Stabilität von n-spezies Gemeinschaften

Ähnliche Dokumente
Lotka-Volterra-Gleichungen für mehr als zwei Populationen

Selektions-Mutations-Modelle

4 Funktionenfolgen und normierte Räume

Abbildung 5.1: stabile und instabile Ruhelagen

Floquet Theorie II. 1 Einführung

Kapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42

Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK. K. Taubert Universität Hamburg SS08

Der Ergodensatz. Hendrik Hülsbusch

Prozesse dieser Art sind in der Informatik z.b. bei der Untersuchung der Auslastung von Servern wichtig (Warteschlangenmodelle).

Ablauf. 1 Imitationsdynamik. 2 Monotone Auszahlung. 3 Entscheidung gegen iterativ dominierte Strategien. 4 Beste-Antwort-Dynamik 2 / 26

Eigenwerte (Teschl/Teschl 14.2)

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.

Lineare Algebra: Determinanten und Eigenwerte

Lösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung

Eigenwerte und Diagonalisierung

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

Stabilität linearer Differentialgleichungssysteme 1-1

6 Eigenwerte und Eigenvektoren

Lösungsskizze zur Wiederholungsserie

7 Lineare Abbildungen und Skalarprodukt

Analysis 4. Lösungsvorschlag zum 12. Übungsblatt

Lineare Algebra und analytische Geometrie II

6 Hauptachsentransformation

Floquet-Theorie IV. 1 Hills Gleichung

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

2 k k 1 k(k + 1) = 2n+1. n = 0 = k(k + 1) = 2n+1 n n. = 2 n+1 n + 2 (n + 1)(n + 2) + n. (n + 1)(n + 2)

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

Lösung 13: Unitäre Vektorräume und normale Abbildungen

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 2018/2019

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9

2. Übung: Lineare dynamische Systeme

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

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.

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

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Analysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

D-Math/Phys Lineare Algebra II FS 2017 Dr. Meike Akveld. Clicker Fragen

Ökologische Gleichungen für zwei Spezies

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Hörsaalübung 6 Differentialgleichungen I für Studierende der Ingenieurwissenschaften

Bimatrix-Spiele. Sarah Hidlmayer

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

Vortrag 20: Kurze Vektoren in Gittern

Das Prinzip der Suchmaschine Google TM

Geburtenratenselektion

Wiederholung von Linearer Algebra und Differentialrechnung im R n

Zusammenfassung. 2.7 Eigenwerte und Eigenvektoren 53. in 2.1: Lösung eines linearen Gleichungssystems

3 Zweidimensionale dynamische Systeme Oszillationen

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

3 Determinanten, Eigenwerte, Normalformen

4 Funktionenfolgen und normierte Räume

Effiziente Algorithmen Lineares Programmieren 216. Schwache Dualität

Teil I. Lineare Algebra I Vorlesung Sommersemester Olga Holtz. MA 378 Sprechstunde Fr und n.v.

Serie 5. Lineare Algebra D-MATH, HS Prof. Richard Pink. 1. [Aufgabe] Invertieren Sie folgende Matrizen über Q:

Eigenwerte (Teschl/Teschl 14.2)

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

Sommer 2017 Musterlösung

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

6. Normale Abbildungen

Lineare Algebra und Geometrie II, Übungen

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

Serie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

Konvexe Menge. Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, d.h.

KAPITEL 8. Normalformen. 1. Blockmatrizen. ,C K m 2 n 1. X = K (m 1+m 2 ) (n 1 +n 2 ) K L. und Y = M N Blockmatrizen mit.

Proseminar Lineare Algebra II, SS 11. Blatt

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Lösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1

Flüsse, Fixpunkte, Stabilität

5.4 Basis, Lineare Abhängigkeit

Wiederholungsserie II

D-MATH, D-PHYS, D-CHAB Analysis II FS 2018 Prof. Manfred Einsiedler. Lösung 5

Universalität für Wigner Matrizen

Definition 7.1. Der Coxeter Graph zu W ist der ungerichtete gewichtete Graph Γ W = (V, E), mit Eckenmenge V und Kantenmenge E, gegeben durch V = und

Katalytische Hyperzyklen

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

(a), für i = 1,..., n.

Karlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning

I (u +v)+w = u +(v +w) II u +v = v +u III Es existiert ein 0 V, s. d. 0+v = v IV Es existiert ein v V, s. d. v +v = 0

4 Holomorphie-Konvexität. Definition Satz. 42 Kapitel 2 Holomorphiegebiete

Floquet Theorie (III) 1 Verhalten von Lösungen und Der Ljapunov-Exponent

1.3 Zweidimensionale Systeme

Klausur Lineare Algebra I am Es sind insgesamt 60 Punkte bei der Klausur zu erreichen.

