1Was ist ein System von DGL?

1.1 Vektorielle Form ẏ = f(t, y) mit y ∈ ℝⁿ

Was passiert, wenn statt einer einzelnen Funktion y(t)y(t) gleich nn Funktionen gleichzeitig gesucht sind, die sich gegenseitig beeinflussen? Genau dann brauchst du ein System von DGL.

Bisher (Kap. VII.3 bis VII.11) hatten wir immer eine skalare Funktion y(t)y(t) und eine Gleichung. Jetzt suchen wir nn Funktionen y1(t),,yn(t)y_1(t), \dots, y_n(t) zusammen, und jede Ableitung darf von allen anderen abhängen.

Stell dir zwei durch eine Feder gekoppelte Pendel vor: die Bewegung des einen bestimmt die Rückstellkraft des anderen und umgekehrt. Eine Gleichung reicht nicht mehr, es braucht ein System.

Sammelt man die nn gesuchten Funktionen in einem Vektor y(t)=(y1(t),,yn(t))Rn\mathbf{y}(t) = (y_1(t), \dots, y_n(t))^{\top} \in \mathbb{R}^n, lässt sich das System sehr kompakt schreiben: die Zeitableitung des Vektors ist eine vorgegebene Vektor-Funktion seiner aktuellen Werte. Ab jetzt benutzen wir die Punkt-Notation y˙\dot{\mathbf{y}} für dy/dtd\mathbf{y}/dt, weil die unabhängige Variable im Systeme-Kapitel fast immer die Zeit tt ist.

!!!
Standardform eines Systems von DGL 1. Ordnung
y˙(t)=f(t,y(t))\dot{\mathbf{y}}(t) = \mathbf{f}(t,\, \mathbf{y}(t))
y(t)Rn\mathbf{y}(t) \in \mathbb{R}^n ist ein Vektor aus nn Funktionen; f:DR×RnRn\mathbf{f}: D \subset \mathbb{R} \times \mathbb{R}^n \to \mathbb{R}^n ordnet jedem Zeitpunkt und jedem Zustand wieder einen Vektor zu. Verallgemeinerung der skalaren Form y=f(x,y)y' = f(x, y) aus VII.3.
Notation y(t)Rn\mathbf{y}(t) \in \mathbb{R}^n
Achtung, Notations-Wechsel zu VII.3 bis VII.11: dort war y(t)y(t) eine skalare Funktion. Ab hier ist y\mathbf{y} ein Vektor mit Komponenten y1,,yny_1, \dots, y_n. Das fette Symbol (oder ein Pfeil darüber) markiert es.
Notation f(t,y)\mathbf{f}(t, \mathbf{y})
Vektor-Funktion mit Komponenten f1,,fnf_1, \dots, f_n. Konflikt zur skalaren ff aus VII.3 §1.1, die nur einen Zahlenwert lieferte. Hier liefert f\mathbf{f} einen ganzen Vektor.
Definition System von DGL 1. Ordnung
Eine vektorielle Gleichung y˙=f(t,y)\dot{\mathbf{y}} = \mathbf{f}(t, \mathbf{y}) mit yRn\mathbf{y} \in \mathbb{R}^n. Entspricht nn gekoppelten skalaren DGLs 1. Ordnung.

1.2 Komponentenweise Interpretation

x0x_0 1.50
y0y_0 0.00
x˙=f1\dot x = f_1 −1.50
y˙=f2\dot y = f_2 0.00
0.0
Abb. 1: Ein 2D-System als ebenes Vektorfeld. An jedem Punkt zeigt der Pfeil (x˙,y˙)(\dot x, \dot y), wohin der Zustand als Nächstes geht. Der Regler κ\kappa koppelt die zweite Gleichung an xx.

Wie liest du die vektorielle Form y˙=f(t,y)\dot{\mathbf{y}} = \mathbf{f}(t, \mathbf{y}) konkret?

Schreib sie Zeile für Zeile aus: nn gekoppelte skalare DGLs. Jede Zeile hat die Bauart aus VII.3 (yi=fiy_i' = f_i), nur darf die rechte Seite fif_i jetzt von allen Komponenten von y\mathbf{y} abhängen, nicht nur von yiy_i.

