Diskrete Populationsmodelle für Einzelspezies - Teil 2
|
|
- Ulrich Neumann
- vor 5 Jahren
- Abrufe
Transkript
1 Diskrete Populationsmodelle für Einzelspezies - Teil 2 Laura Gemmel Literatur, die verwendet wurde: J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer
2 Inhaltsverzeichnis 1 Stabilität, Periodische Lösungen und Bifurkationen 2 Abstrakte Delay -Modelle 3 Fischerei-Management-Modell 4 Umweltbedingte Auswirkungen und Vorbehalte 5 Tumor-Zellwachstum
3 Ziel des Vortrags Aufzeigen der möglichen Entwicklung bestimmter Populationen (Tiere, Zellen) Beispiele Population des Walfischs Population von Meeresfischen Unter welcher Voraussetzung könnte sich eine Population unausweichlich auslöschen?
4 Stabilität, Periodische Lösungen und Bifurkationen Definition Bifurkation (oder Verzweigung) Eine Bifurkation ist eine Zustandsänderung in nichtlinearen Systemen unter Einfluß eines Parameters r. f (u, r) : bestimmt die zeitliche Entwicklung des Sytemzustands r < r c : anderes Verhalten des Systems als bei r > r c Bifurkation bei r c System für Zeitpunkt t + 1 und Zustand u t+1 : u t+1 = f (u t, r)
5 Betrachte Funktion f mit folgendem Verlauf: J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer Interessant für uns: die Fixpunkte u : u = f (u, r)
6 Wunsch: Lineare Stabilität von u : u t = u + v t v t 1 Einsetzen von u t in vorherige Gleichung des Systemzustands u t+1, Entwicklung in Taylorreihe (bis 2. Summand) ergibt: u + v t+1 = f (u ) + v t f (u ) v t+1 = v t f (u ) = λv t, λ = f (u ) λ ist Eigenwert des Systemzustands beim Fixpunkt u.
7 Die Lösung ist: v t = λ t v 0 { 0 ± für t, wenn λ { < 1 > 1 Daher gilt: u ist { stabil instabil, wenn { 1 < f (u ) < 1 f (u ) > 1
8 u stabil jede kleine Störung dieses Gleichgewichts fällt auf Null ab, und zwar: monoton, wenn 0 < f (u ) < 1 abnehmend oszillierend, wenn 1 < f (u ) < 0 u instabil jede kleine Störung wächst unbegrenzt an: monoton, wenn f (u ) > 1 oszillierend, wenn f (u ) < 1
9 Konkretes Beispiel: u t+1 = f (u t ) = u t exp [ r(1 u t ) ] für r > 0 f (u t ) = (1 r u t ) exp [ r (1 u t ) ] Ansatz: u = u exp [ r(1 u ) ] u = 0 oder u = 1 Zugehörige Eigenwerte: λ u =0 = f (0) = e r > 1 für r > 0 u = 0 monoton unstabil λ u =1 = f (1) = 1 r
10 Betrachte also: λ u =1 = 1 r u = 1: stabil für 1 < 1 r < 1 0 < r < 2 mit Rückkehr zum Gleichgewicht monoton, falls 0 < r < 1 oszillierend, falls 1 < r < 2 instabil für 1 r > 1 mit: anwachsend oszillierend für 1 r < 1 r > 2 monoton anwachsend für 1 r > 1 r < 0 Bei r = 0 : erste Bifurkation Bei r = 2 : zweite Bifurkation
11 m -periodische Fixpunkte: f m (u 0, r) = u 0 und f i (u 0 ) u 0 i = 1, 2,..., m 1 u 0 ist Fixpunkt von f m Untersuchung der Stabilität eines solchen Fixpunkts mit Hilfe der Eigenwerte.
12 Betrachte Eigenwerte: λ m = d f m (u, r) d u u=ui, i = 0 oder 1 oder 2... oder m 1 Nach kurzer Rechnung: λ m = m 1 i=0 f (u i, r) Man sieht: EW λ m unabhängig von i
13 Fazit: Kritischer Wert bei r c : Übergang von r < r c nach r > r c : Bifurkation Bedeutet auch: Zugehöriger EW passiert den Wert λ = 1 oder λ = 1.
