Mathematik III – DGL der Technik - mechatronik-forum
Mathematik III – DGL der Technik - mechatronik-forum
Mathematik III – DGL der Technik - mechatronik-forum
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>Mathematik</strong> <strong>III</strong> <strong>–</strong> <strong>DGL</strong> <strong>der</strong> <strong>Technik</strong><br />
Grundbegriffe:<br />
• Differentialgleichung: Bedingung in <strong>der</strong> Form einer Gleichung in <strong>der</strong> Ableitungen <strong>der</strong><br />
zu suchenden Funktion bis zu einer endlichen Ordnung auftreten. Funktions- und<br />
Ableitungsausdrücke weisen dabei alle dieselben, als variabel gedachten Argumente<br />
auf.<br />
• System von <strong>DGL</strong>: Mehrere <strong>DGL</strong>s.<br />
• Ordnung: Höchste in den Bedingungen vorkommende Ordnung von Ableitungen zu<br />
suchen<strong>der</strong> Funktionen.<br />
• Gewöhnliche <strong>DGL</strong>: Nur Ableitungen nach einer Variablen.<br />
• Partielle <strong>DGL</strong>: Ableitungen nach mehreren Variablen.<br />
Lösung <strong>der</strong> <strong>DGL</strong>: Jede Funktion die in einer gegebenen Menge, mindestens so oft<br />
differenzierbar ist, wie es die Ordnung <strong>der</strong> <strong>DGL</strong> erfor<strong>der</strong>t, und die für jedes Argument aus<br />
dieser Menge die durch die <strong>DGL</strong> gestellten Bedingungen erfüllt.<br />
System von <strong>DGL</strong>: Familien von Funktionen die ebengenanntes erfüllen.<br />
Gewöhnliche <strong>DGL</strong>:<br />
• Implizite <strong>DGL</strong>: F(t, x(t), x’(t)) = 0<br />
• Explizite <strong>DGL</strong>: x’(t) = f(t, x(t))<br />
Jede explizite <strong>DGL</strong> lässt sich implizit anschreiben. (Umkehrung gilt nicht)<br />
o Erste Ableitungen durch ersetzt, nullte durch , t durch <br />
o Alles auf eine Seite bringen => F(, , )<br />
Höhere Ordnung System von <strong>DGL</strong> 1. Ordnung:<br />
x(t) = x1(t)<br />
x’(t) = x2(t)<br />
Alle vorkommenden Funktionen/Ableitungen zu xNR, bis zur vorletzten Ordnung.<br />
Als Matrix anschreiben.<br />
Klassen von Differentialgleichungen:<br />
• autonom: t, tritt nur als Argument <strong>der</strong> zu suchenden Funktion und <strong>der</strong>en<br />
Ableitungen auf.<br />
• Lineares System von <strong>DGL</strong> (explizit): x’(t) = A(t) x(t) + b(t)<br />
o A … Koeffizientenmatrix<br />
o b … Störvektor<br />
• Lineares System von <strong>DGL</strong> (implizit): C(t) * x’(t) = A(t) * x(t) + b(t)<br />
• Homogenes System, b(t) = 0, sonst inhomogen.<br />
Veranschaulichungen:<br />
Richtungsfeld<br />
Ausgehend von einer impliziten <strong>DGL</strong> definieren wir folgende Begriffe:<br />
• Linienelement: Ein Tripel bestehend aus , und welches die <strong>DGL</strong> erfüllt.<br />
Vorzustellen als Steigung im Punkt (, )<br />
• Richtungsfeld, Menge <strong>der</strong> Linienelemente.<br />
• Isokline: Menge aller Linienelemente mit gleicher Steigung.<br />
I 0 = { (, ) | (, , 0 ) D und F(, , 0 ) = 0 }<br />
Seite 1 von 12
Eigenschaften des Richtungsfeldes: Nur wenn die <strong>DGL</strong> explizit ist, hat je<strong>der</strong> Punkt<br />
(, ) lediglich eine Steigung. Bei impliziten, können mehrere Steigungen im selben<br />
Punkt existieren. Stets ist es möglich dass mehrere Grafen durch denselben Punkt<br />
gehen.<br />
Nicht immer lässt sich die <strong>DGL</strong> in expliziter Form anschreiben um dennoch das<br />
Richtungsfeld zu erhalten wird die implizite Form null gesetzt. Und ein Richtungsfeld<br />
für die einzelnen Nullstellen erstellt und übereinan<strong>der</strong> gelegt.<br />
Vektorfeld <strong>der</strong> Tangenten an die Graphen <strong>der</strong> Lösungen<br />
Man sucht die gemeinsamen Nullstellen eines impliziten Systems. Diese kann als<br />
Linienelemente veranschaulichen. (Gerade im Punkt (, 1 , …, m ) mit dem<br />
Richtungsvektor (1, 1 , …, m ), mit „passen<strong>der</strong>“ Länge)<br />
