Populations Modelle Das Lotka-Volterra Model. Robin Gwinner Seminarleiterin: Dr. Iryna Rybak
|
|
- Nelly Helga Lang
- vor 7 Jahren
- Abrufe
Transkript
1 Populations Modelle Das Lotka-Volterra Model Robin Gwinner Seminarleiterin: Dr. Iryna Rybak
2 Motivation Rote Liste:
3 Motivation Rote Liste:
4 Motivation Rote Liste:
5 Motivation
6 Motivation
7 Motivation > Bestandsgröße > Auswirkungen des Fischfangs auf die Populationen
8 Motivation > Bestandsgröße > Auswirkungen des Fischfangs auf die Populationen Differentialgleichungen
9 Übersicht Grundlagen: Differentialgleichungen Wachstum nach Malthus und Verhulst Interaktionen in Populationen Entdimensionalisierung/Skalierung Stabilität Stabilitätsüberprüfung und Lösungsfindung Räuber-Beute Model / Lotka-Volterra Model am Beispiel der optimalen Fischfangquote
10 Grundlagen Betrachte eine gewöhnliche DGL n u = f (u) ; n f : ℝ ℝ stetig, du u = dt (1) Dann heißt u(t) Lösung der DGL auf dem Intervall J ℝ, falls n u : J ℝ stetig differenzierbar und u (t) = f (u (t)) t J Und Lösung des AWP u = f (u) falls zusätzlich u (t o)=u0 u (t o)=u0 wobei u 0 ℝ n und t 0 J
11 Grundlagen Satz von Picard-Lindelöf: Sei u = f (u), u (t o)=u0 und f (u) lokal Lipschitz-stetig, dann existiert ein δ>0 und genau eine Lösung des AWP's auf dem Intervall J =( t 0 δ, t 0 +δ ) Lösungen können sich nicht schneiden!
12 Grundlagen Definition: Equilibrium/Gleichgewichtspunkt Eine Nullstelle u* ℝ n der Funktion f(u) heißt Equilibrium oder Gleichgewicht. Denn u (t, u*)= f (u* )=0 f (u* )=0 u(t, u *) u *
13 Grundlagen Definition: Invariante Mengen Sei u (t, u0 ) ℝn die Lösung des AWP's u (t )= f (u) und u (0)=u 0 mit dem maximalen Existenzintervall J =( t (u 0),t + (u 0)) und f : ℝ n ℝ n Eine Teilmenge D ℝ n heißt invariant, falls gilt: u 0 D u(t,u 0) D t J Positiv invariant Aussage gilt für (0, t + (u0)) Negativ invariant Aussage gilt für (t ( u0 ),0) Bemerkung: D und D Ist D invariant so auch D. Ist D invariant so auch.
14 Wachstum nach Malthus Ziel jeder Modellierung ist es den Bestand N(t) einer Population vorausberechnen zu können, dabei gilt N (t) ℕ Kontinuierliche Größe: N (t) Wähle N * und setze u (t)= N* Somit ist u (t) ℕ0 \ N *, aber für große N * kann man u(t) als kontinuierlich annehmen.
15 Wachstum nach Malthus Thomas Malthus (1798) Die Änderung einer Population sollte stets vom momentanen Bestand abhängig sein. u = f (u)=: g (u) u g(u) wird dabei als Wachstumsrate bezeichnet. β : Geburtsrate μ : Sterberate Somit ist die zeitliche Änderung von u(t) gegeben als u (t) = (β μ )u (t), t 0, u(0)=u0
16 Wachstum nach Malthus Malthus nahm an, dass β und μ konstant sind u (t ) = e(β μ)t u0, t 0
17 Wachstum nach Malthus Malthus nahm an, dass β und μ konstant sind u (t ) = e(β μ)t u0, Diskussion zu Beginn des 19. Jahrhunderts t 0
18 Wachstum nach Verhulst Verhulst verbesserte dieses Modell ca und führte einen zusätzlichen Term ein 2 u (t ) u (t ) = (β μ)( u(t) ) u Mit λ 0 = (β μ) ergibt sich u u = λ 0 u (1 ) u wobei u Kapazität der Population genannt wird. Die Lösungen lassen sich explizit angeben: u (t) = u0u λ 0 t u0 +(u u0 )e, t 0
19 Wachstum nach Verhulst
20 Wachstum nach Verhulst Satz über die Logistik Gilt f(u) = ug(u), g stetig differenzierbar auf (0, u ), sowie g(u) < 0 in ( u, ). Dann existieren die Lösungen u(t, u 0) von u = f (u)=: u g ( u), t 0, ℝ + mit g(u) > 0 in u(0)=u 0>0 für alle t 0 und es gilt lim u(t, u0 ) = u t u 0>0
21 Interaktionen in Populationen Die allgemeine Form wird beibehalten Es gibt so viele Gleichungen, wie es Arten in der Population gibt wir beschränken uns zunächst auf zwei Arten in der Population Somit sieht das allgemeine System wie folgt aus: x 1(t ) = g 1 ( x1 (t ), x 2 (t)) x1 (t ), x 2 (t ) = g 2 ( x1 (t ), x 2 (t)) x 2(t ), t 0, t 0, x1 (0) = x 01 x 2 (0) = x02
22 Interaktionen in Populationen Interaktion hat drei grundlegende Formen: 1. Konkurrenz 2. Kooperation 3. Räuber-Beute Beziehung Diese drei Formen unterscheiden sich nur anhand der Funktionen g i ( x1, x 2), welche spezielle Bedingungen für die einzelnen Formen erfüllen muss.
23 Interaktionen in Populationen Konkurrenz: Beide Arten verhalten sich logistisch Die eine Art wird durch die andere Art, bezüglich der Nahrungsquellen, beeinträchtigt
24 Interaktionen in Populationen Konkurrenz: Beide Arten verhalten sich logistisch Die eine Art wird durch die andere Art, bezüglich der Nahrungsquellen, beeinträchtigt Somit ergeben sich folgende Funktionen g i : g 1 ( x 1, x 2) = a1 b1 x 1 c 1 x 2 g 2 ( x1, x 2) = a 2 b 2 x 2 c 2 x 1 und wir erhalten das System: x 1 (t) = [a 1 b1 x 1 (t ) c 1 x 2 (t )] x1 (t ), x 2 (t) = [a 2 b2 x 2 (t ) c 2 x 1 (t)] x 2 (t), mit a i, b i, c i postiven Konstanten. t 0, t 0, x 1 (0)= x01 x 2 (0)=x 02
25 Interaktionen in Populationen Kooperation: Beide Arten verhalten sich logistisch Existenz der anderen Art begünstigt eigene Überlebenschancen
26 Interaktionen in Populationen Kooperation: Beide Arten verhalten sich logistisch Existenz der anderen Art begünstigt eigene Überlebenschancen Somit ergeben sich folgende Funktionen g i : g 1 (x 1, x 2) = a1 b1 x 1+c 1 x 2 g 2 ( x1, x 2) = a 2 b 2 x 2+c 2 x 1 und wir erhalten das System: x 1 (t ) = [a 1 b1 x 1 (t)+c1 x 2 (t )] x1 (t ), x 2 (t ) = [a 2 b2 x 2 (t)+c 2 x 1( t)] x 2 (t), mit a i, b i, c i positive Konstanten t 0, t 0, x 1 (0)=x 01 x 2 (0)=x 02
27 Interaktionen in Populationen Räuber-Beute: x sei die Beute und x die Räuber Population 1 2 Die Räuber dezimieren die Beute, jedoch erhöht eine zahlreiche Beute auch die Überlebenschancen der Räuber Hier gibt es zwei Szenarien.
