4 Dynamische Optimierung
|
|
- Benedikt Breiner
- vor 5 Jahren
- Abrufe
Transkript
1 4 Dynamische Optimierung 4. Grundlagen der Variationsrechnung 4.. Problemformulierung Im Gegensatz zu den bisher betrachteten statischen Optimierungsproblemen, bei denen die Optimierungsvariablen x in einem finit-dimensionalen Euklidischen Vektorraum R n definiert sind, wird bei dynamischen Optimierungsaufgaben nach dem Minimum Maximum eines Kostenfunktionals J : X R bezüglich einer reellen vektorwertigen Funktion xt aus einem geeigneten Funktionenraum X gesucht. Typischerweise hat das Kostenfunktional die Form Lagrange Problem der Variationsrechnung J x = oder Bolza Problem der Variationsrechnung l t, x t, ẋ t dt 4. J x = ϕ, x, t, x t + l t, x t, ẋ t dt. 4.2 [ T Dabei ist t die unabhängige Variable zumeist die Zeit, xt = x t... x n t], t0 t t wird häufig als Trajektorie bezeichnet und für festes t wird angenommen, dass gilt xt R n. Im Weiteren bezeichnet ẋt R n die totale Ableitung von xt bezüglich der unabhängigen Variable t, die reellwertige Funktion lt, xt, ẋt : R R n R n R nennt man Lagrangefunktion oder besser Lagrangesche Dichte und ϕ, x, t, xt : R R n R R n R beschreibt die Randkostenfunktion Englisch: terminal costs. Man nennt eine Trajektorie xt zulässig, wenn im Intervall [, t ] sämtliche Beschränkungen eingehalten werden. Die Menge aller zulässigen Trajektorien wird im Weiteren mit X ad bezeichnet. Die einfachste Form solcher Beschränkungen ist, dass beide Endpunkte fixiert sind, d. h. x = x 0 und xt = x bzw. X ad = {x t X : x = x 0, x t = x }. Eine weitere Möglichkeit besteht darin, dass die Trajektorie zwar an einem festen Endpunkt, x 0 startet aber zum Zeitpunkt t auf einer vorgegebenen Kurve Γ : x = gt, t T zu liegen kommen muss. In diesem Fall ist der optimale Wert der Endzeit t im Intervall t T frei und die zulässige Menge lautet X ad = {x t X : x = x 0, x t = g t }. Andere mögliche Beschränkungen sind so genannte Pfadbeschränkungen Englisch: path constraints oder Beschränkungen der Lagrangeschen Form ψt, xt, ẋt = 0 bzw. ψt, xt, ẋt 0, t I [, t ] 4.3 und isoperimetrische Beschränkungen der Form ψ k t, x t, ẋ t dt = C k, k =,..., m < n. 4.4
2 4. Grundlagen der Variationsrechnung Seite 90 Die bei der Variationsrechnung typischerweise betrachteten Funktionenräume sind die im Intervall [, t ] stetig differenzierbaren Funktionen C [, t ] und die stückweise stetig differenzierbaren Funktionen, im Weiteren als Ĉ [, t ] bezeichnet. Elemente des Funktionenraumes Ĉ [, t ] werden dabei im Folgenden auch als global stetig angenommen. Die Definition des globalen Minimums x eines Kostenfunktionals Jx lässt sich ohne Angabe einer Norm direkt in der Form J x J x, x X ad 4.5 angeben. Die Beschreibung des lokalen Verhaltens in der Umgebung des Punktes x hingegen verlangt die Definition einer Norm. Der Punkt x ist ein lokales Minimum in X ad bezüglich der Norm, wenn gilt γ > 0 so, dass gilt J x J x, x X ad B γ x 4.6 mit B γ x = {x X : x x < γ}. Dadurch, dass in infinit-dimensionalen Vektorräumen die Normen nicht äquivalent sind, kann x zwar bezüglich einer Norm ein lokales Minimum sein, aber bezüglich einer anderen Norm nicht. Für den Funktionenraum C [, t ] sind die gebräuchlichsten Normen in diesem Zusammenhang x t := max t t x t und x t, := max t t x t + max t t ẋ t. 4.7 Wenn xt vektorwertig ist und im Funktionenraum C [, t ] n definiert ist, dann lauten die zugehörigen Normen x t := max t t x t und x t, := max t t x t + max t t ẋ t, 4.8 wobei x t eine Norm im finit-dimensionalen VektorraumR n beschreibt Optimalitätsbedingungen Zur Herleitung der notwendigen Optimalitätsbedingungen benötigt man den Begriff der Variation eines Funktionals. Definition 4. Variation eines Funktionals, Gâteaux Ableitung. Die erste Variation des Funktionals J x am Punkt x X in Richtung ξ X, auch als die Gâteaux Ableitung von J x bezüglich ξ am Punkt x bezeichnet, ist in der Form J x + ηξ J x δj x; ξ := lim = J x + ηξ η 0 η η 4.9 η=0 definiert. Falls δj x; ξ für alle ξ X definiert ist, dann nennt man J x Gâteaux differenzierbar am Punkt x. Offensichtlich muss für die Existenz der Gâteaux Ableitung das Funktional Jx definiert sein und die Ableitung von Jx + ηξ bezüglich η an der Stelle η = 0 existieren.
3 4. Grundlagen der Variationsrechnung Seite 9 Beispiel 4.. Die Gâteaux Ableitung des Funktionals J x = t x 2 t dt, x C [, t ] lautet δj x;ξ = lim 2x t ξ t dt + η ξ 2 t dt = 2 x t ξ t dt 4.0 η 0 für alle ξ C [, t ], weshalb J x an jedem Punkt x C [, t ] Gâteaux differenzierbar ist. Beispiel 4.2. Man betrachte das Funktional J x = 0 x t dt, x C [0, ], welches für jedes x C [0, ] im endlichen Intervall [0, ] einen finiten Wert liefert. Für x 0 t = 0 und ξ 0 t = t lautet die Gâteaux Ableitung 4.9 δj x 0 ;ξ 0 = lim η 0 η 0 = lim η 0 signη x 0 + ηξ 0 dt 0 t dt = 0 x 0 dt = 4.a { 2, η +0 2, η 0. 4.b Dabei erkennt man, dass in Richtung ξ 0 = t an der Stelle x 0 = 0 die Gâteaux Ableitung nicht existiert. Die Gâteaux Ableitung ist eine lineare Operation, weshalb gilt und für jedes reelle α gilt die Beziehung δ J + J 2 x; ξ = δj x; ξ + δj 2 x; ξ 4.2 δj x;αξ = αδj x; ξ. 4.3 Man beachte an dieser Stelle, dass eine Richtung ξ X ad, für die gilt δj x; ξ < 0, eine Abstiegsrichtung des Funktionals J am Punkt x bezeichnet und damit eine Generalisierung der Abstiegsrichtung d vom finit-dimensionalen Fall mit d T f x < 0 der Kostenfunktion fx am Punkt x gemäß Satz 2. beschreibt. Es gilt nun folgender Hilfssatz. Lemma 4. Ausschluss eines Minimums. Wenn J ein Funktional in einem normierten linearen Vektorraum X, beschreibt und an einem Punkt x X eine Richtung ξ X so existiert, dass gilt δj x; ξ < 0, dann kann x kein lokales Minimum sein. Beweisskizze: Gemäß Definition 4. existiert ein γ > 0 so, dass gilt J x + ηξ J x δj x; ξ = lim < η 0 η bzw. J x + ηξ < J x, η 0, γ. 4.5
4 4. Grundlagen der Variationsrechnung Seite 92 Da x + ηξ x = ηξ 0 für η 0, ist zu erwarten, dass unabhängig von der gewählten Norm Punkte x + ηξ in der Umgebung von x zu liegen kommen, weshalb in Richtung ξ am Punkt x das Funktional weiter verkleinert werden kann und damit x kein lokales Minimum beschreibt. Die notwendigen Bedingungen erster Ordnung für ein lokales Minimum eines Funktionals lassen sich nun wie folgt formulieren. Satz 4. Notwendige Bedingungen erster Ordnung. Angenommen x X ad ist ein lokales Minimum des Funktionals J, welches in einer Teilmenge X ad eines normierten linearen Vektorraums X, definiert ist. Dann gilt δj x ; ξ = für alle zulässigen Richtungen ξ an der Stelle x. Man nennt dabei eine Richtung ξ X, ξ 0 an der Stelle x zulässig, wenn gilt a δj x ; ξ existiert und b x + ηξ X ad für alle η ε, ε und hinreichend kleines ε > 0. Bedingung b impliziert, dass x im Inneren von X ad zu liegen kommt. Im nächsten Schritt betrachte man das Lagrange Problem der Variationsrechnung gemäß 4. mit festem Anfangs- und Endpunkt. Satz 4.2 Euler-Lagrange Gleichungen. Gegeben sei das Funktional J x = l t, x t, ẋ t dt 4.7 mit der zulässigen Menge X ad = {x t C [, t ] } n : x t0 = x 0, x t = x und der stetig differenzierbaren Lagrangeschen Dichte l :R R n R n R. Wenn x t ein lokales Minimum von J x auf X ad bezeichnet, dann erfüllt x t die Euler- Lagrange Gleichungen d l t, x t, ẋ t l t, x t, ẋ t = dt ẋ i x i für alle t [, t ] und i =,..., n. Beweis. Da x ein Minimum ist, muss wegen Satz 4. gelten δj x ; ξ = η J x + ηξ = η=0 = η l [ x l t, x t, ẋ t ξ + t, x t + ηξ t, ẋ t + ηξ t dt ẋ l η=0 ] t, x t, ẋ t ξ dt =
5 4. Grundlagen der Variationsrechnung Seite 93 Wegen der stetigen Differenzierbarkeit der Lagrangeschen Dichte l und da ξ C [, t ] n ist der Integrand von 4.9 im Intervall [t0, t ] stetig und daher ist das Funktional J x an allen Punkten x C [, t ] n Gâteaux differenzierbar. Eine nach Satz 4. zulässige Richtung ξ muss die Bedingungen ξ = 0 und ξ t = 0 erfüllen. Führt man für den zweiten Summanden in der zweiten Zeile von 4.9 eine partielle Integration durch, so erhält man x l ξ + ẋ l ξdt = [ x l d ] dt ẋ l [ ξdt + ] t ξ ẋ l }{{} =0 = [ ] T Wählt man nun für ein festes i =,..., n die Richtung ξ = ξ... ξ n C [, t ] n so, dass gilt ξj = 0 für j i und ξ i = ξ i t = 0, dann ergibt sich [ l d ] l ξ i dt = x i dt ẋ i und nach dem Fundamentallemma der Variationsrechnung folgt unmittelbar das Ergebnis 4.8. Lemma 4.2 Fundamentallemma der Variationsrechnung. Angenommen g t ist eine stückweise stetige Funktion auf dem Intervall [, t ] und es gilt g t ξ i t dt = für alle stückweise stetigen Funktionen ξ i t im Intervall [, t ], dann folgt fast überall abgesehen von einer abzählbaren Menge von Punkten g t = 0, t [, t ]. Eine Funktion xt, die die Euler-Lagrange Gleichungen 4.8 erfüllt, wird auch als stationäre Funktion der Lagrangeschen Dichte l bezeichnet. In manchen Literaturstellen werden diese Funktionen auch als extremale Funktionen oder nur Extremale bezeichnet, obwohl es sein kann, dass sie weder ein Minimum noch ein Maximum des Kostenfunktionals beschreiben. Die Lösung der Euler-Lagrange Gleichungen 4.8 kann für Spezialfälle mit Hilfe so genannter erster Integrale formuliert werden: a Die Lagrangesche Dichte hängt nicht von der unabhängigen Variablen t ab, d. h. l = l x, ẋ. Mit der Hamiltonfunktion H = ẋ l ẋ l x, ẋ 4.23 lassen sich die Euler-Lagrange Gleichungen 4.8 wie folgt d dt H = d [ d dt ẋ l ẋ + ẋ l ẍ x l ẋ ẋ l ẍ = dt ] ẋ l x l ẋ 4.24