14 Abstrakte Delay -Modelle Bisherige Annahme bei unseren Modellen: Jedes Mitglied der Spezies zum Zeitpunkt t trägt zur Population zum Zeitpunkt t + 1 bei: stimmt z.b. bei Insekten, nicht aber bei Walen. Hier: Delay -Effekt ( Warte -Effekt): z.b. Wartezeit T bis zur Geschlechtsreife Modell: u t+1 = f (u t, u t T )
15 Zur Vereinfachung folgendes Modell: u t+1 = u t exp [ r(1 u t 1 ) ], r > 0 mit folgenden Gleichgewichtszuständen: u = 0 und u = 1, wobei u = 0 unstabil. Linearisierung von u = 1 : u t = 1 + v t ; v t v t+1 (1 + v t ) (1 r v t 1 ) für v t = z t z 2 z + r = 0
16 Ergibt zwei Lösungen: Falls r < 1 4 : z 1 = 1 2 reelle Lösungen Falls r > 1 4 : [ 1 + ] 1 4r ; z 2 = 1 2 [ 1 ] 1 4r : z 1 = ρ e iθ ; z 2 = ρ e iθ : komplexe Lösungen mit ρ = r, θ = arctan 4r 1
17 Allgemeine Lösung unserer DGL: v t = A z t 1 + B zt 2 Falls 0 < r < 1 4 ( z 1, z 2 reell), gilt: 0 < z 1, z 2 < 1 v t 0 mit t u = 1 stabil Falls 1 4 < r < 1 ( z 1, z 2 komplex), gilt: z 2 = z 1 z 1, z 2 < 1 v t = A z t 1 + B z 1 t v t reell B = A reelle Lösung: v t = 2 A ρ t cos(θt + γ), γ = arga, θ = arctan 4r 1
18 r passiert r c = 1 z 1 = ρ > 1 v t für t u instabil θ π 3 für r 1 v t 2 A cos( π 3 t + γ) 2π p = π 3 Periode p = 6
19 Darstellung an drei Beispielen: J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer Figur 1 ( r = 1, 02 ) zeigt noch die Periode 6
20 J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer In Figur 2 ( r = 1, 1 ): Noch Elemente einer 6er-Periode, aber irregulär
21 J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer In Figur 3: ( r = 1, 4 ): Die 6er-Periode ist verloren, spitzer Verlauf: frühes Anzeichen von Chaos
22 Fischerei-Management-Modell Ziel: Optimierung der wirtschaftlichen Ausbeute Annahme: 1) Beschreibung der Populationsdichte ohne Ernte durch N t+1 = f (N t ) 2) Sei h t die Ernte zur Zeit t : N t+1 = f (N t ) h t Forderung: (i) Maximaler biologischer Gewinn (ii) Maximaler wirtschaftlicher Gewinn Gleichgewicht: N t = N = N t+1, h t = h h = f (N ) N
23 Sei Y M die maximale Ausbeute im stabilen Zustand: d h d N = 0 f (N ) = 1 und Y M = f (N M ) N M ; N = N M Problem: Unkenntnis der aktuellen Population Bekannt: Aktueller Ertrag und der Aufwand, ihn zu erreichen Daher: Formulierung des Problems in Ertrag und zugehörigem Aufwand
24 Annahme: 1 Aufwandseinheit resultiert in einer Ernte c N c : der Fangfähigkeitsparameter, unabhängig von der aktuellen Population N Abernten einer Einheit: Aufwand 1 cn 1 Y M = f (N M ) N M abernten: Aufwand E M = Falls cn groß gegen 1 Einheit: E M 1 c f (N M ) N i =N M 1 cn f (NM ) 1 N M N dn = 1 ( ) f c ln (NM ) N M
25 Beispiel: N t+1 = f (N t ) = b N t a + N t mit 0 < a < b Y M = b N M N M, E M = 1 ( b a + N M c ln a + N M Eliminieren von N M ergibt nach kurzer Rechnung: Y M = ( b e ce M a ) (e ce M 1 ) )
26 J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer Man erkennt: Zunächst steigt Ertrag mit Aufwand. Jenseits eines kritischen Werts E c : Abfall von Y M steigendem E M! Grund: Überfischung trotz
27 Ausbau dieses Modells: Berücksichtigung von: Preis für die Ernte Kosten für den Aufwand R = p Y M k E M p : Preis pro Ernteeinheit, k : Kosten pro Aufwandseinheit
28 J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer der optimale Aufwand E r liegt jetzt noch früher als im ersten Fall.
29 Fazit: Die Resultate sollen nicht zu ernst genommen werden. Unsere Annahme: Die abgeerntete Population ist im stabilen Zustand In Wirklichkeit: Die Fisch-Population zeigt starke Fluktuation Möglich: Wachstumsrate wird so groß, dass sich chaotisches Verhalten einstellt Andererseits: Fischerei kann stabilisierend wirken und u.u. stabilen Zustand wiederherstellen
30 Umweltbedingte Auswirkungen und Vorbehalte Umgebungsparameter ändern sich: Die Entwicklung der Population kann sich ändern. Ziel: Verstehen der kontrollierenden Merkmale einer Populationsentwicklung Entwicklung geeigneter dynamischer Modelle und ihre graphische Darstellung
31 J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer
32 N max : d f d N t = 0 N m ; N max = f (N m ) N min : N min = f (N max ) = f ( f (N m ) ) = f 2 (N m ) Beispiel: [ ( N t+1 = f (N t ) = N t exp r 1 N )] t K K : Anzahl für stabilen Zustand. f (N t ) = 0 N m = K r N max = f (N m ) = K r e r 1 N min = K r exp [ 2r 1 e r 1]
33 Steiles Abstiegsverhalten der Kurve f (N t ) bei N t > N m : Dramatischer Rückgang der Population zu Werten nahe N min Auslöschung fast unausweichlich, wenn N t auf geringe Werte zurückgeht Schätzung mit obigem Beispiel: N min = K r exp [ 2r 1 e r 1] 1 Seien r = 3, 5 und K < 1600 : evtl. Auslöschung
34 Allee-Effekt: Deutliches Zusammenfallen der Population, wenn diese unter einen bestimmten Schwellenwert N c fällt. J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer Solche Modelle treten oft als Ergebnis von Raub auf. Die Gegend N t < N c heißt deshalb auch die Raubgrube.
