Numerik f¨ ur Ingenieure und Naturwissenschaftler
Wolfgang Dahmen und Arnold Reusken
ISBN 3-540-25544-3, Springer Verlag
Inhaltsangabe 1. Einleitung
2. Fehleranalyse: Kondition, Rundungsfehler, Stabilit¨at 3. Lineare Gleichungssysteme, direkte L¨osungsverfahren 4. Lineare Ausgleichsrechnung
5. Nichtlineare Gleichungssysteme, iterative L¨osungsverfahren 6. Nichtlineare Ausgleichsrechnung
7. Berechnung von Eigenwerten 8. Interpolation
9. Splinefunktionen
10. Numerische Integration
11. Gew¨ohnliche Differentialgleichungen 12. Partielle Differentialgleichungen
13. Große d¨unnbesetzte lineare Gleichungssysteme
14. Numerische Simulationen: Vom Pendel bis zum Airbus
Ubersicht¨
2
12 13
11 10 8 5 7
3 6
4
9
5.7 4.5-4.7
11.6.2, 11.8.5, 11.9.3
12.2, 12.4
8.2.7, 8.4, 8.5
Korrekturen
• Seite 12, Zeile -2: y statt u.
• Seite 31, Bemerkung 2.26 (ii): k · kX, k · kY statt k · kV, k · kW.
• Seite 32, Zeile -3: kbk∞ statt kxk∞.
• Seite 76: (3.56)
L˜−11 · · ·L˜−1n−1R statt L˜−11 · · ·L˜n−1R
• Seite 161, Zeile 3: (3.13) statt 3.13.
• Seite 183, Zeile -12: (5.43) statt 5.43.
• Seite 271, Zeile -8: (8.11) statt 8.11.
• Seite 282, Zeilen -2 und -8: erg¨anze “f¨ur alle x ∈ [0,1]”.
• Seite 291, Zeile 12: (8.52) statt (8.27).
• Seite 298, Zeile -1: Schrittweite statt Schrittweise.
Beispiel 1.2.
”Technische Aufgabe“ :
Konstruktion eines Taktmechanismus zu einer vorgegebenen Taktzeit T.
Ansatz: Modellierung mit einem Pendel.
Aufgabe:
Bestimmung der erforderlichen Anfangsauslenkung zu einer vorgege- benen Schwingungsdauer T.
Die Dynamik des Pendels:
φ′′(t) = −csin(φ(t)), c := g ℓ, mit Anfangsbedingungen
φ(0) = x, φ′(0) = 0.
Parameter g, ℓ, x: Fallbeschleunigung, Pendell¨ange (ℓ = 0.6 m), Anfangsauslenkung x.
SS SS
SS SS
SS SS
SS
φ
?
mg
=
mg sinφ
SS SS S
SS SSS
Abbildung 1.3.: Bewegung f¨ur x = π2.
−1.5
−1
−0.5 0 0.5 1 1.5 2
phi
Aufgabe: bestimme x = x∗ ∈ (0, π2), wof¨ur T(x∗) = 1.8 gilt.
Das Pendel steht zum Zeitpunkt T /4 gerade senkrecht:
φ(T /4, x∗) = 0.
Sei
f(x) := φ(T /4, x) = φ(0.45, x).
Problem der Takterkonstruktion: bestimme die Nullstelle x∗ ∈ (0, π2) dieser (nur implizit gegebenen) Funktion f:
f(x∗) = 0.
Dies nennt man ein Nullstellenproblem.
Auswertung von f: L¨osung einer Anfangswertaufgabe
→ Diskretisierungsfehler.
Implementierung eines L¨osungsverfahrens → Rundungsfehler.
Weitere Fehler: Modellfehler, Datenfehler.
Abbildung 1.4.: Werte φ(0.45, x)˜ ≈ f(x)
−0.1
−0.08
−0.06
−0.04
−0.02 0 0.02 0.04 0.06
Ziele der Vorlesung
F¨ur unterschiedliche Problemstellungen (L¨osen eines linearen Glei- chungssystems, Berechnung eines Integrals, L¨osen einer Differential- gleichung) werden folgende Themen behandelt:
• Kondition (= Empfindlichkeit f¨ur St¨orungen) eines Problems.
• Wichtige numerische L¨osungsverfahren.
• Stabilit¨at (= Empfindlichkeit f¨ur St¨orungen) der L¨osungsverfah- ren.
• Effizienz (= Anzahl der Rechenoperationen, Speicherbedarf ) der L¨osungsverfahren, d.h., der numerische Aufwand, der n¨otig ist, um eine gew¨unschte
”L¨osungsqualit¨at“ , sprich Genauigkeit zu erzielen.
KAPITEL 10. Numerische Integration
10.1 Einleitung Sei
I =
Z b
a f(x)dx, I˜=
Z b a
f˜(x) dx.
