Gew¨ohnliche Differentialgleichungen und Dynamische Systeme
Gew¨ohnliche Differentialgleichungen und Dynamische Systeme Gew¨ohnliche Differentialgleichungen und Dynamische Systeme
2 Lineare Systeme und Strukturen Lineare Systeme ẋ = A(t)x + g(t) (5) spielen eine wichtige Rolle in der Theorie der Gewöhnlichen Differentialgleichungen. Dabei ist • x = x(t) = (x 1 (t), . . . , x d (t)) T ∈ R d . • A = A(t) ∈ R d×d eine d × d-Matrix mit Komponenten a ij (t). • g = g(t) = (g 1 (t), . . . , g d (t)) T ∈ R d eine Inhomogenität. • t ∈ (α 0 , β 0 ) = I 0 ⊂ R mit −∞ ≤ α 0 < β 0 ≤ ∞. Die lineare Differentialgleichung (5) heißt homogen, falls g(t) ≡ 0, d.h. ẋ = A(t)x (6) Wir setzen voraus, dass A und g im folgenden stetig von t ∈ I 0 abhängen sollen. Wir zeigen, dass die Lösungen von (5) einen d-dimensionalen affinen Raum und die Lösungen von (6) einen d-dimensionalen Vektorraum bilden. Neben der Untersuchung linearer Systeme mit a) konstanten Koeffizienten, welche explizit gelöst werden können, interessieren wir uns für Systeme mit b) periodischen Koeffizienten (Floquet-Theorie). Für Systeme, welche c) asymptotisch gegen den konstanten Koeffizientenfall konvergieren, verweisen wir auf die Literatur über exponentielle Dichotomien. Diese Untersuchungen sind wichtig für den nichtlinearen Fall, da in zahlreichen Fällen die Stabilität eines Fixpunktes (Fall a)) oder einer periodischen Lösung (Fall b)) unter Störungen allein durch das Verhalten der dazugehörigen Linearisierung beantwortet werden kann. Siehe Kapitel 4. Der Fall c) taucht bei der Linearisierung um homokline oder heterokline Lösungen auf und spielt bei der Untersuchung chaotischen Verhaltens eine gewisse Rolle. Ein weiteres Ziel ist es erste Bekanntschaft mit Begriffen und Strukturen, wie z.B. Stabilität, Symmetrien oder Lyapunovfunktionen zu machen. 2.1 Bezeichnungen Sei X ein reeller oder komplexer Vektorraum. Eine Abbildung ‖ · ‖ : { X → R x ↦→ ‖x‖ heißt Norm, wenn für alle x, y ∈ X und λ ∈ R(C) gilt i) ‖x‖ ≥ 0 und ‖x‖ = 0 genau dann wenn x = 0 8
ii) ‖λx‖ = |λ|‖x‖ iii) ‖x + y‖ ≤ ‖x‖ + ‖y‖ Im R d werden meist verwendet: Die l 1 -Norm ‖x‖ 1 = ∑ d j=1 |x j|, die euklidische Norm oder l 2 -Norm ‖x‖ 2 = (x T x) 1/2 = ( ∑ d j=1 |x j| 2 ) 1/2 und die l ∞ , Supremums- oder Maximumsnorm ‖x‖ ∞ = sup j=1,...,d |x i |. Wir bemerken, dass im R d bzw. in C d alle Vektornormen äquivalent sind, d.h. für je zwei Vektornormen ‖ · ‖ und ‖ · ‖˜gibt es α, β > 0, so dass für alle x ∈ R d (C d ) gilt α‖x‖ ≤ ‖x‖˜ ≤ β‖x‖. Die d × d-Matrizen bilden einen Vektorraum der Dimension d 2 . Sie bilden mit der zusätzlichen Multiplikationsstruktur A · B eine Algebra. Alle im folgenden auftretenden Matrixnormen erfüllen ‖A · B‖ ≤ ‖A‖ ‖B‖, d.h. die Matrizen bilden bezüglich der Multiplikation eine Banachalgebra. Eine wichtige Matrixnorm ist durch { } ‖Ax‖ ‖A‖ ∗ = sup ‖x‖ | x ∈ Rd /{0} gegeben. Matrixnorm und Vektornorm heißen verträglich, wenn ‖Ax‖ ≤ ‖A‖ ‖x‖. (gilt für ‖ · ‖ ∗ ). Beispiele verträglicher Vektor und Matrixnormen sind ‖ · ‖ = ‖ · ‖ 1 , ‖A‖ ∗ = sup k=1,...,d ‖ · ‖ = ‖ · ‖ 2 , ‖A‖ ∗ = ( d∑ |a jk | j=1 d∑ |a jk | 2 ) 1/2 i,j=1 ‖ · ‖ = ‖ · ‖ ∞ , ‖A‖ ∗ = sup j=1,...,d d∑ |a jk |. k=1 Weiter gilt ∫ t ∫ t ‖ x(τ)dτ‖ ≤ ‖x(τ)‖dτ. t 0 t 0 Im folgenden verwenden wir stets verträgliche Normen. 2.2 Lineare Systeme 2.2.1 Allgemeine Betrachtungen Die rechte Seite von (5) ist Lipschitz-stetig, denn es gilt ‖(A(t)x + g(t)) − (A(t)y + g(t))‖ = ‖A(t)(x − y)‖ ≤ ‖A(t)‖‖(x − y)‖. 9
