Systemanalyse und Modellbildung
|
|
- Victoria Hafner
- vor 6 Jahren
- Abrufe
Transkript
1 Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes
2 6. Nichtlineare Modelle 6.1 Nichtlineare Modelle mit einer Systemvariablen: Autonome nichtlineare Modelle dv ( t) Die allgemeine Form der Differentialgleichung = g( V ~ ( t), t) zeigt, dass die Funktion g explizit und via die Systemvariable implizit von der Zeit abhängen. Kann die äußere von der inneren Relation getrennt werden, erhalten wir ~ dv ( t) ~ für allgemeine Form die spezielle Form: = R( t) + f ( V ( t)) Beispiel: Logistisches Wachstumsmodell dn( t) = k ( N) N wobei für k p (N) eine Funktion gewählt wird, die von einem dt p maximalen Wert bei N=0 linear abnimmt und für N max null wird, d.h. N k p = k0 p (1 ) N. N max dt ~ dt
3 Aus dn( t) dt N( t) = N max N k p (1 ) N N max N 0 k 0 t 0 p N N e + N 0 max = ergibt sich die allgemeine Lösung: Taylorreihe!
4 6. Nichtlineare Modelle 6.1 Nichtlineare Modelle mit einer Systemvariablen: Fixpunkte autonomer nichtlinearer Modelle mit einer Systemvariable Lineare eindimensionale Modelle haben nur einen Fixpunkt, nichtlineare Modelle können jedoch mehrere Fixpunkte haben. Voraussetzung bei eindimensionalen autonomen Modellen: Die äußere Relation ist konstant, da sonst keine Fixpunkte existieren, d.h. die äußere Relation wird implizit in die vereinfachte Veränderungsfunktion wie folgt aufgenommen: ~ ~ dv ( t) ~ ~ = g( V ( t)) mit k Nullstellen, für die gilt: ( dv g V ) = 0 bzw. = 0, i = 1,..., k, beim dt Erreichen des Fixpunktes. i dt ~ V i
5 Formal wird die Stabilität in der Umgebung der Fixpunkte über die Entwicklung einer Taylorreihe für kleine Änderungen der Variablen gezeigt (siehe Seite 132 bei Imboden, Koch 2004). Uns genügt das Ergebnis formal und in graphischer Form: d ~ V < 0 stabiler Zustand ~ V > dt ~ V dt ~ 0 V i i Ableitung sind zu betrachten d instabiler Zustand, dv = 0 höhere ~ dt ~ V i
6
7 6. Nichtlineare Modelle 6.1 Nichtlineare Modelle mit einer Systemvariablen: Fixpunkte nichtautonomer nichtlinearer Modelle mit einer Systemvariable Annahme: Die externe Relation lasse sich explizit von der internen Relation trennen. Folglich erfüllen die stationären Zustände des Systems die Bedingung: ~ ~ f ( V i ) = R( t) für i = 1,..., k beim Erreichen des Fixpunktes. Voraussetzung ist, dass R(t) zumindest für eine gewisse Zeit einen konstanten Wert R(t) =R 0 annimmt. Beispiel: Fischteich mit logistischem Wachstum
8 Fische wachsen mit der logistischen Wachstumsfunktion. Gleichzeitig wird pro Zeiteinheit eine bestimmte Anzahl an Fischen abgefischt. 1, wobei f(n) die logistische Wachstumskurve sei In der folgenden Grafik sieht man, falls > gibt es keine Fixpunkte mehr und die Fische sterben aus.