Es gilt
|I − I˜| =
Z b
a f(x) − f˜(x) dx ≤
Z b
a |f(x) − f˜(x)|dx ≤ (b − a)kf − f˜k∞.
|I − I˜|
≤ (b − a) kf − f˜k∞
b =
Rb
a kfk∞ dx
b · kf − f˜k∞
=: κrel
kf − f˜k∞ .
Die g¨angige Strategie zur n¨aherungsweisen Berechnung von
Z b
a f(x) dx l¨aßt sich folgendermaßen umreißen:
1. Man unterteile [a, b] in Teilintervalle [tk−1, tk] z.B. mit tj = a + jh, j = 0, . . . , n, h = b−na.
2. Approximiere f auf jedem Intervall [tk−1, tk] durch eine einfach zu integrierende Funktion gk, und verwende
n X k=1
Z tk
tk−1 gk(x) dx ≈
n X k=1
Z tk
tk−1 f(x)dx =
Z b
a f(x) dx als N¨aherung f¨ur das exakte Integral.
Trapezregel Dabei w¨ahlt man speziell
gk(x) = x − tk−1
h f(tk) + tk − x
h f(tk−1),
d.h. die lineare Interpolation an den Intervallenden von [tk−1, tk].
Folglich ist Rttk
k−1 gk(x) dx gerade die Fl¨ache h
2[f(tk−1) + f(tk)] .
s
s f
←− h2[f(tk−1) + f(tk)]
······
············
··············
···············
················
·················
··················
···················
···············
··········
·····
Dies liefert die
summierte Trapezregel T(h) = h
1
2f(a) + f(t1) + · · · + f(tn−1) + 1
2f(b)
als N¨aherung f¨ur Rab f(x) dx.
F¨ur den Verfahrensfehler der Teilintegrale gilt folgende Darstellung:
Lemma 10.1. Sei f ∈ C2([tk−1, tk]). Es gilt:
h
2[f(tk−1) + f(tk)] =
Z tk
tk−1 f(x) dx + f′′(ξk)
12 h3 , ξk ∈ [tk−1, tk].
F¨ur den Verfahrensfehler von T(h) ergibt sich damit die Absch¨atzung
T(h) −
Z b
a f(x) dx =
n X k=1
f′′(ξk) 12 h3
≤ h3 12
n X k=1
f′′(ξk) ≤ h3
12n max
x∈[a,b]
f′′(x) . Mit nh = b − a ergibt sich insgesamt die Fehlerschranke
T(h) −
Z b
a f(x) dx ≤ h2
12(b − a) max
x∈[a,b]
f′′(x) .
Ebenfalls erh¨alt man wegen E(h) := T(h) −
Z b
a f(x) dx =
n X k=1
f′′(ξk)
12 h3 = h2 12
n X k=1
hf′′(ξk) und
h→lim0
E(h)
h2 = 1 12
Z b
a f′′(x)dx = 1 12
f′(b) − f′(a)
die Fehlersch¨atzung
E(h) ≈ Eˆ(h) := h2 12
f′(b) − f′(a) .
Beispiel 10.2.
Zur n¨aherungsweisen Berechnung von I =
Z π/2
0 xcos x + ex dx = π
2 + e12π − 2
mit der Trapezregel ergeben sich die in folgender Tabelle angegebenen N¨aherungswerte, Verfahrensfehler und Fehlersch¨atzungen.
n T(h) |E(h)| = |T(h) − I| |E(h)ˆ | = 12h2|f′ π2 − f′(0)|
4 4.396928 1.57e−02 1.59e−02
8 4.385239 3.97e−03 3.98e−03
16 4.382268 9.95e−04 9.96e−04
32 4.381523 2.49e−04 2.49e−04
10.2 Newton-Cotes-Formeln
F¨ur ein typisches Teilintervall [tk−1, tk] stehe der Einfachheit halber im Folgenden [c, d]. Seien nun
x0, . . . , xm ∈ [c, d] verschiedene Punkte.
Integration des Interpolationspolynoms liefert die Quadraturformel Im(f) =
Z d
c P(f|x0, . . . , xm)(x) dx.
Satz 10.3. Sei Im(f) wie oben. F¨ur jedes Polynom Q ∈ Πm gilt Im(Q) =
Z d
c Q(x) dx.
Man sagt, die Quadraturformel ist exakt vom Grade m.
Lemma 10.4. Es gibt Gewichte c0, . . . , cm, so daß Im(f) die Form Im(f) = h
m X j=0
cjf(xj) hat, wobei wieder h = d − c. Die cj sind durch
cj = 1 h
Z d c
m Y
k=0 k6=j
x − xk
xj − xk dx = 1 h
Z d
c ℓjm(x)dx
gegeben, wobei ℓjm die Lagrange-Fundamentalpolynome zu den St¨utzstellen x0, . . . , xm sind.
