Das dynamische System bzw. der Fluss eines Vektorfeldes hat eine Reihe bemerkenswerter

Größe: px
Ab Seite anzeigen:

Download "Das dynamische System bzw. der Fluss eines Vektorfeldes hat eine Reihe bemerkenswerter"

Transkript

1 22 Kapitel 1. Gewöhnliche Differentialgleichungen Das dynamische System bzw. der Fluss eines Vektorfeldes hat eine Reihe bemerkenswerter Eigenschaften Satz Der Fluss ϕ:g R D D R n ist stetig. Ist das Vektorfeld F p-mal stetig differenzierbar, so ist auch der zugehörige Fluss ϕ p-mal stetig differenzierbar. Beweis. Die erste (bzw. zweite) Aussage folgt daraus, dass die Lösung der Differentialgleichung Y = F(Y) stetig (bzw. differenzierbar) von der Anfangsbedingung abhängt. Auf den Beweis dieser Tatsache werden wir hier verzichten. q.e.d. Nun kommen wir zu der wichtigsten Eigenschaft, die dynamische Systeme auszeichnet: 1.23 Satz Für die durch den Fluss definierten Transformationen des Phasenraums D gilt: Ist (t,x) G und Y := ϕ(t,x), sowie (s,y) G, dann folgt (s+t,x) G und ϕ s+t (X) = ϕ s (ϕ t (X)). Ausserdem ist ϕ 0 (X) = X für alle X. Der Beweis dieser Aussage beruht auf der Beobachtung, dass die Lösungen einer autonomen Differentialgleichung invariant sind unter Translation der Zeit. Genauer: 1.24 Lemma Ist γ:[a,b] D eine Lösung der Differentialgleichung Y = F(Y), wobei F:D R n R n ein stetiges Vektorfeld ist, so ist für jedes t R auch γ:[a t,b t] D, definiert durch γ(s) := γ(s+t), eine Lösung derselben Differentialgleichung. Beweis. Aus der Kettenregel ergibt sich für alle s: q.e.d. γ (s) = d ds γ(s+t) = γ (s+t) = F(γ(s+t)) = F( γ(s)). Hier ein Beispiel einer nichtautonomen Differentialgleichung, für die die entsprechende Aussage nicht gilt: 1.25 Beispiel SeiF(t,x,y) = (2t,y)fürt R,(x,y) R 2.Durchdieszeitabhängige Vektorfeld wird folgende Differentialgleichung definiert: (ẋ(t) ) 2t =. ẏ(t) y(t) Die Lösung γ:r R 2 dieser Differentialgleichung zur Anfangsbedingung γ(0) = (x 0,y 0 ) lautet t γ(t) = 2 +x 0 y 0 e t.

2 1.3. Dynamische Systeme 23 Sei jetzt t > 0 festgewählt und s R variabel. Die Funktion (s+t) γ(s) = γ(s+t) = 2 +x 0 y 0 e s+t ist keine Lösung der Differentialgleichung, denn 2(s+t) γ (s) = y 0 e s+t F(s, γ(s)) = 2s y 0 e s+t. Beweis des Satzes: Die Gleichung ϕ 0 (X) = X (für alle X) ergibt sich sofort aus der Definition. Seien jetzt (t,x),(s,y) G, wobei Y := ϕ(t,x). Die Funktion s ϕ s (ϕ t (X)) = ϕ(s,y) ist nach Definition die eindeutig bestimmte Lösung der Differentialgleichung Y = F(Y) zum Startvektor Y für s = 0. Vergleichen wir jetzt mit der Zuordnung s ϕ s+t (X) = ϕ(s + t,x). Wie im Lemma bemerkt, handelt es sich ebenfalls um eine Lösung der durch F definierten Differentialgleichung. Ausserdem nimmt die Zuordnung bei s = 0 den Wert ϕ(t,x) = Y an. Also stimmen beide Lösungen miteinander überein, und wir erhalten die Behauptung. q.e.d. Für den Fall, dass der Definitionsbereich des Flusses G = R R n ist, sind die Abbildungen ϕ t Transformationen des Raumes R n. Die dritte Aussage des Satzes können wir in diesem Fall so schreiben: Insbesondere folgt für s = t: ϕ 0 = id R n, ϕ s ϕ t = ϕ s+t für alle s,t R. ϕ t ϕ t = ϕ 0 = id. Das bedeutet, die Transformation ϕ t ist umkehrbar, und die Umkehrabbildung ϕ 1 t stimmt überein mit ϕ t (dabei läuft die Zeit sozusagen rückwärts). Betrachten wir die Zuordnung R umkehrbare Transformationen des R n, t ϕ t, stellenwirfest, dassdieadditionvonzahleninrgenauderkompositionvontransformationen entspricht. Eine solche Zuordnung wird als Gruppenhomomorphismus bezeichnet. Die Gruppenstruktur von R (durch Addition) wird durch die Zuordnung in die Gruppenstruktur der Transformationsgruppe des R n (durch Komposition) übertragen Definition Unter der Bahn (oder Trajektorie) eines Punktes X D versteht man die Teilmenge {ϕ(t,x) t (ω (X),ω + (X))} des Phasenraums. Aus den Eigenschaften eines dynamischen Systems ergeben sich nun folgende Konsequenzen für das Aussehen der Bahnen.