9
10 6. Nichtlineare Modelle 6.1 Nichtlineare Modelle mit einer Systemvariablen: Hysterese bei nichtlinearen Modelle mit einer Systemvariable Bei nichtlinearen Modellen existieren zu einer konstanten Relation mehrere stationäre Zustände. Wird die äußere Relation adiabatisch (d.h. genügend langsam) geändert, tritt das Phänomen der Hysteresis auf. Fixpunkte sind durch folgende Bedingung definiert:, ü 1,, Wenn f(v) eine stetige Funktion ist und die Gerade (-J) mindestens einmal schneidet, dann muss f(v) abwechslungsweise einmal von oben und einmal von unten durch die Gerade (-) gehen, d.h.:
11 Im ersten Fall ist die Steigung negativ, also der Fixpunkt stabil. Im zweiten Fall ist die Steigung positiv, also der Fixpunkt instabil. Im dritten Fall ist die Steigung wieder negativ, also der Fixpunkt wieder stabil. Die stabilen und instabilen Voraussetzung ist, dass R(t) zumindest für eine gewisse Zeit einen konstanten Wert R(t) =R 0 annimmt. Die Funktion f(v) sei ein Polynom dritten Grades (siehe Abbildung): Dann haben wir ein lokales Minimum an der Stelle V A (mit Wert f A < 0) und ein lokales Maximum an der Stelle V B (mit Wert f B > 0) hat. Wir erhalten also Bereiche mit stabilen Fixpunkten und einen Bereich, die von unterschiedlichen Sprungstellen aus übersprungen werden. Dieses Phänomen wird Hysterese genannt. (mehr Details auf Seite 138 und 139).
12
13 Magnetisierung Sättigung: Maximale Ausrichtung Remanenz-Kurve Remanenz Angelegte Feldstärke Feldstärke Koerzitivkraft Analogie: Hysterese-Kurve für magnetisierbares Material
14 6. Nichtlineare Modelle 6.1 Nichtlineare Modelle mit einer Systemvariablen: Beispiel: Nichtlineares Phosphormodell Die Phosphor-Einlagerung ins Sediment ist jetzt nicht mehr lineare Funktion des mittleren Phosphor Gehaltes (k s C). Die Phosphor- Sedimentationsrate nimmt mit wachsender Konzentration ab und kann sogar negativ werden. Aus der dynamische Gleichung, h ü, d.h.
15 erhalten wir zunächst: ü. Der nichtautonome Inputterm k w C ist im allgemeinen Fall zeitlich nicht konstant; also werden keine stationären Zustände erreicht. Dennoch ist es nützlich, fiktive stationäre Zustände in Abhängigkeit einer konstant angenommenen Inputkonzentration zu analysieren. Wir suchen nach einem statischen Modell mit:, welches implizit im dynamischen Modell steckt.
16 Das Modell besteht eigentlich aus der Überlagerung von zwei linearen Modellen, eine sogenannte Superposition von den zwei Fixpunktgeraden: + ü < ü Die Fixpunktgerade A in der nachstehenden Abbildung hat die Steigung:. Die Fixpunktgerade B hat die Steigung 1.
17 Anpassungsvorgang: C in sei erst so klein, dass die stationäre Konzentration < ist. Wächst C in langsam, erreicht diese Konzentration bei einer Inputkonzentration C * den kritischen Wert, wo er von der Fixpunktgerade A auf die obere Fixpunktgerade B springt:: Bewegt sich umgekehrt das Modell von großen Konzentrationen auf der Fixgerade B abwärts, wird es nicht bei auf die Fixgerade A springen.
18 Ergebnis: 1.Das Modell hat kritische Zustände, in denen kleinste Veränderungen des Inputs (äußere Relation) zu großen Veränderungen der Systemvariablen führen. 2.Es gibt einen Bereich der Inputgröße, in dem das Verhalten des Systems von der Vorgeschichte abhängt (Hysterese). 3.Bei nichtlinearen Modellen treten Synergismen auf, d.h. die Wirkung von Einzelereignissen auf die Systemvariable ist nicht gleich deren Summenwirkung.
