Einfache Modelle der Populationsdynamik
|
|
|
- Emil Müller
- vor 8 Jahren
- Abrufe
Transkript
1 Vorlesung 4. Einfache Modelle der Populationsdynamik Wintersemester 215/ M. Zaks
2 allgemeine vorbemerkungen In kleinen Populationen schwanken die Bevolkerungszahlen stochastisch: Geburt/Tod von Einzelmitgliedern sind im weiten Sinne Zufallsereignisse. Bei großen Populationen mitteln sich die Zufallseekte weg: Dynamik wird deterministisch. Der Ubergang zu großen Populationen bedeutet auch einen Ubergang zu anderen Observablen: ganzzahlige Bevolkerungszahlen werden durch kontinuierliche Populationsdichten ersetzt. Wir vernachlassigen die Migrationseekte: Diusion/Transport von lebenden Organismen, und bleiben im Rahmen gewohnlicher DGL. Bei allen solchen Modellen bleiben die Dichten positiv / nicht negativ: wird die Dichte einmal Null (komplette Abwesenheit von einer Art), bleibt sie fortan Null. Deswegen haben alle diese Modelle ein Gleichgewicht bei Null (leere Population). 2 / 12
3 fruhe geschichte Dynamik einer Population (Menschen). In großen Populationen ist die Anzahl von Geburten / Todesfallen proportionell zu der Gesamtbevolkerung. Proportionalitatskoezienten: Geburtsrate α G und Sterberate α S. Bilanzgleichung fur die Dichte: dn/dt = α G N α S N Thomas Robert Malthus (1798): dn/dt = αn (α α G α S ) Losung: N(t) = N e αt uneingeschranktes exponentielles Wachstum.... verheerende soziale Konsequenzen. 3 / 12
4 weiterentwicklung Dynamik einer Population. Zu hohe Dichte Wachstumshemmung durch Epidemien, Futtermangel usw. Beschrankung durch Nichtlinearitat. Pierre-Francois Verhulst: logistische Gleichung (1838) dn dt N(t) = = α N ( 1 N β β ) 1 C β e α t dn/dt N β α > : asymptotisch stabiles Gleichgewicht bei N = β. 4 / 12
5 phasenebene Zwei wechselwirkende Populationen x 1 und x 2 (Schafe und Wolfe, Schafe und Kaninchen, Schafe und Gras,...) ẋ 1 = x 1 ( ẋ 2 = x 2 ( Lotka-Volterra Gleichungen Alfred Lotka Vito Volterra 5 / 12
6 phasenebene Zwei wechselwirkende Populationen x 1 und x 2 (Schafe und Wolfe, Schafe und Kaninchen, Schafe und Gras,...) Lotka-Volterra Gleichungen ẋ 1 = x 1 ( α 1 ẋ 2 = x 2 ( α 2 Alfred Lotka Vito Volterra 5 / 12
7 phasenebene Zwei wechselwirkende Populationen x 1 und x 2 (Schafe und Wolfe, Schafe und Kaninchen, Schafe und Gras,...) Lotka-Volterra Gleichungen ẋ 1 = x 1 ( α 1 β 1 x 1 ẋ 2 = x 2 ( α 2 β 2 x 2 Alfred Lotka Vito Volterra 5 / 12
8 phasenebene Zwei wechselwirkende Populationen x 1 und x 2 (Schafe und Wolfe, Schafe und Kaninchen, Schafe und Gras,...) Lotka-Volterra Gleichungen ẋ 1 = x 1 ( α 1 β 1 x 1 + κ 12 x 2 ) ẋ 2 = x 2 ( α 2 β 2 x 2 + κ 21 x 1 ) x 1 - und x 2 -Achsen sind invariant. Wechselwirkungstypen: Alfred Lotka Vito Volterra κ 12 >, κ 21 >. Beide Arten protieren voneinander: Symbiose κ 12 <, κ 21 <. Beide Arten storen einander: Wettbewerb κ 12 κ 21 <. Eine Art protiert auf Kosten der anderen: Rauber-Beute (predator-prey) 5 / 12
9 N > 2 N Populationen: Lotka-Volterra Gleichungen, Verallgemeinerung ẋ i = x i ( α i + N κ ij x j ), j=1 i = 1,..., N mit (typischerweise) κ ii < Jede (hyper-) Ebene x i = ist invariant 6 / 12
