Sie sind auf Seite 1von 40

NumerischeNumerischeNumerischeNumerische MethodenMethodenMethodenMethoden

inininin derderderder LuftLuft-LuftLuft--- undundundund RaumfahrttechnikRaumfahrttechnikRaumfahrttechnikRaumfahrttechnik

Prof Dr Claus-Dieter Munz Dr Kurt Braun Andreas Stock

.

.

,

.

,

Institut für Aerodynamik und Gasdynamik (IAG) Universität Stuttgart Pfaffenwaldring 21, 70569 Stuttgart Email: nummeth@iag.uni-stuttgart.de

InhaltInhaltInhaltInhalt derderderder VorlesungVorlesungVorlesungVorlesung

0. Einleitung
0. Einleitung
1. Numerische Integration und Differenziation
1. Numerische Integration und Differenziation
2. Anfangswertprobleme für gewöhnliche Differenzialgleichungen
2. Anfangswertprobleme für gewöhnliche Differenzialgleichungen
3. Randwertprobleme für gewöhnliche Differenzialgleichungen
3. Randwertprobleme für gewöhnliche Differenzialgleichungen
4. Numerische lineare Algebra
4. Numerische lineare Algebra
3. Rand- und Eigenwertprobleme gewöhnlicher DGLn - Fahrplan
3. Rand- und Eigenwertprobleme gewöhnlicher DGLn - Fahrplan

Einführung

Eigenwertprobleme gewöhnlicher DGLn - Fahrplan Einführung Theorie linearer RWP Finite-Elemente- Methode

Theorie linearer RWP

DGLn - Fahrplan Einführung Theorie linearer RWP Finite-Elemente- Methode Differenzenverfahren

Finite-Elemente-

Methode

DGLn - Fahrplan Einführung Theorie linearer RWP Finite-Elemente- Methode Differenzenverfahren Schießverfahren
DGLn - Fahrplan Einführung Theorie linearer RWP Finite-Elemente- Methode Differenzenverfahren Schießverfahren
Differenzenverfahren Schießverfahren
Differenzenverfahren
Schießverfahren

KapitelKapitelKapitelKapitel 3333

RandwertproblemeRandwertproblemeRandwertproblemeRandwertprobleme fürfürfürfür gewöhnlichegewöhnlichegewöhnlichegewöhnliche DifferenzialgleichungenDifferenzialgleichungenDifferenzialgleichungenDifferenzialgleichungen (RWP)(RWP)(RWP)(RWP)

3.0 Einführung

Beispiel: Balken liegt an beiden Enden auf

y

P x x=L x=0
P
x
x=L
x=0

Randwertproblem:

y = m(x)(1+ (y )

2

3

)

2

,

y(0)=0,

y(L)=0

0

x

L

Systeme mit mindestens 2 Gleichungen

gewöhnliche Differenzialgleichungen höherer Ordnung (mind. 2. Ordn.)

Beispiel:Beispiel:Beispiel:Beispiel: DurchbiegungDurchbiegungDurchbiegungDurchbiegung eineseineseineseines FlügelsFlügelsFlügelsFlügels

eineseineseineseines FlügelsFlügelsFlügelsFlügels Flügel mit sich änderndem Flächenträgheitsmoment I(x) y

Flügel mit sich änderndem Flächenträgheitsmoment I(x)

y

x

y
y
q(x) x x=L x=0
q(x)
x
x=L
x=0

Flächenlast q(x) wirkt auf Flügelhauptachse (gerade Biegung)

Anfangswertproblem (AWP):

3 M ( x ) 2 y = ( 1 + (y ) ) 2
3
M
(
x
)
2
y =
(
1
+
(y )
)
2
,
0
x
L
,
y
(0)
=
0,
y
(0)
=
0
E
(
x
)
I
(
x
)

Etwas allgemeiner: Differenzialgleichung 2. Ordnung

y = f (x, y, y')

Beispiel: lineare DGL 2. Ordnung

y = r(x)

q(x)y p(x)y'

umgeschrieben als System 1. Ordnung:

y'

y '

1

2

=

r(x)

y

2

q(x)y

1

p(x)y

2

3.1 Ausflug in die Theorie linearer RWPe Während es bei AWP umfassende Existenz- und Eindeutigkeitssätze

3.1 Ausflug in die Theorie linearer RWPe

Während es bei AWP umfassende Existenz- und Eindeutigkeitssätze gibt, ist die Theorie bei RWPen oft nicht so klar. Im linearen Fall ist die Sache jedoch klar.