3 24 Kapitel 1. Gewöhnliche Differentialgleichungen 1.27 Folgerung Sei D R n eine offene Teilmenge und F:D R n ein stetig differenzierbares Vektorfeld. Für die Trajektorien des entsprechenden Flusses gilt folgendes: Durch jeden Punkt des Phasenraums geht genau eine Trajektorie. Die Bahn eines Punktes besteht nur aus einem Punkt genau dann, wenn dieser Punkt eine Nullstelle des Vektorfelds F ist. In diesem Fall wird der Punkt als stationäre Lösung oder als Gleichgewichtslage bezeichnet. Ist ein Punkt keine stationäre Lösung, so ist der Geschwindigkeitsvektor an jeder Stelle der Bahn ungleich Null. Eine Bahn, die nicht nur aus einem Punkt besteht, ist entweder eine offene Kurve ohne Selbstüberschneidungen, oder sie ist einfach geschlossen und es gibt eine Periode T > 0 mit ϕ(t,x) = ϕ(t+t,x) für alle t (ω (X),ω + (X)). Beweis. Nehmen wir an, ein Punkt X D liege nicht nur auf seiner eigenen Bahn, sondern auch auf der Bahn des Punktes Y D. Das heisst, X = ϕ(s,y) für ein s R. Daraus folgt ϕ t (X) = ϕ t (ϕ s (Y)) = ϕ t+s (Y) für alle t (ω (X),ω + (X)). Also gilt {ϕ(t,x) t (ω (X),ω + (X))} = {ϕ(t+s,y) t+s (ω (Y),ω + (Y))}. Das bedeutet, dass die Bahnen von X und Y bereits miteinander übereinstimmen. Die Beschreibungen dieser Bahnen unterscheidet sich nur durch eine Umparametrisierung der Zeit. Zur zweiten Aussage: Ein Punkt X 0 ist genau dann ein Gleichgewichtspunkt, wenn ϕ(t,x 0 ) = X 0 für alle t. Das bedeutet, die Lösung der Differentialgleichung Y = F(Y) zur Anfangsbedingung Y(0) = X 0 ist die konstante Funktion Y(t) = X 0 (für alle t). Dies ist genau dann der Fall, wenn Y (t) = F(X 0 ) = 0 ist. Die dritte Aussage ist nur eine Umformulierung der zweiten Aussage. Und nun zu den Möglichkeiten für eine eindimensionale Trajektorie: Angenommen ϕ(t 1,X) ϕ(t 2,X) für alle t 1 t 2, dann hat die Bahn von X offenbar keine Selbstüberschneidungen. Sie kann auch keine Randpunkte haben, weil nach Voraussetzung D offen ist. Denn durch jeden Punkt p in D gibt es nach dem Existenzund Eindeutigkeitssatz eine Lösung der Differentialgleichung, die auf einem offenen Intervall ( ǫ,ǫ) definiert ist, und bei t = 0 durch p geht. Nehmen wir nun an, die Bahn habe eine Selbstüberschneidung, bestehe aber nicht nur aus einem Punkt. Das heisst, es gibt Werte t 1 t 2 mit ϕ(t 1,X) = ϕ(t 2,X) und daraus folgt ϕ(0,x) = X = ϕ t1 (ϕ(t 1,X)) = ϕ t1 (ϕ(t 2,X)) = ϕ(t 2 t 1,X).

4 1.3. Dynamische Systeme 25 Weil X keine Gleichgewichtslage sein sollte, ist der Geschwindigkeitsvektor der Bahn an der Stelle X ungleich 0. Die Dreigliedentwicklung von ϕ(t, X) bezüglich t lautet ϕ(t,x) = ϕ(0,x)+tf(x)+tr(t), wobei lim t 0 R(t) = 0 ist. Daraus ergibt sich nun die Abschätzung: ϕ(0,x) ϕ(t,x) = t F(X)+R(t) > 0 falls t klein genug ist, so dass R(t) < F(X). Es gibt also eine Zeit t 0 > 0 mit ϕ(t,x) ϕ(0,x) für alle 0 < t t 0. Anders gesagt, es verstreicht ein Zeitintervall, bevor die Bahn zum Ausgangspunkt zurückkehren kann. Sei jetzt T > 0 die kleinste Zahl mit ϕ(0,x) = ϕ(t,x). Dann erhalten wir wie behauptet ϕ(t,x) = ϕ t (ϕ(0,x)) = ϕ(t+t,x) für alle t. Die Funktion t ϕ(t,x) ist also periodisch mit Periode T, und die entsprechende Bahn ist einfach geschlossen. q.e.d. Kehren wir zum Vergleich noch einmal zu dem oben genannten Beispiel einer nichtautonomen Differentialgleichung zurück Beispiel Die Lösungskurven der Differentialgleichung (ẋ(t) ) 2t = ẏ(t) y(t) lauten (für x 0,y 0 R): γ:r R 2, γ(t) = x(t) t = 2 +x 0 y(t) y 0 e t. Ist y 0 = 0, so haben wir γ(t) = (t 2 +x 0,0). Diese Kurve verläuft entlang der x-achse und hat an der Stelle x = x 0 einen Umkehrpunkt. Für je zwei verschiedene x 0 -Werte überlappen sich die Bilder der Kurven in R 2, ohne miteinander übereinzustimmen. Hier haben wir also Bahnen mit Randpunkten, die ineinanderlaufen. Ist y 0 0, so haben wir y(t) = y 0 e ± x(t) x 0 für alle t. Dieentsprechenden Kurven im Phasenraum R 2 verlaufen (je nach Vorzeichen von y 0 ) ganz in der oberen oder der unteren Halbebene, und haben jeweils an der Stelle (x 0,y 0 ) eine vertikale Tangente und einen Wendepunkt bei x = x 0 +1.