3 Gewöhnliche Differentialgleichungen 23.4.

Exponentialabbildung für Matrizen und Systeme von Differentialgleichungen

2.5 Smith-Normalform für Matrizen über Euklidischen Ringen

5 Lineare Algebra (Teil 3): Skalarprodukt

Differentialgleichungen I

Der Fundamentalsatz der Algebra. 1 Motivation

Topologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen

22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion

Ausgewählte Lösungen zu den Übungsblättern 9-10

1 Einleitung. 1.1 Ablauf

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME

Lösung zu Serie Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: A := B :=

Transkript:

Stabilität von n-spezies Gemeinschaften Julia Klein 20.12.2011 Joseph Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Kap.15

Übersicht 1 Einführung 2 Mutualismus und M-Matrizen 3 Beschränktheit und B-Matrizen 4 VL-Stabilität und globale Stabilität 5 P-Matrizen 6 Gemeinschaften mit einer speziellen Struktur 7 D-Stabilität und totale Stabilität 8 Fazit

Ziel des Vortrags Herausarbeitung dynamischer Eigenschaften der Lotka-Volterra Gleichung in Verbindung mit den algebraischen Eigenschaften der Interaktionsmatrix A

Ziel des Vortrags Herausarbeitung dynamischer Eigenschaften der Lotka-Volterra Gleichung in Verbindung mit den algebraischen Eigenschaften der Interaktionsmatrix A Aufzeigen von ökologisch relevanten Eigenschaften spezieller Gemeinschaften

1. Einführung 1 stabil: Auf- und Abbaurate sind im Gleichgewicht Populationswert regelt sich selbstständig vor Katastrophen geschützt 2 instabil geringfügige Änderung große Folgen entweder Bevölkerungsexplosion oder Aussterben einer Art Quelle: Manfred Eigen und Ruthild Winkler: Das Spiel, Piper, S. 45

2. Mutualismus und M-Matrizen Mutualismus Eine Wechselbeziehung zwischen zwei Lebewesen verschiedener Art, die für beide förderlich, für einen der Partner aber lebensnotwendig ist. Beispiele: Blütenbestäubung durch Tiere, Verbreitung von Pflanzensamen durch Tiere. Quelle: http://www.wissen.de

Mutualismus und M-Matrizen Betrachten wir zunächst einmal die Lotka-Volterra Gleichung: n ẋ i = x i (r i + a ij x j ) j=1 für n Bevölkerungen bzw. Spezies, deren Kopfzahlen durch x(t) = (x 1 (t), x 2 (t),..., x n (t)) gegeben seien. r i gibt an, wie die i-te Bevölkerung in Abwesenheit aller anderen wächst. Der Matrixeintrag a ij beschreibt die Wirkung der j-ten Bevölkerung auf die i-te Bevölkerung

Mutualismus und M-Matrizen Aus Kapitel 3 ist bekannt: Ein mutualistisches System mit 2 Spezies hat unbegrenzte Lösungen, falls a 21 a 12 > a 11 a 22, und einen global stabilen stationären Punkt, falls a 12 a 21 < a 11 a 22.

Mutualismus und M-Matrizen 2.1 Theorem Sei a ij 0 für alle i j. Annahme: Es gibt einen inneren stationären Punkt ˆx. Dann sind die folgenden Aussagen äquivalent: (M1) Alle Orbits (Menge aller Lösungen) in R n + sind gleichmäßig beschränkt für t ; (M2) Die Matrix A ist stabil;

Mutualismus und M-Matrizen (M2) Die Matrix A ist stabil (det(a) hat Vorzeichen ( 1) n ); (M3) Die Hauptminoren von A alternieren in ihrem Vorzeichen: ( 1) k det(a ij ) 1 i,j k > 0; (M4) Für alle c > 0 gibt es ein x > 0, so dass Ax + c = 0; (M5) Es gibt ein x > 0 mit Ax < 0; (M6) Der stationäre Punkt ˆx ist global asymptotisch stabil und alle Bahnen sind gleichmäßig beschränkt für t +

Matrix A erfüllt die Bedingungen (Theorem 2.1 ) A ist (invertierbare) M-Matrix. Mutualismus und M-Matrizen

Mutualismus und M-Matrizen 2.2 Lemma Falls die Matrix A einen linken Eigenvektor v 0 mit Eigenwert λ > 0 hat, dann hat die Lotka-Volterra Gleichung innere Lösungen, die für t + unbeschränkt sind.

