Zur Definitheit quadratischer Funktionale
|
|
- Reiner Schubert
- vor 5 Jahren
- Abrufe
Transkript
1 CURANDO Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften UNIVERSITÄT ULM SCIENDO DOCENDO Zur Definitheit quadratischer Funktionale Diplomarbeit zur Erlangung des akademischen Grades Diplom-Mathematiker von Markus Wahrheit 1. Gutachter: Prof. Dr. W. Kratz 2. Gutachter: Prof. Dr. U. Stadtmüller Ulm, im September 2003
2 INHALTSVERZEICHNIS ii Inhaltsverzeichnis Bezeichnungen Vorwort iii iv 1 Einführung 1 2 Hamilton System und konjugierte Basen 5 3 Steuerbarkeit und fokale Punkte 14 4 Der Grenzwertsatz 17 5 Die Picone-Identität 20 6 Hauptsätze zur Definitheit quadratischer Funktionale 23 A Hilfsmittel 29
3 Bezeichnungen iii Bezeichnungen Grundsätzlich wollen wir in dieser Arbeit Matrizen mit Großbuchstaben, Vektoren und skalare Größen mit Kleinbuchstaben bezeichnen. Außerdem sollen folgende Konventionen gelten: Es bezeichnet N die Menge der natürlichen Zahlen. R die Menge der reellen Zahlen. R n die Menge der reellwertigen Vektoren der Dimension n. R m n die Menge der m n-matrizen, deren Elemente reelle Zahlen sind. [a, b] das abgeschlossene reelle Zahlenintervall mit den Eckpunkten a und b. [a, b) das halboffene reelle Zahlenintervall mit den Eckpunkten a und b, wobei der Eckpunkt a im Gegensatz zum Eckpunkt b zum Intervall gehört. (a, b] das halboffene reelle Zahlenintervall mit den Eckpunkten a und b, wobei der Eckpunkt a im Gegensatz zum Eckpunkt b nicht zum Intervall gehört. (a, b) das offene reelle Zahlenintervall mit den Eckpunkten a und b. C s ([a, b]) die Menge der stückweise stetigen reellwertigen Funktionen auf [a, b], d.h. die Menge aller reellen Funktionen auf [a, b], die mit Ausnahme endlich vieler Punkte stetig sind und an ihren Unstetigkeitsstellen einseitige Grenzwerte besitzen. 0 n n, I n n die n n-nullmatrix, bzw. die n n-einheitsmatrix. Geht die Dimension klar aus dem Kontext hervor, so verzichten wir auf die Dimensionsangabe n n. ImM das Bild der Matrix M R m n. ker M den Kern der Matrix M R m n. rgm den Rang der Matrix M R m n. M T die Transponierte der Matrix M R m n. M 1 die Inverse der Matrix M R n n. M die Moore-Penrose-Inverse von M R m n (siehe [4], Seite 91). M 0 eine nichtnegativ definite Matrix M R n n, d.h. M = M T und x T Mx 0 für alle Vektoren x R n. M > 0 eine positiv definite Matrix M R n n, d.h. M = M T und x T Mx > 0 für alle Vektoren x R n \{0}. M(t) eine Matrix, deren Einträge reellwertige Funktionen der Variable t sind. Entsprechend sollen Operationen wie Differenzieren oder Integrieren solcher Objekte immer komponentenweise verstanden sein, also etwa Ṁ(t) die Matrix (ṁ µν (t)) = ( d m dt µν(t)) für M(t) = (m µν (t)). n x = x 2 µ die Euklidische Vektornorm. M µ=1 = max Mx die Spektralnorm der Matrix M x =1 Rn n. eine direkte Summe.
4 Vorwort iv Vorwort Die vorliegende Arbeit beschäftigt sich mit der Definitheit quadratischer Funktionale, die gewissen Bewegungsgleichungen und linearen homogenen Randwertbedingungen genügen. Diese Untersuchung ist von besonderem Interesse in der klassischen Variationsrechnung, in der quadratische Funktionale als zweite Variation auftreten. Vergleiche hierzu [[8], Chapter 1.8] und [[4], Chapter 2.3 und 8.2]. Die Positivität solcher Funktionale, die in der klassischen Variationsrechnung bei der hinreichenden Bedingung für (schwache) Minima eingeht, ist wohlbekannt. W.T. Reid gibt hinreichende und notwendige Bedingungen für die Positivität dieser quadratischen Funktionale in den Spezialfällen der so genannten Dirichlet Nebenbedingungen (siehe Seite 2 und [[6], Chapter VII, Theorem 4.5]) und bei festen Randpunkten in b mit freien Randpunkten in a der betrachteten Funktionen (vergleiche [6], Chapter VII, Theorem 6.2) an. In [[4], Theorem 2.4.2] beweist W. Kratz den allgemeinen Fall, der die Steuerbarkeit (siehe Definition 3.1.) des betrachteten Systems voraussetzt. Die Nichtnegativität dieser Funktionale, die eine notwendige Bedingung für ein Minimum darstellt, ist zwar bereits in [[4], Remark 2.4.2] skizziert, doch erst in diesem Jahr von W. Kratz ohne die Voraussetzung der Steuerbarkeit, derer wir uns in dieser Arbeit bedienen möchten, in [5] veröffentlicht. In diesem Sinn sind die Sätze und e, die wir im Fall der Nichtnegativität führen werden, neu und insbesondere ist die technik verschieden von [5]. Bevor wir jedoch die Sätze zur Definitheit jener quadratischen Funktionale im sechsten Abschnitt formulieren und beweisen, die die bekannte (verschärfte) Jacobi Bedingung als Spezialfall beinhaltet, siehe [[4], Theorem 8.2.6], führen wir im ersten Abschnitt sowohl das quadratische Funktional als auch die Bewegungsgleichungen und Randbedingungen, derer es obliegt, ein und formulieren die gegebene Problematik. Zudem beweisen wir bereits zu diesem Zeitpunkt eine erste notwendige Bedingung für die Nichtnegativität dieser Funktionale, die der bekannten Legendre Bedingung entspricht. Diese werden wir im weiteren Verlauf dieser Arbeit gelegentlich voraussetzen. Um weitere notwendige Bedingungen für die Nichtnegativität zu ermitteln, nutzen wir die Erkenntnisse der klassischen Variationsrechnung, die auf ein selbstadjungiertes lineares Gleichungssystem, dem so genannten Hamilton System, führen, das die Eulergleichungen beinhaltet. Wir erweitern das Hamilton System, welches wir im zweiten Abschnitt betrachten möchten, wie in [[4], Remark 2.4.2] mit einem Parameter λ, um so den Fall der Nichtnegativität auf den Fall der Positivität zurückführen zu können. Diese Vorgehensweise unterscheidet sich grundsätzlich von der in [5]. Des Weiteren studieren wir besondere matrixwertige Lösungen des Hamilton Systems, die so genannten konjugierten Basen und ihre fokalen Punkte.
5 Vorwort v Im dritten Abschnitt werden wir feststellen, dass die Steuerbarkeit, die wir im Gegensatz zu [5] vereinfachend annehmen, äquivalent ist mit der Aussage, dass die fokalen Punkte jeder konjugierten Basis des Hamilton Systems isoliert sind. Im Gegensatz zur in [[4], Remark 2.4.2] vorgeschlagenen Vorgehensweise, möchten wir jedoch nicht auf den ersten Oszillationssatz [[4], Theorem 4.2.3] zurückgreifen, sondern einen elementareren Einstieg wählen. Uns genügt nur ein Teil des Grenzwertsatzes [[4], Theorem 3.3.7], der in den des Oszillationssatzes eingeht, um die Nichtnegativität zu zeigen. Diesen betrachten wir im vierten Abschnitt. Eine Erweiterung der Picone-Identität, die wir im fünften Abschnitt ansehen werden, liefert eine Abschätzung des betrachteten Funktionales, mit dessen Hilfe wir die hinreichenden Bedingungen sowohl für die Positivität als auch für die Nichtnegativität nachweisen werden. In dieser Arbeit benutzen wir einige mathematische Grundlagen, wie etwa den Existenz- und Eindeutigkeitssatz für Systeme stückweise stetiger linearer Differentialgleichungen. Um das Wesentliche nicht aus den Augen zu verlieren, sind diese Hilfsmittel im Anhang aufgelistet und wir werden an den jeweiligen Stellen, an denen wir sie benötigen, auf diese verweisen. Abschließend möchte mich ganz besonders bei Herrn Prof. Dr. Werner Kratz für die exzellente Betreuung dieser Arbeit bedanken, sowie bei Herrn Prof. Dr. Ulrich Stadtmüller, der sich freundlicherweise als Gutachter für diese Diplomarbeit zur Verfügung gestellt hat. Mein Dank gilt auch meiner Familie für ihren Zuspruch und die finanzielle Unterstützung, ohne die mein Studium nicht möglich gewesen wäre. Ulm, im September 2003 Markus Wahrheit
6 1 Einführung 1 1 Einführung In dieser Arbeit werden wir stets von den folgenden Annahmen ausgehen: I = [a, b] ist ein kompaktes nicht-entartetes Intervall, A(t), B(t), C(t) sind stückweise stetige reelle n n-matrixwertige Funktionen auf I, wobei B(t) und C(t) symmetrisch auf I sind, d.h. B(t) B T (t), C(t) C T (t) für alle t I. (1) Ferner seien R a, R b, S a, S b R n n und S a, S b symmetrisch. Wir betrachten das quadratische Funktional F(x) = F 0 (x) + x T (b)s b x(b) x T (a)s a x(a) mit F 0 (x) = b a {x T Cx + u T Bu}(t) dt für ein zulässiges x, d.h. x ist eine absolut stetige reelle vektorwertige Funktion (siehe Definition A.1.), die den so genannten Bewegungsgleichungen ẋ = Ax + Bu auf I für eine reelle vektorwertige Kontrollfunktion u C s (I) und den (separierten) Randwertbedingungen genügt. x(a) ImR a und x(b) ImR b Da wir die matrixwertigen Funktionen A(t), B(t), sowie die vektorwertige Funktion u(t) nicht zwingend stetig, sondern nur stückweise stetig voraussetzen, kann es vorkommen, dass die Funktion {Ax + Bu}(t) an endlich vielen Stellen Sprünge aufweist, so dass die Ableitung von x(t) an diesen Stellen nicht existiert. Wir lesen dann ẋ(t) als Ableitung von x(t) außer in endlich vielen t, in denen ẋ(t) nicht definiert ist und sprechen davon, dass eine reelle Funktion x(t) die Differentialgleichung ẋ = Ax + Bu löst, falls x(t) absolut stetig auf I ist, so dass gemäß Satz A.2. x(t) x(τ) = t τ {A(ξ)x(ξ) + B(ξ)u(ξ)} dξ. (2) (3) Definition 1.1. Das in (3) definierte Funktional F heißt positiv definit (bzw. nichtnegativ definit), falls F(x) > 0 (bzw. F(x) 0) für alle zulässigen x mit x(t) 0 auf I. Die zentrale Frage, der wir in dieser Arbeit nachgehen werden, ist also, unter welchen Bedingungen das Funktional (3) positiv oder nichtnegativ definit ist.
