und sie kann mit
den ublichen Formeln berechnet werden. Auf dem Intervall 0 t sind aber die beiden Funktionen f und
identisch. Also beschreibt die Fourier-Reihe von auch die Funktion f auf dem endlichen Intervall.

Beispiel 5.3.1 Bestimmen Sie eine vollstandige Fourier-Reihe, welche die Funktion f (t) = t auf dem Intervall
0 < t < 4 beschreibt. Zeichnen Sie den Graphen von f und die Funktion, welche die Fourier-Reihe beschreibt.
Losung:

5.3.2 Cosinus-Reihen und Sinus-Reihen


Anstatt die Funktion fortzusetzen wie im vorangegangenen Abschnitt (Gleichung 5.28), ist es manchmal vorteil-
haft, eine gerade oder eine ungerade Fortsetzung der Funktion zu betrachten. Auf diese Weise kann sogar eine
Fourier-Reihe gewonnen werden, welche nur aus Cosinus-Termen bzw. Sinus-Termen besteht.
Sei f (t) Funktion, welche nur auf dem Intervall 0 t definiert ist. Die periodische gerade Fortsetzung
von f ist eine Funktion F (t) mit Periodenlange 2 , gegeben durch


f (t)
(0 < t < )
F (t) = (5.29)

f (t) ( < t < 0)

185
t
3 3 5

Abbildung 5.12: Gerade periodische Fortsetzung

Erfullt f (t) die Dirichlet-Bedingungen auf dem Intervall 0 < t < , so folgt, dass die Fourier-Reihe von F (t)
lediglich Cosinus-Terme und einen konstanten Term enthalt:
 
a0 X nt
F (t) = + an cos (5.30)
2 n=1

wobei
 
2 nt
Z
an = f (t) cos dt (n = 0, 1, 2, . . .) (5.31)
0
Da auf dem Intervall 0 t die Funktionen f und F identisch sind, so beschreibt die Reihe auf dem
Intervall auch die Funktion f .
Sei erneut f (t) eine Funktion, welche nur auf dem Intervall 0 t definiert ist. Die ungerade periodische
Fortsetzung von f ist eine Funktion G(t) mit Periodenlange 2 gegeben durch


f (t)
(0 < t < )
G(t) = (5.32)

f (t) ( < t < 0)

2 3 5
3 2 4
t

Abbildung 5.13: Ungerade periodische Fortsetzung

Erfullt f (t) die Dirichlet-Bedingungen auf dem Intervall 0 < t < , so besteht die Fourier-Reihe von G(t) nur
aus Sinus-Termen:
 
X nt
G(t) = bn sin (5.33)
n=1

mit
 
2 nt
Z
bn = f (t) sin dt (n = 1, 2, . . .) (5.34)
0
Da auf dem Intervall 0 t die Funktionen f und G identisch sind, so beschreibt die Fourier-Reihe auf
diesem Intervall auch die Funktion f .
Es ist hier zu bemerken, dass in den beiden Fallen (gerade und ungerade Fortsetzung) die fortgesetzten Funk-
tionen die Periodenlange 2 aufweisen, welche doppelt so gross ist wie das Intervall der Originalfunktion f .

186
Beispiel 5.3.2 Sei die Funktion f (t) = t auf dem Intervall 0 < t < 4 definiert. Bestimmen Sie:
1. Eine Fourier-Reihe nur mit Cosinussen, welche f beschreibt,
2. Eine Fourier-Reihe nur mit Sinussen, welche f beschreibt.
Zeichnen Sie die Graphen von f und die durch die Fourier-Reihe dargestellte Funktion.
Losung:

5.3.3 Aufgaben

Aufgabe 5.3.1 Betrachten Sie die Funktion f (t) = t fur 0 < t < 2:

t
-2 2

-2

Abbildung 5.14: f mit ungerader Fortsetzung.

t
-2 2 4

Abbildung 5.15: f mit gerader Fortsetzung.

1. Entwickeln Sie die Funktion f (t) in eine Fourier-Reihe mit Sinussen.


2. Entwickeln Sie die Funktion f (t) in eine Fourier-Reihe mit Cosinussen.

Aufgabe 5.3.2 Zeigen Sie, dass die Fourier-Reihe mit Sinussen der Funktion f (t) = 1, 0 < t < , lautet:

4X 1
f (t) = sin(2n 1)t (0 < t < )
n=1 2n 1

Aufgabe 5.3.3 Ein elastisches, homogenes Seil ist an seinen Enden x = 0 und x = L eingespannt. Der Mittel-
punkt des Seils wird um eine Distanz a ausgelenkt, wie in der Figur 5.16 gezeigt.
Falls f (x) die Auslenkung des Seils in Bezug auf sein Ruhelage beschreibt, soll f (x) als Fourier-Reihe mit
Sinus-Termen beschrieben werden.

187
f(x)

x
L/2 L

Abbildung 5.16: Gespanntes Seil von Aufgabe 5.3.3

5.4 Ableitung und Integration von Fourier-Reihen


5.4.1 Integration einer Fourier-Reihe

Theorem 5.3 Sei f (t) eine periodische Funktion, welche die Dirichlet-Bedingungen erfullt. Die Fourier-
Reihe von f (t) kann gliedweise, Term um Term, integriert werden und die so erhaltene Reihe konvergiert
gegen das Integral der Funktion f (t).

Wir geben an dieser Stelle keinen Beweis dieses Satzes.


Es ist dennoch notwendig auf eine Detail aufmerksam zu machen: Durch die Integration der Terme erhalten
wir auch Integrationskonstanten. Es ist notwendig, diese entsprechend dem konkreten Integral der Funktion f
anzupassen.

Beispiel 5.4.1 Die 2-periodische Funktion


f (t) = t2 ( < t < )
besitzt als Fourier-Reihe die Entwicklung (vergleiche Beispiel 5.2.5):

2 X (1)n
t2 = +4 cos(nt) ( < t < )
3 n=1
n2
Integration dieses Resultates zwischen den Grenzen und t ergibt:
t t Z t
2 (1)n
Z Z X
2
d = d + 4 cos(n ) d,
3 n=1
n2
Das heisst nach dem Durchfuhren der Integration:

t3 3 2 3 X (1)n
+ = t+ +4 sin(nt)
3 3 3 3 n=1
n3
Vereinfachung der Ausdrucke und Multiplikation der Gleichung mit 3 ergibt:

3 2
X (1)n
t = t + 12 sin(nt)
n=1
n3
Der Term 2 t rechts gehort aber nicht zu einer Fourier-Reihe. Subtrahieren wir ihn auf beiden Seiten, so
gewinnen wir daraus
g(t) = t3 2 t, mit < t <
also die Fourier-Reihe der 2-periodischen Funktion t3 2 t, welche nur aus Sinus-Termen besteht:

X (1)n
t3 2 t = 12 sin(nt)
n=1
n3

188
Beispiel 5.4.2 Durch gliedweise Integration der Fourier-Reihe des 2-periodischen Rechtecksignals


1 ( < t 0)

f (t) =

1 (0 < t )

erhalten wir aus Beispiel (5.2.4) auch die Fourier-Reihe der Funktion

g(t) = |t| ( < t < )

Losung:

5.4.2 Ableitung einer Fourier-Reihe

Theorem 5.4 Sei f (t) eine stetige, periodische Funktion, welche die Dirichlet-Bedingungen erfullt. Wir
setzen daruber hinaus voraus, dass auch ihre Ableitung die Dirichlet-Bedingungen erfullt. Dann ist die
termweise abgeleitete Fourier-Reihe von f nichts anderes als die Fourierreihe von f .

Dieser Satz wird nicht bewiesen.


Die Stetigkeitsbedingung der Funktion f ist hier wichtig und damit verbunden naturlich auch die Stetigkeit
an den Endpunkten einer Periode. Um dieses Detail zu illustrieren, betrachten wir die Fourierentwicklung der
2-periodischen Funktion

f (t) = t ( < t < ).


Wir haben in Beispiel (5.2.7) gesehen, dass die Fourier-Reihe gegeben ist durch
 
1 1 1
f (t) = 2 sin t sin 2t + sin 3t sin 4t + . . .
2 3 4
Gliedweise Ableitung ergibt:

f (t) = 2 (cos t cos 2t + cos 3t cos 4t + . . .)


Wenn diese Prozedur korrekt ware, so musste die so erhaltene Fourier-Reihe auf dem gesamten Intervall 1 sein.
Dies ist nicht der Fall, da die Reihe der rechten Seite nicht fur alle Werte konvergiert (z.B. fur t = 0).
Hingegen gilt fur eine 2-periodische Funktion f (t) mit der Fourier-Reihe

a0 X
f (t) = + (an cos nt + bn sin nt)
2 n=1

X
f (t) = (nbn cos nt nan sin nt)
n=1
wenn sie die Bedingungen des Satzes erfullt.
Wir konnen aus diesem Resultat schliessen, dass die Fourier-Reihe einer Ableitung im allgemeinen langsamer
konvergiert als diejenige der Funktion f .

189
Beispiel 5.4.3 Durch Ableitung der Fourier-Reihe der 2-periodischen Funktion

f (t) = t2 ( < t < ),


soll die Fourierentwicklung der Funktion f (t) = t auf dem Intervall < t < bestimmt werden.
Losung:

5.4.3 Aufgaben

Aufgabe 5.4.1 Zeigen Sie, dass die 2L-periodische Funktion

f (t) = t (L < t < L)


die Fourier-Reihe
 
2L t 1 2t 1 3t
f (t) = sin sin + sin ...
L 2 L 3 L
aufweist.

Aufgabe 5.4.2 Wir betrachten die Funktion g(t) = t2 auf dem Intervall 2 < t < 2.

1. Berechnen Sie die Fourier-Reihe der Funktion g(t).


2. Berechnen Sie daraus den Wert der Reihe


X (1)k1 1 1 1 1
=1 + 2 2 + 2 ...
k2 22 3 4 5
k=1

Aufgabe 5.4.3 Gegeben sei eine stetige Funktion g(t) auf dem Intervall [0, 1].

1. Zeigen Sie, dass g immer in der Form


X
g(t) k sin kt,
k=1

geschrieben werden kann, und berechnen Sie die Werte k .


2. Sei u(t) die Losung des Anfangswertproblems

u (t) u(t) = g(t),

t [0, 1],

u(0) = u(1) = 0,

wobei ein reeller Parameter sei.

190
Wir betrachten die Reihenentwicklung von u(t) nach Fourier:


X
u(t) bk sin kt.
k=1

Diskutieren Sie, ob die Dirichlet-Bedingungen fur u erfullt sind.


3. Drucken Sie die Koeffizienten von u(t) in Abhangigkeit der Fourier-Koeffizienten von g aus.
4. Fur welche Werte von erhalten wir immer eine eindeutige Losung ?
5. Unter der Voraussetzung, dass eine positive ganze Zahl j existiert, so dass gilt = j 2 2 soll die Bedingung
fur g formuliert werden, so dass mindestens eine Losung u existiert.
6. Nehmen Sie als Beispiel die Funktion g(t) = 1.

191
5.5 Anwendungen: Frequenzgang und schwingungsfahige Systeme
5.5.1 Lineare Systeme mit periodischem Eingangssignal
Im Kapitel Laplace-Transformation haben wir lineare, stabile Systeme und deren Ubertragungsfunktionen G(s)
studiert. Wir haben gezeigt, dass ein sinusformiges Eingangssignal der Form A sin(t + ) folgende stationare
Antwort liefert:

xstat (t) = A|G(j)| sin (t + + arg G(j)) (5.35)


Mit den Mitteln der Entwicklung einer Reihe nach Fourier konnen wir dieses Resultat auch zur Bestimmung
von stationaren Antworten eines linearen, stabilen Systems mit nicht sinusformigem periodischem Inputsignal
verwenden.
Wir betrachten also ein lineares, stabiles System mit der Ubertragungsfunktion G(s). Wir betrachten nun einen

periodischen Input P (t) der Periodenlange T = 2L und Frequenz = L (ausgedruckt in Radiant pro Sekun-
de). Wir haben in den vorhergehenden Abschnitten gesehen, dass die Funktion P (t) dargestellt werden kann als
Fourier-Reihe der Form

a0 X
P (t) = + An sin (nt + n ) (5.36)
2 n=1
Die Koeffizienten An sind die Amplituden der verschiedenen harmonischen Anteile und die n ihre Phasen-
verschiebungen. Fur jeden Term in der Fourier-Reihe (5.36) (welche sinusformige elementare Funktionen sind)
konnen wir Formel (5.35) benutzen. Da das System linear ist, so konnen wir das Prinzip der Superposition an-
wenden. Auf diese Art konnen wir die stationare Antwort des Inputs als Summe von stationaren Antworten der
einzelnen harmonischen Funktionen auffassen. Wir haben also:

a0 X
xstat (t) = G(0) + An |G(jn)| sin (nt + n + arg G(jn)) (5.37)
2 n=1

Zu diesem Punkt sind zwei Bemerkungen angebracht:


In linearen, reellen Systemen haben wir |G(j)| 0 fur , das heisst fur grosse Frequenzen. Somit
ist |G(jn)| 0 falls n . Als Folge davon konvergiert die Fourier-Reihe xstat (t) des stationaren
Anteils schneller als die Fourier-Reihe des periodischen Inputs P (t). Dies ist der Grund, dass ein solches
System eine gewisse Glattung bewirkt.
Es gibt einen wichtigen Unterschied zwischen der Antwort eines linearen Systems eines periodischen Signals
falls der Input rein sinusformig ist gegenuber einem nicht sinusformigen. Im ersten Fall ist die Antwort auch
rein sinusformig mit der selben Frequenz wie der Input. Im zweiten Fall enthalt die stationare Antwort eine
unendliche Summe von sinusformigen Anteilen, deren Frequenzen Vielfache der Grundfrequenz sind.
Dies ist von grosser Bedeutung in der Analyse von schwingungsfahigen Systemen: Ist die Frequenz n einer
Harmonischen in der Nahe der Eigenfrequenz des Systems, so entsteht Resonanz, welche entscheidende
Konsequenzen haben kann. Speziell kann Resonanz bei einer Frequenz auftreten, welche viel hoher liegt als
die Frequenz des Inputs !

Beispiel 5.5.1 Ein mechanisches Problem: Ein gedampftes Masse-Feder-System ist im Gleichgewicht (Siehe Fi-
gur 5.17). Bestimmen Sie die stationare Antwort dieses Systems, wenn die Masse einer externen periodischen
Kraft P (t) der Form einer periodischen Rechteckfunktion mit Amplitude 10 und Periode 2 ausgesetzt ist. Die
numerischen Werte der Parameter sind: M = 10 [kg], B = 0.5 [kg s1 ], K = 250 [N m1 ].
Losung:

192
111111111111
000000000000
000000000000
111111111111
000000000000
111111111111 10 P(t)
K B
t
111111
000000
000000
111111
2 3 4 5

M 111111
000000
000000
111111
10
x(t)

Abbildung 5.17: Gedampftes Masse-Feder-System von Beispiel 5.5.1

5.6 Komplexe Form der Fourier-Reihe


Wegen der engen Beziehung zwischen sinusformigen Funktionen und der Exponentialfunktion (Formeln von Eu-
ler) ist es fur viele Anwendungen interessant, die Fourier-Reihe in komplexer Form auszudrucken. Die folgenden
Abschnitte geben uns die notwendigen Beziehungen.

5.6.1 Komplexe Form


Sei f (t) eine T -periodische Funktion, dargestellt durch die Fourier-Reihe

a0 X
f (t) = + (an cos nt + bn sin nt) (5.38)
2 n=1

Wir wollen sie in komplexer Form schreiben. Wir erinnern uns der Eulerschen Formeln (inverse):

ej + ej ej ej
cos = sin =
2 2j
Wenn wir fur den Winkel den Wert nt nehmen, so haben wir:

ejnt + ejnt ejnt ejnt


cos nt = sin nt =
2 2j
Wir konnen diese Formeln in Gleichung (5.38) einsetzen:


a0 X ejnt + ejnt ejnt ejnt
f (t) = + an + bn
2 n=1
2 2j

a0 X an jnt  X bn jnt
+ ejnt ejnt

= + e j e
2 n=1
2 n=1
2
 
a0 X an jbn jnt an + jbn jnt
= + e + e (5.39)
2 n=1
2 2

Wir definieren jetzt die neuen komplexen Koeffizienten:

c0 = a0
2
an jbn (5.40)
cn = 2 n = 1, 2, 3, . . .
an + jbn
cn = 2 n = 1, 2, 3, . . .

Hier sind zwei Bemerkungen angebracht:

193
Die Koeffizienten cn sind fur alle ganzzahligen Werte des Index n definiert, auch fur negative. So ist bei-
spielsweise

a3 + jb3
c3 =
2
wohl definiert.
Fur negative n haben wir:

cn = cn
So ist beispielsweise c3 die Konjugiert-Komplexe von c3 .
Dank den neuen Koeffizienten konnen wir eine vereinfachte Form von der Gleichung (5.39), allerdings mit
komplexen Koeffizienten, anschreiben:


X
X
f (t) = c0 + cn ejnt + cn ejnt
n=1 n=1
X
X
= c0 + cn ejnt + cm ejmt
n=1 m=1
+
X
= cn ejnt (5.41)
n=

Wir haben damit die komplexe Form der Fourier-Reihe gewonnen:


+
X
f (t) = cn ejnt (5.42)
n=

Um die komplexe Formulierung der Fourier-Reihe nutzbar zu machen ist es noch notwendig, die Formeln zur
Berechnung der Fourier-Koeffizienten cn anzupassen. Fur dieses Ziel genugt es die Formeln (5.40) der reellen
Koeffizienten an und bn , die wir schon kennen, einzusetzen (es handelt sich um Integrale). Also:
d+T
a0 1
Z
c0 = = f (t) dt (5.43)
2 T d
Fur positives n:
"Z #
d+T Z d+T
an jbn 1 2
cn = = f (t) cos nt dt j f (t) sin nt dt
2 2 T d d

1 d+T
Z
= f (t)(cos nt j sin nt) dt
T d
1 d+T
Z
= f (t)ejnt dt (5.44)
T d
Ebenso:
"Z #
d+T Z d+T
an + jbn 1 2
cn = = f (t) cos nt dt + j f (t) sin nt dt
2 2 T d d

1 d+T
Z
= f (t)(cos nt + j sin nt) dt
T d
1 d+T
Z
= f (t)ejnt dt (5.45)
T d

194
Schliesslich konnen die Formeln (5.43, (5.44) und (5.45) einheitlich notiert werden in der Form
d+T
1
Z
cn = f (t)ejnt dt n = , . . . , 2, 1, 0, 1, 2, . . . , (5.46)
T d

Zusammenfassung
Die komplexe Form der Fourier-Reihe einer T -periodischen Funktion f (t) ist gegeben durch
+
X
f (t) = cn ejnt (5.47)
n=

mit den Koeffizienten


d+T
1
Z
cn = f (t)ejnt dt n = , . . . , 2, 1, 0, 1, 2, . . . , (5.48)
T d

Im Allgemeinen sind die Koeffizienten cn (fur n = 0, 1, 2, . . .) komplexe Zahlen. Sie konnen in polarer
Form ausgedruckt werden:

cn = |cn |ejn (5.49)


In diesem Ausdruck bezeichnet |cn | den Betrag des Koeffizienten cn , welcher aus den reellen Koeffizienten an
und bn berechnet werden kann:
1p 2
an + b2n
|cn | =
2
Also ist 2|cn | gleich der Amplitude der n-ten Harmonischen. Weiter ist das Argument n gleich der Phase der
n-ten Harmonischen.

Beispiel 5.6.1 Bestimmen Sie die komplexe Form der Fourier-Reihe der 2-periodischen Funktion
t
f (t) = cos ( < t < )
2
Diese Funktion ist in Figur 5.18 dargestellt.

f(t)

t
-Pi Pi 3 Pi
Abbildung 5.18: Funktion f (t) von Beispiel 5.6.1

Losung:

195
Beispiel 5.6.2 Bestimmen Sie die komplexe Form der Fourier-Reihe der Sagezahn-Funktion, deren Periode T =
2L betragt und welche in Figur 5.19 dargestellt ist.
2t
f (t) = (0 < t < T )
L

f(t)

t
-2 L 2 L 4 L

Abbildung 5.19: Sagezahn-Funktion von Beispiel 5.6.2

Losung:

5.6.2 Multiplikationssatz und Satz von Parseval


Hier wollen wir noch zwei wichtige Resultate fur die Signalverarbeitung analysieren: Der Multiplikationssatz (im
Kontext der Fourier-Reihe) und der Satz von Parseval, welcher manchmal auch als Parseval-Identitat bezeichnet
wird.

Theorem 5.5 (Multiplikationssatz) Seien f (t) und g(t) zwei periodische Funktionen der gleichen Peri-
odenlange T mit den bekannten Fourier-Koeffizienten cn beziehungsweise dn fur n = 0, 1, 2, . . .. Also:
+T
1
Z X
f (t)g(t) dt = cn dn (5.50)
T n=

In dieser Formel bezeichnet dn die Konjugiert-Komplexe von dn .

Beweis:

In reeller Schreibweise haben wir die Fourier-Reihen (wir bezeichnen mit an , bn die Koeffizienten von f (t)
und mit n , n diejenigen von g(t)):

 X
  
a0 X n2t n2t
f (t) = + an cos + bn sin
2 n=1
T n=1
T
   
0 X n2t X n2t
g(t) = + n cos + n sin
2 n=1
T n=1
T

Nach den Definitionen (5.43), (5.44) und (5.45) und mit dem Multiplikationssatz erhalten wir:

196
+T
1
Z X X
f (t)g(t) dt = cn dn + c0 d0 + cn dn
T n=1 n=1

1 1X
= 0 a0 + [(an jbn )(n + jn ) + (an + jbn )(n jn )]
4 4 n=1

1 1X
= 0 a0 + (an n + bn n )
4 2 n=1
Damit gewinnen wir den Multiplikationssatz in reeller Form:
+T
1 1 1X
Z
f (t)g(t) dt = 0 a0 + (an n + bn n ) (5.51)
T 4 2 n=1

Theorem 5.6 (Satz von Parseval) Sei f (t) eine T -periodische Funktion mit den Fourier-Koeffizienten cn
fur n = 0, 1, 2, . . .. Dann gilt:
+T
1
Z X X
f (t)2 dt = cn cn = |cn |2 (5.52)
T n= n=

Beweis:

Diese Gleichung kann auch durch die reellen Fourier-Koeffizienten ausgedruckt werden (dieses Resultat ist
leicht aus Gleichung (5.51) zu gewinnen):
+T
1 1 2 1X 2
Z
f (t)2 dt = a0 + (a + b2n ) (5.53)
T 4 2 n=1 n

Bemerkung: Der Ausdruck


s
+T
1
Z
f (t)2 dt
T
mit der T -periodischen Funktion f heisst quadratischer Mittelwert von f . Dieser Ausdruck spielt eine wich-
tige Rolle in der Mathematik. Er kann auch mit den Fourier-Koeffizienten (Gleichung (5.53)) ausgedruckt werden.

