You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Lineární <strong>soustavy</strong><br />
Homogenní lineární soustava diferenciálních rovnic 1. řádu má tvar 1<br />
(1) ẋ = Ax,<br />
kde A je reálná matice typu (n, n), x(t) = (x 1 (t),. . . ,x n (t)) je neznámá<br />
n-rozměrná vektorová funkce s nezávisle proměnnou t (čas), ẋ značí derivaci<br />
x podle t.<br />
Věta 1. (o existenci a jednoznačnosti řešení) Pro každé t 0 ∈ R a vektor<br />
x 0 = (x 0 1, . . . , x 0 n) ∈ R n existuje právě jedno řešení ϕ: R → R n<br />
splňující v každém čase (1) a počáteční podmínku ϕ(t 0 ) = x 0 . □<br />
Poznámka 2. Řešení ϕ z Věty 1 budeme někdy značit ϕ(t, t 0, x 0 ),<br />
speciálně pro t 0 = 0 použijeme značení ϕ(t, x 0 ).<br />
Pro matici A uvažujeme mocniny: A 0 = E (jednotková matice), A 1 =<br />
A, pro n ≥ 1, A n = AA } {{ · · · A}<br />
. Exponenciela e A matice A je definována<br />
n−krát<br />
vztahem<br />
(2) e A =<br />
∞∑<br />
k=0<br />
A k<br />
k! .<br />
V následujícím tvrzení popisujeme možný způsob, jak nalézt řešení z<br />
Věty 1.<br />
Věta 3. Buďte t 0 ∈ R a vektor x 0 = (x 0 1, . . . , x 0 n) ∈ R n . Pak<br />
( ∞<br />
)<br />
∑<br />
(3) ϕ(t, t 0 , x 0 ) = e A(t−t0) x 0 A k (t − t 0 ) k<br />
=<br />
x 0 .<br />
k!<br />
Příklad 4. Uvažujme případ, kdy je matice A v soustavě (1) diagonální,<br />
i.e.,<br />
⎛<br />
⎞<br />
λ 1 0 0 . . . 0 0<br />
0 λ 2 0 . . . 0 0<br />
A =<br />
⎜ . . . . . . . .<br />
⎟<br />
⎝ 0 0 0 . . . λ n−1 0 ⎠ ,<br />
0 0 0 . . . 0 λ n<br />
Přímým výpočtem ověříme, že<br />
k=0<br />
1 V zápisu <strong>soustavy</strong> píšeme x, ẋ místo x T , (ẋ) T<br />
1<br />
□
2<br />
⎛<br />
e A(t−t0) =<br />
⎜<br />
⎝<br />
řešení ϕ z (3) má tedy tvar<br />
e λ 1(t−t 0 )<br />
0 0 . . . 0 0<br />
0 e λ 2(t−t 0 )<br />
0 . . . 0 0<br />
. . . . . . . .<br />
0 0 0 . . . e λ n−1(t−t 0 )<br />
0<br />
0 0 0 . . . 0 e λn(t−t 0)<br />
ϕ(t, t 0 , x 0 ) = (x 0 1e λ 1(t−t 0 ) , x 0 2e λ 2(t−t 0 ) , . . . , x 0 ne λ n(t−t 0 ) ).<br />
⎞<br />
⎟<br />
⎠ ;<br />
Poznámka 5. Formule pro řešení ϕ daná Větou 3 je vhodná pro<br />
nalezení řešení pouze v případech, kdy umíme vypočítat matici e A(t−t 0)<br />
(např. pro diagonální matici).<br />
□<br />
Definice 6. (vlastní čísla a vektory matice) Komplexní l-násobný<br />
kořen λ 0 (polynomické) charakteristické rovnice s neznámou λ<br />
det(A − λE) = 0<br />
nazýváme l-násobným vlastním číslem matice A. Jakýkoliv nenulový<br />
vektor u řešící soustavu (A−λ 0 E)u = 0 n (0 n značí nulový vektor v R n )<br />
nazýváme vlastním vektorem matice A příslušejícím vlastnímu číslu<br />
λ 0 .<br />
□<br />
Poznámka 7. Je známo, že polynom je určen jednoznačně svými<br />
kořeny, jejich násobnostmi a koeficientem u nejvyšsí mocniny. Pro<br />
matici A s vlastními čísly λ 1 , . . . , λ n (vícenásobná vlastní čísla se v<br />
seznamu opakují) lze tedy psát<br />
(4) det(A − λE) = (−1) n (λ − λ 1 ) · · · (λ − λ n ).<br />
Po dosazení λ = 0 do (4) dostáváme<br />
(5) det A = (−1) 2n λ 1 · · · λ n = λ 1 · · · λ n .<br />
Příklad 8. Vypočtěme vlastní čísla a příslušející vlastní vektory matice<br />
⎛<br />
⎝ −1 0 0<br />
⎞<br />
1 −2 1 ⎠ .<br />
1 0 −1<br />
Charakteristická rovnice má tvar<br />
−λ 3 − 4λ 2 − 5λ − 2 = 0<br />
□<br />
□
s jednoduchým (1-násobným) kořenem λ 3 = −2 a 2-násobným kořenem<br />
λ 2,3 = −1.<br />
I. Podle Definice 6, vlastní vektor v = (v 1 , v 2 , v 3 ) příslušející vlastnímu číslu<br />
−2 je nenulovým řešením <strong>soustavy</strong> (A − (−2)E)v = 0 3 , tedy rovnic<br />
v 1 = 0<br />
v 1 + v 3 = 0 ;<br />
Vlastním vektorem je tedy jakýkoliv vektor ve tvaru (0, r, 0) s nenulovým<br />
r ∈ R.<br />
II. Vlastní vektor u = (u 1 , u 2 , u 3 ) příslušející vlastnímu číslu −1 je<br />
nenulovým řešením <strong>soustavy</strong> (A − (−1)E)u = 0 3 , tedy rovnic<br />
u 1 − u 2 + u 3 = 0<br />
u 1 = 0 ;<br />
Vlastním vektorem je tedy jakýkoliv vektor ve tvaru (0, s, s) s nenulovým<br />
s ∈ R.<br />
□<br />
Poznámka 9. K příkladu 8 poznamenejme, že lineární podprostor<br />
V −1 = {(0, s, s)} s∈R<br />
má dimenzi (= 1) menší než násobnost 2 vlastního<br />
čísla −1. V případě V −2 = {(r, 0, −r)} r∈R je dimenze podprostoru V −2<br />
i násobnost λ 1 = −2 rovna 1.<br />
□<br />
Poznámka 10. K popisu řešení <strong>soustavy</strong> (1) použijeme vlastní čísla a<br />
vlastní vektory matice A:<br />
I. Má-li matice A reálná vlastní čísla λ 1 , . . . , λ n (v seznamu je λ j tolikrát,<br />
kolik je jeho násobnost) a těmto vlastním číslům přísluší navzájem<br />
lineárně nezávislé vlastní vektory u 1 , . . . , u n , jsou funkce<br />
ϕ 1 = e λ 1t u 1 , . . . , ϕ n = e λ nt u n<br />
navzájem lineárně nezávislými řešeními <strong>soustavy</strong> (1); z Věty 1 pak<br />
plyne, že každé řešení (1) má tvar c 1 ϕ 1 +· · ·+c n ϕ n , kde c 1 , . . . , c n ∈ R.<br />
II. Má-li matice A imaginární vlastní čísla α+iβ, α−iβ s příslušejícími<br />
vlastními vektory u = u 1 + iu 2 , u = u 1 − iu 2 , jsou funkce<br />
ϕ = e αt (u 1 cos βt − u 2 sin βt), ψ = e αt (u 1 sin βt + u 2 cos βt)<br />
navzájem lineárně nezávislými řešeními <strong>soustavy</strong> (1).<br />
III. Je-li λ 0 komplexní l-násobné vlastní číslo matice A, existuje l<br />
navzájem lineárně nezávislých řešení <strong>soustavy</strong> (1) majících tvar<br />
(6) p 1 (t)e λ 0t , . . . , p l (t)e λ 0t ,<br />
kde p 1 (t), . . . , p l (t) jsou vektorové polynomické funkce stupně nejvýše<br />
l − 1.<br />
□<br />
3
4<br />
Poznamenejme, že vlastní číslo je imaginární právě tehdy, když jsou<br />
vlastní vektory, vektorové polynomické funkce p i (t) a řešení (6) imaginární<br />
(reálná řešení (1) lze obdržet jejich ”zreálněním”).<br />
Příklad 11. Řešme soustavu (1) s maticí z Příkladu 8. Podle Věty 1<br />
stačí nalézt tři lineárně nezávislá řešení ϕ 1 , ϕ 2 , ϕ 3 <strong>soustavy</strong> (1); každé<br />
její další řešení pak bude mít tvar ϕ = c 1 ϕ 1 + c 2 ϕ 2 + c 3 ϕ 3 při vhodných<br />
konstantách c 1 , c 2 , c 3 ∈ R. Podle Poznámky 10(I) a výsledku Příkladu<br />
8 lze volit<br />
⎛<br />
ϕ 1 (t) = e −2t ⎝ 1 ⎞<br />
0 ⎠ .<br />
−1<br />