5 26 Kapitel 1. Gewöhnliche Differentialgleichungen 1.4 Phasenbilder linearer Vektorfelder In diesem Abschnitt werden wir konkret lineare Vektorfelder auf R 2 betrachten. Ein solches Vektorfeld ist durch ( Multiplikation ) mit einer fest gewählten 2 2-Matrix a b gegeben. Sei also A = M c d 2 2 (R). Der Einfachheit halber nehmen wir weiter an, dass deta 0. Die Matrix A definiert das lineare Vektorfeld F:R 2 R 2, F(v) = Av, und das entsprechende Differentialgleichungssystem lautet ẋ(t) = ax(t)+by(t) ẏ(t) = cx(t)+dy(t) und das dazugehörige dynamische System ϕ:r R 2 R 2 ist gegeben durch x0 ϕ(t, ) = e ta x0. y 0 y 0 Nun wollen wir daran gehen, die Bahnen der Punkte in R 2 zu beschreiben. Weil wir vorausgesetzt haben, dass deta 0, hat die Gleichung F(v) = Av = 0 nur eine Lösung in R 2, nämlich den Nullvektor. Also hat das dynamische System nur eine Gleichgewichtslage und zwar im Nullpunkt. Alle übrigen Bahnen sind Kurven. 1. Fall: Sei A = λe für ein λ R mit λ 0. Dann lautet der Fluss x0 ϕ(t, ) = e λt x0. y 0 y 0 Sämtliche Bahnen durch Punkte 0 sind also Radialstrahlen. Ist λ < 0, so gilt lim t ϕ(t,v) = lim t e λt v = 0. Ist dagegen λ > 0, so ist der Fluss für t > 0 stets nach aussen gerichtet. 2. Fall: Die Matrix A hat zwei verschiedene reelle Eigenwerte λ 1,λ 2 0. Dann gibt es linear unabhängige Eigenvektoren v 1,v 2 R 2 zu λ 1 bzw. λ 2, und die allgemeine Lösung der Differentialgleichung lautet: x(t) = ϕ(t,c y(t) 1 v 1 +c 2 v 2 ) = c 1 e λ1t v 1 +c 2 e λ2t v 2 (c 1,c 2 R,t R). Wählen wir die Vektoren v 1,v 2 als Basis, und bezeichnen wir die Koordinaten von ϕ(t,c 1 v 1 +c 2 v 2 ) bezogen auf diese Basis mit x(t), ỹ(t), so gilt also x(t) = c 1 e λ 1t und ỹ(t) = c 2 e λ 2t. Man beachte, dass das Vorzeichen von x(t) bzw. ỹ(t) für alle Zeiten mit dem Vorzeichen der Startwerte c 1 bzw. c 2 übereinstimmt, weil die Exponentialfunktion nur positive Werte annimmt. Die Bahn eines Punktes v verläuft also ganz in demselben Quadranten (bezogen auf das v 1 -v 2 -Koordinatensystem) wie v.

6 1.4. Phasenbilder linearer Vektorfelder 27 Ist c 2 = 0, so liegt die entsprechende Bahninder Geradedurch v 1, und ist c 1 = 0, so liegt die Bahn in der Gerade durch v 2. Genauer bildet jeder der vier Halbstrahlen auf den Geraden durch die Eigenvektoren v 1,v 2 eine Bahn. Die Gestalt der weiteren Bahnen hängt entscheidend von den Vorzeichen der Eigenwerte ab. Fall 2(i): λ 1 > 0, λ 2 < 0. In dieser Situation gilt für alle t ( x(t)) λ 2 (ỹ(t)) λ 1 = c λ 2 1 c λ 1 2 =: c konstant. Falls c 1 0, ist x(t) 0, und wir erhalten die Beziehung ỹ(t) = c 1 x µ, wobei µ := λ 2 λ 1 > 0. Die Lösungsmenge dieser Gleichung ist (falls c 0) eine verallgemeinerte Hyperbel. DieBahnen sind also Halbstrahlen im v 1 -v 2 -Achsenkreuz bzw. verallgemeinerte Hyperbeläste. Trägt man in das Phasenbild ausserdem die Flussrichtung für t > 0 ein, so zeigt sich, dass die Punkte auf den Hyperbelästen von der y-achse weg auf die x-achse zu fliessen. Das Phasenbild bezogen auf die Ausgangskoordinaten ergibt sich durch erneuten Basiswechsel von dem durch v 1,v 2 erzeugten System zurück zum kartesischen Koordinatensystem. Fall 2(ii): λ 2 > λ 1 > 0. Ist zum Beispiel λ 2 = 2, λ 1 = 1 und v 2 = e 2, v 1 = e 1, dann lautet die Lösung x(t) = c 1 e t, y(t) = c 2 e 2t. Also gilt für alle t (falls c 1 0): y(t) = c 2 c 1 x(t) 2. Dies ist eine Parabelgleichung, falls c 2 0, und die Bahnen sind jeweils Parabeläste (für c 1,c 2 0). Allgemeiner haben wir ) µ ( x(t) ỹ(t) = c 2, c 1 wobei µ := λ 2 λ 1 > 1. Diese Gleichung beschreibt eine Potenzfunktion. Die Bahn des Punktes c 1 v 1 +c 2 v 2 besteht aus einer Hälfte des Graphen dieser Potenzfunktion, da weder die v 1, noch die v 2 -Achse überquert werden können. In diesem Fall fliessen alle Punkte 0 mit zunehmender Zeit vom Nullpunkt weg. Fall 2(iii): λ 2 < λ 1 < 0. Die Phasenbilder in diesem Fall unterscheiden sich von denen im vorigen Fall nur durch die Orientierung der Bahnen. Diesmal bewegen sich alle Punkte 0 mit wachsendem t auf den Nullpunkt zu. Man sagt, der Nullpunkt ist stabil. 3. Fall: Die Matrix A hat zwei konjugiert komplexe Eigenwerte α±iβ (β 0).