Das Vektorfeld <strong>der</strong> Tangenten an die Graphen <strong>der</strong> Lösungen erhält man nun, durch<br />
Einzeichnen einer passenden Anzahl von Linienelementen. Praktisch lediglich für<br />
m=2 möglich!<br />
Vektorfeld <strong>der</strong> Tangenten an die Wertebereiche <strong>der</strong> Lösungen<br />
Wie Vorhergehendes, nur bei festgehaltenem Zeitpunkt , somit bis m = 3 praktisch<br />
anwendbar. Zeitlicher Verlauf durch Darstellung mehrerer Vektorfel<strong>der</strong> für<br />
verschiedene .<br />
Problemtypen <strong>–</strong> <strong>DGL</strong> mit Zusatzbedingungen<br />
Im Allgemeinen gibt es unendlich viele Lösungen. Einschränkung durch zusätzliche<br />
Bedingungen.<br />
• Anfangsbedingungen: müssen von <strong>der</strong> zu suchenden Funktion und ihren<br />
Ableitungen an einer Anfangsstelle erfüllt werden.<br />
• Anfangswertproblem in Normalform: System expliziter <strong>DGL</strong> 1. Ordnung.<br />
x’(t) = f(t, x(t) ) … x(t 0 ) = a Vektoren<br />
• Randwertproblem: Bedingungen die die zu suchende Funktion und <strong>der</strong>en<br />
Ableitungen an zwei Stellen, den Randestellen erfüllen müssen.<br />
• Lineare Randbedingungen: Gestalt: C 0 x(t 0 ) + C 1 x(t 1 ) = c<br />
wenn c = 0 homogene lineare RB.<br />
• Eigenwertprobleme Randwertprobleme mit einem anpassbaren Parameter.<br />
Für bestimmte Werte dieses Parameters (Eigenwerte) existieren nicht triviale<br />
Lösungen, die Eigenfunktionen.<br />
BEISPIEL KNICKLAST STÜTZENDER STAB S .23ff<br />
KRITISCHE DREHZAHLEN BEI ROTIERENDER WELLE S.26f<br />
Lösbarkeit<br />
Aussagen über lokale Existenz (mind. eine Lösung) und Eindeutigkeit (genau eine<br />
Lösung).<br />
Satz von Picard Lindelöf über die lokale Existenz und Eindeutigkeit <strong>der</strong> Lösung eines<br />
Anfangswertproblems in Normalform<br />
Gegeben sei ein Anfangswertproblem in Normalform<br />
x’(t) = f(t, x(t)) … x(t 0 ) = a<br />
wobei D 1+m eine offen Menge mit (t 0 , a) D ist und f: D m stetig und stetig<br />
differenzierbar nach . Dann gilt:<br />
Es gibt ein Intervall I, in dem t 0 liegt und es gibt genau eine in I differenzierbar<br />
Funktion x: I m , die Lösung des gegebenen Anfangswertproblems im Intervall I<br />
ist.<br />
Seite 2 von 12
(Dieser Satz kann noch abgeschwächt werden, z.B. reicht für die Existenz die<br />
Stetigkeit von f)<br />
Methode zur Konstruktion eines Lösungsintervalls<br />
Man wählt zuerst u, v > 0, aber so, dass <strong>der</strong> Qua<strong>der</strong> Q:<br />
Q = { (, 1 , …, m ) | [t 0 , t 0 + u], i [a i <strong>–</strong> v, a i + v] für i {1, …, m}},<br />
<strong>der</strong> rechts von t 0 liegt, noch zur Gänze in D enthalten ist. Die Größe<br />
M = max{|f i (, 1 , …, m ) | | (, 1 , …, m ) Q, i {1, …, m}}<br />
Ist dann die maximale Steigung einer Lösung, <strong>der</strong>en Graph in Q liegt.<br />
h = min{u, v/M}, das Existenzintervall ist dann mindestens I = [t 0 , t 0 + h].<br />
Methode zur Fortsetzung <strong>der</strong> Lösung<br />
Mit oben beschriebener Methode ein Lösungsintervall bestimmen, in diesem einen<br />
neuen Startwert wählen und damit ein neues Intervall mit <strong>der</strong>selben Methode<br />
berechnen und diese vereinigen.<br />
Satz über den Graphen einer nicht mehr weiter fortsetzbaren Lösung<br />
Gegeben sei die Differentialgleichung<br />
x’(t) = f(t, x(t)),<br />
wobei die Menge D 1+m offen und f: D m stetig ist. Dann gilt: Der Graph je<strong>der</strong><br />
nicht mehr weiter fortsetzbaren Lösung <strong>der</strong> <strong>DGL</strong> reicht über jede kompakte<br />
(abgeschlossen und beschränkt) Menge, die in D enthalten ist, hinaus.<br />
(Sagt aus, dass sich ein Existenzintervall nicht immer beliebig weit ausdehnen lässt.)<br />
Globale Eindeutigkeit und Fehlerfortpflanzung<br />
Satz über die globale Eindeutigkeit <strong>der</strong> Lösung von Anfangswertproblemen und über<br />
die Differenzierbarkeit nach dem Anfangswert.<br />
Gegeben sei ein Anfangswertproblem in Normalform<br />