Beispiel 5.6.3 Wenden Sie den Satz von Parseval auf die 2L-periodische Funktion
2t
f (t) = (0 < t < 2L)
L
an und zeigen Sie dass

2 X 1
=
6 n=1
n2

Losung:

197
5.6.3 Diskretes Frequenzspektrum
Da wir eine T -periodische Funktion f (t) in Form einer Fourier-Reihe ausdrucken konnen, so ist es also moglich,
die Funktion in eine unendliche Summe von Harmonischen zu zerlegen, also in ihre Frequenz-Anteile. Die ver-
schiedenen Frequenzen (gemessen in Radiant pro Sekunde) lauten bekanntlich
n2
n = = n0 n = 1, 2, 3, . . . (5.54)
T
Die Frequenz 0 = 2T heisst Grundfrequenz.
Die Fourier-Reihe von f kann durch sein Frequenzspektrum interpretiert werden. Mit der grafischen Darstel-
lung des Frequenzspektrums werden die Charakteristiken des periodischen Signals deutlich sichtbar gemacht:

Das Amplitudenspektrum stellt die verschiedenen Amplituden der Harmonischen einer Funktion in Ab-
hangigkeit der Frequenzen n dar,
Das Phasenspektrum stellt die verschiedenen Phasen der Harmonischen in Abhangigkeit der Frequenzen
n dar.

Ist die Funktion f periodisch, dann haben wir es beim Amplitudenspektrum und Phasenspektrum mit diskreten
Spektren zu tun. Jedem ganzzahligen Vielfachen einer Grundfrequenz wird ein Amplitudenwert und eine Phase
zugeordnet.
Diese graphischen Darstellungen erweisen sich in verschiedenen Bereichen der Technik als nutzlich, speziell
in der Signalverarbeitung (Filter, Modulation, ...).
Sei f (t) eine T -periodische Funktion mit der reellen Fourier-Reihe
    
a0 X n2t n2t
f (t) = + an cos + bn sin
2 n=1
T T
Wie wir zu Beginn dieses Kapitels gesehen haben, kann die Reihe auch folgendermassen durch harmonische
Anteile dargestellt werden :
 
X n2t
f (t) = A0 + An sin + n (5.55)
n=1
T
Wir haben die Gleichungen
a0 p
A0 = An = a2n + b2n
2
bn an
cos n = sin n =
An An
In diesem Fall, ist das Amplitudenspektrum durch An in Abhangigkeit von n bestimmt und das Phasenspek-
trum durch n in Abhangigkeit von n .
In der Praxis ist es viel nutzlicher, mit der komplexen Form der Fourier-Reihe zu arbeiten. Fur die T -periodische
Funktion f (t) sind die komplexen Fourier-Koeffizienten, wie wir gesehen haben, gegeben durch

cn = |cn |ejn n = 0, 1, 2, . . .
In diesem Fall ist das komplexe Amplitudenspektrum durch die Betrage |cn | in Abhangigkeit der Frequenzen
n gegeben. Ebenso ist das komplexe Phasenspektrum bestimmt durch die Phasen n in Abhangigkeit der
Frequenzen n .
Weil cn = cn folgt |cn | = |cn |. Dies impliziert, dass das Amplitudenspektrum symmetrisch bezuglich
der vertikalen Achse ist. Im weiteren ist zu bemerken, dass die graphische Darstellung der Spektren sich auch auf
negative Frequenzen 0 , 20 , . . . bezieht. Es ist klar, dass diese Frequenzen nicht physikalischen Sachverhalten
entsprechen. Sie sind lediglich da als einfache mathematische Konvention. Die einzige physikalisch realistische
Darstellung eines Signals mit Frequenzen n0 ist die Kombination von komplexen Signalen ejn0 t und ejn0 t ,
das heisst:

198
c| c0 c1

c2 c2
c3

2 2 3

Abbildung 5.20: Amplitudenspektrum

/2

2
2 3

/2

Abbildung 5.21: Phasenspektrum

ejn0 t + ejn0 t = 2 cos n0 t (5.56)

Beispiel 5.6.4 Stellen Sie Amplituden-und Phasenspektrum der 2L-periodischen Funktion


t
f (t) = (0 < t < 2L)
L
grafisch dar. Betrachten Sie sowohl die reelle wie die komplexe Form.
Losung:

Weil, wie wir gesehen haben, |cn | = 12 a2n + b2n = 21 An , so sind die vertikalen Linien des rechten Teils
p

des komplexen Amplitudenspektrums gleich der Halfte der reellen Spektrallinien (die andere Halfte befindet sich
in der linken Halfte des komplexen Spektrums). Im komplexen Phasenspektrum korrespondieren die Phasen der
negativen Frequenzen als inverse Phasen der entsprechenden positiven Frequenzen.

199
In Gleichung (5.56) haben wir gesehen, dass durch kombinieren der positiven und negativen Frequenzen die
entsprechende Cosinus- und Sinusanteile berechnet werden konnen. Also konnen wir eine Phasenverschiebung
von /2 fur die positiven Frequenzen und die Sinus-Harmonischen in der Formel (5.55) bemerken.
Im ubrigen konnen wir naturlich die Formel auch in Cosinusform schreiben als:
 
X n2t
f (t) = A0 + An cos + n (5.57)
n=1
T
In dieser Formulierung ist das Amplitudenspektrum genau dasselbe wie in der Sinus-Darstellung (5.55). Hin-
gegen sind die Phasen um /2 verschoben.

Beispiel 5.6.5 Bestimmen Sie die komplexe Fourier-Reihe der 2L-periodischen Rechteckfunktion, wie sie in Figur
5.22 dargestellt ist.
f(t)

t
-3L -L d L 2L 3L

Abbildung 5.22: Rechteck-Funktion


1
Zeichnen Sie das Frequenzspektrum fur den Spezialfall mit d = 0.1 und L = 4 auf.
Losung:

5.6.4 Aufgaben

Aufgabe 5.6.1 Zeigen Sie, dass die komplexe Form der Fourier-Reihe der 2-periodischen Funktion

f (t) = t2 ( < t < )


lautet

X 2 jnt
f (t) = (1)n e
n=
n2
Leiten Sie daraus die reelle Fourier-Reihe ab und kontrollieren Sie das Resultat mit dem Beispiel 5.2.5.

Aufgabe 5.6.2 Bestimmen Sie die komplexe Form der Fourier-Reihe der 4-periodischen Funktion

0 2 < t < 0
f (t) =
1 0<t<2
Leiten Sie daraus die reelle Fourier-Reihe ab und kontrollieren Sie das Resultat mit dem Beispiel 5.2.9.

200
Aufgabe 5.6.3 Bestimmen Sie die komplexe Form der Fourier-Reihe des 2-periodischen zweiweg-gleichgerichteten
Sinus

f (t) = | sin t| <t<


Leiten Sie daraus die reelle Fourier-Reihe ab und kontrollieren Sie das Resultat mit dem Beispiel 5.2.9.

Aufgabe 5.6.4 Eine 2-periodische Funktion f (t) ist auf einer Periode definiert durch

0 < t < 0
f (t) =
1 0<t<
Ausgehend von den Fourier-Koeffizienten von f und vom Satz von Parseval ist zu zeigen dass gilt:

X 1 2
=
n=1
(2n 1)2 8

Aufgabe 5.6.5 Wir betrachten die periodische Funktion f (t) mit Periodenlange 20

f (t) = t 0 < t < 20.
2
1. Zeigen Sie, dass f in der Form


X (1)k+1  
f (t) 20 sin kt
k 20
k=1

ausgedruckt werden kann.

2. Unter Benutzung des Satzes von Parseval soll der mittlere quadratische Wert der Funktion f abgeschatzt
werden und zwar

(a) mit den vier ersten Termen der Fourier-Reihe von f ;


(b) mit den ersten acht Termen der Fourier-Reihe von f .

3. Berechnen Sie nachher den genauen quadratischen Mittelwert von f . Schatzen Sie schliesslich die prozen-
tualen Fehler der beiden geschatzten Werte ab.

201
5.7 Die diskrete Fourier-Transformation (DFT) und die FFT
5.7.1 Die diskrete Fourier-Transformation
Sei f (t) eine stuckweise stetige T -periodische Funktion (Figur 5.23).

T 2T

Abbildung 5.23: Beispiel einer periodischen Funktion

Setzen wir voraus, dass wir eine endliche Anzahl von N Funktionswerten auf einem Gitter von aquidistanten
Punkten uber einer Periode kennen (Figur 5.24):

Abbildung 5.24: Abgetastetes Signal mit N = 32

Diese Werte sind durch die Zahlen


 
T
f k = yk fur k = 0, 1, 2, . . . , N 1.
N
T
gegeben. Das Signal f (t) wird also in regelmassigen Zeitabstanden der Distanz h = N abgetastet. Ziel der
diskreten Fourier-Transformation ist es, eine Naherung der (komplexen) Fourier-Koeffizienten cn der Funktion f
zu bekommen. Realistischerweise liefert sie lediglich Approximationen fur

c N , c N +1 , . . . , c1 , c0 , c1 , c2 , . . . , c N 1 , falls N gerade,
2 2 2

c N 1 , c N 1 +1 , . . . , c1 , c0 , c1 , c2 , . . . , c N 1 , falls N ungerade.
2 2 2

Wir haben die Formel:

202
T
1
Z
t
cn = f (t)e2jn T dt (5.58)
T 0
Das Prinzip der DFT stammt aus folgender Idee: Sind Funktionswerte von f auf N Punkten in regelmassigen
Abstanden gegeben, so konnen wir eine Approximation des Integrals (5.58) durch eine numerische Formel, ba-
sierend auf den N Werten berechnen. Beispielsweise die Rechtecksformel oder die Trapezformel ermoglicht eine
solche Approximation. Bezeichnen wir die approximierten Fourier-Koeffizienten cn mit cn , so gilt:
N 1  
1 X k T
cn = yk e 2jn N
.
T N
k=0

Nach Vereinfachung und mit der Bezeichnung N = e2j N erhalten wir:
N 1
1 X nk
cn = yk N . (5.59)
N
k=0

5.7.2 Berechnung der DFT


Fur die tatsachlich durchgefuhrte Berechnung der approximierten Koeffizienten cn , kann gezeigt werden, dass
die folgende Methode sehr gut geeignet ist, da es sich schliesslich um das Losen eines Systems von linearen
Gleichungen handelt. Fur das folgende Prinzip setzen wir der Einfachheit halber voraus, dass N gerade ist:

Wir beginnen mit einer Umnummerierung der approximierten Koeffizienten:

falls 0 n < N2

Yn
cn = (5.60)
Yn+N falls N2 n < 0

Beispielsweise fur N = 8 haben wir die Gleichheiten:

c4 c3 c2 c1 c0 c1 c2 c3
Y4 Y5 Y6 Y7 Y0 Y1 Y2 Y3

Die Berechnung der Yn ist durch die folgende Formel gegeben:

N 1
1 X nk
Yn = yk N , fur n = 0, 1, . . . N 1. (5.61)
N
k=0

Die Berechnung der Koeffizienten Yn fur n = 0, 1, 2, . . . , N 1 erfordert N 2 Multiplikationen (N Multi-


plikationen fur jeden Koeffizienten Yn ).
Wir bezeichnen mit Y den Vektor bestehend aus den N Koordinaten Yk fur k = 0, 1, ..., (N 1), d. h.:
Y = (Y0 , Y1 , Y2 , . . . , YN 1 )T . Kennen wir die Yk , so konnen wir die ck leicht daraus bestimmen.

Fur N = e2j N definieren wir eine Matrix N durch.

1 1 1 1
2 N 1

1 N N N

2 4 2(N 1)
N

= 1 N N N

.. ..
. .


N 1 2(N 1) (N 1)2
1 N N N

Diese (komplexe) Matrix kann leicht berechnet werden. Im weiteren kann gezeigt werden, dass Sie inver-
tierbar ist. Daruber hinaus berechnet sich ihre Inverse durch die Formel

203
1
1
N = N ,
N
Das heisst: Die inverse Matrix ist gleich ihrer durch N dividierten Konjugiert- Komplexen. Die inverse
Matrix ist also sehr einfach zu bestimmen.
Wir definieren den Vektor y = (y0 , y1 , y2 , . . . , yN 1 )T , wobei die yk die Abtastwerte der Originalfunktion
f (t) sind.
Somit haben wir das folgende interessante Resultat:

y = N Y Y = 1
N y. (5.62)

Um die approximierten Fourier-Koeffizienten cn der Funktion f (t) zu berechnen, mussen wir also das lineare
Gleichungssystem y = N Y losen um die Komponenten des Vektors Y zu bekommen. Dank dem Umstand,
dass die inverse Matrix sehr leicht zu berechnen ist, ist es vorteilhaft dieses System durch Multiplikation
Y = 1 N y der inversen Matrix mit dem Vektor y zu berechnen. Schliesslich mussen die Koeffizienten
korrekt umnummeriert werden gemass Formel (5.60).

Im Folgenden ein Mathematica -Programm fur obige Berechnungen:

(* Es ist vorausgesetzt, dass die Funktion f fruher *)


(* definiert wurde. *)
(* np stellt die Abtastenanzahl dar. *)
In[494]:=
y = Table[f[k dt], {k,0, np-1}] ;
In[495]:=
omega = Exp[2 I Pi/np] //N ;
In[496]:=
mat = Table[omega(i j), {i,0,np-1}, {j,0,np-1}] ;
In[497]:=
matinverse = Conjugate[mat]/ np //Chop ;
In[502]:=
solution = matinverse . y ;
In[503]:=
(* Umnummerierung der Komponenten vom Vektoren Y : *)
Do[Y[k-1] = sol[[k]], {k,1,np}] ;
In[505]:=
(* Berechnung der komplexen Fourier-Koeffizienten: *)
Do[c[k] = Y[k], {k, 0, np/2 - 1}] ;
Do[c[k] = Y[k+np], {k, -np/2, -1}] ;
In[512]:=
(* Berechnung der entsprechenden reellen Koeffizienten: *)
a[0] = 2 c[0] ;
Do[a[k] = Re[2 c[-k]], {k,1,np/2}] ;
Do[b[k] = Im[2 c[-k]], {k,1,np/2}] ;
In[516]:=
(* Definition der np. Teilsumme *)
summe[t_] = a[0]/2 +
Sum[a[k] Cos[2 Pi k t/T] +
b[k] Sin[2 Pi k t/T],
{k,1, np/2-1}] ;

Die Uberlagerung der Originalfunktion f (t) und der Partialsumme summe[t] ist in Figur 5.25 mit einer
Abtastfrequenz von N = 32 Werten gegeben.
Es ist zu bemerken, dass die Oszillationsphanomene (von Gibbs) in der Umgebung einer Sprungstelle durch
die DFT nicht eliminiert werden konnen.

204
T

Abbildung 5.25: Originalfunktion und Partialsumme fur N = 32.

Bemerkung: Mathematica besitzt einen vordefinierten Befehl, welcher die Fourier-Koeffizienten mit den Mitteln
der DFT berechnet. Er heisst Fourier[] und verlangt als Eingangsparameter naturlich die Liste der Abtastwer-
te. Das Resultat ist eine Liste, welche die Werte der Koeffizienten Yk mit N multipliziert (N ist die Anzahl
Abtastwerte) und zwar in folgender Anordnung:


Die erste Komponente der zuruckgegebenen Liste ist N Y0 , das heisst nach der Umnummerierung also
N c0 ;

Die anderen Koeffizienten N Y1 , N Y2 , . . ., N YN 1 lesen sich von rechts nach links.

Die Koeffizienten Yk konnen auch direkt berechnet werden:

ff = Fourier[y] ;
lfft = Prepend[ Reverse[Take[ff,-np+1]],
ff[[1]]
] /Sqrt[np] ;
Do[Y[k-1] = lfft[[k]], {k,1,np}] ;

Bemerkung: Die Koeffizienten ck beschreiben das Spektrum der Funktion f . Die graphische Darstellung der
Betrage von ck bilden das Amplitudenspektrum. Die Figuren 5.26 und 5.27 stellen das (approximierte) Spektrum
bzw. das Amplitudenspektrum der abgetasteten Funktion dar.

205
Im

Re

Abbildung 5.26: Spektrum fur N = 32 Abtastwerte

Abs[c[k]]

Abbildung 5.27: Amplitudenspektrum fur N = 32 Abtastwerte

206
5.7.3 Die schnelle Fourier-Transformation FFT
Die Berechnung der Koeffizienten Yk kann dank dem Algorithmus von Cooley und Tuckey, ihren Erfindern, auf
spektakulare Weise beschleunigt werden. Er tragt den Namen schnelle Fourier-Transformation oder kurz FFT fur
Fast Fourier Transform.
Die Grundidee dieses Algorithmus ist ein rekursiver Prozess. Dazu ist es notwendig vorauszusetzen, dass die
Zahl N der Abtastwerte der Originalfunktion f (t) eine Zweierpotenz ist:

N = 2p , mit p naturlich .
Um die Fortsetzung zu vereinfachen schreiben wir N = 2m, wobei m wieder eine Zweierpotenz ist.
Formel (5.61) zur Berechnung der Koeffizienten Yk kann unter folgender leicht geanderten Form geschrieben
werden, indem die Summe in gerade und ungerade Indizes aufgeteilt wird:

1 k 2k 3k
Yk = y0 + y1 N + y2 N + y3 N +
N 
(N 2)k (N 1)k
. . . + yN 2 N + yN 1 N
1 
2k 4k (N 2)k

= y0 + y2 N + y4 N + . . . + yN 2 N +
N
1 
k 3k 5k (N 1)k

y1 N + y3 N + y5 N + . . . + yN 1 N . (5.63)
N
Wir bezeichnen mit Pk und Ik folgende Summen:

 
Pk = 1 y0 + y2 N
2k 4k (N 2)k

m + y
4 N + . . . + y
N 2 N
  (5.64)
Ik = 1 y1 + y3 N
2k 4k (N 2)k

m + y 5 N + . . . + y N 1 N

Mit dieser Bezeichnung konnen wir zeigen (Ubung), dass


1 k

Yk = Pk + N Ik
2
Wir konnen auch die nutzlichen Beziehungen

Pk+m = Pk und Ik+m = Ik ,


und
(k+m) k
N = N
hinschreiben.
Daraus konnen wir erste Ideen zu einer okonomischen Berechnung heranziehen:
k N
1. Phase: Wir berechnen die Summen Pk und N Ik , welche beide Summen der Lange m = 2 sind. Diese
Summen mussen fur die Indizes k = 0, 1, 2, . . . , m 1 berechnet werden.
k
2. Phase: Wir berechnen Yk = 12 Pk + N

Ik .
3. Phase: Daraus leiten wir Yk+m durch die folgende Formel ab (Ubung):
1 k

Yk+m = Pk N Ik .
2

Das Problem ist das Zusammentragen der Berechnung von Pk und Ik fur k = 0, 1, 2, . . . , m 1.
2
Wir erinnern uns, dass N = ej N , und so haben wir naturlich fur m = N2 :
2 j 2
N
 2 2
m = ej m = e 2 = ej N

207
was zeigt dass
2
N = N .
2

Dank dieser letzten Beziehung konnen wir Formel (5.64) fur die Pk so schreiben:

 
P = 1 y + y k + y 2k + . . . + y
(m1)k

k m 0 2 m 4 m N 2 m
  (5.65)

Ik 1 k 2k (m1)k
= m y1 + y3 m + y5 m + ...+ yN 1 m

In dieser Form stellen wir fest, dass die Berechnung von Pk und Ik auf die Berechnung von zwei neuen
diskreten Transformationen der Lange m hinauslauft. Diese Transformationen mussen berechnet werden fur die
Indizes k = 0, 1, 2, . . . , m 1.
Wir konnen nachprufen, dass diese Berechnungen 21 N 2 Multiplikationen benotigen (die Additionen sind ver-
nachlassigbar). Wir haben also den Rechenaufwand um den Faktor 2 reduziert bezuglich der Ausgangsformel (5.60).
Der gleiche Prozess kann nun angewandt werden auf jeden der beiden DFT, welche Pk und Ik berechnen,
indem jedesmal N durch m = N2 ersetzt wird. Weil wir vorausgesetzt haben, dass die Anzahl Abtastwerte N = 2p
eine Zweierpotenz ist, konnen wir den Prozess bis auf das Niveau p rekursiv wiederholen.
Nehmen wir beispielsweise den Fall N = 8, das heisst p = 3. Wir gehen aus von den Abtastwerten y0 , y1 , y2 ,
y3 , y4 , y5 , y6 , y7 .
Fur m = 4 und dank Formel (5.65) konnen wir Pk und Ik fur k = 0, 1, 2, 3 mit

Pk = 1 y0 + y2 4k + y4 42k + y6 43k


4
(5.66)
Ik = 1 y1 + y3 4k + y5 42k + y7 43k


4

berechnen.

Ausgehend von den Koeffizienten P0 und I0 , konnen wir nach den obigen Beziehungen Y0 und Y4 berech-
nen.
Ausgehend von den Koeffizienten P1 und I1 , konnen wir Y1 und Y5 berechnen.

Ausgehend von den Koeffizienten P2 und I2 , konnen wir Y2 und Y6 berechnen.


Ausgehend von den Koeffizienten P3 und I3 , konnen wir Y3 und Y7 berechnen.