28 Interaktionen in Populationen Räuber-Beute: x sei die Beute und x die Räuber Population 1 2 Die Räuber dezimieren die Beute, jedoch erhöht eine zahlreiche Beute auch die Überlebenschancen der Räuber Hier gibt es zwei Szenarien. Erstes Szenario: x 1 ist einzige Nahrungsquelle der Räuber g 1 (x 1, x 2) = a1 b1 x 1 c 1 x 2 mit a i, b i, c i positive Konstanten g 2 ( x1, x 2) = a 2 b 2 x 2+c 2 x 1
29 Interaktionen in Populationen Zweites Szenario: x 1 ist die bevorzugte, aber nicht die einzige Nahrungsquelle logistisches Wachstum beider Arten
30 Interaktionen in Populationen Zweites Szenario: x 1 ist die bevorzugte, aber nicht die einzige Nahrungsquelle logistisches Wachstum beider Arten g 1 (x 1, x 2) = a1 b1 x 1 c 1 x 2 g 2 ( x1, x 2) = a 2 b 2 x 2+c 2 x 1 Dies führt auf das System: x 1 (t ) = [a 1 b1 x1 (t ) c 1 x 2 (t)] x 1 (t ), x 2 (t) = [a 2 b2 x 2 (t )+c 2 x 1(t )] x 2 (t ), t 0, t 0, x1 (0)=x 01 x 2 (0)=x 02 wobei a 1, bi, ci positive Konstanten sind und a 2 ℝ
31 Interaktionen in Populationen Hieraus ergibt sich, mit passender Wahl der Konstanten, das klassische Räuber-Beute Model nach Volterra und Lotka. b1 =b2 =0, c i>0 und x 1 (t ) = [a 1 c 1 x 2 (t )] x 1 (t), x 2 (t ) = [a 2 + c 2 x 1 (t )] x 2 (t ), a 1>0, a 2<0 t 0, t 0, x1 (0)=x 01 x 2 (0)=x 02
32 Interaktionen in Populationen T Allgemein besteht eine Population aus n Arten. x (t)=( x1 (t),..., x n (t)) Die Wachstumsrate g k ist von allen x k abhängig: Es gilt x k (t ) = f k ( x ) = x k (t ) g k ( x (t )), Typisches Beispiel für g k : t 0, x k (0)=x 0k, k =1,..., n g k (x ) = a k b k x k + c kl x l l k (*)
33 Interaktionen in Populationen T Allgemein besteht eine Population aus n Arten. x (t)=( x1 (t),..., x n (t)) Die Wachstumsrate g k ist von allen x k abhängig: Es gilt x k (t ) = f k ( x ) = x k (t ) g k ( x (t )), Typisches Beispiel für g k : t 0, x k (0)=x 0k, k =1,..., n (*) g k (x ) = a k b k x k + c kl x l l k Satz: n n n Sei g : ℝ ℝ stetig differenzierbar. Dann besitzt (*) zu jedem x o ℝ + n genau eine Lösung x (t, x o ) in ℝ + auf einem maximalen Existenzn J ( x ):=(t ( x ),t ( x )) 0 intervall. Außerdem ist (0, ) eine ino variante Menge und für x 0k >0, k =1,..., n folgt x k (t )>0 t J ( x 0).
34 Entdimensionalisierung/Skalierung Entdimensionalisierung ist die teilweise oder vollständige Entfernung von physikalischen Einheiten in Gleichungen durch Substitution der Variablen. Skalierung ist eine besondere Form der Entdimensionalisierung, hierbei wird der gemessene Wert mit einem Standardwert kalibriert. Alle Messungen geschehen relativ zu diesem Wert und die Messwerte erhält man durch Skalierung mit dem Standardwert.
35 Entdimensionalisierung/Skalierung Konkurrenz: u ( τ) = [1 λ1 u ( τ) v ( τ)]u ( τ), v ( τ) = [μ λ 2 v( τ ) u( τ )]v( τ ), τ 0, u (0)=u 0 τ 0, v (0)=v 0 Kooperation: u ( τ) = [1 λ1 u (τ) + v (τ)]u (τ), v (τ) = [μ λ 2 v(τ ) + u( τ )]v(τ ), τ 0, u (0)=u 0 τ 0, v (0)=v 0 Räuber-Beute: u ( τ) = [1 λ1 u ( τ) v (τ)]u (τ), v (τ) = [μ λ 2 v( τ ) + u( τ )]v(τ ), τ 0, u (0)=u 0 τ 0, v (0)=v 0
36 Stabilität Definition: Stabilität Sei u* ℝ n ein Equilibrium. Dann heißt u* 1. Stabil, wenn es zu jedem ϵ>0 ein δ>0 gibt, sodass u 0 Bδ (u *) u(t, u 0) B ϵ (u*) t 0 2. Instabil, wenn u* nicht stabil ist 3. Attraktiv, wenn es ein δ0 >0 gibt, sodass t + = und lim u(t, u0 )=u*, t u 0 Bδ (u *) 0 4. Asymptotisch stabil, wenn u* stabil und attraktiv ist.
37 Stabilität Linearisierung: Sei u* ein Equilibrium der DGL u (t )= f (u), dann lässt sich das System folgendermaßen linearisieren f (u)= f (u*)+df (u* )(u u* )+o ( u u * ) f (u*)=0 Mit der Wahl von z(t) = u(t) - u* gilt z (t )=u (t) und es folgt z (t )=Df (u *) z (t)=az (t)
38 Stabilität Satz: (i) Ein Equilibrium u* des Systems u (t )= f (u) ist asymptotisch stabil, wenn alle Eigenwerte der Jacobi-Matrix Df (u *) negativen Realteil besitzen. (ii) Hat mindestens ein Eigenwert einen positiven Realteil, so ist das Equilibrium u* instabil.