10 schnittpunkte Bestimmung von Gleichgewichten: Nullklinen { ẋ = f (x, y) Gleichgewichte von ẏ = g(x, y) { f (x, y) = sind Losungen von g(x, y) =. Die Gleichung f (x, y) = deniert in der Phasenebene eine/mehrere Kurve/n, an denen ẋ verschwindet; das ist/sind x-nullkline/n. Ahnlich werden y-nullkline/n durch die Gleichung g(x, y) = deniert Gleichgewichte sind Schnittpunkte von x-nullklinen mit y-nullklinen. Anzahl und Lage von Gleichgewichten konnen durch Zeichnen von Nullklinen geschatzt werden. 7 / 12
11 schnittpunkte Nullklinen und Gleichgewichte bei den Lotka-Volterra Gleichungen ẋ 1 = x 1 ( α 1 β 1 x 1 + κ 12 x 2 ) ẋ 2 = x 2 ( α 2 β 2 x 2 + κ 21 x 1 ) 8 / 12
12 schnittpunkte Nullklinen und Gleichgewichte bei den Lotka-Volterra Gleichungen = x 1 ( α 1 β 1 x 1 + κ 12 x 2 ) = x 2 ( α 2 β 2 x 2 + κ 21 x 1 ) x 1 -Nullklinen: x 1 = und α 1 β 1 x 1 + κ 12 x 2 = zwei Geraden. x 2 -Nullklinen: x 2 = und α 2 β 1 x 2 + κ 21 x 1 = zwei Geraden. Anzahl der Schnittpunkte: bis zu 4. (oder unendlich viele) Triviales Gleichgewicht (,), reine Gleichgewichte (, α 2/β 2 ) und (α 1 /β 1, ), gemischtes Gleichgewicht mit x 1x 2 (Koexistenz von zwei Arten) x 2 x 2 x 2 x 1 x 1 x 1 irrelevante gemischte Losung gar keine gemischte Losung 8 / 12
13 eigenwerte ẋ 1 = x 1 ( α 1 β 1 x 1 + κ 12 x 2 ) ẋ 2 = x 2 ( α 2 β 2 x 2 + κ 21 x 1 ) Stabilitat von Gleichgewichten Jacobi-Matrix von einem Gleichgewicht bei ( x 1, x 2 ): ( ) α1 2β J = 1 x 1 + κ 12 x 2 κ 12 x 1. κ 21 x 2 α 2 2β 2 x 2 + κ 21 x 1 Triviale Losung: Eigenwerte α 1 und α 2 Reine x 1 -Losung ( x 2 = ): Eigenwerte α 1 (x 1 -Achse) und α 2 + α 1κ 21 β 1. Reine x 2 -Losung ( x 1 = ): Eigenwerte α 1 + α 2κ 12 und α 2 (x 2 -Achse). β ( ) 2 β1 x Gemischte Losung: J = 1 κ 12 x 1. λ κ 21 x 2 β 2 λ Sp(J) + det(j) =. 2 x 2 9 / 12
14 attraktoren ẋ 1 = x 1 ( α 1 β 1 x 1 + κ 12 x 2 ) ẋ 2 = x 2 ( α 2 β 2 x 2 + κ 21 x 1 ) Beispiel I 1 / 12
15 attraktoren Beispiel I k = k ( α k β k k + κ ks s ) ṡ = s ( α s β s s + κ sk k ) 1 / 12
16 reinheit gewinnt Beispiel I k = k ( 3 k 2 s ) ṡ = s ( 2 s k ) triviale Losung k = s = : Eigenwerte 3 und 2 (instabiler Knoten) reine Kaninchen-Losung k=3, s=: Eigenwerte 3 und 1 (stabiler Knoten) reine Schafe-Losung k=, s=2: gemischte Losung k = s = 1: Eigenwerte 1 und 2 (stabiler Knoten) Eigenwerte 1 ± 2 (Sattel) s Reine Fixpunkte sind stabil (Attraktoren). Koexistenz-Fixpunkt ist instabil (Sattel) (liegt an der Trennlinie zw. 2 Einzugsbereichen). k 1 / 12
17 reinheit gewinnt Beispiel I k = k ( 3 k 2 s ) ṡ = s ( 2 s k ) 11 / 12
18 ... nicht immer Beispiel II k = k ( 3 2 k s ) ṡ = s ( 2 s k ) triviale Losung k = s = : Eigenwerte 3 und 2 (instabiler Knoten) reine Kaninchen-Losung k=3/2, s=: Eigenwerte 3 und 1/2 (Sattel) reine Schafe-Losung k=, s=2: gemischte Losung k = s = 1: s Eigenwerte 1 und 2 (Sattel) Eigenwerte ( 3 ± 5)/2 (stabiler Knoten) k Koexistenz-Fixpunkt ist nun stabil. Reine Fixpunkte werden zu Satteln (stabil entlang entspr. Achse). 11 / 12
19 lokal global Vervollstandigung s Linearisierte Gleichungen liefern korrektes Bild in den lokalen Umgebungen aller Gleichgewichte (dank Grobman-Hartman Satz). Kann man aus diesen Stucken ein globales Gesamtbild zusammenicken? k s Dafur fehlt uns das Wissen, ob geschlossene Bahnen (periodische Orbits) in diesem Quadranten der Phasenebene ebenso vorhanden sind. Explizit (in der Regel) kann man sie nicht nden. k 12 / 12
Dynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
Populations Modelle Das Lotka-Volterra Model. Robin Gwinner Seminarleiterin: Dr. Iryna Rybak
Populations Modelle Das Lotka-Volterra Model Robin Gwinner Seminarleiterin: Dr. Iryna Rybak 04.05.2016 Motivation Rote Liste: Motivation Rote Liste: Motivation Rote Liste: Motivation Motivation Motivation
durch 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
Einführung 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:
Lotka-Volterra-Gleichungen für mehr als zwei Populationen
Lotka-Volterra-Gleichungen für mehr als zwei Populationen Dennis Kunz 06.12.2011 Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics Lotka-Volterra-Gleichungen für mehr als zwei
Analysis 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
Logistische Gleichung
Logistische Gleichung Marius Bohn Fakultt6.1MathematikderUniversittSaarbrcken 22.11.2011 Marius Bohn (Universität Saarbrücken) Logistische Gleichung 22.11.2011 1 / 37 Übersicht Bei der Untersuchung von
Katharina 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
Differentialgleichungen
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
Fixpunkte 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
Einfache Modelle der Neurodynamik.
Vorlesung Einfache Modelle der Neurodynamik. Anregbarkeit und canards. Wintersemester 2015/16 12.01.2016 M. Zaks Aufbau eines Neurons: Gesamtbild 2 / 16 neuron Aufbau eines Neurons: Axon und Dendriten
Abbildung 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
Gleichgewichte von Differentialgleichungen
Gleichgewichte von Differentialgleichungen Gleichgewichte von Differentialgleichungen Teil 1 Zur Erinnerung: Zur Erinnerung: Wir hatten lineare Differentialgleichungen betrachtet: in R 1 : Zur Erinnerung:
4.7 Lineare Systeme 1. Ordnung
3. Die allgemeine Lösung der inhomogenen Differentialgleichung lautet damit yx = y hom x + y inh x = c x + c 2 x + 8 x + 4 xlnx2 4 xlnx = C x + C 2 x + 4 xlnx2 4 xlnx. Wir haben c 2 + 8 zu C 2 zusammengefasst.
Katalytische Hyperzyklen
Katalytische Hyperzyklen Lara Münster 20.12.2011 Literatur: Hofbauer J., Sigmund K. (1998). Evolutionary Games and Population Dynamics. Cambridge University Press: Cambridge Katalytische Hyperzyklen 1
Flüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
Fibonacci Zahlen: 3. Hamiltonsche Systeme. 3.1 Hamilton Dynamik. Teilverhältnis beim `goldenen Schnitt : definiert als. mit
Fibonacci Zahlen: definiert als Bemerkungen: (1) ist das Teilverhältnis beim `goldenen Schnitt : mit A T B und (2) Alle Zahlen, deren Darstellung als Kettenbruch auf endet, heißen `noble Zahlen. (3) Entwicklung
Beispiel: Evolution infizierter Individuen
Differentialgleichungen sind sehr nützlich in der Modellierung biologischer Prozesse, denn: damit kann man auch sehr komplizierte Systeme beschreiben die Mathematik liefert mit der gut entwickelten Theorie
Dynamische 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,
Adolf Riede. Mathematik für Biologen. Eine Grundvorlesung. Mit 120 Abbildungen und zahlreichen durchgerechneten Beispielen.
