1Gleichgewichtspunkte

1.1 Wann ist ein Punkt im Gleichgewicht?

Ruhelagen gefunden 3
Start (y1,y2)(y_1, y_2) (0.40, 1.20)
f\lVert\mathbf{f}\rVert am Start 1.25
Abb. 1: y˙1=y1y13, y˙2=y2\dot{y}_1 = y_1 - y_1^3,\ \dot{y}_2 = -y_2. Setze f=0\mathbf{f} = \mathbf{0} und löse: drei Ruhelagen bei y1=1,0,+1y_1 = -1, 0, +1, automatisch markiert (grün stabil, gold Sattel).

Was ist ein Gleichgewicht eines autonomen Systems? Ein Zustand, an dem nichts mehr passiert: f(y)=0\mathbf{f}(\mathbf{y}^{\ast}) = \mathbf{0}, also Geschwindigkeit null.

Stell dir eine Kugel auf einer hügeligen Landschaft vor. Sie kann an drei Stellen liegen bleiben: im Talboden, auf einem Gipfel und auf einer Hochebene. Überall ist die Bewegung null, die Kugel ruht.

Genau das ist ein Gleichgewichtspunkt: ein Zustand y\mathbf{y}^{\ast}, an dem die rechte Seite verschwindet. Setzt du das System exakt dort hin, bleibt es für alle Zeit dort (y˙=f(y)=0\dot{\mathbf{y}} = \mathbf{f}(\mathbf{y}^{\ast}) = \mathbf{0}); die konstante Funktion y(t)y\mathbf{y}(t) \equiv \mathbf{y}^{\ast} ist dann eine Lösung.

Die spannende Frage ist aber nicht, ob ein Punkt Gleichgewicht ist, sondern was mit einer Lösung passiert, die nah bei y\mathbf{y}^{\ast} startet. Bleibt sie nah (stabil)? Kehrt sie zurück (asymptotisch stabil)? Oder rennt sie davon (instabil)? Talboden, Gipfel und Hochebene gehören zu diesen drei Antworten, das Thema von §2 bis §5.

!!!
Gleichgewichtspunkt (Ruhelage)
f(y)=0\mathbf{f}(\mathbf{y}^{\ast}) = \mathbf{0}
Bedingung an einen Zustand y\mathbf{y}^{\ast}, dass das autonome System dort ruht. Folge: y(t)y\mathbf{y}(t) \equiv \mathbf{y}^{\ast} ist eine konstante Lösung. Der Stern ist ein Hoch-Zeichen, das diesen besonderen Punkt markiert, keine Multiplikation.
Notation y\mathbf{y}^{\ast}
Ein Gleichgewichtspunkt. Der Stern ist ein Hoch-Zeichen, das diesen speziellen Punkt benennt, keine Multiplikation y\mathbf{y} \cdot {\ast}. Das Skript schreibt den Zustand als x\vec{x}, hier y\mathbf{y} (wie VII.12).
Definition Gleichgewichtspunkt
Ein Zustand y\mathbf{y}^{\ast} mit f(y)=0\mathbf{f}(\mathbf{y}^{\ast}) = \mathbf{0}. Das autonome System verharrt dort: y(t)y\mathbf{y}(t) \equiv \mathbf{y}^{\ast} ist eine konstante Lösung.

1.2 Bestimmung für lineare und nichtlineare Systeme

Wie findest du die Gleichgewichtspunkte konkret? Setze die rechte Seite auf null und löse das algebraische Gleichungssystem.

Beachte den Wechsel: f(y)=0\mathbf{f}(\mathbf{y}) = \mathbf{0} ist keine DGL mehr, sondern ein gewöhnliches Gleichungssystem in y\mathbf{y}. Die Zeitableitung ist weg, es bleibt reine Algebra.

Beim linearen System y˙=Ay\dot{\mathbf{y}} = A\,\mathbf{y} löst du Ay=0A\,\mathbf{y}^{\ast} = \mathbf{0}. Ist det(A)0\det(A) \neq 0, ist der Ursprung das einzige Gleichgewicht, weshalb die lineare Stabilitätsdiskussion immer im Nullpunkt sitzt. Bei det(A)=0\det(A) = 0 gibt es eine ganze Gerade oder Ebene (den Kern von AA).

Beim nichtlinearen System kann es mehrere getrennte Gleichgewichte geben. Vorschau auf das Pendel aus §5: der Sinus wird unendlich oft null, also gibt es Gleichgewichte bei y1=0,±π,±2π,y_1 = 0, \pm\pi, \pm 2\pi, \dots, abwechselnd unten und oben hängend. Jedes dieser Gleichgewichte bekommt seine eigene Stabilitäts-Antwort.

!!
Gleichgewichte des linearen Systems
Ay=0, detA0  y=0A\,\mathbf{y}^{\ast} = \mathbf{0},\ \det A \neq 0 \ \Rightarrow\ \mathbf{y}^{\ast} = \mathbf{0}
Bei regulärer Matrix ist der Ursprung das einzige Gleichgewicht. Bei detA=0\det A = 0 ist der ganze Kern von AA Gleichgewicht.
Merke Gleichgewicht finden
Setze f(y)=0\mathbf{f}(\mathbf{y}) = \mathbf{0} und löse algebraisch. Linear: Ay=0A\,\mathbf{y}^{\ast} = \mathbf{0}. Nichtlinear: oft mehrere getrennte Lösungen, jede einzeln klassifizieren.
Definition Isoliertes Gleichgewicht
Ein Gleichgewicht y\mathbf{y}^{\ast} heisst isoliert, wenn in einer kleinen Umgebung kein weiteres liegt. Beim regulären linearen System ist der Ursprung isoliert.