6 4. Grundlagen der Variationsrechnung Seite 94 anschreiben. Wie man aus 4.24 unmittelbar erkennt, ist die Hamiltonfunktion H entlang von stationären Funktionen konstant und bildet damit eine Invariante des Systems. b Die Lagrangesche Dichte hängt nicht von x ab, d. h. l = l t, ẋ. Dann folgt aus den Euler-Lagrange Gleichungen 4.8, dass ẋ i l, i =,..., n Invarianten des Systems sind, denn es gilt d l = dt ẋ i Aufgabe 4.. Nehmen Sie an, dass l x, ẋ die Lagrangefunktion eines Starrkörpersystems ist Skript Regelungssysteme 2 und x bzw. ẋ die generalisierten Lagekoordinaten und Geschwindigkeiten bezeichnen. Geben Sie eine physikalische Interpretation der Hamiltonfunktion H von 4.23 und der Größen ẋ i l, i =,..., n an. Beispiel 4.3 Galileo s hängende Kette. Galileo formulierte die Frage, welche Form eine an beiden Enden aufgehängte Kette im Schwerefeld der Erde besitzt. Galileo nahm dabei fälschlicherweise an, dass die Kette eine Parabel beschreiben würde. Das Problem wurde um 690 von Johann Bernoulli, Christiaan Huygens und Gottfried Leibniz mit Hilfe der Variationsrechnung gelöst. y A Hängende Kette der Länge L B g Abstand d yx =? 0 x A x B x Abbildung 4.: Galileo s Problem: Bestimmung der Form yx einer hängenden Kette. Betrachtet wird eine Kette der Länge L, deren Enden in den Punkten A und B aufgehängt sind, siehe Abbildung 4.. Aus dem Hamiltonschen Prinzip der Mechanik folgt, dass die potentielle Energie der Kette im statischen Gleichgewicht minimal sein muss. Mit Hilfe der Bogenlänge s und der Beziehung ds = mit = d dx ergibt sich die potentielle Energie zu dx 2 + dy 2 = + y x 2 dx 4.26 L xb V = ρ g y ds = ρ g y + y x 2 dx, x A wobei g die Erdbeschleunigung und ρ die Linienmassendichte bezeichnet. Im Hinblick auf die Minimierung der potentiellen Energie V kann der konstante Faktor ρ g
7 4. Grundlagen der Variationsrechnung Seite 95 vernachlässigt werden, womit sich das Kostenfunktional und die Randbedingungen zu xb Jy = y + y x 2 dx, yx A = y A, yx B = y B 4.28 x A ergeben. Da in der Lagrangeschen Dichte ly, y = y + y x 2 die unabhängige Variable x nicht explizit auftritt, muss gemäß 4.24 die Hamiltonfunktion eine Invariante des Systems sein, d. h. H = y y l y, y ly, y = y y 2 + y 2 y + y 2 = y + y 2 = c 4.29 mit einer Konstanten c. Unter der Annahme c 0 kann die letzte Gleichung in die Form y y 2 = 4.30 gebracht werden. Unter Berücksichtigung von y = Integration als Funktion von y ausgedrückt x = c 2 d dxy wird x zunächst mittels dy = c ln y + y 2 c 2 + c 2, 4.3 y 2 c c 2 wobei c 2 eine Integrationskonstante darstellt. Durch Umformung und Quadrierung, kann y in folgender Form c e x c 2/c y 2 = y 2 c 2, 4.32 y = 2 c e 2x c 2/c + e x c = 2/c 2 c e x c 2/c + e x c 2/c geschrieben werden. Mit coshb = 2 eb + e b ergibt sich die Kettenlinie zu x c2 yx = c cosh Gegebenenfalls kann noch eine dritte Konstante c 3 zu 4.34 addiert werden, um die Kettenlinie für eine in den Punkten A und B aufgehängte Kette durch numerische Lösung der Gleichungen yx A = y A, yx B = y B, xb x A c + y x 2 dx = L 4.35 in Abhängigkeit der Kettenlänge L zu berechnen. Abbildung 4.2 zeigt die Kettenlinie yx mit der Länge L =.5 für verschiedene Aufhängepunkte im Vergleich zu der von Galileo vermuteten Parabel.
8 4. Grundlagen der Variationsrechnung Seite 96.4 Kettenfunktion yx Kettenlinie cosh-funktion Galileo s Vermutung Parabel Position x Abbildung 4.2: Hängende Kette der Länge L =.5 für verschiedene Aufhängepunkte. Analog zum finit-dimensionalen Fall, siehe Satz 2.2, können auch für die Minimierung von Funktionalen notwendige Bedingungen zweiter Ordnung formuliert werden. Satz 4.3 Notwendige Bedingungen zweiter Ordnung - Legendre Bedingung. Angenommen x X ad ist ein lokales Minimum des Funktionals J x = l t, x t, ẋ t dt 4.36 mit der zulässigen Menge X ad = {x t C [, t ] } n : x t0 = x 0, x t = x und der zweifach stetig differenzierbaren Lagrangeschen Dichte l : R R n R n R, dann erfüllt x die Euler-Lagrange Gleichungen 4.8 und die so genannte Legendre Bedingung 2 ẋ 2 l t, x t, ẋ t ist positiv semi-definit 4.37 für alle t [, t ]. Satz 4.2 behandelt das Lagrange Problem der Variationsrechnung 4.. Im nächsten Schritt soll das Bolza Problem der Variationsrechnung 4.2 mit freier Endzeit näher untersucht werden. Satz 4.4 Euler-Lagrange Gleichungen für freie Endzeit. Gegeben sei das Funktional J t, x = ϕ t, x t + l t, x t, ẋ t dt 4.38 mit der zulässigen Menge X ad = {t, x t, T C [, T] } n : x t0 = x 0, der hinreichend großen Zeit T t, der stetig differenzierbaren Lagrangeschen Dichte
9 4. Grundlagen der Variationsrechnung Seite 97 l :R R n R n Rund der stetig differenzierbaren Randkostenfunktion ϕ :R R n R. Wenn t, x t ein lokales Minimum von J x auf X ad bezeichnet, dann erfüllt x t die Euler-Lagrange Gleichungen 4.8 im Intervall [, t ] und es gelten die Anfangsbedingung x = x 0 sowie die Transversalitätsbedingungen [ ẋ l + ] x ϕ = 0 T 4.39a t=t [, x=x l ẋ l ẋ + t ]t=t ϕ = b, x=x Beweis. Wenn man die Endzeit t fixiert, dann folgt aus Satz 4.2 unmittelbar, dass die optimale Lösung x t im Intervall [, t ] die Euler-Lagrange Gleichungen 4.8 erfüllt. Um die optimale Endzeit t zu berechnen, nimmt man an, dass xt in einem hinreichend großen Intervall [, T], T t definiert ist und betrachtet den linearen FunktionenraumR C [, T] n. Die Gâteaux Ableitung 4.9 von Definition 4. wird dann in der Form J t + ητ, x + ηξ J t, x δj t, x; τ, ξ := lim = η 0 η η J t + ητ, x + ηξ η= erweitert und die notwendige Bedingung für ein Minimum 4.6 von Satz 4. ausgewertet. Wendet man nun 4.40 auf 4.38 an, so erhält man η J t + ητ, x + ηξ = = η ϕ t + ητ, x t + ητ + ηξ t + ητ + η = t ϕ τ + x ϕ t x +η }{{} t ξ τ + }{{} x ϕξ ẋ ξ t +ητ + η l t, x + ηξ, ẋ + ηξ [ dt + τ l t +ητ l t, x + ηξ, ẋ + ηξ dt t=t +ητ, x=x +ηξ t, x + ηξ, ẋ + ηξ ] [ = t ϕ τ + [ x ϕ ẋ + ηξ ] τ + x ]t=t ϕξ + τ +ητ, x=x +ηξ [ + ẋ l t, x + ηξ, ẋ + ηξ ] t +ητ ξ t +ητ [ + x l t, x + ηξ, ẋ + ηξ d dt [ l t=t +ητ t, x + ηξ, ẋ + ηξ ] ẋ l t, x + ηξ, ẋ + η ξ ] ξdt. 4.4 t=t +ητ
10 4. Grundlagen der Variationsrechnung Seite 98 Wertet man 4.4 für η = 0 aus, so lautet die notwendige Optimalitätsbedingung δj t, τ; x, ξ = η J t + ητ, x + ηξ η=0 [ = t ϕ τ + ] [ ] [ ] x ϕ ẋτ + ξ + τl + t=t ẋ l ξ,x=x t=t, ẋ l ξ x=x t=, x=x t [ + x l t, x, ẋ d ] dt ẋ l t, x, ẋ ξdt = Da der Anfangswert mit x = x 0 festgelegt ist, muss für eine zulässige Richtung ξ die Bedingung ξ = 0 gelten. Im Weiteren erfüllt die optimale Lösung x t im Intervall [, t ] die Euler-Lagrange Gleichungen 4.8, weshalb sich 4.42 zu [ τ l ẋ l ẋ + [ t ]t=t ϕ +, x ϕ + ] ẋ l ẋ t τ + ξ t = 0 x=x t=t, x=x 4.43 vereinfacht. Wenn die Endzeit t und der Endwert x t frei sind, dann sind τ und ξt unabhängig voneinander frei wählbar, weshalb 4.43 nur dann Null ist, wenn die Transversalitätsbedingungen 4.39 erfüllt sind. Das Ergebnis von Satz 4.4 lässt sich nun wie folgt verallgemeinern. a Wenn die Endzeit fest ist, dann gilt t = t und damit τ = 0, womit automatisch der erste Term von 4.43 verschwindet. Es liegt somit keine Transversalitätsbedingung 4.39b vor. i Wenn für eine Komponente x j t, j {,..., n} von xt gilt, dass der Endwert x j t = x j t = x j fest ist, dann muss für diese Komponente ξ j t = 0 gelten, womit der zugehörige Eintrag im zweiten Term von 4.43 automatisch verschwindet und keine Transversalitätsbedingung für diese Komponente vorliegt. Dieser Fall entspricht dem Ergebnis von Satz 4.2. ii Wenn für eine Komponente x j t, j {,..., n} von xt gilt, dass der Endwert x j t frei ist, dann lautet, wie man aus 4.43 erkennen kann, die Transversalitätsbedingung für diese Komponente [ l + ] ϕ = ẋ j x j t=t, x=x b Wenn die Endzeit frei ist, dann muss die Transversalitätsbedingung 4.39b gelten. [ l ẋ l ẋ + t ϕ ]t=t, x=x =