19
20 6. Nichtlineare Modelle 6.2 Nichtlineare Boxmodelle mit mehreren Systemvariablen: Die Jacobi Matrix Mehr Vielfalt, aber eingeschränkte Lösbarkeit der nichtlinearen Differentialgleichungen. Meist sind nur nummerische Lösungsverfahren möglich. Die Konzentration liegt deshalb darauf, wie das System sich in der Nähe eines Stationär Zustandes verhält. Ausgang ist folgendes System von n dimensionale Differentialgleichungen:,,, 1,,
21 Fixpunkte oder Stationäre Zustände sind q Lösungen des n- dimensionalen gewöhnlichen, aber nichtlinearen Gleichungssystems: 0,,,, 1,, 1,2,,. Das System befindet sich in der Nähe eines Fixpunktes k, bedeutet formal bzw. als Vektor geschrieben folgendes: +, 1,,. + Da am Fixpunkt selbst alle Veränderungsfunktionen g i null sind, können diese in der Umgebung von durch folgende
22 Taylorreihe approximieren, wobei nach dem ersten Term abgebrochen wird und der senkrechte Strich bedeutet, dass die partiellen Ableitungen am Fixpunkt zu berechnen sind: +,, Da konstant ist gilt, wird die allgemeine Gleichung näherungsweise zu einem n-dimensionalen linearen System mit der Abweichungsvariablen :
23 ,, 1,,,, Letzteres kann auch als Matrix geschrieben werden: geschrieben: und wir erhalten in Matrixform
24 Die Stabilisierungsuntersuchung erfolgt über die Eigenwerte. Für ein System mit zwei Variablem erhalten wir in Analogie zum linearen System folgende grafisch dargestellten Stabilitätseigenschaften für das nichtlineare System:
25 Charakterisierung der Stationären Zustände im zweidimensionalen Modell a)stabiler Stern b)instabiler Stern c)sattelpunkt (instabil) d)stabiler Stationärzustand mit Oszillation e)instabiler Stationärzustand mit Oszillation f) Ungedämpfte Oszillation: Zentrum
26 6. Nichtlineare Modelle 6.2 Nichtlineare Boxmodelle mit mehreren Systemvariablen: Räuber-Beute-Modelle Beispiel 1: Räuber-Beute Modell von Lotka-Volterra (1926) 1.Eine Population von Beutetieren B vermehrt sich mit Nettorate k 1. 2.Eine Population von Räubern R stirbt mit einer spezifischen Nettorate k 2. 3.Die Beutetiere werden von den Räubern gefressen, was zu einer Vermehrung der Räuber und einer Verminderung der Beutetiere um den Betrag k 3 BR führt.
27 Mathematische Beschreibung: + k 1 B k 3 BR k 2 R Beute Räuber Neben den trivialen Fixpunkten 0, 0 existieren die zwei Fixpunkte:, Formaler Test der Stabilität (statt mit der einfachen Methode über die Jacobi-Matrix) erfolgt durch die wie folgt definierten Abweichungen der Populationsgrößen von diesen Stabilitätszuständen:,
28 Da die beiden Fixpunkte konstant sind, erhalten wir Nach einigen algebraischen Umformungen erhält man folgende Differentialgleichungen mit den neuen Variablen:, Die Methode der Linearisierung besteht darin, nur kleine Abweichungen zuzulassen, d.h. das Produkt von kleinen Größen,, wird weggelassen. Also gilt:,
29 Nachstehende Abbildung zeigt die beiden Geschwindigkeitskurven des Modells, dessen Eigenwerte rein imaginär sind, weil die Matrix des linearen Gleichungssystems folgende Form hat 0 und deren charakteristische Gleichung lautet 0 μ + 0. μ mit der Lösung: ±. Das Modell könnte drei verschiedene Verhaltensmuster haben: 1.Es bewegt sich auf den Fixpunkt zu 2.Es bewegt sich vom Fixpunkt weg, oder 3.Es kreist auf einer geschlossenen Bahn um den Fixpunkt.
30 Das Lotka-Volterra-Model hat das dritte Merkmal.
31
32 6. Nichtlineare Modelle 6.2 Nichtlineare Boxmodelle mit mehreren Systemvariablen: Räuber-Beute-Modelle Beispiel 2: Räuber-Beute Modell mit Selbstwechselwirkung 1.Bei größeren Beutepopulationen können sich diese behindern oder gar auffressen, was durch einen weiteren Term der Form berücksichtigt wird: 2.Eine Population von Räubern R stirbt mit einer spezifischen Nettorate k 2.