2Stabilitätsbegriffe

2.1 Stabil im Sinne von Ljapunov

Start-Abstand r0r_0 1.60
Abstand nach langer Zeit ≈ r₀ (bleibt)
Verhalten bleibt nah (stabil)
Abb. 2: Die drei Begriffe am Ursprung. Wähle den Typ, ziehe den Start nah heran und beobachte: bleibt nah, kehrt zurück oder rennt weg.

Was bedeutet „stabil“, wenn das System nicht zurückkehrt, aber wenigstens in der Nähe der Ruhe bleibt? Schubse die Kugel sanft an, und sie bleibt in der Nähe, nicht näher, aber auch nicht weiter weg.

Das ist die Kugel auf dem Rand der Hochebene: ein kleiner Schubs lässt sie wackeln, aber sie läuft nicht davon.

Präzise heisst Ljapunov-Stabilität: zu jeder Toleranz ε\varepsilon (wie weit darf die Lösung höchstens wegdriften) findest du eine Start-Toleranz δ\delta, sodass jede in δ\delta-Nähe gestartete Lösung für alle Zeit in ε\varepsilon-Nähe bleibt. Kurz: klein gestartet bleibt klein.

Lies die zwei Buchstaben anschaulich. ε\varepsilon ist der Schlauch um das Gleichgewicht, den die Lösung nicht verlassen darf, die Herausforderung. δ\delta ist deine Antwort darauf: so nah musst du am Gleichgewicht starten, um das Versprechen zu halten. Stabil heisst, dass du auf jede Herausforderung ε\varepsilon eine passende Antwort δ\delta hast, egal wie streng ε\varepsilon gewählt wird.

!!!
Stabilität im Sinne von Ljapunov
Zu jedem ε>0 existiert δ>0 mit:y(0)y<δ y(t)y<ε  fu¨r alle t0\begin{aligned} &\text{Zu jedem } \varepsilon > 0 \text{ existiert } \delta > 0 \text{ mit:} \\ &\lVert \mathbf{y}(0) - \mathbf{y}^{\ast} \rVert < \delta \Rightarrow\ \lVert \mathbf{y}(t) - \mathbf{y}^{\ast} \rVert < \varepsilon \;\text{für alle } t \ge 0 \end{aligned}
Kleine Störung bleibt klein. ε\varepsilon ist die erlaubte Abweichung, δ\delta die Start-Toleranz. Hier wird nur Beschränktheit verlangt, keine Rückkehr.
Notation ε\varepsilon, δ\delta
ε\varepsilon = erlaubte Abweichung (Ziel-Schlauch um y\mathbf{y}^{\ast}), δ\delta = Start-Toleranz. Wichtig: dieses δ\delta ist die Initial-Toleranz, nicht die Abklingkonstante δ\delta aus VII.11.
Definition Stabil (Ljapunov)
Zu jedem ε>0\varepsilon > 0 gibt es δ>0\delta > 0, sodass Start in δ\delta-Nähe für alle t0t \ge 0 in ε\varepsilon-Nähe bleibt. Beschränkt, aber nicht notwendig zurückkehrend.

2.2 Asymptotisch stabil

Was ist der starke Stabilitätsbegriff, bei dem das System in die Ruhe zurückkehrt? Asymptotische Stabilität. Dämpfung erzeugt genau das.

Das ist die Kugel im Talboden: ein kleiner Schubs, und sie rollt von selbst zurück zur Talsohle.

Formal heisst ein Gleichgewicht asymptotisch stabil, wenn es Ljapunov-stabil ist und jede nah genug gestartete Lösung gegen y\mathbf{y}^{\ast} läuft (y(t)y\mathbf{y}(t) \to \mathbf{y}^{\ast} für tt \to \infty). Es bleibt also nicht nur nah, es kehrt heim.

Das 1D-Vorbild kennst du schon aus VII.11: der gedämpfte Oszillator. Seine Amplitude klingt exponentiell ab, das System pendelt sich auf die Ruhelage ein. Genau dieses Abklingen ist asymptotische Stabilität in Aktion. Die Dämpfung entzieht dem System Energie, und ohne Energie bleibt nur die Ruhe.

!!!
Asymptotische Stabilität
y stabil und y(t)y fu¨r t\mathbf{y}^{\ast}\ \text{stabil und}\ \mathbf{y}(t) \to \mathbf{y}^{\ast}\ \text{für}\ t \to \infty
Verlangt zusätzlich zur Ljapunov-Stabilität die Rückkehr ins Gleichgewicht, für jeden Start nahe genug an y\mathbf{y}^{\ast}. Typisches Bild: gedämpftes Einschwingen.
Merke Asymptotisch stabil
Bleibt nah und kehrt zurück: y(t)y\mathbf{y}(t) \to \mathbf{y}^{\ast}. Strikt stärker als Ljapunov-stabil. Wird durch Dämpfung erzeugt.

2.3 Instabil

Wann ist ein Gleichgewicht instabil? Wenn es Anfangsbedingungen beliebig nah am Gleichgewicht gibt, die wegrennen, wie eine Kugel auf einem Bergrücken.

Instabilität ist schlicht die Verneinung von Stabilität. Es gibt also eine feste Toleranz ε\varepsilon, für die du kein passendes δ\delta findest: egal wie nah du startest, mindestens eine Lösung verlässt früher oder später den ε\varepsilon-Schlauch. Schon beliebig kleine Störungen können also anwachsen und das System fortreissen.