35 N t = 0 stabil N c instabil (da EW λ = f (N c ) > 1 ) N stabil oder instabil je nach der Größe von f (N ) Auslöschung unausweichlich, sobald N t < N c Modelle, die dem Allee-Effekt unterliegen: Fast jedes exotische Schwingungsverhalten Möglichkeit der Auslöschung, sobald f m (N t ) < N c für ein m
36 Tumor-Zellwachstum Man verwendet häufig: N t+1 = r N t (1 N t ) Dabei: r : Die Wachstumsrate der Zellen N t : Die relative Tumorzellanzahl (also normiert auf 1) Dabei gilt: r < 3 N t wächst bis zum Erreichen des stabilen Zustands (r 1) r r > 3 N t : periodisches Verhalten, evtl Übergang zu Chaos, falls r > r c
37 Hier einige typische Beispiele für Populations-Wachstum: J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer Man erkennt: N t wächst in Form einer S-Kurve zum stabilen Zustand r 1 r Für großes r (r = 2, 5) : Zu Beginn des stabilen Zustands leicht oszillierend
38 J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer Hier: r = r c = 3 : Periodische Lösung, im frühen Stadium auch in Form einer Quasi-S-Kurve r > r c : Chaotisch
39 Zum Abschluß : Der Fall von identischen Individuen (Multi-Klone). Annahme: Verschiedene Wachstumsraten Für alle Klone gleiches r > r c, sodass für alle chaotisches Wachstumsverhalten Es zeigt sich, dass die Wachstumskurve von der Startanzahl an Individuen abhängt:
40 Anzahl der Klone zu Beginn: 5 J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer Man erkennt am Anfang wieder einen S-artigen Verlauf und den Beginn einer Glättung des chaotischen Verhaltens.
41 Anzahl der Klone zu Beginn: 200 Offensichtlich ist der Glättungseffekt des chaotischen Verhaltens umso stärker, je mehr Klone am Anfang dabei waren. Also klar: Eine große Anzahl von Klone kann ein chaotisches Verhalten verdecken. J.D. Murray Mathematical Biology: I. An Introduction, Third Edition Springer
Diskrete Populationsmodelle für Einzelspezies
Diskrete Populationsmodelle für Einzelspezies Lisa Zang 30.10.2012 Quelle: J. D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Inhaltsverzeichnis 1. Einführung Einfache Modelle
MehrBiologische Oszillatoren und Schalter - Teil 1
Biologische Oszillatoren und Schalter - Teil 1 Elena Süs 11.12.2012 Literatur: J.D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Gliederung 1 Motivation 2 Historische Entwicklung
Mehr1 Nicht-lineare dynamische Systeme
1 Nicht-lineare dynamische Systeme 1.1 Charakteristika linerarer Systeme Superpositionsprinzip: Sind x 1 und x Lösungen eines linearen Systems, dann ist auch α 1 x 1 + α x eine Lösung. Berühmte Beispiele:
MehrMathematische Modelle in der Biologie - Kontinuierliche Populationsmodelle für Einzelspezies - Teil 1
Mathematische Modelle in der Biologie - Kontinuierliche Populationsmodelle für Einzelspezies - Teil 1 Continuous Population Models for Single Species (1.1.-1.4) Florian Scheid 23.10.2012 Gliederung 1 Einführung
MehrWettbewerbs- und Symbiose-Modelle Von Jakob Foss
Wettbewerbs- und Symbiose-Modelle Von Jakob Foss Wettbewerbsmodell Das einfachste Wettbewerbsmodell für zwei Spezies lässt sich aus dem Lotka- Volterra Modell ableiten und sieht folgendermaßen aus: dn1
MehrModelle für interagierende Populationen
Modelle für interagierende Populationen Christoph Molitor 06.11.2012 Seminar: Mathematische Modelle in der Biologie (WS 12/13) Literatur: J. D. Murray (2002): Mathematical Biology: I. An Introduction,
MehrBelousov-Zhabotinskii Oszillierende Reaktionen
Belousov-Zhabotinskii Oszillierende Reaktionen Aline Brost 08. Januar 2013 Quelle: J. D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Gliederung 1 Die Belousov-Reaktion und
MehrExkurs: Method of multiple scales (Mehrskalen Methode)
Exkurs: Method of multiple scales (Mehrskalen Methode) dr. karin mora* Im folgenden betrachten wir nichtlineare dynamische Systeme (NDS) mit sogenannten kleinen nichtlinearen Termen. Viele mathematische
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
MehrMathematische Modelle in der Biologie Biologische Wellen: Einzelspeziesmodell - Teil 1
Mathematische Modelle in der Biologie Biologische Wellen: Einzelspeziesmodell - Teil 1 Andrea Schneider 05.02.2013 Literatur: J.D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer
MehrStetige Populationsmodelle
Stetige Populationsmodelle Christof Straßer Autor: J.D.Murray Titel: Mathematical Biology 31.01.01 James Dickson Murray Geb.: 0.01.1931 Professor Emeritus Oxford u. Washington Bereich biologische und biomedizinische
MehrDeterministisches Chaos
Deterministisches Chaos Um 1900 Henri Poincaré: Bewegung von zwei Planeten um die Sonne kann zu sehr komplizierten Bahnen führen. (chaotische Bahnen) Seit ca. 1970 Entwicklung der Chaostheorie basierend