Wir konnen denselben Rechenprozess auf Pk und Ik anwenden:


Fur k = 0, 1 definieren wir:

Pk = 1 y0 + y4 2k


2
(5.67)
Ik 1
y6 2k

= 2 y2 +

Ausgehend von P0 und I0 konnen wir P0 und P2 rekonstruieren durch die Formeln
1 1
P0 = (P0 + I0 ) P2 = (P0 I0 )
2 2
Analog konnen wir aus P1 und I1 die Werte P1 und P3 rekonstruieren durch die Formeln
1 1
P + 21 I1 P 21 I1
 
P1 = P3 =
2 1 2 1
Auf dieselbe Art rekonstruieren wir die Ik fur k = 0, 1, 2, 3.
Schliesslich berechnen wir die Pk und die Ik durch eine neue Iteration des Prozesses. Mit den Definitionen
P0 = y0 , I0 = y4 haben wir

208
1 1
P0 = (P + I0 ) P1 = (P0 I0 ) .
2 0 2
So konnen wir durch sukzessives Wiederholen des Prozesses die Koeffizienten Y0 , Y1 , Y2 , Y3 , Y4 , Y5 , Y6 , Y7
aus den Ausgangswerten y0 , y1 , y2 , y3 , y4 , y5 , y6 , y7 berechnen. Der Algorithmus ist im Schema 5.28 zusammen-
gefasst.

Y0 Y1 Y2 Y3 Y4 Y5 Y6 Y7
X
y
XX y
X
XX y
X
XX y
X
XX  :
 :

 :

 :

6 XXX6 XXX6 XXX 6 XXX 6  6  6  6
XX XX  X X  XX   
XXX  XXX  XXX  XXX 
X X X XX X XX X XX
 X XX  
XX XX XX
   X
X XX  XXXX XXX
X
XXX
XXX
   XXX XXX XXX X
P0 P1 P2 P3 I0 I1 I2 I3
6HYH 6HYH * 6 
* 6 6HYH 6HYH * 6 
* 6
HH HH  HH HH 
H
H HH H
H HH
 HH  HH  HH  HH
 HH HH  HH HH
  H H   H H

P0 P1 I0 I1
P0
P1
I0 I1

6@I@  6 6@I@  6 6@I@  6 6@I@  6


@ @ @ @
@ @ @ @
@ @ @ @
@ @ @ @

P0 I0
P0 I0
P0 I0
P0 I0
6 6 6 6 6 6 6 6
y0 y4 y2 y6 y1 y5 y3 y7

Abbildung 5.28: Betriebsschema der FFT fur N = 8

Der Rechenaufwand fur alle N Fourier-Koeffizienten ist von der Grossenordnung N log2 N , was einen be-
merkenswerten Gewinn an Rechenzeit bedeutet, insbesondere, wenn N gross ist (in der Praxis nimmt man oft
N = 1024 oder N = 2048).

209
5.8 Ein konkretes Anwendungsbeispiel
5.8.1 Das Elektroenzephalogramm (EEG)
Dieser Abschnitt zeigt ein praktisches Anwendungsbeispiel der Fourier-Analyse und illustriert, wie die diskrete
Fourier-Transformierte in der Realitat angewandt werden kann. Das Elektroenzephalogramm generiert gegebene
Daten, welche nachher durch den Algorithmus der schnellen Fourier-Transformation (FFT) analysiert werden.
Fur den nicht eingeweihten Beobachter ist zu sagen, dass der Output (Spannung) eines EEG eine Funktion
der Zeit eines Signals mit hoher Variation und zahlreichen Spitzen liefert. Die Analyse dieser Daten erlaubt die
Transformation der Zeitdarstellung in Abhangigkeit der Frequenzen (Time domain Frequency domain), welche
viel leichter zu interpretieren ist.

5.8.2 Ein Beispiel eines EEG


Ungefahr in den 1920er Jahren haben Wissenschaftler festgestellt, dass das Hirn eine gewisse elektrische Aktivitat
zeigt und dass die Variation der Potenzialdifferenz zwischen gewissen Punkten der Kopfhaut mit dieser Aktivitat
zusammenhangt. Die ersten Messungen gaben Anlass zu kontroversen Diskussionen, hauptsachlich weil die Mes-
sapparate in dieser Epoche keine genugend gute Genauigkeit von kleinen Spannungen (der Grossenordnung V)
erlaubten, so dass die Interpretationen sehr subjektiv waren. Das Auftreten des Computers, eingangs der 50er Jah-
re erlaubte eine objektivere Analyse der Daten (Frequenzanalyse der Gehirnwellen), obwohl die Interpretationen
noch sehr zu Diskussionen Anlass gaben.
Heute wird das EEG in der Medizin fur die Diagnose von neurologischen Storungen verwendet.
In Figur 5.29 sind drei Beispiele von EEGs dargestellt, welche alle ein gleichgrosses Zeitintervall aufweisen,
aber zu drei verschiedenen Zeitintervallen eines Patienten gehoren:

40

20

0.2 0.4 0.6 0.8 1

-20

-40

Abbildung 5.29: Beispiel eines EEG auf einem Intervall von 1 Sekunde

210
Die Hauptfrequenzen eines EEG von einem Erwachsenen sind die folgenden:

Zwischen 0.3 und 3.5 Hz: -Wellen. Sie sind dominant bei einem schlafenden Erwachsenen oder bei einem
schlummernden Kind.
Zwischen 8 und 13 Hz: -Wellen. Sie dominieren bei einem Erwachsenen im entspannten, wachen Zustand.
Zwischen 18 und 30 Hz: -Wellen. Sie treten nur sporadisch im Schlummerzustand auf.

Die numerischen Daten, welche der Figur 5.29 entsprechen sind in der folgenden Tabelle gegeben. Sie gehoren
zum gleichen EEG, welche zu verschiedenen Zeitintervallen des Patienten gemessen wurden (gewisse Punkte
erhalten mehr als andere Storungen von aussen: Rauschen). Im Zeitintervall von einer Sekunde Lange wurden
32 Messungen in regelmassigen zeitlichen Abstanden durchgefuhrt. Die Zahl 32 wurde gewahlt, um den FFT
anzuwenden, da gilt 32 = 25 . Um den Kontext der diskreten Fourier-Transformation auszunutzen ist es notwendig,
die Werte uber eine Periode abzutasten, d.h. eine Periodizitat der Werte zu haben. Man hat so (etwas kunstlich)
den Schluss gezogen dass die erste und die letzte Messung identisch sind.

Experimentelle Resultate:
t [sec] V1 (t) [V] V2 (t) [V] V3 (t) [V]
0.0000 13.93 12.07 13.00
0.0322 20.77 19.56 19.64
0.0645 -21.62 -12.14 -17.18
0.0967 -19.28 -11.45 -14.66
0.1290 28.15 29.75 29.42
0.1612 23.04 22.18 21.61
0.1935 -32.87 -32.32 -33.07
0.2258 -29.30 -38.27 -32.49
0.2580 17.61 18.82 18.51
0.2903 18.63 26.64 21.16
0.3225 -14.58 -17.42 -16.00
0.3548 0.38 -8.74 -2.71
0.3871 45.21 35.97 40.30
0.4193 20.91 27.56 22.94
0.4516 -30.27 -27.19 -28.26
0.4838 -25.33 -26.71 -25.02
0.5161 5.17 9.14 6.68
0.5483 -3.66 -7.36 -6.22
0.5806 -28.17 -26.13 -26.86
0.6129 0.97 6.47 4.25
0.6451 35.69 30.31 33.00
0.6774 3.56 1.79 2.15
0.7096 -28.18 -30.39 -29.58
0.7419 -11.30 -8.54 -9.21
0.7741 14.25 10.63 12.94
0.8064 4.56 -1.78 0.39
0.8387 -0.48 -6.38 -3.90
0.8709 14.99 16.67 17.13
0.9032 19.68 22.84 21.56
0.9354 -2.17 1.69 -1.71
0.9677 -16.35 -20.65 -18.00
1.0000 13.93 12.07 13.00

211
In Figur 5.30 ist das Amplitudenspektrum fur die drei Datenlisten gegeben, nachdem die diskrete Fourier-
Transformation angewendet wurde:

2.5 5 7.5 10 12.5 15

Abbildung 5.30: Amplitudenspektrum

Die dominanten Frequenzen sind charakteristisch fur Aktivitaten des menschlichen Gehirns. Durch sorgfaltige
Betrachtung des Originalschemas des EEG (Figur 5.29) bemerken wir, dass die horizontale Achse in einer Se-
kunde insgesamt 16 mal geschnitten wird. Und dies in einer mehr oder weniger regelmassigen Art. Daraus kann
entnommen werden, dass die -Wellen mit einer Frequenz von ungefahr 8 Hz dominieren. Dies wird durch die
Beobachtung des Spektrums bestatigt.

212
Kapitel 6

Die Fourier-Transformation

6.1 Einleitung
Im Kapitel Fourier-Reihe wurde gezeigt, dass die Fourier-Reihe eine Darstellung einer periodischen Funktion
im Frequenzbereich liefert. Die Fourier-Reihe einer Funktion ist also eine Zerlegung dieser Funktion in ihre ver-
schiedenen Harmonischen, oder ihre Frequenzkomponenten. So besitzt eine periodische Funktion f (t) mit der
Periodenlange T die diskreten Frequenzkomponenten
2k
k = = k0 , k = 1, 2, 3, . . . ,
T
wobei 0 die Fundementalfrequenz der Funktion f (t) ist.
Leider konnen nur die periodischen Funktionen auf diese Weise behandelt werden. Deshalb wollen wir nun
eine ahnliche Darstellung fur nicht periodische Funktionen entwickeln, die im offenen Intervall < t <
definiert sind.
Dieses Ziel konnen wir erreichen, indem wir nur einen Teil der nicht periodischen Funktion f (t) in einem
beschrankten Intervall der Lange T (wie ein Fenster) betrachten. Danach konnen wir die Lange T des Inter-
valls gegen Unendlich streben lassen. Die Figur 6.1 zeigt das Beispiel einer geraden Funktion in einem Fenster
symmetrisch um den Ursprung:

f(t)

t
T/2 T/2
T

Abbildung 6.1: Nicht periodische Funktion mit einem Fenster.

Wenn wir nur die Funktion f innerhalb des Fensters der Lange T betrachten und wenn wir diese Funktion
periodisch mit der Periode T erweitern, so konnen wir eine neue Funktion g(t) konstruieren, die T -periodisch ist:

f (t) fur |t| < 21 T
g(t) =
f (t nT ) fur 1 (2n 1)T < t < 1 (2n + 1)T
2 2

213
g(t)

t
T T/2 T/2 T
T

Abbildung 6.2: Konstruktion einer periodischen Funktion durch Windowing.

Die Figur 6.2 veranschaulicht die Funktion g(t). Man kann grafisch kontrollieren, dass die Graphen der Funk-
tionen f (t) und g(t) im Intervall ( T2 , T2 ) die gleichen sind. Weil die Funktion g(t) periodisch ist, konnen wir sie
in einer komplexen Fourier-Reihe entwickeln. Es gilt:

X
g(t) = Gn ejn0 t (6.1)
n=

mit
T /2
1
Z
Gn = g(t)ejn0 t dt (6.2)
T
T /2

und mit der Fundamentalfrequenz


2
0 = (6.3)
T
Die Gleichung (6.1) druckt die zeitliche Funktion g(t) in ihren Frequenzkomponenten aus. Hier kann der Index
n entweder positiv, negativ oder null sein. Wenn wir in der Gleichung (6.1) den Koeffizienten Gn durch seinen
Wert substituieren, erhalten wir

T /2

1
X Z
g(t) = g( )ejn0 d ejn0 t . (6.4)

T

n=
T /2

Die Frequenz des allgemeinen Terms Gn in der Entwicklung ist


2n
= n0 = n
T
und die Differenz zwischen zwei nacheinanderfolgenden Frequenzen ist
2 2
= [(n + 1) n] = = 0 .
T T
Aus dieser Notation folgt
1 0
= = .
T 2 2
Wenn wir diese Formel in die Gleichung (6.4) einsetzen, erhalten wir:

T /2

1
X Z
g(t) = g( )ejn d ejn t (6.5)

2

n=
T /2

Es sei jetzt die komplexe Funktion

214
T /2
Z
G(j) = g( )ej d (6.6)
T /2

Mit dieser Notation haben wir:



1 X jn t
g(t) = e G(jn ) (6.7)
2 n=

Durch den Grenzwert T konnen wir die Lange des Fensters gegen Unendlich streben lassen. Es ergibt
sich daraus, dass g(t) und f (t) uberall ubereinstimmen und 0.
Es gilt:

Z
1 X jn t 1
lim e G(jn ) = ejt G(j) d
0 2 2
n=

Von den Gleichungen (6.6) und (6.7) konnen wir eine neue Integralform fur die Funktion f (t) herleiten:
Z Z

1
ejt
f (t) f ( )ej d d (6.8)
2

Die Formel (6.8) heisst Fourier Integralform der Funktion f (t). Mathematisch existiert das Fourier-Integral
nur unter gewissen Bedingungen, die aus einer Variante der Dirichlet Bedingungen fur eine Fourier-Reihe bestehen:

Theorem 6.1 (Bedingungen von Dirichlet fur das Fourier-Integral) Sei f (t) eine Funktion mit den fol-
genden Eigenschaften:

1. Sie ist absolut integrierbar, d.h.

Z
|f (t)| dt < . (6.9)

2. Sie besitzt in jedem endlichen Intervall eine endliche Zahl von Minima und Maxima und eine endliche
Zahl von Sprungstellen.

So konvergiert das Fourier-Integral gemass Formel (6.8) gegen f (t) in jedem Punkt t, wo f stetig ist. An
den Sprungstellen konvergiert es gegen den Mittelwert des links- und rechtsseitigen Grenzwertes.

Wie es schon fur die Fourier-Reihen bemerkt wurde, ist es eigentlich nicht ganz korrekt zu sagen, dass die
Fourier-Integraldarstellung im Falle von Sprungstellen gleich der Funktion f ist (da die Funktionswerte nicht
uberall gleich sind). Dieses Phanomen wird etwa ausgedruckt durch das Symbol (was bedeutet: dargestellt
durch) anstelle des Gleichheitszeichens.
Aus der Bedingung im oberen Theorem, dass die Funktion f absolut integrierbar ist, ergibt sich, dass der
Flacheninhalt (als Betrag) unter dem Graphen der Funktion y = f (t) endlich ist. Dies ist u.a. wahr, wenn die
Funktion f (t) fur t gegen Unendlich stark genug abnimmt. Im Allgemeinen existiert das Integral (6.9) fur alle
zeitlichen Signale in praktischen Anwendungen.
Fur die trigonometrische Form des Fourier-Integrals setzen wir die Eulersche Formel

ej( t) = cos ( t) j sin ( t)


in die Gleichung (6.8) ein :

215
Z Z
1
f (t) = f ( ) [cos ( t) j sin ( t)] d d
2

Da die Funktion sin ( t) eine ungerade Funktion der Variable ist, verschwindet der Imaginarteil. Es gilt:
Z Z
1
f (t) = f ( ) cos ( t)d d.
2

Der Integrand ist eine gerade Funktion von . Folglich kann man die Formel vereinfachen:
Z Z
1
f (t) = f ( ) cos ( t)d d (6.10)

0

Die Formel (6.10) heisst trigonometrische Form des Fourier-Integrals.


In den speziellen Fallen, wo f (t) entweder gerade oder ungerade ist, sind noch weitere Vereinfachungen
moglich:

1. Ist f (t) eine gerade Funktion, so vereinfacht sich die Formel (6.10) folgendermassen:

Z Z
2
f (t) = f ( ) cos cos t d d (6.11)

0 0

Die Formel (6.11) heisst Fourier-Cosinusintegral.

2. Ist f (t) eine ungerade Funktion, so vereinfacht sich die Formel (6.10) folgendermassen:

Z Z
2
f (t) = f ( ) sin sin t d d (6.12)

0 0

Die Formel (6.12) heisst Fourier-Sinusintegral.

Beispiel 6.1.1 Wir betrachten die rechteckige Impulsfunktion:



1 |t| 1
f (t) =
0 |t| > 1

Berechnen Sie das Fourier-Cosinusintegral von f (t).


Losung:

216
6.2 Die Fourier-Transformation
Mit den Notationen, die in den Formeln (6.6) und (6.7) eingefuhrt wurden, kann das Fourier-Integral (6.8) in Form
eines Paares von Gleichungen geschrieben werden:
Z
F (j) = f (t)ejt dt (6.13)

Z
1
f (t) = F (j)ejt d (6.14)
2

Die Funktion F (j) heisst Fourier-Transformierte von f (t). Unter der Bedingung, dass das Integral existiert,
gibt diese Transformation eine Darstellung der nicht-periodischen Funktion f (t) im Frequenzbereich.
Bemerkung: Die Notation F (j) wurde fur die Fourier-Transformierte so gewahlt, damit eine Kompatibilitat
zwischen den Fourier- und Laplace-Transformierten gesichert wird. In Analogie zu der Laplace-Transformation
fuhren wir fur den Operator Fourier-Transformation das Symbol F {.} ein. So ist die Fourier-Transformierte einer
Funktion f (t) definiert durch
Z
F {f (t)} = F (j) = f (t)ejt dt (6.15)

unter der Bedingung, dass das Integral existiert.


Analog kann die inverse Fourier-Transformation von F (j) definiert werden, unter der Bedingung, dass das
Integral existiert:
Z
1 1
F {F (j)} = f (t) = F (j)ejt d (6.16)
2

Die Vereinigung der Gleichungen (6.15) und (6.16) heisst das Paar der Fourier-Transformationen, welches
einen Zusammenhang zwischen den Darstellungen im Zeit- und im Frequenzbereich bildet.
Die Gleichung (6.15) druckt die Funktion f (t) im Frequenzbereich aus. Sie stellt eine nicht-periodische Funk-
tion in harmonischen Komponenten mit einer kontinuierlichen Frequenz dar. Dies ist bei der Fourier-Reihe
anders, wo die Frequenzen nur diskrete Werte annehmen konnen.

Beispiel 6.2.1 Untersuchen Sie, ob die Funktion

f (t) = 1, < t <


eine Fourier-Transformierte besitzt. Falls ja, bestimmen Sie diese Transformierte.
Losung:

Beispiel 6.2.2 Berechnen Sie die Fourier-Transformierte der einseitigen Exponentialfunktion:

f (t) = H(t)eat (a > 0)


wobei H(t) die Heaviside Funktion darstellt.

217
Losung:

Beispiel 6.2.3 Berechnen Sie die Fourier-Transformierte des Rechteckimpulses



A fur |t| T
f (t) =
0 fur |t| > T

Losung:

Die oben stehenden Beispiele erlauben uns, eine erste Tabelle von Fourier-Transformationen zu erstellen:

R
f (t) F {f (t)} = f (t)ejt dt

1
eat H(t) (a > 0)
a + j
1
teat H(t) (a > 0)
(a + j)2

A fur |t| T

f (t) = 2AT sinc T
0 fur |t| T

2a
ea|t|
a2 + 2

218
6.3 Das kontinuierliche Spektrum von Fourier
In der unten stehenden Tabelle sind die Fourier-Transformierten komplexwertige Funktionen der reellen Variablen
, die eine Frequenz darstellt. Ist F {f (t)} = F (j) die Fourier-Transformierte des Signals f (t), so entspricht
die Funktion F (j) dem (komplexen) Frequenzspektrum von f (t). Indem wir F (j) in der Exponentialform

F (j) = |F (j)|ej arg F (j)


schreiben, konnen wir zwei bedeutende Grafiken erzeugen: die erste stellt das Modul |F (j)| in Funktion der
Frequenz dar (das Amplitudenspektrum), die andere stellt das Argument arg F (j) in Funktion von dar (das
Phasenspektrum).
Die zwei Spektren bilden zusammen eine Darstellung in Frequenzen des zeitlichen Signals f (t). Im Gegensatz
zum diskreten Fall, wo f (t) eine periodische Funktion ist, konnen wir hier die Spektren fur alle reellen Werte der
Variablen definieren. Deshalb sprechen wir von einem kontinuierlichen Spektrum.

Beispiel 6.3.1 Bestimmen Sie das Amplitudenspektrum sowie das Phasenspektrum des kausalen Signals

f (t) = eat H(t) (a > 0)

Losung:

Wie schon bemerkt wurde, bestehen die Fourier-Transformierte und das Frequenzspektrum aus komplexwerti-
gen Grossen. In gewissen Fallen, wie im Beispiel 6.2.3, kann aber das Spektrum rein reell sein. In diesem Beispiel
haben wir gezeigt, dass die Transformierte eines Impulses durch

F (j) = 2AT sinc T


gegeben ist, mit

sin T

T 6= 0
sinc (T ) =
1 =0
Die Funktion sinc(T ) ist eine gerade Funktion der Variablen , die positive als auch negative Werte annimmt.
Die entsprechenden Amplituden- und Phasenspektren sind:

|F (j)| = 2AT | sinc(T )| (6.17)



0 sinc T 0
arg F (j) = (6.18)
sinc T < 0

219
Die Graphen der Spektren sind in der Figur 6.3 dargestellt.

|F(j )|
2AT

t
3 2 2 3
T T T T T T
arg F(j)


t
3 2 0
2 3
T T T T T T

Abbildung 6.3: Amplituden- und Phasenspektrum.

6.3.1 Aufgaben

Aufgabe 6.3.1 Berechnen Sie die Fourier-Transformierte des zweiseitigen Exponentialimpulses



eat fur t 0
f (t) = (a > 0)
eat fur t > 0

Aufgabe 6.3.2 Berechnen Sie die Fourier-Transformierte des Impulses in der Figur 6.4

1
1
t
-1

Abbildung 6.4: On-Off-Funktion der Aufgabe 6.3.2

Aufgabe 6.3.3 Zeigen Sie, die Fourier-Transformierte der Funktion



sin at fur |t| /a
f (t) =
0 fur |t| > /a
ist

220
j2a sin(/a)
2 a2

Aufgabe 6.3.4 Bestimmen Sie die Fourier-Sinus- und Cosinustransformationen von f (t) = eat H(t), wobei
a > 0.