Achte auf das Wort „mindestens eine“. Instabil heisst nicht, dass jede Lösung flieht. Es genügt, dass nicht alle in der Nähe bleiben. Beim Sattelpunkt aus §4.2 etwa gibt es sogar eine Richtung, entlang der Lösungen einlaufen; trotzdem ist der Sattel instabil, weil fast alle anderen Lösungen entkommen.

!!
Instabilität
y instabil : y nicht stabil\mathbf{y}^{\ast}\ \text{instabil}\ :\Longleftrightarrow\ \mathbf{y}^{\ast}\ \text{nicht stabil}
Es gibt ein ε>0\varepsilon > 0, sodass für jedes δ>0\delta > 0 eine Lösung mit Start in δ\delta-Nähe den ε\varepsilon-Schlauch verlässt. Eine einzige entkommende Trajektorie genügt.
Definition Instabil
Nicht stabil: es gibt ε>0\varepsilon > 0, sodass für jedes δ>0\delta > 0 eine Lösung aus der δ\delta-Nähe den ε\varepsilon-Schlauch verlässt. Eine entkommende Bahn genügt.
Merke Drei Begriffe auf einen Blick
Stabil: bleibt nah. Asymptotisch stabil: kehrt zurück. Instabil: mindestens eine nahe Bahn rennt weg.

3Stabilität via Eigenwerte (lineare Systeme)

3.1 Charakteristisches Polynom der Matrix A

Wie liest du Stabilität direkt aus der Matrix AA eines linearen Systems y˙=Ay\dot{\mathbf{y}} = A\,\mathbf{y} ab? Über die Eigenwerte, die Wurzeln des charakteristischen Polynoms.

Hier steckt eine schöne Beobachtung dahinter. Eliminierst du aus dem 2D-System eine Komponente, bekommst du eine lineare DGL 2. Ordnung, deren charakteristisches Polynom exakt das der Matrix AA ist.

Beide Wege führen zu denselben Wurzeln, den Eigenwerten von AA. Damit hängt das Stabilitätsverhalten allein an den Eigenwerten von AA.

Das charakteristische Polynom ist χA(λ)=det(AλI)\chi_A(\lambda) = \det(A - \lambda I). Für 2×22 \times 2 reichen zwei Kennzahlen: Spur Tr(A)=a11+a22\operatorname{Tr}(A) = a_{11} + a_{22} und Determinante det(A)=a11a22a12a21\det(A) = a_{11} a_{22} - a_{12} a_{21}.

Es ist dieselbe χ\chi-Maschinerie wie in VII.10 (DGL) und VII.13 (Matrix). Ein Begriff, drei Auftritte.

!!
Charakteristisches Polynom von A
χA(λ)=det(AλI)=0\chi_A(\lambda) = \det(A - \lambda I) = 0
Die Wurzeln λ1,λ2\lambda_1, \lambda_2 sind die Eigenwerte von AA. Identisch zum charakteristischen Polynom der durch Elimination gewonnenen DGL 2. Ordnung.
!!!
2×2-Spezialfall mit Spur und Determinante
χA(λ)=λ2Tr(A)λ+det(A)λ1,2=12(Tr(A)±Δ)Δ=Tr(A)24det(A)\begin{aligned} \chi_A(\lambda) &= \lambda^2 - \operatorname{Tr}(A)\,\lambda + \det(A) \\ \lambda_{1,2} &= \tfrac{1}{2}\big(\operatorname{Tr}(A) \pm \sqrt{\Delta}\,\big) \\ \Delta &= \operatorname{Tr}(A)^2 - 4\det(A) \end{aligned}
Tr(A)=a11+a22\operatorname{Tr}(A) = a_{11} + a_{22}, det(A)=a11a22a12a21\det(A) = a_{11} a_{22} - a_{12} a_{21}. Der Ausdruck unter der Wurzel heisst Diskriminante Δ\Delta und entscheidet reell gegen komplex.
Notation χA(λ)\chi_A(\lambda), λi\lambda_i
Charakteristisches Polynom von AA und seine Wurzeln, die Eigenwerte λi\lambda_i. Gleiche χ\chi- und λ\lambda-Notation wie VII.10/VII.13. Variante: das Skript schreibt die Wurzeln als α1,α2\alpha_1, \alpha_2.
Formel 2×2-Formel
χA(λ)=λ2Tr(A)λ+det(A)\chi_A(\lambda) = \lambda^2 - \operatorname{Tr}(A)\,\lambda + \det(A)
Aus Spur und Determinante direkt aufgeschrieben. Wurzeln über die Mitternachtsformel.

3.2 Re(λᵢ) entscheidet

Re(λ)=a\operatorname{Re}(\lambda) = a −0.30
λ1,2\lambda_{1,2} −0.30 ± 1.00 i
Urteil asymptotisch stabil
-0.30
Abb. 3: y˙1=ay1+y2, y˙2=y1+ay2\dot{y}_1 = a\,y_1 + y_2,\ \dot{y}_2 = -y_1 + a\,y_2 hat λ=a±i\lambda = a \pm i. Schiebe a=Re(λ)a = \operatorname{Re}(\lambda) über null: stabil \to Grenzfall \to instabil.

Welche eine Zahl pro Eigenwert entscheidet über Stabilität? Der Realteil. Re(λ)<0\operatorname{Re}(\lambda) < 0 heisst Abklingen, Re(λ)>0\operatorname{Re}(\lambda) > 0 heisst Wachsen.