Das ist der Kern der „Kopplung“: eine Änderung an y3y_3 kann sofort die Ableitung von y1y_1 beeinflussen.

Lass uns das an einem kleinen Fall sehen. Für n=2n = 2 schreibt sich das System aus zwei Gleichungen: y˙1=f1(t,y1,y2)\dot{y}_1 = f_1(t, y_1, y_2) und y˙2=f2(t,y1,y2)\dot{y}_2 = f_2(t, y_1, y_2). Wenn f1f_1 nur von y1y_1 abhinge und f2f_2 nur von y2y_2, wären beide Gleichungen unabhängig und wir hätten zwei separate 1D-Probleme. Sobald aber f1f_1 auch y2y_2 enthält oder f2f_2 auch y1y_1, sind die beiden Funktionen verkoppelt und müssen gemeinsam gelöst werden.

!!
Komponentenweise Schreibweise
y˙i(t)=fi(t,y1(t),,yn(t)),i=1,,n\begin{aligned} &\dot{y}_i(t) = f_i(t,\, y_1(t), \dots, y_n(t)), \\ &i = 1, \dots, n \end{aligned}
nn skalare Gleichungen, alle gleichzeitig zu lösen. Die rechte Seite fif_i darf von beliebigen Komponenten yjy_j abhängen; genau das macht das System gekoppelt.
Merke Lesen einer Vektor-DGL
Lies y˙=f\dot{\mathbf{y}} = \mathbf{f} Zeile für Zeile als nn skalare DGLs. Jede fif_i darf alle Komponenten y1,,yny_1, \dots, y_n als Argumente haben.
Definition Kopplung
Ein System heisst gekoppelt, wenn mindestens eine fif_i von einem yjy_j mit jij \neq i abhängt. Sonst sind die Gleichungen unabhängige 1D-Probleme.

2Überführung von DGL n-ter Ordnung in System 1. Ordnung

2.1 Substitution u₁ = y, u₂ = y', …, uₙ = y⁽ⁿ⁻¹⁾

Wie verwandelst du eine DGL nn-ter Ordnung in ein System aus nn DGLs 1. Ordnung?

Der Trick ist eine Umbenennung: gib jeder Ableitung einen Namen, u1:=yu_1 := y, u2:=y˙u_2 := \dot{y}, bis un:=y(n1)u_n := y^{(n-1)}. Jedes höhere Ableiten wird zum Wechsel zur nächsten Komponente.

Die DGL y(n)=g(t,y,,y(n1))y^{(n)} = g(t, y, \dots, y^{(n-1)}) verteilt sich so auf nn Gleichungen 1. Ordnung: n1n-1 triviale („Ableitung von uiu_i ist ui+1u_{i+1}“) und eine, die die ursprüngliche DGL trägt.

Warum funktioniert das? Eine DGL hat Ordnung nn, wenn das künftige Verhalten bei t0t_0 aus nn Zahlen folgt: y(t0),y˙(t0),,y(n1)(t0)y(t_0), \dot{y}(t_0), \dots, y^{(n-1)}(t_0).

Diese nn Zahlen sammeln wir im Vektor uRn\mathbf{u} \in \mathbb{R}^n. Dann ist die Dynamik ein System 1. Ordnung in Rn\mathbb{R}^n, strukturell genau das aus VII.3, nur in höherer Dimension.