W¨ahlt man speziell die St¨utzstellen xj ¨aquidistant x0 = c + 1
2h =: c + ξ0h, wenn m = 0 ,
Man kann dann die Quadraturformel in der Form Im(f) = h
m X j=0
cjf(c + ξjh)
mit normierten St¨utzstellen ξj und Gewichten cj schreiben, die jetzt unabh¨angig vom speziellen Intervall [c, d] sind. G¨angige Beispiele:
m ξj cj Im(f) − Rd
c f(x)dx 0 Mittelpunktsregel 1
2 1 −241 h3f(2)(ξ)
1 Trapezregel 0, 1 1
2, 1
2
1
12h3f(2)(ξ) 2 Simpson-Regel 0, 12,1 1
6, 46, 16 901 (1
2h)5f(4)(ξ)
3 3
8-Regel 0, 13, 23,1 1
8, 38, 38, 18 803 (1
3h)5f(4)(ξ) 4 Milne-Regel 0, 1
4, 1
2, 3
4,1 7
90, 32
90, 12
90, 32
90, 7
90
8 945(1
4h)7f(6)(ξ)
Summierte Newton-Cotes-Formeln
Als Beispiel behandeln wir die summierte Simpson-Regel.
S(h) =
Z b
a f(x) dx + E(h) mit
S(h) = h 6
f(t0) + 4f
t0 + t1 2
+ 2f(t1) + 4f
t1 + t2 2
+ 2f(t2) + . . . + 2f(tn−1) + 4f
tn−1 + tn 2
+ f(tn)
und
n
X 1 1 5 (4) h4 Xn (4)
Es gilt, wegen nh = b − a,
|E(h)| ≤ h4
2880(b − a)kf(4)k∞ , E(h) ≈ h4
2880
Z b
a f(4)(x) dx = h4 2880
f(3)(b) − f(3)(a).
Man beachte, daß beim Aufsummieren der einzelnen Teilintegrale,
Z b
a f(x)dx =
n X k=1
Z tk
tk−1 f(x) dx, im Fehler eine h-Potenz verloren geht.
Beispiel 10.5
F¨ur das Integral in Beispiel 10.2 ergeben sich die Resultate wie in fol- gender Tabelle.
n S(h) |E(h)| 2880h4 |f(3)(π2) − f(3)(0)| 4 4.381343022 6.93e−05 6.92e−05
8 4.381278035 4.33e−06 4.33e−06 16 4.381273978 2.70e−07 2.70e−07 32 4.381273725 1.69e−08 1.69e−08
10.3 Gauß-Quadratur
Zielvorgaben:
Entwickle f¨ur m ∈ N eine Formel
m X i=0
wif(xi) =
Z d
c P(f|x0, . . . , xm)(x)dx mit:
• positiven Gewichten wi, i = 0, . . . , m;
• mit m¨oglichst hohem Exaktheitsgrad n ≥ m, d.h.,
Z d
c Q(x) dx =
m X i=0
wiQ(xi), ∀ Q ∈ Πn.
Der Exaktheitsgrad bei Newton-Cotes-Formeln Im(f) ist entweder m oder m + 1. Es zeigt sich, daß man dies verbessern kann.
Allerdings sieht man leicht, daß man mit einer Formel dieses Typs h¨ochstens den Exaktheitsgrad 2m + 1 realisieren kann.
Daß man jedoch den maximalen Exaktheitsgrad n = 2m+ 1 realisieren kann, zeigen die Gaußschen Quadraturformeln.
Satz 10.6. Sei m ≥ 0. Es existieren St¨utzstellen x0, . . . , xm ∈ (c, d) und positive Gewichte w0, . . . , wm, so daß mit h = d − c
h
m X i=0
wif(xi) =
Z d
c f(x) dx + Ef(h) und
EQ = 0 f¨ur alle Q ∈ Π2m+1. Ferner gilt f¨ur passendes ξ ∈ [c, d]
4
Daß die Gewichte wj tats¨achlich positiv sind, ergibt sich aus der Exaktheit vom Grade 2m + 1 durch Anwendung auf das spezielle Polynom
q(x) :=
m Y i=0,i6=k
(x − xi)2 ∈ Π2m ⊂ Π2m+1, denn
0 <
Z d
c q(x)dx =
m X i=0
wiq(xi) = wkq(xk) = wk
m Y i=0,i6=k
(xk − xi)2.
Numerische Tests
Wir untersuchen nun den in der Fehlerformel auftretenden Faktor
Ck,h := (k!)4
((2k)!)3(2k + 1)h2k+1
(k = m + 1). F¨ur glatte Funktionen (d.h., |f(2k)| wird nicht allzu groß, wenn k gr¨oßer wird) wird die Qualit¨at der Gauß-Quadratur im Wesentlichen durch den Faktor Ck,h bestimmt.
h k = 2 k = 4 k = 8
4 2.4e−01 1.5e−04 2.9e−13 2 7.4e−03 2.9e−07 2.2e−18 1 2.3e−04 5.6e−10 1.7e−23
Sei
Ik,n ≈
Z b
a f(x)dx = I(f)
die Quadraturformel, wobei [a, b] in n Teilintervalle mit L¨ange b−na = h unterteilt wird und auf jedem Teilintervall eine Gauß-Quadratur mit k St¨utzstellen angewandt wird.