Die Lösungen eines linearen Systems sind aus Termen der Form eλte^{\lambda t} aufgebaut. Ist λ=a+ib\lambda = a + ib komplex, so zerfällt eλt=eat(cos(bt)+isin(bt))e^{\lambda t} = e^{at}\,(\cos(bt) + i \sin(bt)) in zwei Teile: der Betrag wächst oder schrumpft wie eat=eRe(λ)te^{at} = e^{\operatorname{Re}(\lambda)\,t}, und der Rest dreht nur mit der Frequenz b=Im(λ)b = \operatorname{Im}(\lambda). Der Realteil ist also die Wachstumsrate, der Imaginärteil die Drehzahl.

Daraus folgt die ganze Logik: Re(λ)<0\operatorname{Re}(\lambda) < 0 lässt den Term abklingen, Re(λ)>0\operatorname{Re}(\lambda) > 0 lässt ihn explodieren, Re(λ)=0\operatorname{Re}(\lambda) = 0 ist der Grenzfall reiner, beschränkter Drehung.

Eine Spirale entsteht, wenn beide Teile da sind; reines Abklingen, wenn nur der Realteil wirkt; reine Drehung, wenn nur der Imaginärteil bleibt.

!!!
Realteil als Wachstumsrate
eλt=eRe(λ)t\lvert e^{\lambda t} \rvert = e^{\operatorname{Re}(\lambda)\,t}
Der Betrag wächst oder fällt mit dem Realteil a=Re(λ)a = \operatorname{Re}(\lambda) von λ=a+ib\lambda = a + ib; der Imaginärteil bb dreht nur. Bei reellem λ\lambda ist Re(λ)=λ\operatorname{Re}(\lambda) = \lambda.
Notation Re(λ)\operatorname{Re}(\lambda)
Realteil des (eventuell komplexen) Eigenwerts λ=a+ib\lambda = a + ib, also aa. Er ist die Wachstumsrate des Terms eλte^{\lambda t}. Der Imaginärteil bb ist nur die Drehzahl.
Merke Faustformel
Alle Re(λi)<0\operatorname{Re}(\lambda_i) < 0 ⇒ asymptotisch stabil. Ein einziger Eigenwert mit Re(λ)>0\operatorname{Re}(\lambda) > 0 macht das Gleichgewicht instabil.

3.3 Stabil, asymptotisch stabil und instabil im Vergleich

Wie ergeben sich die drei Stabilitätsbegriffe aus den Realteilen aller Eigenwerte? Drei klare Fälle, eine Tabelle.

Du schaust auf die Realteile aller Eigenwerte gleichzeitig. Sind alle negativ, klingen alle Lösungsanteile ab, und das Gleichgewicht ist asymptotisch stabil. Hat auch nur ein Eigenwert positiven Realteil, wächst dieser Anteil an, und das Gleichgewicht ist instabil. Der dritte Fall ist der Grenzfall: alle Realteile sind kleiner oder gleich null, aber mindestens einer ist genau null.

Im Grenzfall entscheidet die Feinstruktur. Ist der Eigenwert mit Re=0\operatorname{Re} = 0 einfach genug (die Matrix dort diagonalisierbar), bleibt das System stabil, aber nicht asymptotisch, wie ein Zentrum. Steckt dagegen ein Jordan-Block hinter einer mehrfachen Wurzel mit Realteil null, wächst die Lösung polynomiell (Terme wie te0t=tt\,e^{0 \cdot t} = t) und das Gleichgewicht ist instabil. Den Grenzfall darf man also nie vorschnell als stabil abhaken.

Eigenwert-Bedingung Stabilität typisches Bild
alle Re(λi)<0\operatorname{Re}(\lambda_i) < 0 asymptotisch stabil stabiler Knoten oder Strudel
ein Re(λi)>0\operatorname{Re}(\lambda_i) > 0 instabil Sattel, instabiler Knoten oder Strudel
alle Re(λi)0\operatorname{Re}(\lambda_i) \le 0, ein =0= 0 Grenzfall Zentrum (stabil) oder Jordan-Block (instabil)
Stabilität linearer Systeme aus den Realteilen
!!!
Drei-Fälle-Regel
alle Re(λi)<0    asymptotisch stabili: Re(λi)>0    instabilalle 0, =0    Grenzfall\begin{aligned} \text{alle } \operatorname{Re}(\lambda_i) < 0 &\;\Rightarrow\; \text{asymptotisch stabil} \\ \exists\, i:\ \operatorname{Re}(\lambda_i) > 0 &\;\Rightarrow\; \text{instabil} \\ \text{alle } \le 0,\ \exists\, = 0 &\;\Rightarrow\; \text{Grenzfall} \end{aligned}
Gilt für jedes lineare System y˙=Ay\dot{\mathbf{y}} = A\,\mathbf{y} in beliebiger Dimension. Die 2×22 \times 2-Verfeinerung mit den geometrischen Typen folgt in §4.

Lauf das Rezept einmal an der Matrix A=(0123)A = \begin{pmatrix} 0 & 1 \\ -2 & -3 \end{pmatrix} durch:

Drei-Fälle-Regel an einem Beispiel durchgerechnet

  1. Schritt 1: Spur und Determinante ablesen
    Für ein 2×22 \times 2-System sind Spur und Determinante die beiden Kennzahlen, aus denen alles Weitere folgt. Beide stehen direkt in der Matrix.
    Die Spur ist die Summe der Diagonale, die Determinante die Über-Kreuz-Differenz.
    Tr(A)=0+(3)=3det(A)=0(3)1(2)=2\begin{aligned} \operatorname{Tr}(A) &= 0 + (-3) = -3 \\ \det(A) &= 0 \cdot (-3) - 1 \cdot (-2) = 2 \end{aligned}
  2. Schritt 2: Diskriminante bilden
    Die Diskriminante entscheidet, ob die Eigenwerte reell oder komplex sind, also ob ein Knoten oder ein Strudel vorliegt.
    Setze Spur und Determinante in Δ=Tr(A)24det(A)\Delta = \operatorname{Tr}(A)^2 - 4\det(A) ein. Da Δ>0\Delta > 0 ist, gibt es zwei reelle Eigenwerte.
    Δ=(3)242=1>0\Delta = (-3)^2 - 4 \cdot 2 = 1 > 0
  3. Schritt 3: Eigenwerte ausrechnen
    Bei reellen Eigenwerten liefert die Mitternachtsformel die beiden Wurzeln direkt.
    Setze Spur und Diskriminante in λ1,2=12(Tr(A)±Δ)\lambda_{1,2} = \tfrac{1}{2}\big(\operatorname{Tr}(A) \pm \sqrt{\Delta}\,\big) ein.
    λ1,2=12(3±1)    λ1=1, λ2=2\lambda_{1,2} = \tfrac{1}{2}\big(-3 \pm 1\big) \;\Rightarrow\; \lambda_1 = -1,\ \lambda_2 = -2
  4. Schritt 4: Typ und Stabilität bestimmen
    Vorzeichen und Art der Eigenwerte legen den geometrischen Typ und damit die Stabilität fest.
    Beide Eigenwerte sind reell, negativ und gleichen Vorzeichens, also ein stabiler Knoten und nach der Drei-Fälle-Regel asymptotisch stabil. Schneller noch ohne Eigenwerte: det(A)>0\det(A) > 0 mit Δ>0\Delta > 0 heisst Knoten, Tr(A)<0\operatorname{Tr}(A) < 0 heisst stabil. Dieselbe Antwort.
    det(A)>0,Δ>0,Tr(A)<0\det(A) > 0, \quad \Delta > 0, \quad \operatorname{Tr}(A) < 0
Merke Drei-Fälle-Regel
Alle Re<0\operatorname{Re} < 0: asymptotisch stabil. Ein Re>0\operatorname{Re} > 0: instabil. Alle 0\le 0 mit einem =0= 0: Grenzfall, Feinstruktur entscheidet.

4Klassifikation der Gleichgewichtspunkte in 2D

4.1 Knotenpunkt (reelle, gleiches Vorzeichen)

λ1,2\lambda_{1,2} −1, −2
TrA, detA\operatorname{Tr}A,\ \det A −3, 2
Typ stabiler Knoten
Abb. 4: Der Steckbrief aller 2D-Typen. Wähle eine Matrix AA und sieh das passende Phasenporträt: Knoten, Sattel, Strudel, Zentrum.

Was siehst du im Phasenporträt, wenn beide Eigenwerte reell sind und dasselbe Vorzeichen haben? Einen Knoten. Alle Trajektorien laufen entweder hinein (stabil) oder hinaus (instabil).

In 2D bestimmt der Typ der Eigenwerte direkt die Gestalt des Phasenporträts. Vier Familien: reell gleiches Vorzeichen (Knoten), reell verschiedenes (Sattel), komplex mit Re0\operatorname{Re} \neq 0 (Strudel), rein imaginär (Zentrum).

Die Tabelle unten fasst alle sechs Fälle samt Stabilität zusammen; die folgenden Subsections gehen jeden Typ einzeln durch.

Der Knoten ist der erste Fall: zwei reelle Eigenwerte mit gleichem Vorzeichen. Sind beide negativ, laufen alle Bahnen geradlinig in den Ursprung, ein stabiler Knoten, asymptotisch stabil. Sind beide positiv, laufen alle Bahnen hinaus, ein instabiler Knoten. Auch eine doppelte reelle Wurzel gehört hierher.

Lehrbuch-Beispiele: der stark gedämpfte Oszillator (δ>ω0\delta > \omega_0) liefert zwei negative Eigenwerte und damit einen stabilen Knoten; das System y˙1=y1, y˙2=y1+y2\dot{y}_1 = y_1,\ \dot{y}_2 = y_1 + y_2 hat die doppelte Wurzel λ=1>0\lambda = 1 > 0 und damit einen instabilen Knoten.

Eigenwerte Phasenporträt Stabilität
reell, beide <0< 0 stabiler Knoten (Bahnen laufen hinein) asymptotisch stabil
reell, beide >0> 0 instabiler Knoten (Bahnen laufen hinaus) instabil
reell, verschiedenes Vorzeichen Sattelpunkt (rein und wieder hinaus) instabil
komplex, Re<0\operatorname{Re} < 0 stabiler Strudel (Spirale hinein) asymptotisch stabil
komplex, Re>0\operatorname{Re} > 0 instabiler Strudel (Spirale hinaus) instabil
rein imaginär (Re=0\operatorname{Re} = 0) Zentrum / Wirbel (geschlossene Bahnen) stabil, nicht asymptotisch
Klassifikation der Gleichgewichte in 2D
!!
Knoten-Bedingung
Δ=Tr(A)24det(A)>0, det(A)>0 λ1,λ2 reell mit gleichem Vorzeichen\begin{aligned} & \Delta = \operatorname{Tr}(A)^2 - 4\det(A) > 0,\ \det(A) > 0 \\ & \Rightarrow\ \lambda_1, \lambda_2\ \text{reell mit gleichem Vorzeichen} \end{aligned}
Vorzeichen über die Spur: Tr(A)<0\operatorname{Tr}(A) < 0 stabiler Knoten, Tr(A)>0\operatorname{Tr}(A) > 0 instabiler Knoten.
Notation Diskriminante Δ\Delta
Δ=Tr(A)24det(A)\Delta = \operatorname{Tr}(A)^2 - 4\det(A). Sie entscheidet reell (Δ>0\Delta > 0) gegen komplex (Δ<0\Delta < 0). Bei Δ=0\Delta = 0 liegt eine doppelte reelle Wurzel vor.
Merke Knoten
Reelle Eigenwerte mit gleichem Vorzeichen. Beide <0< 0: stabil (Bahnen hinein). Beide >0> 0: instabil (Bahnen hinaus).