K odvození funkcí ϕ 2 , ϕ 3 použijeme část III Poznámky 10, která se váže<br />
k případu násobného vlastního čísla. V této části se tvrdí , že existují<br />
reálné polynomické vektory p 1 (t), p 2 (t) stupně nejvýše 1, pro které<br />
jsou vektorové funkce p 1 (t)e −t , p 2 (t)e −t lineárně nezávislými řešeními<br />
naší <strong>soustavy</strong>. S využitím znalosti omezení stupňů p i (t) položme<br />
⎛<br />
p(t) = ⎝ a ⎞<br />
1t + b 1<br />
a 2 t + b 2<br />
⎠ ,<br />
a 3 t + b 3<br />
kde a i , b i ∈ R, i = 1, 2, 3 jsou (zatím) neznámé koeficienty. Dosazením<br />
řešení p(t)e −t do <strong>soustavy</strong>, sloučením koeficientů u stejných mocnin<br />
proměnné t v každé z rovnic a anulováním sloučených koeficientů (vztahy<br />
platí pro každé t ∈ R) obdržíme pro a i , b i , i = 1, 2, 3<br />
(7) a 1 = 0, a 2 = a 3 = b 1 , b 2 = b 3 .<br />
Zřejmě jsou funkce p 1 (t) = (0, 1, 1) (a 1 = a 2 = a 3 = 0, b 1 = 0, b 2 =<br />
b 3 = 1) a p 2 (t) = (1, t, t) (a 1 = 0, a 2 = a 3 = 1, b 1 = 1, b 2 = b 3 = 0),<br />
zvolené ve shodě se (7), lineárně nezávislé. Lze tedy položit<br />
ϕ 2 (t) = e −t ⎛<br />
⎝ 0 1<br />
1<br />
⎞<br />
⎛<br />
⎠ , ϕ 3 (t) = e −t<br />
⎝ 1 t<br />
t<br />
Definice 12. (rovnovážný stav) Řešení u ∈ Rn <strong>soustavy</strong> lineárních algebraických<br />
rovnic<br />
(8) Au = 0 n<br />
⎞<br />
⎠ .<br />
□<br />
nazýváme rovnovážným stavem <strong>soustavy</strong> (1).<br />
□
Poznámka 13. Soustava (8) má vždy (triviání) nulové řešení u = 0 n .<br />
Bod 0 n ∈ R n je tedy rovnovážným stavem <strong>soustavy</strong> (1) nezávisle na<br />
volbě matice A. Někdy bude vhodné omezit naši pozornost na <strong>soustavy</strong>,<br />
pro něž je 0 n jediným rovnovážným stavem. Ze známých výsledků<br />
lineární algebry plyne, že jde o situaci, kdy má matice A tyto navzájem<br />
ekvivalentní vlastnosti:<br />
- det A ≠ 0 (matice A je regulární)<br />
- existuje A −1<br />
- vlastní čísla matice A jsou nenulová (srov. s Poznámkou 7)<br />
V souhlase s maticovou terminologií budeme soustavu (1) s regulární<br />
maticí A nazývat regulární soustavou.<br />
□<br />
Příklad 14. Najděme rovnovážné stavy <strong>soustavy</strong> (1), kde<br />
⎛<br />
A = ⎝ 1 1 0<br />
⎞<br />
2 1 1 ⎠ .<br />
1 0 1<br />
Snadno zjistíme, že soustava Au = 0 3 má řešení dané vektory ve tvaru<br />
(s, −s, −s), s ∈ R. Rovnovážnými stavy <strong>soustavy</strong> (1) jsou tedy všechny<br />
body přímky {(s, −s, −s)} s∈R .<br />
□<br />
Poznámka 15. Často je výhodné uvažovat fázový portrét <strong>soustavy</strong> (1),<br />
kterým rozumíme systém (všech) orientovaných (ve směru pokračování s<br />
rostoucí proměnnou t) integrálních křivek 2 zakreslených v R n opatřeném<br />
kartézským systémem souřadnic x 1 , . . . , x 3 n .<br />
□<br />
Další výklad věnujeme vztahu rovnovážného stavu 0 n a ostatních<br />
trajektorií fázového portrétu regulární <strong>soustavy</strong> (1). Chování jejího<br />
řešení ϕ popíšeme pomocí limit<br />
lim ||ϕ(t)||,<br />
t→∞<br />
lim ||ϕ(t)||.<br />
t→−∞<br />
Pro řešení ϕ regulární <strong>soustavy</strong> (1), platí jedna z následujících možností:<br />
(TL1) ϕ ≡ 0 n (’ϕ je nulové řešení’);<br />
(TL2) lim t→∞ ||ϕ(t)|| = 0, lim t→−∞ ||ϕ(t)|| = ∞ (’ϕ se přibližuje k 0 n<br />
pro t → ∞’, ’ϕ se vzdaluje od 0 n pro t → −∞’);<br />
(TL3) lim t→∞ ||ϕ(t)||, lim t→−∞ ||ϕ(t)|| neexistují (’ϕ krouží kolem 0 n ’);<br />
(TL4) lim t→∞ ||ϕ(t)|| = ∞, lim t→−∞ ||ϕ(t)|| = 0 (’ϕ se vzdaluje od 0 n<br />
pro t → ∞’, ’ϕ se přibližuje k 0 n pro t → −∞’);<br />
2 orientovanou integrální křivku budeme nazývat trajektorií<br />
3 v takzvaném fázovém prostoru<br />
5
6<br />
(TL5) lim t→∞ ||ϕ(t)|| = lim t→−∞ ||ϕ(t)|| = ∞ (’ϕ se vzdaluje od 0 n pro<br />
t → ∞ i pro t → −∞’, ’ϕ je sedlového typu’).<br />
Definice 16. Rovnovážný stav 0 n ∈ R n (ve fázovém portrétu) regulární<br />
<strong>soustavy</strong> (1) je<br />
- stabilní, jestliže každé její nenulové řešení má vlastnost (TL2) nebo<br />
(TL3);<br />
- asymptoticky stabilní, jestliže každé její nenulové řešení má vlastnost<br />
(TL2).<br />
□<br />
Věta 17. Rovnovážný stav 0 n ∈ R n regulární <strong>soustavy</strong> (1) je:<br />
- stabilní právě tehdy, když všechna vlastní čísla matice A mají nekladné<br />
reálné části;<br />
- asymptoticky stabilní právě tehdy, když všechna vlastní čísla matice<br />
A mají záporné reálné části.<br />
□<br />
Věta 18. (Routhovo-Hurwitzovo kritérium) Uvažujme polynomickou<br />
rovnici ve tvaru<br />
(9) a n ≠ 0, a 0 > 0, a 0 λ n + a 1 λ n−1 + · · · + a n−1 λ + a n = 0<br />
a definujme determinanty △ i , i = 1, . . . , n předpisem<br />
∣ a n−1 a n−3 a n−5 · · · 0 ∣∣∣∣∣∣∣∣∣ a n a n−2 a n−4 · · · 0<br />
△ n =<br />
0 a n−1 a n−3 · · · 0 , . . . , △ 2 =<br />
∣ a ∣<br />
n−1 a n−3 ∣∣∣<br />
, △ a n a 1 = |a n−1 | .<br />
n−2 . . . . .<br />
∣ 0 0 0 · · · a 0<br />
Jestliže platí △ i > 0 pro i = 1, . . . , n, mají všechny kořeny rovnice (9)<br />
záporné reálné části.<br />
□<br />
Uvedené kritérium lze použít k vyšetření stability rovnovážného stavu.<br />
Příklad 19. (i) Vlastní čísla matice<br />
(<br />
0 −3<br />
4 0<br />
regulární <strong>soustavy</strong> (1) jsou λ 1,2 = ±2i √ 3. Podle Věty 17 je tedy bod<br />
0 2 (v příslušném fá zovém portrétu) stabilní.<br />
(ii) Uvažujme regulární soustavu (1) s maticí<br />
⎛<br />
)<br />
⎝ −1 0 0<br />
1 −2 1<br />
1 0 −1<br />
Charakteristická rovnice má tvar (a 3 > 0)<br />
⎞<br />
⎠ .<br />
λ 3 + 4λ 2 + 5λ + 2 = 0;
7<br />
pro determinanty △ 1 , △ 2 , △ 3 z Věty 18 platí<br />
△ 3 =<br />
∣<br />
5 1 0<br />
2 4 0<br />
0 5 1<br />
∣ = 18, △ 2 =<br />
∣ 5 1<br />
2 4<br />
∣ = 18, △ 1 = |5| = 5.<br />
Rovnovážný stav 0 3 je tedy podle Vět 18 a 17 asymptoticky stabilní.<br />
□<br />
Poznámka 20. Na obrázcích 1-6 jsou naznačeny fázové portréty základních<br />
typů (rovnovážných stavů) regulárních rovinných soustav - vývoj trajektorie<br />
v čase vede od červené k modré.<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
−0.5<br />
−1<br />
−1.5<br />
−2<br />
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2<br />
Obr.1. Nestabilní uzel.