!!!
Reduktionsregel y⁽ⁿ⁾ → System
u˙1=u2u˙2=u3u˙n1=unu˙n=g(t,u1,u2,,un)\begin{aligned} \dot{u}_1 &= u_2 \\ \dot{u}_2 &= u_3 \\ &\vdots \\ \dot{u}_{n-1} &= u_n \\ \dot{u}_n &= g(t,\, u_1,\, u_2,\, \dots,\, u_n) \end{aligned}
Substitution ui:=y(i1)u_i := y^{(i-1)} für i=1,,ni = 1, \dots, n. Die ersten n1n-1 Gleichungen sind triviale Umbenennungen; nur die letzte trägt die ursprüngliche DGL.
Originalform Substitution Neues System
y¨+ω2y=0\ddot{y} + \omega^2\,y = 0 u1=yu_1 = y, u2=y˙u_2 = \dot{y} u˙1=u2\dot{u}_1 = u_2, u˙2=ω2u1\dot{u}_2 = -\omega^2\,u_1
y(n)=g(t,y,y˙,,y(n1))y^{(n)} = g(t, y, \dot{y}, \dots, y^{(n-1)}) ui=y(i1)u_i = y^{(i-1)} u˙i=ui+1\dot{u}_i = u_{i+1} für i<ni < n, u˙n=g\dot{u}_n = g
Reduktionsregel im Überblick
Notation u1,,unu_1, \dots, u_n
Die neuen Komponenten: uiu_i ist nichts anderes als die (i1)(i-1)-te Ableitung von yy. Ein einfacher Namens-Trick, der eine Ordnung-nn-DGL in einen Vektor in Rn\mathbb{R}^n überführt.
Merke Reduktionsprinzip
Jede Ableitung bekommt einen eigenen Namen. Aus 1 DGL der Ordnung nn werden nn DGLs der Ordnung 1, und der Zustands-Raum hat Dimension nn.

2.2 Harmonische Schwingung als 2D-System

u1=yu_1 = y 2.00
u2=y˙u_2 = \dot y 0.00
Energie EE 2.00
Periode TT 6.28
1.0
Abb. 2: Die harmonische Schwingung y¨+ω2y=0\ddot y + \omega^2 y = 0 als 2D-System u˙1=u2, u˙2=ω2u1\dot u_1 = u_2,\ \dot u_2 = -\omega^2 u_1. Jede Bahn ist eine geschlossene Ellipse um den Ursprung: periodische Bewegung.

Was passiert konkret, wenn du die harmonische Schwingung y¨+ω2y=0\ddot{y} + \omega^2\,y = 0 als 2D-System schreibst?

Setze u1:=yu_1 := y (die Auslenkung) und u2:=y˙u_2 := \dot{y} (die Geschwindigkeit). Dann ist u˙1=y˙=u2\dot{u}_1 = \dot{y} = u_2 direkt aus der Definition, und u˙2=y¨=ω2y=ω2u1\dot{u}_2 = \ddot{y} = -\omega^2\,y = -\omega^2\,u_1 aus der ursprünglichen DGL. Aus einer Gleichung 2. Ordnung in einer Funktion sind zwei Gleichungen 1. Ordnung in zwei Funktionen geworden. Position und Geschwindigkeit sind die natürliche Wahl der Zustandsvariablen, weil sie zusammen die Bewegung eindeutig festlegen.

Das System ist linear in u\mathbf{u}, also kompakt als Matrix-Gleichung u˙=Au\dot{\mathbf{u}} = A\,\mathbf{u} schreibbar. Die Matrix AA trägt die Kopplungs-Struktur: die Eins oben rechts kommt aus „Geschwindigkeit ist Ableitung der Position“, das ω2-\omega^2 unten links aus „Beschleunigung gleich ω2-\omega^2 mal Position“.

!!
Harmonische Schwingung als 2D-System
u˙1=u2u˙2=ω2u1\begin{aligned} \dot{u}_1 &= u_2 \\ \dot{u}_2 &= -\omega^2\,u_1 \end{aligned}
u1u_1 Auslenkung, u2u_2 Geschwindigkeit. Die zwei Gleichungen ersetzen die eine DGL 2. Ordnung aus VII.8 §5.
!!!
Matrixform u˙=Au\dot{\mathbf{u}} = A\,\mathbf{u}
u˙=Au    mit    A=(01ω20)\dot{\mathbf{u}} = A\,\mathbf{u} \;\;\text{mit}\;\; A = \begin{pmatrix} 0 & 1 \\ -\omega^2 & 0 \end{pmatrix}
Lineares autonomes System; die Matrix AA ist konstant. Die zwei aligned-Zeilen oben sind genau die Komponenten dieses Matrix-Vektor-Produkts. Diese Bauart ist der Standardfall in VII.13.
Formel Matrix der Schwingung
A=(01ω20)A = \begin{pmatrix} 0 & 1 \\ -\omega^2 & 0 \end{pmatrix}
Konstante Matrix, weil ω\omega fest ist. Eigenwerte ±iω\pm i\,\omega (rein imaginär) liefern die ungedämpfte Schwingung; Details in VII.13.
Merke Standard-Reduktion
Auslenkung und Geschwindigkeit als die zwei Komponenten. Sie sind die natürliche Wahl: zusammen legen sie den Bewegungszustand eindeutig fest.