7 28 Kapitel 1. Gewöhnliche Differentialgleichungen IndiesemFallgibteseinenkomplexen Eigenvektor derformv 1 +iv 2 (v 1,v 2 R 2 ) zum Eigenwert α iβ. Bezeichnen wir die 2 2-Matrix mit den Spalten v 1,v 2 als T, so gilt: α β T 1 AT = =: B. β α Weiter ist e tb = Ausserdem gilt e αt cosβt e αt sinβt cosβt sinβt e αt sinβt e αt = e αt. cosβt sinβt cosβt e ta = e ttbt 1 = Te tb T 1. Also können wir das dynamische System so schreiben: ϕ(t,c 1 v 1 +c 2 v 2 ) = Te tb T 1 (c 1 v 1 +c 2 v 2 ) = Te tb c1 cosβt sinβt = Te αt c1. c 2 sinβt cosβt c 2 Schauen wir uns zunächst wieder denspezialfall v 1 = e 1, v( 2 = e 2 an. Ist α = ) 0, so cosβt sinβt sinddiebahnen der Punkte 0Kreislinien, denndiematrix ist sinβt cosβt eine Drehmatrix. Hier treten also erstmals periodische Lösungen und damit einfach geschlossene Bahnen auf. Istα > 0,sosinddieBahnenspiralförmigeKurven,die(fürt > 0)vomNullpunkt wegdrehen. Ist α < 0, so sind die Bahnen Spiralen, die sich auf den Nullpunkt zu bewegen. Im Allgemeinfall haben wir entweder Ellipsen (für α = 0) oder spiralförmige Linien ohne Selbstüberschneidungen. 4. Fall: Die Matrix A hat einen doppelten reellen Eigenwert 0 λ R. Hier geht die Matrix A nach einem Wechsel zu einer passenden Basis (v 1,v 2 ) in folgende Normalform über: λ 1 e B = und e tb λt te = λt 0 λ 0 e λt. Deshalb lautet das dynamische System hier: ( 1 t ϕ(t,c 1 v 1 +c 2 v 2 )) = (v 1 v 2 )e λt 0 1 Wir haben hier also Daraus ergibt sich, falls c 2 0: )( c1 x(t) = (c 1 +c 2 t)e λt und ỹ(t) = c 2 e λt. x(t) = 1 c 2 ỹ(t) c 2 ( c 1 + c 2 λ ln ) = (c 1 +tc 2 )e λt v 1 +c 2 e λt v 2. (ỹ(t) )). c 2

8 1.4. Phasenbilder linearer Vektorfelder 29 Wirkönnenalso xalsfunktionvonỹ auffassen.fallsc 1,c 2 > 0,istdieentsprechende Funktion für ỹ > 0 streng konvex, sie hat genau ein lokales Minimum und einen Schnittpunkt mit der ỹ-achse. In diesem Fall bilden nur die Halbstrahlen auf der Gerade durch v 1 Bahnen. Die v 2 -Achse ist nicht Vereinigung von Bahnen. Durch jeden Punkt ausserhalb der v 1 -Achse geht eine Bahn, deren Gestalt an einen Wirbel erinnert. Falls λ < 0, ist der Nullpunkt stabil, andernfalls instabil. Damit sind alle möglichen Fälle beschrieben. Hier nun noch eine Präzisierung des Begriffs der Stabilität: 1.29 Definition Sei Y X 0 einestationärelösungder Differentialgleichung Y = F(Y) für ein stetig differenzierbares Vektorfeld F. Der Punkt X 0 heisst stabil, falls zu jedem ǫ > 0 ein δ > 0 existiert mit X X 0 < δ ϕ(t,x) X 0 < ǫ für alle t > 0, und andernfalls instabil. X 0 heisst Attraktor, falls ein δ > 0 existiert mit lim ϕ(t,x) = X 0 für alle X X 0 < δ. t X 0 heisst asymptotisch stabil, falls X 0 ein stabiler Attraktor ist. Es gibt folgendes Kriterium für Stabilität: 1.30 Satz Sei A eine feste n n-matrix mit Eigenwerten λ 1,...,λ n. Wir setzen γ := max{re(λ j ) j = 1,...,n}. Ist γ < 0, so ist der Nullpunkt asymptotisch stabil für das durch A definierte dynamische System. Ist γ > 0, ist der Nullpunkt instabil. Der Vergleich mit den oben beschriebenen Phasenbildern zeigt, dass die intuitiv vorgenommene Einteilung mit der nun gegebenen Definition, sowie mit dem Kriterium für Stabilität übereinstimmt. Durch Dreigliedentwicklung erhält man nun auch ein Stabilitätskriterium für stationäre Punkte von stetig differenzierbaren Vektorfeldern Satz Sei F:D R n R n ein stetig differenzierbares Vektorfeld, und sei Y X 0 eine stationäre Lösung der Differentialgleichung Y = F(Y). Bezeichne weiter γ das Maximum der Realteile von Eigenwerten des Differentials DF(X 0 ) von F bei X 0. Entsprechend zu eben gilt: Ist γ < 0, so ist der Nullpunkt asymptotisch stabil für das durch F definierte dynamische System. Ist γ > 0, ist der Nullpunkt instabil. Die Beweisidee besteht darin, die Aussage durch Dreigliedentwicklung auf den linearen Fall zurückführen. Die Dreigliedentwicklung im Punkt X 0 lautet hier: F(Y) = F(X 0 )+DF(X 0 ) Y +R(Y) Y = DF(X 0 ) Y +R(Y) Y.

9 30 Kapitel 1. Gewöhnliche Differentialgleichungen 1.32 Beispiel Wir betrachten die Differentialgleichung ẏ = y 2 λ (λ R). Die Gleichgewichtspunkte sind die Nullstellen der Funktion f(y) = y 2 λ, nämlich ± λ (falls λ 0). Der Phasenraum ist hier eindimensional, und im Phasenbild für λ > 0 gibt es die zwei Punkte ± λ. Im Komplement dieser beiden Punkte gibt es die drei Bahnen (, λ), ( λ, λ), ( λ, ). Das Differential von f lautet f (y) = 2y, und daher ist γ = ±2 λ. Der Punkt x = λ ist also stabil und der Punkt x = λ instabil. Und hier noch ein weiteres Beispiel: x(1+y) 1.33 Beispiel Das Vektorfeld F(x,y) = (für x,y R) hat zwei x y Nullstellen, nämlich den Nullpunkt und den Punkt p = ( 1, 1). Der entsprechende Fluss hat also zwei Gleichgewichtspunkte. ( Das) Differential des Vektorfeldes an (1+y) x einer Stelle(x,y)lautetDF (x,y) =. In den Gleichgewichtspunkten 1 1 haben wir also: DF (0,0) = und DF ( 1, 1) = Im Nullpunkt haben wir den doppelten Eigenwert 1, dort liegt also ein Wirbeltyp vor, der Nullpunkt ist asymptotisch stabil. Im Punkt p haben wir die Eigenwerte 1 2 (1± 5). Das ist ein positiver und ein negativer Eigenwert. Es handelt sich also um den Hyperbeltyp, der Punkt p ist instabil. Aus diesen Angaben können wir bereits auf die ungefähre Gestalt des Phasenbildes schliessen. 1.5 Exkurs: Divergenz und Rotation Das Ziel dieses Abschnittes ist es, die Divergenz und die Rotation eines linearen Vektorfeldes mithilfe des Flusses nochmals geometrisch zu interpretieren. Sei also A eine n n-matrix und F(X) = A X für X D R n. Der zugehörige Fluss lautet dann ϕ(t,x) = e ta X für (t,x) R D. Ist t R fest gewählt, so wird durch die Vorschrift ϕ t (X) := ϕ(t,x) für X D eine bijektive Transformation des Phasenraums D definiert. In diesem Fall ist es eine lineare Transformation, gegeben durch die Multiplikation mit der Matrix e ta Satz Das Vektorfeld F ist genau dann quellenfrei, das heisst divf 0, wenn der Fluss ϕ volumentreu ist. Damit ist gemeint, dass für jede messbare Teilmenge K D und alle t R gilt: Vol n (K) = Vol n (ϕ t (K)). Das bedeutet also, dass sich das Volumen der Teilmenge K bei der Transformation ϕ t nicht ändert.