39 Stabilität Satz: (i) Ein Equilibrium u* des Systems u (t )= f (u) ist asymptotisch stabil, wenn alle Eigenwerte der Jacobi-Matrix Df (u *) negativen Realteil besitzen. (ii) Hat mindestens ein Eigenwert einen positiven Realteil, so ist das Equilibrium u* instabil. f (u, v): ℝ 2 ℝ 2 ist Vektorfeld
40 Stabilität 1.Stabiler Knoten: Re λ1 < 0, Re λ 2 < 0, λ i ℝ
41 Stabilität 2.Instabiler Knoten: Re λ1 > 0, Re λ 2 > 0, λ i ℝ
42 Stabilität 3.Sattelpunkt: Re λ1 < 0, Re λ 2 > 0, λ i ℝ
43 Stabilität 4.Stabile Spirale: Re λ1 < 0, Re λ 2 < 0, Im λi 0, λ i ℂ
44 Stabilität 5.Instabile Spirale: Re λ1 > 0, Re λ 2 > 0, Im λi 0, λ i ℂ
45 Lösungsfindung Beispiel: Konkurrenz-Modell u ( τ) = [1 λ1 u ( τ) v ( τ)]u (τ), v ( τ) = [μ λ 2 v( τ ) u( τ )]v(τ ), τ 0, u (0)=u 0 τ 0, v (0)=v 0
46 Lösungsfindung Beispiel: Konkurrenz-Modell u ( τ) = [1 λ1 u ( τ) v ( τ)]u (τ), v ( τ) = [μ λ 2 v( τ ) u( τ )]v(τ ), ( f ( u, v )= u λ1 u2 vu 2 μ v λ 2 v uv ) τ 0, u (0)=u 0 τ 0, v (0)=v 0
47 Lösungsfindung Beispiel: Konkurrenz-Modell u ( τ) = [1 λ1 u ( τ) v ( τ)]u (τ), v ( τ) = [μ λ 2 v( τ ) u( τ )]v(τ ), ( f ( u, v )= u λ1 u2 vu 2 μ v λ 2 v uv τ 0, u (0)=u 0 τ 0, v (0)=v 0 ) polynomial, also stetig differenzierbar es existiert zu jedem Anfangswert (u 0, v 0) genau eine Lösung
48 Lösungsfindung Des weiteren gilt und damit u = [1 λ 1 u v ]u u v = [μ λ2 v u]v μ v t μt 0 u (t ) e u0 und 0 v (t ) e v0
49 Lösungsfindung Des weiteren gilt und damit u = [1 λ 1 u v ]u u v = [μ λ2 v u]v μ v t μt 0 u (t ) e u0 und 0 v (t ) e v0 t + =, globale Existenz
50 Lösungsfindung Equilibria: 0 = u = [1 λ1 u v ]u, 0 = v = [μ λ 2 v u ]v
51 Lösungsfindung Equilibria: 0 = u = [1 λ1 u v ]u, 0 = v = [μ λ 2 v u ]v Triviales Equilibrium: (0,0) Marginale Equilibria: (0, v ) = (0, μ / λ 2), Koexistenz Equilibrium: 1 (u*, v* ) = (λ 2 μ, λ 1 μ 1) λ1 λ 2 1 (u, 0) = (1 / λ1, 0)
52 Lösungsfindung Stabilität: ( u λ1 u2 vu f ( u, v )= μ v λ 2 v 2 uv ( ) ( ) ( ) ) ( Df (u, v )= (1 λ 1 u v) λ1 u u v (μ λ 2 v u) λ 2 v A0 = μ Eigenwerte: 1 und μ instabil A u= 1 u 0 μ u Eigenwerte: -1 und μ u stabil / instabil A v = 1 v 0 v μ Eigenwerte: μ und 1 v stabil / instabil ( λ 1 u * u* A*= v* λ 2 v* ) )
53 Lösungsfindung Stabilität: ( u λ1 u2 vu f ( u, v )= μ v λ 2 v 2 uv ( ) ( ) ( ) ) ( Df (u, v )= (1 λ 1 u v) λ1 u u v (μ λ 2 v u) λ 2 v A0 = μ Eigenwerte: 1 und μ instabil A u= 1 u 0 μ u Eigenwerte: -1 und μ u stabil / instabil A v = 1 v 0 v μ Eigenwerte: μ und 1 v stabil / instabil ( λ 1 u * u* A*= v* λ 2 v* ) Eigenwerte:?? )
54 Lösungsfindung Stabilität: ( λ 1 u * u* A*= v* λ 2 v* ) det( A*)< 0 für λ 1 λ2 <1 instabil Sp( A* )= (λ1 u*+λ 2 v* )=ϵ 1+ϵ 2 < 0 det( A*)=u* v* ( λ1 λ 2 1)=ϵ 1 ϵ 2 det( A*)> 0 für λ 1 λ2 >1 stabil
55 Lösungsfindung Stabilität: ( λ 1 u * u* A*= v* λ 2 v* ) Sp( A* )= (λ1 u*+λ 2 v* )=ϵ 1+ϵ 2 < 0 det( A*)=u* v* ( λ1 λ 2 1)=ϵ 1 ϵ 2 det( A*)< 0 für λ 1 λ2 <1 instabil det( A*)> 0 für λ 1 λ2 >1 stabil Betrachte den Fall μ<u, 1<v : (0, v ) stabil, ( u, 0) instabil, keine Koexistenz f j (u, v )=0, j=1,2, liefert zwei so genannte Schaltkurven
56 Lösungsfindung μ<u, 1<v
57 Lotka-Volterra-Model x 1 (t ) = [a 1 c 1 x 2 (t )] x 1 (t), x 2 (t ) = [a 2 + c 2 x 1 (t )] x 2 (t ), t 0, t 0, x1 (0)=x 01 x 2 (0)=x 02
58 Lotka-Volterra-Model x 1 (t ) = [a 1 c 1 x 2 (t )] x 1 (t), x 2 (t ) = [a 2 + c 2 x 1 (t )] x 2 (t ), x (t) = gx (t ) w x (t) y (t ), y (t) = sy (t ) + ew x (t ) y (t ), t 0, t 0, x1 (0)=x 01 x 2 (0)=x 02 t 0, t 0, x (0)= x 0 y (0)= y0
59 Lotka-Volterra-Model x 1 (t ) = [a 1 c 1 x 2 (t )] x 1 (t), x 2 (t ) = [a 2 + c 2 x 1 (t )] x 2 (t ), x (t) = gx (t ) w x (t) y (t ), y (t) = sy (t ) + ew x (t ) y (t ), x(t): y(t): g: s: w: e: t 0, t 0, x1 (0)=x 01 x 2 (0)=x 02 t 0, t 0, x (0)= x 0 y (0)= y0 Friedfische Raubfische Vermehrungsrate ( λ 0 = (β μ )) Sterberate Wahrscheinlichkeit, dass Friedfisch gefressen wird Einfluss des Fressvorgangs auf die Vermehrung