Sowohl f¨ur I2k,n als auch f¨ur Ik,2n wird die Anzahl der Funktionsaus- wertungen etwa verdoppelt im Vergleich zu Ik,n.
In obiger Tabelle kann man sehen, daß man
I − I2k,n ≪ I − Ik,2n erwarten darf.
Daher wird in der Praxis bei Gauß-Quadratur n in der Regel klein gew¨ahlt, oft sogar n = 1.
Beispiel 10.7.
Die Gauß-Quadratur mit [c, d] = [0, π2] (d.h. n = 1) f¨ur das Integral in Beispiel 10.2 ergibt die Resultate:
m Im |Im − I|
1 4.3690643196 1.22e−03 2 4.3813023502 2.86e−05 3 4.3812734352 2.73e−07 4 4.3812737083 5.18e−10
Man sieht, daß in diesem Beispiel die Genauigkeit der Gauß-Quadratur mit 5 Funktionswerten (m = 4; k = 5) besser ist als die der Simpson- Regel angewandt auf n = 32 Teilintervalle (vgl. Tabelle 10.3), wobei
Beispiel 10.8.
Es sei [c, d] = [−1,1] und m = 1. Die Gauß-Quadraturformel I1(f) = 2(c0f(x0) + c1f(x1))
muß f¨ur p ∈ Π3 exakt sein, d.h.
Z 1
−1 p(x)dx = 2(c0p(x0) + c1p(x1)) f¨ur p(x) = xk, k = 0,1,2,3.
Aus
Z 1
−1 xk dx = 2(c0xk0 + c1xk1), k = 0,1,2,3, erh¨alt man die Gleichungen
2 = 2(c0 + c1) , 0 = 2(c0x0 + c1x1) ,
2
3 = 2(c0x20 + c1x21) , 0 = 2(c0x30 + c1x31) .
Dieses nichtlineare Gleichungssystem hat genau zwei L¨osungen:
c0 = c1 = 1
2, x0 = −1 3
√3, x1 = 1 3
√3, c0 = c1 = 1
2, x0 = 1 3
√3, x1 = −1 3
√3.
10.4 Extrapolation und Romberg-Quadratur Zu berechnen sei das Integral
I =
Z b
a f(x) dx.
Die Trapezsumme T(h) liefert eine Approximation der Ordnung h2. Die wesentliche Grundlage f¨ur den Erfolg von Extrapolationstechni- ken bildet eine sogenannte asymptotische Entwicklung des Diskreti- sierungsfehlers:
T(h) − I = c1h2 + c2h4 + c3h6 + · · · + cph2p + O(h2p+2) . Hieraus erh¨alt man
T1
2h − I = c11
4h2 + ˆc2h4 + . . . + ˆcph2p + O(h2p+2) , also
Man kann diese Idee systematisch weitertreiben. Sei T1(h) = 4T(12h) − T(h)
3 .
Es gilt
T1(h) − I = ˜c1h4 + ˜c2h6 + . . . + O(h2p+2), und damit
T1(1
2h) − I = ˜c1 1
16h4 + ˜c2 1
64h6 + . . . + O(h2p+2), und
16 15
T1(1
2h) − I − 1 15
T1(h) − I = 16T1(12h) − T1(h)
15 − I
= d1h6 + d2h8 + . . . + O(h2p+2) . Man erkennt, daß die Entwicklung des Fehlers der Quadraturformel
T2(h) := 16T1(12h) − T1(h) 15
mit einem Glied der Ordnung h6 beginnt.
Allgemeine Idee der Extrapolation
Die zugrunde liegende Idee ist folgende. Der gesuchte Wert ist T(0) =
Z b
a f(x)dx = I.
Bestimmt man das lineare Interpolationspolynom der Funktion x → g(x) = T(√
x) = I + c1x + c2x2 + . . . + cpxp + O(xp+1), (x ↓ 0),
zu den Punkten (h2, T(h)) und (14h2, T(12h)), ergibt sich P(T(√
· ) |h2, 1
4h2)(x) = T(h) + T(12h) − T(h)
1
4h2 − h2 (x − h2).
Da man T(0) ann¨ahern will, extrapoliert man an der Stelle x = 0, d.h.
- 6
r
r
0 1
4h2 h2 x
T1(h) T(12h) T(h)
T(√ x)
Beispiel 10.9.