11 4. Grundlagen der Variationsrechnung Seite 99 i Wenn für eine Komponente x j t, j {,..., n} von xt gilt, dass der Endwert x j t = x j fest ist, dann muss für diese Komponente eine zulässige Richtung τ, ξ j die Bedingung bzw. x j = x j t + ητ + ηξ j t + ητ = η x j = ξ j t + τẋ j t 4.47 η=0 erfüllen. Damit verschwindet der zugehörige Eintrag im zweiten Term von 4.43 und es liegt keine weitere Transversalitätsbedingung für diese Komponente vor. ii Wenn für eine Komponente x j t, j {,..., n} von xt gilt, dass der Endwert x j t frei ist, dann lautet, analog zum Fall aii, die Transversalitätsbedingung für diese Komponente [ l + ] ϕ = ẋ j x j t=t, x=x 4..3 Stückweise stetig differenzierbare Extremale Bei den bisherigen Betrachtungen, siehe im Speziellen Satz 4.2, 4.3 und 4.4, wurde stets angenommen, dass xt im Funktionenraum der im Intervall [, t ] vektorwertigen stetig differenzierbaren Funktionen C [, T] n definiert ist. Im Weiteren soll dies auf den Funktionenraum der stückweise stetig differenzierbaren Funktionen Ĉ [, T] n erweitert werden, wobei zusätzlich die globale Stetigkeit vorausgesetzt wird. Man nennt nun eine reellwertige Funktion xt Ĉ [, t ] stückweise stetig differenzierbar, wenn eine finite Partitionierung = c 0 < c <... < c N+ = t so existiert, dass die Funktion xt in allen Intervallen c k, c k+, k = 0,..., N stetig differenzierbar ist, siehe Abbildung 4.3. Die inneren Punkte c,..., c N werden als Eckpunkte von xt bezeichnet. Für stückweise xt 0 c c 2 c N t t Abbildung 4.3: Beispiel einer Funktion xt Ĉ [, t ]. stetig differenzierbare Funktionen ˆx t Ĉ [, t ] lauten die Normen gemäß 4.7 ˆx t := max ˆx t und ˆx t t t, := max ˆx t + sup d t t ˆx t dt. t N k=0 c k,c k+ 4.49
12 4. Grundlagen der Variationsrechnung Seite 00 Es gilt nun folgender Satz. Satz 4.5 Stückweise stetig vs. stetig differenzierbare Extremale. Angenommen x X ad ist ein lokales Minimum des Funktionals J x = l t, x t, ẋ t dt 4.50 mit der zulässigen Menge X ad = {x t C [, t ] } n : x t0 = x 0, x t = x und der stetig differenzierbaren Lagrangeschen Dichte l : R R n R n R, dann ist x ˆX ad auch ein lokales Minimum des Funktionals 4.50 in der zulässigen Menge ˆX ad = {x t Ĉ [, t ] n : x = x 0, x t = x } bezüglich der gleichen Norm bzw.,. Man kann nun zeigen, dass eine extremale Lösung ˆx t Ĉ [, t ] n im gesamten Intervall [, t ] außer an den Eckpunkten c,..., c N die Euler-Lagrange Gleichungen 4.8 und die Legendre-Bedingung 4.37 erfüllt. Die Transversalitätsbedingungen 4.44, 4.45 und 4.48 bleiben im Falle stückweise stetig differenzierbarer Extremale unverändert. Die Unstetigkeiten von d dtˆx t an den Eckpunkten t = c k, k =,..., N unterliegen nun folgenden Einschränkungen: Satz 4.6 Erste Weierstrass-Erdmann Bedingung. Angenommen ˆx ˆX ad ist ein lokales Minimum des Funktionals J ˆx = mit der zulässigen Menge ˆX ad = l t, ˆx t, ˆx t dt 4.5 {ˆx t Ĉ [, t ] n : ˆx = ˆx 0, ˆx t = ˆx }, wobei die Lagrangesche Dichte l sowie die partiellen Ableitungen ˆx i l und ˆx l stetig i auf [, t ] R n R n sind. Dann gilt für jeden Eckpunkt c, t von ˆx t, dass die Bedingung ˆx l c, ˆx c, ˆx c = ˆx l c, ˆx c, ˆx c erfüllt ist, wobei ˆx c und ˆx c + den links- bzw. rechtsseitigen Grenzwert von ˆx t an der Stelle t = c bezeichnen. Die erste Weierstrass-Erdmann Bedingung besagt also, dass an den Eckpunkten einer lokal extremalen Trajektorie ˆx t Ĉ [, t ] n nur jene Unstetigkeiten von ˆx erlaubt sind, die die Stetigkeit von l erhalten. Im Weiteren kann gezeigt werden, dass an ˆx ˆx l ˆx l gewährleis- den Eckpunkten auch die Stetigkeit der Hamiltonfunktion H = tet ist. Diese letztere Bedingung ist auch unter dem Namen zweite Weierstrass-Erdmann Bedingung bekannt.
13 4. Grundlagen der Variationsrechnung Seite 0 Satz 4.7 Zweite Weierstrass-Erdmann Bedingung. Angenommen ˆx ˆX ad ist ein lokales Minimum des Funktionals J ˆx = mit der zulässigen Menge ˆX ad = l t, ˆx t, ˆx t dt 4.53 {ˆx t Ĉ [, t ] n : ˆx = ˆx 0, ˆx t = ˆx }, wobei die Lagrangesche Dichte l sowie die partiellen Ableitungen ˆx i l und ˆx l stetig i auf [, t ] R n R n sind. Dann gilt für jeden Eckpunkt c, t von ˆx t, dass mit der Hamiltonfunktion H die Bedingung t, ˆx t, ˆx t = ˆx l t, ˆx t, ˆx t ˆx t l t, ˆx t, ˆx t H 4.54 c, ˆx c, ˆx c = H c, ˆx c, ˆx c erfüllt ist, wobei ˆx c und ˆx c + den links- bzw. rechtsseitigen Grenzwert von ˆx t an der Stelle t = c bezeichnen. Beispiel 4.4. Gesucht ist ein lokales Minimum x X ad des Funktionals J x = x 2 t ẋt 2 dt 4.56 in der zulässigen Menge X ad = { x t C [, ] : x = 0, x = }. Da die Lagrangesche Dichte nicht explizit von der Zeit t abhängt, ist die Hamiltonfunktion H = ẋ l ẋ l = 2x 2 ẋ ẋ x 2 ẋ 2 = x 2 ẋ 2 = k 4.57 für alle Zeiten t [, ] konstant mit der Konstanten k und damit eine Invariante des Systems, siehe auch Ersetzt man x 2 t = z t und 2x t ẋ t = ż t in 4.57, dann erhält man und die Lösung von 4.58 errechnet sich zu z t 4ż2 t = k 4.58 z t = t + k k 4.59 mit der Konstanten k 2. Mit x = 0 und x = sowie z t = x 2 t folgen 2 die Konstanten k und k 2 zu k = 3 4 und k2 = 4 und die mögliche stationäre Lösung x t des Kostenfunktionals 4.56 lautet x t = ± t
14 4.2 Entwurf von Optimalsteuerungen Seite 02 Die Wurzel liefert nur für t 2 und t < ein reellwertiges Ergebnis, weshalb x t keine stationäre Lösung von 4.56 in der zulässigen Menge X ad = {x t C [, ] : x = 0, x = } darstellt. Im nächsten Schritt soll das Kostenfunktional 4.56 in der zulässigen Menge ˆX ad = {ˆx t Ĉ [, ] : ˆx = 0, ˆx = } minimiert werden. Die Weierstrass- Erdmann Bedingung 4.52 besagt nun, dass an einem Eckpunkt c, gilt 2ˆx 2 c [ ˆx c ] = 2ˆx 2 c + [ ˆx c +] 4.6 bzw. mit ˆx c = ˆx c + = ˆx c folgt [ ˆx 2 c ˆx c + ˆx c ] = Da an einem Eckpunkt t = c gilt ˆx c + ˆx c, muss zur Erfüllung von 4.62 die Bedingung ˆx c = 0 eingehalten werden. Den minimalen Wert des Kostenfunktionals 4.56 von Null erhält man offensichtlich für ˆxt = 0 oder ˆxt = für alle t in [, ]. Da aber ˆx = ist, muss man für ein möglichst großes Intervall c, ] mit ˆxt > 0 die Bedingung ˆxt = erfüllen. Eine Unstetigkeit in der Ableitung der minimierenden Lösung kann nur an einer Stelle auftreten, bei der der Wert der Funktion selbst identisch Null ist. Man kann sich nun einfach davon überzeugen, dass die Funktion { 0 für t 0 ˆx t = 4.63 t für 0 < t das eindeutige globale Minimum des Kostenfunktionals 4.56 in der zulässigen Menge ˆX ad = {ˆx t Ĉ [, ] : ˆx = 0, ˆx = } beschreibt. 4.2 Entwurf von Optimalsteuerungen 4.2. Problemformulierung Die typische Aufgabe, die es zu lösen gilt, besteht darin, für ein dynamisches System beschrieben durch die Differenzialgleichungen ẋ = f t, x t, u t, x = x mit der Zeit t R, dem Zustand x R n und dem Stelleingang u R m eine geeignete Steuertrajektorie ut, t [, t ] so zu finden, dass ein Kostenfunktional der Form siehe auch 4.2 J u = ϕ, x, t, x t + l t, x t, u t dt 4.65 bezüglich ut minimiert wird und dabei gewisse Beschränkungen in xt und ut eingehalten werden. Beim Kostenfunktional unterscheidet man im Allgemeinen zwischen der Bolza-Form
15 4.2 Entwurf von Optimalsteuerungen Seite , der Lagrange-Form und der Mayer-Form J u = l t, x t, u t dt, 4.66 J u = ϕ, x, t, x t Aufgabe 4.2. Zeigen Sie, dass die Lagrange-Form in die Mayer-Form überführt werden kann, indem man einen zusätzlichen Zustand ẋ n+ = l t, x, u, x n+ = einführt und das Kostenfunktional in der Form Ju = x n+ t anschreibt. Zeigen Sie, dass die Mayer-Form in die Lagrange-Form überführt werden kann, indem man einen zusätzlichen Zustand ẋ n+ = 0, x n+ = t ϕ, x, t, x t 4.69 einführt und das Kostenfunktional in der Form J u = t x n+ t dt anschreibt. Zeigen Sie, wie man eine Bolza-Form in die Mayer- oder Lagrange-Form überführt. Bezüglich der möglichen Beschränkungen unterscheidet man zwischen Punktbeschränkungen, beispielsweise Endpunktbeschränkungen der Form Pfadbeschränkungen und isoperimetrischen Beschränkungen ψ t, x t 0, 4.70 ψ t, x t, u t 0, t I [, t ], 4.7 ψ k t, x t, u t dt C k, k =,..., n < n Man beachte, dass Pfadbeschränkungen 4.7, die nur vom Zustand und nicht von der Stellgröße abhängen, wesentlich schwieriger zu handhaben sind Existenz einer optimalen Lösung Im Skript Regelungssysteme 2 Satz 2.3 wurde gezeigt, dass wenn gt, x stückweise stetig in t ist und der Lipschitz-Bedingung g t, x g t, y L x y, 0 < L < 4.73 für alle x, y B γ = {x R n : x x 0 γ} und alle t [, +τ] genügt, dann existiert ein δ > 0 so, dass das Anfangswertproblem ẋ = gt, x, x = x