MehrÖkologische Gleichungen für zwei Spezies
Ökologische Gleichungen für zwei Spezies Florian Kern 06.Dezember 2011 Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Cambridge, Kapitel 4 Inhaltsverzeichnis 1 Satz von der
MehrModellbildung und Simulation, Kap (S ) 10 Zwei-Spezies-Modelle
Erratum zu Modellbildung und Simulation, Kap. 1.3 (S. 256 261) 1 Zwei-Spezies-Modelle Interessanter als einzelne Populationen sind Modelle mit mehreren Arten, die miteinander in Wechselwirkung stehen,
MehrTeil 1 - Epidemische Modelle
Teil 1 - Epidemische Modelle 15. Januar 2013 Literatur: J.D.Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Gliederung 1 2 3 4 5 Ziele meines Vortrags Ein grlegen Modell () zur
MehrReaktionskinetik. Maximilian Erlacher. Quelle: Mathematical Biology: I. An Introduction, Third Edition J.D. Murray Springer
Reaktionskinetik Maximilian Erlacher Quelle: Mathematical Biology: I. An Introduction, Third Edition J.D. Murray Springer Themen: 1 Basisenzymreaktion 2 Michaelis-Menten-Analyse 3 Selbstauslöschende Kinetik
Mehr400 Schwingungen. 410 Pendel 420 Untersuchung von oszillierenden Systemen
4 Schwingungen 41 Pendel 4 Untersuchung von oszillierenden Systemen um was geht es? Schwingungen = Oszillationen Beschreibung von schwingenden Systemen Methoden zur Analyse, Modellierung und Simulation
MehrDifferenzen/Differentialgleichungen Gegenüberstellung und Analogien sneaky, Mai 2007
Differenzengleichung Differentialgleichung 1. Ordnung (konstante Koeff.) Gestalt x n+1 =ax n +b allgemeine Lösung x n = a n x 0 +b((a n -1)/(a-1)) für a 1 oder x n = x 0 +b n für a=1 partikuläre Lösung
MehrNichtlineare Dynamik in biologischen Systemen
Universität Leipzig Fakultät für Physik und Geowissenschaften Bereich Didaktik der Physik 29. August 2006 11 Nichtlineare Dynamik in biologischen Systemen Erster Gutachter: Prof. Dr. Wolfgang Oehme, Universität
MehrLyapunov-Exponenten. Analyse des Langzeitverhaltens ( t ) eines physikalischen Systems:
Analyse des Langzeitverhaltens ( t ) eines physikalischen Systems: - t tritt bei konkreten beobachteten Systemen nicht auf t >> τ (τ: charakteristische Systemzeit) - t: Dauer der Beobachtung, Prognosezeitraum,...
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
MehrDynamische Systeme. Mathematik für Biologen, Biotechnologen und Biochemiker. Angela Holtmann
Mathematik für Biologen, Biotechnologen und Biochemiker 16.7.2008 Das Räuber-Beute-Modell Das Räuber-Beute-Modell Es gibt zwei Arten, wobei die eine Art die andere frisst. 1925: Volterra (Italiener) und
MehrOszillatorgenerierte Wellenphänomene und Zentralmustergeneratoren
Oszillatorgenerierte Wellenphänomene und Zentralmustergeneratoren Christian Schmi 29.01.2013 Literatur: J. D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Überblick 1 Kinetische
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
MehrDifferentialgleichungen
Kapitel 14 Differentialgleichungen Josef Leydold Mathematik für VW WS 2017/18 14 Differentialgleichungen 1 / 41 Ein einfaches Modell (Domar) Im Domar Wachstumsmodell treffen wir die folgenden Annahmen:
MehrDifferenzengleichungen
Universität Basel Wirtschaftswissenschaftliches Zentrum Differenzengleichungen Dr. Thomas Zehrt Inhalt: 1. Einführungsbeispiele 2. Definition 3. Lineare Differenzengleichungen 1. Ordnung (Wiederholung)
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) 10.1 Systemdefinition Eine
MehrStabilitätsfragen bei autonomen Systemen
1 Stabilitätsfragen bei autonomen Systemen M. Schuster 09.08.2006 Inhaltsverzeichnis 1 Allgemeines über autonome Systeme 1 1.1 Oft übliche Bezeichnungen mit Übersetzung.......................... 1 2 Stabilität
MehrMathematische Methoden in der Systembiologie WS 2017/2018
Mathematische Methoden in der Systembiologie WS 2017/2018 Dozent: Dr. M. V. Barbarossa (barbarossa@uni-heidelberg.de) Tutor: M.Sc. D. Danciu (dpdanciu@math.uni-heidelberg.de) /Übung: Di.+Do. 9:15-10:45Uhr,
Mehr( ) Diskretes dynamisches Chaos. 1. Einleitung: Diskrete dynamische Systeme
Diskretes dynamisches Chaos. Einleitung: Diskrete dynamische Systeme Verschiedene Problemstellungen können zu zeitlich diskreten Systemen (Differenzengleichungen) führen: Zinseszinsrechnung: x(n+) = x(n)
MehrPROBEPRÜFUNG MATHEMATIK I UND II
PROBEPRÜFUNG MATHEMATIK I UND II für die Studiengänge Agrar-, Erd-, Lebensmittelund Umweltnaturwissenschaften Für diese Probeprüfung sind ca 4 Stunden vorgesehen. Die eigentliche Prüfung wird signifikant
MehrBifurkationstheorie. 1. Verzweigungen stationärer Zustände
Bifurkationstheorie 1. Verzweigungen stationärer Zustände Die Lage, Anzahl und Stabilität der stationären Zustände von nichtlinearen Systemen hängt in der Regel noch von bestimmten Systemparametern ab.