Sei
I =
Z π/2
0 xcos x + ex dx = π
2 + e12π − 2
und T(h) die zugeh¨orige Trapezregel. Die Extrapolation angewandt auf die Trapezregel liefert folgende Resultate:
n T(h) T1(h) = 43T(h) − 13T(2h) |T1(h) − I| 4 4.39692773
8 4.38523920 4.38134302 6.93e−05
16 4.38226833 4.38127803 4.33e−06
32 4.38152257 4.38127398 2.70e−07
Die N¨aherung T2(h) l¨aßt sich wie T1(h) ebenfalls ¨uber Extrapolation erkl¨aren. Es gilt
P(T(√
· ) |h2, 1
4h2, 1
16h2)(0) = T2(h).
Allgemeine Vorgehensweise. Sei
Ti,0 := T(2−ih), i = 0,1,2, . . . , wobei h eine feste Anfangsschrittweite ist.
Es soll das Interpolationspolynom P(T(√
· ) |h2, . . . ,(2−kh)2)(x) an der Stelle x = 0 ausgewertet werden.
Anwendung des Neville-Aitken Schemas um den Wert Tk(h) = Tk,k = P(T(√
· ) |h2, . . . ,(2−kh)2)(0) zu berechnen, liefert die Rekursion
Ti,j = 4jTi,j−1 − Ti−1,j−1
4j − 1 , j = 1,2, . . . , i ≥ j.
Romberg-Schema
T(h) = T0,0
ց
T(12h) = T1,0 → T1,1
ց ց
T(14h) = T2,0 → T2,1 → T2,2
ց ց ց
T(18h) = T3,0 → T3,1 → T3,2 → T3,3
... ... ... ... ...
Ti−1,j−1
ց
−1 4j−1
Ti,j−1 −→ Ti,j
4j 4j−1
Beispiel 10.10.
Sei
I =
Z π/2
0 xcos x + ex dx = π
2 + e12π − 2,
wie in Beispiel 10.2, und Ti,0 = T(2−ih), wobei T(·) die Trapezregel ist. F¨ur die Anfangsschrittweite h = 14π2 ergibt das Romberg-Schema folgende Werte:
i Ti,0 Ti,1 Ti,2 Ti,3
0 4.396927734684
1 4.385239200472 4.381343022401
2 4.382268326301 4.381278034910 4.381273702411
3 4.381522565173 4.381273978130 4.381273706768 4.381273707762
Fehler:
i |I − Ti,j|
0 1.57e−02
1 3.97e−03 6.93e−05
2 9.95e−04 4.33e−06 5.35e−09
3 2.49e−04 2.70e−07 8.22e−11 1.42e−12
10.5 Zweidimensionale Integrale 10.5.1 Transformation von Integralen.
Eindimensionales Integral
Z b
a f(x) dx.
Sei
I1 = [a, b], I2 = [c, d] und ψ : I1 → I2 eine stetig differenzierbare bijektive Abbildung.
Es gilt die Transformationsformel
Z
I1 f(ψ(x)) ψ′(x) dx =
Z
I2 f(y) dy.
Ein interessanter Spezialfall ergibt sich, falls ψ affin ist, d.h.
Wenn Qm(g;I1) = (b − a)
m X i=0
wig(xi)
eine Formel zur Ann¨aherung von Rab g(x) dx ist, ergibt sich eine ent- sprechende Quadraturformel f¨ur das Intervall I2 = [c, d]:
Z
I2 f(y) dy =
Z b
a f( ˆψ(x))|ψˆ′(x)|dx
= d − c b − a
Z b
a f( ˆψ(x)) dx ≈ (d − c)
m X i=0
wif( ˆψ(xi)) , also insgesamt:
Qm(g; I1) = (b − a)
m X i=0
wig(xi) Qm(f; I2) = (d − c)
m X i=0
wˆif(ˆxi), mit wˆi = wi, ˆxi = xi − a
b − a d + b − xi b − a c .
Beispiel 10.11.
Gauß-Quadraturformeln werden oft f¨ur das Intervall [−1, 1] spezifiziert, z.B.
Z 1
−1 f(x)dx ≈ 2
1
2f − 1 3
√3 + 1
2f1 3
√3
aus Beispiel 10.8.
Die entsprechende Formel f¨ur ein beliebiges Intervall [c, d]:
Z d
c f(x) dx ≈ h 2
fc + (1 2 −
√3
6 )h + fc + (1 2 +
√3 6 )h
, h := d − c.
Analog kann man f¨ur die Gauß-Quadratur mit 4 St¨utzstellen
Z 1
−1 f(x) dx ≈ 2
3 X i=0
wif(xi),
w0 = w3 = 0.173928, w1 = w2 = 1
2 − w0,
Wir betrachten nun die Transformation eines zweidimensionalen Integrals
Z
B f(x, y) dx dy, B ⊂ R2.