16 4.2 Entwurf von Optimalsteuerungen Seite 04 für t [, + δ] genau eine Lösung besitzt. Dadurch, dass nur stückweise Stetigkeit von gt, x in t gefordert wird, darf man gemäß 4.64 mit gt, x := f t, x t, u t für die Stellgrößen ut auch stückweise stetige Funktionen zulassen, d. h. ut Ĉ[, t ] m. Man nennt nun eine reellwertige Funktion ut Ĉ[, t ] stückweise stetig, wenn eine finite Partitionierung = c 0 < c <... < c N+ = t so existiert, dass die Funktion ut in allen Intervallen c k, c k+, k = 0,..., N stetig ist. Für stückweise stetige Stellgrößen ut sind die zugehörigen Zustandsgrößen von 4.64 stückweise stetig differenzierbar, d. h. xt Ĉ [, t ] n mit den Eckpunkten an den Unstetigkeitsstellen der Stellgrößen. Zur Erinnerung sei angemerkt, dass gemäß Satz 2.4 vom Skript Regelungssysteme 2 die Stetigkeit von g t, x und g x t, x auf der Menge [, + δ] B γ hinreichend dafür sind, dass g t, x die Lipschitz-Bedingung 4.73 lokal erfüllt. Bei den meisten praktischen Anwendungen unterliegen die Stellgrößen gewissen Beschränkungen, d. h. ut U R m. Typische Beschränkungen in diesem Zusammenhang sind sogenannte box constraints der Form u i, i =,..., m Eine stückweise stetige Stellgröße ut im Intervall t t mit ut U für alle t [, t ] bezeichnet man im Weiteren als zulässige Stellgröße. Für das Folgende sei angenommen, dass x t; x 0, u t die Lösung von 4.64 zum Zeitpunkt t für den Anfangswert x = x 0 und die Stellgröße uτ, τ t bezeichnet. Dann nennt man eine zulässige Stellgröße realisierbar, wenn x t; x 0, u t im gesamten Intervall t t definiert ist und sämtliche Beschränkungen einhält. Das Problem bei der Existenz einer Lösung des Optimalsteuerungsproblems besteht häufig darin, dass die Menge der realisierbaren Lösungen nicht kompakt ist. Es könnte nämlich passieren, dass die Lösung von 4.64 innerhalb des Optimierungsintervalls [, t ] nach Unendlich strebt und somit das Kostenfunktional unendlich wird. Dieses Phänomen ist auch unter dem Namen finite escape time bekannt. Um dies zu verhindern, fordert man oft a priori, dass die Lösungen des dynamischen Systems 4.64 beschränkt sind, also dass gilt x t; x 0, u t α, t 4.76 für ein finites α > 0. Man beachte, dass bezüglich x affine Systeme der Form ẋ = At, ux + b t, u, x = x diese Eigenschaft erfüllen und in endlicher Zeit nicht nach Unendlich streben können. Wenn das Optimierungsintervall selbst unendlich ist, dann ist die Menge der realisierbaren Stellgrößen unbeschränkt und nicht kompakt, weshalb stets ein kompaktes finites Zeitintervall [, T] mit hinreichend großem T > t gewählt werden sollte. Dies wird anhand des nachfolgenden Beispiels näher erläutert. Beispiel 4.5. Gegeben ist eine Punktmasse m, die über eine Kraft u t mi u t für alle t im Optimierungsintervall [, t ] beschleunigt wird. Die Aufgabe besteht nun darin, die Stellgröße u t so zu bestimmen, dass ausgehend von der Anfangsposition x = x 0 die Masse nach der Zeit t = t die Position x t = x
17 4.2 Entwurf von Optimalsteuerungen Seite 05 erreicht und dabei das Kostenfunktional J u = u 2 t dt 4.78 minimiert. Man erkennt unmittelbar, dass für x > x 0 die Stellgröße u t 0 nicht realisierbar ist und somit für jede realisierbare Stellgröße J u > 0 gelten muss. Betrachtet man nun die Folge der realisierbaren konstanten Stellgrößen u k t = k, k für alle t, so erhält man als Lösung des Differentialgleichungssystems das Ergebnis ẋ k = v k, x k = x a m v k = u k, v k = b x k t = x 0 + 2mk t 2 v k t = mk t. 4.80a 4.80b Die Zeit t, nach der der Zustand x k t = x erreicht wird, errechnet sich direkt aus 4.80a zu t,k = + 2mk x x Damit erhält man für u k t = k im Optimierungsintervall [, t,k ] den Wert des Kostenfunktionals zu t,k 2m J u k = k 2 dt = x k 3 x für k und damit t,k. Man erkennt also, dass gilt inf J u k = 0, d. h. das Problem hat kein Minimum. Damit die Existenz einer optimalen Steuerung auch tatsächlich gewährleistet ist, müssen weitere Einschränkungen der zulässigen Steuerungen vorgenommen werden. Zwei Möglichkeiten sollen im Folgenden kurz aufgezeigt werden. Einerseits besteht die Möglichkeit, zu fordern, dass die Stellgröße der zusätzlichen Lipschitz-Bedingung u t u s L u t s, 0 < L u <, s, t [, t ] 4.83 genügt und andererseits kann die Klasse der zulässigen Stellgrößen auf die stückweise konstanten Stellgrößen mit maximal r Unstetigkeitsstellen eingeschränkt werden Variationsformulierung Im Folgenden werden die notwendigen Bedingungen erster Ordnung für ein Optimalsteuerungsproblem mit fester Endzeit und freiem Endwert formuliert und hergeleitet.
18 4.2 Entwurf von Optimalsteuerungen Seite 06 Satz 4.8 Steuerungsproblem: Endzeit fest/endwert frei. Gesucht ist die Stellgröße u C [, t ] m so, dass das Kostenfunktional Lagrange-Form J u = unter der Gleichungsbeschränkung dynamisches System l t, x t, u t dt 4.84 ẋ = f t, x t, u t, x = x für feste Zeiten < t minimiert wird. Dabei wird angenommen, dass l und f stetig in t, x, u und stetig differenzierbar bezüglich x und u für alle t, x, u [, t ] R n R m sind. Wenn u t C [, t ] m die optimale Lösung des Optimierungsproblems bezeichnet und x t C [, t ] n die zugehörige Lösung des Anfangswertproblems 4.85 ist, dann existiert ein λ t C [, t ] n so, dass gilt ẋ = f t, x t, u t, x = x a T T λ = x l t, x t, u t x f t, x t, u t λ t, λ t = 0 0 = T T u l t, x t, u t + u f t, x t, u t λ t 4.86b 4.86c für t t. Die Gleichungen 4.86 werden als die Euler-Lagrange Gleichungen des Optimalsteuerungsproblems und λ t als der adjungierte Zustand oder der Kozustand bezeichnet. Beweis. Man betrachte dazu die einparametrische Familie der zulässigen Stellgrößen v t; η = u t + ηξ u t mit ξ u t C [, t ] m und dem skalaren Parameter η. Aufgrund der Stetigkeits- und Differenzierbarkeitsannahmen für f existiert ein η > 0 so, dass die zu v t zugehörige Lösung y t; η des Anfangswertproblems 4.85 für alle t [, t ] eindeutig und bezüglich η differenzierbar ist. Für η = 0 gilt offensichtlich y t; 0 = x t, t t. Das Kostenfunktional für v t; η lautet = J v t; η = l t, y t; η, v t; η + λ T t f t, y t; η, v t; η ẏ dt l t, y t; η, v t; η + λ T y t; η + λ T t f t, y t; η, v t; η dt λ T t y 4.87 für jedes λ t C [, t ] n. Gemäß Satz 4. lautet die notwendige Bedingung für ein Minimum δj u ; ξ u = J v t; η η = η=0
19 4.2 Entwurf von Optimalsteuerungen Seite 07 bzw. mit 0 = x l t, x, u ξ y + λ T t ξ y + λ T t u l t, x, u ξ u +λ T t x f t, x, u ξ y dt+ u f t, x, u ξ u dt λ T t ξ y t +λ T ξ y ξ y t = 4.89 η y t; Da die Auswirkung der Variation von u t auf die Lösung in Form von ξ y t schwierig zu berechnen ist, wählt man λ t = λ t so, dass gilt T T λ = x f t, x t, u t λ t x l t, x t, u t. 4.9 Für y t; η gilt näherungsweise y t; η y t; 0 }{{} x t + η y t; 0 η 4.92 }{{} ξ yt und mit x = y ; 0 = x 0 folgt ξ y = 0. Der Punkt x t hingegen ist frei, weshalb in 4.89 die Bedingung λ t = 0 gelten muss. Die adjungierte Differentialgleichung 4.9 mit der Endbedingung λ t = 0 ist linear und aufgrund der Differenzierbarkeitsannahmen für l und f existiert die Lösung λ t und ist im Intervall [, t ] eindeutig. Damit verbleibt in 4.89 der Ausdruck ξu T [ T ] T u l t, x t, u t + u f t, x t, u t λ t dt = 0, 4.93 welcher aufgrund des Fundamentallemmas der Variationsrechnung Lemma 4.2 die Bedingung T T u l t, x t, u t + u f t, x t, u t λ t = für alle t [, t ] impliziert. Wie man aus 4.86 erkennen kann, setzen sich die notwendigen Optimalitätsbedingungen für das Optimalsteuerungsproblem 4.84 und 4.85 aus 2n Differentialgleichungen in x und λ und m algebraischen Gleichungen zusammen. Da für die Differentialgleichung in x der Wert zum Anfangszeitpunkt t = und für die Differentialgleichung in λ der Wert zum Endzeitpunkt t = t gegeben ist, spricht man in diesem Zusammenhang auch