x’(t) = f(t, x(t)) … x(t 0 ) = a,<br />
wobei D 1+m eine offene Menge mit (t 0 , a) D ist und f: D m stetig und stetig<br />
differenzierbar nach . Dann gilt:<br />
• Es gibt genau eine nicht mehr weiter fortsetzbare Lösung x<br />
• Jede weitere Lösung ist eine Einschränkung von x<br />
• Die Lösung x ist in ihrem ganzen Existenzintervall stetig differenzierbar nach<br />
dem Anfangswert a.<br />
Übertragungsmatrix<br />
Man erhält sie, durch Ableiten einer nicht weiter fortsetzbaren Lösung, eines<br />
Anfangswertproblems in Normalform, nach dem Anfangsvektor a.<br />
(Jede Zeile (x 1 , x 2 , … x m ), Ableitungen einer Funktion nach allen m- Komponenten<br />
von a.<br />
Abschätzung des durch fehlerhafte Anfangswerte hervorgerufenen Fehlers durch:<br />
~ Ü(t, t 0 , a) * a<br />
Seite 3 von 12
Näherungslösungen<br />
Sukzessive Substitution nach Picard- Lindelöf<br />
Anfangswertprob. in Normalform: x'(t) = f(t, x(t)) … x(t 0 ) = a<br />
durch Integration:<br />
<br />
t0<br />
t<br />
x' xt xt0 <br />
t0<br />
t<br />
f, x<br />
Daraus folgt die Integralgleichung<br />
xt a <br />
t0<br />
t<br />
f, x <br />
Festlegen <strong>der</strong> rekursiven Definition:<br />
x<br />
<br />
0 t : a<br />
x n1t : a <br />
t0<br />
t<br />
f, x<br />
<br />
n <br />
Satz über die Konvergenz <strong>der</strong> nach <strong>der</strong> Methode <strong>der</strong> sukzessiven Substituten erzeugten<br />
Funktionenfolge gegen die Lösung und über die Abschätzung des Fehlers<br />
Gegeben sei ein Anfangswertproblem in Normalform,<br />
wobei D 1+m eine offene Menge mit (t 0 , a) D ist und f: D m stetig und stetig<br />
differenzierbar nach . Q, M, h, I durch „Methode zur Konstr. des Lösungsintervalls“<br />
erzeugt. Dann gilt:<br />
• Die durch sukzessive Substitution erzeugte Funktionenfolge konvergiert in I<br />
gleichmäßig gegen die Lösung x.<br />
• Mit<br />
L : m max<br />
<br />
f i<br />
k<br />
, 1 , ..., m <br />
<br />
i, k 1, ..., m, , 1, ..., m Q<br />
gilt für jedes t aus I, jedes n aus den natürlichen Zahlen (inkl. 0) und jedes<br />
i {1 … m} die Abschätzung für den Fehler bei <strong>der</strong> i-ten Komponente<br />
x<br />
<br />
ni t x i t<br />
<br />
<br />
<br />
M L<br />
<br />
L t t0 n1<br />
n 1<br />
Taylor Entwicklung<br />
Satz über mehrmalige Differenzierbarkeit <strong>der</strong> Lösungen:<br />
Gegeben sei ein Anfangswertproblem in Normalform<br />
x’(t) = f(t, x(t)) … x(t 0 ) = a, wobei D 1+m eine offene Menge mit (t 0 , a) D ist und<br />
f: D m n- mal stetig differenzierbar nach allen Variablen. Dann gilt:<br />
• Die Lösung x ist in ihrem Existenzintervall mindestens (n+1)- mal stetig nach t<br />
differenzierbar.<br />
• Sie lässt sich nach <strong>der</strong> Taylor Formel als<br />
n1<br />
t t0 i<br />
xt <br />
x i t 0 R n1 t; t 0 <br />
i<br />
i0<br />
t t n<br />
R n1 t; t 0 : x n1 x n1 t 0 <br />
t0 n<br />
anschreiben (inkl. Restglied)<br />
• Als Taylor Koeffizienten werden x (i) (t 0 ) bezeichnet.<br />
Ableitungen an <strong>der</strong> Stelle (t 0 , a) ausgewertet.<br />
Seite 4 von 12
Abschätzung für die i- te Komponente des Restgliedes. (r n := x (n) )<br />
K n1 : max r n1,i , r n1,i t 0 , a , 1 , ..., m Q, i 1, ..., m<br />
R n1,i t, t 0 <br />
<br />
<br />
<br />
t t 0 n1<br />
n 1<br />
K n1<br />
• Die Lösung x muss in t 0 nicht beliebig oft differenzierbar sein<br />
• Auch wenn die Lösung in t 0 beliebig oft differenzierbar ist, muss die Reihe nicht<br />
für jedes t aus I konvergieren.<br />
• Auch wenn die Reihe für jedes t aus einem geeigneten Teilintervall konvergiert,<br />
muss sie nicht zur Lösung konvergieren.<br />
Eines gilt immer:<br />
Satz über die Konvergenz <strong>der</strong> Taylor Entwicklung, unter den bekannten Voraussetzungen:<br />
Ist x beliebig oft differenzierbar in I, die unendliche Taylor Reihe konvergent und<br />
konvergiert das Restglied gegen Null, so lässt sich die Lösung durch die unendliche<br />
Taylor Reihe darstellen.<br />