6.4 Eigenschaften der Fourier-Transformation


6.4.1 Linearitat
Die Linearitat ist eine der grundlegenden Eigenschaften der Fourier-Transformation, die in der folgenden Form
ausgedruckt werden kann: Sind f (t) und g(t) Funktionen, deren Fourier-Transformierten F (j) und G(j) sind
und seien und gegebene Konstanten, so gilt:

F {f (t) + g(t)} = F {f (t)} + F {g(t)} (6.19)

Beweis:

Folglich kann man sagen, dass der Operator Fourier-Transformation F {.} ein linearer Operator ist. Analog
dazu ist der Operator Inverse Fourier-Transformation F 1 {.} auch ein linearer Operator.

6.4.2 Ableitung im Zeitbereich


Sei eine Funktion f (t) und ihre Fourier-Transformierte F (j), d.h.:
Z
1
f (t) = F (j)ejt d
2

Wir leiten diese Gleichung nach der Variablen t ab :


Z Z
df 1  1
F (j)ejt d = jF (j)ejt d

=
dt 2 t 2

df
Daraus ergibt sich, dass die inverse Fourier-Transformierte von jF (j) gleich ist, d.h.:
dt
 
df
F = jF (j) (6.20)
dt

Weiter kann die Ableitung nach t n Mal durchgefuhrt werden. Daraus folgt die Eigenschaft der zeitlichen
Ableitung:
 n 
d f
F = (j)n F (j) (6.21)
dtn
Diese Formel kann in der Losung von Differentialgleichungen verwendet werden.

221
Beispiel 6.4.1 Seien y(t) und u(t) Signale mit den entsprechenden Fourier-Transformierten Y (j) und U (j).
Ausserdem ist bekannt, dass diese Funktionen die folgende Differentialgleichung 2.Ordnung erfullen:

d2 y(t) dy(t) du(t)


2 + 3 dt + 7y(t) = 3 dt + 2u(t)
dt
Zeigen Sie, dass Y (j) = G(j)U (j) fur eine gewisse Funktion G(j) gilt, und geben Sie die Funktion
G(j) an.
Losung:

6.4.3 Die Verschiebung im Zeitbereich


Sei f (t) eine Funktion mit ihrer Fourier-Transformierten F (j). Gesucht ist die Fourier-Transformierte der ver-
schobenen Funktion g(t) = f (t ).
Es ergibt sich aus der Definition:
Z Z
jt
F {g(t)} = g(t)e dt = f (t )ejt dt

Wir wenden die Substitution x = t an:

Z
F {g(t)} = f (x)ej(x+ ) dx

Z
j
= e f (x)ejx dx

j
= e F (j)

So erhalten wir die Eigenschaft der Verschiebung im Zeitbereich:

F {f (t )} = ej F (j) (6.22)
Die Formel (6.22) hat die folgende Konsequenz: Ist ein Signal um ein Zeitintervall verzogert, so wird die
Fourier-Transformierte des Signals mit dem Faktor ej multipliziert.

Wir berechnen die zwei Seiten der Gleichung (6.22) in Betrag, mit der Bemerkung ej = 1 :
j
e F (j) = |F (j)|
Diese Gleichung bedeutet, dass die Funktion f (t) und die verschobene Funktion f (t ) das gleiche Ampli-
tudenspektrum haben.
Hingegen haben wir fur das Phasenspektrum:

arg ej F (j) = arg F (j) arg ej = arg F (j) .


 

Hier bedeutet die Formel, dass alle Komponenten des Frequenzspektrums mit der Phase verschoben werden
(die Verschiebung ist also proportional zur Frequenz).

222
A

t
T 2T

Abbildung 6.5: Rechteck Signal des Beispieles 6.4.2

Beispiel 6.4.2 Bestimmen Sie die Fourier-Transformierte des Rechteckimpulses der Figur 6.5.
Losung:

6.4.4 Die Verschiebung im Frequenzbereich


Sei f (t) eine Funktion mit der Fourier-Transformierten F (j) und sei die Funktion g(t) = ej0 t f (t). Wir berech-
nen die Fourier-Transformierte g(t) :

Z
F {g(t)} = ej0 t f (t)ejt dt

Z
= f (t)ej(0 )t dt

Z
= f (t)ej t dt mit = 0

= F (j )

So erhalten wir die Eigenschaft Verschiebung im Frequenzbereich:

F ej0 t f (t) = F (j( 0 ))



(6.23)
Die Formel (6.23) bedeutet, dass die Multiplikation von f (t) mit dem Faktor ej0 t einer Verschiebung des
Spektrums von f (t) mit der Distanz 0 entspricht. Diese Eigenschaft steht im Mittelpunkt des Prozesses der
Modulation in der Signalverarbeitung.

Beispiel 6.4.3 Sei eine festgelegte Frequenz (die Tragerfrequenz). Bestimmen Sie das Frequenzspektrum des
modulierten Signals g(t) = f (t) cos(t).
Losung:

223
6.4.5 Symmetrieeigenschaft
In den Definitionen erscheint eine gewisse Symmetrie zwischen den beiden Variablen t und . Diese Symmetrie
konnen wir genauer ausdrucken. Es ergibt sich aus der Definition:
Z
1
f (t) = F (j)ejt d
2

Wenn wir die Integrationsvariable durch y ersetzen, erhalten wir:


Z
2f (t) = F (jy)ejyt dy

Und weiter:
Z
2f (t) = F (jy)ejyt dy

Z
2f () = F (jy)ejy dy (6.24)

In der rechten Seite der Gleichung (6.24) erscheint die Definition der Fourier-Transformierten. Daraus ergibt
sich:

F {F (jt)} = 2f () (6.25)
Diese Formel stellt eine symmetrische Version der ursprunglichen Definition der Fourier-Transformation dar,
welche nach der Formel (6.15) ist: F {f (t)} = F (j).

Beispiel 6.4.4 Bestimmen Sie die Fourier-Transformierte der Funktion

C sin(at) fur t 6= 0

g(t) = C sinc(at) = at
C fur t = 0

Losung:

6.4.6 Aufgaben

Aufgabe 6.4.1 Seien y(t) und u(t) zwei zeitliche Signale mit den entsprechenden Fourier-Transformierten Y (j)
und U (j). Diese Funktionen erfullen die Differentialgleichung

d2 y(t) dy(t)
+3 + y(t) = u(t).
dt2 dt
Zeigen Sie, dass Y (j) = P (j)U (j) fur eine gewisse Funktion P (j). Geben Sie danach die Funktion
P (j) an.

224
Aufgabe 6.4.2 Berechnen Sie bei Verwendung einer Verschiebung im Zeitbereich die Fourier-Transformierte des
zweifachen Impulses

1 fur 1 |t| 2
f (t) =
0 anderswo

6.5 Die Frequenzantwort


Wir betrachten ein lineares System, welches zeitunabhangig und in Ruhe ist fur t < 0. Seine Ubertragungsfunktion
ist G(s). Zu einem Eingangssignal u(t) (Input) ist die Antwort des Systems (Output) gegeben durch die Formel

Y (s) = G(s)U (s). (6.26)


Y (s) und U (s) sind die Laplace-Transformationen von y(t) und u(t).
Fur ein stabiles System ist die stationare Antwort ys (t) zu einem sinusformigen Input u(t) = A sin t gegeben
durch

ys (t) = A |G(j)| sin [t + arg G(j)] (6.27)


Diese Formel hat die folgende Bedeutung: Die stationare Antwort zu einem sinusformigen Input ist auch ein
sinusformiges Signal mit der gleichen Frequenz. Die Amplitude wird multipliziert mit dem Faktor |G(j)| und
das Signal besitzt eine Phase arg G(j).
Das Resultat kann auch in komplexer Notation verallgemeinert werden. Fur einen komplexen Input

u(t) = Aejt
hat das lineare System (unter den Bedingungen der Stabilitat) die stationare Antwort

ys (t) = AG(j)ejt (6.28)


oder

ys (t) = A |G(j)| ej(t+arg G(j)) (6.29)


In der Formel 6.29 heissen die Ausdrucke |G(j)| und arg G(j) Amplitudengewinn (engl.: Amplitude Gain)
und Phasenverschiebung. Diese zwei Grossen sind Funktionen der reellen Variablen (die Frequenz) und ihre
graphische Darstellungen in Funktion von bilden die Frequenzantwort des Systems.

Bemerkung: Die stationare Antwort (6.28) ist gleich dem Eingangssignal Aejt , das mit der Fourier-Transformierten
G(j) der Impulsantwort multipliziert wird.
Folglich wird G(j) die Frequenzubertragungsfunktion des Systems genannt. Ist das System stabil, d.h.
die Frequenzubertragungsfunktion existiert, so kann das System in Abhangigkeit seiner Ubertragungsfunktion
dargestellt werden:

Y (j) = G(j)U (j) (6.30)


Die Gleichung (6.30) bestimmt die Fourier-Transformierte des Outputs und kann fur die Gestaltung des Fre-
quenzspektrums des Outputs verwendet werden, wenn der Input bekannt ist.

Beispiel 6.5.1 Ein Signal f (t) besteht aus zwei Komponenten (Siehe Figur 6.6):

225
2

1.5

0.5

t
-Pi Pi

Abbildung 6.6: Signal des Beispieles 6.5.1

1. Ein Rechteckimpuls der Dauer 2,


2. Ein zweiter Impuls mit der gleichen Dauer 2, der ein Tragersignal der Form cos(3t) moduliert.

Erstellen Sie einen Ausdruck fur f (t) und zeichnen Sie das Amplitudenspektrum dieses Signals. Beschreiben
Sie auch das Amplitudenspektrum des Ausgangssignals zu dem Input f (t), wenn das System stabil ist mit der
Ubertragungsfunktion
1
G(s) =
s2 + 2s + 1

Losung: Die Figur 6.7 stellt das Amplitudenspektrum des Eingangsignals f (t) dar:

2 Pi

-2 Pi -Pi Pi 2 Pi

Abbildung 6.7: Amplitudenspektrum von f (t)

Die Figur 6.8 zeigt die Ubertragungsfunktion |G(j)| und die Antwort |Y (j)| in Funktion der Frequenz :

2 Pi 2 Pi

-2 Pi -Pi Pi 2 Pi -2 Pi -Pi Pi 2 Pi

Abbildung 6.8: Die Ubertragungsfunktion |G(j)| und die Antwort |Y (j)|.

226
6.5.1 Aufgaben

Aufgabe 6.5.1 Berechnen Sie unter Verwendung einer Verschiebung im Zeitbereich die Fourier-Transformierte
des zweifachen Rechteckimpulses f (t) gemass Figur 6.9.

f(t)
A


T
t
+T 0 T +T

Abbildung 6.9: Zweifacher Rechteckimpuls

Aufgabe 6.5.2 Berechnen Sie die Fourier-Transformierte des Signals modulierter Impuls f (t) = PT (t) cos 0 t

1 fur |t| T
PT (t) =
0 fur |t| > T

6.6 Energie und Leistung


In diesem Abschnitt werden zwei typische Grossen bezuglich einem zeitlichen Signal f (t), < t < defi-
niert: die Energie und die Leistung. Diese zwei Grossen spielen eine wichtige Rolle in der Charakterisierung der
Signale.
Die gesamte Energie E eines Signals f (t) ist definiert durch
Z
2
E= [f (t)] dt (6.31)

Besitzt die Funktion f (t) eine Fourier-Transformierte F (j), so gilt gemass Formel (6.16)
Z
1
f (t) = F (j)ejt d
2

Die Gleichung (6.31) kann also in anderer Form

Z
E = f (t) f (t) dt

Z Z

1
= f (t) F (j)ejt d dt
2

geschrieben werden. Indem wir die Reihenfolge der Integrationen vertauschen, erhalten wir:

227
Z Z

1
E= F (j) f (t)ejt dt d (6.32)
2

Der Ausdruck zwischen den eckigen Klammern kann nach der Formel (6.15) als komplex Konjugierte der
Fourier-Transformierte von f (t) betrachtet werden. Wenn wir diese Konjugierte F (j) notieren, haben wir:
Z
1
E= F (j)F (j) d
2

Auf diese Weise erhalten wir das Theorem von Parseval:


Z Z
2 1 2
E= [f (t)] dt = |F (j)| d (6.33)
2

2
Die Gleichung (6.33) druckt die gesamte Energie des Signals f (t) aus in Form eines Integrals von |F (j)|
2 2
uber alle Frequenzen. Aus diesem Grund heisst |F (j)| die Spektrumenergiedichte und der Graph von |F (j)|
in Funktion von heisst Energiespektrum.

Beispiel 6.6.1 Bestimmen Sie die Spektrumenergiedichte der folgenden Signale:

1. Die einseitige Exponentialfunktion f (t) = eat H(t), mit a > 0 ;


2. Der Rechteckimpuls

A fur |t| T
f (t) =
0 fur |t| > T

Losung:

Fur gewisse Signale f (t), die fur < t < definiert sind, ist das Integral
Z
2
[f (t)] dt

unbeschrankt, oder es konvergiert nicht. Ein Beispiel ist die Funktion sin t. Fur solche Signale ist es also
unmoglich, die gesamte Energie oder die Spektrumenergiedichte zu bestimmen. In diesen Fall betrachten wir die
mittlere Leistung P des Signals:
T /2
1
Z
2
P = lim [f (t)] dt (6.34)
T T
T /2

Nun betrachten wir die Fourier-Transformierte der Dirac-Funktion, die fruher im Rahmen der Laplace-Trans-
formation schon eingefuhrt wurde. Die Funktion (t) erfullt die Eigenschaft: Ist g(t) eine stetige Funktion, so
gilt

228

Zb g(c) a < c < b
g(t) (t c) dt =
0 sonst.
a

Die Fourier-Transformationen der Funktionen (t) und (t c) konnen aus der Definition berechnet werden:
Z
F {(t)} = (t) ejt dt = 1 (6.35)

Z
F {(t c)} = (t c) ejt dt = ejc (6.36)

(t) |F(j)|
1

t
0 0

Abbildung 6.10: Die Dirac-Funktion und ihr Amplitudenspektrum.

(tc) |F(j)|
1

t
0 c 0

Abbildung 6.11: Die verschobene Dirac-Funktion (t c) und ihr Amplitudenspektrum.

Aus den Formeln (6.35) und (6.36) folgt, dass das Amplitudenspektrum der Dirac-Funktion (.) konstant und
gleich 1 ist (Figuren 6.10 und 6.11).
Mit der Eigenschaft Symmetrie (6.25) folgt aus den oben stehenden Formeln, dass

2() = F {1} (6.37)


und auch, dass 1 und 2() ein Paar von Fourier-Transformierten bilden.
Analog dazu gilt

2( c) = F ejtc ,

(6.38)
was bedeutet, dass ejct und 2( c) auch ein Paar von Fourier-Transformierten bilden. Hier konnen wir
bemerken, dass die Fourier-Transformierten der Funktion 1 und der Funktion ejct keine gewohnlichen Funktio-
nen sind, sondern Ausdrucke, die die Dirac-Delta Funktion enthalten. Diese wird manchmal verallgemeinerte
Funktion von Dirac, oder Distribution von Dirac genannt.

Beispiel 6.6.2 Bestimmen Sie die (verallgemeinerte) Fourier-Transformierte der Impulsfolge



X
f (t) = (t nT )
n=

in der Figur 6.12:

229
f(t)

t
T 0 T 2T 3T 4T 5T 6T

Abbildung 6.12: Impulsfolge

Losung:

Bevor wir diesen Abschnitt schliessen, konnen wir noch die Fourier-Transformierte der Heaviside-Funktion
H(t) ausdrucken, ohne Beweis (der Beweis basiert auf analytischen Methoden in den komplexen Zahlen, die
diesen Kurs uberschreiten):
1
F {H(t)} = + () (6.39)
j

6.7 Faltung
6.7.1 Faltung im Zeitbereich
Seien u(t) und v(t) zwei zeitliche Funktionen, deren Fourier-Transformationen existieren:
Z
F {u(t)} = U (j) = u(t)ejt dt

Z
F {v(t)} = V (j) = v(t)ejt dt

Definition 6.1 Das Faltungsprodukt der beiden Funktionen u und v ist die neue Funktion y(t) = u v(t)
der Variable t, die durch das folgende Integral definiert ist:
Z
y(t) = u v(t) = u( )v(t ) d (6.40)

Wir wenden die Fourier-Transformation auf die Funktion u v an:

Z Z 
Y (j) = F {y(t)} = ejt u( )v(t ) d dt

Z Z 
jt
= u( ) e v(t ) dt d

Wir konnen diese Formel mit den Variablenanderungen z t und umschreiben:

Z Z 
j(z+ )
Y (j) = u( ) v(z)e dz d

Z Z
= u( )ej d v(z)ejz dz

230
Somit erhalten wir die einfache Formel

Y (j) = U (j)V (j), (6.41)


welche auch in der folgenden Form geschrieben werden kann:

F {u v(t)} = F {v u(t)} = U (j)V (j) (6.42)


D.h. : Das Faltungsprodukt im Zeitbereich verandert sich in ein normales Produkt im Frequenzbereich.

6.7.2 Faltung im Frequenzbereich


Andererseits kann auch eine Faltung im Frequenzbereich definiert werden. Seien also
Z
1
F {u(t)} = U (j), mit u(t) = U (j)ejt d
2
Z
1
F {v(t)} = V (j), mit v(t) = V (j)ejt d
2

Definition 6.2 Das inverse Faltungsprodukt von U (j) und V (j) ist die neue Funktion U V der
Variable , definiert durch Z
U V (j) = U (jy)V (j( y))dy (6.43)

Nun berechnen wir die inverse Fourier-Transformierte des Faltungsproduktes im Frequenzbereich:

Z Z 
1 1 jt
F {U V (j)} = e U (jy)V (j( y))dy d
2
Z Z 
1 jt
= U (jy) V (j( y))e d dy
2

Die Variablenanderungen z y und fuhren zum Ausdruck

Z Z 
1
F 1 {U V (j)} = U (jy) V (jz)ej(z+y)t dz dy
2
Z Z
1 jyt
= U (jy)e dy V (jz)ejzt dz
2
= 2u(t)v(t)

Mit einer direkten Fourier-Transformation erhalten wir schliesslich die Formel


1
F {u(t)v(t)} = (U V (j)) (6.44)
2
Eine normale Multiplikation im Zeitbereich entspricht einer Faltung im Frequenzbereich, mit dem Multipli-
kator 1/2.

231
Beispiel 6.7.1 Gegeben sei die Funktion f (t) mit ihrer Fourier-Transformierte F (j). Geben Sie einen Ausdruck
fur die Fourier-Transformierte von g(t) an, mit
Z t
g(t) = f ( )d.

Losung:

6.7.3 Aufgaben

Aufgabe 6.7.1 Beweisen Sie die Gleichung

F 1 { [( 0 ) + ( + 0 )]} = cos 0 t

Aufgabe 6.7.2 Beweisen Sie die Gleichung

F {sin(0 t)} = j [( + 0 ) ( 0 )]

Aufgabe 6.7.3 Berechnen Sie mit einem Faltungsprodukt die Fourier-Transformierte F {H(t) sin(0 t)}.

232
Kapitel 7

Wahrscheinlichkeitsrechnung und
Statistik

7.1 Kombinatorik
7.1.1 Einleitung
Die Kombinatorik beschreibt die verschiedenen moglichen Arten, eine Teilmenge von Elementen anzuordnen,
wenn jeder von diesen Elementen aus einer endlichen aufzahlbaren Grundmenge ausgewahlt wird. Eine der wich-
tigsten Anwendungen der Kombinatorik ist die Wahrscheinlichkeitsrechnung, die in der Fortsetzung entwickelt
wird.
Wir betrachten eine Grundmenge E endlich vieler Elemente, aus der Teilmengen zusammengestellt werden
sollen. Wir wahlen also Elemente nacheinander aus und wir interessieren uns fur die moglichen Arten, diese
Elemente auszuwahlen. Je nachdem, ob dabei alle Elemente von E verwendet werden oder ob nur eine kleinere
Auswahl betrachtet wird, ob die Anordnung der Elemente einer derartigen Auswahl bedeutsam ist oder nicht,
bezeichnet man solche Zusammenstellungen als Permutationen, Variationen oder Kombinationen. Zu beachten ist
ausserdem, ob die Elemente der Grundmenge dabei verbraucht werden oder beliebig oft zur Verfugung stehen.
Demzufolge sind Zusammenstellungen ohne oder mit Wiederholung zu unterscheiden.
Diese drei Zusammenstellungen spielen eine gewisse Rolle in der Wahrscheinlichkeitsrechnung und werden in
den nachsten Abschnitten entwickelt.
Wir fangen mit einigen Beispielen an:

Beispiel 7.1.1 Wieviele Moglichkeiten gibt es, die sechs Buchstaben ABCDEF ohne Wiederholung aneinanderzu-
setzen?
Losung:

Beispiel 7.1.2 Wieviele Moglichkeiten gibt es, drei von den sechs Buchstaben ABCDEF ohne Wiederholung aus-
zuwahlen (z.B.: ABC, ABD, BDE, DEF, ...) ?
Losung:

233
Beispiel 7.1.3 Wieviele Moglichkeiten gibt es, drei von den sechs Buchstaben ABCDEF auszuwahlen, wenn Wie-
derholungen erlaubt sind (z.B. AAA, AAB, ABB, ...) ?
Losung:

Beispiel 7.1.4 Wieviele Moglichkeiten gibt es, eine Gruppe von drei Buchstaben aus der Grundmenge ABCDEF
ohne Wiederholung zu ziehen? Bemerkung: die Zusammenstellungen ABC und CBA entstprechen einer gleichen
Gruppe.
Losung:

7.1.2 Die Permutationen


Eine Permutation entspricht einer Zusammenstellung, in der alle Elemente der Grundmenge genau einmal auf-
gezahlt werden.

Definition 7.1 Sei E eine Grundmenge mit n Elementen. Als Permutation bezeichnet man Zusammenstel-
lungen von je n Elementen, wobei sich die Zusammenstellungen untereinander nur durch die Reihenfolge
der Elemente unterscheiden. Wenn mindestens zwei Elemente der Grundmenge die gleichen sind spricht
man von Permutationen mit Wiederholung.

Beispiel 7.1.5 Aus der Menge mit zwei Elementen E2 = {a, b} lassen sich zwei Permutationen bilden, namlich:
ab und ba.
Aus der Menge mit drei Elementen E3 = {a, b, c} lassen sich sechs Permutationen bilden, namlich: abc, acb,
bac, bca, cab, cba.
Die Menge E32,1 = {a, a, c} mit zwei gleichen Elementen ermoglicht drei Permutationen: aac, aca, caa.

