Sie sind auf Seite 1von 457

Hochschultext

Th. Meis U. Marcowitz

Numerische Behandlung
partieller
Differentialgleichungen

Mit 31 Abbildungen

Springer~rlag
Berlin Heidelberg New York 1978
Theodor Meis
Ulrich Marcowitz
Mathematisches Institut der Universitat zu Koln
Weyertal 86-90
5000 Koln 41

AMS Subject Classification (1970): 65-02, 65F05, 65F10, 65H10,


65M05, 65M10, 65M15, 65M25, 65N05, 65N10, 65N15, 65N20,
65N30, 65N35, 35-04, 35A40, 35830, 35D05, 35F10, 35F25,
35J25, 35K15, 35L 15, 46N05, 94A20

ISBN-13: 978-3-540-08967-4 e-ISBN-13: 978-3-642-67030-5


DOl: 10.1007/978-3-642-67030-5

CIP-Kurztitelaufnahme der Deutschen Bibliothek. Meis, Theodor: Numerische Behand-


lung partielier Differentialgleichungen / Th. Meis ; U. Marcowitz. - Ber1in, Heidelberg,
New York: Springer, 1978. (Hochschultext)
NE: Marcowitz, Ulrich:
Das Werk ist urheberrechtlich geschotz!. Die dadurch begrOndeten Rechte, insbeson-
dere die der Obersetzung, des Nachdruckes, der Entnahme von Abbildungen, der
Funksendung, der Wiedergabe auf photomechanischem oder ahnlichem Wege und der
Speicherung in Datenverarbeitungsanlagen bleiben, auch bei nur auszugsweiser Ver-
wertung, vorbehalten. Bei Vervielfaltigungen fOr gewerbliche Zwecke ist gemaB § 54
UrhG eine Vergotung an den Verlag zu zahlen, deren Hohe mit dem Verlag zu verein-
baren is!.
© by Springer-Verlag Berlin Heidelberg 1978
2144/3140-543210
Dieses Buch ist aus zwei Vorlesungen entstanden, die 1974/75 an der
Universitat zu K6ln im AnschluB an die'Vorlesungen Numerische Mathe-
matik 1/11 stattfanden. Die meisten H6rer hat ten keine Vorkenntnisse
aus der Theorie partieller Differentialgleichungen und der Funktional-
analysis. Darum werden in den Kapiteln 1,2,4 und 12 des Buches einige
grundlegende Begriffe und Ergebnisse dieser Gebiete erlautert. 1m
Ubrigen gliedert es sich in drei Teile, die weitgehend unabhangig
voneinander verstandlich sind:
Anfangswertaufgaben,
Randwertaufgaben,
L6sung von Gleichungssystemen.

Theoretische Gesichtspunkte werden mit dem gleichen Gewicht be-


handelt wie die DurchfUhrung der Algorithmen bis hin zur Prograrnrnie-
rung. Wir glauben, daB beide Betrachtungsweisen zusarnrnen erst das
rechte Verstandnis der Numerischen Mathematik erm6glichen.

Bei der Fertigstellung des Buches erhielten wir zahlreiche wert-


volle Anregungen durch intensive Diskussionen mit den Herren Dr. H.W.
Branca, Dr. R. Esser, Dr. W. Hackbusch und mit Herrn Prof. Dr. H.
MUlthei. Die Herren Dipl.-Math. H. Lehmann, B. Muller, Dipl.-Math.H.J.
Niemeyer, U. Schulte und Dipl.-Math. B. Thomas halfen bei der Er-
stellung der Programme und bei einigen numerischen Rechnungen. Die
Erstfassung des Manuskriptes schrieb Frau K. Rassmann-Brenig. Die ganze
Arbeit wurde von dern Verstandnis und der Geduld des Springer-Verlages
begleitet. Wir m6chten an dieser Stelle allen Beteiligten fUr ihr
Interesse und ihre zurn Teil mUhevolle UnterstUtzung herzlich danken.

K61n, irn Marz 1978


Th. Meis
U. Marcowitz
Inhaltsverzeich nis

I Anfangswertaufgaben bei hyperbolischen und parabolischen


Differentialgleichungen

SachgemaB gestellte Probleme bei Anfangswertaufgaben ....... .


2 Typeneinteilung und Charakteristiken ........................ 14
3 Charakteristikenverfahren fur hyperbolische Systeme
erster Ordnung .............................................. 23
4 Banachraume ................................................. 29
5 Stabilitat von Differenzenverfahren ......................... 41
6 Beispiele stabiler Differenzenverfahren ..................... 56
7 Inhomogene Anfangswertaufgaben .............................. 69
8 Differenzenverfahren mit Positivitatseigenschaften .......... 75
9 Fourier-Transformationen von Differenzenverfahren ........... 93
10 Anfangswertaufgaben in mehreren Ortsveranderlichen .......... 133
11 Extrapolationsmethoden ...................................... 153

II Randwertaufgaben bei elliptischen Differentialgleichungen ... 165

12 SachgemaB gestellte Probleme bei Randwertaufgaben ........... 165


13 Differenzenverfahren ........................................ 182
14 Varia tionsmethoden .......................................... 21 4
15 Hermite-Interpolation und ihre Anwendung auf das
Ri tz-Verfahren .............................................. 231
16 Kollokationsverfahren und Randintegralmethode ............... 251

III Losung von Gleichungssystemen 265

17 Iterationsverfahren zur Losung von linearen und nicht-


linearen Gleichungssystemen ................................. 265
18 Uberrelaxationsverfahren fur lineare Gleichungssysteme ...... 294
19 Uberrelaxationsverfahren fur nichtlineare Gleichungssysteme . 312
20 Bandbreitenreduktion bei schwach besetzten Matrizen ......... 330
VIII

21 Buneman-Algorithmus .............•............•.........•.... 343


22 Reduktionsverfahren von Schroder-Trottenberg ...•............ 352

Anhang: FORTRAN-Programme .......•.............•................ 369

A.O Einleitung ........•........................................ 369


A.1 Massau-Verfahren ........................................... 371
A.2 Total-implizites Differenzenschema zur Losung einer
nichtlinearen parabolischen Differentialgleichung .........• 383
A.3 Lax-Wendroff-Richtrnyer-Verfahren im Falle zweie.r
Ortsveranderlicher .•..........•............................ 391
A.4 Differenzenverfahren mit SOR zur Losung der Poisson-
gleichung in Nichtrechteckgebieten ...•.................•... 403
A.5 Programme fUr Bandmatrizen ..........................•...... 419
A.6 Buneman-Algorithmus zur Losung der POissongleichung ........ 435

Li teraturverzeichnis ........................................... 443


Bezeichnungen .................................................. 447
Narnen- und Sachverzeichnis ...•..............•......•.•.......... 449
Anfangswertaufgaben bei hyperbolischen und
parabolischen Differentialgleich ungen

1 SachgemaB gestellte Probleme bei Anfangswertaufgaben

In diesem einleitenden Kapitel wird - ausgehend von der bekannten


Situation bei gewohnlichen Differentialgleichungen - definiert und an-
hand von Beispielen erlautert, was wir unter sachgemaB gestellten An-
fangswertaufgaben verstehen. Dieser Begriff ist wichtig, da sich nicht
sachgemaB gestellte Probleme mit numerischen Methoden i.allg. nicht
vernUnftig behandeln lassen.

Satz 1.1: Es sei f E CO ([ a, b] x lR, lR) eine stetige Funktion, die eine
Lipschitz-Bedingung mit einer Konstanten L E lR erfuUt:

r'
Dann gibt es fur alle n,n E JR genau eine Funktion

f(x,u(x)) (x E [a,b])
u E c1 ([a,b] ,lR) mit (xl
u (a) = n

und genau eine Funktion

f(x,u(x)) (x E [a,b])
~

u E c 1 ([a,b],lRl mit {:' (x)


ural
~

Mit L = exp(Llb - al) gilt fur alle x E [a,b]:


".

lu(x) - u(x) I =:: exp(Llx - al) In - nl =:: Lin - nl

Satz 1.1 wird in der Theorie gewohnlicher Differentialgleichungen be-


wiesen (vgl. z.B. Stoer-Bulirsch 1973, Satz 7.1.4). Er besagt, daB die
Anfangswertaufgabe

u' (xl f(x,u(x)) (x E [a,b])


u (a)
2

unter den obigen Voraussetzungen die folgenden Eigenschaften besitzt:


1. Es gibt mindestens eine Losung u(x;n).
2. Es gibt hochstens eine Losung u(x;n).
3. Die Losung erfUllt eine Lipschitz-Bedingung bezUglich n:

(x E [a,b]; n,n E lR) •

Damit ist die folgende - bewuEt allgemein gehaltene - Definition moti-


viert, die im jeweiligen konkreten Fall noch durch Angabe des Losungs-
begriffs und der betrachteten Raume zu erganzen ist.

Definition 1.2: Eine Anfangswertaufgabe heiEt saahgemii.13 gestellt (engl.


properly posed, well posed), wenn sie folgende Forderungen erfUllt:
1. Existenzforderung: Die Menge der Anfangswerte, fUr die die Aufgabe
losbar ist, liegt dicht in der Menge aller Anfangswerte.
2. Eindeutigkeitsforderung: FUr jeden Anfangswert gibt es hochstens eine
Losung.
3. Stetige Abhangigkeit von den Anfangswerten: Die Losung erfUll t eine
Lipschitz-Bedingung bezUglich derjenigen Anfangswerte, fUr die die
Aufgabe losbar ist. c

lm folgenden betrachten wir eine Reihe von Beispielen fUr Anfangswert-


aufgaben bei partiellen Differentialgleichungen und untersuchen, ob
die Probleme sachgemaE gestellt sind. Dabei interessieren wir uns vor-
erst fUr klassische Losungen. Diese werden durch die folgenden Eigen-
schaften charakterisiert:
1. Die Differentialgleichung wird nur in einem Gebiet G, d.h. in einer
offenen und zusammenhangenden Menge, gefordert. Die Losung muE in G
so oft stetig differenzierbar sein, wie es die Ordnung der Differen-
tialgleichung erfordert.
2. Anfangs- oder Randbedingungen sind Angaben auf einem TeilstUck r
des Randes von G. Die Losung muE in G U r so oft stetig differenzier-
bar sein, wie sich aus der Ordnung der Anfangs- oder Randbedingungen
ergibt. Wenn nur Funktionswerte vorgegeben werden, braucht die Losung
also in G U r nur stetig zu sein.

Beispiel 1.3: Es seien <p E C1 (lR , lR) eine beschrankte Funktion und
T > o. Dann lautet eine der einfachsten Anfangswertaufgaben:

d2u(x,y) = 0
(x E lR, Y E (O,T))
u(x,O) = <p (x) •
3

Offenbar ist die einzige Losung dieser Aufgabe u(x,y) <p(x). Des-
halb gilt:

II <p - ;- II 00

Das Problem ist samit sachgemaB gestellt.


Das Anfangswertproblem laBt sic::h statt wie oben "vorwarts" auch
I r Uckwarts" losen, da fUr y E [-T,O] die gleichen Verhaltnisse vor-
liegen. Diese Situation ist jedoch keineswegs typisch fUr partielle
Differentialgleichungen. c

Eine optisch geringfUgige Modifikation der obigen Differentialglei-


chung andert deren Eigenschaften vollkammen:

Beispiel 1.4: Es seien <p und T wie in Beispiel 1.3 gewahlt. Dann ist
die Aufgabe

d1U(X,y) =0
(x E lR, Y E (O,T))
u(x,O) <p(x)

nur losbar, falls <p konstant ist. In diesem Ausnahmefall gibt es je-
doch unendlich viele Losungen: {<p(x) + ~(y) I~ E C1 ((O,T) ,lR) mit
~(O) = O}. Das Problem ist samit nicht sachgemaB gestellt. c

Das folgende Beispiel umfaBt die beiden vorhergehenden als Spezialfall


und fUhrt darUber hinaus heuristisch den bei partiellen Differential-
gleichungen wichtigen Begriff der Cha!'akteristiken ein.

Beispiel 1.5: Es seien <p E C1 (lR , lR)


eine beschrankte Funktion und
A,B,T E lR mit A2 + B2 > 0, T > O. Wir betrachten die Aufgabe

Ad1u(x,y) = Bd 2u(x,y)
(x E lR, Y E (O,T))
u(x,O) = <p(x) .

FUr B = 0 ist die Aufgabe nicht sachgemaB gestellt (vgl. Beispiel 1.4).
Es sei B ~ o. Auf den Geraden

(t E lR Parameter)

gilt fUrt E (O,T):

o.
Daraus folgt:

(t E [O,T)).
4

Die Aufgabe hat somit die eindeutig bestimmte Losung


A
u(x,y) = ~(x + BY)

und ist saehgemaB gestellt.


Die Geraden Bx + Ay = Be =: canst. (e Seharparameter) heiBen
Charakteristiken der Differentialgleiehung. Sie spielen in der Theorie
eine ausgezeiehnete Rolle und sind bei allgemeineren Differential-
gleiehungen gekrlimmte Kurven. 1m betraehteten Beispiel gilt: Das
Problem ist saehgemaB gestellt, wenn die Anfangswerte nieht auf einer
Charakteristik vorgegeben sind (vgl. Beispiel 1.6). Weiter ist zu er-
kennen, daB sieh Unstetigkeiten in den hoheren Ableitungen von ~

langs der Charakteristiken ausbreiten. 0

1m folgenden Beispiel werden erstmals Systeme von partie lien Diffe-


rentialgleiehungen behandelt. Dabei zeigt sieh, daB es hier Charak-
teristiken untersehiedlieher Riehtungen geben kann.

Beispiel 1.6: Anfangswertaufgabe bei Systemen von partieZlen DifferentiaZ-


2 2
gZeichungen. Es seien n E ]N, T > 0, a,S E JR, a + S > 0,

G {(x,y) E JR2 I ax + Sy E (O,T)}

r { (x, y) E JR2 I ax + Sy O}

~ C1 (r,JRn ) besehrankt, q E C1 (G,JRn ) und A E MAT(n,n,JR) reell-dia-


E
gonalisierbar. Gesueht ist eine Losung der Aufgabe

d2U(X,y) = Ad 1 U(X,y) + q(x,y) ((x,y) E G)

u(x,y) ~ (x,y) ((x,y) E r)

Mittels der regularen Transformationsmatrix S, die A auf Diagonalform


s-1 AS = A = diag(A i ) bringt, laBt sieh das gegebene Differential-
gleiehungssystem entkoppeln. Mit u = Sv, q = Sr und ~ = S~ ergibt sieh
das aquivalente System

Ad1V(X,y) + r(x,y) ((x,y) E G)

v(x,y) = ~ (x,y) ((x,y) E r)

Analog zu Beispiel 1.5 untersuehen wir die i-te Gleiehung auf den
Geraden x + AiY = emit der Parameterdarstellung

(t E JR) .

Aus der Differentialgleiehung folgt fur die i-te Komponente vi von v


5

und fUr alle t E lR mit CJ. (e - "it) + i3t E (O,T):

-"i d 1v i(x e (t),ye (t)) + d2V i (x e (t),y e (t))


ri(xe(t),ye(t))
t
n l' + f
Ole
r. (x (t), Y (t)) d t
e
, n i E lR beliebig •

Bei BerUeksiehtigung der Anfangsbed·ingung konnen drei FaIle eintreten:

1.Fall: CJ."i - i3 " O. Die beiden Geraden r und x + "iY = e haben dann
genau einen Sehnittpunkt (xe,Y e ). Es ist

( -i3e CJ.e )
CJ."i-i3'CJ."i-i3

und

Somit ergibt sieh fUr vi die folgende Darstellung:

Y
v. (x,y) = n1. (e) +
1
f
0
r. (e -
1
A.y,y)dY
1

e = x + "i Y .

Dureh Einsetzen Uberzeugt man sieh, daB vi tatsaehlieh Losung der


i-ten Gleiehung des entkoppelten Systems ist.
2.FaZZ: CJ."i - i3 = 0 und e = o. Die beiden Geraden r und x + "i Y = e
sind dann identiseh. Die i-te Gleiehung des entkoppelten Systems ist
nur losbar, falls zufallig

(CJ.(e-"it)+i3t E (O,T))

In diesem Ausnahmefall gibt es jedoeh unendlieh viele Losungen.


3.FaZZ: CJ."i - i3 = 0 und e 1 o. Die beiden Geraden r und x + "i Y = e
haben dann keinen Sehnittpunkt miteinander. Die i-te Gleiehung des
entkoppelten Systems besitzt unendlieh viele Losungen.
Entspreehend zu Beispiel 1.5 heiBen die Geraden x + "i Y = e
(e Seharparameter) die Chamkteroistiken des Differentialgleiehungs-
systems. Falls keine der Charakteristiken mit der Geraden r - auf der
die Anfangswerte gegeben sind - zusammenfallt, liegt fUr aIle i der
1.Fall vor. Dann ist
6

u{x,y) Sv{x,y)

die eindeutig bestimmte Lasung der ursprunglichen Aufgabe. Zum Beweis


1 n ~ ~
der Lipschi tz-Bedingung sei <p E C (r, JR ) und <p = Sq,. Dann folgt:

II u ( • , . ; <p) - u ( • , • ; ';) 1100 :::: II S 1100 II v ( • , • ; q,) - v ( • , • ;~) II 00


~ -1 ~
II S 1100 II q, - q, 1100 :::: II S 1100 II S 1100 II <p - <p 1100

Damit ist nachgewiesen, daB die Aufgabe genau dann sachgemaB gestellt
ist, wenn r keine Charakteristik ist.
Es sei Jl = minOili = 1 (1)n} und v = maxOili = 1 (1)n}. Aus der
Darstellung von u und v ist zu ersehen, daB die Lasung u im festen
Punkt (xo'Yo) auBer von q nur von den Werten von <p(x,y) auf der Ver-
bindungsstrecke der Punkte

-S (x o +JlYo) a (x o +JlY o ) ) -S (x o +vy 0 )


( und (
aJl-S ' aJl-S av-S '

abhangt. Diese Strecke heiBt Abhangigkeitsbereich des Punktes (x ,y ).


o 0
Andererseits kann man, wenn <p(x,y) nur auf der Verbindungsstrecke der
Punkte

( - i3b ab )
av-S 'av-S

bekannt ist, die Lasung u nur im Dreieck

aX + Sy ~ 0, x + JlY ~ a, x + vy :::: b

berechnen. Dieses Dreieck heiBt Bestimmtheitsbereich zu dieser Strecke.


AIle Begriffe sind anhand eines Beispiels nochmals in Abbildung 1.7
verdeutlicht. c

Die im vorhergehenden Beispiel einer Anfangswertaufgabe vorgenommene


Entkopplung des Differentialgleichungssystems hilft auch bei der
untersuchung anderer Aufgaben.

Beispiel 1.8: Anfangsrandwertaufgabe bei Systemen von partieUen Differential-


gleichungen. Es seien n E:IN, G = (0,00)2, r = ilG, q E C1 (G,JRn ),
<p,'; E C1 ([0,00) ,JRn ) beschrankt und A E MAT(n,n,JR) reell-diagonali-
sierbar. Gesucht ist eine Lasung der Aufgabe
7

1,=1-
2
X+l.y=O y-Achse
2

2=-2
x - 2y==O

____________~~~----~~--------~~------~x-Achse
A Bestimmtheitsbereich
'"ibhCing' zurStrecke-
Igkeitsb
PUnkt ere;ch
€IS (x des x+4y=O
OJ yo)

Abb. 1.~ Charakteristiken, Bestirnmtheits- und


Abhangigkeitsbereich

((x,y) E G)

u(x,O) cp (x) (x > 0)


u(O,y) -;p (y) (y ~ 0)

VertY'agZichkeitsbedingung: cp (0) -;p(O), -;p' (0) = Acp' (0) + q(O,O).


Das Differentialgleichungssystem laBt sich wie in Beispiel 1.6 ent-
koppeln. Mit den dortigen Bezeichnungen folgt fUr die i-te Komponente
vi von v und fUr aIle t E lli mit t > 0 und c - Ait > 0:

t
ni + J r i (xc(T) ,yc(T) )dT , ni E lli beliebig .
o

Bei BerUcksichtigung der Anfangsrandbedingung konnen drei FaIle ein-


treten:
1. FaZZ: Ai < O. Die Charakteristik x + AiY = chat dann genau einen
Schnittpunkt mit dem Rand r. Mit Hilfe der Werte von cp oder -;p ist ni
und damit auch vi eindeutig bestirnmt.
2. Fall: Ai > O. Die Charakteristik x + AiY chat dann fUr c > 0
8

einen Schnittpunkt mit der positiven x-Achse und einen Schnittpunkt


mit der positiven y-Achse. In diesem Fall ist n i i.allg. Uberbe-
stimmt und die i-te Gleichung des entkoppelten Systems nicht losbar.

3. Fall: Ai = 0. FUr c > °


ist ni eindeutig bestimmt. Die so gewonnene
Losung vi(xc(t) ,yc(t)) geht aber fUr c ~ nur im Ausnahmefall stetig °
in die i-te Komponente von S-1~ Uber.
Die Aufgabe ist genau dann sachgemaB gestellt, falls alle Eigen-
werte von A negativ sind, d.h. es kammt nur der erste Fall vor. 0

Das folgende Beispiel der Wellengleichung ist ein praktisch wichtiger


Spezialfall von Beispiel 1.6.

Beispiel 1.9: WeUengleichung. Es seien T > ° und qJ1,qJ2 E C 1 (JR,JR). Mit

~ = 0, S = 1, A = (~ 6) , q = ° und unter Verwendung von Komponenten-


schreibweise erhalten wir aus Beispiel 1.6:

3 2 U 1 (x,y) 3 1 u 2 (x,y)

3 2 U 2 (x,y) 31 u 1 (x,y)
(x E JR, Y E (O,T))
u 1 (x,O) qJ1 (x)
u 2 (x,O) qJ2(x)

Es ist A1 = 1, A2 = -1, S = (~ _~) und S-1 ~ (~ _~) . Damit ergibt


sich die Losung der Wellengleichung zu

(
U 1 (X,y)) S(41 (x+ y )) =
1
S (tqJ1 (x+y) +qJ2 (x+ y )))
u 2 (x,y) 42 (x-y) -(qJ (x-Y)-qJ 2 (x-y))
2 1

qJ1 (x+y) +qJ2 (x+y) +qJ1 (x-y) -qJ2 (X- y))


1 ( (x E JR, Y E [0, T)) •
2" qJ, (x+Y)+qJ2(x+Y)-qJ, (x-y)+qJ2(x-y)

Die Wellengleichung laBt sich auch als partielle Differentialgleichung


zweiter Ordnung schreiben, wenn man die erste Gleichung nach y und
die zweite Gleichung nach x differenziert und die Gleichungen an-
schlieBend subtrahiert. Der Anfangswert fUr u 2 geht mit Hilfe der
ersten Gleichung in einen Anfangswert fUr 32U 1 Uber. Mit der geanderten
Schreibweise u fUr u 1 und qJ fUr qJ1 ergibt sich:
2
d22 u(x,y) -
2
d"U(X,y) = °
u(x,O) = qJ(x) (x E JR, Y E (O,T))

: 4 (x) •
9

Eine weitere vorkommende Schreibweise der Wellengleichung ergibt sich


mittels der Koordinatentransformation y = s + a, x =s - a. Die
Differentialoperatoren transformieren sich gemaB

Damit folgt, da sich die vorstehende Differentialgleichung auch als

schreiben laBt:

2 2~
3 u(s-a,r;+a)
3 s 3a
3 u (r;, a)
3 s 3a °.
Damit die Wellengleichung in dieser Fassung sachgemaB gestellt ist,
durfen die Anfangswerte allerdings nicht fur 1; '" const. und a " const.
vorgegeben werden, da diese Geraden Charakteristiken sind. 0

Ein weiterer praktisch wichtiger Typ von partiellen Differential-


gleichungen ist die Warmeleitungsgleichung, die in den folgenden Bei-
spielen vorgestellt wird.

Beispiel 1.10: Anfangswel'taufgabe bei del' Warmeleitungsgleichung.


Mit T > O,a > 0, q,cp E CO(JR ,JR) sei eine Lasung der folgenden Auf-
gabe gesucht:

u(x,O) cp (x) (x E JR, t E (0, T)) •

Das Problem ist jedoch nicht eindeutig lasbar und damit auch nicht
sachgemaB gestellt (vgl. Hellwig 1960, Kap.I, § 4). Der Mangel laBt
sich durch Forderungen an q,cp und durch eine Einschrankung des Lasungs-
begriffs beheben. Mit den Zusatzbeding~ngen

Iq(x) lexp(-Ixl) und Icp(x) lexp(-Ixl) beschrankt


lu(x,t) lexp(-Ixi) beschrankt fur x E JR und t E [O,T)
werden lineare Unterraume von CO (JR ,JR) und
C2 (JR x(O,T) ,JR) n C0 (JR x[O,T) ,JR) festgelegt. Als Norm verwenden wir

I u (x, t) I
" cp Ii sup I cp (x) I " u "
xEJR exp ( Ix I) , xE;,ufE[O,T) exp( Ixl)

Man kann zeigen, daB die Aufgabe nunmehr sachgemaB gestellt ist.
Mittels Fouriertransformation laBt sich die Lasung der homogenen
Gleichung
10

2
02v(x,t) = exo 11 v(x,t) (x E lR, t E (O,T))
v(x,O) = q,(x), q, E CO(lR ,lR) , Iq,(x) lexp(-Ixl) beschrankt
herleiten (vgl. Kap.9):

+'"
£'" exp(- 2

v (x, t) j (4xext)-1/ 2

q,(x)
(~:~) ) q,('r)d-r fur t E (O,T)

fur t = 0 .

Urn die Losung der inhomogenen Aufgabe zu erhalten, betrachten wir zu-
nachst die Gleichung
2
exo 11 w(x,t) - q(x) o.
Offenbar ist

w(x,t) = w(x) = 1 j
ex 0
(Jq(-r)d-r) dE;
0

eine spezielle Losung. Durch einfaches Nachrechnen bestatigt man, daB


Iw(x) lexp{-Ixl) beschrankt ist. Es sei nun v(x,t) die Losung der
homogenen Gleichung mit q,(x) = ~(x) - w(x). Dann ist u(x,t) = v(x,t) +
w{x) die Losung der ursprunglichen inhamogenen Warmeleitungsgleichung.
Aus der integral en Darstellung der Losung ist zu ersehen, daB es
keinen endlichen Abhangigkeitsbereich gibt. Deshalb hat diese Aufgabe
keine praktische Bedeutung; im Gegensatz zu dem folgenden Anfangsrand-
wertproblem. 0

Beispiel 1.11: Anfangsrandwertaufgabe bei der WarmeZeitungsgZeichung. Es seien


T > 0, ex > 0, q,~ E CO([a,b],lR) und q,a,q,b E CO([O,T]'lR). Gesucht
ist eine Losung der Aufgabe
2 u{x,t) - q(x)
exo 11 (x E (a,b) , t E (O,T) )
°2 u {x,t)
u(x,O) ~(x) (x E [a,b] )
u (a,t) q,a (t) u (b,t) = q,b (t) (t E [0, T) )

Da fur u(a,O) und u(b,O) jeweils zwei Forderungen gestellt sind,


mussen wir noch zusatzlich die VertragZichkeitsbedingungen

voraussetzen. Aus der Theorie weiB man, daB das Problem sachgemaB ge-
stellt ist (vgl. z.B. Petrovsky 1954, § 38). Es kann zum Beispiel
durch Laplacetransformation (Zuruckfuhrung auf gewohnliche Differen-
11

tialgleichungen) oder Differenzenverfahren gelost werden. u(x,t) ist


abhangig von ~(~) fur alle ~ E [a,b] und von ~a(s), ~b(s) fur alle
s E [O,t].
Das vorliegende Problem ist im Unterschied zu Beispiel 1.3 jedoch
nicht sachgemaB gestellt, wenn man versucht, es " ruckwarts" (t E (-T,O))
zu losen (Warmeleitvorgange sind nicht reversibel!). Die Aufgabe ist
dann entweder nicht losbar, oder aber die Losung hangt nicht stetig
von den Anfangswerten abo Dieser Sachverhalt wird durch das folgende
spezielle Beispiel naher erlautert:

BeisEiel: a = 0, b n, a = 1 , q - 0, ~a = 0, ~b - 0, W E IN, Y E JR,


ql (Xi y, w) = Y sin wX.
2
3 2U(X,t i Y,w) = 3 11 u(x,t i Y,w) (x E (0, n) , t E (-T,O) )
U(X,OiY,w) ql(XiY,w) (x E [O,n))
U(O,tiY,w) u(n,tiY,w) - 0 (t E (-T ,0] )

Man erhalt als Losung

U(X,tiY,w) = Y exp(-w 2 t) sin wx .

Fur die Normen gilt:

2
II U(','iY,W) - U(·,'iO,w) 1100 Y exp (w T)
II ql('iY,w) - ql('iO,w) 1100 = Y •

Das Verhaltnis der Normen wachst mit w uber alle Grenzen. Somit kann
keine Lipschitz-Bedingung bezuglich der Abhangigkeit von den Anfangs-
werten gelten. 0

Beispiel 1.'2: Anfangsrandwertaufgabe dritter Art bei deY' Wa:rmeZ.eitungsgleichung


- nichtlineaY'e Warmeleitungsgleichung.
Es seien T, a > 0, q, ql E CO ( [ a, b] , JR ), i3 a' Ya ' Sb' Yb ~ 0, Sa + Ya > 0,
13 b + Yb > 0, ~a'~b E CO([O,TJ,JR). Wir betrachten die Aufgabe
2
32U(X,t) = ad"u(x,t) - q(x) (x E (a,b) , t E (O,T) )
u(x,O) - ql (x) (x E [a,b] )

Sau(a,t) - ya 3,u(a,t) ~ (t) }


~: (t)
(t E [0, T) )
Sbu(b,t) + Yb 3,u(b,t)
VeY'tY'aglichkeitsbedingungen: i3 a QJ(a) - YaQJ'(a) ~a(O)

SbQJ(b) - Ybql' (b) ~b(O)

Die hier geforderten Randbedingungen sind von groBer praktischer Be-


12

deutung. Sie heiBen Rand:i.JJerte dritter Art und werden in den Spezial-
fallen Ya = Yb = °
(resp. Sa = Sb = 0) auch als Randwerte erster
(resp. zweiter) Art bezeichnet. Man kann zeigen, daB die Aufgabe sach-
gemaB gestellt ist. Die Losungsmethoden sind wie in Beispiel' ."
Laplacetransforrnationen oder Differenzenverfahren.
Die nichtlineare Warmeleitungsgleichung

d,[a(u(x,t))d,U(X,t)] - q(x,u(x,t))

a (z) .?: E > ° (z E lR)

wird in der Praxis meist in folgender Weise urngeschrieben: Man defi-


niert eine streng monotone Funktion f: lR .... lR durch

z
f(z) J a(z)dz

und setzt
°
w(x,t) f(u(x,t)) •

Es folgt

d,W(X,t) a (u(x,t)) d,U(X,t)

d 2W(X,t) cdu(x,t)) d 2U(X,t)


2
d 2 W(X,t) a(u(x,t))[d"W(X,t) - q(x,u(x,t))] •

Mit den Bezeichnungen

~(z) = a (f-' (z))

q(x,z) = q(x,f-' (z))

ergibt sich die neue Differentialgleichung:

~ 2 ~
d 2W(X,t) = a(w(x,t))[d"W(X,t) - q(x,w(x,t))]

Alle stationaren Losungen (d 2W(X,t) 0) genligen der einfachen Glei-


2 ~
chung d"W(X,t) = q(x,w(x,t)). 0

Beispiel '.13: Parabolische DifferentiaZgZeichung im Sinne von Petrovski.


Es seien T>O, q E IN, a E lR und q> E Cq(lR,lR) beschrankt. Gesucht ist
eine beschrankte Losung der Aufgabe

d 2 U(X,t) = adi ... 1 u (x,t)


u(x,O) = q> (x) (x E lR, t E (O,T))

q ungerade oder (-1) (qj2) a == °


13

Spezialfalle dieser Aufgabe sind durch Beispiel 1.5 (fUr B ~ 0) und


Beispiel 1.10 gegeben. Die parabolischen Gleichungen im Sinne von
Petrovski erg eben fUr q == 1 eine hyperbolische Gleichung und fUr
q == 2 eine parabolische Gleichung im normalen Sinne (siehe Kap. 2).
FUr groBere q ahneln die Eigenschaften der Aufgabe derjenigen im Fall
q == 2. Man kann zeigen, daB das Problem sachgemaB gestellt ist. Die
Losungsverfahren sind auch im Falle q > 2 Differenzenverfahren oder
Fouriertransforrnationen (vgl. Kap. 9).
Die obige Gleichung hat auch fUr komplexe a physikalische Be-
deu tung. So erg ibt sich z. B. fUr a == 2ih und q 2 die Schrodinger-
nm
Gleichung fUr die Bewegung eines freien Teilchens der Masse m (h
Plancksche Konstante). Die Bedingung an a muB fUr komplexe a modifi-
ziert werden. Sie lautet fUr gerade q jetzt:

Re(ai q ) ~ 0 . 0

Beispiel 1.14: Cauchy-Riemannsche Differentialgleichungen. Es seien T > °


und cp, tj; E CO (JR, JR) beschrankte Funktionen. vTir betrachten die Aufgabe

3 2 U(X,y) -d 1v(x,y)

d 2V(X,y) d1 u(x,y) (x E JR, Y E (O,T))


u(x,O) == cp (x) , v(x,O) == tj; (x) .

Die beiden Differentialgleichungen erster Ordnung werden haufig zu


einer Differentialgleichung zweiter Ordnung zusarnrnengefaBt:
2
d 11 u(x,y) +
2
d 22 u(x,y) == °
Diese Gleichung heiBt Potentialgleichung und ist die meist-untersuchte
partielle Differentialgleichung.
Die Cauchy-Riemannschen Differentialgleichungen sind kein Spezial-
fall des hyperbolischen Systems erster Ordnung aus Beispiel 1.6, da

die Matrix A == (~ -6) nicht reell-diagonalisierbar ist. Sie sind


vielrnehr (siehe Kap. 2) vom elliptischen Typus. Die vorliegende Anfangs-
wertaufgabe ist zwar fUr viele Spezialfalle eindeutig losbar, jedoch
liegt keine stetige Abhangigkeit von den Anfangswerten vor.

Beispiel: y,w E JR, cp(x) == y sin wX, tj;(x) == 0.


Man erhalt als Losung der Cauchy-Riemannschen Differentialgleichungen:
u(x,y) y sin(wx) cosh(wy)
v (x, y) y cos(wx) sinh(wy)

Mit w == (u,v) und x (cp,tj;) ergibt sich:


14

y cosh(wT)
y

Somit kann die Lasung keine Lipschitzbedingung bezuglich der Anfangs-


werte erfullen. Die Aufgabe ist folglich nicht sachgemaB gestellt.
Diese Eigenschaft ubertragt sich unmittelbar auch auf das aquivalente
Anfangswertproblem fur die Potentialgleichung.
Wegen der nicht stetigen Abhangigkeit der Lasung von den Anfangs-
werten werden bei eUiptischen Differentialgleichungen praktisch nur
Randwertprobleme betrachtet. 0

2 Typeneinteilung und Charakteristiken

Da Anfangs- bzw. Randwertaufgaben nicht bei allen partiellen Differen-


tialgleichungen sachgemaB gestellt sind, empfiehlt sich eine Einteilung
der Differentialgleichungen in verschiedene Typen. Man spricht von
hyperboZischen, eUiptischen und paraboUschen Differentialgleichungen.
1m Vordergrund des Interesses stehen bei hyperbolischen Gleichungen
Anfangswertaufgaben, bei elliptischen Randwertaufgaben und bei para-
bolischen Anfangsrandwertaufgaben. Typische Beispiele fur die drei
Klassen von Gleichungen sind die WeUengZeichung (hyperbolisch, siehe
Beispiel 1.9), die Potentialgleichung (elliptisch, siehe Beispiel 1.14)
und die Warmeleitungsgleichung (parabolisch, siehe Beispiele 1.11,
1.12). Weiter erweist sich der Begriff der Charakteristik als fundamen-
tal fur das Verstandnis der Eigenschaften partieller Differential-
gleichungen.
Dem lehrbuchmaBigen Charakter entsprechend behandeln wir hier wie
auch in den folgenden Kapiteln hauptsachlich den speziellen Fall
zweier unabhangiger Veranderlicher. Dabei werden zunachst skalare
Gleichungen zweiter Ordnung betrachtet. Daran anschlieBend besprechen
wir Systeme erster Ordnung. 1m altgemeinen Fall m unabhangiger Ver-
anderlicher beschranken wir uns auf einige praktisch wichtige Typen,
da bei einer vollstandigeren Klassifizierung zu viele Sonderfalle zu
betrachten waren. Insbesondere gibt es im FaIle m > 2 einfache Glei-
chungen, fur die keine der erwahnten Aufgaben sachgemaB gestellt ist.

Definition 2.1: Es seien G ein Gebiet des ]R2 und a,b,c,f E CO (GX]R3 , ]R )
mit a 2
(x,y,z) 2 2
+ b (x,y,z) + c (x,y,z) > 0 fur aIle (x,y) E G, z E ]R3 •
Die Gleichung
15

2 2
a(x,y,p(x,y))d 11 u(x,y) + 2b(x,y,p(X,Y))d 12 u(x,y)
2
+ c(x,y,p(x,Y))d 22 u(x,y) + f(x,y,p(x,y)) = 0

mi t p (x, y) = (u (x, y) , d1 u (x, y) ,d 2 u (x, y)) heiBt quasilineare Differential-


gleichung zweiter Ordnung. Die GroBe

2 2
a(x,y,p(x,y)) d"U(X,y) + 2b(x,y,p(X,y))d,2u (x,y)
2
+ c(x,y,p(x,y)) d22 u(x,y)

heiBt der Hauptteil der Differentialgleichung. Die Bezeichnung quasi-


linear wird gewahlt, weil die Ableitungen hochster Ordnung nur linear
vorkommen. Die Differentialgleichung heiBt halblinear, falls die Koef-
fizienten a,b und c des Hauptteils nicht von p abhangen und f die
spezielle Gestalt

f (x,y,p(x,y)) = d(x,y,u (x,y)) d,U(X,y)

+ e(x,y,u(X,y))d 2U(X,y) + g(x,y,u(x,y))

mit Funktionen d,e,g E CO (GxlR ,lR) hat. Eine halblineare Differential-


gleichung heiBt linear, falls die Funktionen d und e nicht von u ab-
hangen und g die spezielle Gestalt
g(x,y,u(x,y)) r(x,y)u(x,y) + s(x,y)

mit Funktionen r,s E CO(G,lR) hat. Eine lineare Gleichung heiBt


Differentialgleichung mit konstanten Koeffizienten, falls die Funktionen
a,b,c,d,e,r und salle konstant sind. a

Zur Definition der verschiedenen Typen einer partiellen Differential-


gleichung zweiter Ordnung benotigen wir einige aus der Algebra stam-
mende Begriffe.
Ein reelles Polynom P(x) = P(x, , ... ,x m) heiBt eine (reelle) Form
yom Grade k, wenn fur aIle x E lRm und aIle t E lR gilt: P (tx)
tkp (x). Eine Form yom Grad zwei heiBt quadratische Form. Sie laBt sich
auch in Matrix-Schreibweise darstellen:

T
p (x) = x Ax , A E MAT (m,m,lR ), (x E lRm) .

O.B.d.A. kann A als symmetrisch angenommen werden. Dann ist A durch


P eindeutig bestimmt und umgekehrt. Die bei symmetrischen Matrizen
tiblichen Begriffe
16

positiv-definit :~ alle Eigenwerte von A groBer Null


negativ-definit :~ alle Eigenwerte von A kleiner Null
definit :~ positiv definit oder negativ definit
positiv-semidefinit :~ alle Eigenwerte von A groBer gleich Null
negativ-semidefinit :~ alle Eigenwerte von A kleiner gleich Null
semidefinit :~ positiv semidefinit oder negativ semidefinit
indefinit :~ nicht semidefinit
Ubertragen sich somit unmittelbar auf quadratische Formen.

Definition 2.2: Der Differentialgleichung aus Definition 2.1 werde


die quadratische Form
2
P(~,n) = a(x,y,p(x,y» ~ + 2b(x,y,p(x,y» ~n
2
+ c(x,y,p(x,y»n
zugeordnet. Dann ergibt sich der Typ der Differentialgleichung bezUg-
lich einer festen Funktion u E C 2 (G,lR) und in einem festen Punkt
(x,y) E G aus den Eigenschaften der zugeordneten quadratischen Form:

Typ der Diff.-gl. Eigenschaften von P(~,n)

hyperbo Usch indefinit (d.h. ac - b 2 < 0)


eZliptisch definit (d.h. ac - b 2 > 0)
paraboUsch semidefinit, aber nicht
definit (d.h. ac - b 2 = 0)

Die Differentialgleichung heiBt bezUglich einer festen Funktion in


ganz G hyperbolisch (resp. elliptisch, parabolisch), falls sie bezUg-
lich dieser Funktion in allen Punkten (x,y) E G hyperbolisch (resp.
elliptisch, parabolisch) ist. c

Die obige Einteilung einer Differentialgleichung in verschiedene


Typen hangt nur vom Hauptteil abo Bei halblinearen Gleichungen ist
der Typ in einem festen Punkt (x,y) E G bezUglich aller Funktionen
u E C2 (G,lR) gleichl bei konstanten Koeffizienten a,b und c hangt der
Typ auch nicht mehr vom Punkt abo
Bei vie len Untersuchungen reicht es nicht, daB die Differential-
gleichung bezUglich einer Funktion im ganzen Gebiet hyperbolisch bzw.
elliptisch ist. Man beschrankt sich dann haufig auf gleichma!3ig hyper-
boUrwhe bzw. gleichmaJ3ig eUiptische Differentialgleichungen. Darunter
versteht man Gleichungen, deren Koeffizienten a,b und c unabhangig
von (x,y) E G, z E lR3 beschrankt sind und fUr die zusatzlich gilt:
17

a{x,y,z)c{x,y,z) - b 2 {x,y,z) < -y < 0 bzw.


2 -
a (x,y, z) c (x,y, z) - b (x,y,z) > y > 0
-3
y '" const., ({x,y) E G, z E lR ) •

Lineare Differentialgleichungen zweiter Ordnung mit konstanten


Koeffizienten lassen sich irnrner durch eine lineare Transformation
der Ortskoordinaten auf eine Gestalt bringen, deren Hauptteil mit
einer der drei NOI'lTlalfoI'lTlen

2
a11 u{x,y) hyperbolische NOI'lTlalfoI'lTl
2
a11 u{x,y) elliptische NOI'lTlalform
2
a11 u{x,t) parabolische NormalfoI'lTl

tibereinstirnrnt. Auch bei allgemeineren linearen und halblinearen Glei-


chungen lassen sich oft Transformationen der Ortskoordinaten angeben,
die Entsprechendes leisten.Der Typ einer Differentialgleichung andert
sich bei solchen Transformationen nicht, falls diese urnkehrbar und in
beiden Richtungen zweimal stetig differenzierbar sind.
Zur Definition der Charakteristiken benotigen wir einige Begriffe
tiber Kurven.
Es seien G ein Gebiet des lR 2 und I eines der Intervalle (a, b),
(a,ClO), (-oo,b), (-ClO,OO) mit a,b E lR. Eine Abbildung Ijl E C1 (I ,G) heiBt
eine glatte Kurve in G, falls ('P, {t))2 + {1jl2{t))2 > 0 ftir alle t E 1.
Den Vektor (1jl,{t),1jl2{t)) nennt man Tangenteder Kurve Ijl im Punkte
(1jl1 (t),1jl2(t)); die Menge Ijl{I) heiBt TrtigeI'lTlenge der Kurve Ijl.

Definition 2.3: Wir betrachten die Differentialgleichung aus Definiti-


on 2. 1. Ein Vektor S = (s 1 ' S2) E lR 2 , s t- (0,0) heiBt charakteristische
Richtung der Differentialgleichung imfesten Punkte (x,y) E G beztiglich
der festen Funktion u E C2 (G,lR), falls gilt:

a{x,y,p{x,Y))S22 - 2b{x,y,p{x,Y))S1S2 + c{x,y,p{x,Y))S12 O.

Die Tragermenge einer glatten Kurve Ijl in G heiBt Charakteristik der


Differentialgleichung beztiglich u, falls die Tangenten {Ijl; (t),ljli{t))
far alle t E l charakteristische Richtungen der Differentialgleichung
in den Punkten (1jl1 (t) ,1jl2{t)) beztiglich u sind. Dies bedeutet, daB Ijl
Losung der folgenden gewohnlichen Differentialgleichung ist:

a{1jl1 {t),1jl2{t),P{1jl1 (t),1jl2{t))) (ljli{t))2


- 2b{1jl1{t),1jl2{t),P{1jl1{t),1jl2{t)))Ijl;{t)ljli(t) (2.4)
+ c{1jl1 (t),1jl2(t),P{1jl1(t),1jl2{t)))Ijl;{t))2 = 0 (t E I) • 0
18

2 2
Die Bedingung a6 2 - 2b6 1 62 + c6 1 o laBt sich im FaIle von c # 0 auch
in die Form

61 (2.5)

bringen. Eine analoge Umschreibung ist fur a # 0 moglich. Daraus folgt,


daB eine hyperbolische (resp. parabolische, elliptische) Differential-
gleichung in jedem Punkt zwei (resp. eine, keine) linear unabhangige
charakteristische Richtung(en) besitzt.
Beispiele: Die Wellengleichung a~2u(x,y) - a~1u(x,y) = 0 besitzt
in jedem Punkt die charakteristischen Richtungen (1,1) und (1,-1). Die
Warmeleitungsgleichung a2u(x,t) = aa~1u(x,t) - q(x) besitzt in jedem
Punkt die charakteristische Richtung (1,0).
Die Kurve ~ ist durch die Differentialgleichung (2.4) noch nicht
hinreichend festgelegt. Deshalb kann man die folgende Normierungsbe-
dingung stellen:

(t E I) • (2.6)

Unter der zusatzlichen Voraussetzung a,b,c E c1 (GxlR3 ,lR) laBt sich


dann zeigen, daB das fur beliebiges to E Igestellte Anfangswertproblem
fur die gewohnlichen Differentialgleichungen (2.4), (2.6) im FaIle,
daB die zugehorige partie lIe Differentialgleichung bezuglich u in ganz
G hyperbolisch (resp. parabolisch) ist, genau zwei (resp. eine)
Losung(en) mit unterschiedlicher Tragermenge besitzt. Es folgt 1m
hyperbolischen Fall, daB durch jeden Punkt (x,y) E G genau zwei
Charakteristiken gehen, wahrend im parabolischen Fall jeder Punkt
(x,y) E G Ausgangspunkt genau einer Charakteristik ist. Die Gleichung
hat keine Charakteristik, wenn sie vom elliptischen Typus ist.
Die Differentialgleichung fur die Charakteristik laBt sich ver-
einfachen, wenn c(x,y,p(x,y» ~ 0 fur aIle (x,y) E Gist. Statt (2.6)
konnen wir dann die Normierungsbedingung ~i(t) = 1 stellen. Mit (2.5)
folgt aus (2.4):

q,'(y) = b(q,(y),y,p(4(Y),Y» ± 1f1(4(y),y,p(4(y),y)'


c(q,(y),y,p(q,(y),y»
f1(q"y,p) = b 2 (q"y,p) - a(q"y,p)c(q"y,p) •

Die Bildmenge x = w(Y) ist Charakteristik. Eine analoge Vereinfachung


ist fUr a(x,y,p(x,y» ~ 0 moglich.
19

Betrachten wir noch den Spezialfall, daB in einem Punkt


c(x,y,p(x,y)) = 0 ist. Das bedeutet: (1,0) ist charakteristische
Richtung. Entsprechend folgt aus a(x,y,p(x,y)) = 0: (0,1) ist charak-
teristische Richtung. Da es bei hyperbolischen Gleichungen zwei linear
unabhangige charakteristische Richtungen gibt, konnen beide Falle
gleichzeitig eintreten. Durch eine affine Transformation der Orts-
koordinaten kann man aber erreichen, daB die charakteristischen
Richtungen in einem gegebenen Punkt bezuglich einer festen Funktion
eine allgemeine Lage zum Koordinaten~ystem erhalten, so daB die obige
Darstellung moglich ist.
Wir kommen jetzt zur Typeneinteilung und Definition von Charak-
teristiken bei Systemen partieller Differentialgleichungen erster
Ordnung. Da parabolische Differentialgleichungen in der Praxis fast
ausschlieBlich als Gleichungen zweiter Ordnung vorkommen, beschranken
wir uns auf die Definition von hyperboZisch und eUiptisch.

Definition 2.7: Es seien n E :N, G ein Gebiet des lR 2, h E CO(GxlRn, lRn)


und A E CO(GXlRn , MAT(n,n,lR)). Die Gleichung

d2u(x,y) - A(x,y,u(x,y)) d1U(X,y) + h(x,y,u(x,y)) = 0

heiBt quasiZinearea System von Differentialgleichungen erster Ordnung. Die GroBe

d2u(x,y) - A(x,y,u(X,y))d 1U(X,y)

heiBt der Hauptteil des Systems. Das System heiBt halblinear, falls A nicht
von u abhangt. Ein halblineares System heiBt linear, falls h die spezi-
elle Gestalt

h(x,y,u(x,y)) = B(x,y)u{x,y) + q(x,y)

mit Funktionen B E CO{G,MAT(n,n,lR)), q E CO{G,lRn ) hat. Ein lineares


System heiBt System mit konstanten Koeffizienten, falls die Funktionen
A, B und q alle konstant sind. 0

Definition 2.8: Das System von Differentialgleichungen aus Definition


2.7 heiBt bezuglich einer festen Funktion u E C1 (G,lRn ) und in einem
festen Punkt (x,y) E G hyperboZisch (resp. eUiptisch), falls die Matrix
A(x,y,u(x,y)) n linear unabhangige (resp. keinen) reelle(n) Eigen-
vektor (en) besitzt. Es heiBt bezuglich einer featen Funktion in ganz
G hyperbolisch (resp. elliptisch), falls es bezuglich dieser Funktion
in allen Punkten (x,y) E G hyperbolisch Crespo elliptisch) ist. 0
20

Definition 2.9: Wir betrachten das System von Differentialgleichungen


aus Definition 2.7. Ein Vektor ~ = (~1'~2) E E2, ~ # (0,0) heiBt
charakte!'istische Richtung des Systems imfesten Punkt (x,y) E G bezuglich
der festen Funktionen u E c1 (G,En ), falls es ein y E E und einen
Eigenwert A = A(X,y,U(x,y» der Matrix A(x,y,u(x,y» gibt mit

Gleichbedeutend mit dieser Bedingung ist ~1 + A~2 = o. Die Trager-


menge einer glatten Kurve (j) in G heiBt Charakte1'istik des Systems be-
zuglich u, falls die Tangenten ((j); (t),(j)2(t» fa!' aZZe t E I charak-
teristische Richtungen des Systems in den Punkten ((j)1 (t),(j)2(t» be-
zuglich u sind. Dies bedeutet, daB (j) Losung der folgenden gewohnlichen
Differentialgleichung ist:

o (t E I ) . C (2.11

Mit der zusatzlichen Normierungsbedingung ~2 = 1 folgt aus der obigen


Definition sofort, daB ein hyperbolisches System in jedem Punkt
(x,y) E G so viele verschiedene charakteristische Richtungen besitzt,
wie die Matrix A(x,y,u(x,y» verschiedene Eigenwerte hat. Bei einem
elliptischen Syste~ gibt es keine charakteristische Richtung. Die
Differentialgleichung (2.10) laBt sich vereinfachen, da die zusatz-
liche Normierungsbedingung (j)2(t) = 1 gestellt werden kann. Es ergibt
sich:

I\>'(y) + A(I\>(y),y,u(l\>(y),y» = o.
Die Bildmenge von x = I\>(y) ist Charakteristik. Folglich sind die Ge-
raden y = canst. nie Tangenten einer Charakteristik dieses Systems;
im Unterschied zu den betrachteten Gleichungen zweiter Ordnung.
Beispiele: Das System d2u(x,y) = Ad 1U(X,y) + q(x,y) mit der als
reell-diagonalisierbar vorausgesetzten Matrix A aus Beispiel 1.6 ist
vom hyperbolischen Typ. Seine Charakteristiken sind bereits im Rahmen
des Beispiels angegeben worden. Die Cauchy-Riemannschen Differential--
gleichungen d2u(x,y) = (~ -6)d 1U(X,y) aus Beispiel 1.14 sind ein
lineares elliptisches System erster Ordnung mit konstanten Koeffizienter
Jede quasilineare Differentialgleichung zweiter Ordnung laBt sich
auf ein (2,2)-System erster Ordnung transformieren, wenn alle Koeffi-
zienten nicht explizit von u abhangen. Diese Transformation andert
den Typ der Differentialgleichung nicht.
21

Wir betrachten also die folgende Differentialgleichung:


2 2
a(x,y,d 1 u,d 2U)d 11 u(x,y) + 2b(x,y,d 1U,d2 u )d 1 2u (x,y)
2
+ C(X,y,d 1U,d 2U)d 22 u(x,y) + f(X,y,d 1 U,d 2U) = 0 .

Mit v(x,y) = (d 1U(X,y),d 2U(X,y)) ergibt sich das System:

a(x,y,v)d 1V1 (X,y) + 2b(x,y,V)d 1V2 (X,y) + c(X,y,V)d 2V2 (X,y)


+ f(x,y,v) = 0
d1V2 (x,y) - d2V1 (x,y) = 0 .

Falls c(x,y,z) ~ 0 fur alle (x,y) E G und alle z E lR 2 kann man nach
d2V auflosen:

d2V(X,y) = (_ a(x,~,v)
c(x,y,v)
_ 2b(X'~'V))d
c(x,y,v) 1
v(x )
,y -
( 0)
f(x,y,v) o •

Die Koeffizientenmatrix hat die Eigenwerte

1
A1 ,2 = c(-b ±
vb2 - ac). .

Die zugehorigen Eigenvektoren sind (1 ,A 1 ,2). 1m Falle A1 = A2 gibt es


nur einen Eigenvektor. Der Typ dieses Systems erster Ordnung hangt
also wie der Typ der Differentialgleichung zweiter Ordnung nur vom
Vorzeichen von b 2 - ac abo
Wir kommen jetzt zur Typeneinteilung von partiellen Differential-
gleichungen mit m unabhangigen Veranderlichen. Dabei beschranken wir
uns auf die praktisch wichtigsten Falle.

Definition 2.11: Es seien m E IN, G ein Gebiet des lRm und a ik ,


fEe o (GxlRm+1 ,lR) (1,k
, = 1 (1 )m). Die Gleichung

m 2
L a, k(x,p(X))d'ku(x) + f(x,p(x)) 0
i,k=1 1, 1

mi t P (x) = (u (x) , d1 u (x) , ... , dmU (x)) heiSt quasiZineare DifferentiaZgZeichung


z'Weiter Ordnung. Die Matrix A = (a ik ) kann o.B.d.A. als syrnmetrisch vor-
ausgesetzt werden. Dann ergibt sich der Typ der Differentialgleichung
bezug lich einer festen Funktion u E c 2 (G, lR) und in einem festen Punkt
x E G gemaS der folgenden Tabelle:
22

Typ der Diff.-gl. Eigenschaften von A(x,p(x»

AIle Eigenwerte von A(x,p(x» sind


hyperbo Zisch von Null verschieden. Genau m-1 Eigen-
werte haben gleiches Vorzeichen.
AIle Eigenwerte von A{x,p{x» sind
eZZiptisch von Null verschieden und haben gleiches
Vorzeichen.
Genau ein Eigenwert von A{x,p{x» ist
paraboZisah gleich Null. Die restlichen haben
gleiches Vorzeichen.

Definition 2.12: Es seien n,m € 1:'1, G ein Gebiet des lRm ,


h € CO{GXlRm,lRn ) und A € CO{GXlRn,MAT{n,n,lR» fur \l = 1 (1)m-1. Das
\l
System

A (x,U{X»d u{x) + h{x,u{x» = 0


\l \l

heiSt quasiZineares hyperboZisahes System erster Ordnung, wenn es ein


C € C1 (GxlRn , MAT (n,n,lR) ) gibt mit:
(1) c (x, z) ist regullir fur aIle x
G, z € lRn •

-1 n
(2) C (x,z)A (x,z)C(x,z) ist symmetrisch fUr aIle x E G, z E lR ,
\l
\l = 1 (1)m-1. c

Die Begriffe HauptteiZ. haZbZinear. Zinear. konstante Koeffizienten und der


Typ bezUglich einer festen Funktion in ganz G werden analog zu den Defi-
nitionen 2.1, 2.7 festgelegt. Der Typ hyperboZisah in Definition 2.12
stimmt im Spezialfall m = 2 mit der bisherigen Definition 2.8 uber-
ein.
Bisher haben wir ausschlieBlich reelle L5sungen von Differential-
gleichungen mit reellen Koeffizienten betrachtet. Die Anfangs- oder
Randbedingungen waren ebenfalls reel1. Soweit es sich urn Zineare
Differentialgleichungen "handelt, werden wir in den folgenden Kapiteln
auch hliufig korrrpZexe L5sungen von Differentialgleichungen mit reeZZen
Koeffizienten zu kompZexen Anfangs- oder Randbedingungen untersuchen.
Die zugeh5rige Theorie lliBt sich dann wesentlich einfacher formulieren.
Eine grundslitzlich neue Situation wird hierdurch nicht geschaffen, da
wir jederzeit in Real- und Imaginlirteil aufspalten k5nnen.
23

3 Charakteristikenverfahren fOr hyperbolische Systeme erster Ordnung

In einem einfach zusammenhangenden Gebiet G c E2 betrachten wir ein


quasilineares hyperbolisches System:

d2U(X,y) = A(x,y,u(X,Y»d 1U(X,y) + g(x,y,u(x,y» (3.1 )

Dabei sei A € C1 (GxEn , MAT(n,n,E», 9 € C1 (GxEn,E n ) und u € C1 (G,En )


eine beliebige aber feste Lasung des Systems. Wir setzen in diesem
Kapitel ferner generell voraus:
A(x,y,z) hat stets n veY'schiedene Y'eeUe Eigenwerte A (x,y,z), II =
II
1 (1)n. Ihr Absolutbetrag soll unabhangig von x,y,z und II beschrankt
sein. Die Eigenwerte seien so numeriert, daB fur II < v auch
All (x,y,z) < AV (x,y,z) gilt.
Wenn die Eigenwerte einer Matrix verschieden sind, sind sie be-
liebig oft differenzierbare Funktionen der Matrixelemente. Bei Auf-
treten mehrfacher Eigenwerte ist das nicht unbedingt der Fall. Durch
unsere obigen Voraussetzungen ist sichergestellt, daB die A (x,y,u(x,y»
II
stetig differenzierbare (eindeutige) Funktionen in G sind.
Es gibt stets n linear unabhangige reelle Eigenvektoren. Ihre
euklidische Lange kann auf 1 normiert werden. Sie sind dann durch den
Eigenwert bis auf einen Faktor +1 oder -1 eindeutig bestimmt. In dem
einfach zusammenhangenden Gebiet GxE n kann man den Faktor so wahlen,
daB die Eigenvektoren stetig differenzierbare Funktionen in GxEn
sind.
Es gibt also E € C1 (GxEn, MAT (n,n,E» mit folgenden Eigenschaften:
(1) E(x,y,z) ist stets regular.
(2) Die Spalten von E sind Vektoren der Lange 1.
(3) E-1 (x,y,z)A(x,y,z)E(x,y,z) = d1ag(A
.
(x,y,z».
II
Mit E hat naturlich auch -E die gleichen Eigenschaften. Es sei
D(x,y,z) = diag(A (x,y,z». Aus (3.1) erhalt man die eY'ste NOY'lTlalfoY'lTl:
II

E-1 d2U = DE -1 d1U + E-1 9 (3.2)

Bei E, D und 9 wurden die Argumente (x,y,u(x,y» unterdruckt, bei u


die Argumente (x,y). Der Charakter dieser Normalform ist in Komponen-
tenschreibweise besser zu erkennen. Es sei

E- 1 = (e
llV
) u = (u v ) , 9
24

Das ergibt

n n n
r e a2u A r e a1 u + r e g (ll 1 (1) n) (3.3)
v=1 llV v II v=1 llV v v=1 llV v
oder
n
r e [a 2 - A a1 ]u 1 (1)n) • (3.4)
v=1 llV II v

Jede Gleichung enthalt nur einen Ableitungsoperator a2 - All a1 • Es han-


delt sich urn eine Richtungsableitung in eine charakteristische Richtung
(vgl. Beispiel 1.6). Das System ist deswegen aber nicht entkoppelt.
e llV ' All und gv hangen namlich im allgemeinen von allen Komponenten von
u abo
Es liegt nun nahe, fUr eine lineare Differentialgleichung

v(x,y) E-1 (x,y)u (x,y)

zu substituieren. Dies fUhrt zu der zweiten Norma7,form

(3.5)

In Komponentenschreibweise lauten diese Gleichungen:


n
a2 v
II
= A a1 v + r b v +
II II v';1 II v v
gII (ll = 1 (1)n) (3.6)

-1
E g

Das ursprUngliche hyperbolische System und die Normalformen haben


offensichtlich die gleichen Charakteristiken. Sie lassen sich in Para-
meterdarstellung in folgender Weise beschreiben.

x = cp (t) , y = t

cp'(t) + A (cp(t),t,u(cp(t),t)) o 1 (1)n) • (3.7)


II
FUr jede Charakteristik ist II fest. Weil die A stetig differenzier-
II
bar sind, genUgen sie lokal Lipschitzbedingungen. Es laSt sich be-
weisen: Durch jeden Punkt von G gibt es genau n verschiedene Charak-
teristiken; zu jeder Wahl von II also genau eine. Zwei Charakteristiken
zu gleichem II konnen sich nicht schneiden. Keine Charakteristik unse-
res Systems berUhrt die x-Achse. Jede Charakteristik schneidet die
x-Achse hochstens einmal.
Wir wollen nun zu dem Spezialfall n = 2 Ubergehen. In diesem
Fall gibt es namlich besonders einfache numerische Verfahren zur Be-
hand lung von Anfangswertaufgaben. Sie heiSen Chal'aktel'istikenvel'fahl'en.
25

Der Einfachheit halber geben wir die Anfangswerte auf der Menge
r = {(x,y) E G I y = O} vor. Es sei vorausgesetzt:
(1) r ist ein nichtleeres offenes Intervall auf der x-Achse.
(2) Jede Charakteristik durch einen Punkt von G schneidet r.
Die zweite Voraussetzung kann irnmer durch Verkleinerung von G erreicht
werden.
Aus der Theorie ergibt sich nun, daB der Verlauf von u in ganz G
nur von den Anfangswerten auf r abhangt. Gist der Bestirnmtheitsbe-
reich von r. Seien Q1 und Q2 zwei Punkte auf r. Die Charakteristiken
durch Q1 und Q2 begrenzen dann den Bestimmtheitsbereich der Strecke
Q1 Q2·
Weil jede Charakteristik die x-Achse schneidet, kann man die
Abszisse des Schnittpunktes (s,O) neben der Nummer ~ als Scharpara-
meter fur die Charakteristiken wahlen. Die Charakteristiken sind durch
diese Angaben eindeutig bestimmt. Man erhalt fur die Parameterdar-
stellungen aus (3.7):

d2lP"
. (s,t) + A
~
(lP (s,t) ,t,u(lP (s,t) ,t))
~ ~ ° (3.8)
lP (s,O) = s
~
(s E r, ~ = 1,2) .

Die Losungen sind stetig differenzierbar.


Da durch jeden Punkt (x,y) zwei Charakteristiken laufen, gehoren
zu dem Punkt (x,y) zwei Abszissen s1 = P1 (x,y) und s2 = P2(x,y). Es
gilt fur aIle t:

s = P (lP (s,t),t) (s E r, ~ = 1,2) .


~ ~

P1 und P2 sind nun Losungen der Anfangswertaufgabe

d2P~(x,y) A (x,y,u(x,y)) d1 P (x,y) ((x,y) E G, ~ 1 ,2) (3.9)


~ ~

P (x,O) = x (x E r) •
~

Zum Beweis dieser Aussage muB man zuerst zeigen, daB die Anfangswert-
aufgaben (3.9) eindeutig losbar sind und daB die Losungen stetig
differenzierbar sind. Flir diese Losungen gilt offenbar:

P (lP (s,O) ,0) = P (s,O) = s (s E r, ~ = 1,2) .


~ ~ ~

Andererseits hang en die Funktionen P (lP (s,t) ,t) nicht von tab, weil
~ ~
ihre Ableitungen nach t Null sind:

-" d1 P
~ ~
+ ,. ~ d1P ~ °.
26

Mit Hilfe der Projektibnen P1 und P 2 komrnt man zu einem neuen Ko-
ordinatensystem in G, einem sogenannten charakteristischen Koordinaten-
system (vgl. Abbildung 3.10):

1
o = '2(P2 (x,y) + P1 (x,y»
1
T = '2(P2 (x,y) - P1 (x,y»

Nach dem vorher Gesagten ist die Transformation umkehrbar eindeutig.


Auf r gilt 0 = x und T = Y = O.

x
pi

Abb. 3.10. Bestimrntheitsbereich der Streck PQ in der x-y-Ebene und


in charakteristischen Koordinaten O,T

Die Charakteristikenverfahren bestimrnen nun Naherungen fUr u, x


und y in den Gitterpunkten mit den charakteristischen Koordinaten

{ (0 , T) I 0 = kh, T = Ih mit k, 1 E 7l} .

Dabei sei heine hinreichend kleine positive Konstante. Das einfachste


Charakteristikenverfahren heiBt Massau-Verfahren. Es wird im folgenden
naher beschrieben.
Mit Qo' Q1 und Q2 bezeichnen wir der Reihe nach die Punkte mit
den Koordinaten

o = kh, T = Ih
o = (k - 1) h, T = (1 1) h
o (k + 1) h, T = (1 1) h
27

Das Massau-Verfahren berechnet aus den Werten fUr u, x und y in Q1


und Q2 die werte in Qo . Da die Anfangswerte fUr T = 0 bekannt sind,
konnen so schrittweise die Werte auf den Schichten T = h, T = 2h, usw.
berechnet werden. Dabei kann man sich offensichtlich auf den Teil des
Gitters mit k + 1 gerade oder k + 1 ungerade beschr!nken.
a - T ist fUr Qo und Q1 gleich, ebenso a + T fUr Qo und Q2· Qo
und Q1 liegen deshalb auf der Charakteristik P1 (x,y) = (k - l)h und
Qo und Q2 auf der Charakteristik P2{x,y) = {k + l)h (vgl. Abbildung
3.11). In diesem Koordinatensystem sind also die Charakteristiken die
Geraden mit den Steigungen +1 und -1.

Lh

IL -11h

Abb. 3.11. Schichten des Massau-Verfahrens

Das numerische Verfahren geht von der ersten Normalforrn (3.4) und
den Differentialgleichungen (3.B) fUr ~1 und ~2 aus. Auf den Strecken
-
Q1Qo und -Q2Qo werden A, A und E-1 als konstant angesehen. Es wird ihr
wert in Q1 bzw. Q2 festgehalten. Die Ableitungen auf den Charakter i-
stiken werden durch die einfachsten Differenzenquotienten approximiert.
Durch obere Indizes j = O(1)2 kennzeichnen wir die N!herungen fUr
u, x, y, A, A)J' E- 1 = (e )J\I ) und g = (g \I ) in den Punkten Q0 , Q1' Q2. So
erh!lt man:

(\I = 1,2; j = 1,2) •


Im Detail l!uft die Rechnung folgendermaBen ab:
28

(1) Bestimmung von A(j), (E- 1 )(j), A(j) fur j = 1,2 und)l 1,2.
)l
(2) Bestimmung von x(o) und y(o) aus dem Gleichungssystem

(j=1,2)
oder
(x(o)_x(1» o
(x (0) -x ( 1 ) ) (x(2)_x(1» + A(2)(y(2)_y(1»
2

(3) Bestimmung von u(o) und u(o) aus dem Gleichungssystem


2 1
2 u(o) - u(j)
L e ~ j) -Tv-:-;-----iv'TT" ~ e~j)g(j) (j 1 ,2)
v=1 ]V y(o) y(j) v=1 ]V v

oder

Die Umschreibung der Gleichungssysteme in (2) und (3) erfolgt


aus Grunden der RundungsfehlerstabiliUit.
Wenn h klein genug ist, sind die Matrizen beider Gleichungs-
systerne regular. Fur hinreichend kleine h gilt narnlich

A(2) A(1) f A (1 )
2 "" 2 1

C'I
und
e 11 e(1)
12 ("(11
11
e 12
(11 )
regulare Matrix .
(2) (2) "" (1) (1 )
e 21 e 22 e 21 e 22

Das Massau-Verfahren konvergiert manchrnal auch in Fallen, in denen


die Anfangswertaufgabe keine stetige Losung besitzt. In der Regel kann
man aber numerisch leicht erkennen, ob ein solcher Fall vorliegt. Es
gibt dann zu verschiedenen Paaren (O,T) gleiche Paare (x,y). Darum
existiert keine (eindeutige) Abbildung

(x, y) -+ (0, T ) •

Hinsichtlich der Genauigkeit ist das Massau-Verfahren bei hyper-


bolischen Systemen mit dem Eulerverfahren bei gewohnlichen Differen-
tialgleichungen vergleichbar. Es gibt aber auch zahlreiche Charakteri-
stikenverfahren mit wesentlich hoherer Genauigkeit. Besonders bewahrt
haben sich Extrapolationsmethoden (siehe Busch-Esser-Hackbusch-Herrmann
29

1975). Bei nichtdifferenzierbaren Anfangswerten empfehlen sich auch im-


plizite Charakteristikenverfahren mit Extrapolation. Alle diese Verfahren
unterscheiden sich yom Massau-Verfahren durch die Verwendung von Dif-
ferenzenquotienten hoherer Ordnung. Insgesamt kann man sagen, daB unter
den oben formulierten Voraussetzungen - zwei Veranderliche, Systeme
mit zwei Gleichungen, A hat verschiedene reelle Eigenwerte - die
Charakteristikenverfahren wohl die leistungsfahigsten Verfahren sind.
Es gibt auch Verallgemeinerungen fur allgemeinere Fragestellungen;
sie sind aber leider sehr viel komplizierter und sehr viel weniger
leistungsfahig. Darum mochten wir hier die Behandlung von Charakter-
istikenverfahren schon abschlieBen und uns den anderen Verfahren, die
man im Gegensatz dazu auch Differenzenverfahren in Rechteckgittern
nennt, zuwenden.
Zur Theorie der Normalformen verweisen wir auf Perron 1928 und
zurn Konvergenzbeweis fur Charakteristikenverfahren auf Sauer 1958.
In Anhang 1 befindet sich ein FORTRAN-Programm.

4 Banachraume

In vielen Fallen lassen sich Anfangswertaufgaben fur lineare partielle


Differentialgleichungen auf Anfangswertaufgaben fur gewohnliche Dif-
ferentialgleichungen zuruckfuhren. Es handelt sich dabei allerdings
urn gewohnliche Differentialgleichungen fur Abbildungen eines reel len
Intervalles in einen geeigneten nicht endlich-dimensionalen Banach-
raum.
Durch diese Umformulierung der Aufgaben wird eine Prazisierung
des in Kap. 1 erlauterten Begriffs sachgemaJ3 gesteZlte Anfangswertauf-
gabe erleichtert. Die Lax-Richtmyer-Theorie beschaftigt sich mit Sta-
bilitats- und Konvergenzkriterien fur Differenzenverfahren. Sie geht
dabei ebenfalls von den umformulierten Aufgaben aus. Fur das Verstand-
nis der Beweise ist die Kenntnis dieser "Banachraummethoden" unbedingt
erforderlich.
Bei der praktischen Anwendung der Differenzenverfahren liegen die
Verhaltnisse anders. Man geht dabei fast immer von der ursprunglichen
Formulierung als Anfangswertaufgabe fur hyperbolische oder parabolische
Diffentialgleichungen aus. Elliptische Gleichungen spielen hier keine
Rolle, weil die betreffenden Anfangswertprobleme nicht sachgemaB ge-
stellt sind.
30

In diesem Kapitel werden die grundlegenden Begriffe Banac~,


Zinearer Operator, Differenzierbarkeit und IntegraZ
im Banachraum, etc. de-
finiert und einige wichtige Satze, die bei der Entwicklung der Banach-
raummethoden benetigt werden; bereitgestellt.

Definition 4.1: Es sei B ein Vektorraurn Uber dem Kerper ~ = C (resp.


~ = JR). B heiBt kompZe:x:er (resp. l'eeZZer) Banachraum, wenn folgendes gilt:

1. In B ist eine Abbildung II • II: B .... [0,00) (genannt Norm) mit folgenden
Eigenschaften ausgezeichnet:
(a) II a II = 0 .. a = 0 (a € B)
(b) II Aa II = I AI II a II (A €~, a € B)
(c) II a + b II ~ II a II + II b II (a,b € B) •
2. Der Raum B ist bezUglich der durch II . II induzierten Topologie voZZ-
standig; d.h. jede Cauchy-Folge {an}n€~ von Elementen von B konvergiert
gegen ein Element a von B.
Dabei heiBt {an}n€~ Cauchy-FoZge, falls es zu 'jedem positiven E eine
natUrliche Zahl no gibt, so daB aus n,m > no folgt II an - am II < E. Die
Folge {an}n€~ heiBt konvergent gegen ein Element a von B, falls
{II a - an II }n€~ eine Nullfolge ist. D

Jeder Banachraurn besteht also aus einem Vektorraurn und einer Defini-
tion fUr die Norm. Demnach sind zwei Banachraurne, denen der gleiche
Vektorraum zugrundeliegt, zu unterscheiden, falls die Normen verschie-
den sind. Insbesondere beachte man, daB ein unendlichdimensionaler
Vektorraum, der bez. einer gegebenen Norm vollstandig ist, diese
Eigenschaft keineswegs bezUglich einer anderen Norm besitzen muB.
Wir sprechen im folgenden einfach von Banachraurnen, soweit aus
dem Zusammenhang eindeutig hervorgeht, ob es sich urn komplexe oder
reelle Raurne handelt. Da bei den spateren Entwicklungen haufig Fourier-
transformationen Verwendung finden, werden wir fast nur noch komplexe
Banachraurne betrachten.

Beispiel 4.2: Der Vektorraum en wird mit jeder der beiden Normen

II x II = max Ix. I , - 1/2


II x II = (rx.x.)
j J j J J

zu einem Banachraum. Das gleiche gilt fUr jede andere Norm im en (vgl.
Dieudonne 1960, Kap. V). D
31

Beispiel 4.3: Die Menge aller Abbildungen x: ~ ~ en, fur die die un-
endliche Reihe

konvergiert, ist mit der ublichen Definition der Addition und Multipli-
kat ion mit einem Sklalar ein Vektorraum uber ~. Mit der Definition

"" n 1/2
( . r r x k (j ) x k (j) )
" x II
J=-CO k=1

wird dieser Vektorraum zu einem Banachraum, den wir mit 12(Cn ) be-
zeichnen (vgl. Yosida 1968, Kap. I.9). c

Beispiel 4.4: Es sei K c mm eine kompakte Menge. Der Vektorraum


CO(K,C n ) ist bezuglich der Norm

II f II == max max If. (x) I


"" j xEK J

vollstandig und folglich ein Banachraum. Dabei ergibt sich die Voll-
standigkeit des Raurnes aus der Tatsache, daB jede Cauchy-FeIge bei
dieser Definition der Norm eine gleichmaBig konvergente Folge ste-
tiger Funktionen darstellt. Eine solche Folge konvergiert bekanntlich
gegen eine stetige Grenzfunktion, also gegen ein Element des Raumes.
Der Raum CO(K,C n ) ist jedoch bez. der Norm

" f II 2 = ( I
n
r f. (x) f . (x)
K j=1 J J
dx) 1/2
nicht vollstandig. Dies ergibt sich aus dem folgenden Gegenbeispiel:
In CO([0,2],C) ist die Folge {f~}~E~ mit

fur x E [0,1)
l1
x~
f (x) =
~ fur x E [1,2]

eine Cauchy-Folge. Sie konvergiert aber gegen keine stetige Grenz-


funktion.
Wenn im folgenden vom BanaahT'aum CO (K,C n ) die Rede ist, meinen wir
immer den Vektorraum der stetigen Funktionen f: K ~ Cn in Verbindung mit
der Norm " • II"". c
32

Beispiel 4.5: Es sei G ein Gebiet des lRm und A = {f: G -+ a: n I


f quadratintegrierbar in G}. Dabei heiBt f quadratintegrierbar in G,
falls das Integral
n
J :t (f. (x) f . (x) ) dx
G j=1 J J

im Sinne von Lebesgue existiert und endlich ist. A bildet mit der tib-
lichen Definition der Addition und Multiplikation mit einem Skalar
einen Vektorraum tiber a:. Die durch

1/2
III fill = ( J:t f.(X)f.(X)dX)
G j J J

definierte Abbildung III· III: A -+ [0,"") hat aIle Eigenschaften einer


Norm mit Ausnahme von 1. (a), da III f III 0 ftir aIle fEN mit

N = {f E AI{x E Glf(x) ~ O} hat das MaB Null} .

Urn diesen Mangel zu beheben, geht man zum Quotientenraum A/N tiber.
Die Elemente von A/N sind Xquivalenzklassen von Abbildungen aus A, die
sich nur auf einer Menge vom MaB Null unterscheiden. A/N wird in
kanonischer Weise zu einem Vektorraum tiber a:. Mit der Definition
A
(1 E
~
11111: = III f III IN' f E f)

wird dieser Vektorraum zu einem Banachraum, den wir mit L2 (G,a: n ) be-
zeichnen. Wahrend sich die Vektorraum- und Normeigenschaften leicht
zeigen lassen, gestaltet sich der Nachweis der Vollstandigkeit wesent-
lich schwieriger (vgl. Yosida 1968, Kap. 1.9).
Zur Vereinfachung der Schreib- und Sprechweise werden wir im
folgenden nicht mehr zwischen den Xquivalenzklassen 1 E L2 und deren
Reprasentanten f E 1 unterscheiden, da sich die jeweilige Bedeutung
aus dem Zusammenhang ergibt. c

Die folgende Definition ftihrt den wichtigen Begriff einer dichten


Menge ein.

Definition 4.6: Es seien B ein Banachraum und D1 ,D 2 Teilmengen von B


mit D1 c D2 . D1 heiBt dicht in D2 , wenn es zu jedem a E D2 und zu jedem
£ > 0 ein b E D1 gibt mit II a - b II < £. C

In unseren weiteren Uberlegungen spielen Untervektorraume eines


Banachraumes, die in diesem dicht liegen, eine wesentliche Rolle. Wir
betrachten zunachst einige Banachraume stetiger Funktionen mit der
33

Norm II . II • Aufgrund eines fundamentalen Satzes von TrifeierstraB lassen


00
sich einfache dichte Unterraume angeben.

Satz 4.7: Approximationssatz von Weierstraf3.


Es sei K c lRm eine kompakte Menge. Dann gilt: Der VektoY'rawn der aUf K definierten
Polynome mit komplexen Koeffizienten liegt dieht im Banaehrawn CO (K,IC) .

Zum Beweis vgl. Dieudonne 1960, Kap. VII, 4. Aus dem Satz folgt un-
mittelbar, daB die Raume Ck(K,~) (k = 1 (1)00) und Coo(K,IC) dicht in
CO(K,~) liegen, da sie Obermengen des- Raumes der Polynome sind. Ferner
gilt sogar:

Sa tz 4.8: (1) DeY' VektoY'rawn

V = {f E COO ( [a, b], a:) I f (v) (a) 0, v 1 (1)00}

liegt dieht im Banaehraum CO ( [a, b] , a:) •


(2) Der Vektorrawn der besehrankten Funktionen aus COO OR,~) liegt dieht im
Banaehrawn der besehrankten Funktionen aus CO(lR,~).

Zurn Beweis benotigen wir den folgenden Hilfssatz.

Hilfssatz 4.9: Es seien c 1 ' c 2 , d 1 , d 2 E lR mit d1 < c 1 < c 2 < d 2 "


Dann existiert eine Funktion h E Coo(lR,lC) mit

(1) h (x) fur x E [C 1 'C 2 ]


(2) h(x) 0 fur x E lR - (d 1 ,d 2 )
(3) h(x) E (0,1) fur x E (d 1 ,d 2 ) - [c 1 ,c 2 ]

Zum Beweis von Hilfssatz 4.9 vgl. Friedman 1969, part 1, Lemma 5.1.

Beweis von Satz 4.8: zu (1): Wir beweisen zunachst, daB der Raum

{f E V I f (a) fib) = O}

dicht im Banachraum W {f E CO ([a,b] ,~) I f (a) = f (b) = O} liegt. Es


sei also fEW und E > 0 vorgegeben. Dann gibt es ein 6 > 0 mit
If(x) I < 1 fur x E [a,aH) U (b-6,b]. Wahle h E Coo(lR,<r) zu d 1 = a,
c1 = a + 6, c 2 b - 6 und d 2 = b gemaB Hilfssatz 4.9. Da Coo([a,b],<r)
dicht in CO([a,b],IC) liegt, gibt es eine Funktion 9 E Coo([a,b],<r) mit
Ilf-gil oo < 1 . Weiter sei g= g·h. Dann gilt:
34

- g E C~([a,b],C)
- hell) (a) = hell) (b) = 0 (ll = 0(1)~) wegen 4.9(2)
- g(V) (x) = ~ (V)g(V-ll) (x)h(ll) (x) (v = 0(1)~)
1l=0 II
- g(V) (a) = g(v) (b) = 0 (v = 0(1 )~)
- If(x) -g(x) I = If(x) - g(x) I fUr x E [a+6,b-6] wegen 4.9(1)
2
- Ig(x) I ~ If(x) - g(x) I + If(x) I < '3 e: fur x E [a,a+6) U (b-6,b]
- If(x) - g(x) I < If(x) I + Ih(x) Ilg(x) I < e: fUr x E [a,a+6) U (b-6,:
- II f - gil ~
< e:

Damit ist gezeigt, daB V dicht in W liegt.


Zum Beweis der Behauptung (1) sei nunmehr f E CO([a,b],~) be-
liebig gewahlt. Die Funktion hex) sei gemaB Hilfssatz 4.9 zu
d 1 < c 1 < a < c 2 < d 2 < b bestirnmt. Dann ist

p(x) = f(a)h(x) + feb) (1 - hex»~

offenbar eine Funktion aus V mit pea) = f(a) und pCb) = feb). Die
Funktion f(x) - p(x) kann nach vorstehenden Uberlegungen aber be-
liebig genau durch Funktionen aus V c V approximiert werden.
zu (2): Es sei f eine beschrankte Funktion aus CO(lR,~) und
e: > O. In den Intervallen [k,k+1] (k EJ[) gibt es nach (1) jeweils
Funktionen gk E C~([k,k+1],a) mit

g~V) (k) g~V) (k+1) o (v = 1 (1)~)

If(x) - gk(x) I < e: (x E [k,k+1])

Aus dem Beweis zu (1) ist zu ersehen, daB die Funktionen gk so ge-
wahlt werden konnen, daB zusatzlich gilt:

f(k), gk(k+1) = f(k+1)

Somit ist

g(x) = gk(x) (x E [k,k+1»

eine beschrankte Funktion aus CCO (lR,a:) mit II f-g lleo < e: [J

Im folgenden betrachten wir zwei Beis~iele von dichten Unterraumen


im Banachraum L2 (G,a:).
35

Satz 4.10: Es sei G ein Gebiet des Rm. Dann gilt:

(1) Der Vektorraum C~(G,<r) der aUf G definierten unendZich-oft differenzierbaren


Punktionen mit kompaktem Trager l iegt dicht im Haum L2 (G ,<r) •

(2) Der Vektorraum der aUf G definierten Polynome mit komplexen Koeffizienten liegt
dicht im Hawn L2 (G,a:) , wenn G beschrankt ist.

Beweis: Die Aussage (1) ist allgemein bekannt. (2) folgt aus (1) und
Satz 4.7. 0

Definition 4.11: Es seien B1 , B2 Banachraume und D ein Untervektor-


raum von B1 . Eine Abbildung

heiBt Zinearer Operator, falls fUr alle a, bED und alle A, )l E lK gilt:

A(Aa + )lb) = AA(a) + )lA(b)

Ein linearer Operator A heiBt beschrankt, wenn es ein a > 0 gibt


mit IIA(a) II :5 a II a II fUr alle a E D. Die GroBe

IIAII: = inf{a E :IR+ I IIA(a) II :5 allall fUr alle a E D}

heiBt dann Norm des linearen und beschrankten Operators A. Nir be-
zeichnen

L(D,B 2 ): = {A:D ~ B21 A linear und beschrankt} 0

Bei der Definition beschrankter linearer Operator en von B1 nach B2


genligt es, sie auf einem dichten Unterraum von B1 zu definieren.
Es gilt namlich:

Satz 4.12: Es seien B1 , B2 Banachriiume, D ein in B1 dichter Untervektorraum


von B1 und A E L(D,B 2 ). Dann gibt es genau einen Operator A E L(B 1 ,B 2 ),
der auf D mit A ubereinstimmt. Es gilt uberdies IIAII = IIAII. A heif3t die Fort-
setzung von A aUf B1 .

Beweis: Es sei a E B1 . Dann gibt es, da D dicht in B1 ist, eine gegen


a konvergente Folge {aj}jElli von Elementen aus D. Aus

folgt, daB {A(aj)}jElli eine Cauchy-Folge in B2 ist. Da B2 als Banach-


raum vollstandig ist, existiert ein (eindeutig bestimmter) Grenzwert
der Folge {A(aj)}jElli in B2 , den wir mit c bezeichnen. Die GroBe c
hangt nur von a und nicht von der speziellen Auswahl der Folge {aj}jE~
36

abo Denn sei {aj}jE~ eine andere gegen a konvergente Folge von Ele-
men ten von D. Dann laBt sich abschatzen:

Ilc-A(a.) II ::: Ilc-A(a.) II + IIA(a.)-A(a.) II


~J J J J
Ilc-A(a.) II ::: Ilc-A(a j ) II + IIAII (iia-a j II + Iia-a j II) .
J

Hieraus folgt durch Grenzubergang, daB die Folge {A(a j ) }jE~ ebenfalls
gegen c konvergiert.
A

Wir definieren die Abbildung A: B1 ~ B2 durch die Vorschrift:

A(a):=c.
A

A ist wohldefiniert und stimmt auf D mit A uberein.


A

Zum Nachweis der Linearitat von A seien a, b E B1 und {aj}jE~'


{bj}jE~ zwei gegen a bzw. b konvergente Folgen von Elementen von D.

Dann konvergiert die Folge {Aa. + ~b.}.E~T gegen das Element Aa + ~b.
J J J .JL.
Es folgt:

A(Aa + ~b) = lim A(Aa. + ~b.) =


j -><X> J J
A lim A(a.) + ~ lim A(b.) = AA(a) + ~A(b)
j -><X> J j -><X> J

Zum Nachweis der Beschranktheit von A seien a und {aj}jE~Wie


oben gegeben. Es ist IIA(a.) II < IIAII Ila.11 und wegen der Stetigkeit
J - J
der Norm
IIA(a) II = II lim A(a.) II = limIIA(a.) II :::
j-><x> J j -><X> J

IIAllliml1 a. II = IIAII II lim ajll = IIAII lIall


j-><x> J j-><x>

Hieraus folgt IIAII = IIAII


Den Nachweis, daB A eindeutig bestimmt ist, flihren wir indirekt:
~
Es sei A ein beschrankter linearer Operator von B1 in B2 , der auf D

mit A ubereinstimmt. Fur ein a E B1 - D gelte A(a) A(a). Neiter sei


0::
*
{aj}jE~ eine gegen a konvergente Folge von Elementen von D. Dann

gilt:
~
IIA(a) - A(a) II ::: II ~(a) - A(a.) II + IL~(a) - A(a.) II
J J
:=: A
~
II A(a) - A(a j ) II + II A(a) - A(a.) II ::: IIAII
J
II a-a j II + IIAII Iia-a j II .
Hieraus folgt durch Grenzlibergang ein Widerspruch. 0
37

Nach Satzen der Funktionalanalysis (Hahn-Banach) laBt sich ein be-


schrankter linearer Operator auch dann auf ganz B1 normtreu fort-
setzen, wenn der Definitionsbereich D nicht dicht in B1 liegt. Die
Erweiterung ist dann allerdings nicht eindeutig bestirnrnt.

Definition 4.13: Es seien B1 , B2 Banachraume und Meine Menge von be-


schrankten linearen Operatoren, die B1 in B2 abbilden. M heiBt gZeich-
miJJ3ig beschriinkt, wenn die Menge {IIAII IA E M} beschrankt ist. Dies ist
gleichbedeutend damit, daB es eine Konstante a > 0 gibt mit IIA(a) II ~
a II a II fi.ir alle A E H und alle a E B1 . c

Satz 4.14: Prinzip der gZeichmaJ3igen Beschranktheit, engl. uniform boundedness.


Es seien B" B2 Banachraume und ~1 eine Menge von beschriinkten Zinearen Opera-
toren, die B1 in B2 abbilden. Es existiere eine Funktion f3: B1 -+ lR+ mit

IIA(a) II ~ S (a)

fUr aUe a E B1 und aUe A E M. Dann ist die Menge M gZeichmiJJ3ig be schY'iink t.

Zum Beweis von Satz 4.14 vgl. Yosida 1968, Kap. II.1. Man beachte, daB
die Funktion f3 weder stetig noch linear zu sein braucht.

Definition 4.15: Es seien B ein Banachraum und [T"T 2 ] ein reelles


Intervall. Eine Abbildung

heiBt differenzierbar im Punkte to E [T 1 ,T 2 ], falls es ein Element a E B


gibt mit

lim lIu(to+h) - u(t o ) - h·all


h-+O 0 •
t o +hE[T 1 ,T 2 ] Ihl

Das Element a ist eindeutig bestirnrnt und heiBt AbZeitung von u im Punkte
to. Es wird mit u' (to) oder ~~(to) bezeichnet. Die Abbildung u heiBt
differenzierbar, falls sie in j edem Punkt von [T 1 ' T2] differenzierbar
ist. Die Abbildung u heiBt gZeichma!3ig differenzierbar, falls sie diffe-
renzierbar ist und

1
Ihiliu (t+h) - u (t) - hu' (t) II

mit h -+ 0 gleichmaBig fi.ir t E [T 1 ,T 2 ] gegen Null konvergiert. Die Ab-


bildung u heiBt stetig differenzierbar, falls sie differenzierbar ist und
die Ableitung u' (t) stetig in [T 1 ,T 2 ] ist. c
38

Aus der obigen Definition folgt sofort, daB eine im Punkte to diffe-
renzierbare Abbildung auch stetig in to ist. Aus dern verallgemeinerten
Mittelwertsatz (vgl. Dieudonne 1960, Satz (8.6.2» ergibt sich fur
stetig differenzierbare Funktionen u:

1~llIu(t+h)-U(t)-hU' (t) II < sup lIu' (t+\lh)-u' (t) II


-0<\1<1

Eine stetig differenzierbare Funktion ist samit auch gleichmaBig diffe-


renzierbar.

Zur Behandlung inhamogener Anfangswertaufgaben ben5tigt man den Be-


griff des Integrals fur stetige Abbildungen eines reellen Intervalls
in einem Banachraum. Wir stellen einige seiner Eigenschaften ohne Be-
weis zusammen. Dabei stutzen wir uns auf Dieudonne 1960, Chapt. VIII.

Definition 4.16: Es seien B ein Banachraum, I = [T 1 ,T 2 1 ein reelles


Intervall und v E CO(I,B). Eine Abbildung

u: I ... B

heiBt StammfUnktion von v in I, fall u in I differenzierbar ist und

u'(t) = v(t) (t E I) c

Der folgende Hilfssatz erm5glicht die Definition des (bestimmten)


Integrals.

Hilfssatz 4.17:
(1) Fill' zwei Stammfunktionen u 1 ' u 2 von v in I gUt: u 1 - u 2 ist konstant in I.
(2) Jede stetige Funktion v besitzt (mindestens) eine StammfUnktion in I.

Definition 4.18: Es seien B ein Banachraum, I = [T 1 ,T 2 1 ein reelles


Intervall, v E CO(I,B) und u eine Stammfunktion von v in I. Dann heiBt

das IntegraZ von v zwischen T1 und T 2 • c

Aus Hilfssatz 4.17 folgt, daB die obige Definition unabhangig von der
speziellen Wahl der Stammfunktion ist.
Wir stellen jetzt einige Eigenschaften des Integrals zusammen,
die in Kap. 7 ben5tigt werden.
39

Satz 4.19: Es seien B ein Banachraum, I = [T 1 ,T 2 1 und J = [T3,T41 Y'eeUe


o 0
InteY'VaUe, vEe (I,B), C E L(B,B) und g, f, d 2 f E C (IxJ,B). Dann gilt:

T2
(1) I C(v(t))dt
T1

(2) FuY' jedes £ > 0 existieY't ein 6 > 0, so daB fuY' jede ZeY'Zegung

mit

(k 0(1 ) n-1 )

gilt:

T2
III v(t)dt -
T1

(3) Die Funktion

t
u(t) I VtT)dT
T1

ist eine stetig diffeY'enzieY'baY'e Stammfunktion von v in I.

(4) Die Funktion

T2
w (x) f f (t,x) dt
T1

ist stetig diffeY'enzieY'baY' in J mit

d
dX w(x) (x E J) •

Zur Losung von Anfangswertaufgaben werden in den folgenden Kapiteln


haufig implizite Differenzenverfahren benutzt. Es handelt sich dabei
urn lineare Abbildungen x - y = T(x) eines Banachraumes B in sich,
40

die implizit durch lineare Gleichungen R(y) = S(x) definiert werden.