2.3 Zwei gekoppelte Pendel als 4D-System

Wie sieht das System aus, wenn zwei Massen durch Federn so verbunden sind, dass jede für sich schwingen kann und beide einander schubsen?

Stell dir zwei identische Massen mm in einer Reihe vor, jede mit einer Feder an „ihrer“ Wand befestigt, dazwischen eine Kopplungsfeder. Der Einfachheit halber alle drei Federn gleich steif, Federkonstante kk.

Im Kleinwinkel-Limit ist das äquivalent zu zwei gekoppelten Pendeln mit Eigenfrequenz ω0=k/m\omega_0 = \sqrt{k/m}.

Newton 2 auf beide Massen: auf Masse 1 wirkt kx1-k\,x_1 (Wandfeder) und k(x1x2)-k\,(x_1 - x_2) (Kopplungsfeder), in Summe 2kx1+kx2-2k\,x_1 + k\,x_2; auf Masse 2 entsprechend 2kx2+kx1-2k\,x_2 + k\,x_1. Zwei DGLs 2. Ordnung.

Reduzieren mit dem Standard-Trick: u1:=x1u_1 := x_1, u2:=x˙1u_2 := \dot{x}_1, u3:=x2u_3 := x_2, u4:=x˙2u_4 := \dot{x}_2. Aus zwei DGLs 2. Ordnung werden vier 1. Ordnung, Zustands-Raum Dimension 4.

!!
Bewegungsgleichungen (Newton auf beide Massen)
mx¨1=2kx1+kx2mx¨2=kx12kx2\begin{aligned} m\,\ddot{x}_1 &= -2k\,x_1 + k\,x_2 \\ m\,\ddot{x}_2 &= k\,x_1 - 2k\,x_2 \end{aligned}
Zwei DGLs 2. Ordnung, jede gekoppelt an die andere Masse. Die 2k-2k auf der Diagonale kommt aus der Summe Wandfeder und Kopplungsfeder; das +k+k über Kreuz aus der Kopplungsfeder.
!!
4D-System mit u=(x1,x˙1,x2,x˙2)\mathbf{u} = (x_1, \dot{x}_1, x_2, \dot{x}_2)^{\top}
u˙1=u2u˙2=2kmu1+kmu3u˙3=u4u˙4=kmu12kmu3\begin{aligned} \dot{u}_1 &= u_2 \\ \dot{u}_2 &= -\tfrac{2k}{m}\,u_1 + \tfrac{k}{m}\,u_3 \\ \dot{u}_3 &= u_4 \\ \dot{u}_4 &= \tfrac{k}{m}\,u_1 - \tfrac{2k}{m}\,u_3 \end{aligned}
Lineares autonomes System in R4\mathbb{R}^4. Zeilen 1 und 3 sind die Lage-zu-Geschwindigkeit-Identitäten; Zeilen 2 und 4 tragen die Newton-Gleichungen aus der Tabelle oben.
Merke Faustregel Dimension
NN Massen in einer Linie geben ein System der Dimension 2N2N: pro Masse je eine Lage- und eine Geschwindigkeits-Variable.
Formel Eigenfrequenz
ω0=k/m\omega_0 = \sqrt{k/m}
Eigenfrequenz jeder einzelnen Masse, wäre sie ohne Kopplung. Bei Kopplung spalten sich die Frequenzen in zwei sogenannte Normalmoden auf.

3Existenz- und Eindeutigkeitssatz für Systeme

3.1 Voraussetzungen analog zum Skalarfall

Welche Bedingungen muss die Vektor-Funktion f\mathbf{f} erfüllen, damit zu jedem Anfangswert genau eine Lösung des Systems existiert?