7 1 Einführung 2 Bemerkung 1.2. (i) Die Variationsrechnung beschäftigt sich mit der Aufgabe, auf einem abgeschlossenem nicht-entarteten Intervall eine oder mehrere Funktionen so zu bestimmen, dass ein gegebenes von der Wahl der Funktionen abhängiges bestimmtes Integral seinen größten oder kleinsten Wert annimmt. Ein besonderes Interesse gilt dabei den Randwertbetrachtungen, d.h. der Suche nach solchen Funktionen, die an einem oder an den beiden Rändern des Intervalls durch gegebene Punkte verlaufen. Sind die Randpunkte aller Funktionen fest gegeben, so ist man an Variationen mit x(a) = x(b) = 0, den so genannten Dirichlet Nebenbedingungen, interessiert. Vergleiche hierzu [[4], Theorem 8.2.1]. Diese Bedingung erreichen wir durch das Setzen von R a = R b = 0. Dieser Spezialfall wird ausführlich in [[6], Chapter VII, Theorem 4.5] diskutiert. Werden nur einige der Variablen des Vektors x in den Randpunkten festgehalten, so lässt sich dies durch eine entsprechende Wahl der Matrizen R a, bzw. R b, realisieren, siehe [[8], Section 2.8]. Durch Setzen von R a = I, bzw. R b = I, erreicht man, dass der Randpunkt x(a), bzw. x(b), frei ist. (ii) Die triviale Lösung (x 0, u 0) ist stets zulässig. Ferner kann man jedoch unter der Annahme der Steuerbarkeit von (A, B), vergleiche Definition 3.1., mittels des Existenz- und Eindeutigkeitssatzes für Systeme von linearen Differentialgleichungen, Satz A.3., die Existenz eines zulässigen x zu jedem beliebig gewählten x(a) und x(b) gewährleisten. Siehe etwa [[4], Remark 3.5.1] und [[5], Lemma 1]. Eine erste notwendige Bedingung für die Nichtnegativität quadratischer Funktionale liefert der folgende Satz, der der wohlbekannten Legendre Bedingung, vergleiche [[4], Theorem 8.2.3], entspricht. Satz 1.3. Es gelte F(x) 0 für alle zulässigen x. Dann ist B(t) 0 für alle t I. Wir lehnen diesen an den von [[6], Chapter VII, Theorem 4.2] an und nehmen an, dass es ein konstantes u 0 R n mit u 0 = 1 und u T 0 B(t)u 0 < 0 (beachte, dass B(t) C s (I)) auf einem kompakten nicht-entarteten Teilintervall I 1 I gibt. Wir konstruieren nun ein Gegenbeispiel für ein zulässiges x mit x(a) = x(b) = 0. Sei Φ(t) eine beliebige Fundamentalmatrix des Systems von Differentialgleichungen ẋ = A(t)x, t I 1. Dann gibt es aufgrund der Annahmen (1) und der Stetigkeit von Fundamentalmatrizen Konstanten k 1, k 2 > 0 mit B(t) k 1, C(t) k 1, Φ(t)Φ(s) 1 k 1, u T 0 B(t)u 0 k 2 für alle s, t I 1. Es sei [c, d] I 1, c < d, mit (d c) 2 < k 2. k1 5
8 1 Einführung 3 Setze u(t) := { u0 p(t), t (c, d) 0, sonst, wobei p(t) = n α ν t ν R ein Polynom vom Grade n ist. ν=0 Betrachte die Lösung x des Systems von linearen Differentialgleichungen ẋ = A(t)x + B(t)u(t), t I 1 zu dem Anfangswert x(c) = 0. Nach der Variation der Konstanten, Lemma A.4., besitzt x die Gestalt x(t) = Demzufolge ist x µ (t) = n α µν (t)α ν für α µν (t) = ν=0 t c t c Φ(t)Φ(s) 1 B(s)u(s) ds. s ν (Φ(t)Φ(s) 1 B(s)u 0 ) µ ds, µ = 1,..., n, wobei x µ (t) die µ-te Komponente des Vektors x(t) bezeichnet. Das lineare homogene Gleichungssystem x µ (d) = 0 für µ = 1,..., n, bestehend aus n Gleichungen mit n + 1 Unbekannten α 0,..., α n, besitzt eine nichttriviale Lösung α 0,..., α n mit n ν=0 α ν 2 = 1. Sei im Folgenden also α 0,..., α n so gewählt, dass x(d) = 0 und n α ν 2 = 1 gilt. Dann ist x(t) 0 auf (c, d) und x(t) 0 auf [a, c] [d, b]. Insbesondere ist x(a) = x(b) = 0. Ferner gilt für t [c, d] : ν=0 x(t) t Φ(t)Φ(s) 1 B(s)u 0 p(t) ds c t k1 2 p(s) ds c
9 1 Einführung 4 und F(x) = d {x T Cx + u T Bu}(t) dt c d d x(t) 2 C(t) dt + u T 0 B(t)u 0 p(t) 2 dt c k 5 1 d t ( p(s) ds) 2 dt k 2 c d p(t) 2 dt c c c d d k1(d 5 c)( p(t) dt) 2 k 2 p(t) 2 dt. c c Mit der Schwarzschen Ungleichung, vergleiche [[3], Seite 475], gilt nun d ( d p(t) dt) 2 (d c) p(t) 2 dt. c c Dies bedeutet d F(x) {k 2 k1(d 5 c) 2 } p(t) 2 dt < 0 und damit ein Widerspruch zu unserer Voraussetzung. c Im weiteren Verlauf werden wir bei der Suche nach weiteren notwendigen Bedingungen für die Definitheit quadratischer Funktionale gelegentlich auf diese Bedingung zurückgreifen.
10 2 Hamilton System und konjugierte Basen 5 2 Hamilton System und konjugierte Basen Wir legen das folgende Hamilton System zu Grunde, das seinen Ursprung in der Variationsrechnung findet. Neben den Bewegungsgleichungen, die wir mit unserem quadratischen Funktional F verbinden, sind die so genannten Eulergleichungen u = Cx A T u eine notwendige Bedingung für die schwache Minimalität eines Extremals. Vergleiche hierzu [[4], Chapter 1.3, 2.3 und 8.2], sowie [[1], Kapitel 25]. Zunächst studieren wir die matrixwertigen Lösungen, insbesondere die konjugierten Basen, des Hamilton Systems. Es wird sich zeigen, dass wir die Definitheit des quadratischen Funktionales F mittels einer speziellen konjugierten Basis charakterisieren können. Dabei wandeln das Hamilton System in der Definition dahingehend ab, dass wir den Parameter λ hinzufügen. Wie wir im Lemma sehen werden, können wir damit das Problem der Nichtnegativität des Funktionales F auf den wohlbekannten Fall der Positivität, siehe [[4], Theorem 2.4.2], zurückführen, indem wir C(t) durch die matrixwertige Funktion C(t, λ) = C(t) λi für t I ersetzen. Dies wird unser Ansatz zur Ermittlung der notwendigen Bedingungen für die Nichtnegativität des Funktionales F sein. Definition 2.1. Das System von linearen Differentialgleichungen ẋ = Ax + Bu, u = Cx A T u (H) mit matrixwertigen Funktionen A(t), B(t), C(t), t I, die die Annahmen (1) erfüllen, nennt man Hamilton System. Bemerkung 2.2. (i) Ähnlich wie bei der Definition eines zulässigen x verstehen wir als Lösung des Hamilton Systems das Paar zweier absolut stetiger Funktionen (x, u), so dass gemäß Satz A.2. x(t) x(τ) = u(t) u(τ) = t τ t {A(ξ)x(ξ) + B(ξ)u(ξ)} dξ, {C(ξ)x(ξ) A(ξ) T u(ξ)} dξ. τ (ii) Das Hamilton System ist äquivalent zu dem System von linearen Differentialgleichungen (ẋ ) ( ) ( ) A B x = u C A T. u Daher ist das Hamilton System zu den gegebenen Anfangswerten x(t 0 ) = x 0, u(t 0 ) = u 0 für ein t 0 I eindeutig lösbar nach dem
11 2 Hamilton System und konjugierte Basen 6 Existenz- und Eindeutigkeitssatz für Systeme linearer Differentialgleichungen, Satz A.3. (iii) Die Nützlichkeit einer Lösung des Hamilton Systems lässt sich leicht erkennen: Ist nämlich (x, u) eine Lösung von (H), so folgern wir mittels partieller Integration F 0 (x) = = = b a b a b a {x T Cx + u T Bu}(t)dt {x T Cx + (ẋ Ax) T u}(t)dt {x T (Cx A T u u)}(t)dt + {x T u}(t) b a = {x T u}(t) b a. Definition 2.3. Wir bezeichnen (X, U) als (n m)-matrixwertige Lösung des Hamilton Systems (kurz: matrixwertige Lösung von (H)), falls X(t) und U(t) absolut stetige reelle n m-matrixwertige Funktionen auf I sind, die das System von Differentialgleichungen Ẋ = AX + BU, U = CX A T U lösen. Proposition 2.4. Für zwei matrixwertige Lösungen (X 1, U 1 ), (X 2, U 2 ) von (H) ist die Wronski-Matrix eine konstante Matrix auf I. {X T 1 U 2 U T 1 X 2 }(t) Wir verifizieren die Behauptung mittels Differentiation, wobei wir der Übersichtlichkeit halber auf die Angabe der Variablen t verzichten wollen: d dt {XT 1 U 2 U T 1 X 2 } = ẊT 1 U 2 + X T 1 U 2 U T 1 X 2 U T 1 Ẋ2 = (AX 1 + BU 1 ) T U 2 + X T 1 (CX 2 A T U 2 ) = 0. (CX 1 A T U 1 ) T X 2 U T 1 (AX 2 + BU 2 ) Korollar 2.5. Für matrixwertige Lösungen (X, U) von (H) gilt: {X T U U T X}(t) ist konstant. Die Behauptung folgt unmittelbar aus der Proposition 2.4. durch Setzen von X 1 = X 2 = X, U 1 = U 2 = U.
