Lineare Differentialgleichungssysteme
Oft hängen zwei Größen voneinander ab: die Position und die Geschwindigkeit einer Feder, zwei Tanks, die Wasser austauschen, Räuber und Beute. Ihre Änderungsraten bilden ein System von Differentialgleichungen. Bei linearen Systemen $\vec x' = A\vec x$ liefern die Eigenwerte und Eigenvektoren der Matrix $A$ die komplette Lösung – und verraten auf einen Blick, wie sich die Lösungen verhalten.
Systeme in Matrixform
Ein lineares System mit zwei Unbekannten $x(t)$ und $y(t)$ und konstanten Koeffizienten schreibt man als Matrix-Gleichung:
$$\begin{cases} \dot x = a\,x + b\,y \\ \dot y = c\,x + d\,y \end{cases} \qquad\Longleftrightarrow\qquad \dot{\vec x} = A\,\vec x \quad\text{mit } A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}.$$
Jede lineare Differentialgleichung 2. Ordnung lässt sich so umschreiben. Beispiel Federschwinger $\ddot x + 2\delta\dot x + \omega^2 x = 0$: Mit $y = \dot x$ wird daraus $\dot x = y$, $\dot y = -\omega^2 x - 2\delta y$, also $A = \begin{pmatrix} 0 & 1 \\ -\omega^2 & -2\delta \end{pmatrix}$.
Der Eigenwert-Ansatz
Wie bei einer einzelnen Gleichung $\dot x = a x$ mit Lösung $e^{at}$ probiert man $\vec x(t) = e^{\lambda t}\,\vec v$. Einsetzen ergibt $\lambda e^{\lambda t}\vec v = A\,e^{\lambda t}\vec v$, also
Eigenwertproblem
$$A\vec v = \lambda\vec v \qquad\Longleftrightarrow\qquad \lambda^2 - \operatorname{sp}(A)\,\lambda + \det A = 0$$
mit der Spur $\operatorname{sp}(A) = a + d$ und der Determinante $\det A = ad - bc$. Jedes Paar aus Eigenwert $\lambda$ und Eigenvektor $\vec v$ liefert eine Lösung $e^{\lambda t}\vec v$. Zwei unabhängige Lösungen bilden ein Fundamentalsystem, jede Lösung ist eine Kombination davon: $\vec x(t) = C_1\,\vec x_1(t) + C_2\,\vec x_2(t)$.
Fall 1: zwei verschiedene reelle Eigenwerte
Beispiel 1: ẋ = x + 2y, ẏ = 3x mit x(0) = 1, y(0) = 0
$\operatorname{sp} A = 1$, $\det A = -6$: $\lambda^2 - \lambda - 6 = 0$ ergibt $\lambda_1 = 3$, $\lambda_2 = -2$.
Eigenvektoren aus $(A - \lambda E)\vec v = \vec 0$: Für $\lambda_1 = 3$ ist $\begin{pmatrix} -2 & 2 \\ 3 & -3 \end{pmatrix}\vec v = \vec 0$, also $\vec v_1 = \begin{pmatrix} 1 \\ 1 \end{pmatrix}$. Für $\lambda_2 = -2$ ist $\begin{pmatrix} 3 & 2 \\ 3 & 2 \end{pmatrix}\vec v = \vec 0$, also $\vec v_2 = \begin{pmatrix} 2 \\ -3 \end{pmatrix}$.
$$\vec x(t) = C_1\,e^{3t}\begin{pmatrix} 1 \\ 1 \end{pmatrix} + C_2\,e^{-2t}\begin{pmatrix} 2 \\ -3 \end{pmatrix}.$$
Anfangswert: $C_1 + 2C_2 = 1$, $C_1 - 3C_2 = 0$ ergibt $C_1 = \frac35$, $C_2 = \frac15$. Also $x(t) = \frac35 e^{3t} + \frac25 e^{-2t}$ und $y(t) = \frac35 e^{3t} - \frac35 e^{-2t}$.