Sei B1, B2 ⊂ R2 und ψ : B1 → B2 eine stetig differenzierbare bijektive Abbildung mit Jacobi-Matrix
J(x, y) =
∂ψ1
∂x (x, y) ∂ψ∂y1(x, y)
∂ψ2
∂x (x, y) ∂ψ2
∂y (x, y)
. Es gilt folgende Verallgemeinerung von (10.38):
Satz 10.12. Falls det J(x, y) 6= 0 f¨ur alle (x, y) ∈ B1, so gilt
Z
B1 f(ψ(x, y))|detJ(x, y)| dx dy =
Z
B2 f(˜x,y)˜ d˜x d˜y.
F¨ur den Spezialfall, daß ψ affin ist, ψ(x, y) = Ax
y
+ b, A ∈ R2×2, det(A) 6= 0, b ∈ R2,
ergibt sich daraus die Transformationsformel
|detA|
Z
B1 f(Ax y
+ b)dx dy =
Z
B2 f(˜x,y˜) dx d˜ y.˜
Mit Hilfe dieser Transformationsformel kann man, wie im eindimensio- nalen Fall, eine Quadraturformel f¨ur einen Standardbereich (z.B. Einheitsquadrat, Einheitsdreieck) in eine Formel f¨ur einen
Wichtiger Unterschied zwischen ein- und mehrdimensionaler Integra- tion:
Zwei Intervalle [a, b] und [c, d] lassen sich stets durch affine Transforma- tionen aufeinander abbilden. Hingegen ist es meistens nicht m¨oglich, einfache Gebiete in Rn , n ≥ 2, durch eine affine Transformation inein- ander zu ¨uberf¨uhren.
Beispiel 10.14.
Sei B1 = [0,1] × [0,1] das Einheitsquadrat.
Jede affine Abbildung bildet B1 auf ein Parallelogramm ab. Eine affine Abbildung von B1 auf den Einheitskreis S = {(x, y)|(x2 + y2) ≤ 1} ist
also nicht m¨oglich. △
Affine Transformationen
- 6
B1
p
p p
p
B2
0 1 2 3 4 5 6
1 2 3 4
ψ 3
- 6
@@
B1 @
p
p p
((((XX((((XXX(X
B2
0 1 2 3 4 5 6
1 2 3
1
ψ
10.5.2 Integration ¨uber dem Einheitsquadrat
Z 1 0
Z 1
0 f(x, y) dx dy.
Sei
Qm(g) =
m X i=0
wig(xi)
eine Quadraturformel f¨ur das eindimensionale Integral R01 g(x) dx und F(y) :=
Z 1
0 f(x, y) dx
Z 1 0
Z 1
0 f(x, y) dx dy =
Z 1
0 F(y) dy ≈
m X j=0
wjF(xj)
=
m X j=0
wj
Z 1
0 f(x, xj) dx ≈
m X j=0
wj
m X i=0
wif(xi, xj)
=
m X i,j=0
wiwj f(xi, xj) =: Q(2)m (f).
Beispiel 10.17.
Sei
Q1(g) = 1
2g(x0) + 1
2g(x1), x0 := 1 2 −
√3
6 , x1 := 1 2 +
√3 6 ,
die eindimensionale Gauß-Quadraturformel mit zwei St¨utzstellen f¨ur das Intervall [0,1].
Daraus ergibt sich die Produktregel Q(2)1 (f) = 1
4f (x0, x0) + 1
4f (x0, x1) + 1
4f (x1, x0) + 1
4f (x1, x1)
f¨ur den Bereich [0,1] × [0,1]. Diese Formel ist exakt f¨ur alle Linear-
10.5.3 Integration ¨uber dem Einheitsdreieck F¨ur Dreiecke ist es zweckm¨aßig, von den Monomen
1, x, y, x2, xy, y2, usw.
auszugehen und die Frage nach solchen Quadraturformeln zu stellen, die alle Monome der Form xk1yk2, 0 ≤ k1 + k2 ≤ M exakt integrieren.
Einige typische Beispiele:
(i) Q(f) = 1
2f(1 3, 1
3) (ii) Q(f) = 1
6[f(0,0) + f(1,0) + f(0,1)]
(iii) Q(f) = 1
6[f(1
2,0) + f(0, 1
2) + f(1 2, 1
2)]
(iv) Q(f) = 1
6[f(1 6, 1
6) + f(2 3, 1
6) + f(1 6, 2
3)].
Die Monome 1, x, y werden durch die Formeln in (i), (ii) exakt inte- griert.
Die Monome 1, x, y, xy, x2, y2 werden durch die Formeln in (iii), (iv) exakt integriert.
Kapitel 11 Gew¨ohnliche Differentialgleichungen
11.1 Einf¨uhrung
Gesucht wird eine Funktion y = y(t) einer (Zeit-)Variablen t, die der Gleichung
y′(t) = f(t, y(t)) , t ∈ [t0, T] , und der Anfangsbedingung
y(t0) = y0 gen¨ugen soll.