Runge Kutta Methoden<br />
Wie<strong>der</strong>um geht es um die Näherungslösung eines Anfangswertproblems in Normalform,<br />
hier durch Anwendung des Mittenwertsatzes <strong>der</strong> Differentialrechnung:<br />
x(t 0 + h) = a + h * x’() mit [t 0 ; t 0 + h]<br />
Ziel ist es eine möglichst gute Näherung für x’() zu erhalten!<br />
• Euler Cauchy <strong>–</strong> scher Polygonzug<br />
für ein kleines Intervall h, wird statt <strong>der</strong> mittleren Steigung die Steigung am<br />
Intervallbeginn herangezogen, also x’(t 0 ) = f(t 0 , a)<br />
x(t 0 + h) a + h * f(t 0 , a)<br />
• Runge<br />
Eine Verbesserung <strong>der</strong> Näherung für die mittlere Steigung. Über Euler Cauchy<br />
wird <strong>der</strong> Funktionswert von x(t 0 + h) bestimmt, dessen Steigung ermittelt und<br />
danach eine neue Näherung für x(t 0 + h) mit dem Mittelwert <strong>der</strong> Steigung am<br />
Beginn und Ende des Intervalls berechnet.<br />
Einführung des Koeffizientenschemas zur kompakten Darstellung <strong>der</strong><br />
Berechnungsvorschrift für die Näherung <strong>der</strong> mittleren Steigung und dem Funktionswert.<br />
Stelle ( Koeff * h) k 1 * Koeff + k 2 * Koeff + k n * Koeff<br />
k 1 = f(… t 0 + , a+<br />
Berechnung k 2 t 0 + , a+<br />
Berechnung k n t 0 + , a+<br />
x(t 0 + h) a + h * (…)<br />
• Kutta<br />
0 0 0 0<br />
½ ½ 0 0<br />
1 -1 2 0<br />
1/6 2/3 1/6<br />
Seite 5 von 12
• Runge Kutta<br />
0 0 0 0 0<br />
½ ½ 0 0 0<br />
½ 0 ½ 0 0<br />
1 0 0 1 0<br />
1/6 1/3 1/3 1/6<br />
Die bisher angeführten Schemata sind explizit, zum Berechnen <strong>der</strong> einzelnen Steigungen<br />
wird jeweils nur auf bekannte Werte zurückgegriffen. Bei einem impliziten Schema erhält<br />
man ein Gleichungssystem für die Steigungen k.<br />
Die Runge Kutta Verfahren unterscheiden sich von an<strong>der</strong>en Verfahren wie <strong>der</strong> Taylor<br />
Entwicklung o<strong>der</strong> <strong>der</strong> sukzessiven Substitution dadurch, dass sofort numerisch gerechnet<br />
wird.<br />
Autonome Differentialgleichungen<br />
Eigenschaften <strong>der</strong> Lösungen:<br />
Satz über die Verschiebbarkeit von Lösungen autonomer <strong>DGL</strong>. Gegeben sei eine explizite<br />
autonome <strong>DGL</strong>: x’(t) = f(x(t)) und eine beliebige reelle Zahl t*. Dann gilt:<br />
Ist x eine Lösung mit Definitionsbereich I, dann ist y mit y(t) := x(t + t*) eine Lösung mit<br />
Definitionsbereich {t <strong>–</strong> t* | t I}<br />
Das heißt, dass Lösungen autonomer <strong>DGL</strong> entlang <strong>der</strong> t- Achse verschoben werden<br />
können.<br />
Definition: Jede Nullstelle a, von f(x(t)) heißt kritischer Punkt bzw. Librationspunkt. Die<br />
konstante Funktion x(t) = a heißt Librationslösung <strong>der</strong> <strong>DGL</strong>.<br />
Satz über die Typen von Wertebereichen von Lösungen autonomer <strong>DGL</strong>.<br />
Voraussetzungen: D m eine offene Menge, f: D m stetig differenzierbar nach .<br />
und x’(t) = f(x(t)) dann gilt:<br />
• Durch jeden Punkt a aus D geht genau ein Wertebereich von nicht weiter<br />
fortsetzbaren Lösungen. Dieser Wertebereich ist entwe<strong>der</strong> ein Punkt<br />
(Wertebereich einer Librationslösung) o<strong>der</strong> eine glatte Kurve ohne<br />
Mehrfachpunkte, mit einem eindeutig festgelegten Durchlaufsinn.<br />
Verschiedene Wertebereiche von Lösungen schneiden einan<strong>der</strong> nicht, können<br />
sich aber beliebig nahe kommen.<br />
• Höchstens drei Typen von Wertebereichen können auftreten:<br />
o ein einziger Punkt, eine Librationspunkt<br />
o eine einfache geschlossene glatte Kurve (periodische Lösung)<br />
o eine nicht geschlossene glatte Kurve ohne Mehrfachpunkte von<br />
endlicher o<strong>der</strong> unendlicher Länge (nicht periodische Lösung)<br />
Lineare Differentialgleichungen<br />
Formuliert für explizite lineare Systeme von <strong>DGL</strong> erster Ordnung. Übertragbarkeit dieser<br />