9vieweg Adolf Riede Mathematik für Biologen Eine Grundvorlesung Mit 120 Abbildungen und zahlreichen durchgerechneten Beispielen IX I Zahlen 1 1.1 Anzahlen 1 1.2 Reelle Zahlen 8 1.3 Dokumentation von Meßwerten
Populationsdynamik im Computer simuliert
Populationsdynamik im Computer simuliert Die Grösse einer Population in einem Ökosystem hängt von zahlreichen abiotischen und biotischen Faktoren ab, die meist auf komplexe Art und Weise zusammenwirken:
11. Nichtlineare Dynamik und Chaos. Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt.
11. Nichtlineare Dynamik und Chaos Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt. der Auslenkung Fadenlänge L, Masse m, Auslenkwinkel φ Rücktreibende Kraft: Beschleunigung:
Inhaltsverzeichnis INHALTSVERZEICHNIS 1
INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4
Ausgehend vom Lotka-Volterra Modell der Populationsdynamik sind für die Testaufgabe zwei Teilaufgaben
Praxis 2 - Tabellenkalkulation 9 Fig. 3 Teil C: Testaufgabe 1. Einführung Populationsdynamik bei Tieren in einem Lebensraum Wenn Tiere verschiedener Arten den gleichen Lebensraum besiedeln, können sie
Seltsame Attraktoren
1 Seltsame Attraktoren Proseminar: Theoretische Physik Jonas Haferkamp 9. Juli 2014 Abbildung: Poincaré-Schnitt der Duffing-Gleichungen 2 3 Gliederung 1 Motivation 2 Was ist ein (seltsamer) Attraktor?
Dierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
5. Vorlesung Wintersemester
5. Vorlesung Wintersemester 1 Bewegung mit Stokes scher Reibung Ein dritter Weg, die Bewegungsgleichung bei Stokes scher Reibung zu lösen, ist die 1.1 Separation der Variablen m v = αv (1) Diese Methode
Appendix A: Grundlagen der Populationsbiologie
701-245-00L Pop - & Evol biol - A.1 - App. A: Grundlagen der Populationsbiologie Appendix A: Grundlagen der Populationsbiologie Einige grundlegende Prinzipien der Populationsbiologie sind wichtig zum Verständnis
Lineare 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
Fressen 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
Dynamische Systeme in der Mikrobiologie
Dynamische Systeme in der Mikrobiologie Verfasst von: Blank Patricia, Gattlen Jasmin, Kaspar Romana (DI Gruppe G) Betreut durch: Roman Kälin BBOM, Buchkapitel: 6.1, 6.3-6.6, Hilfsmittel: www.simolife.unizh.ch
Bimatrix-Spiele. Sarah Hidlmayer
Bimatrix-Spiele Sarah Hidlmayer 13.12.2011 Literatur: Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics (Ch. 11), Cambridge. Bimatrix-Spiele 1 Dynamik für Bimatrix-Spiele 2 Partnerschaftsspiele
1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differentialgleichungssysteme Prof. Dr. Wandinger
5 Gewöhnliche Differentialgleichungen
5 Gewöhnliche Differentialgleichungen 5.1 Einleitung & Begriffsbildung Slide 223 Natürliches Wachstum Eine Population bestehe zur Zeit t aus N(t) Individuen. Die Population habe konstante Geburts- und
Gewöhnliche Differentialgleichungen Aufgaben, Teil 1
Gewöhnliche Differentialgleichungen Aufgaben, Teil 1 4-E1 4-E2 4-E3 Gewöhnliche Differentialgleichung: Aufgaben Bestimmen Sie allgemeine und spezielle Lösungen der folgenden Differentialgleichungen Aufgabe
Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/
Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/10 2.3.2010 Bitte gut leserlich ausfüllen: Name: Vorname: Matr.-nr.: Wird vom Prüfer ausgefüllt:
Beziehung. Beziehung. Abbildung 1: Daten der Hudson s Bay Company
1 Information 1.1 Historisches Im Raum um die Hudson Bay betrieb die Hudson s Bay Company einen einträglichen Handel mit Fellen u.a. von Luchsen und Schneehasen. Doch wie die akribischen Aufzeichnungen
18.2 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
Blatt 1. Kinematik- Lösungsvorschlag
Fakultät für Physik der LMU München Lehrstuhl für Kosmologie, Prof. Dr. V. Mukhanov Übungen zu Klassischer Mechanik (T1) im SoSe 011 Blatt 1. Kinematik- Lösungsvorschlag Aufgabe 1.1. Schraubenlinie Die
Populationsökologie. Entwicklung einer Bakterienpopulation Zeit in min
Anzahl N Populationsökologie 1 Wachstumskurven Versuch: Zahl der Bakterien in einer Kultur wird kontinuierlich verfolgt Beobachtung: 1200 1000 Entwicklung einer Bakterienpopulation 800 600 400 200 0 0
11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen
11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des
Mathematik 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?