12 2 Hamilton System und konjugierte Basen 7 Proposition 2.6. (i) Für eine matrixwertige Lösung (X, U) von (H) gilt {X T U U T X}(t 0 ) = 0 für ein t 0 I {X T U U T X}(t) 0 für alle t I. (ii) Es ist rg ( X rg U ( ) X (t U 0 ) = r für ein t 0 I und ein r N genau dann, wenn ) (t) r für alle t I ist. (i) Die Behauptung folgt aus Korollar 2.5. (ii) Es sei Φ(t) R 2n 2n ein Fundamentalsystem von ( (H). ) Dann ist jede ma- X (t) = Φ(t)M für eine U trixwertige Lösung (X, U) von (H) von der Form ( X konstante Matrix M R 2n m. Da nun rg U damit rg ( X U ) (t 0 ) = r folgt rg M = r und ) (t) r auf I. Die umgekehrte Richtung ist trivial. Wir werden im weiteren Verlauf eine n n-matrixwertige Lösung (X, U) von (H) mit maximalem Rang so wählen, dass die resultierende Wronski-Matrix die Nullmatrix ist. Die hiermit erzielte Symmetrie von X T U wird sich als hilfreich erweisen. Definition 2.7. (i) (X, U) heißt eine konjugierte Basis von (H), falls (X, U) eine n n-matrixwertige Lösung von (H) ist mit ( ) X(t) rg n und {X T U U T X}(t) 0 auf I. U(t) (ii) Zwei konjugierte Basen (X 1, U 1 ), (X 2, U 2 ) von (H) heißen normalisierte konjugierte Basen von (H), falls {X T 1 U 2 U T 1 X 2 }(t) I auf I gilt. (iii) t 0 I heißt fokaler Punkt von X für eine konjugierte Basis (X, U) von (H), falls X(t 0 ) singulär ist. Bemerkung 2.8. Da eine konjugierte Basis (X, U) von (H) eine Lösung des Hamilton Systems mit maximalem Rang ist, kann man (X, U) als halbe Fundamentalmatrizen ansehen.
13 2 Hamilton System und konjugierte Basen 8 Um die Existenz konjugierter Basen zu zeigen, benötigen wir zunächst das Lemma 2.9. Es sei K R n n. Dann gibt es ein M R n n mit K T M = 0, rg(k T, M T ) = n. Im Fall K = 0 erfüllt M = I unsere Behauptung. Sei nun r := rgk > 0, so gibt es mit den elementaren Zeilenoperationen ein reguläres T R n n, so dass K T = T ( K1 0 ) mit K 1 R r n und rgk 1 = r. ( K1 0 Sei m 1,..., m n r eine reelle Basis des Kerns von ( M := 0 M ) T T mit M = (m 1,..., m n r ). Damit ist K T M = 0 und es gilt rg(k T, M T ) = rgt ( ) ( ) K1 0 K1 0 T = rg T. 0 M 0 M ). Wir definieren Da rgk 1 = r und rg M = n r ist, ergibt sich die Behauptung. Proposition Zu jedem gegebenen t 0 I und X 0 R n n gibt es eine (nicht notwendigerweise eindeutige) konjugierte Basis (X, U) von (H) mit X(t 0 ) = X 0. Nach dem obigen Lemma gibt es ein U 0 R n n mit X0 T U 0 = 0 und rg(x0 T, U0 T ) = n. Betrachte nun die n n-matrixwertige Lösung (X, U) von (H) zu den Anfangswerten X(t 0 ) = X 0, U(t 0 ) = U 0, die es nach dem Existenz- und Eindeutigkeitssatz für Systeme linearer Differentialgleichungen, Satz A.3., gibt. Dann ist (X, U) nach Proposition 2.6. eine konjugierte Basis von (H). Im Folgenden werden wir zeigen, dass sich zu jeder konjugierten Basis (X 1, U 1 ) von (H) eine konjugierte Basis (X 2, U 2 ) von (H) finden lässt, so dass (X 1, U 1 ), (X 2, U 2 ) normalisierte konjugierte Basen von (H) bilden. Überdies können wir sogar die Regularität von X 2 (t 0 ) in einem vorgegebenen Punkt t 0 I sichern. Proposition Es seien (X 1, U 1 ), (X 2, U 2 ) normalisierte konjugierte Basen von (H). Dann gelten die folgenden Gleichungen für alle t I, wobei wir auf die Angabe der Variablen t verzichten. X T ν U ν = U T ν X ν für ν = 1, 2, X 1 X T 2 = X 2 X T 1, U 1 U T 2 = U 2 U T 1 X T 1 U 2 U T 1 X 2 = X 1 U T 2 X 2 U T 1 = I.
14 2 Hamilton System und konjugierte Basen 9 Mit der Definition 2.7. rechnen wir nach, dass ) ( U T {( 2 X2 T X1 X 2 U1 T X1 T U 1 U 2 ) }(t) = ( ) I 0 0 I ist, und da eine Matrix mit ihrer Inversen kommutiert, folgt die Behauptung. Satz Gegeben seien reelle n n-matrizen Q 1, Q 2 so, dass Q 1 Q T 2 sei rg(q 1, Q 2 ) = n. Dann gilt: (i) rg(q T 1, Q T 2 ) = n und ker Q 1 Q T 2 =ker Q T 1 ker Q T 2. symmetrisch ist. Ferner (ii) Q 1 + t 0 Q 2 ist regulär, falls t 0 > 0 und t 0 Q T 2 < min{ µ : µ ist negativer Eigenwert von Q 1 Q T 2 } := c 0. (i) Die Matrix D := (Q 1, Q 2 )(Q 1, Q 2 ) T = Q 1 Q T 1 + Q 2 Q T 2 R n n ist positiv definit aufgrund der Rangbedingung rg(q 1, Q 2 ) = n. Wir zeigen (i) für die Matrizen Q ν = D 1 2 Q ν, ν = 1, 2. Mit der Regularität von D 1 2 ergibt sich dann die Behauptung. Mit der Symmetrie von Q 1 Q T 2 ist ( ) ( ) Q1 Q2 QT Q 2 Q1 1 Q T 2 Q T 2 Q T 1 = ( ) I 0 0 I und da eine Matrix mit ihrer Inversen kommutiert, folgt Q T 1 Q 1 + Q T 2 Q 2 = I und damit rg(q T 1, Q T 2 ) = n, sowie die Symmetrie von Q T 1 Q 2. Gelte Q 1 QT 2 d = 0 für ein d R n. Dann ist also Q T 1 d = Q T 1 ( Q 1 QT 1 + Q 2 QT 2 )d = Q T 1 Q 1 QT 1 d, und also d Q 1 QT 1 d ker Q T 1 Q T 2 Q 1 QT 1 d = Q T 1 Q 2 QT 1 d = Q T 1 Q 1 QT 2 d = 0, Q 1 QT 1 d ker Q T 2. Demzufolge ist ker( Q 1 QT 2 ) ker Q T 1 + ker Q T 2. Die umgekehrte Inklusion folgt aufgrund der Symmetrie von Q 1 QT 2, denn sei d = d 1 + d 2 mit d 1 ker Q T 1 und d 2 ker Q T 2, so gilt Q 1 QT 2 d = Q 2 QT 1 d 1 + Q 1 QT 2 d 2 = 0. Diese Summe ist direkt, da rg( Q 1, Q 2 ) T = n.
15 2 Hamilton System und konjugierte Basen 10 (ii) Gelte nun nach (i) R n = P N ker Q T 1 ker Q T 2, mit Q 1 Q T 2 > 0 auf dem Untervektorraum P und < 0 auf dem Untervektorraum N. Es sei Q := Q 2 (Q T 1 +t 0 Q T 2 ). Dann gilt Q = 0 auf ker Q2 T, da mit Q 1 Q T 2 ebenfalls Q symmetrisch ist, und Q > 0 auf P ker Q T 1 nach (i). Ferner gilt Q < 0 auf N, denn es gilt d T Qd c 0 d 2 + t 0 Q T 2 d 2 < 0 für alle d N, d 0. Also ist ker Q = ker Q T 2. Gelte nun (Q 1 + t 0 Q 2 ) T d = 0, so ist Qd = 0 und demzufolge Q T 2 d = 0 = Q T 1 d. Mit (i) folgt nun d = 0 und damit ist Q 1 + t 0 Q 2 regulär. Proposition Es sei (X 1, U 1 ) eine konjugierte Basis von (H) und t 0 I. Dann existiert eine konjugierte Basis (X 2, U 2 ) des Hamilton Systems so, dass (X 1, U 1 ), (X 2, U 2 ) normalisierte konjugierte Basen von (H) sind und dass X 2 (t 0 ) regulär ist. Die Matrix K(t) := {X T 1 X 1 + U T 1 U 1 }(t) ist regulär aufgrund von rg(x T 1 (t), U T 1 (t)) = n nach der Definition einer konjugierten Basis. Definiere für η R X(t, η) := U 1 (t)k 1 (t) + ηx 1 (t) Ũ(t, η) := X 1 (t)k 1 (t) + ηu 1 (t). Dann gilt für alle η R (Ũ T (t, η) X ) ( ) T (t, η) X 1 (t) X(t, η) U1 T (t) X1 T = (t) U 1 (t) Ũ(t, η) ( ) I 0. (*) 0 I Da also die obigen Matrizen regulär sind, gilt rg(x 1 (t), X(t, η)) = n für jedes η R. Zudem folgt die Symmetrie von X(t, η)x T 1 (t), da eine Matrix mit ihrer Inversen kommutiert. Wir wenden nun den Satz 2.12.(ii) mit Q 1 (t) = X(t, 0) und Q 2 (t) = X 1 (t) an und können folgern, dass X(t, η 0 ) = X(t, 0) + η 0 X 1 (t) regulär für hinreichend kleines η 0 > 0 ist. Sei nun (X 2, U 2 ) eine n n-matrixwertige Lösung von (H) zu den Anfangswerten X 2 (t 0 ) := X(t 0, η 0 ) = U 1 (t 0 )K 1 (t 0 ) + η 0 X 1 (t 0 ) U 2 (t 0 ) := Ũ(t 0, η 0 ) = X 1 (t 0 )K 1 (t 0 ) + η 0 U 1 (t 0 ). Mit (*) folgt nun {X T 1 U 2 U T 1 X 2 }(t 0 ) = I und demzufolge mit Proposition 2.4. { ( X1 U 1 ) T ( ) U2 }(t) = {X1 T U X 2 U1 T X 2 }(t) I auf I 2
16 2 Hamilton System und konjugierte Basen 11 und rg ( X2 U 2 ) (t) n auf I. Ferner gilt nach (*) {X2 T U 2 U2 T X 2 }(t 0 ) = 0 und mit Proposition 2.6.(i) {X2 T U 2 U2 T X 2 }(t) 0 auf I. Damit haben wir gezeigt, dass (X 1, U 1 ), (X 2, U 2 ) normalisierte konjugierte Basen von (H) sind, für die X 2 (t 0 ) regulär ist. Aus der nachstehenden Definition und dem folgenden Lemma ist ersichtlich, dass wir unter Zuhilfenahme des Parameters λ den Fall der Nichtnegativität auf den Fall der Positivität zurückführen können. Definition Für ein zulässiges x und λ R definieren wir b F(x, λ) := F(x) λ a x(t) 2 dt. Lemma Es sei x 0 auf I und zulässig. Dann ist F(x) 0 genau dann, wenn F(x, λ) > 0 für alle λ < 0. Mit λ b a Behauptung. x(t) 2 dt > 0 für alle λ < 0 und der Stetigkeit in λ folgt unmittelbar die Da F(x, λ) = b a {x T (C λi)x u T Bu}(t) + x T (b)s b x(b) x T (a)s a x(a) können wir also die Nichtnegativität auf die Positivität zurückführen, indem wir statt der matrixwertigen Funktion C(t) die Funktion C(t, λ) := C(t) λi für λ < 0 betrachten. Da auch die Funktion C(t) λi für alle λ stückweise stetig und symmetrisch ist, bleiben die bisherigen Betrachtungen für C(t, λ) für alle festen λ R erhalten. Im weiteren Verlauf studieren wir das Verhalten des Parameters λ auf entsprechende konjugierte Basen. Definition Zu einem gegebenen λ R bezeichnen wir das System von linearen Differentialgleichungen ẋ = Ax + Bu, u = (C λi)x A T (H u λ ) mit matrixwertigen Funktionen A(t), B(t), C(t) λi, t I, die die Annahmen (1) erfüllen, als Hamilton System (H λ ).