4.2 Sattelpunkt (reelle, verschiedene Vorzeichen)

Was passiert, wenn die Eigenwerte verschiedene Vorzeichen haben? Sattelpunkt. Trajektorien laufen entlang einer Achse rein, entlang der anderen wieder hinaus.

Ein Eigenwert ist negativ, der andere positiv. Entlang des Eigenvektors zum negativen laufen Lösungen in den Ursprung (stabile Richtung), entlang des zum positiven hinaus (instabile Richtung). Fast jede Bahn kommt zuerst näher, biegt ab und entkommt.

Das Bild gleicht einem Gebirgspass: ein Pfad führt in den Sattel hinein, zu beiden Seiten geht es bergab. Nur wer exakt auf der stabilen Eigenrichtung startet, erreicht das Gleichgewicht; jede Abweichung rollt davon.

Lehrbuch-Beispiel ist das Symbiose-System y˙1=y2, y˙2=2y1\dot{y}_1 = y_2,\ \dot{y}_2 = 2\,y_1 (zwei Populationen, die sich gegenseitig fördern). Hier ist Tr(A)=0\operatorname{Tr}(A) = 0 und det(A)=2<0\det(A) = -2 < 0. Das charakteristische Polynom λ22=0\lambda^2 - 2 = 0 liefert λ=±2\lambda = \pm\sqrt{2}, reell mit verschiedenem Vorzeichen. Der Ursprung ist ein Sattel und damit instabil.

!!
Sattel-Bedingung und Beispiel
det(A)<0  λ1<0<λ2Beispiel y˙1=y2, y˙2=2y1: λ=±2\begin{aligned} & \det(A) < 0 \ \Rightarrow\ \lambda_1 < 0 < \lambda_2 \\ & \text{Beispiel}\ \dot{y}_1 = y_2,\ \dot{y}_2 = 2\,y_1:\ \lambda = \pm\sqrt{2} \end{aligned}
Negative Determinante erzwingt reelle Eigenwerte mit verschiedenem Vorzeichen. Ein Sattel ist immer instabil.
Merke Sattel
Reelle Eigenwerte mit verschiedenem Vorzeichen. Test: det(A)<0\det(A) < 0. Eine stabile und eine instabile Richtung, insgesamt immer instabil.
Definition Sattelpunkt
Gleichgewicht mit λ1<0<λ2\lambda_1 < 0 < \lambda_2. Bahnen laufen entlang der stabilen Eigenrichtung ein und entlang der instabilen wieder hinaus.

4.3 Strudelpunkt (komplex konjugiert)

Wie sehen Trajektorien bei komplex konjugierten Eigenwerten aus? Spiralen. Die Rotation kommt vom Imaginärteil, die Spiralrichtung vom Realteil.

Ein komplexes Paar λ=a±ib\lambda = a \pm i b (b0b \neq 0) erzeugt Lösungen eat(C1cos(bt)+C2sin(bt))e^{at}\,(C_1 \cos(bt) + C_2 \sin(bt)). Die Drehung mit Frequenz bb wickelt die Bahn um den Ursprung, der Faktor eate^{at} zieht sie nach innen oder treibt sie nach aussen: eine Spirale.

Bei a<0a < 0 spiralt die Bahn nach innen (stabiler Strudel, asymptotisch stabil), bei a>0a > 0 nach aussen (instabiler Strudel). Wie Wasser im Abfluss: nach innen ist stabil, nach aussen instabil.

Lehrbuch-Beispiele: der schwach gedämpfte Oszillator (δ<ω0\delta < \omega_0) hat Eigenwerte λ=δ±iω02δ2\lambda = -\delta \pm i\sqrt{\omega_0^2 - \delta^2} mit Realteil δ<0-\delta < 0, also einen stabilen Strudel, das Einschwingen aus VII.11. Das System y˙1=y1y2, y˙2=y1+y2\dot{y}_1 = y_1 - y_2,\ \dot{y}_2 = y_1 + y_2 hat λ=1±i\lambda = 1 \pm i mit Realteil +1>0+1 > 0, also einen instabilen Strudel mit nach aussen laufenden Spiralen.

!!
Strudel-Bedingung und Schwingfall
Δ<0, Re(λ)=12Tr(A)0δ<ω0: λ=δ±iω02δ2\begin{aligned} & \Delta < 0,\ \operatorname{Re}(\lambda) = \tfrac{1}{2}\operatorname{Tr}(A) \neq 0 \\ & \delta < \omega_0:\ \lambda = -\delta \pm i\sqrt{\omega_0^2 - \delta^2} \end{aligned}
Komplexe Eigenwerte mit nicht verschwindendem Realteil. Stabil (Tr<0\operatorname{Tr} < 0) oder instabil (Tr>0\operatorname{Tr} > 0). Der Schwingfall aus VII.11 ist der stabile Strudel.
Merke Strudel
Komplexe Eigenwerte, Re0\operatorname{Re} \neq 0. Spirale nach innen (Re<0\operatorname{Re} < 0, stabil) oder nach aussen (Re>0\operatorname{Re} > 0, instabil). Spiralrichtung folgt dem Vorzeichen von Tr(A)\operatorname{Tr}(A).