Man spricht von einer gew¨ohnlichen Differentialgleichung erster Ord-
Allgemeiner hat man mit Systemen von n gew¨ohnlichen Differential- gleichungen erster Ordnung
y1′ (t) = f1(t, y1(t), . . . , yn(t)) ...
yn′ (t) = fn(t, y1(t), . . . , yn(t)) zu tun. Anfangsbedingungen:
yi(t0) = yi0, i = 1, . . . , n, Setzt man
y(t) :=
y1(t) ...
yn(t)
, f(t, y) :=
f1(t, y1(t), . . . , yn(t)) ...
fn(t, y1(t), . . . , yn(t))
, y0 :=
y10 ...
yn0
, kann dieses Anfangswertproblem kompakt wieder in der Form
y′(t) = f(t, y(t)) , t ∈ [t0, T] , y(t0) = y0 geschrieben werden.
Beispiel 11.2.
Gesucht werden Funktionen y1(t), y2(t), t ≥ 0, f¨ur die
y1′ y2′
!
=
1
2y1 − y2
2y1 − 2y2 + 3 sint
!
(t ≥ 0) und y1(0) y2(0)
!
= 2 1
!
gilt. Durch Einsetzen kann man einfach nachpr¨ufen, daß y1(t)
y2(t)
!
= 2 cos t cos t + 2 sint
!
die L¨osung ist. △
Beispiel 11.4.
Chemische Reaktionsprozesse werden oft mit gew¨ohnlichen Differen- tialgleichungen modelliert. Seien S1, . . . , Sn chemische Stoffe, die bei konstanter Temperatur in einem abgeschlossenen System mit einander reagieren. Die i-te Reaktion wird durch
n X j=1
aijSj −→ki
n X j=1
bijSj
beschrieben. Als Beispiel betrachten wir die chemische Pyrolyse S1 −→k1 S2 + S3
S2 + S3 −→k2 S5 S1 + S3 −→k3 S4
S4 −→k4 S3 + S6.
Sei yi(t) die Konzentration der Komponente Si zum Zeitpunkt t. Das zugeh¨orige System gew¨ohnlicher Differentialgleichungen, das die Dy- namik dieses Reaktionsprozesses beschreibt, ist
y1′ = −k1y1 − k3y1y3 y2′ = k1y1 − k2y2y3
y3′ = k1y1 − k2y2y3 − k3y1y3 + k4y4 y4′ = k3y1y3 − k4y4
y5′ = k2y2y3 y6′ = k4y4.
△
Beispiel 11.5.
Die Entwicklung der Temperatur T(x, t) an der Stelle x eines Stabes zur Zeit t ergibt sich als L¨osung der Anfangsrandwertaufgabe
∂T
∂t = κ∂2T
∂x2 , t > 0, x ∈ (0, ℓ).
Die Anfangswerte seien T(x,0) = Φ(x). Die Randwerte sind T(0, t) = T(ℓ, t) = 0.
Mit Hilfe der sogenannten Linien-Methode kann man die gesuchte L¨osung T(x, t) mit Hilfe eines Systems gew¨ohnlicher Differentialglei- chungen erster Ordnung ann¨ahern.
κ∂2T(x, t)
∂x2 ≈ κ
h2x (T(x + hx, t) − 2T(x, t) + T(x − hx, t)), yj(t) ≈ T(xj, t), j = 1,2, . . . , nx − 1,
yj′ = κ
h2x(yj+1 − 2yj + yj−1), j = 1, . . . , nx − 1,
Mit y = (y1, y2, . . . , ynx−1)T ergibt sich
y′ = f(t, y) = Ay, wobei A die Tridiagonalmatrix
A = − κ h2x
2 −1
−1 2 −1 ∅ . . . .
∅ −1 2 −1
−1 2
ist. △
Gew¨ohnliche Differentialgleichung m-ter Ordnung: in der Differential- gleichung kommen Ableitungen bis zur Ordnung m vor.
Beispiel 11.6. Das mathematische Pendel in Beispiel 1.2 wird durch die gew¨ohnliche Differentialgleichung zweiter Ordnung
φ′′(t) = −g
ℓ sin(φ(t)) und die Anfangsbedingungen
φ(0) = φ0, φ′(0) = 0
charakterisiert. △
Anfangswertaufgabe m-ter Ordnung: Bestimme eine skalare Funktion y(t), so daß
y(m) = g(t, y, y′, . . . , y(m−1)) , t ∈ [t0, T] ,
y(t0) = z0, y′(t0) = z1, . . . , y(m−1)(t0) = zm−1.
11.2 Reduktion auf ein System 1. Ordnung Setzt man
y1(t) := y(t)
y2(t) := y′(t) = y1′ (t) y3(t) := y′′(t) = y2′ (t)
...
ym(t) := y(m−1)(t) = ym′ −1(t), so folgt aus (11.10) ym′ = g(t, y1, y2, . . . , ym), also
y1′ (t) = y2(t) y2′ (t) = y3(t)
...
ym−′ 1(t) = ym(t)
ym′ (t) = g(t, y1(t), . . . , ym(t))
f¨ur t ∈ [t0, T]
Beispiel 11.8.