Fall 2: komplexe Eigenwerte α ± βi
Ist die Diskriminante $\Delta = \operatorname{sp}(A)^2 - 4\det A$ negativ, sind die Eigenwerte komplex: $\lambda = \alpha \pm \beta i$. Zum Eigenvektor $\vec v = \vec u + i\,\vec w$ liefert die Eulersche Formel $e^{(\alpha + i\beta)t} = e^{\alpha t}(\cos\beta t + i\sin\beta t)$ zwei reelle Lösungen – Real- und Imaginärteil:
$$\vec x_1 = e^{\alpha t}\left(\vec u\cos\beta t - \vec w\sin\beta t\right),\qquad \vec x_2 = e^{\alpha t}\left(\vec u\sin\beta t + \vec w\cos\beta t\right).$$
Beispiel 2: ẋ = −x − 2y, ẏ = 2x − y
$\operatorname{sp} A = -2$, $\det A = 5$, $\lambda = -1 \pm 2i$. Zu $\lambda = -1 + 2i$ gehört $\vec v = \begin{pmatrix} 1 \\ -i \end{pmatrix}$, also $\vec u = \begin{pmatrix} 1 \\ 0 \end{pmatrix}$, $\vec w = \begin{pmatrix} 0 \\ -1 \end{pmatrix}$:
$$\vec x(t) = C_1\,e^{-t}\begin{pmatrix} \cos 2t \\ \sin 2t \end{pmatrix} + C_2\,e^{-t}\begin{pmatrix} \sin 2t \\ -\cos 2t \end{pmatrix}.$$
Der Faktor $e^{-t}$ lässt die Lösungen abklingen, Sinus und Kosinus lassen sie kreisen: Die Bahnen sind Spiralen, die in den Ursprung laufen.
Fall 3: ein doppelter Eigenwert
Ist $\Delta = 0$, gibt es nur einen Eigenwert $\lambda = \frac{\operatorname{sp} A}{2}$. Ist $A$ kein Vielfaches der Einheitsmatrix, gibt es dazu nur eine Eigenrichtung $\vec v$. Die zweite Lösung entsteht mit einem Hauptvektor $\vec w$ aus $(A - \lambda E)\vec w = \vec v$:
$$\vec x_1 = e^{\lambda t}\,\vec v,\qquad \vec x_2 = e^{\lambda t}\left(t\,\vec v + \vec w\right).$$
Beispiel: $A = \begin{pmatrix} -2 & 1 \\ 0 & -2 \end{pmatrix}$ hat $\lambda = -2$, $\vec v = \begin{pmatrix} 1 \\ 0 \end{pmatrix}$, $\vec w = \begin{pmatrix} 0 \\ 1 \end{pmatrix}$ – Lösungen $e^{-2t}\begin{pmatrix} 1 \\ 0 \end{pmatrix}$ und $e^{-2t}\begin{pmatrix} t \\ 1 \end{pmatrix}$.
Typen von Gleichgewichtspunkten
Der Ursprung $(0 \mid 0)$ ist immer ein Gleichgewichtspunkt: Dort ist $\dot{\vec x} = \vec 0$, das System bleibt in Ruhe. Was die Lösungen in seiner Nähe tun, hängt nur von den Eigenwerten ab. Zeichnet man die Bahnen $(x(t) \mid y(t))$ in die $xy$-Ebene, erhält man das Phasenporträt:
det A < 0
det > 0, Δ > 0, sp < 0
det > 0, Δ > 0, sp > 0
Δ < 0, sp < 0
Δ < 0, sp > 0
sp = 0, det > 0
| Eigenwerte | Typ | Stabilität |
|---|---|---|
| reell, verschiedene Vorzeichen ($\det A < 0$) | Sattelpunkt | instabil |
| reell, beide negativ | Knoten | asymptotisch stabil |
| reell, beide positiv | Knoten | instabil |
| komplex, Realteil $\alpha < 0$ | Strudel (Spiralpunkt) | asymptotisch stabil |
| komplex, Realteil $\alpha > 0$ | Strudel | instabil |
| rein imaginär ($\alpha = 0$) | Zentrum (Wirbel) | stabil, nicht asymptotisch |
| doppelt | Stern bzw. entarteter Knoten | je nach Vorzeichen |
Asymptotisch stabil heißt: Jede Lösung, die nahe genug startet, läuft für $t \to \infty$ in den Gleichgewichtspunkt. Beim Zentrum bleiben die Lösungen zwar in der Nähe, laufen aber nicht hinein.