60 Lotka-Volterra-Model x (t ) = gx (t ) w x (t ) y (t ), y (t ) = sy (t ) + ew x (t ) y (t), t 0, t 0, x (0)= x 0 y (0)= y0 Dimensionslose Größen x 1= ewx, s x 2= wy, g τ= gs t, r= g s
61 Lotka-Volterra-Model x (t ) = gx (t ) w x (t ) y (t ), y (t ) = sy (t ) + ew x (t ) y (t), t 0, t 0, x (0)= x 0 y (0)= y0 Dimensionslose Größen x 1= ewx, s x 1 (τ) = x 2= wy, g rx 1 (1 x 2 ), 1 x 2 (τ) = x 2 (1 x 1 ), r τ= gs t, r= g s τ 0, x 1 (0)= x 01 τ 0, x 2 (0)= x 02
62 Lotka-Volterra-Model Equilibria: ( )() rx 1 (1 x 2) 0 f (x 1, x 2 ) = 1 = 0 - x 2 (1 x 1) r Triviales Equilibrium: (0,0) Koexistenz Equilibrium: ( x 1 *, x 2 *)=(1,1)
63 Lotka-Volterra-Model Stabilität: ( ) r (1 x 2 ) rx 1 Df (x 1, x 2 ) = 1 1 x2 - x 2 (1 x 1) r r
64 Lotka-Volterra-Model Stabilität: ( ) r (1 x 2 ) rx 1 Df (x 1, x 2 ) = 1 1 x2 - x 2 (1 x 1) r r ( ) r 0 Df (0,0) = 1 0 r Df (1,1) = ( ) 0 r 1 0 r
65 Lotka-Volterra-Model Stabilität: ( ) r (1 x 2 ) rx 1 Df (x 1, x 2 ) = 1 1 x2 - x 2 (1 x 1) r r ( ) r 0 Df (0,0) = 1 0 r Eigenwerte: λ 1=r, Df (1,1) = ( ) 0 r 1 0 r Eigenwerte: 1 λ2 =r λ 1,2=±i
66 Lotka-Volterra-Model Stabilität: ( ) r (1 x 2 ) rx 1 Df (x 1, x 2 ) = 1 1 x2 - x 2 (1 x 1) r r ( ) r 0 Df (0,0) = 1 0 r Eigenwerte: λ 1=r, instabil Df (1,1) = ( ) 0 r 1 0 r Eigenwerte: 1 λ2 =r λ 1,2=±i stabil, periodisch, geschlossen
67 Lotka-Volterra-Model r= 0.4, 0.5, 0.7
68 Lotka-Volterra-Model r= 0.4, 0.5, 0.7 r=0.7
69 Lotka-Volterra-Model x 1 (τ) = rx 1 (1 x 2 ), 1 x 2 (τ) = x 2 (1 x 1 ), r τ 0, x 1 (0)= x 01 τ 0, x 2 (0)= x 02
70 Lotka-Volterra-Model x (t ) = bx (t )(1 y (t ) = (1 x (t ) x(t ) y (t ) ) a1, K b+x (t ) t 0, x(0)=x 0 x (t ) y(t ), b+ x (t ) t 0, y(0)= y 0 dy (t )+a 2 x (t ) : beschränkte Ressourcen ) K x (t) y (t ) b+ x( t) : berücksichtigt Sättigung der Räuber
71 Lotka-Volterra-Model x (t ) = bx (t )(1 y (t ) = x (t ) x(t ) y (t ) ) a1, K b+x (t ) t 0, x(0)=x 0 x (t ) y(t ), b+ x (t ) t 0, y(0)= y 0 dy (t )+a 2 Equilibria: Triviale: (0,0), (K,0) Koexistenz: (x *, y* )
72 Lotka-Volterra-Model x (t ) = bx (t )(1 y (t ) = x (t ) x(t ) y (t ) ) a1, K b+x (t ) t 0, x(0)=x 0 x (t ) y(t ), b+ x (t ) t 0, y(0)= y 0 dy (t )+a 2 Equilibria: Triviale: (0,0), (K,0) Koexistenz: (x *, y* ) Entdimensionalisierte Größen: x x 1=, x* y x2 =, y* K k =,... x*
73 Lotka-Volterra-Model x1 (τ) x 1(τ ) x 2(τ ) x 1 (τ) = x 1 (τ)(1 ) α1, k β+x 1 (τ) x 2 (τ) = x1 (τ )x 2 (τ ) γ x 2 (τ) + α2, β+x 1 (τ) τ 0, x0 x 1 (0)= x 01= x* τ 0, y0 x 2 (0)=x 02= y*
74 Lotka-Volterra-Model x1 (τ) x 1(τ ) x 2(τ ) x 1 (τ) = x 1 (τ)(1 ) α1, k β+x 1 (τ) x1 (τ )x 2 (τ ) γ x 2 (τ) + α2, β+x 1 (τ) x 2 (τ) = 1 k wobei α 1=(1 )(β+1), Df (1,1) = α 2=γ(β+1) ( k 2 β 1-1+ k (1+β) k βγ 0 1+β ) τ 0, x0 x 1 (0)= x 01= x* τ 0, y0 x 2 (0)=x 02= y*
75 Lotka-Volterra-Model 1 βγ det( Df (1,1))= ( 1+ )( )=λ1 λ 2 > 0 k 1+β k 2 β Sp(Df (1,1))= =λ1+λ 2 < 0 k (1+β)
76 Lotka-Volterra-Model 1 βγ det( Df (1,1))= ( 1+ )( )=λ1 λ 2 > 0 k 1+β k 2 β Sp(Df (1,1))= =λ1+λ 2 < 0 k (1+β) K k = >1 x*
77 Lotka-Volterra-Model 1 βγ det( Df (1,1))= ( 1+ )( )=λ1 λ 2 > 0 k 1+β k 2 β Sp(Df (1,1))= =λ1+λ 2 < 0 k (1+β) k <k 0=2+β K k = >1 x*
78 Lotka-Volterra-Model k <k 0=2+β k >k 0=2+β
79 Optimale Fischfangquote Konstante Fangquote: τ=α t, N (t ) u(t )= K u (τ)=u (τ)(1 u(τ)) c, u (0)=u 0
80 Optimale Fischfangquote Konstante Fangquote: τ=α t, N (t) u(t)= K u (τ)=u (τ)(1 u(τ)) c, u (0)=u 0 Equilibria: f (u)=u(1 u) c=0 u 1= 1 1 4c c ; u 2= 2 2
81 Optimale Fischfangquote Konstante Fangquote: τ=α t, N (t) u(t)= K u (τ)=u (τ)(1 u(τ)) c, u (0)=u 0 Equilibria: f (u)=u(1 u) c=0 1 c> 4 u1, u2 ℂ ; 1 c< c c ; u 2= u1, u2 ℝ ; c= u1 =u 2 ℝ+ 4 u 1=