Oabei sind R, S E L(B,B).
Wenn die Gleichung R(y) = S(x) fur aIle x E B eindeutig losbar
ist, schreiben wir kurz T = R- 1 oS. Oamit wird allerdings nicht be-
hauptet, daB eine auf ganz B definierte lineare Abbildung R- 1 exi-
stiert.
In den meisten konkreten Anwendungen wird die eindeutige Losbar-
keit der Gleichung R(y) = S(x) trotzdem uber die Existenz einer be-
schrankten linearen Abbildung R- 1 bewiesen. Haupthilfsmittel bei diesen
Beweisen ist der Banachsche Fixpunktsatz oder Kontraktionssatz, der fur
beschrankte lineare Operator en wie folgt formuliert werden kann.

Satz 4.20: Es seien 0 E L(B,B), 11011 < 1 und R = I + o. Dann gibt es eine
-1 -1-1
AbbiZdung R E L (B, B) mit R oR = RoR = I.

Zum Beweis vgl. Yosida 1968, Kap. 11.1 (Neumannsche Reihe).


Bei den impliziten Oifferenzenverfahren ergibt sich die Existenz
-1
von R aus sogenannten Stabilitatsaussagen zusammen mit dem Banach-
schen Fixpunktsatz.

Satz 4.21: Es seien R E CO ([0,1 ],L(B,B)), R(O) = I und


-1 -1 -1
A = {AE[0,1]lesgibtR (A)EL(B,B) mit R (A)oR(A)=R(A)oR (A)=I}.

Wenn die Menge {R -1 (A) I A E A} gleichma!3ig beschrankt ist, ist A = [0,1].

Beweis: Es sei IIR- 1 (A) II < M fur aIle A E A. Wegen der gleichmaBigen
Stetigkeit von R gibt es ein 6 > 0, so daB fur aIle A, r E [0,1]
mit IA-rl < 6 gilt:

IIR(A)-R(r) II < M

Nun sei 1..0 E A und 11..-1.. 0 1 < 6. Oann folgt:

Wegen

sind beide Faktoren auf der rechten Seite invertierbar. ° E A ergibt


also [0,6) c A, ergibt [0,26) c A usw. 0
41

5 Stabilitat von Differenzenverfah ren

In diesem Kapitel werden zunachst die grundlegenden Begriffe sachgemaG


gesteUte AnfangsweI'taufgabe und Konsistenz, Stabilitcit und KonveI'genz von
Differenzenverfahren in Banachraurnterminologie definiert. Dann be-
weisen wir den wesentlichen Satz von Lax-Richtmyer, der besagt, daB
die Stabilitat notwendig und hinreichend fUr die Konvergenz eines
konsistenten Differenzenverfahrens ist. Uberdies werden einige Bei-
spiele, die zur AusfUllung der abstrakten Begriffe dienen sollen, be-
sprochen.

Definition 5.1: Es seien B ein Banachraum, DA ein Untervektorraurn


von B, T E JR+ und

ein linearer Operator. ~Vir betrachten dann die folgende AnfangsweI'tauf-


gabe zwn AnfangsweI't c E D A: Gesucht ist eine differenzierbare Abbildung

u: [O,T] ... DA (genannt LOsung)

mit

u'(t) A(u(t)) (t E [O,T]) (5.2)


u (0) =c
Wir bezeichnen diese Aufgabe im folgenden mit P(B,T,A). 0

Wegen der Linearitat von A bildet die Menge aller Anfangswerte, fUr
die die Aufgabe P(B,T,A) losbar ist, einen Untervektorraum von DA.
Falls die Aufgabe sogar eindeutig losbar ist, konnen wir fur festes
to E [O,T] durch die Zuordnung

einen linearen Operator definieren, wobei uc(t) die Losung von P(B,T,A)
zum Anfangswert c bezeichnet. Diese linearen Operator en werden zur
Definition von sachgemaI3 gesteUten Anfangswertaufgaben herangezogen.

Definition 5.3: Die Anfangswertaufgabe P(B,T,A) heiBt sachgemaJ3 gesteUt,


wenn es einen Untervektorraum DE mit

und eine Schar Mo {EO(t) ItE[O,T]} von auf DE definierten linearen


Operator en
42

(t E [O,T])

mit folgenden Eigensehaften gibt:


(1) DE (und damit aueh DA) liegt dieht in B.
(2) Fur alle Anfangswerte e E DE hat die Aufgabe P(B,T,A) genau eine
Losung u (t). Siewird fur alle t E [O,T] dureh
e

u e (t) = Eo (t) (e)

dargestellt.
(3) Die Menge Mo ist eine gleiehmaBig besehrankte Menge von linearen
Operatoren.
Wir nennen die Operatoren Eo (t) aus Mo im folgenden Losungsoperatoren. [J

M~n erkennt unmittelbar , daB der obige Begriff eine Prazisierung


un serer entspreehenden Uberlegungen aus Kap. 1 darstellt. Dabei er-
gibt sieh die in Definition 1.2 geforderte Lipsehitz-Bedingung sofort
aus (3):

Ilu e (t)-u~(t)
e
II = liE 0 (t) (e)-E 0 (t) (c) II ::: Ll!e-cll (t E [O,T]) •

Die linearen Operatoren Eo(t) lassen sieh, da sie besehrankt sind und
ihr Definitionsbereieh DE dieht in B liegt, naeh Satz 4.12 in eindeu-
tiger Weise zu auf ganz B definierten Operatoren gleieher Norm fort-
setzen.

Definition 5.4: Es seien Eo(t) die Losungsoperatoren aus Definition


5.3. Dann bezeiehne E(t) die Fortsetzung von Eo(t) auf B und es sei

M = {E(t) ItE[O,T]} .

Die fur e E B gegebene Abbildung

E(·) (e): [O,T] -+ B

heiBt veraUgemeinerte LOsung der Anfangswertaufgabe P (B,T ,A) zum Anfangs-


wert e I die Operatoren E (t) aus M heiBen veraUgemeinerte Losungsoperatoren.

Die verallgemeinerten Losungen sind keine Losungen , wenn sie auBer-


halb von DA verlaufen.
Wir notieren einige Eigensehaften der eingefuhrten Begriffe.

Satz 5.5: Es sei P (B I T ,A) eine sachgemii/.3 gestellte Anfangswertaufgabe. Dann


gilt:
43

(1) Die Menge M = {E(t) ItE[O,T]} ist gleichmW3ig beschrankt mit derselben
Schranke wie die Menge M = {E (t) ItE[O,T]}.
o 0
(2) Jede veraUgemeinerte Losung E (.) (e) von P(B,T,A) zum Anfangswert e E B
lW3t sich im Sinne der Norm von B gleichmaBig durch Losungen von P(B,T,A) approximieren.
Dies bedeutet, daB es zu jedem E > ° ein Element e E DE gibt, so daB gilt:

IiE(t) (e) - E (t) (e) II < E (tE[O,T]) .


o
(3) Jede veraUgemeinerte Losung E(·) (e) von P(B,T,A) zum Anfangswert e E B
ist aus CO ([O,T] ,B) •
(4) Die linearen Operatoren E (t) E CO (B,B) erfUUen die Halbgruppeneigenschaft:

E(r+s) E (r) oE (s) (r,s,r+s E [O,T]) .

(5) FUr aUe e E DE gilt:

E(t) oA(e) = AoE(t) (e)

(6) FUr aUe e E DE ist u (t) Eo (t) (e) stetig differenzierbar.

Beweis: zu (1): unmi ttelbar klar naeh Satz 4.12.


zu (2): Es sei E > ° vorgegeben.
Mit L bezeiehnen wir die naeh
(1) gegebene Sehranke fur die Norm der Operatoren E(t). Da DE dieht
in B liegt, gibt es ein e E DE mit
E
lie-eli < -
L

Dann laBt sieh wegen E(t) (e) = Eo(t) (e) absehatzen:

IIE(t) (e)-Eo(t) (e) II = IIE(t) (e)-E(t) (e) II =:: Llle-cll < E •

zu (3): Es seien s E [O,T] und E > ° vorgegeben. Wir wahlen naeh


(2) ein Element e E DE' so daB gilt:

liE (t) (e) - E (t) (e) II < -E (tE[O,T])


o 3

Da Eo (') (e) als differenzierbare Abbildung aueh stetig ist, gibt es


ein [) > Omit
E
< -3 (Ihl<[), s+hE[O,T]) .

ZusarnrnengefaBt ergibt sieh fur aIle h mit Ihl < [) und s+hE[O,T] die
Absehatzung:

IIE(s+h) (e) - E(s) (e) II =:: IIE(s+h) (e) - E (s+h) (e) II +


o
IIEo(s+h) (e) - Eo(S) (e)" + IIEo(S) (e) - E(s) (e) II < E
44

ZU (4): Es sei r E (O,T]. Neben der Aufgabe P(B,T,A) betrachten


wir die Aufgabe P(B,r,A). Die zu P(B,r,A) geharigen GraBen aus Defi-
nition 5.3 und 5.4 kennzeichnen wir zur Unterscheidung mit dem zu-
satzlichen Index r. Wenn u eine Lasung von P(B,T,A) ist, ist v mit
v(t) = u(t+r-r), r E [r,T] offensichtlich eine Lasung von P(B,r,A).
W"ir kannen darum definieren:

DE
,r
= spann { ~rE[r,T]
U E
0
(r-r) (DE)l
f
Es seien nun r,s E (O,T] mit r+s ~ T fest gewahlt. O.B.d.A. gelte
a < r ~ s. Dann gilt:

DE c DE , s c DE , r c DA c B
Eo,r (t) (c) = Eo (t) (c) (tE [O,r]; cEDE)
Er (t) (c) E (t) (c) (tE [O,r]; cEB)

Eo (s) (c) E DE,r (cEDE)

Fur cEDE ergibt sich:

E(r) oE(s) (c)=E (r) oE (s) (c)=E (r) oE (s) (c)=E (r+s) (c)=E(r+s) (c)
r 0 o,r 0 0

Somit folgt die Behauptung, da DE dicht in B liegt.


2U (5): Fur cEDE und t E [O,T] gilt die folgende Abschatzung:

II E (t) oA(c) - AoE (t) (c) II ~

IIE(t)oA(c) - ~ E(t) (E(h) (c)-c) II + II~ E(t) (E(h) (c)-c)-AoE(t) (c) II ~

1~IIIE(t) II IIE(h) (c)-c-hA(c) II + 1~IIIE(t+h) (c)-E(t) (c)-hAoE(t) (c) II

Neil E(·) (c) = Eo (·) (c) im ganzen Intervall [O,T] differenzierbar ist,
folgt die Behauptung durch den Grenzubergang h ~ o.
zu (6): \'7egen

U I (t) = A(u (t» = AoE (t) (c) = E (t) oA(c) E (t) (A(c»

folgt die Stetigkeit von u ' (.) aus (3). D

Nir erlautern den Zusammenhang der vorstehenden Uberlegungen mit Auf-


gaben fur partielle Differentialgleichungen anhand zweier Beispiele.
45

Beispiel 5.6: Anfangswertaufgabe fUr eine parabolische Differentwlgleichung.


Es seien T > 0, ljJ: JR .... a: und a E C(X)(JR,lR) mit a l E COO (JR,lR) und
o
a (x) > 0 (xEJR). Dann folgt

(xElR) .

Wir betrachten die Aufgabe

(5.7)
u(x,O) ljJ(X) (xEJR, tE (O,T) ) .

Das Problem ist nur sachgemaB gestellt, wenn man u und lP gewissen
Wachstumsbedingungen unterwirft (vgl. Beispiel 1.10). Die Wahl des
Banachraums, in dem die Aufgabe betrachtet werden solI, hangt von der
Art dieser Wachstumsbedingungen ab und urngekehrt. \Hr wahlen
2
B = L (JR,C)

und

DA = {fEBlfEC 1 (JR,C) , a(·)f' (.) absolut stetig, (a(·)f' (.)) 'EB} .

DA ist ein Oberraum von C~(JR,II::) und liegt somit nach Satz 4.10
dicht in B. Auf DA definieren wir einen linearen Operator

durch die Zuordnung

f .... (a(.)f' (.)) I

Die Aufgabe (5.7) ist damit auf die Form (5.2) transformiert. Aus den
aus der Theorie der partiellen Differentialgleichungen bekannten Eigen-
schaften laBt sich folgern, daB sie sachgemaB gestellt ist. Dabei kann
z.B. DE = C~(JR,C) gewahlt werden. Verallgemeinerte Losungen gibt es
aber zu beliebigen quadratintegrierbaren Anfangsfunktionen, die nicht
einmal stetig zu sein brauchen. Die Operatoren Eo(t) und E(t), die
keineswegs irnrner geschlossen darstellbar sein mussen, lassen sich fur
a(x) = canst. als Integraloperatoren schreiben (vgl. Beispiel 1.10). 0

Beispiel 5.8: Anfangswertaufgabe fur eine hyperbolische Differentialgleichung.


Es seien T > 0, ljl: JR .... II:: und a E C(X)(JR,JR) mit

I a (x) I ::: K (xEJR)


46

Wir betrachten die Aufgabe

(5.9)
u(x,O) = \p(x) (xElR,tE (O,T))

Der Einfachheit halber wahlen wir den gleichen Banachraum B wie in


Beispiel 5.6 und setzen

D
A
= {f E Blf absolut stetig, a(·)fl (.) E B} .

Den linearen Operator A definieren wir durch die Zuordnung

f ... a(.)fl(.) •

AIle anderen GroBen werden analog zu Beispiel 5.6 festgelegt. Dann


laBt sich wieder zeigen, daB die Aufgabe sachgemaB gestellt ist. c

Wir kommen jetzt zur Definition des Begriffes Differenzenverfahren zu


einer sachgemaB gestellten Aufgabe P(B,T,A) und der damit zusammen-
hangenden Eigenschaften Konsistenz, StabiZitCit und Konvergenz.

Definition 5.10: Es seien P(B,T,A) eine sachgemaB gestellte Anfangs-


wertaufgabe, M = (E(t) I t E [O,T]} die gemaB Definition 5.4 gegebene
Schar von zugehorigen verallgemeinerten Losungsoperatoren und ho E (O,T]
(1) Eine Schar MD = (C(h) I h E (O,h o ]} von auf B definierten
linearen und beschrankten Operator en

C(h): B ~ B

heiBt Differenzenverfahren zu P(B,T,A), fa.lls die Funktion IIC(·) II in jedem


abgeschlossenen Teilintervall von (O,h o ] beschrankt ist.
(2) Das Differenzenverfahren ~ heiBt konsistent, wenn es einen
in B dichten Unterraum DC gibt, so daB fur aIle cEDe der Ausdruck

1*1 II [C (h) - E (h) ] (E (t) (c)) II

mit h ~ ° gleichmaBig fur


t E [O,T] gegen Null konvergiert.
(3) Das Differenzenverfahren ~ heiBt stabiZ, wenn die Menge der
Operator en

{(C(h))n I hE (O,h o ], n E:IN, nh ~ T}

gleichmaBig beschrankt ist.


47

(4) Das Differenzenverfahren ~ heiBt konvel'gent, falls der Aus-


druck
n.
II (C(h j )) J(c) - E(t) (c) II

fUr alle c E B, alle t € [O,T] und alle Nullfolgen {h j } jE:N reeller


Zahlen aus (O,h ] gegen Null konvergiert. Dabei ist {n'}'E~T eine
o J J ....
zugehorige Folge natUrlieher Zahlen, so daB {n.h'}'E~T·gegen t kon-
J J J ....
vergiert und n.h. ~ T ist. 0
J J

Der folgende Satz stellt den Zusammenhang zwischen den obigen Be-
griffen her.

Satz 5.11: Lax-Ric:htmyel'.


Es sei ~ ein konsistentes Diffel'enzenvel'fahl'en zu del' sac:hgema2 gesteZZten An-
fangswel'taufgabe P (B,T ,A). Dann gilt: Das Diffel'enzenvel'fahl'en MD ist genau dann
konvel'gent, wenn es stabiZ ist.

Beweis: (aJ Konvel'genz impZiziel't StabiZittit:


Wir nehmen zweeks indirekter BeweisfUhrung an, daB MD konvergent und
nicht stabil ist. Dann gibt es eine Folge {hj}jE:N von Elementen aus
(O,h ] und eine Folge {n'}'E~ von natUrlichen Zahlen, die dureh die
o J J ....
Bedingung

(j E:N)

verknUpft sind, so daB die Folge

nieht beschrankt ist. Wegen der Kompaktheit von [O,T] und [O,h o ]
konnen wir o.B.d.A. annehmen, daB die Folgen {nj.hj}jE:N und {hj}jE:N
gegen t E [O,T] und h E [O,h o ] konvergieren. Angenommen, es sei h > O.
Dann ist n. von irgendeinem Index an konstant. In dem Intervall
J
[h/2, h ] ist IIC(·) II naeh Definition von 5.10(1) beschrankt. Folglich
ist aue~ IIC(hj)n j ll S IIC(h j ) Iinj besehrank.t. Widerspruehl Also ist
{hj}jE:N eine Nullfolge. Da ~ ein konvergentes Differenzenverfahren
ist, ist aueh die Folge
n.
{II (C(h j )) J (e) - E(t) (e) II }jE:N
48

fUr jedes e E Beine Nullfolge. Somit gibt es ein jo(e) E m, so daB


fUr aIle j > j (e) gilt:
o
n.
" (c (h . ») J (e) - E (t) (e) II < 1
J
n.
II (C(h j ») J (e) II < 1 + IIE(t) (e) II

Wir setzen
n.
K (e) : max {1 + IIE(t) (e) II , II (C(h j » J (e) II}
j <j (e)
- 0

FUr aIle e E B folgt dann

n.
" (C (h.» J (e) II !S K(e) (jEm) .
J

Mit Satz 4.14 ergibt sieh, daB

n.
{(C(h j » J}jEm

eine gleiehmaBig besehrankte Benge von Operator en ist. Widerspruehl


(b) StabiZittit impZiziert Konvergenz:
Es seien eEOc' t E [o,Tl, {hj}jEm eine Nullfolge reeller Zahlen
aus (O,hol und {nj}jEm eine zugehorige Folge natUrlieher Zahlen, so
daB {njhj}jEm gegen t konvergiert und njh j !S T ist. Fur

n.
(j>j (e) (C(h j » J(e) -E(t)(e) (jEm)

gilt wegen Satz 5.5(4) (HaZbgY'Uppeneigenschaft von E):


n .-1
~ (C(h.»)k[C(h.) - E(h.) loE((n.-1-k)h.) (e)
k=O J J J J J
(j Em) .

Oabei ist

(j Em) .

Es sei nun e > 0 vorgegeben. Wir schatzen dann wie folgt ab:
(a) Wegen der Stabilitat von BO gibt es eine Konstante KC' so daB

(jEm; k 0(1) n.)


J
49

un Wegen der Konsistenz von MD gibt es ein j 1 € IN, so daB

II[C(h.)-E(h.)]oE((n.-1-k)h.)(e)11 < e:h).


) ) ) )

(y) Wegen Satz 5.5(1} gibt es eine Konstante KE , so daB

("C€[O,T]) •

(Ii) Wegen Satz 5.5(3) gibt es ein j2 € IN, so daB

Insgesamt folgt aus (a) - (Ii):

Damit ist bereits bewiesen, daB das Differenzenverfahren ~ fur alle


e € DC konvergent ist. FUr c
€ B und e € DC konnen wir umforrnen:

n.
(C(h j » ) (e) - E(t) (e)

n. n.
(C (h.» ) (e) - E (t) (e) + (C (h.» ) (e-e) - E (t) (e-e)
) )

(j€JN)

Zu vorgegebenem n > 0 wahlen wir dann e € DC so, daB die letzten beiden
Summanden der reehten Seite der vorstehenden Ungleiehung kleiner sind
als t
n. Insgesamt folgt aus den vorstehenden Uberlegungen, daB es
ein jo E IN gibt, so daB

II </>. (e) II < n [J


)

Bemerkung zu Satz 5.11: Bei der Konvergenz \oTar bisher von keiner Konvergenz-
ordnung oder Konsistenzordnung die Rede. Die genaue Situation ist folgen-
dermaBen. Falls der Ausdruek

1
Ihl II[C(h) - E(h)] (E(t) (e» II

fUr alle c € DC von der Ordnung 0 (hP ) ist (Konsistenzordnung), erhalt


man aus obigern Beweis unter der zusatzlichen Voraussetzung njh j = t
fUr alle c € DC auch eine Konvergenz von der Ordnung O(hP}, d.h.

II (C(h) }n(e} - E(t} (e) II = O(hP } (nh = t) .


50

Falls c nicht in DC liegt, ist die Konvergenzordnung in der Regel


wesentlich schlechter. Fur c aus einem Unterraurn von DC kann die Kon-
vergenzordnung andererseits noch besser als p sein. 0

In der Regel ist der Beweis, daB eine Anfangswertaufgabe sachgernaB


gestellt ist, sehr aufwendig. Oft findet man in der Literatur nur
Existenz- und Eindeutigkeitssatze. Es fehlt dann die Bedingung (3)
aus Definition 5.3. Wenn es aber zusatzlich ein konsistentes und
stabiles Differenzenverfahren gibt, ist auch diese Bedingung er-
fullt.

Satz 5.12: Eine Aufgabe P (B, T ,A) erfUUe die Bedingungen (1) und (2) aus
Definition 5.3. Ferner gebe es eine Schar ~ = {C(h) IhE(O,h o ]} von Operatoren
C(h) E L(B,B) mit foZgenden Eigenschaften:

(1) FUr aUe cEDE konvergiert mit h ~ ° der Ausdruck

gegen NuU. Die Konvergenz ist gZeichmiifJig fUr aUe t E [O,T].

( 2 ) Die Menge der Operatoren

ist gZeichmiifJig beschrankt.


Dann ist P(B,T,A) sachgemiifJ gesteUt.

Beweis: Wir nehrnen an:

(hE (O,h o ]' nE:IN, nh ::: T) •

Fur t E (O,T] sei h = tim mit m E :IN. Es folgt fur cEDE:

II Eo (mh) (c) II ::: II (C(h) )m(c) II


m-1
+ r II (C (h)) v+1 (Eo «m-1-v) h) (c)) - (C (h))v (Eo «m-v) h) (c) ) II
v=O

Zu festem c wahlen wir rn nun so groB, daB

IIC(h) (E o «m-1-v)h) (c)) - Eo«m-v)h) (c) II ::: Ilcllh •


51

Das ergibt

IIEO(t) (e) II !: (L+Lt) II ell :5 L(1+T) lie II


liE (t) II < L(1+T) (tE [O,Tl) • c
o -

Von den Voraussetzungen des Satzes 5.12 kann man nun aueh die Beding-
ung (1) aus Definition 5.3 fallenlassen. Dann ist P(DE,T,A) mit A
gleieh Besehrankung von A auf DE n DA saehgemaB gestellt. Das Diffe-
renzenverfahren konvergiert folglieh noeh fUr alle e E DE' d.h. fUr
alle e, fUr die die Existenz einer verallgemeinerten Losung gewahr-
lei stet ist.

Satz 5.13: K:l'eiss.


Es sei P(B,T,A) eine sachgernii.f3 gesteHte Aufgabe. MD = {C(h) IhE(O,h o ]}
ein stabiles Diffel'enzenvel'fahren zu P(B,T,A) und {Q(h) IhE(O,h o ]} eine gleich-
rnii.f3ig beschl'Cinkte Menge von linearen Operatol'en Q (h): B ... B. Dann ist

{C(h)+hQ(h) IhE(O,hol}

ebenfaZZs stabiZ.

Beweis: Naeh Voraussetzung gibt es Konstanten K1 > 0 und K2 > 0 mit

II (C(h)))J1I !: K1 ()JElN, hE (O,hol, )Jh !: T)


IIQ(h) II :5 K2 (hE (O,hol) •

Andererseits haben wir die Darstellung

)J
(C(h)+hQ(h)))J r P
A,K
A=O

mit Operatoren P, , die Produkte mit )J Faktoren sind. C(h) kornmt


I\,K
()J-A)-mal und Q(h) A-mal als Faktor vor. Wir fassen die Faktoren C(h),
die nieht dureh Q(h) qetrennt werden, zu Potenzen zusammen. Da es in
P A,K hoehstens A+1 der auf diese Art zusarnmengefaBten Potenzen von
C(h) geben kann, laBt sieh absehatzen:

Insgesamt ergibt sieh fUr )J E IN und h E (O,hol mit )Jh !: T:


52

Folglich ist {C(h)+hQ(h)} stabil. c

Die Lax-Richtmyer-Theorie (Satze 5.11, 5.12, 5.13, 7.2, 7.4) ist


relativ einfach und durchsichtig. Man darf aber nicht ubersehen, daB
dieses Ergebnis durch drei einschrankende Voraussetzungen ermoglicht
wird:
(1) Die betrachteten Differentialgleichungen u' (t) = A(u(t»
sind linear. Zudem hangen die Operatoren A nicht von tab.
(2) Alle Differenzenoperatoren sind in dem gleichen Banachraum
definiert und bilden ihn in sich abo
(3) Die Differenzenoperatoren sind fur alle Schrittweiten h aus
einem Intervall (O,hol definiert.
Die Verallgemeinerung der Theorie auf nichtkonstante Operatoren
A und quasilineare Differentialgleichungen birgt betrachtliche
Schwierigkeiten. Eine gute Darstellung dieser Problematik findet.man
in Ansorge-Hass 1970.
Auch die Voraussetzungen (2) und (3) stellen gegenuber dem Vor-
gehen in der Praxis eine Idealisierung dar. Nehmen wir einmal an,
die Elemente des Banachraumes B seien stetige Funktionen in einem
reellen Intervall. Bei den numerischen Rechnungen betrachtet man
aber statt dessen die Beschrankungen der Funktionen auf ein Gitter

Ax, N1 und N2 hang en dabei noch von der Schrittweite h in der


t-Richtung abo Die Beschrankungen der Funktionen auf das Gitter
bilden einen endlich-dimensionalen Vektorraum. Das ist naturlich
fur die praktische Durchfuhrung der numerischen Rechnungen von ent-
scheidender Bedeutung.
Bei Anfangsrandwertaufgaben ist die Definition des Differenzen-
operators fur alle h E (O,hol oft mit erheblichen Schwierigkeiten
verbunden. Es genugt aber auch eine Definition fur die Schrittweiten
h = K.2- v , v = 1 (1)= mit einer festen Konstanten K > 0.
v
Wir wollen nun zeigen, daB unter naheliegenden Voraussetzungen
wesentliche Teile der Lax-Richtmyer-Theorie auch fur diese "endlichen"
Differenzenverfahren richtig sind.
53

Fur den Rest des Kapitels setzen wir generell voraus: P(B,T,A}
ist eine feste Anfangswertaufgabe im Sinne von Definition 5.1. Fur
alle Anfangswerte cEDE c B ist die Aufgabe einaeutig losbar. Dabei
sei DE ein Vektorraum, der mindestens ein Element c 0 enthalt. Wir *
fordern nicht, daB DE dicht in B liegt. Die Losungen der Aufgabe be-
zeichnen wir wie bisher mit E (t) (c). Die Operator en E (t) sind
o 0
linear. Ihre Stetigkeit braucht nicht vorausgesetzt zu werden.

Definition 5.14: Es sei K E ill+.


(1) Die Folge

~
-lJ
= {(B ,r
v v ,e v ) I vEJN}

heiBt streng endliches Differenzenverfahren, wenn fur alle v E IN gilt:


(a) B ist ein endlich dimensionaler Banachraum (Raum der Gitterfunktionen)
v
mit der Norm II. II (v) •
(b) r ist eine lineare Abbildung (Restriktion) von B in B . Fur jedes
v v
feste c E B gilt lim Ilr (c) II (v) = Ilcll.
v

(c) e ist eine lineare Abbildung (Differenzenoperator) von B in sich.


v v
(2) ~ heiBt konsistent, wenn es einen Vektorraum De C DE C De C B
gibt, so daB fur alle cEDe mit hv = K.2- v gilt:

lim -h1 II e or oE (t) (c) - r oE (t+h ) (c) II (v) O.


v-+OO v v 0 v 0 V

Die Konvergenz sei gleichrnaBig fur alle t E [O,T].


(3) MD heiBt stabil, wenn die Menge

{ II e n II (v) I v EIN , n EIN , n K 2 - v ::: T}


v

beschrankt ist.
(4) MD heiBt konvergent, falls fur alle t
111,112 E IN und alle CEDE gilt:

n
lim Ile v v 0 rv (c) - rv 0 Eo(t) (cl II (v) O.
v-+oo
v;::112

Dabei ist n o
v
54

Satz 5.15: Wenn das streng endUahe Differenzenverfahren r.n konsistent und staba
ist, gat:

(1) P(DE,T,A) ist saahgemGi3 gesteUt.


(2) ~ ist konvergent.

Aussage (1) entspricht der Behauptung von Satz 5.12, Aussage (2) einer
Richtung aus Satz 5.11. AuBerdern impliziert (1), daB die Operator en
Eo(t) fur festes t stetig sind. Man uberlegt sich leicht, daB auch
Satz 5.13 sinngemaB auf endliche Differenzenverfahren ubertragen wer-
den kann. -].I
Beweis von Satz 5.15: zu (1): Fur festes CEDe und t = ].11 K 2 2
wahlen wir die Bezeichnungen:

h K·2- v (v ].12 (1)00)


v
v-].I2
n ].11 2 (v ].12 (1 )00)
v
t (n - K)h (K O(1)n )
VK v V V

d o r o E (t ) (c) II (v)
VK v o VK
(K=O (1) n -1)
v

AuBerdem sei stets

(vElN, nElN, nK 2 -v ::: T) .

Es folgt

d VK ::: LIIC V or V oEo(t V,K +1) (c) - r V oE 0 (t VK ) (c) II (v)

oder

d VK <
- LIIC v or V oEO(t V,K +1)(c) - roE
V 0
(t V,K +1+h V )(c)lI(v)

Wegen der Konsistenz von MD gibt es zu jedem E > 0 ein VO(C,E), so


daB fur v ~ VO(C,E) gilt:

Wir konnen nun Eo(t) (c) abschatzen:

IIE O (t) (c) II = limllr oE (t) (c) II (v)


v 0
v--
55

n -1
n v
~ lim sup IIC vor (e) II (v) + lim sup I: d
v v K=O VK

~ L lIell + e: LT.

Da e: > 0 beliebig gewahlt werden kann, gilt sogar:

liE (t) (e) II < L Ilell


o -
-ll2
Diese Ungleiehung wurde zwar unter den Voraussetzungen t = ll1K2
und e E DC hergeleitet. Weil die Funktion Eo(') (e) differenzierbar
ist, ist sie fUr festes e aueh stetig. Die bisher zugelassenen t-Werte
liegen dieht in [O,T]. Daru~ gilt die Ungleiehung fUr aIle t E [O,T].
Jetzt muB man nur noeh die Inklusion DE c Dc beaehten. Das ergibt fUr
aIle e E DE und t E [O,T]:

IIEO(t) (e) II :s L Ilell •

Behauptung (1) aus Satz 5.15 ist d~it bewiesen.


-ll2
zu (2): Wir nehmen wieder an, daB e E DC und t = ll1K 2 fest
gewahlt sind. Xhnlieh wie oben kann man dann absehatzen:

n -1
n
IIC v
v
0 r (e)
v
- r 0 Eo ( t) (e) II (v) < vI: d ~ e: LT
v - K=O VK

Diese Ungleiehung impliziert offenbar die Konvergenz fUr aIle e E DC'


Es sei nun e E DE beliebig gewahlt und c E DC' Das ergibt:

n
IIC
v
v o r (e)
v
- r
v
o Eo (t) (e) II (v)
n n
::: IIC v o r (e) _ Cv v o r (c) II (v)
v v v
n
+ lie v v o r v (c) - r v o Eo (t) (c) II (v)

~ Lllr (e-c) II (v) + IIr 0 Eo(t) (e-c) II (v)


v v
n
+ II C v 0 r (c) - r 0 Eo (t) (c) II (v)
v v v
56

Durch den Grenzubergang v ~ m erhalt man:

n
lim sup lie v 0 r (c) - r 0 Eo(t) (c) II (v)
v v v

< Lllc-cll + liE (t) (c-c) II


- 0

Dabei ist Eo(t) beschrankt und IIc·cll beliebig klein wahlbar. c

6 Beispiele stabiler Differenzenverfahren

In diesem Kapitel werden einige Differenzenverfahren vorgestellt,


deren Stabilitat sich mit elementaren Methoden nachweisen laBt. Zur
Vorbereitung benotigen wir noch einen Hilfssatz und eine Definition.

Hilfssatz 6.1: Es seien f E CO (lR,t) quadratintegrierbar, a E CO (lR, lR+)


beschrctnkt und t.x E lR. Dann gilt:

+00
(1) f f(x) [a (x+t.x/2) (f(x+t.x)-f(x»-a(x-t.x/2) (f(x)-f(x-t.x»] dx

+00 2
- f a(x) If(x+t.x/2)-f(x-t.x/2) I dx

+00
(2) f Ia (x+t.x/2) (f (x+t.x) -f (x) ) -a (x-t.x/2) (f (x) -f (x-t.x) ) 12 dx :::

+00
4f (a(x»2 If (x+t.x/2)-f(x-t.x/2) 12 dx •

Beweis: zu (1): Es gilt

-fa> -fa>
f g (x+t.x) dx = f g (x) dx

fur aIle Funktionen g, fur die die Integrale existieren. Deshalb


konnen wir umformen:

+00
f f(x) [a (x+t.x/2) (f{x+t.x)-f(x»-a(x-t.x/2) {f(x)-f(x-t.x»]dx
57

+00
= f [a(x)f(x-~x72)f(x+~x/2)-a(x)f(x-~x/2)f(x-~x/2)
-00

-a(x)f(x+~x/2)f(x+~x/2)+a(x)f(x+~x/2)f(x-~x/2) ]dx
+00 2
- f a(x) If(x+Ax/2)-f(x-~x/2) 1 dx
-00

2U (2): Es gilt fUr et,S E <I::

Hiermit folgt:

la(x+~x/2) (f(x+~x)-f(x))-a(x-~x/2) (f(x)-f(x-~x)) 12 S


2 [ (a (x+~x/2) ) 2 1f (x+~x) -f (x) 12+ (a (x-~x/2) ) 2 1f (x) -f (x-~x) 12]

Die Integration der beiden Sumrnanden in der eckigen Klammer ergibt


durch entsprechende Verschiebung jeweils den Wert

2 2
(a(x)) If(x+Ax/2)-f(x-~x/2) 1 dx .
-00

Insgesarnt folgt darnit die behauptete Ungleichung. 0

Definition 6.2: Es seien ~x E lR, Meine beliebige Menge und f: lR .... M.


l'iir definieren:

(xElR)

T~x heiBt Translationsoperator. 0

Der Translationsoperator ist eine lineare beschrankte Abbildung des


L2 (lR ,<I:) in sich mit IIT~xll = 1. Der Operator ist invertierbar; es
gilt

Zur Herleitung eines Differenzenverfahrens fUr die Anfangswertauf-


gabe aus Beispiel 5.6 diskretisieren wir die dortige parabolische
Differentialgleichung (5.7)

00 I 00
aEC (lR,lR), a ECo(lR,lR), a(x»O (xElR)
58

in folgender Weise:

D(x,t,.t:.x) (.t:.x) -2[ a (x+.t:.x/2) (u (x+.t:.x,t) -u (x,t))-


a (x-.t:.x/2) (u (x, t) -u (x-.t:.x, t) ) ]
D (x,t,.t:.x) I'>l 31 (a (x) 31u (x,t))
u(x,t+h)-u(x,t) I'>l ahD(x,t,.t:.x)+(1-a)hD(x,t+h,.t:.x)
.t:.x, hElR+, aE [0,1]

Mit

und dem Operator


-1
H(.t:.x) = a(x-.t:.x/2)T.t:.x - (a(x+.t:.x/2)+a(x-.t:.x/2))I + a(x+.t:.x/2)T.t:.x

ergibt sich:

C(h)-I = aAH(.t:.x)+(1-a)AH(.t:.x)oC(h)
[I-(1-a)AH(.t:.x)]oC(h) = I+aA H(.t:.x) (6.3)

Das Verfahren ist fur a=1 explizit und fur aE [0,1) implizit. 1m Fall
a=O nennen wir es auch total implizit. Fur a=1/2 heiBt es Crank-Nicholson-
Verfahren. Die Abhangigkeiten werden in Abbildung 6.4 graphisch ver-
anschaulicht. 1m folgenden untersuchen wir nur die beiden FaIle a=1
und a=O.

oc=l (Xc (0,1) «=0


Abb. 6.4. Abhangigkeiten des Differenzenverfahrens (6.3)

Das Differenzenverfahren wird in der Y'1eise angewendet, daB ausgehend


von einer zur festen Zeit t bekannten Naherung w(x,t ) der exakten
o 0
Lasung u(x,t o ) eine neue Naherung w(x,to+h) fur u(x,to+h) durch die
Vorschrift

berechnet wird. 1m impliziten Fall ist dabei das Gleichungssystem

[1- (1-a) AH (.t:.x) ] (w(x,t o +h)) = [I+aAH (.t:.x) ] (w(x,t o ))


59

zu losen. Naturlich konnen w(x,t ) und w(x,t +h) in der Rechenanlage


o 0
nur fur eine diskrete Menge von x-Werten dargestellt werden, die man
aquidistant wahlt, damit der Translationsoperator nicht aus dieser
Menge hinausfuhrt.

Satz 6.5: Explizites Differenzenverfahren fUr eine parabolische Differential-


gleichung.
Es sei P(B,T,A) die Anfangswertaufgabe aus Beispiel 5.6 mit B = L2 (IR ,IC).
wir betrachten die Schar MD = {C(h) IhE(O,h o ]} mit

C (h) = I + AH (LlX) .

Dann gilt:
(1) ~ ist ein konsistentes Differenzenverfahren zu P(B,T,A) mit del' Konsistenz-
ordnung 0 (h) •
(2) Unter del' zusatzlichen Voraussetzung

o < A max a(x) ~ 1/2 (Stabilitatsbedingung)


xEJR

ist ~ stabil. Insbesondere gilt fUr alle h E (0, h ] und n E ]N mit nh ~ T:


o

Beweis: zu (1): Jeder Operator C(h) bildet in B ab und ist linear und
-1
beschrankt, da dies fur die Operator en I, TLlX und TLlX gilt und die
Funktion a(x) besehrankt ist.
Zum Nachweis der Konsistenz wahlen wir DC = C~ (IR ,a::). Es muB ge-
zeigt werden, daB der Ausdruck

+00
h- 1 I1E(t+h) (c)-C(h)oE(t) (e) II h- 1 ( f lu(x,t+h)-C(h) (u(x,t»1 2dx)1/2

fur aile c E DC mit h ~ 0 gleierumaBig fur tE[O,T] gegen Null kon-


vergiert. Dazu formen wir unter Ausnutzung der Differentialgleichung
(5.7) urn:

h- 1 [u(x,t+h)-C(h) (u(x,t»] = h- 1 [u(x,t+h)-u(x,t)]-(LlX)-2 H(LlX) (u(x,t»


h 2 -2
= d2U(X,t)+Zd 22 u(x,t+vh)-(LlX) H(LlX) (u(x,t» =

h 2 2 -2
Zd 22 u(x,t+vh)+a(x) d11 u(x,t)+a' (x) d1 U(X,t)-(LlX) H(LlX) (u(x,t»
v E [0,11 •
60

Der Term

f(s) = H(s·tox) (u(x,t))

muE nach s entwickelt werden:


234
f(s) f(O)+sf' (O)+~ f"(O)+~ fill (O)+~4f(4) (8s), aE[0,1]

f(1) = H(tox) (u(x,t)) = f(O)+£' (O)+~f" (O)+iflll (O)+~4f(4) (a).

Wir fuhren die folgenden Abkurzungen ein:

u sta,tt u(x,t)
u+ statt u(x+stox,t)
u statt u (x-stox, t)
-
a statt a(x)
a+ statt a (x+stox/2)
a statt a (x-stox/2)
-
Fur die x-Ableitungen sollen entsprechende Abkurzungen gelten. Dann
folgt (mit' = 3 1 ):

f' (s) tox(- 1


2a'u
1 1
- - -a - u'--(a'-a')u+-a'u
- 2 + - 2 + ++a +u')
+
f"(s) (tox)2(la l l u +a'u'+a u,,_l(a l +a")u+1a"u +a'u'+a u")
4-- -- --4 + - 4++ ++ ++
f'"(S) = (tox) 3 (_l a ," u _J.a"u,_J.a'u"-a u",_l(a'"- a lll)u
8- - 4 - - 2 - - -- 8 + -
+la III u +2a" u' +~a 'u "+a u III )
8+ +4++2++ ++
f(O) = f' (0) = f'" (0) = 0
1 f ,,(0) = (tox)2(a'u'+a;u")
2

Da a' (x) eine Funktion mit kompaktem Trager ist, laEt sich das asym-
ptotische Verhalten der Losung u(x,t) der Anfangswertaufgabe (5.7)
in der integral en Form aus Beispiel 1.10 (vgl. auch Kap. 9) be-
schreiben. Somit existiert eine quadratintegrierbare Funktion
L E CO (lR, JR) mit

(0 ::: j+k ::: 4, xElR, tE[O,T])

Insgesamt laBt sich jetzt mit einer geeignet zu wahlenden Konstanten M


abschatzen:

h- 1 1IE(t+h) (c)-C(h)oE(t) (c) II :::


61

'2h II L 11+11 au"+a'u'-(l:.x) -2 f(1) II ~

~ II L 11+11 (Llx)-2 214f(4) (e) II ~ (~+ M(Llx)2) II L II •

Wegen A = h/(LlX)2 ergibt sieh, daB das Verfahren die Konsistenzordnung


o (h) besitzt.
2U (2): Es sei f E CO(IR ,<I:) quadratintegrierbar. Dann k6nnen wir
umformen:

C(h) (f)=f(x)+A{a(x+t.x/2) [f(X+LlX)-f(x) ]-a(x-Llx/2) [f(x)-f(x-LlX)]}

Es folgt:
+00 +00. 2 +00 2
II C(h) (f) 112 II f 112 + Aff(x)~dx + Af f(x){ ... }dxH fl{ ... }1 dx.
-00 -00 -00

Naeh Hilfssatz 6.1 (1) ist


+00 +00 +00
A ff(x)Y-:-:-:}dx A ff(x){ ... }dx -A fa(x) If(x+Llx/2)-f(x-Llx/2) 12dx
-00 -00

Hilfssatz 6.1 (2) erm6glieht die Absehatzung

2+00 2 2+00 2 2
A fl{ ... }1 dx ~ 4A f(a(x» If (x+Llx/2)-f(x-LlX/2) I dx
-00 -00

Somit ergibt sieh insgesamt:

2 2 +00 2
II C(h) (f) II ~ II f II -2A fa(x) (1-2Aa(x» If(x+t.x/2)-f(x-Llx/2) I dx
-00
Aus der Stabilitatsbedingung folgt 2Aa(x) ~ 1. Das Integral ist darum
nieht negativ und es ergibt sieh:

II C(h) (f) II ~ II f II

Hieraus erhalt man wegen der Submultiplikativitat der Operatornorm:

II (C(h»n(f) II = II C(h)o(C(h»n-1 (f) II~II (C(h»n-1 (f) II~ ... ~II f II

Da CO (IR , <I:) dieht in B liegt I folgt die Behauptung. 0

Wir untersuehen jetzt den total-impliziten Fall des Verfahrens (6.3).


Als Hauptvorteil ergibt sieh, daB A keinen Beschrankungen mehr unter-
liegt. Man kann also h und LlX unabhangig voneinander festlegen.
62

Satz 6.6: Total implizites Differenzenverfahren fur eine parabolische Differential-


gleichung.
Die Behar r.1, = {C (h) I hE (O,ho ]) mit
C(h) = [I-AH(~x)l-1

ist fUr alle AElR+ ein konsistentes und stabiles Differenzenverfahren zur Auf-
gabe (5.7) mit der Konsistenzordnung O(h). Insbesondere gilt fur aUe AElR+,
hE (o,hol und nElN mit n h ~ T:

Beweis: Die Invertierbarkeit von folgt mit Satz 4.21 rlick-


I-AH(~x)

wirkend aus der Stabilitatsbedingung II C(h) II ~ 1. Der Nachweis, daB


~ ein konsistentes Differenzenverfahren der Ordnung O(h) ist, kann

analog zu Satz 6.5(1) geflihrt werden.


Zur Herleitung der Stabilitat sei eine quadratintegrierbare
Funktion f E CO(lR,~) beliebig gewahlt und es sei g = C(h) (f). Dann
kann man umformen:

f(X)=g(x)-A{a(x+~x/2)[g(x+~)-g(x)l-a(x-~x/2)[g(x)-g(x-~x)l}

Es folgt:
2 2 +co__ +co __ 2+co 2
II f II = II g II -A Ig(x){ ..• }dx-A Ig(x){ ••. }dx+A II{ •.• }I dx
-co -co -co
Nach Hilfssatz 6.1 (1) ist
+co +co +co 2
-A Ig(x){ •.• }dx=-A Ig(x)~dx=A Ia(x) Ig(x+~/2)-g(x-~/2) I dx
-co -co -co
Hieraus ergibt sich:

2 2 +co 2 2+co 2
II f II = II gil +2A Ia(x) Ig(x+~x/2)-g(x-~x/2) I dxH II{ •.• }I dx
-co -co

Da a(x) > 0 und beschrankt ist, sind die beiden Integrale nicht-
negativ. Man erhalt

II f II ~ II g II = II C (h) (f) II

und hieraus wegen der Submultiplikativitat der Operatornorm die Be-


hauptung. []

Bei der parabolischen Differentialgleichung (5.7) hangt jeder Wert


u (x, t) von allen Anfangswerten \j) (x) (xElR) ab (vgl. Beispiel 1.10).
Der Abhangigkeitsbereich der Differentialgleichung zu dem Punkt
63

(~,t) besteht somit aus der ganzen reellen Achse.


Zur Diskussion des Abhangigkeitsbereiches der zugehorigen Diffe-
renzenverfahren teilen wir das Intervall [O,T] in n StUcke der Lange
h = T/n auf. Dann ist

6X = -J[; .
Zur Berechnung einer Naherung w(O,h) fUr u(O,h) mittels des expliziten
Differenzenverfahrens (a=1) benotigt man nur die Anfangswerte aus dem
Intervall [-6X, 6X], wahrend zur Ermittlung von w(O,T) die Anfangs-
werte aus dem von n abha:ngigen Abhangigkeitsbereich

[-n6x, n6x] = [_(nT/A)1/2, (nT/A)1/2]

erforderlich sind. Beim GrenzUbergang h ~ °


(gleichbedeutend mit
n ~ =) entartet der Abhangigkeitsbereich des expliziten Differenzen-
verfahrens zu dem der Differentialgleichung. FUr positive Schritt-
weiten ist jedoch immer nur eine Abhangigkeit von den werten in einem
endlichen Intervall gegeben. Bei den impliziten Verfahren (0 ~ a < 1)
ist dies anders. Hier hangt w(O,h) schon nach einem Schritt von den
Anfangswerten auf der ganzen reel len Achse abo

Wir kommen jetzt zur Darstellung der einfachsten Differenzenver-


fahren fUr die Anfangswertaufgabe aus Beispiel 5.B. Die dortige
hyperbolische Differentialgleichung (5.9) lautet:

d 2U(X,t) = a(x) d 1U(X,t) , aEC= (JR, lR), I a (x) I!:K

Bei der "naiven" Diskretisierung


-1 1-1
h (u(x,t+h)-u(x,t» ~ '2 a(x) (6X) (U(X+6x,t)-U(X-6x,t» (6.7)

ergibt sich ein Differenzenverfahren, das fUr alle

A h/6X > °
instabil ist. Man muE deshalb nach anderen Diskretisierungen suchen,
die die gewUnschten Stabilitatseigenschaften besitzen. Wir behandeln
im folgenden Verfahren von Friedrichs und von Courant-Isaacson-Rees.
Das FY'iedrichs- Verfahren geht aus der folgenden Diskretisierung
hervor:
-1 1
h [u(x,t+h)-'2(U(X+6x,t)+U(X-6x,t»]~

1 -1
'2a(x) (6X) (U(X+6x,t)-U(x-6x,t»
64

Es ergibt sich das Differenzenverfahren

C (h) 1-Aa(x) T- 1 + 1+Aa(x) T h


2 tox 2 tox tox

Satz 6.8: Die Funktion a (x) genuge einer Abschiitzung


la' (x) I :::: K (xE:JR). Dann gilt: Das Friedrichs-Verfahren ist fUr

o < A :::: 1/K (Stabilitatsbedingung)

ein konsistentes und stabiles Differenzenverfahren ZUY' Aufgabe P(L 2 (JR,(t) ,T,A)
aus Beispiel 5.8 mit del' Konsistenzordnung O(h). Insbesondere gilt fur alle
hE (O,ho ] und nE:IN mit n h < T:

II (C(h))n II :::: (HKh)n/2 :::: exp(;KT)

Beweis: Zum Nachweis der Konsistenz wahlen wir DC


setzen an:
1 A
f(s) = 2(u(x+stox,t)+u(x-stox,t))+ia(x) (u(x+stox,t)-u(x-stox,t))

Offensichtlich gilt die Beziehung:

f (1) = C (h) (u (x, t)) = f (0) +f, (0) +~ f" (9) , 9E [0,1] .

Mit den gleichen AbkUrzungen wie im Beweis zu Satz 6.5 folgt:

f' (s)

f"(s) 1(tox)2(u"+u")+!(tox)2. a • (u"-u")


2 + - 2 + -
f(O) = u
f' (0) = h.a·u'

Da die Anfangswerte Funktionen mit kompaktem Trager sind, gilt dies


auch fUr die Losung u(x,t) der Differentialgleichung. Somit existiert
eine quadratintegrierbare Funktion LECo(JR,JR) mit

(0 :::: j+k :::: 2, xEJR, tE[O,T]) .

Insgesarnt laBt sich abschatzen:

h- 1 Iu(x,t+h)-C(h) (u(x,t)) I ::::


-1 1 2 2 1
h lu(x,t)+hd2u(x,t)+2h d22 u(x,t+vh)-f(O)-f' (0)-2f" (9) I ::::
1 -1
2(h+A tox+Ktox) IL(x) I , v E [0,1] •
65

Hieraus ergibt sieh, daB das Verfahren die Konsistenzordnung O(h)


besitzt.
Wir kommen nun zum Beweis der Stabilitat und wahlen fEB.

C(h) (f) = ~(f(X+Ax)+f(X-Ax))+~a(x) (f(X+Ax)-f(x-Ax)).

Es ergibt sieh:

2 1+co 2
II C (h) (f) II = 4 j I f (X+LlX) +f (x-illd I dx +
+co
~ ja(x) (f(X+LlX)+f(X-LlX)) (f(xHx)-f(x-LlX))dx +
-co
+co
~ fa(x) (f(xHx)+f(X-LlX)) (f(xHx)-f(x-LlX))dx +
-co
1. 2 +co 2 2
4 j(a(x)) If(x+Llx)-f(x-Llx) I dx.
-co

Wegen la(x) I S K und A S 11K gilt A2 (a(x))2 S 1. Der erste und letzte
Summand werden dann naeh der Regel

zusammengefaBt. Beim Auflosen der Klammern im zweiten und dritten


Summand en hebt sieh die Halfte der Produkte weg. Insgesamt ergibt
sieh:

2 1+co 2 2
IIC(h)(f) II S 2" j(lf(x+Llx)I +If(x-Llx)I )dx +
-co
A+co 2 2
2 ja(x) (If(x+Llx) I -If(x-Llx) I )dx
-co
2 A+co 2 A+co 2
II f II + 2 ja(x+Llx) If(x+Llx) I dx - 2 ja(x-Llx) If(x-Llx) I dx +
-00 -00

A+co 2 ,,+co 2
2 j(a(x)-a(x+Llx)) If(x+Llx) I dx - 2 j(a(x)-a(x-Llx)) If(x-Llx) I dx
-00 -00

Der zweite und dritte Summand he ben sieh gegenseitig auf; den vierten
und flinften Summanden fassen wir dureh Versehiebung des Integrations-
bereiehs zusammen:

2 +co 2
II C(h) (f) II S II f 112 + ~ j(a(x-Ax)-a(x+Llx)) If(x) I dx
-co

Unter Berlieksiehtigung von

la(x+Llx)-a(x-Llx) I S 2Llxla' (e) I S 2LlX K


66

folgt schlieBlich

und

II C(h) II ::: (HKh)1/2::: eXp(~ Kh)

II (C(h))n II ::: (1+Kh)n/2 ::: exp(~ Knh) ::: exp(; KT) . c

Ein anderes altbekanntes Differenzenverfahren fUr die hyperbolische


Differentialgleichung (5.9) ist auch das Verfahren von Courant-Isaaason-
Rees. Es geht aus der folgenden Diskretisierung hervor:

-1
h [u(x,t+h)-u(x,t)] ~
(AX) -1 [a + (x) (U.(X+Ax,t)-U(x,t))-a - (x) (u(x,t)-U(X-Ax,t))]
a(x) fUr a(x) ~ 0
{
o sonst
-a (x) fUr a(x) < 0
{
o sonst .

Es ergibt sich das Differenzenverfahren


-1
C(h) = Aa - (X)T AX +[1-A(a + (x)+a - (x))]I+Aa + (x)T AX ' A = h/AX

Satz 6.9: Die Funktion a (x) erfuUe eine gZobaZe Lipsahitzbedingung bez. der
Norm II· II 2 und es sei I a (x) I :::K. Dann giU:
Das Verfahren von Courant-Isaaason-Rees ist fur

o < A ::: 1/K (StabiZitatsbedingung)

2
ein konsistentes und stabiZes Differenzenverfahren zur Aufgabe P (L (lR,C) ,T ,A)
aus BeispieZ 5.8 mit der Konsistenzordnung O(h).

Beweis: Den Nachweis der Konsistenz Uberlassen wir dem Leser. Die
Stabilitat des Verfahrens ergibt sich unmittelbar mit den Methoden
von Kap. 8, da das Verfahren in der dortigen Terminologie positiv-
definit ist. c

In Abbildung 6.10 werden die Abhangigkeiten der einzelnen Verfahren


nochmals graphisch veranschaulicht. Der Bogen beim naiven Verfahren
bedeutet, daB die x- und t-Ableitungen nicht miteinander verbunden
sind.
67

"naives" Verfah ren Friedrichs-Verfahren Cou rant -Jsaacson- Rees-Verfahren

Abb. 6.10. Abhangigkeiten dreier Differenzenverfahren

Die Instabilitat der Diskretisierung (6.7) ist relativ typisch fUr


naive Diskretisierungen hyperbolischer Differentialgleichungen. Sta-
bilisierung erreicht man oft durch zusatzliche glattende Terme, die
an parabolische Gleichungen erinnern. Zur Verdeutlichung notieren
wir im vorliegenden Fall das instabile Verfahren und die beiden Sta-
bilisierungen untereinander:
1
(1) u(x,t+h)-u(x,t) 2"a (x) [u (x+ruc,t) -u (x-L'.x,t)]
(2) u(x,t+h)-u(x,t) ~"a(x) [u(x+L'.x,t)-u(x-L'.x,t)]
+~[U(x+ruc,t)-2u(x,t)+u(x-L'.X,t)]
(3) u(x,t+h)-u(x,t) ~"a(x) [u(x+ruc,t)-u(x-L'.x,t)]

+!"Ia(x) I [u(x+L'.x,t)-2u(x,t)+u(x-L'.x,t)]

Die zusatzlichen Terme in (2) und (3) konnen als Diskretisierung von
£(x,h) a~1u(x,t) aufgefaBt werden. Man nennt sie nwnerische Viskositat.
Sie beeintrachtigen nicht die Konsistenzordnung, weil ~(x,h)=O(h)
ist. Bei Verfahren hoherer Ordnung ist die Bestimmung geeigneter
Viskositatsterme schwieriger. Sie sollen einerseits genUgend stark
glatten, andererseits mit einer hoheren h-Potenz verschwinden.

Wir betrachten wieder die Abhangigkeits- und Bestimmtheitsbereiche der


vorstehenden Differentialgleichung und Differenzenverfahren.
Aus GrUnden der besseren Ubersichtlichkeit sei a(x) = const. Der
Bestimmtheitsbereich zu einer Strecke auf der x-Achse ist dann ein
Parallelogramm, des sen rechte und linke Seite von Charakteristiken
gebildet werden, da die Losung der Differentialgleichung auf den
Charakteristiken konstant ist. Entsprechend besteht der Abhangig-
keitsbereich eines Punktes nur aus einem Punkt auf der x-Achse (vgl.
Beispiel 1.5).
68

Zur Diskussion der Abhangigkeits- und Bestimmtheitsbereiche der


Differenzenverfahren teilen wir das Intervall [O,T] in n Teile der
Lange h= T/n. Dann ist 6x = T/(nA). Fur

A < 1/lal und A > 1/lal

benotigt man zur Berechnung des Wertes w(O,h) die Anfangswerte aus
dem Intervall [-6x,6x], wahrend zur Ermittlung von w(O,T) die An-
fangswerte aus dem von n unabhangigen Intervall

[-n6x,n6x] = [-T/A, T/A]

erforderlich sind. Also ist der Bestimmtheitsbereich ein Dreieck und


der Abhangigkeitsbereich ein nichtentartetes Intervall, das den "Ab-
hangigkeitspunkt" der Differentialgleichung jedoch nur fur A < 1/lal
und nicht fur A > 1/lal enthalt. Fur A = 1/lal sind die Bestimmtheits-
und Abhangigkeitsbereiche der Differentialgleichung und der Diffe-
renzenverfahren identisch, da dann in den Beziehungen

C (h) 1-Aa -1 + 1+Aa T


-2- T6x 2 6x

- -1 +
C(h) Aa T6x + [I-Alal]I+Aa T6x

-1
jeweils nur ein Term mit T6x oder T6x ubrigbleibt. Aus den Diffe-
renzenverfahren wird in diesem Fall ein Charakteristikenverfahren.
Der geschilderte Sachverhal t wird in der Courant-Friedriahs-Lewy-
Bedingung (vgl. Courant-Friedrichs-Lewy 1928) zur Untersuchung der
Stabilitat eines Differenzenverfahrens herangezogen. Diese Bedin-
gung lautet:
Far die StabiZitat eines Differenzenverfahrens ist notwendig, daB der Ab-
hangigkeitsbereiah der DifferentiaZgZeiahung beim Grenzabergang h ~ 0 im Ab-
hangigkeitsbereiah der DifferenzengZeiahung enthaZten ist.
Die bisher besprochenen beiden Verfahren sind also offensicht-
lich genau fur die A-Werte stabil, fur die die Courant-Friedrichs-
Lewy-Bedingung erfullt ist. Solche Verfahren nennt man haufig auch
optimaZ stabU. Im Gegensatz dazu gibt es auch Verfahren, bei denen
man das Verhaltnis A = h/6x starker einschranken muE, als es der
obigen Bedingung entspricht.
69

7 Inhomogene Anfangswertaufgaben

Bisher haben wir nur im Faile homogener Aufgaben

u'(t) A(u(t» (tE[O,T))


u(O) = c

erklart, was konsistente, stabile und konvergente Differenzenver-


fahren sind. NatUrlich wollen wir solche Verfahren auch zur Lasung
inhomogener Aufgaben

u'(t) A(u(t» + q(t) (tE[O,T] ) (7.1)


u(O) = c

heranziehen. Wir werden zeigen, daB die Konsistenz und Stabilitat


im Sinne von Definition 5.10 schon genUgt, urn - etwas vereinfachend
gesagt - die Konvergenz der Verfahren auch im Faile (7.1) sicherzu-
stellen. Ein besonderer Konsistenz- oder Stabilitatsnachweis fUr
inhomogene Aufgaben ist demnach nicht notwendig.
In diesem Kapitel sei P(B,T,A) stets eine beliebige, aber feste,
sachgemaB gestellte Aufgabe (vgl. Definition 5.3). Die stetigen Ab-
bildungen q:[O,T] ~ B bilden mit der Norm

II q " max" q (t) "


tE[O,T]

einen Banachraum BT = CO([O,T],B).

Sa tz 7.2: Vorgegeben cEB, qEB T , 8E [0,1] und ein konsistentes und stabi Zes
M-={C(h) IhE(O,h ]}. Die Folgen h.E(O,h l, n.ElN
Differenzenverfahren --U 0 J 0 J
(j = 1(1)00) soZZenso zusamrnenpassen, da!3stets n.h.::: T, lim h. = Ound
· nj h j = tE 0, T . Dann konverg~ert
1 1m A [ ] . d'~e Losung J u n j ) der 1 j~ J Z . hungen
D~fferenzeng e~c
j~

u(V) C(h.) (u(v-1»+h.q(vh.-8h.)


J J J J
u (0) = c (v=1 (1 ) n . )
J

gegen
t
u(t) E(t) (c)+JE(t-s) (q(s) )ds
o

u hei!3t vera ZZgemeinerte Losung der Aufgabe (7. 1 ) .

Beweis: ~'1ir beschranken uns auf die Faile 8=0 und t < n. h. < t+h.
- J J J
(j = 1 (1)00). Den Rest des Beweises mag der Leser nachtragen. AuBer-
70

dem fUhren wir fUr diesen Beweis die folgenden schreibtechnischen


AbkUrzungen ein:

e = e(h.),
J
t
v
= vh.,
J
q
v
Nun zeigen wir nacheinander:
(1) E(t-s) (q(s)) ist stetig und beschrankt
in {(t,s) ItE[O,Tl,sE[O,t]} •
t t
(2) lim fE(nh.-s) (q(s))ds = fE(t-s) (q(s))ds
j.-o 0 J 0

(3) Zu jedem e: > ° gibt es ein joEJN, so daB


/I E(t ) (q )_en-v(cr ) /I < e:
n-v -v ~v

zu (1): Es sei /I E(t) /I ~ L (tE[O,T]). Nir betrachten fUr festes


t und s Differenzen der Art

o E (t-s) (q (5) ) -E Ct:-s) (q (s) )


E (t-s) (q (5)) -E (t-s) (q (s)) -E (t-s) (q (s) -q (s) )

Entweder ist

E(t-s) = E(t-s)oE(t-s-t+s)

oder

E(t-s) = E(t-s)oE(t-s-t+s)

In jedern Fall folgt

/101/ ~ L/lE(lt-s-t+sl)(q(s))-q(s) II +Lllq(s)-q(s) II.

Nach Satz 5.5(3) ist E(lt-s-t+sl) (q(s)) eine stetige Funktion von
s-t. Da auBerdem q(s) stetig ist, konvergiert die rechte Seite der
Ungleichung fUr (t,s) ~ (t,s) gegen Null. E(t-s) (q(s» ist also
simultan stetig in t und s. Auf der kompakten Menge tE[O,T], sE[O,t]
nimmt /I E(t-s) (q(s)) /I sein Maximum an.
zu (2): Es gilt wegen Satz 4.19(1):

t
fE(nh.-s) (q(s»ds
o J

Da nach Satz 5.5(3) jede verallgemeinerte Losung der homogenen Auf-


gabe stetig ist, folgt sofort die Behauptung.
71

zu (3): Es sei II E(t) II < Lund II C(h,)n II < L (tE[O,T],j=1 (1)00).


- J-
Wegen der gleichmaBigen Stetigkeit von q gibt es ein 6>0, so daB

Ilq(t)-q(t) 11< 4~

Weiter gibt es endlich viele ganze ~ mit 0 ~ ~6 ~ T. Die endlich


vielen homogenen Anfangswertaufgaben mit den Anfangswerten q(~6)
kann man mit MD losen. Es gibt darum ein joElli, so daB fur j ~ jo
und fur ~6 ~ t gilt:

Dabei ist v abhangig von ~ zu wahlen. Es sei

vh, < ~6 < (v+1 )h, •


] - ]

Die Funktionen E(s) (q(~6)) sind gleichmaBig stetig in s. Es gibt


darum 6 > 0, so daB fur alle t, t mit It-tl<6 gilt

Insbesondere kann man durch evtl. VergroBerung von jo erreichen:

II E(t) (q(~6))-E(t-~6) (q(~6)) II < ~


(tE[t-~6-2h" t-~6+2h,l, J' > J' )
] ] - 0

Wegen

t n-v

ist stets

Diese Ungleichungen zusammengefaBt ergeben:

IIE(tn_)(q)-E(tn_)(g(~6)) 11+

II E (t n-v ) (q (~ 6) ) - E (t - ~ 6) (q ( ~ 6)) II +

n-v n-v
II C (q ( ~ 6) ) -C (q) II ~

E
4
E
4
E E
L 4L + + + L 4L = E •

Darnit sind (1), (2) und (3) bewiesen.


72

Die Losung der Differenzengleichung ist

Aus Satz 5.11 folgt:

lim Cn(c) = E(t) (c) .


j-..

Wegen (2) genUgt es dernnach zu beweisen:


n t
lim h. r Cn-v(q ) = lim fE(nh.-s) (q(s))ds
j~ J v=1 v j-.. 0 J

Dazu dient die folgende Abschatzung:


n t
II h. r Cn-v(q ) - fE(nh.-s) (q(s))ds II :::
J v=1 v 0 J
n n
II h. r cn - v (q ) -h. r E (t ) (0 ) II +
J v=1 v J v =1 n-v ~v
n nh.
II h. r E(t ) (q ) - f JE(nh.-s) (q(s) )ds II +
J v=1 n-v v 0 J
nh. t
II f JE(nhj-s) (q(s) )ds - fE(nhj-s) (q(s) )ds II •
o 0

Die drei Differenzen auf der rechten Seite der Ungleichung konver-
gieren mit j ~ = einzeln gegen o. Bei der ersten ergibt sich diese
Behauptung aus (3), die zweite ist die Differenz zwischen einer
Riemannschen Surnrne und dem zugehorigen Integral (vgl. Satz 4.19(2)). 0

Die verallgemeinerten Losungen von (7.1) sind nicht in jedem Fall


differenzierbar und darum auch keine Losungen von (7.1). Man er-
halt nur differenzierbare Abbildungen, wenn CEDE und q hinreichend
"glatt" ist. Dieser Sachverhalt solI im folgenden noch prazisiert
werden.

Definition 7.3: Es sei definiert:

DA = {cEBlu(t)=E(t) (c) ist differenzierbar fUr t=O}

A: ~ ~ B
c ... u' (0) 0

Bemel'i<ung: FUr c E ~ ist u in ganz [O,T] differenzierbar. FUr


t1 ~ t2 gilt narnlich

o
73

Zwischen A und A besteht ein einfacher Zusammenhang. Jede Losung


u von P(B,T,A) ist auch Losung von P(B,T,A), d.h.

u'(t) =A(u(t)) =A(u(t))

Wenn man von P(B,T,A) zu P(B,T,A) Ubergeht, konnen keine Losungen


verloren gehen, aber moglicherweise welche hinzukommen. Der Raum,
auf dem die Operatoren E (t) definiert sind, wird unter Umstanden
o
vergroBert. Die Operator en E(t) bleiben aber unverandert. Es andert
sich auch nichts hinsichtlich der Stabilitats-, Konsistenz- und
Konvergenzeigenschaften der Differenzenverfahren.
Es laBt sich zeigen, daB A eine abgeschlossene Abbildung ist,
d.h. daB der Graph von A in B x B abgeschlossen ist. Daraus folgt
A = A, wenn A bereits abgeschlossen ist. Weil wir diese Tatsache
nicht benutzen, gehen wir auf den Beweis nicht naher ein (siehe
aber Richtmyer-Horton 1967, § 3.6 und Yosida 1968, Kap. IX). Bei
unseren Beispielen in Kap. 5 ist A stets abgeschlossen.

Satz 7.4: Es seien q E BT und

""
q(t) = flP(r)E(r) (q(t))dr
o

mit lP E C""(JR,JR) und Trager(lP) C (O,T). Dann gilt


t t
(fE(t-s) (q(s))ds)' = q(t)+A(fE(t-s) (q(s))ds)
o o

Bemerkung: Man nennt q auch eine Regularisierung von q. Es laBt sich


zeigen: Bei geeigneter Wahl von lP unterscheiden sich q und q be-
liebig wenig. Fur CEDE ist
t
u(t) = E(t) (c) + fE(t-s) (q(s))ds
o
offenbar die Losung von

u' (t) A(u(t)) + get) (tE[O,T))


u(O) =c o

Beweis von Satz 7.4: FUr t E [T,2T) definieren wir

E(t) E(t/2)oE(t/2)

Es gibt ein ( > 0, so daB Trager(lP) C [2(, T-2E). Es sei

f(t)
t
~E(t-S) (q(s))ds =
t
~
[T-(! lP(r)E(t+r-s) (q(S)dr] ds .
74

Fur Ihl < E und t+h ~ 0 ergibt sich:

f(t+h) I, (h) + I 2 (h)

I, (h) I [TtlP(r)E(t+h+r-S) (q(S))dr] ds

t+h [T-& 1
I 2 (h) =[ { lP(r)E(t+h+r-s) (q(s))dr J ds
t'lir substituieren r = r+h und vertauschen die Integrationsreihenfolge
(vgl. Satz 4.'9(5)):

I, (h) =T+h-&
f lP(r-h) [tfE(t+r-s) ]
(q(s))ds dr
&+h 0

I, (h) = !1P(r-h) [!E(t+r-S) (q(S))ds]dr

I, hat die Ableitung

11 (0) = -!IP' (r) [lE(t+r-S) (q(s) Ids ]dr

Das zweite Integral spalten wir noch einmal auf:

t+h[T+h-& ]
= f f lP(r)E(t+r-s) (q(s))dr ds
t &+h
t+h[T+h-& ]
+ f f (lP(r-h)-IP(r) )E(t+r-s) (q(s) )dr ds
t &+h
Beim ersten Summand en darf man die Grenzen des inneren Integrals
wieder auf 0 und T andern. Der Integrand hangt dann nicht mehr von
h abo Der Summand kann offensichtlich nach h differenziert werden.
Weil lIP' (r) I beschrankt ist, ist der zweite Summand von der
GroBenordnung 0(lhI 2 ) und dam it fur h = 0 differenzierbar. Es folgt:
T
Ii (0) flP(r)E(r) (q(t) )dr = q(t)
o
f' (t)

Nun sei
t
g(h) E(h) (fE(t-s) (q(s))ds)
o

I [TrlP(r)E(t+h+r-S) (q(s) )dr] ds I, (h)

g' (0) Lj (0) •


75

Also ist
t
IE(t-s) (q(s))ds € DA:
o
und

8 Differenzenverfahren mit Positivitatseigenschaften

In der Literatur gibt es verschiedene - nicht aquivalente - Defini-


tionen fur Differenzenverfahren vom positiven Typ (vgl. z.B. Friedrichs
1954, Lax 1961, Collatz 1966, Tornig-Ziegler 1966). Die Unterschiede
kommen daher, daB die Verfahren zum einen in Funktionenraumen mit
Maximumnorm, zum anderen in Funktionenraumen mit L2 -Norm betrachtet
werden. Eine Reihe von klassischen Verfahren gehort zu beiden Typen.
l'l'ir werden zur Unterscheidung im ersten Fall von positiven und im
zweiten Fall von positiv definiten Differenzenverfahren sprechen.
Alle diese Verfahren konvergieren im hyperbolischen Fall bis
auf unwichtige Ausnahmefalle auch dann, wenn die behandelte Anfangs-
wertaufgabe eine C~-Losung besitzt, nur von erster Ordnung (vgl.
Lax 1961). Sie ermoglichen aber sehr einfache Fehlerabschatzungen
und lassen sich verhaltnismaBig leicht auf nichtlineare Aufgaben
ubertragen.
Die positiven Differenzenverfahren betrachten wir hauptsachlich
auf folgenden Vektorraumen:

{fECo(lR ,«:n) llimll f(x) II~ = O}


x~

{fECo (IR ,«:n) If 2n-periodisch}

{fEB 2n lf(x) f (-x) (xEIR)}

B4n {fEB 2n lf(x) = -f(-x) (xEIR)}

B5n {fECo([-n/2,3n/2],~n) If genugt den Gleichungen aus Def. 8.1} .


76

Defini tion 8.1: Funktionalgleiahungen.

(e +a x)f(-x) = (e -a x)f(x)
o 0 0 0
(xE(0,rr/2»

Dabei seien a o ' eo' arr' err reelle und nichtnegative Konstanten mit
ao+e o > 0 und arr + err > O. C

BSn hangt naturlich von den vorgegebenen Konstanten abo Wir denken
uns diese aber im folgenden fest gehalten und schreiben darum kurz
nur BSn.
Die Funktionen in B2n bis BSn sind aufgrund der jeweiligen
Funktionalgleichungen schon durch ihre Werte in einem Teil des De-
finitionsintervalles bestimmt. Wir definieren darum die Grundintervalle

und die Definitionsintervalle

Offensichtlich gilt fur ~=1 (1)S:

sup IIf(x) 1/"" max II f (x) 1/"" (fEB ) •


~n
xED xEG
~ ~

Diese Suprema sind Normen in B~n . Wir schreiben /I f II eo • Die Raume


B werden mit diesen Nomen zu Banachraumen und sind Teilraume
~n
von CO(D ,~n). Sie dienen dem Studium der Funktionen in G , die ge-
wisse Ra~dbedingUngen erfullen. Fur fEB nc 1 (0 ,~n) gilt ~amlich
~n ~
im Faile

~ 2: f (-rr) = f (rr) und fl (-rr) f 1 (rr)


~ 3: fl (0) = f 1 (rr) = 0
~ 4: f(O) = f (rr) = 0
~ S: aof (0) -eof 1 (0) = a rr f(rr)+e rr fl (rr) = 0

Offensichtlich sind die Randbedingungen fur ~=3 und ~=4 Spezialfalle


der Randbedingungen fur ~=S. Auch die Raume B3n und B4n gehen in
Spezialfalle von BSn uber, wenn man die Definitionsintervalle D~ auf
[-rr/2, 3rr/2] einschrankt.

Hilfssatz 8.2: Es seien gEBsnnC1 (Ds,~n), fEC3(Ds,~n) und g(x) f(x)


fur aUe XEG S • Au13erdem Bei 13 o *Ooder f" (0)=0 und gZeiahzeitig 13 rr *O oder
77

2 n
f" (n) =0. Dann ist gEC (DS,a: ) und es gilt

sup II f(x) - g(x) II = 0«Ax)3) (AxE(0,n/2)) .


XE[-Ax,n+Ax] 00

Beweis: Aus gEBsnnC1 (DS,a: n ) folgt:

°
°
AuBerdem gilt wegen 8.1:

f( ) fUr xE[O,n]

g(x) = { f(:X) (ao+oox)/(ao-oox) fUr xE[-n/2,0]


f(2n-x) (an-on(x-n))/(Bn+On(x-n)) fUr xE[n,3n/2]

Zunachst sei a o *0. FUr x < ° erhalt man


g' (x) 20 a f(-x)/(B -0 x)2_f' (-x) (a +0 x)/(a -0 x)
00 00 00 00

2 3 2
g"(x) 400aof(-x)/(ao-oox) -4 0 0 a o f' (-x)/(a o - oox )
+£" (-x) (13 0 +oox) / (13 0 -(loX)

g" (-0) 40 2 f (0) /13 2 -40 f 1 (0) /13 +£" (0)


o 0 0 0

40 (0 f(O)-a f ' (0))/a 2+£,,(0)


o 0 0 0

f" (0) = g" (+0) .

Im Sonderfall ~o=o gilt fUr x < 0:

g(x) = -f(-x)
g"(x) = -f"(-x)
g" (-0) = -fll (0) = 0 = fll (0) = gil (+0) .

Analog beweist man gil (n+O) = g"(n-O). Folglich ist gEC 2 (D s ,({:n). Da
die Beschrankung von g auf [-n/2,0] sogar dreimal stetig differenzier-
bar ist, ergibt die Taylorreihe fUr x E [-AX,O]:

f(x) f (0) + xf 1 (0) + x 2 fll (0) + x 3 flll(8 x)


1
g (x) 2 3
g (0) + xg 1 (0) + x g (0) + x g"'(8 2 X)
11
78

Wegen f(O) = g(O), f' (0) = g' (0) und f" (0) = g"(O) ergibt sich:

3 3
II f(x)-g(x) 1100 = Ixl II f"' (8 1x)-g"' (8 2x) "00 ::: M(llx) •

M hangt nur von f, a o und a o abo Flir x E (n,n+IlX] schatzt man analog
abo Insgesamt erhalt man eine Schranke, die nur von f, ao' ao' an'
an abhangt. 0

Hilfssatz 8.3: In den Riiumen B)1n liegen fol-gende Vektorriiume dieht:

(2) COO (lR, a: n ) nB in B fUr )1=2,3,4.


)1n )1n
(3 ) {fEB Sn I fEC 1 (D S ' (Cn) und f /G EC oo (G s ' (Cn) } in BSn'
S

Die Beweise liberlassen wir dem Leser (vgl. Satz 4.8).

Definition 8.4: Es seien G, D reelle Intervalle mit G c D,


B c a:o(D,C n ) ein Banachraum mit

max II f (x) "00 sup II f (x) "00 (f E B) ,


xEG xED

P(B,T,A) eine sachgemaB gestellte Anfangswertaufgabe und


MD = {C(h) IhE(O,h o ]} ein zugehoriges Differenzenverfahren. Es heiBt
positiv, wenn die folgenden Bedingungen (1) bis (4) erflillt sind. Da-
bei sind

kEJN, A,K,LElR+

E,A ,B ECo(Gx(O,h ], MAT(n,n,lR)) (v -k(1)k)


v v °
MECO(O, MAT(n,n,lR))

geeignet zu wahlen.
(1) Flir alle hE(O,h o ]' fEB und xEG gilt mit 9 C (h) (f) und
IlX=h/A oder IlX = ~:

k
E(x,h)g(x) I [A (x,h)f(x+vllx)+B (x,h)g(x+vllx)]
v=-k v v

k
(2) E (x,h) v=I_ k [Av (x,h) + Bv (x,h) ]

(3) M(x) ist stets regular. f(.) ~ M(.)f(.) ist eine Abbildung
von B in sich. Flir jedes feste xEG liberflihrt die Ahnlichkeitstrans-
79

formation N ~ M- 1 (x)NH{x) (NEt1AT (n,n,JR)) aIle Matrizen A (x,h) und


v
B (x,h) in Diagonalmatrizen mit nichtnegativen Elementen. Das Bild der
v
Matrix rA (x,h) hat Diagonalelemente, die groBer oder gleich 1 sind.
v
(4) Es gilt:

II A (x,h) II :5 K , II B (x,h) II < K (xEG,hE (O,h o ])


v "" v "" -
II M(x) II"" :5 K , II M- 1 (x) II < K (xED) .
""
-1
1m Falle L'.X=hjA sei II M{x)-M{y) 11",,:5L {k (k+1) ) Ix-yl, ansonsten gelte
H := const. D

Die Bedingung (2) ist nicht so einschrankend, wie es zunachst er-


scheinen mag. Es besteht namlich fur jedes von mindestens erster
Ordnung konsistente Verfahren notwendigerweise die Beziehung

r[A (x,h)+B (x,h)] = E{x,h) + O{h) .


v v

Fur C{h) - hQ{h) mit einem geeigneten beschrankten Operator Q{h)


gilt dann aber

r[A (x,h)+B (x,h)] = E{x,h)


v v

Nach dem Storungssatz von Kreiss (Satz 5.13) sind die Verfahren C{h)
und C{h)-hQ{h) beide stabil oder beide instabil.
In (3) wird verlangt, daB aIle Diagonalelemente von
-1
M (x) (rAv{x,h))M{x)

groBer oder gleich 1 sind. Da die Gleichung in (1) mit einer be-
liebigen positiven Konstanten multipliziert werden kann, ohne an den
ubrigen Eigenschaften etwas zu andern, kann 1 durch eine beliebige
von x und h unabhangige positive Konstante ersetzt werden.

Satz 8.5: Ein positives Differenzenverfahren C (h) ist stabil. Uberdies gilt
fur M := const.:

II {C{h))m II < II M II II M- 1 II (hE{O,h ], mEJN, mh < T)


o -
- "" ""
Beweis: Sei hE (O,h o ] fest, aber beliebig, fEB und g=C (h) (f). THr de-
finieren
-1
f{x) M (x)f{x)
-1
g{x) M (x)g{x)
f{x) <f 1 {x), ... , fn (x) )
g{x) (g1 (x) , ... , gn (x))
80

Zwischen fund g besteht der Zusammenhang

g = (M- 1 (x) oC (h) oM(x)) (f) = C(h) (f) •

Schritt 1: C(h) ist stabil.


Aus (1) folgt fur xEG:

E(x,h)M(x)g(x) = LA (x,h)M(x)f(x+V6X)+
v
LB v (x,h)M(X)g(X+V6X)+R 1+R 2
LA (x,h) [M(x+V6x)-M(x)]f(x+V6X)
v
LB (x,h) [M(X+V6X)-M(x)]g(X+V6X)
v
Durch Multiplikation mit ~1-1 (x) und Ubergang zu den Komponenten der
Gleichung erhalt man aufgrund von Bedingung (2) und (3) fur j = 1 (1)n:

e:.(x,h)g.(x) = L[a . (x,h)f. (X+V6X)+a . (x,h)g(X+V6x) ]+r 1 .+r 2 .


] ] V] ] V] ] ]

-1
diag (a . (x,h)) M (x)A v (x,h)M(x)
V]

diag (a . (x,h)) M- 1 (x)B (x,h)M(x)


V] v

e: . (x,h) = L[a . (x,h) +a . (x,h)] •


] V] V]

-1 -1
r 1j und r 2j sind die j-ten Komponenten von M (x)R 1 und H (X)R 2 •
Sie hangen selbstverstandlich auch von x und h abo Die Zahlen e:.,
]
a . und a . sind nach (3) nichtnegativ. Es gibt nun x und j so, daB'
V] V]

II g II = Ig. (x) I .
]

Die Anwendung der Dreiecksungleichung und der in (4) vorausge-


setzten Abschatzungen ergibt:

e:.(x,h)llgll < Ilfll La .(x,h)+llgll La .(x,h)+K 2LA- 1h(llfll+llgll)


] - V] V]

I
Der letzte Summand K2LA -1 h (II f II + II g II) fehlt fur H _ canst. Mit

~ K2LA -1 fur M $ canst.


K =
o sonst

folgt weiter

[La . (x,h) -Kh] II g II ~ [La . (x,h) +Kh] II fll


V] V]
81

Nach (3) ist La . (x,h) > 1. Da die Funktion (z-Kh)/(z+Kh) fur z >_
V] -
monoton-wachsend ist, ergibt sich:

(1-Kh) II gil:::: (1+Kh) 11111 .


I'::j

O.B.d.A. nehmen wir an: 1-Kh > O. Es gibt dann K ~ 0 mit


o
I'::j
exp(Kh) (hE (O,h ])
o

Daraus folgt
I'::j
II C (h) II :::: exp(Kh)

Fur aIle m mit mh~T gilt darum


~ m I'::j
II (C(h)) II ~ exp(KT) •

C (h) ist also stabil. 1m Falle K K= 0 gilt II (C (h) ) m II ~ 1.


Schritt 2: C (h) ist stabil.

II (C (h))m 11= II M(x) 0 (M- 1 (x) oC 'h) oM(x) )m oM-1 (x) I! =


IIM(X)o(C(h))moM-1(x) 11~IIH(x) II II (C(h))m ll IIM- 1 (x) II~K211 (C(h))m ll .

Darum ist auch C(h) stabil. 0

Beispiel 8.6: Positive Differenzenverfahren filr ein paraboZisches Anfangsrand-


wertproblem mit gemischten Randbedingungen.
Es sei aECoo(:IR, lR+) 2rr-periodisch mit a(-x)=a(x) (xElR) und
ao'~o,arr'~rr wie in Definition 8.1 gewahlt. Wir betrachten die Auf-

gabe:

d2U(X,t) = d1 (a(x)d 1 u(X,t)) - q(x,t.) (xE(O,rr), tE(O,T))


u(x,O) = (jJ(x) (xE[O,rr))

(tE[O,T)) .

Die Beschrankung auf homogene Randbedingungen stellt keine Ein-


schrankung dar, weil man durch die Substitution

nicht homogene Randbedingungen


82

aou(O,t) - ~oa1u(o,t) Yo
anu(n,t) + ~na1u(n,t) Yn

jederzeit in homogene Randbedingungen

aov(O,t) - ~oa1v(O,t) 0

anv(n,t) + ~na1v(n,t) 0

uberfuhren kann. Dabei erg eben sich 00' 01 und 02 als Losung des
Gleichungssystems

Da das Gleichungssystern unterbestimmt ist, fordern wir zusatzlich:

o falls a o + a n > 0

Die Inhomogenitat q(x,t) muB naturlich entsprechend mittransformiert


werden.
Zu der obigen Aufgabe paBt der Banachraum B B51 • Wir wahlen
2
DA = {fEBlf/ G EC (G5'~)}
5
und definieren A: DA ~ B durch die Zuordnung

f(x) .... (a(x)f' (x»'

Wenn wir ~ E DE mit

{fEBlfEC 1 (D5'~)' fiG EC~(G5'~)}


5

wahlen, ist die Anfangswertaufgabe fur q = 0 im klassischen Sinne


eindeutig losbar und die Losung u ist aus C~(G5x[O,T],~). Mit Kap. 7
folgt, daB die Beschrankung auf den homogenen Fall q = 0 keine Ein-
schrankung bedeutet.
Der Stabilitatsnachweis fur das Differenzenverfahren (6.3) ist
mit Hilfe von Satz 8.5 nunmehr sehr einfach. Wir haben nur zu unter~
suchen, fur welche A das Verfahren positiv ist. Dazu schreiben wir
(6.3) entsprechend urn:
83

g(x)+(1-a)A[a(x+~x/2)+a(x-~x/2)lg(x) =

aAa(x-~x/2)f(x-~x)+[1-aA(a(x+~x/2)+a(x-~x/2))lf(x)+

aAa(x+~x/2)f(x+~x)+(1-a)Aa(X-~x/2)g(x-~x)+(1-a)Aa(X+~X/2)g(x+~)

A = h/(~X)2 .

Die Bedingungen (1) und (2) sind fur aIle A unabhangig von a erfullt.
Zum Nachweis von (3) wahlen wir M = 1. Als einzige von A und a ab-
hangige Bedingung erweist sich die Forderung

1 - aA(a(x+~x/2)+a(x-~x/2)) ~ °.
Diese ist fur a = ° (total-impliziter Fall, Verfahren von Laasonen)
fur aIle A E JR+ erfullt. Fur ° < a ::: 1 ergibt sich als positivitats-
bedingung:

°< A . max a (x) ::: 2a


xE[O,rrl

Dies entspricht fur a = °


und a = 1 den Aussagen von Satz 6.5 und
Satz 6.6. Man beachte aber, daB in Kap. 6 die L2 -Norm 11.11 2 ver-
wendet wurde. Die Bedingung (4) ist erfullt, da a(x) eine be-
schrankte Funktion ist.
Den Nachweis der Konsistenz fuhrt man mit Hilfe von Hilfssatz
8.2. Als Abbruchfehler der Diskretisierung ergibt sich im allge-
meinsten Fall O(h) + O(~x). Die Details uberlassen wir dem Leser. D

Beispiel 8.7: Positives Differenzenverfahren der Konsistenzordnung °(h 2 )


fUr ein parabolisches Anfangswertproblem.
Es sei a = const. > 0. Wir betrachten die Aufgabe
2
d 2U(X,t) = a d 11 u(x,t)-q(x,t)

u(x,O) \p(x) (xEJR, tE (O,T))

Sie kann im Raum B B1n als sachgemaB gestellte Anfangswertaufgabe


formuliert werden.
Die folgende Diskretisierung ist die Grundlage eines Differenzenver-
fahrens der Konsistenzordnung O(h 2 ):

1 -1
T2h [u(x+~,t+h)-u(x+~x,t)]+

5 -1 [u(x,t+h)-u(x,t) 1+
~h

1 -1
T2h [u(x-~x,t+h)-u(x-~x,t) 1=
84

1
2(AX) -2 a[u(x+Ax,t+h)-2u(x,t+h)+u(X-Ax,t+h)]+

12(AX) -2 a[u(x+Ax,t)-2u(x,t)+U(X-Ax,t)]-

[1iq(X+Ax,t+h/2)+~q(x,t+h/2)+1iq(X-Ax,t+h/2) ]+R(h,AX)

Wir zeigen zunachst, daB

Mit der Abkurzung t = t+h/2 und wegen


-1 ~ 2
h [u(y,t+h)-u(y,t) ]=3 2u(y,t)+0(h )
(AX)-2[u(X+AX,S)-2u(x,s)+U(X-AX,S) ]=
2 1 2 4 4
311 u(x,s)+f2(AX) 31111 u(x,s)+0«AX))

folgt unter Ausnutzung der Differential~leichung aus der obigen Dis-


kretisierung:
1 ~5 ~1 ~ 2
1232u(X+Ax,t)+632u(x,t)+1232u(X-Ax,t)+0(h )=
1 2 ~5 2 ~1 2 ~ 2
12a 311 u(X+Ax,t)+6a 311 u(x,t)+12 a 311 u (X-Ax,t)+0(h )=
12 2 124 4
2a [ 311 u (x, t+h) + 311 u (x, t) + f2 (AX) ( 31111 u (x, t+h) + 31111 u (x, t) ) ] +0 ( (AX)

Wir entwickeln weiter:

1 2 ~ 2 ~
12a[311u(X+Ax,t)+311u(X-Ax,t)]=
1 2 ~1 2 4 ~ 4
6a 311 u(x,t)+f2(AX) a 31111 u(x,t)+0«AX) ) ,
1 2 2 2 ~ 2
2a[311u(x,t+h)+311u(x,t)]= a 311 u(x,t)+0(h) ,
124 4 1 24 ~ 2
2-4 (Ax) a[31111u(x,t+h)+31111u(x,t) ]=1-2 (AX) a3 1111 u(x,t)+0(h )O«AX)

Die Behauptung folgt jetzt durch einfaches Einsetzen.


Das Differenzenverfahren fur die homogene Differentialgleichung
lautet mit

A = h/(AX)2

in der Schreibweise von Definition 8.4:

5 1 1 5 1 1
(6+Aa) g (x) = (1-2 +2 Aa) f (x-Ax) + (6- Aa ) f (x) + (1-2 +2 Aa) f (x+Ax)

+ (-,12+~Aa) g (x-Ax) + (-112+~Aa) g (x+Ax)


85

Die Bedingungen (1), (2) und (4) sind fUr aIle A erfUllt. Zum Nach-
weis von (3) wahlen wir H '" 1. Nir erhalten als PositiviUitsbedingung:

1 5
'6 :5 Aa :5 '6

Das Differenzenverfahren ist also fUrdiese A stabil und hat wegen


A = h/(AK)2 die Konsistenzordnung O(h 2 ).
1m inhomogenen Fall (q + 0) mUBte nach Kap. 7 jeweils ein Term

-h.q(x,vh. - 9h J.) , SE[0,1]


J J

addiert werden. Hierdurch wUrde die Konsistenzordnung des Verfahrens


auch fUr 9 = 1/2 auf O(h) reduziert werden. Wir addieren deshalb
entsprechend unserer Diskretisierung einen Term

Die Abhangigkeiten des Differenzenverfahrens sind in Abbildung 8.8


veranschaulicht. a

OJ ..dx
Abb. 8.8. Abhangigkeiten des Differenzenverfahrens 8.7

Beispiel 8.9: Positive Differenzenverfahren fur ein hyperbolisches Anfangswert-


problem.
Es sei AEC"" (:ffi., MAT (n, n, lR» reell-diagonalisierbar und normbeschrankt.
Die Hatrix M(x), die A(x) auf Diagonalform transformiert, sei eben-
falls samt ihrer Inversen normbeschrankt und es gelte
IIM(x)-M(y) 11",,:5 Llx-yl (x,yElR). Es folgt, daB p(A(x» ebenfalls
beschrankt ist. Wir betrachten die Aufgabe

A(X)d 1 U(X,t)+Q(X,t)
<p(x) (xElR ,tE (O,T»

Sie kann im Raum B = B1n in Ublicher Weise als sachgemaB-gestellte


Anfangswertaufgabe formuliert werden.
Das Friedrichs- Verfahren (vgl. Satz 6.8) lautet j etzt:

C(h) A=h/.t:.x .
86

Wir bringen es in die Schreibweise von Definition 8.4:

g(x) = ~(I-AA(X))f(X-Ax)+~(I+AA(X))f(X+Ax)

Die Bedingungen (1), (2) und (4) sind fUr alle AElR+ erfUllt. In (3)
ergibt sich als Positivitatsbedingung:

o < A sup p(A(x)) 5 1 .


xElR

Das Verfahren von Courant-Isaacson-Rees (vgl. Satz 6.9) lau tet:

g(x) = AA - (x)f(x-~x)+[I-A(A
+ (x)+A - (x))]f(X)+AA + (x)f(x+~x) , A=h/~:

Dabei sind
+ -
A(x) = A (x)-A (x)
A+(X) M(x)D + (x)M -1 (x)
A-(x) - -1
M(x)D (x)M (x)
D+(x) diag(max{Ai(x) ,O})
D-(x) diag(-min{Ai(x) ,O})

Ai (x) Eigenwerte von A(x) mit A1 (x) 5 A2 (x) ::: ... 5 An (x) .

Die Bedingungen (1), (2) und (4) sind wieder fUr alle AElR+ erfUllt.
Zum Nachweis von (3) muB gezeigt werden, daB die Diagonalmatrizen

M-1 (x)A - (x)M(x)


M- 1 (X)A+(X)H(X) D+(X)

M -1
(X)[I-A(A+ - (x))]M(x) = diag(1-AIA (x)l)
(x)+A i

nur nichtnegative Elemente besitzen. Dies gilt flir D-(x) und D+(X)
allein aufgrund der Definition. FUr die dritte Matrix muB gefordert
werden:

o < A sup p(A(x)) 5 (Positivitatsbedingung). 0


xElR

Beispiel 8.10: Anfangsrand1uertaufgabe fUr die WeLZengleichung mit variablen


Koeffizienten.
Es sei aECoo(lR,lR+) 2lT-periodisch mit a(-x)=a(x) (xElR). Wir be-
trachten die Aufgabe
2
d 22 u(x,t)=a(x) d1 (a(x) d 1 U(X,t) )-q(x,t) (xE (O,lT) ,tE (O,T))
87

u (O,t) u(rr,t) = ° (t€[O,T])

u(x,O) (x€[O,rr]) .

