Kapitel 11: Anwendung in der Biologie
|
|
- Horst Schwarz
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 11: Anwendung in der Biologie 1. Einführung: In diesem Kapitel wollen wir uns mit der Anwendung von Differentialgleichungen in der Biologie beschäftigen und dort unser bisher erlangtes Wissen anwenden. Hierbei werden wir zunächst ansteckende Krankheiten mithilfe Differentialgleichungen modellieren und analysieren und anschließend zu Räuber-Beute-Modellen und einem Modell für konkurrierende Spezies übergehen. 2. Grundliegende Definitionen/ Theoreme: Definition 1: Nullkline Für ein System in der Form =,, =,,, definieren wir die -Nullkline als die Menge der Punkte für die verschwindet. Theorem 1: Liapunov Stabilität Sei ein Gleichgewichtspunkt für =. Sei : R eine differenμierbare Funktion, definiert auf einer offenen Menge, welche beinhaltet. Falls eine Liapunov Funktion für das dynamische System ist, d.h. (a) = und > ü (b) die Zeitableitung in dann ist stabil. Falls eine strikte Liapunov Funktion ist, also zusätzlich gilt (c) < 0 in, ist asymptotisch stabil. Definition 2: positiv/negativ invariant Sei, die Lösung eines Anfangswertproblems =, = und, + das maximale Existenzintervall, so definieren wir: Eine Teilmenge R heißt positiv invariant, falls gilt,, + 3. Ansteckende Krankheiten: 3.1. SIR-Modell: Das SIR-Modell ist das einfachste Modell, um die Verbreitung einer ansteckenden Krankheit zu modellieren. Bei diesem Modell wird die Bevölkerung in drei disjunkte Gruppen aufgeteilt: : ä : : h Bei S, I und R handelt es sich um Funktionen, welche von der Zeit t abhängen. Da wir mit ihnen Populationen darstellen, betrachten wir nur den Bereich, bei dem S, I, R gilt. Zur Einfachheit wird angenommen, dass die Population konstant bleibt, also (1) + + = gilt. Darüber hinaus wird angenommen, dass geheilte Individuen nicht erneut erkranken können. Wir nehmen an, dass die Übertragungsrate der Krankheit > (konstant)proportional zum Kontakt zwischen Infizierten (I) und Anfälligen (S) ist. Um diese Forderungen mathematisch auszudrücken, ist es am einfachsten = zu setzen. 1
2 Zusätzlich nehmen wir an, dass die Genesungsrate > konstantproportional zu der Anzahl der Infizierten ist. Wir erhalten folgendes Modell: = = I = I Da immer noch (1) gilt, also dass S+I+R konstant ist, lässt sich unser System vereinfachenwir betrachten somit ab sofort nur noch das zweidimensionale System: = = I Und können dadurch R(t) eindeutig bestimmen. Offenbar haben wir ein Gleichgewicht in dem System für I = 0 also bei der S-Achse. Linearisieren wir das System bei (S, 0), erhalten wir die Matrix βs ( βs ) Für die Eigenwerte ergibt sich: 0 und βs v. Der zweite Eigenwert ist negativ für 0 < S < v/β und positiv für S > v/β. Die S-Nullklinen sind durch die S - und I -Achse gegeben. Auf der I-Achse haben wir für S=, I = - I, was auf der I-Achse dafür gegen den Ursprung läuft. Die I-Nullklinen sind I = 0 und die vertikale Linie für S= v/β. Abbildung 1: Nullklinen und Richtungsfeld für das SIR-Modell Anhand des Richtungsfeldes lässt sich feststellen, dass für einen beliebigen Anfangswert (S0, I0) mit S0> v/β und I0>0 die Population der anfälligen Individuen (S) monoton fällt, während die infizierte Population (I) zunächst ansteigt und eventuell ein Maximum erreicht, wonach die Population der Infizierten gegen 0 strebt. Abbildung 2: Phasenportrait für das SIR-Modell Dies können wir auch wie folgt analytisch beweisen: Idee des Beweises: berechne eine Funktion, die konstant entlang der Lösungskurve ist. Die Steigung des Vektorfeldes ist eine Funktion abhängig alleine von S: βsi I = = + βsi βs = = / / Dies integrieren wir und finden: = = + + Diese Funktion ist konstant entlang der Lösungskurve, woraus folgt, dass es nur eine eindeutige Lösungskurve gibt, die jeden Gleichgewichtspunkt im Intervall v/β <S< μu einem Gleichgewichtspunkt im Intervall <S< v/β verbindet. 2
3 3.2. SIRS-Modell Beim SIRS-Model erweitern wir das SIR-Modell wie folgt: Im Gegensatz zu dem SIR-Modell, wird im SIRS-Modell nicht unterbunden, dass geheilte Individuen (R) erneut erkranken können. Für den konstanten Wiedererkrankungsfaktor > wird angenommen, dass dieser proportional zu der geheilten Population (R) ist. Somit erhalten wir das System: = + R = I = I R Ebenfalls wie beim SIR-Modell nehmen wir der Einfachheitshalber an, dass die Gesamtbevölkerung konstant bei τ ist. Es folgt R = τ S I. Dies ermöglicht uns wieder die Betrachtung des zweidimensionalen Systems: = + τ S I = I, da Rt eindeutig durch It, St und τ bestimmt werden kann. Zunächst bestimmen wir die Gleichgewichtspunkte: Wir erhalten zwei Gleichgewichtspunkte, einen bei (τ,0)und einen weiteren bei(s*,i*)=, ν Der erste Gleichgewichtspunkt stellt die Situation dar, in der keine Krankheit ausbricht, sondern die komplette Bevölkerung nicht erkrankt ist. Der zweite Gleichgewichtspunkt existiert im Kontext nur, falls ist. Das linearisierte System ist gegeben durch: Y = ( )Y Wir erhalten die Eigenwerte und am Gleichgewichtspunkt (τ, 0). Da wir einen positiven und einen negativen Eigenwert haben, liegt ein Sattel vor, wenn die Population den Schwellenwert übersteigt. Beim zweiten Gleichgewichtspunkt (S*,I*)=, ν ist die Determinante der Matrix positiv, während die Spur + + negativ ist. Aus