Universität Koblenz-Landau Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften
|
|
- Ingeborg Voss
- vor 5 Jahren
- Abrufe
Transkript
1 Universität Koblenz-Landau Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes (Lehrbeauftragter) Systemanalyse 2 Kapitel 6: Nichtlineare Modelle Nichtlineare mit einer und mehreren Variablen Kapitel 7: Zeitdiskrete Modelle Eine kurze Übersicht Kapitel 8: Modelle in Raum und Zeit Mischung und Transformation; Advektion, Diffusion, Austausch; Stationäre Transport/Transformationsmodelle 9 Thermodynamische Grundlagen 10 Grundlagen der dynamischen Optimierung 11 Optimierung und Systemanalyse gekoppelter Systeme 12 Beispiele für gekoppelte Systeme Grundwassersanierung in Leuna, Wasserinfrastruktur Adana/Türkei, Wasser und wirtschaftliche Entwicklung in China
2 Nichtlineare Modelle 1. Nichtlineare Modelle mit einer Systemvariablen: 1.1 Autonome nichtlineare Modelle ~ dv ( t) ~ = g( V ( t), t) Die allgemeine Form der Differentialgleichung zeigt, dt dass die Funktion g explizit und via die Systemvariable implizit von der Zeit abhängen. Kann die äußere von der inneren Relation getrennt werden, erhalten wir für allgemeine Form die spezielle Form: ~ dv ( t) ~ = R( t) + f ( V ( t)) dt Beispiel: Logistisches Wachstumsmodell dn( t) = k p ( N) N wobei für k p (N) eine Funktion gewählt wird, die von einem maximalen Wert bei N=0 linear abnimmt und dt für N max null wird, d.h. N k k0 dn( t) N p = p (1 ) N. Aus = k N N dt p (1 ) ergibt sich die allgemeine Lösung: N max max N 0 N( t) = N max k 0 t 0 p N N e + N 0 max
3 Taylorreihe!
4 Nichtlineare Modelle 1. Nichtlineare Modelle mit einer Systemvariablen: 1.2 Fixpunkte autonomer nichtlinearer Modelle mit einer Systemvariable Lineare eindimensionale Modelle haben nur einen Fixpunkt, nichtlineare Modelle können jedoch mehrere Fixpunkte haben. Voraussetzung bei eindimensionalen autonomen Modellen: Die äußere Relation ist konstant, da sonst keine Fixpunkte existieren, d.h. die äußere Relation wird implizit in die vereinfachte Veränderungsfunktion wie folgt aufgenommen: ~ dv ( t) ~ ~ = g( V ( t)) mit k Nullstellen, für die gilt: g ( V ) = 0 dt i ~ dv bzw. = 0, i = 1,..., k, beim Erreichen des Fixpunktes. dt ~ V i Formal wird die Stabilität in der Umgebung der Fixpunkte über die Entwicklung einer Taylorreihe für kleine Änderungen der Variablen gezeigt (siehe Seite 132 bei Imboden, Koch 2004). Uns genügt das Ergebnis formal und in graphischer Form: ~ ~ ~ dv dv dv < 0 stabiler Zustand > 0instabiler Zustand, = 0 höhere Ableitung sind zu betrachten dt ~ V dt ~ V dt ~ V i i i
5
6 Nichtlineare Modelle 1. Nichtlineare Modelle mit einer Systemvariablen: 1.3 Fixpunkte nichtautonomer nichtlinearer Modelle mit einer Systemvariable Annahme: Die externe Relation lasse sich explizit von der internen Relation trennen. Folglich erfüllen die stationären Zustände des Systems die Bedingung: ~ ~ f ( V i ) = R( t) für i = 1,..., k, beim Erreichen des Fixpunktes. Voraussetzung ist, dass R(t) zumindest für eine gewisse Zeit einen konstanten Wert R(t) =R 0 annimmt. Beispiel: Fischteich mit logistischem Wachstum Fische wachsen mit der logistischen Wachstumsfunktion. Gleichzeitig wird pro Zeiteinheit eine bestimmte Anzahl an Fischen abgefischt. 1, wobei f(n) die logistische Wachstumskurve sei In der folgenden Grafik sieht man, falls > gibt es keine Fixpunkte mehr und die Fische sterben aus.