Lineares RWP

y''

=

r(x)

homogene

homogene

q(x)y

DGL :

RW :

p(x)y',

r(x) = 0

α

=

β

= 0

y(a)

=

α, y(b)

=

β

homogenes

RWP

1. Homogenes RWP allgemeine Lösung:

y(x)= c 1 y 1 (x)+c 2 y 2 (x)

y 1 ,y 2 linear unabhängige Fundamentallösungen

homogene Randwerte:

x=a:

x=b:

y(a)= c 1 y 1 (a)+c 2 y 2 (a) = 0 y(b)= c 1 y 1 (b)+c 2 y 2 (b) = 0

y(a)= c 1 y 1 (a)+c 2 y 2 (a) = 0 y(b)= c 1 y

homogenes lineares Gleichungssystem

⇒ lineares Gleichungssystem für c 1 ,c 2

y (a)

1

y (b)

1

y (a)   c   

y (b)

0

 

0

2

2

1

=

 

c

2

Existenz einer nicht-trivialen Lösung, falls

D

= det

y (a)

1

y (b)

1

y (a)

y (b)

2

2

=0

y 1 (a) ⇒ y (a)y (b) y (a)y (b) = 0 ⇒ 1 2
y 1 (a)
y (a)y (b)
y (a)y (b)
=
0 ⇒
1
2
2
1
y
2 (a)
y
(a)
1
y(x)
=
c
1
y (x)
y (x)
1
2
y
(a)
2
Resultat für den homogenen Fall:

=

y

1

(b)

y

2

(b)

 2 Resultat für den homogenen Fall: = y 1 (b) y 2 (b) Existenz einer

Existenz einer nichttrivialen Lösung, falls

y 1 (a)y 2 (b)-y 2 (a)y 1 (b)=0

Lösung bis auf eine Konstante bestimmt

2. Inhomogenes RWP

Lösung: y(x) = y p (x) + y h (h) x=a: y(a)=y p (a)+c y(b)=y
Lösung:
y(x)
=
y p (x)
+
y h (h)
x=a:
y(a)=y p (a)+c
y(b)=y p (b)+c
1 (a)+c
y
2 (a)=α
1 y
2
x=b:
1 (b)+c
y
2 (b)=β
1 y
2
y 2 (a)=α 1 y 2 x=b: 1 (b)+c y 2 (b)=β 1 y 2 allgemeineallgemeineallgemeineallgemeine

allgemeineallgemeineallgemeineallgemeine LösungLösungLösungLösung derderderder homogenenhomogenenhomogenenhomogenen GlGl.GlGl

partikulärepartikulärepartikulärepartikuläre LösungLösungLösungLösung derderderder inhom.inhom.inhom.inhom. GlGl.GlGl

inhomogenes lin . Gleichungssystem

lineares Gleichungssystem

y (a)

y (b)

1

1

(a)   c   

y

y (b)

2

2

1

=

 

c

2

α

β

y (a)

p

y (b)

p

Existenz einer eindeutigen Lösung:

nach Cramerscher Regel:

c

1

=

1

D

α

β

y (a)

p

y (b)

p

y (a)

2

y (b)

2

D: Determinante

,

c

2

=

1

D

y

y

1

1

det 0

2 y (b) 2 D: Determinante , c 2 = 1 D y y 1 1

(a)

(b)

α

β

y (a)

p

y (b)

p

Resultat für den inhomogenen Fall:

Existenz einer eindeutigen Lösung, falls

D=y 1 (a)y 2 (b)-y 2 (a)y 1 (b) 0

Alternativprinzip für RWP

Alternativprinzip für RWP RWP homogen RWP inhomogen D=0 nichttriviale Lösungen existieren, bis auf eine Konstante
RWP homogen RWP inhomogen D=0 nichttriviale Lösungen existieren, bis auf eine Konstante bestimmt i.a. keine
RWP homogen
RWP inhomogen
D=0
nichttriviale Lösungen
existieren, bis auf eine
Konstante bestimmt
i.a. keine Lösung zu beliebigen
Randwerten
D≠0
nur triviale Lösung
eindeutig lösbar
y≡0