Kapitel 4 wissen wir somit, dass beide Eigenwerte negativen Realteil haben müssen, es folgt, dass der zweite Gleichgewichtspunkt asymptotisch stabil ist. In biologischer Hinsicht bedeutet dies, dass sich die Krankheit nur dann in der Bevölkerung entwickelt, wenn die Gesamtbevölkerung den Schwellenwert übersteigt. Aus diesem Grund wird nur noch dieser Fall weiter betrachtet. Das SIRS-System ist auf Grund des Kontextes nur von Interesse, wenn I,S und S+I τ gilt. Dieser simplex Bereich wird mit ᐃ bezeichnet und heißt Simplex. Die I-Achse ist nun nicht länger invariant, während an der S-Achse die Lösungen bis zum Gleichgewicht (,0) ansteigen. Proposition: Die Region ᐃ ist positiv invariant. Beweis: Idee: Überprüfe die Richtung des Vektorfelds am Rande von ᐃ. Das Feld verläuft tangential entlang der Grenze der Unterkante von I = 0 bis (τ, ). Bei S = haben wir S = > 0 verläuft das Vektorfeld nach innen für 0 < I < τ. Betrachten wir die Hypotenuse: Für <S / haben wir S= und I = IβS, so dass das Vektorfeld auch hier nach innen verläuft. Für / <S < τ haben wir Somit verläuft auch hier das Vektorfeld nach innen. < IβS I = = + 3
4 Die I-Nullklinen ist wie beim SIR-Modell bei I = 0 und S = /. Die S-Nullklinen ist gegeben durch den Graphen der Funktion I = IS = τ S Es lässt sich leicht berechnen, dass IS < und IS> für S < τ. Somit ist der Graph μur S-Nullkline eine fallende konkave Funktion, dessen Graph die unkte τ, und, τ henthält. βs+ Abbildung 3: Nullklinen und Phasenportrait in ᐃ für das SIRS-Modell. Hier = = = ; = Man erkennt, dass sich alle Lösungen zu dem Gleichgewichtspunkt (S*,I*) zu neigen scheinen. Dies bedeutet im biologischen Sinne, dass das Verhältnis zwischen anfälligen und infizierten Individuen zu einem Gleichgewichtsμustand tendiert. Um dies μu überprüfen, müsste man die Möglichkeit eines geschlossenen Orbits, der den Gleichgewichtspunkt für gegebene Parameter β,,, und τ umkreist, jedoch ausschließen. 4. Räuber-Beute-Modell: 4.1. Räuber-Beute-Modell ohne begrenztes Wachstum: Wir betrachten also nun zwei Spezies, wobei es sich bei einer Spezies um den Fressfeind der anderen Spezies handelt. Die Räuberpopulation beschreiben wir ab sofort mit y und die Beutepopulation mit x. Wir nehmen an, dass die Beutepopulation das gesamte Nahrungsspektrum der Räuberpopulation ist. Daraus folgt, dass bei Fehlen der Räuberpopulation die Beutepopulation ansteigt (proportional zur aktuellen Population). Ist die Räuberpopulation also nicht vorhanden (y = 0), haben wir = für ein a>0, wie wir aus Kapitel 1 wissen, also = 0. Da in diesem Modell eine Überbevölkerung nicht betrachtet wird. Ist die Räuberpopulation jedoch vorhanden, sinkt die Beutepopulation proportional zur Anzahl der Räuber-Beute- Begegnungen. Als einfache Modellierung erhalten wir = mit Parametern a,b>0. Für die Räuberpopulation erhalten wir ein beinahe umgekehrtes System. Bei einem Mangel der Beute sinkt die Räuberpopulation proportional zur aktuellen Population. Für x = 0 erhalten wir somit = für ein c > 0, also wie wir aus Kapitel 1 wissen = 0. Die Räuberpopulation stirbt in diesem Fall aus. Ist eine Beutepopulation vorhanden, steigt die Räuberpopulation jedoch proportional zur Anzahl der Räuber-Beute- Begegnungen. Als Modellierung hierfür erhalten wir = +, für Parameter c, d >0. Als vereinfachtes Räuber-Beute System erhalten wir somit: = = = + = +. Auch hier betrachten wir lediglich für die x, y ist. Zunächst bestimmen wir die Gleichgewichtspunkte, welche beim Ursprung (0, 0) und bei dem Punkt (x*, y*)=, liegen. Eine Linearisierung des Systems gibt uns die Matrix: = ( + )X, Wenn x = y = 0 haben wir einen Sattel mit Eigenwerten a und c. Wir kennen die stabile und die nicht stabile Kurve: die y- und die x-achse. An dem anderen Gleichgewichtspunkt (x*, y*)=, haben wir komplett imaginäre Eigenwerte ±, weshalb wir keine Aussage über die Stabilität des Gleichgewichtpunktes machen können. 4
5 Als nächstes wollen wir die Nullklinen bestimmen: Die x-nullklinen sind gegeben durch die geraden Linien x=0 und y*=, während die y-nullklinen durch y = 0 und x* = gegeben sind. Die von Null verschiedenen Nullklinen x* und y* zerteilen den Quadranten x, y >0 in 4 Teile: Abbildung 4: Nullklinen und Richtungsfeld für das Räuber-Beute-Modell Wie man erkennt, bewegen sich die Lösungen entgegen des Uhrzeigersinns um den zweiten Gleichgewichtspunkt. Jedoch können wir bisher nicht den genauen Verlauf der Lösung feststellen. Sie könnte sich spiralförmig um den Gleichgewichtspunkt bewegen, spiral um einen Grenzzyklus, spiralförmig nach außen in Richtung unendlich und den Koordinatenachsen oder auf geschlossenen Orbits liegen. Um dies nun zu ermitteln, suchen wir nach einer Lyapunov-Funktion L in der Form:, = + Wir berechnen:, =, Wir fordern = 0 und somit = + = + + = + Es folgt / + / Da x und y unabhängige Variablen sind ist dies nur, und nur dann möglich, wenn / + / = = Konstante gilt. Setze diese Konstante = 1 Wir erhalten: = = Durch Integrieren finden wir: = log = log Somit ist unsere Funktion, = log +. Diese ist, wie wir gezeigt haben, konstant entlang der Lösungskurven des Systems, wenn x, y > 0. Betrachten wir die Vorzeichen von den Ableitungen von L nach x und y ( und ) ist es einfach zu sehen, dass der Gleichgewichtspunkt (x*, y*) =, ein absolutes Minimum von L ist. Somit folgt, dass L eine Lyapunov-Funktion ist. Hierfür ist (x*, y*) ein stabiler Gleichgewichtspunkt. Theorem: Bis auf den Gleichgewichtspunkt (x*, y*) und die Koordinaten Achsen ist jede Lösung des Räuber-Beute- Systems ein geschlossener Orbit. 5