Die Gleichung laBt sich auf ein System erster Ordnung umschreiben.
Die Substitution

v, (x,t) a(x) d,U(X,t)


v 2 (x,t) d2U (x,t)

ergibt:

d2 V, (x,t) a(x)d,v 2 (X,t)

d2V2(x,t) a(x) d,V, (x,t)-q(x,t) (x€(O,rr), t€(O,T»


v 2 (0,t) v 2 (rr,t) = ° (t€[O,T])
v 1 (x,O) a(x)(j)' (x) (x€[O,rr]) •

Im Gegensatz zur Aufgabe 1.8 sind nur fUr die eine Komponente,
namlich v 2 ' Randwerte vorgegeben. Die andere Komponente ist frei.
°
FUr den homogenen Fall q(x,t) = erhalt man allerdings aus den
Differentialgleichungen

(t€ [O,T])

Weil diese Bedingungen aus den Differentialgleichungen folgen, sind


sie aber von unabhangigen Randbedingungen zu unterscheiden.
FUr (j),tI>€c''''([o,rr],lR) mit tI>(O) = tI>(rr) = °
ist die Aufgabe ein-
deutig losbar. Ein passender Banachraum ist B = B31 x B41 • Es muB
dann allerdings gefordert werden:

q(O,t) = q(rr,t) = ° (t€[O,T])

Zur Vereinfachung gehen wir zur vektoriellen Schreibweise fiber. Wir


untersuchen nur die homogene Aufgabe.

v(x,t) = (v 1 (x,t) ,v 2 (x,t»

0 a (X»)
A(x) = (
a(x) °
(x€(O,rr), t€(O,T» •
88

Die Differentialgleichung laBt sich wie folgt diskretisieren (aE[o,1]):

h -1 [v(x,t+h) -v(x,t) ]Rl2aA(x)


1- 1 [v (x+Ax"t) -v(x-Ax,t)]+
(Ax)
1
2(1-a)A(x) (Ax) -1 [v(x+Ax,t+h)-v(x-Ax,t+h)].

Durch Addition einer geeigneten numerischen Viskositat (vgl. Kap. 6)


auf der rechten Seite kommt man zu positiven Verfahren. Ein zusatz-
licher Term ist z.B.

r1
2h(v(X+Ax,t)-2v(x,t)+V(X-Ax,t»+
r2
2h(v(X+Ax,t+h)-2v(x,t+h)+v(x-~x,t+h»

mit

h/~x , s max p(A(x» , r 1=aJ..s , r 2=(1-a)J..s


xElR
-1 2
Diese Viskosi tat kann als Diskretisierung von s h J.. d 11 v aufge·:!iaBt
werden. Zusammen ergibt sich:

2(1+r 2 )v(x,t+h)RI
(r 1 I+aJ..A(x»v(x+Ax,t)+(2-2r 1 )v(x,t)+(r 1 I-aJ..A(x»V(X-Ax,t)
+(r2I+(1-a)J..A(x»v(x+Ax,t+h)+(r2I-(1-a)J..A(x»v{x-~x,t+h) •

Aufgrund dieser Naherung kann man sofort ein Differenzenverfahren


definieren. Es ist fur a=1 explizit, sonst implizit. Man zeigt leicht,
daB sich fur r 1 ~ 1, d.h.

aJ..s ~ 1

ein positives Verfahren ergibt. Wenn max p(A(x» nicht genau bekannt
ist, darf man s auch groBer wahlen. Die Bedingung a J.. s ~ 1 ist dann
allerdings einschrankender, da J.. kleiner gewahlt werden muB.
Bei der praktischen Durchfuhrung wird man sich auf Gitterpunkte
x = vrr/N, v = O(1)N beschranken. Die impliziten Verfahren fGhren dann
auf ein lineares Gleichungssystem mit 2N Unbekannten, namlich den
Komponenten von v{x,t+h). Die ersten Komponenten von v{O,t+h) und
v{rr,t+h) sind wegen der Randbedingungen immer Null. Die Matrix des
Systems ist eine Bandmatrix. Unter Ausnutzung der speziellen Struktur
von A(x) kann das Gleichungssystem weiter auf kleinere Systeme mit
tridiagonaler Matrix reduziert werden. Darum ist der Aufwand zur
Elimination der Unbekannten verhaltnismaBig gering.
89

'i'rotzdem ist es in der Regel gUnstiger, das explizite Schema


zu benutzen. Der zusatzliche Aufwand fUr implizite Verfahren lohnt
sich bei hyperbolischen Differentialgleichungen meistens nicht. Bei
parabolischen Gleichungen ist die Situation ganz anders. Die Losungen
parabolischer Gleichungen werden mit wachsendem t oft ironer glatter.
Dann mochte man beim Differenzenverfahren zu sehr groBen Werten von
h Ubergeheni vielleich 100 oder 1000 mal so groB wie am Anfang. Das
ist aber nur bei Verfahren moglich, die fUr jedes A = h/(~x)2 stabil
sind. So etwas gibt es nur bei implizi~en Verfahren. Bei den Losungen
hyperbolischer Differentialgleichungen darf man keine zunehmende
Glattung der Losung erwarten. Die GroBe der Ableitung bleibt in etwa
gleich. t und x sind gleichberechtigte Koordinaten. Wenn die Abbruch-
fehler nicht zu groB werden sollen, muB man das Verhaltnis A = h/~x
in etwa konstant halten. In unserem Fall empfiehlt sich die Wahl:
~x
a = 1, r 1 ~ 1, A ~ 1/s, h ~ ~ D

Bei den positiven Differenzenverfahren wird die Stabilitat bez. der


Norm II . 1100 betrachtet. Es gibt jedoch auch Differenzenverfahren,
die bez. II· 1100 nicht stabil sind, diese Eigenschaft aber bez.
II . 112 besitzen. Da der unmittelbare StabilitatsnachYleis im Einzel-
fall meistens langlich ist, mochte man auch in diesem Fall hand-
liche Stabilitatskriterien benutzen. Dies fUhrt zu der Definition
der positiv definiten Verfahren.

Definition 8.11: Es seien B = L2(m,~n), P(B,T,A) eine sachgemaB


gestellte Anfangswertaufgabe und MD = {C(h) IhE(O,hol} ein zugehoriges
Differenzenverfahren. Es heiBt positiv definit, wenn die folgenden Be-
dingungen (1) bis (4) erfUllt sind.
(1) FUr alle hE(O,hol, fEB und xEm gilt mit g C(h) (f) und
~x h/A, AEm+:

k
9 (x) = L A (x) f (x+v~x)
v=-k v

Dabei sind A ECo(m, MAT(n,n,JR)) (v=-k(1)k) •


v

k
(2) I =L A (x) (xEJR)
v=-k v

(3) Alle Matrizen A (x) (xEm, v=-k(1 )k) sind symmetrisch und
v
positiv semidefinit.
90

(4) Alle Matrizen A\} (x) erfiillen bez. der Norm II . 112 eine
Lipschitz-Bedingung:

II A\} (x) - A\} (y) II :5 Llx-yl (x,yElR, \}=-k(1)k) o

Bei den positiv definiten Verfahren ist im Unterschied zu den


positiven Verfahren nicht zugelassen, daB die Matrizen A\} (x) auch
von h abhangen. Als Folge davon laBt sich zeigen, daB die Bedingung
(2) bei konsistenten Verfahren immer erfiillt ist. In der Praxis sind
die Voraussetzungen bei positiv definiten Verfahren trotzdem weniger
hart, weil hier nicht wie bei den positiven Verfahren eine simultane
Diagonalisierbarkeit der Matrizen verlangt wird. Der folgende Satz
stellt das Analogon zu Satz 8.5 dar.

Satz 8.12: FY'ied:t'iahs.


Ein positiv definites Differenzenverfahren ist stabil. ffberdies gilt·:

II C(h) II = 1+0 (h)

Zum Beweis von Satz 8.12 stellen wir zunachst einen Hilfssatz bereit.

Hilfssatz 8.13: Es sei HEMAT (n, n, a:) hermitisah und positiv semidefinit.
Dann gilt
H 1 H H
Iz Hwl :5 i(z Hz+w Hw)
-T
z

fuweis: Es sei {~1""'~n} eine Orthonormalbasis des a: n mit


(i=1(1)n)

Es gelte:
n n
z=I:z.~. , w = I: w'~i
i=1 1 1 i=1 1 .

Dann konnen wir wegen Ai ~ 0 und

wie folgt abschatzen:


n n
I I: A.z.w. I < I: A. Iz.w. I :5
i=1 1 1 1 i=1 1 1 1
1 n 2 2 1 H H
i I: A.{lz.1 +lw.1 ) i{z Hz+w Hw) o
i=1 1 1 1
91

Beweis zu Satz 8.12: Wegen 8.11 (3) laBt sich mit Hilfssatz 8.13 wie
folgt abschatzen:

2+00 H +ook H
II g" = I(g(x» g(x)dx = I(
r (g(x» A (x)f(x+v~x»dx::
-00 -00 v=-k v
1+00 k H 1+00 k H
2 I( r (g (x» Av (x) g (x» dX+i I( r (f (x+v~x» Av (x) f (x+v~x» dx
-00 v=-k -00 v=-k

1 2
Der erste Sununand ist wegen 8.11 (2) gleich 2" g" • Den zweiten
Sununanden schatzen wir weiter ab:

+ook H k+oo H
I( r (f (x+v~x» A (x) f (x+v~x) ) dx= r I (f (x» A (x-v~x) f (x) dx=
-00 v=-k v v=-k -00 v
2 k +00 H 2 k
"f" + r f(f(x» (A (x-v~x)-A (x»f(x)dx<il f" (1+L r Ivl~x)
v=-k -00 v v - v=-k

Insgesamt erhalt man wegen A = h/~x mit K = A- 1 Lk(k+1) die Abschatzung:

" g ,,2 :: (1+L~x k (k+1» " f " 2 = (1+Kh) "f ,,2 •

Hieraus ergibt sich

" C(h) " :: (1+Kh) 1/2 :: exp(~ Kh) = 1+0(h)

" (C(h»m" :: exp(~ mKh) (mElN, m h !f T) [J

Beispiel 8.14: Positiv definite Differenzenverfahren fur ein hyperboZisehes


AnfangswertprobZem.
Wir betrachten wieder das hyperbolische Anfangswertproblem aus Bei-
spiel 8.9:

d 2 U(X,t) = A(X)d 1 U(X,t) + q(x,t)

u(x,O) = ((J(x) (xElR, tE(O,T»

Dabei sei AECoo (lR, MAT (n,n, lR» symmetrisch, normbeschrankt und er-
flille eine Lipschitz-Bedingung bez. " . "2. Es folgt, daB p (A (x) )
beschrankt ist. Die Aufgabe ist im Banachraum B = L2(lR,~n) sachge-
maB gestellt.
Das Friedriehs-Verfahren

C(h) = ~{(I-AA(X»T~~+(I+AA(X»T~x} , h/~x

ist positiv definit, wenn die Matrizen I-AA(x) und I+AA(x) positiv-
92

semidefinit sind (Bedingung (3». Dies ftihrt wieder auf die Forderung:

o < A sup p(A(x» ~ 1 • (8.15)


xEm
Die anderen Bedingungen aus Definition 8.11 sind fur aIle AEm+ er-
fuUt.
Beim Verfahren von Courant-IsaaCJson-Rees

C(h) AA - (x)TAX+[I-A(A
-1 + (x)+A- (x»]I+AA+ (X)T h/AX
Ax '

muB gezeigt werden, daB die Matrizen

M(x) D- (x) M- 1 (x)


M(X)D+(X)M- 1 (x)
+ -
I-A(A (x)+A (x» = I-A diag(IAi(X) I)

symmetrisch und positiv semidefinit sind und Lipschitz-Bedingungen


bez. II· 112 erfuUen. Dazu machen wir die Annahme: M(x) ist stets
orthogonal. Offensichtlich sind die Koeffizientenmatrizen dann
symmetrisch. Wegen 8.15 sind sie auch positiv semidefinit. Die Lip-
schitz-Bedingungen ergeben sich nur fur M(x) =CJonst. unmittelbar.
Sie sind aber noch unter wesentlich allgemeineren Voraussetzungen
richtig. Wir verzichten auf eine genaue Diskussion. c

In den bisherigen Beispielen lassen sich noch Terme

b (x)u (x,t) , bECo (m,m) beschrankt

oder

B(x)u(x,t) , BECo (m, MAT (n,n,m» normbeschrankt

addieren, ohne daB sich an den vorliegenden Verhaltnissen wesentliches


andert. In den Differenzenoperatoren erscheint dann namlich ein zu-
satzlicher Summand

hb(x)I

oder

hB(x)I ,

so daB aus Satz 5.13 (Satz von Kreiss) die Stabilitat der neuen Diffe-
renzenverfahren folgt.
93

Bei einer parabolischen Differentialgleichung lage noch die


Addition eines Terms

a{x)3,u{X,t)

nahe. Die Diskretisierung dieses Terms ware etwa

a{x) (U{X+6x,t)-U{x,t) )/6X

Insgesamt ergibt sich dann ein Differenzenoperator, der sich urn


O{6x) = O{h1 / 2 ) vom ursprUnglichen Operator unterscheidet. Uber
Storungen dieser Art sagt der Satz von Kreiss nichts aus (siehe
aber Richtmyer-Morton 1967, Abschn. 5.3).

9 Fourier-Transformationen von Differenzenverfahren

Die Diskretisierungen von reinen Anfangswertproblemen fUr par abo-


lische oder hyperbolische Differentialgleichungen mit konstanten Ko-
effizienten fUhren auf besonders einfache Differenzenverfahren. Falls
als Banachraum einer der Raume L2 (]R, ~n), L2 «o,2n) ,~n) oder
L2«O,n),~n) zugrunde gelegt wird, lassen sich die Stabilitatsunter-
suchungen durch die EinfUhrung von Fourier-TransfoY'lTlationen erheblich
vereinfachen. Dazu stellen wir zunachst einige Grundtatsachen Uber
Fourier-Reihen und Fourier-IntegraZe zusammen. Die Beweise findet man in
Yosida 1966, Kap. VI.
Damit der Translationsoperator auch auf Funktionen aus den
Raumen L2 «O,2n) ,~n) oder L2 «O,n) ,~n) angewendet werden kann, setzen
wir die Funktionen auf ganz ]R fort. t'1ir fordern fUr alle xE]R:

f (x+2n) f{x) beim Raum L2 «O,2n),~ n )

f(x+2n) f(X)}
beim Raum L2 «O,n),~ n ) .
f(x) = -fe-x)
Der Raum L2{{O,n),~n) ist vermoge der obigen Funktionalgleichungen
ein abgeschlossener Unterraum von L2({O,2n),~n). Abweichend von der
Ublichen Sprechweise nennen wir Elemente der Raume L2 {{O,2n) ,~n)
bzw. L2({O,n),~n) v-mal stetig differenzierbar (v=O(')~), wenn dies
fUr ihre Fortsetzungen erfUllt ist. FUr jede v-mal stetig differen-
zierbare Funktion f gilt dann:
94

f(jJ) (O) = f{jJ) (2n) 0(1)v) falls fEL 2 ({0,2n),a: n )


f (2jJ) (O) = f (2jJ) (n) = 0 2 n
0(1)~) falls fEL ({O,n),e ) •

In die beiden Raume L2 {{0,2n) ,a: n ) und L2 {{0,n) ,en) sind also
wie in die Raume B2n und B4n aus Kap. 8 Randbedingungen eingebaut.
Der Unterschied gegentiber den dortigen Banachraumen liegt in der
Norm.

Sa tz 9. 1: (1) Die AbbiZdung

2 n 12 (IT'n)
n,n : L {(0,2n),a: ) '"
.9:2 ->

definiert durch

f .... {a{v) IvE7D


2n
a(v) = f f(x)exp{-ivx)dx
(2n)-1/2 (9.2)
o
ist ein normtreuer Isomorphismus des L2 {{0,2n) ,a: n ) auf den l2(a: n );d.h . .9:
2n,n
ist linear, injektiv und surjektiv und erfallt die Beziehung

II .9:2
n,n (f) II = II f II (fEL 2 ({O, 2n),a: n ) •
2 n
(2) Es sei aEl (a: ) und

jJ
f (x)
jJ
= (2n)-1/2 I a{v)exp{ivx) (jJElN, xE{0,2n» .
V=-jl

Dann ist die Fo 1ge {f I jJ E IN} eine Cauchy-Fo 1ge in L 2 ( (O, 2 n) , a: n ) und konvergiert
folglich gegen ein El!ent fEL 2 {{0,2n) ,a: n ). Die durch die Zuordnung

a .... f

definierte AbbiZdung von 12 (a: n ) in L2 { (O, 2n) , a: n ) ist die Inverse von :72
n,n
Wenn die Abbildung fEL 2 {{0,2n),a:n ) stetig und von beschrankter Varia-
tion ist, laBt sich tiber Satz 9.1 hinausgehend sogar zeigen, daB
die mit den nach (9.2) bestirnmten Koeffizienten a{v) gebildete un-
endliche Reihe
+ex>
(2n)-1/2 I a{v)exp{ivx) (9.3)
v=-co

gleichrnaBig gegen f konvergiert. In vielen Zusarnmenhangen genligt


aber die Konvergenz im Mittel, d.h. im Sinne der Norm des L2 {{0,2n),a:n )
In jedem dieser FaIle heiBt die obige unendliche Reihe Fourier-Reihe
von f. Vom physikalischen Standpunkt aus besagt die Darstellung, daB
95

f(x) sich als Superposition von (komplexen) harmonischen Schwingungen


(das sind die Schwingungen mit den Frequenzen v=O,+1,+2, ... ) dar-
stellen last. Der Raum L2 «O,TI) ,~n), a~fgefaBt als-un~erraum von
L2 ( (0,2 TI) , ~ ~, wird durch :72 TI,n abgebildet auf die Menge

Die Entwicklung in (2) ist dann eine reine Sinus-Entwicklung:

f
)1
(x) ( 2 TI) -1 / 2 ~ a ( v ) exp ( i vx) 2i(2TI)-1/2 ~ a(v)sin(vx)
V=-)1 v=1

1m Faile nicht periodischer Funktionen treten die Fourier-lnte-


grale an die Stelle der Fourier-Reihen.

Satz 9.4: Es sei fEL2 (JR,a: n ) und

-1/2
a (y)
)1
(2TI) J f(x)exp(-iyx)dx
)1

-)1

b (y) = (2TI) -1 /2
)1
f f (x) exp (iyx) dx
Dann sind die Polgen {a I)1ElN} und {b I)1ElN} Cauchy-Polgen in L 2 (JR, ~n) und
konvergieren folgZich ge~en Elemente a,bEL 2 (JR, ~n). Die durch die Zuordnungen

f .... a

f .... b

definierten Abbildungen sind normtreue Automorphismen des L2 (JR ,~n) auf sich;
d.h. die Abbildungen sind linear, injektiv und surjektiv und erfUllen die Be-
ziehung

II a II = II f II = II b II

Die zweite Abbildung ist die Umkehrung der ersten. Wir bezeichnen die erste mit
:T und die zweite mit :T- 1 •
n n

Zur Vereinfachung der Schreibweise werden wir im folgenden bisweilen


auch etwas unprazise
+00
:Tn (f) (y) = (2TI)-1/2 J f(x)exp(-iyx)dx a (y) (9.5)
-00
+00
-1
Y n (a) (x) = (2TI)-1/2 J a (y) exp (ixy) dy f(x) (9.6)
-00
96

schreiben. Dabei wird nicht berUcksichtigt, daB die Integrale irn


allgemeinen nur im Mittel konvergieren. Nur in speziellen Fallen -
z.B. fUr Abbildungen f bzw. a mit kompaktem Trager - ergibt sich
punktweise Konvergenz der Integrale.
Die Darstellung (9.6) heiBtFourier-Integral von f. Vom physika-
lischen Standpunkt aus besagt sie, daB f(x) sich nicht aus den harmon-
ischen Schwingungen aIle in aufbauen laBt, sondern daB (kornplexe)
Schwingungen aller Frequenzen y auftreten. Dernentsprechend muB die
unendliche Reihe (9.3) durch ein Integral ersetzt werden, wobei der
"infinitesimale" Faktor a(y)dy dem frUheren Koeffizienten a(v) ent-
spricht.
Die folgenden Hilfssatze beschreiben wichtige Rechenregeln fUr
die Fourier-Reihe und das Fourier-Integral.

Hilfssatz 9.7: Es sei E/).x: lR -+ a:: j'ii.r 6xElR+ durah E6X (X) exp (iX6X)
definiert. Dann gilt:
2 n
(1) Y21T ,n(T/).x(f» (v) = E6X (V) • Y21T ,n(f) (v) (fEL «0,21T),a:: ),vE7Ll •

(2) Yn(T/).x(f» = E6x (·)Yn (f) (fEL 2 (lR ,a:n ) )

Beweis: zu (1): Die Behauptung ergibt sich aus der Beziehung

-1/2 21T -1/2 21T


(21T) IT 6X (f) (x) exp (-ivx) dx= (21T) I f (x) exp (-ivx) exp (iv6X) d:x
o 0

zu (2): Es sei ~EC'(lR ,a:n ) eine Funktion mit kompaktem Trager, d.h.
es gelte ~(x) = 0 fur xElR-[-~,~] mit geeignetem ~EJN. Dann konnen
wir umformen:
~+/).x ~ ~
I ~ (x+/).x) exp (-iyx) dx= I ~ (x) exp (-iy (X-6X) ) dX=E 6x (y) I ~ (x) exp (-iyx) dx
-~+/).x -~ -~

Hieraus folgt mit Satz 4.10(1) die Behauptung, da die Abbildungen


Yn' T6X und f H E6X (')f(') beschrankt sind. c

Hilfssatz 9.8: Es sei n(x) = ix. Die Funktion fECco(lR ,a:: n ) erfUUe j'ii.r aUe
jEJN und alle Polynome P die Waahstumsbedingung

sup II P(x)f(j) (x) II < co .


xElR
Dann gilt fUr aUe qEJN:

Y (f(q»
n
97

Da der zweite Hilfssatz nicht zur untersuchung von Differenzenverfah-


ren benatigt wird, verzichten wir auf den Beweis und gehen auch nicht
auf die maglichen erheblichen Abschwachungen der Voraussetzungen ein.
Stattdessen wenden wir ihn auf ein einfaches Beispiel an, in dem ge-
zeigt werden soll, wie wertvoll die Fourier-Transformation auch fur
die Lasung von Differentialgleichungen mit konstanten Koeffizienten
ist.

Beispiel 9.9: Parabolische Differentialgleichung im Sinne von Petrovski.


Es sei qE~ und aE[. Wir betrachten die Differentialgleichung

(9.10)

Die Lasung u(x,t) und d 2U(X,t) erfulle fur jedes feste t die Wachs-
tumsbedingung aus Hilfssatz 9.8. Die Fourier-Transformation wenden
wir bezuglich der Variablen x an, wahrend t die Rolle eines Schar-
parameters spielt:

v(y,t) = 71 (u(· ,t» (y)


d 2 v (y , t) = 71 (d 2 u ( . , t) ) (y)

Dann folgt mit Hilfssatz 9.8:

v genugt also einer gewahnlichen Differentialgleichung bez. t und


laBt sich folglich in der Form

v(y,t) = exp(a(iy)qt)v(y,O)

darstellen. Durch Rucktransformation ergibt sich:

u(x,t) = 71-1 (exp(a(iy) q t)c\71 (u(·,O» (y» (x) (9.11)

Damit haben wir eine erste Integral-Darstellung der Lasung gewonnen.


Durch die Petrovskische Bedingung

fur reelle a gleichbedeutend mit

q ungerade oder a(-1)q/2 ~ 0 (vgl. Beispiel 1.13),

wird sichergestellt, daB v(y,t) nicht schneller als v(y,O) wachst.


Fur rein imaginare a und gerade q ist die Petrovskische Bedingung
immer erfull t.
98

Wir wollen die Darstellung (9.11) fur aEm und in den Fallen
q = und q = 2 noch etwas vereinfachen:
q = 1:
1 -too -too ~ ~ ~
u (x, t) 211 f exp (iayt) ( f u (x ,0) exp (-ixy) dx) exp (ixy) dy
-co -00

Durch den Ubergang x ~ x-at folgt hieraus

1 -too -too ~ ~ ~
u(x-at,t) 211 f (fu(x,O)exp(-ixy)dx)exp(ixy)dy
-00 _00

und somit

u(x-at,t) = u(x,O) .

Dies ergibt die Losungsdarstellung

u(x,t) = u(x+at,O) .

q = 2:
1 +00 2 +00

u(x,t) 211 fexp(-ay t) (fu(x,o)exp(-ixy)dx)exp(ixy)dy


-00 -00

1-too+00 ~ 2 ~ ~
211f fu(x,O)exp(-ay t+ixy-ixy)dx dy
-00 -00

Die Integrationsgrenzen durfen wegen des schnellen Abfalls von


u(x,O) fur t > °
vertauscht werden. Man erhalt

1 -too ~ -too 2,,~ ~


u(x,t) = 211 f u(x,O) ( f exp(-ay t+1XY-1Xy)dy)dx.
-00 -00

Das innere Integral laBt sich wegen


~ 2
x-x 2
-at (y-i-) (x-x)
-alt + iy (x-x) 2at 4at

weiter vereinfachen:

+<X> 2 (x_~)2 -too 2


f exp (-ay tHy (x-x) ) dy
~
exp(- 4at ) f exp(-atw )dw
-00 -00

Das rechte Integral ist eigentlich ein Integral langs einer Paral-
lelen zur x-Achse. Nach dern Cauchyschen Integralsatz stimrnt es je-
doch mit dem Integral langs der x-Achse uberein. Es ergibt sich weiter:

-too 2 ~ -1/2 (x-x) 2 -too 2


fexp(-ay tHy(x-x))dy=(at) exp(-~) fexp(-z )dz
-00 -00
99

Bekanntlich ist (vgl. Behnke-Sommer 1962, Kap. III, § 5):

+= 2
J exp (-z )dz = Vrr •
-00

Somit erhalten wir als Darstellung der Losung (vgl. auch Beispiel
1 .10) :
-to:> ~ 2
J u (x,O)
~ (x-x) ~
u (x,t) exp(- Tat) dx (t > 0) •
-00

Fur a = ib mit bEm und q = 2 entspricht die Gleichung (9.10) einer


Schr6dinger-Gleichung (vgl. Beispiel 1.13) oder einer Differential-
gleichung aus der Elastizitatstheorie, die die Schwingung eines dunnen
Brettes beschreibt (vgl. Beispiel 9.29). In diesem Fall wird sie
haufig auch als Differentialgleichung vierter Ordnung formuliert. Mit
der Substitution u = u 1 +iu 2 ergibt sich das System

Hieraus folgt:

Wir wollen die Darstellung (9.11) noch etwas vereinfachen. Wie oben
erhalt man fur q = 2 und t > 0:

1+00~ +00 2 ~ ~
u(x,t) = 2rr J u(x,O) ( J exp(-iby t+i(x-x)y)dy)dx
-00 -00

Das inn ere Integral laBt sich wegen

~) y = -ibt[y 2 - x-x
"b y 2t+l"( x-x
-l bt yl
~ 2 ~ 2
) 2- (x-x) 1
x-x x-x 2
-ibt[ (y- -
2bt -ibt(y- 2bt) + l" (x-x)
4bt
4b 2 t 2
weiter vereinfachen:
+= ~2-to:>
J exp(-ibit + i(x-x)y)dy = exp(i (~~~) ) J exp(-ibtw 2 )dw =
-00
~ 2 +00
-1/2 (x-x) 2
2(lblt) exp(i 4bt ) Jexp(-i sign(b)z )dz .
o
100

Nach Behnke-Sommer 1962, Kap. III, § 5 gilt:

+00 2
f exp(+iz )dz
o

Es folgt:
+00 ~ 2
fexp(-iby2t+i(x-i)y)dy=Vn!(lblt)1 exp(-i Sign(b)n/4)exp(i(~~~) )

Insgesamt ergibt sich fur t > ° als Darstellung der Lasung:


-1/2 ~
f u(x,O)exp(i
+CO (x-i) 2 ~
u(x,t) = (4nlblt) exp(-i sign(b)n/4) 4bt )dx
-00

Stattdessen kann man auch schreiben:

-1/2 +co ~ (x-i) 2 ~


u(x,t) = (4nlbtl) exp(-i sign(bt)n/4) fu(x,O)exp(i 4bt )dx
-00

Diese Formel ist auch fur t < °


richtig. Das Vorzeichen von b kann
beliebig gewahlt werden. Die Lasung besitzt offenbar einen unend-
lichen Abhangigkeitsbereich. c

Wir kornrnen jetzt zur Untersuchung der Stabilitatseigenschaften von


Differenzenverfahren mit Hilfe der Fourier-Transformation. Dazu sei
im folgenden generell vorausgesetzt:
- Jist eines der Intervalle lR, (O,2n), (O,n)
- B = L 2 (J,cr n )
P(B,T,A) ist eine sachgemaB gestellte Anfangswertaufgabe.

Definition 9.12: Es sei MD = {C(h) IhE(O,hol} mit

ein Differenzenverfahren. Dabei sind alle A (x,h), B (x,h)E~ffiT(n,n,lR)


v v
und es ist

/::"x = h/ A oder /::"X = Vfl1A ,


(1) Die durch die Vorschrift
101

definierte Abbildung von (O,h 1xlR xJ in MAT(n,n,a:) heiBt VersUirkungs-


o
matrix (engl. arrrplification-matrix) zu MD. Sie ist in y (2n/t.x) -periodisch.
(2) Mo heiBt Differenzenverfahren mit ortsunabhangigen Koeffizienten,
falls A und B nicht von x abhangen. Statt G(h,y,x) schreiben wir
v v
dann kUrzer G(h,y). 0

Der folgende Satz gibt eine notwendige und hinreichende Bedingung fUr
die Stabilitat eines Differenzenverfahrens mit ortsunabhangigen Ko-
effizienten an. Er wird mit Hilfe der Fourier-Transformation bewiesen.

Satz 9.13: Ein Differenzenverfahren mit ortsunabhangigen Koeffizienten ist genau


dann stabil, wenn es eine Konstante KElR + gibt, so dafJ fUr die SpektraZnorm
II • "2 der Verstiirkungsmatrix giU:

"(G(h,y»1.1 "2:::: K (hE(O,h ], I.IEJN, I.Ih :::: T, yEF) •


o
Dabei ist

fi.ir J lR
fi.ir J (O,2n)
fi.ir J (O,n)

Beweis: 1. FaU: F = lR:


Wir zeigen zuerst, daB die Bedingung

/I (G(h,y» 1.1 "2 < K

hinreichend fi.ir die Stabilitat ist. Dazu sei gl.l fi.ir fEB durch

g jl = (C (h» 1.1 (f)

definiert. Mit Hilfssatz 9.7(2) ergibt sich

Y (g) = (G(h,.»l.Iy (f)


n 1.1 n
Da Yn nach Satz 9.4 normtreu ist, konnen wir wie folgt abschatzen:

II gjl " = /I Yn(gjl) " = /I (G(h,.»I.IYn (f) /I ::::

max /I (G(h,y»1.1 "2 . /I Yn(f) " :::: KI/ f" .


yElR

Den Beweis der urngekehrten Richtung fi.ihren wir indirekt. Wir


nehrnen also an, daB es fi.ir beliebiges KElR+ ein wElR, ein hE (O,hol
und ein IEJN mit Ih<T gibt, so daB die Beziehung
~ I
/I (G(h,w» 1/ 2 > K
102

erfUllt ist. Wir setzen

S(y) = (G(h,y»l

A = II S (w) II 2 •

Dann gibt es ein vE~n mit

v HSH (w)S(w)v = A2v Hv

und eine stetige und quadratintegrierbare Funktion f: m~ ~n mit


f(w) = v. Es folgt:
AH H A 2AH A
f (w) S (w) S (w) f (w) > K f (w) f (w) •

Wegen der Stetigkeit von f gibt es ein nichtentartetes Intervall


[Y1'Y2]' so daB gilt:

(9.14)

Wir definieren:

(yE[Y1'Y2])
f (y)
(yElR -[Y1 'Y2])
g

Wegen (9.14) haben wir

Somit ergibt sich unter Berucksichtigung von Satz 9.4 und Hilfssatz
9.7(2):

II S(·)f II = II (G(h,.»IYn(g) II II Yn{{C{h»l{g» II


II (C (h» I (g) II > KII f II = KII g II

Das Differenzenverfahren kann folglich nicht stabil sein.


2. FaZZ: IF = 7L oder IF = N:
Der Beweis erfolgt analog zum 1. Fall. An die Stelle des Fourier-
Integrals Yn(f) tritt die Fourier-Reihe 7.2 TT,n (f). Die Aussagen von
Satz 9.4 werden durch Satz 9.1 ersetzt. An die Stelle von Hilfssatz
9.7(2) tritt 9.7(1). []

Aus dem vorstehenden Satz folgt, daB ein im Raurn L2 (m, ~n) stabiles
Differenzenverfahren auch in den Raumen L2 {(O,2TT) ,~n) und L2{{O,TT),~n)
stabil ist. Die Umkehrung dieser Aussage braucht nicht notwendig zu
103

gelten. Alle solchen Oifferenzenverfahren sind allerdings patho-


logisch. Oeshalb prUft man in der Praxis auch bei Verfahren im Raum
L2{{O,2TI),~n) oder L2 {{O,TI) ,~n) die Normbeschranktheit der Potenzen
der Verstarkungsmatrix fUr yElR und nicht fUr yE 7L oder yElN nach.
Oie in Satz 9.13 angegebene notwendige und hinreichende Bedin-
gung fUr die Stabilitat eines Oifferenzenverfahrens mit ortsunabhan-
gigen Koeffizienten ist im allgemeinen noch schwierig nachzuprUfen.
Oer folgende Satz gibt ein einfaches notwendiges Kriterium an.

Satz 9.15: Von-Newnann-Bedingung.


Es sei ~ ein Differenzenverfahren mit ortsunabhangigen Koeffizienten. Die
Eigenwerte der Verstarkungsmatnx G (h, y) zu ~ seien mit

A. (h,y) (j = 1 (1) n, hE (O,hol, yElF)


]

bezeiahnet. Notwendig far die StabiZitat von MO ist die Existenz einer Konstanten
K>Omit

I)'" (h,y) I :::: 1+K h (j = 1 (1) n, hE (O,hol, yElP) .


J

Beweis: Es sei MO stabil und es gelte folglich nach Satz 9.13:

II (G{h,y))llI12 ~ K

Wegen

folgt

und daraus fUr llh~T/2:

IAj{h,y) I ~ K1/ll :::: K2h / T = exp{2h{log K)/T) :::: 1+Kh. c

Sa tz 9. 1 6: Die Von-Newnann-Bedingung

I A. (h,y) I < 1+Kh


J -
(j = 1 (1)n, hE{O,h l, yElF)
o

aus Satz 9.15 ist hinreiahend far die StabiZitat des Differenzenverfahrens ~,
faZZs eine der foZgenden Bedingungen erfUZZt ist:
(1) Die Verstarkungsmatrix G{h,y) ist stets normaZ.
(2) Es gibt eine von h unabhangige lthnUahkeitstransformation, die aUe
Matnzen A (h), B (h) simuUan auf DiagonaZform bringt.
v v
104

(3) Es ist G(h,y) = a(w) mit w = yl::.x und I::.x = hi>" odeI' I::.x ~.
AuJ3erdem tritt fUr jedes wE:m einer del' drei foZgenden FaZZe ein:

(aJ) G(w) hat n versahiedene Eigenwerte.


(bJ G(]J) (w) y I fUr ]J = O(1)k-1, a(k) (w) hat n versahiedene Eigenwerte
]J
(aJ p(G(w)) < 1.

Oem Beweis von Satz 9.16 schicken wir drei Hilfssatze voraus.

Hilfssatz 9.17: Es sei AEMAT (n,n,a:) eine Matrix mit p (A) <1. Dann gibt es
eine Matrixnorm II· lis mit II A lis < 1 und II B'C lis ~ II B lis' II C lis fUr aUe
B,CEMAT(n,n,a:) •

Zum Beweis siehe Householder 1964.

Hilfssatz 9.18: Esseien GECo(lR,MAT(n,n,a:)) und w ElR.AuJ3erdemhabe


°
G (w o ) n versahiedene Eigenwerte. Dann gibt es ein E > 0 und AbbiZdungen
S,OECO((WO-E, wo+e:) , MAT(n,n,a:)), soda.J3furaz,ze wE (WO-E, wo+e:) gilt:
(1) O(to) ist eine DiagonaZmatrix.

(2) S (w) ist reguZar.

(3) O(w) = s-1 (w)G(w)S(w).

Den Beweis Uberlassen wir dem Leser. Die Voraussetzungen des Hilfs-
satzes kann man etwas abschwachen.

Hilfssatz 9.19: Es seien GECk(lR, MAT(n,n,a:)) una. woElR. FUr ]J = O(1)k-1


sei G (]J) (w ) = Y I. G (k) (w ) habe n versahiedene Eigenwerte. Dann gibt es ein
O]J °
E > 0 una. AbbiZdungen S,OECo((w -E, w +E), MAT(n,n,a:)), so daf3 fUr aUe
w E (w o -E, Wo +e:) gilt: ° °
(1) o (w) ist eine DiagonaZmatrix.
(2) S(w) ist reguZtir.

(3) o (w) = S-1 (w)G(w)S(w).

Beweis: Nach dem Taylorschen Satz gilt

G(w)

Gist stetig. G(w o ) hat n verschiedene Eigenwerte. HilfsSatz 9.18


- angewandt auf G - ergibt die Behauptung. c
105

Beweis von Satz 9.16: zu Da der Spektralradius und die Spektral-


(1):
norm von normalen Matrizen Ubereinstimmen, impliziert die Abschat-
zung fUr die Eigenwerte auch eine Abschatzung

fUr die Norm der Potenzen der Verstarkungsmatrix.


zu (2): Es sei S die Hatrix, die alle Matrizen A (h) und B (h)
v v
simultan auf Diagonalform bringt:

S-1 A (h)S D (h)


v v
(v=-k(1 )k)
s-1 B (h)S
v
Dv (h)

Dann gilt:

S-1G(h,y)S = C=~_kexP(iVY.6X)Dv(h))-1 C=~_kexP(iVY.6X)Dv(h)) .

Die transformierte Matrix S-'G(h,y)S ist normal und hat die gleichen
Eigenwerte wie G(h,y). Somit ergibt sich:

II (S-1 G(h,y)S))J 112 ~ exp(KT)

II (G(h,y)))J "2 ::: II S "2 II S-1 "2 exp(KT) .

zu (3):G(w) ist als rationale Funktion von exp(iw) beliebig oft


differenzierbar und 2n-periodisch. Wir beweisen zunachst die Be-
hauptung: Zu jedem woEm gibt es ein E>O und K>O, so daB fUr alle
vElN und alle w E (WO-E, wo+d gilt:

Die Konstanten E und K hangen zunachst von Wo abo Da endlich viele


offene Intervalle (WO-E, WO+E) bereits das Intervall [O,2n] Uber-
decken, ist eine solche Abschatzung mit anderem K fUr alle wEm
richtig.
Zum Beweis der Behauptung (3) haben wir drei Falle zu unter-
scheiden, je nachdem, welche der Voraussetzungen (a), (b) oder (c)
fUr Wo zutrifft:
Fall (a): Spezialfall von (b) fUr k = 0.
Fall (b): G
und Wo erfUllen die Voraussetzungen des Hilfssatzes
9.19. Die GroBe E aus dem Hilfssatz nennen wir hier 2E. FUr
... v
W E (W O-2E, WO+2E) hat (G) dann die Darstellung
V v -1
(G(w)) = S(w) (D(w)) S
A
(w)
106

Es sei

In der Diagonalen von D(w) stehen die Eigenwerte von G(h,y). Sie
hangen nur von w, aber nicht explizit von h abo Aus der Von-Neumann-
Bedingung folgt darum

IID(w) 112 < 1


II (G(w))v 112 ::: K

Fall (c): G(w o ) erfUllt die Voraussetzung von Hilfssatz 9.17.


Es sei

Man kann c > ° so klein wahlen, daB fUr alle w E (wo-c,wo+c) noch
gilt:

1
A

II (G(w))
V
lis s Z(L+1) < (vEJN) •

Da sich die Spektralnorm durch II . II s abschatzen li'iBt, folgt:

Alle Verfahren, die die Von-Neumann-Bedingung erfUllen, nennt man


auch schwach-stabil. Einige dieser Verfahren sind nicht stabil (vgl.
Beispiel 9.28 und Beispiel 9.30). Man konnte sie also auch schwach
instabil nennen. Sie konvergieren in der Regel trotzdem fUr genUgend
oft differenzierbare Losungen der Aufgaben. Das ist kein Gegensatz
zum ~quivalenzsatz von Lax-Richtrnyer (Satz 5.11), weil dort von
der Konvergenz fUr alle verallgemeinerten Losungen die Rede ist. In
vielen Fallen sind schwach stabile, aber nicht stabile Verfahren so-
gar praktisch brauchbar.

Als nachstes berechnen wir die Verstarkungsmatrizen fUr eine Reihe


konkreter Differenzenverfahren mit ortsunabhangigen Koeffizienten.
Auf diese Weise kann man am leichtesten die Stabilitat oder In-
stabilitat solcher Verfahren beweisen. Praktisch sind die Ergebnisse
fUr die drei Raume L2 (JR, a: n ), L2 ((0,2rr),a: n ) und L2 ((O,rr),a: n .
) glelch.
Wir beschranken uns darum bei den Beispielen auf den zuerst ge-
nann ten Raum.
107

Alle Verfahren, die in den Kapiteln 6 und 8 behandelt wurden,


werden noch einmal aufgefUhrt. Man beachte aber, daB sich nur fUr
Differentialgleichungen mit konstanten Koeffizienten Verfahren mit
ortsunabhangigen Koeffizienten ergeben. In den frUheren Kapiteln
wurden auch Gleichungen mit nichtkonstanten Koeffizienten untersucht.
Die Stabilitat ist im folgenden immer im Sinne der Norm des
L2(lR, ~n) gemeint. Positive Verfahren sind dagegen im Sinne der
Maximumnorm stabil. Dies ist eine weiterreichende Aussage. Daher ist
ein Vergleich der hier ermittelten Stabilitatsbedingungen mit den
Positivitatsbedingungen aus Kapitel 8 sehr interessant. Die eigent-
liche Bedeutung der Stabilitatsanalyse mit Fouriertransformationen
ergibt sich aber aus der Erfahrung, daB eine Reihe stabiler, guter
Verfahren fUr kein Schrittweitenverhaltnis A = h/~x bzw. A = h/(~x)2
positiv oder positiv definit ist. Dazu gehoren vor allem einige
interessante Verfahren hoherer Ordnung.
Unsere derzeitige Beschrankung auf Differentialgleichungen mit
konstanten Koeffizienten darf nicht miBverstanden werden. In diesem
Spezialfall ist die Theorie besonders einfach und besonders leicht
anwendbar. Aber auch bei vielen anderen Differentialgleichungen ist
eine Analyse der Differenzenverfahren mit Hi~fe der Verstarkungs-
matrix moglich. Wir kommen spater kurz auf diesen Sachverhalt zurUck.
In allen Beispielen ist A = h/~ oder A = h/(~)2, je nach
Ordnung der Differentialgleichung. Wir setzen stets w = y~x.
Da y alle reel len Zahlen durchlauft, gilt das gleiche fUr w.

Beispiel 9.20: (vgl. Gleichung 6.3 und Beispiel 8.6).


DifferentiaZgZeiehung:

a > 0 .

Verfahren:

C (h) [I- (1-a) AH (~) ) -1 [HaAH (~) )

mit
-1
H(~) = a[T~-2I+T~)

a€[0,1 )

Verstarkungsmatrix:

G(h,y) = [1+aAH(h,y))/[1-(1-a)AH(h,y))

mit

H(h,y) - 2a(1-cos w) •
108

Wie alle Matrizen aus MAT (1 ,1,~) ist G(h,y) normal. Die Von-
Neumann-Bedingung ist darum notwendig und hinreichend fur die Stabi-
litat. Es ist 2 ~ E = 1-cos w ~ O. Die Forderung

IG (h,y) I ::::

impliziert also

2aah - 1 :::: 1+2a(1-a)AE •

Darum lautet die StabiUtatsbedingung

2aA (2a-1) :::: 1

Genauer heiBt das

a :::: 1/2 oder 2aA::: 1/(2a-1) .

Fur a = 1 (expliziter Fall) und a = 0 (total impliziter Fall) sind


das genau die Bedingungen aus den Satzen 6.5, 6.6 und dem Beispiel
8.6. Fur aE(O,1) ist die Positivitatsbedingung

2aA :::: 1/a

aber wesentlich einschrankender. Das beliebte Crank-NiahoLson-Verfahren


(a = 1/2) ist z.B. fur alle A > 0 stabil, aber nur fur A :::: 1/a
positiv.
Fur die Kombinationen von A und a, fur die C{h) stabil ist,
gilt sagar

II C (h) 112 :::: 1

und fur die Kombinationen, fur die C{h) positiv ist, gilt

II C (h) II "" :::: 1

Die Stabilitat ist also IgleichmaBig" in A und a. Aus dieser Tat-


sache folgt, daB man h und Ax unabhangig voneinander gegen Null gehen
lassen kann. Dabei darf auch a von h abhangen. Wenn stets

2a(2a-1)h/(Ax)2:::: 1,

ist das Verfahren konvergent in der Norm II • 11 2 • Fur

2aah/(Ax)2 ::::

erhalt man daruber hinaus auch Konvergenz in der Norm II • II""


109

Am Anfang der Rechnung empfiehlt sich die Wahl 0 = 1, weil man


dann sowieso die Schrittweite h klein wahlen sollte. Mit fortschrei-
tendem t und fortschreitender Glattung der Losung mochte man zu
1
groBeren Werten von h Ubergehen. Dann empfiehlt es sich, oE[2,1) zu
wahlen.
In Beispiel 8.7 wurde ein besonders genaues Verfahren unter-
sucht. FUr aA ~ 1/6 kann es als Spezialfall der gerade betrachteten
1 1
Verfahren angesehen werden. Man hat dazu 0 = 2 + 12aA zu wahlen. Das
Verfahren stimmt also fUr aA = 1/6 mit dem expliziten Verfahren Uber-
ein und nahert sich mit wachsendem Adem Verfahren von Crank und
Nicholson. Die Stabilitatsbedingung 2aA ~ 1/(20-1) ist stets er-
fUllt. DemgegenUber ergibt die Positivitatsbedingung 2aA ~ 1/0 die
Forderung aA ~ 5/6. 0

Beispiel 9.21:
Differentialgleichung:
2
32u(x,t) = a3 11 u(x,t)+b3 1U(X,t)+cu(x,t)
a > 0 und b,cElR .

Verfahren:

Verstarkungsmatrix:

G(h,y) = 1-2aA(1-cos w)+ibYhr sinw + ch

Die Von-Neumann-Bedingung ist wieder notwendig und hinreichend.


Es ist
2 2
IG(h,y) 1 = [1-2aA (1-cos w) 1 +O(h) .

Fall 1: 2aA > 1.


FUr w = IT folgt limIG(h,y) 12 > 1. Das Verfahren ist instabil.
h ...O
Fall 2: 2aA < 1.
2
Aus IG(h,y) 1 ~ 1+0 (h) folgt IG(h,y) 1 ~ 1+0 (h) . Das Verfahren ist
stabil.
Die Stabilitatsbedingung 2aA < gilt unabhangig von b und c.
Hinsichtlich des Parameters c folgt dies auch aus Satz 5.13. Uber-
raschend ist dieses Ergebnis darum nur hinsichtlich des Einflusses
von b. Die Storung bVhf(T6X-T~!) ist im Sinne von Satz 5.13 nicht
unerheblich. Trotzdem hat sie hier keinen EinfluB auf die Stabilitat.
110

DefinitionsgemaB sind im Falle der Stabilitat die Potenzen


IG{h,y) IV gleichmaBig beschrankt. Die Schranke hangt allerdings von
a, b und cab. Sie ist 1 fur b = c = o. Wenn die Quotienten Ibl/a
oder Icl/a sehr groB sind, ist diese Schranke sehr groB. Sie hangt
dann auch noch von der Grenze des Zeitintervalls Tab.
Betrachten wir den Spezialfall c = 0 und Ibl/a groB gegen 1.
Das Verfahren hat dann groBe Khnlichkeit mit dem Friedrichs-Verfahren
fur die im Grenzfall a = 0 entstehende Differentialgleichung erster
Ordnung. Unter Umstanden ist die echte Viskositat hier sogar kleiner
als die numerische Viskositat beim Friedrichs-Verfahren. Das fuhrt
zu praktischer Instabilitat. In diesem und in vielen ahnlich gelager-
ten Fallen lohnt es sich, G{h,y) genauer zu untersuchen. Es ist
2 2 2 2 2 . 2
IG (h,y) I 1-4aA{l-cos w)+4a A (l-cos w) +b hAs~n w
1-4aA (l-2aA) (l-cos w) -A (4a 2 A-b 2h) sin 2 w .

Fur 2aA S 1 und b 2h S 4a 2 A gilt darum stets IG{h,y) I S 1. Erst jen-


seits dieser Grenze beginnt die Fehlerverstarkung. Die Ungleichung
b 2h S 4a 2 A = 4a2h/(~)2 ist aquivalent mit

~ S 2a/lbl

Zusammen mit der Stabilitatsbedingung erhalt man

h/~ S 1/1bl .

Das ist die Stabilitatsbedingung des Friedrichs-Verfahrens.


Fur c > 0 und w = 0 ergibt sich G{h,O) = l+ch. Durch keine Zu-
satzbedingung ist IG{h,O)1 S 1 erreichbar. Auf jeden Fall muB ch
klein gegen 1 sein. Die Schranke fur IG{h,y) IV hangt nun effektiv
von der oberen Grenze des Zeitintervalls [O,T] abo Dieses Ergebnis
ist nicht verwunderlich, weil die Differentialgleichung Losungen be-
sitzt, die wie exp{ct) wachsen.
Gunstiger ist die Situation fur c < 0, aber b = O. Fur 2aA S ch/2
ist wieder IG{h,y) I S 1. Das ist eine gewisse Verscharfung der Stabi-
litatsbedingung. Besser ist es, das Verfahren etwas abzuandern. Wenn
man den Term cu{x,t) zur Zeit t+h auswertet, erhalt man den Diffe-
renzenoperator

mit der Verstarkungsmatrix

G{h,y) = 1~Ch[1-2aA{l-cos w)+ibVhI] •


111

Ihr Betrag fallt, wenn -c wachst. unter den Bedingungen

1
c < 0, 2aA ~ 1+ 2 Iclh, ~x ~ 2a/lbl

ist stets IG (h,y) I ~ 1 . 0

Beispiel 9.22: (vg 1. Thomee 1972).


Differentiatgteichung:
2
ad 11 u(x,t) a > 0 .

Verfahren:

C(h) [(1-10aA)T~x+(26-20aA)T~x+(66+60aA)I
-1 -2 -1
+(26-20aA)T~x+(1-10aA)T~x] 0

[ (1+10aA)T~+(26+20aA)T~x+(66-60aA)I

+(26+20aA)T~~+(1+10aA)T~~]

Verstarkungsmatrix:

G(h,y) = [(1+10aA)cos 2w +(26+20aA)cos w +(33-30aA)]

/[ (1-10aA)cos 2w +(26-20aA)cos w +(33+30aA)]

Oas Verfahren erhielt Thomee durch eine Splineapproximation. Es


konvergiert wie 0(h4)+0((~x)4). Leider ist es fUr kein A > 0 positiv,
weil die Bedingungen 66-60aA ~ 0 und 20aA-26 ~ 0 sich widersprechen.
Mit

n = (33+30aA)+(26-20aA)cos w +(1-10aA)cos 2w > 0

gilt einerseits

G(h,y) = 1-20aA(3-2cos w -cos 2w)/n ~

und andererseits

G(h,y) = -1+2(33+26cos w +cos 2w)/n ~ -1 .

Oas Verfahren ist darum fUr alle A > 0 stabil. 0

Beispiel 9.23: (vgl. Gleichung 6.7).


Differentialgleichung:

aEJR .
112

Vel'fahPen:

C(h)

Vel'starkungsmatrix:

G(h,y) = 1+iaA sin w •

Wie schon in Kapitel 6 behauptet, ist das Verfahren instabil.


Der Betrag der Verstarkungsmatrix ist namlich 1+a 2 A2 sin 2 w. c

Beispiel 9.24: F1'ied1'ichs-Verfahren.


DifferentiaZgZeichung:

mit AEMAT(n,n,m) reell diagonalisierbar.


Verfahren:

C(h) = ~[(I+AA)TAx+(I-AA)T~!l

Verstarkungsmatrix:

G(h,y) = I cos w +iAA sin w •

Weil die Koeffizienten von C(h) simultan diagonalisierbar sind,


ist die Von-Neumann-Bedingung auch hinreichend fUr die Stabilitat.
Zu jedem Eigenwert ~ von A gehort ein Eigenwert p(A,W) von G(h,y)
und umgekehrt. Es ist

p(A,W) = cos w +iA~ sin w


Ip(A,w) 12 = 1+(A2~2-1)sin2w

Das Verfahren ist also fUr

Ap (A) ::: 1

stabile Diese Behauptung entspricht der Courant-Friedrichs-Lewy-


Bedingung aus Kap. 6. Wenn das Verfahren stabil ist, ist es auch
positiv und fUr symmetrisches A positiv definite c

Beispiel 9.25: Courant-Isaacson-Rees-Verfahren.


DifferentiaZgZeichung
113

mit AEMAT(n,n,ffi) reell-diagonalisierbar.


Verfahren:

Verstarkungsmatrix:
+ + - -
G(h,y) = AA exp(iw)+I-AA -AA +AA exp(-iw)

Analog zurn vorhergehenden Beispiel berechnen wir ;(A,W). Fur


~ ~ 0 ist ~ Eigenwert von A+ und 0 Eigenwert von A- zurn gleichen
Eigenvektor. Das ergibt

~(A,W) = A~ exp(iw)+1-A~
~ 2
I~(A,W) I = 1+2A~(A~-1) (1-cos w) .

Entsprechend erhalt man fur ~ ~ 0

~(A,W) = 1-AI~I+AI~lexp(-iw)
~ 2
1~(A,w) I = 1+2AI~1 (A1~1-1) (1-cos w) •

Es folgt Stabilitat genau fur

Ap(A) ~ 1

Das ist wieder die Courant-Friedrichs-Lewy-Bedingung aus Kap. 6.


Stabil impliziert auch hier positiv und gegebenenfalls positiv
definit. 0

Beispiel 9.26: Lax-Wendroff-verfahren.


Diffrerentialgleichung

mit AEMAT(n,n,ffi) reell-diagonalisierbar.


Verfahren:

Verstarkungsmatrix:
2 2
G(h,y) = I+iAA sin w -A A (1-cos w) .

Weil das Verfahren wie O(h 2 ) konvergiert, ist es in der Praxis


sehr beliebt. Es ist aber nur in unwichtigen Ausnahrnefallen positiv
oder positiv definit. Nehrnen wir z.B. an, A sei syrnrnetrisch und
114

~ *0ein Eigenwert von A. C(h) ist nur positiv oder positiv definit,
wenn die drei Matrizen

positiv semidefinit sind. Das bedeutet


2 2 2
1-A I~I ~ 0 und -I~I+AI~I ~ 0 .

Alle Eigenwerte ~ *
0 von A mussen den gleichen Betrag haben und
A = 1/1~1 ist die einzige mogliche Wahl des Schrittweitenverhalt-
nisses. In diesem Spezialfall kann das Verfahren als ein Charakte-
ristiken-Verfahren aufgefasst werden.
In Kapitel 11 werden wir zeigen, daB das Lax-Wendroff-Verfahren
aus dem Friedrichs-Verfahren durch Extrapolation abgeleitet werden
kann.
Die Von-Neumann-Bedingung ergibt eine notwendige und hinrei-
chende Stabilitatsbedingung. Es ist

~(A'W) = 1+iA~sin W _A2~2(1-cos w)


2 44 2 22 22 . 2
I = 1+A ~ (1-cos w) -2A ~ (1-cos W) +A ~ Sln W .
~
I~(A'W)

Wir substituieren ; = w/2 und erhalten


. 2~
1-cos W = 2s1n W
. 2 . 2~ . 4~
Sln W 4sl.n w-4s1n W
2 2 2 2 2 . 4~
I~(A,W) I = 1-4A )l (1-A ~ )sln W

Entscheidend fur die Stabilitat ist nun das Vorzeichen von 1_A2~2
1m Einklang mit der Courant-Friedrichs-Lewy-Bedingung erhalt man die
Stabilitatsbedingung

Ap (A) :::: 1 Cl

Beispiel 9.27: (vgl. Beispiel 8.10).


DifferentiaZgZeiahung:

mi t AEMAT (n, n, JR.) reell-diagonalisierbar.


Verfahren:
-1 -1
C (h) [-(r2I+(1-a)AA)T~x+(2+2r2)I-(r2I-(1-a)AA)T~x]

-1
o [(r1I+aAA)T~+(2-2r1)I+(r1I-aAA)T~x]
115

mit aE[0,1], r 1 = aAp(A) und r 2 (1-a)Ap (A) •


Verstarkungsmatrix:

G(h,y) = [(1+r 2-r 2 cos w)I-i(1-a)AA sin w]-1

.[(1-r 1+r 1cos w)I+iaAA sin w] .

In Beispiel 8.10 wurde nur der Spezialfall

A = (: :)

behandelt. allerdings fur nichtkonstante Koeffizienten. Implizite


Verfahren haben hochstens fur Anfangswertaufgaben praktische Be-
deutung. Trotzdem sind sie theoretisch auch im Falle reiner Anfangs-
wertaufgaben anwendbar.
Fur aAp(A) S 1 ist das Verfahren positiv. Insbesondere gilt das
fur a = 0 und A > 0 beliebig.
Wir berechnen nun die Eigenwerte ;(A,W) der Verstarkungsmatrix
G(h,y) :
1-r 1 (1-cos W)+iaAlJ sin w
1+r 2 (1-cos w)-i(1-a)AlJ sin w
2 222 . 2
(1-r 1 (1-cos w)) +a A lJ S1n w
2 222 . 2
w)) + (1-a) A lJ S1n w

Stabilitat liegt vor, so lange fur alle IlJl ~ p(A) der Zahler nicht
groBer als der Nenner ist. Die Differenz D von Zahler und Nenner er-
gibt

D -2(r 1+r 2 ) (1-cos w)+(r 12 -r 22 ) (1-cos w) 2

-A 2 lJ 2S1n
. 2 w+ 2 aA 2 lJ 2S1n
. 2w

Wegen r 1+r 2 = Ap(A) und r 21-r 22 = (2a-1)A 2 p2 (A) erhalt man weiter:
D = -2Ap(A) (1-cos w)+(2a-1)A 2 p2(A) (1-cos w)2+(2a-1)A2\l2sin2w

Fur a ~ 1/2 ist D ~ 0 und I;(A,W) I ~ 1. Das Verfahren ist also fur
alle A ~ 0 stabil. Es bleibt der Fall a > 1/2 zu untersuchen. Es ist

D ~ Ap(A)[-2(1-cos w)+(2a-1)Ap(A) (1-cos w)2+(2a-1)AP(A)sin 2 w]

Zur Vereinfachung substituieren wir wieder ~ = w/2. Das ergibt die


Ungleichung
116

Hinreichend fUr die Stabilitat des Verfahrens (0 ~ 0) ist also


(2a-1)Ap(A) ~ 1. Urn auch eine notwendige Bedi~gung zu erhalten,
2 2
setzen wir in die Gleichung fUr 0 die Werte w = n und ~ = p (A)
ein. Oas ergibt

o = 4AP (A)[ -1+ (2a-1) AP (A) ]

Also ist die genannte Bedingung auch notwendig. Die Stabilitatsbe-


dingung

(2a-1) AP (A) <

weicht fUr aE(0,1) zum Teil erheblich von der Positivitatsbedingung

aAp (A) ~

abo c

Beispiel 9.28: (vgl. Beispiel 1.9).


DifferentiaZgZeiahung:

mit

A = aG :), a > °.
Verfahren:

mit

B1 = (~ :),

Verstarkungsmatrix:

Die Oarstellung des Oifferenzenverfahrens mit Hilfe des Trans-


lationsoperators ist in diesem Fall wenig suggestive Wir gehen darum
zur Komponentenschreibweise fiber. Es sei

V(X,t»
u (x ,t) = ( •
w(x,t)
117

Das Verfahren lautet dann:

v(x,t+h) = V(x,t)+~aA[w(X+~x,t)-W(X-~x,t)]
1
w(x,t+h)-2aA[v(x+~x,t+h)-v(x-~x,t+h)] = w(x,t)
In der ersten Gleichung wird die Ortsableitung zur Zeit t und in der
zweiten zur Zeit t+h gebildet. Praktisch wird man zuerst v auf der
neuen Schicht berechnen und dann w. So kann man die neuen v-Werte
schon bei der Berechnung von w verwenden. Das Verfahren ist also
praktisch explizit. Es ist fur kein A > 0 positiv.
2
Wegen B1 = 0 ist

G (h, y) [I+iaAB 1 sin w][I+iaAB 2 sin w]

I+iaA(B 1 +B 2 )sin w -a 2 A2B1B 2 sin 2 w

iaA sin w )
1-a 2 A2 Sln
. 2w

B1 und B2 sind offenbar nicht vertauschbar. Man kann die Koeffizienten


des Verfahrens also nicht simultan diagonalisieren. AuBerdem werden
wir zeigen, daB G(h,y) nicht fur aile w normal ist und daB doppelte
Eigenwerte vorkommen. Die Von-Neumann-Bedingung ist darum nur eine
notwendige Bedingung.
Es sei n = a 2 A2 sin 2w. Die Eigenwerte von G(h,y) genugen der
Gleichung

Ihre Losungen sind

Fall 1: aA > 2. Fur w = rr/2 ist n > 4. Beide Eigenwerte sind reell.
11-~n-(~n2-n)1/21 ist groBer als 1. Das Verfahren ist instabil.
Fall 2: aA < 2. Fur w '" vrr mit vE7L sind die Eigenwerte verschieden
und haben beide den Betrag 1. Fur w = vrr ist G(h,y) = I. Die Ablei-
tung von G(h,y) nach w hat in diesen Punkten verschiedene Eigenwerte,
namlich

Nach Satz 9.16(3) ist das Verfahren stabil.


118

FaZZ 3: aA
2. AIle Eigenwerte von G(h,y) haben den Betrag 1.
=
Das Verfahren ist schwach-stabil. Angenommen, es ware auch stabil,
dann ware auch jede Storung des Verfahrens im Sinne von Satz 5.13
stabil. Wir ersetzen die Matrix B2 durch B2 (1+h) und erhalten ein
Verfahren mit der Verstarkungsmatrix

iaA(1+h)sin w )
2 2 2·
1-a A (1+h)sin w

Im Spezialfall w = n/2 ergibt sich fUr aA 2:

2i+2ih)
1-4-4h

Ein Eigenwert dieser Matrix ist

Offenbar gibt es keine positive Konstante K mit 1;1 ~ 1+Kh. Das ge-
storte Verfahren ist nicht stabil. Darnit ist bewiesen:
(1) FUr aA = 2 erhalt man ein schwach stabiles Verfahren, das nicht
stabil ist.
(2) FUr schwach stabile Verfahren gibt es keinen zu 5.13 analogen
Satz.
Die Stabilitatsbedingung fUr unser Verfahren lautet also

aA < 2 .

Die Courant-Friedrichs-Lewy-Bedingung ergibt

aA ~ 2 .

Dieser Unterschied ist praktisch ohne Bedeutung.


Das Verfahren ist hinsichtlich Rechenaufwand, Genauigkeit und
Stabilitatsbedingung besser als die drei in den Beispielen 9.24,
9.25 und 9.27 genannten expliziten Verfahren fUr hyperbolische Systeme.
Ein Vergleich mit dem Lax-Wendroff-Verfahren ist nicht moglich, weil
das hier betrachtete halbimplizite Verfahren nur wie O(h) konvergiert.
Leider ist das Verfahren speziell auf die Wellengleichung mit der Ko-
effizientenrnatrix

zugeschnitten. Das sieht man noch deutlicher, wenn man zwei Zeit-
119

sehritte zusammenfaBt. Dann erhalt man:

y(x,t+h)-2y(x,t)+y(x,t-h)
1 2 2
4a A [y(x+2~x,t)-2y(x,t)+y(x-2~,t)]

mit

v (x,t) [y(x,t)-y(x,t-h)]/h

und
a
w(x,t) = 2[y(x+~,t)-y(x-~x,t)]/~x .

Hier kann man vorwarts wie ruekwarts reehnen, d.h. A darf dureh -A
und h dureh -h ersetzt werden. Soleh eine Umkehrung der Zeit ergab
bisher nur beim Massau-Verfahren wieder ein stabiles Verfahren. In
allen anderen Beispielen hat h wegen der numerisehen Viskositat ein
festes Vorzeiehen. Dieser Viskositatsterm fehlt hier. Notwendig fur
die Umkehrbarkeit ist aueh, daB alle Eigenwerte der Verstarkungs-
matrix den Betrag 1 haben. ErfahrungsgemaB sind Verfahren dieser Art
nieht mehr brauehbar, wenn die Differentialgleiehungen irgendwelehe
Niehtlinearitaten enthalten. Eine Ausnahme bilden wieder die Charak-
teristikenverfahren. D

Beispiel 9.29: (vg 1. Beispiel 1.13 und Beispiel 9.9).


Differentialgleichung:

iaa~1u(x,t) aElR-{O} .

verfahren:

C(h) [I-(1-a) AH(~) ]-1 [I+aAH(~)]

mit

und a E[ 0 , 1] .
Vers tcirkung smatrix:

G(h,y) = [1+aAH(h,y) ]/[1-(1-a) AH(h,y)]

mit

H(h,y) 2ia(eos w-1) •


120

Das Verfahren ist formal den Verfahren fur parabolische Glei-


chungen nachgebildet. Wegen
2 2 2 2
IG{ h ,y ) 12 = 1+4a
-
a A (1-cos w)
2 2 2
1+4{1-a) a A {1-cos
ergibt sich unabhangig von A die Stabilitatsbedingung (1-a)2 ~ a 2
oder
2a ~ 1.
Alle stabilen Verfahren dieser Art sind implizit. Der Abbruchfehler
ist wie bei parabolischen Gleichungen O{h)+O{{~)2) fur a < 1/2 und
O{h2)+O{{~)2) fur a = 1/2.
Naturlich will man lieber reell rechnen. Dazu setzen wir
v{x,t) = Re{u{x,t» und w{x,t) = Im{u{x,t». Dies ergibt die Diffe-
rentialgleichungen
2
d2V{X,t) -ad 11 w{x,t)
2
d2 w{x,t) ad 11 v{x,t)

und die Verfahren

v{x,t+h)+{1-a)aA[w{x+~,t+h)-2w{x,t+h)+w{X-8x,t+h)]

v{x,t)-aaA[w{x+~,t)-2w{x,t)+w{x-~,t)] ,
w{x,t+h)-{1-a)aA[v{x+~,t+h)-2v{x,t+h)+v{x-~,t+h)]

w(x,t)+aaA[v(x+~,t)-2v(x,t)+V(X-8x,t)] . c

Beispiel 9.30: (vgl. Beispiel 1.13 und Beispiel 9.9).


DifferentiaZgZeiahung:

mit

A = aC -:), aElR-{O) •

Verfahren:

mit

Verstarkungsmatrix:
-1
G{h,y) = [I+2aAB 1 (1-cos w)] [I+2aAB 2 {1-cos w)] •
121

Die Differentialgleichung ist aquivalent zu der Gleichung im vor-


herigen Beispiel. Das hier besprochene Verfahren ist nur in der reel-
len Schreibweise leichter zu erlautern. Es handelt sich wieder urn
ein halbimplizites Verfahren mit groBer Ahnlichkeit zum Beispiel 9.28.
In Komponentenschreibweise lauten die Differenzengleichungen:

v(x,t+h) = v(x,t)-aA[w(x+~x,t)-2w(x,t)+w(x-~x,t) 1
w(x,t+h)-aA[v(x+~x,t+h)-2v(x,t+h)+v(x-~x,t+h) 1 = w(x,t)

Der Rechenaufwand entspricht dem eines expliziten Verfahrens.


Wegen B12 = 0 kann man die Verstarkungsmatrix wie folgt umformen:

G(h,y) [I-2aAB 1 (1-cos w) ][I+2aAB 2 (1-cos w) 1 •

Mit der Substitution w w/2 erhalten wir

1 4aAsin 2~
w )
G(h,y) (
, 2~ 2 2 , 4~
-4aAsln w 1-16a A Sln w

Es sei n = 16a2A2sin4~. G(h,y) hat dann die Eigenwerte

Die weitere Analyse verlauft ganz analog zu Beispiel 9.28.


Fall 1: a 2 A2 >1/4. Flir ~=rr/2 ist 11-~n-(~n2-n) 1/21>1. Das Verfahren
ist instabil.
2 2
Fall 2: a A <1/4. Alle Eigenwerte haben den Betrag 1. Flir w*vrr
(vE7) sind sie verschieden. In den Ausnahmepunkten ~=vrr ist G{w)=I
und G' (w)=O. Die zweite Ableitung nach wist

Diese Matrix hat zwei verschiedene Eigenwerte. Nach Satz 9.16(3) ist
das Verfahren stabil.
Fall 3: a 2 A2=1/4. Das Verfahren ist schwach stabil. Mit Hilfe
einer S·torung der GroBe 0 (h) zeigt man wieder, daB es instabil ist.
Die Stabilitatsbedingung lautet

lalA < 1/2 .

Da es bei der Differentialgleichung keinen endlichen Abhangigkeits-


bereich gibt (vgl. die geschlossene Losung in 9.9), ist ein Vergleich
mit dem Kriterium von Courant, Friedrichs und Lewy nicht moglich.
122

Das Verfahren ist fur kein A>O positiv. Richtmyer-Morton halten


das implizite Verfahren im vorigen Beispiel fur besser, weil hier
die Stabilitatsbedingung A h/(Ax)2 ~ 1/(2Ial) sehr hart ist. c

Wenn die Koeffizienten eines Differenzenverfahrens vom Orte abhangen,


kann man das Verfahren nicht unmittelbar einer Fouriertransformation
unterwerfen. Die Verstarkungsmatrix sieht formal zwar genau so aus
wie bei ortsunabhangigen Koeffizienten, sie ist aber nicht die
Fouriertransformierte des Verfahrens. Die Verstarkungsmatrix kann
in diesen Fallen nur zur Untersuchung der lokalen StabiUttit des Ver-
fahrens herangezogen werden. Dabei werden die variablen Koeffizienten
des Differenzenverfahrens bez. x "eingefroren" und die Stabilitats-
eigenschaften der entstehenden Verfahren mit ortsunabhangigen Ko-
effizienten untersucht.
Der folgende Satz 9.31 zeigt, daB die lokale Stabilitat unter
bestimmten zusatzlichen Voraussetzungen notwendig fur die Stabilitat
ist. Dabei beschranken wir uns zur Vereinfachung auf explizite Ver-
fahren und B = L2 (lR ,a: n ).
Es gibt auch eine Reihe hinreichender Stabilitatskriterien, die
auf Eigenschaften der Verstarkungsmatrix beruhen. Dazu mochten wir
Arbeiten von Lax-Wendroff 1962, Kreiss 1964, Widlund 1965 und Lax-
Nirenberg 1966 erwahnen. Die Beweise sind samtlich sehr kompliziert.
Wir beschranken uns darum hier auf ein Ergebnis uber hyperbolische
Systeme (Satz 9.34) von Lax und Nirenberg.

Satz 9.31: Es seien Av ECo(lRx(O,h0 ] ,MAT(n,n,lR» (v=-k(1)k) und


~={C(h) IhE(O,holl ein expUzites Differenzenverfahren zur saahgemti13 gesteUten
Aufgabe P (B,T ,A) mit

k
C(h) = I: Av(x,h)T~
v=-k
Weiter sei vorausgesetzt, daJ3 aUe A (x,h) fur h -+ 0 auf jeder korrrpakten Teil-
v
menge von lR gleiahmti!3ig gegen eine normbesahrankte Abbildung A (x,O) kon-
v
vergieren. Dann folgt aus der StabiUttit des Verfahl'ens ~ die StabiUtat des Ver-
fahl'ens ~ {C(h) IhE(O,holl mit
k
C(h) = I: A (X,O)T~
v=-k v x

fil!' jeden (festen) Punkt x von lR.

Beweis: Wir fuhren den Beweis indirekt und nehmen an, daB es ein xElR
gibt, so daB das Verfahren ~ nicht stabil ist. Aus Satz 9.13 folgt:
123

Fur jede Konstante KElR+ gibt es ein yElR, ein hE (O,hol, ein NElN
mit Nh<T und einen Vektor VE~n, so daB gilt:

(9.32)

Dabei ist
k
r (x) = L exp (i v f;) A (x, 0)
v=-k v

f; = yt.x .

Da Av (x,O) stetig ist, gibt es ein oElR+, so daB die Beziehung (9.32)
auch fur aIle x aus So = (x-o,x+o) gilt. Wir fixieren nun f; und
fuhren den Grenzubergang h ~ °
(und damit AX ~ 0) durch. Dabei bleibt
die Beziehung (9.32) fur aIle xES o erhalten.
Sei nun p: lR ~ lR eine unendlich oft differenzierbare Funktion
mit

p (x) ° fur xElR - So

p{x) • ° in So •

Setze
v{x) Vp{x)exp{iyx).
Dann gilt:
k
C (h) (v) (x) L A (x,h)Vp{x+vt.x)exp{iy{x+vt.x))
v=-k v

r{x)v{x)+£1(x,h) •

Dabei ist £1 (x,h) eine Funktion~ fur die es ein 6ElR+ gibt, so daB
gilt:
(1) £1 (x,h) = ° fur xElR-(x-o-6,x+o+6) und h genugend klein.
(2) £1 (x,h) konvergiert fur h ~ ° gleichmaBig in xE(x-o-6,x+o+6)
gegen Null.
Durch sukzessive Anwendung von C{h) erhalten wir

Dabei hat £N{x,h) dieselben Eigenschaften wie £1{x,h). Somit folgt


folgt aus (9.32), indem man h genugend klein wahlt:

II (C (h) ) N II ~ K •

Dies ist ein Widerspruch zur Stabilitat von~. c


124

Beispiel 9.33: A~wendung von Satz 9.31.


DifferentiaZgleichung (vgl. Beispiel 5.6):

d2U(X,t) = d1 [a(x)d 1u(X,t)]

mit

aECOO(lR,lR), aIEC~(lR,lR), a(x) > 0 (xElR) .

Verfahren (vgl. (6.3) fUr ex = 1):


-1
C (h) Aa(x-~x/2)T~x+[1-Aa(x+6x/2)-Aa(x-~x/2)]I

2
+ Aa(x+6x/2)T~x ' A= h/(~x) .

Naeh Satz 6.5 ist die Bedingung

o < A max a(x) ~ 1/2


xElR

hinreiehend fUr die Stabilitat des obigen Verfahrens. Mit Satz 9.31
ergibt sieh, daB diese Bedingung aueh notwendig ist. Dazu betraehten
wir fUr festes xElR das Verfahren
ro.J ,..... -1 ro.J ro.J

C(h) = Aa(x)T~x+[1-2Aa(x)lI+Aa(x)T6x

Die zugehorige Verstarkungsmatrix ist

G(h,y) = 1+2Aa(x) [cos w -1l .

Da die obige Stabilitatsbedingung notwendig und hinreiehend fUr

IG(h,y) I ::: 1 (yElR, hE (O,hol)

ist, folgt die Behauptung mit Satz 9.13. 0

Satz 9.34: Lax-Nirenberg.


Es sei MD = {C(h) Ih>O} mit

k
C(h) = L B (X)T~
Il=-k Il x

und = h/A, A > 0 fest, ein Differenzenverfahren zu einer sachgemaJ3 ge-


~x

steUten Aufgabe P (L 2 (lR, lRn) , T ,A) • Ferner seien folgende Voraussetzungen erfuUt:

(1) B EC 2 (lR ,MAT(n,n,lR))


Il
(2) AUe Elemente del' Matrizen B (v) (x) (v=O (1) 2, Il=-k (1) k, xElR) sind
Il
gleichmaBig beschrankt.
125

(3) II G(h,y,x) 112 :5 1 (h>O, yElR, xElR) •


Dabei ist G(h,y,x) die Verstarkungsmatrix zu C(h).
Dann ist MD stabit.

Bemerkung: Obwohl ein reeller Banachraum zugrunde gelegt ist, wird


die Verstarkungsmatrix genau wie im Falle des L2(lR ,~n) gebildet:
k
G(h,y,x) = L B (x) exp(i]JyAX) .
]J=-k ]J

Aus Bedingung (3) folgt fur festes x ElR:


o
k
II L B]J (x o ) T~ 112 :5 1 •
)l=-k
Zum Beweis bettet man den L2 (lR,]Rn) in kanonischer Weise in den
L2(lR ,~n) ein. Die Behauptung ergibt sich dann aus

k -1
L B (x ) T~ Y oG(h,y,x )OY. D
]J=-k]J 0 uX non

Zum Beweis von Satz 9.34 benotigen wir einige Voruberlegungen


und Hilfssatze. Wir beginnen mit der Einfuhrung des Skalarproduktes
fur u,vEL 2 (lR,lRm) :

<u,v> = JuT(x)v(x)dx = <v,U> .


lR
Bezuglich dieses Skalarproduktes gibt es einen zu C(h) adjungierten
Operator CT (h). Es ist

T k - T
C (h) = L TA~oB (x)
]J=-k ]J

Wegen der Symmetrie der Matrizen B)l(X) gilt namlich


k
<C(h) (u) ,v> L J (B (x)U(X+)lAx»Tv(x)dx
]J=-k lR )l
k
= L JuT (x) (B T (x-]JAX) v (X-]JAX) ) dx
]J=-k lR ]J

Insbesondere ist

<C(h) (u) ,C(h) (v) > <u,C T (h)oC(h) (v» •


126

Neben den Differenzenoperatoren C(h) haben wir noch die


Differenzenoperatoren mit "e ingefrorenen" Koeffizienten zu betrach-
ten. Fur festes aElR seien
k
r B (a}T~
jl=-k jl uX

k
CT(h)
a
= r BT(a)T~
jl=-k jl

Wie oben schon erwahnt folgt aus (3)

das heiBt

oder

<u, (I-C T (h) oC (h» (u) > > 0 .


a a -
Es ist unser Ziel, eine ahnliche Ungleichung fur die Operatoren C(h)
statt Ca(h) zu beweisen.

Hilfssatz 9.35: Es ist

I-CT(h}oC(h) = Q(h)+Ax R(h) .

Dabei sind Q (h) und R (h) beschrankte Zineare Abbildungen von L2 ( lR, lRn)
in sich. II R(h) "2 ist unabhangig von h und AX beschrankt. Die Koeffizienten
von Q (h) hangen nicht von h abo Es gilt also die Beziehung:
2k
Q (h) = r D (x) T~ •
jl=-2k jl x

Beweis: Das Produkt CT(h)oC(h) besteht aus Summand en der Art

r T s T r+s
T.uX oB -r (x)B s (x)oT.uX = B-r (x)B s (x)oT ~
A ••

+ [BT T l r+s
-r (x+rAx}B s (x+rAx)-B -r (x)B s (x) T~
•..

Q(h) enthalt den ersten Summand auf der rechten Seite. Die eckige
Klammer kann man durch AX dividieren. Der Quotient ist unabhangig
von Ax beschrankt, weil II B'jl (xl II und II Bjl (xl II beschrankt sind. 0
127

Analog zu C (h) kann man definieren:


a
2k
Qa(h) = L D (a)T~
]..I=-2k ]..I x

Offenbar ist

r_c Ta (h) oC (h)


a
und damit

Hilfssatz 9.36: Es seien

E ]..I 12(D ]..I (a)+D -]..I (a))

P ]..I 1-2 (D (a)-D (a))


]..I -]..I

Dann gilt:

(2) ET
]..I
= E pT
]..1']..1
= -p
]..I
(]..I=-2k(1)2k) •

Beweis: ist trivial. Zum Beweis von (2) hat man zu beachten,
(1)
daB Q (h) aus Surnrnanden der Art
a

und

besteht. Die entsprechenden Surnrnanden in 2E sind


]..I

oder

Diese Matrizen sind syrnrnetrisch. 2P enthalt die antisyrnrnetrischen


]..I
Terrne

BT (alB (al-BT(alB (a) 0


-r s s -r
Ein wichtiges Hilfsmittel im Beweis von Satz 9.34 ist eine spezielle
Zerlegung der Eins.
128

Hilfssatz 9.37: Es sei IPECoo (:lR,lR) mit folgenden d:t>ei Eigensahaften:


(1) Trager (IP) [-2/3, 2/3]
(2) o
+00
< lP{x) ~ 1 (xElR) .
(3) r 2 (xElR)
IP (X-II) =
11=-00
~ 00
Beweis: Wir wahlen IPEC (lR, lR) so (vgl. Hilfssatz 4.9), daB

\il{x) fUr Ixl ~ 1/3


\il{x) 0 fUr Ixl ~ 2/3
o < \il{x) < 1 fUr xE (1 /3, 2/3)

\il{x) = 1-\il{x+1) fUr xE{-2/3, -1/3)

Daraus folgt
+00
r \il{X-II) = 1 (xElR) •
11=-00

In den Nullstellen von \il verschwinden auch alle Ableitungen von IP.
Darum ist lP{x) = (\il{x»1/2 beliebig oft differenzierbar. Sei namlich
Ix I > 2/3, d.h. Xo eine Nullstelle von ~. Dann ist in einer Um-
o -
gebung von Xo

\il{x)

((>(x) Ix-xols~

Dabei kann sE~ beliebig gewahlt werden. ~s ist stetig. Man zeigt
leicht: ~ ist stetig und IP ist in Xo mindestens (s-1)-mal diffe-
renzierbar. IJ

Die Funktion IP' hat eben so wie IP kompakten Trager. Darum nimmt
lIP' (x) I sein Maximum an. Wir bezeichnen es im folgenden stets mit
L. FUr alle x,xElR gilt nach dem Mittelwertsatz der Differential-
rechnung:

IIP(x)-IP(x) I ~ Llx-xl •

Hilfssatz 9.38: Es sei n (x) = lP(yx-v) (v=-oo(1 )00) mit der Funktion IP
v
aus dem letzten Hilfssat~. Dann gilt fur aUe yElR+ und fur aUe h = AAx > 0
mit 6kyt.x ~ 1:
129

00

l<u,Q(h) (u» - L <n (·)U(·) ,Q(h) (n (·)u(·))>1


v=-co v v

2 n
(uEL (lR,m )) •

Die Konstante M1 > 0 hangt nul' vom Verfahren MD, aher nieht von u, y , h odeI'
ill< abo

Beweis: Fur ).I = -2k(1)2k ist


00

D (x) u (x+).Iill<) - L n (x) D (x) n (x+).Iill<) u (x+).Iill<)


).I v=-oo v ).I v

= [1- ~ n (x) n (X+).Iill<)] D (x) u (x+).Iill<) .


v=-oo v v ).I

Wir ersetzen die in der eckigen Klammer nach 9.37(3) durch

00 2
L nv (x+).Iill<)
v=-oo

Die Klammer ist dann eine Surnme von Quadraten:

Fur Iyx-vl >_ 2/3 ist n (x) = O. Wegen 1).11 < 2k und ill< ~ (6yk)-1 ist
v -
fur Iyx-vl ~ 1 auch n (x)-n (x+).Iill<) = O. In der Surnme sind fur festes
v v
x also hochstens zwei Summanden von Null verschieden. Die Lipschitz-
Bedingung fur ~ ermoglicht die Abschatzung

Es folgt mit der Schwarzschen Ungleichung:

l<u(x),D (x)u(x+).Iill<»- L <n (x)u(x),D (x)n (X+).Iill<)u(X+).Iill<)>1


).I v=-oo v ).I v
2 2 2 2~ 2
~ k y L (t:.x) M II u II 2 •

Die Behauptung des Hilfssatzes ergibt sich nun durch Summation aller
dieser Ungleichungen uber ).I = -2k(1)2k. 0

Hilfssatz 9.39: Es seien ~ > 0 und ~ECo(lR,lR) mit I~(x)-~(x) I ~ Llx-xl


fur alle x,xE(-2~,2~). Dann gilt fur alle UEL2(lR/lRn) mit
Trager(u) c [-~/~] und fUr alle h mit 2kt:.x < ~:

K hangt nur vom Verfahren MD abo


130

Beweis: Es ist (vgl. Hilfssatz 9.36):

Die Ungleichung im Hilfssatz beweisen wir nun fur jeden Surnrnanden von
Qa(h). Oabei sei zunachst

und spater

1m ersten Fall erhalten wir


2
o = <~u,H(~u» - <~ u,H(u»

J ~(x)[ ~(X+M~X)-~(X)]uT(X)EMU(X+MAX)dX
+ J~ (x) [ ~ (X-MAX) -~ (x) ] u T (x) EMu (X-MAX) dx

1m zweiten Integral kann man x = X-M~X substituieren und x wieder


x nennen. Oas ergibt

o ~ ~ (x) [~(X+M~X) -~ (X)] u T (x) EMu (X+M~) dx


- J ~ (X+M~X) [~(X+M~X) -~ (X)] uT (X+M~) EM u (x) dx
Wegen der Syrnrnetrie von E ist
M

u T (x)E U(X+M~) u T (X+M~x)E u(x)


M M

und darum

o = -J[~(X+M~) -~ (x) 2 T
] u (x) EMu (X+M~) dx

101 :: L24k2(~)211 EM 112 II u II;

1m zweiten Fall ergibt sich entsprechend:

0= J ~(X)[ ~(X+M~)-~(x)]uT(X)FMU(X+M~)dX
- J ~ (x) [ ~ (X-M~X) -~ (x) ] u T (x) F u (X-M~X) dx
m M
Unter BerUcksichtigung von

fUhrt die gleiche Substitution wieder zu

D= -~ [4(x+~~)-4(x) ]2UT(X)F~U(X+~AX)dX
IDI ~ r:;24k2(AX)211 F~ 112 II u II~ [J

Beweis von Satz 9.34: Wir setzen

y = h- 1 / 2 und ~ = 1/y = h 1/2 .

FUr h < h (A/6k)2 ist sowohl


- 0

6kyh/A ~ 1

als auch

2kAx = 2kh/A < ~ •

Die Voraussetzungen der Hilfssatze 9.38 und 9.39 sind demnach erfUllt.
Wir konnen die Matrizen D (x) im Intervall [-3~,3~] durch eine
~
Linearkombination der Matrizen D (-3~) und D (3~) approximieren:
~ ~

D (x) =
~
61Il[(3~-X)D
~ ~
(-3~)+(3~+xlD ~ (3~)I+Z(X'~'~) .
Weil die zweiten Ableitungen der Elemente der D unabhangig von x
beschrankt sind, ist II Z(x,~,~) 112 :5 M2~2. Die ~onstante M2 hangt
nur von den Funktionen D~ ab, d.h. vom Verfahren MD' In dem kleine-
ren Intervall [-2~,2~] gilt
1 1
66(3~ ± x) ~ 6 .
Die Funktionen

«3~_x)/6~)1/2

«3~+x)/6~)1/2

sind in diesem Intervall stetig differenzierbar. Der Betrag der


ersten Ableitungen von 41 und 42 laBt sich durch 1/~ nach oben ab-
schatzen. FUr x,xE[-2~,2~], j=1,2 folgt

1,1~J
.. (x) - ,I ••
~J
(x) I < llx - xl .
- ~
(9.40)
132

Die obige Interpolationsformel fur D (x) schreibt sich nun als


II
2 2
D (x) </>1 (X)D ll (-313) +</>2 (X)D ll (313)+Z (X,ll,13)
II

(1l=-2k(1)2k, xE[-213,2131) •

Fur festes, aber beliebiges uEL 2 (lR,lRn ) definieren wir u = n (·)u(·)


v v
(v=-~(1)~) (vgl. Hilfssatze 9.37 und 9.38). Es gilt
Trager(u) c [(v-1)13,(v+1)131 und darum nach Hilfssatz 9.39 zusammen
v
mit Gleichung (9.40):

I <u o ' Q (h) (u o ) >-«/>1 U o ,Q-3 13 (h) (</>1 u o ) >-«/>2 u o ,Q 3 13 (h) (</>2 u o) > I
2 2
::: l<uo,Q(h) (u o ) >-«/>1uo,Q-313 (h) (u o ) >-«/>2uo,Q313 (h) (uo»1
2
+ I <</>1uo,Q-313 (h) (u o »-«/>1 u o,Q-313(h) (</>1 u o»1
2
+ I <</>2uo,Q313 (h) (u o »-<</>2 u o,Q313(h) (</>2uo)>1

::: ((4k+1) M2132+2K13-2 (AX) 2) II U o II ~

(2kM 2+2K/A 2) h II U o II ~ = M3h II U o II ~

Da die Skalarprodukte

beide nichtnegativ sind, ist damit bewiesen:

Analog gilt fUr alle v = -~(1)~:

Weiter ergibt Hilfssatz 9.38:

Da y2(~)2 = h/A2 und nach Hilfssatz 9.37(3)

v=-co

ist also

<u,Q(h) (u»
133

mit

Anwendung von Hilfssatz 9.35 ergibt


T 2 2
<u,I-C (h)oC(h) (u» ~ -M 4hll u " 2 -M 5hl u "2

<u,u>-<C(h) (u) ,C(h) (u» ~ -M 6h<u,u>

<C(h) (u) ,C(h) (u» ~ (HM 6h)<u,u>

\I C (h) 112 ~ (HM 6 h) 1 /2 ~ 1+M7h. [J

Wir verzichten hier auf ein Anwendungsbeispiel zum Satz 9.34, kommen
aber im nachsten Kapitel fUr Anfangswertaufgaben in mehreren Orts-
veranderlichen darauf zurUck. Wir werden dort mit Hilfe dieses Satzes
zeigen, daB die Verallgemeinerung des Lax-Wendroff-Verfahrens fUr
ortsabhangige Koeffizienten stabil ist. Es gibt wohl kein einfacher-
es Hilfsmittel, die Stabilitat dieses Verfahrens zu beweisen.

10 Anfangswertaufgaben in mehreren Ortsveranderlichen

Bisher haben wir nur partielle Differentialgleichungen in einer Zeit-


veranderlichen t und einer Ortsveranderlichen x untersucht. Die Haupt-
ergebnisse der vorigen Kapitel lassen sich bei reinen Anfangswertauf-
gaben aber mUhelos auf partielle Differentialgleichungen im E m+1
mit der Zeitveranderlichen t und den m Ortsveranderlichen x 1 , ... ,xm
Ubertragen. Nur aus schreibtechnischen und didaktischen GrUnden haben
wir bisher auf die Behandlung des Falles m > 1 verzichtet. In diesem
Kapitel wollen wir die Situation fUr m > 1 anhand einiger typischer
Beispiele erlautern.
Anfangsrandwertaufgaben sind im Gegensatz zu reinen Anfangswert-
aufgaben fUr m > 1 wesentlich komplizierter. Es stellen sich je nach
Art des Randes zusatzliche Schwierigkeiten ein, auf die wir hier
nicht eingehen konnen. Die Probleme ahneln den bei der Behandlung
von Randwertaufgaben vorkommenden Schwierigkeiten (siehe Teil II).
In diesem Kapitel wahlen wir durchgangig die Bezeichnungen
x = (x 1 ' ... ,x m) E Em

y (Y1' ... 'Ym) E Em


dx = dx 1 · .. dx m
134

m
<x,y> = r x y •
1l=1 II II

AuBerdem fuhren wir Multiindizes


m
s = (s1"'" sm) tll

ein. Dem Translationsoperator TAx im E1 (vgl. Definition 6.2) ent-


sprechen m verschiedene Operatoren Tkll im :nf':

6
llV
Tkll (x) = x+ke (ll) (xE:nf', kEE, 1l=1 (1 )m) •

Fur alle fEL 2 (Em ,a:n ) sei

Die Translationsoperatoren werden durch diese Vorschrift stetige,


bijektive und lineare Abbildungen des L2(:nf' ,a:n ) auf sich. Sie sind
untereinander vertauschbar. FUr aIle vEl gilt

TV = T •
kll Vk'll
Es sei BECo(mm ,MAT(n,n,a:» mit beschr~nkter Spektralnorm
II B (x) II 2' Die Abbildung

f(.) -+ B(·)f(·)

ist ein beschr~nkter linearer Operator im L2 (Em ,an). Die Vertausch-


ungsregeln fur Tkll und B sind:

B(Tkll(X»Tkll

Tk oB (T k (x»
II - II

In vielen Fallen genUgt B einer Lipschitzbedingung

II B(x)-B(y) 112 :::: LII x-y 112

Dann gilt

Fur beliebige Multiindizes s und kEE definieren wir


m s
TS = n Tkll
k 1l=1 II
135

Die Differenzenverfahren

konnen wir nun in der folgenden Form schreiben:

Alle Summen sind hier und im folgenden immer nur Uber endlich viele
Multiindizes zu erstrecken. AuBerdem seien fUr alle s,x,h

As (x,h) ,B s (x,h) E MAT (n,n,lR)

k = h/A oder k = Vfl1A mit AElR+ .