17 2 Hamilton System und konjugierte Basen 12 Lemma Es sei (X, U) eine konjugierte Basis von (H λ ). Ferner seien X(a, λ) und U(a, λ) konstant für λ R. Dann sind X(t, λ) und U(t, λ) differenzierbar (sogar analytisch) in λ bei festem t I. Siehe [[6], Chapter I, Section 10, Theorem 10.1]. Definition Eine symmetrische und reelle n n-matrixwertige Funktion M(t), t I, heißt monoton wachsend (bzw. monoton fallend) auf I, falls ihre quadratische Form c T M(t)c für alle c R n monoton wachsend (bzw. monoton fallend) in I ist. Wächst (bzw. fällt) ihre quadratische Form streng für alle c 0, so sagt man, M(t) ist streng monoton wachsend (bzw. streng monoton fallend) auf I. Proposition Es seien (X 1, U 1 ), (X 2, U 2 ) normalisierte konjugierte Basen von (H λ ) mit Anfangsbedingungen, die für den Randwert a in λ fixiert sind, d.h. es gilt X λ ν(a, λ) U λ ν(a, λ) 0, λ R, ν = 1, 2. Dann sind für jedes feste t I die matrixwertigen Funktionen (i) {X 1 1 X 2 }(t, λ) und (ii) {U 1 X 1 1 }(t, λ) monoton fallend in λ auf den Intervallen, auf denen X 1 (t, λ) regulär ist. Betrachte die Matrizen ( ) ( ) 0 I I 0 X (t, λ) := (t, λ), U X 1 X (t, λ) := (t, λ). 2 U 1 U 2 Wir zeigen, dass die matrixwertige Funktion ( I 0 M(t, λ) := {U X 1 }(t, λ) = { ( ) U 1 U 2 X 1 1 X = 2 X1 1 (X1 1 ) T U 1 X1 1 (t, λ) für jedes feste t I monoton fallend in λ ist. Dann folgt mit { X 1 1 X 2 }(t, λ) = ( I n n 0 ) M(t, λ) ) ( X 1 1 X 2 X1 1 I 0 ( In n 0 {U 1 X1 1 }(t, λ) = ( ( ) 0 0 I n n M(t, λ) I n n ) und ) ) }(t, λ)
18 2 Hamilton System und konjugierte Basen 13 die Behauptung. Zunächst beobachten wir, dass mit t ( X ( X U U ) das Hamilton System ) = (H λh 0 ) ( X H = 0 A 0 B und H 0 = C 0 A T 0 I 0 0 löst, wobei wir mit 0 die n n-dimensionale Nullmatrix bezeichnen. Ferner folgt mit Proposition für alle λ R und alle t I, dass {X T U U T X }(t, λ) 0, d.h. es gilt {X ( T U }(t, λ) = {U T X) }(t, λ). 0 I2n 2n Mit J := = J I 2n 2n 0 T und Lemma evaluieren wir die Gleichung = = t {XT ( X U U λ U T ) T (H λh 0 ) T J λ ( X U ) T ( ) X J H 0 = U ) T J ( X λ } = { X t U ( ) ( X X + U U ( X U λ ( X U U ) } ) T [ ( ) X J (H λh 0 ) λ U ) T ( ) 0 I n n 0 0 X U Die dritte Gleichung folgt mittels Symmetrie von J (H λh 0 ) = 0 C λi 0 A T , 0 A 0 B denn damit gilt: J (H λh 0 ) = (H λh 0 ) T J T = (H λh 0 ) T J. ) ( )] X H 0 U Mit dem obigen Hilfsresultat können wir die Aussage bezüglich der Monotonie von M(t, λ) in λ beweisen. Es gilt mit der Symmetrie von X T U und der elementaren Kenntnis aus der linearen Algebra (X 1 ) T = (X T ) 1 : M(t, λ) = λ (XT ) 1 X T ( U λ X 1 )X X 1 = (X T ) 1 X T (( U λ )X 1 = (X 1 ) T (X T λ U U T U X 1 ( λ X )X 1 0. X λ )X 1 )X X 1 Der letzte Ausdruck ist nichtpositiv, da nach Voraussetzung X λ (a, λ) U λ (a, λ) 0 und damit {X T U λ U T X λ }(t, λ) 0, denn dieser Ausdruck entspricht für t = a der Nullmatrix und ist monoton fallend in I.
19 3 Steuerbarkeit und fokale Punkte 14 3 Steuerbarkeit und fokale Punkte In diesem Abschnitt möchten wir das Konzept der Steuerbarkeit vorstellen, welche wir im Unterschied zu [5] vereinfachend annehmen werden. Das zentrale Resultat dieses Abschnitts ist Satz 3.4., der die Äquivalenz der Steuerbarkeit mit der Isoliertheit fokaler Punkte des Hamilton Systems aufzeigt. Definition 3.1. Das Paar (A, B) heißt steuerbar auf I, falls v = A T (t)v, B T (t)v(t) 0 auf einem nicht-entarteten Intervall [t 1, t 2 ] I stets v(t) 0 auf [t 1, t 2 ] impliziert. Proposition 3.2. Es seien (X 1, U 1 ), (X 2, U 2 ) normalisierte konjugierte Basen des Hamilton Systems und X 1 (t) regulär auf einem nicht-entarteten Teilintervall I 1 I. Ferner sei (A, B) steuerbar auf I 1 und B(t) 0 auf I 1. Dann ist X 1 1 (t)x 2 (t) ist streng monoton wachsend auf I 1. Wir verifizieren die Behauptung durch Differentiation, wobei wir die Variable t weglassen, und mit Proposition 2.11., sowie Lemma A.5. d dt X 1 1 X 2 = X1 1 (AX 1 + BU 1 )X1 1 X 2 + X1 1 (AX 2 + BU 2 ) = X1 1 AX 2 X1 1 BU 1 X1 1 X 2 + X1 1 AX 2 + X1 1 BU 2 = X1 1 B(X1 1 ) T {X1 T U 2 X1 T U 1 X1 1 X 2 } = X1 1 B(X1 1 ) T {X1 T U 2 U1 T X 2 } = X1 1 B(X1 1 ) T 0 für alle t I. Damit ist {X 1 1 X 2 }(t) monoton wachsend auf I 1. Um die strenge Monotonie zu zeigen, seien t 1, t 2 I 1 mit t 1 < t 2 und d R n : d T {X 1 1 (t 2 )X 2 (t 2 ) X 1 1 (t 1 )X 2 (t 1 )}d = 0. Dann gilt X 1 1 (t)x 2 (t)d = X 1 1 (t 1 )X 2 (t 1 )d für alle t [t 1, t 2 ]. Betrachte nun die Lösung des Hamilton Systems x(t) = {X 2 (t) X 1 (t)x1 1 (t 1 )X 2 (t 1 )}d u(t) = {U 2 (t) U 1 (t)x1 1 (t 1 )X 2 (t 1 )}d, wobei X 1 1 (t 1 )X 2 (t 1 ) nach Proposition symmetrisch ist. Es ist x(t) 0 auf [t 1, t 2 ] und damit u = A T (t)u, B(t)u(t) 0 auf [t 1, t 2 ]. Mit der Steuerbarkeit von (A, B) auf I folgt u(t) 0 auf [t 1, t 2 ] und damit x(t) u(t) 0 auf I aufgrund des Existenz- und Eindeutigkeitssatzes für Systeme von linearen Differentialgleichungen.
