Gew¨ohnliche Differentialgleichungen und Dynamische Systeme

Gew¨ohnliche Differentialgleichungen und Dynamische Systeme Gew¨ohnliche Differentialgleichungen und Dynamische Systeme

19.11.2013 Aufrufe

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

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

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!