MehrPoincaré-Schnitte. Ein Vortrag im Rahmen des Proseminars Theoretische Physik von Kai Hühn und Robin Mevert
Poincaré-Schnitte Ein Vortrag im Rahmen des Proseminars Theoretische Physik von Kai Hühn und Robin Mevert Themen 1. Was sind Poincaré-Schnitte?. Anwendung: Poincaré-Schnitte Mathematica-Beispiel: Attraktor
MehrHörsaalübung 6 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 28/29 Dr. Hanna Peywand Kiani Hörsaalübung 6 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Autonome Systeme, Stabilität Die ins
Mehr1 Einführung Vermögenswachstum Unbeschränktes Bevölkerungswachstum Beschränktes (Bevölkerungs)wachstum...
Wirtschaftswissenschaftliches Zentrum 6 Universität Basel Mathematik Dr. Thomas Zehrt Differenzengleichungen Inhaltsverzeichnis 1 Einführung 1.1 Vermögenswachstum.............................. 3 1. Unbeschränktes
Mehr1 Einführung Vermögenswachstum Unbeschränktes Bevölkerungswachstum Beschränktes (Bevölkerungs)wachstum...
Wirtschaftswissenschaftliches Zentrum 1 Universität Basel Mathematik 1 Dr. Thomas Zehrt Differenzengleichungen Inhaltsverzeichnis 1 Einführung 1.1 Vermögenswachstum.............................. 3 1. Unbeschränktes
Mehr1.3 Zweidimensionale Systeme
132 KAPITEL IV. QUALITATIVE THEORIE UND DYNAMISCHE SYSTEME Im Fall a 3 > 0 ist das Gleichgewicht asymptotisch stabil. Für a 2 3 > 4a 1a 2 haben wir < < 0 und es liegt ein stabiler Knoten vor (siehe den
MehrTheorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK. K. Taubert Universität Hamburg SS08
Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK K. Taubert Universität Hamburg SS8 Linearisierung 2 LINEARISIERUNG und das VERHALTEN VON LÖSUNGEN NICHTLINEARER DIFFERENTIALGLEICHUNGEN
MehrLösung - Schnellübung 13
D-MAVT/D-MATL Analysis II FS 7 Dr. Andreas Steiger Lösung - Schnellübung 3. Gegeben sei die Differentialgleichung y + λ 4 y + λ y = 0. Für welche Werte des reellen Parameters λ gibt es eine von Null verschiedene
MehrMathematische Methoden in der Systembiologie Universität Heidelberg, Sommer 2017
Mathematische Methoden in der Systembiologie Universität Heidelberg, Sommer 2017 Dozent: Dr. M. V. Barbarossa (barbarossa@uni-heidelberg.de) Vorlesung+ Übung: Mo/Mi/Fr. 8:15-9:45Uhr, SR 1, INF 205 Termin
MehrSynchronisation in Natur und Technik
Am Beispiel des Kuramoto-Modells Jan Baumbach Christoph Schöler Christian Barthel 2 Inhalt 1. Einleitung 2. Kuramoto-Modell 3. Simulation und Ergebnisse 3 Die Motivation Das Phänomen Synchronisation tritt
MehrZusätzliche Aufgabe 5:
D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas Zusätzliche Aufgabe 5: Populationsmodelle Um die Entwicklung einer Population zu modellieren, gibt es diskrete Modelle, wobei die Zeit t bei diskreten
MehrFloquet-Theorie IV. 1 Hills Gleichung
Vortrag zum Seminar Gewöhnliche Differentialgleichungen, 08.11.2011 Tobias Roidl Dieser Vortrag befasst sich mit der Hills Gleichung und gibt eine Einführung in die Periodischen Orbits von linearen Systemen.