Mutualismus und M-Matrizen 2.3 Perron-Frobenius-Theorem Wenn M eine n n Matrix mit nicht-negativen Einträgen ist, gibt es einen Eigenwert λ, der dominant ist, d.h. es gilt: µ λ für alle anderen Eigenwerte µ von M. Es gibt rechte und linke Eigenvektoren u 0 (d.h. u i 0 für alle i) und v 0, so dass Mu = λu und vm = λv. Ist M nicht mehr weiter zu vereinfachen, d.h. für jedes Indizes-Paar (i, j) gibt es ein k > 0 (kann von i und j abhängen), so dass der (i, j)-te Eintrag von M k positiv ist, dann ist λ einfach und positiv und die Eigenvektoren u und v sind eindeutig und positiv.

Mutualismus und M-Matrizen Ist M primitiv, d.h. existiert ein k > 0, so dass alle Einträge von M k positiv sind, dann gilt für alle anderen Eigenwerte µ µ < λ Wenn wir u und v normalisieren (u v = 1) und eine Matrix T mit t ij = u i v j definieren, dann gilt λ k M k T für k +

3. Beschränktheit und B-Matrizen 3.1 Theorem Die folgenden Bedingungen sind für eine Matrix A äquivalent: (B1) Für jedes r R n +, sind die Lösungen der Lotka-Volterra Gleichung alle gleichmäßig beschränkt für t + (B2) Der Ursprung 0 ist global asymptotisch stabil für die Lösungen von ẋ i = x i (Ax) i in R n +. (B3) Wenn x i (Ax) i = λx i, i = 1,..., n für x 0 (mit x 0), dann ist λ < 0 Die Matrix A ist eine B-Matrix, wenn eine dieser Äquivalenzbedingungen (B1)-(B3) erfüllt ist.

Beschränktheit und B-Matrizen 3.2 Theorem Die Matrix A ist eine B-Matrix, falls (B4) Für alle x 0 mit x 0 ein i existiert, so dass x i > 0 und (Ax) i < 0.

Beschränktheit und B-Matrizen 3.3 Theorem Wenn alle Haupt-Untermatrizen von A B-Matrizen sind und det( A) > 0, dann ist auch A eine B-Matrix.

4. VL-Stabilität und globale Stabilität stärkstes Stabilitätskonzept: die globale asymptotische Stabilität Matrix A heißt nun Volterra-Ljapunov stabil (VL-stabil), falls es eine Diagonalmatrix D > 0 gibt, so dass die symmetrische Matrix DA + A t D negativ definit (x T Ax < 0) ist, d.h. es gilt d i a ij x i x j < 0 für alle x 0 i,j

VL-Stabilität und globale Stabilität für passende d i > 0 gilt: die Funktion V (x) = d i xj 2 ist strikte Ljapunov-Funktion für ẋ = Ax darstellt. V(x) c strikt vorwärts invariant.

VL-Stabilität und globale Stabilität 4.1 Theorem A ist VL-stabil. Dann gilt für alle r R n, dass die Lotka-Volterra Gleichung einen global stabilen Fixpunkt hat.

Die Matrix A heißt P-Matrix, falls alle Hauptminoren von A positiv sind. 5.1 Theorem Die folgenden Eigenschaften sind äquivalent: 5. P-Matrizen (P1) A ist eine P-Matrix (P2) Für jede Diagonalmatrix D 0, ist A + D eine P-Matrix. (P3) Für alle x 0 gibt es ein i, so dass x i (Ax) i > 0 (P4) Für alle x 0 gibt es eine Diagonalmatrix D > 0, so dass x DAx = Dx Ax > 0 (P5) Jeder reelle Eigenvektor einer Haupt-Untermatrix von A ist positiv.

P-Matrizen 5.2 Theorem Die Lotka-Volterra Gleichung hat für alle r R n einen eindeutigen gesättigten stationären Punkt, falls A eine P-Matrix ist.