7
8 Nichtlineare Modelle 1. Nichtlineare Modelle mit einer Systemvariablen: 1.4 Hysterese bei nichtlinearen Modelle mit einer Systemvariable Bei nichtlinearen Modellen existieren zu einer konstanten Relation mehrere stationäre Zustände. Wird die äußere Relation adiabatisch (d.h. genügend langsam) geändert, tritt das Phänomen der Hysteresis auf. Fixpunkte sind durch folgende Bedingung definiert:, ü 1,, Wenn f(v) eine stetige Funktion ist und die Gerade (-J) mindestens einmal schneidet, dann muss f(v) abwechslungsweise einmal von oben und einmal von unten durch die Gerade (-) gehen, d.h.: Im ersten Fall ist die Steigung negativ, also der Fixpunkt stabil. Im zweiten Fall ist die Steigung positiv, also der Fixpunkt instabil. Im dritten Fall ist die Steigung wieder negativ, also der Fixpunkt wieder stabil. Die stabilen und instabilen Voraussetzung ist, dass R(t) zumindest für eine gewisse Zeit einen konstanten Wert R(t) =R 0 annimmt. Die Funktion f(v) sei ein Polynom dritten Grades (siehe Abbildung): Dann haben wir ein lokales Minimum an der Stelle V A (mit Wert f A < 0) und ein lokales Maximum an der Stelle V B (mit Wert f B > 0) hat. Wir erhalten also Bereiche mit stabilen Fixpunkten und einen Bereich, die von unterschiedlichen Sprungstellen aus übersprungen werden. Dieses Phänomen wird Hysterese genannt. (mehr Details auf Seite 138 und 139).
9
10 Magnetisierung Sättigung: Maximale Ausrichtung Remanenz-Kurve Remanenz Angelegte Feldstärke Feldstärke Koerzitivkraft Analogie: Hysterese-Kurve für magnetisierbares Material
11 Nichtlineare Modelle 1. Nichtlineare Modelle mit einer Systemvariablen: Beispiel: Nichtlineares Phosphormodell Die Phosphor-Einlagerung ins Sediment ist jetzt nicht mehr lineare Funktion des mittleren Phosphor Gehaltes (k s C). Die Phosphor-Sedimentationsrate nimmt mit wachsender Konzentration ab und kann sogar negativ werden. Aus der dynamische Gleichung, h erhalten wir zunächst: ü. ü, d.h. Der nichtautonome Inputterm k w C ist im allgemeinen Fall zeitlich nicht konstant; also werden keine stationären Zustände erreicht. Dennoch ist es nützlich, fiktive stationäre Zustände in Abhängigkeit einer konstant angenommenen Inputkonzentration zu analysieren. Wir suchen nach einem statischen Modell mit:, welches implizit im dynamischen Modell steckt. Das Modell besteht eigentlich aus der Überlagerung von zwei linearen Modellen, eine sogenannte Superposition von den zwei Fixpunktgeraden:
12 + ü < ü Die Fixpunktgerade A in der nachstehenden Abbildung hat die Steigung: Die Fixpunktgerade B hat die Steigung 1. Anpassungsvorgang: C in sei erst so klein, dass die stationäre Konzentration < ist.. Wächst C in langsam, erreicht diese Konzentration bei einer Inputkonzentration C * den kritischen Wert, wo er von der Fixpunktgerade A auf die obere Fixpunktgerade B springt:: Bewegt sich umgekehrt das Modell von großen Konzentrationen auf der Fixgerade B abwärts, wird es nicht bei Ergebnis: auf die Fixgerade A springen. 1. Das Modell hat kritische Zustände, in denen kleinste Veränderungen des Inputs (äußere Relation) zu großen Veränderungen der Systemvariablen führen. 2. Es gibt einen Bereich der Inputgröße, in dem das Verhalten des Systems von der Vorgeschichte abhängt (Hysterese).