20 3 Steuerbarkeit und fokale Punkte 15 Nach der Definition einer konjugierten Basis und Proposition ist ( ) U2 (t) U 1 (t)x1 1 T ( ) (t 1 )X 2 (t 1 ) X1 (t) {X 2 (t) X 1 (t)x1 1 (t 1 )X 2 (t 1 )} U 1 (t) = I, ( ) X2 (t) X und damit ker 1 (t)x1 1 (t 1 )X 2 (t 1 ) U 2 (t) U 1 (t)x1 1 (t 1 )X 2 (t 1 ) = {0}, d.h. d = 0. Damit ist {X1 1 X 2 }(t) streng monoton wachsend auf I 1. Proposition 3.3. Es sei Q(t) eine stetige reelle symmetrische und streng monoton wachsende n n- matrixwertige Funktion auf einem nicht-entarteten Teilintervall I 1 I mit Eigenwerten µ ν (t), ν = 1,..., n, die der Größe nach ansteigend geordnet sein sollen, d.h. µ 1 (t)... µ n (t) für t I 1. Dann sind die Eigenwerte µ ν (t), ν = 1,..., n, stetig und streng monoton wachsend auf I 1. Es seien a t 0 < t 1 b und s k Eigenvektoren von Q(t 1 ) zum Eigenwert µ k (t 1 ), k = 1,..., n. Sei S ν der von s 1,..., s ν, ν = 1,..., n, aufgespannte Untervektorraum von R n. Mit R(t, d) = dt Q(t)d und Satz A.6. folgt: d 2 µ ν (t 1 ) = min d S ν\{0} R(t 1, d) = min 0, d) R(t 1, d) R(t 0, d)] d S ν\{0} max d R n \{0} < µ ν (t 0 ) [R(t 0, d) R(t 1, d)] + min R(t 0, d) d S ν \{0} und damit die strenge Monotonie der Eigenwerte. Die gleiche Argumentation liefert µ ν (t 1 ) = max R(t 1, d) = d S ν \{0} max d R n \{0} [R(t 1, d) R(t 0, d)] + max [R(t 1, d) R(t 0, d) + R(t 0, d)] d S ν \{0} max R(t 0, d) = γ + µ ν (t 0 ), d S ν \{0} wobei γ der größte der Eigenwert der Matrix Q(t 1 ) Q(t 0 ) ist. Mit dem Korollar A.7. folgt nun für alle ν = 1,..., n µ ν (t 1 ) µ ν (t 0 ) γ Q(t 1 ) Q(t 0 ) und aufgrund der Stetigkeit von Q(t) die Stetigkeit der µ ν (t), ν = 1,..., n, auf I 1. Satz 3.4. Es sei B(t) 0 für t I. Dann ist (A, B) genau dann steuerbar auf I, wenn die fokalen Punkte von X(t) in I isoliert sind für jede konjugierte Basis (X, U) von (H).
21 3 Steuerbarkeit und fokale Punkte 16 Es sei zunächst angenommen, dass (A, B) nicht steuerbar auf I ist. Dies bedeutet, dass es ein u(t), t I, gibt mit u = A T (t)u, B(t)u(t) 0 auf einem nichtentarteten Intervall [t 1, t 2 ] I und u(t 1 ) 0. Mit einem solchen u ist (x(t) 0, u(t)) eine Lösung des Hamilton Systems auf [t 1, t 2 ]. Es sei (X, U) eine konjugierte Basis zu dem Anfangswert X(t 1 ) = 0, die es nach Proposition gibt. Dann ist rgu(t 1 ) = n nach der Definition einer konjugierten Basis und demzufolge bilden die Spaltenvektoren von U(t 1 ) eine Basis des R n. Wir ersetzen nun die erste Spalte von X(t) mit x(t) 0, sowie die erste Spalte von U(t) mit u(t) für t [t 1, t 2 ] und bezeichnen die entstehenden Matrizen mit X(t) und Ũ(t), wobei nach dem Austauschsatz von Steinitz die Spaltenvektoren von Ũ(t) ebenfalls eine Basis des Rn bilden ( sollen, ) ansonsten X betrachte eine geeignete Permutation der Spaltenvektoren von (t). Dann ist U ( X, Ũ) eine n n-matrixwertige Lösung von (H), für die rg( X T (t 1 ), Ũ T (t 1 )) = n und { X T Ũ Ũ T X}(t1 ) = 0 gilt. Nach Proposition 2.6. ist ( X, Ũ) damit eine konjugierte Basis, für die jedes t [t 1, t 2 ] ein fokaler Punkt von X(t) ist. Ergo sind die fokalen Punkte der konjugierten Basis ( X, Ũ) nicht isoliert. Es sei nun (A, B) steuerbar auf I, (X, U) eine konjugierte Basis von (H) und es sei t 1 ein innerer Punkt von I. Nach der Proposition und Lemma A.8. gibt es nun eine zweite konjugierte Basis (X 1, U 1 ) derart, dass (X 1, U 1 ), (X 2 = X, U 2 = U) eine normalisierte konjugierte Basis bilden und dass X 1 (t) regulär auf I 1 = (t 1 ε, t 1 +ε) I für ein ε > 0 ist. Mit Proposition 3.2. folgt, dass die stetige matrixwertige Funktion H(t) = X1 1 (t)x 2 (t) = X1 1 (t)x(t) streng monoton wachsend auf I 1 ist. Damit sind auch die Eigenwerte µ 1 (t),..., µ n (t) von H(t) stetig und streng monoton wachsend nach Proposition 3.3. Daher gibt es ein 0 < δ < ε mit µ ν (t) 0 für alle t (t 1 δ, t 1 + δ)\{t 1 } und allen ν = 1,..., n. Also ist X(t) regulär für alle t (t 1 δ, t 1 + δ)\{t 1 }. Daher sind alle fokalen Punkte in I isoliert.
22 4 Der Grenzwertsatz 17 4 Der Grenzwertsatz Im zweiten Abschnitt haben wir das wohlbekannte Hamilton System um den Parameter λ erweitert, um so den Fall der Nichtnegativität auf den der Positivität zurückführen zu können. Wir werden später sehen, dass gerade der Grenzwert λ 0 besonders interessant ist. Diesen untersuchen wir in dem folgenden Grenzwertsatz, den wir so allgemein fassen, dass wir auch Untersuchungen der Variable t darauf anwenden können. Satz 4.1. (Grenzwertsatz) Es seien X(t) und U(t) n n-matrixwertige Funktionen für t (t 0, t 0 + ε], t 0 R, ε > 0, für die gilt: X T (t)u(t) = U T (t)x(t) für t (t 0, t 0 + ε], X(t) X, U(t) U(t t 0 +), rg(x T, U T ) = n und X T U = U T X, X(t) ist regulär für t (t 0, t 0 + ε] und Q(t) := U(t)X 1 (t) ist monoton fallend auf (t 0, t 0 + ε]. Dann gilt: lim t t 0 + dt Q(t)d = für alle d ImX. Wir führen den analog zu [[4], Proposition ]. Es bezeichne r := rgx. Da Q(t) reell und symmetrisch ist, ist Q(t) diagonalisierbar, d.h. es gibt eine orthogonale Matrix T (t), also eine Matrix T (t) R n n mit T (t)t T (t) = I, mit ( ) T T D1 (t) 0 (t)q(t)t (t) =, 0 D 2 (t) wobei µ 1 (t) 0 µ r+1 (t) 0 D 1 (t) =..., D 2 (t) =... 0 µ r (t) 0 µ n (t) Diagonalmatrizen und die µ ν (t), ν = 1,..., n, die Eigenwerte der Matrix Q(t) sind, die betragsmäßig der Größe nach ansteigend geordnet sein sollen, d.h. µ 1 (t)... µ n (t). Wir untersuchen nun das Verhalten der Eigenwerte für t t 0 +. Dazu benutzen wir den Satz A.6. mit V 1 (t) = {X(t)c c ker X}, so dass dim V 1 (t) = n r. Da nach Satz 2.12.(i) Ud {0} für alle d ker X\{0} gibt es ein δ > 0 und ein η > 0 mit µ ν (t) µ r+1 (t) = max min{ Q(t)d Q(t)d d V \{0}} inf dim V =n r d d V 1 (t)\{0} d = inf c ker X\{0} U(t)c (X(t) X)c η γ(t) für t (t 0, t 0 + δ] und ν = r + 1,..., n,
23 4 Der Grenzwertsatz 18 wobei γ(t) = X(t) X 0 für t t 0 +. Sei nun V 2 (t) = {X(t)c c ImX T }, so ist dim V 2 (t) = r = rgx. Dann gibt es nach unseren Voraussetzungen und Lemma A.9. ein α > 0 mit XX T c α X T c für alle c R n, ein β 0 mit U(t) β für alle t I, sowie ein δ > 0 mit X(t) X α 2 für alle t (t 0, t 0 + δ], so dass µ ν (t) µ r (t) = min max{ Q(t)d d V \{0}} dim V =r d Q(t)d sup d V 2 (t)\{0} d sup c R n \ ker X T sup c R n \ ker X T = sup c R n \ ker X T U(t)X T c X(t)X T c U(t)X T c XX T c (X(t) X)X T c β X T c α X T c α/2 X T c = 2β α für t (t 0, t 0 + δ] und ν = 1,..., r. Die Eigenwerte µ 1 (t),..., µ r (t) sind also beschränkt für t t 0 +, und die Eigenwerte µ r+1 (t),..., µ n (t) konvergieren gegen für t t 0 +, da Q(t) monoton fallend auf (t 0, t 0 + ε] ist. Nehmen wir nun an, (d k ) sei eine konvergente Folge in R n mit Grenzwert d, (t k ) sei eine konvergente Folge in R mit Grenzwert t 0 und t 0 < t k für alle k N, und d T k Q(t k)d k sei beschränkt für k. Aufgrund der Kompaktheit dürfen wir ohne Beschränkung der Allgemeinheit annehmen, dass T (t k ) T (k ) konvergiert, wobei T orthogonal ist, ansonsten betrachte eine entsprechende Teilfolge, die nach dem Auswahlprinzip von Bolzano-Weierstraß, siehe [[3], Seite 156], konvergent ist. Demnach konvergiert die Folge c k := T T (t k )d k T T d(k ). Sofern ( ) d T k Q(t k )d k = c T D1 (t k ) 0 k c 0 D 2 (t k ) k ( ) ξ beschränkt ist, besitzt d die Gestalt d = T mit einem ξ R 0 r. Betrachte nun die konvergente Folge d k = X(t k )d mit Grenzwert Xd für t k t 0 +. Da für diese d T k Q(t k) d k = d T X T (t k )Q(t k )X(t k )d d( T X T Ud(t ) k t 0 +) beschränkt ist, ist nach Ir r 0 obiger Überlegung ist also ImX ImT. Ferner folgt aufgrund der Rangbedingung die Gleichheit. Folglich impliziert jede konvergente Folge d k d(k ) 0 0 mit beschränktem ( ) d T k Q(t k)d k für eine von rechts gegen t 0 konvergente Folge, dass Ir r 0 d ImT = ImX. Hieraus ergibt sich die Behauptung. 0 0
24 4 Der Grenzwertsatz 19 Bemerkung 4.2. Es ergibt sich ein entsprechendes Resultat, wenn man den linksseitigen Grenzwert betrachtet, d.h. unter Voraussetzungen analog zu denen des vorigen Satzes, wobei wir das halboffene Intervall [t 0 ε, t 0 ) und entsprechend den Grenzwert t t 0 betrachten, gilt lim t t 0 dt Q(t)d = für alle d ImX. Korollar 4.3. Es sei (A, B) steuerbar und (X 1, U 1 ), (X 2, U 2 ) normalisierte konjugierte Basen von (H), so dass X 2 (t 0 ) regulär für ein gegebenes t 0 I ist. Dann gilt lim t t 0 + dt { X1 1 X 2 }(t)d = für alle d ImX1 T (t 0 ). Wir benutzen den Grenzwertsatz, Satz 4.1., mit X(t) = X T 1 (t) und U(t) = X T 2 (t). Die Voraussetzungen des Grenzwertsatzes sind erfüllt, denn es gilt: - {X 1 X T 2 }(t) = {X 2 X T 1 }(t) für alle t I, insbesondere auch für t 0, nach Proposition X T 1 (t) X T 1 (t 0 ), X T 2 (t) X T 2 (t 0 )(t t 0 +) aufgrund der Stetigkeit in t. - rg(x 1 (t 0 ), X 2 (t 0 )) = n, da X 2 (t 0 ) regulär ist. - Es gibt ein ε > 0 so, dass X 1 (t) regulär ist für t (t 0, t 0 + ε]. Ist nämlich X 1 (t 0 ) singulär, so ist der fokale Punkt von X 1 (t 0 ) nach Satz 3.4. isoliert. Andernfalls sagt dieses Korollar nichts aus. Mit dem Grenzwertsatz folgt nun unmittelbar die Behauptung, da {UX 1 }(t) = {(X 1 ) T U T }(t), sofern {X T U}(t) symmetrisch ist.