6 Beweis: Betrachte die Lösung durch W = (w1, w2 x*, y*, wo W weder auf der x noch auf der y-achse liegt. Diese Lösung liegt spiralförmig um (x*, y*) und kreuzt jede Nullkline unendlich oft. Es gibt somit eine unendliche Folge <t -1 < t0 < t1 < sodass φtn(w) auf auf der Linie x* = liegt und tn ± für n ±. Wenn W kein geschlossener Orbit ist, liegen die Punkte φtn(w) monoton auf der Linie x* =. Da dort jedoch kein Grenzzyklus ist, muss entweder φtn(w) (x*, y*), für n oder φtn(w) (x*, y*), für n - gelten. Da L jedoch konstant entlang der Lösung von W ist, impliziert dies L(W) = L(w1, w2) = L(x*, y*). Dies ist jedoch ein Widerspruch zur Minimalität von L(Z). Abbildung 5: Nullklinen und Phasenportrait für Lodka-Volterra-Systems Wir können außerdem folgern, dass μu jeder Anfangspopulation x, y mit x, y und x, y x*, y* die opulation von Räuber und Beute μyklisch osμilliert. Unabhängig von den genauen opulationen stirbt keine der beiden Spezies oder wächst ins Unendliche Räuber-Beute-Modell mit begrenztem Wachstum: Nun wollen wir unser System erweitern und zusätzlich Überbevölkerung betrachten. Wie wir aus Kapitel 1 wissen, können wir bei Fehlen der Jägerpopulation die Beutepopulation wie folgt ausdrücken = und bei Fehlen der Beutepopulation erhalten wir für die Jägerpopulation = Für das Räuber-Beute-System mit begrenztem Wachstum erhalten wir somit = = + Wobei alle Parameter a, b, c, d,, >0 sind. Falls y = 0 haben wir die logistische Gleichung =, welche die Gleichgewichtspunkte (0, 0) und (/, 0) besitzt. Wie wir noch aus Kapitel 1 wissen, tendieren alle nicht-trivialen Lösungen auf der x-achse zu /. Wenn x = 0 erhalten wir als Gleichung für y =, für y < gilt y >, somit tendieren alle Funktionen auf dieser Achse zum Ursprung. Wir betrachten genauer den 1. Quadranten oben rechts. Als Nullklinen haben wir neben den Achsen noch die Geraden: L: = 0 M: + = 0 Es gibt zwei Möglichkeiten: Entweder L und M schneiden sich in oder sie schneiden sich nicht in. Zunächst überlegen wir uns den Fall, dass sich L und M nicht in schneiden: In diesem Fall haben wir die Nullkline Struktur wie in Abbildung 5. Abbildung 5: Nullklinen und Phasenportrait für das Räuber -Beute-Modell mit begrenzten Wachstum wo sich die Nullklinen nicht in schneiden 6
7 Alle Lösungen in tendieren zu dem Gleichgewichtspunkt (/, 0). Daraus folgern wir, dass in diesem Fall die Räuberpopulation ausstirbt und die Beutepopulation ihren maximalen Wert / erreicht. Die Lösungen nahe der Nullkline können wir wie folgt interpretieren: x und y sind beide niemals gleichzeitig positiv, da die Räuber- und Beutepopulation niemals gleichzeitig ansteigen können. Übersteigt die Beutepopulation ihren begrenzenden Maximalwert, sinkt sie. Dies wirkt sich verzögert auf die Räuberpopulation aus. Das Fehlen der Beute führt zu einem Sinken der Räuberpopulation. Bei diesem Zustand schneidet die Lösungskurve M. Hiernach steigt die Beutepopulation nie wieder soweit an, dass sie ihren Maximalwert / erneut überschreitet, weshalb die Räuberpopulation weiterhin fällt. Kreuzt die Lösung L tritt der Zustand ein, in dem die Beutepopulation erneut ansteigt, jedoch nicht / überschreitet, während hingegen die Räuberpopulation anfängt auszusterben. Wenn die Räuberpopulation komplett verschwunden ist stabilisiert sich die Beutepopulation bei /. Nun betrachten wir den Fall, dass L und M sich in im Punkt =, schneiden, mit Gleichgewichtspunkt. Das linearisierte Vektorfeld im Punkt ist wie folgt gegeben: = ( ) X Die Matrix des charakteristische Polynom hat eine negative Spur und eine positive Determinante. Somit haben die Eigenwerte von Z entweder beide reell negativ sind oder beide komplex mit negativem Realteil. Somit ist asymptotisch stabil. Neben den Gleichgewichtspunkten (0, 0) und existiert immer noch jener bei (/, 0): = A. Linearisieren wir dort das System, erkennen wir, dass wir bei A einen Sattel vorliegen haben, dessen stabile Kurve auf der x-achse liegt. Abbildung 6: Nullklinen und Phasenportrait für das Räuber-Beute-Modell mit begrenztes Wachstum wo sich die Nullklinen in schneiden Es ist nicht einfach, den Einzugsbereich von zu bestimmen. Wir wissen nicht, ob es irgendwelche Grenzzyklen gibt. Jedoch wissen wir, dass die Gerade L die x-achse im Punkt (, )und die y-achse in (, schneidet. Wir definieren Γ als das Rechteck, welches als Eckpunkt (0, 0), (p, 0), (0, q) und (p, q) mit p > und q > hat, wobei (p, q) auf der Geraden M liegt (siehe Abbildung 6). Jede Lösung entlang der Grenze von Γ ist positiv invariant. Jeder unkt in ist in einem solchen Rechteck enthalten. Nach dem Satz von Poincaré-Bendixson, ist die ω-limesmenge von jedem Punkt (x, y) in Γ, mit x, y > ein Grenzzyklus oder umfasst einen der drei Gleichgewichtspunkte (0, 0), oder (/, 0). Die Gleichgewichtspunkte (0, 0) und (/, 0) können wir verwerfen, da wir bereits festgestellt haben, dass es sich um zwei Sättel mit stabilen Kurven auf der x- oder y-achse handelt. Somit ist ωx, y entweder oder ein Grenzzyklus, der