Fur grossere Mengen kann es schwieriger sein, die erschopfende Liste aller moglichen Permutationen zu bil-
den. Es ist verfunftiger, zuerst die Anzahl dieser Permutationen vorherzusehen. Dazu haben wir das folgende
Theorem:

Theorem 7.1 Die Anzahl Pn der Permutationen n verschiedener Elemente ist

Pn = 1 2 . . . n = n! (7.1)

Befinden sich unter den n Elementen gleiche Elemente, die in k Teilmengen der grosse m1 , m2 , . . ., mk
(m ,m ,...,mk )
gesammelt sind, so ist die gesamte Anzahl Permutationen Pn 1 2 durch die folgende Formel gege-
ben:
n!
Pn(m1 ,m2 ,...,mk ) = (7.2)
m1 !m2 ! . . . mk !

234
Beweis:

Beispiel 7.1.6 Bestimmen Sie die Anzahl verschiedener Permutationen der Buchstaben der Worter MISSISSIP-
PI und DISZIPLINLOS.
Losung:

7.1.3 Die Variationen


Eine Variation ist eine Zusammenstellung, die durch Auswahl von k Elementen aus einer Grundmenge von n Ele-
menten unter Berucksichtigung der Anordnung gebildet wird. Die gleichen k Elemente, die in einer verschiedenen
Reihenfolge ausgewahlt werden, bilden eine verschiedene Variation.

Definition 7.2 Sei E eine Grundmenge mit n verschiedenen Elementen. Fur k ganzzahlig, k < n, be-
zeichnen wir als Variation eine Zusammenstellung zu je k Elementen, die unter Berucksichtigung der
Anordnung aus n gegebenen Elementen von E ausgewahlt werden.
Durfen die ausgewahlten Elemente mehrfach auftreten, handelt es sich um Variationen mit Wiederholung.

Beispiel 7.1.7 Welche sind die Variationen von 3 Ziffern, die aus der Grundmenge (0, 1, 2, 3, . . ., 9) gebildet
werden konnen? Betrachten Sie die Falle ohne und mit Wiederholung.
Losung:

Die Anzahl der moglichen Variationen ist im folgenden Theorem gegeben:

Theorem 7.2 Die Anzahl Vnk der Variationen von k Elementen aus einer Grundmenge n verschiedener
Elemente ist
n!
Vnk = = n(n 1) . . . (n k + 1), 1 k n. (7.3)
(n k)!
Durfen darin die Elemente mehrfach auftreten, so erhoht sich fur Variationen mit Wiederholung die Anzahl
auf

V Rnk = nk (7.4)

Beweis:

235
7.1.4 Die Kombinationen
Auch die Kombinationen sind Zusammenstellungen, die durch Auswahl von k Elementen aus einer Grundmenge
von n Elementen gebildet werden. Im Gegensatz zu den Variationen ist aber die Reihenfolge der Elemente ohne
Bedeutung.

Definition 7.3 Fur k ganzzahlig, k < n, bezeichnen wir als Kombinationen Zusammenstellungen zu je
k Elementen, die ohne Berucksichtigung der Anordnung aus n gegebenen Elementen ausgewahlt werden.
Durfen die ausgewahlten Elemente mehrfach auftreten, handelt es sich um Kombinationen mit Wieder-
holung.

Beispiel 7.1.8 Aus einer Gruppe von 6 qualifizierten Sportlern soll eine Zweiermannschaft fur eine Meisterschaft
ausgewahlt werden. Wieviele verschiedene Paare sind denkbar?
Losung:

Die gesamte Anzahl der Kombinationen ist im folgenden Theorem gegeben:

Theorem 7.3 Die Anzahl Cnk der Kombinationen n verschiedener Elemente aus einer Grundmenge von n
Elementen ist
 
n(n 1) . . . (n k + 1) n
Cnk = = , 1 k n. (7.5)
k! k
Durfen darin die Elemente mehrfach auftreten, so erhoht sich fur die Kombinationen mit Wiederholung die
Anzahl auf
 
k n+k1
CRn = (7.6)
k

Beweis:

7.1.5 Beispiele und Aufgaben


In den Problemen der Kombinatorik besteht die Schwierigkeit im Erkennen der Art der zutreffenden Problemklas-
se: ist das eine Variation? eine Kombination ? eine einfache Permutation? Mit oder ohne Wiederholung? Spielt die
Reihenfolge eine Rolle oder nicht?
Die unten stehende Tabelle fasst die verschiedenen Falle zusammen:

236
Einfache Anordnung Anordnung von k Teilmenge von k
der n Elemente Elemente aus n Elemente aus n
Alle Elemente Permutation ohne Variation ohne Kombination ohne
sind verschieden Wiederholung: Wiederholung: Wiederholung:

Pn Vnk Cnk

Die Elemente durfen Permutation mit Variation mit Kombination mit


mehrmals auftreten Wiederholung: Wiederholung: Wiederholung:

Pn(m1 ,m2 ,...,mk ) V Rnk CRnk

237
Beispiel 7.1.9 Fur Landesflaggen werden ublicherweise die Farben Rot, Gelb, Grun, Blau, Schwarz und Weiss
verwendet.

1. Wieviele verschiedenfarbige zweistreifige und wieviele verschiedenfarbige dreistreifige Flaggen lassen sich
aus diesen sechs Farben zusammenstellen?
2. Wieviele dreistreifige Flaggen konnen aus den Farben Blau, Rot, Weiss zusammengestellt werden, wenn
jede dieser Farben nur einmal auftreten darf?

Losung:

Beispiel 7.1.10 Im Sport-Toto sind fur 11 Spiele die Ergebnisse gewonnen (1), verloren (2) oder unentschieden
(X) vorherzusagen. Wieviele verschiedene Tippreihen sind moglich?
Losung:

Beispiel 7.1.11 In einem Zahlenlotto werden aus den Zahlen 1 bis 49 sechs Gewinnzahlen zufallig gezogen. Die
Reihenfolge der sechs Zahlen ist irrelevant (z.B.: {12, 18, 42, 7, 29, 34} und {42, 29, 12, 7, 34, 18} bilden die
gleiche Zusammenstellung). Wieviele Moglichkeiten gibt es?
Losung:

Beispiel 7.1.12 In einer Klasse von 30 Studenten wird untersucht, ob unter ihnen zwei oder mehr am gleichen Tag
Geburtstag haben.

1. Wieviele Moglichkeiten gibt es dafur, dass alle 30 Studenten an verschiedenen Tagen Geburtstag haben?

2. Wieviele Moglichkeiten gibt es dafur, dass mindestens 2 Studenten am gleichen Tag Geburtstag haben?

Losung:

238
Aufgaben

Aufgabe 7.1.1 Wieviele verschiedene Worte (auch sinnlos) ergeben sich durch Umordnung der Buchstaben aus
a) DAME b) LAMA c) PURPUR d) RHODODENDRON

Aufgabe 7.1.2 Ein Lieferant soll 8 verschiedene Kunden in beliebiger Reihenfolge beliefern. Wieviele Touren-
plane sind moglich?

Aufgabe 7.1.3 Fur ein Konzert, in dem 5 Musikstucke erklingen sollen, ist ein Programmzettel zu drucken. Wie-
viele verschiedene Reihenfolgen sind denkbar?

Aufgabe 7.1.4 Drei Wurfel werden gleichzeitig geworfen.

1. Wieviele Moglichkeiten gibt es insgesamt?


2. Wieviele Moglichkeiten gibt es, die 1 genau einmal zu erhalten?
3. Wieviele Moglichkeiten gibt es, die 1 mindestens einmal zu erhalten?

Aufgabe 7.1.5 Elf Orte sollen direkt durch je einen Weg miteinander verbunden werden. Wieviele Wege sind
notig?

239
7.2 Zufallige Ereignisse und Zufallsvariablen
7.2.1 Begriffe und Definitionen

Definition 7.4 Ein zufalliger Versuch ist ein Vorgang, dessen Ausgang im Rahmen mehrerer Moglichkei-
ten ungewiss ist und der unter Einhaltung der den Versuch kennzeichnenden ausseren Bedingungen beliebig
oft wiederholt werden konnte.
Die Menge aller moglichen realisierten und unrealisierten Ergebnisse eines zufalligen Versuchs bezeichnen
wir als Grundgesamtheit. In der Fortsetzung wird die Grundgesamtheit mit dem Symbol notiert.
Jeder Ausgang eines zufalligen Versuchs ist ein zufalliges Ereignis. Ein Ereignis entspricht immer einer
Teilmenge der Grundgesamtheit .

Die ersten zufalligen Versuche, die im Laufe der historischen Entwicklung wissenschaftlich untersucht wurden,
waren Gluckspiele, z.B. Karten- oder Wurfelspiele. Ab dem 17. Jahrhundert entwickelte sich, darauf aufbauend,
die Wahrscheinlichkeitsrechnung. Noch heute sind die Gluckspiele, vor allem das Wurfelspiel, beliebte Anschau-
ungsbeispiele fur die Gesetze der Wahrscheinlichkeitsrechnung. In der Fortsetzung verwenden wir die einfachen
Modelle der Gluckspiele haufig.

Beispiel 7.2.1 Der Wurf mit einem Wurfel ist ein zufalliger Versuch, uber dessen Ergebnis nur sicher voraus-
gesagt werden kann, dass es eine der Zahlen 1 bis 6 sein wird. Die Grundgesamtheit ist also die Menge =
{1, 2, 3, 4, 5, 6}.
In dieser Grundmenge sind die Ausdrucke Eine 2 erhalten, Eine 3 erhalten oder Eine gerade Zahl zwi-
schen 2 und 6 erhalten Ereignisse zu dem zufalligen Versuch.

Definition 7.5 Eine Zufallsvariable ist eine reelle Funktion auf der Grundgesamtheit :

X: R
X() = x

Eine Zufallsvariable modelliert eine Zufallsgrosse symbolisch, d.h. den Ausgang eines zufalligen Versuchs.
Der Wert der Variable ist im Voraus nicht bekannt und im Laufe des Versuchs zufallig bestimmt.
Eine Realisierung ist ein Wert, der eine Zufallsvariable annehmen kann.

Zufallsvariablen werden ublicherweise durch grosse Buchstaben (die letzten des Alphabets) dargestellt: X, Y ,
Z. Die Realisierungen bezeichnen wir aber mit kleinen Buchstaben.
Die Unterscheidung der Ereignisse zufalliges Ereignis und Zufallsvariable bereitet erfahrungsgemass Schwie-
rigkeiten. Am Wurf mit einem Wurfel lasst sich das erklaren:
Sei X eine Zufallsvariable, die die Augenzahl beim Wurfel darstellt. Die Werte x1 = 1 oder x4 = 4 sind
mogliche Realisierungen der Zufallsvariable X. Die Realisierungen sind nur bekannt, nachdem der Versuch statt-
gefunden hat.
Hingegen sind die Ausdrucke X = 1 oder X = 4 Ereignisse, die im Laufe des Versuchs realisiert oder
nicht werden konnen. Der Zufall beschliesst.

Definition 7.6 Eine Zufallsvariable, die nur endlich oder abzahlbar unendlich viele Realisierungen besitzt,
heisst diskret. Eine Zufallsvariable, deren Realisierungen jeden beliebigen Wert eines Intervalls I R
annehmen konnen, heisst stetig.

240
Diskrete Zufallsgrossen sind dadurch gekennzeichnet, dass sie sich nur in diskreten Schritten andern konnen
und dass ihre Realisierungen mit einen ganzzahligen Index durchnummerierbar sind: x1 , x2 , . . .. Beispiele dafur
sind Anzahlen (von Personen, Werkstucken, Telefonanrufen, Wahlerstimmen, usw.).
Stetige Zufallsvariablen konnen sich kontinuierlich andern. Ihre Realisierungen konnen beliebig dicht beiein-
ander liegen, z.B. Temperaturen, Langen, Lebensdauern, zeitabhangige Grossen.
In der praktischen Handhabung werden stetige Zufallsgrossen durch Rundung mitunter diskretisiert, z.B. die
Altersangabe in Jahren, die menschliche Korperlange in cm, die Temperatur in Grad, usw.

Definition 7.7 Als Stichprobe bezeichnet man eine durch zufallige Auswahl entstehende endliche Menge
von Realisierungen des zufalligen Versuchs.

Beispiel 7.2.2 Fur eine medizinische Untersuchung wird die Korperlange der Jugendlichen in der Rekrutenschule
untersucht. Als Grundgesamtheit wird z.B. das Intervall [150, 220] betrachtet. Durch Rundung in cm kann eine
diskrete Zufallsvariable X fur die Korperlange definiert werden. Fur 21 Rekruten werden die folgenden Werte
gemessen (das ist also eine Stichprobe): 182, 176, 175, 183, 169, 181, 165, 182, 181, 180, 192, 180, 179, 178, 184,
193, 188, 177, 180, 180, 178.
Jede Zahl der Liste ist eine Realisierung der Zufallsvariable X.

7.2.2 Erfassung von Zufallsvariablen und elementare Statistik


In Prinzip haben wir fur verfugbare Daten nach mehreren Wiederholungen eines Versuchs die Realisierungen
einer Zufallsgrosse. Es handelt sich um eine Beobachtungsreihe, haufig von ganzen oder reellen Zahlen. Jede
Beobachtungsreihe ist als Stichprobe anzusehen. Je nach den Bedurfnissen werden die Beobachtungsreihen fur die
statistische Behandlung in Listen, Tabellen oder Grafiken dargestellt.
Erfasst man die Werte in der Reihenfolge ihres Entstehens bzw. ihrer Messung, erhalt man eine sogenannte
Urliste. Eine Urliste der Daten ist im Beispiel 7.2.2 gegeben.

170 175 180 185 190

Abbildung 7.1: Haufigkeitsdiagram der gemessenen Werte.

Eine verbesserte Listenform ist die Haufigkeitstabelle oder primare Verteilungstabelle: in ihr sind die Be-
obachtungswerte der Grosse nach bwz. in einer definierten Reihenfolge geordnet und die Haufigkeit des Auftretens
der einzelnen Werte angegeben. Mit hi wird die absolute Haufigkeit (oder absolute Frequenz) des Auftretens der

241
einzelnen Messwerte bezeichnet. Die Werte ri geben die relative Haufigkeit an (bezogen auf den Stichprobenum-
fang n), und die Werte Ri (die kumulative Haufigkeiten) sind die Summen der relativen Haufigkeiten, aufsummiert
bis zur jeweiligen Zeile der Tabelle. Fur das Beispiel 7.2.2, hat die Haufigkeitstabelle die folgende Form:

i xi hi ri Ri
1 165 1 0.0476 0.0476
2 169 1 0.0476 0.0952
3 175 1 0.0476 0.1429
4 176 1 0.0476 0.1905
5 177 1 0.0476 0.2381
6 178 2 0.0952 0.3333
7 179 1 0.0476 0.3810
8 180 4 0.1905 0.5714
9 181 2 0.0952 0.6667
10 182 2 0.0952 0.7619
11 183 1 0.0476 0.8095
12 184 1 0.0476 0.8571
13 188 1 0.0476 0.9048
14 192 1 0.0476 0.9524
15 193 1 0.0476 1.0000
P
21 1.0000

In dieser Tabelle sind die 15 verschiedenen gemessenen Werte xi zusammengestellt. Da gewisse Werte mehr-
mals (zweimal oder viermal) gemessen worden sind, betragt der Stichprobenumfang 21.

Definition 7.8 Die absolute Haufigkeit h(A) eines zufalligen Ereignisses A gibt an, wie oft dieses Ereig-
nis bei insgesamt n Beobachtungen eintritt. Als relative Haufigkeit bezeichnet man den Quotienten

h(A)
r(A) = (7.7)
n

Da das Auftreten einer Realisierung xi einer Zufallsvariable X ein zufalliges Ereignis ist, sind die folgenden
Schreibweisen sinnvoll, die in der Fortsetzung haufig verwendet werden:

hi h(X = xi ) ri r(X = xi )
Diese Notation bedeutet: hi ist gleich der absoluten Frequenz der Realisierung xi der Zufallsvariable X.
Die kumulative Frequenz Ri kann auch in der folgenden Form ausgedruckt werden:
i i
X 1X
Ri = rj = hj
j=1
n j=1

Bei einer grossen Anzahl verschiedener Beobachtungswerte kann die Haufigkeitstabelle sehr lang werden,
worunter die Ubersichtlichkeit leidet. Dem hilft man durch Bildung von Klassen ab, indem man Intervalle von

242
Beobachtungswerten bildet und feststellt, wieviel Werte in einem Intervall liegen. Dazu muss man Klassengrenzen
festlegen. Das Ergebnis dieser Verdichtung der Beobachtungswerte ist eine sekundare Verteilungstabelle.
Fur die Daten des Beispiels 7.2.2 kann man z.B. die gegeben Werte in den folgenden Klassen gruppieren:
[162.5 . . . 167.5), [167.5 . . . 172.5), [172.5 . . . 177.5), [177.5 . . . 182.5), [182.5 . . . 187.5), [187.5 . . . 192.5),
[192.5 . . . 197.5].

10

167.5 172.5 177.5 182.5 187.5 192.5 197.5

Abbildung 7.2: Diagramm der sekundaren Haufigkeitstabelle.

Es ist besser, die Klassengrenzen so zu wahlen, damit die Beobachtungswerte nicht auf eine Klassengrenze
fallen. Um Verzerrungen zu vermeiden, muss die Klassenbreite fur alle Klassen einheitlich festgelegt werden. Die
Anzahl k der Klassen sollte wegen des Informationsverlustes nicht zu klein, aber wegen mangelnder Ubersicht-
lichkeit auch nicht zu gross sein. Ublicherweise liegt die optimale Anzahl Klassen zwischen 10 und 20.
Fur manche Zwecke ist es nutzlich, eine Klasse durch ihre Klassenmitte zu reprasentieren. Fur die Klasse mit
der Nummer i und den Klassengrenzen [xi1 . . . xi2 ) ist die Klassenmitte
xi1 + xi2
xi = , i = 1, 2, . . . , k.
2
Hier unten ist die Verteilungstabelle fur das Beispiel 7.2.2:

i xi1 . . . xi2 xi hi ri Ri
1 162.5 . . . 167.5 165 1 0.0476 0.0476
2 167.5 . . . 172.5 170 1 0.0476 0.0952
3 172.5 . . . 177.5 175 3 0.1429 0.2381
4 177.5 . . . 182.5 180 11 0.5238 0.7619
5 182.5 . . . 187.5 185 2 0.0952 0.8571
6 187.5 . . . 192.5 190 2 0.0952 0.9524
7 192.5 . . . 197.5 195 1 0.0476 1.0000
P
21 1.0000

Es ist hier wichtig, die Zahlen nicht zu verwechseln: die Anzahl n der Beobachtungen (fur das Beispiel: 21),
die Anzahl m der verschiedenen Werte (15) und die Anzahl k der Klassen in der sekundaren Verteilungstabelle
(7).

243
In der Fortsetzung wird vorausgesetzt, dass die Beobachtungswerte xi schon wachsend geordnet sind. Nun
geben wir einige neue Definitionen.

1. Der Modalwert D einer Beobachtungsreihe ist derjenige Wert, der in ihr am haufigsten auftritt. Es gilt:

D = xj mit hj = max hi
i

Fur das oben stehenden Beispiel ist der Modalwert D = 180, da dieser Wert viermal auftritt. Sind die
Beobachtungswerte in Klassen eingeteilt, so liegt D in der Klasse [xj1 . . . xj2 ) mit der grossten Haufigkeit
hj .
Eine Beobachtungsreihe kann mehrere Modalwerte haben, wenn die maximale Haufigkeit mehrmals auftritt.
2. Der Zentralwert oder Median x einer der Grosse nach geordneten Beobachtungsreihe ist der mittelste Wert
der Reihe. Sind die Beobachtungswerte x1 , x2 , . . . , xn der Grosse nach geordnet, so gilt:


x n+1
falls n ungerade
2
x =
1



2 x n2 + x n2 +1 falls n gerade.

Fur das oben stehende Beispiel mit n = 21 ist der Zentralwert durch das Element x11 gegeben, dessen Wert
180 ist.
Bei Klasseneinteilung der Beobachtungswerte liegt x in der Klasse [xj1 . . . xj2 ), fur die die relative Sum-
menhaufigkeit Rj erstmals den Wert 0.5 uberschreitet.

3. Das arithmetische Mittel x ergibt sich als Summe aller Beobachtungswerte dividiert durch die Anzahl aller
Beobachtungswerte.

Es gilt bei Berechnung aus der Urliste:


n
1X
x= xi (7.8)
n i=1

Es gilt bei Berechnung aus der Haufigkeitstabelle:


m
1X
x= hi xi (7.9)
n i=1
hi
Die Formel (7.9) ist identisch mit dem sogenannten gewogenen arithmetischen Mittel. Die Faktoren n
heissen Gewichte.
Es gilt bei Berechnung aus der sekundaren Verteilungstabelle:

k
1X
x = hi xi (7.10)
n i=1

Zwischen den Zahlenwerten x und x kann es geringfugige Abweichungen geben, da die Beobachtungswer-
te einer Klasse nicht unbedingt symmetrisch zur Klassenmitte xi liegen. Fur die Werte des Beispiels (7.2.2)
erhalt man x = 180.14 und x = 180.24.

244
4. Die empirische Standardabweichung s ist eine mittlere (quadratische) Abweichung der Einzelwerte einer
Beobachtungsreihe von ihrem arithmetischen Mittelwert, definiert durch
v
u n
1 X
(xi x)2
u
s=t (7.11)
n 1 i=1

Die empirische Varianz ist gleich dem Quadrat der Standardabweichung, d.h.:

n
2 1 X 2
s = (xi x) (7.12)
n 1 i=1

Sowohl das arithmetische Mittel x als auch die empirische Standardabweichung s sind nach Eingabe der
Beobachtungswerte mit allen Taschenrechnern oder Computerprogrammen einfach zu berechnen.
Aus der Haufigkeitstabelle erhalt man die empirische Varianz nach der Formel

m
1 X
s2 = hi (xi x)2 (7.13)
n 1 i=1

Die Standardabweichung ist gleich der Wurzel der Varianz.