20 4.2 Entwurf von Optimalsteuerungen Seite 08 von einem Zweipunktrandwertproblem. Analog zu den Lagrange-Multiplikatoren von Abschnitt 3..2 lässt sich der adjungierte Zustand λt in der Form interpretieren, dass λ der Sensitivität des Kostenfunktionals 4.84 bezüglich einer Änderung des Anfangswertes x 0 entspricht. Die Euler-Lagrange Gleichungen 4.86 lassen sich mit Hilfe der Hamiltonfunktion auch in der Form H t, x, u, λ = l t, x, u + λ T t f t, x, u 4.95 T ẋ = λ H t, x t, u t, λ t, x = x a T λ = x H t, x t, u t, λ t, λ t = b T 0 = u H t, x t, u t, λ t 4.96c für t t anschreiben. Die letzte Bedingung 4.96c zeigt, dass u offensichtlich ein stationärer Punkt der Hamiltonfunktion H sein muss. Leitet man die Hamiltonfunktion entlang der optimalen Lösung x t, u t, λ t nach der Zeit ab, so erhält man d dt H = t H+ x H ẋ + u H u + λ H λ = t H T λ f+ẋ T λ = t H. }{{} = Wenn weder f noch l explizit von der Zeit t abhängen, dann ist die Hamiltonfunktion H offensichtlich eine Invariante des Zweipunktrandwertproblems Im Weiteren muss analog zu Satz 4.3 für ein Minimum des Kostenfunktionals J die notwendige Bedingung zweiter Ordnung Legendre-Clebsch Bedingung 2 u 2 H t, x t, u t, λ t ist positiv semi-definit 4.98 für alle Zeiten t t gelten. In Satz 4.8 wurde angenommen, dass die optimale Stellgröße u stetig ist, d. h. u t C [, t ] m. Für manche Beispiele findet man keine Lösung der Euler-Lagrange Gleichungen 4.86 in der Klasse der stetigen Stellgrößen. Aus diesem Grund sucht man Extremale in der erweiterten Klasse der stückweise stetigen Stellgrößen Ĉ [, t ] m. Wie bereits im Abschnitt diskutiert, sind für stückweise stetige Stellgrößen ut die zugehörigen Zustandsgrößen xt von 4.85 stückweise stetig differenzierbar, d. h. xt Ĉ [, t ] n mit den Eckpunkten an den Unstetigkeitsstellen der Stellgrößen. Bezeichnet man mit û t Ĉ[, t ] m die optimale Stellgröße und mit ˆx t und ˆλ t den zugehörigen Zustand und den adjungierten Zustand des Optimalsteuerungsproblems 4.84, 4.85, dann
21 4.2 Entwurf von Optimalsteuerungen Seite 09 gelten für jeden Eckpunkt c, t die Bedingungen H c, ˆx c, û c, ˆλ c ˆx c = ˆx c + ˆλ c = ˆλ c + = H c +, ˆx c, û c +, ˆλ c 4.99a 4.99b, 4.99c wobei c bzw. c + den jeweiligen links- bzw. rechtsseitigen Grenzwert angeben. Man beachte, dass 4.99b und 4.99c der ersten und zweiten Weierstrass-Erdmann Bedingung von Abschnitt 4..3 entsprechen. Im Folgenden werden die notwendigen Bedingungen erster Ordnung für ein Optimalsteuerungsproblem mit freier Endzeit und allgemeinen Endbeschränkungen formuliert und hergeleitet. Satz 4.9 Steuerungsproblem: Endzeit frei/endbeschränkung. Gesucht ist die Stellgröße u C [, t ] m so, dass das Kostenfunktional Bolza-Form unter den Gleichungsbeschränkungen J u = ϕ t, x t + l t, x t, u t dt 4.00 ẋ f t, x t, u t = 0, x = x 0 4.0a G k u, t = ψ k t, x t = 0, k =,..., p 4.0b mit fester Anfangszeit und freier Endzeit t T minimiert wird. Dabei wird angenommen, dass l und f stetig in t, x und u und stetig differenzierbar bezüglich x und u für alle t, x, u [, T] R n R m sind sowie die Funktionen ϕ und ψ k, k =,..., p stetig und stetig differenzierbar bezüglich t und x für alle t, x [, T] R n sind. Weiters sei u, t C [, t ] m [, T die optimale Lösung des Optimierungsproblems und x C [, T] n die zugehörige Lösung des Anfangswertproblems 4.0a. Darüber hinaus wird angenommen, dass für p unabhängige zulässige Richtungen ξ k, τ k C [, t ] m [, T, k =,..., p die folgende Regularitätsbedingung δg u, t ; ξ, τ δg u, t ; ξ p, τ p det δg p u, t ; ξ, τ δg p u, t ; ξ p, τ p
22 4.2 Entwurf von Optimalsteuerungen Seite 0 gilt. Dann existiert ein λ C [, t ] n und ein µ R p so, dass die Beziehungen T ẋ = λ H t, x t, u t, λ t, x = x a T T λ = x H t, x t, u t, λ t, λ t = Φ t x, x t, µ 0 = u H T t, x t, u t, λ t für t t mit den Transversalitätsbedingungen 4.03b 4.03c ψ t, x t = a Φ t t, x t, µ + H t, x t, u t, λ t = 0, 4.04b und der Hamiltonfunktion H = l+λ T f sowie Φ = ϕ+µ T ψ, ψ T = [ψ ψ 2... ] ψ p erfüllt sind. Beweis. Man betrachte dazu wiederum die einparametrische Familie der zulässigen Stellgrößen v t; η = u t + ηξ u t mit ξ u C [, t ] m und dem skalaren Parameter η. Aufgrund der Stetigkeits- und Differenzierbarkeitsannahmen für f existiert ein η > 0 so, dass die zu v t zugehörige Lösung y t; η des Anfangswertproblems 4.0a für alle t [, T] eindeutig und bezüglich η differenzierbar ist. Für η = 0 gilt offensichtlich v t; 0 = u t, t t, und y t; 0 = x t, t T. Da der Anfangswert x = x 0 fest ist, muss die Beziehung y ; η = x 0 sowie η y ; 0 = ξ y = 0, siehe auch 4.90, gelten. Das um die Gleichungsbeschränkungen 4.0b erweiterte Kostenfunktional 4.00 für v t; η und der Endzeit t = t + ητ lautet dann J t v t; η, t = l t, y t; η, v t; η + λ T t f t, y t; η, v t; η ẏ dt + ϕ t, y t ; η + µ T ψ t, y t ; η t = l t, y t; η, v t; η + λ T t f t, y t; η, v t; η + λ T t y t; η dt λ T t y t ; η + λ T y ; η + ϕ t, y t ; η + µ T ψ t, y t ; η Gemäß Satz 4. berechnet sich die notwendige Bedingung für ein Minimum aus δ J u, t ; ξ u, τ = η J v t; η, t = η=0
23 4.2 Entwurf von Optimalsteuerungen Seite zu t 0 = x l t + λ T t t, x, u ξ y + u l t, x, u ξ u + λ T t x f t, x, u ξ y dt u f t, x, u ξ u + λ T t ξ y dt + l t, y t ; 0, v t ; 0 τ + λ T t f t, y t ; 0, v t ; 0 τ + λ T t y t ; 0 τ λ T t ξ y t + λ T ξ y λ T t y t ; 0 τ λ T t ẏ t ; 0 τ + ϕ t x, y t ; 0 ξ y t + ϕ t t, y t ; 0 τ + ϕ t x, y t ; 0 ẏ t ; 0 τ + µ T ψ t x, y t ; 0 ξ y t + µ T ψ t t, y t ; 0 τ + µ T ψ t x, y t ; 0 ẏ t ; 0 τ und mit y t ; 0 = x t, v t ; 0 = u t folgt 0 = t { t 4.07 } x l t, x, u + λ T t x f t, x, u + λ T t ξ y dt { } u l t, x, u + λ T t u f t, x, u ξ u dt+ { ϕ + µ T } ψ t x x, x t λ T t ξ y t + ẋ t τ { ϕ + µ T } ψ t t t, x t + l + λ T f t, x t, u t τ Da die Auswirkung der Variation von u t auf die Lösung in Form von ξ y t schwierig zu berechnen ist, wählt man λ t so, dass die erste Zeile in 4.08 identisch verschwindet, d. h. T T λ = x f t, x t, u t λ t x l t, x t, u t 4.09 mit der zugehörigen Endwertbedingung so, dass die dritte Zeile in 4.08 zu Null wird, also λ t = ϕ + µ T T ψ t x x, x t. 4.0 Die Transversalitätsbedingung 4.04b folgt unmittelbar aus der letzten Zeile von 4.08 und die Extremalbedingung für die Hamiltonfunktion in 4.03 ergibt sich wiederum direkt aufgrund des Fundamentallemmas der Variationsrechnung angewandt auf die zweite Zeile von 4.08.
24 4.2 Entwurf von Optimalsteuerungen Seite 2 Für eine Zusammenfassung der Ergebnisse von Satz 4.9 werden in weiterer Folge nur so genannte partielle Endbedingungen der Form ψ j = x k t x k, j =,..., p 4. mit x k = konst. als fixem Endwert der Komponente x k von x betrachtet. Für diesen vereinfachenden Spezialfall kann die Endbedingung für λ t von 4.03b ersetzt werden und unter Berücksichtigung von 4.08 gilt Folgendes: a Wenn die Endzeit fest ist, dann gilt t = t und damit τ = 0, womit automatisch der zugehörige Eintrag in der vierten Zeile von 4.08 verschwindet. Es liegt somit keine Transversalitätsbedingung gemäß 4.04b vor. i Wenn für eine Komponente x k von x gilt, dass der Endwert fest ist, dann gilt y k t ; η = x k t = x k t = x k. Daraus folgt ξ y,k t = 0 womit automatisch der zugehörige Eintrag in der dritten Zeile von 4.08 verschwindet. Damit liegt für diese Komponente keine Endbedingung für den zugehörigen adjungierten Zustand λ k t vor. ii Wenn für eine Komponente x k von x gilt, dass der Endwert frei ist, dann muss, wie man aus der dritten Zeile von 4.08 erkennen kann, die Komponente des zugehörigen adjungierten Zustands λ k t folgende Endbedingung λ k t = ϕ t x, x t 4.2,k erfüllen. b Wenn die Endzeit frei ist, dann muss die Transversalitätsbedingung t Φ t, x t, µ +H t, x t, u t, λ t = 0, H = l+λ T f 4.3 gelten. In Abhängigkeit davon, ob der Endwert einer Komponente x k von x fest oder frei ist, können die Unterpunkte i und ii vom Fall a auch direkt hier angewandt werden. Wenn in Satz 4.9 die Gleichungsbeschränkungen 4.0b durch Ungleichungsbeschränkungen der Form G k u, t = ψ k t, x t 0, k =,..., p 4.4 ersetzt werden, so ändert sich lediglich 4.04a zu ψ k t, x t 0 4.5a µ 0 4.5b µ T ψ t, x t = c
25 4.2 Entwurf von Optimalsteuerungen Seite 3 Aufgabe 4.3. Gesucht ist eine Lösung des Optimierungsproblems min u Zeigen Sie, dass die Lösung durch x t = e 2 a 0 2 u2 + a 2 x2 dt, a > 0 4.6a u.b.v. ẋ = u, x0 =, x = b e at e a2 t, u t = a e 2 a e at + e a2 t 4.7 gegeben ist und interpretieren Sie die Ergebnisse in Abbildung 4.4, die für verschiedene Parameterwerte a dargestellt sind Zustand x Stellgröße u a = a = 0 adj. Zustand λ 0 a = Zeit t Zeit t Abbildung 4.4: Optimale Trajektorien in Aufgabe Zeit t Aufgabe 4.4. Gesucht ist eine Lösung des Optimierungsproblems min u a 2 x u2 dt, a 0 4.8a u.b.v. ẋ = x 2, x 0 =, x = 0 4.8b ẋ 2 = u, x 2 0 = c Zeigen Sie, dass sich für den freien Endzustand x 2 = 6/4+a in Abhängigkeit des Parameters a 0 ergibt und dass die optimale Lösung durch x t = 2 + a 32 + a 4 + a t3 a + 4 t2 +, u 2 + a 62 + a t = t 4 + a a + 4 gegeben ist. Interpretieren Sie die Ergebnisse in Abbildung Beispiel 4.6. Betrachtet wird eine Punktmasse der Masse m in der x, y-ebene, auf die eine konstante Kraft F = ma wirkt. Die Stellgröße u des Problems ist der Winkel zwischen der Schubrichtung und der x-achse, siehe Abbildung 4.6. Ziel ist es, die Punktmasse in minimaler Zeit [ = 0, t ] zu einem fest vorgegebenen Zielpunkt x, ȳ zu steuern. Unter der Annahme, dass außer dem Schub keine weiteren Kräfte