25 5 Die Picone-Identität 20 5 Die Picone-Identität Um eine hinreichende Bedingung für die Positivität und die Nichtnegativität des quadratischen Funktionales F ermitteln, werden wir in diesem Abschnitt das Funktional F nach unten abschätzen. Betrachtet man den Integranden von F 0 (x), so sieht man unmittelbar den Zusammenhang zur nachstehenden Picone-Identität. Es gilt nämlich F 0 (x) F (t, x(t)) b a + b a {z T Bz}(t) dt mit den Bezeichnungen des nachstehenden Satzes, wie sich im der Sätze 6.2. und 6.3. ergeben wird. Auch dieser Satz findet seinen Ursprung in der Variationsrechnung, wie man in [[4], Chapter 1.3] nachlesen kann. Satz 5.1. (Picone-Identität) Es sei x zulässig und (X 1, U 1 ), (X 2, U 2 ) normalisierte konjugierte Basen von (H), für die X 1 regulär auf einem nicht-entarteten Teilintervall I 1 I ist. Dann gilt für t I 1, für die x(t) differenzierbar ist, und α R n : d dt F (t, x(t)) = {xt Cx + u T Bu z T Bz}(t), wobei die Funktionen z(t) und F (t, x) gegeben sind durch z(t) = u(t) U 1 (t)x1 1 (t)x(t) (X1 1 ) T (t)α F (t, x) = x T U 1 (t)x1 1 (t)x + 2α T X1 1 (t)x α T X1 1 (t)x 2 (t)α. Wir folgen dem von [[4], Theorem 1.2.1] und evaluieren unter Weglassen der Variablen t und mit Proposition und Lemma A.5. d dt {xt U 1 X1 1 x} = (Ax + Bu) T U 1 X1 1 x + x T (CX 1 A T U 1 )X1 1 x x T U 1 X1 1 (AX 1 + BU 1 )X1 1 x + x T U 1 X1 1 (Ax + Bu) = x T (C U 1 X1 1 BU 1 X1 1 )x + u T BU 1 X1 1 x + x T U 1 X1 1 Bu = x T Cx + u T Bu (u U 1 X1 1 x) T B(u U 1 X1 1 x) d dt {2αT X1 1 x α T X1 1 X 2 α} = 2α T X1 1 (AX 1 + BU 1 )X1 1 x + 2α T X1 1 (Ax + Bu) +α T X1 1 (AX 1 + BU 1 )X1 1 X 2 α α T X1 1 (AX 2 + BU 2 )α = 2α T X1 1 BU 1 X1 1 x + 2α T X1 1 Bu + α T X1 1 BU 1 X1 1 X 2 α α T X1 1 BU 2 α = 2α T X1 1 B(u U 1 X1 1 x) + α T X1 1 B(U 1 X1 1 X 2 U 2 )α = 2α T X1 1 B(u U 1 X1 1 x) + α T X1 1 B(X1 1 ) T (X1 T U 1 X1 1 X 2 X1 T U 2 )α = 2α T X1 1 B(u U 1 X1 1 x) + α T X1 1 B(X1 1 ) T (U1 T X 2 X1 T U 2 )α = 2α T X1 1 B(u U 1 X1 1 x) α T X1 1 B(X1 1 ) T α Die Addition der beiden obigen Terme ergibt die Behauptung.
26 5 Die Picone-Identität 21 In den Vorbetrachtungen zu diesem Abschnitt haben wir festgestellt, dass wir das Funktional F(x) mittels der Picone-Identität nach unten abschätzen können, sofern die matrixwertige Funktion X 1 (t) der normalisierten konjugierten Basen (X 1, U 1 ), (X 2, U 2 ) von (H) regulär ist. Wir werden aber sehen, dass gerade der Fall interessant ist, wenn X 1 (t) am Rand des betrachteten Intervalls I singulär ist. Das folgende Korollar sichert aber zumindest die Existenz des Grenzwertes der Funktion F aus dem Satz der Picone-Identität mit von t abhängigem α an den Stellen, an denen X 1 (t) singulär ist. Korollar 5.2. Es sei (A, B) steuerbar auf I, (X 1, U 1 ), (X 2, U 2 ) seien normalisierte konjugierte Basen von (H) und x(t) eine auf I stetige Funktion mit x(t) ImX 1 (t) für t I. Ferner sei t 0 I. Dann gilt mit F (t, x(t)) = {x T U 1 X 1x + 2α T X 1x α T X 1X 2 α}(t) und α(t) = X T 1 (t)u 1 (t 0 )X 1(t 0 )x(t 0 ) U T 1 (t)x(t), dass lim F (t, x(t)) = x T (t 0 )U 1 (t 0 )X t t 0 1(t 0 )x(t 0 ) und lim α(t) = 0. t t0 Aufgrund der Voraussetzung, dass (A, B) steuerbar auf I ist, sind nach Satz 3.4. die fokalen Punkte von X(t) in I isoliert. Da ferner die Ableitung von x(t) bis auf endlich viele Punkte in I existiert, gibt es eine punktierte Umgebung um t 0, d.h. ohne t 0, auf der X 1 (t) regulär und x(t) differenzierbar ist. Also ist Satz 5.1. anwendbar. Die Funktionen X 1 (t), U 1 (t), X 2 (t), U 2 (t) und x(t) sind absolut stetig auf I. Allerdings ist X 1(t) unstetig in allen t I, in denen X 1 (t) singulär ist. Durch die Wahl von α(t) werden wir aber genau solche Terme eliminieren. Wir verifizieren die Behauptung unter Anwendung von Proposition und der Voraussetzung, dass x(t) ImX(t) für t I, wobei wir wie im vorangegangenen Satz den Parameter t weglassen wollen: F (, x( )) = x T U 1 X 1x + 2x T (t 0 )(X 1) T (t 0 )U T 1 (t 0 )X 1 X 1x 2x T U 1 X 1x x T (t 0 )(X 1) T (t 0 )U1 T (t 0 )X 1 X 1X 2 X1 T U 1 (t 0 )X 1(t 0 )x(t 0 ) x T U 1 X 1X 2 U1 T x + 2x T U 1 X 1X 2 X1 T U 1 (t 0 )X 1(t 0 )x(t 0 ) = x T U 1 X 1X 1 U2 T x + 2x T (t 0 )(X 1) T (t 0 )U1 T (t 0 )x x T (t 0 )(X 1) T (t 0 )U1 T (t 0 )X 1 X2 T U 1 (t 0 )X 1(t 0 )x(t 0 ) + 2x T U 1 X 1X 1 X2 T U 1 (t 0 )X 1(t 0 )x(t 0 ) = x T U 1 U2 T x + 2x T (t 0 )(X 1) T (t 0 )U1 T (t 0 )x x T (t 0 )(X 1) T (t 0 )U1 T (t 0 )X 1 X2 T U 1 (t 0 )X 1(t 0 )x(t 0 ) + 2x T U 1 X2 T U 1 (t 0 )X 1(t 0 )x(t 0 ).
27 5 Die Picone-Identität 22 Nach Voraussetzung ist x(t) stetig an t 0 und damit ist der letzte Ausdruck ist stetig an t 0 und es gilt bei Weglassen des gemeinsamen Parameters t 0 lim F (t, x(t)) = x T ( U 1 U2 T + 2U 1 X 1 U 1 X2 T U 1 X 1 + 2U 1 X2 T U 1 X t t 0 1)x = x T U 1 X 1x. Die Behauptung für den Grenzwert von α(t) folgt unmittelbar mit der Definition einer konjugierten Basis.
28 6 Hauptsätze zur Definitheit quadratischer Funktionale 23 6 Hauptsätze zur Definitheit quadratischer Funktionale Es gelten in diesem zentralen Abschnitt wie bisher (1) und (2). Wir betrachten nun eine spezielle konjugierte Basis (X a, U a ) des Hamilton Systems, für die gilt X a (a) = R a, R T a U a (a) = R T a S a R a. (4) Proposition 6.1. Es gibt eine konjugierte Basis (X a, U a ) von (H), die den Anfangsbedingungen (4) genügt. Es sei (X, U) eine n n-matrixwertige Lösung des Hamilton Systems (H) zu den Anfangswerten X a (a) = R a, U a (a) = S a R a + S, wobei Ein solches S existiert nach Lemma 2.9. Dann gilt R T a S = 0, rg(r T a, S T ) = n. rg(x T a (a), U T a (a)) = rg(r T a, R T a S T a + S T ) = rg(r T a, S T ) = n und mit der Symmetrie von S a X T a (a)u a (a) U T a (a)x a (a) = R T a S a R a + R T a S + R T a S T a R a S T R a = 0. Nach Proposition 2.6. ist ein solches (X, U) eine konjugierte Basis. Wir haben nun die nötigen Vorbereitungen getroffen um die Sätze zur Charakterisierung der Positivität und Nichtnegativität des quadratischen Funktionales F zu beweisen. Da der des hinreichenden Teils bei beiden Sätzen sehr ähnlich verläuft, werden wir diesen Teil der beiden e zusammenfassen. Anschließend werden wir jedoch zunächst die notwendigen Bedingungen der Positivität getrennt beweisen, da wir im Fall der Nichtnegativität auf diesen zurückgreifen möchten. Satz 6.2. (Positivität) Es sei (A, B) steuerbar auf I und (X a, U a ) sei eine spezielle konjugierte Basis des Hamilton Systems (H), die den Anfangsbedingungen (4) genügt. Dann ist F genau dann positiv definit, wenn die folgenden Bedingungen gelten: (i) B(t) 0 auf I. (ii) X a (t) ist regulär für alle t (a, b]. (iii) R T b {S b + U a (b)x 1 a (b)}r b ist positiv definit auf ImR T b.