umrundet. Weiter beobachten wir, dass jedes solches Γ alle Grenμμyklen enthält, da jede Lösung in Γ läuft und Γ positiv invariant ist. Fixieren wir (p, q) wie zuvor, können wir feststellen, dass für alle Anfangswerte (x(0), y(0)) ein t0 > 0 existiert, sodass x(t) < p, y(t) < q wenn t t0. Wir schließen daraus, dass auf längere Sicht eine Lösung entweder sich annähert oder spiralförmig um einen Grenzzyklus annähert. In Bezug auf den Kontext können wir somit schließen, dass eine Räuber-Beute-Population, welche dieses System erfüllt, entweder zu einer konstanten oder periodischen Population wird. Außerdem gibt es eine obere Grenze, die unabhängig vom Startwert keine der Populationen in längerer Sicht überschreiten kann. 5. Konkurrierende Spezies: Wir werden uns nun zwei Spezies anschauen, die dieselbe Nahrungsquelle haben und somit Nahrungskonkurrenten sind. Jedoch wollen wir nun nicht wie in den anderen Themen spezielle Funktionen untersuchen, sondern wir betrachten eine große Klasse an Funktionen, über die wir entsprechend nur wenige Eigenschaften voraussetzen können. Bezeichnen wir als x und y die opulation μweier Speμies und betrachten somit wieder nur x, y. Die Gleichung bezüglich des Wachstums der beiden Populationen lässt sich wie folgt schreiben: 7
8 =, =, Hierbei sind M und N die entsprechenden Wachstumsraten und beinhalten beide Variablen. Sofort erkennen wir das eine x-nullkline durch x = 0 und M(x, y) = 0 gegeben ist und eine y-nullkline durch y = 0 und N(x, y) = 0. Außerdem machen wir folgende Voraussetzung für M und N: 1. Da die Spezies um dieselben Ressourcen konkurrieren, bedeutet dies, dass, wenn eine der Populationen wächst, die Wachstumsrate der anderen Population sinkt. Also < und < 2. Wenn eine von beiden Populationen sehr hoch ist, nehmen beide Wachstumsraten ab, da ein K >0 existiert so dass, < und, < wenn oder 3. Bei Abwesenheit einer Spezies hat die andere Spezies eine positive Wachstumsrate bis zu einer bestimmten Populationsgröße und eine negative, sobald diese Größe überschritten ist. Also existieren Konstanten a,b > 0, sodass M, > für < und, < für >, > für < und, < für > Aufgrund von (1), (2) und (3) wissen wir, dass jede vertikale Linie { } R die Menge = genau einmal für x a und nicht für x > a trifft. Nach (1) und dem Satz über implizite Funktionen erhalten wir das der Graph einer nicht negativen Funktion f mit : [, ] R, sodass =. Unter der Kurve ist M positiv und darüber ist M negativ. Genauso setzen wir =, was eine glatte Kurve ist in Form: {, = } wobei : [, ] R eine nicht negative Funktion mit = ist. Die Funktion N ist positiv links von und negativ rechts von. Zunächst betrachten wir den Fall, dass sich und nicht schneiden und außerdem unter liegt. Dann können wir das Phasenportrait direkt an den Nullklinen ablesen. Gleichgewichtpunkte sind somit (0, 0), (a, 0) und (0, b). Der Ursprung ist eine Quelle, während (a, 0) ein Sattel ist (Voraussetzung, < ) und (0, b) eine Senke ( Voraussetzung, < ). Alle Lösungen mit y0 > 0 tendieren zu dem asymptotisch stabilen Gleichgewichtspunkt bei (0, b), bis auf die Lösungen auf der x-achse. Abbildung 7: Phasenportrait wenn sich und nicht schneiden Im Falle liegt über ist die Situation umgekehrt und alle Lösungen mit x0 > 0 tendieren zu der Senke, die nun bei (a, 0) liegt. Betrachten wir nun den Fall, dass sich und schneiden. Wir setzen vorraus, dass eine endliche Menge ist und dass an jedem Schnittpunkt sich und quer kreuzen, also dass beide Geraden am Schnittpunkt getrennte Tangenten haben. Die Nullklinen und wie auch die Koordinatenachsen begrenzen eine endliche Anzahl von zusammenhängenden offenen Mengen im Quadrant oben rechts: Dies sind die Basisregionen, wo x und y. Wir unterscheiden zwischen 4 verschiedenen Typen an Basisregionen: A: x >, y > B: x <, y > C: x <, y < D: x >, y < Der Rand R der Basisregion R besteht aus unkte der folgenden Typen: Punkte von nennen wir Eckpunkte. Punkte auf oder, aber nicht auf beiden oder Punkte auf den Koordinaten- Achsen, nennen wir gewöhnliche Randpunkte oder Punkte auf den Achsen. Ein Eckpunkt ist ein Gleichgewichtspunkt, die anderen Gleichgewichtspunkte liegen auf den Achsen bei (0, 0), (a, 0) und, b. An den gewöhnlichen Randpunkten Z R ist das Vektorfeld entweder vertikal wenn Z ) oder 8
9 horiμontal wenn Z ). Dieser Vektor zeigt entweder in oder aus R weil keine vertikalen und keine horizontale Tangenten hat. Wir nennen Z somit Inneren oder Äußeren Punkt von R. Abbildung 8: Phasenportrait wenn sich und schneiden Proposition: Sei R die Basisregion eines Modells konkurrierender Speμies, dann μeigen der Vektorraum in den gewöhnlichen Randpunkte entweder komplett nach innen oder komplett nach außen. Beweis: Es gibt nur zwei Möglichkeiten wie sich die Kurven und in einer Ecke P schneiden können: Da y entlang wächst kann die Kurve entweder von unten nach oben schneiden oder von oben nach unten. Da wir gesagt haben, dass sich die Kurven quer schneiden, gibt es keine anderen Möglichkeiten. Abbildung 9: in (a) schneidet von oben nach unten ; in (b) schneidet von unten nach oben Da x > unter und darüber x <, und da y > links von und rechts davon y< 0 haben wir in diesem Fall folgende Anordnung des Vektorfelds: Abbildung 10: Anordnung des Vektorfeldes nahe eines Eckpunktes. Wir