4.4 Wirbel / Zentrum (rein imaginär)

Was passiert im Grenzfall verschwindender Realteile? Die Spirale wird zu einer geschlossenen Bahn. Wirbel, ein Zentrum mit Ljapunov-Stabilität ohne Abklingen.

Sind die Eigenwerte rein imaginär, λ=±ib\lambda = \pm i b, fehlt die Hülle (a=0a = 0). Übrig bleibt die reine Drehung: die Lösungen sind harmonische Schwingungen C1cos(bt)+C2sin(bt)C_1 \cos(bt) + C_2 \sin(bt), die Bahnen geschlossene Ellipsen um das Gleichgewicht.

Das System umkreist die Ruhe ewig, kommt ihr aber nie näher und entfernt sich auch nicht. Deshalb ist ein Zentrum Ljapunov-stabil, aber nicht asymptotisch stabil, wie der reibungsfreie Pendelkreis oder die Planetenbahn.

Die Bedingung dafür ist Tr(A)=0\operatorname{Tr}(A) = 0 (kein Realteil) bei det(A)>0\det(A) > 0 (echt komplexes Paar).

Das Lehrbuch-Beispiel ist der ungedämpfte Oszillator y˙1=y2, y˙2=ω02y1\dot{y}_1 = y_2,\ \dot{y}_2 = -\omega_0^2\,y_1 mit λ=±iω0\lambda = \pm i\,\omega_0. Sein Phasenporträt zeigt konzentrische Ellipsen um den Ursprung, alle im selben Drehsinn durchlaufen.

!!
Zentrum-Bedingung und ungedämpfter Oszillator
Tr(A)=0, det(A)>0 λ=±idet(A)y˙1=y2, y˙2=ω02y1\begin{aligned} & \operatorname{Tr}(A) = 0,\ \det(A) > 0 \Rightarrow\ \lambda = \pm i\sqrt{\det(A)} \\ & \dot{y}_1 = y_2,\ \dot{y}_2 = -\omega_0^2\,y_1 \end{aligned}
Rein imaginäre Eigenwerte, geschlossene Bahnen. Stabil, aber nicht asymptotisch. Der ungedämpfte Oszillator hat λ=±iω0\lambda = \pm i\,\omega_0.
Merke Zentrum / Wirbel
Rein imaginäre Eigenwerte (Tr=0\operatorname{Tr} = 0, det>0\det > 0). Geschlossene Bahnen. Stabil, aber nicht asymptotisch: grenzwertige Ljapunov-Stabilität.

5Anwendung auf Pendel und nichtlineare Systeme

5.1 Linearisierung um den Gleichgewichtspunkt

Wie überträgst du den linearen Apparat aus §3 auf nichtlineare Systeme? Durch Linearisierung. Die Jacobi-Matrix Df(y)D\mathbf{f}(\mathbf{y}^{\ast}) am Gleichgewicht spielt die Rolle der Matrix AA.

In der Nähe eines Gleichgewichts lässt sich ein glattes nichtlineares Vektorfeld f\mathbf{f} durch seinen linearen Anteil ersetzen. Die Taylor-Entwicklung erster Ordnung liefert f(y)Df(y)(yy)\mathbf{f}(\mathbf{y}) \approx D\mathbf{f}(\mathbf{y}^{\ast})\,(\mathbf{y} - \mathbf{y}^{\ast}), denn der konstante Term f(y)\mathbf{f}(\mathbf{y}^{\ast}) ist ja null. Setzt du die Abweichung u=yy\mathbf{u} = \mathbf{y} - \mathbf{y}^{\ast}, so wird daraus das lineare System u˙Au\dot{\mathbf{u}} \approx A\,\mathbf{u} mit A=Df(y)A = D\mathbf{f}(\mathbf{y}^{\ast}). Die ganze Klassifikation aus §3 und §4 ist damit anwendbar.

Das Rezept lautet also: Gleichgewicht finden, Jacobi-Matrix dort auswerten, Eigenwerte bestimmen, Typ und Stabilität ablesen.

Das lokale Bild des nichtlinearen Systems gleicht dem linearisierten, solange das Gleichgewicht hyperbolisch ist (alle Re(λi)0\operatorname{Re}(\lambda_i) \neq 0); das ist der Satz von Hartman und Grobman. Vorsicht bei Realteil null (etwa Zentrum): dann ist die Linearisierung ein Grenzfall, und nichtlineare Terme können das Bild verändern.

!!!
Linearisierung am Gleichgewicht
A=Df(y)=(fiyj)yu˙Au,  u=yy\begin{aligned} A &= D\mathbf{f}(\mathbf{y}^{\ast}) = \left( \tfrac{\partial f_i}{\partial y_j} \right)\Big|_{\mathbf{y}^{\ast}} \\ \dot{\mathbf{u}} &\approx A\,\mathbf{u},\ \ \mathbf{u} = \mathbf{y} - \mathbf{y}^{\ast} \end{aligned}
Jacobi-Matrix am Gleichgewicht ausgewertet. Ihre Eigenwerte klassifizieren das Gleichgewicht wie ein lineares System. Gültig für hyperbolische Fixpunkte (alle Re(λi)0\operatorname{Re}(\lambda_i) \neq 0).
Notation Df(y)D\mathbf{f}(\mathbf{y}^{\ast})
Jacobi-Matrix am Gleichgewicht, Einträge fi/yj\partial f_i / \partial y_j, ausgewertet bei y\mathbf{y}^{\ast}. Aus Kap. IV bekannt, geschrieben auch f/y\partial \mathbf{f} / \partial \mathbf{y} (VII.12).
Formel Jacobi am Gleichgewicht
A=(fiyj)yA = \left( \tfrac{\partial f_i}{\partial y_j} \right)\Big|_{\mathbf{y}^{\ast}}
Ersetzt im nichtlinearen Fall die Systemmatrix AA. Eigenwerte klassifizieren wie im linearen Fall.