Aus der sekundaren Veteilungstabelle erhalt man die empirische Varianz nach der Formel

k
1 X
s 2 = hi (xi x )2 (7.14)
n 1 i=1

Nochmals kann es zwischen s und s geringe Abweichungen geben. Fur das Beispiel7.2.2 erhalten wir
s = 6.39 und s = 6.45.

5. Dividiert man die Standardabweichung s einer Beobachtungsreihe durch deren arithmetisches Mittel x, so
erhalt man ein relatives Streuungsmass: den Variationskoeffizient . Dieser kann auch in Prozent ausge-
druckt werden:

s s
= oder in Prozent: = 100% (7.15)
x x
Fur das Beispiel 7.2.2 betragt der Variationskoeffizient = 0.0355, was bedeutet, dass die einzelnen Beob-
achtungswerte im Mittel um 3.55% vom arithmetischen Mittel x abweichen.

7.2.3 Beschreibung zufalliger Ereignisse


Die Behandlung und die Analyse der zufalligen Ereignisse erfordert eine gewisse Anzahl von Begriffen, Definitio-
nen, und Rechenregeln, die sorgfaltig aufgestellt werden sollen. Die Rechenregeln sind oft analog zu den Regeln
der Mengentheorie. Als Standardbeispiel eines Ereignisses nehmen wir haufig den Wurf mit einem idealen Wurfel,
mit der Zufallsvariable X fur den moglichen Ausgang des Wurfes. Zum Beispiel:

Ereignis: Die Augenzahl i erhalten, mit 1 i 6 (die Zufallsvariable X kann die moglichen Realisie-
rungen 1, 2, 3, 4, 5 oder 6 annehmen).
Ereignis Eine gerade Zahl erhalten (X kann die Realisierungen 2, 4 oder 6 annehmen).
Ereignis Eine Zahl grosser als 2 erhalten (X kann die Realisierungen 3, 4, 5 oder 6 annehmen).

Zu Beginn werden einige neue Definitionen gegeben.

245
Definition 7.9 Ein Ereignis , das bei jeder Wiederholung eines zufalligen Versuchs obligatorisch auftritt,
wird als sicheres Ereignis bezeichnet.
Ein Ereignis , das niemals auftritt, wird als unmogliches Ereignis bezeichnet.


Abbildung 7.3: Darstellung des sicheren und des unmoglichen Ereignisses.

Beispiel 7.2.3 Beim Wurf mit einem Wurfel gilt:

: Eine naturliche Zahl zwischen 1 bis 6 erhalten.


: Eine naturliche Zahl grosser als 7 erhalten.

Die Analogien mit der Mengentheorie sind selbstverstandlich: stellt die Universalmenge (oder die Referenz-
menge) dar und die leere Menge.

Definition 7.10 Ein Ereignis A, das genau dann eintritt, wenn das Ereignis A nicht eintritt, heisst komple-
mentares Ereignis zu A.

A
A


Abbildung 7.4: Das komplementare Ereignis.

Beispiel 7.2.4 Beim Wurf mit einem Wurfel:

A : Eine gerade Augenzahl erhalten.


A : Eine ungerade Augenzahl erhalten.

246
A

B A

Abbildung 7.5: Teilereignis.

Definition 7.11 Ein Ereignis B heisst Teilereignis von A, wenn zusammen mit dem Ereignis B stets auch
das Ereignis A eintritt. Man schreibt dann B A.

Beispiel 7.2.5 Beim Wurf mit einem Wurfel:

A : Eine gerade Augenzahl erhalten.


B : Die Zahl 2 erhalten.

Wenn der Wurfel die Zahl 2 zeigt (d.h.: B ist realisiert), so ist das Ereignis A auch sicher realisiert (2 ist eine
gerade Zahl). Es gilt: B A.

Definition 7.12 Die Verknupfung A B zweier Ereignisse bedeutet, dass mindestens eines der Ereignisse
A, B eintritt (A oder B).
Der Durchschnitt (oder die Konjunktion) A B zweier Ereignisse bedeutet, dass sowohl das Ereignis A
als auch das Ereignis B gleichzeitig eintreten (A und B).
Zwei Ereignisse A und B sind unvereinbar oder unkompatibel oder disjunkt wenn ihr gleichzeitiges
Eintreten unmoglich ist, d.h. wenn sie unvertraglich sind.

A
A A
B B B

Abbildung 7.6: Verknupfung, Durchschnitt und unvereinbare Ereignisse.

Beispiel 7.2.6 Beim Wurf mit einem Wurfel:

A : Eine gerade Augenzahl erhalten.


B : Eine ungerade Augenzahl erhalten.

247
Es ist selbstverstandlich, dass AB = , weil eine Augenzahl beim Wurf eines Wurfels kann nicht gleichzeitig
gerade und ungerade sein. Die Ereignisse A und B sind also unvereinbar.

Beispiel 7.2.7 Ein Jass Kartenspiel enthalt 36 Karten, verteilt zu je 9 auf die Farben Kreuz, Pique, Herz und
Karo. Zu jeder Farbe gehoren funf Zahlenkarten (6, 7, 8, 9, 10) und vier Bildkarten (Bube, Dame, Konig, As).
Beim zufalligen Ziehen einer Karte wird das Ergebnis durch die Verknupfung zufalliger Ereignisse charakterisiert:

A1 Die gezogene Karte ist ein Herz


A2 Die gezogene Karte ist ein Karo
A3 Die gezogene Karte ist ein Kreuz
A4 Die gezogene Karte ist ein Pique

B1 Die gezogene Karte ist eine 6


B2 Die gezogene Karte ist eine 7
B3 Die gezogene Karte ist eine 8
B4 Die gezogene Karte ist eine 9
B5 Die gezogene Karte ist eine 10
B6 Die gezogene Karte ist ein Bube
B7 Die gezogene Karte ist eine Dame
B8 Die gezogene Karte ist ein Konig
B9 Die gezogene Karte ist ein As

Mit den oben stehenden Notationen ist es moglich, eine Bedeutung zu den folgenden zusammengesetzten
Ereignissen anzugeben:

A3 B6 , A1 B7 , A4 (B6 B7 B8 B9 ), A3 A4 , (A1 A2 ) B9 .

Losung:

Die Verknupfung und der Durchschnitt von Ereignissen konnen von beliebig vielen zufalligen Ereignissen A1 ,
A2 , . . . , An gebildet werden. Analog zu der Mengentheorie schreibt man dann
n
[
Ai = A1 A2 . . . An
i=1

fur die Verknupfung der Ereignisse A1 , A2 , . . . , An , und


n
\
Ai = A1 A2 . . . An
i=1

fur ihren Durchschnitt.

248
Fur zufallige Ereignisse gelten die gleichen Regeln wir fur Mengen, insbesondere auch die De Morganschen
Gesetze1 :

AB = AB AB =AB (7.16)

Definition 7.13 Die Differenz A B der Ereignisse A und B bedeutet, dass das Ereignis A eintritt, nicht
jedoch gleichzeitig B (d.h. A ohne B).

Definition 7.14 Die endlich vielen Ereignisse A1 , A2 , . . . , An heissen Zerlegung des Ereignisses A falls
gilt
n
[
A= Ai und Ai Aj =
i=1

fur alle Paare i, j, i 6= j.


Die Ereignisse Ai bilden ein vollstandiges System zufalliger Ereignisse, wenn sie sich als Zerlegung des
sicheren Ereignisses darstellen lassen, d.h. wenn gilt
n
[
= Ai und Ai Aj = (7.17)
i=1

fur alle Paare i, j, i 6= j.

Beispiel 7.2.8 Beim Wurf mit einem Wurfel bilden die sechs Elementarereignisse A1 = Die Augenzahl 1 erhal-
ten, A2 = Die Augenzahl 2 erhalten, . . . , A6 = Die Augenzahl 6 erhalten ein vollstandiges System.
Beweis:

7.2.4 Aufgaben

Aufgabe 7.2.1 In einer meteorologischen Station wurden in 33 aufeinanderfolgenden Jahren jeweils am 15. Ok-
tober die folgenden Mittagstemperaturen (in o C) gemessen:

12.2 18.9 9.3 21.4 13.6 8.2 1.2 16.4 4.3 17.1 16.5
23.1 11.8 13.7 9.8 19.1 18.0 12.3 12.8 17.1 13.0 0.4
10.3 20.2 13.6 15.0 11.7 10.9 19.3 14.1 12.5 21.4 18.5
Zu bestimmen sind
1 Augustus de Morgan, englischer Mathematiker und Logiker, London und Cambridge, 1806 - 1871

249
1. das arithmetische Mittel, der Median, die Standardabweichung der Beobachtungsreihe ;
2. die sekundare Verteilungstabelle fur Werte zwischen 5o und 25o mit einer Klassenbreite d = 5o ;
3. die aus der sekundaren Verteilungstabelle resultierenden Kennwerte x und s .

Aufgabe 7.2.2 An 12 thermisch belasteten gleichartigen Heizelementen wird die Funktionsdauer beobachtet. Die
Funktionsdauer der Elemente sind in der folgenden Liste der Grosse nachgeordnet: 257, 326, 2851, 3205, 4512,
4788, 5213, 6925, 7260, 8472, 9556 und 9899 (Betriebstunden). Zu bestimmen ist das arithmetische Mittel x, die
empirische Standardabweichung s sowie der Variationskoeffizient .

250
7.3 Wahrscheinlichkeiten
7.3.1 Absolute Wahrscheinlichkeit
Bei der wiederholten Beobachtung zufalliger Ereignisse bemerkt man, dass gewisse Ereignisse haufiger, andere
seltener auftreten. Dieser unterschiedliche Grad der Moglichkeit des Eintretens kann quantifiziert werden und
wird durch eine Zahl zwischen null und eins ausgedruckt: die Wahrscheinlichkeit. Naturlicherweise wird dem
unmoglichen Ereignis der Wert 0 und dem sicheren Ereignis der Wert 1 zugeordnet.
Die Angabe einer Wahrscheinlichkeit, z.B. 0.8, fur ein zufalliges Ereignis bedeutet, dass bei einer grossen
Anzahl von Beobachtungen in 80% der Falle mit dem Eintreten dieses Ereignisses zu rechnen ist.
In einer formalen Weise ist der Begriff Wahrscheinlichkeit klar definiert und begrundet. Die Theorie der Wahr-
scheinlichkeitsrechnung wurde von dem russischen Mathematiker KOLMOGOROV2 am Anfang des XX. Jahrhun-
derts entwickelt.
Wir fangen diesen Kapitel mit ein Paar wesentlichen Definitionen und Axiomen an.

Definition 7.15 Sei A ein zufalliges Ereignis. Die Wahrscheinlichkeit P (A) ist eine dem zufalligen Er-
eignis A zugeordnete Zahl mit folgenden Eigenschaften (Axiomen):

Axiom 1: P (A) nimmt nur Werte zwischen 0 und 1 an, d.h.:

0 P (A) 1 (7.18)

Axiom 2: Dem sicheren Ereignis wird die Wahrscheinlichkeit 1 zugeordnet:

P () = 1 (7.19)

Axiom 3: Fur beliebige disjunkte Ereignisse A und B gilt stets

P (A B) = P (A) + P (B) (7.20)

Das Symbol P (A) bezeichnet die Wahrscheinlichkeit dafur, dass das Ereignis A eintritt. Fur ein zufalliges
Ereignis, dass eine Zufallsvariable X die Realisierung xi annimmt, schreibt man P (X = xi ) oder noch kurzer
p(xi ).
Bilden die Ereignisse Ai eine unendlich abzahlbare Familie, so mussen die drei Axiome mit einem vierten
erganzt werden:

Definition 7.16 Axiom 4: Sind die Ereignisse Ai , i = 1, 2, . . . paarweise disjunkt, d.h. ist Ai Aj = ,
i 6= j, i, j = 1, 2, . . ., so gilt


!
[ X
P Ai = P (Ai ) (7.21)
i=1 i=1

Fur das Rechnen mit Wahrscheinlichkeiten lassen sich aus den obigen Axiomen Regeln herleiten, die in den
folgenden Satzen dargestellt und durch ebene Punktmengen veranschaulicht sind.

Theorem 7.4 Die Wahrscheinlichkeit des unmoglichen Ereignisses ist null, d.h.:

P () = 0 (7.22)

2 A. N. Kolmogorov : 1903-

251
Beweis:

Theorem 7.5 Fur zwei komplementare Ereignisse A und A gilt:



P A = 1 P (A) (7.23)

Beweis:

Theorem 7.6 Seien zwei Ereignisse A und B mit A B. So gilt:

P (A) P (B) (7.24)

Beweis:

Falls zwei Ereignisse A, B durch die Disjunktion A B verknupft sind, so hangt die Wahrscheinlichkeit von
A B ab, ob die Ereignisse A und B zueinander vereinbar oder unvereinbar sind:

Theorem 7.7 (Additionssatz der Wahrscheinlichkeitsrechnung) Fur zwei Ereignisse A, B gilt




P (A) + P (B)
falls A, B unvereinbar
P (A B) = (7.25)

P (A) + P (B) P (A B) falls A, B vereinbar.

Beweis:

Beispiel 7.3.1 Mit welcher Wahrscheinlichkeit erzielt man bei einem Wurf mit einem Wurfel eine gerade Zahl
oder die Zahl 3 ?
Losung:

Beispiel 7.3.2 Bei einer Prufung in einer Fachhochschule haben 70% der Kandidaten des 2. Jahres die Mathematik
Prufung bestanden, 85% die Prufung des Faches Digitaltechnik und 65% haben die zwei Prufungen bestanden.
Zu bestimmen ist die Wahrscheinlichkeit, dass ein zufallig gewahlter Kandidat

1. eine oder die andere Prufung besteht ;

252
2. die Mathematik besteht und die Digitaltechnik nicht besteht ;
3. die zwei Prufungen nicht besteht.

Losung:

7.3.2 Wahrscheinlichkeitsrechnung
Beim Wurf mit einem Wurfel gibt es insgesamt 6 Elementarereignisse, die, wenn man die vollige Gleichmassigkeit
des Wurfels voraussetzt, alle gleichwahrscheinlich sind: es gibt 1 Chance von 6, eine 1, oder eine 2, . . . , oder
eine 6 zu erhalten. Die Wahrscheinlichkeit betragt also jeweils 16 .
Es ist zu bemerken, dass in diesem Fall alle Ausgange zueinander unabhangige Ereignisse sind, d.h.: Die
Realisierung 3 beim 2. Wurf hangt vom Ergebnis des ersten Wurfs nicht ab! Dies ist aber nicht immer wahr, und
wir mussen in der Fortsetzung die unabhangigen und die abhangigen Ereignisse unterscheiden.
Die sogenannte klassische Wahrscheinlichkeitsformel wurde erstmal 1812 von L APLACE3 formuliert:

Die Wahrscheinlichkeit P (A), dass ein elementares Ereignis A auftritt, ist nach der umgangsprachlichen
Formel gegeben
Anzahl der fur A gunstigen Elementarereignisse
P (A) = (7.26)
Anzahl aller moglichen Elementarereignisse

Beispiel 7.3.3 Mit welcher Wahrscheinlichkeit wird aus einem vollstandigen Jass Kartenspiel von 36 Karten ein
As gezogen?
Losung:

Beispiel 7.3.4 In einer Klasse von 30 Studenten wettet jemand: Ich wette, dass in der Klasse mindestens 2 Stu-
denten am gleichen Tag Geburtstag haben. Wie gross ist die Wahrscheinlichkeit, dass er die Wette gewinnt?
Losung:

Wie schon erwahnt wurde, gibt es Situationen, wo verschiedene Ereignisse zueinander abhangig sind. Ein
Ereignis A kann verschiedene Ausgange haben, je nachdem, ob ein anderes Ereignis B stattgefunden hat oder
nicht. Aus diesem Grund soll der Begriff bedingtes Ereignis eingefuhrt werden. Die Notation A|B bedeutet Das
Ereignis A unter der Bedingung, dass B eingetreten ist. Die Wahrscheinlichkeit, dass das Ereignis A|B eintritt
ist also eine bedingte Wahrscheinlichkeit, die von B abhangt.
Es gilt die folgende Regel:
3 Pierre Simon Laplace, (1749-1827): franzosischer Mathematik und Physiker.

253
Definition 7.17 Sind A und B zufallige Ereignisse in einer gleichen Familie von Ereignissen. Unter der
Voraussetzung P (B) > 0 ist die bedingte Wahrscheinlichkeit von A unter der Bedingung B gegeben
durch
P (A B)
P (A|B) = (7.27)
P (B)
Umgekehrt: unter der Voraussetzung P (A) > 0 ist die bedingte Wahrscheinlichkeit von B unter der
Bedingung A gegeben durch

P (A B)
P (B|A) = (7.28)
P (A)

Aus den beiden Formeln (7.27) und (7.28) erhalt man die Gleichungen

P (A B) = P (A|B) P (B) = P (B|A) P (A) (7.29)

Es ist klar, dass die Wahrscheinlichkeiten P (A) und P (A|B) im Allgemeinen verschieden sind, ausser im
Fall, wo B keinen Einfluss auf A hat. Diese Uberlegung fuhrt zu einer prazisen Definition von unabhangigen
Ereignissen:

Definition 7.18 Seien A und B zufallige Ereignisse in der gleichen Familie von Ereignissen. So heisst

A unabhangig von B, falls P (A|B) = P (A)

B unabhangig von A, falls P (B|A) = P (B)

Fur unabhangige Ereignisse vereinfacht sich die Formel (7.29) zu

P (A B) = P (A) P (B) (7.30)


Zusammenfassend lautet damit der Multiplikationssatz:

Theorem 7.8 ( Multiplikationssatz der Wahrscheinlichkeitsrechnung) Seien A und B zufallige Ereig-


nisse in der gleichen Familie von Ereignissen. So gilt:



P (A) P (B)
falls A, B voneinander unabhangig
P (A B) = (7.31)

P (A|B) P (B) = P (B|A) P (A)
falls A, B voneinander abhangig

Beweis:

Bilden die Ereignisse A1 , A2 , . . . , An ein vollstandiges System voneinander unabhangiger Ereignisse, so lasst
die Formel (7.30) die folgende Erweiterung auf n Ereignisse zu:
n n
!
\ Y
P Ai = P (Ai ) (7.32)
i=1 i=1

254
Beispiel 7.3.5 Wie gross ist die Wahrscheinlichkeit beim gleichzeitigen Wurf mit zwei Wurfeln zweimal eine 6
zu erhalten?
Losung:

Beispiel 7.3.6 Ein aus den Anlagenteilen Dampfkessel, Dampfturbine und Generator bestehender Block eines
Kondensationskraftwerkes ist aus Sicht der Zuverlassigkeit eine Reihenschaltung, d.h. der Block ist funktionsfahig,
wenn alle drei Anlagenteile funktionsfahig sind, und er ist ausgefallen, wenn auch nur ein Anlageteil ausgefallen
ist. Die Anlageteile konnen unabhangig voneinander ausfallen. Mit welcher Wahrscheinlichkeit wird der Block zu
einem beliebigen Zeitpunkt funktionsfahig angetroffen, wenn die Intaktwahrscheinlichkeiten 0.93 (fur den Dampf-
kessel), 0.96 (fur die Dampfturbine) und 0.99 (fur den Generator) sind?
Losung:

Beispiel 7.3.7 Eine elektrische Anlage wird von zwei parallelen getrennten Linien des gleichen Typs gespiesen.
Jede der zwei Linien ist in der Lage, die Anlage allein zu speisen. Dennoch hat man uber eine lange Periode
beobachtet, dass jede Linie 10% der Betriebzeit defekt ist. Wie gross ist die Zuverlassigkeit der Anlage?
Losung:

Die bedingte Wahrscheinlichkeit ist in der folgenden Situation nutzlich: ein Ereignis B tritt ein, unter der
Bedingung, dass (mindestens) ein Ereignis der Familie A1 , A2 , . . . , An eingetreten ist. Es ist vorausgesetzt, dass
P (Ai ) > 0, fur 1 i n. Dann gilt:

B = (B A1 ) (B A2 ) . . . (B An ).
Die Wahrscheinlichkeit des Ereignisses B kann mit der sogenannten Formel der totalen Wahrscheinlichkeit
bestimmt werden:

Theorem 7.9 (Formel der totalen Wahrscheinlichkeit) Bilden die zufalligen Ereignisse A1 , A2 , . . . , An
ein vollstandiges System mit P (Ai ) > 0 fur alle 1 i n, und ist B ein Ereignis derselben Familie von
Ereignissen, so gilt
X n
P (B) = P (Ai ) P (B|Ai ) (7.33)
i=1

Beweis:

Die Gleichung (7.33) berucksichtigt die Abhangigkeit eines Ereignisses B von disjunkten Ereignissen Ai . Eine
Umformung erlaubt es, die Abhangigkeit der Ereignisse Ai vom Ereignis B darzustellen.
Fur ein beliebiges Ereignis Ak gilt unter der Formel (7.29) und der gennanten Bedingungen:

255
P (Ak |B) P (B) = P (B|Ak ) P (Ak )
Nach einer Division erhalten wir

P (Ak ) P (B|Ak )
P (Ak |B) =
P (B)
Wird in dieser Formel der Nenner durch den Ausdruck (7.33) ersetzt, so erhalten wir die Bayessche Formel4 :

P (Ak ) P (B|Ak )
P (Ak |B) = P
n (7.34)
P (Ai ) P (B|Ai )
i=1

Viele praktische Probleme fuhren auf Verzweigungsmodelle, zu deren Losung insbesondere die Formel der
totalen Wahrscheinlichkeit herangezogen wird. Das Prinzip ist im folgenden Beispiel gezeigt.

A2
A1 A3

A6 A4

A5

Abbildung 7.7: Vollstandiges System von Ereignissen.

4 Thomas Bayes (1702-1763) : englischer Geistlicher und Mathematiker

256
Beispiel 7.3.8 Ein Wanderer startet im Punkt S und entscheidet sich vollig willkurlich fur einen der moglichen
Wege nach A1 , A2 , A3 oder A4 . Von dort kann er auf verschiedenen Wegen nach einem der Punkte B1 , B2 , . . . ,
B9 gelangen (Siehe Figur 7.8).

A1 A2 A3 A4

B1 B2 B3 B4 B5 B6 B7 B8 B9

Abbildung 7.8: Die moglichen Wege.