26 4.2 Entwurf von Optimalsteuerungen Seite 4 Zustand x Stellgröße u a = a = 0 a = 00 adj. Zustand λ Zeit t Zeit t Abbildung 4.5: Optimale Trajektorien in Aufgabe Zeit t auftreten, kann das Optimalsteuerungsproblem wie folgt formuliert werden min u t 4.20a u.b.v. ẋ = v, x0 = x 0, xt = x 4.20b v = a cosu, v0 = v c ẏ = w, y0 = y 0, yt = ȳ 4.20d ẇ = a sinu, w0 = w e Man beachte, dass der Endzustand nur für die Position x, y aber nicht für die Geschwindigkeiten v, w vorgegeben ist. y a m u v w Trajektorie x Abbildung 4.6: Bewegung einer Punktmasse der Masse m in der x, y-ebene. Die beiden fest vorgegebenen Endwerte für x und y können als Gleichungsbeschränkungen gemäß 4.0b in der Form ψ t, xt = xt x, ψ 2 t, xt = yt ȳ 4.2
27 4.2 Entwurf von Optimalsteuerungen Seite 5 formuliert werden. Die Hamiltonfunktion H und die Funktion Φ gemäß Satz 4.9 lauten dann für das vorliegende Optimierungsproblem Hx, u, λ = λ x v + λ v a cosu + λ y w + λ w a sinu 4.22a Φt, xt, µ = ϕ + µ x ψ + µ y ψ 2 = t + µ x xt x + µ y yt ȳ 4.22b [ ] T, [ ] T mit x = x v y w den adjungierten Zuständen λ = λ x λ v λ y λ w und [ ] T. den konstanten Lagrange-Multiplikatoren µ = µ x µ y Die Randbedingungen für den adjungierten Zustand errechnen sich gemäß 4.03 zu λ x t = λ y t = Φ t x, x t, µ = µ x, λ v t = Φ t v, x t, µ = a Φ t y, x t, µ = µ y, λ w t = Φ t w, x t, µ = 0 ] T mit xt [xt = vt yt wt = x = lautet das adjungierte System woraus direkt 4.23b [ x v y w ] T und damit H λ x = x, u, λ = 0, λ x xt =µ x 4.24a H λ v = x, u, λ = λ x, λ v vt = b H λ y = x, u, λ = 0, λ y yt =µ y 4.24c H λ w = x, u, λ = λ y, λ w wt = 0, 4.24d λ x = µ x, λ v = µ xt t, λ y = µ y, λ w = µ yt t 4.25 folgt. Des Weiteren muss die Hamiltonfunktion H gemäß 4.03 extremal sein, weshalb die folgende Bedingung H x, u, λ = λ u va sinu + λ wa cosu = 0, 4.26
28 4.2 Entwurf von Optimalsteuerungen Seite 6 erfüllt sein muss und u sich in der Form tanu = λ w λ v u = arctan 4.25 = µ yt t µ xt t = µ y µ = konst. x µ y mit π 2 < u < π 2 µ x 4.27 berechnen lässt. Die optimale Steuerung u ist also auf dem gesamten Zeitintervall [, t ] konstant und die zugehörigen optimalen Zustandstrajektorien x t können durch Lösen der Differentialgleichungen 4.20 und Einsetzen der Anfangsbedingungen in der Form x t = g x µ x, µ y, t = x 0 + v 0 t + 2 a cosu t 2, cosu = v t = g v µ x, µ y, t = v 0 + a cosu t y t = g y µ x, µ y, t = y 0 + w 0 t + 2 a sinu t 2, sinu = w t = g w µ x, µ y, t = w 0 + a sinu t. + µ y/µ x a 4.28b µ y µ x + µ y/µ x c 4.28d bestimmt werden. Dabei wurden die trigonometrischen Beziehungen sinarctanb = b + b 2, cosarctanb = + b verwendet. Da die Endzeit t frei ist, muss zusätzlich die Transversalitätsbedingung 4.04 gelten, wobei sich die Hamiltonfunktion 4.22a aufgrund der Endbedingungen λ vt = λ wt = 0 entsprechend vereinfacht 0 = Φ t t, x t, µ + H x t, u t, λ t 4.30a = + µ x g v µ x, µ y, t + µ y g w µ x, µ y, t. 4.30b Mit Hilfe der zwei Gleichungsbeschränkungen 4.2 und der Transversalitätsbedingung 4.30 lässt sich ein Gleichungssystem für die verbleibenden drei Unbekannten µ x, µ y und t in der Form g x µ x, µ y, t x g y µ x, µ y, t ȳ = µ x g v µ x, µ y, t + µ y g w µ x, µ y, t formulieren, welches auf numerischem Wege gelöst werden kann. Eine geeignete Matlab Funktion zur Lösung von nichtlinearen Gleichungen ist mit dem Befehl
29 4.2 Entwurf von Optimalsteuerungen Seite 7 fsolve aus der Optimization Toolbox gegeben. Die Funktion fsolve verwendet standardmäßig die Methode der Vertrauensbereiche siehe Abschnitt 2.4, um ein Gleichungssystem in Residuenform Fx = 0 als Minimierungsproblem in x zu lösen. Als Beispiel ist in Abbildung 4.7 der Matlab Code dargestellt, wie fsolve zur Lösung von 4.3 verwendet werden kann. Der gewünschte Endpunkt x, ȳ wird beim Aufruf der Funktion particlex,y übergeben, wobei angenommen wird, dass die Punktmasse am Punkt x 0, y 0 = 0, 0 mit der Geschwindigkeit v 0, w 0 = 0, in vertikale Richtung startet. Abbildung 4.8 stellt die optimalen Bahnen x t, y t der Punktmasse in der x, y-ebene für verschiedene Endpunkte x, ȳ dar. Die Pfeile zeigen die konstante Richtung u = arctanµ y/µ x der angreifenden Kraft ma an. function [t,x,y,p] = punktmassex,y % % x,y: gewünschter Endpunkt % t,x,y: Trajektorien der Punktmasse % p: Parameterstruktur p.a = ; p.x0=0; p.v0=0; p.y0=0; p.w0=; p.x=x; p.y=y; % Parameter % Anfangsbedingungen % Endbedingungen Übergabe aus Funktionsaufruf opt = optimset Display, iter ; % Optionen X0 = [-,0,]; % Startwert Xopt = fsolve@eqns,x0,opt,p; % Numerische Lösung mit fsolve p.mux=xopt; p.muy=xopt2; p.t=xopt3; % Lösung t = linspace0,p.t,00; % Trajektorien x = xfctp.mux,p.muy,t,p; y = yfctp.mux,p.muy,t,p; % function res = eqnsx,p % Gleichungen in Residuenform mux=x; muy=x2; t=x3; res = [ xfctmux,muy,t,p - p.x; yfctmux,muy,t,p - p.y; mux*vfctmux,muy,t,p + muy*wfctmux,muy,t,p + ]; % function x = xfctmux,muy,t,p % Funktionen für x und v cosu = /sqrt+muy/mux^2; x = p.x0 + p.v0*t + p.a/2*cosu*t.^2; % t.^2 steht für komponentenweise Auswertung function v = vfctmux,muy,t,p cosu = /sqrt+muy/mux^2; v = p.v0 + p.a*cosu*t; % function y = yfctmux,muy,t,p % Funktionen für y und w sinu = muy/mux*sqrt+muy/mux^2; y = p.y0 + p.w0*t + p.a/2*sinu*t.^2; % t.^2 steht für komponentenweise Auswertung function w = wfctmux,muy,t,p sinu = muy/mux*sqrt+muy/mux^2; w = p.w0 + p.a*sinu*t; Abbildung 4.7: Matlab Code für das Punktmasse Problem unter Verwendung von fsolve. Aufgabe 4.5. Gegeben ist ein lineares zeitvariantes Mehrgrößensystem der Form ẋ = A t x + B t u, x = x
30 4.2 Entwurf von Optimalsteuerungen Seite y x 0, y x Abbildung 4.8: Zeitoptimale Steuerung einer Punktmasse zu verschiedenen Endpunkten. mit dem Zustand x R n und dem Stelleingang u R m. Zeigen Sie, dass das zeitvariante Zustandsregelgesetz u t = R t B T t S t x t 4.33 mit S t als Lösung der Matrix-Riccati-Differentialgleichung Ṡ = SA A T S + SBR B T S Q, S t = S, t t 4.34 das Kostenfunktional J u = 2 x T t Q t x t + u T t R t u t dt + 2 xt t S x t 4.35 mit der für alle Zeiten t t positiv definiten Matrix R t, der für alle Zeiten t t positiv semidefiniten Matrix Q t und der positiv semidefiniten Matrix S minimiert. Dieses Problem ist auch unter dem Namen LQR Linear Quadratic Regulator Problem bekannt, vergleiche dazu auch Kapitel 3 im Skript Regelungssysteme Minimumsprinzip von Pontryagin Für das Weitere betrachte man im ersten Schritt die Minimierung des Kostenfunktionals J u = l x t, u t dt 4.36
31 4.2 Entwurf von Optimalsteuerungen Seite 9 mit der freien Endzeit t und einem festen Endzustand x t = x unter der Gleichungsbeschränkung des dynamischen Systems ẋ = f x t, u t, x = x für die zulässigen Stellgrößen m { m } u ĈU [, T] := u Ĉ [t0, T] : u t U, t0 t t 4.38 mit einer hinreichend großen Zeit T t und der nichtleeren Menge der Stellgrößenbeschränkungen U. Man kann nun das Optimierungsproblem ] 4.36, 4.37 durch Erweiterung des Zustandsvektors in der Form x T = [x T x n+ mit x n+ t := t l x τ, u τ dτ 4.39 wie folgt umformulieren: Gesucht wird eine zulässige Stellgröße u t ĈU [, T] m und eine Endzeit t so, dass die Lösung des erweiterten Systems [ ] [ ] [ ] ẋ f x, u x0 =, x = ẋ n+ l x, u 0 }{{}}{{} x f x,u 4.40 [ ] beim Punkt x T t = x T x n+ t terminiert und dabei x n+ t möglichst klein gemacht wird. Abbildung 4.9 veranschaulicht diesen Sachverhalt. x n+ Realisierbare Trajektorie Optimale Trajektorie xt x,2 x 0, 0 x t J u x 2 x, x x, 0 J u Abbildung 4.9: Zum Minimumsprinzip von Pontryagin. Die Linie durch den Punkt x, 0 parallel zur x n+ -Achse beschreibt alle Punkte einer Familie von Trajektorien xt des erweiterten Systems 4.40, die die Bedingung
Inhaltsverzeichnis. Vorlesung und Übung Optimierung (WS 2016/2017) Steinböck, Kugi, Institut für Automatisierungs- und Regelungstechnik, TU Wien
Inhaltsverzeichnis 4 Dynamische Optimierung 94 4.1 Grundlagen der Variationsrechnung...................... 94 4.1.1 Problemformulierung.......................... 94 4.1.2 Optimalitätsbedingungen.......................