Methoden auf<br />
implizite lineare Systeme, <strong>der</strong> Form C(t) x’(t) = A(t) x(t) + b(t), für C(t) != 0.<br />
Bei den linearen <strong>DGL</strong> gelten die Aussagen von Picard Lindelöf global.<br />
Satz über die globale Existenz und Eindeutigkeit von Lösungen linearer Systeme<br />
x’(t) = A(t) x(t) + b(t)<br />
Seite 6 von 12
• Sind A und b in einem Intervall I stetig, so existiert jede Lösung im ganzen<br />
Intervall.<br />
• Sind A und b in einem Intervall I stetig, ist t 0 I und a m ,<br />
so existiert genau eine Lösung des Anfangswertproblems x’(t) = A(t) x(t) + b(t) mit<br />
x(t 0 ) = a in ganz I.<br />
Satz über den Lösungsraum linearer <strong>DGL</strong><br />
• Ist A stetig im Intervall I, so bilden die Lösungen des homogenen linearen Systems<br />
x’(t) = A(t) x(t) einen m- dimensionalen Vektorraum.<br />
• Die Lösungen des inhomogenen linearen Systems bilden eine lineare<br />
Mannigfaltigkeit. Jede Lösung des inhomogenen linearen Systems erhält man als<br />
Summe einer speziellen Lösung des inhomogenen und einer Lösung des<br />
homogenen linearen Systems (Superpositionsprinzip)<br />
Fundamentalmatrix und Matrizant<br />
Gegeben sei ein homogenes lineares System. Die m x m Matrix A sei in I stetig<br />
und y 1 … y m sind linear unabhängige Lösungen in I.<br />
• Die Matrix Y(t) := [y 1 (t), …, y m (t)] heißt Fundamentalmatrix, diese erfüllt:<br />
Y’(t) = A(t) * Y(t)<br />
• Mit t 0 als festem Punkt in I folgt <strong>der</strong> Matrizant zum Punkt t 0<br />
( . ; t 0 ) , mit ( t 0 ; t 0 ) = E (Einheitsmatrix)<br />
lässt sich aus <strong>der</strong> Fundamentalmatrix folgen<strong>der</strong>weise bestimmen (zum Punkt t 0 ):<br />
( t ; t 0 ) = Y(t) Y(t 0 ) -1<br />
Formel von Liouville<br />
Gegeben sei ein homogenes lineares System x’(t) = A(t) x(t), A sei im Intervall I stetig, Y<br />
sei eine Fundamentalmatrix und t 0 I. Dann gilt für jedes t aus I<br />
detYt detYt 0 t 0<br />
t i m 1 aii<br />
Eigenschaften des Matrizanten<br />
• Der Matrizant zum Punkt t 0 ist Lösung des Anfangswertproblems:<br />
’(t ; t 0 ) = A(t) ( t ; t 0 ) … ( t 0 ; t 0 ) = E<br />
• Alle Verfahren zur näherungsweisen Erzeugung einer Lösung können zur<br />
Gewinnung des Matrizanten herangezogen werden, insbeson<strong>der</strong>e das Verfahren<br />
<strong>der</strong> sukzessiven Substitution.<br />
0 t; t 0 : E<br />
n1 t; t 0 : E <br />
t0<br />
t<br />
An ; t 0 <br />
Für den Fall, dass A konstant ist, ergibt <strong>der</strong><br />
Grenzwert obiger Formel für n :<br />
t; t 0 : tt 0 A<br />
• Eine Lösung des homogenen Systems x(. ; t 0 , a)<br />
(mit Anfangswert a zum Zeitpunkt t 0 )<br />
erhält man aus: x(t; t 0 , a) = ( t ; t 0 ) a<br />
• Die Übertragungsmatrix hängt nicht von a ab und stimmt mit dem Matrizanten<br />
überein:<br />
Ü(t; t 0 , a) = ( t ; t 0 )<br />
• Die Inverse des Matrizanten erhält man durch Vertauschen von t und t 0<br />
Seite 7 von 12
Lösung von linearen Differentialgleichungsproblemen mittels Fundamentalmatrix<br />
• Allgemeine Lösung des homogenen Systems x’(t) = A(t) x(t)<br />
x(t) = Y(t) c … wobei c ein m- dimensionaler Vektor ist<br />
• Spezielle Lösung des inhomogenen Systems x’(t) = A(t) x(t) + b(t)<br />
Lösung mittels Variation <strong>der</strong> Konstanten.<br />
Als Ansatz: x(t) = Y(t) c(t), einsetzen ergibt:<br />
Y’(t) c(t) + Y(t) c’(t) = A(t) Y(t) c(t) + b(t)<br />
Y(t) c’(t) = c(t) [ A(t) Y(t) <strong>–</strong> Y’(t)] + b(t) | Y’(t) = A(t) Y(t)<br />
c’(t) = b(t) Y(t) -1<br />
mit x(t 0 ) = o folgt somit:<br />
xt Yt<br />
t0<br />
t<br />
Y 1 b<br />
• Die allgemeine Lösung des inhomogenen Systems durch Superposition<br />
xt Ytc Yt<br />
t0<br />
t<br />
Y 1 b<br />
• Die eindeutige Lösung eines Anfangswertproblems x(t 0 ) = a<br />
in vorhergehende Formel eingesetzt liefert dies x(t 0 ) = a = Y(t 0 ) c<br />
nach c umgeformt und eingesetzt ergibt es:<br />
xt YtYt 0 1 a Yt<br />
t0<br />
t<br />
Y 1 b<br />
Bei Verwendung des Matrizanten wird ( t 0 ; t 0 ) = E<br />