33 3.Die Beutetiere werden von den Räubern gefressen, was zu einer Vermehrung der Räuber und einer Verminderung der Beutetiere um den Betrag k 3 BR führt. Mathematische Beschreibung: + Neben den trivialen Fixpunkten: 0, 0, ergeben sich für die nicht trivialen Fixpunkte folgende leichte Änderungen:
34 , Ohne näher darauf einzugehen, lauten dann die approximierten linearen Gleichungen:, Sei:, dann erhalten wir folgende Eigenwerte mit einem sehr kleinen, negativen Realteil, der allerdings zu einem stabilen Fixpunkt führt: ±,
35 Das dynamische Verhalten zeigt nachstehende Abbildung:
36 6. Nichtlineare Modelle 6.2. Nichtlineare Boxmodelle mit mehreren Systemvariablen: Räuber-Beute-Modelle Beispiel 3: Räuber-Beute Modell von Holling-Tanner 1.Wechselwirkung zwischen Beute B und Räuber R in der ersten der beiden nachstehenden Differentialgleichungen, wobei der erste Term das logistische Wachstum der Beute und B K die Gleichgewichtsbedingung der Beute ist, wenn es keine Räuber gibt. 2.Der zweite Term in der ersten Gleichung simuliert die Dezimierung der Beute durch den Räuber, allerdings mit
37 beschränkter Fresslust, welche für B>> K B den von B unabhängigen Wert von (-wr) erreicht. 3.Die zweite Gleichung beschreibt das Wachstum der Räuberpopulation, welches nur positiv ist, falls JR/B < 1, d.h. R < B/J ist. Die Räuber können nur dann wachsen, falls mindestens J Beuten pro Räuber zu Verfügung stehen ,,,,, >0 2
38 Das Modell führt ebenfalls zu periodischen Schwankungen von B und R um einen Gleichgewichtswert; es ist aber im Gegensatz zum von Lotka-Volterra-Modell strukturell stabil. Neben den trivialen (B=R=0) und dem halbtrivialen Fixpunkt (R=0, B=B K ) besitzt das Modell den nichttrivialen Fixpunkt:,, der sich dem Schnittpunkt einer Parabel und einer Geraden ergibt. Für db/dt=0 und dr/dt=0 erhält für die Parabel und Gerade aus den Gleichungen (1) bzw. (2) folgende Gleichungen, aus denen der nichttriviale Fixpunkt bestimmt wird:
39 Die Lösungen sind geschlossene Kurven um den nichttrivialen Fixpunkt. Die Trajektorien bewegen sich auf eine Attraktionskurve zu und folgen ihr dann. Eine solche Kurve nennt man Grenzzyklus.
40
41 Bei nichtlinearen Modellen mit drei und mehr Variablen können chaotische Zustände sich einstellen.
durch Ratengleichungen der Form t t = F 2 N 1 t, N 2 t d N 1 t
5. Wechselwirkungen zwischen verschiedenen Spezies Allgemein kann man die zeitliche Entwicklung zweier Spezies N 1 und N 2 durch Ratengleichungen der Form d N 1 t d N 2 t = F 1 N 1 t, N 2 t, t = F 2 N
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?
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,
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
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
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
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
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
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
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
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,
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
MehrFressen und Gefressen werden
Fressen und Gefressen werden Teilnehmer: Ssohrab Borhanian Kristin Emmrich Johannes Jendersie Sophia Ketterl Arne Müller Thao Phuong Nguyen Felix Rehn Heinrich-Hertz-Oberschule Heinrich-Hertz-Oberschule
Mehr(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren
Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene
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
MehrMathematik in den Life Siences
Gerhard Keller Mathematik in den Life Siences Grundlagen der Modellbildung und Statistik mit einer Einführung in die Statistik-Software R 49 Abbildungen Verlag Eugen Ulmer Stuttgart Inhaltsverzeichnis
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
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
MehrDynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
Mehr4. Differentialgleichungen
4. Differentialgleichungen Prof. Dr. Erich Walter Farkas 10.11.2011 Seite 1 Einleitung Viele in der Natur stattfindende Vorgänge können durch sogenannte Differentialgleichungen beschrieben werden. Unter
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
Mehr4.2 Der Harmonische Oszillator
Dieter Suter - 208 - Physik B3, SS03 4.2 Der Harmonische Oszillator 4.2.1 Harmonische Schwingungen Die Zeitabhängigkeit einer allgemeinen Schwingung ist beliebig, abgesehen von der Periodizität. Die mathematische
MehrLösungsskizzen zur Klausur
sskizzen zur Klausur Mathematik II Sommersemester 4 Aufgabe Es seien die folgenden Vektoren des R 4 gegeben: b = b = b 3 = b 4 = (a) Prüfen Sie ob die Vektoren b b 4 linear unabhängig sind bestimmen Sie
MehrKursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/
Kursprüfung Methoden der VWL Klausurteil Dynamische Methoden der VWL (Prof. Dr. Lutz Arnold) Wintersemester 2009/10 2.3.2010 Bitte gut leserlich ausfüllen: Name: Vorname: Matr.-nr.: Wird vom Prüfer ausgefüllt:
Mehr11. Nichtlineare Dynamik und Chaos. Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt.