82 Optimale Fischfangquote Konstante Fangquote: τ=α t, N (t) u(t)= K u (τ)=u (τ)(1 u(τ)) c, u (0)=u 0 Equilibria: f (u)=u(1 u) c=0 1 c> 4 u1, u2 ℂ ; 1 c< c c ; u 2= u1, u2 ℝ ; c= u1 =u 2 ℝ+ 4 u 1= Stabilität: f ' (u)=1 2u c= 4 c< f ' (u1 )>0 stabil, f ' (u 2)<0 asymp. stabil 1 f ' ( )=0 zunächst keine Aussage 4
83 Optimale Fischfangquote 1 c< 4 1 c= 4 1 c> 4
84 Optimale Fischfangquote Bestandsabhängige Fangquote: u (τ)=u (τ)(1 u(τ)) pu(τ), wobei 0 < p < 1 τ 0 u(0)=u 0
85 Optimale Fischfangquote Bestandsabhängige Fangquote: u (τ)=u (τ)(1 u(τ)) pu(τ), τ 0 u(0)=u 0 u 1=0 ; u 2=1 p wobei 0 < p < 1 Equilibria: f (u)=u(1 u) pu=0 f ' (u1 )=1 2u p Stabilität: f ' (u 2)= p 1<0
86 Optimale Fischfangquote u 0=0.25, u 0=1 und die relative Fangquote ist p=0.5
87 Optimale Fischfangquote Die absolute Fangquote c= p u (t )= p(1 p) hat ihr Maximum bei p = 0.5, hier gilt c = 0.25
88 Optimale Fischfangquote Die absolute Fangquote c= p u (t )= p(1 p) hat ihr Maximum bei p = 0.5, hier gilt c = 0.25 Vermehrungsrate α P=α p Bestand soll sich in einem Jahr verdoppeln und maximale relative Fangquote ist 0.35 P=0.5 α Jahr α= ln(2) Jahr
89 Quellen Jan W. Prüss, Roland Schnaubelt, Rico Zacher: Mathematische Modelle in der Biologie Deterministische homogene Systeme. Birkhäuser, ohne Jahr Frank Haußer, Yuri Luchko: Mathematische Modellierung mit MATLAB - Eine praxisorientierte Einführung. Spektrum, ung.pdf, chsen_-fische-_stand_2008.pdf,
90 Bildverzeichnis (1) Aal: (2) Forelle: Letzter Zugriff: (3/4) TAC/Scholle: Letzter Zugriff: (5) Exp. Wachstum: Letzter Zugriff: (6/7) Logistisches Wachstum: Letzter Zugriff: (8-12) Stabilität: (13) Lösungsfindung: Jan W. Prüss, Roland Schnaubelt, Rico Zacher: Mathematische Modelle in der Biologie Deterministische homogene Systeme, Birkhäuser, 2008, S. 11 (14-19) Volterra Lotka : Frank Haußer, Yuri Luchko: Mathematische Modellierung mit MATLAB Eine praxisorientierte Einführung, Spektrum, 2011, S
Dynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
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
MehrEinfache Modelle der Populationsdynamik
Vorlesung 4. Einfache Modelle der Populationsdynamik Wintersemester 215/16 1.11.215 M. Zaks allgemeine vorbemerkungen In kleinen Populationen schwanken die Bevolkerungszahlen stochastisch: Geburt/Tod von
MehrBeispiel: Evolution infizierter Individuen
Differentialgleichungen sind sehr nützlich in der Modellierung biologischer Prozesse, denn: damit kann man auch sehr komplizierte Systeme beschreiben die Mathematik liefert mit der gut entwickelten Theorie
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
MehrGewöhnliche Differentialgleichungen Woche 7. Nicht-lineare und linearisierte Systeme
Gewöhnliche Differentialgleichungen Woche 7 Nicht-lineare und linearisierte Systeme d 71 Gleichgewichtspunkte Wir werden uns mit Anfangswertproblemen der folgenden Form beschäftigen: { y (t f (t, y(t,
MehrAbbildung 5.1: stabile und instabile Ruhelagen
Kapitel 5 Stabilität Eine intuitive Vorstellung vom Konzept der Stabilität vermitteln die in Abb. 5.1 dargestellten Situationen. Eine Kugel rollt unter dem Einfluss von Gravitation und Reibung auf einer
MehrModellbildung und Simulation, Kap (S ) 10 Zwei-Spezies-Modelle
Erratum zu Modellbildung und Simulation, Kap. 1.3 (S. 256 261) 1 Zwei-Spezies-Modelle Interessanter als einzelne Populationen sind Modelle mit mehreren Arten, die miteinander in Wechselwirkung stehen,
MehrÖkologische Gleichungen für zwei Spezies
Ökologische Gleichungen für zwei Spezies Florian Kern 06.Dezember 2011 Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Cambridge, Kapitel 4 Inhaltsverzeichnis 1 Satz von der
MehrLösungsvorschläge zur ersten Klausur Gewöhnliche Differenzialgleichungen am um 10 Uhr. Bearbeitungszeit beträgt zwei Stunden.