Das Spur-Determinanten-Diagramm
Ohne die Eigenwerte auszurechnen, kann man den Typ direkt an Spur und Determinante ablesen: Die Eigenwerte sind reell, wenn $\Delta = \operatorname{sp}^2 - 4\det \ge 0$ ist, also unterhalb der Parabel $\det = \frac{\operatorname{sp}^2}{4}$. Ihr Produkt ist $\det A$, ihre Summe $\operatorname{sp} A$.
Interaktives Phasenporträt
Gib ein System $\dot x = f(x, y)$, $\dot y = g(x, y)$ ein – auch nichtlineare Systeme sind erlaubt. Tippe in das Bild, um die Lösungsbahn durch diesen Punkt einzuzeichnen (vorwärts und rückwärts in der Zeit). Ist $(0 \mid 0)$ ein Gleichgewichtspunkt, wird er über die Linearisierung eingeordnet und im Spur-Determinanten-Diagramm markiert.
Komplexe Eigenwerte −1 ± 2i: Die Bahnen drehen sich in den Ursprung.
Linearisierung in (0 | 0): sp A = −2, det A = 5 → Strudel – asymptotisch stabil
Schreibweise: x^2, 2x, x*y, sin(x), e^x, Dezimalzahlen mit Komma. Die Bahnen werden mit dem Runge-Kutta-Verfahren berechnet.
Nichtlineare Systeme: Linearisieren
Bei nichtlinearen Systemen $\dot{\vec x} = F(\vec x)$ sucht man zuerst die Gleichgewichtspunkte ($F = \vec 0$). In der Nähe eines solchen Punkts $P$ verhält sich das System meist wie das lineare System mit der Jacobi-Matrix $A = J_F(P)$. Ist $J_F(P)$ ein Sattel, Knoten oder Strudel, überträgt sich der Typ auf das nichtlineare System (Satz von Hartman-Grobman). Nur bei einem Zentrum entscheidet die Linearisierung nicht – dann können die Bahnen in Wirklichkeit auch langsam spiralen.
Beispiel 3: Räuber-Beute-Modell ẋ = x(2 − y), ẏ = y(x − 1)
$x$ sind die Beutetiere, $y$ die Räuber. Gleichgewichtspunkte: $(0 \mid 0)$ und $(1 \mid 2)$. Die Jacobi-Matrix ist $J = \begin{pmatrix} 2 - y & -x \\ y & x - 1 \end{pmatrix}$.
In $(0 \mid 0)$: $J = \begin{pmatrix} 2 & 0 \\ 0 & -1 \end{pmatrix}$, $\det = -2 < 0$ – ein Sattelpunkt. In $(1 \mid 2)$: $J = \begin{pmatrix} 0 & -1 \\ 2 & 0 \end{pmatrix}$, $\operatorname{sp} = 0$, $\det = 2$ – linear ein Zentrum. Hier weiß man zusätzlich, dass die Bahnen tatsächlich geschlossen sind: Die Bestände schwanken periodisch. Probiere es oben mit dem Beispiel „Räuber-Beute“ aus.
Typische Fehler
- Eigenvektor zum falschen Eigenwert: Jeder Eigenwert hat seine eigene Richtung. Probe: $A\vec v$ muss ein Vielfaches von $\vec v$ sein.
- Komplexe Lösung stehen gelassen: Für reelle Anfangswerte nimmt man Real- und Imaginärteil als zwei reelle Basislösungen.
- Doppelter Eigenwert: $t\,e^{\lambda t}\vec v$ allein reicht nicht: Die zweite Lösung lautet $e^{\lambda t}(t\vec v + \vec w)$ mit Hauptvektor $\vec w$.