8<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
−0.5<br />
−1<br />
−1.5<br />
−2<br />
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2<br />
Obr. 2. Stabilní uzel.<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
−0.5<br />
−1<br />
−1.5<br />
−2<br />
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2<br />
Obr. 3. Centr - vývoj trajektorií v kladném směru.
9<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
0<br />
−0.2<br />
−0.4<br />
−0.6<br />
−0.8<br />
−1<br />
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1<br />
Obr. 4. Sedlo.<br />
3<br />
2<br />
1<br />
0<br />
−1<br />
−2<br />
−3<br />
−3 −2 −1 0 1 2 3<br />
Obr. 5. Nestabilní ohnisko.
10<br />
3<br />
2<br />
1<br />
0<br />
−1<br />
−2<br />
−3<br />
−3 −2 −1 0 1 2 3<br />
Obr. 6. Stabilní ohnisko.<br />
Poznámka 21. Typy příkladů: exponenciela (speciální) matice, vlastní čísla<br />
a vlastní vektory matice (n = 2, 3), řešení <strong>soustavy</strong> (1), jejíž matice má<br />
pouze jednoduchá vlastní čísla (n = 2, 3), rovnovážné stavy <strong>soustavy</strong><br />
(1), stabilita r.s. 0 n regulární <strong>soustavy</strong> (1) pomocí Věty 17, stabilita<br />
r.s. 0 n regulární <strong>soustavy</strong> (1) pomocí Věty 18.<br />
□<br />
Uvažujme soustavu (1) a soustavu<br />
(10) ẏ = By<br />
pro B = P −1 AP , kde P je jistá regulární matice 4 . Pokud dokážeme<br />
vypočítat exponencielu<br />
e Bt , t ∈ R,<br />
lze použít Větu 3 k vyjádření řešení ψ <strong>soustavy</strong> (10) splňujícího počáteční<br />
podmínku ψ(0) = y 0 :<br />
ψ(t) = e Bt y 0 .<br />
Označíme-li x 0 = P y 0 , lze řešení ϕ <strong>soustavy</strong> (1) splňujícího počáteční<br />
podmínku ϕ(0) = x 0 zapsat ve tvaru<br />
ϕ(t, x 0 ) = P ψ(t) = P e Bt P −1 x 0 .<br />
4 P −1 tedy existuje; matice A, P −1 AP jsou takzvaně podobné<br />
□
V dalším se tedy budeme zabývat maticemi (v roli výše uvedené matice<br />
B), pro které lze ’snadno’ určit exponencielu. Začneme poznámkou<br />
popisující situaci pro systémy v rovině.<br />
Poznámka 22. Je známo, že je-li A reálná matice typu (2, 2), je tato<br />
podobná právě ( s jednou ) z následujících tří matic:<br />
λ1 0<br />
(1) B 1 =<br />
, jsou-li λ<br />
0 λ 1 , λ 2 ∈ R různá vlastní čísla A, nebo<br />
2<br />
jestliže λ 1 ( = λ 2 = λ)<br />
∈ R a dim V λ = 2<br />
λ0 1<br />
(2) B 2 =<br />
, je-li λ<br />
0 λ 0 ∈ R 2-násobné vlastní číslo A a dim V λ0 =<br />
0<br />
1 ( )<br />
a b<br />
(3) B 3 =<br />
, jsou-li a ± ib imaginární vlastní čísla A<br />
−b a<br />
Lze ukázat, ( že )<br />
e<br />
- e B1t λ 1 t<br />
0<br />
=<br />
0 e λ 2t<br />
( )<br />
- e B2t = e λ 0t 1 t<br />
0 1<br />
( )<br />
cos bt sin bt<br />
- e B3t = e at □<br />
− sin bt cos bt<br />
Příklad 23.<br />
Řešme soustavu (1) s maticí<br />
( )<br />
1 1<br />
A =<br />
.<br />
−4 1<br />
Vlastní čísla matice jsou 1 + 2i, 1 − 2i. Matice A je tedy podobná s<br />
maticí<br />
( )<br />
1 2<br />
B = P −1 AP =<br />
.<br />
−2 1<br />
Řešení ψ <strong>soustavy</strong> (10) splňující počáteční podmínku ψ(0) = y 0 =<br />
(y 01 , y 02 ) má tvar<br />
( ) ( )<br />
cos 2t sin 2t<br />
ψ(t) = e Bt y 0 = e t y01<br />
− sin 2t cos 2t y 02<br />
a tedy pro řešení ϕ <strong>soustavy</strong> (1) splňující počáteční podmínku ϕ(0, x 0 ) =<br />
x 0 = P −1 y 0 platí<br />
ϕ(t, x 0 ) = P ψ(t) = P e Bt P −1 x 0 .<br />
Postup z Příkladu 23 má jeden nedostatek. Neobsahuje vysvětlení,<br />
jakým způsobem lze spočítat matici P . Této otázce se budeme věnovat<br />
v další části. Z důvodu přílišné formální složitosti vynecháme v našem<br />
11<br />
□
12<br />
pojednání případ, kdy dimenze prostoru V λ je menší než násobnost λ<br />
jakožto vlastního čísla matice A <strong>soustavy</strong> (1) - srov. s Poznámkou 9.<br />
Pro účely dalšího výkladu zavedeme následující značení: symbolem<br />
(11) diag(λ 1 , . . . , λ n )<br />
zapisujeme reálnou diagonální matici typu (n, n), jejíž diagonální prvek<br />
s řádkovým a sloupcovým indexem i je roven λ i . Podobně, zápisem<br />
(12) diag([a 1 , b 1 ], . . . , [a n , b n ])<br />
míníme reálnou blokově diagonální ( matici typu ) (2n, 2n), jejíž i-tý diagonální<br />
blok je čtvercová matice<br />
i ai b<br />
.<br />
−b i a i<br />
Uvedená značení můžeme i kombinovat v symbolu<br />
(13) diag(λ 1 , . . . , λ k , [a 1 , b 1 ], . . . , [a l , b l ]).<br />
Příklad 24. Je tedy<br />
⎛<br />
diag(π, 10, [1, 2], [3, −4]) =<br />
⎜<br />
⎝<br />
π 0 0 0 0 0<br />
0 10 0 0 0 0<br />
0 0 1 2 0 0<br />
0 0 −2 1 0 0<br />
0 0 0 0 3 −4<br />
0 0 0 0 4 3<br />
⎞<br />
.<br />
⎟<br />
⎠<br />
Je-li matice A ve tvaru (11), resp. (12) nebo (13), lze snadno napsat<br />
její exponencielu e At z Věty 3. V případě (13) je e At rovna<br />
diag(e λ 1t , . . . , e λ kt , [e a 1t cos b 1 t, e a 1t sin b 1 t], . . . , [e a lt cos b l t, e a lt sin b l t]).<br />
V následující větě popíšeme vlastnosti matice, již lze ’diagonalizovat’<br />
na tvar (13).<br />
Věta 25. Předpokládejme, že matice A je typu (n, n), kde n = k + 2l<br />
a<br />
(i) A má reálná vlastní čísla λ 1 , . . . , λ k , jimž přísluší lineárně nezávislé<br />
vlastní vektory u 1 , . . . , u k ,<br />
(ii) A má 2l různých imaginárních vlastních čísel a j + ib j , a j − ib j s<br />
příslušnými vlastními vektory v j + iw j , v j − iw j , j = 1, . . . , l.<br />
Pak je matice P = (u 1 . . . u k v 1 w 1 . . . v l w l ) invertibilní a<br />
(14) P −1 AP = diag(λ 1 , . . . , λ k , [a 1 , b 1 ], . . . , [a l , b l ]).<br />
□
Příklad 26. Uvažujme matici<br />
⎛<br />
(15) A =<br />
⎝ 2 3 −3<br />
0 −1 3<br />
−6 −3 1<br />
⎞<br />
⎠ .<br />
Charakteristická rovnice det(A − λE) = 0 má konkrétní tvar<br />
−λ 3 + 4λ 2 − 14λ + 20 = −(λ − 2)(λ 2 − 2λ + 10) = 0<br />
s kořeny λ 1 = 2, λ 2 = 1 + 3i a λ 3 = 1 − 3i. Pro aplikaci Věty 25<br />
(k = l = 1) vypočítáme vlastní vektory<br />
u 1 = (u 11 , u 12 , u 13 ), v 1 + iw 1 = (v 11 + iw 11 , v 12 + iw 12 , v 13 + iw 13 )<br />
a v 1 − iw 1 příslušející vlastním číslům λ 1 , λ 2 , λ 3 .<br />
I. Podle Definice 6, vlastní vektor u 1 je nenulovým řešením <strong>soustavy</strong><br />
(A − 2E)u 1 = 0 3 , tedy rovnic<br />
−2u 11 − u 12 + 3u 13 = 0<br />