11. Nichtlineare Dynamik und Chaos Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt. der Auslenkung Fadenlänge L, Masse m, Auslenkwinkel φ Rücktreibende Kraft: Beschleunigung:
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)
MehrAdolf Riede. Mathematik für Biologen. Eine Grundvorlesung. Mit 120 Abbildungen und zahlreichen durchgerechneten Beispielen.
9vieweg Adolf Riede Mathematik für Biologen Eine Grundvorlesung Mit 120 Abbildungen und zahlreichen durchgerechneten Beispielen IX I Zahlen 1 1.1 Anzahlen 1 1.2 Reelle Zahlen 8 1.3 Dokumentation von Meßwerten
MehrExplizite Formeln für rekursiv definierte Folgen
Schweizer Mathematik-Olympiade Explizite Formeln für rekursiv definierte Folgen Aktualisiert: 6 Juni 014 In diesem Skript wird erklärt, wie man explizite Formeln für rekursiv definierte Folgen findet Als
MehrMathematik für Wirtschaftswissenschaftler. gehalten von Claus Diem
Mathematik für Wirtschaftswissenschaftler gehalten von Claus Diem Übungen Die Seminare / Übungsgruppen / Tutorien finden wöchentlich statt. Alle zwei Wochen am Montag wird ein Übungsblatt ausgegeben. Dies
Mehr!(0) + o 1("). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen.
Bifurkationen an geschlossenen Orbits 5.4 167 der Schnittabbldung konstruiert. Die Periode T (") der zugehörigen periodischen Lösungen ergibt sich aus =! + o 1 (") beziehungsweise Es ist also t 0 = T (")
Mehr3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z
R Es sei f : R n D R eine einmal stetig differenzierbare Funktion, für die in einer Umgebung eines Punkte a = a 1, a,, a n D gilt: fa 1, a,, a n = 0, f xn a 1, a,, a n 0 Dann gibt es eines Umgebung U des
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
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
MehrOptimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
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
MehrPopulationsdynamik im Computer simuliert
Populationsdynamik im Computer simuliert Die Grösse einer Population in einem Ökosystem hängt von zahlreichen abiotischen und biotischen Faktoren ab, die meist auf komplexe Art und Weise zusammenwirken:
MehrMathematik für das Ingenieurstudium
Mathematik für das Ingenieurstudium von Martin Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzeichnis schnell
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
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
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(
MehrSystemanalyse und Modellbildung
und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) 8. Thermodynamik und Informationstheorie
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
MehrExtrema von Funktionen mit zwei Variablen
Extrema von Funktionen mit zwei Variablen Es gilt der Satz: Ist an einer Stelle x,y ) f x x,y ) = und f y x,y ) = und besteht außerdem die Ungleichung f xx x,y )f yy x,y ) f xy x,y ) >, so liegt an dieser
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
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
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
Mehrf(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.