- Stabilität nur an einem Eigenwert festgemacht: Asymptotisch stabil heißt, dass alle Eigenwerte negativen Realteil haben.
Online üben: lineare DGL-Systeme
Stufe 1: Eigenwerte
-
Aufgabe 1
\(\vec{x}' = \begin{pmatrix}-2 & -2 \\ 0 & -3\end{pmatrix}\vec{x}\)\(\lambda =\)\(\operatorname{sp} A = -5,\) \(\det A = 6:\ \lambda^2 + 5\lambda + 6\) \(= 0\) \(\Rightarrow\; \lambda_1 = -3,\) \(\lambda_2 = -2\)
-
Aufgabe 2
\(\vec{x}' = \begin{pmatrix}-3 & -6 \\ 0 & 3\end{pmatrix}\vec{x}\)\(\lambda =\)\(\operatorname{sp} A = 0,\) \(\det A = -9:\ \lambda^2 - 9\) \(= 0\) \(\Rightarrow\; \lambda_1 = -3,\) \(\lambda_2 = 3\)
-
Aufgabe 3
\(\vec{x}' = \begin{pmatrix}4 & 6 \\ 0 & -2\end{pmatrix}\vec{x}\)\(\lambda =\)\(\operatorname{sp} A = 2,\) \(\det A = -8:\ \lambda^2 - 2\lambda - 8\) \(= 0\) \(\Rightarrow\; \lambda_1 = -2,\) \(\lambda_2 = 4\)
-
Aufgabe 4
\(\vec{x}' = \begin{pmatrix}3 & 6 \\ 0 & -3\end{pmatrix}\vec{x}\)\(\lambda =\)\(\operatorname{sp} A = 0,\) \(\det A = -9:\ \lambda^2 - 9\) \(= 0\) \(\Rightarrow\; \lambda_1 = -3,\) \(\lambda_2 = 3\)
-
Aufgabe 5
\(\vec{x}' = \begin{pmatrix}-2 & 0 \\ -3 & 1\end{pmatrix}\vec{x}\)\(\lambda =\)\(\operatorname{sp} A = -1,\) \(\det A = -2:\ \lambda^2 + 1\lambda - 2\) \(= 0\) \(\Rightarrow\; \lambda_1 = -2,\) \(\lambda_2 = 1\)
-
Aufgabe 6
\(\vec{x}' = \begin{pmatrix}-2 & 0 \\ -1 & -3\end{pmatrix}\vec{x}\)\(\lambda =\)\(\operatorname{sp} A = -5,\) \(\det A = 6:\ \lambda^2 + 5\lambda + 6\) \(= 0\) \(\Rightarrow\; \lambda_1 = -3,\) \(\lambda_2 = -2\)
Tippe Deine Lösung ein und klicke auf „Prüfen“ (oder drücke Enter). Brüche als 3/4, Dezimalzahlen mit Komma, mehrere Lösungen mit ; trennen, Potenzen als x^2, Wurzeln als sqrt(5). Punkte: 10 für richtig beim ersten Versuch, 6 nach einem Fehlversuch, 5 mit Tipp, 0 wenn Du Dir vorher die Lösung anschaust. Deine Punkte und Abzeichen siehst Du unter Mein Training.
Arbeitsblatt: Lineare DGL-Systeme
Eine volle DIN-A4-Seite Aufgaben mit Lösungsblatt zum Ausdrucken – bei jedem Klick neue Aufgaben. Klasse 13.
Eigene Systeme lösen? Der Rechner für DGL-Systeme bestimmt Eigenwerte, Typ, Fundamentalsystem und die Lösung eines Anfangswertproblems mit Phasenporträt. Einzelne Gleichungen löst der DGL-Rechner, und das Richtungsfeld zeigt Lösungskurven von y′ = f(x, y).
Weiterlesen: Gewöhnliche Differentialgleichung, Lotka-Volterra-Gleichungen bei Wikipedia