• Lösung eines linearen Randwertproblems<br />
Anpassen <strong>der</strong> allgemeinen Lösung des inhomogenen Systems an<br />
C 0 x(t 0 ) + C 1 x(t 1 ) = d einsetzen ergibt:<br />
d C 0 Yt 0 c C 1 t 1Y<br />
Yt 1 c Yt 1 1 b <br />
<br />
t0 <br />
C 0 Yt 0 C 1 Yt 1 c d C 1 Yt 1 <br />
t0<br />
t 1Y 1 b<br />
o det(C 0 Y(t 0 ) + C 1 Y(t 1 )) = 0<br />
o det(C 0 Y(t 0 ) + C 1 Y(t 1 )) != 0<br />
… unendlich viele o<strong>der</strong> keine Lösung<br />
… Lösung hängt linear von b und d ab<br />
Berechnung <strong>der</strong> Fundamentalmatrix bei einem linearen System von <strong>DGL</strong> mit<br />
konstanten Koeffizienten<br />
Zum Aufstellen <strong>der</strong> Fundamentalmatrix benötigt man m linear unabhängige Lösungen des<br />
homogenen Systems! x’(t) = A(t) x(t)<br />
• Bestimmen <strong>der</strong> k- Eigenwerte: det[ (A - E) ] = 0 k<br />
• Für jeden Eigenwert mit <strong>der</strong> Vielfachheit n machen wir n Lösungsansätze<br />
e t e t ( t ), … , e t ( t+ … + t n-1 )<br />
• Einsetzen in das homogene Gleichungssystem, Umformen zu:<br />
o = [Matrix] <br />
Bestimmen <strong>der</strong> Komponenten von , einige müssen festgesetzt werden.<br />
• Y(t) = [x 1 (t), …, x m (t)]<br />
wobei komplexe Lösungen, in Real- und Imaginärteil aufgespaltet, zwei linear<br />
unabhängige Lösungen ergeben!<br />
Seite 8 von 12
Stabilität<br />
Folgende Aussagen gelten für x’(t) = f(t, x(t)), die für jedes (a, t 0 ) D jeweils eindeutig lösbar<br />
sind. Wir bezeichnen wie üblich die nicht mehr weiter fortsetzbare Lösung des<br />
Anfangswertproblems als x( . ; t 0 , a). ist eine im Intervall I definierte, ausgezeichnete<br />
Lösung <strong>der</strong> Differentialgleichung.<br />
• stabil heißt eine Lösung, wenn für jede Schranke > 0 und für jede Anfangsstelle t 0<br />
eine Zahl existiert, sodass für alle Anfangswerte a mit ||(t 0 ) <strong>–</strong> a || < die Lösung<br />
x( . ; t 0 , a) in I[t 0 , [ existiert für t > t 0<br />
|| x( . ; t 0 , a) - (t) || < <br />
ist dies nicht erfüllt, heißt die Lösung instabil.<br />
Für Stabilität muss also eine Lösung, für eine kleine Abweichung des Startwertes,<br />
innerhalb eines Schlauches um die ursprüngliche Lösung bleiben.<br />
• Einzugsbereich: Das Intervall I muss dazu nach rechts unbeschränkt sein und t 0<br />
enthalten.<br />
Die Menge <strong>der</strong> Anfangswerte a, für die die Lösung x( . ; t 0 , a) in [t 0 , [ existiert und<br />
lim t || x( . ; t 0 , a) - (t) || = 0<br />
gilt, heißt dann Einzugsbereich von bei t 0<br />
• attrahierend: Wenn alle Anfangswerte a, welche ||(t 0 ) <strong>–</strong> a || < erfüllen, zum<br />
Einzugsbereich von bei t 0 gehören.<br />
Wenn bei einer kleinen Abweichung des Startwertes, die Abweichungen von <strong>der</strong><br />
ursprünglichen Lösung, für große t, gegen Null gehen.<br />
• global attrahierend: wenn die Bedingung für „attrahierend“ für alle Anfangswerte<br />
gültig ist.<br />
Wenn also beliebig große Störungen wie<strong>der</strong> abklingen.<br />
• asymptotisch stabil = stabil und attrahierend<br />
Differentialgleichung für die Abweichungen<br />
Die Abweichung, einer Lösung x, von <strong>der</strong> ausgezeichneten Lösung wird als z = x - <br />
definiert.<br />
z’(t) = f(t, x(t)) <strong>–</strong> f(t, (t)) | x(t) = z(t) + (t)<br />
z’(t) = f(t, (t) + z(t)) <strong>–</strong> f(t, (t))<br />
Ausgezeichnete Lösung <strong>der</strong> <strong>DGL</strong> für die Abweichungen ist die Nullfunktion.<br />
Satz: Stabilitätsaussagen mit Hilfe <strong>der</strong> <strong>DGL</strong> für die Abweichungen für eine<br />
<strong>DGL</strong> x’(t) = f(t, x(t)) ist die ausgezeichnete Lösung genau dann stabile bzw.<br />
attrahierende Lösung, wenn die Nullfunktion stabile bzw. attrahierende Lösung <strong>der</strong> <strong>DGL</strong><br />
für die Abweichungen ist.<br />
Vereinfachung bei linearen <strong>DGL</strong> x’(t) = A(t) x(t) + b(t)<br />