Fabian Kohler Karolina Stoiber Ferienkurs Analsis für Phsiker SS 4 A Extrema In diesem Abschnitt sollen Extremwerte von Funktionen f : D R n R diskutiert werden. Auch hier gibt es viele Ähnlichkeiten mit
Mehr4. Woche: Mehrdimensionale Modelle
Systemanalyse I: 4. Woche: Mehrdimensionale Modelle Nicolas Gruber Umweltphysik Institut für Biogeochemie und Schadstoffdynamik ETH Zürich nicolas.gruber@env.ethz.ch 1 Inhalt INHALT 1. Zusammenfassung
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
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
Mehrf(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}
9 Der Satz über implizite Funktionen 41 9 Der Satz über implizite Funktionen Wir haben bisher Funktionen g( von einer reellen Variablen immer durch Formelausdrücke g( dargestellt Der Zusammenhang zwischen
Mehr10 Extremwerte mit Nebenbedingungen
10 Extremwerte mit Nebenbedingungen 49 10 Extremwerte mit Nebenbedingungen Wir betrachten nun Extremwertaufgaben, bei denen nach dem Extremwert einer fx 1,, x n gesucht wird, aber die Menge der zulässigen
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
MehrUrs Wyder, 4057 Basel Funktionen. f x x x x 2
Urs Wyder, 4057 Basel Urs.Wyder@edubs.ch Funktionen f 3 ( ) = + f ( ) = sin(4 ) Inhaltsverzeichnis DEFINITION DES FUNKTIONSBEGRIFFS...3. NOTATION...3. STETIGKEIT...3.3 ABSCHNITTSWEISE DEFINIERTE FUNKTIONEN...4
MehrMathematischer Vorkurs für Physiker WS 2012/13
TU München Prof. P. Vogl Mathematischer Vorkurs für Physiker WS 2012/13 Übungsblatt 2 Wichtige Formeln aus der Vorlesung: Basisaufgaben Beispiel 1: 1 () grad () = 2 (). () () = ( 0 ) + grad ( 0 ) ( 0 )+
MehrGewöhnliche Differentialgleichungen Aufgaben, Teil 1
Gewöhnliche Differentialgleichungen Aufgaben, Teil 1 4-E1 4-E2 4-E3 Gewöhnliche Differentialgleichung: Aufgaben Bestimmen Sie allgemeine und spezielle Lösungen der folgenden Differentialgleichungen Aufgabe
MehrKreuze nur die zutreffenden Eigenschaften für die folgenden Funktionen im richtigen Feld an!
Teil : Grundkompetenzen ( Punkte) Beispiel : ( Punkt) Die nebenstehende Graphik stellt ein eponentielles Wachstum der Form f() = a b (a, b R + ) dar. Bestimme aus dem Graphen die Werte der Konstanten a
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
MehrAusgehend vom Lotka-Volterra Modell der Populationsdynamik sind für die Testaufgabe zwei Teilaufgaben
Praxis 2 - Tabellenkalkulation 9 Fig. 3 Teil C: Testaufgabe 1. Einführung Populationsdynamik bei Tieren in einem Lebensraum Wenn Tiere verschiedener Arten den gleichen Lebensraum besiedeln, können sie
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
MehrGRUNDLEGENDE MODELLE. Caroline Herbek
GRUNDLEGENDE MODELLE Caroline Herbek Lineares Wachstum Charakteristikum: konstante absolute Zunahme d einer Größe N t in einem Zeitschritt Differenzengleichung: N t -N t-1 =d => N t = N t-1 +d (Rekursion)
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
MehrDynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.2/29
Dynamische Systeme und Zeitreihenanalyse Komplexe Zahlen Kapitel 3 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.0/29 Motivation Für die
MehrNumerische Ableitung
Numerische Ableitung Die Ableitung kann angenähert werden durch den Differentenquotient: f (x) f(x + h) f(x) h oder f(x + h) f(x h) 2h für h > 0, aber h 0. Beim numerischen Rechnen ist folgendes zu beachten:
MehrFehlerfortpflanzung & Extremwertbestimmung. Folie 1
Fehlerfortpflanzung & Etremwertbestimmung Folie 1 Fehlerfortpflanzung Einführung In vielen technischen Zusammenhängen sind die Werte bestimmter Größen nicht genau bekannt sondern mit einer Unsicherheit
MehrTheoretische Physik 1, Mechanik
Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische
MehrÜbungen zur Analysis II Blatt 27 - Lösungen
Prof. Dr. Torsten Wedhorn SoSe 22 Daniel Wortmann Übungen zur Analysis II Blatt 27 - Lösungen Aufgabe 5: 6+6+6* Punkte Bestimme alle lokalen Extrema der folgenden Funktionen: a b c* f : R 3 R g : R 2 R
MehrMathematik I. Vorlesung 7. Folgen in einem angeordneten Körper
Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen
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) :=