Mit welcher Wahrscheinlichkeit endet seine Wanderung in B1 , B2 , B3 oder B7 ?


Losung:

7.3.3 Aufgaben

Aufgabe 7.3.1 Mit welcher Wahrscheinlichkeit wird bei einem Wurf mit zwei idealen Wurfeln

1. mindestens eine Sechs,


2. nicht zwei Sechsen,
3. keine Sechs gewurfelt?

Aufgabe 7.3.2 Mit welcher Wahrscheinlichkeit wird aus einem vollstandigen Jass Kartenspiel bei einem Zug

1. eine Kreuz-Karte,
2. eine rote Karte,
3. ein As oder ein Bube,
4. ein Konig oder eine Konigin gezogen?

Aus dem gleichen Kartenspiel zieht man nacheinander zwei Karten. Mit welcher Wahrscheinlichkeit werden

1. ein As und ein Bube,

257
2. ein As und noch ein As,
3. eine rote Karte und eine schwarze Karte gezogen?

Aufgabe 7.3.3 Ein Mathematik Professor erinnert sich daran, dass eine bestimmte Formel mit Gewissheit in einem
von drei Buchern auf seinem Tisch steht. Diese drei Bucher haben respektiv 520 Seiten, 360 Seiten und 120 Seiten.

1. Der Professor behauptet, dass er die grossten Chancen hat, die Formel im dicken Buch zu finden. Hat er
Recht? (Bestimmen Sie die Wahrscheinlichkeit, dass die Formel in diesem Buch steht).
2. Nachdem er das erste Buch erfolglos durchgelesen hat, versucht er, die Formel im zweiten Buch zu finden.
Wie gross ist die Wahrscheinlichkeit, dass er die Formel in diesem Buch findet?

Aufgabe 7.3.4 In einem Restaurant befinden sich 8 Tische zu je 4 Platzen. Einer der Platze ist durch einen Gast
besetzt. Ein zweiter Gast entscheidet sich vollig willkurlich fur einen Platz. Mit welcher Wahrscheinlichkeit sitzen
beide Gaste am gleichen Tisch?

258
7.4 Wahrscheinlichkeitsverteilung
7.4.1 Begriffe und Definitionen
In diesem Kapitel werden die Eigenschaften von Zufallsgrossen und Zufallsvariablen untersucht. Beim Betrach-
ten der Realisierungen einer Zufallsvariable bemerkt man, dass gewisse Realisierungen haufiger, andere seltener
auftreten. Zur genauen Beschreibung einer Zufallsvariable gehort daher nicht nur die Kenntnis der moglichen
Realisierungen, sondern auch die der Wahrscheinlichkeiten, mit denen die Realisierungen eintreten. Man spricht
in diesem Zusammenhang von Wahrscheinlichkeitsverteilungen. Sie geben an, wie sich die Wahrscheinlichkeiten
auf der Menge der moglichen Realisierungen verteilen. Dabei sind fur diskrete und fur stetige Zufallsvariablen
unterschiedliche Darstellungsweisen erforderlich.
Bei diskreten Zufallsvariablen gibt man die Verteilung der Einzelwahrscheinlichkeiten als zweizeiligen Tabelle
in der folgenden Weise an:

x x2 x3 . . . xn
1 (7.35)
p1 p2 p3 . . . pn
Die erste Zeile enthalt die verschiedenen moglichen Realisierungen des Ereignisses. Die zweite Zeile enthalt
die entsprechenden elementaren Wahrscheinlichkeiten. Der Realisiergung xi der Zufallsvariable X entspricht also
die Wahrscheinlichkeit P (X = xi ) = pi , fur alle i = 1, 2, . . . , n. Die grafische Darstellung einer diskreten
Wahrscheinlichkeitsverteilung heisst Saulendiagramm oder Stabdiagramm, wie in der Figur 7.9.

pi

x
x1 x2 x3 x4 x5 x n-1 xn

Abbildung 7.9: Ein Stabdiagramm.

Da die Realisierungen xi zueinander disjunkt sind, gilt


n
!
[
P () = P {X = xi } = 1,
i=1

und so muss die Summe der Wahrscheinlichkeiten P (X = xi ) aller Realisierungen immer 1 betragen. Daraus
folgt:
n
X
pi = 1 (7.36)
i=1

Ist der Wertebereich von X abzahlbar unendlich, so gilt



X
pi = 1 (7.37)
i=1

Bei stetigen Zufallsvariablen lassen sich wegen der beliebig dicht liegenden Realisierungen Einzelwahrschein-
lichkeiten nicht angeben. Man kann statt dessen die Wahrscheinlichkeit dafur verwenden, dass die Zufallsvariable
X in ein Intervall der Lange xi = xi xi1 fallt. Bei zunehmender Verfeinerung der Intervalle, d.h. fur

= max xi 0,
i

259
erhalt man im Grenzfall eine Wahrscheinlichkeitsdichte f (x) im Intervall (xi1 , xi ) und es gilt
Zxi
P (xi1 X xi ) = f (x) dx. (7.38)
xi1

x
xi-1 xi

Abbildung 7.10: Wahrscheinlichkeitsdichte.

Nach der Formel (7.37) hat die Wahrscheinlichkeitsdichte die folgende Eigenschaft:
Z
P ( < X < ) = f (x) dx = 1 (7.39)

Fur den Graphen der Figur 7.11 bedeutet diese Formel, dass die gesamte Flache zwischen der Kurve und der
Achse den Inhalt 1 hat.
f

Abbildung 7.11: Integral der Wahrscheinlichkeitsdichte.

Lasst man in (7.38) xi1 gegen xi streben, so erhalt man nach den Regeln der Integralrechnung
Zxi
P (X = xi ) = f (x) dx = 0 (7.40)
xi

Das ist anschaulich einleuchtend, denn je kleiner das Intervall (xi1 , xi ) ist, desto seltener wird eine Realisie-
rung der stetigen Zufalls X in dieses Intervall hineinfallen.
Wegen (7.40) liefern die Randpunkte eines Intervalls keinen Beitrag zur Wahrscheinlichkeit dafur, dass die ste-
tige Zufallsvariable X im betrachteten Intervall eine Realisierung hat. Dies bedeutet, dass die Wahrscheinlichkeiten
P (xi1 < X < xi ) und P (xi1 X xi ) die gleichen sind.

260
Zxi
P (xi1 < X < xi ) = f (x) dx = P (xi1 X xi ) (7.41)
xi1

Da Wahrscheinlichkeiten keine negativen Werte annehmen konnen, folgt aus 7.41 als wesentliche Eigenschaft
der Dichtefunktion die Bedingung

f (x) 0 fur alle x. (7.42)

Aus der Kenntnis der Einzelwahrscheinlichkeiten bei diskreten und der Wahrscheinlichkeitsdichte bei stetigen
Zufallsvariablen sind Prognosen uber das haufigere oder seltenere Auftreten gewisser Werte oder Wertebereiche
einer Zufallsvariable moglich.
Von praktischem Interesse ist auch die Frage, mit welcher Wahrscheinlichkeit eine Zufallsvariable unterhalb
eines vorgegebenen Wertes bleibt. Als Beispiel seien genannt:

Mit welcher Wahrscheinlichkeit dauerte ein Telefongesprach weniger als 6 Minuten?


Mit welcher Wahrscheinlichkeit ist die Anzahl der Wahler niedriger als 60% der Wahlberechtigten?
Mit welcher Wahrscheinlichkeit stirbt ein Versicherter vor Erreichen einer vorgegebenen Altersgrenze?

Alle diese Fragen lassen sich darauf zuruckfuhren, dass eine Wahrscheinlichkeit P (X < x) zu bestimmen ist,
worin X eine zu untersuchende Zufallsvariable und x ein vorgegebener Wert in R sind. Diese Wahrscheinlichkeit
hangt von der Variable x, und sie kann als Funktion der Variable x ausgedruckt werden.

Definition 7.19 Die Funktion F (x) = P (X < x) heisst Verteilungsfunktion der Zufallsvariable X. Falls
bei einem Problem mehrere Zufallsvariablen auftreten, schreibt man genauer FX (x).

Beispiel 7.4.1 Die Augenzahl beim Wurf mit einem Wurfel ist eine Zufallsgrosse, die nur die naturlichen Zahlen
von 1 bis 6 annehmen kann. Trotzdem sind Aufgaben der Art P (X < 0.8), P (X < 3.1) oder P (X < 7) sinnvoll
und losbar:

* P (X < 0.8) stellt die Frage nach der Wahrscheinlichkeit, dass eine Zahl unterhalb von 0.8 gewurfelt wird.
Das ist nicht moglich, daher P (X < 0.8) = 0. Ebenso ist P (X < 1) = 0, da kleiner Zahlen als 1 nicht
auftreten konnen. Dagegen ist P (X < 1.001) = 61 , denn die Augenzahl 1 erfullt als einzige der Bedingung
X < 1.001 und tritt mit der Wahrscheinlichkeit 61 auf.
* X < 3.1 ist erfullt, wenn eine 1 oder eine 2 oder noch eine 3 gewurfelt wird. Die ausfuhrliche Rechnung
ergibt

P (X < 3.1) = P ({X = 1} {X = 2} {X = 3})


1 1 1 1
= P (X = 1) + P (X = 2) + P (X = 3) = + + =
6 6 6 2

* Die Wahrscheinlichkeit P (X < 7) ist 1, weil Zahlen grosser als 6 niemals gewurfelt werden konnen, und
X < 7 entspricht dem sicheren Ereignis.

261
1 1

-1 1 2 3 4 5 6 7 -1 1 2 3 4 5 6 7

Abbildung 7.12: Verteilungsfunktionen im diskreten Fall.

Verfolgt man den Verlauf der Verteilungsfunktion F (x) = P (X < x) im oberen Beispiel, so stellt man fest,
dass sich die Funktionswerte sprunghaft andern. Die zugehorige Kurve ist eine Treppenkurve. Die Figur 7.12
zeigt links die Verteilungsfunktion des obigen Beispieles und rechts die Verteilungsfunktion in einem allgemeine-
ren Fall.
Im diskreten Fall ergibt sich der jeweilige Funktionswert F (x) aus der Summe der Einzelwahrscheinlichkeiten,
wobei uber alle Realisierungen xi summiert wird, die unterhalb dem vorgegebenen Wert x bleiben:
X
F (x) = P (X < x) = pi (7.43)
xi <x

Da stetige Zufallsvariablen beliebige Zwischenwerte annehmen konnen, ist die zugehorige Verteilungsfunktion
stetig. aus der Formel (7.41) erhalt man zur Berechnung der Verteilungsfunktion einer stetigen Zufallsvariable die
Vorschrift
Zx
F (x) = P (X < x) = P ( < X < x) = f () d (7.44)

Auf dem Graphen entspricht der Funktionswert F (x0 ) dem Inhalt der Flache unter der Kurve f (x) (die Wahr-
scheinlichkeitsdichte) zwischen dem negativen Unendlich und der Grenze x0 (Figur 7.13) :
f F
1

x x
x0 x0

Abbildung 7.13: Verteilungsfunktion im stetigen Fall.

Fur stetige Zufallsvariablen folgt aus dem Grundsatz der Integralrechnung die Aussage:

Ist f (x) eine Wahrscheinlichkeitsdichte, und ist F (x) die entsprechende Verteilungsfunktion, so gilt fur
eine Stetigkeitsstelle x0 der Dichtefunktion

f (x0 ) = F (x0 ). (7.45)

Fur den Definitionsbereich von F (x) gibt es keine Beschrankung, d.h. es ist (, +). Ausserdem hat F die
folgenden Eigenschaften:

262
1. 0 F (x) 1 (7.46)

2. lim F (x) = 0 (7.47)


x

3. lim F (x) = 1 (7.48)


x+

Beispiel 7.4.2 Die Funktionsdauer T (Betriebszeit von der Erstinbetriebnahme bis zum Ausfall) eines elektroni-
schen Bauelements ist eine stetige Zufallsvariable. Die zugehorige Dichtefunktion sei


0
falls t < 0
f (t) =
0.002e0.002t falls t 0

R
1. Verifizieren Sie die Eigenschaft f (t) dt = 1.

2. Drucken Sie fur t 0 die Verteilungsfunktion F (t).


3. Zeichnen Sie die Funktionen f (t) und F (t).
4. Bestimmen Sie die Wahrscheinlichkeit, dass ein derartiges Bauelement vor Erreichen der 1000-Stunden
Betriebszeitgrenze ausfallt.
5. Bestimmen Sie die Wahrscheinlichkeit, dass ein solches Bauelement die ersten 1000 Stunden ausfallfrei
uberlebt.

Losung:

Abbildung 7.14: Die Graphen zum Beispiel 7.4.2

263
Definition 7.20 Gegeben ist eine Zahl p0 im Intervall (0, 1). Jede Zahl x0 mit der Eigenschaft

F (x0 ) = P (X < x0 ) = p0 (7.49)

heisst p0 -Quantil der Zufallsvariable X. Fur p0 = 0.5 heisst das 0.5-Quantil Median der Zufallsvariable.
Fur p0 = 0.25, p0 = 0.5 und p0 = 0.75 heissen die entsprechenden Werte Quartile.

Bemerkung: Die Quantile sind eindeutig bestimmbar, wenn die Verteilungsfunktion F streng monoton wachsend
ist. Ist die Voraussetzung der strengen Monotonie nicht erfullt, konnen die Quantile nicht eindeutig bestimmt
werden.
Fur eine effizientere Behandlung von Zufallsvariablen konnen noch einige wichtige Kennwerte definiert wer-
den, die mit Hilfe der Verteilungsfunktionen oder der Dichtefunktionen berechnet werden konnen: die mathemati-
sche Erwartung (oder Erwartungswert), die Varianz, die Standardabweichung oder Streuung. Bei deren Definition
ist zwischen diskreten und stetigen Zufallsvariablen zu unterscheiden.

Definition 7.21 Sei X eine diskrete Zufallsvariable, deren Realisierungen xi mit den Wahrscheinlichkeiten
pi auftreten, i = 1, 2, . . .. Als mathematische Erwartung E(X) der Zufallsvariable X bezeichnet man
den Wert

X
E(X) = xi pi (7.50)
i=1

Sei X eine stetige Zufallsvariable mit der Dichtefunktion f (x). Als mathematische Erwartung E(X) der
Zufallsvariable X bezeichnet man den Wert
Z
E(X) = xf (x) dx (7.51)

Die mathematische Erwartung einer Zufallsvariable entspricht dem Wert derjeniger Realisierung, die wir am
haufigsten erwarten konnen. Der Wert gilt also als Mittelwert der Grosse.
Bemerkung: eine Zufallsvariable muss nicht in jedem Fall Falle einen Erwartungswert besitzen. Der Erwar-
tungswert existiert zum Beispiel nicht, wenn die Summe (7.50) bzw. das Integral (7.51) divergent sind.
Falls eine diskrete Zufallsvariable X nur eine endliche Anzahl Werte n annimmt, gilt statt (7.50)
n
X
E(X) = xi pi (7.52)
i=1

264
Definition 7.22 Als Varianz V (X) oder Streuung einer Zufallsvariable X bezeichnet man den Wert

(xi E(X))2 pi
X
V (X) = (7.53)
i=1

fur eine diskrete Zufallsvariable und


Z
2
V (X) = (x E(X)) f (x) dx (7.54)

fur eine stetige Zufallsvariable.


Die positive Quadratwurzel der Varianz heisst Standardabweichung oder mittlere quadratische Abwei-
chung, mit der Notation X .

Fur eine endlich Anzahl n der moglichen Realisierungen annimmt gilt statt (7.53)
n
2
X
V (X) = (xi E(X)) pi .
i=1

Durch Umformung von (7.53) erhalt man eine fur praktische Rechnungen oft gunstigere Formel. Fur eine
diskrete Zufallsvariable folgt


2
X X X X
V (X) = (xi E(X)) pi = x2i pi 2E(X) xi pi + E(X)2 pi
i=1 i=1 i=1 i=1
X
= x2i pi 2E(X)2 + E(X)2
i=1

Dann erhalten wir die kurzere Formel



X
V (X) = x2i pi E(X)2 (7.55)
i=1

Mit einer vergleichbaren Uberlegung erhalten wir fur eine stetige Zufallsvariable die Formel
Z
V (X) = x2 f (x) dx E(X)2 (7.56)

Aus den Formeln (7.50) bis (7.54) geht hervor, dass der Zusammenhang zwischen der Varianz und dem Erwar-
tungswert einer Zufallsvariable X durch
h i
2
V (X) = E (X E(X)) (7.57)

Die Umformungen (7.55) und (7.56) fuhren auf den Zusammenhang

V (X) = E X 2 [E(X)]2

(7.58)
Die Standardabweichung X , die zum Ausdruck bringt, in welchem Masse die Realisierungen einer Zufalls-
variable vom Erwartungswert E(X) abweichen, ist allerdings erst dann bewertbar, wenn man ihr Verhaltnis zum
Erwartungswert berucksichtigt. Ein und dieselbe Standardabweichung kann eine grosse oder eine kleine Abwei-
chung ausdrucken, je nachdem, ob sie sich auf einen kleinen oder einen grossen Erwartungswert bezieht.
Als Mass fur die relative Abweichung vom Erwartungswert dient der Variationskoeffizient:

265
Definition 7.23 Als Variationskoeffizient X einer Zufallsvariable X bezeichnet man das Verhaltnis der
Standardabweichung zum Erwartungswert:
X
X = , E(X) 6= 0 (7.59)
E(X)

7.4.2 Diskrete Wahrscheinlichkeitsverteilungen


Aus den Vielzahl moglicher Wahrscheinlichkeitsverteilungen kann hier nur eine eng begrenzte Auswahl solcher
Verteilungsfunktionen behandelt werden, die fur praktische Anwendungen besondere Bedeutung haben.

7.4.2.1 Gleichverteilung
Eine einfache Verteilung ist dadurch gegeben, dass alle Realisierungen einer diskreten Zufallsvariable X mit der-
selben Wahrscheinlichkeit auftreten. Damit das sinnvoll ist, muss die Anzahl der moglichen Realisierungen auf
einen endlichen Wert n begrenzt sein. Ein Beispiel dafur ist die Augenzahl X beim Wurf mit einem Wurfel, von
dessen sechs moglichen Realisierungen jede mit der Wahrscheinlichkeit 61 eintritt.

Definition 7.24 Eine diskrete Zufallsvariable X heisst gleichverteilt wenn ihre n Realisierungen x1 , x2 ,
. . . , xn alle mit der gleichen Wahrscheinlichkeit
n
1 X
pi = , mit pi = 1 (7.60)
n i=1

auftreten.

Als Verteilungsfunktion der diskreten Gleichverteilung erhalt man gemass (7.43)


j
X X 1
F (x) = P (X < x) = P (X = xi ) = pi = j (7.61)
xi <x i=1
n

In dieser Formel entspricht der Index j der Realisierung xj mit xj < x xj+1 .
Die Verteilungsfunktion ist eine Treppenfunktion mit konstanter Stufenhohe. Fur Erwartungswert und Vari-
anz ergeben sich
n n
X 1X
E(X) = xi pi = xi = x (7.62)
i=1
n i=1
n n
X 1X 2
V (X) = (xi x)2 pi = xi x2 (7.63)
n
i=1 i=1

Beispiel 7.4.3 Zu bestimmen ist der Erwartungswert und die Varianz der Zufallsvariable, die den Wurf mit einem
idealen Wurfel darstellt. Die Figur 7.15 veranschaulicht die entsprechende Verteilungsfunktion.
Losung:

266
1

-1 1 2 3 4 5 6 7

Abbildung 7.15: Die Verteilungsfunktion beim Wurf mit einem Wurfel.

7.4.2.2 Binomialverteilung
Die Binomialverteilung hat wegen ihres breiten Anwendungsfeldes und wegen der einfachen theoretischen Zu-
sammenhange eine grundlegende Bedeutung in der Wahrscheinlichkeitsrechnung.
Sie ist dadurch gekennzeichnet, dass bei der Beobachtung eines zufalligen Versuchs nur zwei alternative Ergeb-
nisse A und A auftreten konnen. Es interessiert dann die Frage, wie oft bei der n-maligen Beobachtung derartiger
Versuche eines der beiden Ergebnisse, z.B. das Ereignis A, auftritt.
Die betrachtete Zufallsvariable X ist demnach die zufallige Anzahl der Beobachtungen mit dem Ergebnis A.
Nach n Beobachtungen sind die moglichen Realisierungen entweder 0 (keine Beobachtung von n des Ereignisses
A), 1 (ein einzige Beobachtung), 2, . . . , n (alle Beobachtungen haben A gegeben). Dafur gibt es also n+1 mogliche
Realisierungen der Zufallsvariable X.
Die Zufallsvariable X ist vollstandig charakterisiert, wenn es gelingt, die Wahrscheinlichkeit pk dafur anzuge-
ben, mit der jede Realisierung k fur 0 k n auftritt.
Als Voraussetzungen fur die nachfolgenden Uberlegungen und damit fur die Gultigkeit der Binomialverteilung
sind zu beachten:

1. Es gibt nur zwei verschiedene, sich gegenseitig ausschliessende Versuchsergebnisse A und A.


2. Die Wahrscheinlichkeit p von A ist bei jedem Versuch die gleiche. Auch ist die Wahrscheinlichkeit q = 1p
von A bei jedem Versuch konstant.
3. Die einzelnen Versuche sind voneinander unabhangig, d.h. das Ergebnis eines Versuchs darf nicht von dem
des vorhergehenden Versuchs abhangen und nicht den nachfolgenden Versuch beeinflussen.

Das untenstehende Beispiel veranschaulicht diese Situation.