hier stimmt die <strong>DGL</strong> <strong>der</strong> Abweichungen unabhängig von <strong>der</strong> gewählten Lösung und <strong>der</strong><br />
Störung b immer mit <strong>der</strong> zugehörigen homogenen <strong>DGL</strong> überein.<br />
ist eine Lösung (in)stabil, (nicht) attrahierend, so trifft dies auf alle Lösungen zu.<br />
Ist A stetig, dann ist jede attrahierende Lösung sogar global attrahierend.<br />
Seite 9 von 12
Zerlegung <strong>der</strong> <strong>DGL</strong> für die Abweichungen z’(t) = f ~ (t,z(t)) in ihren linearen und<br />
nicht linearen Anteil.<br />
z’(t) = A(t) z(t) + g(t, z(t)) … g ist <strong>der</strong> nichtlineare Anteil<br />
Sollte die Zerlegung nicht unmittelbar ersichtlich sein, kann z mittels Ableitung zerlegt<br />
werden:<br />
<br />
<br />
f<br />
z't <br />
t, 0 zt f f<br />
t, zt t, 0 zt<br />
<br />
wenn gilt:<br />
g, <br />
lim sup <br />
0<br />
0 I <br />
so ist <strong>der</strong> lineare Anteil dominierend.<br />
Im Allgemeinen ist die gleichmäßige Konvergenz nicht gegeben. Für den Fall, dass<br />
g() nicht von abhängt, ist die Konvergenz aber stets gleichmäßig bezüglich <br />
Ist g darüber hinaus in einer Umgebung <strong>der</strong> Nullfunktion stetig, so ist <strong>der</strong> lineare Anteil<br />
immer dominierend.<br />
Stabilitätsaussagen bei linearen <strong>DGL</strong> mit konstanten Koeffizienten<br />
x’(t) = A x(t) + b(t), somit stimmt auch die <strong>DGL</strong> für die Abweichungen mit <strong>der</strong><br />
homogenen <strong>DGL</strong> überein.<br />
Satz Stabilitätsaussagen:<br />
• Weisen alle Eigenwerte von A negative Realteile auf, so ist jede Lösung stabil und<br />
global attrahierend.<br />
• Sobald ein Eigenwert einen positiven Realteil aufweist, ist jede Lösung instabil<br />
und nicht attrahierend.<br />
• Weisen einige einfache Eigenwerte den Realteil Null auf, alle übrigen jedoch<br />
negative Realteile, dann ist jede Lösung stabil aber nicht attrahierend.<br />
Stabilitätsaussagen bei linearen <strong>DGL</strong> mit periodischen Koeffizienten<br />
x’(t) = A(t) x(t) + b(t) mit A(t) = A(t + T)<br />
Je<strong>der</strong> Eigenwert des Matrizanten (zum Punkt 0 an <strong>der</strong> Stelle T) ( T, 0) heißt<br />
charakteristischer Multiplikator.<br />
Satz Stabilitätsaussagen:<br />
• Sind die Beträge aller charakteristischen Multiplikatoren echt kleiner als 1, dann<br />
ist jede Lösung stabil und attrahierend<br />
• Sobald <strong>der</strong> Betrag eines charakteristischen Multiplikators echt größer als 1 ist,<br />
sind alle Lösungen instabil und nicht attrahierend<br />
• Ist <strong>der</strong> Betrag einiger charakteristischer Multiplikatoren, die einfache Eigenwerte<br />
sind, 1 und sind alle übrigen Beträge echt kleiner 1, dann ist jede Lösung stabil<br />
aber nicht attrahierend.<br />
Formel von Liouville<br />
Zur Feststellung ob das Produkt aller charakteristischen Multiplikatoren größer als 1<br />
ist. Trifft dies zu, so sind alle Lösungen instabil und nicht attrahierend (Achtung<br />
Umkehrung gilt NICHT)<br />
1 ... m t 0<br />
t i m 1 aii<br />
Seite 10 von 12
Satz Stabilitätskriterien, bei dominierendem linearen Anteil <strong>–</strong> 1. Methode von Ljapunow<br />
• bei konstanten Koeffizienten im linearen Anteil, d.h. A(t) = A:<br />
o Weisen alle Eigenwerte <strong>der</strong> Matrix A negative Realteile auf, dann ist die<br />
Nullfunktion stabile und attrahierende Lösung.<br />
o Weist mindestens ein Eigenwert einen positiven Realteil auf, ist die<br />
Nullfunktion instabile Lösung.<br />
• bei fast konstanten Koeffizienten im linearen Anteil, d.h. A(t) = A + B(t), wobei<br />
B(t) stetig ist und für t gegen die Nullmatrix konvergiert:<br />
o Weisen alle Eigenwerte <strong>der</strong> Matrix A negative Realteile auf, dann ist die<br />
Nullfunktion stabil und attrahierend.<br />
• bei periodischen Koeffizienten im linearen Anteil, d.h. A(t) = A(t + T):<br />
o Weisen ALLE charakteristischen Multiplikatoren echt kleinere Beträge als<br />