10 1.5. Exkurs: Divergenz und Rotation 31 Beweis. Die Transformation ϕ t ist durch die Multiplikation mit der Matrix e ta gegeben. Nun wissen wir bereits, wie sich das Volumen einer Teilmenge bei Anwendung einer linearen Abbildung ändert. Das Ausgangsvolumen wird nämlich mit dem Betrag der Determinante der entsprechenden Matrix multipliziert. Es gilt also: Vol n (ϕ t (K)) = Vol n (e ta K) = det(e ta ) Vol n (K). Das heisst, die Transformation ϕ t ist genau dann volumentreu, wenn det(e ta ) = ±1. Ausserdem gilt, wie schon früher gezeigt: dete ta = e t Spur(A). Die Determinante ist also in jedem Fall positiv, und die Transformation ϕ t ist genau dann volumentreu, wenn SpurA = 0. Erinnern wir uns nun an die Definition der Divergenz eines Vektorfeldes. Es gilt n divf(x) = k F k (X) = SpurDF X, k=1 wenn F k die Komponenten des Vektorfeldes F bezeichnet. Die Divergenz an einer Stelle X ist also nichts anderes als die Spur des Differentials von F an der Stelle X. Wir betrachten hier aber ein lineares Vektorfeld F, das Differential stimmt hier also an jeder Stelle mit F überein. Deshalb ist für jedes X D: divf(x) = SpurDF X = SpurA. Zusammen folgt nun die Behauptung. q.e.d Beispiel Das Vektorfeld zur Matrix A = ist nicht quellenfrei. 0 1 Denn divf(x) = SpurA = 2 0 für alle X R 2. Dies entspricht der Tatsache, dass sich dasvolumen vonkörpernunter dem entsprechenden Fluss ϕ(t,x) = e t X (für t R, X R 2 ) jeweils um den ( Faktor e t ) ändert. 1 0 Das Vektorfeld zur Matrix A = dagegen ist quellenfrei, divf(x) = 0 1 SpurA = 0 für alle X R 2. Der entsprechende Fluss ist volumentreu. ϕ(t,x,y) = (e t x,e t y) Kommen wir jetzt zur Rotation von F. Sei diesmal also A = (a ij ) eine 3 3 Matrix und F(X) = AX für alle X R 3. Wertet man in dieser Situation die Definition der Rotation aus, erhält man rotf(x) = a 32 a 23 a 31 +a 13 a 21 a 12 Betrachten wir zunächst zwei Spezialfälle. für alle X R 3..

11 32 Kapitel 1. Gewöhnliche Differentialgleichungen 1.36 Beispiele Ist A symmetrisch, das heisst A = A t, so ist rotf(x) = 0 für alle X R 3. Nach dem Hauptsatz über symmetrische Matrizen gibt es in diesem Fall eine Orthonormalbasis v 1,v 2,v 3 aus Eigenvektoren für A. Bezogen auf dieses Koordinatensystem wird F durch eine Diagonalmatrix beschrieben, etwa D = Der entsprechende Fluss lautet also λ λ λ 3. ϕ t (c 1 v 1 +c 2 v 2 +c 3 v 3 ) = 3 e tλ k c k v k für t R, c k R. k=1 Die Transformation ϕ t hat also dieselben Hauptachsen wie A und die Eigenwerte e tλ k. Sei jetzt A antisymmetrisch, das heisst A = A t. Dann können wir A in folgender Form schreiben: 0 c b A = c 0 a. b a 0 Mit diesen Bezeichnungen ist rotf(x) = 2 a b für alle X R 3. c a Der Fluss ϕ ist jetzt eine räumliche Drehung um die Achse v = b mit der c Winkelgeschwindigkeit v. Denn aus A = A t folgt für alle t R: e ta (e ta ) t = e ta+tat = E, und das heisst, e t A ist eine orthogonale Matrix. Weil det(e ta ) > 0, muss sogar e ta SO 3 (R) gelten. Es handelt sich also um eine räumliche Drehmatrix. Ausserdem können wir nachrechnen, dass der Vektor v ein Eigenvektor von e ta zum Eigenwert 1 ist: e ta v = k=0 t k k! Ak Also gibt v die zugehörige Drehachse an. a a b = b = v. c c

12 1.5. Exkurs: Divergenz und Rotation 33 Sei jetzt A eine beliebige 3 3-Matrix. Dann können wir A folgendermassen in einen symmetrischen und einen antisymmetrischen Anteil zerlegen: A = A 1 +A 2, wobei A 1 = 1 2 (A+At ) und A 2 = 1 2 (A At ). Bezeichnen wir die A 1 und A 2 entsprechenden Vektorfelder mit F 1 und F 2, so erhalten wir eine Zerlegung von F der Form F = F 1 +F 2, wobei rotf = rotf 2, weil die Rotation von F 1, wie eben gezeigt, verschwindet. Für den entsprechenden Fluss gilt: ϕ t (X) = e t(a 1+A 2 ) X = e ta 1 (e ta2 X) für alle X R 3. Das bedeutet, wir können uns die Transformation ϕ t vorstellen als die Zusammensetzung einer Drehung, gegeben durch die Matrix e ta 2, mit einer diagonalisierbaren Transformation wie im ersten Beispiel. Dabei gibt die Rotation von F die Drehachse und die Winkelgeschwindigkeit des Drehanteils von ϕ t an. Das erklärt auch die Bezeichnung Rotation.