Eigenwertproblem

Randwertproblem

3. Rand- und Eigenwertprobleme gewöhnlicher DGLn - Fahrplan
3. Rand- und Eigenwertprobleme gewöhnlicher DGLn - Fahrplan
3. Rand- und Eigenwertprobleme gewöhnlicher DGLn - Fahrplan Einführung Theorie linearer RWP Finite-Elemente- Methode

Einführung

Eigenwertprobleme gewöhnlicher DGLn - Fahrplan Einführung Theorie linearer RWP Finite-Elemente- Methode

Theorie linearer RWP

Finite-Elemente-

Methode

DGLn - Fahrplan Einführung Theorie linearer RWP Finite-Elemente- Methode Differenzenverfahren Schießverfahren
Differenzenverfahren Schießverfahren
Differenzenverfahren
Schießverfahren
3.2 Finite-Elemente-Methode (FEM)
3.2 Finite-Elemente-Methode (FEM)

Methode der gewichteten Residuen:

Das Ritzsche Verfahren Kollokationsverfahren Kleinste Quadrate BeispielBeispielBeispielBeispiel Galerkin-Verfahren
Das Ritzsche
Verfahren
Kollokationsverfahren
Kleinste Quadrate
BeispielBeispielBeispielBeispiel
Galerkin-Verfahren
Finite-Elemente- Verfahren Zugstab, Balken, Sturm-Liouville-Problem Bermerkungen und Zusammenfassung
Finite-Elemente-
Verfahren
Zugstab, Balken,
Sturm-Liouville-Problem
Bermerkungen und
Zusammenfassung
3.2 Finite-Elemente-Methode (FEM)
3.2 Finite-Elemente-Methode (FEM)
3.2 Finite-Elemente-Methode (FEM) Methode der gewichteten Residuen: Das Ritzsche Verfahren Kollokationsverfahren

Methode der gewichteten Residuen:

Das Ritzsche Verfahren Kollokationsverfahren Kleinste Quadrate BeispielBeispielBeispielBeispiel Galerkin-Verfahren
Das Ritzsche
Verfahren
Kollokationsverfahren
Kleinste Quadrate
BeispielBeispielBeispielBeispiel
Galerkin-Verfahren
Finite-Elemente- Verfahren Zugstab, Balken, Sturm-Liouville-Problem Bermerkungen und Zusammenfassung
Finite-Elemente-
Verfahren
Zugstab, Balken,
Sturm-Liouville-Problem
Bermerkungen und
Zusammenfassung
3.2 Finite-Elemente-Methode Methode der gewichteten Residuen Näherungsfunktion: y (x) h Ansatz- funktion = N ∑

3.2 Finite-Elemente-Methode

Methode der gewichteten Residuen

Näherungsfunktion:

y (x) h
y (x)
h

Ansatz-

funktion

=

N

c

i = 1

y (x) h Ansatz- funktion = N ∑ c i = 1 i Freiheitsgrade φ (x)

i

Freiheitsgrade

φ (x) i
φ (x)
i

Basisfunktionen

Approximation des Funktionenraums

Die Freiheitsgrade werden nun so bestimmt, dass sich eine möglichst gute numerische Approximation ergibt.

Ausgangangspunkt: Methode der gewichteten Residuen

Basisfunktionen

• Polynomiale Ansatzfunktion Monombasis:

φ (x)

1

=

1,

φ (x)

2

=

x

,

φ (x)

3

=

x

2

,

,

φ

N

(x)

=

x

N

1

• Trigonometrische Funktionen als Basisfunktionen

φ

1

=

1, φ

2

=

cos (x), φ

3

=

sin (x), φ

4

=

cos ( 2x), φ

5

=

sin ( 2x),

Wie bestimmt man die Freiheitsgrade?

Am besten so, dass der Approximationsfehler möglichst klein wird!

Was heißt möglichst klein?