MehrStabilität linearer Differentialgleichungssysteme 1-1
Stabilität linearer Differentialgleichungssysteme Ein lineares homogenes Differentialgleichungssystem mit konstanten Koeffizienten u = Au, u = (u 1,..., u n ) t, ist Stabilität linearer Differentialgleichungssysteme
MehrNichtlineare Dynamik Einführung
Nichtlineare Dynamik Einführung Tobias Kerscher gekürzte Internetversion (ohne fremde Bilder) Sommerakademie Ftan 2004, 13. August Gliederung 1. Def: Nichtlineare Physik 2. Typische Beispiele 3. Dynamische
MehrDer Duffing-Oszillator
11.04.2006 Inhalt Inhalt Erwartung im stationären Fall: eine instabile Ruhelage, zwei asymptotisch stabile Ruhelagen. Inhalt Erwartung im stationären Fall: eine instabile Ruhelage, zwei asymptotisch stabile
MehrDifferentialgleichungen für Ingenieure Lösung Klausur Juli
Technische Universität Berlin Fakultät II Institut für Mathematik SS 0 Dozentin Dr Penn-Karras Assistentin Dr C Papenfuß Differentialgleichungen für Ingenieure Lösung Klausur Juli Rechenteil Aufgabe 8
MehrDifferentialgleichungen I
Differentialgleichungen I Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg 5. Januar 2009 Beachtenswertes Die Veranstaltung
MehrLösungen zu Mathematik I/II
Dr. A. Caspar ETH Zürich, Januar D BIOL, D CHAB Lösungen zu Mathematik I/II. ( Punkte) a) Wir benutzen L Hôpital lim x ln(x) L Hôpital x 3 = lim 3x + x L Hôpital = lim x ln(x) x 3x 3 = lim ln(x) x 3 x
MehrSYSTEMANALYSE 2 Kapitel 7: Zeitdiskrete Modelle
Universität Koblenz-Landau Fachbereich 7: Natur-und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) SYSTEMANALYSE 2 Kapitel 7: Zeitdiskrete Modelle 1. Zeitdiskrete
MehrUniversität Koblenz-Landau Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften
Universität Koblenz-Landau Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes (Lehrbeauftragter) Systemanalyse 2 Kapitel 6: Nichtlineare Modelle Nichtlineare
MehrKlasse WI06b MLAN2 zweite-klausur 13. Juni 2007
Klasse WI6b MLAN zweite-klausur 3. Juni 7 Name: Aufgabe Gegeben sind die beiden harmonischen Schwingungen ( y = f (t) = +3 sin ωt + π ) (), ( 4 y = f (t) = 8 cos ωt + π ) (). 4 a) Bestimmen Sie mit Hilfe
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)
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,
MehrDie Fakultät. Thomas Peters Thomas Mathe-Seiten 13. September 2003
Die Fakultät Thomas Peters Thomas Mathe-Seiten www.mathe-seiten.de 3. September 2003 Dieser Artikel gibt die Definition der klassischen Fakultät und führt von dort aus zunächst zu der Anwendung in Taylor-Reihen
Mehr3 Satz von Fisher Tippett
Theorem 3.1 (Satz von Fisher Tippett; extremal types theorem). Eine Verteilung G ist eine Extremwertverteilung genau dann, wenn es c > 0, d R und γ R gibt mit G(t) = G γ (ct + d). { } Dabei ist G γ eine
MehrD-MAVT/D-MATL Analysis II FS 2017 Dr. Andreas Steiger. Lösung - Serie 26. ẋ 1 = x 1 + 2x ẋ 2 = 2x 1 + x 2
D-MAVT/D-MATL Analysis II FS 07 Dr. Andreas Steiger Lösung - Serie 6. Es ist das folgende autonome System ẋ = x + x + 3 ẋ = x + x von linearen Differenzialgleichungen. Ordung gegeben. Welche der folgenden
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes 6. Nichtlineare Modelle 6.1 Nichtlineare Modelle
MehrFloquet Theorie (III) 1 Verhalten von Lösungen und Der Ljapunov-Exponent
Floquet heorie (III Vortrag zum Seminar zu gewöhnlichen Differentialgleichungen, 25..2 Andreas Schmitz Nachdem Gabriela Ansteeg uns in die heorie eingeführt hat und Sebastian Monschang weitere Vorarbeit
MehrSpezielle Kinetik MC 1.3. Prof. Dr. B. Dietzek. Friedrich-Schiller-Universität Jena, Institut für Physikalische Chemie. Wintersemester 2016/2017