1 auf, dann ist die Nullfunktion stabil und attrahierend.<br />
o Weist ein charakteristischer Multiplikator einen echt größeren Betrag als 1<br />
auf, ist die Nullfunktion instabil.<br />
Strutt Karten<br />
Stabilitätsaussagen bei <strong>DGL</strong> mit frei wählbaren Parametern. Veranschaulichung über<br />
Strutt Karten. Die freien Parameter werden als Koordinatenachsen gezeichnet. Allgemeine<br />
Stabilitätsuntersuchung durchführen, Bedingungen für die Parameter aufstellen, um stabil<br />
etc. zu werden, und diese einzeichnen.<br />
Stabilitätsaussagen nach <strong>der</strong> 2. Methode von Ljapunow<br />
Auf sämtliche explizite Differentialgleichungen anwendbar, hier auf explizite autonome<br />
beschränkt.<br />
Voraussetzungen: Explizite, autonome <strong>DGL</strong> x’(t) = f(x(t)). D m ist offen, f stetig<br />
differenzierbar und es gilt f(o) = o<br />
Des Weiteren m offen mit o und V ist eine stetig differenzierbare Funktion von<br />
nach <br />
• V heißt positiv definit in , wenn V(o) = 0 und V() > 0 für alle != o<br />
• V heißt negativ definit in , wenn V(o) = 0 und V() < 0 für alle != o<br />
• Die Funktion V* von nach mit<br />
V*() := grad V() f()<br />
heißt Ableitung von V längs <strong>der</strong> Lösungen <strong>der</strong> <strong>DGL</strong>.<br />
Satz, Stabilitätsaussagen nach <strong>der</strong> Methode von Ljapunow<br />
• Ist V positiv definit in und V*() 0 für jedes aus , so heißt V schwache<br />
Ljapunow Funktion. Die Nullfunktion ist stabile Lösung.<br />
• Ist V positiv definit in und V* negativ definit in , so heißt V starke Ljapunow<br />
Funktion. Die Nullfunktion ist stabile und attrahierende Lösung.<br />
• Ist V* entwe<strong>der</strong> positiv definit o<strong>der</strong> negativ definit in und gibt es in beliebiger<br />
Nähe von o eine Stelle, wo V und V* dasselbe Vorzeichen haben, dann ist die<br />
Nullfunktion instabile Lösung.<br />
Hat V und V* in keinem Bereich das gleiche Vorzeichen so ist die Nullfunktion stabil<br />
und attrahierend.<br />
Überscheiden Sie sich jedoch bei Null so ist die Lösung lediglich stabil.<br />
Haben beide dasselbe Vorzeichen ist die Nullfunktion instabile Lösung.<br />
Seite 11 von 12
Hyperbolische Differentialgleichungen<br />
Bsp. Modell für Schwingungen einer gespannten Saite<br />
Skript Seite 111<br />
Bsp. Die eindimensionale (in)homogene Wellengleichung mit (inhomogenen)<br />
Anfangs- und (in)homogenen Randbedingungen<br />
Skript Seite 115ff<br />
• Separationsansatz u(x, t) = X(x) T(t) Trennung <strong>der</strong> Variablen.<br />
Da nun beide Seiten unterschiedliche Parameter haben, jedoch gleich sind, können<br />
diese gleich einer Konstante gesetzt werden.<br />
Dadurch erhält man zwei <strong>DGL</strong> die man lösen kann.<br />
• Anpassen <strong>der</strong> Lösungen an die Randbedingungen<br />
Damit das Produkt <strong>der</strong> beiden gefundenen <strong>DGL</strong> die Randbedingungen erfüllt,<br />
muss für eine nichttriviale Lösung X(x) die RB erfüllen. (Somit automatisch für<br />
alle t)<br />
Dadurch erhält man ein Eigenwertproblem. Die Bedingung für den Eigenwert in<br />
die Funktionen einsetzen. Diese werden in <strong>der</strong> Folge mit dem Index „n“<br />
gekennzeichnet. Bei T(t) verbleiben noch die unbestimmten Koeffizienten welche<br />
nun a n und b n genannt werden.<br />
• Anpassung an die Anfangsbedingungen durch Reihenansatz<br />
<br />
ux, t X n xT n t<br />
n1<br />
Die Anfangsbedingung u(x, 0) bilden.<br />
Durch Koeffizientenvergleich bzw.<br />
formales Rechnen<br />
o Multiplikation bei<strong>der</strong> Seiten mit <strong>der</strong>selben Winkelfunktion bei <strong>der</strong> n durch<br />
m ersetzt wurde.<br />
o beide Seiten hinaufintegrieren, von 0 bis L<br />
o Summe und Integral vertauschen<br />
o unter Ausnützung <strong>der</strong> Orthogonalitätseigenschaften<br />
kann a n und b n bestimmt werden.<br />
Seite 12 von 12