1.3 Flüsse. Y (t) = f(y(t))

1.3 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

Mehr

2.3 Der Fluss eines Vektorfeldes

2.3 Der Fluss eines Vektorfeldes 32 Kapitel 2. Gewöhnlihe Differentialgleihungen 2.3 Der Fluss eines Vektorfeldes Sei F:D R n R n ein stetig differenzierbares Vektorfeld. Dann erfüllt F die Voraussetzungen des Existenz- und Eindeutigkeitssatzes.

Mehr

1.6 Stabilität von Gleichgewichtslagen

1.6 Stabilität von Gleichgewichtslagen 40 Kapitel 1. Gewöhnliche Differentialgleichungen Schauen wir uns Gradientenvektorfelder noch einmal genauer an. Ist f:d R eine zweimal stetig differenzierbare Funktion in zwei Variablen, definiert auf

Mehr

Kapitel 5 Untermannigfaltigkeiten. 5.1 Glatte Flächen in R 3

Kapitel 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.

Mehr

4.5 Lokale Extrema und die Hessesche Form

4.5 Lokale Extrema und die Hessesche Form 80 Kapitel 4. Differentialrechnung in mehreren Variablen 4.5 Lokale Extrema und die Hessesche Form Sei ab jetzt U R n offen und f:u R eine Funktion. Unter einem lokalen Extremum der Funktion f verstehen

Mehr

Klassifikation planarer Systeme

Klassifikation planarer Systeme Klassifikation planarer Systeme Dieser Vortrag thematisiert die Klassifikation planarer Systeme. Man klassifiziert planare Systeme um einen besseren Überblick über die verschiedenen Verhaltensweisen von

Mehr

Abbildung 5.1: stabile und instabile Ruhelagen

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

Mehr

4.4 Lokale Extrema und die Hessesche Form

4.4 Lokale Extrema und die Hessesche Form 74 Kapitel 4 Differentialrechnung in mehreren Variablen 44 Lokale Extrema und die Hessesche Form Sei jetzt wieder U R n offen und f:u R eine Funktion Unter einem lokalen Extremum der Funktion f verstehen

Mehr

3.3 Klassifikation quadratischer Formen auf R n

3.3 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

Mehr

Kapitel 6 Vektoranalysis. 6.1 Glatte Kurven und Flächen in R 3

Kapitel 6 Vektoranalysis. 6.1 Glatte Kurven und Flächen in R 3 Kapitel 6 Vektoranalysis 6. Glatte Kurven und 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.

Mehr

Seminar Gewöhnliche Differentialgleichungen

Seminar Gewöhnliche Differentialgleichungen Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden

Mehr

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt

Mehr

Analysis II. 8. Klausur mit Lösungen

Analysis II. 8. Klausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge

Mehr

2.2 Kern und Bild; Basiswechsel

2.2 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

i j m f(y )h i h j h m

i j m f(y )h i h j h m 10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem

Mehr

2.4 Gekoppelte lineare Differentialgleichungen

2.4 Gekoppelte lineare Differentialgleichungen 48 Kapitel 2 Lineare Algebra II 24 Gekoppelte lineare Differentialgleichungen Die Untersuchung der Normalformen von Matrizen soll nun auf die Lösung von gekoppelten Differentialgleichungen angewendet werden

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

Seite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx

Seite 1. sin 2 x dx. b) Berechnen Sie das Integral. e (t s)2 ds. (Nur Leibniz-Formel) c) Differenzieren Sie die Funktion f(t) = t. d dx ln(x + x3 ) dx Seite Aufgabe : a Berechnen Sie das Integral b Berechnen Sie das Integral +x x+x dx. π sin x dx. c Differenzieren Sie die Funktion ft = t e t s ds. Nur Leibniz-Formel a + x x + x dx = d dx lnx + x dx =

Mehr

7.2 Die adjungierte Abbildung

7.2 Die adjungierte Abbildung 7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)

Mehr

4.7 Lineare Systeme 1. Ordnung

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.

Mehr

Mathematik für Anwender II

Mathematik für Anwender II Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 49 Zu einer reellwertigen Funktion Extrema auf einer offenen Menge G R n interessieren wir uns, wie schon bei einem eindimensionalen

Mehr

1.6 Implizite Funktionen

1.6 Implizite Funktionen 1 1.6 Implizite Funktionen Wir werden uns jetzt mit nichtlinearen Gleichungen beschäftigen, f(x) = 0, wobei f = (f 1,..., f m ) stetig differenzierbar auf einem Gebiet G R n und m < n ist. Dann hat man

Mehr

Klausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6

Klausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem

Mehr

1.5 Lineare Differentialgleichungen zweiter Ordnung

1.5 Lineare Differentialgleichungen zweiter Ordnung 16 Kapitel 1. Differentialgleichungen 1.5 Lineare Differentialgleichungen zweiter Ordnung Eine lineare Differentialgleichung zweiter Ordnung hat die Form y +a 1 (x)y +a 0 (x)y = b(x), wobei a 1,a 0,b:I

Mehr

Jede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x).

Jede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x). 1 Kapitel 1 Clifford-Algebren 1 Innere Produkte Sei k {R, C}, V stets ein endlich-dimensionaler k-vektorraum. Fehlende Beweise finden sich in der Literatur ([Art1], [Bou1], [Brie], [Cohn]). Definition.