MehrGleichsetzungsverfahren
Funktion Eine Funktion ist eine Zuordnung, bei der zu jeder Größe eines ersten Bereichs (Ein gabegröße) genau eine Größe eines zweiten Bereichs (Ausgabegröße) gehört. Eine Funktion wird durch eine Funktionsvorschrift
MehrStatistische Methoden in der Wirtschaftsund Sozialgeographie
Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 10.15-11-45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-
Mehr11.2. Lineare Differentialgleichungen erster Ordnung
112 Lineare Differentialgleichungen erster Ordnung Dynamische Entwicklung von Populationen Entwickelt sich eine bestimmte Größe, zb die einer Population oder eines einzelnen Organismus, nicht nur proportional
MehrKlausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 06.07.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten
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
MehrMC-Serie 11: Eigenwerte
D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrInhaltsverzeichnis. Vorwort Kapitel 1 Einführung, I: Algebra Kapitel 2 Einführung, II: Gleichungen... 57
Vorwort... 13 Vorwort zur 3. deutschen Auflage... 17 Kapitel 1 Einführung, I: Algebra... 19 1.1 Die reellen Zahlen... 20 1.2 Ganzzahlige Potenzen... 23 1.3 Regeln der Algebra... 29 1.4 Brüche... 34 1.5
MehrMathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation
Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr. Erich Walter
MehrMusterlösung Höhere Mathematik I/II Di. Aufgabe 1 (11 Punkte) Geben Sie die Matrixbeschreibung der Quadrik
Aufgabe Punkte Geben Sie die Matrixbeschreibung der Quadrik {x R 3x 3x 8x x +x +4x +7 = 0} an Berechnen Sie die euklidische Normalform der Quadrik und ermitteln Sie die zugehörige Koordinatentransformation
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
MehrAnalysis II WS 11/12 Serie 9 Musterlösung
Analysis II WS / Serie 9 Musterlösung Aufgabe Bestimmen Sie die kritischen Punkte und die lokalen Extrema der folgenden Funktionen f : R R: a fx, y = x + y xy b fx, y = cos x cos y Entscheiden Sie bei
MehrGewöhnliche inhomogene Differentialgleichungen der 1. und 2. Ordnung. Christopher Schael
Gewöhnliche inhomogene Differentialgleichungen der 1. und. Ordnung 1.1.) Anleitung DGL der 1. Ordnung 1.) DGL der 1. Ordnung In diesem Abschnitt werde ich eine Anleitung zur Lösung von inhomogenen und
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
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,
Mehr8. Übungsblatt Aufgaben mit Lösungen
8 Übungsblatt Aufgaben mit Lösungen Aufgabe 6: Matrix Bestimmen Sie die allgemeine reelle Lösung des Differentialgleichungssystems u x = Aux für die A =, 9 indem Sie das System auf eine einzelne gewöhnliche
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
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrDifferenzial- und Integralrechnung II
Differenzial- und Integralrechnung II Rainer Hauser Dezember 011 1 Einleitung 1.1 Ableitung Die Ableitung einer Funktion f: R R, x f(x) ist definiert als f (x) = df(x) dx = d f(x + h) f(x) f(x) = lim dx
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrAB2 Lineare Gleichungssysteme (LGS)
AB2 Lineare Gleichungssysteme (LGS) 1) An der Kinokasse 2) In der Kneipe Wie hoch ist der Preis für die Kinokarte eines Erwachsenen, wie viel Dollar kostet die Kinderkarte? Schreibe deinen Lösungsweg auf.
Mehr3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
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
MehrNeoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel
Neoklassische Produktions- und Kostenfunktion Mathematische Beschreibung zu einer Modellabbildung mit Excel Dieses Skript ist die allgemeine Basis eines Modells zur Simulation der ökonomischen Folgen technischer
MehrKurzzusammenstellung der in der Vorlesung behandelten impliziten Gleichungen und deren Ableitungen
Kurzzusammenstellung der in der Vorlesung behandelten impliziten Gleichungen und deren Ableitungen Einleitung: Funktion mit einer Veränderlichen Als Einleitung haben wir folgende Funktion besprochen: y
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
Mehr6 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