Dieselben wie in 1D, nur vektoriell. Im Skalarfall (VII.3 §3.2) verlangte Picard-Lindelöf: ff stetig in beiden Variablen und Lipschitz in yy (gleichbedeutend zu fyf_y stetig).

Vektoriell lautet es wörtlich gleich: f(t,y)\mathbf{f}(t, \mathbf{y}) stetig und Lipschitz in y\mathbf{y}, also f(t,y1)f(t,y2)Ly1y2\|\mathbf{f}(t, \mathbf{y}_1) - \mathbf{f}(t, \mathbf{y}_2)\| \leq L\,\|\mathbf{y}_1 - \mathbf{y}_2\| in einer Umgebung des Anfangswerts.

Mit diesen Voraussetzungen liefert der Existenz- und Eindeutigkeitssatz: zu jedem Anfangs-Zeitpunkt t0t_0 und jedem Anfangs-Vektor y0Rn\mathbf{y}_0 \in \mathbb{R}^n gibt es ein Intervall um t0t_0, auf dem genau eine Lösung y(t)\mathbf{y}(t) mit y(t0)=y0\mathbf{y}(t_0) = \mathbf{y}_0 existiert. Die ganze Mehrdimensionalität steckt nur in der Norm \|\cdot\|; konzeptuell ist es derselbe Satz wie für n=1n = 1.

!!!
Existenz- und Eindeutigkeitssatz für Systeme
f  stetig und Lipschitz in y  AWP lokal eindeutig lo¨sbar\mathbf{f}\;\text{stetig und Lipschitz in }\mathbf{y} \Rightarrow\; \text{AWP lokal eindeutig lösbar}
Gleiche Bauart wie in VII.3 §3.2. Die Norm in der Lipschitz-Bedingung ist die Euklid-Norm in Rn\mathbb{R}^n. Beweis in der Vorlesung; nichts qualitativ Neues gegenüber dem Skalarfall.
Definition Lipschitz-Bedingung (vektoriell)
f(t,y1)f(t,y2)Ly1y2\|\mathbf{f}(t, \mathbf{y}_1) - \mathbf{f}(t, \mathbf{y}_2)\| \leq L\,\|\mathbf{y}_1 - \mathbf{y}_2\|. Verhindert, dass sich an einem Punkt zwei Lösungen verzweigen.
Notation Jacobi-Matrix f/y\partial \mathbf{f}/\partial \mathbf{y}
(n×n)(n \times n)-Matrix mit Einträgen fi/yj\partial f_i / \partial y_j. Aus Kap. IV bekannt. Stetig und beschränkt \Rightarrow f\mathbf{f} Lipschitz.
Querverweis Verweise
→ VII.3 §3 Picard-Lindelöf 1D

3.2 Trajektorien schneiden sich nicht

x0x_0 −1.50
y0y_0 2.00
Bahnen 4
Abb. 3: Eindeutigkeit als Bild. Setze beliebig viele Startpunkte (Klick) und ziehe sie umher: die Bahnen laufen nebeneinander her, schachteln sich, aber sie kreuzen sich nie.

Warum können sich zwei verschiedene Lösungen eines autonomen Systems im Phasenraum niemals kreuzen?

Weil Eindeutigkeit am Schnittpunkt versagen würde. Kämen zwei Lösungen y\mathbf{y} und z\mathbf{z} am Punkt p\mathbf{p} zusammen (zu Zeiten t1,t2t_1, t_2), liesse sich z\mathbf{z} wegen Translationsinvarianz (§4.2) so verschieben, dass y(t0)=z(t0)=p\mathbf{y}(t_0) = \mathbf{z}(t_0) = \mathbf{p}.

Dann wären y\mathbf{y} und z\mathbf{z} zwei Lösungen desselben Anfangswertproblems, im Widerspruch zur Eindeutigkeit. Also unmöglich.