Jedem Differenzenverfahren ordnet man analog Definition 9.12 eine


Verstarkungsmatrix G(h,y,x) zu:
-1
G(h,y,x) = (~eXp(ik<S,y»Bs(X,h)) (~eXp(ik<S,y»As(X,h))

Wenn die Matrizen A (x,h) und B (x,h) alle nicht von x abhangen,
s s
sprechen wir von einem Verfahren mit ortsunabhangigen Koeffizienten.
Wir schreiben dann statt

AS (x,h), Bs (x,h), G (h,y ,x)

kUrzer

AS (h), Bs (h), G (h,y) •

Die Stabilitat der Verfahren mit ortsunabhangigen Koeffizienten


laBt sich wieder allein anhand der Verstarkungsmatrix G(h,y) beur-
teilen. Die Satze 9.13 und 9.15 gelten wortlich auch im Falle der
Banachraume L2 (lRm ,[n), wenn man JF = lRm setzt. Auch die Satze 9.16,
9.31 und 9.34 kann man sinngemaB Ubertragen. Alle Beweise laufen fast
wie im Fall m = 1. Als Grundlage benotigt man nur zusatzlich die
m-dimensionale Fourier-Transformation. Diese wird fUr alle fEL 2 (lRm ,a: n )
wie folgt definiert:

(2TT) -m/2 J f (x) exp (-i<x, y» dx


II x 11 2:::'J

~n (f) lim a
'J

Der Grenzwert ist im Sinne der Topologie des L 2 (lRm ,a: n ) zu bilden.
136

Wie im Falle m = 1 gilt:


(1) 7 n ist bijektiv.
(2) II 7 n II = II 7~1 II = 1.
(3) 7 (Tks(f» (.) = exp(ik<s,.»7 (f) (.)
n n
Bei Differentialgleichungen mit konstanten Koeffizienten erhalt man
die besten Stabilitatskriterien liber die Verstarkungsmatrix. Auch
wenn die Koeffizienten nicht konstant sind, ist dieser Weg in ge-
wissen Fallen m6glich, z.B. bei hyperbolischen Systemen. lm librigen
kann man wieder positive und positiv definite Verfahren definieren.
Sie sind immer stabil.
Bei den positiv definiten Verfahren hat man zu fordern:
s
(1) C(h) = r As(x)T k mit k = h/A .
s
(2) I = r A (x) •
s s
(3) Alle Matrizen As(x) sind reell, symmetrisch und positiv semi-
definit.

(4) Flir alle Multiindizes s und flir alle x,yEJRm gilt mit L > 0:

Positive Verfahren betrachten wir nur im skalaren Fall n = 1.


Wenn m > 1 ist, haben sie namlich fur Systerne von Differentialglei-
chungen kaum Bedeutung. Das liegt an der Forderung (3) aus Definition
8.4. Sie impliziert, daB die Koeffizienten des Differenzenoperators
vertauschbar sind. Flir m > 1 sind aber schon meist die Koeffizienten
der Differentialgleichungssysteme nicht vertauschbar. Dann lassen
sich nichtvertauschbare Koeffizienten bei den Differenzenoperatoren
nicht vermeiden.
Die positiven Verfahren werden im Banachraum

B = {fECo (mm ,G:) I lim I f (x) I=O}


II x II co -+oc>

betrachtet. Die zugrunde gelegte Norm ist hier die Maximumnorm.


Auch in diesem Raum sind die Operatoren T~ definiert.
Nun unsere Forderungen an positive Verfahren:
(1) e(x,h)C(h) = r as(x,h)T~+r bs(x,h)T~oC(h)
s s

k h/A oder k
137

(2) e (x ,h) r [a (x,h)+b (x,h)]


s s s

(3) as' b s E CO (lRm,lR)

as(x,h) ~ 0, b s (x,h) ~ 0

r a (x,h) > 1
s s
.
Eine Sonderstellung nehmen fur m > 1 die sogenannten Produkt-
verfahren ein. Sie entstehen durch "Multiplikation" von Verfahren
fur m = 1. Ihre Stabilitat ergibt sich direkt aus der Stabilitat
der Faktoren. Genauer gilt folgender

Satz 10.1: Es seien B ein Banaehraum und

~ = {C (h) IhE(O,h 0 ]}
-lJ,].I].I (].I=1 (1 )m)

eine Schar stabiler Differenzenverfahren zu (moglieherweise versehiedenen) saeh-


gemaB gesteZZten Aufgaben. Das Differenzenverfahren

sei definiert dureh

C (h) = C1 (h) o .•. oCm (h) •

Wenn eine der beiden foZgenden Forderungen erfuUt ist, ist ~ stabiL
(1) Fur festes hE (O,h ] sind die Operatoren C (h), ].1=1 (1)m vertausehbar.
o ].I
(2) Es gibt K > 0 1 so daJ3

II C].I (h) II ~ 1+Kh (].I=1 (1)m, hE(O,h ])


o
Beweis: zu (1): Wir konnen abschatzen:
m
II (C(h»n II ~ IT II (C (h»n II •
].1=1 ].I

Jeder der m Faktoren ist beschrankt, also ist auch das Produkt be-
schrankt.
zu (2): Es gilt die Abschatzung:

II (C(h»n II ~ (1+Kh)mn ~ exp(mKT) [J

Wir kommen nun zu der Vorstellung einer Reihe von Verfahren im


FaIle m > 1. Je nach Ordnung der Differentialgleichung ist in den
Beispielen stets A = h/k oder A = h/k 2 •
138

Beispiel 10.2:
Differentialgleichung:
m
dm+1u(x,t) = L d (a (x) d u(x,t))
11=1 11 11 11

1 m ~
mit a EC (JR ,JR), 0 < 13 :: a (x) :: K und I d a (x) I :: K ( v= 1 (1 ) m) •
11 11 v 11
Verfahren:
-1
C(h) [I-(1-a)AH] o[I+aAH]

mit

m 1 1 1
H L [a (x+-2ke )(T k -I)+a" (x- 2ke ) -
(T k -I)]
11=1 11 11 11 ... 11 11

und aE[0,1] .
Verstarkungsmatrix:

G(h,y,x) = [1+aAH]/[1-(1-a)AH]

mit
m
H L [a (x+~ke ) (exp(iky )-1)+a (x-~ke )(exp(-iky )-1)]
11=1 11 11 11 11 11 11

Das Verfahren ist fur

2rnKaA ~ 1

positiv und darnit stabil. Unter den ublichen Regularitatsvorausset-


zungen ist der globale Fehler hochstens

O(h) + 0(k 2 ) fur a * 1/2


0(h 2 ) + 0(k 2 ) fur a = 1/2 (Crank-Nicholson-Verfahren).

Wenn aIle a konstant sind, ist


11
m
H -2 L a (1-cos ky )
11 ::: -4rnK .
11=1 11

Genau fur

2mK(2a-1)A ::

ergibt sich stets

IG(h,y)1 ~ 1

und damit Stabilitat.


139

Theoretisch bringt der Fall m > 1 gegenuber m = 1 nichts Neues.


Praktisch sind die impliziten Verfahren (a < 1) mit den wenig ein-
schrankenden Stabilitatsbedingungen fur m > 1 aber sehr aufwendig.
In jedem Zeitschritt muB ein groBes lineares Gleichungssystem auf-
gelost werden. Fur m i s t die Matrix des Systems tridiagonal. Die
Elimination benotigt 5 Rechenoperationen pro Gitterpunkt und Zeit-
schritt. Der Gesamtaufwand eines impliziten Verfahrens ist darum im
FaIle m = 1 nicht besonders groB. Fur m > ist die Matrix des
Gleichungssystems nicht mehr tridiagonal. FaBt man sie als Band-
matrix auf, wachst die Bandbreite mit der Anzahl der Gitterpunkte.
Das gilt auch bei optimaler Numerierung dieser Punkte. Die Auflo-
sung des Systems ist mit erheblichem Aufwand verbunden. 0

Beispiel 10.3:
Differentialgleichung:
2 2 2
d3U(x 1 ,x 2 ,t) = ad11u(x1,x2,t)+2bd12u(x1,x2,t)+Cd22u(x1,x2,t)

mit a > 0, C > 0 und ac > b 2 .


Verfahren:

-1
C (h) [I-(1-a)AH] o[I+aAH]

mit aE[0,1] und

Verstarkungsmatrix:

G(h,y) = [1+aAH]/[1-(1-a)AH]

mit

Die Differentialgleichung unterscheidet sich durch den Term


2bd~2U(X1,x2,t) von dem vorhergehenden Beispiel. Wegen a > 0, C > 0
und ac > b 2 ist sie aber parabolisch. Im FaIle b * 0 ist das Verfahren
fur kein a und A positiv. Ein Stabilitatskriterium gewinnen wir nur
uber die Verstarkungsmatrix.
1
Wir setzen ;1 = ~kY1 und w2 2kY2. Das ergibt
2~ ~ ~ ~ ~ . 2~
-4a sin w1 -8b sinw 1 sinw 2cosw 1 cosw 2-4c Sln w2

-4(a+c)+4a cos2;1-8b sin;1sin;2cos;1cos;2+4c cos 2;2


140

Ferner sei fur (;)1 * 1 TT/2 und (;)2 * lTT/2 (lE71):

So kommen wir zu zwei Darstellungen fur H:

und

Wegen Ibl < ~uberwiegen in den eckigen Klammern immer die ersten
Summanden. Darum gilt

-4 (a+c) ~ H< 0 •

Die Gleichheitszeichen auf beiden Seiten werden angenommen. Fur

2 (a+c) (2a-1) A ~ 1

ist also IG(h,y) I ~ 1. Diese Stabilitatsbedingung ist von b unab-


hangig. Wenn allerdings b 2 > ac, so gibt es immer ~1' ~2 mit H > 0
und IG(h,y) I > 1. Das Verfahren ist fur alle a und A instabil. 0

Beispiel 10.4: ADI-Verfahren.


Differentialgleichung:

mit a > 0 und b 1 ,b 2 ElR •


Verfahren:

C(h) = C1 (h/2)oC 2 (h/2)

C (h/2)
p

( p= 1 , 2 und 0=3 - p)
141

Verstarkungsmatrix:

G (h,y) = G1 (h,y) G2 (h,y)

1-aA(1-cosw p )+-21ib p vnAsinw p


G (h,y)
p
1+aA(1-cosw )--21ib VliAsinw
p p p

Die AbkUrzung ADI bedeu tet Alternating Direction Implicit Method. Das
erste ADI-Verfahren wurde von Peaceman-Rachford 1955 angegeben.
Das Verfahren ist aus folgenden GrUnden von groBer praktischer
Bedeutung: Angenornrnen, einer der Quotienten Ib If a ist sehr groB.
p
Dann muB man k zur Vermeidung praktischer Instabilitaten sehr klein
wahlen. Es treten namlich sonst die gleichen Schwierigkeiten wie in
Beispiel 9.21 auf. Bei einem expliziten Verfahren erzwingt die Stabi-
litatsbedingung (2maA ~ 1)

h ist also erst recht sehr klein zu wahlen. Implizite Verfahren ge-
statten zwar h wesentlich groBer zu wahlen, aber man hat wegen des
kleinen Gitterpunktabstandes k sehr groBe Gleichungssysteme zu
losen. Das gilt natUrlich auch fUr das ADI-Verfahren. Der Unter-
schied zu anderen impliziten Verfahren liegt in der Struktur der
Gleichungssysteme. Bei beiden Faktoren C1 und C2 zerfallen die
Gleichungssysteme in unabhangige Teilsysteme fUr die Gitterpunkte
mi t x 2 " canst. bzw. x 1 " canst. Die Matrizen dieser Teilsysteme sind
tridiagonal. Pro Gitterpunkt und pro halbem Zeitschritt braucht man
nur 5 bis 8 Rechenoperationen. Das ist ein vertretbarer Aufwand.
Man beachte, daB G1 nicht zu C1 gehort. Die Faktoren in der Ver-
starkungsmatrix sind gegenUber der Darstellung des Verfahrens ver-
tauscht. Eine solche Darstellung der Verstarkungsmatrix ist nur bei
konstanten Koeffizienten moglich.
In der Praxis hat man es natUrlich meist mit Anfangsrandwert-
aufgaben zu tun. Die Stabilitat hangt dann auch vorn Gebiet ab. Hier
ist der Hinweis notig, daB die folgende Uberlegung nur auf Rechteck-
gebiete ohne weiteres Ubertragbar ist. Nichtrechteckgebiete oder
Differentialgleichungen mit variablen Koeffizienten fUhren teilweise
zu abweichenden Ergebnissen.
Es ist
(1-aA(1-cosw ))2+~b2 hAsin 2 w
2 ------------~p--~~~p~----~~p ~
IG p (h,y) I
(1+aA(1-cosw ))2+14b2 hAsin 2 w
p p p
142

und damit

IG(h,y)1 < 1.

C ist fUr aIle A stabil, obwohl die Faktoren C1 und C2 fUr groBe A
instabil sind. Damit die tridiagonalen Gleichungssysteme ohne Pivot-
ierung 16sbar sind, muB ~aA ~ ilbplkA sein. Das heiBt

Wenn zudem aA ~ 1 gilt, ist C auch positiv. Praktisch genUgt aber die
Beschrankung von k. h darf beliebig groB gewahlt werden. 0

Beispiel 10.5:
DifferentiaZgZeichung:

aEm-{O} •

Verfahren:
-1
C(h) [I-(1-a)AH] o[I+aAH]

mit aE[0,1] und

Verstarkungsmatrix:
1-iaaAsinw 1 sinw 2
G(h,y) =
1+ia(1-a) Asinw 1 sinw 2

mit w1 = kY1 und w2 = kY2 .


Die Differentialgleichung nennt man manchmal pseudo-parabolische
Gleichung. Sie entspricht dem reellen System
2
-ad12u2(x1,x2,t)
2
ad 12 u 1 (x 1 ,x 2 ,t) .

Daraus folgt fUr uEc4(m,~):

L6sungen der Differentialgleichung kann man analog zu Beispiel 9.9


mit Fourier-Transformationen berechnen. Das Verfahren entspricht
formal dem Verfahren in Beispiel 10.3. Es ist nie positiv, aber fUr
a ~ 1/2 stabil. 0
143

Beispiel 10.6: Produktverfahren fUr syrnmetrische hyperbolische Systeme.


DifferentiaZgZeichung:

Dabei sei

A E C2 (lR 2 , MAT(n,n,lR))
II
A (x) syrnmetrisch, p(A (x)) beschrankt
II II
~ 2
II All (x) -All (x) "2 .::: L II x-x "2 (x,xElR , ll=1,2) •

Verfahren:

1
C(h) 4{[ H;l.A, (x) ] [H;l.A 2 (x) ] Tk1 oT k2
-,
+[ H;l.A, (x) ] [I-;l.A 2 (x) ]T k1 oT k2
-,
+[I-;l.A, (x) ][I+;l.A 2 (X)]T k ,oT k2
-, -,
+[I-;l.A 1 (x)][I-;l.A 2 (X)]T k ,oTk2 }

Das Verfahren kann aus dem Friedrichs-Verfahren fUr m = , her-


geleitet werden. Dazu betrachten wir die beiden Differentialglei-
chungssysteme

In dem ersten System kornrnt keine Ableitung nach x 2 ' im zweiten


System keine Ableitung nach x, vor. Darum konnen beide Systeme mit
dem Friedrichs-Verfahren gelost werden. Die Variablen x 2 bzw. x,
spielen dabei nur die Rolle von Scharpararnetern. Die Verfahren lauten:
, ,
C (h) = -2 (I+;l.A (x))T k +-2 (I-;l.A (x))T k
-,
II II II II II

FUr ;I. sup II A (x) II < , sind die Verfahren positiv definit. Dann
II -
gibt es aber nach Satz 8.12 ein K > 0 mit

II C (h) II .::: 1+Kh


II

Nach Satz 10.1 ist das Produkt stabil.

C(h) c, (h) oC 2 (h)


,
4{[I+;l.A, (x)][I+;l.A 2 (x+ke,)]T k ,oTk2
-1
+[I+;l.A, (X)][I-;l.A 2 (x+ke,) ]T k1 oT k2
144

-1
+[I-AA1 (x)][I+AA2(x-ke1)]Tk1oTk2
-1 -1
+[I-AA 1 (x) ][I-AA 2 (x-ke 1 ) ]T k1 oT k2 }

C und C stimrnen bis auf Terme der GroBenordnung O(h) uberein. Darum
ist auch C stabil fur

A max sup p (A (x)) ~ 1 •


\1=1 ,2 xElR 2 \1

Die Konsistenz eines Produktverfahrens folgt ebenfalls unmittel-


bar aus der Konsistenz der Faktoren. ~'Vir mochten diesen Sachver-
halt noch anhand dieses Beispiels demonstrieren. Es sei uEC 2 (lR 2 ,~n).
o
Es ist

h- 1 [C(h)-I](U) h- 1 [C 1 (h)-I] (u)+h- 1 [C 2 (h)-I] (u)

+h{h- 2 [C 1 (h)-I]o[C 2 (h)-I] (u)}

Wegen der Konsistenz des Friedrichs-Verfahrens sind die Sumrnanden


auf der rechten Seite Naherungen fur

und

Die linke Seite ist darum bis auf O(h) eine Naherung fur

Das ist die Konsistenz fUr C'. Zur Vereinfachung wurde nun C durch
C ersetzt. Das andert nichts an der Konsistenz, weil

~[C (h) -C (h) ] (u)

-1
= [I+AA1 (x) ][A 2 (x+ke 1 )-A 2 (X) ]Tk1o[Tk2-Tk2] (u)
-1 -1
+[I-AA (x)][A 2 (x-ke )-A2(x)]Tk1o[Tk2-Tk2] (u) •

Diese Differenz ist offensichtlich von der GroBenordnung O(h 2 ). Es


folgt

Meistens sind C und C nicht positiv definit, weil die Matrix A1 (X)A 2 (x)
nicht symmetrisch ist. Diesen Mangel kann man beheben. C* entstehe
145

aus C durch Vertauschung von A1 und A2 sowie Tk1 und Tk2 . Dann ist
das Verfahren (C+C*)/2 positiv definit. FUr praktische BedUrfnisse
sind alle hier genannten Verfahren zu kompliziert. Mehr Uber Produkt-
verfahren findet man bei Janenko 1971.

Beispiel 10.7: m-dimensionales Friedrichs-Verfahren.


Differentialgleichung:
m
r A (x) d u(x,t)
).1=1).1 ).I

Dabei sei

A).I EC 2 (IRm , MAT(n,n,IR)) symmetrisch


ptA (x)) beschrankt
).I
~ m
IIA (x)-A (x) II ::;Lllx-xIl 2 (x,xEIR , ).1=1 (1 )m) •
).I ).I

Verfahren:

C (h)

mit rEIR.
Verstarkungsmatrix:
m r m
G (h,y ,x) = (1-r) IHi r A (x) sinw + -I r COSw
).1=1 ).I ).I
m ).1=1 ).I

mit w = ky fUr).l = 1 (1)m.


).I ).I

Die Differentialgleichung ist ein sogenanntes symmetrisches


hyperbolisches System. Zur Theorie siehe z.B. Mizohata 1973. FUr
den Fall m = 2 haben wir das System schon im vorhergehenden Bei-
spiel behandelt.
Die m-dimensionale Wellengleichung
m
2
dm+1 ,m+1 v (x,t) rb (X)d (b (X)d v(x,t))
).1=1).1 ).1).1 ).I

b ).I EC 2 (IRm, IR+ )

laBt sich durch die Substitution

u(x,t) = (d m+1 V(X,t), b 1 (x)d 1V(X,t), ... ,bm(X)d mV(X,t))

auf ein solches System zurUckfUhren. In diesem Spezialfall sind die


Koeffizienten des Systems Elemente von MAT(m+1,m+1 ,IR):

A (x) (a ().I) (x) )


).I aT
146

mit

b)J (x) fUr a = 1 und T = )J+1


a ()J) (x) { b (x) fUr T = 1 und a = )J+1
aT )J
o sonst.

FUr m = r = 1 handelt es sich offensichtlich urn das frUher be-


handelte Friedrichs-Verfahren. FUr m = 2 ist es einfacher als das
Produktverfahren aus Beispiel 10.6. FUr m > 2 ist das m-dimensionale
Friedrichs-Verfahren erst recht einfacher als die Produktverfahren,
die man auch in diesen Fallen angeben kann.
C ist fUr alle AEm+ und alle rEm konsistent. Den Beweis Uber-
gehen wir. C ist genau dann positiv definit, wenn

rE(0,1 lund A max sup p(A (x)) ~ rim .


)J=1 (1)m xEmm )J

Genau unter diesen Bedingungen sind namlich alle Matrizen

(1-r)I, AA + EI und -AA + EI


)J m )J m

positiv semidefinit. FUr A (x) cI ()J=1 (1)m, cEm) und r 1 gilt


)J
fUr w)J = n/2:

II G(h,y,x) 112 = Acm .

Nach Satz 9.31 stirnmt die Bedingung, unter der das Verfahren positiv
definit ist, wenigstens in diesem Spezialfall mit der Stabilitatsbe-
dingung Uberein. Es gibt aber auch andere Falle, in denen das Ver-
fahren stabil aber nicht positiv definit ist.
Wir mochten die obige Forderung an das Friedrichs-Verfahren
fUr m = 2, r = 1 mit unserer Stabilitatsbedingung fUr das Produkt-
verfahren vergleichen. Die erste lautet

h max sup p(A (x)) ~ k/2


)J=1(1)2xEm2 )J

und die zweite

h max sup p(A (x)) ~ k .


)J=1 (1 ) 2 xEm2 )J
147

Allerdings muB man auch die Abstande der Gitterpunkte berUcksichtigen.


Sie sind einrnal k und einmal k~ (vgl. Abbildung 10.8).

o o o

k k
o O----I.~o o-----t~ ..

o o o

Friedrichs -Verfahren Pr od u ktverfa h ren

Abb. 10.8. Differenzensterne fUr Friedrichs-Verfahren


und Produktverfahren

Trotzdem ist das Verhaltnis der maximal moglichen Zeitschrittweite


zu diesem Abstand beim Produktverfahren urn den Faktor VTgroBer. Das
Produktverfahren approximiert den Bestimrntheitsbereich der Differen-
tialgleiehung besser. Dies ist der allgemeine Vorzug der Produktver-
fahren. Er siehert ihnen ein gewisses Interesse. Man nennt sie auch
optimal stabil. Das soll heiBen, ihre Stabilitatsbedingung ist die
Courant-Friedrichs-Lewy-Bedingung. 0

Beispiel 10.9: Lax-WendY'off-RichtmyeY'.J.Jerfahren


DiffeY'entiaIgleichung wie in Beispiel 10.7. Zusatzliche Voraussetzung:

AIl EC 3 (lRm , MAT(n,n,lR))

113 2 A (x) "2 beschrankt (11=1 (1)m, 0'=1 (1)m, T=1 (1)m) .
aT 11

VeY'fahY'en:

C (h)

mi t rE lR und

s
148

Fur m = r = 1 und A (x) = A = const. handelt es sich um das


l.l
normale Lax-Wendroff-Verfahren (vgl. Beispiel 9.26). Dann ist namlich
Tk1 :
1 -1
S iAA(Tk-T k )
1 -1 1 2 2 2 -2 1 2 -2 1 -1
C(h) I+iAA(Tk-T k )+8 A A (T k -2I+T k )+4AA(Tk-Tk )-iAA(Tk-Tk )

C (h) I+1AA(T2_T-2)+lA2A2(T2_2I+T-2)
4 k k 8 k k
Austausch von 2k durch K und A/2 durch r ergibt den Ausdruck

Fur r = 1 kammen in jedem Fall in C nur Potenzen T~ mit gerader


"In
Summe r s vor. In Abbildung 10.10 ist zu sehen, welche Gitter-
1.l=1 l.l
punkte bei der Berechnung von C fur m = 2 eingehen. Die Punkte *
werden nur fur r * 1 benutzt.

o
o o
*
o
* o

o o
*
o

Abb. 10.10. Differenzenstern fur Lax-Wendroff-Richtmyer-Verfahren

Das Lax-Wendroff-Richtmyer-Verfahren besitzt die Konsistenzordnung


0(h 2 ). Es ist wohl das wichtigste Verfahren zur Behandlung symme-
trischer hyperbolischer Systeme. Die Wahl rE(0,1) empfiehlt sich
manchmal bei Verallgemeinerungen auf nichtlineare Aufgaben.
Wir skizzieren kurz den Konsistenzbeweis. Aus
m
am+1u(x,t) r A (x)a u(x,t)
1.l=1 l.l l.l

folgt
2 ..
am+1 ,m+1 u (x,t) ~ A (x)a [~A (x)a U(X,t)].
1.l=1 l.l l.l v=1 v v
149

Fur uEC 3 (:nf1 ,ern) zeigt man nacheinander:


o

Su (x,t) h

1 2
2"Su(x,t)

ZusammengefaBt ergibt sich:


1 2 2 3
C(h)u(x,t) = u(x,t)+h8 m+1u(x,t)+2h 8m+1 ,m+1u(x,t)+O(h )

u(x,t+h)+O(h 3 ) .

Mit Hilfe des Satzes 9.34 von Lax und Nirenberg wollen wir hin-
reichende Stabilitatskriterien herleiten (vgl. Meuer 1972). Der Satz
ist allerdings nicht unmittelbar anwendbar. Wenn man C auf die Normal-
form
s
C(h) = Bs(x,h)T k
L
s
bringt, erhalt man namlich Koeffizienten B (x,h), die in der Regel
s
tatsachlich von h abhangen. Fur m = 1 ist z.B.
212 212 12
S = 4A A(X)A(x+g)Tk-[4A A(x)A(x+g)+4A A(x)A(x-g)]I
1 2 -2
+4A A(x)A(x-g)T k

mit A = A1 , g = ke 1 und Tk Tk1 . Der Operator

C*(h) = L Bs(x,O)T~
s
hat aber von h unabhangige Koeffizienten. Man zeigt leicht:
(1) II C(h)-C*(h) "2 = O(h)
C und C* sind darum be ide stabil oder beide instabil.
(2) fur jedes UEC; (lRm,ee n ) ist iF

"[C(h)-C*(h)](u) "2 = O(h 2 ) .

Deswegen ist C* mindestens von erster Ordnung konsistent.


(3) C* hat die Verstarkungsmatrix

mit wj.I ky j.I (j.I=1 (1 )m) und


m
S iA L Aj.I(x)sinwj.l
11=1
150

Fur m = 1 ist

C(h) -C* (h) ~A2A(X) [A(X+g)-A(X)]T~


1 2
-SA A(x) [A(x+g)+A(x-g)-2A(x)]I
1 2 -2
+SA A(x) [A(x-g)-A(X)]T k

(1) ist daher unmittelbar zu sehen. Zum Beweis von (2) entwickelt
man die Differenzen

C(h)-C * (h) = 14A 2gA(x)A' (x) [Tk-T


2 -2 ]+O(h 2 )
k

Fur m > 1 uberlassen wir diese Uberlegungen dem Leser.


Wir konnen nun den Satz 9.34 von Lax· und Nirenberg auf C* an-
wenden. Hinreichend fur die Stabilitat ist demnach

II G* (h,y,x) 112 < 1 •

Nach Satz 9.31 ist diese Bedingung auch notwendig. Es sei H das Pro-
dukt von G*(h,y,x) mit der hermitisch-transponierten Matrix (G*)H,

m
P r A (x)sinw
jJ=1 jJ jJ

und es sei
m
n = 1 I: cOSW
m jJ=1 )l

Es gilt -1 ~ n ~ 1. Unabhangig von A,r,h nimmt n alle diese werte an.


Aus der Schwarzschen Ungleichung folgt

21 m 2
n ~ m jJ:1 cos wjJ

H laBt sich folgendermaBen darstellen:

H [I-~A2p2-iA(1-r+rn)P][I-~A2p2+iA(1-r+rn)P]

H = (I_1A2p2)2+A2(1_r+rn)2p2
2

P ist reell und symmetrisch. Die Eigenwerte a von P sind reell. Zu


jedem Eigenwert a von P gehort ein Eigenw~rt von H. Notwendig und a
hinreichend fur die Stabilitat von c* und C ist also: ist nie a
groBer als 1. Demnach haben wir folgende Ungleichungen zu untersuchen:
~ 12222 22
a (1-iA a ) +A (1-r+rn) a ~ 1 •
151

Sie ist fur a = 0 stets erfUllt. Nur wenn aIle Matrizen A {x} Uber-
)J
all Null sind, ist a stets O. In diesem trivialen Fall hat man fUr
aIle A und r Stabilitat.
In allen anderen Fallen konnen wir uns auf die Kombinationen der
x und w mit p{P} > 0 beschranken und zu einer aquivalenten Menge von
)l
Ungleichungen ubergehen:
122 2
4A {p{P}} +{1-r+rn} < 1 .

Fur r < 0 oder r > 1, n < -1/r erhalten wir aus der Ungleichung
einen Widerspruch. Notwendig fUr die Stabiltat ist in den nicht-
trivialen Fallen rE{0,1J. FUr diese r kann man die Ungleichungen
noch einmal aquivalent umformen zu den Ungleichungen
1 2 2 2 2
4rA {p{P}} +n -{1-r} {1-n} :5 1 . {10.11}

Wir setzen nun

K= max sup p {A (x})


)J=1 (1}m xElRffi )J

und behaupten: Hinreichend fUr die Stabilitat von C* und C ist

rE(0,1 J und lAK <


2 -
vr
m
. (10.12)

Zum Beweis sei w ein beliebiger Eigenvektor einer Matrix P mit


und P {w} = aw.

m T
a = L (w A (x}w}sin w
)J=1)J )J

Wir wenden wieder die Schwarzsche Ungleichung an und erhalten weiter:

2 m T 2 m 2
a S L (w A (x}w) . L sin w
)J=1)J )J=1 )J

22 m 2
a S mK L sin w
)J=1 )J

(p (P) ) 2 2 m 2
S mK L sin w
)J=1 )J

~A2(p(p}}2 _< 1 ~ sin 2 w


4r m )J=1 )J

Diese Ungleichung ist etwas starker als (10.11).


152

Es bleibt die Frage, ob die Stabilitatsbedingung (10.12) eini-


germaBen realistiseh ist. Die Antwort ist: Bei spezieller Struktur
der Matrizen A (x) lohnt es sieh, auf die notwendige und hinreiehende
].l
Bedingung (10.11) zurliekzugreifen. Ein bekanntes Beispiel ist die
allgemeine wellengleiehung. Wie in Beispiel 10.7 erwahnt, ist bei
dieser Gleiehung

A (x) = (a (].l) (x))


].l cr,

mit

a (].l) (x)
cr,
b (x) flir cr
].l
1, , ].l+1 und , 1 , cr ].l+1

a (].l) (x) 0 sonst.


cr,

Mit

K max sup b (x)


].l=1 (1) m xElRm ].l

ist zwar aueh

K= max sup p (A (x)) ,


].l=1 (1) m xE:rnm ].l

aber im Gegensatz zu oben

2 m 2
~ K L sin w
].l=1 ].l

Mit Hilfe von (10.11) kommt man zu einer urn den Faktor vm glinstigeren
Bedingung:

rE(0,1] und !AK < - ~


2 - Vrn
Die gleiehe Absehwaehung der Stabilitatsbedingung (Faktor Vffi) ist
im Falle der allgemeinen Wellengleiehung librigens aueh flir das
m-dimensionale Friedriehsverfahren moglieh. 0

Bisher haben wir generell Verfahren auBer aeht gelassen, die ver-
sehiedene Abstande k der Gitterpunkte in den Riehtungen e verwen-
den. Man erhalt dabei statt A = h/k oder A = h/k2 mogliehe~weise
2
m versehiedene Sehrittweitenverhaltnisse A = h/k oder A h/k.
].l ].l ].l ].l
Solehe Verfahren haben durehaus praktisehe Bedeutung.
Dureh eine Koordinatentransformation

x ].l cr x
].l ].l mit cr ].l > 0 (].l=1 (1 )m)
153

kann man aber k, = k2 = ... = km erreichen. Die Transformation


andert die Koeffizienten der Differentialgleichung. Sie werden mit
0]..1 oder 0 2 oder 0 0 multipliziert. In vielen Fallen hat sich folgen-
]..I ]..I \!
des Vorgehen bewahrt: Erst transformiert man die Koordinaten so, daB
die Koeffizienten, die bei der vertauschung der Variablen ineinander
Ubergehen, etwa gleich groB sind. Bei einem symmetrischen hyperbo-
lischen System heiBt das

sup ptA, (x)) sup . p (A (x))


xEmm xEmm m

Dann wahlt man die Abstande unabhangig von ]..I. Das entspricht im ur-
sprUnglichen Koordinatensystem einem Verfahren mit k ]..I = k/o ]..I .

11 Extrapolationsmethoden

Die bisher konkret besprochenen Differenzenverfahren sind aIle von


erster oder zweiter Konvergenzordnung. Tatsachlich sind solche ein-
fachen Verfahren von groBer Bedeutung fUr die Praxis. Das wird jeden
Uberraschen, der die Situation bei gewohnlichen Differentialglei-
chungen kennt. Dort beginnt man praktisch erst mit Verfahren vierter
Ordnung.
Hohe Genauigkeit laBt sich nur mit Verfahren hoher Kon-
vergenzordnung erreichen. Das gilt erst recht fUr partielle Diffe-
rentialgleichungen. Betrachten wir in m Ortsveranderlichen ein Ver-
fahren k-ter Ordnung mit h/~x = A ~ canst. Der Rechenaufwand fUr ein
festes Zeitintervall [O,T] ist dann 0(h- m- 1 - c ). FUr explizite Ver-
fahren ist £ = 0, fUr implizite manchmal c > o. Letzteres hangt von
dem Aufwand ab, der fUr die Auflosung der Gleichungssysteme not-
wendig ist. In jedem Fall ist m+1+c ~ 2. Eine Verbesserung der Ge-
nauigkeit urn einen Faktor q bedeutet also eine Multiplikation des
Rechenaufwandes mit q = q(m+1+c)/k.
Bei der Losung parabolischer Differentialgleichungen gilt in
der Regel h/(~x)2 A ~ canst. Das Wachstumsgesetz 0(h-(m/2)-1-c) fUr
den Rechenaufwand sieht etwas gUnstiger aus. Bei einem Restglied
O(hk)+O«~x)k) = 0(h k / 2 ) ergibt sich aber q = q(m+2+2c)/k. Nur bei
. . k 2k k ~ (m+2+2d /2k
elnem Restglled O(h )+O«~) ) = O(h ) kommt man zu q = q .
Wie laBt sich aber die Bevorzugung einfacher Verfahren in der
Praxis erklaren? Es gibt dafUr eine Reihe schwerwiegender GrUnde.
Wir wollen sie kurz nennen:
(1) Bei vielen Anwendungen liegt eine komplizierte Geometrie
vor. Die Randbedingungen - manchmal auch nicht genUgend glatte Ko-
effizienten der Differentialgleichungen - fUhren zu Losungen, die
nur ein- oder zweimal differenzierbar sind. Verfahren hoherer Ordnung
haben dann keine Vorteile. Bei gewohnlichen Differentialgleichungen
gibt es keinen EinfluB von Geometrie und Randbedingungen in diesem
Sinnei bei mehreren Ortsveranderlichen dominieren dagegen Schwierig-
keiten dieser Art.
(2) Die Stabilitatsfrage spricht dafUr, sich auf wenige Typen
von Verfahren zu beschranken, zu denen genUgend viele Erfahrungen
vorliegen. Ein Verfahren, das fUr reine Anfangswertaufgaben bei Glei-
chungen mit beliebig oft differenzierbaren Koeffizienten stabil ist,
kann namlich diese Stabilitat als Folge von Randbedingungen, von
weniger glatten Koeffizienten oder Nichtlinearitaten verlieren. Sta-
bilitat ist auBerdem eine Aussage fUr Schrittweiten h ~ ho. Oft ist
ganz unklar, wie ho von den oben genannten EinfluBgroBen abhangt. In
dieser komplizierten theoretischen Situation kommt den praktischen
Erfahrungen entscheidende Bedeutung zu.
(3) Die GenauigkeitsansprUche der Ingenieure und Physiker sind
haufig bescheiden. Diese Tatsache fallt im Zusammenhang mit gewohn-
lichen Differentialgleichungen oft nfcht auf, weil die Rechenzeiten
sowieso unerheblich sind. Deshalb wird dort die Frage nach der er-
forderlichen Genauigkeit kaum diskutiert. Wie bei der Auswertung ein-
facher transzendenter Funktionen nimmt man die Mantissenlange der
Maschinenzahlen als Orientierung fUr die Genauigkeit. Die numerische
Losung partieller Differentialgleichungen wird dagegen leicht so
teuer, daB der Ingenieur oder Physiker lieber mit den Genauigkeits-
ansprUchen zurUcksteckt. Dieses Diktat der Kosten wird in Zukunft
durch den technischen Fortschritt bei der Hardware vielleicht weniger
drUckend sein.
Die genannten Argumente bedeuten nicht, daB Verfahren hoherer
Konvergenzordnung keine Chancen hatten. Man darf hoffen, daB ihre
Bedeutung langsam zunehmen wird.
Ein kraftiges Hilfsmittel zur Herleitung solcher Verfahren ist
die Extrapolation. Zunachst soll das grundsatzliche Vorgehen dieser
Methode erlautert werden. Um die Formeln nicht zu lang werden zu
lassen, beschranken wir uns auf Aufgaben im ]R2mit einer Ortsver-
anderlichen x und der Zeitveranderlichen t.
Ausgangspunkt ist eine sachgemaB gestellte Aufgabe und ein zu-
gehoriges konsistentes und stabiles Differenzenverfahren. Betrachtet
werden nur die Losungen zu s-mal stetig differenzierbaren Anfangs-
155

funktionen. Mit h bezeichnen wir die Schrittweite des Differenzen-


verfahrens. Grundlage der Extrapolationsmethoden ist die folgende
Annahme: Die Losungen w(x,t,h) des Differenzenverfahrens besitzen
eine asymptotische Entwicklung
r-1 Yv
w(x,t,h) L , (x,t)h +p(x,t,h) ((x,t)EG, hE(O,h o ])
v=o v

mit r > 2 und

II p(x,t,h) II ((x,t)EG, hE(O,h o ])


,v : G .... a: n v = 0(1)r-1

o
'0 ist die gesuchte exakte Losung der Aufgabe. 0
Zuerst besprechen wir die sogenannte globale Extrapolation. Man
fUhrt dabei das Differenzenverfahren fUr r verschiedene Schrittweiten
h j , j = 1 (1)r jeweils fUr das ganze Zeitintervall durch. Die r Rech-
nungen sind unabhangig voneinander. FUr jede Schicht t = tk mit
~k/hjE~ fUr alle j = 1 (1)r kann man nun eine Linearkombination
w(x,t k ,h 1 , ... ,h r ) der Werte w(x,tk,h j ) so bilden, daB

w(x,t k ,h 1 ,· .. ,hr ) = 'o(x,y)+R

Wenn h v = q v h, v = 1 (1)r ist und h gegen Null konvergiert, gilt


Y
R = 0 (h 1 r)

Die Berechnung von w erfolgt rekursiv:

T. j = 0(1 )r-1
J ,0

T. TJ,V-
. 1 -13.JV [ T.J- 1 ,v- 1 -T J,V-
. 1]
J,v
v = 1 (1) r-1, j = v (1) r-1

1m allgemeinen hangen die Koeffizienten 13· Em in komplizierter


JV
Weise von den Schrittweiten h. und den Exponenten y abo In den
J v
folgenden beiden wichtigen Spezialfallen ist die Berechnung aber
relativ einfach.
156

2(1)r, Yv beliebig

Fall 2: Yv = vy, Y > 0, v = 1 (1 )r, h j beliebig


1

Zur BegrUndung siehe Stoer 1976, Kapitel 2 und Grigorieff 1972,


Kapitel 5. Im Ubrigen ist dieses Vorgehen von der Romberg- und
Bulirsch-Quadratur und der Extrapolation der Mittelpunktregel fUr
gewohnliche Differentialgleichungen (vgl. Stoer-Bulirsch 1973)
wohlbekannt.
Praktisch wird das Differenzenverfahren nur fUr endlich viele
Werte von x durchgefUhrt. Die Extrapolation ist dann fUr die x mog-
lich, die bei allen Schrittweiten h. vorkommen. Im FaIle h./(Ax)~
J J J
55 const. liegt hier eine besondere Schwierigkei t vor.
FUr die GroBe des Restgliedes und fUr den Rechenaufwand sind
die Quotienten der h j von groBer Bedeutung. Bei der Losung hyper-
bolischer Differentialgleichungen kommt ebenfalls die Romberg- oder
die Bulirsch-Folge in Frage:
Romberg-Folge:

h. = h/2 j - 1 , j 1(1)r •
J
Bulirsch-Folge:

j ::: 1 •

Wegen der oben erwahnten Schwier igkei t im FaIle h. / (Ax) ~ 55 const.


J J
empfiehlt sich bei der Losung parabolischer Differentialgleichungen
eine Abstufung der (Ax)j im Sinne dieser Folgen. Im Prinzip kann
man bei globaler Extrapolation aber auch andere Folgen verwenden.
Die entscheidenden Fragen vor Anwendung eines Extrapolations-
verfahrens sind: Wann existiert eine asymptotische Entwicklung? Wie
sind die Exponenten y ? Optimal ware natUrlich y = 2v. Meistens
v v
muB man aber mit Yv = v zufrieden sein. Bei gewissen Aufgaben kommen
auch nicht ganzzahlige Exponenten vor.
157

lm allgemeinen ist die Herleitung einer asyrnptotischen Ent-


wicklung ein sehr schwieriges theoretisches Problem. Das gilt auch
fUr die Falle , bei denen die Erfahrung fUr die Existenz solcher Ent-
wicklungen spricht. VerhaltnismaBig einfach sind die Beweise aber
bei linearen Anfangswertaufgaben ohne Randbedingungen.
Als Beispiel soll hier die Aufgabe

32u(x,t) = A(X)3 1U(x , t)+q(x , t) (xE:rn. I tE (O,T))

u(x,O) lP(x) (xE:rn.)

dienen. Die Anforderungen an die Koeffizientenmatrix mUssen scharf


gefaBt werden. Wir fordern:

A E COO (:rn. , MAT (n I n ,:rn.) )

A(x) reell und syrnrnetrisch , II A(x) II :::: L1 I

(x,xE:rn.) •

w (x I t I h) seien die mit dem Friedrichs-Verf ahren gewonnenen Naherungs-


werte. Dabei sei A h/~x > ° fest gewahlt und

A sup (p (A (x) )) < 1 .


xElR
Das Verfahren ist konsistent und stabil im Banachraum L2 (lR I~n)
(vgl. Beispiel 8.9). lm Falle der inhomogenen Gleichung entscheiden
wir uns fUr die Formel
1
w (x I t+h, h) = 2 (lHA (x) ) w (x+~ I t I h) +21 (l-AA (x) ) w (X-~X,'t, h) +hq (x I t)
00 n co n
Satz 11.1: Es seien rElN I lPECo(lR,]R ) und qEC o (lRx[O,T],lR ). Dann
gilt fUr aUe hE (0 I h ]:
o
r-1
w(x,t,h) = L T (x,t)hv+p(x,t,h) (xE:rn. I tE[O,T] It/hEll)
v=o v

II p(·,t,h) 112 = O(h r ) gleichmiif3ig in t.

Beweis:Da fUr r = 1 nichts zu beweisen ist , setzen wir r > 1 voraus.


Wir wahlen die Bezeichnungen:

v COO (:rn. I JRn)


o
00 n
W Co(JRx[O,T],JR )
158

Wichtigstes Hilfsmittel fUr diesen Beweis ist die Aussage: FUr


~EV und qEW ist die Lasung u obiger Aufgabe aus W. Dies ist ein

Spezialfall von Existenz- und Eindeutigkeitssatzen fUr lineare


hyperbolische Systeme (vgl. z.B. Mizohata 1973).
FUr beliebige yEW untersuchen wir die Differenzenquotienten
-1 1
Q1 (v) (x,t,h) h {v(x,t+h)-2[v(x+~,t)+v(x-~x,t)]}

-1
Q2 (v) (x,t,h) (2~x) {v(x+~x,t)-v(x-~x,t)}

Q (v) = Q1 (v) -A (x) Q2 (v) .

Obwohl w(x,t,h) nur fUr t/hE~ definiert ist, kann man Q auch auf
w anwenden:

Q(w(·,·,h)) (x,t,h) = q(x,t) (xElR, tE[O,T], t/hE?l., hE (O,h o ])

FUr yEW kann Q1 (v) und Q2(v) einzeln nach der Taylorformel ent-
wickelt werden. Man erhalt:
s v-1 s
Q(v) (x,t,h) = d2V(X,t)-A(X)d 1V(X,t)+ [h Dv(V) (x,t)+h Z(x,t,h)
v=2

Dabei ist sEm beliebig. FUr s = 1 entfallt die Summe von 2 bis s.
Die Operator en Dv' v = 2(1)00 sind Differentialoperatoren, in die
neben partiellen Ableitungen der Ordnung v noch A(x) eingeht. Es
gilt D (v)EW. Der Trager von Z ist beschrankt. FUr festes h ist
v
Z(.,.,h)EW. Z(x,t,h) ist fUr alle x,t,h beschrankt.
Die GraBen TvEW, v = 0(1)r-1 definieren wir rekursiv:

v = 0: d2To (x,t) A(X)d 1 TO (X,t)+q(X,t) (xElR, H[O,T])


TO (x,O) = ~(x) (xElR)
v-1
v > 0:
v v
°
02T (x,t) = A(x) 1 T (x,t) - [ D +1
~=O v -~
h)
~
(x,t) (xElR, tE[O,T])

TV(X,O) =0 (xElR)

Es folgt T EW, v = 0(1)r-1


v
Die Differenzenquotienten Q(T ) ergeben:
v
2r-1
q(x,t)+ [ h~-1D (T ) (x,t)+h 2r - 1 z (x,t,h)
~=2 ~ 0 0

v-1 2r-2v-1
Q(T) (x,t,h) -[D+ 1 (T)(X,t)+ [ h ~-1 D(T)(X,t)
~=O v -~ ~ ~=2 ~ v

+h2r-2v-1Z (x,t,h) v = 1 (1)r-1 .


v
159

In der letzten Gleichung entfallt fur v = r-1 die Summe von 2 bis
2r-2v-1. Jetzt wird die v-te Gleichung mit h V multipliziert, dann
werden aIle Gleichungen addiert. Mit , L, h V ergibt sich:
v
r-1 v-1
Qh) (x,t,h) q(x,t)- L hV L D +1 h ) (x,t)
v=1 \1=0 v -)l )l
r-2
+ L hV
v=o
r-2 2r-2v-1
+ L hV L h)l-1 D (, ) (x,t)
v=o )l=r-v+1 )l v
r-1
+ L h 2r - v - 1 z (x,t,h)
v
v=o
Die beiden ersten Doppelsummen sind bis auf das Vorzeichen gleich.
In der zweiten kann man namlich ~ = v+)l-1 substituieren. So erhalt
man
r-2 r-.1
L L h)lD..... +1 (, ) (x,t)
v=o ~=v+1 )l-V v

AnschlieBend werden die Summenzeichen vertauscht:


r-1 ..... ~-1
L h)l L D.....+1 h ) (x,t) .
~=1 v=o)l -v v

Die Substitution (~,V) ~ (v,)l) ergibt die erste Doppelsumme.


Wahrend sich diese Terme in der Darstellung von Q(,) wegheben,
enthalten die beiden letzten Terme einen gemeinsamen Faktor hr. Es
ist also

Q(,) (x,t,h) = q(x,t) +hrZ (x,t,h)


(xElR, tE[O,Tl, t+hE[O,Tl, hE (o,hol) .

Fur Z gilt das gleiche wie fur die Zv: Beschrankter Trager, stetig
fur feste h, beschrankt fur aIle xElR, tE[O,Tl und hE (O,hol .
,-w erfullt die Differenzengleichung

Q(,) (x,t,h)-Q(w) (x,t,h) = hrZ(x,t,h)

,(x,O,h)-w{x,O,h) = °
,-w ist demnach Losung des Friedrichs-Verfahrens zur Startfunktion °
und der Inhomogenitat hrZ(x,t,h). Aus der Stabilitat des Verfahrens
und II Z (. ,t,h) 112 ::: L fur t/hE71 und hE (O,hol folgt fur diese t und h:
..... r
II ,(. ,t,h) -w(· ,t,h) 112 ::: L·h . D
160

Die Beschrankung auf Funktionen ~ und q mit kompaktem Trager ist


wegen des endlichen Abhangigkeitsgebietes der Differentialgleichung
und des Differenzenverfahrens vom praktischen Standpunkt aus uner-
heblich. Von Bedeutung sind allein die Differenzierbarkeitsvoraus-
setzungen.
Parabolische Gleichungen besitzen kein endliches Abhangigkeits-
gebiet. Die Vektorraume V und W passen darum nicht zu diesen Diffe-
rentialgleichungen. Sie konnen aber durch die Vektorraume der Funk-
tionen ersetzt werden, fur die gilt:

sup I~(j) (x)xkl < 00 (j = O(1)s, k 1 (1 )00)


xEJR
. k
sup I (d 1 ) Jq(x,t)x I < 00 (j O(1)s, k 1(1)00, tE[O,T]) .
xEJR
sElN geeignet, aber fest.

Diese Raume hatte man auch in Satz 11.1 verwenden konnen.


Der Beweis eines entsprechenden Satzes fur das Verfahren von
Courant, Isaacson und Rees durfte miBlingen, weil die Zerlegung
A(x) = A+(X)-A_(X) nicht differenzierbar von x abhangt. Das soll
heiBen: Wenn A(x) beliebig oft differenzierbar ist, so gilt das
nicht unbedingt fur A+(x) und A_(x).
Die globale Extrapolation entspricht nicht genau dem Vorbild
der Extrapolation der Mittelpunktsregel bei gewohnlichen Diffe-
rentialgleichungen. Dort handel t es sich narnlich urn ZokaZe ExtrapoZation.
Sie ist bei partiellen Differentialgleichungen nur ausnahrnsweise an-
wendbar. Trotzdem wollen wir sie hier kurz erklaren.
Es sei

(njElN, j = 1 (1 )r).

Das Differenzenverfahren wird zunachst nur fur das Intervall [O,h]


durchgefuhrt. Fur t = h stehen dann r Naherungen fur T zur Ver-
o
fugung. Mit Hilfe des Neville-Schemas wird eine Naherung hoherer
Ordnung fur t = h berechnet. Die durch diese Extrapolation gewonnen-
en Werte sind die Anfangswerte fur das Intervall [h,2h].
Es ergeben sich zwei Schwierigkeiten:
(1) Wenn man mit endlich vielen Stutzstellen x rechnet, ist
die Extrapolation nur fur die x moglich, die bei allen r Rechnungen
benutzt wurden. Praktisch heiBt das: Fur j = 1 (1)r mussen die glei-
chen x-Werte benutzt werden. Wegen A = h./(Ax). = const. bzw.
A = hj/(Ax)~ = const. muB das Verfahren ffrr die J gr6Beren Schrittweiten
161

h. mehrfach mit in x-Richtung verschobenem Gitter durchgefUhrt werden.


]
Das ist nur bei reinen Anfangswertaufgaben ohne Schwierigkeiten mag-
lich. In jedem Fall wird hierdurch der Rechenaufwand erhaht.
(2) Die lokale Extrapolation eines Differenzenverfahrens ist
ein neues Differenzenverfahren. Seine Stabilitat folgt nicht aus der
Stabilitat des extrapolierten Verfahrens. Haufig ist das neue Ver-
fahren nicht stabil. Lokale Extrapolation ist dann nicht anwendbar.
Gelegentlich entstehen auch sogenannte schwach-stabile Verfahren, die
mit nicht zu kleinen h-Werten noch brauchbare Ergebnisse liefern. So-
weit Stabilitat vorliegt, ist sie unabhangig von der Stabilitat des
Ausgangsverfahrens zu beweisen. Lokale Extrapolation ist also eine
heuristische Methode der Suche nach Verfahren hoherer Ordnung.
Die Vorteile der lokalen Extrapolation gegenUber der globalen
sind jedoch offensichtlich. Einmal brauchen nicht so viele Ergeb-
nisse zwischengespeichert zu werden. Das erleichtert die Program-
mierung. Dann kann die Schrittweite h im Intervall [O,T] gewechselt
werden. Das Neville-Schema liefert gute Informationen zur Steuerung
dieser Schrittweite. Das Verfahren erreicht so eine hahere Flexibi-
litat, die zur VerkUrzung der gesamten Rechenzeit genutzt werden
kann.
Als Beispiel fUr lokale Extrapolation untersuchen wir wieder
das Friedrichs-Verfahren C(h) zu der oben betrachteten Aufgabe. Die
asymptotische Entwicklung beginnt mit To (x,y)+hT 1 (x,y)+h2T2(x,y).
Es sei r = 2, h1 = h und h2 = h/2. Dann ist

ein Verfahren zweiter Ordnung. Wir untersuchen, ob es stabil ist.


Es seien

h/A und g !:::.x/2 •

Dann ist

C(h) 1 2 1 -2
2(I+AA(X»T g +2 (I-AA(X»T g
1 1 -1
C(h/2) 2(I+AA(X»T g +2 (I-AA(x»T g

2C 2 (h/2) ~(I+AA(X» (I+AA(X+g»T~


1 0
+2(I+AA(X» (I-AA(X+g»T g
1 0
+2(I-AA(x» (I+AA(x-g»T g
1 -2
+2(I-AA(X» (I-AA(X-g»T g
162

~A(I+AA(X))A(X+g)T~

+I-~A(I+AA(X))A(X+g)+~A(I-AA(X))A(X-g)
1 -2
-iA(I-AA(X))A(x-g)T g •

Nach Satz 5.13 haben Terme der Ordnung O(h) keinen EinfluB auf die
Stabilitat. E2 (h) ist darum genau dann stabil, wenn das Verfahren E2 (h)
stabil ist, bei dem A(x+g) und A(x-g) durch A(x) ersetzt wurden:
1 2 2 2 1 -2
iA(I+AA(X))A(X)Tg+I-A A (X)-iA(I-AA(X))A(X)Tg
1 -1 1 2 2 -1
I+iAA(X) (T~-T~x)+2AA (x) (T~-2I+T~x) •

Fur A(x) = const. ist E2 (h) das Lax-Wendroff-Verfahren (vgl. Beispiel


9.26). Dieses Verfahren ist fur

Ap(A(x)) ~ 1

stabil. Wenn A(x) reell, syrnmetrisch und konstant ist, folgt sogar

Mit Hilfe von Satz 9.34 (Lax-Nirenberg) ergibt sich nun eine hin-
reichende Stabilitatsbedingung fur nichtkonstante A:
E2 (h) und E2 (h) sind unter folgenden Bedingungen stabil:
(1) A E c 2 (JR, MAT (n,n,JR))
(2) A(x) ist stets syrnmetrisch
(3) Die ersten und zweiten Ableitungen von A sind beschrankt.
(4) AP (A(x)) ~ (xEJR) •
Nach Satz 9.31 ist die Bedingung (4) auch notwendig fur die
Stabilitat.
E2 (h) stimmt im Falle konstanter Koeffizienten mit dem Spezial-
fall m = 1, r = 1 des Verfahrens C(h) in Beispiel 10.9 uberein. Beide
Verfahren besitzen die gleiche Konsistenzordnung und die gleiche
Stabilitatsbedingung. Sie sind aber fur nichtkonstante A verschieden.
Die Differenz E2 (h)-C 2 (h/2) = C2 (h/2)-C(h) gibt einen guten
Hinweis auf die GroBenordnung des lokalen Fehlers. Man kann dies zur
Schrittweitensteuerung heranziehen. Aus diesem Grunde hat die lokale
Extrapolation des Friedrichs-Verfahrens gegenuber der direkten An-
wendung des Lax-Wendroff-Verfahrens sogar Vorteile.
Die Herleitung E2 (h) kann auch uber die Verstarkungsmatrix von
C(h) erfolgen. C(h/2) hat die Verstarkungsmatrix

G(h/2,y,x) = I.cosw+iAsinw·A(x)
163

1
mit W = yg = 2Y~x. Es folgt:
2
H2 (h,y,x) 2G (h/2,y,x)-G(h,y,x)

2 2 . 2 2
H2 (h,y,x) 2cos w'I-2A Sln w·A (x)

+ 2iAsin2w·A(x)-cos2w·I-iAsin2w·A(x)

Das ist die Verstarkungsmatrix von E2 . Man wird nun versuchen, durch
weitere Extrapolation ein Verfahren E3 dritter Konsistenzordnung
herzuleiten:

Die Konsistenz ist klar, weil eine asymptotische Entwicklung exi-


stiert. Wir haben die Verstarkungsmatrix

H3 (2h,y,x)

zu untersuchen. Es sei ~ ein Eigenwert von AA(x)i n 2 ,n2,n 3 seien


die zugehorigen Eigenwerte von H2 (h,y,x), H2 (2h,y,x) und H3 (2h,y,x).
Es gilt:
22242. 43 5
1-2w ~ +3'w ~ +1[2w~-3'w ~]+O(lwl )
2 2 20 4 2 4 4. 8 3 3 3 5
1-8w ~ +Tw ~ +4w ~ +1[4w~-3'w ~-8w ~ ]+O(lwl )
2 2 32 4 2. 32 3 5
1-8w ~ +Tw ~ +1[4w~-Tw ~]+O(lwl )
2 2 16 4 2 16 4 4. 32 3 3 5
1-8w ~ +Tw ~ +3 w ~ +1[4w~-Tw ~ ]+O(lwl )

Notwendig fur die Stabilitat ist In31 ~ 1, also I~I ~ 1. Andererseits


ergibt sich fur w n/2

H2 (2h,y,x) I
2 2
H2 (h,y,x) = 1-2A A (x)

n = 1+1...§ ( ~ 4 _ ~ 2 )
3 3
und damit die Bedingung I~I ~ 1. E3 ist also hochstens dann stabil,
wenn zufallig fur alle xElR die Eigenwerte von AA(x) entweder +1
oder 0 oder -1 sind. In diesem Ausnahmefall entartet das Friedrichs-
Verfahren zu einern Charakteristikenverfahren. Er kann hier auBer Be-
tracht bleiben.
Bei Charakteristikenverfahren ist lokale Extrapolation fast
imrner wie bei gewohnlichen Differentialgleichungen moglich. Das
gilt meistens selbst dann, wenn Randbedingungen vorliegen. Die theo-
retischen Grundlagen dazu findet man bei Hackbusch 1973, 1977.
II Randwertaufgaben bei elliptischen Differentialgleichungen

12 SachgemaB gestellte Probleme bei Randwertaufgaben

Randwertaufgaben bei elliptischen Differentialgleichungen haben groBe


Bedeutung in Physik und Technik. Sie treten z.B. in folgenden Gebieten
auf: Stromungslehre, Elektrodynarnik, stationarer Warme- und Massen-
transport (Diffusion), Statik, Reaktorphysik (Neutronentransport). Im
Gegensatz zu Randwertaufgaben sind Anfangswertaufgaben fur elliptische
Differentialgleichungen in der Regel nicht sachgemaB gestellt (vgl.
Beispiel 1.14).
Innerhalb der Mathematik hat die Theorie elliptischer Differenti-
algleichungen zahlreiche Beziehungen zu anderen Gebieten. Sie war lange
Zeit ein Nebenprodukt der Funktionentheorie und Variationsrechnung. Bei
der numerischen Losung von Randwertaufgaben fur elliptische Differen-
tialgleichungen sind auch heute noch Variationsmethoden von groBer
praktischer Bedeutung. Ebene Probleme konnen haufig mit funktionen-
theoretischen Hilfsmitteln geschlossen gelost oder erheblich verein-
facht werden.
Die nachsten Beispiele sollen den Zusarnrnenhang zwischen Randwert-
aufgaben und bestirnrnten Fragestellungen der Variationsrechnung und
Funktionentheorie verdeutlichen. Dabei ist G stets ein einfach zusarn-
menhangendes beschranktes Gebiet des~2 mit stetig differenzierbarem
Rand dG.

Beispiel 12.1: Eulersehe'Differentialgleiehung der Variationsrechnung.


Gesucht ist eine Abbildung u: G ~~, die folgende Bedingungen erfullt:
(1) u stetig in G und stetig differenzierbar in G.
(2) u(x,y) = tI>(x,y) fur alle (x,y)EdG.
(3) u minimiert das Integral
2 2
I[w] = If[a 1 (x,y) (d 1W(X,y)) + a 2 (x,y) (d 2W(X,y))
G
T c(x,y) (w(x,y» 2 - 2q(x,y)w(x,y) jdxdy
166

in der Klasse aller Funktionen w, die (1) und (2) genligen.

Dabei seien a 1 ,a 2 E C2 (G,JR), c,q E c 1 (G,JR), q, E C 1 (3G,JR) mit

a 1 (x,y) .:: Cl > 0

a 2 (x,y) .:: Cl > 0

c(x,y) .:: 0 ((x,y) EG)

Aus der Variationsrechnung ist bekannt, daB die gestellte Aufgabe


eine eindeutig bestimmte Losung u besitzt (vgl. z.B. Michlin 1962).
Darliber hinaus laBt sich zeigen, daB u zweimal stetig differenzierbar
in Gist und die folgende Randwertaufgabe lost:

-3 1 [a 1 (x,y) 31 u(x,y)] - 32 [a 2 (x,y) 32 U(X,y)] + c(x,y)u(x,y)


= q(x,y) ((x,y) E G) (12.2)

u(x,y) = q, (x,y) ((x,y)E3G)

Die Differentialgleichung heiBt Eulersche Differentialgleichung zur


Variationsaufgabe. Sie besitzt den Hauptteil
2 2
-a 1 (x,y) 311 u(x,y) - a 2 (x,y) 322 u(x,y)

Der Differentialoperator

wird als Laplace-Operator bezeichnet. In Polarkoordinaten

x = r cos (jl

y = r sin (jl

schreibt er sich als

Die Gleichung

-~u(X,y) = q(x,y)
heiBt Poissongleichung und

-~u(x,y) + cu(x,y) q (x,y) , c '" const.

Helmholtz-Gleichung. c
167

Wie bei den Anfangswertaufgaben stellt sich auch bei den Randwertauf-
gaben die Frage, ob die betrachteten Probleme eindeutig losbar sind
und ob die Losung stetig von den Vorgabewerten abhangt. In Gleichung
(12.2) sind die Funktionen q und ~ Vorgabewerte. Streng genommen
miiBte auch noch die Abhangigkeit von "kleinen Deformationen" der Rand-
kurve untersucht werden. Wegen der damit verbundenen besonderen
Schwierigkeiten wollen wir darauf verzichten.
Die Eindeutigkeit der Losung und die stetige Abhangigkeit der
Losung von den Vorgabewerten ist bei vielen Randwertaufgaben eine
Folge des Maximum-Minimum-Prinzips.

Satz 12.3: Maximum-Minimum-Prinzip.


Ist c(x,y) ~ 0 und q(x,y) ~ 0 (resp. q(x,y) ::: 0) fur aUe (x,y)EG,
so nimmt jede nicht konstante Losung u der Differentialgleichung (12.2) ihr
Minimum - falls es negativ ist - (resp. ihr Maximum - falls es positiv ist -)
auf aG und nicht in G an.

Zum Beweis vgl. Hellwig 1960-Teil III, Abschnitt 1.1.

Satz 12.4: Wir betrachten die Randwertaufgabe (12.2) mit c (x,y) ~ 0 fUr aUe
(x,y) EG. Dann gilt:
( 1 ) Aus

q(x,y) -> 0 ( (x,y) E G)

und
~(x,y) ~ 0 ( (x,y) E aG)
folgt
u(x,y) > 0 ((x,y) EG)
(2) Es existiert eine Konstante K > 0 mit

lu (x,y) I .: :. ~m~x I ~ (x,y) I + K ~m~ _I q(x,y) I ((X,y)EG)


(x,y)EaG (x,y)EG

Die erste Behauptung des Satzes ist eine Umformulierung des Maximum-
Minimum-Prinzips, die in vielen Zusammenhangen leichter anwendbar ist.
Man nennt sie auch Monotonieprinzip. Die zwei te Behauptung zeigt, daB
die Randwertaufgabe in der Maximumnorm sachgemaB gestellt ist.

Beweis: (1) folgt unmittelbar aus Satz 12.3. Zum Beweis von (2) machen
wir den Ansatz

w(x,y) ~ + (exp(B~) - exp(Bx))Q


168

mit

'I'

s- const. > 0 , f; " const. > max x


(x,y) EG
AuBerdem sei

O.B.d.A konnen wir annehmen, daB in G stets die erste Komponente x


nichtnegativ ist. Wegen a 1 (x,y) ~ a gilt

r (x,y) -d 1 [a 1 (x,y) d1W(X,y)] - d2 [a 2 (x,y) d2W(X,y)] + c(x,y)w(x,y)


2
Q exp(Sx) (a 1 (x,y)S + Sd 1a 1 (x,y) - c(x,y))
+ c(x,y) (Q exp(Sf;) + '1')

> Q exp(Sx) (aS 2 - M(S+1))

Wir wahlen nun S so groB, daB

wird. Es folgt:

r(x,y) ~ Q ((x,y) E G)

Uberdies ist

w(x,y) ~ 'I' ((x,y) E 3G) •

Hieraus folgt:

q(x,y) + r(x,y) > 0


q(x,y) - r(x,y) < 0 ((x,y) E G) ,

u(x,y) + w(x,y) ~(x,y) + w(x,y) ~ 0


u(x,y) - w(x,y) ((x,y) E dG) •
~(x,y) - w(x,y) ~ 0

Mit (1) ergibt sich

u(x,y) + w(x,y) ~ 0
u(x,y) - w(x,y) ~ 0
((x,y) E G)

gleichbedeutend mit

lu(x,y) I ~ w(x,y) ((x,y) E G) D


169

Zur Untersuchung der Eindeutigkeit und der stetigen Abhangigkeit der


Lasung u von den Vorgabewerten ~ und q betrachten wir eine weitere
Lasung u zu den Vorgabewerten ~ und q. Dann kannen wir nach Satz
12.4(2) fUr (x,y) E G abschatzen:

lu(x,y) - u(x,y) I < max I~(x,y) - ~(x,y) I


- (x,y) EdG
+ K max Iq(x,y) - q(x,y) I
(x,y)EG
Diese Ungleichung besagt, daB die Lasung u eindeutig bestimmt ist und
stetig von den Vorgaben ~ und q abhangt.

Beispiel 12.5: Potentialgleiehung, harmonisehe Punktionen.


Randwertaufgabe:

I\u(x,y) = 0 ((x,y) E G)
u (x,y) ~ (x,y) ((x,y) E :lG)

Dabei ist ~ E COPG, JR). Die Aufgabe besitzt als Spezialfall von
(12.2) eine eindeutig bestimmte Lasung, die stetig von der Randvor-
gabe ~ abhangt.
Die homogene Differentialgleichung

I\u(x,y) = 0

heiBt Potentialgleiehung. Ihre Lasungen nennt man harmonisehe Funktionen. 0

Die harmonischen Funktionen werden in der klassischen Funktionentheorie


genau studiert (vgl. Behnke-Sommer 1962, Kap.2). Viele dieser
funktionentheoretischen Ergebnisse sind spater mit anderen Methoden
auf allgemeinere Differentialgleichungen und hahere Dimensionen Uber-
tragen worden. Dabei diente die anschauliche klassische Theorie als
Vorbild. Im folgenden wollen wir die wichtigsten Ergebnisse der
klassischen Theorie zusammenstellen.

(1) Es sei f(z) eine holomorphe Abbildung. Dann ist f(z), f(z),
Re(f(z)) und Im(f(z)) eine harmonische Funktion.
(2) Jede in einer offenen Menge harmonische Funktion ist reellanaly-
tisch; d.h. sie laBt sich urn jeden inneren Punkt der Menge lokal in
eine gleichmaBig konvergente Potenzreihe in x und y entwickeln.
(3) Falls die Menge G der Einheitskreis ist, kann man die Lasung der
Randwertaufgabe fUr die Potentialgleichung mit Hilfe der Poissonsehen
Integralformel angeben:
170

21t 1 - r2
11t b4(COS~,Sin~) d~ fUr r < 1
u(x,y)
{ 1 - 2r cos(~-~) + r2
4 (x,y) fUr r = 1

Dabei sind (r,~) die Polarkoordinaten von (x,y). Die Poissonsche


Integralformel ist eine einfache Folgerung aus der Cauchyschen Inte-
gralformel.
(4) Aus der Poissonschen Integralformel leitet man die folgende Ent-
wicklung her:

Cl 00

u(x,y) -2+ r rV[Cl cos(v~) + 8 sin(v~)] •


2 v=1 v v

Dabei ist

21t
Cl
v I
1t 0 4(cos~,sin~)cos(v~)d~
21t
8v 1t 0I 4(cos~,sin~)sin(v~)d~
.

Die Funktionen rVcos(v~), rVsin(v~) sind die einfachsten harmonischen


Funktionen. Die obige Entwicklung von u(x,y) leistet damit ~hnliches
wie die Potenzreihenentwicklung bei holomorphen Funktionen.
(5) Die Potentialgleichung ist invariant gegenUber eineindeutigen
holomorphen Transformationen. Somit braucht man die Randwertaufgabe
fUr die Potentialgleichung nur im Einheitskreis zu betrachten, da
sich jedes einfach zusammenhangende Gebiet mit mindestens zwei Rand-
punkten nach dem Riemannschen Abbildungssatz konform (d.h. global ein-
eindeutig und holomorph) auf den Einheitskreis abbilden last.
(6) Aus dem Schwarzschen Spiegelungsprinzip folgt: In jedem Randpunkt,
in dem die Randkurve aG und die Randfunktion 4 reell-analytisch sind,
ist auch die Losung u reell-analytisch. In diesen Punk ten laSt sich
u Uber den Rand hinaus fortsetzen.

Die konformen Abbildungen der einfach zusammenhangenden Gebiete auf


den Einheitskreis sind fUr eine groBe Zahl von Gebieten geschlossen
oder fast geschlossen angebbar. Darum hat die Feststellung (5) auch
eine erhebliche Bedeutung fur die Praxis. Es lohnt sich haufig, Gebiete
mit komplizierterem Rand auf den Einheitskreis oder ein anderes
einfaches Gebiet (z.B. Rechteck) abzubilden.
Leider gibt es keine Verallgemeinerung des Riemannschen Abbil-
171

dungssatzes auf hohere Dimensionen. Die Verwendung von winkeltreuen


Abbildungen bleibt darum auf ebene Probleme beschrankt.

Von der Potentialgleichung abweichende Differentialgleichungen sind


i.a. nicht invariant gegenuber konformen Abbildungen. In der Regel
laBt sich die Differentialgleichung fur die transformierte Funktion
aber leicht angeben. Dabei hat sich der im folgenden kurz beschriebene
Wirtinger-KaZkUZ als sehr zweckmaBig bei der Durchfuhrung der Trans-
formation erwiesen.
Statt der (voneinander unabhangigen) Koordinaten x und y werden
die (voneinander abhangigen) komplexen Koordinaten z und z betrachtet.
Es besteht der Zusammenhang:

z = x + iy , -z x - iy

x y ~i (z - z)

Man definiert Differentialoperatoren az und ~:

d , dZ

az d, + 2i d 2
d ,
"2

"2 d, -
, d2
2i
dZ

Umgekehrt ergibt sich:

Die Potentialgleichung hat jetzt die Form

LlU(x,y)
4a 2u(z,z)
-
o .
azaz

Eine Funktion

fez) = f(z,z) a(z,z) + ib(z,z)

ist genau dann holomorph, wenn sie in einer offenen Menge die Diffe-
rentialgleichung

af (z,z) 0
dZ

erfullt. Die Gleichung ist nur eine andere Schreibweise fur die
Cauchy-Riemannschen Differentialgleichungen
172

a 1a(x,y) a 2 b(x,y)

a 2 a(x,y) -a 1 b(x,y)

Flir eine holomorphe Funktion f(z) gilt weiterhin:

f I (z)

afTZT af (z)
o
az -a-z-

Es sei nun

w = f(z)

eine konforme Abbildung des Gebietes G auf das Gebiet G*. Dann folgt
aus

af(z) a + f(z) _
-a-z- aw az f (z) aw
az aw
I

2 -- 2
df' (z) _ + f' (z) [df(Z) _a_ + af~z) ~]
az aw az awaw az awaw
;)2
f I (z) 'f"fZT

die Formel

a2 a2
aWdW f' (z)'f"fZT 3ZdZ

Mit Hilfe dieser Formel lassen sich Differentialgleichungen der Form

-c,u(x,y) = H(x,y,u)
oder
2 -
-4 3 u(z,z) H(z,z,u)
3ZdZ

leicht transformieren.
173

Beispiel 12.6: Erste Randwertaufgabe fUr die Poissongleichung.

-~u(x,y) = q(x,y) ((x,y)EG)

u(x,y) = tjJ(x,y) ((x,y) EdG)

Bei vielen Algorithrnen wird angenommen, daB entweder tjJ(x,y) =0


oder q(x,y) = 0 ist. Der allgemeine Fall laBt sich meistens durch
eine Substitution auf diese Spezialfalle zurUckfUhren:
Es sei tjJ zu einer Funktion ~EC2(G,E) fortsetzbar und

u(x,y) u(x,y)-~(x,y)

q (x, y) q(x,y)+~~(x,y)

Das ergibt die neue Aufgabe

-~u(x,y) q(x,y) ((x,y)EG)


u(x,y) = 0 ((x,y) EdG)

Wenn andererseits
k
q (x,y) = P(z,z) = L a zl1 V
I1V
Z
I1'V=O
so kann man definieren
k a
~(x,y)
1 I:! V z 11+1 zv+1
u(x,y)+4 L
(11+1) (v+1)
I1'V=O
k a
1 I:! v zl1+ 1 z v+1
~ (x, y) = tjJ(x,y)+4 L
(11+1) (v+1)
11, v=O

~ ist L6sung der Aufgabe

-~~(x,y) = 0 ((x,y)EG)

~(x,y) = ~(x,y) ((x,y) EdG) o

Beispiel 12.7: Dritte Randwertaufgabe.

-~u(x,y)+au(x,y) = q(x,y) ((x,y) EG)

()u(:~y) +Su (x,y) = tjJ (x,y) ((x,y) EdG)

o 0 - ()
Dabei seien tjJEC (aG,E) , qEC (G,E) , a,SEE und an die Ableitung
in Richtung der auBeren Normalen von aGo
Aus der Theorie der partiellen Differentialgleichungen ist be-
kannt (vgl. z.B. Walter 1970, Appendix):
174

(,) Falls die reellen Zahlen a,6 die Beziehung

a ::: 0, 6 :: 0, a + 6 > 0

erfullen, ist die Aufgabe eindeutig losbar. Die Losung u hangt stetig
von den Vorgaben q(x,y) und ~(x,y) abo Es gilt ein Monotonieprinzip:
Aus q(x,y) ::: 0 und ~(x,y) ::: 0 folgt u(x,y) ::: o.
(2) Fur

a = 6 =0
ist mit u(x,y) auch u(x,y)+c, c = const. eine Losung. Die Aufgabe
ist 'somit nicht eindeutig losbar. Sie laBt sich aber in einigen
wichtigen Fallen auf eine sachgemaB gestellte Randwertaufgabe erster
Art zuruckfuhren. Dazu wahlen wir q, (x,y) und q2(x,y) so, daB

Die Differentialgleichung laBt sich dann als System erster Ordnung


schreiben:

-o1 u (x,y)+o2v (x,y) q, (x,y)


-o2u (x,y)-o,v(x,y) q2 (x,y)

v heiBt die konjugierte Funktion zu u. Wenn qEe (G,lR)


,- ist, genugt v
der Differentialgleichung

Wir berechnen nun die Tangentialableitung von v in einem Randpunkt.


Dazu sei (w"w 2 ) der Einheitsvektor in Richtung der auBeren Normalen.
(-w2'w,) ist dann der zugehorige Tangentialeinheitsvektor im posi-
tiven Umlauf sinn.

-W 2 d,V(X,y)+w,02v (x,y)
-w 2 (-o2u (x,y) -q2 (x,y) ) +w, (o,u (x,y) +q, (x,y))

~(x,y)+w1q, (x,y)+w 2q2(x,y) = ~(x,y) •

~(x,y) ist also fur aIle Randpunkte (x,y) aus ~(x,y), q, (x,y) und
q2(x,y) berechenbar. Weil v eine eindeutige Funktion ist, erhalt man
die Integrationsbedingung

f ~ (x, y) ds = 0
dG

ds = Bogenlange von oG .
175

Falls die Integrationsbedingung verletzt ist, ist das Ausgangspro-


blem nicht lasbar. Sonst kann man durch Integration von ~ ein ~Ec1 (aG,E)
erhalten mit
R<
d4 (x ,y) ~(x,y) .
ds

~ ist nur bis auf eine Konstante bestirnrnt. Insgesamt ergibt sich ftir
v die folgende Randwertaufgabe erster Art:

-~v(x,y) = q(x,y) ( (x,y) EG)

v(x,y) = ~(x,y) «x,y) EdG)

Die Umrechnung von v in u erfolgt tiber das oben genannte System


erster Ordnung. Sie ist aber in den meisten praktischen Fallen (z.B.
in einigen Aufgaben der Stramungslehre) nicht notwendig, weil nur
die Ableitungen von u gesucht sind.
(3) Ftir

a < 0 oder 8 < 0

ist die Aufgabe in gewissen Fallen eindeutig lasbar, in anderen


nicht. Z.B. ergibt sich fUr a = 0, -8=v E ID, q" 0 und <jJ " 0 als
Lasung die Schar

u(x,y) = yrVsin(v(j)) (yEE)


222
r = x +y , x = r cos(j) , y = r sin(j)

Die Aufgabe ist also nicht eindeutig lasbar. Insbesondere gilt


kein Maximum-Minimum Prinzip. a

Beispiel 12.8: Biha~onische Gleichung, Durchbiegung einer homogenen


Platte.
Die Differentialgleichung
4 4 4
~AU(X,y) = a1111u(x,y)+2d1122u(x,y)+d2222u(x,y) = 0

heiBt bihal'monische Gleichung. Ihre Losungen sind wie die der harmo-
nischen Gleichung in jeder offenen Menge reell-analytisch.
Die Durchbiegung einer homogenen Platte wird durch die Diffe-
rentialgleichung

~~u(x,y) = q(x,y) ( (x,y) EG)

mit den Randbedingungen

(1) ju (x,y) = <jJ1 (x,y)


«x,y) EdG)
-~u(x,y) = <jJ2(x,y)
176

oder

(2) j u (x ,y)

au (x,y)
"'3 (x,y)
((x,y) EaG)
an = "'4 (x,y)
beschrieben. Dabei sind qECo(G,lR) , "'1EC2(aG,lR) , '" 2 ' '" 4 EC o (a G, lR)
und "'3EC1 (aG,lR) • Je nach Art der Randeinspannung werden die Rand-
bedingungen (1) oder (2) gestellt.
Im ersten Fall laBt sich das Problem in zwei Teilaufgaben
zweiter Ordnung aufspalten:

rAV(X,y) = q(x,y) ((x,y)EG)


(a)
v(x,y) = "'2 (x,y) ((x,y)EaG)

{-AU (x,y) = v(x,y) ((x,y) EG)


(b)
u (x,y) = "'1 (x,y) ((x,y)EaG)

Diese beiden Aufgaben sind als Spezialfall von (12.2) sachgemaB ge-
stellt, da das Maximum-Minimum-Prinzip gilt. AIle Eigenschaften
- insbesondere das Monotonieprinzip - Ubertragen sich unmittelbar
auf die Gleichung vierter Ordnung mit den Randbedingungen (1). FUr
die Losbarkeit des gestaffelten Systems (a), (b) genUgt 41ECo(aG,lR)
2
statt "'1EC (aG,lR).
Die Randwertaufgabe (2) ist zwar auch sachgemaB gestellt, sie
laBt sich aber nicht in eine Aufgabe mit zwei Differentialgleichungen
zweiter Ordnung aufspalten. Deshalb ist ihre theoretische und nume-
rische Behandlung wesentlich komplizierter. Es gibt kein einfaches
mit Satz 12.4(1) vergleichbares Monotonieprinzip.
Das zur Differentialgleichung
AAu(x,y) = q(x,y)
gehorige Variations integral ist

I[w] = Jf[(Aw(x,y)) 2-2q(x,y)w(x,y) ]dxdy


G
~quivalent zur Randwertaufgabe ist das Variationsproblem

I[u] = min{I[w] IwEW}


mit
W {WEC 2 (G,lR) I w erftillt die Randbedingungen (1)}
bzw.
W {WEC1 (G,lR) n c 2 (G,lR) I w erftillt die Randbedingungen (2)} •
177

Es laBt sich zeigen, daB u sogar viermal stetig differenzierbar in


Gist. 0

Fehlerabschatzungen fUr numerische Verfahren benutzen in der Regel


hahere Ableitungen der Lasung u der Randwertaufgabe. Die Erfahrung
zeigt, daB die Verfahren maglicherweise sehr langsam konvergieren,
wenn diese Ableitungen nicht existieren oder unbeschrankt sind. Es
stellt sich darum automatisch die Frage nach der Existenz und dem
Verhalten der haheren Ableitungen von u.
Etwas vereinfachend kann man dazu feststellen: Wenn der Rand
des Gebietes, die Koeffizienten der Differentialgleichung und die
Randvorgaben hinreichend oft differenzierbar sind, ist auch die La-
sung entsprechend oft in G differenzierbar.
In der Praxis kommen oft Gebiete mit Ecken vor, etwa Rechtecke
G = (a,b) x (c,d)
oder L-Gebiete
G = (-a,a) x (O,b) U (O,a) x (-b,b)

Der Rand dieser Gebiete ist nicht differenzierbar. Die obige Fest-
stellung ist also nicht relevant. Zunachst muB man definieren,
wann eine Funktion ~, die auf dem Rande eines solchen Gebietes de-
finiert ist, stetig differenzierbar heiBen soll. Wir verlangen, daB
es eine offene Menge uelR 2 und eine Funktion fEC 1 (U,lR) gibt mit fol-
genden Eigenschaften:
(1) aGeU
(2) ~ = Beschrankung von f auf aG.
Analog definiert man Differenzierbarkeit haherer Ordnung. Bei den
beiden genannten Gebieten mit Ecken ist diese Definition aquivalent
damit, daB die Beschrankung von ~ auf jede abgeschlossene Seite des
Gebietes entsprechend oft stetig differenzierbar ist.

Beispiel 12.9: Poissongleichung im Quadrat.

-~u(x,y) = q(x,y) ( (x , y) EG = (0, 1 ) x (0, 1) )


u(x,y) = ~(x,y) ((x,y)EdG)

Falls uEC 2k (G,lR)


- gilt fUr v = 1 (1 )k:
2v v-1 2v
(a 1 ) u(x,y)+(-1) (32) u(x,y)

= [~~1 (-1)V-j-1(a1)2j(a2)2V-2j-2]~U(X'Y)
J=O
178

Es sei (xo'Yo) einer der Eckpunkte des Quadrates und ~ 2k-mal


stetig differenzierbar. Dann ist die linke Seite der Gleichung im
Punkte (xo'Yo) allein durch ~ bestirnrnt. Zwischen ~ und q bestehen
also die Relationen:
2 2
a11~(xo,yo)+a22~(xo'Yo) = -q(xo'yo)

4 4 2 2
a1111~(xo,yo)-a2222~(xo'Yo) = -a11q(~o,yo)+a22q(xo'Yo)
usw.

Wenn diese Gleichungen falsch sind, ist u nicht aus C2k (G,E) . An-
dererseits zeigt eine genauere Analyse, daB uEC 2k (G,E)
- ist, wenn q
und ~ hinreichend oft differenzierbar sind und obige Gleichungen
bestehen.
Die GUltigkeit der Gleichungen kann man durch Addition einer
Funktion mit der "richtigen Singularitat" erzwingen. Es sei fUr
v=1(1)00:
2( 1)v 2
v (x,y) = - Im(z v log z)
v l[

log z = log r + i~ mit r = IZI, ~ arglzl, -l[ < ~ 5 l[ •

FUr x > 0 und y > 0 gilt

VV(x,O) o
2v
vv(O,y) y

Wir setzen
2 2 0,1 und v 0,1)
c a11~(fl'V)+a22~(fl,V)+q(fl'V) (fl
flV
1
U(x ,y) u(x,y)+-1l[ L L c Im(z
2
log z )
fl=O v=O flV flV flV
1 2
;j;' (x, y) ~(x,y)+ll[ L L c Im(z log z )
fl=O v=O flV flV flV

mit

zOO z

z10 -i (z-1)

z01 i(z-i)

z11 -(z-i-1)

Die neue Randwertaufgabe lautet


-.t:.u(x,y) = q(x,y) ((x,y)EG)
u(x,y) = ;j;'(x,y) ((x,y) EaG)
179

~ 2-
Es ist u E C (G,JR).
Die Aufgabe

-t:.u(x,y) ((x,y)EG)
u(x,y) = 0 ((x,y)EdG)

haben wir mit dem einfachsten Differenzenverfahren (vgl. Kapitel 13)


einmal direkt gelost und einmal mittelbar tiber ~, u. Tabelle 12.10
enthalt die Ergebnisse zur Schrittweite h in den Punkten (a,a). Die
oberen Zahlen wurden direkt mit dem Differenzenverfahren berechnet,
die unteren tiber die angegebene Randkorrektur.

Tabelle 1 2 . 10

a 1/2 1/8 1/32 1/128


h
0.7344577(-1) 0.1808965(-1)
1/16 0.7370542(-1) 0.1821285 (-1)
0.7365719(-1) o. 1 81 9750 ( -1 ) 0.1993333 (-2)
1/64 0.7367349 (-1 ) 0.1820544(-1) 0.1999667(-2)
0.7367047(-1) 0.1820448 (-1) 0.1999212(-2) 0.1784531 (-3)
1/256
0.7367149(-1) 0.1820498(-1) 0.1999622(-2) 0.1788425(-3)

Tabelle 1 2 . 11

a 1/2 1/8 1/32 1/128


h
0.736713349(-1) 0.182048795(-1) 0.199888417(-2)
1/64 0.736713549(-1) 0.182049484(-1) 0.199961973(-2)
0.736713532(-1) 0.182049475(-1) 0.199961516(-2) 0.178796363 (-3)
1/256 0.736713533 (-1) 0.182049478(-1) 0.199961941 (-2) 0.178842316(-3)

Tabelle 12.11 enthalt die extrapolierten Werte aus den vorher-


gehenden Rechnungen. Es wurde im Sinne einer reinen h 2-Entwicklung
extrapoliert:

Die letzte Zeile ist mit Ausnahme des Punktes (1/128, 1/128) bis
auf eine Einheit der letzten Dezimalstelle genau. Bei dem Ausnahme-
punkt dlirfte der Fehle~ weniger als 100 Einheiten der letzten Stelle
180

betragen. Die Werte in der Nahe der Ecken sind besonders schwer zu
berechnen.
Man sieht, daB sich der Umweg uber ~ und u lohnt.
lm ubrigen zeigen die numerischen Ergebnisse beispielhaft,
welche Genauigkeit auf einer Maschine mit einer Mantissenlange von
48 Dualstellen erreichbar ist. Rundungsfehler spielen bei Randwert-
aufgaben kaum eine Rolle, es sei denn, man benutzt zur Aufl5sung der
Gleichungssysteme besonders anfallige Algorithmen.

Beispiel 12.12: Poissong7,eiahung in einem niahtkonvexen Gebiet mit Eaken.

-~u(x,y) = q(x,y) ((x,y)EG)


a
u(x,y) = ~(x,y) ((x,y)EaG a )
Ga = {(x,y)ElR2 Ix2+y2<1 und Iyl > x tan ~} fur aE(x,2x)

______________ ~~+_------~~~x

Abb. 12.13. Gebiet Ga

Das Gebiet (vgl. Abb. 12.13) hat die drei Ecken

(0,0), (cos a/2, sin a/2), (cos a/2, -sin (/2)

Die affnungswinkel sind


a, x/2, x/2 •
181

BezUglich der rechten Winkel gilt das unter 12.9 Gesagte entspre-
chend. Wegen des 6ffnungswinkels a > n treten aber andere Singulari-
taten der Ableitungen von u auf. Es sei

~(x,y) = Re (zn/a) Re (exp((n/a) log z))

log z = log r + i~ , -n < ~ ~ n

q(x,y) = °
Dann gilt auch

u(x,y) = Re (zn/a) ,

fUr a = 3n/2 etwa u(x,y) Re(z2/3). Offenbar sind nicht einmal die
ersten Ableitungen von u in G beschrankt. Dabei ist ~(x,y) = auf °
den Strecken (0,0) nach (cos a/2, sin a/2) und (0,0) nach
°
(cos a/2, -sin a/2). Da auch q(x,y) = ist, hat die Singularitat
nichts mit den Ableitungen von ~ oder q im Punkte (0,0) zu tun. Sie
ergibt sich aus dem globalen Verlauf der Funktionen. Es ist nicht
m6glich, eine Funktion mit der "richtigen Singularitat" vorweg ab-
zuziehen. Probleme dieser Art haben groBe praktische Bedeutung. Beim
Ritz-Verfahren (vgl. Kap. 14) und bei Kollokationsmethoden (vgl.
Kap. 16) sollte man diese Typen von L6sungen durch spezielle Ansatz-
funktionen berUcksichtigen. 0

Die folgenden beiden Beispiele sollen zeigen, daB Randwertaufgaben


bei parabolischen und hyperbolischen Differentialgleichungen ent-
weder Uberhaupt nicht oder nicht eindeutig l6sbar sind.

Beispiel 12.14: Randwertaufgahe fUr die Warmeleitungsgleichung.

d2 u (x,y) d211 u(x,y) ((x,y)EG)


u(x,y) = ~ (x, y) ((x,y) EdG)

mit ~ECo(dG,m) . Die Randwertaufgabe ist Uberbestirnrnt. Es sei z.B.


G = (O,1)x(O,1). Dann ist bereits das Anfangsrandwertproblem sach-
gemaB gestellt. Deshalb kann die Menge aller der Randwerte, fUr die
die Aufgabe l6sbar ist, nicht direkt in der Menge aller Randwerte
liegen. FUr Gebiete mit stetig differenzierbarem Rand ergeben sich
ahnliche Zusarnrnenhange, auf die wir nicht naher eingehen. 0

Beispiel 12.15: Randwertaufgabe fUr die WeUengleichung.


2 2
d11 u(x,y)-d 22 u(x,y) = ° ((x,y)EG)
u(x,y) = ~ (x,y) ((x,y) EdG)
182

mit ~ECo(3G,m) . Auch diese Aufgabe ist nicht sachgemaB gestellt.


Wir beschranken uns auf zwei einfache Falle. Es sei

G=Q1 = (O,1)x(O,1)
oder
2
G = Q2 = {(x, y) Em 11/'1:-1 xl> y > 1xl} .
Die beiden Gebiete unterscheiden sich dadurch, daB der Rand von Q2
aus Charakteristiken besteht, wahrend der Rand von Q1 eine allge-
meine Lage zu den Charakteristiken einnimmt. Nach Beispiel 1.9 hat
die allgemeine Losung der Wellengleichung die Darstellung
r(x+y)+s(x-y). FUr G = Q1 ist mit u(x,y) auch

u(x,y)+cos(2x(x+y))-cos(2x(x-y)) = u(x,y)-2sin(2xx)sin(2xy)

eine Losung. Die Aufgabe ist darum nicht eindeutig losbar. Im Falle
G = Q2 kann man r und s allein aus den Angaben auf zwei benachbarten
Sei ten des Quadrates bestimmen (charakteristisches Anfangswertproblem) •
Die Aufgabe ist folglich Uberbestimmt. 0

13 Differenzenverfahren

Bei der Aufstellung von Differenzenverfahren fUr Anfangswertauf-


gaben besteht die Hauptschwierigkeit darin, konsistente Verfahren
(moglichst hoher Ordnung) zu finden, die gleichzeitig stabil sind.
Dieser Punkt ist im Falle von Randwertaufgaben nur von untergeordneter
Bedeutung, weil naheliegende konsistente Differenzenverfahren in der
Regel auch stabil sind. Insbesondere gibt es bei Randwertaufgaben
keine Problematik, die den Beschrankungen des Schrittweitenver-
haltnisses h/.t:.x oder h/(.t:.x)2 bei Anfangswertaufgaben entspricht.
Wir betrachten Randwertaufgaben in beschrankten Gebieten. Diese
Gebiete sind nicht invariant gegenUber Anwendungen der Translations-
operatoren. Die Differenzenoperatoren werden darum nur auf einer dis-
kreten Teilmenge des Gebietes - dem Gitter - definiert. Bei der
praktischen Anwendung geht man natUrlich auch bei Anfangswertauf-
gaben so vor. Hier wollen wir aber auch in der Theorie von der Vorstel-
lung abgehen, daB die Differenzenoperatoren im gleichen Banachraum
wie die Differentialoperatoren definiert sind.
Vom praktischen Standpunkt aus gesehen liegt die eigentliche
Schwierigkeit der Randwertaufgaben in der Notwendigkeit, mit jeder
183

Aufgabe groBe lineare oder auch nichtlineare Gleichungssysteme auf-


zulosen. Dieses Thema werden wir im dritten Teil des Buches ausfUhr-
lich behandeln. Die Gleichungssysteme, die bei Randwertaufgaben vor-
kommen, sind meist sehr speziell. Sie unterscheiden sich aber kaum
von den Systemen, die bei impliziten Differenzenverfahren zur L6sung
von Anfangswertaufgaben auftreten.
Ein anderer wichtiger Problemkreis bei der Behandlung von
Randwertaufgaben betrifft die Fehlerabschatzungen.
In diesem Kapitel sei G stets ein beschranktes Gebiet (offene,
beschrankte und zusammenhangende Menge) im lR 2 • Den Rand von G
nennen wir r.
o - 0
r r: C (G, lR) ... C (r, lR)

~ei die natUrliche Abbildung, die jeder Funktion UECo(G,lR) ihre Be-
schrankung auf r zuordnet. r heiBt Rand-RestriktionsabbUdung. In
o - 0 r
C (G, lR) und C (r, lR) verwenden wir die Normen

II u lleo max lu(x,y) I


(x,y) EG
und
max Iq,(x,y) I
(x,y) Er
Beide Raume sind Banachraume. rr ist eine lineare stetige Abbildung
mit II rr II = 1.