sehen, dass in jedem der beiden Fälle das Vektorfeld nach innen bei zwei gegenüberliegenden Basisregionen bei und zeigt und dementsprechend nach außen von den anderen beiden Basisregionen. Nun laufen wir weiter entlang oder zum nächsten Eckpunkt, wir sehen, dass benachbarte Basisregionen ihre Konfiguration nach innen oder außen beibehalten müssen. Somit zeigt auch an allen anderen gewöhnlichen Randpunkten an jeder Basisregion das Vektorfeld nach außen oder innen wie gefordert. Als Konsequenz dieser Proposition bedeutet das, dass jede Basisregion und ihr Abschluss entweder positiv oder negativ invariant ist. Was sind die möglichen ω-limesmengen? Es gibt keine geschlossenen Orbits, da alle geschlossenen Orbits in einer der Basisregionen enthalten sein müssten. Dies ist aber unmöglich, da x(t) und y(t) monoton entlang jeder Lösungskurve in der Basisregion ist. Somit bleiben für die ω-limesmenge nur noch die Gleichgewichtspunkte. Wir halten des Weiteren fest, dass jede Lösung für alle t > definiert ist, da jeder unkt in einem Rechteck Γ mit den Eckpunkten (0, 0), (x0, 0), (0, y0) und (x0, y0) liegt, wobei x0 > a und y0 > b. Ein solches Rechteck ist positiv invariant, somit haben wir folgendes gezeigt: Abbildung 11: Alle Lösungen gelangen in Γ und bleiben dort 9
10 Theorem: Die Bewegung t des Systems konkurrierender Spezies hat die folgende Eigenschaft: für alle Punkte (x, y) mit, x, y, existiert der Grenμwert lim t (x, y) und ist ein Gleichgewichtspunkt aus einer endliche Anzahl von Gleichgewichtspunkten. Daraus können wir folgern, dass die Populationen zweier konkurrierender Spezies immer zu einer endlichen Anzahl von limitierenden Populationen tendieren. Untersucht man die Gleichgewichtspunkte auf Stabilität bekommt man folgende Resultate: Ein Eckpunkt wo und jeweils negative Steigung haben, jedoch steiler ist, ist asymptotisch stabil. Dazu betrachten wir die folgende Abbildung: Abbildung 12: Die Anordnung von und führt zu einem asymptotisch stabilen Gleichgewichtspunkt Wir können dies sehen, wenn wir ein kleines Rechteck einzeichnen, welches Seiten parallel zu den Achsen um den Gleichgewichtspunkt hat und eine Ecke jeweils in einem der 4 benachbarten Basisregionen hat. Solch ein Rechteck ist positiv invariant. Da es beliebig klein gewählt werden kann, folgt die Stabilität des Gleichgewichtspunktes. Dies kann auch wie folgt gesehen werden: Wir haben Steigung von = < Steigung von = < Wobei =, = und so weiter, am Gleichgewichtspunkt. Man erinnere sich daran, dass wir am Anfang < und < festgelegt haben. Außerdem gilt am Gleichgewichtspunkt < und <. Linearisierung am Gleichgewichtspunkt gibt uns die Matrix ( ) Die Spur der Matrix ist negativ, während für die Determinante positiv ist, somit haben die Eigenwerte negativen Realteil und wir haben eine Senke. Betrachtet man die verschiedenen Möglichkeiten wie sich und schneiden können, zeigt sich, dass die einzigen anderen stabilen Gleichgewichtspunkte asymptotisch sind in dem Modell (0, b) wenn (0, b) über liegt oder (a, 0), wenn (a, 0) rechts von liegt. Alle anderen Gleichgewichtspunkte sind nicht stabil. Außerdem stellen wir fest, dass es immer mindestens einen asymptotischen Gleichgewichtspunkt geben muss. Quellen: M.W. Hirsch, S. Smale, R.L. Devaney, Differential Equations, Dynamical Systems, and an Introduction to Chaos, 3rd Edition, Academic Press, 2012 Definition positiv/ negativ Invariant: Karlsruher Institut für Technologie, Tobias Jahnke, Seminar: Mathematische Modelle 10
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,
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
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
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrMathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
MehrMathematik für Biologen mathematische Ergänzungen und Beispiele Teil I
Mathematik für Biologen mathematische Ergänzungen und Beispiele Teil I 1. Mengen und Abbildungen In der Mathematik beschäftigt man sich immer -direkt oder indirekt- mit Mengen. Wir benötigen den Mengenbegriff
MehrPopulations 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
MehrLineare Funktionen y = m x + n Sekundarstufe I u. II Funktion ist monoton fallend, verläuft vom II. in den IV.
LINEARE FUNKTIONEN heißt Anstieg oder Steigung heißt y-achsenabschnitt Graphen linearer Funktionen sind stets Geraden Konstante Funktionen Spezialfall Graphen sind waagerechte Geraden (parallel zur x-achse)
MehrRäuber-Beute-Modelle, Auslese/Schwellensatz
Räuber-Beute-Modelle, Auslese/Schwellensatz Mareike Franz und Brigitte Steinhauser 15. Dezember 2008 1 / 37 1 Räuber-Beute-Modelle 2 Prinzip der Auslese durch Wettbewerb 3 Schwellensatz der Epidemiologie
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
MehrBeispiel: Evolution infizierter Individuen
Differentialgleichungen sind sehr nützlich in der Modellierung biologischer Prozesse, denn: damit kann man auch sehr komplizierte Systeme beschreiben die Mathematik liefert mit der gut entwickelten Theorie
MehrAnwendungen der Differentialrechnung
KAPITEL 5 Anwendungen der Differentialrechnung 5.1 Maxima und Minima einer Funktion......................... 80 5.2 Mittelwertsatz.................................... 82 5.3 Kurvendiskussion..................................
