Was ist ein Gleichgewicht eines autonomen Systems? Ein Zustand, an dem nichts mehr passiert: , 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 , an dem die rechte Seite verschwindet. Setzt du das System exakt dort hin, bleibt es für alle Zeit dort (); die konstante Funktion ist dann eine Lösung.
Die spannende Frage ist aber nicht, ob ein Punkt Gleichgewicht ist, sondern was mit einer Lösung passiert, die nah bei 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.
Wie findest du die Gleichgewichtspunkte konkret? Setze die rechte Seite auf null und löse das algebraische Gleichungssystem.
Beachte den Wechsel: ist keine DGL mehr, sondern ein gewöhnliches Gleichungssystem in . Die Zeitableitung ist weg, es bleibt reine Algebra.
Beim linearen System löst du . Ist , ist der Ursprung das einzige Gleichgewicht, weshalb die lineare Stabilitätsdiskussion immer im Nullpunkt sitzt. Bei gibt es eine ganze Gerade oder Ebene (den Kern von ).
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 , abwechselnd unten und oben hängend. Jedes dieser Gleichgewichte bekommt seine eigene Stabilitäts-Antwort.
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 (wie weit darf die Lösung höchstens wegdriften) findest du eine Start-Toleranz , sodass jede in -Nähe gestartete Lösung für alle Zeit in -Nähe bleibt. Kurz: klein gestartet bleibt klein.
Lies die zwei Buchstaben anschaulich. ist der Schlauch um das Gleichgewicht, den die Lösung nicht verlassen darf, die Herausforderung. ist deine Antwort darauf: so nah musst du am Gleichgewicht starten, um das Versprechen zu halten. Stabil heisst, dass du auf jede Herausforderung eine passende Antwort hast, egal wie streng gewählt wird.
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 läuft ( für ). 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.
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 , für die du kein passendes findest: egal wie nah du startest, mindestens eine Lösung verlässt früher oder später den -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.
Wie liest du Stabilität direkt aus der Matrix eines linearen Systems 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 ist.
Beide Wege führen zu denselben Wurzeln, den Eigenwerten von . Damit hängt das Stabilitätsverhalten allein an den Eigenwerten von .
Das charakteristische Polynom ist . Für reichen zwei Kennzahlen: Spur und Determinante .
Es ist dieselbe -Maschinerie wie in VII.10 (DGL) und VII.13 (Matrix). Ein Begriff, drei Auftritte.
Welche eine Zahl pro Eigenwert entscheidet über Stabilität? Der Realteil. heisst Abklingen, heisst Wachsen.
Die Lösungen eines linearen Systems sind aus Termen der Form aufgebaut. Ist komplex, so zerfällt in zwei Teile: der Betrag wächst oder schrumpft wie , und der Rest dreht nur mit der Frequenz . Der Realteil ist also die Wachstumsrate, der Imaginärteil die Drehzahl.
Daraus folgt die ganze Logik: lässt den Term abklingen, lässt ihn explodieren, 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.
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 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 ) und das Gleichgewicht ist instabil. Den Grenzfall darf man also nie vorschnell als stabil abhaken.
| Eigenwert-Bedingung | Stabilität | typisches Bild |
|---|---|---|
| alle | asymptotisch stabil | stabiler Knoten oder Strudel |
| ein | instabil | Sattel, instabiler Knoten oder Strudel |
| alle , ein | Grenzfall | Zentrum (stabil) oder Jordan-Block (instabil) |
Lauf das Rezept einmal an der Matrix durch:
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 (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 () liefert zwei negative Eigenwerte und damit einen stabilen Knoten; das System hat die doppelte Wurzel und damit einen instabilen Knoten.
| Eigenwerte | Phasenporträt | Stabilität |
|---|---|---|
| reell, beide | stabiler Knoten (Bahnen laufen hinein) | asymptotisch stabil |
| reell, beide | instabiler Knoten (Bahnen laufen hinaus) | instabil |
| reell, verschiedenes Vorzeichen | Sattelpunkt (rein und wieder hinaus) | instabil |
| komplex, | stabiler Strudel (Spirale hinein) | asymptotisch stabil |
| komplex, | instabiler Strudel (Spirale hinaus) | instabil |
| rein imaginär () | Zentrum / Wirbel (geschlossene Bahnen) | stabil, nicht asymptotisch |
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 (zwei Populationen, die sich gegenseitig fördern). Hier ist und . Das charakteristische Polynom liefert , reell mit verschiedenem Vorzeichen. Der Ursprung ist ein Sattel und damit instabil.
Wie sehen Trajektorien bei komplex konjugierten Eigenwerten aus? Spiralen. Die Rotation kommt vom Imaginärteil, die Spiralrichtung vom Realteil.
Ein komplexes Paar () erzeugt Lösungen . Die Drehung mit Frequenz wickelt die Bahn um den Ursprung, der Faktor zieht sie nach innen oder treibt sie nach aussen: eine Spirale.
Bei spiralt die Bahn nach innen (stabiler Strudel, asymptotisch stabil), bei nach aussen (instabiler Strudel). Wie Wasser im Abfluss: nach innen ist stabil, nach aussen instabil.
Lehrbuch-Beispiele: der schwach gedämpfte Oszillator () hat Eigenwerte mit Realteil , also einen stabilen Strudel, das Einschwingen aus VII.11. Das System hat mit Realteil , also einen instabilen Strudel mit nach aussen laufenden Spiralen.
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, , fehlt die Hülle (). Übrig bleibt die reine Drehung: die Lösungen sind harmonische Schwingungen , 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 (kein Realteil) bei (echt komplexes Paar).
Das Lehrbuch-Beispiel ist der ungedämpfte Oszillator mit . Sein Phasenporträt zeigt konzentrische Ellipsen um den Ursprung, alle im selben Drehsinn durchlaufen.
Wie überträgst du den linearen Apparat aus §3 auf nichtlineare Systeme? Durch Linearisierung. Die Jacobi-Matrix am Gleichgewicht spielt die Rolle der Matrix .
In der Nähe eines Gleichgewichts lässt sich ein glattes nichtlineares Vektorfeld durch seinen linearen Anteil ersetzen. Die Taylor-Entwicklung erster Ordnung liefert , denn der konstante Term ist ja null. Setzt du die Abweichung , so wird daraus das lineare System mit . 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 ); 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.
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 . Als System mit und lautet es .
Gleichgewichte erfüllen und , also . Wesentlich sind zwei: das untere (hängend) und das obere (aufrecht). Die Jacobi-Matrix ist .
Unten bei ist , also mit und . 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 ist , also mit und . Reell mit verschiedenem Vorzeichen: ein Sattel, instabil, der Bleistift auf der Spitze.
Ehrliche Anmerkung: das untere Gleichgewicht ist mit 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.
Übungsaufgaben werden in Kürze ergänzt.
Die Aufgaben für dieses Kapitel werden in einer zukünftigen Version ergänzt.