6. Gemeinschaften mit einer speziellen Struktur A sei die Interaktionsmatrix eines Ökosystems, das durch die Lotka-Volterra Gleichung modelliert wird. ungerichteter Graph G(A): i und j immer dann durch eine Kante verbinden, wenn a ij 0 oder a ji 0. gerichteter Graph G(A): Pfeil von j nach i, genau dann, wenn a ij 0. Kreis von A: ein nicht-endendes Produkt der Form a i1 i 2 a i2 i 3...a ik i 1, einer Folge von paarweise verschiedenen Indizes i 1, i 2,..., i k. Länge des Kreises: k

Gemeinschaften mit einer speziellen Struktur 6.1 Theorem Annahme: A enthält keine Kreise der Länge 3. A VL-stabil, falls A eine P-Matrix ist. A sei eine zerlegbare Matrix der Form ( ) A1 A A = 2 0 A 3 A VL-stabil, falls A 1 und A 3 VL-stabil. Vereinfachung (Räuber-Beute-Schema): Annahme: G(A) hat keine Kreise der Länge 3, sowie a ii < 0 und a ij a ji 0 für alle i j. A VL-stabil.

7. D-Stabilität und totale Stabilität Sei ˆx ein innerer Fixpunkt der Lotka-Volterra Gleichung. Die Jacobi-Matrix bei ˆx ist gegeben durch ( xa ij ), und hängt von der Wachstumsrate r i ab. Um zu garantieren, dass ˆx immer asymptotisch stabil ist, muss die Interaktionsmatrix A D-stabil sein, d.h. DA ist für jede Diagonalmatrix D > 0 stabil.

D-Stabilität und totale Stabilität 7.1 Theorem A ist total stabil, falls gilt: Für jedes r hat die Lotka-Volterra Gleichung genau einen gesättigten Fixpunkt und dieser Punkt ist asymptotisch stabil. Vermutung: Wenn die Lotka-Volterra Gleichung einen inneren Fixpunkt ˆx hat und die Interaktionsmatrix D-stabil ist, dann ist ˆx global stabil.

8. Fazit Wir haben......mutualistische Systeme kennengelernt...eigenschaften von M-Matrizen, B-Matrizen und P-Matrizen erarbeitet...vl-stabilität, globale Stabilität, D-Stabilität und totale Stabilität betrachtet...gemeinschaften mit speziellen Strukturen kennengelernt.

Anhang Beweis Theorem 2.1: (M1) (M2). Da A mutualistisch ist, können wir sagen: A = B ci wobei c > 0 und B eine nicht-negative Matrix ist. Der Satz von Perron-Frobenius zeigt, dass es einen dominanten Eigenwert ρ > 0 von B mit nicht-negativen linken und rechten Eigenvektoren v 0 und u 0 gibt. u und v sind auch Eigenvektoren von A, die zu dem Eigenwert λ = ρ c gehören. Das vorherige Lemma und die Voraussetzung aus (B1) zeigen, dass λannahme :λ = 0 Au = 0. Die Reihe ˆx + tu, t R entspricht den Fixpunkten der Lotka-Volterra Gleichung. Dies ist ein Widerspruch zu (M1). Daher gilt: λ < 0. Jedoch hat keiner der Eigenwerte von A einen reellen Teil größer als λ. A ist stabil.

Anhang (M2) (M3). Da A stabil ist, hat det(a) das Vorzeichen ( 1) n. Das Selbe gilt auch für alle Untermatrizen von A. Für alle J 1,..., n hat die Haupt-Untermatrix B J = (b ij ) i,j J von B einen dominanten Eigenwert ρ(j), der nicht größer ist als der dominante Eigenwert ρ von B. Es gilt also, dass die Untermatrizen A J = B J cj stabil sind und ihre Determinanten das Vorzeichen ( 1) cardj.

Anhang (M3) (M4). Dies wird durch die Induktion nach n bewiesen. Wir eliminieren x 1 in (M4), indem wir die erste Gleichung n a 1k x k + c 1 = 0 (15.5) k=1 mit a i1 /a 11 (a 11 < 0) multiplizieren und sie von der i ten Gleichung subtrahieren. Dies erzeugt ein lineares System in x 2,...x n : n ā ik x k + c i = 0 (15.6) mit k=2 ā ik = a ik a 1k a i1 a 11 und c i = c i c 1 ( a i1 a 11 ) c i > 0.

Anhang Wenn wir die korrespondierenden Operationen auf die führende Haupt-Unterdeterminante anwenden, so erhalten wir: det(a ij ) 1 i,j k = a 11 a 12. a 1k 0 ā 22. ā 2k.... 0 ā k2. ā kk = a 11 det(ā ij ) 2 i,j k Deshalb erfüllt die (n 1)x(n 1) Matrix Ā (M3). Durch induktive Hypothese folgt, dass (15.6) eine positive Lösung x 2,..., x n hat. Dies führt zu einer positiven Lösung x 1, x 2,..., x n von (M4), da x 1 > 0 eine Konsequenz von (15.5) und (15.6) ist.