Übungen zu Theoretische Physik I - Mechanik im Sommersemester 2013 Blatt 7 vom Abgabe:
Übungen zu Theoretische Physik I - Mechanik im Sommersemester 03 Blatt 7 vom 0.06.3 Abgabe: 7.06.3 Aufgabe 9 3 Punkte Keplers 3. Gesetz Das 3. Keplersche Gesetz für die Planetenbewegung besagt, dass das
Scheidegger, S. (2008): Dynamische Systeme - Einführung in die Systemwissenschaften
Scheidegger, S. (28): Dynamische Systeme - Einführung in die Systemwissenschaften Resultate Die Umsetzung der DGL-Systeme in ein Flussdiagramm für ein Systemdynamikprogramm erfolgt erfahrungsgemäss recht
Übungsskript Regelungstechnik 2
Seite 1 von 11 Universität Ulm, Institut für Mess-, Regel- und Mikrotechnik Prof. Dr.-Ing. Klaus Dietmayer / Seite 2 von 11 Aufgabe 1 : In dieser Aufgabe sollen zeitdiskrete Systeme untersucht werden.
Mathematische Modelle und numerische Methoden in der Biologie
Institut für Angewante un Numerische Mathematik Prof. Dr. Tobias Jahnke, Dipl.-Biol. Michael Kreim Mathematische Moelle un numerische Methoen in er Biologie Sommersemester 2012 5. Übungsblatt Gruppenübung
Lösung zum Übungsblatt - Steuerbarkeit und Beobachtbarkeit
Prof. Dr.-Ing. Jörg Raisch Dr.-Ing. Thomas Seel Fachgebiet Regelungssysteme Fakultät IV Elektrotechnik und Informatik Technische Universität Berlin Integrierte Veranstaltung Mehrgrößenregelsysteme Aufgabe
Gewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
Schulinterner Kernlehrplan Biologie Q1: Ökologie
Schulinterner Kernlehrplan Biologie Q1: Ökologie Inhaltsfelder Schwerpunkt Basiskonzept Konkretisierte Kompetenzen 3.1 Lebewesen und Umwelt Ökologische und Präferenz Ökologische (SF) planen ausgehend von
Analysis II für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg SoSe 017 Dr. K. Rothe Analysis II für Studierende der Ingenieurwissenschaften Hörsaalübung mit Beispielaufgaben zu Blatt 1 Aufgabe 1: Aus einem kreisförmigen
Lösung 05 Klassische Theoretische Physik I WS 15/16. y a 2 + r 2. A(r) =
Karlsruher Institut für Technologie Institut für theoretische Festkörperphsik www.tfp.kit.edu Lösung Klassische Theoretische Phsik I WS / Prof. Dr. G. Schön Punkte Sebastian Zanker, Daniel Mendler Besprechung...