Lösungsvorschläge zur ersten Klausur Gewöhnliche Differenzialgleichungen am 20.6.2015 um 10 Uhr. Bearbeitungszeit beträgt zwei Stunden. Prof. Dr. Wolfgang Arendt Manuel Bernhard Sommersemester 2015 Achten
MehrDifferentialgleichungen I
Differentialgleichungen I Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg 5. Januar 2009 Beachtenswertes Die Veranstaltung
MehrStabilitätsfragen bei autonomen Systemen
1 Stabilitätsfragen bei autonomen Systemen M. Schuster 09.08.2006 Inhaltsverzeichnis 1 Allgemeines über autonome Systeme 1 1.1 Oft übliche Bezeichnungen mit Übersetzung.......................... 1 2 Stabilität
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
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
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
MehrVorwissen Lineare Modelle zweier Bevölkerungen
Reiser Stephan 1 Ablauf Vorwissen Lineare Modelle zweier Bevölkerungen Das Konkurrenzmodell von Volterra Ein allgemeineres Konkurrenzmodell Periodische Bahnen für die allgemeine Volterra-Lotka- Gleichung
MehrModelle für interagierende Populationen
Modelle für interagierende Populationen Christoph Molitor 06.11.2012 Seminar: Mathematische Modelle in der Biologie (WS 12/13) Literatur: J. D. Murray (2002): Mathematical Biology: I. An Introduction,
MehrFloquet Theorie II. 1 Einführung
Vortrag zum Seminar Gewöhnliche Differentialgleichungen, 18.10.2011 Sebastian Monschang 1 Einführung Auf den Ergebnissen des ersten Vortrags basierend werden wir in diesem Vortrag gewöhnliche lineare Differentialgleichungssysteme
MehrHörsaalübung 6 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 28/29 Dr. Hanna Peywand Kiani Hörsaalübung 6 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Autonome Systeme, Stabilität Die ins
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:
MehrWettbewerbs- und Symbiose-Modelle Von Jakob Foss
Wettbewerbs- und Symbiose-Modelle Von Jakob Foss Wettbewerbsmodell Das einfachste Wettbewerbsmodell für zwei Spezies lässt sich aus dem Lotka- Volterra Modell ableiten und sieht folgendermaßen aus: dn1
MehrGewöhnliche Dierentialgleichungen
Prof. Dr. Guido Sweers WS 28/29 Jan Gerdung, M.Sc. Gewöhnliche Dierentialgleichungen Übungsblatt 6 Die Lösungen müssen in den Übungsbriefkasten Gewöhnliche Dierentialgleichungen Raum 3 im MI) geworfen
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung 1 Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform 4 Reelle Fundamentalsysteme Ausblick auf die heutige Vorlesung
MehrLösungsvorschlag zur Nachklausur zur Analysis
Prof Dr H Garcke, D Depner SS 09 NWF I - Mathematik 080009 Universität Regensburg Lösungsvorschlag zur Nachklausur zur Analysis Aufgabe Untersuchen Sie folgende Reihen auf Konvergenz und berechnen Sie
MehrLösungen zu Mathematik I/II
Dr. A. Caspar ETH Zürich, Januar D BIOL, D CHAB Lösungen zu Mathematik I/II. ( Punkte) a) Wir benutzen L Hôpital lim x ln(x) L Hôpital x 3 = lim 3x + x L Hôpital = lim x ln(x) x 3x 3 = lim ln(x) x 3 x
MehrDifferentialgleichungen
Kapitel Differentialgleichungen Josef Leydold Mathematik für VW WS 05/6 Differentialgleichungen / Ein einfaches Modell (Domar) Im Domar Wachstumsmodell treffen wir die folgenden Annahmen: () Erhöhung der
MehrDifferentialgleichungen
Kapitel 14 Differentialgleichungen Josef Leydold Mathematik für VW WS 2017/18 14 Differentialgleichungen 1 / 41 Ein einfaches Modell (Domar) Im Domar Wachstumsmodell treffen wir die folgenden Annahmen:
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
MehrDifferentialgleichungen für Ingenieure Lösung Klausur Juli
Technische Universität Berlin Fakultät II Institut für Mathematik SS 0 Dozentin Dr Penn-Karras Assistentin Dr C Papenfuß Differentialgleichungen für Ingenieure Lösung Klausur Juli Rechenteil Aufgabe 8
MehrKurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren
Kurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren Was sind typische qualitative Aussagen bei gewöhnlichen Differentialgleichungen der Form x (t) = f(t, x)? (1) 1. Andere
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,
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
MehrGewöhnliche Differentialgleichungen Woche 10. Spezielles für zweite Ordnung
d Gewöhnliche Differentialgleichungen Woche 0 Spezielles für zweite Ordnung 0. Phasenebene Wenn wir die autonome Differentialgleichung zweiter Ordnung u (t = f (u(t, u (t (0. studieren wollen, ist ein
MehrKlassifikation planarer Systeme
Klassifikation planarer Systeme Dieser Vortrag thematisiert die Klassifikation planarer Systeme. Man klassifiziert planare Systeme um einen besseren Überblick über die verschiedenen Verhaltensweisen von
MehrÜbungen zur Vorlesung. Einführung in Dynamische Systeme. Musterlösungen zu Aufgabenblatt 2
Prof. Roland Gunesch Sommersemester 00 Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt Aufgabe : a Zeigen Sie: Für alle Anfangsdaten u 0, t 0 R R hat das Anfangswertproblem
Mehr1.3 Zweidimensionale Systeme
132 KAPITEL IV. QUALITATIVE THEORIE UND DYNAMISCHE SYSTEME Im Fall a 3 > 0 ist das Gleichgewicht asymptotisch stabil. Für a 2 3 > 4a 1a 2 haben wir < < 0 und es liegt ein stabiler Knoten vor (siehe den
MehrWirtschaftsmathematik
in einige Teilbereiche der Wintersemester 2016 Prof. Dr. Stefan Etschberger HSA : Table of Contents 1 Finanzmathematik 2 Lineare Programme 3 Differentialgleichungen 4 Statistik: 5 Deskriptive Statistik
Mehr1 Nicht-lineare dynamische Systeme
1 Nicht-lineare dynamische Systeme 1.1 Charakteristika linerarer Systeme Superpositionsprinzip: Sind x 1 und x Lösungen eines linearen Systems, dann ist auch α 1 x 1 + α x eine Lösung. Berühmte Beispiele:
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
MehrKapitel 11: Anwendung in der Biologie
Kapitel 11: Anwendung in der Biologie 1. Einführung: In diesem Kapitel wollen wir uns mit der Anwendung von Differentialgleichungen in der Biologie beschäftigen und dort unser bisher erlangtes Wissen anwenden.
MehrWellen und wandernde Wellen Ähnlichkeitslösungen. Crashkurs PDG anhand von Beispielen. Wellen
Wellen Crashkurs PDG anhand von Beispielen Eine Welle ist ein erkennbares Signal, welches innerhalb eines Mediums von einer Seite zur anderen übertragen wird, mit einer erkennbaren Ausbreitungsgeschwindigkeit.
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
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
MehrMathematische Methoden in der Systembiologie Universität Heidelberg, Sommer 2017
Mathematische Methoden in der Systembiologie Universität Heidelberg, Sommer 2017 Dozent: Dr. M. V. Barbarossa (barbarossa@uni-heidelberg.de) Vorlesung+ Übung: Mo/Mi/Fr. 8:15-9:45Uhr, SR 1, INF 205 Termin
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
MehrDynamische Systeme in der Ebene
Dynamische Systeme in der Ebene 1 Anfangswertprobleme Differentialgleichungen sind Gleichungen zwischen einer (gesuchten) Funktion und deren Ableitung(en). Sie spielen bei der Modellierung von zeitabhängigen
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
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.