13 3. Bei nichtlinearen Modellen treten Synergismen auf, d.h. die Wirkung von Einzelereignissen auf die Systemvariable ist nicht gleich deren Summenwirkung.
14 Nichtlineare Modelle 2. Nichtlineare Boxmodelle mit mehreren Systemvariablen: 2.1 Die Jacobi Matrix Mehr Vielfalt, aber eingeschränkte Lösbarkeit der nichtlinearen Differentialgleichungen. Meist sind nur nummerische Lösungsverfahren möglich. Die Konzentration liegt deshalb darauf, wie das System sich in der Nähe eines Stationär Zustandes verhält. Ausgang ist folgendes System von n dimensionale Differentialgleichungen:,,, 1,, Fixpunkte oder Stationäre Zustände sind q Lösungen des n-dimensionalen gewöhnlichen, aber nichtlinearen Gleichungssystems: 0,,,, 1,, 1,2,,. Das System befindet sich in der Nähe eines Fixpunktes k, bedeutet formal bzw. als Vektor geschrieben folgendes: +, 1,,. + Da am Fixpunkt selbst alle Veränderungsfunktionen g i null sind, können diese in der Umgebung von durch folgende Taylorreihe approximieren, wobei nach dem ersten Term abgebrochen wird und der senkrechte Strich bedeutet, dass die partiellen Ableitungen am Fixpunkt zu berechnen sind:
15 +,, Da konstant ist gilt, wird die allgemeine Gleichung näherungsweise zu einem n-dimensionalen linearen System mit der Abweichungsvariablen :,, 1,,,, Letzteres kann auch als Matrix geschrieben werden: und wir erhalten in Matrixform geschrieben: Die Stabilisierungsuntersuchung erfolgt über die Eigenwerte. Für ein System mit zwei Variablem erhalten wir in Analogie zum linearen System folgende grafisch dargestellten Stabilitätseigenschaften für das nichtlineare System:
16 2.2. Charakterisierung der Stationären Zustände im zweidimensionalen Modells a) Stabiler Stern b) Instabiler Stern c) Sattelpunkt (instabil) d) Stabiler Stationärzustand mit Oszillation e) Instabiler Stationärzustand mit Oszillation f) Ungedämpfte Oszillation: Zentrum
17 Nichtlineare Modelle 2. Nichtlineare Boxmodelle mit mehreren Systemvariablen: 2.3 Räuber-Beute-Modelle Beispiel 1: Räuber-Beute Modell von Lotka-Volterra (1926) 1. Eine Population von Beutetieren B vermehrt sich mit Nettorate k Eine Population von Räubern R stirbt mit einer spezifischen Nettorate k Die Beutetiere werden von den Räubern gefressen, was zu einer Vermehrung der Räuber und einer Verminderung der Beutetiere um den Betrag k 3 BR führt. Mathematische Beschreibung: + Neben den trivialen Fixpunkten 0, 0 existieren die zwei Fixpunkte:, k 1 B k 3 BR k 2 R Beute Räuber Formaler Test der Stabilität (statt mit der einfachen Methode über die Jacobi-Matrix) durch die wie folgt definierten Abweichungen der Populationsgrößen von diesen Stabilitätszuständen:
18 , Da die beiden Fixpunkte konstant sind, erhalten wir Nach einigen algebraischen Umformungen erhält man folgende Differentialgleichungen mit den neuen Variablen:, Die Methode der Linearisierung besteht darin, nur kleine Abweichungen zuzulassen, d.h. das Produkt von kleinen Größen,, wird weggelassen. Also gilt:, Nachstehende Abbildung zeigt die beiden Geschwindigkeitskurven des Modells, dessen Eigenwerte rein imaginär sind, weil die Matrix des linearen Gleichungssystems folgende Form hat 0 und deren charakteristische Gleichung lautet 0 μ + 0. μ mit der Lösung: ±.