Defini tion 13.1: Eine endliche Menge MeG heiBt Gitter in G. Es hat
die Feinheit

IMI = 2 max min II (x,y)-(u,v) lleo


(x,y)EG (u,v)ErUM

Den Raum aZZer Gitterfunktionen f: M -+ lR nennen wir CO (M,lR) • Mit


der Norm
max If(x,y) I
(x,y) EM
ist CO (M, lR) ein endlich-dimensionaler Banachraum. Die natUrliche
Abbildung
r M: Co (G,lR)
- °
... C (M,lR)

heiBt Gitter-RestriktionsabbiZdung. Das Gitter

{(x,y)EG I x = ~h, Y = vh mit ~,v E~} , o < h < h


- 0

heiBt Standardgitter in G. Es besitzt die Feinheit h, falls ho genii-


gend klein gewahlt wird. 0
184

r M ist offenbar linear, stetig und surjektiv. Es gilt II r M II = 1.


Wenn man die Punkte von M irgendwie numeriert, kann man den Raum
CO (M,JR) mit dem JRn (n Anzahl der Punkte von M) vermage der Isomorphil

identifizieren. Somit ist es maglich, differenzierbare Abbildungen

F: CO (M, JR) .... CO (M, JR)

zu betrachten.
Wir behandeln in diesem Kapitel nur die folgende Aufgabe samt
einiger Spezialfalle.

Aufgabe 13.2:

Lu(x,y) q (x, y) ((x,y)EG)

u (x, y) tjJ (x,y) ((x,y) €f)

Dabei ist L stets ein halblinearer gleichmaBig elliptischer Diffe-


rentialoperator zweiter Ordnung der Form
2 2
Lu(x,y) = -a 11 (x,y) d11 u (x,y) -2a 12 (x,y) d12 u (x,y)
2
-a 22 (x,y) d22 u(x,y)-b 1 (XiY) d 1U(X,y)
-b 2 (x,y)d 2U(X,y)+H(X,y,u(x,y))
mit

a 11 ,a12,a22,b1 ,b 2ECco (G,JR)


HECco (GxJR, JR) , qEC O (G, JR) , tjJEC o (r, JR)
Ferner sei fUr alle (x,y)EG und alle zEJR
H(x,y,O)
°
a 11 (x,y) > °
2
a 11 (x,y)a 22 (x,y)-a 12 (x,y) > °.
u heiBt kZassisehe Losung der Aufgabe, wenn uEC o (G,JR)
- nc 2 (G,lR). 0

Die nachste Definition enthalt die allgemeinen Anforderungen an ein


Differenzenverfahren zur Lasung von 13.2.

Definition 13.3: Eine Folge

D = {(M.,F.,R.) Ij = 1 (1)co}
J J J
heiBt Differenzenverfahren zur Aufgabe 13.2, wenn die Bedingungen (1),
(2) und (3) erfUllt sind:
185

(1) Die Mj sind Gitter in G, deren Feinheit h j 1M. I gegen Null


J
konvergiert.
(2) Die F. sind stetige Abbildungen
J

CO (r , JR) xCo (M. , JR) ..... CO (M. , JR) .


J J

FUr jedes feste 4ECo(r,JR) sind alle F.(4,·) stetig differenzier-


J
bare Abbildungen von CO (M. , JR) in CO (M. , JR) .
J J
(3) Die R. sind stetige lineare Abbildungen
J

CO (M . , JR) ..... CO (M . , JR) •


J J

Das Verfahren D heiBt konsistent bzw. stahil, wenn die Bedingung


(4) bzw. (5) erfUllt ist:
(4) Es gibt m ~ 2 mit der Eigenschaft: FUr alle uE~(G,JR) ist

lim II F.(4,r.(u))-R.(r.(q)) II = 0 •
j-+oo J J J J '"

Dabei ist rj = r M., 4 = rr(u) und q(x,y) Lu(x,y) fUr alle (x,y)EG.
J ~
(5) Es gibt K > 0, K > 0 und jo E lli mit folgenden Eigenschaften:

IIF·(4,w.)-F·(4,w.) II > Kllw.-w. 11_


J J J J '" - J J -
II R. (w.)-R. (w.) II ~ KII w.-w. II
J J J J '" J J '"
(4ECo(r,JR), j = j (1)"" w.,w.ECo(M.,JR))
°
D
J J J
Beispiel 13.4: Standard-Diskretisierung des ModeUproblems.
Wir betrachten ein konsistentes und stabiles Differenzenverfahren
zum ModeUproblem

2
-tou(x,y) q (x, y) ((x,y)EG = (0,1) )

u(x,y) 4 (x, y) ((x,y) Er) •

FUr j = 1 (1)", setzen wir


M.: Standardgitter der Feinheit 2- j
J
F j (4,w j ) (x,y) = :~{4Wj(X'Y)-Wj(X+hj'Y)-Wj(X-hj'Y)
J
-w.J (x,y+h.)
J
-w.J (x,y-h.)
J
}
R. (w.) (x, y) = w. (x, y)
J J J
(w .ECo (M. ,JR) , (x,y) EM.)
J J J
186

Dabei ist
w. (x,y) falls (x,y)EM.
Wj(X,y) = { J J
q, (x,y) falls (x,y) Er
Den Beweis der Konsistenzbedingung (4) liberlassen wir dem Leser.
Die Stabilitat (5) folgt aus Satz 13.16 weiter unten.
Die Eigenwerte und Eigenfunktionen der linearen Abbildungen

kann man in geschlossener Form angeben. Man rechnet namlich leicht


nach, daB die Funktionen

v (x,y) = sin(~xx)·sin(vxy) «x,y) EM.)


~v J
~,v = 1 (1)2 J -1

linear unabhangige Eigenfunktionen sind. Dazu gehoren die Eigen-


werte
2
A~V = ~[2-cos(~xh)-cos(vxh)] , h
h
. 2
Weil das Gitter M. aus (2 J -1) Punkten besteht, handel't es sich urn
J ,
ein vollstandiges System von Eigenfunktionen. Alle Eigenwerte sind
positiv und liegen im Intervall [A11,A mm ] mit m = 2 j -1. Es ist
4
2[1-cos(xh)]
h
4
~[1+cos{xh)]
h

Zu den Abbildungen F. (O,·) gehoren bei beliebiger Nurnerierung der


J
Gitterpunkte reelle symmetrische Matrizen Aj . Ihre Konditionen be-
zliglich der Spektralnorm II 112 sind

1 +cos (xh)
1-cos (xh) 3

Die Funktionen v aufgefaBt als Funktionen im m2 , sind auch


~v
Eigenfunktionen des Differentialoperators -6. Z.B. gilt
2
-6v 11 (x,y) 2x v~ 1 (x,y)

Da die Funktionen v auf dem Rande von (O,1) 2 verschwinden, sind


~v
sie auch Eigenlosungen der Randwertaufgabe. c
187

Es sei nun D ein beliebiges Differenzenverfahren zur Lasung der


Aufgabe 13.2. Eine Naherung w. EC o (M. ,:m) fur die exakte Lasung u
J J
von 13.2 bestirnmt man dann - wenn maglich - aus den endlich vielen
Differenzengleiehungen

F . (~, w .) (x, y) = R. (r . (q» (x, y) ( (x, y) EM.)


J J J J J

Die erste Frage ist also: 1st das Gleichungssystem mit den endlich
vielen Unbekannten w. (x,y) eindeutig auflasbar? Fur stabile Ver-
J
fahren gibt der folgende Satz eine positive Antwort.

Satz 13.5: Es seien FEC 1 (:mn , JRn) und K > O. Dann sind die beiden folgenden
Aussagen aquivalent:
~ n
(1) II F (x) -F (x) II ~ K II x-x II (x ,xE:m )
(2) Fist bijektiv. Die Umkehrabbildung Q ist stetig differenzierbar. Es gilt

~ 1 ~
II Q(x)-Q(x) II ::: i<11 x-x II

Beweis: (1) impliziert (2):


Es sei FI (x) die Funktionalrnatrix von F. Wir zeigen zuerst, daB F' (x)
fur alle x regular ist. Andernfalls gabe es x ,y E:m n mit F' (x )y = 0
o 0 0 0
und Yo *
O. Das bedeutet, daB die Richtungsableitung im Punkte Xo in
Richtung Yo Null ist:

lim Ihll II F(x +hy )-F(x ) II O.


Ihl ....O 0 0 0

Es gibt also ho > 0 mit

~oll F(Xo+hoyo)-F(X o ) II < KII Yo II

oder
II F(xo+hoyo)-F(X o ) II < KII hoYo II
Dies ist ein Widerspruch zu (1). Also ist F' (x) stets regular.
Fist injektiv. Aus F(x) = F(X) folgt narnlich mit (1) sofort
x = X. Weil F' (x) stets regular ist, ist nach dem Satz uber impli-
zite Funktionen die Umkehrabbildung Q von F stetig differenzierbar
und F eine offene Abbildung. Sie bildet offene Mengen auf offene
Mengen abo Insbesondere ist F(JR n ) eine offene Menge.
Wir haben noch zu beweisen, daB F surjektiv ist. Es sei x o EJRn
ein beliebiger aber fester Vektor. Nach (1) gilt

II F(x)-F(O) II ~ KII x II
II F(x)-x o 11+11 Xo-F(O) II ~ KII x II •
188

Fur aIle x auBerhalb der Kugel

E {x€lR n III x II ~ 211 xo-F(O) II/K}

erhalt man darum

d(x) = II F(x)-x o II > II F(O)-x o II •

Es gibt darum X 1€E mit

d (x 1 ) ~ d (x)

Andererseits ist

d(x 1 ) = inf II y-x o II •


yEP (lRn )

Weil F (lRn ) offen ist, folgt insgesamt Xo€F(lR n ) • Fist also surjektiv.
Aus (1) ergibt sich auBerdem

II x-x II = II F(Q(x))-F(Q(x)) II ~ KII Q(x)-Q(x) II .

Damit ist (2) ganz bewiesen.


(2) irrrpliziert (1): Fur aHe X,X€lR n gilt wegen (2)
~ ~ 1 ~
II x-x II = II Q(F(x))-Q(F(x)) II ::: i<11 F(x)-F(x) II • 0

Satz 13.6: Es seien D ein konsistentes und stabiles Differenzenverfahren zur


Aufgabe 13.2 una fi, jo €JN, K > 0 die Konstanten aus Definition 13.3. Zu be-
liebigem uEC 2 (G,lR) definieren wir die Gitterfunktionen w., j = j (1 )"", als
J 0
Losungen der Differenzengleichungen

Dabei sind q, = r r (u) und q Lu. Dann gilt:

1
(1) II rj (u)-w j II"" ~ i(1I F j (q"r j (u) )-R j (r j (q» II"" j

(2) Wenn u€C m (G ,lR) ist, ist

lim II r. (u) -w. II 00 0


j~ J J

Beweis: q, hangt nur von u und nicht von jab. Nach Satz 13.5 besitzen
die Abbildungen F.(q,,·) differenzierbare Umkehrungen Q .• Es ist
J J

rj(u) = Qj(Fj(q"rj(u)))

Wj = Qj(Rj(rj(q)))
II rj(ul-w j II",,:S: II Qj(Fj(q"rj(ul))-Qj(Rj(rj(q))) II""
189

(1) folgt aus Satz 13.5(2) und (2) aus (1) und Definition 13.3(4). c

q und 4 sind die Vorgaben in Aufgabe 13.2. AIle Konvergenzbedingungen,


in die Eigenschaften der exakten Losung u eingehen, sind nur von re-
lativem Wert. Leider ist es aber sehr schwierig, aIle in aufgrund der
Kenntnis von q und 4 die Frage der Konvergenz zu entscheiden. Immer-
hin weiB man, daB fUr festes 4EC o (r, lR) die Menge der q, fUr die das
Differenzenverfahren konvergiert, in CO(G,lR) abgeschlossen ist.

Satz 13.7: Es seien D ein konsistentes und stabiles Differenzenverfahren zur


o
Aufgabe 13.2, 4EC (r ,lR) und

S4 = {qEC o (G,lR)
- I Es gibt uEC 2 (G,lR)
- mit rr (u) = 4,
q = Lu una limll r. (u) -w. II"" o}
j ...."" J J
Weiter seien qES 4 und

F j (4,W j ) = Rj(rj(q» j

Dann gilt: Es gibt UECo(G,lR) mit

limll r. (u)-w. II"" 0


j-+oo J J

Man beachte, daB die Funktion u nicht unbedingt eine klassische Lo-
~

sung der Randwertaufgabe sein muB.

Beweis: Es seien q(1)


,q
(2)ES
4 '
q (1) = Lu (1), q (2 ) Lu (2) ,

(1)
F j (4,w j ) R.(r.(q(1») j jo(1)""
J J
(2) R. (r. (q(2»)
F j (4,w j ) j jo(1)""
J J
Dann gilt:
II r.(u(1»-r.(u(2» 11",,::5
J J
IIr.(u(1»-w~1) II +lIw~1)_w~2) II +lIw~2)_r.(u~2» II
J J "" J J "" J JJ ""
Q., j = j (1)"", seien wieder die Umkehrfunktionen von F. (4,·);
J 0 J
K und Kdie Konstanten aus der Stabilitatsbedingung 13.3(5). Mit
Satz 13.5 ergibt sich:
190

Beim GrenzUbergang j ~ 00 konvergiert die linke Seite der Ungleichung


gegen II u (1) -u (2) II, weil die Feinheit 1M. I gegen Null konvergiert.
J
Rechts konvergieren die ersten beiden Surnrnanden nach Voraussetzung
gegen o. Zusarnrnen heiBt das

KII (1) (2) II


~ K q -q 00

Zu einer Cauchy-Folge

gehort also eine Cauchy-Folge

Es sei

q= lim q(v)
~

u lim u (v)
v~

Dann gelten fUr v = 1 (1)00 die Abschatzungen

II r. (u)-w. II
J J 00

II r.(u-u(v)) II +11 r.(u(v))_w~v) II +11 w~v)-w. II


~ J 00 J J 00 J JOO
_< lIu-u(v) II +lIr.(u(v))_w~v) II +KK- II q(v)_qII
00 J J 00 00
Zu £ > 0 gibt es Vo EJN mit
(v 0)
£
II u-u "00 < 3
(v 0)
II q-q 1100 < f !S
3 K
Zu diesem Vo wahlen wir j1EJN so, daB auch
(v o ) (v o ) £
II r j (u ) -w j II 00 ~ 3 ' j j 1 (1) 00 •

Zusarnrnen ist also fUr j ~ j1

II r. (u)
J
-w.J II 00 < £ [J

Bei den wichtigsten Differenzenverfahren fUr elliptische Differen-


tialgleichungen ergibt sich die Stabilitat aus einem Monotonieprin-
zip. Die erste Darstellung dieses Zusarnrnenhangs findet man bei
Gerschgorin 1930. Die Methode ist dann von Collatz 1964 und anderen
erheblich ausgebaut worden.
191

Das erwahnte Monotonieprinzip gehort in die Theorie halbge-


ordneter Vektorraume. Zunachst mUssen wir die Grundbegriffe er-
lautern. Es sei n eine beliebige Menge und Vein Vektorraum mit
Elementen f: n ... JR. In V gibt es eine natUY'liche HalboY'dramg

f ~ g ~ (f (x) ~ g(x) (XEn))

Es gelten die Rechenregeln:

f ~ f
f ::: g g ::: f => f g
f ::: g , g ~ h => f ::: h
f ::: g , A E JR+ => H ::: Ag
f ~ g => -g ::: -f
=> 0 ::: f+g
Weiter definieren wir

If I (x) = If(x) I •

Daraus folgt

o ::: If I
f ::: I f I

Wenn n eine endliche Menge ist, oder wenn n kompakt ist und alle
fEV stetig sind, existiert

II f II <X> max If (x) I


xEn
Offenbar ist
II If I II <X> = II f II <X>
Wir benutzen diese Halbordnung fUr verschiedene Grundmengen n, u.a. fUr
V

{1 ,2, ,n}

{1 ,2, ,m}x{1,2, ... ,n} MAT (m, n, JR)

Gitter M CO (M, JR)

G CO (G, JR)

Definition 13.8: AEMAT(n,n,JR) heiSt M-MatY'ix, wenn es eine Zerlegung


A = D-B mit folgenden Eigenschaften gibt:
192

(1) D regulare Diagonalmatrix, Diagonale von B identisch Null.


(2) D ~ 0, B ~ 0 •
(3) A -1 > 0 •

5atz 13.9: Es sei A€MAT(n,n,lR) zer>legt in A = D-B. Far> D und B geUe


13.8 (1 ) , (2). Dann ist A genau dann eine M-Matr>i:x:, wenn p (D -1 B) < 1.
(p = Spektr>alrodius)

Beweis: Es sei p(D- 1 B) < 1. Dann konvergiert die Reihe

und es ist 5 ~ O. Offenbar gilt

(I-D- 1B)5 = 5(I-D- 1B) = I •


A- 1 = 5D- 1 ~ 0 •

Nun sei urngekehrt A- 1 ~ 0, A ein Eigenwert von D- 1B und x ein


zugehBriger Eigenvektor. Dann sind folgende Abschatzungen mBglich:

IAI Ixl = ID- 1Bxl ~ D- 1Blxl


(I-D- 1B)lxl ~ (1-IAI)lxl
(D-B)lxl ~ (1-IAI)Dlxl
Ixl ::: (1-1).I)A- 10lxl •

Wegen x * -1
0, A > 0 und D ~ 0 impliziert die letzte Ungleichung
-1-
I AI < 1 und p (0 B) < 1. c

Die Eigenwerte von 0-1 B kann man mit Hilfe der Gerschgorinkreise
(vgl. 5toer-Bulirsch 1973) abschatzen. Dazu sei

A = {a .. li
~J
= 1(1)n, j 1 (1)n} •

Man erhalt folgende einfache hinreichende Bedingungen fUr p(D- 1B) < 1:
Bedingung 13.10: A diagonal dominant, d.h.
n
r Ia .. I < Ia i { I , i = 1(1) n •
j=1 ~J ...
j*i c

Bedingung 13.11: A ir>r>eduzibel. diagonal. dominant, d.h.


n
r I a .. I ~ Ia{ {I , i = 1 (1)n ,
j=1 ~J ......
j*i
193

A ist irreduzibel und es gibt rE{0,1, ••• ,n} mit


n
r I a . I < I a rr I
j=1 rJ
j*r D

Definition 13.12: Es seien V1 , V2 halbgeordnet. Eine Abbildung


F: V1 ~ V2 heist

isoton
bzw. anti ton
bzw. invers-isoton,

wenn fUr alle f,gEV 1 gilt

f ~ g ~ F(f) ~ F(g)
bzw. f ~ g ~ F(g) ~ F(f)
bzw. F(f) ~ F(g) • f ~ g D

Definition 13.13: Die Elemente des Vektorraumes V seien Abbildungen


f: n ~ lR. Dann heiSt F: V -+ V diCl{JonaZ, wenn fUr alle f, gEV und aIle
xEn gilt:
f(x) = g(x) • F(f) (x) = F(g) (x) . D

Zur Erlauterung der vorstehenden Begriffe betrachten wir affine Ab-


bildungen F: x ~ Ax+c mit AEMAT(n,n,lR) und cElRn . Es gilt:

A ~ 0 * F isoton
-A > 0 * F anti ton
AM-Matrix .. F invers-isoton
A Diagonalmatrix * F diagonal
A ~ 0 regulare * {F diagonal, isoton und
Diagonalmatrix invers-isoton.

Eine Abbildung F: lRn -+ En ist diagonal, wenn sie sich folgen-


dermaBen schreiben laBt:

i= 1(1)n.

Mit diesen Begriffen isoton, anti ton, invers-isoton und diagonal


schlieBen wir uns der Bezeichnungsweise von Ortega-Rheinboldt 1970
an. Gleichungen F(f) = g mit invers-isotonem F hat Collatz 1964
ausfiihrlich untersucht. Er nennt sie von monotonep APt.
194

Satz 13.14: Es seien A€MAT(n,n,m) eine M-Matrix und F: mn -+ JRn diagonal,


und isoton. Dann ist die AbbiZdung F: mn -+ JRn mit

F(X) = Ax+F(x)

invers-isoton. Es gil,t

II x-x II""
II A- 1 II""
Beweis: Weil F diagonal ist, kann man die Gleichung y F(x) kompo-
nentenweise folgendermaBen schreiben:

i=1(1)n.

Zu festem, aber beliebigem x = (x" ••. ,xn ) €mn und


x = (x" ...
,Xn)€JRn definieren wir fUr i = 1 (1)n:

fi (xi) -f i (xi)
e ii = {
~
xi -xi
falls x;
••
x; *
1 sonst.

E = diag (e U ) .

F isoton impliziert E ~ o. AuBerdem gilt


F(x)-F(X) = E(x-x)
A = D-B sei die Zerlegung von A gem~B Definition '3.8. Aus
AX+F(X) y

Ax+F(x) y

folgt
F(x) -F (x) (D+E-B) (x-x) •
Weil

S = ~ (D- 1B)v > 0


v=O -

konvergiert, konvergiert erst recht

T = ~ [(D+E)-1 B]v > 0 •


v=O -

Die Elemente der Reihenglieder sind n~lich hochstens so groB, wie


die der vorher genannten Reihe. Darum ist
195

regular und
[I-(0+E)-1 B]-1 = T > 0 •

O+E-B ist also eine M-Matrix. Fur F(X) ~ F(X) ist x < x. Oas gilt
fur aile x,XEmn • Oamit ist bewiesen, daB F invers-monoton ist.
Ferner gilt

II x-x II"" = II (0+E-B)-1[F(X)-F(X)] II""


II T (O+E) -1 [F (x) -P (x)] II
""
!: II T(0+E)-1 II"" II F(X)-F(X) II""

oder
II x-x II
II F(x) -F (x) II"" :: ""
II T(O+E) -1 II
""
Die Zeilensummennorm der Matrix

T(0+E)-1 = {~ [(0+E)-1 B]v}(0+E)-1


v=O
ist offensichtlich hochstens so graB wie die Norm von

50- 1 ={~ [0-1 B]v}0-1 = A- 1 .


v=O
Oas bedeutet
IIT(0+E)-1 11 < IIA- 1 11
""
II x-x II
- ""
II F(X)-F(x) II"" :: -1 "" [J

II A II""

5atz 13.15: VOT'aU3setzungen:

(a) AEMAT(n,n,m) M-MatT'ix

(b) F: mn ~ JRn d''l-agona~1 Und 'l-soton,


. F(x) = Ax+F (x)

(c) VEmn , v:: 0, Av:: z = (1, .•• ,1)Emn


(d) wEmn , II F(w) II"" !:
Behauptungen:

(1) Filr> aUe x,XEmn gitt


II x-x II
II F(x)-F(x) II > ""
"" - II v II""
(2) Aus F (0) o fo tgt I wi!: v
196

Beweis: Aus Av ~ z folgt fijr alle XElRn

Ix I :: II x II"" z ::: II x II"" Av •


-1
Wegen A ~ 0 folgt

A- 1 1xl ::: II x II"" v


II A- 1x II"" ::: II A- 1 1xl II"" ::: II x II"" II v II""
II A -1 II II v II •
"" -< ""
Zusammen mit Satz 13.14 erh&lt man also Behauptung (1):

A II x-x II
II F (x) -F (x) II "" ~ II v II ""
""
Zum Beweis von (2) hat man zu beachten, daB F(x} isoton und F(-x}
antiton ist. Aus F(O} = 0 folgt demnach:
-z ::: F(w} ::: z
A

-Av ::: F (w) ::: Av


-Av+F (-v}::: F(w) ::: Av+F(v}
-F(-v}::: F(w} ::: F (v)
Da F invers-isoton ist, folgt
-v ::: w ::: v c

Mit diesem Satz schlieBen wir die allgemeinen Uberlegungen zu Funk-


tionen in halbgeordneten Vektorraumen ab und wenden uns wieder den
Differenzenverfahren zu. Damit die Darstellung etwas konkreter wird,
nehmen wir an, daB die Punkte eines Gitters Mj irgenciJJJie von 1 bis nj
numeriert seien. Wir unterscheiden nicht zwischen einer Gitterfunk-
tion wj EC o (M j , lR) und dem Vektor
n.
(w J.(x 1 'Y1)' ••• ,w.(x ,y }}ElR J
J nj nj
Zu einer linearen Abbildung
o 0
F: C (M , lR) -+ C (M , lR)
j j

gehort darum eine Matrix


AEMAT (n.,n., lR)
J J
und umgekehrt. Diese Matrix hangt natUrlich von der Numerierung
der Gitterpunkte abo Eigenschaften wie "A ~ 0" oder "A Diagonalmatrix"
oder A "M-Matrix" sind aber bei jeder Numerierung richtig oder bei keine:
197

Das Hauptergebnis dieser MonotonieUberlegungen ist der folgende


Satz:

Sa tz 13.1 6: Es sei D = {(M j , F j ,R j ) I j = 1 (1 ) oo} ein Differenzenverfahren


mit folgenden Eigenschaften (j = 1 (1)00):
(1) (2) (3)
(1) Fj(q"w j ) = F j (Wj)+F j (Wj)-F j (q,)

(q,EC o (r, JR) , w. EC0 (M., JR)) •


J J
(2) F ~ 1 ) ist eine Uneare Abbildung, zu del' eine l't-Matrix gehOrt.
J
(3) F~2) ist diagonal und isoton; es gilt F ~2) (0) = 0 •
J J
(4) F~3)und R J. sindUnearundisoton; esgilt IIR. II!: R.
J J
Fur aUe q,EC o (r, JR) und w. EC o (M. ,JR) mit ,I. >_ 1 und w. > gilt
J J 'f' J -
(3 )
F. (q,)+R. (w.) > (1, ..• ,1)
J J J -
(1) (3) .
(5) Das Verfahren {(M. ,F . -F. ,R.) I J = 1 (1) oo} ist konsistent, wenn
J J J J
die Funktion H in Aufgabe 13.2 identisch Null ist.
Behauptung: D ist stabil.

Bemerkung 13.17: Die einzelnen Summanden von F.,R. entsprechen in der


J J
Regel folgenden Termen in der Randwertaufgabe:
Differenzenverfahren Randwertaufgabe

F ~1) Lu(x,y)-H(x,y,u(x,y))
J
F ~2) H(x,y,u(x,y))
J
F ~3) q, (x,y)
J
Rj q(x,y)

Weil F~2) isoton sein muB, darf d 3H(X,y,Z) nie negativ sein. Andern-
falls ist der Satz nicht anwendbar.
Die Konsistenz gemaB 13.3(4) kann man fast immer durch Multi-
plikation der Differenzengleichungen mit einer genUgend hohen
Potenz von h. = 1M. I erzwingen. Die entscheidende Frage ist: Bleibt
J J
bei diesem Vorgehen die Stabilitat erhalten? Voraussetzung (4) von
Satz 13.16 ist eine Normierungsbedingung, die genau festlegt, ob
eine solche Multiplikation zulassig ist. In der Regel gilt in den
meisten Punkten (x,y) des Gitters F~3) (q,) (x,y) = O. Diese Punkte
J
nennen wir randferne Punkte. 13.16(4) impliziert u.a.: Aus Wj ~ 1 folgt
fUr alle randfernen Punkte (x,y)

R. (w.) (x, y) > 1 •


J J -
198

Praktisch interessiert man sich nur fur konsistente Verfahren D.


Die Stabilitat folgt aber allein aus der Konsistenz fur H ~ 0 und
(2) _ (2)
F. (w.) O. 1m ubrigen genugt, daB F.
= isoton ist.
J I~ Beispiel 13.4 ist F~2) (w.) ~
J J
0: R.J die Identitat und

F~1) (w.)-F~3) (4) ~~{4Wj(X'Y)-Wj(X+hj'Y)-Wj(X-hj'Y)


J J J
J -w. (x,y+h.) -w. (x,y-h.) }
J J J J

Wj(X,y) falls (x,y)EM j


W. (x,y) = (
J 4 (x,y) falls (x,y) Er .

Zu F~1) gehort eine symmetrische, irreduzibel diagonal dominante


J
Matrix (vgl. Bedingung 13.11). Damit ist Bedingung (2) aus Satz
13.16 erfullt. Bedingung (3) entfallt wegen F~2) ~ O. Weil R. die
~ J J
Identitat ist, kann man in (4) K = 1 wahlen. Fur w. > 1 und 4 :::
J -
gilt auBerdem offenbar

F ~3) (4) > 0


J -

R.(w.»1.
J J -

Darum ist auch (4) erfullt. Die Konsistenz (5) erhalt man fur m = 4
leicht durch Taylorentwicklung der Differenzengleichungen. Es ergibt
sich fur UEC 4 (G,m)

II F. (4,r. (u)) -r. (q) lico ~ Kh J2.


J J J

mit
1 4 4
6 max Jld 1111 u(x,y) 1,ld 2222 u(x,y) I) •
(x,y) EG
Also ist dieses Verfahren nach Satz 13.16 stabil. 0

Satz 13.16 wird durch zwei Hilfssatze auf Satz 13.15 zuruckgefuhrt.

Hilfssatz 13.18: Es gibt sECco(G,m) mit s(x,y) ::: 0 und

LS(x,y) = Ls(x,y)-H(x,y,s(x,y)) ::: ((x,y) EG)

Beweis: Fur alle (x,y) EG sei

a 11 (x,y) ::: K, > 0

Ib 1 (x,y) I ~ K2

81 ~ x ~ 82
199

Wir setzen
3K 2 S1+ S2
ex = - - S -2-
K1

und zeigen, daB

s(x,y)

eine Funktion mit den gesuchten Eigenschaften ist.


Zunachst ergibt sich aus Ix-Sl ~ S2-S

cosh(ex(x-S)) ~ cosh(ex(S2- S))

und hieraus

s(x,y) ~ 0 .
Weil s nur von x abhangt, ist
2
Ls (x,y) -a 11 (x,y)d 11 s(x,y)-b 1 (X,Y)d 1 S(X,y)

2i a 11 (X,Y)COSh(ex(X-S))+2~ b 1 (x,y)sinh(ex(x-S))
1 2
Da stets
Isinh(ex(x-S)) I < cosh(ex(x-S)) ,
ist auch

LS(X,y) ~ cosh(ex(x-S)) ~ c

Bemerkung 13.19: Die Funktion s spielt bei Fehlerabschatzungen eine


g'ewisse Rolle, darum sollte s moglichst klein sein. Un sere Vor-
gehensweise betrifft den allgemeinsten Fall. In vie len konkreten
Fallen gibt es aber wesentlich kleinere Funktionen dieser Art. Dazu
drei Beispiele:

b 1 (x,y) 0 s(x,y) 1
(x-S 1 ) (S2-x )
2K1
b 1 (x,y) 0 s (x,y) 1
~ 2K (x-S 1 ) (2S -8 -x)
21
1
L = -t:. J s(x,y) 1 (1-x2_y2)
G = Einheitskreis 4

Beim letzten Beispiel ist die Wahl von s optimal, weil es keine
kleinere Funktion mit den geforderten Eigenschaften gibt. Bei den
beiden anderen Beispielen erhalt man eventuell durch Vertauschung
von x und y glinstigere Konstanten K1 , 81 und S2. c
200

Hilfssatz 13.20: Es gibt vEC o (G,


- lR) und jo Em, so da13 gilt:

v(x,y) ~ 0 «x,y) EG)

F~1)(r.(v»(x,y) > (1, ... ,1) ,


J J -
Beweis: Wir nehmen s aus Hilfssatz 13.18 und definieren
v = 2s+2 •
Offenbar gilt:
vECa> (G, lR)

v(x,y) ~ 2 «x,y)EG)
LV(X,y) ~ 2 «x,y) EG)
Die Funktion v ist Losung der Randwertaufgabe 13.2 mit
H .. 0

<jJ r r (v) ::: 2


q(x,y) = LV(X,y) > 2 •
(1) (3) . 1 (1)a>} konsistent bezUg-
Weil das Verfahren {(M.,F. -F. ,R.) IJ
J J J J
lich dieser Aufgabe ist, gilt

lim II F~1) (r. (V»-F~3) (<jJ)-R. (r J. (q» 1Ia> O.


j__ J J J J

Wir wahlen nun jo so groB, daB fUr aIle j ~ jo gilt:

II F~1) (r. (v) )_F~3) (<jJ)-R. (r. (q» II !:


J J J ]J a>
und R. sind linear und isoton. FUr <jJ ::: und q ~ 1 ist
J
F.(3 ) (<jJ)+R.(r.(q» > (1, ... ,1) •
J J J -

Da aber sogar <jJ ~ 2 und q ~ 2 ist, folgt

F~3)(<jJ)+R.(r.(q» ~ (2, ... ,2)


J J J

und hieraus

F.
(1) (r. (v» ::: (1, ••. ,1) • c
J J

Bemerkung 13.21: Statt vECo(G,lR) und v ~ 0 wurde sogar vEca>(G,lR)


und v ::: 2 bewiesen. FUr das folgende genUgen aber die im Hilfssatz
angegebenen Bedingungen. Da man wieder an moglichst kleinen Funk-
tionen dieser Art intezessiert ist, mochte man auch andere Konstruk-
201

tionen als in unserem Beweis zulassen. Diese anderen Methoden brauchen


nur eine stetige Funktion v ~ 0 zu liefern. c

Beweis von Satz 13.16: Wir wiihlen v gemiiB Hilfssatz 13.20. Dann kBnnen
wir Satz 13.15 anwenden. Es entsprechen sich jeweils die folgenden
GrBBen:

Satz 13.16 Satz 13.15

F ~1) A
)

F~2) F
)

rj(v) v

F~1) +F~2)
) )
F
0 w

FUr j ~ jo ergibt Satz 13.15(1):

II F~1) (wo)+F~2) (wo)-F~1) (Wo)-F~2) (wo) II


) ) ) ) ) ) ) )

II wj -w j II "" > II wj j II "" -w


~ II rj (v) II"" - II v IT""

(w 0

)
;w) ECo (M)
0 0 ,lR) )

II v II"" hiingt nicht von jab. Damit ist die erste Ungleichung in
13.3 (5) mit K = 1/11 v II "" bewiesen. Die zwei te Ungleichung ist
g leichbedeutend mit II Roll < K. c
) -
Aufgrund des letzten Beweises kann man in Definition 13.3(5)
K = 1/ II v II "" wiihlen. Dabei ist v eine beliebige Funktion mit den
in Hilfssatz 13.20 genannten Eigenschaften. Behauptung (1) aus
Satz 13.6 ergibt die Fehlerabschiitzung

Dabei ist
u: exakte LBsung der Randwertaufgabe
Wj: LBsung der Differenzengleichung
Fj(q"rj(u))-Rj(rj(q)): lokaler Fehler
v: Sahrankenfunktion (hiingt nur von F~1) ab).
202

Die Ungleichung laBt sich mit Hilfe von Behauptung (2) aus Satz 13.15
zu einer punktweisen Abschatzung verscharfen. FUr aIle Gitterpunkte
(x,y)EM. und j = j (1)00 gilt
J 0

lu(x,y)-w.(x,y)1 < v(x,y)IIF.(cp,r.(u))-R.(r.(q)) 1100


J - J J J J
In vie len wichtigen Spezialfallen, z.B. beim Modellproblem
(Beispiel 13.4), ist Rj die Identitat. Eine einfache Modifikation
der Beweise von Hilfssatz 13.20 fUhrt dann zu folgendem Resultat:
Es seien E > 0 und SECm(G,lR) mit s ~ 0 und LS(X,y) ~ 1 (vgl. Hilfs-
satz 13.18). Dann gibt es j1E~ mit

Beim Modellproblem ist

s (x,y)

eine solche Funktion. Hier kann ausnahmsweise j1 1 unabhangig


von E gewahlt werden. Es folgt darum:

j = 1 (1)00

Wir kammen nun zur Konstruktion einiger konkreter Differenzenver-


fahren. Es seien (vgl. Abbildung 13.22):

e (3) -_ (-1) ,
o
Jedem Punkt {x,y)EG ordnen wir vier Nachbarpunkte N {x,y,h)EG mit
v
v = 1(1)4 und h > 0 zu. Es sei fUr v = 1 (1)4:

h falls {x,y)+Ae{v)EG fUr aIle AE[O,h]


{
AV min{A > 01 (x,y)+Ae{v)Erl sonst.
N (x,y,h) (x y)+A e{v)
v , v
d (x,y,h) II (x,y) -N v (x,y,h) "2
v
Offenbar gilt
o < d (x,y,h)
v
~ h , v=1(1)4.

Das Standard-Gitter der Feinheit h in Gist gemaB Definition 13.1:

Mh = {(x,y)EGlx = ~h, Y = vh mit ~,vE~} , o < h < h


- 0

FUr (x,y)EMh liegen aIle Nachbarpunkte Nv(x,y,h) in Mh oder r.


203

Zur AbkUrzung fUhren wir noch die Bezeichnung Lip(l) (G,lR) ein.
1 -
Es handelt sich dabei urn folgenden Unterraum von C (G,lR): Zu jedem
fELip(l) (G,lR) gibt es ein L > 0 mit

((x,y)EG , (x,y)EG , ~+v = 1) .

Off enbar gilt

Cl +1 (G,lR) cLip (1) (G, lR)

e(2)

e (3..) 1-----+------II~e (1)

Abb. 13.22. Richtungsvektoren der Differenzenverfahren

Der nachste Hilfssatz enthalt eine eindimensionale Differenzenfor-


mel, die wir als Grundlage fUr ein Differenzenverfahren in G be-
nutzen werden.
2 3
Hilfssatz 13.23: Es seien S > 0 und a, uEC ([ - S, S] , lR) n C (( - S, S) , lR) .
Ferner gebe es eine positive Konstante L, so daB fUr aUe t,sE(-S,S) und
v = 0 (1) 3 die foZgenden UngZeichungen geUen:

la(v) (t) I ~ L

lu (v) (t) I ~ L
la(v) (t)-a(v) (s) I ~ Llt-sl
Iu (v) (t) -u (v) (s) I ~ Lit - s I

Dann giU fUr aUe h1 ,h 2 E (O,s]


204

mit

Beweis: Wir untersuchen die Funktion

Die v-ten Ableitungen, v = 0(1)3, sind:

(v) 2
£ ( s) = ..-h......h---,(.,....h-'-+,....h~)
1 2 1 2

Daraus £olgt:

£ (0) = £ I (0) = 0

£" (0) 2a(0)u" (0)+2a' (O)u' (0)

£ '''(0) (h -h ) [2a(0)u'"(0)+3a' (O)u" (O)+;!a" (O)u' (0)]


1 2 2
Der Taylorsche-Satz ergibt

£ (1) = £ (0) +f' (0) +~£" (0) +~£ ·'(0) +~ (£ ·'(9) -£ "'(0» , 0<9 < 1 •

Mit R = ~(£'''{9)-£'''(0» erhiHt man die Behauptung. Es bleibt also


zu beweisen
h 3 +h 3
1£'''(9)-£'''{0) 1 < i1 L2 1 2
- 4 h1+h2

Diese Ungleichung ergibt sich aus

la(]J) (!:!h )u(v-]J) (sh )_a]J(O)u(v-]J) (0) 1


2 1 1
< la{]J) (!:!h )1 lu{v-]J) (sh )_u(v-]J) (0) 1
- 2 1 1

+Iu{v-]J) (0) 1 la(]J) (~h1)-a(]J) (OJ 1 ::: ~L2h1

und analog

Bemerkung 13.24: Wenn a,u C4{[_~, ~],m) sind, existiert immer eine
Konstante L mit den ge£orderten Eigenscha£ten. Man wahlt am besten
205

L max (la(V)(t)l, lu(v)(t)I).


v=0(1)4
tE[-S,S]

Beispiel 13.25: Standard-Ff1nf-Punkt-verf ahren.


Differentialoperator:

LU(x,y) = -01 (a 1 (x,y)01 u (x,y»-02(a 2 (x,y)02u (x,y»


+H(x,y,u(x,y) )
mit

und
a 1 (x,y) > 0 , a 2 (x,y) > 0

H(x,y,O) = ° , 03H(x,y,z) :: 0
«X,y)EG, zElR) .

Gitter:

h j = 2-(j+l), j = 1 (1)00 , 1 hinreichend groB, aber fest.

M.: Standardgitter der Feinheit h ..


J J
Ein Punkt (x, y) EM j heiBt randfern,wenn alle Nachbarpunkte N (x,y,h.)
v J
in G liegen; sonst heiB er randnah.
Herleitung der Differenzengleichung: In den randfernen Gitter-
punkten werden die ersten beiden Terme von Lu(x,y) einzeln gemaB
Hilfssatz 13.23 ersetzt. Statt hj' Wj und nj schreiben wir kurz
h, w und n:
1 1
2{a 1 (x+ 2h,y) [w(x,y) -w(x+h,y)]
h 1
+a 1 (x- 2 h,y) [w(x,y)-w(x-h,y)]
1
+a2(x,y+2h) [w(x,y)-w(x,y+h)]
1
+a 2 (x,y-2h) [w(x,y) -w(x,y-h)]}
+H(x,y,w(x,y» = q(x,y) .
Wenn man fur w die exakte L6sung u der Randwertaufgabe einsetzt und
UELip(3) (G,lR) voraussetzt, ist der lokale Fehler O(h 2 ).
In den randnahen Gitterpunkten ergibt ein analoges Vorgehen
L1K (x,y) [w(x,y)-w(N (x,y,h»]
v v
+L 2KV(X,y)w(X,y)+H(x,y,w(x,y»

= q(x,Y)+L 2Kv (x,y)4(N v (x,y,h»


206

mit
2a
II
(x v ,y v )
Kv (x,y) d (x,y,h)[d (x,y,h)+d +2(x,y,h»)
v II II

v = 1 ,3

v = 2,4
,.., 1 ) (v)
(xv'Yv) = (x'Y)+2dv(x,y,h e

Bei den Summen L1 und L2 durchlauft v Teilmengen von {1,2,3,4}:


L 1 : aIle v mit Nvtx,y,h)EG

L 2 : aIle v mit Nv(x,y,h)Er

Formal sind die Gleichungen fUr die randfernen Punkte Spezialfalle


der Gleichungen fUr die randnahen Punkte. Sie unterscheiden sich
aber erheblich hinsichtlich des lokalen Fehlers. Bei Anwendung des
Hilfssatzes 13.23 in den randnahen Punkten hat man fUr den ersten
Summand en in Lu(x,y)
h1 d 1 (x,y,h) und h2 = d 3 (x,y,h)
und fUr den zweiten Summanden
h1 = d 2 (x,y,h) und h2 = d 4 (x,y,h)
zu wahlen. Der lokale Fehler enthalt auBer dem Restglied R noch den
Term
h -h
~[4a (0) u '''(0) +6a' (0) u" (0) +3a" (0) u' (0) )

Insgesamt ergibt sich ein Fehler von O(h). Er laBt sich aber durch
einen Trick (vgl. Gorenflo 1973) auf 0(h3 ) drUcken. Man dividiert
die Differenzengleichungen in den randnahen Punk ten durch
b(x,y) = L2Kv (X'Y) .
Die neuen Gleichungen genUgen noch der Normierungsbedingung (4) aus
Satz 13.16, weil fUr ~ ~ 1 und q ~ 1 offenbar gilt:

[q(x'Y)+L2KV(X,Y)~(X'Y»)/L2Kv(X'Y) ~ 1 .
In den randfernen Punk ten ist eine solche "optische" Verbesserung
des lokalen Fehlers nicht moglich. Das Maximum ist darum 0(h 2 ).
Wir kommen nun zur formalen Definition (vgl. Satz 13.16) der
Differenzenoperatoren:
falls (x,y) randfern
b(x,y) = {1
L2Kv (x,y) falls (x,y) randnah
4
F ~1) (w) (x,y) [ L K (x,y)w(x,y)-L 2K (x,y)w(N (x,y,h»)/b(x,y)
] v=1 v v v
207

F~2) (w) (x,y) H(x,y,w(x,y))/b(x,y)


]

F ~3) (w) (x,y) [L 2 K (x,y)4>(N (x,y,h))·l/b(x,y)


v v

R.(r.(q)) (x,y) = q(x,y)/b(x,y) .


] ]

Zu F~1) gehort eine Matrix B- 1A. B ist eine Diagonalmatrix mit den
Diagonalelementen b(x,y). 1m einzelnen hangt A naturlich noch von
der Numerierung der Gitterpunkte abo In der Praxis haben sich zwei
Nurnerierungsverfahren bewahrt:
(1) Numerierung nach SpaUen und ZeiZen:
(x,y) kornrnt vor (x,y), wenn eine der beiden folgenden Bedingungen er-
full t ist:

(a) x < x
(b) x x und y < y

Die Matrix A wird bei dieser Nurnerierung blocktridiagonal:

D1 -8 1 0

-51 D2 -8
2,
-5
,,
, , , , , ':..8
A D3
2, "-

, , k
0 '-5 'D k +1
k
Die Matrizen D sind quadratisch und tridiagonal. Ihre Diagonale
]J
ist positiv, alle anderen Elemente sind pichtpositiv. Die Matrizen
8 und 5 sind nichtnegativ.
]J ]J
(2) Nurnerierung nach dem SchacJibrettmuster: ~1an teilt das Gitter M.
]
in zwei disjunkte Teilmengen (weiBe und schwarze Felder auf dem 8chach-
brett) auf:
H~1) {(]Jh,vh)EM.I]J+v gerade}
] ]

M~2) {(]Jh,vh)EM.I]J+v ungerade}


] ]

Zuerst werden die Elemente von M~1), dann die Elemente von M~2)
] ]
numeriert. Innerhalb der Teilmengen ordnet man nach 8palten und
Zeilen wie unter (1). Es ergibt sich eine Matrix der Form

A (~1 -8) -8 D2
208

0 1 und O2 sind quadratische Oiagonalmatrizen mit positiver Oiagonalen.


S und S sind nichtnegative Matrizen.
In Abbildungen 13.26 und 13.27 sind beide Numerierungen in einem
Spezialfall durchgefUhrt worden.

Abb. 13.26. Numerierung nach Spalten und Zeilen

Abb. 13.27. Numerierung nach dem Schachbrettmuster

-1
Wir zeigen jetzt, daB A und B A M-Matrizen sind. Es gilt
offenbar:
4
(1) a pp L K (x,y) > 0 , p = 1 (1) n , (x,y) EM j .
\)=1 \)
(2) a
po
-K \) (x,y) < o oder a po = 0 fUr alle p,a = 1 (1) n mit a * p .
209

n
(3) a pp ~ r lapal p 1 (1)n •
a=1
a*p
(4) FUr jede Zeile (a pl ' ... ,a pn ), die zu einem randnahen Punkt
gehBrt, ist
n
a pp > r la pal
a=1
a*p

(5) Aus a p a = ° folgt a ap = ° fUr p,a = 1 (1)n.

Falls A irreduzibel ist, ist A nach (1) bis (4) sogar irreduzibel
diagonal dominant (siehe Bedingung 13.11). Ansonsten ist A reduzibel

c
und es gibt wegen (5) eine Permutationsmatrix P mit

°
Die Matrizen A , v = 1(1)1, sind quadratisch und irreduzibel. Jede
v
Matrix A besitzt mindestens eine Zeile, die zu einem randnahen
v
Punkt gehBrt. Darum sind aIle diese Matrizen irreduzibel diagonal
dominant, also M-Matrizen. Folglich ist auch A eine M-Matrix.
FUr gewisse h gilt bei einfachen Gebieten (G = (O,1)x(O,1)
oder G = {(x,y)€(O,1)x(O,1) Ix+y < 1}, h = 1/m u.a.) stets
d (x,y,h) = h. Unter dieser Voraussetzung ergibt sich weiter:
v
(6) K (x,y,h) = K (N (x,y,h) ,h) mit ).1-1 = (v+1)mod 4 «x,y)€M.)
v ).1 v J
(7) a pa a ap fUr p,a = 1 (1)n.
(8) A ist positiv definit.
(9) B- 1A ist ahnlich zu B- 1/ 2A B- 1 / 2 und hat darum nur positive
Eigenwerte.
-1
Von den Voraussetzungen von Satz 13.16 haben wir (2) (B A ist
eine M-Matrix), (4) (Normierungsbedingung) und (5) (Konsistenz) be-
reits bewiesen.

F~2) (w) (x,y) = H(x,y,w(x,y»/b(x,y)


J
ist trivialerweise diagonal und isoton. Also ist Voraussetzung (3)
auch erfUllt. Das Verfahren ist samit stabil. c

Bei den folgenden Beispielen beschranken wir uns auf das Gebiet
G = (O,1)x(O,1) und wahlen als Gitter M. stets das Standardgitter
. J
der Feinheit h = h j = 2- J • Wir umgehen damit aIle speziellen Pro-
210

bleme in der Nahe des Randes. Prinzipiell konnen sie aber mit ahn-
lichen Methoden wie im Beispiel 13.25 gelost werden. Der Klirze halber
betrachten wir auBerdem nur lineare Differentialoperatoren ohne den
Summanden H(x,y,u(x,y». Darnit entfallt im Differenzenoperator der
Summand F~2). Flir (x,y)Er steht w(x,y) flir ~(x,y).
]

Beispiel 13.28:
Differentialoperator:
2 2
Lu(x,y) = -a 11 (x,y) 3 11 u (x,y) -a 22 (x,y) 3 22 u (x,y)
-b 1 (x,y) 3 1U(X,y)-b 2 (x,y) 3 2U(X,y)
Koeffizienten wie in Aufgabe 13.2.
Differenzengleiahungen:

~{[a11 (x,y)+ch][2w(x,y)-w(x+h,y)-w(x-h,y)]
h
+[a 22 (x,y)+ch][2w(x,y)-w(x,y+h)-w(x,y-h)]}

-ih{b 1 (x,y) [w(x+h,y)-w(x-h,y)]+b 2 (x,y) [w(x,y+h)-w(x,y-h)]}

= q(x,y)

Dabei sei c ~ 0 eine beliebige, aber feste Konstante.


Flir UELip(3) (G,m) ergibt sich ein lokaler Fehler von

O(h 2 ) falls c = 0

O(h) falls c > 0


Flir kleine h wird F~1) durch eine M-Matrix beschrieben. Hinreichende
]
und notwendige Bedingungen daflir sind
h
ilb1 (x,y) I ~ a 11 (x,y)+ch ((x,y) EM j )
h ((x,y) EM j )
ilb2(x,y) I ~ a 22 (x,y)+ch

gleichbedeutend mit
h
2[ I b 1 (x, y) I - 2c] ::: a 11 (x, y) ((x,y)EM.)
]

h
2( Ib 2 (x,y) 1-2c] ::: a 22 (x,y) ((x,y) EM.)
]

Wenn eine der obigen Bedingungen verletzt ist, wird die Matrix
moglicherweise sogar singular. Darum mlissen diese Ungleichungen auf
jeden Fall erflillt sein. Flir c = 0 erhalt man den kleineren lokalen
Fehler, flir c > 0 ein groBeres Stabilitatsintervall hE(O,h o ]' Bei
Problemen der Stromungslehre sind Ib 1 (x,y) I oder Ib 2 (x,y) loft we-
sentlich groBer als a 11 (x,y) und a 22 (x,y).
211

Fur c > 0 wird ahnlich wie beim Friedrichs-Verfahren (siehe


Kap. 6) eine numerische Viskositiit eingefuhrt. Das ist selbstverstand-
lich auch auf viele andere Arten moglich. Durch Extrapolation kann
man den globalen Fehler verbessern. 0

Beispiel 13.29:
Differentialoperator: wie in Beispiel 13.28.
Differenzengleichungen:

1
-2{a 11 (x,y) [2w(x,y)-w(x+h,y)-w(x-h,y)]
h
+a 22 (x,y) [2w(x,y)-w(x,y+h)-w(x,y-h)]}
1
-ii{D 1 (x,y) +D 2 (x,y)} = q(x,y)

Dabei seien D1 , D2 fur (X,y)EH j wie folgt definiert:

{b 1 (x,y) [w(x+h,y) -w(x,y)] fur b 1 (x,y) ?: 0


D1 (X,y)
b 1 (x,y) [w(x,y) -w(x-h,y) ] fur b 1 (x,y) < 0

{b 2 (X,y)[W(X,Y+h)-W(X,y)] fur b 2 (x,y) ?: 0


D2 (x,y)
b 2 (x,y)[w(x,y)-w(x,y-h)] fur b 2 (x,y) < 0

F~1)
]
wird fur beliebige h > 0 durch eine M-Matrix beschrieben. Das
ist der Vorteil dieses Verfahrens mit einseitigen Differenzenquo-
tienten fur die Approximation der ersten Ableitungen. Der lokale
Fehler fur uELip(3) (G,m) ist O(h). Extrapolation ist nur dann mog-
lich, wenn b 1 und b 2 nicht das Vorzeichen wechseln. Man beachte die
~hnlichkeit mit dem Verfahren von Courant, Isaacson und Rees (siehe
Kap. 6). 0

Beispiel 13.30:
Differentialoperator:
2
Lu(x,y) = -a(x,y)6u(x,y)-2b(x,Y)d 12u(x,y)
mit
<:0 -
a,bEC (G,m)
a(x,y) > 0
2 2 ((X,y)EG)
a (x,y)-b (x,y) > 0

Differenzengleichungen:

~{a(x,y) [2w(x,y)-w(x+h,y+h)-w(x-h,y-h)]
2h
+a(x,y) [2w(x,y)-w(x+h,y-h)-w(x-h,y+h)]
212

-b(x,y)[w(x+h,y+h)-w(x-h,y+h)-w(x+h,y-h)+w(~-h,y-h)]}

= q(x,y) .

FUr
Ib(x,y) I ~ a(x,y)
erhalt man unabhangig von heine M-Matrix. Der Differentialoperator
ist aber nur fUr
Ib(x,y) I < a(x,y) ((x,y)EG)
gleichmaBig elliptisch. FUr b(x,y) B 0 zerfallt das System der
Differenzengleichungen in zwei lineare Gleichungssysteme fUr die
Punkte
(~h,vh) mit ~+v gerade
und
(~h,vh) mit ~+v ungerade.
Man kann sich dann auf die Losung eines Systems beschranken. Der
lokale Fehler ist fUr uELip (3) (G,lR) von der Ordnung O(h 2 ). 0

Beispiel 1 3 .31: Mehrste Uenverfahren.


DifferentiaZoperator:
Lu(x,y) = -~u(x,y)

DifferenzengZeiahungen:

~{Sw(X,y)-[w(X+h,y)+w(X,y+h)+w(X-h,y)+w(x,y-h) ]
h

-![W(X+h,Y+h) +w(x-h,y+h) +w(x-h,y-h) +w(x+h,y-h) ]}

= q(x,y)+l[q(X+h,y)+q(x,y+h)+q(X-h,y)+q(x,y-h)]

FUr UELip(S) (G,lR) ist der lokale Fehler O(h 4 ). Satz 13.16 ist an-
wendbar, weil zu F~1) stets eine M-Matrix gehort. Eine naheliegende
J
Verallgemeinerung fUhrt fUr allgemeinere Gebiete zu einem Verfahren
mit einem lokalen Fehler O(h3 ). Hinsichtlich weiterer Verfahren
ahnlicher Art siehe Collatz 1966. 0

Bis jetzt haben wir nur Randwertaufgaben erster Art behandelt, d.h.
auf r wurden die Funktionswerte vorgegeben. Die Methode funktioniert
aber auch bei gewissen anderen Randwertaufgaben.
213

Beispiel 13.32:
Randwertaufgabe:
-lm(x,y) q(x,y) «x,y)EG = (O,1)x(O,1)

u(x,y) = q,(x,y) «x,y)Er und x * 0)


u(0,y)-ad 1u(0,y) lP(y) (yE(O,1)

mit
q" lP stetig und beschrankt

a > 0 fest.
Gitter:
...
MJ.: Standard-Gitter M. der Feinheit h h. 2- j vereinigt mit
J . J
den Punkten (O,)lh), )l = 1 (1)2 J -1.

DifferenzengZeichungen:
...
FUr die Punkte M.n(0,1)x(0,1) wahlt man dieselben Gleichungen wie
beim MOdellprObl~m (siehe Beispiel 13.4). FUr y = )lh, )l = 1 (1)2 j -1,
und uELip(3) (G,m) gilt

1 2 2 3
u (h,y) u(0,y)+hd 1U(0'Y)+2h d11 u(0,y)+0(h )
1 2 2 3
u(0,y)+hd 1U(0'Y)-2h [q(0,Y)+d 22 u(0,y)]+0(h )
2 2
Man ersetzt -h d22u(0,y) durch

2u(0,y)-u(0,y+h)-u(0,y-h)+0(h3 )

und erhalt

u(h,y) 1 1 1 2 3
2u(0'Y)~2u(0,y+h)-2u(0,y-h)+hd1u(0'Y)-2h q(O,y)+O(h )
1 1 2
d1U(0,y) = 2h[2u(h,y)+u(0,y+h)+u(0,y-h)-4u(0,y) ]+2hq(0,y)+0(h )

Das fUhrt zu der Differenzengleichung

2~{(2h+4a)u(0,y)-a[2u(h,Y)+U(0,y+h)+U(0,y-h)]}

= lP(Y)+~hq(O,y) .

Wegen a > 0 ist die zugehorige Matrix eine M-Matrix. Es gilt ein
Satz analog zu Satz 13.16. Das Verfahren konvergiert wie 0(h 2 ).
Wenn man die Differenzengleichung mit 1/a multipliziert ist auch
ohne weiteres der GrenzUbergang a ~ 00 moglich. c
214

14 Vciriationsmethoden

Wir betrachten die Variationsaufgabe


I[u] = min{I[w] IwEW} (14.1)
mit
2 2
I [w] Jj[a 1 (x,y) (o1w(x,y)) +a 2 (x,y) (o2w(x,y))
G
+2Q(x,y,w(x,y)) ]dxdy .

Dabei seien G ein beschranktes Gebiet des m 2 , auf das der GauBsche
Integralsatz anwendbar ist, a 1 ,a 2 Ec 1 (G,m) und QEC 2 (Gxm,m) mit
a 1 (x, y) > (l > 0

a 2 (x,y) ~ (l > 0
2
o ~ 033 Q(x,y,z) < 6 ((x,y)EG, zEm)
Der Funktionenraum W wird im folgenden noch naher charakterisiert.
Der Zusarnrnenhang mit Randwertaufgaben wird durch den folgenden
Satz hergestellt (vgl. z.B. Klotzler 1970, Kap. IV).

Satz 14.2: Eine Funktion uEC 2 (G, m) n CO (G, m) ist genau dann Losung del'
Randwertaufgabe

u(x,y) =0 ((x,y)EaG) ,
wenn die Bedingung (1 4 • 1) mi t

W = {wEC 2 (G,m) n C0 (G,lR)


-
I w(x,y) o fur ane (x,y) EoG}
erfunt ist.

Es hat sich als zweckrnaBig herausgestellt, bei der Suche nach einem
Minimum des Funktionals I[w] auch Funktionen zuzulassen, die nicht
liberall zweimal stetig differenzierbar sind. Praktisch wahlt man
namlich zur Approximation der zweimal stetig differenzierbaren Lo-
sungen der Randwertaufgabe (14.3) Funktionen, die stlickweise einmal
stetig differenzierbar sind, z.B. stlickweise Polynome. Man muB nur
darauf achten, daB die Funktionen an den Grenzstellen stetig anein-
ander anschlieBen.
Der Raum, in dem das Funktional I[w] betrachtet wird, soll nun
genauer prazisiert werden.

Definition 14.4: Es sei K(G,lR) der Vektorraurn aller Funktionen


WECo(G,m) mit:
215

(') w(x,y) = 0 «x,y) EdG) •


(2) wist als Funktion von x bei fest gehaltenem y und als Funktion
von y bei fest gehaltenem x absolut stetig.
2
(3) d,W, d2WEL (G,lR)
Auf K(G,lR) wird die folgende Norm (SoboZev-Norm) definiert:

II w IIH = ( II
G [w 2 (X,Y)+(d,W(X,y» 2 +(d W(X,y» 2
2
) ' /2
ldxdy

Den AbschluB des Raumes K(G,lR) bezUglich dieser Norm bezeichnen


wir mit H (G, lR). IJ

w Hi.Bt sich in den ganzen lR 2 stetig fortsetzen, indem man w (x, y)


auBerhalb von G Null setzt. Dann impliziert Bedingung (2), daB w
fast Uberall partiell differenzierbar ist und daB fUr beliebiges
(a,b) ElR2 gilt (vgl. Natanson 196', Kap. IX):
x
2
w(x,y) Ia 1w(t,y)dt «x,y)ElR )
a
y
2
w(x,y) = Ia 2w(x,t)dt «x,y)ElR )
b
Die folgende Bernerkung zeigt, daB die Variationsaufgabe (14.1)
auch im Raum H(G,lR) betrachtet werden kann.

Bernerkung 14.5: Es sei uEC 2 (G,lR)nC 0 (G,lR)


-
Losung der Aufgabe (14.3).
Dann gilt
I[ ul = min{I[ wll wEH (G, lR)} .
Falls der Rand aG hinreichend glatt ist, laBt sich dieser SchluB
auch urnkehren. Es genUgt z.B.: aG ist stUckweise stetig differenzier-
bar, alle inneren Winkel in den Ecken des Gebietes sind kleiner
als 211. IJ

Das naheliegende numerische Verfahren zur naherungsweisen Bestirnrnung


eines Minimums des Funktionals I[w] ist das Ritz-Verfahren:
Man wahlt n linear unabhangige Funktionen f , v = 1 (1)n, aus
v
dem Raum K(G, lR). Diese spannen einen n-dimensionalen Vektorraum Vn
auf. Dann bestirnrnt man vEVn als Minimum des Funktionals I[wl in Vn:
I[vl = min{I[wllwEV n } .
Jedes wEV n laBt sich als Linearkombination der fv darstellen:
n
w(x,y) = r S f (x,y)
v=1 v v
216

Insbesondere ist
n
v(x,y) I c f (x,y)
v=1 v v

I[w] = I(S1' ••• ,S n ) •

Aus den notwendigen Bedingungen

v=1(1)n

erhalt man ein Gleichungssystem fUr die Koeffizienten c :


v
n n
f{[Cl 1f (x,y)a 1 (x,y) I c Cl 1 f
(x,y)+a 2 f (x,y)a 2 (x,y) I c Cl 2 f (x,y)
G II v=1 v v II v=1 v v
n
(14.6
+f (X,y)Cl 3Q(X,y, I c f (x,y»]dxdy = 0 ,
II v=1 v v

Falls sich die Losung u der Randwertaufgabe (14.3) durch Funk-


tionen aus Vn "gut" approximieren laBt, kann man erwarten, daB auch
der Fehler u-v "klein" ist. Die Effektivitat des Verfahrens hangt
also entscheidend von der geeigneten Wahl des Raumes Vn abo Diese
Zusammenhange werden in einem spateren Teil des Kapitels genau unter-
sucht. Wir wenden uns zunachst den bei der ~umerischen Auflosung des
Gleichungssystems auftretenden praktischen Fragen zu. Dabei wird
sich herausstellen, daB die Wahl der speziellen Basis von Vn eben-
falls wichtig ist.
Im folgenden setzen wir generell voraus, daB Q(x,y,z) die spe-
zielle Gestalt

Q(x,y,z) = 12o(x,y)z 2 -q(x,y)z


mit
o(x,y) ~ 0 «x,y)EG)
besitzt. Das Gleichungssystem (14.6) und die Differentialgleichung
(14.3) sind in diesem Fall linear. Das Gleichungssystem hat die
Form
A c = d
mit
T
c = (c 1 ' ••• ,cn)

A (a ll )lI,v=1(1)n
a IIV = fJ[a 1 (x,y) Cl 1fll (x,y) Cl 1fv (x,y)+a 2 (x,y) Cl 2fll (x,y) Cl2fv (x,y)
+o(x,y)f (x,y)f (x,y)]dxdy
II v
217

d = (d 1 , ..• ,dn) T
d = fjq(x,y)f (x,y)dxdy
\.I G \.I

A ist symmetrisch und positiv semidefinit. Weil die Funktionen f


v
linear unabh~ngig sind, ist A sogar positiv definit. v ist darum
eindeutig bestimmt.
Wir wollen zun~chst vier klassische Ans~tze fur die Wahl der
Basisfunktionen fv vorstellen, die sich bei gewissen Aufgaben be-
w~hrt haben:

(1 ) x k y 1 Monome
(2 ) gk (x)gl (y) Produkte von Orthogonalpolynomen

['in<kX) sin(1y)
(3) sin(kx)cos(ly) trigonometrische Monome
cos(kx)cos(ly)
(4) Bk (x) Bl (y) : Produkte von Kardinalsplines
Falls die obigen Ansatzfunktionen nicht auf aG verschwinden,
mussen sie noch mit einer Funktion multipliziert werden, die auf aG
verschwindet und in G ungleich Null ist. Besser ist es, sofort Basis-
funktionen auszuw~hlen, die auf aG Null sind. Beispielsweise kann
man im FaIle G = (0,1)2 w~hlen:
x (1-x) y (1-y)
x 2 ( 1 -x) y ( 1 -y)
2
x(1-x)y (1-y)
x 2 (1-x)y2(1-y)
oder
sin (llx) . sin (llY)
sin(21lx) 'sin(llY)
sin (llx) . sin(21lY)
sin(21lx)'sin(21lY)
Fur G = {(r costp,r sintp) I rE[0,1),tp€[-1l,lt)} empfehlen sich etwa die
Funktionen
2
r -1
2
(r -1) sin tp
2
(r -1) cos tp
(r 2 _1) sin 2tp
(r 2-1) cos 2tp
218

Meistens ist der Ansatz (2) besser als (1), da sich kleinere
Zahlen auBerhalb der Hauptdiagonalen von A ergeben. Das Gleichungs-
system ist dann numerisch stabiler. Bei periodischen Losungen bevor-
zugt man dagegen den Ansatz (3). Der Ansatz (4) empfiehlt sich ins-
besondere dann, wenn die Losung durch die Ansatze (1)-(3) schlecht
approximiert wird.
Ein gemeinsarner Nachteil der Ansatze (1) bis (4) ist, daB die
Matrix A fast irnrner vollbesetzt ist. Es mlissen also bei der Auf-
stellung des Gleichungssystems n(n+3)/2 Integrale berechnet werden.
Die Auflosung kann nur mit aufwendigen allgemeinen Verfahren wie
GauB-AIgorithrnus oder Cholesky-Verfahren erfolgen. Der Rechenauf-
wand steigt darurn in der Regel proportional zu n 3 Man wahlt meist
n < 100.
Der geschilderte Aufwand laBt sich durch Ansatzfunktionen mit
kleinem Trager verringern. Die Produkte
f (x,y)f (x,y)
II v
d1 fll (x,y) d1fv (x,y)
d2 fll (x,y) d2fv (x,y)
sind nur von Null verschieden, wenn die Trager von fund f nicht-
II v
leeren Durchschnitt haben. In allen anderen Fallen sind die a
llV
Null. A ist schwach besetzt. Zur Auflosung des Gleichungssystems ste-
hen dann spezielle schnellere Verfahren zur Verfligung. Ansatze dieser
Art heiBen finite-eZement-Methoden. Mit dem Ausdruck "finite element"
sind die Trager der Ansatzfunktionen gemeint. 1m folgenden wollen
wir einige einfache Vetreter kurz vorstellen (vgl. hierzu auch
Whiteman 1973, 1976).

Beispiel 14.7: Unearer PoZynomansatz auf TrianguUerung.


Wir setzen voraus, daB der Rand unseres Gebietes ein Polygonzug ist.
Dann konnen wir G wie in Abbildung 14.8 triangulieren, d.h. als Ver-
einigung von N abgeschlossenen Dreiecken ~ darstellen. Es wird ge-
p
fordert, daB der Durchschnitt zweier beliebiger verschiedener Drei-
ecke ~ p
- entweder leer
oder genau eine Seite
oder genau eine Ecke ist.

Abb. 14.8. Triangulierung eines Gebietes


219

Die Ecken der Dreiecke ~ , die nicht zu aG gehoren, bezeichnen wir


p
mit ~v. Sie seien von 1 bis n durchnumeriert. Dann definieren wir
Funktionen f , v = 1 (1)n durch die folgende Vorschrift:
v
(1) f ECo(G,lR)
v
(2) f beschrankt auf ~ ist ein Polynom ersten Grades im lR 2 , p 1(1)N.
v p

(3) f (~ll) = 6
v Vll

(4) f (x,y) = 0 fur (x,y) EaG .


v
Durch die Eigenschaften (1)-(4) sind die Funktionen f offenbar ein-
v
deutig bestirnrnt. Sie gehoren zurn Raum K(G,lR) . f verschwindet in
v
jedem Dreieck ~ , zu dem die Ecke ~v nicht gehort. Wenn die Trian-
p
gulierung so vorgenornrnen wird, daB jede Ecke ~v hochstens zu k Drei-
ecken gehort, hat jede Zeile und Spalte von A hochstens k+1 von Null
verschiedene Elemente.

0 0 0 0

0 0 0 0

y
l+s v -h"
0 0 0

0 x y 0
l-ry+ s,,+ii-j1 1+r.y -~h
syh
~v
0 l- r v+f 1+rv-5.y-~+~ 0

0 1-5V +1-h 0 0

0 0 0 0

0 0 0 0

rv h

Abb. 14.9. Ansatzfunktion fv fur spezielle Triangulierung


220

FUr den Spezialfall

r ,s ElL
v v

stellen wir die Basis fv formelmaBig dar. In den verschiedenen Drei-


ecken erg eben sich die in Abbildung 14.9 eingetragenen Funktionen.
Damit lassen sich die Koeffizienten der Matrix A berechnen. Wir
wollen dies fUr die spezielle Differentialgleichung
-AU(X,y) = q(x,y)
demonstrieren. Es ist also
a 1 (x,y) = a 2 (x,y) II 1

(J (x,y) .. 0

a llV fJ[ 31 fll (x,y) 31 fv (x,y) +:l2fll (x,y) d2fv (x,y) ]dxdy
Wei!
+1/h
3 Kf (J (x,y) = { -1/h je nach Dreieck
o
ergibt sich
fUr Il =v
a
IlV {-: fUr s

-1 fUr r v
v
s
r
11

Il
und r v
und s
v =
r +1 oder r v
11
s +1 oder s
Il v
r -1
11
s -1
Il
0 sonst.

Damit erhalten wir den folgenden "FUnf-Punkt-Differenzenoperator",


den man gerne auch als Differenzenstern schreibt:

Hierin sind Tk ,J.. die Translationsoperatoren aus Kap. 10.


Die linken Seiten der Gleichungssysteme stimmen also beim ein-
fachsten Differenzenverfahren (vgl. Kap. 13) und bei dieser finite-
element-Methode Uberein. Auf der rechten Seite stehen allerdings
hier die Integrale

d
Il
= f)q(x,y)f
G Il
(x,y)dxdy
221

und beim Differenzenverfahren


h 2q(r h,s h) .
lJ lJ
Praktisch wird man die Integrale durch eine hinreichend genaue
Quadraturformel auswerten. Im vorliegenden FaIle genUgt eine fUr
Polynome ersten Grades exakte Formel (vgl. z.B. Witsch 1978,
Satz 5.2):
ffg(x,y)dxdy
fl

fl: Dreieck mit den Ecken (0,0), (h,O), (O,h).


Weil die f jeweils in mindestens zwei von drei Eckpunkten Null
lJ
sind, ergibt sich

Beispiel 14.10: Unearer Produktansatz auf ReahteakszerZegung.


Wir setzen voraus, daB G Vereinigung von N achsenparallelen abge-
schlossenen Rechtecken 0 ist. Dann k6nnen wir G wie in Abbildung
p
14.11 zerlegen. Es wird gefordert, daB der Durchschnitt zweier be-
liebiger verschiedener Rechtecke 0
p
- entweder leer
oder genau eine Seite
oder genau eine Ecke ist.

Abb. 14.11. Zerlegung in Rechtecke

Die Ecken der Rechtecke 0 , die nicht zu aG geh6ren, bezeichnen


p
wir mit ~v. Sie seien von 1 bis n durchnumeriert. Dann definieren
wir Funktionen fv' v = 1 (1)n durch die folgende Vorschrift:
(1) f EC o (G, lR)
v
(2) f beschrankt auf 0 ist das Produkt zweier Polynome ersten
v p
Grades mit den unabhangigen Veranderlichen x und y.
(3) f (~lJ) = 6
v VlJ

(4) f (x,y) = 0 fUr (x,y) EaG .


v
222

Wie in Beispiel 14.7 sind die Funktionen f durch die Eigen-


v
schaften (1)-(4) eindeutig bestirnmt und gehoren zum Raum K(G,JR).
fv verschwindet auBerhalb der vier Rechtecke mit der gemeinsamen
Ecke ~v. Somit hat jede Zeile und Spalte von A hochstens neun von
Null verschiedene Elemente.
Fur den Spezialfall

r , s Ell
v v

wollen wir wieder die Basis f formelmaBig darstellen. Es ergibt sich:


v

1
(1-'~-r h s v I) fur I~-r
h v I) (1-1:i- h v 1 -< 1 , l:i-s 1 :::
h v
fv(x,y)
o sonst.

lm lnneren der Quadrate kann man die partiellen Ableitungen von


f bilden:
v
_1 (1-1 ;[-s I) fur 0 < ~-r < 1 1;[-s 1 < 1
h hv hv'hv
{
+1(1-1;[-s I) fur -1 < ~-r < 0 IY-s 1 < 1
h hv hv 'Ev
o sonst.

_1h (1 -I ~-r
h v
I) fur o < ~-s < 1 1~-r 1 < 1
h v ' h v
{ +1(1-1~-r I) fur -1 < ;[-s < 0 I~-r 1 < 1
h h v h v ' h v

o sonst.

Damit lassen sich die Koeffizienten der Matrix A ermitteln. Wir


beschranken uns auf die Poissongleichung
-~u(x,y) = q(x,y)
Bei der Berechnung der lntegrale braucht man bei Berucksichtigung der
Syrnmetrien nur vier Falle zu unterscheiden:

( 1) 1r ]l -r"v 1 > 1 oder 1s ]l -s v 1 > 1:


a 0
]lV

(2) ]l = v

4hh x2 Y2 8
a - ff[ (1- h-) +(1--) ]dxdy 3
]l]l
h2 00 h
223

(3) r r + 1 und s = s + 1 :
v ]1 V]1

a -1hh
2
Y
f f[ - (1 --) Y x x
(1 - (1--) ) - (1 --) (1 - (1 --) ) ] dxdy
]1V h 00 h h h h

1 hh Y Y
--- ff[(1-~)~+(1--)-]dxdy
h 2 00 h h h h

(4) r r + 1 und s = s
v ]1 V]1

2hh Y Y x x
a
]1V
If[-(1-ti) (1-ti)+(1-E) (1-(1-E))]dxdy
h 2 00

Das ergibt den Differenzenstern


1 1 1
- :3 - :3
- :3
1 1 8 1
- :3
+ ~
3 - :3 =:3I-:3(Th,1+T_h,1+Th,2+T_h,2+(Th,1+T_h,1) (T h ,2+ T_h,2))

- 1 - 1 - 1
:3 :3 3

Die Integrale d k6nnen nach der Formel


]1

h2
f fg (x,y) dxdy RJ T[g (0,0) +g (h,O) +g (O,h) +g.(h,h) ]
o

o : Quadrat mit den Ecken (0,0), (h,O), (O,h), (h,h)

ausgewertet werden. Es ist also

d RJ h 2 q(r h,s h) 0
]1 ]1]1

Beispiel 14.12: quadx>atischer Polynomansatz auf Triangulierung (vgl. Zlamal


1968) .
Das Gebiet G sei wie in Beispiel 14.7 trianguliert. Die Ecken der
Dreiecke ~ und die Mittelpunkte der Dreiecksseiten, die nicht zu
p
3G geh6ren, bezeichnen wir mit ~v. Sie seien von 1 bis n durchnu-
meriert. Wir definieren Funktionen fv' v = 1 (1)n durch die folgende
Vorschrift:

(2) f (x,y) beschrankt auf ~ ist ein Polynom zweiten Grades,


v p
p=1(1)N.
(3) f (~IJ) = 6
v V]1

(4) fv (x,y) = 0 fUr (x,y) EdG .


224

Wie in den vorherigen Beispielen sind die Funktionen f durch die


"
Eigenschaften (1)-(4) eindeutig bestirnmt. f beschr~nkt auf eine Drei-
"
ecksseite ist ein Polynom zweiten Grades in einer Ver~nderlichen. Da
auf jeder Dreiecksseite drei Bedingungen gestellt werden, ist f
stetig in G und folglich aus K(G,m). f verschwindet in jedem Drei- "
eck, zu dem ~" nicht gehort. c "
Die meisten finite-element-Ans~tze fuhren bei regelm~Biger Auftei-
lung des Gebietes auf Differenzenformeln. Fur den Programmierer ist
die unmittelbare Anwendung der Differenzengleichungen einfacher. Die
eigentliche Bedeutung der finite-element-Methoden liegt aber nicht
bei regelm~Bigen Aufteilungen des Gebietes. Das Verfahren ist so
flexibel, daB man das Gebiet in beliebige Dreiecke, Vierecke oder
andere geometrische Figuren aufteilen kann. Man kann sich dabei dem
Rand und etwaigen Singularit~ten der Losung gut anpassen. Inner-
halb der einzelnen geometrischen Figuren sind Approximationen ho-
herer Ordnung (etwa Polynome hoheren Grades oder Funktionen mit
speziellen Singularit~ten) durchaus moglich. Eine Ruckfuhrung auf
Differenzenformeln erweist sich in diesen F~llen als zu aufwendig.
Der Programmierungsaufwand solcher flexibler finite-element-Methoden
ist leicht so hoch, daB er von einem einzelnen Programmierer nicht
mehr geleistet werden kann. Man greift dann meistens auf kommerzielle
Software-Pakete zurUck.

Wir wenden uns nun Konvergenzuntersuchungen und Fehlerabschatzungen


beim Ritz-Verfahren zu.

Definition 14.13: Spezielle innel'e Produkte und Normen.


Die GroBen
fju(x,y)v(x,y)dxdy
G

Jj[a 1 (x,y) 3 1u (x,y) 3 1v (x,y) +a 2 (x,y) 3 2U (x,y) 3 2v (x,y)


G
+cr(x,y)u(x,y)v(x,y)]dxdy

sind innere Produkte auf K(G,m). Sie induzieren die Normen

Der folgende Satz zeigt, in welcher Weise die Normen II . 112 ' II· II I
und II . IIH in K(G,m) gegeneinander abgesch~tzt werden konnen.
225

Satz '4.'4: Es gibt Konstanten Y, 'Y2 > 0, so da!J fUr aUe u€K(G,lR) gilt:

(1) y,llu III:: Ilu II H :: Y2 11u "I'


(2) lIull 2 :: Iluli H •
(3) lIu1l2::Y211u1lI

Beweis: Die zweite Ungleichung ist trivial, die dritte eine Folge
der zweiten und ersten.
°
zu (1): Entsprechend zu Satz 4.' (1) laBt sich zeigen, daB c~ (G, lR)
bezUglich II • IIH in K(G,lR) dicht liegt. Somit reicht es, die Unglei-
chungen nur fUr U€C~(G,lR) zu beweisen.
Wir zeigen zunachst, daB es eine Konstante Yo > gibt mit °
f
IJ(u(x,y)) 2dxdy:: yofG[(o,u(X,y)) 2+(o2u(x,y)) 2 )dxdy (U€C~ (G,lR))

Es sei [-a,a)x[-a,a) ein G umfassendes Quadrat. Mit Ii bezeichnen wir


die stetige Fortsetzung von U€C~(G,lR) auf [-a,a)x[-a,a), die auBer-
halb von G verschwindet. Dann folgt
t
u(t,y) = I o,u(x,y)dx .
-a

Mittels der Schwarzschen Ungleichung ergibt sich weiter


_ 2 t 2 a 2
(u(t,y)) :: (t+a) I (o,u(x,y)) dx :: 2a I (o1u(x,y)) dx
-a -a
Hieraus folgt

a 2 a a 2
f (u(t,y)) dy ~ 2af I (o1u(x,y)) dxdy
-a -a -a
2 a a 2 2a a 2
IJ (u (x,y)) dxdy I I (u (x,y)) dxdy ~ 4a I f (o1u(x,y)) dxdy
-a -a -a -a

:: 4a 2 If[(o1u(x,y)) 2+(o2u(x,y)) 2 )dxdy


G

Mit Yo = 4a 2 ergibt sich die obige Zwischenbehauptung.


Wir setzen nun

a = mint min a, (x,y) , min _ a 2 (x,y)}


(x,y)€G (x,y)€G
max { max a 1 (x,y) max a 2 (x,y) max a(x,y)}
(x,y) €G (x,y) €G (x,y)€G
226

und schatzen mit Hilfe des obigen Ergebnisses weiter ab:

2 2 1+y
~ (1+Y o >Ij[(d 1U(X,y)) +(d 2U(X,y)) ]dxdy ~~IIUII~
G CL

2 2
II u III ~ yo"u IIH

Die Ungleichung (1) folgt dann mit

Y1 ( 1IYo)1/2

( (1+y 0) /;) 1/2 o

Es seien {u Iv = 1 (1)~} und {v Iv = 1 (1)~} Cauchy-Folgen in K(G,lR),


v v
die im Sinne der Norm II . II H gegen Elemente u und v von H(G, lR) kon-
vergieren. Dann ist auch {<u ,v >Ilv = 1 (1)~} eine Cauchy-Folge in lR.
v v
Es gilt namlich nach der Schwarzschen Ungleichung und Satz 14.14:

I<u vv
,v >I - <u f I,vf i >II = I<u VflV
-u ,v >I - <u f1f1V
,v -v >II

:5 II UV-u fl III II Vv III + II vfl-vV III II ufl "I


~ y-1 2 [llu v-u fI "H IIv v "H + Ilv fI -v v "H Ilu fI " H] •

Man definiert
lim <u ,v >
v-+<x> V V

Satz 14.14 gilt nun trivialerweise fUr alle uEH(G,lR) •


Der Raum H(G,lR) ist bezUglich der Normen II • "H und II . "I
abgeschlossen. Dies gilt jedoch nicht bezUglich der Norm II • " 2 ,
wie einfache Gegenbeispiele zeigen. Es gibt keine Abschatzung der
Art II u "H :5 Y311 u "2! Die Konvergenz des Ritz-Verfahrens wird zu-
nachst nur in der Norm II • "I bewiesen. Aufgrund des Satzes folgt
dann auch die Konvergenz bezUglich II • "H und II • "2 •

Satz 14.15: Es sei uEH (G, lR) rrrit

I[u] = min{I[w] IwEH(G,lR)}

und es sei wEH (G,lR) beZiebig. Dann giZt:

(14.16)
2
I[u+w] I[u]+lIwIl I (14.17)
227

Beweis: Fur AElR gilt:

I[uHw]
2
I[u] + 2A{<u,w>I - <w,q>2} + A <w,w>I
Da u Minimum des Variations integrals ist, mua die Klammer { .•• }
in der letzten Gleichung Null sein. Andernfalls wechselt die Diffe-
renz I[U+AW]-I[u] fur kleine A mit A das Vorzeichen. Fur A =
folgt der zweite Teil der Behauptung. c

Die Gleichung (14.16) kann auch unmittelbar aus der Differential-


gleichung (14.3) hergeleitet werden. Fur
1 2
Q(x,y,z) = ia(x,y)z -q(x,y)z

mul tipliz ieren wir (1 4.3) mit einer beliebigen Funktion (Test{unktion)
wEK(G,lR) und integrieren uber G:

Jj {-d 1 [a 1 (x,y) d1U (x,y)] -d2[a 2 (x,y) d2u (x,y) ]


G
+a(x,y)u(x,y)-q(x,y)}w(x,y)dxdy = 0 •

Mit dem GauBschen Integralsatz ergibt sich

If[a 1 (x,y) d1U(X,y) d1W(x,y)+a 2 (x,y) d2U(X,y) d2W(X,y)


G
+a(x,y)u(x,y)w(x,y)]dxdy = Ijq(x,y)w(x,y)dxdy •
G

Das ist Gleichung (14.16). Man nennt sie die sahwaahe Form der Diffe-
rentialgleichung (14.3). Sie kann auch bei ahnlichen Differential-
gleichungen, die nicht Eulersche Gleichungen eines Variationspro-
blems sind, unmittelbar mit Hilfe des GauBschen Integralsatzes
hergeleitet werden.
Das Gleichungssystem Ac = d laBt sich auch durch Diskretisierung
von (14.16) gewinnen. Dieses Vorgehen nennt man GaZerkin-Verfahren:
Es seien f v , v = 1 (1)n, eine Basis eines endlich dimensionalen
Unterraumes Vn von K(G,lR). Wir suchen eine Naherung
n
v (x,y) r e f (x,y)
v=1 v v
mit

<v,f).?I <q,fj.l>2 , j.l 1 (1) n .


228

Dies ergibt wie beim Ritz-Verfahren

a lJ\! = <f ,f >I


\! lJ

d = <q,f >2 •
lJ lJ
Diese Art der Herleitung hat den Vorteil, auch bei allgemeineren
Differentialgleichungen anwendbar zu sein. Wir bevorzugen den Weg
uber das Variationsverfahren, weil aus (14.17) unmittelbar Fehler-
abschHtzungen folgen.

Satz 14.18: Es sei Vn ein n-dimensionaler Unterraum von K (G, lR). Weiter
seien uEH(G,lR) ,vEV n mit

I[u] min {I [ w] IwEH (G ,lR) }


I[v] min {I [w] IwEV } .
n
Dann gilt

(1) I[u] ::: I[v]

(2) Ilu-v 11 2 ::: Y2l1u-v III::: Y2 min Ilu-v* III·


v*EV
. n
Dabei ist Y2 die positive Konstante aus Satz 14.14.

Beweis: Die Ungleichung (1) ist trivial. Mit Hilfe von Satz 14.15
ergibt sich daraus fur jedes v*EV :
n

II u-v Iii = I[v]-I[u] ::: I[v*]-I[u] II u-v* 112I

Mit Satz 14.14. folgt die Behauptung. [J

Der Fehler II u-v 112 des Ritz-Verfahrens ist also klein, wenn es
uberhaupt eine Approximation v*EVn der L6sung u gibt, fur die
II u-v* II I klein ist. Dazu ist notwendig, daB u und die ersten Ab-
leitungen von u im Mittel gut approximiert werden.
Satz 14.18 eignet sich jedoch nicht fur die praktische Durch-
fuhrung von FehlerabschHtzungen, da auf der rechten Seite der Un-
gleichungskette (2) immer die unbekannte Gr6Be u vorkommt. Dagegen
erm6glicht der folgende Satz, aus dem berechenbaren Defekt einer
NHherungs16sung eine a posteriori FehlerabschHtzung zu gewinnen.

Satz 14.19: Es sei uEC 2 (G, lR) n C0 (G,


-
lR) eine Losung der Randwertaufgabe
(14.3). Der Rand von G bestehe aus endlich vie len differenzierbaren Kurven-
stucken. Weiter sei vEC 2 (G,lR) eine beUebige Funktion mit v(x,y) = 0 fUr aUe
(x,y) E3G und

L = - 31 (a 1 (x, y) 3 1 ) - 3 2 (a 2 (x, y) 3 2 ) +cr (x , y)


229

Dann giZt:

II u-v 112
Dabei ist y 2 die positive Konstante aus Sat? 14.14.

Beweis: Es sei E(X,y) = u(x,y)-v(x,y). Wegen Lu(x,y) = q(x,y) ist


LE(X,y) quadratintegrierbar in G. Dp E auf cG versehwindet, gilt naeh
dem GauBsehen Integralsatz

2 2
fJdx,y) Ld x ,y)dXdy=fJ[a 1 (x,y) ( c1 d x ,y)) +a 2 (x,y) ( c2 d x ,y))
2 2
+0' (x,y) E (x,y) ]dxdy = II E II I

Mit Satz 14.14 und der Sehwarzsehen Ungleiehung folgt

Aus der Abseh~tzung des Satzes ist zu ersehen, daB der Fehler im
Sinne der Norm II • 112 klein wird, wenn v eine zweimal stetig diffe-
renzierbare N~herungs15sung fur u ist. Dann gilt n~lieh
Lv(x,y) ~ q(x,y) .
NatUrlieh h~ngt die Qualit~t der Abseh~tzung von Y2 abo Darin
zeigt sieh, wie wiehtig es ist, eine gute Konstante Y2 zu einem
Gebiet G und zu Funktionen a 1 , a 2 zu bestimmen.
Eine Sehwierigkeit ergibt sieh noeh aus der Tatsaehe, daB das
Ritzverfahren normalerweise keine N~herung aus c 2 (G,m), sondern
eine N~herung aus K(G,m) liefert. Diese Sehwierigkeit l~Bt sieh
folgendermaBen umgehen: Man bereehnet zun~ehst die Funktionswerte
der N~herungsfunktion des Ritzverfahrens auf einem Gitter, mit dem
man G uberzieht. Dureh eine hinreichend glatte Interpolation der
Funktionswerte v(~ p ) in den Gitterpunkten ~ p besehafft man sieh
dann die glatte N~herung. Leider kommt bilineare Interpolation nieht
in Frage, weil sie keine zweimal stetig differenzierbare Funktion
liefert. M5glieh, aber kompliziert, ist eine zweidimensionale Ver-
allgemeinerung der Spline-Interpolation. Einfaeher ist die soge-
nannte Hermite-Interpolation, mit der wir uns im n~chsten Kapitel
ausfUhrlieh beseh~ftigen werden.
Bisher wurde vorausgesetzt, daB Q die spezielle Gestalt

Q(x,y,z) = 120'(x,y)z 2 -q(x,y)z


230

hat. lm folgenden sei Q eine beliebige Funktion aus C2(Gx~,~) mit

33 Q(X,y,Z) ::: 0
2
o ::: 333 Q (x ,y ,z) < 6 ((x,y) EG, zE~)
Dann kann man Verallgemeinerungen der Satze 14.15, 14.18 folgender-
maBen formulieren.

Satz 14.20: Es sei uEK(G,~) mit

l[U] = min{I[w]lwEK(G,~)}

und es sei vEK (G,~) beliebig. Dann gilt:

l[u-tv] = l[u]+f}[a1 (x,y) (3 1V(X,y)) 2+a2 (x,y) (3 2V(X,y)) 2


G
2 2
+333Q(x,y,u(x,y)+~(x,y))v (x,y)]~y , 0<8 < 1 •

Satz 14.21: Es sei Vn ein n-dimensionaZer Unterraum von K(G,JR). Weiter


seienuEK(G,~), vEVn mit

l[u] min {I [vil I wEK (G,~) }


l[v] min {I [ w] I wEV } .
n
Dann gibt es eine positive Konstante y 2 mit

(1) l[U]::: l[v]


2
(2 ) II u-v 112 ::: Y2 min Uj[a 1 (x,y) (3 1 (u-v*) (x,y)) +a 2 (x,y) (3 2 (U-V*) (x,y))
v*EVn G
+6 (u(x,y)-v*(x,y))2dxdy }1/2

Die Konstante Y2 hlinqt nic:ht von Q und 6 abo

Die Satze 14.20, 14.21 werden analog zu den Satzen 14.15, 14.18 be-
wiesen. Die Ungleichung (2) aus Satz 14.21 besagt, daB sich die
Konvergenz des Ritz-Verfahrens bei halblinearen Differentialglei-
chungen kaum von der Konvergenz bei linearen Differentialgleichungen
unterscheidet.
231

15 Hermite-Interpolation und ihre Anwendung auf das Ritz-Verfahren

In diesem Kapitel sol len die Grundlagen der globalen und stlick-
weisen Hermite-Interpolation zusarnrnengestellt werden. Diese dient
uns sowohl zur Glattung von Naherungsfunktionen, als auch zur Ge-
winnung eines besonders effektiven Ritz-Verfahrens. Im Interesse
einer einfachen Darstellung soll auf die erreichbare Allgemeinheit
verzichtet werden. Daflir bemlihen wir uns, die typische Vorgehens-
weise zu verdeutlichen. Wir beginnen mit der globalen Hermite-Inter-
polation in einer unabhangigen Veranderlichen.

Satz 15.1: Es sei mElN und fEe m-1 ([a,b],lR). Danngilt:


(1) Es gibt genau ein Polynom f mit grad f < 2m-1 und
m m -

\1 O(1)m-1.

f hei2t Hermite-Interpolationspolynom zu f.
m
(2) Falls f uberdies 2m-mal stetig differenzierbar auf [a,b] ist, hat die
Funktion f(\1)-f(\1) fur \1 = O(1)2m-1 mindestens 2m-\1 NullsteUen x in
m \1V
[a,b], v = 1 (1) 2m-\1. Dabei wid jede Nullstelle mit ihrer Vielfachheit ge-
zahlt. Es gibt fur jedes xE[a,b] ein BE (a,b), so da2 die folgende Dar-
s te llung gi It :

\1 0(1) 2m-1 .

Eine ()Pdnung der x ()J fest) nach deY' Gre5/3e ergibt


\1V

ab fUr' v = 1 (1 ) m-\1
X
\1V t fur v = m+1 (1) 2m-\1

Es gilt die Abschatzung:

\1 O(1)2m-1 .