2u 11 + u 12 − 3u 13 = 0<br />
−6u 11 − 3u 12 − u 13 = 0<br />
lze volit například u 1 = (1, −2, 0).<br />
II. Podobně, vlastní vektor v 1 + iw 1 příslušející vlastnímu číslu 1 + 3i<br />
je nenulovým řešením <strong>soustavy</strong> (A − (1 + 3i)E)(v 1 + iw 1 ) = 0 3 , tedy<br />
rovnic s komplexními koeficienty<br />
(−1 − 3i)(v 11 + iw 11 ) + (−1)(v 12 + iw 12 ) + 3(v 13 + iw 13 ) = 0<br />
2(v 11 + iw 11 ) + (2 − 3i)(v 12 + iw 12 ) + (−3)(v 13 + iw 13 ) = 0<br />
(−6)(v 11 + iw 11 ) + (−3)(v 12 + iw 12 ) + (−3i)(v 13 + iw 13 ) = 0<br />
po rozepsání v reálných a imaginárních částech dostáváme šest ’reálných’<br />
rovnic se šesti neznámými v 11 ,w 11 ,v 12 ,w 12 ,v 13 ,w 13 :<br />
−v 11 + 3w 11 − v 12 + 3v 13 = 0<br />
−3v 11 − w 11 − w 12 + 3w 13 = 0<br />
2v 11 + 2v 12 + 3w 12 − 3v 13 = 0<br />
2w 11 − 3v 12 + 2w 12 − 3w 13 = 0<br />
−6v 11 − 3v 12 + 3w 13 = 0<br />
−6w 11 − 3w 12 − 3v 13 = 0<br />
řešením je například vlastní vektor (−1−i, 1+i, 1−i) a tedy vlastnímu<br />
číslu 1 − 3i přísluší vlastní vektor (−1 + i, 1 − i, 1 + i).<br />
Vypočítali jsme, že u 1 = (1, −2, 0), v 1 = (−1, 1, 1), w 1 = (−1, 1, −1).<br />
Matice P , P −1 z Věty 25 splňují<br />
;<br />
;<br />
;<br />
13<br />
□
14<br />
⎛<br />
P = ⎝<br />
1 −1 −1<br />
−2 1 1<br />
0 1 −1<br />
⎞<br />
⎛<br />
⎠ , P −1 = 1 ⎝<br />
2<br />
−2 −2 0<br />
−2 −1 1<br />
−2 −1 −1<br />
Násobením matic snadno ověříme, že v souladu s Větou 25<br />
⎛<br />
(16) P −1 AP = diag(2, [1, 3]) = ⎝ 2 0 0<br />
⎞<br />
0 1 3 ⎠ .<br />
0 −3 1<br />
Příklad 27. Uvažujme soustavu (1) s maticí (15). Podle Věty 1 má<br />
tato soustava právě jedno řešení ϕ: R → R 3 splňující počáteční podmínku<br />
ϕ(0) = (1, 2, 3). K nalezení ϕ použijeme výsledek Příkladu 26 a Větu<br />
3. Použitím ’diagonalizovaného’ tvaru (16) matice A a předchozí části<br />
přednášky dostaneme<br />
e diag(2,[1,3])t = diag(e 2t , [e t cos 3t, e t sin 3t]) =<br />
Podle Věty 3 je pak řešení ϕ dáno vztahem<br />
⎛<br />
⎞ ⎛<br />
ϕ(t) = P ⎝ e2t 0 0<br />
0 e t cos 3t e t sin 3t ⎠ P −1 ⎝ 1 2<br />
0 −e t sin 3t e t cos 3t 3<br />
⎛<br />
⎞<br />
⎠ .<br />
□<br />
⎝ e2t 0 0<br />
0 e t cos 3t e t sin 3t<br />
0 −e t sin 3t e t cos 3t<br />
⎞<br />
⎠ .<br />
□<br />
⎞<br />
⎠ .
Nelineární <strong>soustavy</strong><br />
Uvažujme nyní autonomní soustavu diferenciálních rovnic 1. řádu 5<br />
(17) ẋ = f(x),<br />
kde G je otevřená podmnožina R n , f = (f 1 , . . . , f n ): G ⊂ R n → R n ,<br />
x(t) = (x 1 (t), . . . , x n (t)) je neznámá n-rozměrná vektorová funkce s<br />
nezávisle proměnnou t (čas), ẋ značí derivaci x podle t.<br />
Poznámka 28. Je-li funkce f v zápisu <strong>soustavy</strong> (17) nelineární, mluvíme<br />
o nelineární soustavě. Zpravidla uvažujeme funkci f se spojitými parciálními<br />
derivacemi v G, tj. f ∈ C 1 (G).<br />
□<br />
Věta 29. (o existenci a jednoznačnosti řešení) Jsou-li funkce f <strong>soustavy</strong><br />
(17) a všechny její parciální derivace spojité v G, pak ke každému<br />
t 0 ∈ R a vektoru x 0 = (x 0 1, . . . , x 0 n) ∈ G existuje právě jedno maximální řešení ϕ<br />
splňující (17) a počáteční podmínku ϕ(t 0 ) = x 0 .<br />
□<br />
Poznámka 30. Řešení ϕ z Věty 1 budeme někdy značit ϕ(t, t 0, x 0 ),<br />
speciálně pro t 0 = 0 použijeme značení ϕ(t, x 0 ).<br />
□<br />
Definice 31. (rovnovážný stav) Řešení u ∈ Rn <strong>soustavy</strong> rovnic<br />
(18) f(u) = 0 n<br />
nazýváme rovnovážným stavem <strong>soustavy</strong> (17).<br />
V dalším předpokládáme, že f má spojité parciální derivace a u ∗ je<br />
rovnovážným stavem <strong>soustavy</strong> (17). Použitím Taylorovy věty na složku<br />
f j , j = 1, . . . , n funkce f v bode u ∗ dostaneme pro všechna u ’blízká’<br />
u ∗<br />
(19) f j (u) = f(u ∗ ) +<br />
n∑<br />
i=1<br />
kde g j , j = 1, . . . , n je funkce s vlastností<br />
g j (u − u ∗ )<br />
(20) lim<br />
u→u ∗<br />
||u − u ∗ ||<br />
∂f j (u ∗ )<br />
∂x i<br />
(u i − u ∗ i ) + g j (u − u ∗ ),<br />
= 0.<br />
Položíme-li x = u − u ∗ , lze využitím vztahů ẋ = ˙u, f(u ∗ ) = 0 n a (19)<br />
zapsat (17) ve tvaru<br />
kde<br />
ẋ = Ax + g(x),<br />
5 V zápisu <strong>soustavy</strong> píšeme ẋ, f(x) místo (ẋ) T , (f(x)) T<br />
15<br />
□
16<br />
( ∂fj (u ∗ )<br />
(21) A =<br />
∂x i<br />
) n<br />
i,j=1<br />
je Jakobiho matice matice funkce f v bodě u ∗ . Lineární soustavu<br />
(22) ẋ = Ax<br />
nazýváme linearizací <strong>soustavy</strong> (17) v rovnovážném stavu u ∗ .<br />
Příklad 32. Spočtěme linearizace <strong>soustavy</strong> (17) pro<br />
(23) f(x 1 , x 2 , x 3 ) = (x 2 1 − x 2 + x 3 , x 1 − x 2 , 2x 2 2 + x 3 − 2)<br />
ve všech jejích rovnovážných stavech. Přepíšeme-li soustavu pomocí jejích<br />
skalárních rovnic, má tvar<br />
x˙<br />
1 = x 2 1 − x 2 + x 3<br />
x˙<br />
2 = x 1 − x 2 .<br />
x˙<br />
3 = 2x 2 2 + x 3 − 2<br />
Ve shodě s Definicí 31, vektor u = (u 1 , u 2 , u 3 ) ∈ R 3 je rovnovážným<br />
stavem právě tehdy, když<br />
u 2 1 − u 2 + u 3 = 0<br />
u 1 − u 2 = 0<br />
2u 2 2 + u 3 − 2 = 0<br />
řešeními jsou dva vektory (1, 1, 0) a (−2, −2, −6).<br />
J f (x 1 , x 2 , x 3 ) funkce f je podle (21) rovna<br />
⎛<br />
⎝ 2x ⎞<br />
1 −1 1<br />
1 −1 0 ⎠ .<br />
0 4x 2 1<br />
;<br />
Jakobiho matice<br />
Linearizací <strong>soustavy</strong> v rovnovážném stavu (1, 1, 0) je tedy soustava<br />
⎛<br />
ẋ = J f (1, 1, 0)x = ⎝ 2 −1 1<br />
⎞ ⎛<br />
1 −1 0 ⎠ ⎝ x ⎞<br />
1<br />
x 2<br />
⎠ ,<br />
0 4 1 x 3<br />
respektive v rovnovážném stavu (−2, −2, −6) soustava<br />
⎛<br />
⎞ ⎛<br />
−4 −1 1<br />
ẋ = J f (−2, −2, −6)x = ⎝ 1 −1 0 ⎠ ⎝ x ⎞<br />
1<br />
x 2<br />
⎠ .<br />
0 −8 1 x 3<br />
□
Poznámka 33. Typy příkladů: diagonalizace matice s vesměs reálnými<br />
vlastními čísly jimž přísluší lineárně nezávislé vlastní vektory (n = 2,<br />
’diagonalizace’ matice s imaginárními vlastními čísly (n = 2, výpočet<br />
řešení <strong>soustavy</strong> (1) s počáteční podmínkou pomocí ’diagonalizace’ (n =<br />
2, výpočet linearizace <strong>soustavy</strong> v rovnovážných stavech. □<br />
Definice 34. Rovnovážný stav u ∗ <strong>soustavy</strong> (17) nazýváme<br />
- zdrojem, jestliže všechna vlastní čísla Jakobiho matice J f (u ∗ ) mají kladné<br />