19 Das Modell könnte drei verschiedene Verhaltensmuster haben: 1. Es bewegt sich auf den Fixpunkt zu 2. Es bewegt sich vom Fixpunkt weg, oder 3. Es kreist auf einer geschlossenen Bahn um den Fixpunkt. Das Lotka-Volterra-Model hat das dritte Merkmal.
20
21 Nichtlineare Modelle 2. Nichtlineare Boxmodelle mit mehreren Systemvariablen: 2.3 Räuber-Beute-Modelle Beispiel 2: Räuber-Beute Modell mit Selbstwechselwirkung 1. Bei größeren Beutepopulationen können sich diese behindern oder gar auffressen, was durch einen weiteren Term der Form berücksichtigt wird: 2. Eine Population von Räubern R stirbt mit einer spezifischen Nettorate k Die Beutetiere werden von den Räubern gefressen, was zu einer Vermehrung der Räuber und einer Verminderung der Beutetiere um den Betrag k 3 BR führt. Mathematische Beschreibung: + Neben den trivialen Fixpunkten: 0, 0, ergeben sich für die nicht trivialen Fixpunkte folgende leichte Änderungen:
22 , Ohne näher darauf einzugehen, lauten dann die approximierten linearen Gleichungen:, Sei:, dann erhalten wir folgende Eigenwerte mit einem sehr kleinen, negativen Realteil, der allerdings zu einem stabilen Fixpunkt führt: 2 ±, Das dynamische Verhalten zeigt nachstehende Abbildung:
23
24 Nichtlineare Modelle 2. Nichtlineare Boxmodelle mit mehreren Systemvariablen: 2.3 Räuber-Beute-Modelle Beispiel 3: Räuber-Beute Modell von Holling-Tanner 1. Wechselwirkung zwischen Beute B und Räuber R in der ersten der beiden nachstehenden Differentialgleichungen, wobei der erste Term das logistische Wachstum der Beute und B K die Gleichgewichtsbedingung der Beute ist, wenn es keine Räuber gibt. 2. Der zweite Term in der ersten Gleichung simuliert die Dezimierung der Beute durch den Räuber, allerdings mit beschränkter Fresslust, welche für B>> K B den von B unabhängigen Wert von (-wr) erreicht. 3. Die zweite Gleichung beschreibt das Wachstum der Räuberpopulation, welches nur positiv ist, falls JR/B < 1, d.h. R < B/J ist. Die Räuber können nur dann wachsen, falls mindestens J Beuten pro Räuber zu Verfügung stehen ,,,,, >0 2
25 Das Modell führt ebenfalls zu periodischen Schwankungen von B und R um einen Gleichgewichtswert; es ist aber im Gegensatz zum von Lotka-Volterra-Modell strukturell stabil. Neben den trivialen (B=R=0) und dem halbtrivialen Fixpunkt (R=0, B=B K ) besitzt das Modell den nichttrivialen Fixpunkt:,, der sich dem Schnittpunkt einer Parabel und einer Geraden ergibt. Für db/dt=0 und dr/dt=0 erhält für die Parabel und Gerade aus den Gleichungen (1) bzw. (2) folgende Gleichungen, aus denen der nichttriviale Fixpunkt bestimmt wird: Die Lösungen sind geschlossene Kurven um den nichttrivialen Fixpunkt. Die Trajektorien 4 bewegen sich auf eine Attraktionskurve zu und folgen ihr dann. Eine solche Kurve nennt man Grenzzyklus.