Dabei ist

rm(m-'I m
-,
(2m_\1)2m-\1 (2m-\1) !
fUr \1 O(1)m-1

Cm\1

(2m~\1) ! fur \1 m(1)2m-1


232

Der obige Satz l~Bt sich verallgemeinern, falls f nur i-mal stetig
differenzierbar auf [a,b] mit 0 < 1 < 2m ist. Eine Absch~tzung fUr
II f(Il)-f(ll) II findet man in die;em Fall bei Swartz-Varga 1972,
m 00
Theorem 6.1. FUr 1 < m-1 fordert man in (1):

o , 1+1 (1) m-1

Die Konstanten c sind nicht optimal. Lehmann 1975 hat durch


mil
numerische Berechnungen fUr kleine m verbesserte Werte c* ermittelt.
mil

Tabelle 15.2. cmil(oberer Wert) und c*mil (unterer t'1ert) fUr


m = 1,2,3,4

Il m=1 m =2 m=3 m =4
1.250ooooooooE-1 2.60416666667E-3 2.17013888889E-5 9.68812oo3968E-
0 1.250ooooooooE-1 2.60416666667E-3 2.17013888889E-5 9.68812oo3968E-

1.oooooooooooE 0 2.46913580247E-2 2.88oooooooooE-4 1.66527864535E-


1 5.oooooooooooE-1 8.o1875373875E-3 7.4535599250oE-5 3.689522oo589E-

2 5.oooooooooooE-1 4.394531250ooE-3 3.o4831580552E-


8.33333333333E-2 5.20833333333E-4 3.1oo1984127oE-

3 1.oooooooooooE 0 1.66666666667E-1 6.82666666667E-


5.oooooooooooE-1 8.33333333333E-3 2.45076190282E-

4 5.oooooooooooE-1 4.16666666667E-
1.oooooooooooE-1 5.95238095238E-

5 1 .oooooooooooE 0 1.66666666667E-
5.oooooooooooE-1 1.19047619048E-

6 5.oooooooooooE-
1.o7142857143E-

7 1 .oooooooooooE ,
5.oooooooooooE-

Beweis: au (1): Die Bedingungen

Il = 0(1 )m-1
f (Ill (b) f (Il) (b)
m

ergeben 2m lineare Gleichungen fUr die 2m Koeffizienten des Polynoms


fm' Wenn die Determinante des Gleichungssystems Null w~re, g~be es
233

zu gewissen rechten Seiten zwei verschiedene Polynome fm und fm


f - f ware dann ein nicht verschwindendes Polynom mit 2m Null-
m m
stellen und grad (f -f ) < 2m-1. Dies ist ein Widerspruchl Also
m m -
ist das Gleichungssystem eindeutig auflosbar.
zu (2): Die Differenz f-f hat in den Punkten a und b je eine
r.l
m-fache Nullstelle, also insgesamt 2m Nullstellen. Somit folgt aus
dem allgemeinen Satz von Rolle, daB die Ableitungen

Il = O(1)2m-1

mindestens 2m-1l Nullstellen in [a,b] besitzen. Wir bezeichnen diese


mit x und ordnen sie bez. v nach ihrer GroBe. Offenbar sind die
IlV
ersten m-Il Nullstellen gleich a, die letzten m-Il gleich b. Nun be-
trachten wir die Funktion

(!)g (x)

fur festes IlE{O,1, ... ,2m-1} und gElR. Zu festem xoE[a,b] mit

Xo *' x Il V , v = 1 (1)2m-1l
kann man dann gElR so wahlen, daB (!) (x ) gleich Null ist. Dann hat
g 0
(!) (x) mindestens 2m-Il+1 Nullstellen in [a,b]. Der allgemeine Satz von
R~lle besagt, daB (!)~2m-Il) (x) mindestens eine Nullstelle 8 in (a,b)
besitzt. Aus
(!)g(x o ) = 0

(!)(2m- ll ) (8) =0
g
folgt dann insgesamt
f(2m) (8) - g(2m-Il) 1 0

_ f (2m) (8)
g - (2m-Il) 1
f (2m) (8) 2m-1l
f (Il) (x ) - f (Il) (x ) - n (x -x ) = 0 .
o m 0 (2m-Il) 1 v= 1 0 Il v

Falls Xo eine der Nullstellen x ist, gilt die letzte Gleichung


IlV
mit beliebigem 8E(a,b). Sie gilt darum fur alle xE[a,b]. Aus der
Gleichung folgt sofort die Abschatzung von II f (Il) -f~Il) 1100 fur
Il = m(1)2m-1, da
Ix - x I < b - a
IlV -

ist. Fur Il = O(1)m-1 konnen wir das Produkt aufteilen.


234

Es ist

(x-a) m-ll (b-x) m fUr xE[a,(a+b)/2]


2m-ll {
n Ix-x I::::
v=1 llV
(x-a) m(b_x)m- ll fUr xE«a+b)/2,b] •

Wir untersuchen die Extremwerte von

(xE[a, (a+b) /2])


Es ist
~ m-1l-1 ~ m ~ m-ll ~ m-1
(m-ll) (x-a) (b-x) -m (x-a) (b-x) o
genau fUr

x = ma+(m-)l)b
2m-ll
Die Funktion y(x) nimmt ihr Maximum in x an. Wegen
~

x-a (m-ll) (b-a)/(2m-ll)


b-x m(b-a)/(2m-ll)
folgt
m m-ll
m (m-ll) (b-a) 2m-ll
(2m-ll) 2m-ll

Die Diskussion fUr xE«a+b)/2,b] erfolgt analog. Daraus folgt die


Abschatzung fUr II = O(1)m-1. c

Es sei xE[a,b] fest gewahlt. Dann wird durch die Zuordnung

A : f -+ f (ll) (x) -f~ll) (x) , II = O(1)2m-1

ein lineares Funktional auf C2m ([a,b] ,lR) definiert. Es verschwin-


det auf der Menge aller Polynome, deren Grad kleiner als 2m ist.
Das Funktional laBt sich explizit mit Hilfe eines Peano-Kerns dar-
stellen.

Definition 15.3: Es seien mEN, x,tE[a,b] und

fUr x > t
g (x, t) (X_t)2m-1
+
fUr x :::: t .
FUr festes t bezeichnen wir das Hermite-Interpolationspolynom
zu g(x,t) mit gm(x,t). Definiere
235

G (x,t) = g(x,t)-g (x,t)


m m

Dann heiBt a ~ ... 1Gm Peano-Kem zu A • o


J.l
Die Koeffizienten des Hermite-Interpolationspolynoms g (x,t) sind
m
Funktionen von t und lassen sich explizit mit Hilfe der Crarnerschen
Regel darstellen. Deshalb ist g EC 2m - 2 ([a,b]x[a,b],lR). Da auch g(x,t)
m
eine Funktion aus C2m - 2 ([a,b]x[a,b],lR) ist, gilt dies auch fur Gm(x,t).

Satz 15.4: Es sei fEC 2m ([a,b],lR) und fm das Hermite-Interpolationspolynom


zu f. Dann gilt fur aUe xE[a,b] die DarsteUung:
b
f(J.l) (x) -f(J.l) (x) = 1 ff(2m) (t) aJ.l G (x,t)dt J.l O(1)2m-1 •
m (2m-1)! a 1. .. 1 m

Beweis: Wir zeigen zunachst, daB


b
(jl(x) ff(2m) (t)G (x,t)dt
a m
eine Lasung der folgenden Randwertaufgabe ist:

(jl (2m) (x) = (2m-1)! f (2m) (x)


(15.5)
(jl(J.l) (a) = (jl(J.l) (b) = 0 , J.l = O(1)m-1

Gm (x,t) / (2m-1)! ist dann die Greensche Funktion zur Randwertaufgabe


(vgl. z.B. Coddington-Levinson 1955).
2m-2
Wegen G EC ([a,b] x[a,b] ,lR) ist (jl in [a,b] (2m-2) -mal
m
stetig differenzierbar. Es gilt:
b
(jl(2m-2) (x) = ff(2m) (t)a 2m - 2 Gm(x,t)dt
a 1. .. 1

x b
ff(2m) (t)a 2m - 2 Gm(x,t)dt + ff(2m) (t)3 2m - 2 Gm(x,t)dt
a 1. .. 1 x 1. .. 1

Fur x * t ist mit g(x,t) und gm(x,t) auch Gm(x,t) beliebig oft
differenzierbar. Daraus folgt (jlEC 2m - 1 ([a,b],lR). Die Differentiation
ergibt:
x
(jl (2m-1 ) (x) ff(2m) (t) a 2m - 1 G (x,t)dt+f(2m) (x) a 2m - 2 G (x,x-O)
a 1. .. 1m 1. .. 1r.l

b
+ff(2m) (t)3 2m - 1 G (x,t)dt-f(2m) (x) 32m- 2 G (x,x+O)
x 1. .. 1 m 1. .. 1 m

Da die (2m-2)-te partielle Ableitung von Gm(x,t) nach x stetig in x


und t ist, bleiben nur die beiden Integralterme librig. Wie oben
2m
folgt dann (jlEC ([a,b],lR) und
236

x
~(2m}(x) = ajf(2m) (t)a 1.
2m G (x,t)dt+f(2m)
.. 1m
(x)a 2m- 1 G (x,x-O)
1. .. 1m

b
+ff(2m) (t)a 2m G (x,t)dt-f(2m) (x)a 2m- 1 G (x,x+O)
x 1. .. 1m 1. .. 1m

Es ist
fur x > t
2m-1
a1 ••• 1 g (x, t)
fur x.:: t
2m
a 1 ••• 1g(x,t) o (x * t)
und

8~ ..• 1gm(x,t) stetig in x und t fur ~ 0(1) 2m-1


2m
81 ... 1gm (x, t) .. 0 .

ZusammengefaBt ergibt sich


2m-1 2m-1 (2m-1) !
81 .•• 1Gm(x,x-O) -81 ... 1Gm (x,x+O)
2m
81 ... 1Gm(x,t) = 0 (x * t) •

Daraus folgt

~(2m) (x) = (2m-1)! f(2m) (x) .

Nach Konstruktion von Gm(x,t) gilt uberdies fur ~ O(1)m-1 :

~(~) (a) = ~(~) (b) = 0 •

~ ist somit Losung der Randwertaufgabe (15.5). Die Funktion


(2m-1)! (f(x)-fm(x))
ist offensichtlich ebenfalls eine Losung von (15.5). Da die Rand-
wertaufgabe eindeutig losbar ist, folgt

f(x)-fm(x) = (2m~1)!~(X) = (2m~1)! rf(2m) (t)Gm(x,t)dt .

Durch Differentiation ergibt sich hieraus die Behauptung, wenn man


die weiter oben gebildeten Ableitungen von ~(x) einsetzt. 0

Beispiel 15.6: g, gm und Gm fur m = 1,2,3.

1
g(x,t) = (x-t)+
(x-a) (b-t)
g 1 (x, t) = (b-a)
237

\_lb-Xb-a
ll t-'l fUr x ~ t
G, (x,t) _ ~b-tl ~x-al
b-a
fUr x ~ t

d,G, (x,t) = {~b-a


b-t
-b=a
fUr

fUr
x ~ t

x < t

d,G, (x,x-O) -d, G, (x,x+O) x-a


=-+-=
b-a
b-x
b-a
,.
m = 2:

g(X,t)=(x-t)! •

I
2 2
g2(x,t) = - (b-t) (x;a) (2(b-t) (x-a)+3(b-a) (t-x»

~b-a) 2 (X-ot) 3 fur x ~ t


(b-t) (x-a) (2 (b-t) (x-a) +3 (b-a) (t-x» +
(b_a)3
fur x ~ t
2 2
(b-x) (t-a) (2 (b-x) (t-a) +3 (b-a) (x-t» fUr x > t
3
{ (b-a)
2 2
(b-t) (x;a) (2 (b-t) (x-a) +3 (J:j-a) (t-x» fUr x ~ t
(b-a)

(t-a):{_2(b-X) (2 (b-x) (t-a) +3 (b-a) (x-t»+(b-x)2(3b-a-2t)} fUr x ~ t


(b-a)
d,G 2 (X,t) = {
(b-t)~{2(X_a) (2 (b-t) (x-a) +3 (b-a) (t-x»+(x-a)2(3a-b-2t)} fUr x ~t
(b-a)

~
(t-a) {2 (2 (b-x) (t-a) +3 (b-a) (x-t)) -4 (b-x) (3b-a-2t)) fUr x > t
(b-a)
{

= (b-t)~{2(2(b-t) (x-a)+3(b-a) (t-x»+4(x-a) (3a-b-2t)}


(b-a)

= {
(t-a)~6(3b-a-2t) fur x ~ t
3 (b-a)
d",G 2 (x,t) 2
(b-t) 6 (3a-b-2t) fur x < t
(b-a) 3
238

m =3:
g(x,t) = (x-t)+5
3 3
g3 (x,t) (b-t) (x~a) (5 (b-a) (t~) (2 (b-a) (t~)+3(x-a) (b-t)) +6 (x-a) 2 (b-t)2}
(b-a)
(x-t) 5_g3 (x,t) fUr x ~ t
G3 (x,t) = {
-g3 (x,t) fUr x ::: t

Mit Satz 15.4 ergibt sich sofort eine Abschatzung des Inter-
polationsfehlers in der Norm II • 11 2 . c

Satz 15.7: Es sei fEC 2m ([ a, b] , lR). Dann gilt die Absahatzung

Il=O(1)2m-1
mit
c
mil

Dabei ist Gm (x, t) die zum IntervaU [0,1] gehOrige Funktion Gm ClUS Defini-
tion 15.3.

Die Konstanten classen sich fur kleine m berechnen. Die Werte


mil
aus Tabelle 15.8 wurden von Lehmann 1975 ermittelt.

Tabelle 15.8. c fUr m = 1,2,3,4


mil

Il m= 1 m= 2 m= 3 m= 4
0 1.05409255339E-1 2.01633313311E-3 1.63169843917E-5 7.17567956106

1 4.08248290464E-1 7.27392967453E-3 6.56734371321E-5 3.19767674247

2 4.87950036474E-2 4.45212852385E-4 2.38010180208

3 4.14039335605E-1 4.24705992865E-3 2.24457822314

4 5.37215309350E-2 2.77638992969

5 4.21294644506E-1 5.08920680460

6 5.92874650749

7 4.27311575545
239

Beweis: Aus Satz 15.4 folgt durch Anwendung der Cauchy-Schwarzschen


Ungleichung:

Die Integration ergibt


b
Jlf(jl)(x)-f(jl)(x)1 2dx ::
a m
mit

cmjl (b-a) 1 bb
(2m_1)!UJ(d~ ... 1Gm(x,t)) dtdx}
2 1/2
aa
Jedes Intervall laBt sich durch eine affine Transformation auf das
Intervall [0,1] abbilden. Die Substitution ergibt

c (b-a) = (b_a)2m-jlc (1) .


mjl mjl
Mit
1 11 jl _ 2 1/2
cmjl c (1) = (2m_1)!UJ(d1. .. 1Gm(x,t)) dxdt}
mjl 00

folgt dann die Behauptung. 0

Die Polynome vom Grad kleiner gleich 2m-1 bilden einen 2m-dimensio-
nalen Vektorraum. FUr das praktische Rechnen mit Hermite-Interpola-
tionspolynomen ist die kanonische Basis

1,x, ..• ,x 2m-1

sehr unpraktisch. Deshalb definieren wir eine neue Basis, die fUr
unsere Zwecke besser geeignet ist.

Definition 15.9: Basis des 2m-dimensionalen Polynol7TI'aums.


Durch die Forderungen

S (jl) (13) = 6 • 6 0,1; jl,l 0(1)m-1)


a,l,m jll al3
wird eine Basis
{S a, 1 ,m (x) I a = 0, 1: 1 = 0 ( 1 ) m-1 }
des 2m-dimensionalen Raumes der Polynome hochstens (2m-1)-ten
Grades definiert. 0

Man bestatigt sofort, daB das Hermite-Interpolationspolynom fm zu


einer Funktion fEC m- 1 ([a,b],m) die folgende Darstellung besitzt:

m-1
L (b_a)l[f(l) (a)S (~)+f(l) (b)S (x-a)] (15.10)
1=0 O,l,m b-a 1 ,I,m b-a
240

Dies entspricht der Lagrange-Interpolations-Formel bei normaler


Polynominterpolation.
In Tabelle 15.11 sind die Sex, 1 ,m (x) fUr m 1,2,3 explizit zu-
sammengestellt.

Tabelle 15.11. Sex, 1 ,m (x) ftir m 1 ,2,3

ex 1 m Sex , 1 , m(x)

0 0 1-x
0 x

0 0 2 - 3x 2 + 2x 3
0 2 x - 2x2 + x 3
3
0 2 3x 2 - 2x
2 3
2 - x + x

5
0 0 3 - 10x 3 + 15x 4 - 6x
4
0 3 x - 6x 3 + 8x - 3x 5
0 2 3 2 3 3 3 4 1 5
iX - iX + iX - iX
0 3 10x 3 - 15x 4 + 6x 5
5
3 - 4x 3 + 7x4 - 3x
1 3 4 5
2 3 i X - x + lx 2

Zur Erzielung einer groBen Genauigkeit ist es erforderlich, Hermite-


Interpolationspolynome hohen Grades zu verwe~den. Dabei konnen nume-
rische Instabilit~ten auftreten. Wir gehen darum von der globalen
Interpolation im Intervall [a,b] zu einer stuakweisen Interpolation mit
Polynomen niedrigeren Grades tiber. Dazu zerlegen wir [a,b] durch
Einftihrung von Zwischenpunkten in n Teilintervalle und konstruieren
die Interpolationsfunktion durch sttickweise Aneinanderftigung der zu
den Teilintervallen gehorigen Hermite-Interpolationspolynome.

Satz 15.11: Es seien m,nEJN, fEe m-1"([a,b],lR) und

a = Xo < x 1 < ••••••• < x n - 1 < xn = b


241

eine ZerleG'Ung des IntervaUes [a,b]. wir definieren fUr xE[x i ,xi+1] und
i = 0 (1 ) n-1 :
m-1 1 (1) x-x. (1) x-xi
f (x) = r (x·+ 1 -x.) [f (x.)SO 1 ( ~)+f (x,+ 1 )S1 1 ( )]
m 1=0 ~ ~ ~, ,m x i +1 -x i ~, ,m x i +1 -x i

Dann gilt: fm ist in Jedem Teilintervall [xi ,x i +1 ] Hermite-Interpolations-


polynom zu f (vgl. Satz 15.1 (1 )). fist (m-1)mal stetig differenzierbar auf
m
[a,b]. Falls f Uberdies 2m-mal stetig differenzierbar auf [a,b] ist, gelten
die Abschatzungen:

II f (].I) -f (].I) II *
m 00 ~
em].l h 2m - ll " f(2m) "00

" f(].I)-f(].I) c h 2m -].I" f (2m)


m "2 ~ m].l "2

].I = 0 (1) 2m-1

Dabei sind cm].l und c m].l die Konstanten aus den Satzen 15.1, 15.7. Mit" *
" 00
bezeichnen wir die aus " . " 00 entstehende Norm, in del' an den Zerlegungs-
punk ten Xj nul' einseitige Grenzwerte betrachtet werden.

oer Beweis folgt unmittelbar aus (15.10) und den Satzen 15.1, 15.7.

Unser Ziel ist, die globale und stlickweise Hermite-Interpolation


sowohl zur Glattung von Naherungsfunktionen mit zwei unabhangigen
Veranderlichen, als auch zur Gewinnung eines besonderen Ritz-Ver-
fahrens in zwei Dimensionen zu verwenden. Deshalb verallgemeinern
wir die globale und stlickweise Hermite-Interpolation auf zwei Ver-
anderliche. Wir folgen einem Ansatz von Simonsen 1959 und Stancu
1964 (vgl. auch Birkhoff-Schultz-Varga 1968). Urn die Darstellung
nicht unnotig zu komplizieren, wahlen wir als Grundgebiet statt
eines beliebigen Rechtecks das Quadrat [O,1]x[O,1]. Zunachst be-
schaftigen wir uns mit der globalen Interpolation.

Defini tion 15.12: Es sei mEJN. Wir definieren H (m) als den von der
Menge
{p(X)'q(y) Ip,q Polynome vom Grade kleiner gleich 2m-1}
erzeugten Vektorraum. Der Raum hat die Dimension 4m 2 . Die Funktionen

S k (x)SS 1 (y) (Ci.,S = 0,1; k,l = 0(1)m-1)


Ci."m "m
bilden eine Basis. 0
242

Bemerkung 15.13: Es ist fEH(m) genau dann, wenn


2m-1 2m-1 i j
f(x,y) L L aiJ,x y
i=O j=O
Zur Interpolation konnen 4m 2 Bedingungen gestellt werden. Aus den
in Definition 15.9 geforderten Eigenschaften der 8 a,l,m ergibt sich:

d J1 dv (8 a,k,m (y) 8 S,l,m (6)) = 6J1k 6 vl 6 ay 6 S6


1. .. 1 2 ... 2

(a,S,y,6 = 0,1; J1,v,k,l = 0(1)m-1) 0

Wenn man statt H(m) die Menge der Polynome zweier Veranderlicher
vom Grade kleiner gleich 2m-1 wahlt, wird die Theorie wesentlich
schwieriger. 8ie bilden namlich einen Vektorraum der Dimension m(2m+1).
Man muB dann in den vier Eckpunkten des Einheitsquadrates m(2m+1) Be-
dingungen vorgeben. Dies stoBt schon im Falle m = 1 auf 8chwierig-
keiten, da man nicht die vier Funktionswerte in den vier Ecken vor-
schreiben kann. Durch die Wahl der Interpolationspolynome aus H(m)
vermeidet man diese 8chwierigkeit.

8atz 15.14: Zu jeder Folge

{c Q k lEIRI a,S = 0,1; k,l 0(1)m-1}


0.'1-)1 ,

gibt es genau ein Polynom fEH (m) mit

k 1 0,1; k,l 0(1)m-1) .


d d
1. .. 1 2 ... 2
f(a,S)=c a,S,k,l

Das Polynom hat die Darstellung:

m-1
f (x,y) L L c a,S,k,l 8 a,k,m (x)8 S,l,m (y)
a, S=O k,l=O
Zum Beweis vgl. Bemerkung 15.13.

In Tabelle 15.15 ist die spezielle Basis von H(m) fUr m 1,2
explizit dargestellt.
243

Tabelle 15.15. Basis von H(m) fUr m = 1,2

ex k m 1 m S
ex,
k
,m (x) S8,l,m (y)

o 0 o 0 (1-x) (1-y)

o 0 o (1-x) y

o o 0 x (1-y)

o o x y

'2 3
002 002 (1-3x +2x ) (1-3/+2y3)

002 o 2 (1-3x 2 +2x 3 ) (y_2/+y3)

o 2 002 (x-2x 2 +x 3 ) (1-3/+2y3)

o 2 o 2 (x_2x 2 +x 3 ) (y_2/+y3)

002 o 2 (1-3x 2 +2x 3 ) (3/- 2y3)


002 2 (1-3x 2 +2x 3 ) (_/+y3)

o 2 o 2 (x-2x 2 +x 3 ) (3/_ 2y 3)

o 2 2 (x_2x 2 +x 3 ) (_/+y3)

o 2 002 (3x 2 -2x 3 ) (1_ 3y 2+ 2y 3)

020 2 (3x 2 -2x3 ) (y_2/+y3)

200 2 (_x 2 +x 3 ) (1-3/+2y3)

2 o 2 (_x 2 +x 3 ) (y_2/+y3)

o 2 o 2 (3x 2 -2x 3 ) (3l- 2y 3)


o 2 2 (3x 2 -2x 3 ) (_/+y3)

2 o 2 (_x 2 +x 3 ) (3i- 2y3)


2 2 (_x 2 +x 3 ) (-i+y3)

Der folgende Satz gestattet eine Darstellung des Fehlers bei der
Hermite-Interpolation mit Hilfe der Peano-Kerne. Er ist eine un-
mittelbare Verallgerneinerung von Satz 15.7:

Satz 15.16: Es sei fEC 4m ([ 0,1] x [0,1 ], lR) • Wir definieren fmEH (m) durch die
Forderung:
~ v ) (ex,8=O,1; ~,v=O(1)m-1) •
il1 •.• 1 il2 ••• 2f (ex, 8
244

Dann gUt fUr ].I,V = 0 (1) 2m-1 :

II 31].1 •.• 132v .•• 2(f-fm) 112!: cm,,11 2m v 2m


... 31. .• 1 32 ••• 2 f 112+Cmv ll 3].11. •• 1 32 ••• 2 f
2m 2m
+cm].lcmvll 31. .. 1 32 •.• 2f 112 •

Dabei sind C die Konstanten ClUS Satz 15.7.


m].l
Beweis: Wir beweisen zunachst fur ].I,V = 0(1)m-1:
(15.17

1
1 I 2m v ].I
( 2m -1 ) ! { 31 ••. 1 a2 ••• 2f (t , n) a1 ••• 1Gm( ~ , t ) d t
o

11
, 2 I I a2m a2m f (t , s) a].l, .•• , Gm(E; , t) a1v ••• , Gm( n , s) d tds
( (2m-1)!) 00 1. .. 1 2 ••• 2

Gm ist die zum Intervall [0,1] gehorige Funktion aus Definition '5.3.
Wir nehmen zunachst an, daB f sich als Produkt f(x,y) = p(x)q(y)
mit p,qEC 2m ([0,,],m) darstellen laBt. p und q kann man einzeln durch
eine eindimensionale Hermite-Interpolation approximieren. Nach Satz
15.4 gilt fur alle ~,nE[O,,]:

qm( v) (n· ) = q ( v) () ,
n - (2m-1)! I' q ( 2m) ( sOL
)' v .• , G ( )d
m n, s s
o
Die Multiplikation der beiden Gleichungen ergibt

p~].I) (~) ~ v) (n) = P ( ].I) (~) q ( v) (n)

1 I' (2m) (v) ].I


(2m-1)!{ p (t)q (n)a1. •. 1Gm(~,t)dt
o

+
, 2
1II1 p (2m) (t)q (2m)].I
(s)a, 1G
v
(~,t)3, ,G (n,s)dtds
( (2m-' ) !) 00 • • • m ••• m

Verrnoge der Identifizierung

3].1 aV f(~,n) = p(].I) (~)q(v) (n)


1. •• 1 2 ••. 2

a~ ••• , a~ ••• 2 fm ( ~ , n) = p ~].I) (I;) q ~v) (n)


245

ergibt sich die Behauptung fUr den Spezialfall f(x,y) = p(x)q(y).


Da die Formel linear ist, gilt sie auch fUr beliebige Linearkombi-
nationen solcher Produkte. Dazu gehoren alle Polynome beliebig hohen
Grades. Nach einem Satz aus der Approximationstheorie laBt sich jede
Funktion f mit den in den Voraussetzungen geforderten Differenzier-
barkeitseigenschaften einschlieBlich der partiellen Ableitungen bis
zur Ordnung 4m gleichmaBig durch eine Folge von Polynomen approxi-
mieren. Somit gilt die Gleichung (15.17) auch fUr beliebiges
fEC 4m ([ 0,1] x [0,1] ,lR) •
Die Behauptung des Satzes folgt unmittelbar aus (15.17) durch
Anwendung der Schwarzschen Ungleichung fUr Integrale. c

Wir gehen nun von der globalen Hermite-Interpolation im Einheits-


quadrat zu einer stuakweisen Hermite-Interpolation Uber. Dabei lassen wir
Grundgebiete zu, deren AbschluB Vereinigung von achsenparallelen ab-
geschlossenen Quadraten c der Seitenlange h ist. Es wird gefordert,
p
daB der Durchschnitt c p nc a (p*a)
- entweder leer
oder genau eine Seite
- oder genau eine Ecke ist.
Die Interpolationsfunktion konstruieren wir wie im Eindimensionalen
durch stUckweise AneinanderfUgung der zu den Quadraten c gehorigen
p
Hermite-Interpolationspolynome. Die Ubertragung der bisher fUr das
Einheitsquadrat entwickelten Begriffe und Formeln auf die Quadrate
c der Seitenlange h ist unmittelbar moglich.
p

Satz 15.18: Es sei G ein Gehiet des lR 2 mit den ohigen Eigensahaften und
fEC 4m (G, lR). Wir definieren f m: G ... lR durah die heiden Fordsrungen:
(1) fm hesahrankt aUf c p ist ein Po lynom aus H(m) •

(2) In den Eaken del' Quadrate c gU t


p

)l v f ( ) _)l v () l.! , v=o (1 ) rn-1


3,. .. 1 32 ... 2 m x,y - 31. .• 132 •.. 2f x,y ,

Dann ist fm (m-1) -mal stetig differenzierbOX' in G. 1m Innel'en del' Quadrate


ist f
m beliebig oft diffel'enzierbar. Es gUt fUr )l,V = 0(1)2m-1:
II 31)l ••. 1 3V2 ••• 2 (f - fm) II 2 :: c m)l h 2m -)l II 312m••• 1 32
v ... 2f II 2

+c h 2m - v I13)l 32m f 11 2+c c h 4m -)l-v ll 32m 32m f 112 •


mv 1 ..• 1 2 ••. 2 ml.! mv 1 .•. 1 2 ••• 2
Dabei sind c m)l die Konstanten aUB Satz 1 5.7 •
246

Beweis: Auf der Verbindungsgeraden zwischen zwei benachbarten Eck-


punkten sind fund die partiellen Ableitungen von f bis zur Ordnung
m m
m-1 allein durch die Werte

II, v = 0 (1) m-1


in den beiden Eckpunkten, die zu der Seite geh5ren, bestimmt. Daraus
folgt sofort, daB f in G (m-1)-mal stetig differenzierbar ist.
m
Die Abschatzung aus Satz 15.16 laBt sich mit Hilfe von Satz 15.7
sofort auf ein achsenparalleles Quadrat der Seitenlange h Ubertragen:

Durch Summation Uber p und Anwendung der Minkowskischen Ungleichung


fUr Summen (vgl. z.B. Collatz 1964) folgt die Abschatzung fUr die
Normen. [J

Im folgenden wird erlautert, in welcher Weise die globalen und


stUckweisen Hermite-Interpolationspolynome als Ansatzfunktionen
fUr das Ritz-Verfahren (vgl. Kap. 14) verwendet werden k5nnen. Wir
betrachten zunachst die eindimensionale Aufgabe
I(u) = min{I(w) IwEW}
mit
1 2
I(w) f[a (x) (Wi (x» +2Q(x,w(x» ]dx
o
2
{wEC ([ 0,1] , lR) I w(0) = w(1) = O}

FUr die praktische DurchfUhrung des Ritz-Verfahrens muB ein endlich-


dimensionaler Teilraum Vn von W und eine spezielle Basis dieses Teil-
raumes gewahlt werden.

Beispiel 15.19: Basis des eindimensionaZen Ritz-Verfahrens bei gZobaZer


Hermite-InterpoZation.
Es sei m ~ 2. Wahle

{S
a, 1 ,m (x) I a = 0,11 1 1(1)m-1}
247

als Basis. Die Funktionen S 0 (x) entfallen, weil sie in den


Ct, ,m
Punkten x = 0 und x = 1 nicht verschwinden. Der erzeugte Raum hat
die Dimension 2m-2. 0

Beispiel 15.20: Basis des eindimensionalen Ritz-Verfahrens bei stuekweiser


Hermite-Interpolation.
Es sei nElN und h = 1 In. Def iniere fur bElR und 1 0(1 ) m-1 :

hlS (x-b) fur xE[b,b+h]


O,l,m h
{ hlS (x-(b-h» fur xE[b-h,b]
Tb,l,m(x) 1 ,l,m h

o sonst.

Die Beschrankungen der Tb , 1 ,m (x) auf [0,1] liefern m(n+1)-2 Basis-


funktionen fur folgende Kombinationen der Indizes:

b 0,1; 1 = 1 (1)m-1

b h,2h, ..•.• ,(n-1)h; 1 = 0(1)m-1 .

Die Basisfunktionen sind in [0,1] (m-1)-mal stetig differenzierbar


und nur in ein bis zwei Teilintervallen der Zerlegung

o < h < 2h < ••. < (n-1)h < nh = 1

des Intervalles [0,1] von Null verschieden. Sie verschwinden alle


in x = 0 und x = 1.
Die Tb , 1 ,m (x) sind fur m = 1,2,3 in Tabelle 15.21 formelmaBig
und in den Abbildungen 15.22, 15.23 graphisch dargestellt. 0

Tabelle 15.21. Tb , 1 ,m (xl fur m = 1,2,3

Ix-bl
1 m Tb , 1 ,m (x) fur Ix-bl ~ h , z -h-

0 1 - z

0 2 _ 3z 2 + 2z 3

2 h sign(x-b) (z_ 2z 2+ z 3)

0 3 - 10z 3 + 15z
4
- 6z
5

4 5
3 h sign (x-b) (z-6z 3 +8z -3z )

2 3 h 2 (z 2 -3z 3 +3z 4 -z 5 )
""2

Flir Ix-bl ::: h ist stets Tb , 1 ,m (x) o


248

b-h b b+h

m =2

b-h b b+h

Ii"1 Tb,1,2
b-h

Abb. 15.22. :1 Tb ,l,m(x) fUr m 1,2

Wir kommen jetzt zur Behand1ung der zweidimensiona1en Variations-


aufgabe mit

I (w) = fj[a 1 (x,y) (8 1W(X,y)) 2 +a 2 (x,y) (8 2W(X,y)) 2 +2Q(x,y,w(x,y)) ]dxd~


G

W = {wEC 2 (G,JR)nc 0 (G,JR)


-
I w(x,y) = 0 fUr (x,y)E8G}
ES hande1t sich urn diese1be Aufgabe wie in Kap. 14 mit dense1ben
Voraussetzungen an a 1 , a 2 und Q. FUr die praktische DurchfUhrung
249

b-h b b+h

1T
h b,1,3

b-h b+h

0,02

1T
h2 b,2,3

b-h b b+h

Abb. 15.23. ~l Tb,l,m(x) fur m 3

des Ritz-Verfahrens muE ein endlich-dimensionaler Teilraum V von W


n
und eine spezielle Basis dieses Teilraums gewahlt werden.

Beispiel 15.24: Basis des zweidimensionaZen Ritz-Verfahrens bei gZobaZer


Hermite-InterpoZation.
Es sei G = [0,1]x[0,1] und m ~ 2. wahle

0,1; k,l = 1 (1)m-1}

als Basis. Der erzeugte Raum hat die Dimension 4(m-1)2. [J


250

Beispiel 15.25: Basis des zweidimensionalen Ritz-Verfahrens bei stUakweiser


Hermite-Interpolation.
Es sei G ein Gebiet des lR 2 mit den in Satz 15.18 geforderten Zer-
legungseigenschaften. Mit E bezeichnen wir die Menge der Eckpunkte
aller Quadrate c p der Zerlegung. Weiter seien m,nEm und h = 1/n.
Wir definieren Basisfunktionen als Beschrankung der Funktionen

Tb,k,m(X)Tb,l,m(y)
auf G fur folgende Kombinationen der Indizes:
(b,b)EEnG und k,l = 0(1)m-1
(b,b)EEnaG und k,l = 0(1)m-1
[ jedoch k ~ 1 falls (b,b+h)EaG oder (b,b-h)EaG
1 ~ 1 falls (b+h,b)EaG oder (b-h,b)EaG
Die Basisfunktionen sind aus Cm-1 (G,lR).
- Sie verschwinden auf aGo
Fur m = 1 ergibt sich die schon in Beispiel 14.10 besprochene Basis,
falls die dort zugrundegelegte Zerlegung des Gebietes mit der hier
geforderten ubereinstimmt. Die stuckweise Hermite-Interpolation
liefert dann also eine Verallgemeinerung dieses Verfahrens auf m > 1.
Die Matrix A = (a ) des zu der hier gewahlten Basis gehorigen
llV
Ritz-Verfahrens laBt sich fur den Spezialfall
1 2
Q(x,y,z) q(x,y)z+2 a (x,y)z a(x,y) ~ 0 fur (x,y)EG
angeben:

a llV IJ[a 1 (x,y)Tb,k,m(X)Tb,l,m(y)Tb*,k*,m(X)Tb*,l*,m{y)


+a2{x,Y)Tb,k,m{X)T~,1,m(Y)Tb*,k*,m{X)TE*,1*,m(Y)

+a{x,y)T b k {x)TI"·l {y)Tb * k* (x)TI"* 1* (y) ldxdy


"m D"m "m D"m
Dabei ist

Tb k (x) T~b 1 (y)


"m "m
die ll-te Basisfunktion und

Tb*,k*,m{X)Tb*,l*,m{y)
die v-te Basisfunktion. Die Integrale verschwinden, wenn
II (b,b) - (b* ,b*) 112 > hv'T
ist. In jeder Zeile und Spalte der Matrix A sind darum hochstens 9m 2
von Null verschiedene Elemente. Hochstens vier Quadrate geben Beitrage
zu den Integralen.
Nach Satz 14.18 gelten die Abschatzungen:
251

Dabei sind
u: Lasung der Variationsaufgabe im Raurn W
w: Ritz-Naherung aus dem Raum V
)J
w*: beliebige Funktionen aus V)J
Man schatzt weiter ab:

II u-w* II~ ~ max _a 1 (x,y) II 3 1 (u-w*) II ~+ max _a 2 (x,y) II 3 2 (u-w*) II ~


(x,y)EG (x,y)EG

+ max a (x,y) II u-w* II ~


(x,y)EG

Bei unserer Aufgabe kann man nach Satz 15.18 w* so wahlen, daB
II u -w* II < M • h 2m
2 - 0

II 31 (u-w*) 112 ~ M1 ·h 2m - 1

II 3 2 (u-w*) 112 ~ M2 · h 2m- 1

Die Zahlen Mo' M1 und M2 hangen nur von den Ableitungen von u und
von m ab, nicht aber von h. Insgesarnt folgt, daB das Ritz-Verfahren
2m-1
die Konvergenzordnung O(h ) hat:
2m-1
II u-w 112 ~ M· h .
In vie len praktischen Fallen beobachtet man, daB die Konvergenz-
ordnung sogar O(h 2m ) ist. Die Erklarung flir dieses Verhalten liegt
in der Regel darin, daB aus Syrnrnetriegrlinden der Fehler eine Funktion
von h 2 sein muB. 0

16 Kollokationsverfahren und Randintegralmethode

Kollokationsverfahren beruhen auf einer sehr einfachen Grundidee.


Wir erlautern sie an hand der folgenden Randwertaufgabe (vgl. Aufgabe
13.2) :
Lu(x,y) = q(x,y) ((x,y)EG)
(16.1)
u (x,y) = 4> (x,y) ((x,y) €f)

Dabei sei G wieder ein beschranktes Gebiet mit dem Rand r und L ein
linearer, gleichrnaBig elliptischer Differentialoperator zweiter
252

Ordnung der Form


Lu(x,y) = -a 11 (x,y) d 211 u (x,y) -2a 12 (x,y) d12
2
u (x,y)
2
-a 22 (x,y) d22 u (x,y) -b 1 (x,y) d1U (x,y)

-b 2 (x,y)d2 u (x,y)+g(x,y)u(x,y)
mit

und
qECO(G,IR), ljiECo(r,IR) •

Ferner seien fur alle (x,y)EG

a11(x,y)a22(x,y)-a12(x,y) > 0
a 11 (x,y) > 0 , g(x,y) ::: 0

Zur Durchfuhrung des Verfahrens benotigt man die folgenden Vor-


gaben:
(1) n linear unabhang ige Basisfunktionen _v.,
J
j 1 (1)n aus C2 (G,IR).
-

(2) n verschiedene StUtzpunkte (xk,Y k ) EG; davon sollen die ersten n 1


in G und die ubrigen n 2 = n-n 1 auf r liegen.
Die Losung u der Randwertaufgabe (16.1) wird nun durch eine
Linearkombination w der Funktionen Vj approximiert. An w werden die
folgenden Forderungen gestellt:

LW(Xk'Yk) = q(xk'Yk) , k
(16.2)
w(xk,Y k ) = lji(xk'Yk) , k

lflegen
n
w (x, y) L c. v . (x, y) , c. EIR
j=1 J J J

handelt es sich bei der Ersatzaufgabe (16.2) urn das lineare Glei-
chungssystem:

k 1 (1) n (16.3)

\ LV; Ixk,y k ) fur k ~ n 1

Vj (xk'Yk) fur k > n 1

(qIXk,Y k ) fur k ~ n1

lji(xk'Yk) fur k > n 1


253

In vie len praktischen Fallen laBt sich das Gleichungssystem


durch spezielle Wahl der v. erheblich vereinfachen. Oft kann man er-
J
reichen, daB entweder die Differentialgleichung oder die Randbedin-
gungen durch die Funktionen Vj exakt erftillt werden. Wir unterschei-
den:
(A) RandkoZZokation:
Es gilt q = 0 und
LVj(X,y) =0 (j = 1 (1)n, (x,y)EG) .

Alle (xk'Yk) mtissen auf r liegen, d.h. n 1 = 0, n 2 n.


(B) GebietskoZZokation:
Es gilt ~ =0 und
Vj(x,y) =0 (j = 1 (1 )n, (x,y) Er) .

Alle (xk'Yk) mtissen in G liegen, d.h. n 1 = n, n 2 = o.


Das Gleichungssystem (16.3) ist nicht immer eindeutig losbar.
Wenn es eindeutig losbar ist, kann die Kondition beliebig groB sein.
Nur unter sehr speziellen Annahmen lassen sich a priori Aussagen tiber
den Fehler u-w machen. Dies ist die Schwache der Kollokationsver-
fahren. Die Fehler mtissen deshalb unbedingt a posteriori abgeschatzt
werden. Kollokationsverfahren mit a-posteriori-Fehlerabschatzungen
sind aber oft allen anderen Verfahren hinsichtlich Aufwand und Ge-
nauigkeit tiberlegen.
Fehlerabschatzungen konnen in der Norm II • 112 wie in Kapitel 14
erlautert (vgl. Satz 14.19) vorgenommen werden. Im Vergleich zu den
einfachen Kollokationsverfahren erscheinen sie aber zu kompliziert.
Man bevorzugt darurn meist Fehlerabschatzungen mit Hilfe von Monotonie-
prinzipien. Im Falle der Randkollokation und der Gebietskollokation
mochten wir diese Abschatzungen erlautern. Dazu seien
e:(x,y) u(x,y)-w(x,y) «x,y)EG)
r(x,y) q(X,y)-Lw(x,y) «x,y) EG)
I/>(x,y) ~(x,y)-w(x,y) «x,y)Er)
Dann gilt
Le: (x,y) r(x,y) «x,y)EG)
(16.4)
e: (x,y) I/> (x, y) «x,y) Er)
(A) Im Falle der Randkollokation ist r(x,y) = O. Aus dem Maximum-
Minimumprinzip (vgl. Satz 12.3) folgt dann ftir alle (x,y)EG:
min {I/>(x,y) ,O} ~ e:(x,y) ~ max {I/>(x,y) ,O}
(x,y) Er (x,y)Er
254

Darum genUgt es, Abschatzungen fUr ~ herzuleiten. Wir nehmen an, daB
r nur aus endlich vielen zweimal stetig differenzierbaren Kurven-
stticken r l besteht. Jedes KurvenstUck besitze eine Parameterdarstel-
lung

x = S1 (t)
(tE[O,1]) .
Y s2 (t)
Wir setzen

4)(t) = ~(s1 (t), s2 (t)) (tE[O,1] )


und berechnen 4) fUr die endlich vie len Punkte

tj = jh , j = O(1)m
mi t mElN und h 11m. Dann gilt offenbar fUr aIle tE[O,1]:
~ ~ h ~
min I~(t)-~(t.) 1 :::: 2
A

max I~' (t) 1


j=O(1)m ] tE[O,1]

Zwischen den Punkten tj kann 4) linear interpoliert werden. Der


Interpolationsfehler ist hachstens

h 2
T max 14)" (t) 1
tE[O,1 ]
ZusammengefaBt erhalt man fUr v = oder v = 2:
min ~(x,y) min 4)(t) ~ min 4)(t.)-d
(x,y)Er l tE[O,1 ] j=O(1)m ] v

max ~ (x, y) max 4)(t) :::: max 4)(t.)+d


(x,y)Er l tE [0,1 ] j=O(1)m ] v

Dabei ist

Ih max 14)' (t) 1


2 tE[O,1]
Ih 2 max 14)" (t) 1
4 tE[O,1]

Ftir kleine h genUgen grobe Abschatzungen von 4)' oder 4)". Wegen

dV n dV
4(1:;1 (t) ,s2(t))- L c. dt V v J' (s1 (t) ,s2(t))
dt v j=1 ]

sind die GraBen c., j = 1 (1)n, von entscheidender Bedeutung.


] <

(B) 1m FaIle der Gebietskollokation ist ~(x,y) = 0. Nach Hilfs-


~ 2-
satz 13.18 gibt es wEe (G,lR) mit
Lw(X,y) ~ 1 «x,y)EG)

w(x,y) ~ ° «x,y)EG)
255

Hir set zen


13 = max I r (x , y) I II r II co
(x,y) EG
und erhalten
L(E+13;;h (x,y) :: 0 ((x,y)EG)

(E+13W) (x,y) ::0 ((x,y)Er)

Aus dem Monotonieprinzip folgt

(E+13W) (x,y) :: 0 ((x,y)EG)


10 (x,y) :: -13w(x,y) ((x,y) EG)
Analog erhalt man

L(E-13W) (x,y) 5 0 ((x,y)EG)

(E:-13W) (x,y) 5 0 ((x,y) Er)

10 (x,y) 5 13w(x,y) ((x,y)EG)


Zusammen heiBt das

1110 II co -< 1311 WII co


Die Berechnung des Fehlers reduziert sich also auf die Berechnung von
n
13= max_lq(x,y)-Ic.Lv.(x,y)l.
(x,y)EG j=1 J J

Wir wollen nun auf drei Beispiele fUr Randkollokation naher ein-
gehen. Die Differentialgleichung ist in allen Fallen
t:.u(x,y) = 0 .

Beispiel 16.5: Es sei G der Einheitskreis. Mit den Polarkoordinaten


x = r cos t
(rE[0,1], tE[0,2n))
y r sin t
setzt man
vj(x,y) r j - 1 exp(i(j-1)t), j 1( 1) n

h = 2n/n
(xk'Yk) = (cos((k-1)h) , sin((k-1)h)), k=1(1)n.

Da die Funktionen v. komplex-wertig sind, gehoren hierzu auch kom-


J
plexe Koeffizienten c .. NatUrlich kann man das ganze System auch in
J
Real- und Imaginarteil aufspalten. Dann ordnet sich der Ansatz in
die obigen allgemeineren uberlegungen ein. Das Gleichungssystem (16.3)
kann mit Hilfe schneller Fouriertransformationen gelost werden (vgl.
Schwarz 1977). 0
256

Beispiel 16.6: Es sei G der Kreisring

FUr gerade n = 2n-2 setzen wir

V1 ~ ..y) log r

Vj (x,y) rj-nexp(i(j-n)t) j 2 (1) n

h = h/n

(xk'Yk) (r 1cos ((k-1) h) r 1 sin( (k-1 )h)) k 1 (1) n/2 n-1

(xk,Y k ) (r 2 cos ((k-n) h) r 2sin ( (k-n) h) ) k n(1 )n


AIle Funktionen Vj sihd im Kreisring beschrankt. Fur j n(1)n ent-
sprechen sie den Basisfunktionen im vorigen Beispiel. Auf die Funk-
tionen v 1 ' •.. ,vn/2 kann man aber nicht verzichten, weil das Gebiet
nicht einfach zusammenhangend ist. v 1 bis vn/2 sind durch vn bis vn
nicht approximierbar! Man rechnet z.B. nach:
211 r2
I [v 1 (r 2 cos t, r 2 sin t)-v 1 (r 1cos t, r 1 sin t) ]dt 2nlog(-) > 0
r1
0

211
I [v. (r 2cos t, r 2 sin t)-vj(r 1 cos t, r 1sin t)]dt = 0, j = 2 (1) n
o J

Das Beispiel zeigt, daB in jedem Fall eine eingehende theoretische


untersuchung des Problems notwendig ist. c

Beispiel 16.7: Dieses Beispiel stammt aus der Kerntechnik. Es handelt


sich urn die Stremung durch einen poresen Kerper. Die Koordinaten im
Raurn seien (x,y,s). Wir nehmen an, daB der Druck u nicht von s ab-
hangt. Dann gilt in guter Naherung
8U(X,y) = 0
In den Kerper sind zur s-Achse parallele zylindrische Kanale gebohrt:

I {(x,y)ElR2 1 (x-21l)2+(y-2v)2 < r 12 }


Il,V

J {(x,y)ElR 2 1 (x-21l-1)2+(y-2v-1)2 < r 22 }


Il,V

ll,vE7

Dabei sind r 1 , r 2 feste Zahlen mit


o < r1 < 1 , 0 < r2 < 1 , r1 + r2 < VT .
Fur r 1 = 1/4 und r 2 = 1/2 ist ein Ausschnitt des Gebietes in Ab-
bildung 16.8 dargestellt.
257

o o

o
Abb. 16.8. Gebiet zu Beispiel 16.7

In allen Kanalen I jl , \I herrscht der Druck 1, in allen J jl , \I der Druck


-1. Die Stromung geht also von den Kanalen I in die Kanale J. Der
DurchfluS wachst monoton mit r 1 und r 2 • Wegen der Symmetrien kann man
die Aufgabe auf ein beschranktes Gebiet G reduzieren (vgl. Abbildung
16.9). Auf den durchgezogenen Linien ist u(x,y) = 1 oder u(x,y) = -1,
auf den gestrichelten Linien ist die Normalenableitung von u Null.
In dieser Form laSt sich die Aufgabe auch mit einem Differenzenver-
fahren losen.

1'1'1'~U=-l
~ =0 /1' "'---,
an I' I
I' I
I' I
/ JU=O I ~=O
I' I an

, U=l\ ___________ J
/ I

~=o
an
Abb. 16.9. Gebiet zu Beispiel 16.7
258

Die exakte Losung u(x,y) der Randwertaufgabe ist doppelt-


periodisch. FUr alle (x,y) aus dem Existenzgebiet zwischen den Kanalen
gilt namlich
u(x+2,y) = u(x,y+2) = u(x,y) .
Darum liegt es nahe, u mit Hilfe der einfachsten doppelt-periodischen
Funktion, der Weierstraf3schen P-Funktion (vgl. z .B. Oberhettinger-Magnus
1949 oder Tricomi 1948) zu approximieren.
Es sei z = x+iy. FUr die WeierstraBsche P-Funktion mit den
Perioden 2 und 2i schreiben wir p(z). Die Funktion ist meromorph,
hat einen Pol zweiter Ordnung in den Punkten 2~+2vi und Nullstellen
zweiter Ordnung in 2~+1+(2v+1)i mit ~,vE~. Pole und Nullstellen
liegen also in den Mittelpunkten der Kanale. Darum kann man die
Basisfunktionen Vj des Kollokationsverfahrens aus folgender Menge
auswahlen:
1 , log I p ( z) I, Re ( (p ( z) ) j ) , lm ( (p (z) ) j) , j E~- {O} .

Bei Beachtung aller Symmetrien genUgen


2 2'
1 , log I p ( z) I , Re ( (p ( z)) J )
Wir benutzen den Ansatz
2 1 2'
w (x, y) = y log Ip (z) 1+ L c, Re ( (p (z)) J)
j=-l J
und mUssen n = 21+2 Unbekannte

y, c_ l , c- l +1 ' ... ,c l
bestimmen. Dazu benotigen wir n StUtzpunktej je 1+1 auf dem Rande
von I und auf dem Rande von J
0,0 0,0

I r1exp(~i(k-1)) fUr k

1+i+r2exp(~i(k-1-2)) fUr k
1(1)1+1

1+2(1)n.

Das lineare Gleichungssystem ist

fUr k 1(1)1+1

fUr k 1+2(1)n

FUr mehrere Kombinationen r 1 , r 2 sind in Tabelle 16.10 die \'lerte von 1


mitgeteilt, die man zur Erreichung einer Genauigkeit von 10- 3 /10- 4 /10- 5
benotigt. Wenn die Differenz vr-r1-r2 nicht zu klein ist, bekommt man
schon mit kleinem 1 relativ hohe Genauigkeiten. Der DurchfluB hangt
nur von y abo Tabelle 16.11 enthalt die berechneten Werte y fUr
1 = 1,3,5,7. Die Rechenzeit zur Losung der linearen Gleichungssysteme
259

ist in allen diesen Fallen klein gegen den notwendigen Aufwand zur
Abschatzung der Fehler. 0

-3 -4 -5
Tabelle 16.10. 11/12/12 zu den Genauigkeiten 10 /10 /10

r2
1/8 3/8 5/8 7/8
r1

1/8 1/1/1 1/1/2 2/2/3 3/4/5

3/8 1/1/2 1/1/2 2/2/3 4/6/ (9?)

5/8 2/2/3 2/2/3 3/4/ (97)


7/8 3/4/5 4/6/ (97)

Tabelle 16.11. y ftir 1 1,3,5,7

r2
1/8 3/8 5/8 7/8
r1
0.13823 0.19853 0.25011 0.32128
0.13823 0.19853 0.25003 0.31853
1/8 0.13823 0.19853 0.25003 0.31852
0.13823 0.19853 0.25003 0.31852
0.19853 0.35218 0.55542 0.10252
0.19853 0.35217 0.55495 1.06622
3/8 0.19853 0.35217 0.55495 1.06599
0.19853 0.35217 0.55495 1.06599
0.25011 0.55542 1.34168
5/8 0.25003 0.55495 1.32209
0.25003 0.55495 1.32207
0.25003 0.55495 1.32208
0.32128 1.10252
0.31853 1.06622
7/8 0.31852 1.06599
0.31852 1.06599

Die Effizienz der Kollokationsverfahren hangt meistens stark von


der Auswahl der Sttitzpunkte abo Die Situation ist ahnlich wie bei
Polynominterpolation oder numerischer Quadratur. Nur gibt es viel
weniger Untersuchungen tiber die optimale Wahl der Sttitzstellen bei
Kollokationsverfahren.
Die FehleY'quadY'atmethode ist eine Mod i f ikation der Kollokationsver-
fahren, bei der die Auswahl der Sttitzpunkte nicht ganz so wichtig
ist. Bei diesem Verfahren wahlt man m Basisfunktionen v. und n ~ m
J
260

Stutzpunkte (xk,Y k ). Davon sollen wieder n 1 in G und n 2 auf r liegen.


Statt (16.2) fordert man:
n1
2 n 2
L 6k [Lw(x k 'Yk)-q(xk'Y k )] + L 6k [W(x k 'Yk)-q,(x k ,yk )] Min! (16.
k=1 k=n 1+1
Dabei sind 6 k > 0 vorgegebene Gewichte und
m
w(x,y) = LC.V.(X,y).
j=1 ] ]

Aufgrund dieser Forderung lassen sich die Koeffizienten C.,


]
j 1 (1)m, wie in der Ausgleichsrechnung ublich berechnen (vgl. Stoer
1976, Kapitel 4.8). Nur in konkreten Fallen kann man entscheiden, ob
sich der Mehraufwand gegenuber der einfachen Kollokation lohnt. Fur
n = m erhalt man naturlich wieder das alte Verfahren.
Gelegentlich ist auch versucht worden, an Stelle von (16.12)
die Forderung

max { max 6 k ILw(x k 'Yk)-q(x k 'Yk) I ,


k=1(1)n 1
max 6 k Iw(xk,y k ) -q, (xk,Y k ) I} Min!
k=n 1 +1 (1)n
zu setzen (Minimierung im Tschebyscheffschen Sinne). Die Erfahrung
zeigt aber, daB der Rechenaufwand dadurch gewaltig anwachst. Die
Vorteile hinsichtlich der erreichbaren Genauigkeit sind demgegen-
uber gering.

Wir kommen jetzt zur Behandlung einer Randintegralmethode zur Lasung


der Aufgabe (16.1) mit L = D., q '" 0 und q,EC 1 (r,lR). Das Gebiet G sei
eine einfach zusammenhangende Teilmenge des abgeschlossenen Einheits-
kreises
{zEa: I z = x+iy , I z I ~ 1}
und besitze einen stetig differenzierbaren Rand r.
Das im folgenden beschriebene Verfahren stellt nur eine von
mehreren Maglichkeiten dar.
Es sei ~Ec1 ([0,2x],r) eine doppelpunktfreie Parametrisierung
·2 ·2
von r mit ~ (0) = ~ (2x·) und ~1 +~2 > O. Nir machen den Ansatz:

2x
u(z) f Il(t)loglz-~(t) Idt (zEG) . (16.13)
o

Fur stetige 11 ist uECo(G,lR) (vgl. z.B. Kellog 1929). Durch Diffe-
rentiation zeigt man uberdies, daB u harmonisch in Gist. Die Rand-
261

bedingung liefert
21(
I Il(t)loglz-t;it) Idt = tj,(z) (zEr) . (16.14)
o
Dies ist eine lineare Fredholmsche Integralgleichung erster Art mit
schwach-singularem Kern. Es existiert eine eindeutig bestirnrnte Losung
11 (vgl. z.B. Jawson 1963).
Das numerische Verfahren bestirnrnt zunachst aus (16.14) eine Na-
herung ; fUr 11 an den diskreten Stellen

t. = (j-1)~ j = 1(1)n
J n

Zu beliebigem zEG kann dann gemaB (16.13) eine Naherung u(z) von
u(z) mit numerischer Quadratur berechnet werden.
Der Algorithmus laBt sich in einen nur von r und t; und einen
nur von tj, abhangigen Teil aufspalten.

(A) Randabhangiger Teil:


(1) Berechnung der Gewichtsmatrix W (w jk ) fUr n Quadratur-
formeln
21( n
If(t)loglz.-t;(t) Idt L w.kf(tk)+R(f)
o J k=1 J

z. j 1 (1) n
J

:OS(~tl
v

R(f) o fUr f v (t) = { v 2(2)n


v-1
sin (-2-t) v = 3(2)n

Die Matrix (f (t.)) ist regular. Darum ist ~v eindeutig bestirnrnt. Die
v J
Hauptrechenarbeit liegt in der Bestirnrnung der n 2 Integrale
21(
If (t)loglz.-E;(t)ldt v,j 1 (1) n •
o v J

(2) Dreieckszerlegung von W in W = LU mit dem GauB-Algorithrnus


oder W = QR mit Householder-Transformationen.

(B) Von den Randwerten abhiingiger Teil:


(1) Berechnung von ;(t k ) aus dem Gleichungssystem

j=1(1)n

Wegen W = LU oder W = QR sind hierzu nur O(n 2 ) Operationen erforder-


lich.
262

(2) Berechnung von u{z) fUr zEG aus (16.13). Der Integrand ist
eine stetige 2~-periodische Funktion. Das 1egt die Verwendung der
einfachen Sehnentrapezrege1 mit den StUtzpunkten t j , j = 1 (1)n nahe:
n
u{z) -n I ;(tk)loglz-~{tk) I . (16.15)
m=1
Wenn z nicht in der Nahe von r 1iegt, ergibt (16.15) tatsach1ich
gute Naherungen fUr u{z).
FUr randnahe z wird -loglz-~{t) I in einem k1einen Tei1 des In-
terva11s ['0, 2 ~] extrem groB. Dann ist (16. 1 5) unbrauchbar. Die fo1-
gende Vorgehensweise verbessert die Ergebnisse in vie len Fallen urn
mehrere Dezima1ste11en. Bei sehr k1einen Randabstanden versagt aber
auch diese Methode.
Es sei A{t) die Funktion ;(t), die sich zu den Randwerten ~ =
ergibt. Dann sind
n
uc{z) = c+ 2; I [;(tk)-CA{t k ) ]loglz-~{tk) I (16.16)
k=1
fUr cEm ebenfa11s Naherungen fUr u{z). c wah1t man am besten so, daB

~(t1)-cA{t1) = 0

ist, wenn Iz-~{t1) I minimal wird.


Da die Berechnung von A{t) unabhangig von den Randwerten ~ er-
fo1gen kann, ist der Aufwand fUr (16.15) und (16.16) fast gleich.
FUr jeden Funktionswert u{z) benotigt man O{n) Rechenoperationen.
Das Verfahren ist also okonarnisch, wenn nur wenige Funktionswerte
u{z) berechnet werden sollen.

Im fo1genden Spezia1fa11 ste11en wir einige numerische Er-


gebnisse vor:
~(z) = Re{exp{z» = exp{x)cos{y)
0.2cos{t)+0.3cos{2t)-0.3
0.7[0.5sin{t-0.2)+0.2sin{2t)-0.1sin{4t)]+0.1
Es hande1t sich hierbei um ein unsymmetrisches eingebeu1tes Gebiet
(vg1. Abbi1dung 16.17). Die Naherung u wurde auf den Strah1en 1,2
und 3, die vom Ursprung zu den Randpunkten ~(O), ~(~) und ~(~~)
weisen, berechnet. Dabei ist R der Abstand zu den genannten Punkten.
Tabe11e 16.18 entha1t die abso1uten Feh1er bei Verwendung der Forme1
(16.15) (ohne Randkorrektur)i Tabe11e 16.19 die entsprechenden Werte
bei Verwendung der Forme1 (16.16) (mit Randkorrektur). Man sieht,
daB das Verfahren keine definierte Konvergenzordnung besitzt.
263

Abb. 16.17. Unsymmetrisches eingebeultes Gebiet

Tabelle 16.18. Absolute Fehler bei Rechnung ohne Randkorrektur

Strahl 1 Strahl 2 Strahl 3


R
n 1/8 1/32 1/128 1/8 1/32 1/128 1/8 1/32 1/128

12 2.6E-2 5.5E-2 2.8E-1 1.3E-2 9.8E-3 7.0E-3 2.5E-2 6.9E-2 1. 9E-1


24 7.5E-4 4.3E-3 8.1E-2 2.2E-4 2.2E-5 1.2E-4 5.5E-3 1.1E-2 6.7E-2
48 5.5E-7 3.0E-5 1.8E-2 1.9E-7 1.0E-6 7.0E-6 1.4E-4 2.2E-3 1.9E-2
96 1.1E-10 1.9E-7 2.5E-3 2.4E-12 5.0E-10 2.2E-7 3.3E-6 8.3E-4 3.3E-3

Tabelle 16.19. Absolute Fehler bei Rechnung mit Randkorrektur

Strahl 1 Strahl 2 Strahl 3

R
n 1/8 1/32 1/128 1/8 1/32 1/128 1/8 1/32 1/128

12 3.1E-3 3.9E-3 4.7E-3 2.1E-2 1.4E-2 9.4E-3 1.3E-2 7.4E-3 4.6E-3


24 1.1E-4 1.6E-4 4.0E-4 1.5E-4 2.4E-5 7.5E-5 3.4E-4 2.0E-3 9.6E-4
48 5.4E-7 1.9E-6 4.3E-5 1.2E-7 2.6E-7 4.4E-8 4.0E-5 5.1E-4 2.8E-4
96 4.6E-12 2.4E-9 3.5E-6 1.3E-12 1.7E-12 4.7E-12 1.1E-6 2.4E-5 9.8E-5
III LOsung von Gleichungssystemen

17 Iterationsverfahren zur Losung von linearen und nichtlinearen


Gleichungssystemen
Die Diskretisierungen von Randwertaufgaben bei linearen bzw. nicht-
linearen elliptischen Differentialgleichungen ergeben in der Regel
lineare bzw. nichtlineare Gleichungssysteme mit sehr vielen Unbekannten.
Das gleiche gilt flir die impliziten Diskretisierungen von Anfangsrand-
wertaufgaben bei parabolischen Differentialgleichungen. Die praktische
Brauchbarkeit solcher Diskretisierungen hangt darurn stark von der
Effektivitat der Verfahren zur Losung der Gleichungssysteme abo
Bei linearen Gleichungssystemen unterscheidet man direkte und
iterative Verfahren. Die direkten Verfahren flihren - abgesehen von
Rundungsfehlern - in endlich vie len Schritten zur exakten Losung (z.B.
GauB-Algorithrnus, Cholesky-Verfahren, Reduktionsverfahren). Iterative
Verfahren konstruieren eine Folge von Naherungen, die gegen die exakte
Losung konvergieren (z.B. Gesamtschrittverfahren, Einzelschrittverfahren,
Uberrelaxationsverfahren). Sie sind in der Regel wesentlich einfacher
zu prograrnrnieren als die direkten Verfahren. AuBerdem spielen Rundungs-
fehler fast keine Rolle. Sie benotigen allerdings im Vergleich zu den
den Aufgaben angepaBten direkten Verfahren (z.B. Reduktionsverfahren)
eine so hohe Rechenzeit, daB ihre Verwendung nur bei bescheidenen
Genauigkeitsansprlichen vertretbar ist. Bei der Verwendung von direkten
Verfahren muB man beachten, daB schon geringfligig verschiedene Varianten
eines Verfahrens ganz unterschiedliche Ernpfindlichkeit gegenliber
Rundungsfehlern zeigen konnen.
Zur Losung von nichtlinearen Gleichungssystemen gibt es nur ite-
rative Verfahren. Das Newton-Verfahren (zusarnrnen mit einigen Varianten)
nirnrnt eine besondere Stellung ein. Es erfordert meist nur ",'enige Ite-
rationsschritte. In jedem Schritt ist ein lineares Gleichungssystem
zu losen. ErfahrungsgernaB kornrnt das Newton-Verfahren nur dann in Frage,
wenn es durch ein schnelles direktes Verfahren zur Auflosung der
linearen Systerne erganzt wird. Eine Auflosung der beim Newton-Verfahren
266

auftretenden linearen Systeme durch ein iteratives Verfahren empfiehlt


sich dagegen nicht. Stattdessen ist es besser, das ursprungliche nicht-
lineare Gleichungssystem unmittelbar mit einem sol chen Iterationsver-
fahren zu l6sen. Der Kombination Newton-Verfahren/direktes Verfahren
kornrnt bei nichtlinearen Systemen etwa die gleiche Bedeutung zu wie
den direkten Verfahren bei linearen Systemen. Ihrer Anwendung sind
jedoch Grenzen gesetzt, da die in den Newton-Schritten vorkomrnenden
linearen Gleichungssysteme haufig fur die schnellen direkten Verfahren
zu kompliziert sind.
Dieses Kapitel ist eine Einfuhrung in die allgemeine Theorie der
nichtlinearen Iterationsverfahren. Eine ausfuhrliche Behandlung findet
man z.B. in Ortega-Rheinboldt 1970.
In den folgenden beiden Kapiteln wird das Uberrelaxationsverfahren
(SOR) fur lineare und nichtlineare Gleichungssysteme untersucht. Daran
anschlieBend behandeln wir die direkten Verfahren.

Es sei

eine stetige Funktion. Gesucht ist eine Nullstelle x*EG von F, d.h.
eine in G gelegene L6sung der Gleichung

F(x) o . (17 • 1)

In der Funktionalanalysis werden eine Reihe hinreichender Bedingungen


fur die Existenz einer Nullstelle angefuhrt. Wir setzen der Einfach-
heit halber im folgenden haufig voraus, daB eine Nullstelle x*EG exi-
stiert und daB es eine Umgebung von x* gibt, in der keine weitere
Nullstelle von F liegt. AuBerdem verlangen wir, daB G eine offene
Menge ist.
Iterationsverfahren zur Bestin~ung einer Nullstelle von F beruhen
auf der Umformung von (17.1) in eine aquivalente Fixpunktgleichung

x T (x) , (17.2)

so daB x* genau dann eine Nullstelle von Fist, wenn x* Fixpunkt von
T ist. Da& Iterationsverfahren wird dann wie folgt angesetzt:

v=1(1)co. (17.3)
267

Man erwartet, daB die Folge {x(v) Iv = O(1)~} gegen x* konvergiert,


falls als 5tartwert x(O) eine genUgend genaue Naherung fUr x* gewahlt
wird. Dies ist jedoch keineswegs in jedem FaIle richtig. Neben der
Frage nach der Konvergenz der Folge {x(v) Iv = O(1)oo} spielt natUrlich
auch noch die Konvergenzgeschwindigkeit und die moglichst einfache Be-
rechenbarkeit von T eine Rolle. Bevor wir die Verhaltnisse theoretisch
naher untersuchen, wollen wir Gleichung (17.1) in einem praktisch
haufig vorkommenden 5pezialfall in eine aquivalente Fixpunktgleichung
umformen.

Beispiel 17.4: Die Abbildung F sei in eine 5umme

F (x) R(x) + 5 (x)

aufspaltbar, in der 5 nur "schwach" von x abhangt und R konstruktiv


invertierbar ist. Letzteres soIl heiBen, es liegt ein in Bezug auf
Rechenzeit, 5peicherplatzaufwand und Rundungsfehlerempfindlichkeit
realisierbarer Algorithmus vor, mit dem die Gleichungen

R(y) b

fUr aIle b aus einer gewissen Umgebung von -5(x*) auflosbar sind. Dies
ist z.B. der Fall, wenn Reine lineare Abbildung ist, die durch eine
nichtsingulare Diagonalmatrix oder durch eine tridiagonale symmetrische
und positiv definite Matrix gegeben ist. Die Gleichung F(x) = 0 ist
dann mit

-1
T R 0(-5)

aquivalent zur Fixpunktgleichung x = T(x). Wenn 5 und damit auch T nur


schwach vom Ort abhangen, kann man erwarten, daB das Iterationsverfahren
(17.3) fUr eine genUgend genaue Naherung x(O) von x* gegen x* konver-
giert. 0

Definition 17.5: Es sei

T Gem n --+ mn

eine Abbildung und x*EG ein Fixpunkt von T, d.h. T(x*) = x*. yEG gehort
zum Einzugsbereich I(T,x*) von x*, wenn die Folge (17.3) fUr x(O) = y
in G bleibt und gegen x* konvergiert. Der Fixpunkt x* heiBt anziehend,
268

wenn er innerer Punkt von I(T,x*) ist. Die Iteration (17.3) heiBt lokal-
konvergent. wenn x* anziehend ist. Die Abbildung T heiBt kontrahierend,
falls es ein aE[O,1) und eine Norm II . liT im lR n gibt, fur die gilt:

II T(x) - T(y) liT ~ a II x - yilT (x,y E G) [J

Jede kontrahierende Abbildung ist offensichtlich stetig.

Satz 17.6: Es sei

eine kontrahierende Abbildung. Dann gilt:

(1) T hat hochstens einen Fixpunkt x*EG. x* ist anziehend.


(2) Im FaUe G =lRn gibt es genau einen Fixpunkt x*. Sein Einzugsbereich I (T ,x*)
ist der ganze IRn.

Beweis: zu Es seien x* und y* zwei Fixpunkte von T. Da T kontra-


(1):

hierend ist, gibt es ein a E[O,1) mit

II x* - y*II T = II T(x*) - T(y*) liT ~ a II x* - y*II T .

Hieraus folgt x* y*. Wir wahlen nun rEm + so klein, daB die abge-
schlossene Kugel

KT ,r {y E mn I II x* - y II T ~ r}

noch ganz in G liegt. Fur alle z E KT,r gilt

IIT(z) - T(x*)II T ~ a liz - x*II T ~ r.

Somit bildet T die Kugel KT,r in sich abo Die Folge

T(
x (v) -_ x (v-1)) , v 1(1)00

ist fur x(O)E KT,r definiert und genugt der Abschatzung

,,=1(1)=.

Daraus folgt, daB die Folge {xlv) Iv = O(1)00} gegen x* konvergiert.


269

zu (2): Es sei X(O) E lR n beliebig gewahlt. Da T kontrahierend ist,


gibt es ein a E[O,1), so daB fUr v O(l)~ gilt:

II x(v+l) - x(v) II
T

< a II x(v) - x(v-l) II <_ a V II x(1) _ x(O) II


- T T

Daraus folgt mit Hilfe der Dreiecksungleichung fUr alle V,~ E IN:

II x (v+~) _ x (v) II <


T

v
< _a_ Ilx(1) _ x(O) II
l-a T

Dies besagt, daB {x(v) Iv = O(l)~} eine Cauchy-Folge ist. Ihren Grenz-
wert bezeichnen wir mit x*. Weil jede kontrahierende Abbildung stetig
ist, folgt

x* = lim x(v) T(x*) •

x* ist also Fixpunkt von T. Der Einzugsbereich von x* ist der ganze
mn. [J

Satz 17.7: Es sei A eine reeZZe nxn-MatrUx:. b E lRn und

T(x) = Ax + b

eine affine AbbiZdung. Dann gilt: T ist genau dann kontrahierend. wenn der Spektral-
radius p(A) kleiner aZs 1 ist. Unter dieser Bedingung hat T genau einen Fixpunkt.
Sein Einzugsbereiah I (T, x*) ist der ganze nf.

Beweis: Die Behauptung folgt so fort aus Hilfssatz 9.17 und Satz 17.6. [J

Satz 17.8: Es sei

T:Gc:]Rn .... ]Rn

eine AbbiZdung. die einen Fixpunkt x*EG besitzt. T sei in x* differenzierbar. Dann
foZgt aus
270

p(T' (x*)) < 1 ,

da2 x* anziehender Fixpunkt ist.

Der Beweis folgt durch Spezialisierung des folgenden Satzes unter


BerUcksichtigung von Hilfssatz 9.17.
Satz 17.8 besagt, daB die lokale Konvergenz des rterationsverfah-
rens (17.3) bei differenzierbaren Abbildungen in einfacher Weise von
der Ableitung abhangt. Differenzierbare nichtlineare Abbildungen ver-
halten sich also hinsichtlich der lokalen Konvergenz wie lineare
Abbildungen. Diese Feststellung laBt sich auf nichtdifferenzierbare
Abbildungen Ubertragen, die sich stUckweise aus differenzierbaren
Abbildungen zusammensetzen lassen.

Sa tz 1 7 • 9: Es sei

eine AbbiLdung, die einen Fixpunkt x* E G besitzt. T sei in x* stetig. Es gebe ein
m E IN und Abbi Ldungen

(r 1 (1 ) m) ,

die in x* differenzierbar sind. Zu jedem x E G gebe es ein s E {1, ••• ,m} mit
T (x) = Ts (x). Au[3erdem existiere eine Vektornorm II • II T' so dal3 fUr die
zugeordnete Matrixnorm II . II T giZt:

r = 1(1)m.

Dann ist x* anziehender Fixpunkt.

Beweis: Weil T und Tr in x* stetig sind, besteht fUr jedes r E{1, •.. ,m}
die Alternative
(1) T(x*) = Tr(X*)
oder
(2) Es gibt eine Umgebung Ur von x*, in der T und Tr nirgends Uberein-
stimmen.
Alle r, fur die die Aussage (2) richtig ist, konnen ganz auBer
Betracht bleiben, weil es nur auf das lokale Verhalten von T ankommt.
Deshalb konnen wir o.B.d.A. voraussetzen, daB die Aussage (1) fUr aIle
r richtig ist.
271

Da die Abbildungen Tr in x* differenzierbar sind, gibt es zu jedem


£ > 0 ein 6> 0, so daB fur alle y mit IlyliT ::: 6 und alle r E{1, ••• ,m}
gilt:

Es folgt fur r 1 (1 )m:

Wir konnen nun £ so klein wahlen, daB fur alle r gilt:

II T~(x*) liT + E: < Y < 1

Fur alle Startvektoren x(O)mit

II x(O) - x* liT < 6


-
gilt demnach

II x(v) - x* liT -< Y


v
6 , v 1 (1)00 •

x* ist also anziehender Fixpunkt. c

Neben den bisher betrachteten Einschrittverfah:r.>en

kommen in der Praxis auch Zweisch:r.>ittverfahren (oder Meh:r.>sch:r.>ittverfah:r.>en)

vor. Sie ergeben theoretisch nichts Neues, weil man durch Definition
einer Abbildung T : lR 2n ... lR 2n mit

wieder ein Einschrittverfahren erhalt:


272

x(v) )
.....
x (v) = ..... ..... (v)
T (.....
x (v-1 ) ) , x =
(
X(v-1) •

MaBgebend fUr die Konvergenz ist dann T. Diese Urnformung ist natUrlich
nur fUr theoretische Uberlegungen ratsarn.
Wir kornrnen jetzt zur Anwendung der vorstehenden Satze auf das
Newtonsche Iterationsverfahren. Dazu stellen wir noch einen Hilfssatz
bereit.

Hilfssatz 17.10: Es sei

eine AbbiZdung. die eine NuZZsteZZe x* € G besitzt und in x* diffepenziepbar 'ist.


Weitep sei J eine in x* stetige AbbiZdung von G in MAT (n,n, m). Dann ist die
AbbiZdung

T(x) = x - J(x)F(x)

in x* diffepenziepbar. Die FUnktionaUnatpix bepeahnet siah zu

T' (x*) = I - J(x*)F' (x*)

Beweis: FUr jedes E > 0 gibt es ein 6 > 0, so daB fur alle y,z € lRn
mit II y II 2 < 6 gilt:

II F (x*+y) - F (x*) - F' (x*) yll2 = II F (x*+y) - F' (x*) y II 2 SEll y II 2

II (J (x*+y) - J (x*)) z "2 ~ E II z "2 •

Daraus folgt die Abschatzung:

II T(x*+y) - T(x*) - (I-J(x*) F' (x*)) yll2

II J (x*+y) F (x*+y) - J (x*) F' (x*) Y112

< II (J (x*+y) -J (x*)) F (x*+y) "2 + II J (x*) (F (x*+y) -F' (x*) y) "2

< Ell F(X*+y) "2 + II J(x*) "2 • E II yll2

~ e: lIyll2 (e:+IIF'(x*)"2 + IIJ(x*) " 2 ) Cl


273

Beispiel 17.11: Newton- Verfahren und Varianten.


Es solI die Nullstelle x* der Abbildung

best~t werden. F sei in einer Umgebung von x* stetig differenzierbar


und besitze dort eine regulare Funktionalmatrix. Dann lautet die dem
Newton-Verfahren zugrundeliegende Fixpunktgleichung:

x = T(x) = x - J(x)F(x)
J(x) = [F' (x) ]-1 .

Nach Hilfssatz 17.10 ist T in x* differenzierbar und hat dort die


Funktionalmatrix

T'(x*) = I - J(x*)F'(x*) I - [F' (x*) ]-1 F' (x*) o

Das bedeutet

p (T I (x*» = 0 .

Nach Satz 17.8 konvergiert das Newton-Verfahren fur aIle Startwerte,


die nahe genug bei x* liegen.
Satz 17.8 und Hilfssatz 17.10 zeigen auch , daB der Fixpunkt x*
anziehend bleibt, wenn J(x) nicht die Inverse der Funktionalmatrix,
sondern nur eine Naherung davon ist. Fur die lokale Konvergenz ist ja
bereits

p (T' (x*») P (I-J(X*)FI (x*») < 1

hinreichend. Dies hat erhebliche praktische Bedeutung, da die exakte


Funktionalmatrix und deren Inverse haufig nur mit sehr hohem Aufwand
zu bestimmen sind. Man beachte auch, daB nach Hilfssatz 17.10 J selbst
nicht differenzierbar zu sein braucht. Es genugt, wenn F in x* diffe-
renzierbar ist. Die folgende Rechnung zeigt, wie weit J(x) von der
Inversen der Funktionalmatrix abweichen darf. Dazu sei C eine Stor-
matrix und

J(x) C[F' (x) ]-1 .

Dann gilt nach Hilfssatz 17.10:


-1
T' (x*) = I - J(x*)F' (x*) = I - C[F' (x*)] F' (x*) I - C .
274

Nach Satz 17.8 konvergiert das Iterationsverfahren lokal fur

p (I-C) < 1 •

In dem Spezialfall C AI ergibt sich Konvergenz fUr A E (0,2). o

Die beiden nachsten Satze geben eine etwas prazisere Vorstellung von
den Einzugsbereichen des Newton-Verfahrens und eines vereinfachten
Verfahrens. Wir legen dazu folgende Situation zugrunde:

G c lRn konvex, x (0) EG

Satz 17.12: Newton-Ka:ntorovich.


Vo~ssetzungen :

(a) II F' (x) - F' (y) II ~ y II x - yll (x,y E G)

(b) 0 < ex = S y n ~ 1/2

(c) r 1 = 2n/(1+VT=2a) < ro

Behauptungen:

(1) Die FoZge

x(v+1) = x(v) _ [F'(X(v»]-1 F(X(v» v =0(1)00

bZeibt in K und konvergiert gegen x*EiL

(2) v = 0(1)00 •

(3) x* ist die einzige NuZZsteZZe von F in

Wenn ex « 1/2 ist, konvergiert die Folge nach (2) sehr schnell. Bei
der praktischen DurchfUhrung des Verfahrens ergeben sich nach wenigen
Schritten nur noch zufallige ~nderungen pro Schritt. Sie sind durch
275

unvermeidliche Rundungsfehler bedingt. Der Satz ermoglicht eine Abschat-


zung des Fehlers II x* - xlv) II. Dazu faBt man xlv) als Startwert x(O)
einer neuen Iteration auf und berechnet obere Schranken fUr y,B,~ und a.
FUr a ~ 1/2 ist der Fehler II x* - x(O) II hochstens r 1 = 2~/(1+V1-2a').
FUr a = 1/2 ist die Konvergenz moglicherweise nur linear. Das
folgende Beispiel aus dem ffi1 zeigt, daB dieser Fall tatsachlich vor-
kommt:

2
fix) ~ + x ~ > 0 , s > 0 , y > 0
S S 2
~

x (0) 0

Es gilt

If' (x) - f' (y) I ylx - yl

1/ If' (0) I = s
If(O) I/If' (0) I = ~ •

FUr a < 1/2 hat f zwei verschiedene reelle Nullstellen r 1 = 2~/(1+V1-2a')


und r 2 = 2n/(1-yI1=2a). Sie fallen fUr a = 1/2 zusammen. Wenn a > 1/2
ist, hat f keine reellen Nullstellen (vgl. Abbildung 17.13)

--~------~~----------------~r------'~X

Abb. 17.13. Funktionsverlauf fUr a < 1/2

Das Beispiel ist so gewahlt, daB die Konvergenz des Newton-


Verfahrens bei keinem anderen f schlechter ist. Auf dieser Grundidee
beruht unser Beweis von Satz 17.12.
F' (x(v)) ist stets regular. F' (x*) kann fUr a 1/2 aber (wie in
unserem Beispiel) singular sein.
276

Zum Beweis von Satz 17.12 formulieren wir zunachst drei Hilfssatze
Fur diese ubernehmen wir implizit alle Voraussetzungen von Satz 17.12.
AuBerdem definieren wir:

Av F ' (x (v) )

Sv II A- 1 11
v

nv II A- 1 F(x(v))11
v
Cl v Sv nv y

Pv 2n v /(1+~)
v

Diese Definitionen sind naturlich nur unter folgenden zusatzlichen


Voraussetzungen moglich:

Av regular

Cl V ~ 1/2 .

Wir beschranken uns darum vorlaufig auf die Menge M der ganzen Zahlen
v > 0, fur die diese Voraussetzungen richtig sind. Zunachst ist nicht
klar, ob zu M neben 0 noch eine weitere Zahl gehort. Spater wird sich
allerdings zeigen, daB Malle v > 0 enthalt.

Hilfssatz 17.14: Wenn x (v+1 ) EG ist, so ist Av+1 reguZar und

Sv+1 ~ SV/(1-Cl).

Beweis: Wegen

ist

Darum konvergiert die Reihe


00

S [A- 1 (A -A )]ll
v v v+1
277

Es gilt

-1
S [I - AV (A V -A V +1) ] I.

Die Matrix in der eckigen Klammer ist also regular, ihre Inverse ist S.
Dann ist aber auch

regular. Fur die Norm der Inversen gilt die Abschatzung


co
< II S II· II A -1 II
v
~

::: sv /(1-a v ). o

Hilfssatz 17.15: Wenn x (v+1 ) EG ist, so ist

Beweis: Wie oben gezeigt, ist

< II A- 1 F(x(v+1)) II /(1-a )


v v

Es bleibt zu beweisen:

Wir setzen fur t E [0,1]:

qJ(t) (1-t)x(v) + tx(v+1)

Weil G konvex ist, verlauft qJ(t) ganz in G. Es ergibt sich offen-


sichtlich:
278

qJ (0) qJ (1)

R(O) o , R( 1)

qJ I (t)

R I (t)

RI (0) o .
Wegen

II F I (qJ (t)) - Av II II F' (qJ(t)) - F' (cp (0)) II

II FI (qJ (t)) - A II < y II qJ (t) - X(V) II = yt II X(v+1) - X(v) II


v -

UiBt sich II RI (t) II wie folgt abschatzen:

II R' (t) II ~ S yt IIx(v+1) - x(v) 112 ct n t


v v v

Daraus folgt die gesuchte Ungleichung

1
IIA- 1F(X(v+1))1I = IIR(1)1I = III R'(t)dtll c
v
o

Wenn x(v+1)EG ist, setzen wir

(vgl. Hilfssatz 17.14)

Der letzte Hilfssatz besagt dann

2
ct
1 v <
- ct < 1/2
ct ct < v -
v+1 ~ - "2 ( 1 -ct ) 2
v

Es folgt: Fur v E M und x(v+1)EG ist v+1 E M.

Hilfssatz 17.16: Falls x(v+1)EG ist. so ist


279

BeUJeis: Es sei

Aus der Ungleichung

Cl <

folgt

Wegen S(1-Cl ) = flv gilt weiter


v

1-/1-2~' 1-~
V
Cl V
<
-
fly flv Y flv Y

[J

BeUJeis von Satz 17.12: Fur p < v und v E Mist nach Hilfssatz 17.16

Wegen Po r1 ~ ro 1st weiter

v
r nT + Pv+1 < r 1 < ro
T=O

II x(v+1) _ x(O) II <

Es folgt

Unter Berucksichtigung der Hilfss~tze 17.14 und 17.15 erh~lt man

Av+1 regul~r
280

Zusammen heiBt das: v + 1 E M. Die Menge M enthalt also aile ganzen


Zahlen v > o.
Als nachstes zeigen wir: x(v+1)E K fUr v o (1 ) co. Wegen
II x(v+1) _ x(O) II

sind aile x(v+1)E K oder es gibt ein erstes v mit P v+1 0, d.h.
n v+1 = o. Das bedeutet

Da nv * 0, av *0 ergibt sich auBerdem:

nv < 2n v /(1+~)
v

v
r n T + Pv +1 < Po
T=O

II x(v+1) - x(O) II < r


1

Demnach sind auch in diesem Faile aile x(v)E K.


Es folgt der Beweis der Fehlerabschatzung (2). Ausgangspunkt ist
die Ungleichung

Sie impliziert

2-4a +a 2
1 v v
>"2 (1-a) 2
v

2 2
a a
v v
<
2-4a +a 2 1-2a + (1-a ) 2
v v
v v

<
281

a.
v (~y2V)
.,-::a
V
~ 1-0. 0

Aus
a.
v
n v+ 1 <- 2" .,-::a nv (vgl. Hilfssatz 17.15)
v

erh~lt man schliealich

2n /(1+~) < 2n /(1+V1-20.')


v v - v

Die Folge xlv) konvergiert also gegen x*EK. II xlv) - x*1I l~at sich
gem~a Behauptung (2) absch~tzen. Weil Fund F' stetig sind, gilt
auaerdem

F(x*) = -F' (x*) (x*-x*) =0 •

Zum Beweis von Behauptung (3) verweisen wir auf Ortega-Rheinboldt


1970. c

Die Funktionalmatrix F' (x(v)) muB mit jedem Schritt des Newton-Verfahrens
neu berechnet werden. H~ufig ist diese Berechnung mit erheblichem
Aufwand verbunden. Darum ersetzt man gelegentlich F' (x(n)) durch
eine feste nicht singul~re Matrix B, die nicht zu stark von F' (x(v))
abweicht. Dieses Vorgehen hat insbesondere dann Vorteile, wenn Beine
einfachere algebraische Struktur als die Funktionalmatrizen hat. Es
ist etwa denkbar, daB lineare Gleichungssysteme mit der Matrix B mit
Hilfe eines speziellen direkten Verfahrens (z.B. Reduktionsverfahren
von Schroder/Trottenberg oder Buneman-Algorithmus) gelost werden konnen,
w~hrend die Systeme mit den Matrizen F' (x(v)) daflir zu kompliziert sind.
Wir beschreiben wieder kurz die Situation:

G c: lRn konvex, x (0) E G


282

K {x E lRn I II x - x (0) II < ro} , Kc G

F E C1 (G, lR n ) , B E MAT(n,n,lR) regular

S II B- 1 11 n = II B- 1F(X(0)) II

6 liB - F,(x(O))11

Satz 17.17:
Voraussetzungen:

(a) iI F I (x) - F I (y) II < y II x - y II (x,y E G)

(b) 86 < 1
2
(e) a = 8ny/(1-S6) ~ 1/2

(d) r1 = 2n/[ (1+~ (1-.86) 1 < ro

Behauptungen:

(1) Die Folge

v = 0(1)""

bleibt in K und konvergiert gegen x* E K.

(2) Es gilt

II x(v+2) _ x(v+1) II < e II x(v+1) - xlv) II v = 0(1)""

mit

2a
e = 86 + (1-86) < 1 •

Der Satz enthalt zwei interessante Grenzfalle:


(A) Fist eine affine Abbildung, d.h. y = a = 0, r 1 = n/(1-S6)
und e = 86.
(B) B = F' (x(O)), 6 = 0, y > O. Die Bedingungen (a), (e), (d)
sind dann genau die Voraussetzungen des vorhergehenden Satzes. Unsere
Konvergenzbedingungen fur das vereinfaehte Verfahren sind also die
gleiehen Bedingungen wie fur das Newton-Verfahren.
Die Behauptung (2) des Satzes ist in erster Linie fur groBe v
interessant. Fur die ersten Iterationssehritte gibt es bessere Absehat-
zungen. So gilt
283

~ 1 2
mit c = B6 + ~ a(1-B6) •
FUr a 1/2 gilt c = 1 unabhangig von 6. In der Tat ist in diesen
Fallen die Konvergenz des Verfahrens fast beliebig schlecht. Das zeigt
ein Beispiel aus dem IR1 Es sei

f(x) = x 2

B=f'(1) 2 .

Die Konstanten sind in diesem Beispiel:

B = 1/2 , n = 1/2 , y = 2 , 6 o , a = 1/2 •

Es ergibt sich die Punktfolge

Sie konvergiert sehr langsam gegen Null.


Praktisch anwenden kann man das Verfahren fUr 86 « 1 und a « 1/2.
In diesen Fallen ist

1
c ~ B6 + ~ a und c ~ B6 + a .

Tabelle 17.18 zeigt die Auswirkungen von groBerem a oder groBerem B6.

Tabelle 17.18

1
c c
~

a B6 86+ta B6+a

1/4 1/2 0.531 0.625 0.646 0.750


1/4 1/4 0.320 0.375 0.470 0.500
1/4 0 0.125 0.125 0.293 0.250
1/8 1/2 0.516 0.563 0.567 0.625
1/8 1/4 0.285 0.313 0.350 0.375
1/8 0 0.063 0.063 0.134 0.125
1/16 1/2 0.508 0.531 0.532 0.563
1/16 1/4 0.268 0.281 0.298 0.313
1/16 0 0.031 0.031 0.065 0.063
284

Der Beweis von Satz 17.17 verlauft weitgehend parallel zum Beweis
von Satz 17.12 und stutzt sich wieder auf drei Hilfssatze.
Wir definieren:

6 II B - F I (x (v) ) II
v

a
v

Pv = 2n /[ (1+~) (1-66 )] •
v v v

v durchlauft dabei die Menge Maller nichtnegativen ganzen Zahlen, fur


die gilt:

66 v <

a
v <
- 1/2 •

Hilfssatz 17.19: Es sei x (v+1) E G und

Dann gilt

[1 - a (1-66 )](1-66) > 0 .


v v v

Beweis: Es ist

66 V + 1 = 6 liB - F'(X(v+1»1I ~ 66 v + 6 IIF ' (X(v+1» - F'(X(v»1I

II x(v+1) _ x(v) II
66 v + 1 < 66 v + 6y 66
v + 6Yn v
2
a v (1-66)
A

66 v + 1 ~ 66 v + = 66

2"
1
(1+6 2 6 2 )
v
1
(ra) (1-/30)
2
<
- 2"
1 (1+/3 2 0 2 )
v
< 1 .
285

Daraus folgt weiter

Hilfssatz 17.20: Wennx(v+1)E Gist. so ist

Beweis: Wie beim Beweis von Hilfssatz 17.15 setzen wir fUr t E[O,l]:

q>(t) (l-t)x(v) + tx(v+1)

Es ergibt sich

q> (0) q> ( 1 )

R(O) = 0 ,

q>' (t)

R'(t) = B- 1 [F'(q>(t)) - B1 (x(v+1)_x(v)) •

Mit der Voraussetzung (a) von Satz 17.17 folgt:

IIF'(q>(t)) - BII < IIF'(x(v)) - BII + y 11q>(t) - x(v)11

Darum gilt

und schlieBlich

1
nv + 1 = II R(l) II II f R' (t)dtll
o
286

Mit

ex

ergeben die letzten beiden Hilfssatze

1 2
6ynv[66v~exv(1-66v) ]
ex S
[1-ex (1-66 )]2(1-66 )2
v v v

Wegen

[1 - ex (1-66 )]2
v v

ist

Es folgt: Fur v EM und x(v+1)E Gist v + 1 E M. o

Hilfssatz 17.21: Wenn x (v+1) E Gist, so ist

Beweis:

FaU 1: n
v
= O. Es gilt x(v+1) = xCv) und p
v+1
= p" = O.
v

FaU 2: y = O. Fist eine affine Abbildung. Darum gilt:

ex
v

6
v

p = n /(1-66 )
v v v
287

Pv+1 = n v + 1 /(1-86 v + 1 ) ~ 86 v p v

nv + Pv + 1 ~ nv + 8 6 v p v Pv

2
Fall 3: a
v
8m /(1-86 )
V v
> o. Es sei

Dann ist P ~ P v +1. Hilfssatz 17.20 besagt

1 2
- [86 V + -2 a V (1-86 V ) In V
n v +1 <

Durch Multiplikation mit 8y erhalt man

Es ist

[1 - a (1-86 )] (1-66 )
v v v

und darum

~[1 - a v (1-86 v )]2 <- [86 V + -21 a V (1-66 V )2]a V

286 +a (1 - 8 6 ) 2
2<i < _......;..v_v"'--_---'v_ a
[1-a (1-86 )]2 v
v v

Multipliaktion mit

ergibt

1-a (1-86 )-~


v v v (1-86 )
8y v

Die linke Seite ist eine andere Darstellung fur p. Damit ist bewiesen:
288

l-a (l-so )-~


v v (l- Q "
Pv +l ~ P <
V ) •
Sy ~uv

Andererseits ist die rechte Seite der Ungleichung gleich P - n. c


v v

B~ei8 von Satz 17.17: Fur v E Mist nv <- Pv und nach Hilfssatz 17.21

v-1
1: njJ + Pv < Po
jJ=O

Daraus falgt

II x{v+1) - x{O) II < r


- 0'

Die Hilfssatze ergeben weiter SOv+1 < 1, a v+1 ~ 1/2. M umfaBt darum
alle v > o. x(v) bleibt in K.
Di~ Falge {x{v) Iv = 0(1)~} hat hochstens einen Haufungspunkt
x* E K, weil

v v
1: 1: njJ , v = 0(1)~
jJ=O jJ=O

durch ra nach aben beschrankt ist. Es bleibt die Fehlerabschatzung (2)


zu beweisen. Nach Hilfssatz 17.20 ist

ader

SO v kann mit Hilfe der Lipschitz-Bedingung fur FI abgeschatzt werden:

Aus

falgt:
289

66
v

2
66 v < 66 + 26yn/[ (1+v'1-'2{l) (1-66) 1 - a v (1-66)

66 v + 2
1 a (1
v -6 6)v2 < 66 + 1+v'1-'2{l
2a (1-66) c . D

Nach diesen Uberlegungen zum Newton-Verfahren kommen wir zur Definition


allgemeiner Einzelschrittverfahren. Ausgangspunkt ist ein beliebiges
iteratives Verfahren

Bei der praktischen Durchflihrung werden die Komponenten x~v), i = 1 (1)n


(v) (v-1) 1
von x nacheinander aus den Komponenten von x berechnet. Deshalb
liegt es nahe, auf der rechten Seite der Gleichung die Komponenten von
xCv) , die schon bekannt sind, an Stelle der entsprechenden Komponenten
von x(v-1) zu verwenden. Praktisch heiBt das: Die Komponenten von xCv)
liberspeichern sofort die Komponenten von x(v-1). Das spart auf jeden
Fall Speicherplatz und vereinfacht das programm. In vie len wichtigen
Fallen (es gibt auch gegenteilige Beispiele, siehe Varga 1962, Kap.3)
konvergiert das neue Verfahren besser als das ursprlingliche Verfahren.
Man bezeichnet das neue Verfahren als Einzelschrittverfahren und das
ursprlingliche im Gegensatz dazu als Gesamtschrittverfahren. Durch Def ini-
tion eines modifizierten Operators T laBt sich das Einzelschrittver-
fahren wieder als Gesamtschrittverfahren deuten.
Bevor wir den Operator T formelmaBig definieren, wollen wir einen
wichtigen Spezialfall naher untersuchen.