29 6 Hauptsätze zur Definitheit quadratischer Funktionale 24 Satz 6.3. (Nichtnegativität) Es sei (A, B) steuerbar auf I und (X a, U a ) sei eine spezielle konjugierte Basis des Hamilton Systems (H), die den Anfangsbedingungen (4) genügt. Dann ist F genau dann nichtnegativ definit, wenn die folgenden Bedingungen gelten: (i*) B(t) 0 auf I. (ii*) X a (t) ist regulär für alle t (a, b). (iii*) R T b {S b + U a (b)x a(b)}r b ist nichtnegativ definit. (iv*) ImR b ImX a (b). der Sätze 6.2. und 6.3. Zunächst werden wir zeigen, dass die Bedingungen (i*)-(iv*) hinreichend für die Nichtnegativität und die Bedingungen (i)-(iii) hinreichend für die Positivität eines quadratischen Funktionales sind. Es gelten die Bedingungen (i*)-(iv*) und x sei zulässig mit x(a) = R a c a, x(b) = R b c b für gewisse c a, c b R n. Wir benutzen Korollar 5.2. für X 1 = X a, U 1 = U a und einer konjugierten Basis (X 2, U 2 ) von (H), so dass (X a, U a ), (X 2, U 2 ) normalisierte konjugierte Basen von (H) bilden, α a (ε) = X T a (a + ε)u a (a)x a(a)x(a) U T a (a + ε)x(a + ε), α b (ε) = X T a (b ε)u a (b)x a(b)x(b) U T a (b ε)x(b ε) und einem hinreichend kleinem ε > 0, wobei wegen (ii*), (iv*) und (4) x(t) ImX a (t) für alle t I = [a, b] gilt. Ferner benutzen wir die Picone-Identität, Satz 5.1., mit dem in diesem Satz definierten F (t, x(t)), obigen normalisierten konjugierten Basen und z ε,ν (t) := u(t) U a (t)x 1 a (t)x(t) (X 1 ) T (t)α ν (ε) z(t) := u(t) U a (t)x 1 a (t)x(t) für ε 0+, ν {a, b} Dann gilt mit beliebigem τ (a, b) und für alle hinreichend kleinen δ > 0 nach oben zitiertem Satz, Korollar 5.2. und wegen (i*): F 0 (x) = b a = lim ε 0+ = {x T Cx + u T Bu}(t) dt lim ε 0+ b δ a+δ a τ [ {x T Cx + u T b ε Bu}(t) dt + {x T Cx + u T Bu}(t) dt] a+ε τ [ τ a+δ {zt ε,abz ε,a }(t) dt + F (t, x(t)) τ a+ε+ b δ τ {z T ε,b Bz ε,b}(t) dt + F (t, x(t)) b ε τ ] {z T Bz}(t) dt + {x T U a X ax}(b) {x T U a X ax}(a) {x T U a X ax}(b) {x T U a X ax}(a).
30 6 Hauptsätze zur Definitheit quadratischer Funktionale 25 Damit folgt F(x) = F 0 (x) + x T (b)s b x(b) x T (a)s a x(a) {x T U a X ax}(b) {x T U a X ax}(a) + x T (b)s b x(b) x T (a)s a x(a) = x T (b){s b + U a (b)x a(b)}x(b) c T a {X T a (a)u a (a) + R T a S a R a }c a 0 nach (iii*) und (4). Damit haben wir nun also die hinreichende Bedingung für die Nichtnegativität eines quadratischen Funktionales gezeigt. Gelten nun die Bedingungen (i)-(iii), so folgt aus diesen unmittelbar die Bedingungen (i*)-(iv*) und damit F(x) 0, wobei wir die Folgerung (iii) (iii*) kurz erläutern möchten. Es ist c T Rb T {S b + U a (b)xa 1 (b)}r b c > 0 für alle c ImRb T \{0} c T Rb T {S b + U a (b)xa 1 (b)}r b c > 0 für alle c R n mit R b c 0, denn mit R n = ImRb T ker R b gibt es für alle c R n Vektoren d, d R n mit c = Rb T d + d und R b d = 0. Dann ist Rb c 0 R b Rb T d 0 RT b d 0. Damit folgt obige Äquivalenz und auch (iii*). Ist F(x) = 0, so folgt aus der Abschätzung oben, dass x T (b){s b + U a (b)xa 1 (b)}x(b) = 0 und damit wegen der Bedingung (iii) x(b) = 0. Da die obige Abschätzung für alle hinreichend kleinen δ > 0 gilt, ist überdies Bz 0 und damit Bu Bv für v = U a Xa 1 x, wobei (x, v) das Hamilton System mit 0 = x(b) = v(b) löst. Mit dem Existenz- und Eindeutigkeitssatz, Satz A.3., folgt somit x(t) 0 auf I. Dies ergibt die hinreichende Bedingung für die Positivität eines quadratischen Funktionales. Die Notwendigkeit der Bedingung (i), bzw. (i*), ergibt sich unmittelbar aus Satz 1.3. Da wir im weiteren Verlauf dieses es die Nichtnegativität auf den Fall der Positivität zurückführen werden, wollen wir zunächst den notwendigen Teil von Satz 6.2. getrennt beweisen. Dazu bemerken wir zunächst, dass es nach Satz 3.4. ein ε > 0 gibt, für das X a (t) regulär für alle t (a, a + ε) ist. (*) Zu (ii): Es sei angenommen, es gäbe ein t 0 (a, b] mit X a (t 0 )c = 0 für ein c R n \{0}. Setze nun x(t) := u(t) := { Xa (t)c, t [a, t 0 ] 0, t (t 0, b], { Ua (t)c, t [a, t 0 ] 0, t (t 0, b]. Dann ist x zulässig und mit (*) gilt x(t) 0 für t (a, a + ε) wegen der Regularität von X a (t), so dass x(t) 0 auf I.
31 6 Hauptsätze zur Definitheit quadratischer Funktionale 26 Mittels partieller Integration folgt wie in Bemerkung 2.2.(ii) F(x) = x T u t 0 a x T (a)s a x(a) = x T (a)u(a) x T (a)s a x(a) = c T X T a (a)u a (a)c c T R T a S a R a c = 0, ein Widerspruch zu unserer Voraussetzung. Zu (iii): Sei nun also X a (t) regulär auf (a, b], aber angenommen Rb T {S b + U a (b)xa 1 (b)}r b ist nicht positiv definit auf ImRb T, d.h. es gibt ein c ImRT b mit c T R T b {S b + U a (b)x 1 a (b)}r b c 0 und d := R b c 0. Betrachte die Lösung ( ) x (t) := u ( Xa U a ) (t)xa 1 (b)d. Dann gilt ähnlich wie oben: F(x) = x T u b a + x T (b)s b x(b) x T (a)s a x(a) = x T (b)u(b) x T (a)u(a) + x T (b)s b x(b) x T (a)s a x(a) = x T (b)u(b) + x T (b)s b x(b) = c T R T b {S b + U a (b)x 1 a (b)}r b c 0, ein Widerspruch. Demnach haben wir die Notwendigkeit der Bedingungen (i) - (iii) gezeigt. Wir fahren nun mit dem der Notwendigkeit der Bedingungen (ii*)-(iv*) fort. Dabei betrachten wir eine konjugierte Basis (X a, U a ) von (H λ ), für die gilt X a (a, λ) X a (a) und U a (a, λ) U a (a) für alle λ R. Zu (ii*): Es sei angenommen, es gäbe ein t 0 (a, b), so dass X a (t 0 ) = X a (t 0, 0) singulär ist. Wegen F(x) 0 ist F(x, λ) > 0 für alle λ < 0 nach Lemma Daher ist X a (t, λ) regulär für alle λ < 0 und t (a, b] nach Satz 6.2. Wir betrachten H(t, λ) := Xa 1 (t, λ)x (t, λ) mit einer konjugierten Basis (X, U ) von (H λ ) so, dass (X a, U a ), (X, U ) normalisierte konjugierte Basen von (H λ ) bilden, und dass X (t 0, 0) regulär ist. Die Existenz einer solchen konjugierten Basis ist nach Proposition gewährleistet. Setze nun λ := 1 und c := d T H(t 0, 1)d mit einem d ImX T a (t 0, 0).
Seminar 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
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
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
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
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
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
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
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
Mehr5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit
ME Lineare Algebra HT 2008 99 5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit 5.1 Ein Beispiel zur Motivation Als einfachstes Beispiel eines dynamischen Systems untersuchen wir folgendes Differentialgleichungssystem
Mehr19.2 Mittelwertsatz der Differentialrechnung
19 Mittelwertsätze der Differentialrechnung mit Anwendungen 19.1 Satz von Rolle 19.2 Mittelwertsatz der Differentialrechnung 19.4 Globaler Wachstumssatz 19.6 Verallgemeinerter Mittelwertsatz der Differentialrechnung
Mehrist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1
24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx
MehrAnalyis I -Metrische Räume - eine Einführung in die Topologie
Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X
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
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
MehrÜbungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.
Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.