Folgerung für die Bilder: in einem Phasenporträt (§5) sind die Trajektorien wie Strömungslinien einer Flüssigkeit. Sie laufen nebeneinander her, biegen ab, schliessen sich zu Schleifen, aber sie kreuzen sich nie. Das ist eine starke geometrische Aussage, die die ganze Lese-Praxis von Phasenporträts erst möglich macht: jede Trajektorie hat ihren eigenen Schlauch durch den Phasenraum.

Merke Nicht-Kreuzungs-Regel
Trajektorien autonomer Systeme schneiden sich im Phasenraum nicht. Direkte Konsequenz aus dem Eindeutigkeitssatz plus Translationsinvarianz (§4.2).

4Autonome Systeme

4.1 Wann heisst ein System autonom?

x0x_0 2.20
v0v_0 0.00
Dämpfung λ 0.20
Ruhelage stabiler Fokus
0.20
Abb. 4: Der gedämpfte Oszillator x˙=v, v˙=2λvω2x\dot x = v,\ \dot v = -2\lambda v - \omega^2 x. Die rechte Seite hängt nur vom Zustand (x,v)(x, v) ab, nicht von der Zeit: ein autonomes System. Bei Dämpfung spiralt jede Bahn in den Ursprung.

Was bedeutet „autonom“ bei einem System?

Das System ist zeitlich starr: die Bewegungsregeln sind heute und in einem Jahr dieselben. Formal hängt die rechte Seite f\mathbf{f} von y\mathbf{y} ab, aber nicht direkt von tt.

Analogie: feste Brettspiel-Regeln, die sich nie ändern. Ein Spiel mit Wetterabhängigkeit wäre nicht autonom, dort spielt das Datum (Sommer oder Winter) eine Rolle.

Konkrete Beispiele: alle aus §2 (y¨+ω2y=0\ddot{y} + \omega^2 y = 0, gekoppelte Pendel) sind autonom, weil kk, ω2\omega^2 konstante Zahlen sind. Nicht-autonom wäre y¨+ω2(t)y=0\ddot{y} + \omega^2(t)\,y = 0 mit zeitabhängiger Frequenz, etwa bei sich erwärmender Feder.

Solche Systeme sind schwieriger zu analysieren; ein grosser Teil der Theorie (Phasenporträt, Stabilität) wurde nur für den autonomen Fall entwickelt.

!!
Autonomes System
y˙(t)=f(y(t))\dot{\mathbf{y}}(t) = \mathbf{f}(\mathbf{y}(t))
Die rechte Seite hängt nur vom Zustand y\mathbf{y} ab, nicht vom Zeitpunkt tt. Vergleiche y˙=f(t,y)\dot{\mathbf{y}} = \mathbf{f}(t, \mathbf{y}) aus §1.1: hier ist das tt-Argument verschwunden.
Definition Autonomes System
y˙=f(y)\dot{\mathbf{y}} = \mathbf{f}(\mathbf{y}) ohne explizite tt-Abhängigkeit. Die Bewegungsregeln sind zeitlich starr; eine zeitverschobene Lösung ist wieder eine Lösung (siehe §4.2).
Merke Autonom = phasenraum-tauglich
Nur autonome Systeme erlauben das Phasenporträt-Bild (§5). Der Zustand allein bestimmt die Zukunft, die Zeit ist nicht zusätzlich nötig.

4.2 Translationsinvarianz der Lösungen

Wenn das System autonom ist und y(t)\mathbf{y}(t) eine Lösung, was ist dann y(tc)\mathbf{y}(t - c)?

Wieder eine Lösung, nur in der Zeit um cc verschoben. Beweis in einer Zeile: setze z(t):=y(tc)\mathbf{z}(t) := \mathbf{y}(t - c), dann ist z˙(t)=y˙(tc)=f(y(tc))=f(z(t))\dot{\mathbf{z}}(t) = \dot{\mathbf{y}}(t - c) = \mathbf{f}(\mathbf{y}(t - c)) = \mathbf{f}(\mathbf{z}(t)).

Die DGL für z\mathbf{z} ist dieselbe wie für y\mathbf{y}, weil f\mathbf{f} nur von der Position abhängt, nicht von der absoluten Zeit. Das ist die Translationsinvarianz autonomer Systeme.