26
27 Bei nichtlinearen Modellen mit drei und mehr Variablen können chaotische Zustände sich einstellen.
Systemanalyse 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
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) 10.1 Systemdefinition Eine
MehrSYSTEMANALYSE 2 Kapitel 7: Zeitdiskrete Modelle
Universität Koblenz-Landau Fachbereich 7: Natur-und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) SYSTEMANALYSE 2 Kapitel 7: Zeitdiskrete Modelle 1. Zeitdiskrete
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) 7. Zeitdiskrete Modelle 7.1
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) Systemanalyse und Modellbildung
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) Systemanalyse 1 Teil 1 1.
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,
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
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
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:
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
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
Mehrdurch Ratengleichungen der Form t t = F 2 N 1 t, N 2 t d N 1 t
5. Wechselwirkungen zwischen verschiedenen Spezies Allgemein kann man die zeitliche Entwicklung zweier Spezies N 1 und N 2 durch Ratengleichungen der Form d N 1 t d N 2 t = F 1 N 1 t, N 2 t, t = F 2 N
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:
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
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
MehrBifurkationstheorie. 1. Verzweigungen stationärer Zustände
Bifurkationstheorie 1. Verzweigungen stationärer Zustände Die Lage, Anzahl und Stabilität der stationären Zustände von nichtlinearen Systemen hängt in der Regel noch von bestimmten Systemparametern ab.
MehrEinführung in einige Teilbereiche der Wirtschaftsmathematik für Studierende des Wirtschaftsingenieurwesens
in einige Teilbereiche der für Studierende des Wirtschaftsingenieurwesens Sommersemester 2013 Hochschule Augsburg : Gliederung 1 Finanzmathematik 2 Lineare Programme 3 Differentialgleichungen 4 Statistik:
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
MehrSystemtheorie. Vorlesung 6: Lösung linearer Differentialgleichungen. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 6: Lösung linearer Differentialgleichungen Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Einführung Viele technischen Anwendungen lassen sich zumindest näherungsweise
MehrMathematische Methoden in der Systembiologie WS 2017/2018
Mathematische Methoden in der Systembiologie WS 2017/2018 Dozent: Dr. M. V. Barbarossa (barbarossa@uni-heidelberg.de) Tutor: M.Sc. D. Danciu (dpdanciu@math.uni-heidelberg.de) /Übung: Di.+Do. 9:15-10:45Uhr,
MehrI) 1-dimensionale Modelle (= mit einer Systemvariablen)
System = Menge von Objekten, zwischen denen Relationen bestehen statisches Modell kann keine zeitl. Veränderung beschreiben dynamisches Modell beschreibt zeitabhängige Antwort auf eine äussere Veränderung
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
MehrNichtlineare Dynamik in biologischen Systemen
Universität Leipzig Fakultät für Physik und Geowissenschaften Bereich Didaktik der Physik 29. August 2006 11 Nichtlineare Dynamik in biologischen Systemen Erster Gutachter: Prof. Dr. Wolfgang Oehme, Universität
MehrAnalysis III Gewöhnliche Differentialgleichungen 3. Übungsblatt (mit Lösungshinweisen)
Analysis III Gewöhnliche Differentialgleichungen 3. Übungsblatt (mit Lösungshinweisen) Fachbereich Mathematik Wintersemester 0/0 Prof. Dr. Burkhard Kümmerer./3. November 0 Andreas Gärtner Walter Reußwig
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
MehrMathematik in der Biologie
Erich Bohl Mathematik in der Biologie 4., vollständig überarbeitete und erweiterte Auflage Mit 65 Abbildungen und 16 Tabellen ^J Springer Inhaltsverzeichnis Warum verwendet ein Biologe eigentlich Mathematik?