Methode der gewichteten

Residuen

Allgemeine Formulierung:

Ausgangsproblem:

Residuum:

Ly

R = Ly

f

=

f

L: Differenzial- operator

(y exakte Lösung, dann gilt R=0)

Einsetzen der Näherungslösung:

R

h

=

Ly

h

f

Ziel: Minimierung des Residuums

Minimierung des Residuums

a.a.a.a. KollokationsverfahrenKollokationsverfahrenKollokationsverfahrenKollokationsverfahren

Die Näherungslösung erfüllt das Ausgangsproblem an gewissen Punkten exakt

Anzahl der Punkte = Anzahl der Freiheitsgrade

R

h

(

x

i

) = 0,

für

i

= 1,

,

N

Gleichungssystem mit N Gleichungen

b.b.b.b. KleinsteKleinsteKleinsteKleinste QuadrateQuadrateQuadrateQuadrate (Least(Least(Least(Least Square)Square)Square)Square)

Residuum wird im quadratischen Mittel minimiert

V

2

R dx

h

= minimal

V: Rechenintervall

c.c.c.c. GalerkinGalerkin-GalerkinGalerkin--Verfahren-VerfahrenVerfahrenVerfahren

V

R φ dx

h

i

<

R

h

,

φ

= 0

i

>:=

V

für i

= 1 2

,

R φ dx

h

i

= 0

,

,

N

0 i > : = ∫ V für i = 1 2 , R φ dx

Residuum steht senkrecht auf den Basisfunktionen ⇒ Optimalitätseigenschaft

ist ein Skalarprodukt

bilinear, symmetrisch und positiv-definit in

C

0

(

V

) : Raum der auf

V

stetigen Funktionen

Beispiel:Beispiel:Beispiel:Beispiel:

(

y'' x

)

+

y

(

RB: y(

0

)

x

=

)

=

y(

1

1

)

=

für x

0

[

01

,

]

p(x) P
p(x)
P

Knickbiegung mit Einzel- und Streckenlast

Basisfunktionen sind zum Beispiel:

sin

x

(

x

), sin

(

2 x

3

+

4

x ,

3

πx),

trigonometrische Funktionen Polynome

Funktionen, welche den Randbedingungen genügen

1.1.1.1. SchrittSchritt:SchrittSchritt Wahl der Ansatzfunktion

y (x)

h

=

c

1

sin

(

x

)

+

c

2

sin

(

3

πx)

2.2.2.2. SchrittSchritt:SchrittSchritt Berechnung des Residuums

R

h

R (x)

h

1

+

(

=

=

=

2

1

1)

y

h

c

1

(

x

)

sin(

x

y

h

)

+

(

x

)

(9

2

1)

c

2

sin(3

x

)

3.3.3.3. SchrittSchritt:SchrittSchritt Minimierung durch a. Kollokation, b. im quadratischen Mittel oder nach c. Galerkin

a.a.a.a. KollokationKollokationKollokationKollokation

z.B. Stützstellen: x =

1

werden eingesetzt in

R

h

(

x

)

Stüt

t

ll

zs e

=

e

Stützstelle

1

+

x

x

1

2

(

=

=

2

1

4

1

2

:

:

1)

c

1

sin(

x

)

+

(9

2

1

2

,

1)

c

2

x

2

=

1

4

sin(3

x

)

a.a.a.a. KollokationKollokationKollokationKollokation

z.B. Stützstellen: x =

1

werden eingesetzt in

1

,
2

x

2

=

1

4

R

h

(

x

)

Stüt

t

ll

zs e

=

e

Stützstelle

1

x

x

1

2

+

=

=

(

1

2

1

4

Gleichung 2

Lösung:

c

1

2

:

:

0

1)

= R

=

(

c

1

sin(

h

1   =

2

 

2

1)

c

1

x

1

+

(9

)

(

+

2

2

(9

1)

c

1

c

2

1)

2

in

s

1

 

1)

c

2

2

  +

sin(3

(9

2

1)

x

c

2

)

s

in   3

2

0 = R

h

1   =

4

 

1 +

(

2

1)

c

1

=

c

1

2

(

2

0,136095

c 2 1)( 2 + 2) + 2 und c 2
c
2
1)(
2
+
2)
+
2
und
c
2
sin     + (9  4  2 (9 1)( 2 0,002358
sin  
  +
(9
4
2
(9
1)(
2
0,002358

2

+

1)

2)

c

2

1

sin   3


4

b.b.b.b. KleinsteKleinsteKleinsteKleinste QuadrateQuadrateQuadrateQuadrate

1

0

2

R (x) dx

h

=

minimal,

Variable

c

1

,

c

2

Notwendige Bedingung ist, dass die partiellen Ableitungen verschwinden

Bedingung ist, dass die partiellen Ableitungen verschwinden ∂ 1 1 ∫ 0 ∂ c 2 R

1

1

0

c

2

R (x) dx

h

= 2

1

0

R (x)

h

R

h

(

x

)

c

1

dx

=

0

,

1

2

0

c

2

R (x) dx

h

= 2

1

0

R (x)

h

R

h

(

x

)

c

2

dx

=

0

,

R h ( x ) = ( 2 1 ∫ 0 ∂ R h ∂
R h ( x ) = ( 2 1 ∫ 0 ∂ R h ∂
R h ( x ) = ( 2 1 ∫ 0 ∂ R h ∂
R h ( x ) = ( 2 1 ∫ 0 ∂ R h ∂