Bedeutung: es gibt keine ausgezeichnete Stunde Null. Wer dieselbe Trajektorie mit einer um cc verschobenen Uhr startet, sieht denselben Bewegungsablauf. Im Phasenporträt äussert sich das so: zwei Trajektorien, die nur zeitverschoben sind, beschreiben dieselbe geometrische Kurve im Phasenraum; sie liegen aufeinander, nur die Markierungen „wo bin ich bei t=0t = 0“ verschieben sich entlang der Kurve.

!!
Translationsinvarianz autonomer Systeme
y(t)  Lo¨sung    y(tc)  auch Lo¨sung,  cR\mathbf{y}(t)\;\text{Lösung} \;\Rightarrow\; \mathbf{y}(t - c)\;\text{auch Lösung}, \;c \in \mathbb{R}
Folgt direkt aus f(y)\mathbf{f}(\mathbf{y}) ohne tt-Argument: die DGL für die verschobene Funktion sieht identisch aus.
Formel Schiebe-Regel
z(t)=y(tc)\mathbf{z}(t) = \mathbf{y}(t - c)
Die verschobene Funktion erfüllt dieselbe autonome DGL. Beweis durch Ableiten und Einsetzen, eine Zeile.
Merke Konsequenz fürs Phasenporträt
Zeitverschobene Lösungen liefern dieselbe Trajektorie. Das Phasenraum-Bild ist zeitfrei und damit ein rein geometrisches Objekt.

5Trajektorie und Phasenporträt

5.1 Trajektorie als Kurve im Phasenraum

Wie zeichnest du die Lösung eines 2D-Systems, ohne die Zeit explizit hinzumalen?

Fass die zwei Komponenten (y1(t),y2(t))(y_1(t), y_2(t)) als Koordinaten eines Punktes in der Ebene auf. Während tt läuft, zeichnet dieser Punkt eine Kurve nach: die Trajektorie der Lösung.

Die Zeit tt wird zum Parameter der Kurve, die im Zustands-Raum lebt (für n=2n = 2 die Phasenebene). So bekommt man ein rein geometrisches Bild der Bewegung, ohne Zeit-Achse.

Konkretes Beispiel: für die harmonische Schwingung (y1,y2)=(y,y˙)(y_1, y_2) = (y, \dot{y}) aus §2.2 ist die Lösung y(t)=Acos(ωt)+Bsin(ωt)y(t) = A\,\cos(\omega t) + B\,\sin(\omega t) und y˙(t)=Aωsin(ωt)+Bωcos(ωt)\dot{y}(t) = -A\,\omega\,\sin(\omega t) + B\,\omega\,\cos(\omega t). Setze beides zusammen: der Punkt (y,y˙)(y, \dot{y}) läuft auf einer Ellipse um den Ursprung. Bei geeigneter Skalierung der Achsen (zum Beispiel y2/ωy_2/\omega statt y2y_2) wird daraus ein Kreis. Eine ganze Schwingung pro Umlauf, immer im selben Drehsinn.

!!!
Trajektorie als parametrisierte Kurve
γ:={(y1(t),,yn(t)):tI}Rn\gamma := \{(y_1(t), \dots, y_n(t)) : t \in I\} \subset \mathbb{R}^n
Bild der Lösung im Zustands-Raum. Bei n=2n = 2 lebt γ\gamma in der Phasenebene; bei n=3n = 3 im Phasenraum. Wegen Translationsinvarianz (§4.2) ist γ\gamma ein rein geometrisches Objekt, zeitfrei.
Notation Phasenraum, Phasenebene
Phasenraum: der Werte-Bereich Rn\mathbb{R}^n des Zustands-Vektors y\mathbf{y}. Bei n=2n = 2 heisst er Phasenebene. Trajektorien sind Kurven im Phasenraum.
Definition Trajektorie γ\gamma
Die geometrische Bahn {(y(t)):tI}\{(\mathbf{y}(t)) : t \in I\} einer Lösung im Phasenraum. Zeitfrei dank Translationsinvarianz.