Die gew¨ohnliche Differentialgleichung dritter Ordnung y′′′ = −2y′′ + y′ + y2 − et, t ∈ [0, T], mit Anfangsbedingungen
y(0) = 1, y′(0) = 0, y′′(0) = 0, ergibt ¨uber
y1(t) := y(t), y2(t) := y′(t), y3(t) := y′′(t), das ¨aquivalente System erster Ordnung
y1′ y2′ y3′
=
y2 y3
−2y3 + y2 + y12 − et
(t ∈ [0, T]) mit Anfangsbedingungen
(y1(0), y2(0), y3(0)) = (1, 0,0). △
11.3 Einige theoretische Grundlagen
Ein Problem heißt korrekt gestellt, falls
1.) eine L¨osung existiert,
2.) diese L¨osung eindeutig ist und
3.) stetig von den Daten abh¨angt.
Nach dem Satz von Peano existiert bereits unter sehr schwachen An- forderungen an die rechte Seite f, n¨amlich Stetigkeit in t und y, eine
Unter etwas st¨arkeren Voraussetzungen an f gilt allerdings der fol- gende Existenz- und Eindeutigkeitssatz von Picard-Lindel¨of , der die Forderung 2.) sichert.
Satz 11.10. Sei f eine Funktion, die stetig in (t, y) und dar¨uber hinaus im folgenden Sinne Lipschitz-stetig in y ist (wobei k · k eine beliebige feste Norm auf Rn ist):
kf(t, y) − f(t, z)k ≤ Lky − zk
f¨ur alle t ∈ [t0, t0 + δ] mit δ > 0 und f¨ur alle y, z aus einer Umge- bung U von y0.
Dann existiert eine eindeutige L¨osung y von (11.3) in einer Um- gebung von t0 (die von δ, kfk und von U abh¨angt).
Beispiel 11.11.
Wir w¨ahlen k · k = k · k∞, die Maximumnorm. F¨ur das mathematische Pendel aus Beispiel 11.7 ergibt sich mit c := −g/ℓ
kf(t, y) − f(t, z)k∞ =
y2 csiny1
!
− z2 csin z1
! ∞
=
y2 − z2
ccos(ξ)(y1 − z1)
! ∞
= max{|y2 − z2|,|c| |cos(ξ)| |y1 − z1|}
≤ max{1,|c|}ky − zk∞,
also gilt die Lipschitz-Bedingung mit L = max{1, g} f¨ur alle t, y, z. △
Forderung 3.) der Korrektgestelltheit ist nat¨urlich f¨ur numerische Zwecke besonders essentiell.
Im vorliegenden Zusammenhang betrachten wir den einfachsten Fall, daß unter
”Daten“ lediglich die Anfangswerte y0 verstanden werden.
Satz 11.12. Die Funktion f erf¨ulle die Lipschitz-Bedingung (11.12) (bzgl. einer Umgebung U von y0, z0 ∈ Rn).
Seien y(t), z(t) L¨osungen von (11.3) bez¨uglich der Anfangsdaten y0, z0 ∈ Rn.
Dann gilt f¨ur alle t aus einer Umgebung von t0 die Absch¨atzung ky(t) − z(t)k ≤ eL|t−t0|ky0 − z0k.
Bemerkung 11.14.
Die Funktion y(t) l¨ost
y′(t) = f(t, y(t)), y(t0) = y0, genau dann, wenn sie
y(t) = y0 +
Z t
t0 f(s, y(s))ds l¨ost.
11.4 Einfache Einschrittverfahren
Man verwendet y1 = y0 + hf(t0, y0) als N¨aherung f¨ur y(t0 + h).
- 6
y0
t0 t0 + h
y(t)
y1 q q
Dies f¨uhrt auf das folgende Verfahren:
Algorithmus 11.16 (Euler-Verfahren) Gegeben: Schrittweite h = T−t0
n mit n ∈ N. Berechne f¨ur j = 0, . . . , n − 1:
tj+1 = tj + h
yj+1 = yj + hf(tj, yj).
Ein Herleitungsprinzip
Bemerkung 11.17. Sei die Anfangsbedingung (tj, yj) ∈ R2 gegeben.
Die Funktion ˜y(t) l¨ost das lokale Anfangswertproblem y˜′ = f(t,y)˜ f¨ur t ∈ [tj, T], y(t˜ j) = yj, genau dann, wenn
y(t) =˜ yj +
Z t
tj f(s,y(s))˜ ds, t ∈ [tj, T], gilt. Insbesondere gilt f¨ur t = tj+1:
y(t˜ j+1) = yj +
Z tj+1
tj f(s,y(s))˜ ds.
△
Das Euler-Verfahren erh¨alt man dann ¨uber