Beispiel 17.22: Es sei

T(x) (L+U)x + b

mit

L: strenge untere nxn-Dreiecksmatrix (Diagonale identisch Null)


U: strenge obere nxn-Dreiecksmatrix (Diagonale identisch Null)
b E mn.

Das zugeh6rige Gesamtschrittverfahren

xCv) = T(x(v-1)) = (L+U)x(v-1) + b


290

heiBt auch Jacobi- Verfahren und konvergiert nach Satz 17.7 fUr

p (L+U) < 1 •

Das Einzelschrittverfahren laBt sich nach dern oben Gesagten durch die
Vorschrift

charakterisieren. Es wird als ~3-Seidel-Verfahren bezeichnet. Man


kann es formal wieder als Gesamtschrittverfahren schreiben:

(I-L)X(V) Ux (v-1) + b

Nach Satz 17.7 konvergiert das Verfahren fUr

-1
p((I-L) U) < 1.

In der folgenden Form wird die ~hnlichkeit der beiden Verfahren deut-
licher.
Jacobi-Verfahren:

X(V) = x(v-1) - [(I-L-U)X(v-1) - b]

GauB-Seidel-Verfahren:

Definition 17.23: Es sei

der zu einem Gesamtschrittverfahren gehorige Fixpunktoperator mit den


Komponentenabbildungen

i 1(1)n.

Wir definieren rekursiv die Komponenten t.1. einer Abbildung


~ n n
T:GcJR ->JR

durch die Vorschrift:


291

fUr j < i

sonst.

Dann ist durch

v=1(1)oo

das zu T gehorige EinzeLsehrittverfahren definiert. Wir schreiben dafUr


auch haufig

Das soll heiBen: x(v) berechnet sich mit Hilfe der Abbildung Taus
x(v-1); soweit bekannt, werden bei der Rechnung aber schon die Kompo-
nenten von x ( v ) verwendet. c

Der folgende Satz zeigt einige wesentliche Zusammenhange zwischen


Gesamt- und Einzelschrittverfahren auf.

Satz 17.24: Es seien T und T wie in Definition 17.23 bestimmt. x* sei Fixpunkt
von T. Dann giU:

( 1) x* ist Fixpunkt von T.


(2) Wenn T in x* stetig ist, so ist aueh T in x* stetig.
(3) Wenn T in x* differenzierbar ist, so ist aueh T in x* differenzierbar. Die
Funktionalmatrix von T sei im Punkt x* wie foLgt zerlegt:

T' (x*) = D - R - S

D (d ij ) Diagonalmatrix

R (r ij ) strenge untere Dreieeksmatrix

S = ( s i j) strenge obere Dreieeksmatrix.

Dann LaBt sieh die Funktionalmatrix von T im Punkt x* wie foLgt zusammensetzen:

T' (x*) = (I+R) -1 (D-S) .


292

Beweis: zu (1) und (2): folgt unmittelbar aus der Definition von T.
zu (3): Nach der rekursiven Definition der ti ~ilt im Fixpunkt:

i-1
a.t.(x*) L a t. (x*) a.t (x*) (j < i)
J 1 ].1 1 J ].1
].1=1

a .t. (x*) a t.(x*)a.t (x*) + a.t.(x*)


].1 1 J ].1 J 1
(j > i) .
J 1

Das bedeutet in beiden Fallen

i-1
- L r. a.t (x*) + d iJ· - siJ' (i,j 1 (1 ) n)
].1=1 1].1 J ].1

Hieraus folgt:

T'(x*) = - R T'(x*) + D - 8

T' (x*) = (I+R) -1 (D-8). c

Das in Beispiel 17.11 behandelte Verfahren hatte die Form

T(x) = x - J(x)F(x) .

Das zugeh6rige Einzelschrittverfahren ist

Die Funktionalmatrix dieses Verfahrens laBt sich fUr einen 8pezialfall


mit Hilfe von 8atz 17.24 angeben. Dies hat auch Bedeutung fUr das in
Kap. 19 entwickelte 80R-Verfahren fUr nichtlineare Gleichungssysteme.

8atz 17.25: Es seien

und J wie in Hilfssatz 17.10 bestimmt. J (x) sei aberdies eine Diagonalmatrix. Die
FunktionaZmatrix von F im Punkte x* sei zerZegt in

F' (x*) = D* - R* - 8*

D*: DiagonaZmatrix
293

R*: strenge untere Dreieoksmatrix

S*: strenge obere Dreieoksmatrix .

Dann ZaBt sioh die FUnktionaZmatrix des EinzeZsohrittverfahrens

im Punkte x* wie foZgt darsteZZen:

T' (x*) = [I - J(X*)R*]-1 [I - J(x*)P' (x*) - J(x*)R*]


-1
I - [I - J(x*)R*] J(x*)P' (x*) .

Beweis: Nach Hilfssatz 17.10 berechnet sich die Punktionalmatrix des


zugehorigen Gesamtschrittverfahrens zu

T' (x*) I - J(x*)P' (x*) = I - J(x*) (D*-R*-S*)

[I - J(x*)D*] + J(x*)R* + J(x*)S* .

Die letzte Summe stellt eine Aufspaltung von T' (x*) in Diagonal-, untere
und obere Dreiecksmatrix dar. Die Anwendung von Satz 17.24 ergibt:

T' (x*) [I - J(X*)R*]-1 [I - J(x*)D* + J(x*)S*]


-1
[I - J(x*)R*] [I - J(x*)P' (x*) - J(x*)R*]

I - [I - J(X*)R*]-1 J (x*)p' (x*). a

Bemerkung 17.26: statt des Iterationsverfahrens

wird gelegentlich auch das Verfahren

verwendet. Man kann zeigen, daB die beiden Verfahren im Pixpunkt die
gleiche Ableitung besitzen. Es ergibt sich darum lokale Konvergenz fur
be ide Verfahren oder fur keines. Das heiBt nicht, daB die Einzugs-
bereiche gleich sind. a
294

18 Oberrelaxationsverfahren fOr lineare Gleichungssysteme

In diesem Kapitel besprechen wir ein spezielles Iterationsverfahren


zur numerischen Lasung von groBen linearen Gleichungssystemen. Es
handelt sich urn das von Young entwickelte Verfahren der tlberrelaxation
(vgl. Young 1950, 1971). Dieses ist sehr beliebt, da es bei gleichem
Programmierungsaufwand wie das GauB-Seidel-Verfahren (siehe unten oder
vgl. Beispiel 17.22) in vielen wichtigen F!llen wesentlich besser
konvergiert.

Definition 18.1: GauJ.3-Seidel-Verfahren, tlberrelaxationsverfahren oder SOR.


Es sei A E MAT (n, n, IR) regul!r und b E IRn. Die Zerlegung

A D-R-S

heiBt Dreieckszerlegung von A, wenn gilt:

R: strenge untere Dreiecksmatrix


S: strenge obere Dreiecksmatrix

D: regul!re Matrix
L D- 1R: strenge untere Dreiecksmatrix
U D- 1S: strenge obere Dreiecksmatrix •

Zur Lasung der Gleichung Ax = b definieren wir die Iterationsverfahren:


(1) Gaui.3-Seidel-Verfahren:

(v 1(1)00)

oder

(v 1(1)00) .

(2) tlberrelaxation (englo successive overrelaxation =SOR):


x(v) = x(v-1) _ wD- 1 (DX(v-1)_Rx(v)_Sx(v-1)_b)

x(v-1) _ w(x(v-1)_Lx(v)_ux(v-1)_D- 1b)

wEIR fest und v = 1(1)00.

w heiBt Relaxationsparameter. 0
295

Bei der Zerlegung A =D - R - S kann D z.B. eine Diagonalmatrix sein.


Lund U sind dann jedenfalls strenge Dreiecksmatrizen. Bei unserer
Definition der Verfahren ist aber auch zugelassen, daB D mehr als die
Diagonale von A umfaBt.
Falls D eine Diagonalmatrix ist, kann man die Verfahren auch wie
folgt schreiben:

Fur w = 1 fallt das Uberrelaxationsverfahren mit dem GauB-Seidel-


Verfahren zusarnrnen. Fur w > 1 sind die Xnderungen pro Iterationsschritt
groBer als beim GauB-Seidel-Verfahren. Daher versteht sich der Name
Uberrelaxation. Er wird aber auch fur w < 1 benutzt. Die Konvergenz
ist fur w > 1 in vielen wichtigen Fallen wesentlich besser als fur
w = 1 (siehe Satz 18.11).
Fur theoretische Untersuchungen ist es zweckrnaBig, die genannten
Verfahren auf aquivalente Gesarntschrittverfahren urnzuschreiben. Dazu
dient der folgende Hilfssatz. Fur die praktische Rechnung ist diese
Transformation ohne Bedeutung.

Hilfssatz 18.2: Es seien A E MAT(n,n,lR) dreieckszerlegt, b E lRn und

if I - w(D-wR) -1 A (I-wL) -1 [(l-w)I+wU].


w

Dann ergibt das Verfahren

v=l(l)=

die gZeiche FoZge x(v) wie das uoerreZaxationsverfahren

v=l(l)=.

Beweis: Eine einfache Umschreibung des Uberrelaxations-Verfahrens


ergibt

(I-WL)X(V)

Da L eine strenge untere Dreiecksmatrix ist, ist die Matrix I - wL


invertierbar. Es folgt
296

xiv) = (I-wL)-1 [(1-w)I + wU]x(v-1) + w(D-wR)-1 b •

Weitere umformung ergibt:

(I-wL) -1 [(1-w)I + wU] (I-wL) -1 D-1 D[ (1-w) I + wU]

(D-wR)-1 [(1-w)D + w(D-R-A)]

(D-wR)-1 [(D-wR) - wA]

[J

Der folgende Satz schrankt den Relaxationspararneter w auf das Intervall


(0,2) ein, da der Spektralradius p(~) flir alle anderen Werte von w
w
groBer gleich 1 ist. Flir die Konvergenz des Verfahrens benotigt man
nach Satz 17.7 aber p(~)
w
< 1.

Satz 18.3: Mit den Vora:ussetzungen und Bezeichnungen von HUfssatz 18.2 gilt:

Beweis: Nach Hilfssatz 18.2 gilt die Darstellung

-1
2'w = (I-wL) [(1-w)I + wU]

~ ist also das Produkt von zwei Dreiecksmatrizen. Da die Determinante


w
einer Dreiecksmatrix das Produkt der Diagonalelemente ist, haben wir

det(I-wL) -1 1/det(I-wL) = 1

det [(1-w)I + wU] = (1_w)n •

Die Behauptung (1) folgt nun aus dern Determinantenrnultiplikationssatz.


Zum Beweis von (2) ist zu beachten, daB die Determinante einer
Matrix das Produkt der Eigenwerte ist. Nach (1) ist aber der Betrag
mindestens eines Eigenwertes groBer gleich als 11 - wi. [J

Der nachste Satz liefert eine positive Aussage liber die Konvergenz des
Uberrelaxationsverfahrens. Dabei ist die wesentliche Voraussetzung, daB
die Matrix A syrnrnetrisch und positiv definit ist. Dies ist bei vie len
Diskretisierungen von Differentialgleichungen erflillt (vgl. Kap. 13 und
Kap. 14). Die Voraussetzung liD syrnrnetrisch und positiv definit" ist
297

nicht notwendig, wenn D eine Diagonalffiatrix ist. Die Diagonale einer


symmetrischen und positiv definiten ~~trix ist namlich immer positiv
definit. Auch wenn D mehr als die echte Diagonale von A umfaBt, ist in
den Anwendungen D doch meistens symmetrisch und positiv definit.

Satz 18.4: Ostrowski (vgl. Ostrowski 1954).


Es seien A E MAT(n,n,lR) dreieakszerZegt und
-1
Yw = I - w(D-wR) A

ZustitzZia L fordern wir:

(a) A und D symmetrisah und positiv definit

(b) w E (0,2)

Dann giZt:

SpektraZnorm)

(2) p (Yw ) < 1

(3) AUe AbbiZdungen

T(x) = Yx + C
w

sind kontrahierend in del' Vektornorm

II xiiA = (xTAx) 1/2 .

(4) Filr jede FoZge {wili E IN} mit wi E (0,2) und

lim sup wi < 2


i......,

lim inf wi >


i......,
°
giZt

lim
i......,
II Y
wi
Y
wi - 1
••• Y w
1
112 = °.
In (1) bezeiahnet A 1 /2 die symmetrisahe und positiv definite Matrix, deren Quadrat
A ist.

Beweis: zu (1): Es sei

M = (D-wR)/w = 10
w
- R .
298

Dann ist

Wir bilden

Die rechts stehende Klammer laBt sich we iter umformen:

MT + M - A = lD
w
- RT + lD - R - D + R + RT
w
= (~-
w
1)D

Diese Matrix ist symmetrisch und positiv definit. Sie hat darum eine
symmetrische und positiv definite Wurzel, die wir mit C bezeichnen.
Es folgt

mit

Die Matrizen BBT und UUT sind symmetrisch, positiv semidefinit und
auBerdem simultan diagonalisierbar. Darum gibt es zu jedem Eigenwert
A von BB Te~nen
, ,
E~genwer t ~ von UUT m~'t

Aile Eigenwerte A,~ sind nichtnegativ. Weil U und damit auch UUT
regular ist, folgt auBerdem ~ > o. Somit erflillen aile Eigenwerte von
BBT die Ungleichung 0 < A < 1. Daraus folgt

II B II 2 = [p (BB T) ]1 / 2 < 1 •

zu (2): Da die Matrizen B und 2'w ahnlich sind, besitzen sie die gleicher
Eigenwerte. Daraus folgt mit (1)

zu (3): Es gilt
299

2 ~ 2 T
II T(x) - T(y) IIA II y
OJ (x-y) II A = [2'OJ (x-y)] A[2'OJ (x-y) ]

(x-y) T A1/2 (BTB) A1/2 (x-y) .

Dabei ist

die schon im Beweis zu (1) verwendete Matrix. BBT und BTB haben die
gleichen Eigenwerte. Somit erfUllt der groBte Eigenwert von BTB nach
dem Beweis zu (1) die Ungleichung

Am = max {AlA Eigenwert von BTB} < 1 .

Insgesamt folgt:

2 T 2
II T(x) - T(y) IIA < Am(x-y) A(x-y) Am il x - yll A

II T(x) - T(y) IIA ~ yy:;; II x - yilA .

zu (4): Nach dem Beweis von (3) gilt fUr aile OJE(O,2)

Dabei hangt II YOJ II A und vr;;


i. allg. von OJ ab. Die Norm II . II A hangt
jedoch nicht von OJ abo Wir betrachten II2'OJII A als Funktion von OJ. Diese
Funktion ist stetig und nimmt in jedem Intervall [a,b] mit 0 < a < b < 2
ihr Maximum an. Es ist

a = max 112'IIA < 1.


OJE[a,b] OJ

Die Grenzen a,b seien so gewahlt, daB aile Glieder der Folge {OJ. !iElli}
1
im Intervall [a,b] liegen. Dann kann man abschatzen:

i
< a (iElli) .

Es folgt

limll2'Y Y II = 0 .
i->oo OJ i OJ i - 1 OJ 1 A

Wegen der Aquivalenz der Normen in endlich-dimensionalen Vektorraumen


gilt die Behauptung auch fUr die Norm II .11 2 . 0
300

Im AnschluB an den Beweis wollen wir noch einige Anmerkungen zum


Verstandnis des Satzes machen.

Bemerkung 18.5: Aus Beispielen weiB man, daB im allgemeinen die


Spektralnorm

von ~w nicht kleiner als 1 ist. Deshalb konvergiert das SOR-Verfahren


in der Vektornorm II .11 2 nicht notwendig monoton. Eine monotone Kon-
vergenz ist nach (3) aber immer in der Vektornorm II • II A gegeben. c

Bemerkung 18.6: Die Behauptung (4) bedeutet, daB das Uberrelaxations-


Verfahren auch konvergiert, wenn man w von Schritt zu Schritt andert.
Solche niahtstationliren Verfahren sind in der Praxis durchaus iiblich.
Xhnlich wie im Beweis zu (4) kann man die Konvergenz des Verfahrens
auch beweisen, wenn man die Matrix 0 von Schritt zu Schritt andert.
Man muB dabei nur in einer festen Menge

bleiben. Das Ungleichheitszeichen ist komponentenweise zu verstehen.


SchlieBlich ist die Konvergenz sogar gewahrleistet, wenn die Reihen-
folge der Gleichungen und Unbekannten von Schritt zu Schritt permutiert
wird (siehe Satz 19.13). c

Bemerkung 18.7: Das SOR-Verfahren ist wie jedes Einzelschrittverfahren


definitionsgemaB wesentlich von der Reihenfolge der Gleichungen abhangig
Man beachte aber, daB die Voraussetzung (a) des Satzes 18.4 richtig
bleibt, wenn man die Reihenfolge der Gleichungen vertauscht. Es sei P
eine beliebige Permutationsmatrix. Dann sind namlich mit A und 0 auch
PAP- 1 und PDP- 1 symmetrisch und positiv definit. Die Konvergenz des
Verfahrens ist damit bei symmetrischen und positiv definiten Matrizen
unabhangig von der Reihenfolge der Gleichungen gesichert. Die Konver-
genzgeschwindigkeit ist dagegen. von der Reihenfolge der Gleichungen
abhangig. In gewissen Spezialfallen lassen sich besonders giinstige
Anordnungen charakterisieren (siehe Satz 18.11 von Young). Bei Abwei-
chungen benotigt man in ungiinstigen Fallen die doppelte Anzahl von
Iterationsschritten. c

Definition 18.8: Eine Matrix B€MAT(n,n,lR) heiBt sahwaah zykZisah vom


Index 2, wenn es eine Permutationsmatrix P, eine Matrix B1 €MAT(q,n-q,lR)
und eine Matrix B2 €MAT(n-q,q,lR) gibt mit
301

P B p- 1 = ($)-
B heiBt konsistent geordnet, wenn die Eigenwerte der Matrix

aL + .lu
a

nicht von a abhangen. Dabei sei B zerlegt in

B L + U

mit

L: strenge untere Dreiecksmatrix

U: strenge obere Dreiecksmatrix. 0

Beispiel 18.9: Falls B schon die Form

hat, ist B schwach zyklisch vom Index 2 und konsistent geordnet.


Zum Beweis set zen wir in Blockschreibweise an:

Daraus folgt:

Mit

ergibt sich
302

[J

Beispiel 18.10: Falls B blocktridiagonal (vgl. Kapitel 13) mit ver-


schwindenden Diagonalblocken ist, so ist B schwach zyklisch vom Index
2 und konsistent geordnet.
Bei dem folgenden Beweis beschranken wir uns auf tridiagonale
Matrizen. Wir wahlen die Permutat~on, die alle Zeilen und Spalten mit
ungerader Nummer an den Anfang setzt. Danach folgen die Zeilen und
Spalten mit gerader Nummer. Die Permutationsmatrix P ist z.B. fur n 5:

10000
00100
P 00001
o 1 000
00010

Damit ergibt sich

PBP- 1

Nun ist noch zu zeigen, daB B in der ursprunglichen Ordnung konsistent


geordnet ist. Es sei x E IRn Eigenvektor von B = L + U zum Eigenwert A:

Daraus folgt:

i-1
Aa x.
~

Dies bedeutet, daB der Vektor

Eigenvektor von aL + a U zum gleichen Eigenwert A ist. [J

Wir kommen jetzt zum Satz von Young. Seine Bedeutung liegt darin, daB
er den Verlauf der Funktion p(Yw) im Intervall (0,2) genau beschreibt.
303

Diese Informationen sind wichtig, urn ein W zu bestimmen, fur das das
SOR-Verfahren moglichst schnell konvergiert.

Satz 18.11: Young.


Es seien A E MAT (n, n, lR) d:r!eieckszerlegt und Y I - W (D-wR) -1 A • Die Matrix
W

B = D- 1 (R+S) L + U

mit 8 = p (B) und wb 2/[1 + (1-8 2 ) 1/2] sei sctMach zyklisch vom Index 2 und
konsistent geordnet. Zusatzlich fordern wir:

(a) Alle Eigenwerte von B sind reell und es ist 8 < 1

oder
(b) A und D sind syrrenetrisch und positiv definit.

Dann gilt:

(2) p(2') > p(Y ) (wE(O,2»


W - wb

1-w+~w28 2+W8;' -w +tw2 8 2 '


(3) p C9"w) = {
w-1 fUr

(4) FUr w < ~ ist p(~) Eigenwert von ~. Er ist einfach. wenn 8 ein einfacher
Eigenwert von B ist. Alle anderen Eigenwerte von ~ sind fUr w < wb betraglich
kleiner. FUr w > wb haben alle Eigenwerte von Y den Betrag W - 1.
- w

Beweis: Wir gliedern den Beweis in eine Reihe von Zwischenbehauptungen:

(i) Alle Eigenwerte von B sind reeU.


Beweis: Wenn die Voraussetzung (a) nicht gilt, so sind nach (b) die
Matrizen A und D symmetrisch und positiv definit. Damit ist auch

symmetrisch und besitzt folglich nur reelle Eigenwerte. Weil B und B


ahnlich sind, hat auch B nur reelle Eigenwerte.

(ii) Mit IJ ist auch -IJ Eigenwert von B.

Beweis: Weil B konsistent geordnet ist, hat


304

die gleichen Eigenwerte wie B.


(iii) FiJ.p beliebige z,w,E a: haben die Matrizen

zL + wU

und

±VzW' (L+U)

die gleiahen Eigenwerte.


Beweis: Fur z =0
oder w = 0 ist die Behauptung klar, da dann zL + wU
eine strenge obere oder untere Dreiecksmatrix ist. Ihre Eigenwerte sind
aIle Null. Es seien deshalb z 0 und w * *
O. Dann konnen wir umformen:

zL + wU = VZW[(z/w) 1/2 L + (z/w) -1/2 U].

Weil B konsistent geordnet ist, hat die eckige Klammer die gleichen
Eigenwerte wie L + U. Damit folgt die Behauptung unter Berucksichtigung
von (ii).
(iV) FiJ.p beliebige z,w,y E a: gilt:

det (yI-ZL-wU) = det (YU/ZW(L+U))

Beweis: Die Determinante einer Matrix ist das Produkt ihrer Eigenwerte.
(V) FiJ.p w E (0,2) und A E a: gilt:

det (AI-2"w) = det (Hw-1l I ± wv'AB) •

Beweis: Aus der Darstellung

2" = (I-wL)-1 [(1-w)I + wU]


w

folgt

det (AI - (I-wL)-1 [(1-w)I + wU])

det (I-WL)-1 (AI-AWL-(1-w)I-WU))

Wegen

det (I-wL)
305

ergibt sich weiter:

det (AI-~w) = det (AI - AwL -(1-w)I - WU)

det ((A+w-1)I - AwL - wu) .

Hieraus folgt mit (iV) die Behauptung.


(Vi) Aus S = p(B) = 0 folgt fUr alle w E (0,2)

Beweis: Da die Determinante einer Matrix das Produkt ihrer Eigenwerte


ist, folgt fUr p(B) = 0 aus (V)

(Hw-1) n •

Dabei sind Ai' i = 1 (1)n die Eigenwerte von ~w. Hieraus ergibt sich
unrnittelbar die Behauptung.
(Vii) Es seien w E (0,2), ).I E ill und A E <1:, A * O. tI'berdies gelte

(Hw-l) 2 = Aw).l
2 2 •

Dann ist ).I genau dann Eigenwert von B, wenn A Eigenwert von ~ ist.
w
Beweis: Die Behauptung folgt mit Hilfe von (V):

det (AI-~) = det (±w).lV'X'I±wV'X'B)


w

\Vir kornrnen j etzt zurn Beweis der Aussagen (1) - (4):

zu (1): Nach (Vii) ist ).I *


0 genau dann Eigenwert von B, wenn ).12 Eigen-
wert von ~1 ist. Also ist S2 = P(~1). (a) irnpliziert S2 < 1 und (b)
nach Satz 18.4(2) P(~1) < 1.
zu (2): Die Behauptung p (if') > p (if'w ) folgt durch Kurvendiskussion
w - b
der in (3) angegebenen reellwertigen Funktion f(w) p (~) irn Inter-
w
vall (0,2) (vgl. auch Bernerkung 18.13).
zu (3), (4): Wir lasen die in (Vii) angegebene Gleichung

2 2 2
(Hw-l) - AW)J = 0

nach A auf:
306

2
A -
1 2
2A(1-w+'2w jl
2
) + (w-1)
2
= °
1 - W + '21 W
2 2
jl ± wjl
1
(1-w+'4 W
2
jl
2 1/2
)

FUr wE[w b ,2) ist der Radikand der Wurzel fUr aIle Eigenwerte jl von B
nicht positiv:

Deshalb gilt fUr aIle Eigenwerte A von Yw:

2
(w-1 )

IAI = W - 1 •

Daraus folgt

Wir betrachten nun den Fall wE(O,w b ). Auch dann kann es Eigenwerte jl
von B geben, fUr die der Radikand der obigen Wurzel nicht positiv ist.
Fur die zugehorigen Eigenwerte A von Yw gilt wieder IAI = w - 1. Es
gibt aber mindestens einen Eigenwert von B (namlich jl = S), fUr den
der Radikand der Wurzel positiv ist. Wir betrachten die Gesamtheit
aller dieser Eigenwerte von B. Die z.ugehorigen Eigenwerte A von ~
sind reell. FUr das positive Vorzeichen der Wurzel ergibt sich der
betragsgroBere Eigenwert. FUr

wachst die Funktion

1 2 2 1 2 2 1/2
1 - w + 2" w jl + Wjl (1-w+'4 W jl )

monoton mit jl. Das Maximum erhalt man darum fUr jl = S. Es folgt

p(YW ) ist nach (Vii) Eigenwert von Y w ' Aus der Monotonie folgt auch,
daB p(Yw) einfacher Eigenwert von Yw ist, falls S = p(B) einfacher
Eigenwert von B ist. AIle anderen Eigenwerte von Yw sind betraglich
kleiner. 0
307

Bemerkung 18.12: In der Literatur wird die Matrix A 2-zyklisch genannt,


wenn B schwach zyklisch vom Index 2 ist. LaSt man als Matrix D andere
Matrizen als die echte Diagonale von A zu, so hangt B nicht nur von A,
sondern auch von der speziellen Wahl von Dab. Deshalb erschien es uns
richtiger, die Voraussetzungen unmittelbar an die Matrix B zu stellen. c

Bemerkung 18.13: Die Behauptung (1)' des Satzes von Young besagt, daB
das GauB-Seidel-Verfahren asymptotisch doppelt so schnell wie das
Jacobi-Verfahren konvergiert. Die Konvergenzgeschwindigkeit des Uber-
relaxationsverfahrens ist fur W Wb in vielen wichtigen Fallen aber
noch erheblich groBer als fur W 1 (vgl. Tabelle 18.20 in Beispiel
18.15).
In (3) wird der Verlauf der Funktion p (2') fur W E (0,2) genau
W
beschrieben. Eine Kurvendiskussion ergibt, daB sie von 0 bis wb fallt.
Der Grenzwert der Ableitung fur W ~ wb - 0 ist - =.Im Intervall (w b ,2)
steigt die Funktion linear an (vgl. Abbildung 18.14).

/ I
/ I
/ I
/ I
/ I
/ I

Abb. 18.14. typischer Verlauf von p(2'w)

Wb laSt sich leicht berechnen, wenn S = p(B) bekannt ist. Das ist aber
vor Beginn der Iteration nur in Ausnahmesituationen der Fall. In der
Regel wird man wb wahrend der Iteration naherungsweise bestimmen. Dazu
beginnen wir die Iteration mit einem Startwert Wo E[1,w b ):

Fur die Losung x* des Gleichungssystems gilt

x*
308

Daraus folgt

Nach (4) ist AO = p(~wo) Eigenwert von ~wo. Er ist einfach, wenn 8=p(B)
einfacher Eigenwert von B ist. Dafur ist nach einem Satz von Peppon-
Fpobeniu8 (vgl. Varga 1962) z.B. hinreichend, daB die Elemente von B
nicht negativ sind und daB B irreduzibel ist. Wir nehmen nun an, daB
AO einfacher Eigenwert von ~wo zum Eigenvektor e ist. Dann laSt sich
mit der Potenzmethode eine Naherung fur 8 = p (B) berechnen.
Fur hinreichend groBe v gilt:

xCv) - x* F::j a e
v

x(v+1) - x* F::j
Aoave

x
(v+2) - x* F::j
A2 a e
0 v

Daraus folgt:

Mit der Gleichung

laBt sich ein Naherungswert 62 fur 82 bestimmen. Nun berechnet man wb


-

nach der Formel

und setzt die Iteration mit wb fort.


Der startwert Wo muE deutlich unter wb liegen, da sonst die Betrage
der Eigenwerte von ~wo zu nahe zusammenrucken (vgl. Formel in 18.11 (3))
und die beschriebene Potenzmethode nur sehr langsam konvergiert.
309

Wb sollte man aber eher naeh oben aufrunden, weil die Funktion p(~w)
fur W > wb weniger raseh waehst als fur W < wb (vgl. Abbildung 18.14).
Es empfiehlt sieh, die Differenz 2 - wb urn etwa 10% zu verringern. c

Im folgenden Beispiel vergleiehen wir in einem wiehtigen Spezialfall


die Konvergenzgesehwindigkeit des Jaeobi-, GauB-Seidel- und des tiber-
relaxations-Verfahrens fur W = wb .

Beispiel 18.15: Mode Uprob lem.


Die Funf-punkt-Diskretisierung der Aufgabe

L'lu(x,y) = q(x,y) ((x,y)EG = (0,1)2)

u(x,y) = 1jJ(x,y) ((x,y) EaG)

fuhrt auf ein lineares Gleiehungssystem mit der Koeffizientenmatrix

2 2
EMAT (N , N , lR) •
A

Dabei ist

-4 \
\
\
1\ -4 \
, \
\
1 EMAT(N,N,lR)

'1 ""'4

N + 1 = 1/h .

Die Eigenwerte von A sind gemaB Kap. 13

A
v~
= -2(2 - eosvhn - eos~hn) , v,~ 1 (1)N •

A sei dreieekszerlegt in

A =D - R - S mit D -4·1 •

Die Iterationsmatrix

des Jaeobi-Verfahrens hat die Eigenwerte 1 + ~ AV~ Somit ist


310

Nach Satz 18.11 (Young) ergibt sich weiter:

2
p (2'1) = fl

W
b
= 2/(1+/1-fl 2 ') = 2/(1+sin hll)

In Tabelle 18.16 sind fl, P(2'1) , wb und p(2'w b ) fur verschiedene Schritt-
weiten dargestellt.

Tabelle 18.16. Spektralradien und wb

h fl p (2'1 ) wb p (2'w b )

1/8 0.92388 0.85355 1.4465 0.44646


1/16 0.98079 0.96194 1.6735 0.67351
1/32 0.99519 0.99039 1.8215 0.82147
1/64 0.99880 0.99759 1.9065 0.90650
1/128 0.99970 0.99940 1.9521 0.95209
1/256 0.99993 0.99985 1.9758 0.97575

Es sei nun

der absolute Fehler der v-ten N~herung eines Iterationsverfahrens

x(v+1l = Mx(v) + C

Dabei sei Meine beliebige Matrix und

x* = Mx* + C •

lim II MV 111/v = p (M)


v--

gibt es zu jedem n > 0 ein VoElN, so daB


311

II e: (\!) II ~ (p (M) +n) \! II e: (0) II

Die Forderung

II e:(m) II < ~ II e:(0) II

fuhrt somit auf die fur praktische Zwecke hinreichend genaue Naherungs-
formel
,
m
log e: (18.17)
log p (M)

Insgesamt ergeben sich die folgenden Beziehungen fur die Itera-


tionszahlen der oben betrachteten Verfahren:

mJ log ~
Jacobi: s:,;
_h 2 1!2/2

GauB-Seidel (Ol=1): m1 s:,;


log ~ (18.18)
_h 2 1!2

Uberrelaxation (Ol=Ol b ): log ~


m s:,; -2h1!
Olb

Dabei wurden die exakten Formeln fur die Spektralradien durch ihre
oben angegebenen Naherungen ersetzt. Das Jacobi-Verfahren benatigt also
fur eine gleiche Endgenauigkeit die doppelte Iterationszahl des GauB-
Seidel-Verfahrens.
,
In der Praxis fordert man haufig e: 1/1000. Wegen

log 1/1000 = -6.91

ergibt sich:

m1 s:,; --2-
6.91 h-2
1!

6.91 h-1 1.1/h (18.19)


s:,; 2'i[

m1 /m s:,; 0.64/h •
Olb

In Tabelle 18.20 sind m1 , h 2m1 , mOlb , hmOlb und m1/m Olb fur verschiedene
Schrittweiten dargestellt. Zur Berechnung dieser GraBen wurden die
312

exakt berechneten Spektralradien und die Formel (18.17) verwendet. Man


sieht, daB die Faustformeln (18.18), (18.19) ebenfalls genau genug sind

Tabelle 18.20. Schrittzahlen fUr Fehlerverringerung auf 1/1000

h m1 2
h m1 m hm m1/m
wb wb wb

1/8 43 0.682 8 1.071 5


1/16 178 0.695 17 1.092 10
1/32 715 0.699 35 1.098 20
1/64 2865 0.700 70 1.099 40
1/128 11466 0.700 140 1.099 81
1/256 45867 0.700 281 1.099 162

Beim Jacobi- und beim GauB-Seidel-Verfahren werden pro Iterations-


schritt 4N 2 Gleitkomma-Operationen benotigt. Das Uberrelaxationsver-
fahren benotigt dagegen 7N 2 Operationen. Mit (18.19) folgt fUr die
insgesamt erforderliche Anzahl (~=1/1000):

Jacobi: 1.4 4N4 Rj 6N 4

GauB-Seidel (w=1) : 0.7 4N4 Rj 3N 4

Uberrelaxation (w=w b ) : 1.1 7N 3 Rj 8N 3 .


Das Modellproblem eignet sich vorzUglich zu einem theoretischen
Vergleich der drei genannten Iterationsverfahren. Die praktische
Erfahrung zeigt, daB sich die Relationen bei komplizierten Aufgaben
nicht wesentlich andern. Es gibt aber wesentlich schnellere direkte
Verfahren zur Losung des Modellproblems (vgl. Kapitel 21, 22). SOR
empfiehlt sich daher nur fUr Nichtrechteckgebiete, fUr Differential-
gleichungen mit variablen Koeffizienten und fUr gewisse nichtlineare
Differentialgleichungen. c

19 Oberrelaxationsverfahren fOr nichtlineare Gleichungssysteme

In diesem Kapitel Ubertragen wir das Uberrelaxationsverfahren auf nicht


lineare Gleichungssysteme. Das Hauptergebnis ist eine Veralolgemeinerung
313

des Satzes von Ostrowski, die die globale Konvergenz des Uberrelaxa-
tionsverfahrens und einiger Varianten sichert·.
Im folgenden sei G stets eine offene Teilmenge des IRn.

Definition 19.1: SOR-Verfahren fUr niehtlineare Gleichungssysteme.

Es sei F E c 1 (G,IRn ). F besitze eine Funktionalmatrix mit einer stets


invertierbaren Diagonalen D (x). Dann definieren wir das UberreZ=ations-
oder SOR-Verfahren zur Losung der nichtlinearen Gleichung

F(x) =0
in Verallgemeinerung des Verfahrens aus Definition 18.1:

x(O)EG

(19.2)
w E (0,2) , v=1(1)co.

ortega-Rheinboldt 1970 nennen es Einschritt-SOR-Newton-Verfahren. a

Falls F eine Nullstelle x*E G besitzt, ist x* Fixpunkt von T. Es


ergeben sich sofort die folgenden Fragen:
(1) Wann ist x* anziehend?
(2) Wie soll der Relaxationsparameter w gewahlt werden?
(3) Unter welchen Voraussetzungen konvergiert das Verfahren global,
d.h. fUr alle Startwerte x(O) E G?
(4) Wie weit kann die aufwendige Bildung der partiellen Ableitungen
von F vermieden werden?
(5) Gibt es ahnliche Verfahren, wenn F nicht differenzierbar ist?
Eine Antwort auf die erste und zweite Frage laBt sich mit Hilfe
der Satze 17.8, 17.25 sofort geben.

Satz 19.3: Die FunktionaZmatrix von F im Punkte x* sei cbeieekszerZegt (vgL


Definition 18.1) in

FI (x*) = D* - R* - S* .

Dabei sei D* eine (invertierbare) DiagonaZmatrix. Dann foZgt aus


314

P(I - w[D* - wR*]-1 FI(X*)) < 1 ,

dafJ x* anziehend ist.

Beweis: Nach Satz 17.25 gilt

I - [I - w(D*)-1 R*]-1 w(D*)-1 F'(x*)

-1
= I - w[D* - wR*] F' (x*)

Die Behauptung folgt somit aus Satz 17.8. 0

Das SOR-Verfahren fUr nichtlineare Gleichungen hat lokal das gleiche


Konvergenzverhalten wie das SOR-Verfahren fUr lineare Gleichungen.
Die Matrix

I - w[D* - wR*]-1 F' (x*)

entspricht namlich der Matrix ~w aus Hilfssatz 18.2. Damit Ubertragen


sich die Satze von Ostrowski und Young (Satze 18.4, 18.11) bez. der
lokalen Konvergenz auf den nichtlinearen Fall. Die Konvergenzgeschwin-
digkeit entspricht asymptotisch, d.h. fUr v ~ 00, der Konvergenzgeschwin
digkeit im linearen Fall. Unter den entsprechenden Voraussetzungen kann
das optimale w wie in Bemerkung 18.13 bestimmt werden. Wenn ein genUgew
genauer Startwert x(O) fur die Iteration zur Verfugung steht, ist die
Situation also praktisch die gleiche wie bei den linearen Gleichungs-
systemen. Dies gilt ebenso fUr das leicht modifizierte Verfahren (vgl.
Bemerkung 1 7 . 26)

Die folgenden Uberlegungen zielen auf eine Verallgemeinerung des


Satzes von Ostrowski hin. Dabei wird die Konvergenz unmittelbar, d.h.
unabhangig von Satz 17.8 bewiesen.
Das Verfahren (19.2) wird noch einmal verallgemeinert, so daB die
Bildung der Diagonalen der Funktionalmatrix F' (x) nicht mehr notwendig
ist. Die Voraussetzung "F differenzierbar" kann durch eine Lipschitz-
Bedingung ersetzt werden. Damit sind auch die Fragen (4) und (5)
positiv beantwortet. In einem wichtigen Spezialfall erhalt man sogar
globale Konvergenz.
315

Definition 19.4: Eine Abbildung F E CO (G, JRn) heiBt Gradientenabbildung,


wenn es ein ~ E C1 (G,JR 1 ) mit folgenden Eigenschaften gibt:

[F(x)] T = (jl'(x) (x E G) •

Wir schreiben F = grad (jl. 0

Fur den Spezialfall einfach zusammenhangender Gebiete G lassen sich die


Gradientenabbildungen mit Hilfe eines bekannten Satzes von Poincare'
charakterisieren (vgl. Grauert-Lieb 1968, Teil III).

Satz .19.5: Poincare'. Es sei G einfach-zusarrunenhi:J:ngend und FEe1 (G,JIf). Dann


ist F genau dann Gradientenabbildung, wenn die Funktionalmatrix F' (x) stets
symmetrisch ist.

Fur uns sind hier nur offene und konvexe Teilmengen des lRn von Inter-
esse. Diese sind immer einfach-zusammenhangend. Wir setzen im folgenden
stets voraus: Gist eine offene und konvexe Teilmenge des IRn.

Definition 19.6: Es sei (jl G ~ IR1 und fur alle x,y E G und alle
aE(0,1)

r(x,y,a) a(jl(x) + (1-a)(jl(y) - (jl(ax+(1-a)y) •

Dann heiBt (jl

konvexe,

bzw. streng konvexe,


bzw. gleichmiifJig konvexe
Funktion, wenn fur alle x,y E G mit x *y und alle aE(0,1) gilt:

r(x,y,a) ::: 0,
bzw. r(x,y,a) > 0,
2
bzw. r(x,y,a) ::: ca(1-a) II x - yl12

Dabei ist c eine nur von (jl abhangige positive Konstante. 0

Der folgende Satz charakterisiert die Konvexitatseigenschaften von (jl


mit Hilfe der zweiten partiellen Ableitungen.

Satz 19.7: Eine Funktion (jl E C2 (G, IR 1 ) ist genau dann konvex - bzw. streng
konvex - bBW. gleichmaGig konvex, wenn die Matrix A(x) der zweiten partieLLen
316

Ableitungen Von cp fUr aUe x E G und aUe z E lR , z


n
*0 den foZgenden
UngZeiahungen genUgt:

ZTA(x)z ~ 0 ( positiv semidefinit) ,

bzw. zTA(x)z > 0 ( positiv definit) ,

bzw. zTA(x)z > - T ( gZeiahmaBig positiv definit in x und z) .


- cz z
Dabei hangt c > 0 nul' von A, abel' niaht von x und z abo

Beweis: FUr x,yE G, x *y definieren wir

p (t) r (x,x+t (y-x) ,ex) , t E[O,1]

Dann ist

p(t) excp(x) + (1-ex) cp(x+t(y-x» - cp(x+t(1-ex) (y-x»

und

p(O) = 0, pi (0) o .
Daraus folgt:

1
p(1) f (1-s)p"(s)ds
o
1 T
p ( 1) (1-ex) f (1-s) (y-x) A(x+s(y-x» (y-x)ds
o
1
- (1-ex)2 f (1-s) (y-x)TA(x+s(1-ex) (y-x» (y-x)ds .
o

Im zweiten Integral kann man -


s (1-ex)s substituieren. AnschlieBend
nennen wir s wieder s und fassen die Integrale zusammen:

1
p(1) f t{s) (y-x)TA(x+s(y-x» (y-x)ds
o

mit

fUr 0 <
- s < 1-ex
T(s)
{"' (1-ex) (1-s) fUr 1 - ex <- s < 1
317

Der Mittelwertsatz der Integralrechnung ergibt mit geeignetem 8 E (0,1)

1 T
r(x,y,a) = p (1) ~ a(1-a) (y-x) A(x+8(y-x» (y-x)

Die Behauptungen des Satzes folgert man nun leicht aus Definition
19.6. D

Wenn ~ nur einmal stetig differenzierbar ist, kann man die Konvexitats-
eigenschaften noch mit Hilfe der ersten Ableitungen nachprufen.

Satz 19.8: Es seien ~ E C1 (G,IR1 ), F = grad~ und

p(x,y) = [F(y) - F(x)]T (y-x) .

~ ist genau dann konvex - bzw. streng konvex - bzw. gleichmaBig konvex, wenn p(x,y)
der folgenden Ungleichung genUgt:

p(x,y) > 0 ,

bzw. p(x,y) > 0 ,


2
bzw. p(x,y) ~ c* Ily - xl12

IJahei hangt c* > 0 nur von F ab.

Beweis: Es sei wieder

p (t) = r(x,x+t(y-x) ,a) (x,y E G, x * y, tE[0,1]) .

Dann ist

pIt) a~(x) + (1-a) ~(x+t(y-x» - ~(x+t(1-a) (y-x»

und
1
p (1) r(x,y,a) Jp'(t)dt
o
1
(1-a) J [F(x+t(y-x» - F(x+t(1-a) (y_x»]T (y-x)dt .
o

Wir haben zu beweisen, daB die Ungleichungen in Satz 19.7 und Definition
19.6 aquivalent sind. Der Kurze halber beschranken wir uns auf die
ungleichungen, die die gleichmaBige Konvexitat betreffen. Es sei also
zunachst stets
318

p(x,y) > c* II y - x 1122

Dann folgt

p(x+t(l-a) (y-x) ,x+t(y-x)) ~ c*a


2t 2 II y - x 1122

[F(x+t(y-x)) - F(x+t(l-a) (y_x))]T (y-x) ~ c*atll y - x II~

1 2
r(x,y,a) > '2 c*a(l-a) II y - x 112

1
Der GroBe c in Definition 19.6 entspricht also hier '2 c*.
Nun sei stets

2
r(x,y,a) ~ ca (1- a) II y - X II 2

Dann gilt:
2
aq:>(x) + (l-a) q:>(y) ~ q:>(x+(l-a) (y-x)) + ca(l-a) II y - xl12

q:>(y) _ q:>(x) >_ q:>(x+(l-a) (y-x))-q:>(x) + ca II y - xl1 2


2
l-a

weil diese Ungleichung fur alle a E (0,1) besteht, erhalt man durch
den Grenzubergang a ~ 1

tp(y) - tp(x) ~ (F(x»T (y-x) + c II y - xll~

Analog gilt naturlich auch

q:>(x) -q:>(y) ~ (F(y))T (x-y) +c Ily-XII;

Die Addition dieser Ungleichungen ergibt

o ~ -[F(y) - F(x)]T (y-x) + 2c II y - xll~ c

Der folgende Satz charakterisiert die Losungsmenge der Gleichung


F(x) = 0, falls F Gradient einer konvexen Abbildung ist.

Satz 19.9: Es sei q:> E c1 (G,rnh konvex und F = gradq:>.


Dann gilt:
(1) Die Niveau-Mengen

N(y,q:» = {x E Glq:>(x) < y}

sind fUr a~~e y E 1R konvex.


319

(2) x* ist genau dann NuUsteUe von F, wenn \p in x* sein gZobaZes Minimum annimmt.
Die Menge aZZer NullstelZen von Fist konvex.

(3) Wenn \p streng konvex ist, besitzt F hOchstens eine NuUsteUe x* in G.

(4) Wenn \p gleichm~ig konvex ist und G = IRn, besitzt F genau eine Nullstelle x*.
Es gilt die Ungleichung

c* II x*11 2 ~ II F(O) 112

Dabei ist c* aie Konstante aus Satz 19.8.

Beweis: zu (1): Es seien a E (0,1) und y,x E N(y,\p) . Dann gilt wegen
der Konvexitat von \p

\P(ax+(1-a)y) ~ a\p(x} + (1-a) \p(y) < ay + (1-a)y y

Also liegt auch ax + (1-a)y in N(y,\P).


zu (2): Es sei x* eine Nullstelle von Fund xEG, x *
x* beliebig gewahlt.
Nach dam Mittelwertsatz der Differentialrechnung gibt es ein A E (0,1)
mit

\p(x) = \p(x*) + [F(x* + A(x-x*»]T (x-x*) .

Aus Satz 19.8 folgt

p(X*,X*+A(X-X*» [F(X*+A(X-X*»]T A(X-X*) > a .


Damit ergibt sich

\p(x) - \p(x*) > a .

x* ist also globales Minimum von \p. Die Umkehrung des Schlusses ist
trivial, da G offen ist. Aus (1) folgt, daB die Menge aller Nullstellen
von F konvex ist. Sei namlich x*o eine spezielle Nullstelle von F. Dann
gilt

{x* E GIF(x*) a}

zu (3): Fur streng konvexe Funktionen \p gilt in dem obigen Beweis die
scharfere Ungleichung

p (x* , xH (x-x*) ) [F(X*+A(X-X*»]T A(X-X*) > a .

Daraus folgt
320

<p(x) > <p(x*) •

x* ist also der einzige Punkt, in dem <p das globale Minimum annehmen
kann.
zu (4): Nach (3) besitzt F hochstens eine Nullstelle. Es bleibt zu
zeigen, daB F mindestens eine Nullstelle hat. Wir untersuchen dazu
<p auf den Geraden

x = bt (t E:m) , bE mn fest mit IIbl1 2 1 •

Dort gilt

t
<p(bt) <p(0) + (F(O))Tbt + J [F(bs) - F(O)]Tbds •
o
Wegen
T 2
[F(bs) - F(O)] bs > c*s

folgt

Fur alle x bt mit

II x 112 = It I > 2 II F (0) 112 /c*

bedeutet diese Ungleichung

<p(x) > <p(0)

<p nimmt darum in der Kugel

sein Minimum an. Das Minimum ist ein globales Minimum im ganzen :mn •
F hat also mindestens eine Nullstelle x* in der obigen Kugel. Man kann
sogar die Ungleichung c* II x*1I 2 ~ II F(O) 112 beweisen. Es gilt namlich

[F(x*) - F(O)]T (x*-O) ~ c* Ilx* - Oll~

-(F(O))T X * > c* Ilx*ll~

II F (0) II 2 ~ c* II x* 11 2 , c
321

Definition 19.10: Es sei ~EC1 (G,lR 1 ) streng konvex,

und G* c G eine konvexe Menge mit mindestens einem inneren Punkt.


Dann definieren wir

midj(F,G*) inf h (j 1 (1)n) •


f. (x+he ( j) ) -f . (x)
J J

Dabei sind die e(j) die achsenparallelen Einheitsvektoren des lRn.


h E lR und x E lRn durchlaufen alle Kombinationen mit

x E G*, x + he(j)E G* , h *0 •

Ferner sei

MID(F,G*) = diag(midj(F,G*)) .

Die Bezeichnung MID bedeutet: "Maximale inverse Diagonale". a

Weil G* mindestens einen inneren Punkt besitzt, wird in jedem Fall


das Infimum tiber eine nichtleere Menge von Kombinationen x,h gebildet.
Es ist aUBerdem stets

[F(x+he(j)) - F(X)]The(j) > 0

[f.(x+he(j)) - f.(x)]h > 0


J J

und darum auch

h > 0 .
f. (x+he(j) )-f. (xl
J J

Trotzdem kann das Infimum dieser Werte 0 sein.


Wenn ~ gleichmaBig konvex ist, besitzt mid. (F,G*) eine von G*
J
unabhangige obere Schranke. Aus

folgt

mid.(F,G*l < 1/c* •


J -
322

Wichtiger als eine obere Abschatzung von mid. (F,G*) ist im folgenden
J
eine untere Abschatzung. DafUr benotigt man Lipschitz-Bedingungen fUr
f j .

Satz 19.11: Wenn fUr aUe x E G* mit x + he (j) EG* die Ungleiara".ngen

If. (x+he (j)) - f. (x) I < Ih IL. , j=1(1)n


J J - J

geUen, ist HID (F ,G*) positiv definit und

j=1(1)n

Beweis: trivial. [J

Satz 19.12: Es sei ~ zweimal stetig differenzierbar und G* kompakt. Dann gilt:

2
midj(F,G*) 1/ max 3 jj ~(x) , j=1(1)n.
xEG*

Beweis: Da

2
Jhl max 3 .. ~(x) ,
xEG* JJ

ist nach dem vorigen Satz auf jeden Fall

mid. (F,G*) > 1/ max 32.. ~(x)


J - xEG* JJ

Zum Beweis der umgekehrten ungleichung verwenden wir die Definition


der partiellen Ableitungen:

3.~(x+he(j))-3.~(X)
1 im --,<-J__._---,;--_~J<--_
h~O h

2
1/3 .. ~(x)
JJ

midj(F,G*) inf h < [J

3 .~(y+he(j) )-3 .~(y)


J J
323

1m vorigen Kapitel haben wir uns mit der iterativen Lasung linearer
Gleichungssysteme befaBt. Wir machten noch kurz erlautern, wie sie sich
im Falle reeller, symmetrischer und positiv de fin iter Matrizen begriff-
lich hier einordnen. Es sei

F (x) Ax-b

eine affine Abbildung mit reeller, symmetrischer und positiv definiter


Matrix A. Die Abbildung ist der Gradient der Funktion

qJ(x) 2"1 x TAx T


- b x .

Nach Satz 19.7 ist qJ gleichmaBig konvex. Die Konstante c aus dem Satz
ist der kleinste Eigenwert von A. Die Funktion p(x,y) aus Satz 19.8 ist

p(x,y) = (y_x)T A(y-x) .

c* ist also ebenfalls der kleinste Eigenwert von A. SchlieBlich ist


nach Satz 19.12

mid. (F,G*) = 1/a .. , j 1(1)n .


J JJ

Diese Beziehung gilt fUr alle G*.


Das nachste Beispiel zeigt, daB MID(F,G*) auch im Falle nicht-
differenzierbarer Abbildungen F positiv definit sein kann. Es sei
qJE C1 (IR ,IR) mit

fUr x > 0
qJ(x)
fUr x < 0

und

fUr x > 0
F(x) = !4X
2x fUr x < 0 .

Dann ist MID (F, IR 1 ) = 1/4.

Dem nachsten Satz liegt die folgende Situation zugrunde:

G C IRn offen und konvex

qJEC 1 (G,IRn )
324

QEMAT(n,n,lR) positiv definite Diagonalmatrix

Satz 19.13: V01'aUssetzungen:

( a) q> streng konve:x:.

(b) Es gibt ein y E IR mit einer kompakten Niveau~enge

G* = {x E Glq>(x) ~ y} •

G* besteht aus mehr aZs einem Punkt.


(c) q. < 2mid. (F,G*) j=1(1)n.
J J

Behauptungen:
(1) Es gibt genau ein x*EGmit F(x*) = O. x* ist innerer Punkt von G*.

(2) Es ist x = x* odeI' q>(y) < q>(x) fUr y = x - QF (x/y) •

(3) Jede .. FoZge

beUebig

\I = 0(1)""

konvergiert gegen x*.

Beweis: zu (1): Weil G* kompakt ist, nimmt q> sein Minimum in G* an. AuBer-
halb von G* ist q>(x) groBer. Deshalb gibt es ein x*EG* mit

q>(x*) = min q>(x)


xEG

F(x*) = 0 •

q> ist streng konvex. Darum gibt es hochstens einen Punkt x* mit diesen
Eigenschaften. Da G* noch andere x als x* enthalt, ist

q>(x*) < y

und x* innerer Punkt von G*.


zu (2): Die Berechnung

y =x - QF(x/y)
325

laSt sich in natlirlicher Weise in n Einzelschritte zerlegen. Bei jedem


Einzelschritt wird nur eine Komponente geandert. Die Zwischenergebnisse
nennen wir

(0) (1) (2)


y = x, y ,y , •.. , y •

Die einzelnen Rechenschritte sind

_
mit Aj - qjfj (y
(j-1)
). Wegen qj > 0 ist Aj *0 oder fj(y
(j-1)
) o.
Im ersten Fall definieren wir

y (t) (j-1) u.e(j) (tE[0,1])


y - ]

p(t) = qJ(y(t)) .

Das ergibt

p' (t) -A.f.(y(t))


] ]

p , (0) - A. f . (y ( 0)) = -q. f 2. (y ( 0)) < 0


] ] ] ]

p' (t) - p' (0)

Hier benotigen wir die Voraussetzung (c). Flir t > 0 und y(t)EG* besagt
diese Voraussetzung:

2U.
]

2tlf. (y(O)) I
1 ]
< Ifj(y(O))-fj(y(t))I

Ip'(t) - p'(O) 1< 2t q.f~(y(O))


] ]

Weil
t
p(t) p(O) + p'(O)t + J [p'(s) - p'(O)]ds
o

ist, ermoglicht die letzte Ungleichung die Abschatzung


326

Also kann yet) die Menge G* nicht verlassen. Fur aIle tE(O,1] gilt

und insbesondere

Entweder ist also f.(y(j-1)) stets 0 oder es ist ~(y) < ~(x). Damit
J
ist (2) bewiesen.
zu (3): Die Folge {~(x(v)) Iv = O(1)=} konvergiert, weil nach (2)

Es sei x** ein beliebiger Haufungspunkt der Folge {xCv)}. Aus Stetig-
keitsgrunden ist dann

~(y**) = ~(x**) ,

wobei

y** = x** - QF(x**/y**)

Nach (2) bedeutet das aber

F(x**) =0
und nach (1)

x** = x* •

x* ist der einzige mogliche Haufungspunkt der Folge {xCv) Iv 1 (1)=}


in der kompakten Menge G*. Also ist die Folge konvergent. c

Zu dem letzten Satz sind noch einige erlauternde Bemerkungen notwendig.


327

Bemerkung 19.14: Wenn lPEC 1 (lR n ,lR) gZeichm(JJJig konvex ist, ist j ede
Niveau-Menge {xElRn IlP(x) < y} kompakt (vgl. Beweis von Satz 19.9). Die
Iteration konvergiert dar~ fur alle x(O)ElRn . Q

Bemerkung 19.15: Wenn MID(F,G*) nicht positiv definit ist, gibt es


keine Matrix Q mit den genannten Eigenschaften. Fur lPEC 2 (G,lR 1 ) ist
MID(F,G*) allerdings immer positiv definit. Das gleiche gilt, wenn die
Komponenten von F Lipschitz-Bedingungen erfullen (vgl. Satz 19.11). Q

Bemerkung 19.16: In der Praxis ist meistens Fund nicht lP der Ausgangs-
punkt. Wenn die Funktionalmatrix FI (x) von F stets symmetrisch ist,
gibt es eine Funktion lP mit F = grad lP. Wenn zusatzlich FI (x) stets
positiv definit ist, ist lP sogar streng konvex. Am schwierigsten ist
die NachprUfung der Voraussetzung (b) von Satz 19.13. MID(F,G*) kann
durch eine Abschatzung der Diagonalelemente von FI (x) bestimmt werden.
FUr die eigentliche Iterationsvorschrift benotigt man nur Fund nicht
lP· Q

Bemerkung 19.17: Den ersten Konvergenzbeweis fur SOR-Verfahren bei


konvexen Abbildungen fuhrte Schechter 1962. In Ortega-Rheinboldt 1970,
Teil V werden mehrere verwandte Satze bewiesen. Erfahrungen hinsicht-
lich der praktischen Durchfuhrung findet man u.a. bei Meis 1971 und
Meis-Tornig 1973. Q

Als Anwendung von Satz 19.13 fuhren wir noch ein Beispiel an.

Beispiel 19.18: In einem achsenparallelen Rechteck G des lR 2 sei eine


Randwertaufgabe erster Art fur die Differentialgleichung

vorgegeben. Das Funf-Punkt-Differenzenschema (siehe Kapitel 13) fuhrt


fur festes h auf ein Gleichungssystem
-
F(w) = Aw + H(w) = 0

mit

AEMAT (n ,n, lR )

A symmetrisch und positiv definit


328

(x.,y.) = Gitterpunkte der Diskretisierung


J J
-
H(w) = (H(X 1 'Y1,W 1 ), ••• ,H(X n 'Yn'Wn »

A laSt sich zerlegen in

mit

D: Diagonalmatrix

R: strenge untere Dreiecksmatrix mit nichtnegativen Elementen

D- 1 (R+RT): schwach zyklisch vom Index 2.

Es sei
z
Pj(z) = f H(Xj'Yj,Z)dZ
o

~(w) = 21 T
w Aw + pew)

Dann ist offensichtlich

F(w) = grad ~ •

unter den Voraussetzungen

((x,y) EG, zElR)

ist ~ gleichmaBig konvex im lRn und MID(F,G*) positiv definit fUr jede
konvexe kompakte Menge G* c lRn. Genauer gilt fUr j = 1 (1)n:

a.. < a .. ~ (w) < a.. + 6


JJ - JJ - JJ

1/a J. J. > mid. (F,G*) > 1/(a .. +6)


- J - JJ

a jj enthalt den Faktor 1/h2 • FUr kleine h ist darum a jj » 6.


329

Jede Folge

w (0) beliebig

konvergiert, wenn nur

° < q. ]
< 2/(a .. +6)
]]

Die Bedingung

d 3 H(X,y,u(X,y)) < I)

erscheint sehr einschrankend. In den meisten Fallen kennt man aber a


priori eine Abschatzung

ex < u(x,y) ~ 6 «x,y)EG)

Wenn das Maximurnprinzip gilt - z.B. fUr H(x,y,O) = °-


ergibt sich die
Abschatzung sofort aus den Randwerten. H interessiert dann nur in
Gx[ex,6]. Die Funktion kann auBerhalb dieser Menge abgeandert werden,
ohne die Losung der Differentialgleichung zu andern. Diese Anderung
kann man so vornehrnen, daB HEel (GXIR,IR) und d3H(X,y,Z) beschrankt ist.
Dieses Vorgehen wollen wir noch im Falle

H(x,y,z) = eZ

demonstrieren. Falls

ex ~ u(x,y) < B

definiert man

e:<z-ex+l) fUr z < ex


H*(z) ={ e fUr ex < z < 6
e 6 (z-B+l) fUr z > 6

Es folgt

und
330

_':'--'''''-s < mid. (F, G*) <


J -
a .. +e a .. +e CI
JJ JJ

Man beginnt die Iteration mit

Q = w diag ( 1
ajj+e
s) o < w < 2 .

Im Laufe der Rechnung laBt sich moglicherweise S durch eine kleinere


Zahl ersetzen. Sollte man sich mit der Schatzung von CI und S vertan
haben, kann man den Irrtum anhand der Ergebnisse berichtigen. Die
Ausgangsgrenzen CI und S mUssen darum nicht exakt stimmen. Zur Konver-
genzbeschleunigung nimmt man in der Endphase am besten fUr Q eine
Naherung von

w diag o
a .. +a.H.(w)
JJ J J

20 Bandbreitenreduktion bei schwach besetzten Matrizen

Differenzenverfahren und finite-element-Methoden zur Losung von Rand-


wertaufgaben flihren auf Gleichungssysteme mit sclMach besetzten Matrizen
(engl. sparse matrices). Das heiBt, in jeder Zeile dieser Matrizen stehen
nur wenige von Null verschiedene Elemente. Sie sind bei den einzelnen
Verfahren allerdings sehr verschieden verteilt.
DemgegenUber ergeben sich beim klassischen Ritz-Verfahren und bei
vielen Kollokationsmethoden meist voll besetzte oder fast voll besetzte
Matrizen. Ihre Elemente sind praktisch alle von Null verschieden.
Den verschiedenen Matrizentypen entsprechen verschiedene Algo-
rithmen zur Losung von linearen Gleichungssystemen. Wir mochten vier
Grupp en von direkten Verfahren unterscheiden.
Die erste Gruppe bilden die Standard-Eliminationsverfahren von GauB,
Householder und Cholesky mit ihren zahlreichen Varianten. Bei voll
besetzten Matrizen gibt es in der Regel keine Alternative zu diesen
Verfahren. Auch iterative Verfahren sind selten besser. Bei schwach
besetzten Matrizen ist der Rechenaufwand der Standard-Verfahren zu
hoch. Wenn namlich n die Anzahl der Gleichungen ist, ist die Anzahl
331

der notwendigeiJ. Additionen und Multiplikationen bei diesen Verfahren


immer proportional zu n 3 •
Die zweite Gruppe der direkten Verfahren besteht aus den Abwand-
lungen der Standard-Verfahren fur Bandmatrizen. In diesem Kapitel
behandeln wir die GauB-Elimination fur Bandmatrizen. Zwei zugehorige
FORTRAN-Programme findet man in Anhang 5. Die Verfahren von Householder
und Cholesky lassen sich in ahnlicher Weise anpassen. Die Anzahl der
Rechenoperationen ist bei dieser Gruppe proportional zu nw 2 . Dabei ist
w die Bandbreite der Matrix (vgl. weiter unten Definition 20.1).
Auch bei der dritten Gruppe handelt es sich urn Modifikationen der
Standard-Verfahren. Ihre Besonderheit liegt in der Speicherung der
Matrix. Es werden nur die von Null verschiedenen Matrixelemente und
ihre Indizes gespeichert. Die zugehorigen Programme sind relativ kom-
pliziert, weil wahrend der Rechnung die Anzahl der von Null verschie-
denen Elemente wachst. In vielen Fallen wird die Matrix weitgehend
aufgefullt. Deshalb laBt sich die Anzahl der Rechenoperationen nur
schwer abschatzen. Wir konnen auf diese Verfahren nicht naher eingehen.
Eine tibersicht zu diesen Methoden enthalt der Aufsatz von Reid 1977.
Die vierte Gruppe der direkten Verfahren ist ganz unabhangig von
den bisher aufgefuhrten Verfahren. Grundlage sind sehr spezielle Eigen-
schaften der Differenzengleichungen, die zu gewissen Rand1.o!ertaufgaben
gehoren. Mit diesen Methoden konnen also nur sehr spezielle Gleichungs-
systeme aufgelost werden. Die Verfahren sind auBerdem untereinander
sehr verschieden. In den beiden nachsten Kapiteln werden zwei typische
Algorithmen dieser Art ausfuhrlich behandelt. Anhang 6 enthalt ein
FORTRAN-Programm zurn sogenannten Buneman-Algorithmus. Der Rechenaufwand
der wichtigsten Verfahren in dieser Gruppe ist nur proportional zu
n log n oder n. Man nennt sie darum auch schnelle direkte Verfahren. Man
beachte, daB in den Kapiteln 21 und 22 n anders definiert ist.
Wir kommen nun zur Untersuchung von Bandmatrizen.

Definition 20.1: Es sei A (aij)EMAT(n,n,C) und A * O. Dann heiBt

w 1 + 2 max {d I d Ii - jl mit a ~J
.. *0 oder

Bandbreite von A. Die Bandbreite einer Nullmatrix sei 1. []

Wenn w « n ist, spricht man von einer Bandmatrix. Es handelt sich dabei
also urn keinen prazisen mathematischen Begriff. Der zugehorige prazise
Begriff ist die Bandbreite. In den folgenden Beispielen bedeutet x ein
von Null verschiedenes Matrixelement und eine Leerstelle eine Null.
332

Eine Diagonalmatrix hat die Bandbreite w = 1, eine tridiagonale


Matrix die Bandbreite w < 3. Eine Matrix der folgenden Art hat die
Bandbreite 5:

x x x
x x x x
x x x x x
x x x x x
x x x x x
x x x x
x x x

Jede voll besetzte Matrix hat die maximale Bandbreite 2n - 1. Aber


auch viele schwach besetzte Matrizen haben diese Bandbreite, z.B.
die Matrix

x x
x
x
x
x
x
x

Es sei nun AEMAT(n,n,C) eine Matrix mit einer Bandbreite kleiner


gleich w, w ungerade. Jedes lineare Gleichungssystem mit der Matrix A

n
L aiJ,x J, = b i , i 1(1)n
j=1

ist aquivalent zu dem System

w
L
-
aJ'i x i + J'-k-1 i 1 (1) n
j=1

mit

k (w-1) /2
333

a i ,i+j-k-1 falls j < W , ~ i + j - k - 1 < n

a ..
J~
b.~ falls j w+ 1

o sonst.

Fur I < 1 und I > nist xl = 0 zu setzen.


Die GraBen a .. bilden eine Matrix AEMAT(w+1,n,C) (vgl. Abbildung
J~
20.2). Fur w « n ist der Platzbedarf von A im Hauptspeicher des
Rechners wesentlich geringer als der Platzbedarf fur A und b. Das
Verhaltnis ist (w+1)/(n+1).

0 0 0 0 0 06l. 0 0 0
31 42 53 75 86 97
0 021 032 043 0 0 0 ° 87
54 65 76 °98
°Il °22
a ° 66 ° 77 ° 88
Q99
°33 44 °55
°12 ~3 °34 °45 °56 ° 67 ° 78 ° 89 0

°13 °24 °35 °46 °57 °68 °79


0 0
b b b b b b b b b
1 2 3 4 5 6 7 8 9

Abb. 20.2. A fur w 5 und n 9

Die GauBelimination ohne Pivotvesuche fuhrt zu keiner Verbreiterung


des Bandes. Das gleiche gilt, wenn man die pivotelemente nur in der je-
weiligen Zeile sucht, d.h. nur Spaltenvertauschungen vornimmt. Der Algo-
rithmus kann so ganz in A ablaufen. Die Anzahl der Rechenoperationen
ist, wie schon erwahnt, proportional zu nw 2 •
Beim Ritz-Verfahren entstehen positiv definite hermitische Matrizen.
Eine Pivotsuche ist darum nicht notwendig. Auch bei den meisten Diffe-
renzengleichungen braucht man keine Pivotsuche. Die Anzahl der Rechen-
operationen ohne Pivotsuche ist

n 2
2'(w +3w-2)

Im Anhang 5 findet man zwei FORTRAN-Programme fur w = 3 und w ~ 3.


In vie len Fallen laBt sich die Bandbreite einer Matrix A durch
simultane Zeilen- und Spaltenvertauschungen erheblich reduzieren.
Z.B. entsteht aus
334

x x
x
x
x
x

durch Vertauschung der Zeilen 2 und 5 und der Spalten 2 und 5 die
Matrix

x x
x
x
x
x

Eine solche simultane Vertauschung von Zeilen und Spalten ist eine
~hnlichkeitstransformation mit einer Permutationsmatrix. In dem vor-
liegenden Beispiel handelt es sich urn die Permutation

(1,2,3,4,5) ... (1,5,3,4,2) •

Wir schreiben kurz

(1,5,3,4,2) •

Etwas komplizierter ist das Beispiel

x x x
x x x
x x x
x x x
x x x
x . x x

Die Permutation

(1,3,5,6,4,2)

fuhrt zu der Matrix


335

x x x
x x x
x x x
x xx
x x x
x x x

Die Bandbreite wurde von 11 auf 5 reduziert. Eine weitere Reduktion


der Bandbreite ist nicht moglich.
Zu jeder Matrix A gibt es eine Permutation, die A in eine Matrix
mit minimaler Bandbreite uberfuhrt. Diese Permutation ist in der Regel
nicht eindeutig bestimmt. Leider gibt es fur groBe n keinen Algorith-
mus, der eine Permutation dieser Art mit vertretbarem Rechenaufwand
bestimmt. Die praktisch benutzten Algorithmen liefern Permutationen,
die im Regelfall zu einer Bandbreite in der Nahe der minimalen Band-
breite fuhren. Diese Feststellung beruht auf praktischen Erfahrungen.
Es laBt sich nicht theoretisch voraussagen, wie weit die erreichte
Bandbreite von der minimalen Bandbreite abweicht.
Von den zahlreichen approximativen Algorithmen dieser Art werden
der Algorithmus von Cuthill-McKee 1969 und eine Modifikation von
Gibbs-Poole-Stockmeyer 1976 am meisten benutzt. Beide Algorithmen
beruhen auf graphentheoretischen Uberlegungen. Manchmal liefert der
erste Algorithmus die besseren Ergebnisse, manchmal der zweite. Die
Unterschiede sind meistens gering. Der zweite Algorithmus erfordert
fast immer weniger Rechenzeit. Wir mochten ihn darum hier erlautern.
Anhang 5 enthalt das zugehorige FORTRAN-programm.
Die Bandbreiten von

A = (a .. )
~J
und

stimmen uberein. Wenn Peine beliebige Permutationsmatrix ist, gilt


das gleiche fur die Bandbreiten von

und

Darum durfen wir annehmen, daB A symmetrisch ist. Die Diagonalelemente


von A haben keine Bedeutung fur die Bandbreite. Sie seien deshalb
o.B.d.A. aIle 1.
Die i-te und j-te Zeile von A heiBen verbunden, wenn a ..
~J
0 ist. *
Wir schreiben

zi - zj oder zj zi
336

Fur

gilt demnach

z1 ~ z1,z1 N z2,z1 ~ z3,z2 ~ z1,z2 ~ z2,z3 ~ z1,z3 ~ z3 •

Das ergibt das Bild

Es handelt sich um einen ungerichteten Graphen mit numerierten Knoten.


Die Zeilen der Matrix sind die Knoten des Graphen.
Umgekehrt laSt sich aus dem Graphen das Muster der Matrix sofort
rekonstruieren. Der Graph

~
z1

ergibt z.B.
z2

x x x
A x x x
x x x
x x x

Definition 20.3: (G,~) heiSt ungeriahteter Graph. wenn folgendes gilt:

(1) Gist eine nichtleere Menge. Ihre Elemente nennen wir Xnoten.
(2) ist eine zweistellige Relation, die zwischen gewissen Knoten g
und h besteht. Wir schreiben: fIg ~ hIt oder fIg und h sind verbunden".
(3) Fur aIle g E G gilt g ~ g. g ~ h impliziert stets h ~ g.

Ein Knoten g hat den Grad 1, wenn g mit genau 1 + 1 Knoten in G


verbunden ist.
Ein Graph heiSt zusanonenhlingend, wenn es zu beliebigen Knoten g
und h aus G stets rElN und k i E G, i = O( 1) r mit folgenden Eigenschaften
gibt:
337

(4 ) k g h
o

(5) ki - 1 k. fUr i 1(1)r. o


1.

Es sei G eine beliebige nichtleere Teilmenge von G. Dann ist (G,~)


ebenfalls ein Graph ( Untergraph von (G,~)). Wenn (G,~) zusammenhangend
ist, nennen wir kurz G zusammenhangend.

Definition 20.4: Die Knoten eines endlichen Graphen (G,~) seien irgend-
wie numeriert, d.h. es sei G = {g1,g2, ... ,gn}'

w 1 + 2 max{d I d = Ii - jl mit g.
1.
~ g.}
J

heiBt dann Bandbreite des Graphen (G,~) bezUgliah der gegebenen Nwnerierung. 0

Es ist nun unsere Aufgabe, eine Numerierung der Knoten zu suchen, bei
der die Bandbreite w moglichst klein ist. 1m ersten Schritt zerlegen
wir den Graphen in Schichten.

Definition 20.5: L = (L 1 ,L 2 , ... ,L r ) heiBt Sahiahtung (engl. level


struature) des Graphen (G,~), wenn folgendes gilt:

(1) Die Mengen L., i = 1 (1) r (Sahiahten) sind nichtleere disjunkte


1.
Teilmengen von G. Ihre Vereinigung ist G.
(2 ) Flir gEL.,hEL. und g ~ h ist Ii - jl ~ 1.
1. J
r heiBt die Tiefe der Schichtung. Ihre Breite kist die Anzahl der
Elemente der Schicht mit den meisten Elementen. 0

Abbildung 20.6 zeigt, wie man einen Graphen in Schichten zerlegen kann.

Breite: k =2

Tiefe : r =5

Abb. 20.6. Zerlegung eines Graphen in Schichten


338

Satz 20.7: Es sei L = (L 1 ,L 2 , ... ,L r ) eine Sahiahtung von (G,"') mit del' Bl'eite
k. Dann gibt es eine NUmel'ie'l'Ung del' Knoten. so da2 die Bandbl'eite des Gl'aphen bezUg-
Ziah diesel' Numel'ie'l'Ung kZeinel' gZeiah 4k - 1 ist.

Beweis: Man nurneriere erst die Elemente von L1 , dann die Elemente von L2
usw. Fur g g, gEL. und gEL. folgt Ii - jl < 1, Iv - ~I < 2k - 1
~ v ~ ~ v J
und damit w < 4k - 1. c

Dieser Satz legt es nahe, Schichtungen mit moglichst kleiner Breite zu


konstruieren. Meistens lauft die Konstruktion von Schichtungen mit
moglichst groBer Tiefe auf dasselbe hinaus.

Satz 20.8: Zu jedem Knoten g eines endZiahen zusarnmenhtingenden Graphen gibt es


genau eine SChiahtung

foZgendel' Ar>t:
(1) L1 = {g}
(2) Zu jedem hE Li mit i> 1 gibt es k E Li - 1 mit k '" h. Diese Sahiahtung heil3t
Sahiahtung mit del' WUrzeZ g.

Beweis: trivial. c

1m folgenden sei der Graph (G,"') endlich und zusammenhangend. Gegebenen-


falls kann man mehrere Zusammenhangskomponenten nacheinander nurnerieren.
Der Algorithmus zur Bandbreitenreduktion beginnt mit folgenden Schritten
(A) Wahle einen Knoten g E G mit minimalem Grad.
(B) Berechne R(g) = (L 1 ,L 2 , ..• ,Lr ). Die Elemente der letzten Schicht
Lr seien k j , j = 1 (1)1.
(C) Setze j = 1.
(D) Berechne R(k j ) = (M 1 ,M2 , ... ,Ms ) und setze mj = Breite der Schich-
tung R(k j ). Wenn s > r ist, setze g = k j und kehre nach (B) zuruck.
(E) Wenn j < 1 ist, erhoht j urn 1 und wiederhole (D).

(F) Wahle jE{1, ••• ,1} so, daB mj minimal ist. Dann setze h = kj"
Dieser erste Teil des Algorithmus bestimmt also zwei Knoten g und
h und die zugehorigen Schichtungen
339

Hilfssatz 20.9: Es gilt:

(1) s = r
(2) h E L
r
(3) g € M
r
i
(4) L. c: U M
r+1-j A. i 1 (1) r
1 1
j=1
i
(5) M. c: U Lr+1-j B.1 i 1(1) r .
1
j=1

Beweis: Aussage (2) ist trivial. FUr i > s sei nun Mi die leere Menge.
Wir beweisen dann zunachst durch vollstandige Induktion die Aussage
(5). Wegen (2) ergibt sich der Induktionsanfang M1 = {h} c: Lr • Es
folgt der SchluB von i auf i + 1. Alle Knoten aus Mi + 1 sind mit Knoten
aus M. verbunden (vgl. Satz 20.8 (2». Weil die Elemente von L nur
1 ~
mit Elementen in L l ' Lund L +1 verbunden sind und weil M. eine
~- ~ ~ 1
Teilmenge von Bi ist, ist Mi + 1 c Bi +1 •
Aussage (5) impliziert s ~ r. Nach Konstruktion (vgl. Schritt
(D» muB s < r sein. Damit ist auch Aussage (1) bewiesen.
Aufgrund von (5) ist

r-1 r-1
U Mi c: U Bi
i=1 i=1

Das ist Behauptung (3).


Der Beweis von (4) kann wegen (3) analog zum Beweis von (5)
gefUhrt werden. c

Die Aussagen des Hilfssatzes mUssen durch einige Erfahrungen erganzt


werden. In den meisten praktischen Anwendungen zeigt sich:
340

(6) Die Tiefe r der beiden Schichtungen R(g) und R(h) ist entweder
die maximale Tiefe, die bei einer Schichtung von (G,~) erreicht werden
kann, oder eine gute Naherung davon.
(7) Die Mengen Li n Mr + 1 - i , i = 1 (1)n, enthalten in vielen Fallen die
meisten Elemente von Li U Mr +1 - i . Die beiden Schichtungen sind also
sehr ahnlich, selten allerdings identisch.
(8) Der RUcksprung von schritt (D) des Algorithmus zu Schritt (B)
kommt nur bei wenigen Beispielen Uberhaupt vor, dann aber nicht
haufiger als einmal bei einem Graphen. Diese Beobachtung ist selbst-
verstandlich von groBer Bedeutung fUr die Rechenzeit.
1m nachsten Teil des Algorithmus wird aus den beiden Schichtungen
R(g) und R(h) eine Schichtung

mit gleicher Tiefe und moglichst kleiner Breite konstruiert. Jeder


Knoten kEG wird dabei nach einerder beiden folgenden Regeln in eine
Schicht Si eingeordnet:
Regel 1: Falls k E Li' so sei k E Si'
Regel 2: Falls k E Mr+1-i' so sei k E S~.
...
FUr die Elemente von Li n Mr + 1- i ergeben be ide Regeln das gleiche
Ergebnis. Darum ist jedenfalls

Die Menge

r
V G - U (L.nM +1 .)
i=1 ~ r -~

zerfallt in 1 Zusammenhangskomponenten

Leider ist es nicht moglich, fUr die einzelnen Elemente von V unab-
hangig voneinander eine der Regeln 1 und 2 anzuwenden. Ein solches
Vorgehen ergibt im allgemeinen keine Schichtung S. Es gilt aber

Hilf ssatz 20. 10: Wenn in jeder Zusammenhangskomponente von V konstant die gleiahJ.
Regel (entweder immer 1 oder immer 2) angewandt UJirdJ ist Seine Sahiahtung.
341

Den Beweis uberlassen wir dem Leser.


Im folgenden bezeichnen wir mit ITI die Anzahl der Elemente einer
Menge T. K1 sei die Breite von R(g) und K2 die Breite von R(h). Der
zweite Teil des Algorithmus besteht aus vier Einzelschritten zur
Bestimmung von S:

(G) Berechne K1 und K2 , setze

i=1(1)r

und bestimme V. Wenn V die leere Menge ist, ist dieser Teil des Algo-
rithmus fertig (weiter bei (K». Sonst zerlege V in die Zusammenhangs-
komponenten Vj , j = 1(1)1. Sortiere die Vj so, daB stets IV j +1 I ~ IVjl,
j=1(1)l-1.

(H) Setze v = 1.
(I) Erweitere aIle S. zu S., i = 1 (1)r, durch Einordnung der Knoten
~ ~ F:l
aus V nach Regel 1. Erweitere Si zu Si' i = 1 (1)r, durch Einordnung
v
der Knoten aus V nach Regel 2. Berechne
v

-
K3 = max { I Si I Ii 1(1) r mit Si
* Si}
* Si} .
F:l F:l
K4 max { I Si I Ii 1 (1) r mit S.~

Falls

oder

K3 = K4 und K1 <- K2

F:l
setze S.~ Si' sonst Si = Si' i = 1 (1) r.

(J) Fur v < 1 erhohe v urn 1 und wiederhole (I) .


Damit ist die Berechnung der Schichtung S abgeschlossen. In
Abbildung 20.11 sind fUr einen Graphen die Schichtungen R(g), R(h) und
S aufgezeichnet. Die Knoten aus G - V sind durch x gekennzeichnet. V
besteht hier aus zwei Komponenten mit je drei Knoten. FUr die linke
Komponente wird Regel 2, fUr die rechte Komponente Regel 1 angewandt.
So ergibt sich die optimale Breite 3. Dieser zweite Teil des Algorithmus
beansprucht einen groBen Teil der Rechenzeit. Das gilt insbesondere,
wenn V viele Komponenten besitzt.
~2

--------', , \
\
\
\
I
I
I
I
I
I
I
~ I
I 9 h I

f
I
I
I
I
I
I
I
I
I
I
I 9 h

9 h

Abb. 20.11. 5chichtungen R(g), R(h) und 5

Ausgehend von der 5chichtung 5 kann nun im dritten und 1etzten Tei1
des A1gorithmus der Graph nurneriert werden:
(K) 5etze 1 = 1. Gehe zu (N).
(L) k durch1aufe a11e E1emente von 5 1 - 1 in der Reihenfo1ge der Nume-
rierung. Fur festes k nurneriere a11e noch nicht nurnerierten k E 51'
die mit k verbunden sind, so daB der Grad der k n~cht fa11t.
(M) k durch1aufe a11e bereits nurnerierten E1emente von 51 in der
Reihenfo1ge der Nurnerierung. Fur festes k numeriere a11e noch nicht
nurnerierten k E 51' die mit k verbunden sind, so daB der Grad von k
nicht fa11t.
(N) Wenn noch nicht a11e E1emente von 51 nurneriert sind, suche ein
unnurneriertes Element aus 51 mit minima1em Grad. Gebe ihm die nachste
Nummer und kehre nach (M) zuruck.
(0) ErhBhe 1 urn 1 und kehre fur 1 < r nach (L) zuruck.
343

Mit diesem Schritt ist auch die Numerierung beendet. Das Ergebnis
laBt sich in einigen Fallen noch durch einen iterativen Algorithmus
von Rosen 1968 verbessern. tiber Erfahrungen mit diesem Algorithmus
berichtet Lierz 1976.
AIle Algorithmen zur Bandbreitenreduktion kommen hauptsachlich
fur nicht zu groBe schwach besetzte Matrizen mit unregelmaBigem Muster
in Frage. Sie treten hauptsachlich bei finite-element-Ansatzen mit
komplizierter Geometrie auf. Eine typische GroBenordnung ware etwa
n = 1000, w = 50.

21 Buneman-Algorithmus

In einem achsenparallelen Rechteck G sei folgende Randwertaufgabe


gestellt:

l'.u(x,y) = q(x,y) ( (x,y)EG)

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

Sie solI mit dem Funf-punkt-Differenzenverfahren gelost werden. Dabei


nehmen wir an, daB die Abstande der Gitterpunkte zu ihren Nachbar-
punkten immer gleich h sind (vgl. Kapitel 13). Die Differenzenglei-
chungen fur die diskrete Funktion w lauten dann einheitlich in allen
inneren Gitterpunkten

w(x+h,y) + w(x-h,y) + w(x,y+h) + w(x,y-h) - 4w(x,y) h 2 q(x,y) .

Wenn einer der Punkte

(x+h,y), (x-h,y), (x,y+h), (x,y-h)

auf dem Rand des Rechtecks liegt, ist w an dieser Stelle durch den
Randwert 1/1 zu ersetzen. Wir numerieren die Punkte zeilenweise oder
spaltenweise. In beiden Fallen liegt ein lineares Gleichungssystem
folgender Art vor:

Mw = z (21. 1)
344

A I\
\
I\ ~\
\ \ \
\ \
M
\
\
\ \ EMAT (In, 1n, lR)
\
\
\ I
\ \

I A

-4 1,
,,
1, -4, ,
A = ," " , ,~
EMAT (n,n, lR)
" ";
-4

w1

w z = wi' z i E lRn (i 1(1)1) •


w1

Die Inhomogenitat z entha1t neben h 2q(x,y) auch die Randwerte w(x,y).


O. Buneman hat fUr den Fall

1 = 2k+1 - 1 , k E IN

einen einfachen, schne11en A1gorithmus zur Losung von (21.1) entwicke1t


1m fo1genden sei stets Wo = w2k + 1 = O.
Drei aufeinanderfo1gende Komponenten von w genUgen den B1ock-
G1eichungen:

Wir mu1tip1izieren die mitt1ere G1eichung mit -A und addieren dann die
drei G1eichungen. Dies ergibt bei Beschrankung auf j = 2(2)2 k + 1 - 2:

(21.2)

Das sind 2k - 1 B1ock-G1eichungen fUr die Unbekannten mit geradem


Index. Nach Losung dieses reduzierten G1eichungssystems konnen wir die
345

verbleibenden Unbekannten mit ungeradem Index als Losung der n-dimen-


sionalen Gleichungssysteme

j 1 (2)2 k+1 - 1 (21.3)

bestimmen.
Der beschriebene ReduktionsprozeB laBt sich erneut auf die 2k -
Block-Gleichungen (21.2) anwenden, da diese die gleiche Struktur wie
(21.1) besitzen. Mit den Bezeichnungen

j = 2(2)2 k +1 - 2

erhalten wir das zliJeifaah-reduzierte Block-Gleichungssystem

(1) + z(1) _ A(1)z(.1)


Zj_2 j+2 J

j 4(4)2 k +1 - 4 •

k-1
Es handelt sich hierbei urn ein System mit 2 - 1 Block-Gleichungen.
Nach seiner Losung konnen die restlichen Unbekannten mit geradem Index
als Losung der n-dimensionalen Gleichungssysteme

z ~ 1) j = 2(4)2 k +1 - 2
J

bestimmt werden. Die verbleibenden Unbekannten mit unger adem Index


werden gemaB (21.3) berechnet.
Der beschriebene ReduktionsprozeB laBt sich offensichtlich so
lange fortsetzen, bis nach k Reduktionsschritten nur noch ein System
mit einer einzigen Block-Gleichung zu losen ist. Danach beginnt der
ProzeB des Einsetzens der bereits berechneten Unbekannten in die
verbleibenden Gleichungssysteme.
Das gesamte Verfahren laBt sich wie folgt rekursiv beschreiben:
Es sei

z. j 1 (1)2 k + 1 - 1 •
J

Dann definieren wir fur r 1 (1) k:


346

A(r) 21 - (A(r-1»2 (21.4)

z~r) z(r-1) + z(r-1) _ A (r-1) z.(r-1 )


J j_2 r - 1 j+2 r - 1 J

Zu l6sen sind dann sukzessive fUr r k(-1)O:

A(r)W. z ~r) j
J J

Das obige Verfahren heiBt zyklische Reduktion (engl. cyclic odd/even


reduction) und wird haufig als COR-Algorithmus bezeichnet.
Die Matrizen A(r) besitzen eine mit r wachsende Bandbreite und
sind direkt nur durch aufwendige Matrixmultiplikationen zu bestimmen.
Sie werden deshalb im folgenden als Produkte einfacherer Matrizen
explizit dargestellt.
Der Rekursionsformel (21.4) entnimmt man, daB A(r) ein Polynom
P vom Grade 2t in A ist:
2r

2r - 1
(r) A2j , C (r)
'<'
L. c 2j 2j e: lR , r=1(1)k.
j=o

Der h6chste Koeffizient ist

Wir wollen das Polynom als Produkt von Linearfaktoren darstellen. Dazu
brauchen wir seine Nullstellen. Man findet sie am leichtesten durch
die Substitution

I; = -2cos e

Mit der aus (21.4) folgenden Funktionalgleichung

ergibt sich mittels vollstandiger 1nduktion

Die Nullstellen von P (1;) sind also


2r
347

-2cos (2 +-1
j
2 r 1 ")
1[\ , j l(1)2 r .

Die Matrizen A(r) lassen sich somit als Produkte von Linearfaktoren
darstellen:

A r = 0
A (r) (21.6)

-
j=1
,r [A + 2cos ('~
n
2r +
1[) I] 1 , r = 1(l)k.

Diese Faktorisierung kann sowohl in der Reduktionsphase (21.4) zur


Berechnung von z~r) als auch in der anschlieBenden Losungsphase (21.5)
J
zur Errnittlung von w. benutzt werden. Es kornrnen somit nur Matrixmulti-
J
plikationen und Gleichungssysteme mit tridiagonalen Matrizen spezieller
Bauart vor.
Das zuletzt beschriebene Verfahren heiBt zykZisehe Reduktion mit
(eng 1. eye Zie odd/even reduction and faetorization) und wird
Faktorisierung
haufig als CORF-Algorithrnus bezeichnet.
Wie verschiedene theoretische und praktische untersuchungen zeigen,
sind die beschriebenen COR- und CORF-Verfahren numerisch instabi1 (vg1.
z.B. Buzbee-Golub-Nielson 1970 und Schroder-Trottenberg-Reutersberg
1976). Eine von Buneman entwickelte Stabilisierung (vgl. z.B. Buzbee-
Golub-Nielson 1970) beruht auf einer mathematisch aquivalenten Umfor-
(r)
mulierung der Berechnung der Vektoren z. aus (21.4).
Es sei J

p~O) =0 , q ~O) = z. j 1 (1)2 k + 1 - 1 .