Technische Fakultät, AG Biomathematik und Theoretische Bioinformatik. Übungsaufgaben. Ellen Baake, Mareike Esser Sommersemester 2014
Technische Fakultät, AG Biomathematik und Theoretische Bioinformatik Übungsaufgaben Inhaltsverzeichnis Übungsblatt 1 Gewöhnliche Differentialgleichungen 1 1 Aufgabe 1.1 AWP ẏ = cy 2, Lösung bestimmen,
Partielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung
Partielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung Jörn Loviscach Versionsstand: 29. Juni 2009, 18:41 1 Partielle Ableitungen, Gradient Die Ableitung einer Funktion f an einer
Kurze 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
Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
2.3.4 Drehungen in drei Dimensionen
2.3.4 Drehungen in drei Dimensionen Wir verallgemeinern die bisherigen Betrachtungen nun auf den dreidimensionalen Fall. Für Drehungen des Koordinatensystems um die Koordinatenachsen ergibt sich 1 x 1
Mathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 [email protected] Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL Sommmersemester Aufgabe Punkte
Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL Sommmersemester 2014 29.07.2014 Bitte gut leserlich ausfüllen: Name: Vorname: Matr.-nr.: Wird vom Prüfer ausgefüllt: Aufgabe 1 2 3 4
Thema 10 Gewöhnliche Differentialgleichungen
Thema 10 Gewöhnliche Differentialgleichungen Viele Naturgesetze stellen eine Beziehung zwischen einer physikalischen Größe und ihren Ableitungen (etwa als Funktion der Zeit dar: 1. ẍ = g (freier Fall;
11 Üben X Affine Funktionen 1.01
Üben X Aine Funktionen.0 Zeichne die Graphen zu olgenden Funktionsgleichungen! + + d c b a Augabenkarte von MUED Lösung X Aine Funktionen.0 + + d c b a Üben X Aine Funktionen.0 Bestimme die Funktionsgleichung
Modellbildung Simulation Interpretation mit Beispielen aus der mathematischen Ökologie
Modellbildung Simulation Interpretation mit Beispielen aus der mathematischen Ökologie Günther Karigl, TU Wien Zusammenfassung Mathematik einmal anders: Ökologische Zusammenhänge erkennen und in mathematischen
FC3 - Duffing Oszillator
FC3 - Duffing Oszillator 4. Oktober 2007 Universität Paderborn - Theoretische Physik leer Autor: Stephan Blankenburg, Björn Lange Datum: 4. Oktober 2007 FC3 - Duffing Oszillator 3 1 Theorie komplexer Systeme
Bachelorarbeit. Deterministische Modelle zur Beschreibung der Ausbreitung von Krankheiten
Technische Universität Berlin Institut für Mathematik Bachelorarbeit Im Studiengang Technomathematik Deterministische Modelle zur Beschreibung der Ausbreitung von Krankheiten Marcel Merkle Betreut von
Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt 4
Prof. Roland Gunesch Sommersemester Übungen zur Vorlesung Einführung in Dynamische Systeme Musterlösungen zu Aufgabenblatt 4 Analysieren Sie folgende mathematischen Modelle der Liebesbeziehung zwischen
Institut für Elektrotechnik u. Informationstechnik. Systemtheorie - Nichtlineare Systeme
Institut für Elektrotechnik u. Informationstechnik Systemtheorie - Nichtlineare Systeme Stabilitätskonzepte nach Ljapunov Prof. Dr. techn. F. Gausch 211 Inhaltsverzeichnis 1 Gegenüberstellung von Eigenschaften
Kapitel 5.6: Nichtlineare Rekursionen. Algorithmen und Datenstrukturen WS 2012/13. Prof. Dr. Sándor Fekete
Kapitel 5.6: Nichtlineare Rekursionen Algorithmen und Datenstrukturen WS 2012/13 Prof. Dr. Sándor Fekete 5.4.3 Master-Theorem: Lineare Rekursionen 5.6 Nichtlineare Rekursionen 5.6.1 Logistische Rekursion
Klausur Mathematik I
Technische Universität Dresden 15. August 2008 Institut für Numerische Mathematik Dr. K. Eppler Klausur Mathematik I für Studierende der Fakultät Maschinenwesen (mit Lösungshinweisen) Name: Matrikelnummer.:
Wellen und wandernde Wellen Ähnlichkeitslösungen. Crashkurs PDG anhand von Beispielen. Wellen
Wellen Crashkurs PDG anhand von Beispielen Eine Welle ist ein erkennbares Signal, welches innerhalb eines Mediums von einer Seite zur anderen übertragen wird, mit einer erkennbaren Ausbreitungsgeschwindigkeit.