reálné části;<br />
- odtokem (výlevkou), jestliže všechna vlastní čísla Jakobiho matice<br />
J f (u ∗ ) mají záporné reálné části;<br />
- sedlem, jestliže všechna vlastní čísla Jakobiho matice J f (u ∗ ) mají nenulové<br />
reálné části a existuje alespoň jedno vlastní číslo se zápornou a alespoň<br />
jedno vlastní číslo s kladnou reálnou částí.<br />
□<br />
17<br />
3<br />
2<br />
1<br />
0<br />
−1<br />
−2<br />
−3<br />
−1 0 1 2 3 4<br />
Obr. 7.<br />
x˙<br />
1 = cos x 1 ,<br />
x˙<br />
2 = sin x 2 .<br />
Poznámka 35. Podobně jako pro lineární soustavu - srov. s Poznámkou<br />
15 - lze i v případě nelineární <strong>soustavy</strong> (17) uvažovat její globální fázový<br />
portrét. Budeme jím rozumět systém (všech) orientovaných (ve směru<br />
pokračování s rostoucí proměnnou t) integrálních křivek 6 zakreslených<br />
v G ⊂ R n opatřené kartézským systémem souřadnic x 1 , . . . , x n 7 .<br />
Pro otevřenou U ⊂ G budeme fázovým portrétem v U rozumět část<br />
globálního fázového portrétu odpovídající množině U. Obr. 7 ukazuje<br />
6 orientovanou integrální křivku budeme nazývat trajektorií<br />
7 v takzvaném fázovém prostoru
18<br />
fázový portrét v U = [−π/2, 3π/2] × [−π, π] pro nelineární rovinnou<br />
soustavu.<br />
□<br />
Poznámka 36. V Definici 34 jsme uvažovali případy, kdy všechna<br />
vlastní čísla matice J f (u ∗ ) mají nenulové reálné části 8 . V takovém<br />
případě je soustava (1) s maticí A = J f (u ∗ ) regulární - srov. s Poznámkou<br />
13 - a každá trajektorie jejího fázového portrétu vyhovuje právě jedné<br />
z možností (TL1)-(TL5) zavedených před Definicí 16.<br />
□<br />
V následujících větách ukazujeme, že v případě hyperbolického rovnovážného<br />
stavu u ∗ se fázový portrét (17) v dostatečně malém okolí u ∗<br />
’podobá’ fázovému portrétu linearizace <strong>soustavy</strong> (17) v u ∗ (možnosti<br />
(TLn) a (TNn) si navzájem odpovídají).<br />
Věta 37. Předpokládejme, že u ∗ je hyperbolickým rovnovážným stavem<br />
<strong>soustavy</strong> (17). Existuje okolí U bodu u ∗ takové, že pro každé řešení ϕ<br />
z fázového portrétu v U platí jedna z následujících možností:<br />
(TN1) ϕ ≡ u ∗ (’ϕ je konstatní řešení’);<br />
(TN2) lim t→∞ ϕ(t) = u ∗ (’ϕ se přibližuje k u ∗ pro t → ∞’, ’ϕ opouští U<br />
pro t → −∞’);<br />
(TN3) možnost odpovídající (TL3) nenastává v případě hyperbolického<br />
rovnovážného stavu;<br />
(TN4) lim t→−∞ ϕ(t) = u ∗ (’ϕ opouští U pro t → ∞’, ’ϕ se přibližuje k<br />
u ∗ pro t → −∞’);<br />
(TN5) ’ϕ opouští U pro t → ∞ i pro t → −∞’ (’ϕ je sedlového<br />
typu).<br />
□<br />
Věta 38. Předpokládejme, že u ∗ je hyperbolickým rovnovážným stavem<br />
<strong>soustavy</strong> (17). Pak existuje okolí U bodu u ∗ takové, že<br />
- je-li u ∗ zdrojem, mají všechny nekonstatní trajektorie ve fázovém<br />
portrétu v U vlastnost (TN4);<br />
- je-li u ∗ odtokem, mají všechny nekonstatní trajektorie ve fázovém<br />
portrétu v U vlastnost (TN2);<br />
- je-li u ∗ sedlem, mají všechny nekonstatní trajektorie ve fázovém portrétu<br />
v U vlastnost (TN5).<br />
□<br />
Abstraktní formulace výše uvedených výsledků, která používá pojem<br />
homeomorfismu 9 , je shrnuta v následující větě:<br />
Věta 39. (Grobman-Hartman) Předpokládejme, že u ∗ je hyperbolickým<br />
rovnovážným stavem <strong>soustavy</strong> (17). Existuje okolí U bodu u ∗ a homeomorfismus<br />
h okolí U na R n takový, že h zobrazuje trajektorie fázového<br />
8 u ∗ je takzvaným hyperbolickým rovnovážným stavem<br />
9 pro oblasti F, G ⊂ R n je h homeomorfismem F na G, jestliže h je bijekcí mezi<br />
F ,G a h, h −1 jsou spojitá zobrazení
portrétu v U <strong>soustavy</strong> (17) na trajektorie 10 fázového portrétu linearizace<br />
této <strong>soustavy</strong> v rovnovážném stavu u ∗ .<br />
□<br />
Definice 40. Uvažujme soustavu (17) pro n = 2 s řešením ϕ. Existujeli<br />
nejmenší číslo T > 0 pro něž ϕ(t) = ϕ(t + T ) pro každé t ∈ R,<br />
nazýváme ϕ periodickým řešením (17) s periodou T . Obor hodnot ϕ je<br />
takzvaným cyklem <strong>soustavy</strong> (17) (nebo také uzavřenou tajektorií). □<br />
Příklad 41. Uvažujme soustavu (17) pro<br />
(24) f(x 1 , x 2 ) = (−x 1 + x 2 + x 2 2, −x 2 ).<br />
Jediným rovnovážným stavem <strong>soustavy</strong> je 0 2 . Jakobiho matice J f (x 1 , x 2 )<br />
funkce f je podle (21) rovna<br />
( )<br />
−1 1 + 2x2<br />
0 −1<br />
a tedy<br />
J f (0, 0) =<br />
(<br />
−1 1<br />
0 −1<br />
Matice J f (0, 0) má 2-násobné vlastní číslo λ 1,2 = −1. Rovnovážný stav<br />
je tedy odtokem. Podle Věty 38 existuje okolí U r. stavu 0 2 takové,<br />
že každé nekonstatní řešení ϕ má ve fázovém portrétu v U vlastnost<br />
(TN2) pro u ∗ = 0 2 .<br />
□<br />
V další části přednášky se budeme zabývat limitními množinami ve<br />
fázových prostorech (portrétech).<br />
Definice 42. (limitní množina) Uvažujme soustavu (17) a její řešení ϕ.<br />
Je-li<br />
- ϕ definováno pro t ≥ t 0 , symbolem ω(ϕ(t 0 )) značíme množinu všech<br />
bodů x ve fázovém prostoru, ke kterým existuje rostoucí posloupnost<br />
(časů) t n (závisející na x) s vlastností<br />
)<br />
.<br />
lim<br />
n<br />
t n = ∞ & x = lim<br />
n<br />
ϕ(t n ).<br />
Množinu ω(ϕ(t 0 )) budeme nazývat ω-limitní množinou bodu ϕ(t 0 ).<br />
- ϕ definováno pro t ≤ t 0 , symbolem α(ϕ(t 0 )) značíme množinu všech<br />
bodů x ve fázovém prostoru, ke kterým existuje klesající posloupnost<br />
(časů) t n (závisející na x) s vlastností<br />
lim<br />
n<br />
t n = −∞ & x = lim<br />
n<br />
ϕ(t n ).<br />
19<br />
Množinu α(ϕ(t 0 )) budeme nazývat α-limitní množinou bodu ϕ(t 0 ).<br />
□<br />
10 homemorfismus h tedy zachovává orientaci
20<br />
V definici ω-limitní (α-limitní) množiny se předpokládá, že příslušné<br />
řešení ϕ je definováno (globálně) pro každý čas t ≥ t 0 (t ≤ t 0 ). K<br />
ověření této vlastnosti řešení lze použít například<br />
Věta 43. (Chillingworth) Uvažujme dvojrozměrnou (n = 2) soustavu<br />
(17), pro niž G = R 2 a f má spojité parciální derivace v G. Pak je<br />
každé řešení definováno pro každé t ∈ R.<br />
□<br />
Nyní popíšeme možné ω-limitní množiny pro širokou třídu rovinných<br />