Anhang (M4) (M5): trivial (M5) (M6): Für mutualistische Systeme bedeutet (M5), dass A eine negative dominante Diagonale hat, d.h. d i > 0 : a ii d i + j i a ij d j < 0. Wir zeigen, dass diese Bedingung die globale Stabilität des inneren stationären Punktes ˆx (welchen wir annehmen)für allgemeine, nicht unbedingt mutualistische Lotka-Volterra Systeme, sicher stellt. Sei x i ˆx i V (x) = max. i=1,...,n d i

Anhang Dann ist V (x) 0 (Gleichheit falls x = ˆx). Die konstanten Niveauflächen von V sind Boxen der Seitenlänge 2d i, die in ˆx platziert sind. Wir behaupten, dass all diese Boxen vorwärts invariant sind. Sei i ein beliebiger Index, für den x i ˆx i d i maximal sei. Dann x i ˆx i = ẋ i sgn(x i ˆx i ) =x i (a ii (x i ˆx i ) + j i a ij(x j ˆx j ))sgn(x i ˆx i ) x i (a ii x i ˆx i + j i a ij x j ˆx j ) x i V (x)(a ii d i + j i a ij d j ) < 0 für alle x ˆx in R +. V (x) ist folglich eine strikt fallende Ljapunow Funktion alle inneren Orbits konvergieren zu ˆx. Aus demselben Grund sind alle Grenz-Orbits gleichmäßig beschränkt. (M6) (M1): ist offensichtlich.

Anhang Beweis Theorem 3.1: Mit z k = x k 1 + x i, (k = 1,..., n) z n+1 = 1 1 + x i transformiert sich die Lotka-Volterra Gleichung in die Replikatorgleichung ż k = z k ( n a kj z j + r k z n+1 ā(z)) k = 1,..., n (15.12) j=1 auf S n+1 mit ż n+1 = z n+1 ( ā(z)) n n ā(z) = a ij z i z j + z n+1 r k z k. i,j=1 k=1

Anhang Offensichtlich hat die Lotka-Volterra Gleichung unbeschränkte Lösungen für t +, falls die geschlossene invariante Oberfläche F = z S n+1 : z n+1 = 0, die zu den Punkten im Unendlichen korrespondiert, ein Repellor für (15.12) ist, so dass dort ein c > o existiert, so dass für alle z S n+1 mit z n+1 > 0. lim inf z n+1(t) > c t +

Anhang (B3) (B1). Es reicht zu zeigen, dass P(z) = z n+1 eine durchschnittliche Ljapunov-Funktion in der Umgebung von F ist. Dies gilt nur dann, wenn Ṗ żn+1 ( z) = z = ā( z) > 0 P z n+1 für alle Fixpunkte z von (15.12) mit z n+1 = 0. Diese Fixpunkte z im Unendlichen werden durch z i (A z) i = λ z i charakterisiert, wobei λ eine beliebige Konstante ist. Wenn wir z S n+1 verwenden, sehen wir, dass λ dann bloß ā( z). Folglich ist P(z) = z n + 1 eine durchschnittliche Ljapunov Funktion für (15.12) ist, falls λ = ā( z) < 0 für jeden Punkt z F.

Anhang B(1) (B2). Annahme: Es existiert eine Konstante k > 0, so dass B k := (x R n + : x i f ürallei) alle ω Grenzen der Lösungen der Lotka-Volterra Gleichung enthält mit r = 0, d.h. (B2). Aber (B2) ist homogen und daher invariant unter x αx für α > 0. Also haben alle Menge B αk mit α > 0 die selben Eigenschaften. Für α 0 beweist dies, dass alle Lösungen gegen 0 konvergieren. Die Stabilität von 0 folgt aus der Kompaktheit der Mengen B αk.

Anhang (B2) (B3). x 0 erfülle (B3). Die Reihe t x : t > 0 ist offensichtlich invariant für (B2), da (x i /x j ) = 0 dort gilt. In dieser Reihe reduziert sich die Folge zu ẋ i = i. Falls λ > 0 wächst der Orbit ins Unendliche. Falls λ = 0 besteht die Reihe aus stationären Punkten. Da beiden Möglichkeiten (B2) widersprechen, folgt λ < 0.