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,
MehrLineare Funktionen. Klasse 8 Aufgabenblatt für Lineare Funktionen Datum: Donnerstag,
Lineare Funktionen Aufgabe 1: Welche der folgenden Abbildungen stellen eine Funktion dar? Welche Abbildungen stellen eine lineare Funktion dar? Ermittle für die linearen Funktionen eine Funktionsgleichung.
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
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 20/202 Mathematik für Anwender I Vorlesung 30 Gewöhnliche Differentialgleichungen mit getrennten Variablen Definition 30.. Eine Differentialgleichung der Form y = g(t)
MehrAbiturprüfung 2000 LK Mathematik Baden-Württemberg
Abiturprüfung 000 LK Mathematik Baden-Württemberg Aufgabe I 1 Analysis ( )² Gegeben ist die Funktion f durch f ( ) = ; D f. Ihr Schaubild sei K. ( 4) a) Geben Sie die maimale Definitionsmenge D f an. Untersuchen
MehrLinearisierung einer Funktion Tangente, Normale
Linearisierung einer Funktion Tangente, Normale 1 E Linearisierung einer Funktion Abb. 1 1: Die Gerade T ist die Tangente der Funktion y = f (x) im Punkt P Eine im Punkt x = a differenzierbare Funktion
MehrEinführung in die linearen Funktionen. Autor: Benedikt Menne
Einführung in die linearen Funktionen Autor: Benedikt Menne Inhaltsverzeichnis Vorwort... 3 Allgemeine Definition... 3 3 Bestimmung der Steigung einer linearen Funktion... 4 3. Bestimmung der Steigung
MehrAnalytische Geometrie I
Analytische Geometrie I Rainer Hauser Januar 202 Einleitung. Geometrie und Algebra Geometrie und Algebra sind historisch zwei unabhängige Teilgebiete der Mathematik und werden bis heute von Laien weitgehend
MehrAbb lokales Maximum und Minimum
.13 Lokale Extrema, Monotonie und Konvexität Wir kommen nun zu den ersten Anwendungen der Dierentialrechnung. Zwischen den Eigenschaten einer Funktion, dem Verlau des zugehörigen Graphen und den Ableitungen
Mehr1.3 Flüsse. Y (t) = f(y(t))
18 Kapitel 1. Gewöhnliche Differentialgleichungen 1.3 Flüsse Sei jetzt F:D R n R n ein stetig differenzierbares Vektorfeld. Dann erfüllt F die Voraussetzungen des Existenz- und Eindeutigkeitssatzes. Das
MehrInhaltsverzeichnis INHALTSVERZEICHNIS 1
INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4
MehrMusterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
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
MehrTopologische Begriffe
Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer
MehrDie Kopplung von Markovketten und die Irrfahrt auf dem Torus
Die Kopplung von Markovketten und die Irrfahrt auf dem Torus Verena Monschang Vortrag 20.05.20 Dieser Seminarvortrag thematisiert in erster Linie die Kopplung von Markovketten. Zu deren besseren Verständnis
MehrEiniges zu den Potenzfunktionen. Exponentialfunktionen
Einiges zu den Potenzfunktionen Es sind zunächst zwei Arten der Potenzfunktionen zu unterscheiden. Erstens die eigentlichen Potenzfunktionen, bei denen die Variable x als Basis von Potenzen vorkommt. Diese
MehrLotka-Volterra-Gleichungen für mehr als zwei Populationen
Lotka-Volterra-Gleichungen für mehr als zwei Populationen Dennis Kunz 06.12.2011 Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics Lotka-Volterra-Gleichungen für mehr als zwei
Mehr11. Folgen und Reihen.
- Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a
MehrKausalität. Seminar zur Lorentz Geometrie. Jonas Haferkamp 9. Juni 2016
Kausalität Seminar zur Lorentz Geometrie Jonas Haferkamp 9. Juni 2016 1 Einleitung Kausalität ist das Prinzip von Ursache und Wirkung. Um dieses Konzept zu formalisieren, ist offenbar ein sinnvoller Zeitbegriff
MehrAlgebraische Kurven. Holger Grzeschik
Algebraische Kurven Holger Grzeschik 29.04.2004 Inhaltsübersicht 1.Einführung in die Theorie algebraischer Kurven 2.Mathematische Wiederholung Gruppen, Ringe, Körper 3.Allgemeine affine Kurven 4.Singuläre
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
MehrAbitur - Grundkurs Mathematik. Sachsen-Anhalt 2002. Gebiet G1 - Analysis
Abitur - Grundkurs Mathematik Sachsen-Anhalt Gebiet G - Analsis Aufgabe.. Der Graph einer ganzrationalen Funktion f dritten Grades mit einer Funktionsgleichung der Form f a b c d a,b,c,d, R schneidet die
Mehr5.5. Abituraufgaben zu ganzrationalen Funktionen
.. Abituraufgaben zu ganzrationalen Funktionen Aufgabe : Kurvendiskussion, Fläche zwischen zwei Schaubildern () Untersuchen Sie f(x) x x und g(x) x auf Symmetrie, Achsenschnittpunkte, Extrempunkts sowie
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
MehrDemo: Mathe-CD. Prüfungsaufgaben Mündliches Abitur. Analysis. Teilbereich 1: Ganzrationale Funktionen 1. März 2002
Prüfungsaufgaben Mündliches Abitur Analysis Teilbereich : Ganzrationale Funktionen Hier nur Aufgaben als Demo Datei Nr. 9 März 00 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK Vorwort Die in dieser Reihe von
MehrCaputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen
Seminar Fraktionale Differentialgleichungen Prof. Dr. P.E. Kloeden, WS1000/2001 Caputo fraktionale Differentialgleichungen Lars Grüne, 25.1.2001 Basierend auf Fractional Differential Equations, Theory
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
Mehr)e2 (3 x2 ) a) Untersuchen Sie den Graphen auf Symmetrie, ermitteln Sie die Nullstellen von f und bestimmen Sie das Verhalten von f für x.
Analysis Aufgabe aus Abiturprüfung Bayern GK (abgeändert). Gegeben ist die Funktion f(x) = ( x )e ( x ). a) Untersuchen Sie den Graphen auf Symmetrie, ermitteln Sie die Nullstellen von f und bestimmen
MehrWiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE
Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse
Mehrden Satz von Poincaré-Bendixson.