soustav. Řešení ϕ je omezené, jestliže ||ϕ(t)|| < K při vhodném K ∈ R<br />
a každém t ≥ t 0 .<br />
Věta 44. (Poincaré-Bendixson) Uvažujme dvojrozměrnou (n = 2)<br />
soustavu (17) s konečně mnoha rovnovážnými stavy. Buď ϕ její omezené<br />
řešení definované pro t ≥ t 0 . Pro množinu ω(ϕ(t 0 )) nastane právě<br />
jedna z následujících tří možností:<br />
- ω(ϕ(t 0 )) je rovnovážný stav<br />
- ω(ϕ(t 0 )) je cyklus<br />
- pro každé u ∈ ω(ϕ(t 0 )) jsou limitní množiny α(u), ω(u) rovnovážnými<br />
stavy<br />
□<br />
Poznámka 45. Typy příkladů: určování zdroje, odtoku a sedla mezi<br />
rovnovážnými stavy <strong>soustavy</strong> (17), popis lokálního fázového portrétu<br />
pomocí Věty 38, určování typů limitních množin pro specialní <strong>soustavy</strong><br />
(17), určování typů limitních množin pro rovinné <strong>soustavy</strong> (17) s<br />
použitím počítače a Věty 44.<br />
□<br />
Definice 46. Uvažujme soustavu (17). Funkce F : G → R je 1.<br />
integrálem <strong>soustavy</strong> (17), jestliže platí<br />
n∑<br />
n∑<br />
F ˙ =<br />
i=1<br />
δF<br />
x˙<br />
i =<br />
δx i<br />
i=1<br />
δF<br />
δx i<br />
f i = 0.<br />
Integrálními křivkami (17) jsou vrstevnice funkce F , tj. křivky parametrického<br />
systému {F (x 1 , x 2 ) = c} c∈R .<br />
□<br />
Příklad 47. Pro soustavu<br />
je funkce<br />
x˙<br />
1 = α(x 0 2 − x 2 )x 1 ,<br />
x˙<br />
2 = β(x 1 − x 0 1)x 2<br />
F (x 1 , x 2 ) = βx 0 1( x 1<br />
− ln x 1<br />
) + αx 0<br />
x 0 1 x<br />
2( x 2<br />
− ln x 2<br />
)<br />
0<br />
1 x 0 2 x 0 2<br />
1. integrálem. □<br />
Existuje důležitá třída soustav, které mají 1. integrál. Jde o takzvané<br />
hamiltonovské <strong>soustavy</strong>. Pro jednoduchost omezíme naši pozornost<br />
pouze na případ v rovině.
Definice 48. Buď H : G ⊂ R2 → R hladká funkce. Rovinná soustava<br />
ẋ 1 = − δH , ẋ 2 = δH<br />
δx 2 δx 1<br />
se nazývá hamiltonovslá, funkci H nazýváme Hamiltonovou funkcí <strong>soustavy</strong>.<br />
□<br />
Příklad 49. Ukažme, že libovolná rovinná hamiltonovská soustava má<br />
1. integrál. Skutečně, je jím přímo Hamiltonova funkce H. Platí totiž<br />
Ḣ = δH x˙<br />
1 + δH x˙<br />
2 = δH (− δH ) + δH δH<br />
= 0<br />
δx 1 δx 2 δx 1 δx 2 δx 2 δx 1<br />
Věta 50. (Liouville) Uvažujme soustavu (17), nechť Ω(0) značí libovolnou<br />
oblast ve fázovém prostoru v čase t = 0 a Ω(t) značí obraz<br />
této oblasti v čase t (tedy bod x 0 ∈ Ω(0) se po čase t zobrazí do bodu<br />
x(t; x 0 ) ∈ Ω(t)). Označme ’objem’ oblasti Ω(t) symbolem V (t). Platí<br />
(25)<br />
dV (t)<br />
dt<br />
∫<br />
=<br />
Ω(t)<br />
Je-li div f ≡ 0 ve fázovém prostoru, je<br />
oblasti Ω(t) se s časem nemění.<br />
div f dx.<br />
dV (t)<br />
dt<br />
21<br />
□<br />
= 0 a tedy objem V (t)<br />
□<br />
Příklad 51. Ukažme, že pro libovolnou rovinnou hamiltonovskou soustavu<br />
oblast Ω(t) z předchozí věty nemění obsah. Zřejmě stačí ověřit,<br />
že div (− δH<br />
δx 2<br />
, δH<br />
δx 1<br />
) = 0. Platí<br />
div (− δH , δH ) = − δ2 H<br />
+<br />
δ2 H<br />
= 0,<br />
δx 2 δx 1 δx 2 δx 1 δx 1 δx 2<br />
neboť smíšené parciální derivace<br />
rovny.<br />
Příklad 52. Buď soustava<br />
x˙<br />
1 = f 1 (x 1 , x 2 ),<br />
δ2 H<br />
δx 2 δx 1<br />
,<br />
δ 2 H<br />
δx 1 δx 2<br />
x˙<br />
2 = f 2 (x 1 , x 2 )<br />
jsou si podle známé věty<br />
□<br />
hamiltonovská. Ukažme, jak lze nalézt Hamiltonovu funkci H. Víme,<br />
že platí<br />
f 1 = − δH , f 2 = δH .<br />
δx 2 δx 1<br />
Je tedy<br />
∫<br />
H(x 1 , x 2 ) = −<br />
f 1 (x 1 , x 2 )dx 2 = F 1 (x 1 , x 2 ) + c(x 1 ).
22<br />
Protože současně máme<br />
δH<br />
δx 1<br />
= δF 1<br />
δx 1<br />
+ c ′ (x 1 ) = f 2 ,<br />
lze z poslední rovnosti vypočítat c ′ (x 1 ) a další integrací pak i funkci<br />
c(x 1 ).<br />
□<br />
Věta 53. (Liapunov) Uvažujme soustavu (17) s rovnovážným stavem<br />
x 0 ∈ G, nechť existuje okolí U rovnovážného stavu x 0 a skalární funkce<br />
V : U → R, která splňuje<br />
• V (x 0 ) = 0<br />
• V (x) > 0, pro všechna x ∈ U \ {x 0 }.<br />
Pak platí následující tvrzení:<br />
• Je-li ˙V ≤ 0 na U \ {x0 }, rovnovážný stav x 0 je stabilní.<br />
• Je-li ˙V < 0 na U \ {x0 }, rovnovážný stav x 0 je asymptoticky<br />
stabilní.<br />
• Je-li ˙V > 0 na U, rovnovážný stav x0 je nestabilní.<br />
□<br />
Příklad 54. Uvažujme soustavu (17) pro<br />
(26) f(x 1 , x 2 ) = (−x 3 1 + x 1 x 2 , −x 3 2 − x 2 1).<br />
Ukažme, že skalární funkce V (x 1 , x 2 ) = x 2 1+x 2 2 je Liapunovovou funkcí této<br />
<strong>soustavy</strong> v rovnovážném stavu 0 2 . Předně je V pozitivně definitní na<br />
R 2 . Pro derivaci ˙V platí<br />
(27)<br />
˙V = 2x 1 x˙<br />
1 +2x 2 x˙<br />
2 = 2x 1 (−x 3 1+x 1 x 2 )+2x 2 (−x 3 2−x 2 1) = −2(x 4 1+x 4 2) < 0<br />
na R\{0 2 }. Podle Věty 53 je tedy 0 2 asymptoticky stabilním rovnovážným<br />
stavem <strong>soustavy</strong> - srov. obr. 8.<br />
□
23<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
0<br />
−0.2<br />
−0.4<br />
−0.6<br />
−0.8<br />
−1<br />
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1<br />
Obr. 8.<br />
x˙<br />
1 = −x 3 1 + x 1 x 2 ,<br />
x˙<br />
2 = −x 2 1 − x 3 2.<br />
Poznámka 55. Často není lehké nebo dokonce možné najít Liapunovovu<br />
funkci <strong>soustavy</strong> (17). Jiná je situace pro takzvanou gradientní soustavu<br />
11 , pro kterou lze Liapunovovu funkci v rovnovážném stavu x 0<br />
vyjádřit pomocí funkce V , pokud má tato v bodě x 0 lokální extrém.<br />
Náčrt rovinného fázového portrétu<br />
Pro určení fázového portrétu v rovině jsou rozhodující takzvané singulární<br />
trajektorie, mezi které patří:<br />
• rovnovážné stavy<br />
• cykly (uzavřené trajektorie)<br />
• separatrix sedel (trajektorie ’vcházející’ do sedla a ’vycházející’ ze<br />
sedla)<br />
Pro stručnost pouze konstatujme, že singulární trajektorie dělí fázovou<br />
rovinu na takzvané ’buňky’ a v každé z těchto buněk se již trajektorie<br />
chovají ’kvalitativně stejně’. K analýze singulárních trajektorií můžeme<br />
použít některé z následujících kritérií.<br />
Lemma 56. (Bendixson) Uvažujme soustavu (17) pro n = 2. Je-li D<br />