Spezielle Kinetik MC 1.3 Prof. Dr. B. Dietzek Friedrich-Schiller-Universität Jena, Institut für Physikalische Chemie Wintersemester 2016/2017 B. Dietzek/D. Bender Spezielle Kinetik 1 Physikalische Chemie//Master
Mehr4 Die Fibonacci-Zahlen
4 Die Fibonacci-Zahlen 4.1 Fibonacci-Zahlen und goldener Schnitt Die Fibonacci-Zahlen F n sind definiert durch die Anfangsvorgaben F 0 = 0, F 1 = 1, sowie durch die Rekursion F n+1 = F n + F n 1 für alle
MehrStabilität des Golfstroms
Stabilität des Golfstroms Yannis Fürst Seminar: Mathematische Modellierung Seminarleiterin: Dr. Iryna Rybak Universität Stuttgart 11. Mai 2016 Grundlagen der Modellierung Expertenvortrag Modellskizze Beispielmodellierung
MehrPrüfung zur Vorlesung Mathematik III
Dr. A. Caspar ETH Zürich, August 2013 Prof. N. Hungerbühler HST, Lehrdiplom D-MATH Prüfung zur Vorlesung Mathematik III Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle
MehrAufgabenkomplex 4: Vektorfunktionen, Differenzialgleichungen, Eigenwertprobleme
Technische Universität Chemnitz 04. Juni 00 Fakultät für Mathematik Höhere Mathematik I. Aufgabenkomple 4: Vektorfunktionen, Differenzialgleichungen, Eigenwertprobleme Letzter Abgabetermin:. Juni 00 (in
MehrKapitel 6: Erneuerbare natürliche Ressourcen
Kapitel 6: Erneuerbare natürliche Ressourcen Kapitel im Lehrbuch / Inhalt Im Perman: Kapitel 14: The efficient and optimal use of natural resources Kapitel 17: Renewable resources Inhalt der orlesung:
MehrApl. Prof. Dr. N. Knarr Musterlösung , 120min
Apl. Prof. Dr. N. Knarr Musterlösung 3.9.5, min Aufgabe (8 Punkte) Gegeben ist der Körper K : {(x, y, z) R 3 x + 4y, z 3}. Berechnen Sie der Ausfluss von g : R 3 R 3 durch den Rand K mit g(x, y, z) (x
MehrApl. Prof. Dr. N. Knarr Musterlösung , 120min
Apl. Prof. Dr. N. Knarr Musterlösung 4.3.25, 2min Aufgabe ( Punkte) Es sei S := {(x, y, z) R 3 z = x 2 + y 2, z 2}. (a) (6 Punkte) Berechnen Sie den Flächeninhalt von S. (b) (4 Punkte) Berechnen Sie die
MehrETH Zürich Musterlösungen Basisprüfung Sommer 2014 D-MAVT & D-MATL Analysis I & II Prof. Dr. Urs Lang
ETH Zürich Musterlösungen asisprüfung Sommer 14 D-MAVT & D-MATL Analysis I & II Prof. Dr. Urs Lang 1. a I. I n 1 1 e r dr e r 1 e 1. 1 r n e r dr r n e r 1 n r n 1 e r dr e ni n 1, für n 1. b Wegen der
Mehr1-D photonische Kristalle
1-D photonische Kristalle Berechnung der Dispersionsrelation und der Zustandsdichte für elektromagnetische Wellen Antonius Dorda 15.03.09 Inhaltsverzeichnis 1 Einleitung 2 2 Herleitung der Relationen 2
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
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,
MehrEinfache Modelle der Populationsdynamik
Vorlesung 4. Einfache Modelle der Populationsdynamik Wintersemester 215/16 1.11.215 M. Zaks allgemeine vorbemerkungen In kleinen Populationen schwanken die Bevolkerungszahlen stochastisch: Geburt/Tod von
MehrProzesse dieser Art sind in der Informatik z.b. bei der Untersuchung der Auslastung von Servern wichtig (Warteschlangenmodelle).
77 Markowketten 77 Motivation Der Zustand eines Systems zur Zeit n N werde durch eine Zufallsvariable X n beschrieben und soll nur von X n abhängen (nicht jedoch von früheren Zuständen X n, X n 3, ) Wir
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) 7. Zeitdiskrete Modelle 7.1
MehrLösungen zu Übungsblatt 1
Vorlesung Geometrie für Lehramt Gymnasium, Wintersemester 4/5 Lösungen zu Übungsblatt Aufgabe. ( Punkte Beweisen Sie: Jeder reguläre Weg besitzt eine orientierungsumkehrende Parametrisierung nach der Bogenlänge.
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
MehrAufgabenstellung: Explizite gewöhnliche Differentialgleichung 1. Ordnung mit Anfangsbedingung Gesucht ist eine Funktion y = y(x).