R

h

(

x

)

=

(

2

1

0

R

h

c

1

R (x)dx =

h

1

0

R

h

c

2

R (x)dx =

h

1)

c

1

sin(

x

)

+

(9

2

1)

c

2

sin(3

x

)

1

R h ( x 1 ∫ 0 1 ∫ 0 ∂ R h ∂ c
R h ( x 1 ∫ 0 1 ∫ 0 ∂ R h ∂ c
R h ( x 1 ∫ 0 1 ∫ 0 ∂ R h ∂ c
R h ( x 1 ∫ 0 1 ∫ 0 ∂ R h ∂ c

R

h

(

x

1

0

1

0

R

h

c

1

(

2

)

=

(

2

R (x)dx =

h

1) sin(

x (

) (

1)

c

2

1

0

1

0

R

h

c

2

(9

2

R (x)dx =

h

1) sin(3

x (

) (

1

2

sin(

x

1)

c

1

sin(

)

+

(9

x

)

+

(9

1)

c

1

sin(

x

)

+

Lösung:

c

1

0,143551

und

2

2

(9

c

2

2

1)

c

2

sin(3

1)

c

2

sin(3

x

)

1)

c

2

sin(3

0,004832

x

x

)

1

)dx

1

)

1

)dx

c.c.c.c. GalerkinGalerkin-GalerkinGalerkin--Verfahren-VerfahrenVerfahrenVerfahren

<

R

h

,

φ

i

>=

1

0

R (x)φ

h

i

(

x dx

)

=

0

,

für

i

=

1 2

,

Das Residuum steht auf den Basisfunktionen senkrecht

= 1 2 , Das Residuum steht auf den Basisfunktionen senkrecht 1 ∫ 0 1 ∫

1

0

1

0

R (x)

h

sin(

x dx

)

=

0

R (x) sin

h

( πx)dx =

3

,

0

Residuum

R

h

(

x

)

=

(

2

Residuum R h ( x ) = ( 2 Gleichung 1 1 ∫ 0 R (x)

Gleichung 1

1

0

R (x)sin( x)dx =

h

1)

c

1

sin(

x

)

+

(9

2

1)

c

2

sin(3

x

)

1

Residuum

R

h

(

x

)

=

(

2

1)

Residuum R h ( x ) = ( 2 1) Gleichung 2 1 ∫ 0 R

Gleichung 2

1

0

R (x)sin(3 x)dx =

h

c

1

sin(

x

)

+

(9

2

1)

c

2

sin(3

x

)

1

Gleichung 1:

1

0

1

0

R (x)

h

sin(

x ) dx =

sin(

x

(

) (

(π )

2

+ 1

1

0

2

(sin(

1)

c

1

x

))

sin(

2

dx

x

)

c

1

+

+

(9

2

( π

9

2

1)

+

1

c

)

2

1

0

sin(3

sin(

x

)

x

) sin

1

)

dx

=

(

3

πx)dx c

Gleichung 2:

1

0

1

0

R (x)

h

sin(3

x ) dx =

sin(3

(π

2

+ 1

x

)

)

1

0

(

c (π

1

sin(

4

+

1

)

sin

x

) sin

(

3

(

x)

+

c (

2

πx)dx c

1

Lösung:

81

4

π

+

1

)

sin

(

3

πx)

1

)

dx

=

+

c

1

( π

9

2

+

1

)

1

0

(sin

(

3

πx)

0,143551

und

)

2

dx

c

2

2

c

2

1

0

sin(

x dx

)

=

1

0

sin(3

x dx

)

0,004832

0

=

0

3.2 Finite-Elemente-Methode (FEM)
3.2 Finite-Elemente-Methode (FEM)

Methode der gewichteten Residuen:

Das Ritzsche Verfahren Kollokationsverfahren Kleinste Quadrate BeispielBeispielBeispielBeispiel Galerkin-Verfahren
Das Ritzsche
Verfahren
Kollokationsverfahren
Kleinste Quadrate
BeispielBeispielBeispielBeispiel
Galerkin-Verfahren
Finite-Elemente- Verfahren Zugstab, Balken, Sturm-Liouville-Problem Bermerkungen und Zusammenfassung
Finite-Elemente-
Verfahren
Zugstab, Balken,
Sturm-Liouville-Problem
Bermerkungen und
Zusammenfassung

Das Ritzsche Verfahren

Viele Probleme lassen sich auch über ein Variationsproblem beschreiben: Lagrange-Hamilton Formulierung, Minimierung der Energie. Das Ritz-Verfahren startet von diesem Variationsproblem

Beispiele aus der Statik

Differenzialgleichung

Stab:

Balken:

(linear)

Stabknicken:

(linear)

(

EAy

)

+

(

EIy

)

n

q

=

=

0

0

(

EIy

) +

Fy

= 0

Funktional

l

1 EA( y )
2

0

2

1

2

1

2

l

0

l

0

EI

EI

(

(

y

y

)

)

2

2

2ny dx

2

qy dx

F

(

y

)

2

dx

Beispiel:Beispiel:Beispiel:Beispiel:

Der Ansatz

(4)

(x)

=

y

y(0)

+

y(x)

=

y(1)

=

0,

1

für x

=

y (0)

[

0,1

y (1)

]

=

0

+ y(x) = y(1) = 0, 1 für x = y (0) [ 0,1 y (1)

Balken auf elastischer Bettung

E

pot

= E

Biegung

+ E

Bettung

+ E

Last

führt auf die Variationsaufgabe

E(y) =

1

0

(y (x))

2

mit

+ y(x)

2

2

y(x)dx = minimal

y( 0 ) = y(1) = 0

Ansatzfunktion

y

h

(x)

N

=

i = 1

c φ (x)

i

i

Bestimmung der Freiheitsgrade aus

E(y )

h

1

=

0

(y (x))

h

2

+

y (x)

h

2

2

y (x))dx =

h

minimal

Diese Minimierungsaufgabe ist äquivalent mit dem RWP für die Differenzialgleichung in dem folgenden Sinne:

Zu jeder Variationsaufgabe gehört eine Differenzial- gleichung

(allerdings nicht umgekehrt)

Variationsproblem

E(y)

Funktional:

=

1

0

f(x,y,y ,y ,

,y

(n)

E:

C y = y(x)

n

¬

c

)dx

¬

= minimal

lineare Abbildung in die reellen Zahlen

Eulersche Differenzialgleichung

f

y

d

f

dx

y

+

d

2

dx

2

f

y

+ (

1

)

n

d

n

f

dx

n

y

(n)

=

0

Beispiel:Beispiel:Beispiel:Beispiel:

Zeige, dass das Variationsproblem

E(y)

=

1

0

auf das RWP

führt.

(

y

y(

(y (x))

2

+

mit

y(x)

y(

4

)

0

(x)

+

y(x)

= 1

)

=

y(

1

)

=

0

,

2

2

y(x)dx

=

0

)

=

y(

1

)

=

0

für x

 

[

01

,

]

 

y (

0

)

=

y (

minimal

1

) =

0

Das RWP benötigt mehr Randwerte, welche die Lösung des Variationsproblems automatisch erfüllt.

E(y) =

1

0

(y (x))

2

+ y(x)

2

2

y(x))dx = minimal

E(y) = 1 ∫ 0 (y (x)) 2 + y(x) 2 2 y(x))dx = minimal ∂

f

y

f(x,y,y ,y )

d

f

dx y

+

d

2

dx

2

f

y

= 0

Eulersche DGL. n=2

Weitere Beispiele: Zugstab, Balken, Stabknicken

Bemerkungen

1. Das Problem bei diesen Verfahren ist, dass der Rechenaufwand oft recht hoch ist. Man muss im Allgemeinen zur Bestimmung der Freiheitsgrade eine vollbesetzte Matrix lösen.

2. Wahl der Ansatzfunktion schwierig bei unterschiedlichem Verhalten der Lösung in verschiedenen Bereichen

3. Man nennt diese Verfahren auch Spektral-Verfahren, z.B. Fourier-Galerkin-Spektral-Verfahren ist ein Verfahren mit einer trigonometrische Basis und der Bestimmung der Freiheitsgrade nach dem Galerkin-Verfahren