5.2 Pendel oben instabil, unten stabil

Dämpfung dd 0.00
unten (0,0)(0,0) Zentrum, stabil
0.00
Abb. 5: Pendel y˙1=y2, y˙2=sin(y1)dy2\dot{y}_1 = y_2,\ \dot{y}_2 = -\sin(y_1) - d\,y_2. Unten (0,0)(0,0) stabil (Zentrum), oben (±π,0)(\pm\pi, 0) Sattel. Mit Reibung dd wird das Zentrum ein Strudel.

Welche Stabilität haben die beiden Gleichgewichte des mathematischen Pendels? Unten stabil (Wirbel ohne Dämpfung, Strudel mit), oben instabil (Sattel, kleinste Störung wirft das Pendel um).

Das mathematische Pendel erfüllt φ¨+(g/)sin(φ)=0\ddot{\varphi} + (g/\ell)\sin(\varphi) = 0. Als System mit y1=φy_1 = \varphi und y2=φ˙y_2 = \dot{\varphi} lautet es y˙1=y2, y˙2=(g/)sin(y1)\dot{y}_1 = y_2,\ \dot{y}_2 = -(g/\ell)\sin(y_1).

Gleichgewichte erfüllen y2=0y_2 = 0 und sin(y1)=0\sin(y_1) = 0, also y1=nπy_1 = n\pi. Wesentlich sind zwei: das untere (0,0)(0, 0) (hängend) und das obere (π,0)(\pi, 0) (aufrecht). Die Jacobi-Matrix ist Df(y1,y2)=(01(g/)cos(y1)0)D\mathbf{f}(y_1, y_2) = \left(\begin{smallmatrix} 0 & 1 \\ -(g/\ell)\cos(y_1) & 0 \end{smallmatrix}\right).

Unten bei (0,0)(0, 0) ist cos(0)=1\cos(0) = 1, also A=(01g/0)A = \left(\begin{smallmatrix} 0 & 1 \\ -g/\ell & 0 \end{smallmatrix}\right) mit χA(λ)=λ2+g/\chi_A(\lambda) = \lambda^2 + g/\ell und λ=±ig/\lambda = \pm i\sqrt{g/\ell}. Rein imaginär: ein Zentrum, Ljapunov-stabil. Mit etwas Reibung wird daraus ein stabiler Strudel, das Pendel schwingt sich aus, wie eine Pendel-Uhr in ihrer Ruhelage.

Oben bei (π,0)(\pi, 0) ist cos(π)=1\cos(\pi) = -1, also A=(01g/0)A = \left(\begin{smallmatrix} 0 & 1 \\ g/\ell & 0 \end{smallmatrix}\right) mit χA(λ)=λ2g/\chi_A(\lambda) = \lambda^2 - g/\ell und λ=±g/\lambda = \pm\sqrt{g/\ell}. Reell mit verschiedenem Vorzeichen: ein Sattel, instabil, der Bleistift auf der Spitze.

Ehrliche Anmerkung: das untere Gleichgewicht ist mit Re(λ)=0\operatorname{Re}(\lambda) = 0 nicht hyperbolisch, hier greift Hartman-Grobman nicht direkt. Beim ungedämpften Pendel bleibt es dank Energieerhaltung trotzdem ein echtes Zentrum. Das obere ist hyperbolisch, also gilt der Sattel auch fürs volle nichtlineare Pendel.

!!
Pendel als 2D-System
y˙1=y2, y˙2=gsin(y1)Gleichgewichte: y1=nπ, y2=0\begin{aligned} & \dot{y}_1 = y_2,\ \dot{y}_2 = -\tfrac{g}{\ell}\sin(y_1) \\ & \text{Gleichgewichte: } y_1 = n\pi,\ y_2 = 0 \end{aligned}
y1y_1 Auslenkungswinkel, y2y_2 Winkelgeschwindigkeit. Unten (0,0)(0,0) und oben (π,0)(\pi, 0) sind die zwei wesentlichen Gleichgewichte.
!!
Eigenwerte unten und oben
(0,0): λ=±ig/(π,0): λ=±g/\begin{aligned} (0,0): & \ \lambda = \pm i\sqrt{g/\ell} \\ (\pi,0): & \ \lambda = \pm \sqrt{g/\ell} \end{aligned}
Aus der Jacobi am jeweiligen Punkt (Matrizen siehe Text). Unten rein imaginär: Zentrum, stabil (ohne Dämpfung). Oben reell mit verschiedenem Vorzeichen: Sattel, instabil.
Formel Pendel-Gleichgewichte
y1=nπ,  nZy_1 = n\pi,\ \ n \in \mathbb{Z}
Abwechselnd unten (nn gerade, stabil) und oben (nn ungerade, instabil). Die zwei wesentlichen Klassen sind (0,0)(0,0) und (π,0)(\pi, 0).
Merke Unten stabil, oben instabil
Unten (0,0)(0,0): rein imaginär, Zentrum (mit Dämpfung Strudel), stabil. Oben (π,0)(\pi,0): reell entgegengesetzt, Sattel, instabil.

Aufgaben mit Musterlösungen

Übungsaufgaben werden in Kürze ergänzt.

Die Aufgaben für dieses Kapitel werden in einer zukünftigen Version ergänzt.

MerkeErst selbst rechnen, dann Lösung prüfen!