Mehr3.1 Sukzessive Minima und reduzierte Basen: Resultate
Gitter und Codes c Rudolf Scharlau 4. Juni 2009 202 3.1 Sukzessive Minima und reduzierte Basen: Resultate In diesem Abschnitt behandeln wir die Existenz von kurzen Basen, das sind Basen eines Gitters,
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 19 8. Juli 2010 Kapitel 14. Gewöhnliche Differentialgleichungen zweiter Ordnung 14.1 Systeme gewöhnlicher linearer Differentialgleichungen erster
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.57 2018/06/08 16:27:08 hk Exp $ $Id: jordan.tex,v 1.34 2018/07/12 20:08:29 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Am Ende der letzten Sitzung hatten wir zwei
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
MehrProf. Steinwart Höhere Mathematik I/II Musterlösung A =
Prof. Steinwart Höhere Mathematik I/II Musterlösung 9.8.6 Aufgabe Punkte a Berechnen Sie die Eigenwerte der folgenden Matrix: A 3 b Es sei 4 A. 8 5 Bestimmen Sie P, P M, und eine Diagonalmatrix D M, so,
MehrExponentialabbildung für Matrizen und Systeme von Differentialgleichungen
Proseminar Lineare Algebra SS10 Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen Simon Strahlegger Heinrich-Heine-Universität Betreuung: Prof. Dr. Oleg Bogopolski Inhaltsverzeichnis:
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
Mehr14 Ljapunov-Funktionen
14 Ljapunov-Funktionen 67 14 Ljapunov-Funktionen 14.1 Gradientenfelder. a Ein Vektorfeld v C 1 D, R n besitze ein Potential U C 2 D, R, d.h. es sei v = gradu. Dann ist Dvx = HUx symmetrisch, und man hat
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
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
Mehr5 Teilmengen von R und von R n
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 Nullpunkt. Die entsprechende Verallgemeinerung
MehrLineare Differentialgleichungen
Technische Universität München Thomas Reifenberger Vorlesung, Kapitel 4 Repetitorium Analysis I für Physiker Analysis I Lineare Differentialgleichungen 1 Das Matrixexponential Definition 1.1 Sei A C n
MehrElemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren
3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)
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
Mehr102 KAPITEL 14. FLÄCHEN
102 KAPITEL 14. FLÄCHEN Definition 14.3.1 (Kurve) Es sei M eine k-dimensionale Untermannigfaltigkeit des R n. Eine C 1 - Kurve γ : ( a, a) R n mit γ(( a, a)) M heißt Kurve auf M durch x 0 = γ(0). Definition
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrAnalysis von singulären Differentialgleichungen erster und zweiter Ordnung - Skalare Probleme
Analysis von singulären Differentialgleichungen erster und zweiter Ordnung - Skalare Probleme Jonathan Mosser 3. Juni 27 / 38 Vorbemerkungen Singularität Singuläre Probleme können auf zwei Arten formuliert
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
MehrHolomorphe Funktionen
1 Kapitel 1 Holomorphe Funktionen 1 Komplexe Differenzierbarkeit Ist z = (z 1,..., z n ) ein Element des C n und z ν = x ν + i y ν, so können wir auch schreiben: z = x + i y, mit x = (x 1,..., x n ) und
Mehrm 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23
Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x
MehrImplizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen
Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,
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,
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
MehrAusgewählte Lösungen zu den Übungsblättern 9-10
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt
MehrZulassungsprüfung in Mathematik
der Deutschen Aktuarvereinigung e V Hinweise: Als Hilfsmittel sind ein Taschenrechner, eine mathematische Formelsammlung sowie entsprechende Literatur zugelassen Die Gesamtpunktzahl beträgt 9 Punkte Die
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
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
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrWiederholungsserie II
Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095
MehrZusammenfassung Analysis 2
Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrHöhere Funktionalanalysis WS2016/17 Übungsblatt
Höhere Funktionalanalysis WS2016/17 Übungsblatt 1 11.10.2016 Aufgabe 1. Berechne die Normen der Operatoren (a) f L [0, 1], M f : L 2 [0, 1] L 2 [0, 1], (M f g)(x) = f(x)g(x). (b) g C[0, 1], T g : C[0,
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
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
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,
MehrTU Ilmenau Institut für Mathematik FG Numerische Mathematik und Informationsverarbeitung PD Dr. W. Neundorf Datei: UEBG2.TEX
TU Ilmenau Institut für Mathematik FG Numerische Mathematik und Informationsverarbeitung PD Dr. W. Neundorf Datei: UEBG2.TEX Übungsaufgaben zum Lehrgebiet Numerische Mathematik - Serie 2 Beweise Sie folgende
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
Mehr15 Hauptsätze über stetige Funktionen
15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen
MehrTopologische Grundbegriffe II. Inhaltsverzeichnis
Vortrag zum Seminar zur Analysis, 03.05.2010 Dennis Joswig, Florian Goy Aufbauend auf den Resultaten des Vortrages Topologische Grundbegriffe I untersuchen wir weitere topologische Eigenschaften von metrischen
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
Mehr6. Lineare DGL-Systeme erster Ordnung
HJ Oberle Differentialgleichungen I WiSe 22/3 6 Lineare DGL-Systeme erster Ordnung A Allgemeines Wir betrachten ein lineares DGL System erster Ordnung y (t = A(t y(t + b(t (6 und setzen voraus, dass die
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
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
Mehr9 Lineare Differentialgleichungen
$Id: lineartex,v 3 //8 ::37 hk Exp hk $ 9 Lineare Differentialgleichungen 9 Homogene lineare Differentialgleichungen Wir beschäftigen uns gerade mit den homogenen linearen Differentialgleichungen, also
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.
MehrTeil 6. Differentialrechnung mehrerer Veränderlicher
Teil 6 Differentialrechnung mehrerer Veränderlicher 95 96 6.1 Topologie von Mengen Umgebung ε-umgebung eines Punktes x R n : B ε (x) = {y : y x < ε} Umgebung U von x: Menge, die eine ε-umgebung von x enthält
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrExtremalprobleme mit Nebenbedingungen
Extremalprobleme mit Nebenbedingungen In diesem Abschnitt untersuchen wir Probleme der folgenden Form: g(x 0 ) = inf{g(x) : x Ω, f(x) = 0}, (x 0 Ω, f(x 0 ) = 0). (1) Hierbei sind Ω eine offene Menge des
MehrBegleitmaterial zur Vorlesung Numerik II
Begleitmaterial zur Vorlesung Numerik II Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik II 1 / 35 Inhalte der Numerik
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrPartielle Differentialgleichungen Kapitel 7
Partielle Differentialgleichungen Kapitel 7 Intermezzo zu Distributionen Die Physik hat der Mathematik die Dirac-δ-Funktion gebracht. Diese δ-funktion soll folgende Eigenschaften haben: n δ (x ϕ (x dx
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
Mehr4 Differenzierbarkeit einer konjugierten Funktion
4 Differenzierbarkeit einer konjugierten Funktion (Eingereicht von Corinna Vits) 4.1 Differenzierbarkeit 1.Ordnung Theorem 4.1.1: Sei f ConvR n strikt konvex. Dann ist int dom und f ist stetig differenzierbar
Mehrsign: R R, sign(x) := 0 falls x = 0 1 falls x < 0 Diese ist im Punkt x 0 = 0 nicht stetig, denn etwa zu ε = 1 finden wir kein δ > 0
ANALYSIS FÜR PHYSIK UND VERWANDTE FÄCHER I 81 3. Stetigkeit 3.1. Stetigkeit. Im Folgenden sei D R eine beliebige nichtleere Teilmenge. Typischerweise wird D ein allgemeines Intervall sein, siehe Abschnitt
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
Mehr42.3 Der Fundamentalsatz der Algebra
42 Der Fundamentalsatz der Algebra 42.2 Die Argandsche Ungleichung 42.3 Der Fundamentalsatz der Algebra 42.4 Faktorisierung komplexer olynome 42.5 Faktorisierung reeller olynome 42.6 artialbruchzerlegung
MehrLineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.
b Musterlösung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice) Gegeben sei die folgende Matrix Winter 3 Prof. H.-R. Künsch A = a a) deta) = genau dann wenn gilt x a =. a =. ), a R. x
Mehr11 Logarithmus und allgemeine Potenzen
Logarithmus und allgemeine Potenzen Bevor wir uns mit den Eigenschaften von Umkehrfunktionen, und insbesondere mit der Umkehrfunktion der Eponentialfunktion ep : R R + beschäftigen, erinnern wir an den
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrLineare Gleichungssysteme
Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.
Mehr4 Holomorphie-Konvexität. Definition Satz. 42 Kapitel 2 Holomorphiegebiete
42 Kapitel 2 Holomorphiegebiete 4 Holomorphie-Konvexität Wir wollen weitere Beziehungen zwischen Pseudokonvexität und affiner Konvexität untersuchen. Zunächst stellen wir einige Eigenschaften konvexer
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrKapitel II Funktionen reeller Variabler
Kapitel II Funktionen reeller Variabler D (Funktion) Es sei f XxY eine Abbildung Die Abbildung f heiß Funktion, falls sie eindeutig ist Man schreibt dann auch: f : X Y f ( x) = y, wobei y das (eindeutig
MehrVorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)
Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 3/) Kapitel : Optimierung ohne Nebenbedingungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom. Oktober 3) Gliederung
MehrVorlesung Einführung in die Mathematische Optimierung (Wintersemester 2013/14)
Vorlesung Einführung in die Mathematische Optimierung (Wintersemester 3/4) Kapitel : Optimierung ohne Nebenbedingungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom. Oktober 3) Gliederung
Mehr3 Lineare Differentialgleichungen
3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
MehrM U = {x U f 1 =... = f n k (x) = 0}, (1)
Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit
MehrStaatsexamen Herbst 2017 Differential- und Integralrechnung, Thema I
Staatsexamen Herbst 17 Differential- und Integralrechnung, Thema I 1. a) Die Aussage ist wahr! Sei s R der Reihenwert der Reihe k=1 Da a n = s n s n 1 für n, ist also b) Die Aussage ist falsch! a k, also
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 2 2. (Frühjahr 29, Thema 3, Aufgabe 3) Gegeben sei die reelle 3 3 Matrix 4 2 A = 2 7 2 R 3 3. 2 2 a)
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
MehrKapitel II. Vektorräume
Inhalt der Vorlesung LAAG I Prof. Dr. Arno Fehm TU Dresden WS2017/18 Kapitel II. Vektorräume In diesem ganzen Kapitel sei K ein Körper. 1 Definition und Beispiele 1.1 Beispiel. Ist K = R, so haben wir
MehrD-ITET Analysis II FS 13 Prof. Horst Knörrer. Musterlösung 1. 3xy 2 = 2 x 2. y y. 3 y y. 3 x v x + v = 2 3 v v.
D-ITET Analysis II FS 3 Prof. Horst Knörrer Musterlösung. a) Es gilt: dy d 3 + y 3 3y 3 y + y 3. Dies ist eine homogene Differentialgleichung, das heisst y hängt nur von y ab. Setze v : y y() v() y v +
MehrFinite Elemente Methode für elliptische Differentialgleichungen
Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrInexakte Newton Verfahren
Kapitel 3 Inexakte Newton Verfahren 3.1 Idee inexakter Newton Verfahren Wir betrachten weiterhin das nichtlineare Gleichungssystem F (x) = mit einer zumindest stetig differenzierbaren Funktion F : R n
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
Mehr