J J J

Dann definieren wir fur r 1(1)k:

(21.7)
(r) (r-1) + q (r-1) _ 2p~r)
qj q
j-2 r - 1 j+2 r - 1 J

j 2r (2 r )2 k + 1 _ 2r

(r) (r)
Zwischen den Fo1gen Pj , q. und z ~r) besteht nunmehr der Zusarnrnen-
J J
hang:
348

z. (r) A (r) (r) + (r)


J Pj qj
(21.8)
r=O(1)k,

Der Beweis wird durch Induktion Uber r gefUhrt. FUr r = 0 ergibt


sich die Behauptung unmittelbar weaen p~O) = 0 und q~O) = z. = z~O).
~ J J J J
Die Beziehung (21.8) gelte also fUr r. Es folgt der Schritt r ~ r + 1:

2 (r+1) _ (A(r))2 (r+1) + q(r)


Pj Pj
j-2 r
+q (r) _ 2p ~r+1)
j+2r J
_ (A (r) ) 2p ~r) + A (r) (p (r) +p (r) _q ~r) )
J j-2r j+2 r J

+ q (r)
j+2 r

+ q (r)
j-2 r

_ A(r) (A(r)p~r)+q~r))
J J

+ z (r) z.
(r+1 )
j+2 r J

Der Buneman-Algorithmus laBt sich nun zusammenfassend wie folgt


beschreiben:
1. Reduktionsphase: Berechne die Folgen p~r) und q~r) gemaB (21.7):

p~o) = 0 , q~o) = z. j 1 (1 ) 2k+1 - 1


J J J

A (r-1 ) ( (r-1) (r)) (r-1 ) + P (r-1) (r-1) (21.9)


Pj -Pj p. r-1 - qj
J-2 j+2 r - 1

(r-1)
p~r)
J
p.
J
- ( (r-1) _ Pjr))
Pj

(r) (r-1) + q (r-1 ) _ 2p~r)


qj q
j_2 r - 1 j+2 r - 1 J

r=1(1)k, j
349

Lose die Gleichungssysterne (21.5) unter Berlicksichtigung


2. LOsungsphase:
der Beziehung (21.8):

A(r) (w._p~r))
J J

w. p~r) + (w._p~r)) (21.10)


J J J J

r = k(-1)0 , j

Die in der Reduktions- und Losungsphase vorkommenden Gleichungs-


systerne mit der Koeffizientenmatrix A(r) werden unter Ausnutzung der
Faktorisierung (21.6) gelost. FUr jedes Gleichungssystem sind also
2r Systerne mit der speziellen symmetrischen und diagonal-dominanten
Tridiagonalmatrix

c-4 1,
, ,
,,
l' "-
"-
c,4,
"- ,,
., EMAT (n,n, lR) ,
, "-
'1 c""4

- 2 < c 2cos ( 2j-l


2r + 1 n) < 2

zu losen.
Die zu Beginn der Reduktionsphase auf Null bzw. z. gesetzten
Vektoren p~O) und q~O) belegen einen Speicherplatz derJLange
k+1 J J
In = (2 -l)n. Aufgrund der speziellen Struktur der Berechnungen
konnen die Vektoren p~r) und q~r) die entsprechenden Platze in p~O)
und q~O) Uberspeicher~, da die~e werte nicht mehr benotigt werde~.
J
Aus dem gleichen Grund kann der in der Losungsphase sukzessive berech-
nete Losungsvektor w. die entsprechenden Platze von q~r) belegen.
J J
FUr k = 2, 1 = 7 ist der Ablauf der Rechnung und die Speicher-
belegung in der Reduktions- und Losungsphase in Tabelle 21.11 dar-
gestellt.
Der hier beschriebene Buneman-Algorithmus benotigt also doppelt
so viele Speicherplatze, wie Diskretisierungspunkte vorhanden sind. Es
gibt eine Modifikation des Verfahrens (siehe Buzbee-Golub-Nielson 1970),
die mit der einfachen Anzahl auskommt. Diese Modifikation ist allerdings
etwas rechenintensiver.
Tabelle 21.11. Ablauf der Rechnung fUr Reduktionsphase (oberer Teil) und Losungsphase (unterer Teil) ~

Schritt r benotigt berechnet Speicherbelegung bei Schrittende

o Initialisierung: p~O)=O, q~O)=z. j 1(1)7


] ] ]

2 P (O) p(O) p(O) p(O) p(O) p(O) p(O) P2(1) ,P4(1) ,P6(1)
1 ' 2 ' 3 ' 4 ' 5 ' 6 '7 P (O) p(1) p(O) p(1) p(O) p(1) p(O)
1 ' 2 ' 3 ' 4 ' 5 ' 6 '7
(0) (0) (0) (0) (0) (0) (0) (1) (1) (1) q (O) q(1) q(O) q(1) q(O) q(1) q(O)
q1 ,q2 ,q3 ,q4 ,qs ,q6 ,q7 q2 ,q4 ,q6 1 ' 2 ' 3 ' 4 ' 5 ' 6 '7
(1) (1) (1) ( 2) (0) (1) (0) (2) (0) (1) (0)
3 2 P2 ,P4 ,P6 P4 P1 ,P2 ,P3 ,P4 ,PS ,P6 ,P7

q (1) q(1) q(1) (2 ) q (O) q(1) q(O) 0(2) q(O) q(1) q(O)
2 ' 4 ' 6 q4 1 ' 2 ' 3 ' ~4 ' 5 ' 6 ' 7

(2 ) (0) (1) (0) (0) (1) (0)


2 P4 w4 q1 ,q2 ,q3 ,w 4 ,qs ,q6 ,q7
( 2)
q4

2 P (1) p(1) (0) (0) (0) (0)


2 ' 6
w2 ,w 6 q1 ,w 2 ,Q3 ,w 4 ,qs ,w 6 ,q7

q (1) Q(1)
2 ' 6
w4

3 o (0) (0) (0) (0)


P1 ,P3 ,P S ,P7 w1 ,w3 ,w S ,w 7 w1,w2,w3,w4,wS,w6,w7

q (O) q(O) q(O) q(O)


1 ' 3 ' 5 '7

w 2 ,w 4 ,w 6
351

Im folgenden ermittlen wir die Anzahl der Rechenoperationen des


Buneman-Algorithmus im Falle eines Quadrates G, d.h. 1 = n.
Zur Losung der einzelnen tridiagonalen Gleichungssysteme benotigt
man bei verwendung eines spezialisierten GauBschen Algorithmus 6n - 5
Operationen. FUr die Reduktionsphase ergibt sich unter BerUcksichtigung
von

1 = n = 2k+1 - 1 , k + 1 log2(n+1)

eine Operationszahl von

k
r r [6n + 2r - 1 (6n-5)]
r=1 jEMr

mit

M
r
{j

und

Anzahl (M ) 2k + 1- r _ 1 •
r

Das ergibt

k
r (2 k + 1- r _1) [6n + 2r - 1 (6n-5)]
r=1

Entsprechend ermittelt man fUr die Losungsphase

k
r r [3n + 2r (6n-5)]
r=o jEMr

mit

Mr {j

und

Anzahl (M ) k-r
2 •
r

Man erhlHt also


352

k
L
r=o

Insgesamt ergibt sich als Operationszahl fUr den Buneman-Algorithmus

Die zu Beginn des Verfahrens notwendige Berechnung der cos-Werte


erfordert bei Verwendung einer geeigneten Rekursionsformel nur O(n)
Operationen und kann deshalb vernachlassigt werden.
In Anhang 6 befindet sich ein FORTRAN-programm zum Buneman-Algo-
rithmus.

22 Reduktionsverfahren von SchrOder-Trottenberg

Zur EinfUhrung betrachten wir zunachst die gewohnliche Differential-


gleichung

-utI (x) = q(x) •

Die Standarddiskretisierung ist

2u(x)-u(x+h)-u(x-h) = q(x)
h2

oder in anderer Schreibweise

(2I-T h -T h-1 )u(x) = h 2 q(x) (22.1)

Dabei bezeichnet I die Identitat und Th den Translationsoperator mit

ThU(X) = u(x+h)

Durch Multiplikation der Gleichung (22.1) mit

erhalt man
353

Wir setzen

und berticksichtigen die Beziehung

(j E IN) •

Damit erhalten wir durch einfache Umschreibung die einfach reduzierten


Gleichungen

2
h q1 (x)

Den ProzeE kann man beliebig oft fortsetzen. Die m-fach reduzierten
Gleichungen sind

2
h ~(x) (22.2)

mit k

m-1
1 2 .

Die Randwertaufgabe

-u"(x) q(x)

u(O) =A , u(1) = B

kann nun folgendermaBen gelost werden. Man teilt das Intervall [0,1]
in 2n Teilintervalle der Lange h = 1/2n. Dann berechnet man nachein-
ander

q1 (x) in den Punkten 2h, 4h, ...•.. ,1 - 2h

q2(x) in den Punkten 4h, 8h, ...... ,1 - 4h

qn-1 (x) im Punkt 2n - 1h 1/2.


354

Aus der (n-1)-fach reduzierten Gleichung

-1 2
(2I-T 1 -T )u(1/2) h qn-1 (1/2)
2n - h 2n - 1 h

kann u(1/2) so fort bestirnrnt werden, da die Werte von u in den Rand-
punkten 0 und 1 bekannt sind. Entsprechend erhalt man unmittelbar
u(1/4) und u(3/4) aus der (n-2)-fach reduzierten Gleichung. Durch
Fortsetzung des beschriebenen Verfahrens erhalt man sukzessive die
Funktionswerte von u in den Gitterpunkten jh, j = 1 (1)2 n - 1.

Im folgenden verallgemeinern wir das eindimensionale Reduktionsver-


fahren auf Differential- bzw. Differenzengleichungen mit konstanten
Koeffizienten.

Definition 22.3: Es sei Gh {vh I vE 7l }, h > O. Dann nennen wir

r
r Cl
V
Cl
V
E JR
v=-r

einen eindimensionalen Differenzenstern auf dem Gitter Gh . Sh heiBt symnetrisah,


falls Cl_ V = Cl V fUr v = 1 (1) r. Sh heiBt ungerade (bzw. gerade) , falls
Cl 2v = 0 (bzw. Cl 2v + 1 = 0) fUr aile v mit -r ~ 2v ~ r (bzw. -r ~ 2v+1 < r)
Schroder-Trottenberg 1973 schreiben fUr Sh statt der Surnrne kurz

Jeder Differenzenstern laBt sich offenbar in eine Surnrne

eines geraden Differenzensterns Ph und eines ungeraden Differenzen-


sterns Qh zerlegen. Der gerade Anteil kann wegen Th2v v auch als
T2h
Differenzenstern auf dem Gitter

G2h = {2vh I vEZl }

aufgefaBt werden.
Ein Reduktionsschritt sieht nun folgendermaBen aus:
355

Da P~ - Q~ offensichtlich ein gerader Differenzenstern ist, laBt er


sich als Differenzenstern auf dem Gitter G2h darstellen. Wir bezeichnen
ihn mit R2h • Weiter definieren wir

Damit erhalt man die einfach reduzierten Gleichungen

Im Spezialfall

ergibt sich:

p2 2 TO
CI h
h 0

T- 2 + 2C1 _,CI, TO + CI,2 Th2


Q2
h CI -,2 h h
-, 2
.
R2h -CI -,2 T2h +
2 0
(Cl o -2C1_,CI,)T 2h - CI, T2h

Der ReduktionsprozeB laBt sich analog zu (22.2) fortsetzen. Der


Differenzenstern andert sich dabei im allgemeinen von Schritt zu Schritt.
Die Anzahl der Summand en bleibt jedoch gleich.
Das beschriebene Reduktionsverfahren ist auch in einer Dimension
dem GauB-Algorithmus an numerischer Stabilitat uberlegen. Unser Haupt-
interesse gilt jedoch den zweidimensional.en Aufgaben. Wir beginnen
wieder mit einem einfachen Beispiel.
Die standard-Diskretisierung der Differentialgleichung

-f,u(x) = q(x) (x € lFh


ist

4u(x) - u(x+he,) - u(x-he,) - u(x+he 2 ) - u(x-he 2 )

Mit den Translationsoperatoren

T v, hU(x) = u(x+he v )

erhalten wir die Schreibweise


356

2
h q (x) •

Eine Multiplikation der Gleichung mit

ergibt

-2
- T 2 ,h - 41}u(x)

Wir setzen

und erhalten die einfach reduzierten Gleichungen

2
h q1 (x) •

1m Gegensatz zum ReduktionsprozeB bei eindimensionalen Differenzen-


gieichungen ist die Anzahl der Summand en von 5 auf 9 gestiegen. Die
verknlipften Gitterpunkte sind weiter auseinandergerlickt. Der neue
Differenzenstern ist ein gerades Polynom in den vier Translations-
operatoren T 1 ,h' T~~h' T2 ,h und T;~h' Die verknlipften Gitterpunkte
sind in Abbildung 22.4 durch ein Kreuz gekennzeichnet.

l8! 0 l8!

l8! 0

Abb. 22.4. Verknlipfte Gitterpunkte nach einem Reduktionsschritt

Ein solches gerades Polynom laBt sich auf ein Polynom in zwei
"groBeren" Translationsoperatoren umschreiben. Es seien
357

(22.5)

die urn ~/4 in positiver Richtung gedrehten Einheitsvektoren und

k h V'Z

Dann ist

(22.6)

Die einfach reduzierten Gleichungen lassen sich damit in der folgenden


Form schreiben:

Den links stehenden Differenzenstern kann man wieder in einen geraden


Teil

und einen unger aden Teil

zerlegen und erneut reduzieren. Man erhalt dann ein Polynom in den Trans-
lationsoperatoren

-1 -1
T1 ,2h' T1 ,2h' T2 ,2h' T2 ,2h
358

Wir haben also ausgehend von einem Polynom in

nach einem Reduktionsschritt ein Polynom in

und nach zwei Reduktionsschritten ein Polynom in

erhalten. Das bedeutet insbesondere, daB die n/4-Drehung

nach der zweiten Reduktion rtickgangig gemacht worden ist. Der beschrie-
bene ProzeB laBt sich wieder beliebig oft fortsetzen. Der erforderliche
Rechenaufwand steigt dabei stark an. Aus diesem Grund haben wir den
zweiten Reduktionsschritt auch nicht explizit durchgeftihrt.
Wir gehen nun zum allgemeinen Fall des zweidimensionalen Reduk-
tionsverfahrens bei Differential- bzw. Differenzengleichungen mit
konstanten Koeffizienten tiber. Dazu stellen wir zunachst einige all-
gemeine Ergebnisse tiber Polynome und Differenzensterne zusammen.

Definition 22.7: Es sei P(x 1 , ... ,x l ) ein reelles Polynom in den 1


Veranderlichen x 1 , ... ,xl. P heiBt gerade, wenn

P heiBt ungerade, wenn

Offensichtlich gilt, daB das Produkt gerader bzw. ungerader Polynome


gerade und das Produkt eines geraden mit einem ungeraden Polynom
ungerade ist. Uberdies laBt sich jedes Polynom als Summe eines geraden
und eines unger aden Polynoms schreiben.
359

Hilfssatz 22.8: Es sei P(x 1 ,x 2 ,x 3 ,x 4 ) ein gerades PoZynom. Dann gibt es PoZy-
- R$
nome P und P mit foZgenden Eigensahaften:

-1 -1 - -1 -1 -1
P(x,x ,y,y ) = P(xy, (xy) ,yx ,xy )

P(xy, (xy) -1 ,yx -1 ,xy -1 ) = ~ 2 -2 ,y,y


1'(x,x 2 -2 )

Beweis: Es ist

-1 -1
P(x,x ,y,y )

Weil P gerade ist, braucht man nur uber i,j E ~ mit i + j gerade zu
surnrnieren. Fur solche i,j ist

r = (i+j)/2 s = (j-i)/2 .

Wir erhalten
r -1 s
P(x,x
-1
,y,y
-1
) r Cl r - s r+s (xy) (yx )
r, sE 7l '

und darnit den ersten Teil der Behauptung.


Ebenso ergibt sich

P(xy,(xy) -1 , yx -1 ,xy -1 )

r = (i-j)/2 , s = (i+j)/2

[]

Definition 22.9: Fur festes h > 0 definieren wir das Gitter

{{XEm: Ix 2 v/2 h (ie 1+je 2 ) i,jE7l } falls v gerade


Gv
{xE:m Ix 2v /2 h (ie 3+je 4 ) i,jElL } falls v ungerade.
360

Ein Differenzenstem S \I auf dem Gitter Gist


\I ein Polynom in

-1 -1
T1 ,k' T1 ,k' T2 , k' T2 ,k fUr gerades \I

oder in

-1 -1 fUr ungerades \I .
T3 ,k' T3 ,k' T4 ,k' T4 ,k

Dabei ist k = 2\1/2 h. S heiBt gerude (bzw. ungerude), wenn das zuge-
\I
horige Polynom gerade (bzw. ungerade) ist. c

Es gilt: Go ~ G1 ~ G2 ~ .•.. In Abbildung 22.10 sind Go ,G 1 ,G 2 und G3


dargestellt.

~ • • • [!]
GO: •
• ® • ® •
G, : 0
II • !!l • II

• • • ® • G2 : X

• • ~ G3 : 0
~ If

Abb. 22.10. Darstellung der Gitter G0' G1 , G2 und G3

Satz 22.11: Es sei S\I ein Differenzenstem auf dem Gitter G\I . S\I sei zerZegt in
eine Summe

S \I P \I + Q\I

mit geradem Differenzenstem P\I und ungeradem Differenzenstem Qv. Dann kann

S
\1+1 = (P -Q )S
\I \I \I

auah aZs Differenzenstem auf dem groberen Gitter G\I+1 C G\I aufgefaBt werden.

Beweis: Der Differenzenstern

ist gerade, da p2\I und Q2\I gerade sind. Es sei nun \I gerade. Dann gibt
es nach Hilfssatz 22.8 ein Polynom 5\1+1 mit
361

wegen

hat man mit m

Die rechte seite dieser Gleichung ist ein Differenzenstern auf dem.
Gitter Gv+1 • Fur ungerades v erhalt man entsprechend unter zusatzlicher
Berlicksichtigung von (22.6):

1 = k/V2' , m 2 . 1 c

Wir konnen die Ergebnisse wie folgt zusammenfassen:


Reduktionssahritt bei Gleiahungen mit konstanten Koeffizienten:
2
Ausgangsgleichung S u(x) = h q (x) (xEG )
v v v
Zerlege: Sv = P v + Q v (P gerade,
v Q
v
ungerade)
Berechne: qv+1 (x) (p -Q )q (x) (xEG v+ 1 )
v v v
Reduzierte
Gleichung: Sv+,u(x) = h 2 qv+1 (x) (xEG v+1 ) .
Der ReduktionsprozeB kann beliebig oft wiederholt werden. Dabei
hangen die Differenzensterne Sv nur von der Differentialgleichung und
362

nicht von deren rechter Seite abo Sie konnen fur einen bestimmten
Differentialgleichungstyp ein fur alle mal berechnet und anschlieBend
gespeichert werden.
Unsere Darstellung der Differenzensterne ist fur groBere v sehr
aufwendig. Statt

r i j
a ~J
.. T1 , k T2 ,k fur v gerade
i,jE71.

Sv i j
r a ~J
.. T3 , k T4 ,k fur v ungerade
li,jE?l

k = 2v/2h
sQhreiben wir wie Schroder-Trottenberg auch kurzer

· .•... a -1,1 a O,1 a 1 ,1

S · ..... a -1,0 aO,O a 1 ,O


v

· ..... a -1,-1 a O,-1 a 1 ,-1 .....


.

Bei der Differentialgleichung

-flU (xl = q (xl

liefert die Standard-Diskretisierung den stern

Die ersten drei Reduktionen ergeben:


363

[-'
-2

S1 -2
-1
12

-2
-:]
-2

-1
1

0 0 0 0
0 -2 -32 -2 0
S2 1 -32 132 -32 1
0 -2 -32 -2 0
0 0 1 0 0
2

-4 6 -4 1
-4 -752 -2584 -752 -4
S3 6 -2584 13348 -2584 6
-4 -752 -2584 -752 -4
-4 6 -4
3

Die geraden Anteile P der sterne S sind:


\I \I

[~ ~l
0
P0 = 4
0
0

[-~ -1
0
P1 12
-1 0 -1
1

0 0 0 0
0 -2 0 -2 0
P2 1 0 132 0
0 -2 0 -2 0
0 0 1 0 0
2

0 6 0
0 -752 0 -752 0
P3 6 0 13348 0 6
0 -752 0 -752 0
1 0 6 0
3 .
364

Bei der Anwendung des Reduktionsverfahrens auf Randwertaufgaben


bei elliptischen Differentialgleichungen entsteht die Schwierigkeit,
daB die Formeln in einem beschrankten Gebiet nur gelten, wenn der
betrachtete Gitterpunkt weit genug vom Rand entfernt ist. In gewissen
Spezialfallen kann man sich jedoch von dieser Einschrankung befreien.
Es sei das Einheitsquadrat

G = (0,1) x (0,1)

zugrunde gelegt. Die Randbedingungen seien entweder periodisch, d.h.

u (x 1 ,1)
(x 1 ,x 2 E[0,1])

oder homogen, d.h. u(x 1 ,x 2 ) =°fUr (x 1 ,x 2 )E3G.


Der die Differentialgleichung approximierende Differenzenstern
sei eine symmetrische Neunpunktformel

Die Ausdehnung des GUltigkeitsbereiches der Differenzengleichungen

auf XEG o gelingt in diesen Spezialfallen durch eine Fortsetzung der


Gitterfunktion u(x) auf ganz Go. Dazu wird bei periodischen Rand-
bedingungen u(x) und qo(x) unmittelbar periodisch auf Go fortgesetzt.
1m Faile der homogenen Randbedingungen setzt man u(x) und q (x) anti-
o
symmetrisch bez. der Rander des Einheitsquadrates fort:
365

fUr

Dabei entstehen doppelt-periodische Funktionen. Abbildung 22.12


kennzeichnet ihr Verhalten.

+ +
+ + +
+ +
Abb. 22.12. Antisymmetrische Fortsetzung

Die homogenen Randbedingungen und die Symmetrie des Differenzen-


sterns stellen die GUltigkeit der ausgedehnten Differenzengleichungen
in den Randpunkten von G und folglich auf ganz G sicher. Eine analoge
o
Fortsetzung der exakten Losung der Differentialgleichung ist jedoch
nicht moglich, weil dann normalerweise keine zweimal differenzierbare
Funktion entsteht.
Wir wollen die praktische DurchfUhrung des Reduktionsverfahrens
im Falle der homogenen Randbedingungen und fUr h = l/n mit n = 4
vorfUhren. Der nach drei Reduktionsschritten erhaltene Stern S3 ist
ein Polynom in den Translationsoperatoren

Die zugehorige Differenzengleichung gilt im Gitter G3 (vgl. Abbildung


22.10). Wegen der besonderen Art der Fortsetzung von u ist nur noch
die Gleichung

zu erfUllen. Alle Surnrnanden lassen sich mit Hilfe der Periodizitat


und der Antisyrnrnetrie auf u(1/2,1/2), u(O,O), u(l,O), u(O,l) und u(l,l)
zurUckfUhren. Die werte von u auf dem Rand sind aber Null. Somit
kann u(1/2,1/2) unmittelbar berechnet werden. Die mit dem Differenzen-
stern S2 im Gitter G2 gebildeten Gleichungen enthalten keine neuen
Unbekannten mehr (vgl. Abbildung 22.10). Die Gleichungen

Sl u (1/4,1/4) Ql(1/4,1/4)
366

S1 u (3/4,1/4) q1(3/4,1/4)

S1 u (1/4,3/4)

S1 u (3/4,3/4) q1 (3/4,3/4)

fUr die Werte von u in den Gitterpunkten (1/4,1/4), (3/4,1/4),


(1/4,3/4) und (3/4,3/4) sind zwar noch gekoppelt; es gehen aber sonst
nur noch die Randwerte von u und der inzwischen bekannte wert
u(1/2,1/2) ein. Somit kann das 4x4-System gelost werden. Da es stark
diagonal-dominant ist, laBt es sich z.B. in wenigen Schritten (ca.
3 - 5) mit SOR losen. Alle restlichen Unbekannten bestimmt man
anschlieBend aus

qo (1/2, 1/4)

S u(1/4,1/2) q (1/4,1/2)
o o

S u(3/4,1/2)
o

S u(1/2,3/4) = q (1/2,3/4) .
o 0

Auch dieses Gleichungssystem ist in allen praktisch vorkommenden


Fallen stark diagonal-dominant.
Das beschriebene Losungsverfahren ist allgemein immer durch-
fUhrbar, wenn n eine Potenz von 2 ist:

n h -n mElN •

Die (2m-1)-fach reduzierte Gleichung

S2m_1 u (1/2,1/2) = Q2m_1(1/2,1/2)

ist dann allein eine Gleichung fur u(1/2,1/2). Die Werte von u an den
restlichen Gitterpunkten ergeben sich nacheinander aus stark diagonal-
dominanten Gleichungssystemen.
Bei den zu

-1
4
-1
367

gebildeten Differenzensternen S" S2 und S3 ist zu sehen, daB die


Anzahl der von Null verschiedenen Koeffizienten stark anwachst. AuBer-
dem haben die Koeffizienten sehr unterschiedliche GroBenordnungen.
Diese Erscheinung ist allgemein in gleicher Weise fur alle folgenden
Sv zu beobachten. Sie ist in allen praktischen Fallen auch unabhangig
vom Ausgangsstern S • Aus diesen GrUnden arbeitet man in der Regel
o
nicht mit den vollen Differenzensternen Sv' sondern verwendet ent-
sprechend gekUrzte Sterne. Dabei werden nach Vorgabe eines KUrzungs-
parameters 0 alle Koeffizienten a ij von Sv mit

durch Nullen ersetzt. Dies hat fUr hinreichend kleine 0 keinen groBen
EinfluB auf die Genauigkeit der berechneten Naherungswerte von u. Z.B.
entspricht der speziellen Wahl 0 = 10-8 im FaIle des Ausgangssterns

eine Vernachlassigung aller Koeffizienten a .. mit


~J

Iii + Ijl > 4 , Ii I > 3 , Ij I > 3 •

Zurn SchluB mochten wir noch die Anzahl der benotigten Rechen-
operationen fUr das GauB-Seidel-Verfahren (Einzelschritt-Verfahren),
die SOR-Iteration, den Bunernan-Algorithmus und das Reduktionsverfahren
anhand von Tabelle 22.13 vergleichen. Wir beschranken uns auf die
Poissongleichung im Einheitsquadrat (Modellproblem) zusammen mit der
klassischen FUnf-Punkt-Differenzenformel. AIle Terme niedriger Ordnung
werden vernachlassigt. Mit N2 bezeichnen wir die Anzahl der inneren
Gitterpunkte bzw. die Anzahl der Unbekannten des Gleichungssystems.
Der Rechenaufwand der Iterationsverfahren hangt zusatzlich von dem
Faktor E ab, urn den der Anfangsfehler verringert werden solI. Beim
Reduktionsverfahren nehmen wir an, daB alle Sterne mit 0 = 10- 8
gekUrzt werden. Genauere Vergleiche werden bei Dorr 1970 und Schroder-
Trottenberg-Reutersberg 1976 durchgeflihrt. In den Anhangen 4 und 6
findet man noch Angaben Uber Rechenzeiten. Man beachte bei diesem
Vergleich, daB die Iterationsverfahren auch bei allgemeineren problemen
anwendbar sind.
368

Tabclle 22.• 13. Operationszahlen fur das Modellproblem

GauB-Seidel 4 N4 Ilog I
2'
11
E

SOR 'L
211
N3 Ilog e: I

Buneman (6l0g 2 (N+1)+3)N 2

Reduktion 36 N2
Anhang: FORTRAN-Programme

A.O Einleitung

Von der mathematischen Formulierung eines Algorithmus bis zur Erstellung


eines effektiven Rechner-Programms ist es oft ein weiter Weg. Wir
mochten hier sechs exemplarische Beispiele aus unserem Gebiet vorstellen.
Die Auswahl soll die Vielfalt der Methoden verdeutlichen und dem Leser
einen Einblick in die verschiedenen Detailprobleme geben. In jedem
Anhang steht ein anderer Gesichtspunkt im Vordergrund: Berechnung von
Charakteristiken (Anhang 1), Probleme nichtlinearer impliziter Diffe-
renzenverfahren (Anhang 2), Speicherung bei mehr als zwei unabhangigen
Veranderlichen (Anhang 3), Beschreibung beliebiger Gebiete (Anhang 4),
graphentheoretische Hilfsmittel (Anhang 5) und ubersichtliche Program-
mierung-eines schnellen direkten Verfahrens (Anhang 6). Einige besonders
diffizile Fragen - wie z.B. Schrittweitensteuerung - konnen hier aller-
dings nicht behandelt werden.
Zur Verbesserung der Lesbarkeit haben wir jede Aufgabe starker
als liblich in mehrere Unterprogramme aufgegliedert. Wir mochten dieses
Vorgehen generell empfehlen, da es erheblich die Formulierung und
Prlifung der Programme erleichtert. Wer Rechenzeit sparen will, kann
anschlieBend leicht eine weniger strukturierte Fassung erstellen. Dazu
mussen nur die kleinen Unterprogramme integriert werden. Bei jeder
Anderung sollte man aber wieder von den starker strukturierten Pro-
grammen ausgehen. Eine andere Moglichkeit zur Rechenzeiteinsparung
besteht darin, gewisse haufig aufgerufene Unterprogramme eventuell
nachtraglich in ASSEMBLER-Sprache zu formulieren. Die Lesbarkeit des
Gesamtprogramms wird hierdurch nicht beeinfluBt, solange inhaltlich
aquivalente programme in eir,er hoheren Sprache zur Verfugung stehen.
Die Entscheidung fur die Programmiersprache FORTRAN ist uns
schwer gefallen, zumal wir sonst lieber in PLjI oder PASCAL program-
mieren. FORTRAN ist aber immer noch die verbreiteste Programmier-
sprache im technisch-wissenschaftlichen Bereich. Zugehorige Compiler
370

gibt es auf praktisch allen Rechenanlagen. AuBerdem sind in FORTRAN


geschriebene Programme fast uberall erheblich schneller als Programme
in den besser lesbaren Sprachen. Diese Tatsache besitzt bei der Losung
partieller Differentialgleichungen noch erhebliche Bedeutung.
Die entwickelten Programme wurden auf der Rechenanlage CDC-CYBER 76
der Universitat zu Koln und zum Teil auf einer IBM 370/168 der Kern-
forschungsanlage Julich GmbH geprUft. Sie sollten aber auch ohne groBere
Umstellung auf anderen Anlagen laufen.
Bei allen inneren Schleifen haben wir darauf geachtet, daB bei
Maschinen mit virtuellem Speicher oder gepuffertem Hauptspeicher keine
unnotigen Seitenwechsel vorkommen. Auf solchen Anlagen ist etwa die
Schleife

DO 10 I 1,100

DO 10 J = 1, 100

10 A{J,I) = 0

wesentlich schneller als

DO 10 I 1,100

DO 10 J = 1, 100

10 A{I,J) = 0

Das liegt daran, daB die Elemente von A bei Verwendung von FORTRAN in
folgender Reihenfolge im Speicher stehen:

A{1,1) ,A{2,1)". "A{100,1) ,A{1,2) ,A{2,2) "" ,

Bei den meisten anderen Programmiersprache,n ist die Reihenfolge dagegen

A (1 ,1 ) ,A (1 ,2) , .. , ,A (1 ,100) ,A (2 , 1 ) ,A (2 ,2) , • •• ,

Aus diesem Grunde verbietet sich eine schematische Ubersetzung unserer


Programme in ALGOL, PASCAL oder PL/I. Man muB aIle Indizes vertauschen.
Fur die Rechenzeit gibt es kein maschinen- und compilerunabhangiges
MaB. MiBt man die Zeit auf verschiedenen Rechenanlagen, ergeben sich
fUr sehr ahnliche Programme sehr verschiedene Faktoren zwischen den
einzelnen Anlagen. Wir haben Unterschiede bis 1:3 beobachtet, ohne
dafur eine plausible Erklarung zu haben. Es ist oft wohl reiner Zufall,
ob der betreffende Compiler die wichtigsten Schleifen optimal ubersetzt.
Darum nehmen wir in den folgenden Anhangen die Anzahl der - gleich
371

gewichteten - Gleitkommaoperationen als MaB fur die Rechenzeit. Diese


zahlung trifft den tatsachlichen Sachverhalt nur auf den groBen Anlagen
einigermaBen. Bei kleineren Maschinen kosten dagegen Multiplikation
und Division wesentlich mehr Zeit als Addition und Subtraktion.

A.1 Massau~rfahren

Das Verfahren wird in Kapitel 3 im Detail beschrieben. Es handelt sich


urn eine Anfangswertaufgabe fur ein quasilineares hyperbolisches System
von zwei Gleichungen in einem Gebiet G des IR2

02u(x,y) = A(x,y,u(x,y))o1u(x,y) + g(x,y,u(x,y)) «x,y)EG)

u(x,O) w(x) ( (x,O) EG)

mit

AEC 1 (GxG,MAT(2,2,IR))

gEC 1 (GxG,IR
- 2
) •

Gist ein beliebiges Teilgebiet des IR2


Die Anfangswerte w(x) = (w1 (x) ,w2(x)) werden in aquidistanten
Punkten (xi,O) - soweit diese Punkte zu G gehoren - vorgegeben:

xn + 2h(i-n 1 ) ,
1

Die Gitterpunkte in diesem Intervall, die nicht zu G gehoren, mlissen


durch B(I) = .FALSE. gekennzeichnet werden.
Wahrend der gesamten Rechnung enthalt U(*,I) die folgenden vier
Komponenten:

Die zugehorigen charakteristischen Koordinaten (vgl. Abbildung 3.10)


sind:

SIGMA SIGMAO + 2hi

TAU .
372

Beim Start muB der COMMON-Block MASS aus.gefUllt werden:

H2 2h

TAU = 0 .

FUr die i, fUr die (xi,O) in G liegt, setzt man

B (I) = • TRUE.

U(1,I) W1 (Xi)

U(2,I) W2 (xi)

U(3,I) x.~

U(4 ,I) o ,
sonst nur

B(I) .FALSE • .
Mit jedem Aufruf von MASSAU wird eine neue Schicht im charakteristi-
schen Gitter (TAU = h, TAU = 2h, .•• ) berechnet. Das Programm ver~ndert
auch N1, N2 und SIGMAO. Die Anzahl der Gitterpunkte auf einer Schicht
f~llt jedesmal mindestens urn 1. Am Ende ist N2 ~ N1. Zwischen zwei

Aufrufen von MASSAU konnen die Ergebnisse fUr eine Schicht ausgedruckt
werden.
Zur Beschreibung von A und g mUssen in jedem konkreten Fall zwei
Unterprogramme MATRIX und QUELL geschrieben werden. Eingangsparameter
ist ein Vektor U der L~nge 4. Die Komponenten bedeuten

u 1 (x,y), u 2 (x,y), x, y •

Das Programm MATRIX setzt noch eine logische Variable L. Sie hat
folgende Bedeutung:

L = .FALSE. U liegt auBerhalb des gemeinsamen Definitions-


bereichs GxG von A und g
L • TRUE. sonst •
373

Zur Bestimmung der Eigenwerte und Eigenvektoren von A ruft MASSAU das
Unterprogramm ElGEN auf. Beide Programme enthalten eine Reihe von
Kontrollen:

(1) A und g definiert?


(2) Eigenwerte von A reell und verschieden?
(3) Orientierung des x-y-Koordinatensystems und des cr-T-Systems
gleich?
Gegebenenfalls wird der betroffene Gitterpunkt gestrichen
(B(l) = .FALSE.). Zur Erlauterung betrachten wir das Beispiel:

G = (0,2) x 1R

U1 (x,y) 2u 2 (x,y) )
A(x,y,u(x,y)) (

t 2(X,y)
U u 1 (x,y)

g(x,y,u(x,y)) 0

~O sin(2nx)exp(x)

Die Abbildungen 1 und 2 zeigen das Charakteristikennetz im cr-T-System


und x-y-System. Es handelt sich fur 2h = 1/32 urn den Ausschnitt

0.656250 < cr < 1.406250


0.312500 < T < 0.703125
20-te bis 45-te Schicht.

Da sich im x-y-Koordinatensystem verschiedene Charakteristiken vom Typ


cr + T = canst. uberschneiden, kann in diesem Bereich die Rechnung nicht
fortgefuhrt werden. Wenn man auf die obigen Kontrollen verzichtet,
erhalt man Ergebnisse fur das volle "Bestimmtheitsdreieck". lm Existenz-
gebiet der Losung konnen aber keine Uberschneidungen der Charakter i-
stiken von derselben Schar vorkommen.
374

0
~

El
Q)
.j..l
Ul
>.
Ul
I
>.
I
OJ ~
o~
El
-rl
N
.j..l
Q)
s::
s::Q)
~
-rl
co .j..l
Ul
o~
-rl
1-1
Q)
.j..l
~
co
1-1
co
..c:
u
c---
o~

0 LJ") 0 0 0 0 LJ") ..Q


co c--- c--- '-' M
~
CD LJ")
o· 0" 0 0" o~ o~ o~
0,75

0,70

0,60

0,50

0,40

030r),/), /), / ) , / ) , / ) , / ) , / ) , ( ) , [\. /), '1), [\. /\. /j'/),/),/")/), /), [\. F\./),/")'.
, I I I
0,65 0,7 0,8 0,9 1,0 1,1 1,2

Abb. 2. Charakteristikennetz Lm cr-T-System Ul


......
(11
376

Das MASSAU-Verfahren eignet sich vorzuglich fur globale Extrapolation.


Auch dazu ein Beispiel:

G = (0,1) x IR

°
A(x,y,u(x,y»
1- (u 1 (x,y) ) 2 2u, (x,y)u2 (x,y)
1-(u 2 (x,y»2 1-(u 2 (x,y»2

°
g(x,y,u(x,y»
4u 1 (x,y) exp (2x)
1-(u 2 (x,y»2

1jJ(x) 2exp(x) ( °1 ) •

Die exakte Losung ist

sin y)
u(x,y) =2 exp(x) ( •
cos y

Das zugehorige Hauptprogramm und die Unterprogramme MATRIX und


QUELL sind unten aufgelistet.
Tabelle 3 enthHlt die Ergebnisse fur (cr,,) = (1/2,1/2). Die
diskrete Losung besitzt eine asymptotische Entwicklung der Art

Die Ergebnisse nach der ersten und zweiten Extrapolation findet man
in den Tabellen 4 un.d 5. Die Fehler ~u1 und ~u2 wurden in allen drei
Tabellen aus den Werten einer Spalte berechnet:

~u, =2 exp(x)sin(y) - u,

~u2 2 exp(x)cos(y) - u 2 •
377

Tabelle 3. Ergebnisse fUr (cr,T) (1/2,1/2)


H2 1/32 1/64 1/128 1/256
x 1.551750 1.582640 1.598355 1.606317
Y 1.122827 1.138263 1.147540 1.152624
U1 8.804323 9.004039 9.104452 9.154850
U2 3.361230 3.664041 3.838782 3.932681
C.U1 -0.296282 -0.165040 -0.087380 -0.044999
C.U2 0.727335 0.416843 0.223264 0.115574

Tabelle 4. Ergebnisse nach der ersten Extrapolation

x 1.613530 1.614070 1.614279


Y 1.153699 1.156817 1.157708
U1 9.203755 9.204865 9.205248
U2 3.966852 4.013523 4.026580
C.U1 -0.023579 -0.007085 -0.001948
C.U2 0.100843 0.027710 0.007299

Tabelle 5. Ergebnisse nach der zweiten Extrapolation


x 1.614250 1.614349
Y 1.157856 1.158005
U1 9.205235 9.205376
U2 4.029080 4.030932
C.U1 -0.001605 -0.000234
C.U2 0.003320 0.000496

SUBROUTINE MASSAU
C
C VARIABLEN DES COMMON-BLOCKS
C U(I,I) UND U(2,I) KOMPONENTEN VON U,
C U(3,I)=X, U(4,I)=V.
C DABEI 1ST NI.LE.I.LE.N2.
C B(I)=.FALSE. BEDEUTET, DASS DER PUNKT
C NICHT ZUM GITTER GEHOERT.
C DER PUNKT ( U(3,I),U(4,I) ) HAT DIE
C CHARAKTERISTISCHEN KOORDINATEN ( SIGMAO+I*H2,TAU )
C DER BLOCK MUSS YOM HAUPTPROGRAMMM INITIALISIERT WERDEN.
C
378

REAL UC4,500),SIGMAO,TAU,H2
INTEGER Nl, N2
LOGICAL B(500)
COMMON /MASS/ U,SIGMAO,TAU,H2,Nl,N2,B
C
REAL EIC2,2),E2C2,2),LAMBIC2),LAMB2C2),GIC2),G2C2)
REAL Cl,C2,D,XO,Xl,X2,YO,Yl,Y2,RD
REAL DXOl,DX21,DYOl,DY02,DY21,Ull,U12
INTEGER N3,N4,I
LOGICAL L,LL
C
N3=N2-Nl
10 IFCN3.LE.0) RETURN
IFCBCNl» GOTO 20
11 Nl=Nl+l
N3=N3-1
GOTO 10
20 LL=.FALSE.
N4=N2-1
C
C ANFANG DER HAUPTSCHLEIFE
C
DO 100 I=Nl,N4
IFC.NOT.BCI+l» GOTO 90
IFCLL> GOTO 30
IFC.NOT.BCI» GOTO 90
CALL EIGENCUCl,I),El,LAMBl,L)
IFC.NOT.L) GOTO 90
CALL QUELLCUCl,I),Gl)
30 CALL EIGENCUCl,I+l),E2,LAMB2,L)
IFC.NOT.L) GOTO 90
CALL QUELLCUCl,I+l),G2)
C
C LOESUNG DER GLEICHUNGEN
C CXO-Xl)+LAMBlCl)*CYO-Yl)=O
C CXO-Xl)+LAMB2C2)*CYO-Yl)=CX2-Xl)+LAMB2C2)*CY2-Yl)
C
Cl=LAMBlCl)
C2=LAMB2(2)
D=C2-Cl
IFCD.LT.l.E-6*AMAXlCABSeCl),ABSeC2») GOTO 80
Xl=Ue3,I)
X2=UC3.I+l)
Yl=UC4,I)
Y2=U(4,I+l)
DX21=X2-Xl
DY21=Y2-Yl
RD=CDX21+C2*DY21)/D
DXOl=-Cl*RD
DYOl=RD
XO=Xl+DXOl
YO=Yl+DYOl
DY02=YO-Y2
C
C ABFRAGEN, OB DIE TRANSFORMATION
C eSIGMA,TAU) NACH eX,y) MOEGLICH 1ST.
C
IFeCDX21*DYOI-DXOl*DY21).LE.O.) GOTO 80
C
379

C lOESUNG DER GlEICHUNGEN


C
C El(1,1)*(U(1,I)-Ull)+El(1,2)*(U(2,I)-U12)=
C DYOl*(El(1,1)*Gl(1)+El(1,2)*Gl(2»
C E2(2,1)*(U(1,I)-Ul1)+E2(2,2)*(U(2,I)-U12)=
C E2(2,1)*(DY02*G2(1)+U21-U11)+E2(2,2)*(DY02*G2(2)+U22-U12)
C
C U1l=ALTER WERT VON UC1,I)
C U12=ALTER WERT VON UC2,I)
C U21=ALTER WERT VON UC1,I+1)
C U22=AlTER WERT VON UC2,I+1)
C
D=E1(1,1)*E2(2,2)-E2(2,1)*El(1,2)
IF(ABS(D).LT.l.E-6) GOTO 80
U11=U(1,I)
U12=U(2,I)
C1=DY01*(El(1,1)*G1(1)+E1(1,2)*G1(2»
C2=E2(2,1)*(DY02*G2(1)+U(1,I+l)-Ull) +
F E2(2,2)*(DY02*G2(2)+U(2,I+1)-U12)
U(1,I)=U11+(Cl*E2(2,2)-C2*El(1,2»/D
U(2,I)=U12+(E1C1,1)*C2-E2(2,1)*Cl)/D
C
C
U(3,I)=XO
U(4,I)=YO
70 LAMB1(1)=lAMB2Cl)
ElC1,1)=E2(1.1)
ElC1,2)=E2(1,2)
Gl(1)=G2(1)
G1(2)=G2(2)
LL=.TRUE.
GO TO 100
80 B(Il=.FAlSE.
GOTO 70
90 B(I)=.FALSE.
Ll=.FAlSE.
100 CONTINUE
C
C ENDE DER HAUPTSCHLEIFE
C
B(NZ)=.FALSE.
110 NZ=N2-l
IF(.NOT.B(NZ).AND.N2.GT.Nl) GO TO 110
SIGMAO=SIGMAO+HZ*0.5
TAU=TAU+H2*0.5
RETURN
END

SUBROUTINE EIGEN(U,E,LAMBDA,L)
C
REAL U(4),E(Z,2),LAMBDA(Z)
LOGICAL l
C
C EINGANGSPARAMETER
C U ENTHAElT U(1),U(2),X,Y
C
380

C AUSGANGSPARAMETER
C EIGENWERTE LAMBDACl).LT.LAMBDAC2)
C MATRIX E CIM TEXT E**-l GENANNT)
C L=.FALSE. BEDEUTET, DASS DIE RECHNUNG NICHT DURCHFUEHRBAR 1ST.
C
REAL AC2,2),C,D,Cl,C2,C3,C4
LOGICAL SW
L=.TRUE.
CALL MATRIXCU,A,L)
IFC.NOT.L) RETURN
C
C BERECHNUNG DER EIGENWERTE VON A
C
C=ACl,l)+AC2,2)
D=ACl,l)-AC2,2)
D=D*D+4.*ACl,2)*AC2,1)
IFCD.LE.O) GO TO 101
D=SQRTCD)
IFCD.LT.l.E-6*ABSCC» GO TO 101
LAMBDACl)=0.5*CC-D)
LAMBDA(2)=0.5*CC+D)
C
C LOESUNG DER HOMOGENEN GLEICHUNGEN
C ECl,1)*CACl,1)-LAMBDACl»+ECl,2)*AC2,1)=0
C ECl,1)*ACl,2)+ECl,2)*CAC2,2)-LAMBDACl»=0
C EC2,1)*CACl,1)-LAMBDAC2»+EC2,2)*AC2,1)=0
C EC2,l)*ACl,2)+EC2,2)*CAC2,2)-LAMBDAC2»=0
C
C=LAMBDACl)
SW=.FALSE.
10 Cl=ABSCACl,l)-C)
C2=ABSCAC2,l»
C3=ABSCACl,2))
C4=ABSCAC2,2)-C)
IFCAMAXICCl,C2).LT.AMAXlCC3,C4» GO TO 30
IFCC2.LT.Cl) GO TO 20
Cl=l.
C2=(C-ACl,1»/A(2,1)
GO TO 50
20 C2=1.
Cl=AC2,1)/CC-ACl,1»
GO TO 50
30 IFCC3.LT.C4) GO TO 40
C2=1.
Cl=(C-AC2,2»/ACl,2)
GO TO 50
40 Cl=l.
C2=ACl,2)/CC-AC2,2»
50 IFCSW) GO TO 60
ECl,l)=Cl
ECl,2):,C2
C=LAMBDA(2)
SW=.TRUE.
GO TO 10
60 EC2,l)=Cl
E(2,2)=C2
RETURN
101 L=.FALSE.
RETURN
END
381

BEISPIEL (1M BEGLEITTEXT ERWAEHNT)

HAUPTPROGRAMM

C BESCHREIBUNG DES COMMON-BLOCKS


C IN DER SUBROUTINE MASSAU
REAL U(4,500),SIGMAO,TAU,H2
INTEGER Nl, N2
LOGICAL B(500)
COMMON /MASS/ U,SIGMAO,TAU,H2,Nl,N2,B
C
REAL X,DUl,DU2,SIGMA
INTEGER I,J
C
C INITIALISIERUNG DES COMMON-BLOCKS
C
TAU=O.
Nl=l
N2=65
H2=1./32.
PI = 4.*ATAN(1.)
SIGMAO=-H2
X=O.
DO 10 I=1,N2
U(1,I)=0.1*SIN(2.*PI*X)*EXPCX)
U(2,I)=1.
UC3,I)=X
U(4,I)=0.
B(l)=.TRUE.
10 X=X+H2
C
C DRUCK- UND RECHENSCHLEIFE
C
DO 40 1=1,65
DO 39 J=Nl,N2
IF(.NOT.B(J» GO TO 39
SIGMA=SIGMAO+J*H2
WRITE(6,49) SIGMA,TAU,U(3,J),U(4,J),U(I,J),U(2,J)
39 CONTINUE
WRITEC6,50)
C
IF(N2.LE.Nl) STOP
CALL MASS AU
40 CONTINUE
STOP
C
49 FORMATCIX,2F8.5,lX,6F13.9)
50 FORMATCIHl)
END
382

UNTERPROGRAMME

SUBROUTINE QUELLCU,G)
C
C EINGABEPARAMETER U ENTHAELT UCl),UC2),X,Y
C AUSGABEPARAMETER GCl),GC2)
C
REAL U(4),GC2)
GCl)=O.
G(2)=O.
RETURN
END

SUBROUTINE MATRIXCU,A,L)
C
C EINGABEPARAMETER U ENTHAELT UCl),UC2),X,Y
C AUSGABEPARAMETER MATRIX A UND L.
C WENN U NICHT IN DAS GEMEINSAME DEFINITIONSGEBIET
C DER KOEFFIZIENTENMATRIX A UND DER INHOMOGENITAET G
C FAELLT, WIRD L=.FALSE. GESETZT, SONST L=.TRUE.
C
REAL U(4),AC2,2)
LOGICAL L
C
REAL Ul,U2
C
Ul=UCl)
U2=U(2)
L=.TRUE.
ACl,l)=-Ul
ACl,2)=-2.*U2
AC2,1)=-O.5*U2
AC2,2)=-Ul
RETURN
END
A.2 Total-implizites Differenzenschema zur L6sung einer nichtlinearen
parabolischen Differentialgleichung

Bei stark nichtlinearen parabolischen Gleichungen hat sich das total-


implizite Differenzenverfahren bewahrt. Mit ihm umgeht man aile Stabili-
tatsprobleme, die bei anderen Verfahren so schwer durchschaubar sind.
1m Faile einer Ortsveranderlichen wird der Aufwand zur Losung der
Gleichungssysteme oft liberschatzt.
Die folgenden Programme losen die Aufgabe

2
3 2 u(x,t) = a(u(x,t))3'lu(x,t) - q(u(x,t)) (xE (r ,s) ,t > 0)

u (x,O) lP (x) (xE[r,s1)

u(r,t) (t > 0)

u (s ,t)

Dazu gehort das Differenzenschema

u(x,t+h) - u(x,t) = A a(u(x,t+h)) [u(x+~x,t+h) + u(x-~x,t+h)

- 2u(x,t+h)1 - h q(u(x,t+h))

mit ~x > 0, h > 0 und A h/(~x)2. Durch Spezialisierung auf

~x = (s-r) / (n+l) , nEJN fest

x = r + j~x , j = 1(1)n

entsteht ein nichtlineares Gleichungssystem mit n Unbekannten. Es wird


mit dem Newton-Verfahren gelost. In jedem Iterationsschritt ist ein
lineares Gleichungssystem mit einer tridiagonalen Matrix zu losen. Die
linearen Gleichungen sind

j 1 (1 ) n

mit

-Aa(U.)
J

-Aa (u.)
J
384

u j : Lasung der Differenzengleichung im Punkt (r+j~x,t)

u- j : jeweilige Newton-Naherung fUr u(r+j~x,t+h) •

Nach der Lasung dieses Systems werden die U. durch u. + ~. ersetzt~


_J J J
die a ij werden neu berechnet usw. bis sich bei u j keine merkliche Ver-
besserung mehr ergibt. Meistens genUgen zwei bis vier Newtonschritte.
Weil in FORTRAN der Index 0 verboten ist, werden in den Programmen
die GraBen u(x+j~x,t) mit U(J+1) bezeichnet. Die Newtonnaherungen u j
heiBen aus demselben Grund U1 (J+1).
Das Verfahren besteht aus acht Unterprogrammen:

HEATTR, AIN, RIN, GAUBD3, ALPHA, DALPHA, QUELL, DQUELL •

HEATTR muB vom Hauptprogramm in jedem Zeitschritt einmal aufgerufen


werden. Sein Name ist eine AbkUrzung von Heat-Transfer. Die anderen
Unterprogramme werden nur mittel bar benutzt.
Die vier letzten Unterprogramme sind in jedem konkreten Fall neu
zu schreiben. Es handelt sich um REAL FUNCTION's mit einem skalaren
Argument vom Typ REAL. Sie beschreiben die Funktionen

<l (u), <l' (u), q (u) und q' (u) •

Die anderen Unterprogramme hangen nicht von den Vorgaben abo AIN
berechnet die Koeffizienten a .. des linearen Gleichungssystems. GAUBD3
~J
lost die Gleichungen. Dieses Programm wird im Detail bei den Programmen
zur Behandlung von Bandmatrizen (siehe Anhang 5) beschrieben. Die
Koeffizienten a 1j , a 2j , a 3j werden nur in jedem dritten Newtonschritt
neu berechnet. In den beiden nachsten Schritten werden die alten Werte
weiter verwendet. Statt AIN wird dann das Programm RIN aufgerufen. Es
berechnet nur den Defekt a 4j • AnschlieBend lauft GAUBD3 in vereinfachter
Form abo Aus diesem Grund ist das dritte Argument .TRUE. . Wir nennen
diese Iterationsschritte verkUrzte Newtonschritte.
Vor dem ersten Aufruf von HEATTR muB der COMMON-Block /HEAT/
ausgefUllt werden:

N= n

DX = ~x (s-r) / (n+1)
385

U(J+1) ~(r+jfix) (j 0(1)n+1)

H =h
H darf von Zeitschritt zu Zeitschritt geandert werden. Wenn u(r,t) und
u(s,t) von t abhangen, sind vor jedem Aufruf von HEATTR im Hauptpro-
gramm auch die neuen Randwerte U(1) = ~r(t+h) und U(N+2) = ~s(t+h) zu
setzen.
Bei einem verkUrzten Newtonschritt werden etwa 60% der Gleitkomma-
operationen eines normalen Newtonschrittes gebraucht:

(1) Normaler Newtonschritt:


n Aufrufe von ALPHA, DALPHA, QUELL, DQUELL

21n+4 Operationen in AIN


8n-7 Operationen in GAUBD3
4n Operationen in HEATTR

(2) Verktirzter Newtonschritt:

n Aufrufe von ALPHA, QUELL

10n+3 Operationen in RIN


5n-4 Operationen in GAUBD3
4n Operationen in HEATTR

Die Folge der verschiedenen Schritte - erst ein normaler Schritt,


dann zwei verktirzte Schritte - ist natUrlich nicht in jedem Fall
optimal. Auch unsere Fehlerabfrage auf eine relative Genauigkeit von
10- 5 ist willktirlich. Gegebenenfalls gentigt es aber, in HEATTR die
beiden Anweisungen

IF (AMAX.LE.0.00001*UMAX) GO TO 70

und

IF (ITER1 .LT.3) GO TO 21

entsprechend zu andern.
Wie schon erwahnt, kommt man meistens mit zwei bis vier Newton-
iterationen aus. Das entspricht etwa dem vier- bis achtfachen Aufwand
fUr das naive explizite Verfahren. Wenn u und a(u) sich stark andern,
laBt das explizite Verfahren aber nur extrem kleine Schrittweiten h zu.
Das kann so weitgehen, daB das Verfahren praktisch tiberhaupt nicht
386

mehr verwendbar ist. Wenn q' (u) < 0 ist, sollte allerdings auch beirn
total-impliziten Verfahren, hq' (u) > -1 sein, d.h. h < 1/lq' (u) I.
FUr sehr groBe n empfehlen wir zur Reduzierung der Rundungsfehler
in AIN und RIN die Anweisung

A(4,J) U(J+1) - (1.+LAMBD2*AJ)*UJ + LAMBDA*AJ*

(U1 (J+2) +U1 (J)) - H*QJ


*
in doppelter Genauigkeit auszuwerten. Dazu deklariert man

DOUBLE PRECISION LAMBDA, LAMBD2, AJ, UJ, U12, U10

und ersetzt die oben genannte Anweisung durch die folgenden drei
Anweisungen:

U12 U1 (J+2)

U10 = U1 (J)

A(4,J)

Alle Ubrigen Gleitkommavariablen bleiben REAL. Die anderen Programme


(auBer AIN und RIN) brauchen nicht geandert zu werden.

SUBROUTINE HEATTRCITER)
C
C UCI) WERTE VON U AN DER STELLE
C X=XO+CI-l)*DX, I=1(1)N+2 ,
C U(l), U(N+2) RANDWERTE
C H SCHRITTWEITE IN ZEITRICHTUNG
C
REAL U(S13),H,DX
INTEGER N
COMMON/HEAT/U,H,DX,N
C
REAL UICS13),AJ,UJ,AMAX,UMAX,AC4,S11)
INTEGER ITER,I,ITERl,Nl,N2,J
Nl=N+l
N2=N+2
C
387

C ERSTER NEWTONSCHRITT
C
CALL AINCA,U)
CALL GAUBD3CA,N,.FALSE.)
DO 20 J=2,Nl
20 UICJ)=UCJ)+AC4,J-l)
Ul(l)=UCl)
UlCN2)=UCN2)
ITER=l
ITERl=l
C
C VERKUERZTER NEWTONSCHRITT
C
21 CALL RINCA,Ul)
CALL GAUBD3CA,N,.TRUE.)
GO TO 30
C
C NORMALER NEWTONSCHRITT
C
25 CALL AINCA,Ul)
CALL GAUBD3CA,N,.FALSE.)
lTERl=O.
C
C UMSPEICHERN UNO FEHLERABFRAGE
C
30 AMAX=O.
UMAX=O.
DO 40 J=2,Nl
AJ=AC4, J-l)
UJ=UICJ)+AJ
AJ=ABSCAJ)
IFCAJ.GT.AMAX) AMAX=AJ
Ul(J)=UJ
UJ=ABS(UJ)
IFCUJ.GT.UMAX) UMAX=UJ
40 CONTINUE
c
C
ITER=ITER+l
lTERl=ITERl+l
IF(AMAX.LE.O.OOOOl*UMAX) GO TO 70
IFCITER.GT.20) GO TO 110
IF(ITERl.LT.3) GO TO 21
GO TO 25
C
C U=Ul
C
70 DO 80 J=2,NI
80 U(J)=UHJ)
RETURN
c
c
110 WRITEC6,11l)
III FORMATCI7H KEINE KONVERGENZ)
STOP
END
388

SUBROUTINE AIN(A,Ul)
C
C BERECHNUNG DER KOEFFIZIENTEN UND DER RECHTEN SEITE
C DES LINEAREN GLEICHUNGSSYSTEMS
C
REAL A(4,SII),Ul(SI3)
C
C COMMON-BLOCK SIEHE HEATTR
C
REAL U(SI3),H,DX
INTEGER N
COMMON/HEAT/U,H,DX,N
C
REAL LAMBDA,LAMBD2,LAMBDM,UJ,AJ,DAJ,QJ,DQJ
INTEGER J
REAL Z
LAMBDA=H/CDX*DX)
LAMBD2=2.*LAMBDA
LAMBDM=-LAMBDA
DO 10 J=I,N
UJ=UlCJ+l>
AJ=ALPHACUJ)
DAJ=DALPHACUJ)
QJ=QUELLCUJ)
DQJ=DQUELLCUJ)
Z=LAMBDM*AJ
ACl,J)=Z
AC2,J)=I.+LAMBD2*(AJ+DAJ*UJ)-LAMBDA*DAJ*
* (UICJ+2)+UICJ»+H*DQJ
A(3,J)=Z
A(4,J)=U(J+l)-(I.+LAMBD2*AJ)*UJ+LAMBDA*AJ*
* (Ul(J+2)+Ul(J»-H*QJ
10 CONTINUE
RETURN
END
389

SUBROUTINE RINCA,Ul)
C
C BERECHNUNG DER RECHTEN SEITE
C DES LINEAREN GLEICHUNGSSYSTEMS
C
REAL AC4,SII),UICSI3)
C
C COMMON-BLOCK SIEHE HEATTR
C
REAL UCSI3),H,DX
INTEGER N
COMMON/HEAT/U,H,DX,N
C
REAL LAMBDA,LAMBD2,UJ,AJ,QJ
INTEGER J
LAMBDA=H/CDX*DX)
LAMBD2=2.*LAMBDA
DO 10 J=l,N
UJ=UlCJ+l)
AJ=ALPHACUJ)
QJ=QUELLCUJ)
AC4,J)=UCJ+l)-Cl.+LAMBD2*AJ)*UJ+LAMBDA*AJ*
* CUICJ+2)+UICJ»-H*QJ
10 CONTINUE
RETURN
END

BEISPIEL

HAUPTPROGRAMM:

REAL UCSI3),H,DX
INTEGER N
COMMON/HEAT/U,H,DX,N
REAL PI,T
INTEGER I, J .ITER
PI=4.*ATANCl.)
C
N=7
DX=I./8.
H=I./64.
DO 10 1=1,9
10 UCI)=SINCPI*DX*FLOATCI-l»
C
T=O.
DO 20 1=1,10
CALL HEATTRCITER)
WRITEC6,22) ITER
T=T+H
WRITEC6,2l) T
WRITEC6,21)CUCJ),J=I,9)
20 CONTINUE
STOP
C
21 FORMATCIX,9FI2.9/1X,9FI2.9)
22 FORMATC6H ITER=,I2)
END
390

UNTERPROGRAMME:

REAL FUNCTION ALPHACU)


REAL U
ALPHA=Cl.-O.5*U)/C4.*ATANCl.»**2
RETURN
END

REAL FUNCTION DALPHACU)


REAL U
DALPHA=-.5/C4.*ATANCl.»**2
RETURN
END

REAL FUNCTION QUELLCU)


REAL U
QUELL=U*U*O.5
RETURN
END

REAL FUNCTION DQUELLCU)


REAL U
DQUELL= U
RETURN
END
A.3 Lax-Wendroff-Richtmyer-Verfahren im Faile zweier Ortsveranderlicher

Die Unterprogramme, die hier vorgestellt werden sollen, behandeln die


Anfangswertaufgabe

03u(x,y,t) = A, (x,y)o,u(x,y,t) + A2(x,y)o2u(x,y,t)

+ D(x,y)u(x,y,t) + q(x,y,t)

(x, Y E JR, t > 0)

u(x,y,O) \p(x,y) (x,y E JR) .

Dabei sind A"A 2 ,D E C' (1R 2 , MAT(n,n,JR)), D(x,y) = diag(djj(x,y)),


q E C'(JR2 x [O,co),JRn ).
Wir setzen voraus, daB die Aufgabe im L2 (JR2 ,~n) sachgemaB gestellt
ist. Hinreichend daflir ist z.B.:

(') A, (x,y), A2 (X,y) sind stets symmetrisch

und

(2) A" A2 , D, q haben kompakte Trager.

Wegen der Terme D(x,y)u(x,y)+q(x,y,t) in der Differentialgleichung


ist die hier betrachtete Aufgabe eine naheliegende Verallgemeinerung
von Beispiel '0.9.
Bei der Ubertragung des Differenzenschemas auf die etwas all-
gemeinere Differentialgleichung gibt es eine Schwierigkeit. Man kann
die Terme

D(x,y)u(x,y,t) + q(x,y,t)

in der Differentialgleichung durch zusatzliche Summand en

h[D(x,y)u(x,y,t) + q(x,y,t)]

oder besser durch

,
h[2 D(x,y) (u(x,y,t)+u(x,y,t+h)) + q(x,y,t+2 h)]
,
im Differenzenoperator berUcksichtigen. Dann gibt es zwar keine neuen
Stabilitatsprobleme (vgl. Satz 5.13). Die Konsistenz bleibt auch
erhalten. Aber die Konsistenzordnung fallt von 2 auf 1. Der ursprling-
liche Konsistenzbeweis bezieht sich namlich nur auf Losungen der
392

Differentialgleichung ("Konsistenz in der Klasse der Lasungen") und


nicht auf beliebige genUgend glatte Funktionen. Jetzt liegt aber eine
andere Differentialgleichung vor.
Wir benutzen das Differenzenschema

h -1 h
u(x,y,t+h) (I-~D(x,y)) [I + S(h)oK(h) + 2' D(x,y)]u(x,y,t)

h -1 h h h -1
+ h(I-2'D(x,y,)) q(x,y,t+2') + 2'(I-2'D(X,y)) S(h)q(x,y,

mit

K (h)

S(h)

FUr D(x,y) = 0 und q(x,y,t) = 0 ist es das ursprUngliche Verfahren


(r = 1). Die Konvergenzordnung ist aber jetzt in jedem Fall 2. NatUr-
lich gilt das nur, wenn Koeffizienten, Inhomogenitat und Lasung hin-
reichend oft differenzierbar sind.
Die Berechnung geht in zwei Schritten vor sich.

1. Schritt (SUBROUTINE STEP1):

1
v(x,y) = K(h)u(x,y,t) + 2'hq(x,y,t)

2. Schritt (SUBROUTINE STEP2):

h
u(x,y,t+h) (I- 2 D (x,y)) -1

h h
o [(I+2'D(x,y))u(x,y,t) + S(h)v(x,y) + hq(x,y,t+2')]

Die letzte Zuweisung ist in der folgenden Form etwas rundungsfehler-


stabiler:

u(x,y,t+h) h
u(x,y,t) + (I-2'D(X,y)) -1

rS(h)v(x,y) + h(D(X,Y)U(x,y,t)+q(x,y,t+~))]

Wenn u(x,y,t) in den Gitterpunkten

(x,y) = (\lL'l,vL'l) (\l,V E ~ , \l + v gerade)

gegeben ist, laBt sich v(x,y) in den folgenden Punkten berechnen:


393

(x;,y) = (].IA ,VA) (].I,V E ~ , ].I + V ungerade) .

Aus diesen Werten und den alten Werten u(x,y,t) ergibt sich u(x,y,t+h)
wieder in den Punkten

(x,y) = (].IA,VA) (].I,V E 7L, ].I + V gerade) •

Damit ist die Rechnung fUr einen Zeitschritt abgeschlossen.

Wenn die Schritte 1 und 2 streng nacheinander ablaufen, muB man u und
v speichern. Darum zerlegen wir jeden Zeitschritt in Teilschritte, bei
denen nur die u-werte zu den Gitterpunkten auf einer Geraden

x + y = 2aA .. const.

ausgerechnet werden. Dazu braucht man nur die v-Werte fUr

x + y = (2a-1) A und x + Y = (2a+1) A •


• + • + : v-Gitter
• + • + • • : u-Gitter
• + • + • + •
"""',,,. +. +. +. +.
'" "'. + • + • + • + • + •
"'-"'''
"'-r."'-. "+ ·
.+.+.+.+.+.+.

."'-+."'-."-+ . +
• + • + • + • + • + •
• + • + • + • + • + •
• + • + ."'-+.:"'-."+. •
+ • + • + •
• + • + .~"'-.~ • + • + •
.+.+.+..:..r,.+.
• + • + .~
"'-"'"'."+.
'' .
• + • + .~"'-."'- x+y=(21X+1)L1
• + • + .""- "'-x+y=2«..1
"'- x+y=(2u-1)L1
• + •

Abb. 1. Gitterpunkte fUr rna 3, m 8, A 1/8
394

Zunachst werden nur diese v-Werte gespeichert und beim nachsten Teil-
schritt zUr Halfte wieder Uberspeichert. So wird immer abwechselnd v
auf einer Geraden berechnet, dann u auf einer Geraden. SUBROUTINE STEP1
berechnet nur die v-Werte auf einer Geraden. STEP2 berechnet zwar alle
u; beim Ubergang von einer Geraden zur anderen wird aber in STEP2 zur
Berechnung von v STEP1 aufgerufen.
Das Programm startet mit den Gitterpunkten im Quadrat

{ (x,y) 1-1 < x + y < und -1 ::: x - y < 1}

Bedingt durch den Differenzenstern des Lax-Wendroff-Verfahrens ver-


lieren wir so pro Zeitschritt am Rande weniger Gitterpunkte als bei
mo
einem gleich groBen achsenparallelen Quadrat. Wir setzen m = 2
und f::, = 11m.
Insgesamt benotigt man zur Losung des Anfangswertproblems sechs
Programme:

INITIO, STEP1, STEP2, DRUCK, COEFF, FUNC .

Die letzten beiden Unterprogramme sind fUr jede Anwendung neu zu


schreiben. COEFF berechnet die Matrizen A1 ,A 2 , D und die Inhomogenitat
q. FUNC liefert die Anfangswerte.
Der Benutzer ruft als erstes Programm INITIO auf. Es definiert
das Gitter, die Anzahl der Komponenten von u, berechnet mit Hilfe von
FUNC die Anfangswerte und tragt alles im COMMON ein. AuBerdem berechnet
INITIO noch

DMAX = max(O,d jj (x,y)) .

Beim Aufruf von STEP2 sollte man h nicht groBer als 1 .O/DMAX wahlen.
Bei jedem Zeitschritt wird erst STEP2 zur Durchflihrung der Rechnung
und dann DRUCK zum Ausschreiben der Ergebnisse aufgerufen.
Nach s2 Zeitschritten bleiben nur noch (m+1-2S 2 )2 Gitterpunkte
Ubrig. Es sind also hochstens m/2 Schritte durchfUhrbar. Nach falschem
Aufruf von INITIO oder STEP2 wird IERR > 0 wie folgt gesetzt:

in INITIO:

IERR 1: mo auBerhalb der Grenzen


IERR 2: n o auBerhalb der Grenzen

in STEP 2:
IERR = 1: So zu groB .
395

STEP1 und STEP2 enthalten beide nur eine rechenintensive Schleife:

STEP 1 STEP 2

DO 100 K 1, MS DO 100 J J1, J2

100 Y Y - DELTA 100 Y1 Y1 + DELTA

Bei der folgenden Berechnung der Anzahl der Gleitkornmaaufrufe vernach-


lassigen wir mit einer Ausnahme (Aufruf von STEP1 in STEP2) alle Opera-
tionen auBerhalb dieser Schleifen. s2 ist die Anzahl der vorhergehenden
Zeitschritte.

STEP1:
(m-2s 2 ) Aufrufe von COEFF
2
(m-2s 2 ) (4n +12n+2) Operationen

STEP2:
(m-2s 2 ) Aufrufe von STEP1
2
(m-2s 2 -1 ) Aufrufe von COEFF

(m-2s 2 -1) 2 *(4n 2 +11n+2) Operationen

Ein Zeitschritt kostet demnach ungefahr

2(m-2S 2 )2 Aufrufe von COEFF


2 2
2(m-2s 2 ' (4n +11nl Operationen •

Der Aufwand fur alle m/2 Zeitschritte zusarnmen ist also

cr Aufrufe von COEFF


cr(4n 2 +11n) Operationen

mit

cr =8
m/2
L
1l=1
II
2
t m(m+1) (m+2)
Wenn die Matrizen A1 ,A 2 viele Nullen enthalten - wie etwa bei der
Wellengleichung - kann man den Term 4n 2 erheblich reduzieren. Dazu
mussen in STEP1 und STEP2 nur die Schleifen neu prograrnmiert werden,
die mit
396

DO 20 LL = 1,N

beginnen. Wer genUgend Speicherplatz hat, kann vorweg A1 ,A 2 , D


berechnen und CALL COEFF durch eine Zuweisung ersetzen. Wenn q von t
abhangt, muS in jedem Zeitschritt allerdings noch q berechnet werden.
Auf diese Weise kann die Rechenzeit in vielen konkreten Fallen auf ein
ertragliches MaS reduziert werden.
Im FalJe der Wellengleichung

o
o A2 (x,y) = (~ o
o 1 o

D(x,y) = 0 , q(x,y,t) = 0

haben wir versucht, die theoretische Stabilitatsbedingung A < VT


experimentell nachzuprUfen. Zu den Anfangswerten

qJ(x,y) =(~os x)
cos y

gehort die exakte Losung

(sin x + sin
u(x,y,t) = (-:~: : cos x
cos t cos y

Wir wahlten mo = 7, m = 128, A = 1/128, h = AA mit A = 1.3(0.1)1.7.


Nach 63 Schritten vergleichen wir in den verbliebenen 9 Gitterpunkten
die numerischen Ergebnisse mit der exakten Losung. Die absoluten Fehler
fUr die erste Komponente von u sind meist kleiner, als die absoluten
Fehler fUr die beiden anderen Komponenten (vgl. Tabelle 2).

Tabelle 2
A max. absoluter Fehler
1. Komp. 2.u.3. Komp.
10- 7 10- 6
- 1.5
< 1.0 4.0
1.6 4.4 10- 5 5.3 10- 5
1.7 2.0 100 1.2 100
397

Wirklich spUrbar ist die Instabilitat erst ab A 1.7. Das liegt


sicherlich an der immer noch geringen Schrittzahl.
Trotzdem sind schon die Rechnungen mit A > 1.5 sehr problematisch.
Eine Multiplikation von h mit 1 + 10- 12 verurs~cht fUr A = 1.3 und
A 1.4 Storungen derselben GroBenordnung wie die Storung von h. FUr
A 1.5 sind dagegen die relativen Xnderungen der Ergebnisse bis zu
1000 mal groBer, fUr A = 1.6 ist der Verstarkungsfaktor in einigen
Punkten sogar 10 9
Die Konsistenz haben wir unter anderem an einem Beispiel nachge-
prUft, bei dem A1 ,A 2 vollbesetzt sind und alle Elemente von Al ,A 2 , sowie
die Diagonalelemente von 0, effektiv vom Ort abhangen. q hangt in diesem
Fall von x,y und tab. Die zugehorigen Unterprograrnrne COEFF und FUNC
haben wir unten mit aufgelistet. Die Anfangswertaufgabe hat die exakte
Losung

u(x,y,t)
e -t (COS x + cos yy)

cos x '+ sin

Die Rechnung wurde viermal durchgefUhrt:


(1) 6. 1/8 h 1/32, A 1/4, s2
(2 ) 6. 1/16 h 1/64, A 1/4, s2 2
(3) 6. 1/32 h 1/128, A 1/4, s2 4
(4 ) 6. 1/64 h 1/256, A 1/4, s2 8

Die Endergebnisse gehoren also alle zur gleichen Zeit T = s2 h = 1/32.


Darum lassen sich in den Gitterpunkten mit den gleichen Raurnkoordinaten
bessere Naherungen mit Hilfe einer globalen Extrapolation berechnen.
Unser Vorgehen beruht auf der Annahrne einer asyrnptotischen Entwicklung
der Art

In der Tat bringt die erste und dritte Extrapolation eine wesentliche
Verbesserung der Ergebnisse. Der Summand h 3 '3(X,y) dUrfte also in
2 4
unserem Beispiel gegenUber den Terrnen h '2(x,y) und h '4(x,y) sehr klein
sein. Die absoluten Fehler der nichtextrapolierten Werte fallen mit h
von ungefahr 10- 3 auf 10- 5 . Nach der dritten Extrapolation sind die
Fehler in allen 49 Punkten (und fUr be ide Komponenten von u) kleiner
als 10- 9 .
398

Mit diesen numerischen Erfahrungen wollen wir keineswegs das


Lax-Wendroff-Richtmyer-Verfahren als Grundlage eines Extrapolations-
verfahrens empfehlen. Daflir ist es zu kompliziert und rechenaufwendig.
Globale Extrapolation ist aber eine sehr weitreichende Methode, ein
Programm auf versteckte Programmierfehler und auf Rundungsfehleran-
falligkeit zu liberprlifen.

SUBROUTINE INITIO (COEFF,FUNC,TO,MO,NO,DMAX,IERR)


C
C ZUR BESCHREIBUNG VON COEFF SIEHE STEP2,
C DIE SUBROUTINE FUNC LIEFERT DIE ANFANGSWERTE F(N) AN DEN
C STELLEN X,V.SIE 1ST YOM BENUTZER ALS EXTERNAL ZU DEKLARIEREN.
C T=TO, N=NO, M=2**MO BEIM AUFRUF VON INITIO,
C DMAX SIEHE BEGLEITTEXT.
C
INTEGER I,IERR,ll,I2,J,MMAXl,MO,NN,NO
REAL DMAX,MINUS,TO,XO,Xl,VO,Vl
REAL Al(4,4),A2(4,4),D(4),Q(4),F(4)
C
C BEDEUTUNG DER VARIABLEN 1M COMMON
C
C M ANZAHL DER TEILINTERVALLE VON (0,1),
C DELTA = l./M ,
C MMAX MAXIMAL MOEGLICHES M AUF GRUND DER DIMENSIONS-
C GRENZEN,
C N ANZAHL DER KOMPONENTEN DER LOESUNG ( 1.LE.N.LE.4 ),
C S2 ANZAHL DER AUFRUFE VON STEP2 SEIT INITIO,
C T ZEIT NACH S2 SCHRITTEN,
C H SCHRITTWEITE IN ZEITRICHTUNG,
C LAMBDA = H/DELTA (LAMBDA .GT. 0 ),
C U LOESUNG, U(*,I,J) GEHOERT ZUM PUNKT
C X=DELTA*(J+I-MMAX-2)
C V=DELTA*(J-I),
C V ZWISCHENWERTE (SIEHE BEGLEITTEXT)
C V(*,2,1) GEHOERT ZUM PUNKT X=DELTA*(J+I-MMAX-l)
C V=DELTA*(J-I)
C JIST DER JEWEILIGE PARAMETER VON STEPI
C V(*,l,I) GEHOERT ZUM PUNKT Xl=X-DELTA
C Vl=V-DELTA
C DIE FELDER U(4,DIM2,DIM2) UND V(4,2,DIMl) SIND IN ABHAENGIG-
C KElT VON MMAX WIE FOLGT ZU DIMENSIONIEREN
C MMAX DIMI DIM2
C 32 32 33
C 64 64 65
C 128 128 129
C
C
INTEGER MMAX,M,N,S2
REAL U(4,65,65),V(4,2,64),H,DELTA,LAMBDA,T
COMMON U,V,H,DELTA,LAMBDA,T,MMAX,M,N,S2
DATA MINUS /-1.E50/
MMAX=64
C
399

MMAX1=MMAX+l
M=2**MO
IF ( MO. LT. 1 . OR. M . GT. MMAX GOTO 998
IF( NO.LT.l .OR. NO.GT.4 GOTO 997
C
C LOESCH EN VON V(*,2,*) UND SETZEN VON U(*,*,*) AUF MINUS
C UNENDLICH. (HIER MINUS=-1.E50)
C
DO 10 J=l,MMAX
DO 10 NN=l,N
10 V(NN,2,J)=0.
DO 20 I=l,MMAXI
DO 20 J=I,MMAXl
20 U(l,I,J)=MINUS
T=TO
N=NO
S2=0
DMAX=O.
IERR=O
DELTA=l./FLOAT(M)
Il=(MMAX-M)/2+1
I2=Il+M
XO=-l.
YO=O.
DO 40 J=Il.I2
Xl=XO
Yl=YO
DO 30 I=Il.I2
CALL FUNC (XI,YI,F)
CALL COEFF (XI,YI,TO,AI,A2,D,Q)
Xl=Xl+DEL TA
YI=YI-DEL TA
DO 30 NN=l,N
U(NN,I,J)=F(NN)
IF( D(NN).GT.DMAX ) DMAX=D(NN)
30 CONTINUE
XO=XO+DELTA
40 YO=YO+DEL TA
RETURN
997 IERR=I
RETURN
998 IERR=2
RETURN
END

SUBROUTINE STEPI (COEFF,J)


INTEGER II,I2,J,JI,J2,K,L,LL,MS
REAL H2,H8,LAM4,SUM,X,Y
REAL A1(4,4) ,A2(4,4) ,0(4) ,Q(4) ,UX(4) ,UY(4)
C
400

C VARIABLE 1M COMMON SIEHE INITIO


C
INTEGER MMAX.M.N.S2
REAL U(4.65.65l. V(4.2.64l.H.DElTA.lAMBDA.T
COMMON U.V,H.DElTA.lAMBDA.T.MMAX.M.N.S2
C
H2=H*.5
H8=H*.125
lAM4=lAMBDA*.25
MS=M-2*S2
I1=(MMAX-MSl/2+1
Jl=J
12=Il+l
J2=J1+1
DO 10 K=l.MS
DO 10 l=I.N
10 V(l.1.Kl=V(l.2.Kl
X=DElTA*FlOAT(J1+II-MMAX-ll
Y=DElTA*FlOAT(J1-Ill
DO 100 K=I.MS
DO 15 ll=l.N
UX(lll=U(ll.I2.J2l-UCll.l1.J1l
15 UY(lll=U(ll.I1.J2l-U(ll.I2.J1l
CAll COEFF (X,Y.T.Al.A2.D.Ql
DO 30 l=l.N
SUM=O.
DO 20 ll=l.N
20 SUM=SUM+A1(l.lll*UX(lll+A2Cl,lll*UYClll
V(l.2.K)=lAM4*SUM+H2*Q(ll+
+ (0.25+H8*D(l)l*(UCl.I2.J2l+UCl.I1.Jll+
+ U(l.I1.J2l+UCl.I2.Jll)
30 CONTINUE
I1=Il+1
12=12+1
X=X+DElTA
100 Y=Y-DELTA
RETURN
END

SUBROUTINE STEP2 (COEFF.HO.IERR)


C
C DIE SUBROUTINE COEFF BERECHNET DIE KOEFFIZIENTEN Al.A2.D UND
C DEN QUElLTERM Q DER DIFFERENTIAlGLEICHUNG. SIE 1ST YOM
C BENUTZER AlS EXTERNAL ZU DEKlARIEREN.
C A1(N.Nl.A2(N.N).D(N) DUERFEN VON X UND Y ABHAENGEN. Q(N) ABER
C VON X.Y UND T.
C HO 1ST DIE SCHRITTWEITE IN ZEITRICHTUNG. SIE DARF VON AUF-
C RUF ZU AUFRUF VON STEP2 1M RAHMEN DER STABILITAETSBEDINGUNGEN
C GEAENDERT WERDEN.
C
EXTERNAL COEFF
INTEGER I.IE~R,Il.I2.J.Jl.J2.K.KK.L.LL.MS
REAL HO.H2.LAM2.MINUS,SUM.T2.X.Xl.Y.Yl
REAL A1(4.4).A2(4.4).D(4).Q(4).VX(4).VY(4)
C
401

C VARIABLE 1M COMMON SIEHE INITIO


C
INTEGER MMAX,M,N,S2
REAL UC4,65,65),VC4,2,64),H,DELTA,LAMBDA,T
COMMON U,V,H,DELTA,LAMBDA,T,MMAX,M,N,S2
DATA MINUS /-I.E50/
C
MS=M-2*52
IFC MS.LT.l ) GOTO 99
IERR=O
H=HO
LAMBDA=H/DELTA
LAM2=LAMBDA*.5
H2=H*.5
T2=T+H2
Il=CMMAX-MS)/2+1
12=Il+M5
Jl=ll+l
J2=I2-1
CALL STEPl CCOEFF,Il)
Xl=DELTA*FLOATCIl+Il-MMAX)
Yl=O.
C
DO 100 J=Jl,J2
X=Xl
Y=Yl
K=l
KK=2
CALL STEPl CCOEFF,J)
DO 50 I=Jl,J2
DO 15 ll=I,N
VXCll)=VCll,2,KK)-VCll,I,K
15 VYCll)=VCll,2,K )-VCll,l,KK)
CAll COEFF CX,Y,T2,Al,A2,D,Q)
DO 30 l=l,N
5UM=0.
DO 20 ll=l,N
20 5UM=5UM+AlCl,ll)*VXCLl)+A2Cl,Ll)*VYCll)
UCl,I,J)=UCl,I~J)+ClAM2*SUM+H*CDCl)*UCL,I,J)+QCl»)/
/ Cl.-H2*DCL»
30 CONTINUE
X=X+DElTA
Y=Y-DEL TA
K=K+l
50 KK=KK+l
Xl=Xl+DELTA
100 Yl=Yl+DELTA
DO 110 J=Il,I2
UCl.Il,J)=MINU5
UCl.I2,J)=MINU5
UCl,J.I1)=MINU5
110 UCl,J,I2)=MINUS
T=T+H
52=52+1
RETURN
99 IERR=l
RETURN
END
402

SUBROUTINE DRUCK
INTEGER I,J,L,MMAX1
REAL MINUS,X,Y
C
C VARIABLE 1M COMMON SIEHE INITIO
C
INTEGER MMAX,M,N,S2
REAL UC4,65,65),VC4,2,64),H,DELTA,LAMBDA,T
COMMON U,V,H,DELTA,LAMBDA,T,MMAX,M,N,S2
DATA MINUS /-1.E50/
C
MMAX1=MMAX+1
DO 30 J=l,MMAXl
DO 20 I=1,MMAX1
IFC UC1,I,J).LE.MINUS ) GOTO 20
X=DELTA*FLOATCJ+I-MMAX-2)
Y=DELTA*FLOATCJ-I)
DO 10 L=l,N
10 WRITE(6,800) L,I,J,UCL,I,J),X,Y
20 CONTINUE
30 CONTINUE
RETURN
800 FORMATC1H ,10X,2HU(,I2,lH"I2,lH"I2,lH),5X,E20.14,
F 5X,2HX=,F10.6,2X,2HY=,FIO.6)
END

BEISPIEL CIM BEGLEITTEXT ERWAEHNT)

SUBROUTINE COEFF CX,Y,T,A1,A2,D,Q)


REAL Al(4,4),A2(4,4),D(4),Q(4)
SlNX=SlNCX)
COSY=COSCY)
CXl=COSCX)+I.
CX2=CXI+I.
SYI=SlNCY)-I.
SSI=SYl*SY1-I.
C
C 1 SlNCX) ,COSCX)+I I I COSCY) ,SINCY)-I
C AI=I I A2=I
C I COSCX)+l, COS(X)+2 I I SINCY)-l, SIN(Y)*(SINCY)-2)
C
AlC1,l)=SINX
AlC1,2)=CX1
AIC2,l)=CX1
AIC2,Z)=CXZ
A2CI,1)=COSY
A2(1,2)=SYl
A2C2,l)=SY1
A2CZ,2)=SSl
D(1)=O.
D(2)=SY1-CX1
QCl)=O.
Q(2)=-EXP(-T)*(COSY*SSl-SINX*CX2)
RETURN
END
403

SUBROUTINE FUNC (X,Y,F)


REAL F(4)
F(l)=SIN(X)+COS(Y)
F(2)=COS(X)+SIN(Y)
RETURN
END

A.4 Differenzenverfahren mit SOR zur L6sung der Poissongleichung


in Nichtrechteckgebieten

Es sei G c JR2 ein beschranktes Gebiet und

6U(X,y) = q(x,y) ( (x,y)EG)

u(x,y) = 1jJ(x,y) ( (x,y)EaG)

AuBerdem sei eine der folgenden vier Forderungen erfullt:

(1) Gc (-1,+1) x (-1,+1) =Q 1

(2) G c (-1,3) x (-1,+1) = Q 2


G,q,1jJ sind syrnrnetrisch zu der Geraden x 1.

(3) G c (-1,+1) x (-1,3) = Q 3


G,q,1jJ sind syrnrnetrisch zu der Geraden y 1.

(4) G c (-1,3) x (-1,3) = Q4


G,q,1jJ sind syrnrnetrisch zu den Geraden x = 1 und y = 1.

Die Syrnrnetrie-Bedingungen implizieren, daB die Normalenableitung


von u auf den Syrnrnetrielinien verschwindet. Diese zusatzliche Rand-
bedingung ergibt eine modifizierte Randwertaufgabe fur u in dem Gebiet
G n (-1,1) x (-1,1).
Das Prograrnrn benutzt die Funf-Punkt-Differenzenformel aus Kapitel
13. Das lineare Gleichungssystem wird mit SOR gelost (vgl. Kap. 18).
Wegen der Synunetrien beschrankt sich die Rechnung auf die Gitter-
punkte, die in das Quadrat [-1,1] x [-1,1] fallen. Das ergibt eine
wesentliche Reduzierung der Rechenzeit flir einen Iterationsschritt.
Der optimale Relaxationspararneter wb und die Anzahl der notwendigen
Iterationsschritte m sind aber genau so groB, wie bei einer Rechnung
lm vollen Gebiet.
404

Insgesamt werden neun Unterprogramme benotigt:

POlS, SOR, RETTEN, QNORM, NACHB, CHARDL,

CHAR, QUELL, RAND.

Die drei zuletzt genannten Programme hangen von der konkreten Aufgabe
ab und beschreiben G,q und ~. Es handelt sich formal um REAL FUNCTION's
mit zwei Argumenten X und Y vom Typ REAL. CHAR ist eine charakteri-
stische Funktion des Gebietes G:

falls (X,Y)€G

CHAR(X,Y) falls (X,Y)EClG


sonst

Die Funktion soll stetig, braucht aber nicht differenzierbar zu sein.


Wenn

ABS(CHAR(X,Y)) .LT. 1.E-4

ist, wird angenommen, daB der Abstand des Punktes vom Rand ClG hochstens
10- 3 ist. Jedes Gebiet wird vom Programm so abgeschnitten, daB es in
dem jeweiligen Rechteck Qi' iE{1,2,3,4} liegt. Fur G = (-1,1) x (-1,1)
genUgt darum CHAR(X,Y) = 1. Wenn ein Gebiet G Durchschnitt bzw. Ver-
einigung zweier Gebiete G1 und G2 ist, ist das Minimum bzw. Maximum
der charakteristischen Funktionen fur G1 und G2 eine charakteristische
Funktion fur G.
POlS wird vom Hauptprogramm aufgerufen. Die ersten beiden Parametel
sind die Namen der Funktionsprogramme RAND und QUELL. Der Name von CHAR
ist fest. Die ubrigen Parameter von POlS sind:

BR, BO

M, EPSP, OMEGAP

BR .TRUE ... x ist Symmetrielinie

BO = .TRUE ... Y = 1 ist Symmetrielinie •

Die Feinheit des Gitters ist H = 1./2**M. EPSP ist der absolute Fehler,
bis zu dem die Iteration fortgesetzt wird. Bei EPSP = O. wird statt-
-3
dessen mit 10 gerechnet. OMEGAP ist der Relaxationsparameter. Wenn
OMEGAP = O. ist, wird wb vom Programm numerisch bestimmt. Man beachte,
daB wb zwar von G, aber nicht von q und ~ abhangt. Die numerische
405

Naherung hangt auch von EPSP abo Sie ist urn so besser, je kleiner EPSP
ist. Im FaIle OMEGAP = 0 sollte man POlS nacheinander mit M = 2,3,4 •.•
aufrufen. Das Programm nimmt dann als jeweiligen Startwert zur Bestim-
mung von wb den Naherungswert des vorhergehenden groberen Gitters.
OMEGAP bleibt Null.
SOR benotigt pro Iterationsschritt 7e + 11f Gleitkommaoperationen
mit

e: Anzahl der randfernen Gitterpunkte

f: Anzahl der randnahen Gitterpunkte .

Bei der Aufstellung des Gleichungssystems sind folgende Hauptterme


zu unterscheiden:

Aufrufe von QUELL: proportional zu 1/H**2

Aufrufe von RAND: proportional zu 1/H

Aufrufe von CHAR: proportional zu I log EPSPI / H

Das Programm ist eigentlich fur Gebiete gedacht, die keine Recht-
ecke sind. Bei Rechtecken ist der Buneman-Algorithmus (vgl. ~~hang 6)
wesentlich schneller. Trotzdem ist es reizvoll, die theoretischen
Ergebnisse beim Modellproblem (Beispiel 18.15) mit den numerischen
Erfahrungen zu vergleichen. Es sei

lIu(X,y) = -20 in G = ( 0 , 1) x (0 , 1)

u(X,y) = 0 auf aGo

Da die Iteration mit u(x,y) = 0 beginnt, ist die Norm des Startfehlers
II e: (0) 112 in grober Naherung 1. Die folgenden Ergebnisse wurden zunachst
aIle mit EPSP = 1./1000 gewonnen. Die Fehlerverringerung des Iterations-
verfahrens ist also ungefahr 1/1000.
Tabelle 1 enthalt die theoretischen Werte von wb und die numeri-
schen Naherungen w b . Die Naherungen sind - wie vermutet - immer zu
groB.
406

Tabelle 1. wb und numerische Naherung

h wb wb

1/8 1 .447 1 .527


1/16 1.674 1.721
1/32 1 .822 1 .847
1/64 1.907 1.920
1/128 1 .952 1 .959

In Tabelle 2 sind die Anzahl der Iterationsschritte m1 ,m 2 ,m 3 und


die Rechenzeiten t 1 ,t 2 ,t 3 fUr OMEGAP = W = 0, W = wb und W = wb auf-
gefUhrt. Spalte 2 enthalt die theoretisch notwendige Schrittzahl mWb
aus Beispiel 18.15. m1 und t1 schlieBen die Rechenarbeit zur Bestimmung
von ~b mit ein. Die Zeiten wurden auf einem System CYBER 76 von CDC
gemessen (MaBeinheit 1 sec).

Tabelle 2. Iterationszahlen und Rechenzeiten fUr EPSP 10- 3

h m m1 m2 m3 t1 t2 t3
wb

1/8 8 22 14 14 0.021 0 ..016 0.016


1/16 17 36 28 32 0.098 0.077 0.085
1/32 35 52 56 64 0.487 0.506 0.751
1/64 70 132 112 128 4.484 3.785 4.298

Die Anzahl der Iterationsschritte ist fUr W = wb Uberraschender-


weise kleiner als fUr W = wb . Dies widerspricht nicht der Theorie, da
der Spektralradius p(~w) nur das asymptotische Konvergenzverhalten
beschreibt. In der Tat kehren sich die Verhaltnisse fUr EPSP = 10- 9
um. Tabelle 3 enthalt die Anzahlen ~mwb' ~m2' ~m3 der notwendigen
zusatzlichen Iteration bis zur Erreichung dieser Genauigkeit.

~m : theoretische Zahl gemaB Beispiel 18.5


wb

Rechnung mit W

~m3 : Rechnung mit W = wb

In jedem Fall - d.h. fUr EPSP 10- 3 und EPSP 10-9 - ist nach unseren
Erfahrungen

besser als wb .
407

Tabelle 3. Zusatzliche Iterationszahlen fur EPSP 10- 9

h 6m 6m 2 6m 3
wb

1/8 17 20 20
1/16 35 44 36
1/32 70 88 72
1/64 141 176 144

SUBROUTINE POIS(RAND,QUELL,BR,BO,M,EPSP,OMEGAP)
C
C UEBERGABEPARAMETER
C
REAL EPSP,OMEGAP
INTEGER M
LOGICAL BR,BO
C RAND UND QUELL SIND FUNCTIONS
C
C COMMON-GROESSEN
C
REAL W(66,66),Wl(65,65),WPS(65),Q(65,65),COEFF(1600)
INTEGER NR(66,66),MITTE,Nl,N2,ITER,NSYM,Ll(65),L2(65),NO
EQUIVALENCE (Ll(1),Wl(1,1»,(L2(1),Q(1,1»
EQUIVALENCE (NO,Wl(1,1»,(MITTE,Q(1,1»,(WPS(1),Wl(1,2»
COMMON W