MehrLineare Algebra I Lösungsvorschlag
Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und
MehrFixpunkte und Stabilitätsanalyse
Fixpunkte und Stabilitätsanalyse 1 Themenüberblick Motivation 1D-Probleme Bifurkationen 2D-Probleme Fixpunkttypen Lotka-Volterra-Modelle 2 Motivation Bisher: Lineare Dynamik Jetzt: Nichtlineare Systeme
Mehr10.6. Implizite ebene Kurven und Tangenten
0.6. Implizite ebene Kurven und Tangenten Im Gegensatz zu expliziten Darstellungen sind weder implizite noch Parameterdarstellungen einer Kurve eindeutig. Der Übergang von impliziten zu expliziten Darstellungen
MehrNichtlineare Prozesse in der Elektrochemie II
Nichtlineare Prozesse in der Elektrochemie II 5. Stabilität und Instabilität Neue (dissipative) Strukturen entstehen, wenn der bisherige stationäre Zustand, der den thermodynamischen Zweig repräsentiert,
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,
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
MehrDynamische Systeme in der Mikrobiologie
Dynamische Systeme in der Mikrobiologie Gruppe G Mi: Severine Hurni, Esther Marty, Giulia Ranieri, Matthias Engesser, Nicole Konrad Betreuer: Roman Kälin 1. Einleitung Ein dynamisches System ist ein System,
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
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
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
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
MehrTheorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK. K. Taubert Universität Hamburg SS08
Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK K. Taubert Universität Hamburg SS8 Linearisierung 2 LINEARISIERUNG und das VERHALTEN VON LÖSUNGEN NICHTLINEARER DIFFERENTIALGLEICHUNGEN
MehrAnalysis 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
MehrLyapunov-Exponenten. Analyse des Langzeitverhaltens ( t ) eines physikalischen Systems:
Analyse des Langzeitverhaltens ( t ) eines physikalischen Systems: - t tritt bei konkreten beobachteten Systemen nicht auf t >> τ (τ: charakteristische Systemzeit) - t: Dauer der Beobachtung, Prognosezeitraum,...
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
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:
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
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
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
Mehr3. Approximation von Funktionen und Extremwertprobleme im R n
3. Approximation von Funktionen und Extremwertprobleme im R n Wie in D ist es wichtig Funktionen mit mehreren Variablen durch Polynome lokal approximieren zu können. Polynome lassen sich im Gegensatz zu
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Planare Systeme II Einleitung Dieser Vortrag beschäftigt sich mit unterschiedlichen, allgemeinen Lösungen von Differentialgleichungssystemen und ihrer graphischen
MehrKleine Schwingungen vieler Freiheitsgrade
Kleine Schwingungen vieler Freiheitsgrade Betrachte System mit f Freiheitsgraden: (z.b. N Teilchen in 3 Dim.: f = 3N) Koordinaten: Geschwindigkeiten: Kinetische Energie: "Massenmatrix" Nebenbemerkung:
MehrKleine Schwingungen vieler Freiheitsgrade
Kleine Schwingungen vieler Freiheitsgrade Betrachte System mit f Freiheitsgraden: (z.b. N Teilchen in 3 Dim.: ) Koordinaten: Geschwindigkeiten: Kinetische Energie: "Massenmatrix" Nebenbemerkung: Bei fortgeschrittenen
MehrAnwendungen der Differentialrechnung
KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle
MehrKatharina Kausel, April 2012
Mathematische Modelle in der Biologie Seminar Biomathematik Seminar Biomathematik Katharina Kausel, April 2012 Mutualismus Was ist Mutualismus? SYMBIOSE Unterschied: eine Art ist ohne die andere LEBENSUNFÄHIG
MehrSystem von n gewöhnlichen DG 1. Ordnung hat die allgemeine Form:
C7.5 Differentialgleichungen 1. Ordnung - Allgemeine Aussagen System von n gewöhnlichen DG 1. Ordnung hat die allgemeine Form: Kompaktnotation: Anfangsbedingung: Gesuchte Lösung: Gleichungen dieser Art
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 7 (7.8.7). Gegeben ist die Matrix A 3 3 3 (a) Bestimmen Sie sämtliche Eigenwerte sowie die zugehörigen Eigenvektoren.