Mehr1 Die direkte Methode der Variationsrechnung
Die direkte Methode der Variationsrechnung Betrachte inf I(u) = f(x, u(x), u(x)) dx : u u + W,p () wobei R n, u W,p mit I(u ) < und f : R R n R. (P) Um die Existenz eines Minimierers direkt zu zeigen,
Mehr14. Das Minimumprinzip
H.J. Oberle Variationsrechnung u. Optimale Steuerung SoSe 2008 14. Das Minimumprinzip In diesem Abschnitt behandeln wir die Idee der dynamischen Programmierung, die auf Bellmann 31 (1957) zurückgeht und
MehrLösung - Schnellübung 13
D-MAVT/D-MATL Analysis II FS 7 Dr. Andreas Steiger Lösung - Schnellübung 3. Gegeben sei die Differentialgleichung y + λ 4 y + λ y = 0. Für welche Werte des reellen Parameters λ gibt es eine von Null verschiedene
MehrNachklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 18.9.17 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Nachklausur zur Analysis 2, SoSe 217 Aufgabe
MehrGewöhnliche Differentialgleichungen Woche 6. Existenz nach Picard-Lindelöf
d Gewöhnliche Differentialgleichungen Woche 6 Existenz nach Picard-Lindelöf 6.1 Vorbereitung für den Existenzsatz 6.1.1 Stetigkeit und Lipschitz-Stetigkeit Definition 6.1 Seien (V 1, 1 und (V 2, 2 zwei
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
MehrLagrange-Formalismus
KAPITEL II Lagrange-Formalismus Die im letzten Kapitel dargelegte Formulierung der Mechanik nach Newton ist zwar sehr intuitiv: man zählt alle auf das zu studierende System wirkenden Kräfte auf, schreibt
Mehr*** 2.2. Variation mit Nebenbedingung (Ergänzung: wird nicht geprüft)
*** 2.2. Variation mit Nebenbedingung (Ergänzung: wird nicht geprüft) In manchen Problemen sind nicht alle möglichen Funktionen als Lösung erlaubt, sondern nur Funktionen, die zusätzliche Bedingungen erfüllen.
MehrMusterlösung zu Blatt 1
Musterlösung zu Blatt Analysis III für Lehramt Gymnasium Wintersemester 0/4 Überprüfe zunächst die notwendige Bedingung Dfx y z = 0 für die Existenz lokaler Extrema Mit x fx y z = 8x und y fx y z = + z
Mehr31. Kurven in Ebene und Raum
31. Kurven in Ebene und Raum Für ebene Kurven (also Kurven im R gibt es mehrere Darstellungsmöglichkeiten: implizite Darstellung : F (x, y = explizite Darstellung : y = f(x oder x = g(y Parameterdarstellung
MehrSerie 13: Online Test
D-ERDW, D-HEST, D-USYS Mathematik I HS 13 Dr. Ana Cannas Serie 13: Online Test Einsendeschluss: 31. Januar 214 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.
MehrÜbungen zu Differentialgleichungen (WiSe 12/13)
Übungen zu Differentialgleichungen WiSe 2/) Blatt 6 22 November 202 Gruppenübung Aufgabe G Sei f t, p) := p 5, t, p) R 2 Gegeben sei das Anfangswertproblem ẋ = f t,x), x0) = ) Bestimmen sie das maximale
MehrGewöhnliche Differentialgleichungen Woche 7. Globale Existenz einer Lösung
Gewöhnliche Differentialgleichungen Woche 7 Globale Existenz einer Lösung 7.1 Von lokal zu global Wir betrachten wiederum das Anfangswertproblem { y (x = f (x, y(x, y( = y 0. (7.1 Eine erste Erweiterung
Mehr12 Gewöhnliche Differentialgleichungen
2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert
Mehr(a), für i = 1,..., n.
.4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung
MehrÜbungen zum Ferienkurs Analysis II 2014
Übungen zum Ferienkurs Analysis II 4 Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar zu begründen. Schreiben
MehrTopologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte
Universität München 22. Juli 29 Topologie und Differentialrechnung mehrerer Veränderlicher, SS 29 Modulprüfung/Abschlussklausur Name: Aufgabe 2 3 4 Punkte Gesamtpunktzahl: Gesamturteil: Schreiben Sie unbedingt
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
MehrProbeklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 21717 Fakultät 4 - Mathematik und Naturwissenschaften Prof N V Shcherbina Dr T P Pawlaschyk wwwkanauni-wuppertalde Probeklausur zur Analysis 2, SoSe 217 Hinweis Die Lösungen
MehrGewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
Mehrx= f(x) p= U (x). (b) Zeigen Sie, dass auf jeder auf einem Intervall existierenden Lösung t x(t) die Energie E(t) := 1 2 p(t)2 + U(x(t)) x 1
Blatt 1 03042006 H-Ch Grunau Aufgabe 1 Betrachten Sie die Differentialgleichung x= f(x) mit f = U und U C 2 ((α, β), R) und schreiben Sie diese in der Form x= p, p= U (x) (a) Skizzieren Sie die Phasenportraits
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89
9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89 Beweis. Der Beweis erfolgt durch vollständige Induktion. Angenommen wir hätten den Satz für k 1 gezeigt. Dann ist wegen auch Damit ist f(g(y), y) = 0 0 = D y
MehrÜbungen zur Theoretischen Physik 2 Lösungen zu Blatt 13
Prof. C. Greiner, Dr. H. van Hees Sommersemester 014 Übungen zur Theoretischen Physik Lösungen zu Blatt 13 Aufgabe 51: Massenpunkt auf Kugel (a) Als generalisierte Koordinaten bieten sich Standard-Kugelkoordinaten
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
Mehrd x 2 = 1 y ' x 2 d x 2
2. Variationsrechnung 2.1. Variation ohne Nebenbedingungen Eine Funktion y = y(x) ordnet jedem x-wert eine Zahl (den y-wert) zu. In der Variationsrechnung betrachtet man Funktionale, die jeder Funktion
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, D) metrische Räume und f : X Y eine Abbildung. i) f heißt stetig in x 0 (x 0 D(f)), wenn
Stetige Funktionen Eine zentrale Rolle in der Analysis spielen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume). Dabei sind i.a. nicht beliebige
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
MehrKapitel 15. Kontrolltheorie. Josef Leydold Mathematik für VW WS 2017/18 15 Kontrolltheorie 1 / 19. T (1 s(t)) f (k(t)) dt
Kapitel 15 Kontrolltheorie Josef Leydold Mathematik für VW WS 217/18 15 Kontrolltheorie 1 / 19 Wirtschaftswachstum Aufgabe: Maximiere Konsum im Zeitraum [, T]: max s(t) 1 (1 s(t)) f (k(t)) dt f (k)...
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 23 (5.8.23). Gegeben seien die Matrizen A = 2 3 3 und B = 5 2 5 (a) Bestimmen Sie die Eigenwerte von A und B sowie die
MehrAM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:
AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 x 1, x 2,..., x n ) x 2... f 2 x 1, x 2,..., x n )... x n f m x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man: f
Mehr1 Einführung, Terminologie und Einteilung
Zusammenfassung Kapitel V: Differentialgleichungen 1 Einführung, Terminologie und Einteilung Eine gewöhnliche Differentialgleichungen ist eine Bestimmungsgleichung um eine Funktion u(t) einer unabhängigen
MehrAnalysis I. Guofang Wang Universität Freiburg
Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum
MehrProbeklausur. 1 Stetigkeit [7 Punkte] 2 Differenzierbarkeit [10 Punkte] Ferienkurs Analysis 2 für Physiker SS Karolina Stoiber Aileen Wolf
Karolina Stoiber Aileen Wolf Ferienkurs Analysis 2 für Physiker SS 26 A Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Wiederholungsklausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrÜbungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 1
Prof. Roland Gunesch Sommersemester 00 Übungen zur Vorlesung Einführung in Dnamische Ssteme Musterlösungen zu Aufgabenblatt Aufgabe : Sei A 0 4. a Bestimmen Sie für jeden Anfangswert 0 R das Verhalten
MehrKlausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
MehrAnalysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit
A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in
Mehr7 Anwendungen der Linearen Algebra
7 Anwenungen er Linearen Algebra 7.1 Extremwertaufgaben mit Nebenbeingungen Bemerkung 7.1. Wir behaneln as Problem: Gegeben ist eine zweimal stetig ifferenzierbare Funktion f : R n R un ein stetig ifferenzierbares
Mehr6 Gewöhnliche Differentialgleichungen
6 Gewöhnliche Differentialgleichungen Differentialgleichungen sind Gleichungen in denen nicht nur eine Funktion selbst sondern auch ihre Ableitungen vorkommen. Im einfachsten Fall gibt es eine unabhängige
Mehr3. Mai Zusammenfassung. g x. x i (x).
3. Mai 2013 Zusammenfassung 1 Hauptsatz Satz 1.1 Sei F C 1 (D) für eine offene Teilmenge D von R q+1 = R q R. Für (x 0, u 0 ) D gelte F (x 0, u 0 ) = 0, (x 0, u 0 ) 0. Dann gibt es eine Umgebung V von
MehrAnalysis II. 8. Klausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge
MehrKonvexe Optimierungsprobleme
von: Veronika Kühl 1 Konvexe Optimierungsprobleme Betrachtet werden Probleme der Form (P) min x C f(x) wobei f : C R eine auf C konvexe, aber nicht notwendigerweise differenzierbare Funktion ist. Ziel
MehrKlausur zu Analysis II - Lösungen
Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Dr. Axel Grünrock WS 1/11 11..11 Klausur zu Analysis II - Lösungen 1. Entscheiden Sie, ob die folgenden Aussagen richtig oder falsch sind.
MehrKlausurenkurs zum Staatsexamen (SS 2014): Differential und Integralrechnung 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 204): Differential und Integralrechnung 6 6. (Herbst 200, Thema 2, Aufgabe 4) Suchen Sie für alle c R einen Punkt auf der Parabel P := { (x,y) : y
Mehr1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differentialgleichungssysteme Prof. Dr. Wandinger
MehrMusterlösung Klausur zu Analysis II. Verständnisteil
Technische Universität Berlin SS 2009 Institut für Mathematik 20.07.2009 Prof. Dr. R. Schneider Fritz Krüger Sebastian Holtz Musterlösung Klausur zu Analysis II Verständnisteil 1. (a) Sei D R n konvex
MehrDifferenzialgleichungen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 30. Januar 2008 (System von) Differenzialgleichung(en) Schwingungsgleichung Newtonsche Mechanik Populationsdynamik...DGLn höherer Ordnung auf
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrTheorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK. K. Taubert Universität Hamburg SS08
Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK K. Taubert Universität Hamburg SS8 Linearisierung 2 LINEARISIERUNG und das VERHALTEN VON LÖSUNGEN NICHTLINEARER DIFFERENTIALGLEICHUNGEN
MehrAnalysis II. Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag
Prof Dr H Garcke, D Depner SS 9 NWF I - Mathematik 1979 Universität Regensburg Aufgabe 1 Analysis II Aufgaben zum Stoff der Analysis I und II Lösungsvorschlag i Erinnern Sie sich an die Konvergenzkriterien
MehrAnalysis 4. Lösungsvorschlag zum 12. Übungsblatt
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Andreas Geyer-Schulz SS 208. Juli 208 Analysis 4 Lösungsvorschlag zum 2. Übungsblatt Aufgabe 42 Wir untersuchen
MehrMathematik für Anwender II
Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 37 Wir haben schon im ersten Semester gewöhnliche Differentialgleichungen samt einiger Lösungsverfahren besprochen. Dort ging
MehrMathematik. für das Ingenieurstudium. 10 Funktionen mit mehreren Variablen. Jürgen Koch Martin Stämpfle.