MehrÜbungen zum Ferienkurs Analysis II
Übungen zum Ferienkurs Analysis II Implizite Funktionen und Differentialgleichungen 4.1 Umkehrbarkeit Man betrachte die durch g(s, t) = (e s cos(t), e s sin(t)) gegebene Funktion g : R 2 R 2. Zeigen Sie,
MehrLösungen zu Mathematik I/II
Dr. A. Caspar ETH Zürich, August D BIOL, D CHAB Lösungen zu Mathematik I/II Aufgaben. ( Punkte) a) Wir berechnen lim sin(x ) x 3 + 4x L Hôpital = lim x cos(x ) 3x + 8x = 4. b) Wir benutzen L Hôpital lim
MehrÜbungen zum Ferienkurs Analysis II
Übungen zum Ferienkurs Analysis II Implizite Funktionen und Differentialgleichungen 4. Umkehrbarkeit I Man betrachte die durch g(s, t = (e s cos(t, e s sin(t gegebene Funktion g : R R. Zeigen Sie, dass
MehrGewöhnliche Differentialgleichungen
Gewöhnliche Differentialgleichungen Mitschrift der Vorlesung Gewöhnliche Differentialgleichungen von Prof. Dr. George Marinescu an der Universität zu Köln im WS 14/15. Kann Fehler enthalten. Veröffentlicht
MehrGewöhnliche Differentialgleichungen Woche 1
Gewöhnliche Differentialgleichungen Woche Einführung. Modelle Eine gewöhnliche Differentialgleichung gibt eine Relation zwischen einer unbekannten Funktion und deren Ableitung(en). Nun kann man unendlich
MehrDynamische Systeme. Mathematik für Biologen, Biotechnologen und Biochemiker. Angela Holtmann
Mathematik für Biologen, Biotechnologen und Biochemiker 16.7.2008 Das Räuber-Beute-Modell Das Räuber-Beute-Modell Es gibt zwei Arten, wobei die eine Art die andere frisst. 1925: Volterra (Italiener) und
MehrLotka-Volterra-Gleichungen für mehr als zwei Populationen
Lotka-Volterra-Gleichungen für mehr als zwei Populationen Dennis Kunz 06.12.2011 Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics Lotka-Volterra-Gleichungen für mehr als zwei
MehrDifferentialgleichungen I
Universität Hamburg Fachbereich Mathematik Differentialgleichungen I Hans Joachim Oberle Vorlesung an der TUHH im Wintersemester 2012/13 Literatur. R. Ansorge, H.J. Oberle, K. Rothe, Th. Sonar: Mathematik
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
MehrÖffnen Sie den Klausurbogen erst nach Aufforderung! Gewöhnliche Differentialgleichungen SS 2017 Klausur
Prof. Dr. Manuel Torrilhon Öffnen Sie den Klausurbogen erst nach Aufforderung! Zugelassene Hilfsmittel: Gewöhnliche Differentialgleichungen SS 2017 Klausur 26.09.2017 Dokumentenechtes Schreibgerät, aber
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
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
Mehr4 Autonome Systeme und Erste Integrale
4 Autonome Systeme und Erste Integrale 17 4 Autonome Systeme und Erste Integrale 4.1 Autonome Systeme haben die Form ẋ = v(x) (1) mit lokal Lipschitz-stetigen Vektorfeldern v C(D, K n ). a) Man kann v
MehrDiskrete Populationsmodelle für Einzelspezies
Diskrete Populationsmodelle für Einzelspezies Lisa Zang 30.10.2012 Quelle: J. D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Inhaltsverzeichnis 1. Einführung Einfache Modelle
MehrD-MAVT/D-MATL Analysis II FS 2017 Dr. Andreas Steiger. Lösung - Serie 26. ẋ 1 = x 1 + 2x ẋ 2 = 2x 1 + x 2
D-MAVT/D-MATL Analysis II FS 07 Dr. Andreas Steiger Lösung - Serie 6. Es ist das folgende autonome System ẋ = x + x + 3 ẋ = x + x von linearen Differenzialgleichungen. Ordung gegeben. Welche der folgenden
MehrKlausur: Differentialgleichungen Version mit Lösungen
Universität Kassel Fachbereich 10/16 Dr. Sebastian Petersen 16.03.2016 Klausur: Differentialgleichungen Version mit Lösungen Name: Vorname: Matrikelnummer: Versuch: Unterschrift: Bitte fangen Sie für jede
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
MehrGleichgewichte von Differentialgleichungen
Gleichgewichte von Differentialgleichungen Gleichgewichte von Differentialgleichungen Teil 1 Zur Erinnerung: Zur Erinnerung: Wir hatten lineare Differentialgleichungen betrachtet: in R 1 : Zur Erinnerung:
MehrDie inhomogene Differentialgleichung höherer Ordnung.
Die inhomogene Differentialgleichung höherer Ordnung. Ist das Funktionensystem (y 1,..., y n ) ein Fundamentalsystem, so ist die Matrix Y(t) = y (0) 1... y n (0). y (n 1) 1... y n (n 1) eine Fundamentalmatrix
MehrAnalysis und Lineare Algebra mit MuPAD
Analysis und Lineare Algebra mit MuPAD Dehling/Kubach Mögliche Themen für Abschlussprojekte 1 Fourier-Reihen Zu einer integrierbaren Funktion f : [0,2π] R definieren wir die Fourier-Reihe wobei a 0 = 1
Mehr1. Aufgabe 11 Punkte. Musterlösung DGL f. Ing., 10. April Aus
Musterlösung DGL f. Ing., 0. April 204. Aufgabe Punkte Aus 2 λ 0 λ 0 = 0 2 λ = 0 = (2 λ)( λ) 2 ( λ)( ) = (2 λ)λ 2 λ = λ((2 λ)λ ) = λ(2λ λ 2 ) = λ( 2λ+λ 2 +) = λ(λ ) 2 ergeben sich der der einfache Eigenwert
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
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
MehrStabilität linearer Differentialgleichungssysteme 1-1
Stabilität linearer Differentialgleichungssysteme Ein lineares homogenes Differentialgleichungssystem mit konstanten Koeffizienten u = Au, u = (u 1,..., u n ) t, ist Stabilität linearer Differentialgleichungssysteme
MehrStabilität des Golfstroms
Stabilität des Golfstroms Yannis Fürst Seminar: Mathematische Modellierung Seminarleiterin: Dr. Iryna Rybak Universität Stuttgart 11. Mai 2016 Grundlagen der Modellierung Expertenvortrag Modellskizze Beispielmodellierung
MehrApl. Prof. Dr. N. Knarr Musterlösung , 120min
Apl. Prof. Dr. N. Knarr Musterlösung 4.3.25, 2min Aufgabe ( Punkte) Es sei S := {(x, y, z) R 3 z = x 2 + y 2, z 2}. (a) (6 Punkte) Berechnen Sie den Flächeninhalt von S. (b) (4 Punkte) Berechnen Sie die
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.