MehrAufgabe 1 (Klassifizierung von Systemen)
Prof. L. Guzzella Prof. R. D Andrea 151-0591-00 Regelungstechnik I (HS 07) Musterlösung Übung 3 Systemklassifizierung, Systeme 1. Ordnung im Zeitbereich, Stabilitätsanalyse moritz.oetiker@imrt.mavt.ethz.ch,
MehrDifferentialgleichungen I
Differentialgleichungen I Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg 5. Januar 2009 Beachtenswertes Die Veranstaltung
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
MehrAbb. 5.10: Funktion und Tangentialebene im Punkt ( ) ( ) ( ) 3.) Die Zahlenwerte und in Gleichung (Def. 5.11) berechnen sich durch ( ) ( )
Abb. 5.0: Funktion und Tangentialebene im Punkt Aus der totalen Differenzierbarkeit folgt sowohl die partielle Differenzierbarkeit als auch die Stetigkeit von : Satz 5.2: Folgerungen der totalen Differenzierbarkeit
MehrDas Paket raeuber_beute_modelle enthält 3 Modelle mit denen das Verhalten von Lotka-Volterra-Systemen simuliert werden kann.
Räuber Beute Modell 1. Versionsgeschichte: Version 0.1 2. Aufgabenstellung für das Modell Das Paket raeuber_beute_modelle enthält 3 Modelle denen das Verhalten von Lotka-Volterra-Systemen simuliert werden
MehrZusatzmaterial zu Kapitel 6
ZU KAPITEL 62: METHODEN ZUR STABILITÄTSPRÜFUNG Zusatzmaterial zu Kapitel 6 Zu Kapitel 62: Methoden zur Stabilitätsprüfung Einleitung Bei der Feststellung der asymptotischen Stabilität (siehe Kapitel 63)
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof Dr M Keyl M Kech TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Mathematik für Physiker 3 (Analysis 2) MA923 http://wwwm5matumde/allgemeines/ma923_26s Sommersem 26 Probeklausur (4726) Krümmung
Mehrx=r cos y=r sin } r2 =x 2 y 2
6. Grenzzyklen Grenzzyklen eistieren in Systemen, die nach einer äußeren Störung wieder ein stabiles periodisches Verhalten annehmen. Sie sind eine weitere Ursache für periodisches Verhalten. 6.1. Modell
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
Mehreine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.
Eigenwert, Eigenvektor In der Regel hat bei einer linearen Abbildung das Bild eines Vektors eine andere Richtung als das Original r. Bei der Untersuchung der geometrischen Eigenschaften von linearen Abbildungen
MehrSystem von n gewöhnlichen DG 1. Ordnung hat die allgemeine Form:
C7.5 Differentialgleichungen 1. Ordnung - Allgemeine Aussagen System von n gewöhnlichen DG 1. Ordnung hat die allgemeine Form: Kompaktnotation: Anfangsbedingung: Gesuchte Lösung: Gleichungen dieser Art
MehrKapitel 8: Gewöhnliche Differentialgleichungen 8.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2.