Mehr

Analysis 3. Vorlesungsausarbeitung zum WS 2001/02. von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis

Analysis 3. Vorlesungsausarbeitung zum WS 2001/02. von Prof. Dr. Klaus Fritzsche. Inhaltsverzeichnis Bergische Universität Gesamthochschule Wuppertal Fachbereich Mathematik Analysis 3 Kapitel 6 Dynamische Systeme Vorlesungsausarbeitung zum WS 2001/02 von Prof. Dr. Klaus Fritzsche Inhaltsverzeichnis 1

Mehr

Flüsse, Fixpunkte, Stabilität

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

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte 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

Mehr

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3 Matrixpotenzen In Anwendungen müssen oft hohe Potenzen einer quadratischen Matrix berechnet werden Ist die Matrix diagonalisierbar, dann kann diese Berechnung wie folgt vereinfacht werden Sei A eine diagonalisierbare

Mehr

Blatt 1. Kinematik- Lösungsvorschlag

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

Mehr

3 Lineare Differentialgleichungen

3 Lineare Differentialgleichungen 3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,

Mehr

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden? Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist

Mehr

Lösungsskizzen zur Nachklausur

Lösungsskizzen zur Nachklausur sskizzen zur Nachklausur Mathematik II für die Fachrichtungen Biologie und Chemie Sommersemester 22 Aufgabe Es seien die folgenden Vektoren 2 v = 2, v 2 = und v 3 = 2 im R 3 gegeben. (a) Zeigen Sie, dass

Mehr

1.3 Differenzierbarkeit

1.3 Differenzierbarkeit 1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man

Mehr

3 Funktionen in mehreren Variablen

3 Funktionen in mehreren Variablen 3 Funktionen in mehreren Variablen Funktionen in mehreren Variablen Wir betrachten nun Abbildungen / Funktionen in mehreren Variablen. Dies sind Funktionen von einer Teilmenge des R d nach R. f : D f R,

Mehr

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren 92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl

Mehr

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren 92 9 Eigenwerte und Eigenvektoren Wir haben im vorhergehenden Kapitel gesehen, dass eine lineare Abbildung von R n nach R n durch verschiedene Darstellungsmatrizen beschrieben werden kann (je nach Wahl

Mehr

Prof. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema

Prof. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion

Mehr

Lösungsskizze zur Wiederholungsserie

Lösungsskizze zur Wiederholungsserie Lineare Algebra D-MATH, HS Prof. Richard Pink Lösungsskizze zur Wiederholungsserie. [Aufgabe] Schreibe die lineare Abbildung f : Q Q 5, x +x +x x x +x +6x f x := x +x +8x x x +x +x. x +x +5x als Linksmultiplikation

Mehr

12 Gewöhnliche Differentialgleichungen

12 Gewöhnliche Differentialgleichungen 2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert

Mehr

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Inhaltsverzeichnis INHALTSVERZEICHNIS 1 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4

Mehr

Gleichgewicht in nichtlinearen Systemen

Gleichgewicht in nichtlinearen Systemen Gleichgewicht in nichtlinearen Systemen 15.Juni.2015 Inhaltsverzeichnis 1 Einleitung 1 2 Einleitende Beispiele 1 3 Nichtlineare Quellen und Senken 4 4 Nichtlineare Sättel 6 5 Stabilität und Gradientensysteme

Mehr

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1 UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive

Mehr

Differentialgleichungen für Ingenieure WS 06/07

Differentialgleichungen für Ingenieure WS 06/07 Differentialgleichungen für Ingenieure WS 6/7 7. Vorlesung Michael Karow Themen heute:. Die rechte Seite einer DGL als Vektorfeld.. Stabilität Die Ableitung einer Kurve Sei J R ein Intervall und y : J

Mehr

Mathematik I für MB und ME

Mathematik I für MB und ME Übungsaufgaben Aufgaben zur Wiederholung Mathematik I für MB und ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Wintersemester 06/07 a) Stellen Sie die Gleichung a b 3+c = a +c, a, b > 0, nach

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

= 11 ± 5, also k 1 = 3 und k 2 = 8.

= 11 ± 5, also k 1 = 3 und k 2 = 8. Stroppel Musterlösung.8.5, 8min Aufgabe (6 Punkte) Gegeben sei die Funktion f: R R: x x e x. (a) Zeigen Sie durch vollständige Induktion, dass für alle x R und alle k N gilt: f (k) (x) = ( ) k (x kx+(k

Mehr

Die Lösungen der Gleichung b x = log b (x)

Die Lösungen der Gleichung b x = log b (x) Die Lösungen der Gleichung b = log b () wgnedin@math.uni-koeln.de 17. Januar 2014 In der ersten Vorlesung des Wintersemesters wurde folgende Frage gestellt: Wieviele Lösungen hat die Gleichung ( ) 1 =

Mehr

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x

Mehr

3 Geometrische Klassifikation der Bewegungen im R 2 und R 3

3 Geometrische Klassifikation der Bewegungen im R 2 und R 3 3 Geometrische Klassifikation der Bewegungen im R 2 und R 3 Sei f : R n R n eine Bewegung Sie kann beschrieben werden in der Form Dabei ist T (f)(x) = A x f(x) = Ax + b mit A O(n) und b R n Definition:

Mehr

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein

Mehr

Lineare Algebra: Determinanten und Eigenwerte

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

Mehr

Differentialgleichungen I

Differentialgleichungen I Differentialgleichungen I Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg 5. Januar 2009 Beachtenswertes Die Veranstaltung

Mehr

13. Lineare Algebra und Koordinatenwechsel.

13. Lineare Algebra und Koordinatenwechsel. 3. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation der lineare

Mehr

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen 12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 34 Die Diagonalisierbarkeit von Isometrien im Komplexen Satz 34.1. Es sei V ein endlichdimensionaler C-Vektorraum

Mehr

1 Umkehrfunktionen und implizite Funktionen

1 Umkehrfunktionen und implizite Funktionen Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13

Mehr

Prüfung zur Vorlesung Mathematik I/II

Prüfung 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

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 25): Lineare Algebra und analytische Geometrie 2 2. (Frühjahr 29, Thema 3, Aufgabe 3) Gegeben sei die reelle 3 3 Matrix 4 2 A = 2 7 2 R 3 3. 2 2 a)