I Neunte Übungseinheit Inhalt der neunten Übungseinheit: Gewöhnliche Differentialgleichungen erster Ordnung I. Gewöhnliche Differentialgleichungen erster Ordnung Aufgabenstellung: Explizite gewöhnliche
Mehr2 Die Schritte zum Ziel
2 Die Schritte zum Ziel 2.1 Ein einfaches Modell aufstellen Um zu verstehen, wie ein Segway die Balance hält, betrachten wir ein etwas einfacheres Problem: Wir wollen herausfinden, wie sich ein inverses
MehrDifferenzialgleichungen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen 2. Februar 2015 : Luftdruck Definition e: Populationsdynamik Satz von Picard und Lindelöf Folgerungen/Bemerkungen...von DGLn höherer Ordnung
MehrHyperbolische Erhaltungsgleichungen und die Wellengleichung
Hyperbolische Erhaltungsgleichungen und die Wellengleichung Stefanie Günther Universität Trier 11.November 2010 Stefanie Günther (Universität Trier) Seminar Numerik 1/29 11.November 2010 1 / 29 Inhaltsverzeichnis
MehrTutorium Mathematik I M WM Lösungen
Tutorium Mathematik I M WM Lösungen 3... Durch mehrmaliges Anwenden der Regel von de l Hospital ergibt sich: e e sin() e cos()e sin() sin() cos() e + sin()e sin() cos ()e sin() sin() e + cos()e sin() +
MehrBeispiele: Harmonischer Oszillator und Kastenpotential
Beispiele: Harmonischer Oszillator und Kastenpotential Ramona Wohlleb Mathematische Strukturen der Quantenmechanik Sommersemester 011 1 Der harmonische Oszillator In Analogie zum klassischen harmonischen
MehrGregoire Nicolis/ Ilya Prigogine Die Erforschung des Komplexen
Gregoire Nicolis/ Ilya Prigogine Die Erforschung des Komplexen Auf dem Weg zu einem neuen Verständnis der Naturwissenschaften Deutsche Ausgabe bearbeitet von Eckhard Rebhan Mit 110 Abbildungen T) Piper
MehrProjekt Bakterienkultur
1 Einleitung Projekt Bakterienkultur Mathematische Modellierung I Sommersemster 2010 Anna Aichmayr, Georg Rief, Patrica Walker 1.1 Physikalische Grenzen Dienstag, Juli 13, 2010 Der zu untersuchende Bereich
MehrPrüfung zur Vorlesung Mathematik I/II
Prof. Dr. E. W. Farkas ETH Zürich, Februar 014 BIOL-B HST PHARM Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle MC Total MC Total
MehrDynamik von infektiösen Krankheiten: Epidemiemodelle und AIDS - Teil 4
Dynamik von infektiösen Krankheiten: Epidemiemodelle und AIDS - Teil 4 Patrick Klein 22.01.13 Quelle: J. D. Murray: Mathematical Biology: I. An Introduction, Third Edition, Springer Gliederung 1 Rindertuberkulose
MehrRekursionen (Teschl/Teschl 8.1/8.2)
Rekursionen (Teschl/Teschl 8.1/8.2) treten in vielen Algorithmen auf: Eine Rekursion ist eine Folge von Zahlen a 0, a 1, a 2,.., bei der jedes a n aus seinen Vorgängern berechnet wird: Beispiele a n =
MehrÜbungen zur Vorlesung Mathematik für Chemiker 1
Prof. Dr. D. Egorova Prof. Dr. B. Hartke Lösungen Aufgabe Übungen zur Vorlesung Mathematik für Chemiker WiSe 204/5 Blatt 2 0.-2..204 f( x) = f(x) = gerade f( x) = f(x) = ungerade 8 6 4 2. f ( x) = ( x
Mehr6 Julia-Mengen. 114 Kapitel 2 Konforme Abbildungen
114 Kapitel 2 Konforme Abbildungen 6 Julia-Mengen Sei G C ein Gebiet. Eine holomorphe Abbildung f : G G kann eine holomorphe oder eine meromorphe Funktion auf G sein. Definition. Zwei holomorphe Abbildungen
MehrMathematische Ökologie
Mathematische Ökologie Eine Zusammenfassung von Bernhard Kabelka zur Vorlesung von Prof. Länger im WS 2002/03 Version 1.04, 15. März 2004 Es sei ausdrücklich betont, dass (1) dieses Essay ohne das Wissen
MehrMR Mechanische Resonanz
MR Mechanische Resonanz Blockpraktikum Herbst 2007 (Gruppe 2b) 24. Oktober 2007 Inhaltsverzeichnis Grundlagen 2. Freie, ungedämpfte Schwingung....................... 2.2 Freie, gedämpfte Schwingung........................
MehrRäuber-Beute-Modelle, Auslese/Schwellensatz
Räuber-Beute-Modelle, Auslese/Schwellensatz Mareike Franz und Brigitte Steinhauser 15. Dezember 2008 1 / 37 1 Räuber-Beute-Modelle 2 Prinzip der Auslese durch Wettbewerb 3 Schwellensatz der Epidemiologie
MehrMathematik 1 für Naturwissenschaften
Hans Walser Mathematik 1 für Naturwissenschaften Modul 111 Systeme von Differenzialgleichungen Luchs und Hase Hans Walser: Modul 111, Systeme von Differenzialgleichungen. Luchs und Hase ii Inhalt 1 Lineare
MehrDie inhomogene Differentialgleichung höherer Ordnung.
Die inhomogene Differentialgleichung höherer Ordnung. Ist das Funktionensystem (y 1,..., y n ) ein Fundamentalsystem, so ist die Matrix Y(t) = y (0) 1... y n (0). y (n 1) 1... y n (n 1) eine Fundamentalmatrix
Mehr3 Zweidimensionale dynamische Systeme Oszillationen
3 Zweidimensionale dynamische Systeme Oszillationen Lineare Systeme Ein Beispiel für ein zweidimensionales dynamisches System ist die Gleichung ẍ + ω 2 sin x = 0 für ebene Schwingungen eines reibungsfreien
MehrNr. 4: Pseudo-Zufallszahlengeneratoren
Proseminar: Finanzmathematische Modelle und Simulationen Martin Dieckmann WS 09/0 Nr. 4: Pseudo-Zufallszahlengeneratoren Begriff Pseudo-Zufallszahl Zufallszahlen im Rechner entstehen letztlich immer durch
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung 1 Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform 4 Reelle Fundamentalsysteme Ausblick auf die heutige Vorlesung
MehrÜbungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
Mehr