Das 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
Lineare Differenzengleichungen
Lineare Differenzengleichungen Die Fibonacci-Zahlen F n sind definiert durch F 0 = 0 F 1 = 1 F n = F n 1 +F n 2 für n >= 2 Die letzte Zeile ist ein Beispiel für eine homogene lineare Differenzengleichung
Mathematische Ökologie
Mathematische Ökologie Eine Zusammenfassung von Bernhard Kabelka zur Vorlesung von Prof. Länger im WS 2002/03 Version 1.04, 15. März 2004 Es sei ausdrücklich betont, dass (1) dieses Essay ohne das Wissen
LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 13. Übung/Lösung Mathematik für Studierende der Biologie
LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR BIOLOGIE Prof. Andreas Herz, Dr. Stefan Häusler email: [email protected] Department Biologie II Telefon: 89-8-748 Großhadernerstr. Fax:
Rückblick 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
Analysis 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
4. Differentialgleichungen
4. Differentialgleichungen Prof. Dr. Erich Walter Farkas 10.11.2011 Seite 1 Einleitung Viele in der Natur stattfindende Vorgänge können durch sogenannte Differentialgleichungen beschrieben werden. Unter
Synergetik. Hermann Haken. Eine Einführung. Nichtgleichgewichts-Phasenübergänge und Selbstorganisation in Physik, Chemie und Biologie
Hermann Haken Synergetik Eine Einführung Nichtgleichgewichts-Phasenübergänge und Selbstorganisation in Physik, Chemie und Biologie Übersetzt von A. Wunderlin Dritte, erweiterte Auflage Mit 168 Abbildungen
Numerische Verfahren
Numerische Verfahren Numerische Methoden von gewöhnlichen Differentialgleichungen (AWP) Prof. Dr.-Ing. K. Warendorf, Prof. Dr.-Ing. P. Wolfsteiner Hochschule für Angewandte Wissenschaften München Fakultät
Berufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Februartermin 2014
BRP Mathematik VHS Floridsdorf Gruppe A / 15.02.2014 Seite 1/7 Berufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Februartermin 2014 Notenschlüssel:
Übungen zur Analysis II Blatt 27 - Lösungen
Prof. Dr. Torsten Wedhorn SoSe 22 Daniel Wortmann Übungen zur Analysis II Blatt 27 - Lösungen Aufgabe 5: 6+6+6* Punkte Bestimme alle lokalen Extrema der folgenden Funktionen: a b c* f : R 3 R g : R 2 R
Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
Lernen von Konzepten in der Physik. Clemens Wagner Emme:en 2013
Lernen von Konzepten in der Physik Clemens Wagner Emme:en 23 Conceptual Change Knowledge as theory perspecbve Knowledge as elements perspecbve Struktur von Konzepten Piaget, Kuhn und Posner, Vosniadou
exponentielle 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
Mathematischer Vorkurs für Physiker WS 2009/10
TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 29/ Vorlesung 9, Freitag vormittag Linienintegrale und Potential Wir betrachten einen Massenpunkt, auf den die konstante
Mathematik in den Life Siences
Gerhard Keller Mathematik in den Life Siences Grundlagen der Modellbildung und Statistik mit einer Einführung in die Statistik-Software R 49 Abbildungen Verlag Eugen Ulmer Stuttgart Inhaltsverzeichnis
3. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen
Technische 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
Die Populationsdynamik kanadischer Rotlachse
Die Populationsdynamik kanadischer Rotlachse Population dynamics of Canadian sockeye salmon Zur Erlangung des Grades eines Doktors der Naturwissenschaften (Dr. rer. nat.) genehmigte Dissertation von M.Sc.
Differenzengleichungen
Universität Basel Wirtschaftswissenschaftliches Zentrum Differenzengleichungen Dr. Thomas Zehrt Inhalt: 1. Einführungsbeispiele 2. Definition 3. Lineare Differenzengleichungen 1. Ordnung (Wiederholung)
Qualitative Theorie bei gewöhnlichen Differentialgleichungen WS 07/08. Bodo Werner
Qualitative Theorie bei gewöhnlichen Differentialgleichungen WS 07/08 Bodo Werner mailto:[email protected] 9. Februar 2008 Inhaltsverzeichnis 1 Einführung 5 1.1 Vorwort........................................
Veranschaulichen Sie die de Morgan schen Regeln anhand von Venn-Diagrammen:
Formalisierungspropädeutikum Aufgabensammlung Prof. Dr. Th. Augustin, Dr. R. Poellinger, C. Jansen, J. Plaß, G. Schollmeyer Oktober 2016 Aufgabe 1 (de Morgan sche Regeln) Veranschaulichen Sie die de Morgan