Mehr

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β

Mehr

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung

Mehr

39 Differenzierbare Funktionen und Kettenregel

39 Differenzierbare Funktionen und Kettenregel 192 VI. Differentialrechnung in mehreren Veränderlichen 39 Differenzierbare Funktionen und Kettenregel Lernziele: Konzepte: totale Ableitungen, Gradienten, Richtungsableitungen, Tangentenvektoren Resultate:

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische 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

Mehr

1 Ableitungen. Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen. a 1 + tx 1. eine Kurve.

1 Ableitungen. Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen. a 1 + tx 1. eine Kurve. 1 Ableitungen Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen γ 1 (t) γ(t) = γ n (t) Bild(γ) = {γ(t) t I} heißt auch die Spur der Kurve Beispiel:1)

Mehr

40 Lokale Extrema und Taylor-Formel

40 Lokale Extrema und Taylor-Formel 198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1. Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x

Mehr

Klausur HM I H 2005 HM I : 1

Klausur HM I H 2005 HM I : 1 Klausur HM I H 5 HM I : 1 Aufgabe 1 4 Punkte): Zeigen Sie mit Hilfe der vollständigen Induktion: n 1 1 + 1 ) k nn k n! für n. Lösung: Beweis mittels Induktion nach n: Induktionsanfang: n : 1 ) 1 + 1 k

Mehr

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse. Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.

Mehr

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist: Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,

Mehr

13. Vorlesung. Lineare Algebra und Koordinatenwechsel.

13. Vorlesung. Lineare Algebra und Koordinatenwechsel. 3. Vorlesung. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation

Mehr

Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 23 (5.8.23). Gegeben seien die Matrizen A = 2 3 3 und B = 5 2 5 (a) Bestimmen Sie die Eigenwerte von A und B sowie die

Mehr

1 Eingebettete Untermannigfaltigkeiten des R d

1 Eingebettete Untermannigfaltigkeiten des R d $Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die

Mehr

Musterlösung zur Serie 10

Musterlösung zur Serie 10 D-MATH, D-PHYS, D-CHAB Lineare Algebra II FS 1 Prof. Giovanni Felder, Thomas Willwacher Musterlösung zur Serie 1 1. a) Zur Erinnerung: Eine Äquivalenzrelation auf einer Menge M ist eine Relation, die die

Mehr

Analysis I. 1. Beispielklausur mit Lösungen

Analysis I. 1. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Das Bild einer Abbildung F: L M. (2) Eine Cauchy-Folge

Mehr

y = A(x) y + b(x). (1) y = A(x) y (2)

y = A(x) y + b(x). (1) y = A(x) y (2) 73 5.2 Lineare Systeme Sei weiterhin IK = C oder IK = IR. Seien = I IR ein offenes Intervall, x 0 I, y 0 IK n, A: I IK n n und b: I IK n stetige matrix- bzw vektorwertige Funktionen. Wir betrachten komplexe

Mehr

Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8

Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 2016/17): Differential und Integralrechnung 8 8.1 (Herbst 2012, Thema 2, Aufgabe 5) Bestimmen Sie die allgemeine Lösung der Differentialgleichung (

Mehr

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

Mehr

Lineare Algebra II 11. Übungsblatt

Lineare Algebra II 11. Übungsblatt Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des

Mehr

Differential- und Integralrechnung

Differential- und Integralrechnung Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik

Mehr

Analysis I. Guofang Wang Universität Freiburg

Analysis I. Guofang Wang Universität Freiburg Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik 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

Mehr

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von 1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von Wachstumsraten Bestimmung von Maximal- und Minimalwerten von

Mehr

7 Lineare Abbildungen und Skalarprodukt

7 Lineare Abbildungen und Skalarprodukt Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u

Mehr

16 Vektorfelder und 1-Formen

16 Vektorfelder und 1-Formen 45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Differential und Integralrechnung 6

Klausurenkurs zum Staatsexamen (SS 2015): Differential und Integralrechnung 6 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem

Mehr

Kapitel 5 (Ebene autonome Systeme) Abschnitt 5.1 (Reduktion auf skalare Di.gleichungen)

Kapitel 5 (Ebene autonome Systeme) Abschnitt 5.1 (Reduktion auf skalare Di.gleichungen) Abschnitt 5.1 Reduktion auf skalare Differenzialgleichungen 33 Kapitel 5 Ebene autonome Systeme Abschnitt 5.1 Reduktion auf skalare Di.gleichungen Aufgabe 1, Seite 190 Das gegebene System besitzt oensichtlich

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren

Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren

Mehr

Fortgeschrittene Mathematik Raum und Funktionen

Fortgeschrittene Mathematik Raum und Funktionen Fortgeschrittene Mathematik Raum und Funktionen Thomas Zehrt Universität Basel WWZ Thomas Zehrt (Universität Basel WWZ) R n und Funktionen 1 / 33 Outline 1 Der n-dimensionale Raum 2 R 2 und die komplexen

Mehr

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni.

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni. Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Eigenvektoren

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte

Mehr

Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen

Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen Proseminar Lineare Algebra SS10 Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen Simon Strahlegger Heinrich-Heine-Universität Betreuung: Prof. Dr. Oleg Bogopolski Inhaltsverzeichnis:

Mehr

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1

Mehr

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.

Mehr

tun, sondern nur mit der Reaktion auf verschiedene Anfangswerte.

tun, sondern nur mit der Reaktion auf verschiedene Anfangswerte. 2.3 Stabilität Eine wichtige Rolle spielt das Stabilitätsverhalten dynamischer Systeme. Wie üblich sei Φ die Fundamentalmatrix des linearen Systems ẋ = A(t)x + u. Im weiteren sei t fixiert, später wird

Mehr

Kapitel 3 Quadratische Formen und symmetrische Matrizen

Kapitel 3 Quadratische Formen und symmetrische Matrizen Kapitel 3 Quadratische Formen und symmetrische Matrizen 3.1 Skalarprodukte und Normen Das übliche Skalarprodukt für Vektoren aus dem R ist folgendermassen erklärt: ( ) ( ) x1 x v w = := x 1 x +y 1 y. y

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

9. Übungsblatt zur Mathematik I für Maschinenbau

9. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 9. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-4.. Aufgabe G (Koordinatentransformation)

Mehr