MehrUniversalität für Wigner Matrizen
Universalität für Wigner Matrizen Benjamin Schlein, Universität Zürich HSGYM Tag 29. Januar 2015 1 1. Einführung Zufallmatrizen: sind N N Matrizen dessen Einträge Zufallsvariablen mit gegebenen Verteilung
MehrThema 10 Gewöhnliche Differentialgleichungen
Thema 10 Gewöhnliche Differentialgleichungen Viele Naturgesetze stellen eine Beziehung zwischen einer physikalischen Größe und ihren Ableitungen (etwa als Funktion der Zeit dar: 1. ẍ = g (freier Fall;
MehrH.J. Oberle Differentialgleichungen I WiSe 2012/ Stabilität. Wir betrachten ein allgemeines DGL-System erster Ordnung:
H.J. Oberle Differentialgleichungen I WiSe 2012/13 A. Allgemeines. 8. Stabilität Wir betrachten ein allgemeines DGL-System erster Ordnung: y (t) = f(t, y(t)) (8.1) mit y(t) R n, hinreichend glatter rechter
MehrZentrumsmannigfaltigkeiten. Eva Maria Bartram
Zentrumsmannigfaltigkeiten Eva Maria Bartram 09. Mai 2006 Gliederung 1. Einleitung 1.1 Hartmans Theorem 1.2 Stabile Mannigfaltigkeiten-Theorem für einen Fixpunkt 2. Zentrumsmannigfaltigkeits-Theorem für
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
MehrB. Lösungsskizzen zu den Übungsaufgaben
B. Lösungsskizzen zu den Übungsaufgaben B.. Lösungen zum Kapitel B... Tutoraufgaben Lösungsskizze Wir gehen zuerst nach dem Lösungsverfahren vor. Schritt : Bestimmung der Lösung des homogenen DGL-Systems
Mehr3 Zweidimensionale dynamische Systeme Oszillationen
3 Zweidimensionale dynamische Systeme Oszillationen Lineare Systeme Ein Beispiel für ein zweidimensionales dynamisches System ist die Gleichung ẍ + ω 2 sin x = 0 für ebene Schwingungen eines reibungsfreien
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes 6. Nichtlineare Modelle 6.1 Nichtlineare Modelle
MehrMaximalität und Globalität von Lösungen
Gewöhnliche Differentialgleichungen Florian Wörz SoSe 205 Maximalität und Globalität von Lösungen Maximale Lösungen Sei Ω : T U R R n ein Gebiet, f : Ω R n stetig und (t 0, u 0 ) Ω. Im Folgenden betrachten
Mehr2 k k 1 k(k + 1) = 2n+1. n = 0 = k(k + 1) = 2n+1 n n. = 2 n+1 n + 2 (n + 1)(n + 2) + n. (n + 1)(n + 2)
Prof. Hesse Höhere Mathematik I und II Musterlösung 7. 0. 0, 80min Aufgabe (3 Punkte) Zeigen Sie mit vollständiger Induktion: Für alle n N gilt n k= k k k(k + ) = n+ n +. Induktionsanfang: k= Induktionsschluss
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 20/202 Mathematik für Anwender I Vorlesung 30 Gewöhnliche Differentialgleichungen mit getrennten Variablen Definition 30.. Eine Differentialgleichung der Form y = g(t)
MehrSpezielle Kinetik MC 1.3. Prof. Dr. B. Dietzek. Friedrich-Schiller-Universität Jena, Institut für Physikalische Chemie. Wintersemester 2016/2017
Spezielle Kinetik MC 1.3 Prof. Dr. B. Dietzek Friedrich-Schiller-Universität Jena, Institut für Physikalische Chemie Wintersemester 2016/2017 B. Dietzek/D. Bender Spezielle Kinetik 1 Physikalische Chemie//Master
MehrKLAUSUR ZUR MATHEMATIK FÜR PHYSIKER MODUL MATHB
KLAUSUR ZUR ATHEATIK FÜR PHYSIKER ODUL ATHB In jeder Aufgabe können Punkte erreicht werden Es zählen die 9 bestbewerteten Aufgaben Die Klausur ist mit 45 Punkten bestanden Die Bearbeitungszeit beträgt
MehrDifferenzen/Differentialgleichungen Gegenüberstellung und Analogien sneaky, Mai 2007
Differenzengleichung Differentialgleichung 1. Ordnung (konstante Koeff.) Gestalt x n+1 =ax n +b allgemeine Lösung x n = a n x 0 +b((a n -1)/(a-1)) für a 1 oder x n = x 0 +b n für a=1 partikuläre Lösung
MehrDifferentialgleichungen für Ingenieure WS 06/07
Differentialgleichungen für Ingenieure WS 6/7 7. Vorlesung Michael Karow Themen heute:. Die rechte Seite einer DGL als Vektorfeld.. Stabilität Die Ableitung einer Kurve Sei J R ein Intervall und y : J
MehrDynamik von Populationsmodellen
Michael von Wenckstern Analysis bei Prof. Dr. Wegert Gleichgewichte Stabilität Phasendiagramme 11. Januar 2010 Gliederung Einleitung Eindimensionale Dynamikanalyse von Iterationsmodellen Ziel Fixpunkte
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
MehrPrüfung zur Vorlesung Mathematik I/II
Dr. A. Caspar ETH Zürich, August 2011 D BIOL, D CHAB Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 1 2 3 4 5 6 Total Vollständigkeit
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
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
MehrStetige Populationsmodelle
Stetige Populationsmodelle Christof Straßer Autor: J.D.Murray Titel: Mathematical Biology 31.01.01 James Dickson Murray Geb.: 0.01.1931 Professor Emeritus Oxford u. Washington Bereich biologische und biomedizinische
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
MehrStabilitätsregionen in Räuber-Beute-Modellen mit konstanter Beute-Kontrolle
rwth aachen Seminarausarbeitung Stabilitätsregionen in --Modellen mit konstanter -Kontrolle Franziska Freya Ossenbrink betreut von Birte Schmidtmann Wintersemester 216/217 Inhaltsverzeichnis 1 Einleitung
Mehr1, 0 < y < x 2 0, sonst f besitzt alle Richtungsableitungen in (0, 0), ist aber unstetig dort
ANALYSIS II Lösung der. Klausur vom /7 (von D. Reding Aufgabe (a Richtig sind die Aussagen (iii, (iv und (vii. (b Gegenbeispiel zu (i: f: R R, (x, y x ist stetig, aber nicht partiell differenzierbar nach
Mehr