Beispiel 7.4.4 In einer Baugruppe enthalt eine gewisse Anzahl gleichartiger elektronische Bauelemente, die nach-
einander uberpruft werden sollen. Dabei stellt sich heraus, ob das geprufte Element intakt (Ergebnis A) oder defekt
(Ergebnis A) ist.
Aus fruheren Beobachtungen kennt man die Wahrscheinlichkeiten P (A) = p und P (A) = 1 p = q. Die
Prufergebnisse der einzelnen Elemente sind voneinander unabhangig. Damit sind die Voraussetzungen fur die
Gultigkeit der Binomialverteilung erfullt.
Zu bestimmen ist die Wahrscheinlichkeit dafur, dass unter n gepruften Elementen genau k Elemente die Ei-
genschaft A haben, also intakt sind. Dann mussen die n k restlichen Elemente defekt sein (Eigenschaft A).
Wir bezeichnen mit Ai bzw. Ai die Ereignisse, dass das i-te Element die Eigenschaft Ai bzw. Ai hat. Werden
nur zwei Elemente gepruft, so sind die folgenden Falle moglich:

1. Die beiden gepruften Elemente sind intakt: P (X = 2) = P (A1 A2 ) = P (A1 ) P (A2 ) = p2 .


 
2. Je eines der Elemente ist intakt bzw. defekt: P (X = 1) = P (A1 A2 ) (A1 A2 ) = p q + q p = 2pq.

267
3. Keines der Elemente ist intakt: P (X = 0) = P (A1 A2 ) = q 2 .

Da stets einer dieser drei Falle auftritt, gilt: P [(X = 2) (X = 1) (X = 0)] = 1.


Nach dem Additionssatz fur vereinbare Ereignisse erhalten wir

p2 + 2pq + q 2 = 1,
das heisst:

(p + q)2 = 1
Da Wahrscheinlichkeiten nicht negativ sein durfen (Axiom 1), folgt hieraus p + q = 1 und q = 1 p in
Ubereinstimmung mit der Voraussetzung.
Werden nun n Elemente gepruft, so ist die Wahrscheinlichkeit dafur, dass darunter genau k Elemente die
Eigenschaft A und n k Elemente die Eigenschaft A haben, wegen der Unabhangigkeit der Ereignisse nach
dem Multiplikationssatz pk q nk . Ausserdem konnen die Elemente mit der Eigenschaft A unter den n gepruften
n

Elementen auf k verschiedene Arten angeordnet sein. Damit erhalt man das Gesetz der Binomialverteilung:
   
n k nk n k
P (X = k) = p q = p (1 p)nk
k k

Allgemeiner gilt die folgende Definition

Definition 7.25 Eine diskrete Zufallsvariable X heisst binomialverteilt mit den Parametern n und p, falls
ihre n + 1 Realisierungen 0, 1, 2, . . . n mit den Einzelwahrscheinlichkeiten
 
n k
pk = P (X = k) = p (1 p)nk (7.64)
k
auftreten.

Die Wahrscheinlichkeiten pk hangen von den Parametern n und p ab. Die Binomialverteilung ist daher eine
zweiparametrige Verteilung. Gemass (7.43) erhalt man als Verteilungsfunktion der Binomialverteilung die Funkti-
on

0 fur x 0





P 
X
n k nk
F (x) = pk = k p (1 p) fur 0 < x n (7.65)
xk <x


k<x


1

fur x > n

Der Erwartungswert und die Varianz einer binomialverteilten Zufallsvariable X konnen ausgedruckt werden:
n  
X n k
E(X) = k p (1 p)nk = np (7.66)
k
k=0
n  
X n k
V (X) = k2 p (1 p)nk n2 p2 = np(1 p) (7.67)
k
k=0

Die Standardabweichung ist


p
X = np(1 p) (7.68)
und der entsprechende Variationskoeffizient ist

268
1
0.175

0.15 0.8
0.125
0.6
0.1

0.075 0.4
0.05
0.2
0.025

5 10 15 20 5 10 15 20

Abbildung 7.16: Wahrscheinlichkeiten und Verteilungsfunktion der Binomialverteilung fur n = 20 und p = 0.4.

r
1p
X = (7.69)
np

Beispiel 7.4.5 (Fortsetzung von Beispiel 7.4.4)


Es ist jetzt bekannt, dass ein Bauelement mit der Wahrscheinlichkeit p = P (A) = 0.95 intakt und mit der
Wahrscheinlichkeit q = P (A) = 1 p = 0.05 defekt ist. Es werden 100 Elemente gepruft. Zu berechnen ist

1. wieviele intakte Elemente man im Mittel erwarten kann,


2. welche Standardabweichung dabei zu berucksichtigen ist,
3. mit welcher Wahrscheinlichkeit unter den 100 gepruften Elementen hochstens 2 defekt sind.

Losung:

Beispiel 7.4.6 Ein Schutze, der 10 Schusse auf ein Ziel abgibt, trifft mit der Wahrscheinlichkeit p = 0.6. Mit
welcher Wahrscheinlichkeit wird das Ziel

1. genau einmal
2. mindestens einmal getroffen?

Losung:

Beispiel 7.4.7 Das Galton-Brett ist eine konkrete Veranschaulichung eines binomialverteilten Ereignisses. Die
Figur 7.17 zeigt ein mit dem Computer simulierten Modell des Galtons-Bretts mit 300 Kugeln. Zu untersuchen ist
dieses Modell und das Zusammenhang mit der Binomialverteilung.

269
1 2 3 4 5 6 7 8 9 10 11 12 13

Abbildung 7.17: Simuliertes Modell des Galton-Bretts.

270
7.4.2.3 Poisson-Verteilung
Die Berechnung von Wahrscheinlichkeiten mit Hilfe der Binomialverteilung ist oft seht aufwendig, insbesondere
dann, wenn dabei sehr viele Summanden zu berucksichtigen sind. Die folgenden Uberlegungen eroffnen unter
gewissen zusatzlichen Bedingungen einen Weg zur Vereinfachung.
Wie bei der Binomialverteilung wird eine Reihe unabhangiger Versuche beobachtet, fur die es nur die beiden
alternativen Versuchsergebnisse A oder A mit den Wahrscheinlichkeiten P (A) = p und P (A) = 1 p gibt.
Zusatzlich sollen die folgenden Voraussetzungen angenommen werden:

Die Anzahl n der Versuche ist sehr gross, d.h. es gibt keine obere Begrenzung fur n, was durch n
ausgedruckt wird.
Die Wahrscheinlichkeit P (A) = p ist durch die Bedingung np = > 0 mit der Anzahl n der Versuche
verknupft, was fur konstantes und n die Forderung p 0 zur Folge hat.

Nach dem Grenzwert von Poisson5 gilt fur p 0, n und np = (ohne Begrundung):

k
 
n k
lim p (1 p)nk = e , k = 0, 1, 2, . . .
(n
np=)
k k!
Ist die Zufallsvariable X die zufallige Anzahl der Versuche mit dem Ergebnis A, so geht unter den genannten
Bedingungen die Einzelwahrscheinlichkeit P (X = k) in einen nur noch von dem Parameter abhangigen Term
uber:

Definition 7.26 Eine diskrete Zufallsvariable X heisst Poisson-verteilt mit dem Parameter > 0, falls
ihre Realisierungen mit den Einzelwahrscheinlichkeiten

k
pk = P (X = k) = e k = 0, 1, 2, . . . . (7.70)
k!
auftreten.

Die Verteilungsfunktion der Poisson-Verteilung ist



0 fur x 0


X
F (x) = pk = (7.71)
P k
k! e fur x > 0
xk <x



k<x

1
0.08
0.8

0.06
0.6

0.04
0.4

0.02
0.2

10 20 30 40 50 10 20 30 40 50

Abbildung 7.18: Wahrscheinlichkeiten und Verteilungsfunktion der Poisson-Verteilung fur n = 50.


5 Simeon Denis Poisson, 1781-1840, franzosischer Mathematiker

271
Der Erwartungswert, die Varianz, die Standardabweichung und der Variationskoeffizient einer Poisson-verteilten
Zufallsvariable X sind:


X k
E(X) = k e = = np (7.72)
k!
k=0

X k
V (X) = k2 e 2 = (7.73)
k!
k=0

X = (7.74)

X
X = = (7.75)
E(X)

Da in den praktischen Anwendungen die im Grenzwertsatz von Poisson geforderte Bedingung n nicht
erfullbar ist, weil stets nur endlich viele Beobachtungswerte zur Verfugung stehen, liefern numerische Rechnungen
mit Hilfe der Poisson-Verteilung lediglich Naherungswerte fur die gesuchten Wahrscheinlichkeiten. Diese sind um
so genauer, je grosser n bzw. je kleiner p ist. Die genauen Werte erhalt man aus der Binomialverteilung, mit einem
entsprechenden (sehr) grossen Rechenaufwand.
Die numerischen Werte der Poisson-Verteilung, die nur einen Parameter hat, konnen in den Tabellen fur ver-
schiedene abgelesen werden.

Beispiel 7.4.8 Ein Hersteller, der Kugelschreiber produziert, versendet seine Kugelschreiber ungepruft in Packun-
gen zu je 100 Stuck. Er gesteht seinen Kunden das Reklamationsrecht zu, falls eine Packung mehr als 2 unbrauch-
bare Kugelschreiber enthalt. Erfahrungsgemass sind 0.8% der Kugelschreiber unbrauchbar.
Mit welcher Wahrscheinlichkeit muss ein Kunde reklamieren?
Losung:

7.4.3 Stetige Wahrscheinlichkeitsverteilungen


7.4.3.1 Stetige Gleichverteilung
Die einfachste Verteilung einer stetigen Zufallsvariable ist dadurch gegeben, dass die Zahlen eines Intervalls [a, b]
oder die Punkte einer Strecke der Lange b a die gleiche Wahrscheinlichkeit haben.

Definition 7.27 Eine stetige Zufallsvariable X heisst gleichverteilt oder gleichmassig verteilt auf [a, b],
falls ihre Wahrscheinlichkeitsdichte durch die Funktion

1


ba fur a x b
f (x) = (7.76)

0
sonst

bestimmt ist.

Aus der Wahrscheinlichkeitsdichte kann die Verteilungsfunktion ausgedruckt werden:

272
f

x
a b a b

Abbildung 7.19: Gleichverteilte stetige Wahrscheinlichkeit.






0 fur x a


F (x) = xa
fur a x b (7.77)
ba




1
pour x > b

Nach den oben stehenden Formeln folgen die mathematische Erwartung, die Varianz, die Standardabweichung
und der Variationskoeffizient:

Z Zb
1 a+b
E(X) = xf (x) dx = x dx = (7.78)
ba 2
a
Z Z
2 2 1 (a + b)2 (b a)2
V (X) = x f (x) dx E(X) = x2 dx = (7.79)
ba 4 12

ba
X = (7.80)
2 3

X 3 ba
X = = (7.81)
E(X) 3 b+a

Die stetige Gleichverteilung spielt eine wichtige Rolle bei der Simulation stochastischer Prozesse, da die Erzeu-
gung gleichverteilter Zufallszahlen die Grundlage fur Algorithmen zur Erzeugung gleichverteilter Zufallszahlen
darstellt (z.B. die RANDOM() Funktion).

7.4.3.2 Normalverteilung
Die Normalverteilung oder Gaussverteilung ist eine der wichtigsten und die wohl bekannteste Wahrscheinlich-
keitsverteilung. Sie ist vor allem als Gausssche Glockenkurve bekannt. Sie ist dadurch gekennzeichnet, dass sich
ihre Realisierungen vollkommen symmetrisch um den Erwartungswert scharen.

Definition 7.28 Eine stetige Zufallsvariable X heisst normalverteilt mit den Parametern und , falls
ihre Wahrscheinlichkeitsdichte durch
1 (x)2
f (x) = e 22 , < x < . (7.82)
2
definiert ist.

273
0.4

0.3

0.2

0.1

-4 -2 2 4 6 8 10

Abbildung 7.20: Normalverteilung fur die Parameterwerte = 2 und = 1, 2, 3.

0.2

0.15

0.1

0.05

-4 -2 2 4 6 8 10

Abbildung 7.21: Normalverteilung fur die Parameterwerte = 1, 2, 5 und = 2.

Die Dichtefunktionen f (x) verschiedener Normalverteilungen sind in den Figuren 7.20 und 7.21 dargestellt.
Der Definitionsbereich einer Normalverteilung umfasst die Menge R. Die Dichtefunktion erreicht fur x = ein
Maximum, und ihre Wendepunkte liegen bei x = und x = + .
Die Verteilungsfunktion der Normalverteilung ist
Zx
1 ()2
F (x) = e 22 d. (7.83)
2

0.8

0.6

0.4

0.2

-4 -2 2 4 6 8 10

Abbildung 7.22: Verteilungsfunktion der Normalverteilung fur = 2 und = 2.

Nach den oben stehenden Formeln folgen die mathematische Erwartung, die Varianz, die Standardabweichung
und der Variationskoeffizient:

Z
1 (x)2
E(X) = xe 22 dx = (7.84)
2

274
Z
1 (x)2
V (X) = (x )2 e 22 dx = 2 (7.85)
2

X = (7.86)

X = (7.87)

Man kann sehen, dass die Parameter und der Normalverteilung demnach identisch mit dem Erwartungswert
bzw. mit der Standardabweichung dieser Verteilung sind. Durch den Parameter wird die Lage des Verteilungsgip-
fels bestimmt, durch den Parameter die Form oder die Breite der Kurve der Dichtefunktion. Die symbolische
Notation N (; ) bezeichnet eine Normalverteilung mit den Parametern und .
Die praktische Berechnung von Funktionswerten nach der Normalverteilung bereitet gewisse Schwierigkeiten,
weil das Integral in 7.83 nicht geschlossen losbar ist. Es ist aber moglich, das Problem auf einen Standardfall
zuruckzufuhren, in dem die Parameter und festgelegt sind. Das gelingt durch Ubergang von der Zufallsvariable
X zu einer anderen Zufallsvariable U mit Hilfe der Transformation
X
U= . (7.88)

Fur die Realisierung x = der Zufallsvariable X erhalt man daraus den Wert u = 0 der Zufallsvariable U .
Die Werte x = und x = + gehen in u = 1 und u = 1 uber. Damit erhalten wir die Dichtefunktion
und die Verteilungsfunktion der standardisierten Normalverteilung:
1 u2
(u) = e 2 , < u < (7.89)
2
Zu
1 2
(u) = e 2 d (7.90)
2

Die standardisierte Normalverteilung hat den Erwartungswert E(U ) = 0 und die Standardabweichung = 1.

x x
-u0 u0 -u0 u0

Abbildung 7.23: Die standardisierte Normalverteilung N (0; 1).

Wegen = 0 und = 1 wird diese Verteilung auch N (0; 1)-Verteilung genannt.

Theorem 7.10 Ist X eine N (; )-verteilte Zufallsvariable, so genugt die durch die Transformation

X
U= (7.91)

erzeugte Zufallsvariable U der N (0; 1)-Verteilung.

275
Die Zufallsvariable U mit der N (0; 1)-Verteilung hat den Vorteil, dass die Funktionswerte (u) der Vertei-
lungsfunktion tabelliert vorliegen. Es genugt, wenn eine solche Tabelle nur fur u 0 angegeben wird. Fur negative
u kann man (u) oder (u) mit den folgenden Formeln bestimmen:

(u) = (u) (7.92)

(u) = 1 (u) (7.93)


Ausserdem gilt (0) = 0.5 (Figur 7.24).

Abbildung 7.24: (0) = 0.5

Bei praktischen Rechnungen mit normalverteilten Zufallsvariablen wird man daher immer zunachst zur stan-
dartisierten Normalverteilung ubergehen und deren Funktionswerte aus Tabellen entnehmen. Die folgenden Linien
zeigen den Rechenprozess:

 
X x
F (x) = P (X < x) = P <

 
x
= P U<

 
x
=

x

Der numerische Wert kann in einer Tabelle gefunden werden.

Beispiel 7.4.9 In einem elektrischen Netz mit einer Netzspannung von 230 Volts ergibt sich auf Grund zufalliger
Spannungsschwankungen, die als normalverteilt angenommen werden sollen, ein Erwartungswert = 225 [V]
mit einer Standardabweichung = 8.8 [V]. Ein angeschlossenes Gerat kann bei einer Spannung unter 200 [V]
nicht mehr betrieben werden. Mit welcher Wahrscheinlichkeit ist das Gerat wegen zu niedriger Spannung ausser
Betrieb?
Losung:

Beispiel 7.4.10 Bei der Herstellung von Normdrehteilen ist ein Durchmesser von 12 [mm] vorgegeben. Die Tei-
le sind brauchbar, wenn der Durchmesser X zwischen den Grenzwerten 11.0 [mm] und 12.2 [mm] liegt. Eine
Drehmaschine liefert Teile mit den charakteristischen Werten = 11.8 [mm] und = 0.4 [mm]. Mit welcher
Wahrscheinlichkeit ist ein zufallig gepruftes Teil Ausschuss?
Losung:

276
Beispiel 7.4.11 Eine Zufallsvariable ist N (; )-verteilt. Mit welcher Wahrscheinlichkeit ist der Abstand beliebi-
ger Realisierungen vom Erwartungswert kleiner als ein vorgegebener Wert > 0?
Losung:

Aus der im vorstehenden Beispiel gezeigten Rechnung folgt allgemein fur eine N (; )-verteilte Zufallsvaria-
ble X die Eigenschaft:

P (|X | < ) = 2 1

Bevor wir diesen Abschnitt schliessen, konnen noch einige typische Fragen oder Aufgaben zitiert werden, die
in den Anwendungen haufig auftreten:

Umrechnung auf standartisierte Normalverteilung nach der Vorschrift


 
x
F (x) =

Bestimmen der Werte der Verteilungsfunktion aus der Tabellen unter Beachtung von

(u) = (u).

Berechnen der Wahrscheinlichkeit, dass die Realisierung einer Zufallsvariable in einem Intervall [a, b] liegt:
   
b a
P (a < X < b) =

Wahrscheinlichkeit dafur, dass die N (; )-verteilte Zufallsvariable X vom Erwartungswert um weniger


als > 0 abweicht:

P (|X | < ) = 2 1

7.4.3.3 Exponentialverteilung
Unter den anderen Verteilungen mit praktischer Bedeutung spielt die Exponentialverteilung eine besondere und
wichtige Rolle.

Definition 7.29 Eine stetige Zufallsvariable X heisst exponentialverteilt mit dem Parameter , falls ihre
Wahrscheinlichkeitsdichte durch


0
fur x < 0
f (x) = (7.94)
ex fur x 0

definiert ist.

277
Die Verteilungsfunktion der Exponentialverteilung ist


0
fur x < 0
F (x) = (7.95)
1 ex

fur x 0

Wie auch die Poisson-Verteilung hangt die Exponentialverteilung nur von einem Parameter ab. Die folgenden
Formeln zeigen die Bedeutung dieses Parameters.
0.5 1

0.4 0.8

0.3 0.6

0.2 0.4

0.1 0.2

2 4 6 8 10 2 4 6 8 10

Abbildung 7.25: Wahrscheinlichkeitsdichte und Verteilungsfunktion der Exponentialverteilung fur = 0.5.

Die mathematische Erwartung, die Varianz, die Standardabweichung und der Variationskoeffizient der Expo-
nentialverteilung konnen ausgedruckt werden:

Z
1
E(X) = x ex dx = (7.96)


Z
1 1
V (X) = x2 ex dx = 2 (7.97)
2

1
X = (7.98)

X
X = =1 (7.99)
E(X)

Die Eigenschaft X = 1 ist ein besonderes Merkmal der Exponentialverteilung, dessen Ursache in der Identitat
von Erwartungswert und Standardabweichung liegt. Wir konnen noch bemerken, dass die Exponentialverteilung
kein Interesse fur x < 0 hat (die Dichte ist uberall null). Sie ist erst interessant fur x 0. Diese Eigenschaft
favorisiert die Exponentialverteilung zur Beschreibung zeitlicher Ablaufe, die in der Regel erst mit dem Zeitpunkt
x = 0 beginnen. Insbesondere gilt das fur die Lebensdauer von Bauteilen, deren Ausfall nicht abnutzungsbedingt
erfolgt.

Beispiel 7.4.12 Die Lebensdauer T eines bestimmten Typs elektronischer Bauelemente ist exponentialverteilt mit
einem Erwartungswert E(T ) = 12000 [h]. Mit welcher Wahrscheinlichkeit fallt ein derartiges Element

1. in den ersten 100 Betriebstunden,


2. zwischen 1000 und 2000 Betriebstunden,
3. erst nach Ablauf von 120000 Betriebstunden aus?

278
Losung:

7.4.4 Aufgaben

Aufgabe 7.4.1 Bei einer Prufung in der Form Multiple Choice Questionary sind 10 Fragen zu beantworten.
Fur jede Frage sind drei Antworten A, B oder C zur Auswahl gestellt. Davon muss der Kandidat eine (richtige)
Antwort ankreuzen. Mit welcher Wahrscheinlichkeit besteht ein Kandidat, der die Antworten vollig willkurlich
ankreuzt, die Prufung, wenn dafur

a) 6 richtige Antworten
b) 9 richtige Antworten

verlangt werden? Wieviele richtige Antworten kann man im Mittel erwarten?

Aufgabe 7.4.2 Erfahrungsgemass sind bei der Produktion bestimmter Werkstucke 99.3% qualitatsgerecht. Mit
welcher Wahrscheinlichkeit enthalt ein Lieferposten von 100 Werkstucke

1. kein Ausschussstuck,
2. genau 2 Ausschussstucke,
3. hochstens 2 Ausschussstucke

bei Anwendung der Binomialverteilung bzw. der Poisson-Verteilung?

Aufgabe 7.4.3 Beim Transport empfindlicher Guter gehen im Mittel 0.6% zu Bruch. Mit welcher Wahrscheinlich-
keit findet der Empfanger einer Sendung von 1000 Stucken

1. keine Bruchstucke,
2. hochstens 2 Bruchstucke,
3. mehr als 10 Bruchstucke vor?

Mit wievielen Bruchstucken muss er im Mittel rechnen?

Aufgabe 7.4.4 Bei der Abfullung flussiger Farbe in zylindrische Gefasse mit einem Durchmesser von 10 [cm]
ist eine Fullstandhohe von 12.7 [cm] eingestellt. Die beobachtete Standardabweichung betragt 0.3 [cm]. Mit wel-
cher Wahrscheinlichkeit liegt der tatsachliche Inhalt zwischen 950 und 1050 [cm3 ], wenn die Fullstandhohe als
normalverteilte Zufallsvariable angenommen wird?

Aufgabe 7.4.5 Auf einem gewissen Strassenabschnitt fahren 0.04% der Autos 20 km/h uber der Geschwindig-
keitsbegrenzung. Wie gross ist die Wahrscheinlichkeit, dass hochstens zwei Autos von den 2000, die taglich auf
diese Strasse fahren, diesen Verstoss begehen?

279