- Seite 1 und 2: Gewöhnliche Differentialgleichunge
- Seite 3 und 4: Inhaltsverzeichnis 1 Einleitung 4 2
- Seite 5 und 6: Im nichtautonomen Fall lautet dies
- Seite 7: Geschichte: Die Beschreibung der Me
- Seite 11 und 12: Ist g ≡ 0, so gilt: x(t) = c 1 x
- Seite 13 und 14: Die Exponentialreihe e At kann wie
- Seite 15 und 16: 2 1.5 1 0.5 0 -0.5 -1 -1.5 -2 -2 -1
- Seite 17 und 18: ε δ x=x(t) x 0 x 1 Abbildung 4: S
- Seite 19 und 20: Betrachte das autonome System ẋ =
- Seite 21 und 22: Dieses Lemma gilt allgemein für T
- Seite 23 und 24: Unteraum. Wie bei Differentialgleic
- Seite 25 und 26: 3 Nichtlineare Systeme Wir betracht
- Seite 27 und 28: nur aufhören zu existieren, falls
- Seite 29 und 30: Ist f differenzierbar, so hängt di
- Seite 31 und 32: Beweis: Die Differenz r(t) = x(t)
- Seite 33 und 34: Theorem 3.16 Sei f : R d × [t 0 ,
- Seite 35 und 36: und für die gesuchte Näherung spe
- Seite 37 und 38: und somit die Konvergenz der Lösun
- Seite 39 und 40: Beweis: Zum Nachweis dieses Satzes
- Seite 41 und 42: x µ Abbildung 11: Transkritische B
- Seite 43 und 44: kann für α = 0 explizit gelöst w
- Seite 45 und 46: O − (x) eines Punktes x ∈ R dur
- Seite 47 und 48: 1 0.8 0.6 0.4 0.2 0 0 0.2 0.4 0.6 0
- Seite 49 und 50: zu a) In diesem Fall ist p ∈ Λ n
- Seite 51 und 52: iii) Sei a ∈ Σ 2 und δ > 0 gege
- Seite 53 und 54: Einschub: Periodenverdopplung und d
- Seite 55 und 56: Theorem 4.33 Perioden-Verdopplungs-
- Seite 57 und 58: esitzt n-periodische Lösungen y n
ii) ‖λx‖ = |λ|‖x‖<br />
iii) ‖x + y‖ ≤ ‖x‖ + ‖y‖<br />
Im R d werden meist verwendet:<br />
Die l 1 -Norm ‖x‖ 1 = ∑ d<br />
j=1 |x j|, die euklidische Norm oder l 2 -Norm ‖x‖ 2 = (x T x) 1/2 =<br />
( ∑ d<br />
j=1 |x j| 2 ) 1/2 <strong>und</strong> die l ∞ , Supremums- oder Maximumsnorm ‖x‖ ∞ = sup j=1,...,d |x i |.<br />
Wir bemerken, dass im R d bzw. in C d alle Vektornormen äquivalent sind, d.h. für je zwei Vektornormen<br />
‖ · ‖ <strong>und</strong> ‖ · ‖˜gibt es α, β > 0, so dass für alle x ∈ R d (C d ) gilt<br />
α‖x‖ ≤ ‖x‖˜ ≤ β‖x‖.<br />
Die d × d-Matrizen bilden einen Vektorraum der Dimension d 2 . Sie bilden mit der zusätzlichen<br />
Multiplikationsstruktur A · B eine Algebra. Alle im folgenden auftretenden Matrixnormen<br />
erfüllen<br />
‖A · B‖ ≤ ‖A‖ ‖B‖,<br />
d.h. die Matrizen bilden bezüglich der Multiplikation eine Banachalgebra. Eine wichtige Matrixnorm<br />
ist durch<br />
{ }<br />
‖Ax‖<br />
‖A‖ ∗ = sup<br />
‖x‖ | x ∈ Rd /{0}<br />
gegeben. Matrixnorm <strong>und</strong> Vektornorm heißen verträglich, wenn<br />
‖Ax‖ ≤ ‖A‖ ‖x‖. (gilt für ‖ · ‖ ∗ ).<br />
Beispiele verträglicher Vektor <strong>und</strong> Matrixnormen sind<br />
‖ · ‖ = ‖ · ‖ 1 , ‖A‖ ∗ = sup<br />
k=1,...,d<br />
‖ · ‖ = ‖ · ‖ 2 , ‖A‖ ∗ = (<br />
d∑<br />
|a jk |<br />
j=1<br />
d∑<br />
|a jk | 2 ) 1/2<br />
i,j=1<br />
‖ · ‖ = ‖ · ‖ ∞ , ‖A‖ ∗ = sup<br />
j=1,...,d<br />
d∑<br />
|a jk |.<br />
k=1<br />
Weiter gilt<br />
∫ t ∫ t<br />
‖ x(τ)dτ‖ ≤ ‖x(τ)‖dτ.<br />
t 0 t 0<br />
Im folgenden verwenden wir stets verträgliche Normen.<br />
2.2 Lineare <strong>Systeme</strong><br />
2.2.1 Allgemeine Betrachtungen<br />
Die rechte Seite von (5) ist Lipschitz-stetig, denn es gilt<br />
‖(A(t)x + g(t)) − (A(t)y + g(t))‖ = ‖A(t)(x − y)‖ ≤ ‖A(t)‖‖(x − y)‖.<br />
9