5.2 Phasenporträt als Familie aller Trajektorien

Was siehst du, wenn du gleichzeitig viele Anfangsbedingungen zeichnest?

Eine ganze Familie von Trajektorien, eine pro Startpunkt: das Phasenporträt des Systems, die geometrische Zusammenfassung aller Bewegungen auf einen Blick.

Anschaulich ein Strömungs-Atlas: an jedem Anfangspunkt y0\mathbf{y}_0 liest du ab, welche Bahn das System nimmt. Da Trajektorien sich nicht kreuzen (§3.2), ist das Bild aufgeräumt.

Gezeichnet wird es typisch in zwei Schichten. Erstens das Vektorfeld f(y)\mathbf{f}(\mathbf{y}) an einem Gitter, das überall die lokale Strömungsrichtung gibt. Zweitens repräsentative Trajektorien, die von ausgewählten Startpunkten dem Feld folgen.

Beide Schichten zusammen zeigen die globale Dynamik: wo Wirbel, Quellen, Senken, geschlossene Bahnen sind.

Merke Phasenporträt = Atlas der Dynamik
Das Phasenporträt zeigt das qualitative Verhalten aller Lösungen gleichzeitig. Wirbel, Spiralen, geschlossene Bahnen und Gleichgewichts-Punkte werden sichtbar, ohne eine explizite Formel zu kennen.

5.3 Lesen von Phasenporträts anhand von Beispielen

Beute x0x_0 4.00
Räuber y0y_0 1.50
Invariante HH 0.00
Ruhelage (x,y)(x^\ast, y^\ast) (4.00, 2.75)
Abb. 5: Das Räuber-Beute-Modell (Lotka-Volterra) x˙=x(aby), y˙=y(cxd)\dot x = x(a - b y),\ \dot y = y(c x - d) mit Beute xx und Räuber yy. Um die Koexistenz-Ruhelage laufen geschlossene Bahnen: Räuber und Beute schwanken periodisch.

Wie liest du ein Phasenporträt geometrisch?

Schau auf drei Dinge der Reihe nach: die Strömungsrichtung der Pfeile an jedem Punkt, die Gleichgewichts-Punkte (dort, wo der Pfeil verschwindet), und die globale Topologie der Bahnen (geschlossen, einlaufend, auslaufend). Aus diesen drei Beobachtungen lassen sich die qualitativen Eigenschaften des Systems ablesen, ohne irgendetwas zu rechnen. Die unten stehende Tabelle fasst die Lese-Regel kompakt zusammen.

Beispiel zum Üben: das Phasenporträt der harmonischen Schwingung (§2.2) zeigt konzentrische Ellipsen um den Ursprung, alle gegen den Uhrzeigersinn. Daraus liest man sofort: ein Gleichgewichts-Punkt am Ursprung, nur geschlossene Bahnen (periodisch), fester Drehsinn.

Die Amplitude entspricht der „Grösse“ der Ellipse, also dem Abstand vom Ursprung. Eine systematische Klassifikation aller 2D-Phasenporträts (Knoten, Sattel, Strudel, Zentrum) folgt in VII.14.

Was du siehst Was es bedeutet Beispiel
Pfeilrichtung an einem Punkt lokale Bewegungsrichtung; Tangente an die Trajektorie dort Tangentialer Pfeil an der Ellipse der harmonischen Schwingung
Punkt mit f(y)=0\mathbf{f}(\mathbf{y}^{\ast}) = \mathbf{0} Gleichgewichts-Punkt; das System bleibt dort stehen Ursprung bei der harmonischen Schwingung
Geschlossene Bahn periodische Lösung; das System kehrt nach einer Umrundung zurück Ellipse der harmonischen Schwingung
Bahnen laufen auseinander instabiles Verhalten; kleine Auslenkung wächst Klassifikation in VII.14
Lese-Anleitung Phasenporträt
Merke Drei Lese-Schritte
1) Pfeilrichtungen prüfen. 2) Gleichgewichts-Punkte f(y)=0\mathbf{f}(\mathbf{y}^{\ast}) = \mathbf{0} finden. 3) Globale Topologie der Bahnen beurteilen.

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!