Kapitel 8: Gewöhnliche Differentialgleichungen 8.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: (enthalten Ableitungen der gesuchten Funktionen) Geschwindigkeit:
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
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 07/08. Michael Karow. Themen: Niveaumengen und Gradient
Vorlesung: Analysis II für Ingenieure Wintersemester 07/08 Michael Karow Themen: Niveaumengen und Gradient Wir betrachten differenzierbare reellwertige Funktionen f : R n G R, G offen Zur Vereinfachung
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3
MehrFressen und Gefressen werden
Fressen und Gefressen werden Teilnehmer: Ssohrab Borhanian Kristin Emmrich Johannes Jendersie Sophia Ketterl Arne Müller Thao Phuong Nguyen Felix Rehn Heinrich-Hertz-Oberschule Heinrich-Hertz-Oberschule
MehrDynamische 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,
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
MehrDiskrete Populationsmodelle für Einzelspezies - Teil 2
Diskrete Populationsmodelle für Einzelspezies - Teil 2 Laura Gemmel 30.10.2012 Literatur, die verwendet wurde: J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer Inhaltsverzeichnis
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
Mehrexponentielle Wachstumsphase Abbildung 1: Wachstumskurve einer Bakterienkultur
Bakterienwachstum Mathematische Schwerpunkte: Teil 1: Folgen; vollständige Induktion; rekursiv definierte Folgen Teil 2: Exponentialfunktionen Teil 3: Extremwertbestimmung; Integration einer rationalen
MehrModellierung mit Dynamischen Systemen und Populationsdynamik
Modellierung mit Dynamischen Systemen und Populationsdynamik Dynamische Systeme in der Schule Fachtagung Göttingen 2017 Alfred J. Lotka (1880-1949) Technische Universität Dresden Vito Volterra 1860-1940
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,
Mehr5.10. Mehrdimensionale Extrema und Sattelpunkte
5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(
MehrGewöhnliche Differentialgleichungen
Vladimir I. Arnold Gewöhnliche Differentialgleichungen Übersetzt aus dem Russischen von Tobias Damm Zweite Auflage Springer Inhaltsverzeichnis Kapitel 1. Grundbegriffe 9 1. Phasenräume 9 1. Beispiele für
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrBiologische Oszillatoren und Schalter - Teil 1
Biologische Oszillatoren und Schalter - Teil 1 Elena Süs 11.12.2012 Literatur: J.D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Gliederung 1 Motivation 2 Historische Entwicklung
MehrC7 Differentgleichungen (DG) C7.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: Ort: Geschwindigkeit:
C7 Differentgleichungen (DG) C7.1 Definition, Existenz, Eindeutigkeit von Lösungen Motivation: z.b. Newton 2. Gesetz: (enthalten Ableitungen der gesuchten Funktionen) [Stoffgliederung im Skript für Kapitel
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
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,
MehrExkurs: Method of multiple scales (Mehrskalen Methode)
Exkurs: Method of multiple scales (Mehrskalen Methode) dr. karin mora* Im folgenden betrachten wir nichtlineare dynamische Systeme (NDS) mit sogenannten kleinen nichtlinearen Termen. Viele mathematische
MehrPrüfung zur Vorlesung Mathematik I/II
Prof. Dr. E. W. Farkas ETH Zürich, August 015 D BIOL, D CHAB Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 1 3 4 5 6 Total Vollständigkeit
Mehr(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren
Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene
MehrOptimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
Mehr( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( )
64 Die Tangente in x 0 eignet sich also als lokale (lineare) Näherung der Funktion in der Nähe des Punktes P. Oder gibt es eine noch besser approximierende Gerade? Satz 4.9 Unter allen Geraden durch den
MehrKapitel 11 Eigenwerte und Eigenvektoren
Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare
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
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
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
MehrExtrema multivariater Funktionen
Extrema multivariater Funktionen Ist f (x ) ein Minimum (Maximum) einer stetig differenzierbaren skalaren Funktion f auf einer Umgebung U von x, so gilt grad f (x ) = (0,..., 0) t. Extrema multivariater
MehrHöhere Mathematik III
Universität Stuttgart Fachbereich Mathematik Prof. Dr. J. Pöschel Dr. D. Zimmermann Dipl.-Math. K. Sanei Kashani Blatt 5 Höhere Mathematik III el, kb, mecha, phs Vortragsübungen (Musterlösungen) 7..4 Aufgabe
MehrKlausur Mathematik II
Technische Universität Dresden. Juli 8 Institut für Numerische Mathematik Prof. Dr. G. Matthies, Dr. M. Herrich Klausur Mathematik II Modul Dierentialgleichungen und Dierentialrechnung für Funktionen mehrerer
Mehr