10 Funktionen mit mehreren Variablen www.mathematik-fuer-ingenieure.de 2010 und, Esslingen Dieses Werk ist urheberrechtlich geschützt. Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung
MehrWiederholungsklausur zur Analysis II
Wiederholungsklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 11. April 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
MehrTheoretische Physik 2 (Theoretische Mechanik)
Theoretische Physik 2 (Theoretische Mechanik Prof. Dr. Th. Feldmann 12. November 2013 Kurzzusammenfassung Vorlesung 8 vom 12.11.2013 2.4 Das Hamiltonsche Prinzip ( Prinzip der kleinsten Wirkung Wir zeigen,
Mehr1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differenzialgleichungssysteme 5.1-1 1.1 Grundlagen
MehrNachklausur Analysis 2
Nachklausur Analysis 2. a) Wie ist der Grenzwert einer Folge in einem metrischen Raum definiert? Antwort: Se (a n ) n N eine Folge in dem metrischen Raum (M, d). Diese Folge besitzt den Grenzwert g M,
Mehr22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion
KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von
MehrKlausurenkurs zum Staatsexamen (SS 2015): Differential und Integralrechnung 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 26/7 (2.3.27). (a) Bestimmen Sie die kartesische Form von z = 5i 2i und z 2 = ( ) 9 3 2 2 i. (b) Bestimmen Sie sämtliche
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 7 (7.8.7). Gegeben ist die Matrix A 3 3 3 (a) Bestimmen Sie sämtliche Eigenwerte sowie die zugehörigen Eigenvektoren.
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler. (a) Bestimmen Sie die kartesische Form von Wintersemester 7/8 (..8) z = ( + i)( i) + ( + i). (b) Bestimmen Sie sämtliche komplexen Lösungen
MehrFachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt
Mehr2. Quasilineare PDG erster Ordnung
H.J. Oberle Differentialgleichungen II SoSe 2013 2. Quasilineare PDG erster Ordnung Eine skalare PDG erster Ordnung hat die allgemeine Form F (x, u(x), u x (x)) = 0. (2.1) Dabei ist u : R n G R die gesuchte
MehrMathematische Methoden in den Ingenieurwissenschaften 1. Übungsblatt
Prof Dr M Gerdts Dr A Dreves J Michael Wintertrimester 216 Mathematische Methoden in den Ingenieurwissenschaften 1 Übungsblatt Aufgabe 1 : (Schwimmer Ein Schwimmer möchte einen Fluss der Breite b > überqueren,
Mehr5 Randwertprobleme. y = f(t, y, y ) für t J, (5.2a) y(t 0 ) = y 0, y(t) = y T (5.2b) zu gegebener Funktion f und Werten y 0, y T.
5 Randwertprobleme Bei den bisher betrachteten Problemen handelte es sich um Anfangswertprobleme. In der Praxis treten, insbesondere bei Differentialgleichungen höherer Ordnung, auch Randwertprobleme auf.
MehrUmkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1
Umkehrfunktion Ist für eine stetig differenzierbare n-variate Funktion f : D R n die Jacobi-Matrix f (x ) für einen Punkt x im Innern des Definitionsbereiches D R n nicht singulär, so ist f lokal invertierbar,
MehrHamilton-Systeme. J. Struckmeier
Invarianten für zeitabhängige Hamilton-Systeme J. Struckmeier Vortrag im Rahmen des Winterseminars des Instituts für Angewandte Physik der Johann-Wolfgang-Goethe-Universität Frankfurt a.m. Hirschegg, 04.
MehrC7 Differentgleichungen (DG) C7.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: Ort: Geschwindigkeit:
C7 Differentgleichungen (DG) C7.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: (enthalten Ableitungen der gesuchten Funktionen) [Stoffgliederung im Skript für Kapitel
Mehr8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN
8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es
MehrSkalare Differenzialgleichungen
3 Skalare Differenzialgleichungen Differenzialgleichungen stellen eine Beziehung her zwischen einer oder mehreren Funktionen und ihren Ableitungen. Da Ableitungen Veränderungen beschreiben, modellieren
MehrTotale Ableitung und Jacobi-Matrix
Totale Ableitung und Jacobi-Matrix Eine reelle Funktion f : R n R m ist in einem Punkt x differenzierbar, wenn f (x + h) = f (x) + f (x)h + o( h ) für h 0. Totale Ableitung 1-1 Totale Ableitung und Jacobi-Matrix
MehrDie Forderungen 1) und 2) sind sowohl mathematisch als auch physikalisch vernünftig und einleuchtend. 3) ist eine Forderung über die
Kapitel II Elementares zu den Partiellen Differentialgleichungen 4 Sachgemäßheit und Superposition Definition 4.1 Sachgemäßheit Eine ARWA, AWA oder RWA heißt sachgemäß, falls 1) die Aufgabe eine Lösung
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
Mehry f(t)dt in eine Taylorreihe um (0,0). Für welche (x,y) konvergiert diese Reihe gegen F(x,y)? x 5! x7 7! +... = 2 3! x ! x !
Wolfgang Erben (1. Januar 016) WS 01 Analysis Aufgabe 1. (6 Punkte) Gegeben sei die Funktion f () sinh sin a) Zeigen Sie, dass f () für alle 0 durch eine Potenzreihe um 0 dargestellt werden kann. Geben
MehrKlausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8 8.1 (Herbst 2012, Thema 2, Aufgabe 5) Bestimmen Sie die allgemeine Lösung der Differentialgleichung (
MehrPROBEPRÜFUNG MATHEMATIK I UND II
PROBEPRÜFUNG MATHEMATIK I UND II für die Studiengänge Agrar-, Erd-, Lebensmittelund Umweltnaturwissenschaften Für diese Probeprüfung sind ca 4 Stunden vorgesehen. Die eigentliche Prüfung wird signifikant
MehrHinreichende Bedingungen für Optimalsteuerungsprobleme mit nichtglatten Zuständen
Hinreichende Bedingungen für Optimalsteuerungsprobleme mit nichtglatten Zuständen Ricki Rosendahl Schwerpunkt Optimierung und Approximation Department Mathematik - Universität Hamburg Hamburg, 10. April
MehrSerie 13. Analysis D-BAUG Dr. Cornelia Busch FS 2016
Analysis D-BAUG Dr. Cornelia Busch FS 2016 Serie 13 1. Prüfungsaufgabe 4, Winter 2014. Bestimmen Sie die Funktion, für die gilt: An jeder Stelle des Definitionsbereichs ist die Steigung des Graphen der
Mehr9 Differentialrechnung für Funktionen in n Variablen
$Id: diff.tex,v.7 29/7/2 3:4:3 hk Exp $ $Id: ntaylor.tex,v.2 29/7/2 3:26:42 hk Exp $ 9 Differentialrechnung für Funktionen in n Variablen 9.6 Lagrange Multiplikatoren Die Berechnung von Maxima und Minima
MehrEinführung in die Mehrdimensionale Variationsrechnung (Vorlesungsskript)
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Universität der Bundeswehr München Einführung in die Mehrdimensionale Variationsrechnung (Vorlesungsskript) Univ. Prof.
MehrHöhere Mathematik III für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Ioannis Anapolitanos Dipl.-Math. Sebastian Schwarz WS 5/6 6..5 Höhere Mathematik III für die Fachrichtung Physik Lösungsvorschläge zum. Übungsblatt
Mehrx 2 y + xp(x)y + q(x)y = 0, (1) wobei p(x) = Satz: Falls ρ 1, ρ 2 R, mit ρ 1 ρ 2 so gibt es für 0 < x < R ein Fundamentalsystem von (1) der Gestalt
Kurze Zusammenfassung der Vorlesung 6 Am Anfang werden wir einbisschen mehr den Potenzreihenansatz besprechen. Abgewandelter Potenzreihenansatz In Verallgemeinerung der Eulerschen Differentialgleichung
Mehr7 Das Eulersche Polygonzugverfahren
35 7 Das Eulersche Polygonzugverfahren Lösungen von Differentialgleichungen sind nur in speziellen Fällen explizit angebbar; oft können nur Approximationen an Lösungen numerisch berechnet werden. In diesem
Mehrh n = (t t 0 )/n Bevor wir diesen Satz beweisen, geben wir noch einen Hilfssatz an, der eine wichtige Abschätzung liefert.
Kapitel 4 Berechnung von Lösungen 41 Die Euler sche Polygonzugmethode Die Grundlage dieser Methode ist die einfache Beobachtung, dass f(u, t) in der Nähe eines Punktes als nahezu konstant angesehen werden
Mehrtun, sondern nur mit der Reaktion auf verschiedene Anfangswerte.
2.3 Stabilität Eine wichtige Rolle spielt das Stabilitätsverhalten dynamischer Systeme. Wie üblich sei Φ die Fundamentalmatrix des linearen Systems ẋ = A(t)x + u. Im weiteren sei t fixiert, später wird
MehrFloquet-Theorie IV. 1 Hills Gleichung
Vortrag zum Seminar Gewöhnliche Differentialgleichungen, 08.11.2011 Tobias Roidl Dieser Vortrag befasst sich mit der Hills Gleichung und gibt eine Einführung in die Periodischen Orbits von linearen Systemen.
Mehr1.6 Implizite Funktionen
1 1.6 Implizite Funktionen Wir werden uns jetzt mit nichtlinearen Gleichungen beschäftigen, f(x) = 0, wobei f = (f 1,..., f m ) stetig differenzierbar auf einem Gebiet G R n und m < n ist. Dann hat man
MehrLösungen der Aufgaben zu Kapitel 10
Lösungen der Aufgaben zu Kapitel 10 Abschnitt 10.2 Aufgabe 1 (a) Die beiden Funktionen f(x) = 1 und g(y) = y sind auf R definiert und stetig. 1 + x2 Der Definitionsbereich der Differentialgleichung ist
MehrExakte Differentialgleichungen
Kapitel 4 Exakte Differentialgleichungen 4.1 Kurvenscharen Sei D R 2 ein offenes und zusammenhängendes Gebiet. Dann kann man zu jeder D einfach überdeckenden Kurvenschar eine Differentialgleichung erster
MehrAnalysis II 14. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau
Mehr1 Umkehrfunktionen und implizite Funktionen
Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Differential und Integralrechnung 8
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 2015/16): Differential und Integralrechnung 8 8.1 (Herbst 2012, Thema 2, Aufgabe 5) Bestimmen Sie die allgemeine Lösung der Differentialgleichung (
MehrTechnische Universität Berlin
Technische Universität Berlin Fakultät II Institut für Mathematik WS 7/8 W. Stannat, A. Gündel-vom ofe..8 Februar Klausur Analysis II für Ingenieurwissenschaften Lösungsskizze Analysis II für Ingenieurwissenschaften
MehrWie in der reellen Analysis üblich notiert man Folgen f in der Form
2.1.3 Folgen und Konvergenz Viele aus der Analysisvorlesung bekannte Begriffe lassen sich in den Bereich der metrischen Räume verallgemeinern. Diese Verallgemeinerung hat sich als sehr nützliches mathematisches
Mehr2. Elementare Lösungsmethoden
H.J. Oberle Differentialgleichungen I WiSe 2012/13 2. Elementare Lösungsmethoden A. Separierbare Differentialgleichungen. Eine DGL der Form y (t) = f(t) g(y(t)) (2.1) mit stetigen Funktionen f : R D f
Mehr