Seminar zu Geometrie der Gewöhnlichen Differentialgleichungen Der Satz von Poincaré-Bendixson bearbeitet von Rodrigo Menendez Zusammenfassung Fragen des Langzeitverhaltens und der Stabilität spielen in
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 4
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=
Mehr3.3 Klassifikation quadratischer Formen auf R n
3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen
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
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
MehrDie Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K
Kapitel IV Projektive Geometrie In diesem Kapitel wird eine kurze Einführung in die projektive Geometrie gegeben. Es sollen unendlich ferne Punkte mit Hilfe von homogene Koordinaten eingeführt werden und
MehrDiese Funktion ist mein Typ!
Diese Funktion ist mein Typ! Überblick über die wichtigsten Funktionstypen der 10.Jgst.: Lineare Funktionen Quadratische Funktionen Ganzrationale Funktionen Gebrochen-rationale Funktionen Trigonometrische
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
Mehr6 Differentialgleichungen
88 6 Differentialgleichungen Eine Differentialgleichung ist eine Gleichung, in der eine unbekannte Funktion y = y(x) und Ableitungen (die erste oder auch höhere) von y vorkommen. Lösungen einer Differentialgleichung
Mehr5 Geraden im R Die Geradengleichung. Übungsmaterial 1
Übungsmaterial 5 Geraden im R 5. Die Geradengleichung Eine Gerade ist eindeutig festgelegt durch zwei Punkte oder durch einen Punkt und eine Richtung. Beispiel: Die Gerade g durch die Punkte A(-//) und
Mehr9. Vorlesung Wintersemester
9. Vorlesung Wintersemester 1 Die Phase der angeregten Schwingung Wertebereich: bei der oben abgeleiteten Formel tan φ = β ω ω ω0. (1) ist noch zu sehen, in welchem Bereich der Winkel liegt. Aus der ursprünglichen
MehrTestprüfung (Abitur 2013)
Testprüfung (Abitur 2013) Steve Göring, stg7@gmx.de 3. April 2013 Bearbeitungszeit: Zugelassene Hilfsmittel: 270 Minuten Taschenrechner (nicht programmierbar, nicht grafikfähig), Tafelwerk Name: Punkte:
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrMathemathik-Prüfungen
M. Arend Stand Juni 2005 Seite 1 1980: Mathemathik-Prüfungen 1980-2005 1. Eine zur y-achse symmetrische Parabel 4.Ordnung geht durch P 1 (0 4) und hat in P 2 (-1 1) einen Wendepunkt. 2. Diskutieren Sie
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?
Mehrf(x nk ) = lim y nk ) = lim Bemerkung 2.14 Der Satz stimmt nicht mehr, wenn D nicht abgeschlossen oder nicht beschränkt ist, wie man z.b.
Proposition.13 Sei f : D R stetig und D = [a, b] R. Dann ist f(d) beschränkt. Außerdem nimmt f sein Maximum und Minimum auf D an, d.h. es gibt x max D und ein x min D, so dass f(x max ) = sup f(d) und
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
Mehr3.3 Linkskurve, Rechtskurve Wendepunkte
166 FUNKTIONSUNTERSUCHUNGEN 3.3 Linkskurve, Rechtskurve Wendepunkte Einführung (1) Anschauliche Erklärung des Begriffs Wendepunkt Bei Motorradrennen lässt sich beobachten, wie sich die Motorradfahrer beim
MehrMAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.
1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
MehrKapitel 3. Minkowski-Raum. 3.1 Raumzeitlicher Abstand
Kapitel 3 Minkowski-Raum Die Galilei-Transformation lässt zeitliche Abstände und Längen unverändert. Als Länge wird dabei der räumliche Abstand zwischen zwei gleichzeitigen Ereignissen verstanden. Solche
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrHerbst b) Bestimmen Sie die Gleichung der Tangente t und Ihren Schnittpunkte A mit der x-achse. t geht durch B(1/2) und hat die Steigung m=-6 :
Herbst 24 1. Gegeben ist eine Funktion f : mit den Parametern a und b. a) Bestimmen Sie a und b so, dass der Graph von f durch den Punkt B(1/2) verläuft und die Tangente t in B parallel ist zur Geraden
Mehr1. Gruppen. 1. Gruppen 7
1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.
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
MehrLineare Funktion. Wolfgang Kippels 3. November Inhaltsverzeichnis
Lineare Funktion Wolfgang Kippels. November 0 Inhaltsverzeichnis Grundlegende Zusammenhänge. Aufbau der Linearen Funktion......................... Nullstellenbestimmung............................. Schnittpunktbestimmung............................
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.
Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3
MehrLineare Algebra II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
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,
MehrEin Fundamentalbereich der Modulgruppe. 1 Erzeugende
Ein Fundamentalbereich der Modulgruppe Vortrag zum Seminar zur Funktionentheorie,.04.009 Kerstin Küpper Im Vortrag wird die Modulgruppe und ihre Erzeuger untersucht und ein exakter Fundamentalbeich der
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
MehrDierentialrechnung. 1. Tangente. Ableitung. Dierential. Dierentialrechnung. Tangente. Ableitung. Dierential
Dierentialrechnung. Tangente. Ableitung. Dierential Variablen und Funktionen Die Hauptguren dieser Notizen sind Variablen. Eine Variable ist ein oder mehrere Smbole, die nebeneinander stehen, zum Beispiel
MehrUNTERRICHTSPROJEKT UND AUFGABENSAMMLUNG ZUR EPIDEMIOLOGIE. Lisa Preschitz
UNTERRICHTSPROJEKT UND AUFGABENSAMMLUNG ZUR EPIDEMIOLOGIE Lisa Preschitz Aufgabe 1 Wir betrachten eine Krankheit, die direkt über die Luft von Mensch zu Mensch übertragen werden kann. Diskutiert zunächst
Mehr6 Komplexe Integration
6 Komplexe Integration Ziel: Berechne für komplexe Funktion f : D W C Integral der Form f(z)dz =? wobei D C ein Weg im Definitionsbereich von f. Fragen: Wie ist ein solches komplexes Integral sinnvollerweise
MehrFolgen und Reihen. 1 Konvergenz
Folgen und Reihen Man betrachte viele Zahlen hintereinander geschrieben. Solche Folgen von Zahlen können durch nummeriert werden. Es entsteht eine Zuordnung der natürlichen Zahlen zu den Gliedern der Folge.
MehrKapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3
Kapitel 5 Untermannigfaltigkeiten 5.1 Glatte Flächen in R 3 Bisher haben wir unter einem glatten Weg im R n stets eine differenzierbare Abbildung γ:i R n, definiert auf einem Intervall I R, verstanden.
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 5
Technische Universität München Zentrum Mathematik Mathematik Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 5 Hausaufgaben Aufgabe 5. Bestimmen Sie folgende Grenzwerte. Benutzen
Mehrgebrochene Zahl gekürzt mit 9 sind erweitert mit 8 sind
Vorbereitungsaufgaben Mathematik. Bruchrechnung.. Grundlagen: gebrochene Zahl gemeiner Bruch Zähler Nenner Dezimalbruch Ganze, Zehntel Hundertstel Tausendstel Kürzen: Zähler und Nenner durch dieselbe Zahl
MehrZusammenfassung Mathematik 2012 Claudia Fabricius
Zusammenfassung Mathematik Claudia Fabricius Funktion: Eine Funktion f ordnet jedem Element x einer Definitionsmenge D genau ein Element y eines Wertebereiches W zu. Polynom: f(x = a n x n + a n- x n-
MehrHTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt. Mathematik II für Bauingenieure. (f) 4 sin x cos 5 x dx. 3 x e x2 dx (i) e 2x 1 dx.
HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Mathematik II Mathematik II für Bauingenieure Wiederholungsaufgaben zur Prüfungsklausur im Juli 2007 1 Integralrechnung Aufgabe 1 : Berechnen Sie die folgenden
MehrHöhere Mathematik 1 Übung 9
Aufgaben, die in der Präsenzübung nicht besprochen wurden, können in der darauf folgenden übung beim jeweiligen übungsleiter bzw. bei der jeweiligen übungsleiterin abgegeben werden. Diese Abgabe ist freiwillig
MehrEbene algebraische Kurven
Ebene algebraische Kurven Tangenten und Singularitäten Meyrer Claudine 4. November 010 Inhaltsverzeichnis 1 Lokale Eigenschaften an-algebraischer Kurven (in C ) 1.1 Denitionen..............................
MehrMathematik. Zentrale schriftliche Abiturprüfung Kurs auf erhöhtem Anforderungsniveau mit CAS. Aufgabenvorschlag Teil 2. Aufgabenstellung 2
Ministerium für Bildung, Jugend und Sport Senatsverwaltung für Bildung, Jugend und Wissenschaft Zentrale schriftliche Abiturprüfung 2016 Kurs auf erhöhtem Anforderungsniveau mit CAS Aufgabenvorschlag Teil
MehrMathematik Abivorklausur Probe Wal 2011
Mathematik Abivorklausur Probe Wal 0 Zugelassene Hilfsmittel: Wissenschaftlicher Taschenrechner (ohne oder mit Grafikfähigkeit) Mathematische Formelsammlung Wörterbuch zur deutschen Rechtschreibung Aufgabenstellung:
MehrWurzelfunktionen Aufgaben
Wurzelfunktionen Aufgaben. Für jedes k (k > 0) ist die Funktion f k (x) = 8 (x k ) kx, 0 x gegeben. a) Untersuchen Sie die Funktion f k auf Nullstellen und Extrema. Ermitteln Sie lim f k(x) sowie für 0
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(
MehrThema 3 Folgen, Grenzwerte
Thema 3 Folgen, Grenzwerte Definition Eine Folge von reellen Zahlen ist eine Abbildung von N in R d.h. jedem n N ist eine Zahl a n zugeordnet. Wir schreiben für eine solche Folge. Beispiele. (a n ) n N
MehrDynamische 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
MehrDas Singularitätentheorem von Hawking Teil 2
Das Singularitätentheorem von Hawking Teil Jakob Hedicke 0.06.06 In diesem Vortrag werden wir den Beweis des Singularitätentheorems von Stephen Hawking vervollständigen. Im letzten Vortrag wurde bereits
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen 7. Juni 201 *Aufgabe 1. Gegeben seien fx, y = xy 2 8e x+y und P = 1, 2. Der Gradient von f ist genau an der Stelle P Null. a Untersuchen Sie mit Hilfe der Hesse-Matrix,
MehrGewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
MehrMathematische Grundlagen der Ökonomie Übungsblatt 8
Mathematische Grundlagen der Ökonomie Übungsblatt 8 Abgabe Donnerstag 7. Dezember, 0:5 in H 5+7+8 = 20 Punkte Mit Lösungshinweisen zu einigen Aufgaben 29. Das Bisektionsverfahren sucht eine Nullstelle
MehrDie projektive Ebene Was sind unendlich ferne Punkte?
Die projektive Ebene Was sind unendlich ferne Punkte? Prof. Dr. Hans-Georg Rück Fachbereich Mathematik/Informatik Universität Kassel Heinrich-Plett-Str. 40 34132 Kassel Zusammenfassung: Wir konstruieren
MehrMultivariate Analysis
Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle
MehrVollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die kontinuierlich ablaufende Zeit.
Kapitel 4 Reelle Zahlen 4.1 Die reellen Zahlen (Schranken von Mengen; Axiomatik; Anordnung; Vollständigkeit; Überabzählbarkeit und dichte Mengen) Als typisches Beispiel für die reellen Zahlen dient die
MehrÜber die Bedeutung der zwei Zahlen m und x 1 für das Aussehen des Graphen wird an anderer Stelle informiert.
Lineare Funktionen - Term - Grundwissen Woran erkennt man, ob ein Funktionsterm zu einer Linearen Funktion gehört? oder Wie kann der Funktionsterm einer Linearen Funktion aussehen? Der Funktionsterm einer
Mehr2. Stetigkeit und Differenzierbarkeit
2. Stetigkeit Differenzierbarkeit 9 2. Stetigkeit Differenzierbarkeit Wir wollen uns nun komplexen Funktionen zuwenden dabei zunächst die ersten in der Analysis betrachteten Eigenschaften untersuchen,
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
Mehr