jednoduše souvislá oblast a div f = δf 1<br />
δx 1<br />
+ δf 2<br />
δx 2<br />
nemění na D znaménko,<br />
nemá soustava (17) cyklus ležící v D srov. obr. 9.<br />
□<br />
11ẋ = −gradV (x), kde V : R n → R
24<br />
6<br />
4<br />
2<br />
0<br />
−2<br />
−4<br />
−6<br />
−6 −4 −2 0 2 4 6<br />
Obr. 9. Fázový portrét bez cyklu, D = R 2 .<br />
x˙<br />
1 = x 1 − x 3 2, x˙<br />
2 = x 1 + x 2 .<br />
Lemma 57. Je-li γ cyklus <strong>soustavy</strong> (17) s n = 2 a vnitřek γ je částí G,<br />
má soustava (17) uvnitř cyklu γ rovnovážný stav - srov. obr. 10. □<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
−0.5<br />
−1<br />
−1.5<br />
−2<br />
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2<br />
Obr. 10. Rovnovážný stav uvnitř cyklu.<br />
Lemma 58. Uvažujme soustavu (17) pro n = 2, nechť div f = δf 1<br />
δx 1<br />
+<br />
δf 2<br />
δx 2<br />
= 0 na jistém okolí U rovnovážného stavu ¯x = ( ¯x 1 , ¯x 2 ). Má-li
linearizace <strong>soustavy</strong> (17) v bodě ¯x center, existuje okolí V ⊂ U bodu<br />
¯x takové, že V obsahuje pouze cykly <strong>soustavy</strong> (17) s vnitřním bodem ¯x<br />
srov. obr. 11.<br />
□<br />
25<br />
4<br />
2<br />
0<br />
−2<br />
−4<br />
−6<br />
−6 −4 −2 0 2 4 6<br />
Obr. 11.<br />
x˙<br />
1 = cos x 2 ,<br />
x˙<br />
2 = sin x 1 .<br />
Lemma 59. (Poincaré) Uvažujme soustavu (17) pro n = 2. Je-li D<br />
uzavřená omezená oblast s hranicí δD tvořenou dvěma Jordanovými<br />
křivkami a libovolná trajektorie protínající δD směřuje dovnitř D, má<br />
soustava (17) uvnitř D buď rovnovážný stav nebo cyklus - srov. obr.<br />
12. □
26<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
−0.5<br />
−1<br />
−1.5<br />
−2<br />
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2<br />
Obr. 12.<br />
Cyklus r = 1 uvnitř oblasti D omezené kružnicemi r 1 = .8, r 2 = 1.2.<br />
Příklad 60. Načrtněme fázový portrét <strong>soustavy</strong><br />
x˙<br />
1 = −x 2 + x 1 x 2 ,<br />
x˙<br />
2 = x 1 + 1 2 (x2 1 − x 2 2).<br />
Singulární trajektorie jsou:<br />
• Rovnovážné stavy: (−2, 0), (1, √ 3), (1, − √ 3), (0, 0). První tři<br />
stavy jsou sedly, linearizace v bodě (0, 0) odpovídá centru.<br />
• Cykly: Z Lemmatu 58 plyne existence cyklů kolem (0, 0). Jiné<br />
cykly v portrétu nejsou.<br />
• Separatrix sedel: Lze ukázat, že separatrix jsou takzvanými<br />
heteroklinickými trajektoriemi spojujícími jednotlivá sedla.<br />
Fázový portrét má celkem 7 buněk - srov. obr. 13.<br />
□
27<br />
3<br />
2<br />
1<br />
0<br />
−1<br />
−2<br />
−3<br />
−3 −2 −1 0 1 2 3<br />
Obr. 13.<br />
x˙<br />
1 = −x 2 + x 1 x 2 ,<br />
x˙<br />
2 = x 1 + 1 2 (x2 1 − x 2 2).<br />
Příklad 61. Načrtněme fázový portrét <strong>soustavy</strong><br />
x˙<br />
1 = x 2 ,<br />
x˙<br />
2 = −x 1 + x 2 1.<br />
Singulární trajektorie jsou:<br />
• Rovnovážné stavy: (1, 0), (0, 0). Stav (1, 0) je sedlem, linearizace<br />
v bodě (0, 0) odpovídá centru.<br />
• Cykly: Z Lemmatu 58 plyne existence cyklů kolem (0, 0). Jiné<br />
cykly v portrétu nejsou.<br />
• Separatrix sedel: Lze ukázat, že (dvě) separatrix představují takzvanou<br />
homoklinickou trajektorii spojující sedlo (1, 0).<br />
Fázový portrét má celkem 3 bunǩy - srov. obr. 14.<br />
□
28<br />
5<br />
4<br />
3<br />
2<br />
1<br />
0<br />
−1<br />
−2<br />
−3<br />
−4<br />
−5<br />
−5 −4 −3 −2 −1 0 1 2 3 4 5<br />
Obr. 14.<br />
x˙<br />
1 = x 2 ,<br />
x˙<br />
2 = −x 1 + x 2 1.<br />
Věta 62. (Andronov-Hopf, n ∈ R) Uvažujme soustavu (17) ve tvaru<br />
(28) ẋ = A(ω)x + G(x, ω),<br />
s parametrem ω ∈ R a C 1 -funkcí G: R n × R → R n pro niž<br />
G(x, ω)<br />
lim<br />
||x||→0 ||x||<br />
= 0<br />
stejnoměrně vzhledem k ω z libovolné omezené podmnožiny R. Označme<br />
β 1 (ω), . . . , β n (ω) vlastní čísla matice A a předpokládejme, že<br />
• β 1 (ω) = β 2 (ω) = α(ω) + iρ(ω) blízko hodnoty ω 0 ,<br />
• α(ω 0 ) = 0,<br />
• dα(ω<br />
dω 0) ≠ 0,<br />
• ρ(ω 0 ) ≠ 0,<br />
• Reβ j (ω 0 ) ≠ 0 pro všechna j ≥ 3.<br />
Pak je ω 0 pro soustavu (17) bifurkační hodnotou, tj. existuje posloupnost<br />
ω m taková, že<br />
• lim m ω m = ω 0<br />
• soustava (17) s parametrem ω = ω m má cyklus Γ m<br />
• posloupnost cyklů {Γ m } konverguje k rovnovážnému stavu 0 n ,<br />
tj.<br />
(29) lim<br />
m<br />
max<br />
x∈Γ m<br />
||x|| = 0.<br />
□
29<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
−0.5<br />
−1<br />
−1.5<br />
−2<br />
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2<br />
Obr. 15.<br />
x˙<br />
1 = −x 2 + x 1 (1 − x 2 1 − x 2 2), x˙<br />
2 = x 1 + x 2 (1 − x 2 1 − x 2 2).<br />
Věta 63. (Andronov-Hopf, n = 2) Uvažujme soustavu (17) pro n = 2<br />
ve tvaru<br />
(30) ẋ = f(x, ω),<br />
s parametrem ω ∈ (ω 0 − ε, ω 0 + ε) a C ∞ -funkcí f : R 2 × R → R 2 pro<br />
niž f(0 2 , ω) = 0 2 pro každé ω ∈ (ω 0 − ε, ω 0 + ε). Označme β 1 (ω), β 2 (ω)<br />
vlastní čísla Jakobiho matice J f (0 2 , ω) a předpokládejme, že<br />
• β 1 (ω) = β 2 (ω) = α(ω) + iρ(ω) blízko hodnoty ω 0 ,<br />
• α(ω 0 ) = 0,<br />
• dα(ω<br />
dω 0) ≠ 0,<br />
• ρ(ω 0 ) ≠ 0.<br />
Pak je ω 0 pro soustavu (17) bifurkační hodnotou, tj. existuje posloupnost<br />
ω n taková, že<br />
• lim n ω n = ω 0<br />
• soustava (17) s parametrem ω = ω n má cyklus Γ n<br />
• posloupnost cyklů {Γ n } konverguje k rovnovážnému stavu 0 2 , tj.<br />
(31) lim<br />
n<br />
max<br />
x∈Γ n<br />
||x|| = 0.<br />
Příklad 64. Obrázky 15-17 ukazují fázové portréty sysému<br />
x˙<br />
1 = −x 2 + x 1 (ω − x 2 1 − x 2 2),<br />
x˙<br />
2 = x 1 + x 2 (ω − x 2 1 − x 2 2)<br />
□
30<br />
pro hodnoty parametru ω ∈ {−1, 0, 1}.<br />
5<br />
4<br />
3<br />
2<br />
1<br />
0<br />
−1<br />
−2<br />
−3<br />
−4<br />
−5<br />
−5 −4 −3 −2 −1 0 1 2 3 4 5<br />
Obr. 16.<br />
x˙<br />
1 = −x 2 + x 1 (−x 2 1 − x 2 2), x˙<br />
2 = x 1 + x 2 (−x 2 1 − x 2 2).<br />
Ověřením předpokladů Věty 63 lze ukázat, že ω 0 = 0 je bifurkační hodnotou<br />
<strong>soustavy</strong>.<br />
5<br />
4<br />
3<br />
2<br />
1<br />
0<br />
−1<br />
−2<br />
−3<br />
−4<br />
−5<br />
−5 −4 −3 −2 −1 0 1 2 3 4 5<br />
Obr. 17.<br />
x˙<br />
1 = −x 2 + x 1 (−1 − x 2 1 − x 2 2), x˙<br />
2 = x 1 + x 2 (−1 − x 2 1 − x 2 2).
31<br />
□
32<br />
1. Modely<br />
Fish harvesting model<br />
is a system<br />
Ṅ = f(N) − νEN,<br />
where<br />
N(t) = population level at time t;<br />
Ė = α(νpEN − cE),<br />
E(t) = a measure of effort expended in fishing;<br />
f(N) = ”natural growth” of the population (when f(N) = rN(1− N K ),<br />
the population growth is called logistic model);<br />
ν = a constant per-capita rate;<br />
p = price of fish (pνEN is the revenue from the harvest);<br />
c = a constant cost of per unit effort (cE is the total cost);<br />
α = a positive parameter.<br />
It is assumed that f(N) is ”well-behaved” and there are two positive<br />
numbers, defined by ¯N = ν/νp and ˆN where ¯N > ˆN, such that<br />
f(N)<br />
N<br />
d<br />
dN<br />
≥ 0, 0 < N < ¯N,<br />
(<br />
f(N)<br />
N<br />
)<br />
> 0, N < ˆN.<br />
Vojenský konflikt dvou armád<br />
x˙<br />
1 (t) = −α 1 x 2 (t),<br />
x˙<br />
2 (t) = −α 2 x 1 (t),<br />
kde x i (t) je počet vojáků státu X i , i = 1, 2, v čase t, α i<br />
účinnost zbraní vojska státu X i .<br />
> 0 je
33<br />
3<br />
2.5<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
0 0.5 1 1.5 2 2.5 3<br />
Obr. 18.<br />
x˙<br />
1 = −x 2 ,<br />
x˙<br />
2 = −2x 1 .<br />
Průběh boje - obr. 18: má smysl uvažovat jen první kvadrant,<br />
mohou nastat celkem tři různé průběhy a výsledky boje (viz obrázek,<br />
s vodorovnou osou x 1 a svislou osou x 2 ) v závislosti na počáteční<br />
podmínce (x 1 (0), x 2 (0)):<br />
(i): Je-li (x 1 (0), x 2 (0)) nad přímkou o rovnici y = x √ α 2 /α 1 , pak<br />
po konečném čase t jest x 2 (t) > 0, x 1 (t) = 0 a tedy vítězí stát<br />
X 2 (trajektorie od červené k modré).<br />
(ii): Je-li (x 1 (0), x 2 (0)) pod přímkou o rovnici y = x √ α 2 /α 1 , pak<br />
po konečném čase t jest x 1 (t) > 0, x 2 (t) = 0 a tedy vítězí stát<br />
X 1 (trajektorie od červené k zelené).<br />
(iii): Je-li (x 1 (0), x 2 (0)) na černé přímce o rovnici y = x √ α 2 /α 1 ,<br />
pak po nekonečném čase t jest x ( t) = x 2 (t) = 0 a tedy ani jeden<br />
ze států nevítězí (oboustranné vyčerpání armád). □<br />
Závěr. Zvýší-li jeden stát dvojnásobně účinnost zbraní, musí druhý<br />
stát při zachování účinnosti zvýšit čtyřnásobně počet vojáků svého vojska,<br />
aby eliminoval zvýšení účinnosti zbraní protivníka.<br />
Poznámka 65. Realističtější model uvažuje místo konstant α 1 , α 2<br />
funkce α 1 (x, y), α 2 (x, y). Topologický typ fázového portrétu (průběhu a<br />
výsledku boje) zůstane stejný jako v případě konstant. Přesný předpis<br />
funkcí α 1 (x, y), α 2 (x, y) není znám (k topologickému typu: obvod čtverce<br />
a kružnice jsou topologicky stejného typu).<br />
□
34<br />
Dravec-kořist<br />
Jednoduchý model aplikace matematiky v ekologii, pochází z 20. let<br />
minulého století.<br />
ẋ = ax − bxy<br />
ẏ = −cy + dxy<br />
To, že se kořist (např. zajíci) množí, můžeme znázornit rovnicí ẋ = ax,<br />
kde a > 0 je konstanta (faktor množení). Dravci (např. lišky) bez<br />
potravy vymírají, což lze znázornit rovnicí ẏ = −cy, kde c > 0 je<br />
konstanta (faktor úhynu). A faktor, že dravec potká lišku jest hxy,<br />
kde h > 0 je konstanta ( b pro kořist, d pro dravce).<br />
Velikost<br />
populace<br />
kořisti<br />
Velikost populace dravců<br />
Obr. 19.<br />
Po uplynutí určitého času se systém vrátí do původního stavu a celý<br />
cyklus se opakuje - srov. obr. 19.<br />
Model vztahu Romea a Julie<br />
Ṙ(t) = αJ(t) + γR(t)<br />
˙ J(t) = βR(t) + δJ(t),
(soustava dvou dif. rovnic s časem jako nezávisle proměnnou) neboli<br />
lineární soustava s maticí<br />
( )<br />
γ α<br />
A =<br />
β δ<br />
• R(t) je míra lásky Romea k Julii. Je kladná, jestliže Romeo<br />
cítí sympatii k Julii a je záporná, jestliže Romeo cítí antipatii<br />
k Julii.<br />
• α je stupeň, jakým Romeo odpovídá představám Julie.<br />
• γ je míra aktivity Romea vůči Julii. Je záporná, jestliže je<br />
Romeo opatrný a je kladná, jestliže ’plane’.<br />
• J(t) je mírá lásky Julie k Romeovy. Je kladná a záporná analogicky<br />
k Romeovým pocitům.<br />
• β je stupeň, jakým Julie odpovídá představám Romea.<br />
• δ je míra opatrnosti Julie analogicky k γ.<br />
35<br />
Poznámka 66. Bez újmy na obecnosti můžeme uvažovat hodnoty<br />
α, β, γ, δ z intervalu [−1, 1], přičemž hodnota −1 znamená nejvíce<br />
negativní stav a hodnota +1 naopak nejvíce kladný stav - srov. tři<br />
níže uvedené volby koeficientů α, β, γ, δ a příslušné fázové portréty -<br />
obr. 20-22.<br />
□<br />
3<br />
2<br />
1<br />
0<br />
−1<br />
−2<br />
−3<br />
−3 −2 −1 0 1 2 3<br />
Obr. 20. Ṙ = R + .5J, ˙ J = .5R + J.
36<br />
3<br />
2<br />
1<br />
0<br />
−1<br />
−2<br />
−3<br />
−3 −2 −1 0 1 2 3<br />
Obr. 21. Ṙ = R + .5J, ˙ J = R + .5J.<br />
3<br />
2<br />
1<br />
0<br />
−1<br />
−2<br />
−3<br />
−3 −2 −1 0 1 2 3<br />
Obr. 22. Ṙ = .5R − .5J, ˙ J = R − .5J.
Otázky ke zkoušce<br />
37<br />
1) vlastní čísla a vlastní vektory matice (n = 2, 3, Definice 6)<br />
2) typy rovnovážných stavů lineárního systému (obr. 1-6)<br />
3) linearizace nelineárního systému v rovnovážném stavu (vztahy (21),(22))<br />
4) typy rovnovážných stavů nelineárního systému (Definice 34)<br />
5) Andronov-Hopfova bifurkace (ověření předpokladů Věty 63)<br />
6) 1. integrál (výpočet dle Příkladu 49 a Příkladu 47)<br />
7) hamiltonovský systém (ověření, výpočet Hamiltonovy funkce dle<br />
Příkladu 51 a Příkladu 52)<br />
8) náčrt rovinného fázového portrétu (použití kritérií a příkladů 56-61)<br />
9) Liapunovova funkce (ověření předpokladů Věty 53, Poznámka 55)<br />
10) vytvoření fázového portrétu pomocí počítačového programu