JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
JGW-SchülerAkademie Papenburg 2011 - Jugendbildung in ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
1.12 Optimierung<br />
gilt: |λi| ≤ 1 und für |λi| = |λj| = 1 λi �= λj bei i ungleich j gilt. Der E<strong>in</strong>fachheit halber<br />
lassen wir den E<strong>in</strong>gang außer Betracht und erhalten x k+1 = Ax k.<br />
Es s<strong>in</strong>d nun drei Fälle zu unterscheiden: Wenn alle Beträge der Eigenwerte von A<br />
echt kle<strong>in</strong>er 1 s<strong>in</strong>d geht x k gegen 0 für e<strong>in</strong> größer werdendes k und das System heißt<br />
asymptotisch stabil. Andererseits falls der Betrag e<strong>in</strong>es Eigenwertes größer als 1 ist würde<br />
x k nicht gegen unendlich gehen, womit das System nicht stabil wäre. Falls ke<strong>in</strong> Betrag<br />
von den Eigenwerten größer 1 ist, aber m<strong>in</strong>destens e<strong>in</strong>er gleich 1 ist, läuft x k weder gegen<br />
0 noch <strong>in</strong>s Unendliche und bleibt damit berechenbar. Dabei müssen alle Eigenwerte<br />
paarweise verschieden se<strong>in</strong>, sonst würde x k gegen Unendlich gehen und wäre damit<br />
nicht stabil.<br />
Im Folgenden befassen wir uns vor allen D<strong>in</strong>gen damit, ob e<strong>in</strong> System asymptotisch<br />
stabil ist oder überhaupt nicht stabil ist. Es ist nun x1 = Ax0; x2 = Ax1 = A 2 x0;<br />
x3 = Ax2 = A 3 x0, also x k = A k x0. Um die Stabilität zu überprüfen müssen wir<br />
Zustände für große k ausrechnen, weshalb wir zunächst jedes A mit A = SΛS −1<br />
diagonalisieren. Dazu müssen wir annehmen, dass A n l<strong>in</strong>ear unabhängige Eigenvektoren<br />
hat, die wir als Spalten der Eigenvektormatrix S schreiben. Nun haben wir<br />
A k = (SΛS −1 )(SΛS −1 )...(SΛS −1 ). Da die Matrizenmultiplikation assoziativ ist, können<br />
wir jeweils S −1 S zur E<strong>in</strong>heitsmatrix zusammenfassen und erhalten A k = SΛ k S −1 . Danach<br />
können wir den Exponenten k von Λ k <strong>in</strong> die Matrix h<strong>in</strong>e<strong>in</strong>ziehen, so dass jeder<br />
Eigenwert den Exponenten k erhält. Nun können wir zum<strong>in</strong>dest schon das Verhalten<br />
der λk i für k gegen Unendlich abschätzen. Sobald der Betrag e<strong>in</strong>es Eigenwertes größer 1<br />
ist, geht die k-te Potenz dieses Eigenwertes ebenfalls gegen unendlich. Wenn aber die<br />
Beträge aller Eigenwerte kle<strong>in</strong>er 1 s<strong>in</strong>d, streben die k-ten Potenzen gegen 0.<br />
Jetzt drücken wir xk anders aus um auch das Verhalten für die xk abzuschätzen. Da wir<br />
n l<strong>in</strong>ear unabhängige Eigenvektoren vi haben, kann jeder Vektor (vor allen D<strong>in</strong>gen x0) als<br />
L<strong>in</strong>earkomb<strong>in</strong>ation der vi geschrieben werden. Also x0 = c1v1 + c2v2 + ... + cnvn mit ci als<br />
Skalaren (reelle Zahlen). Dazu multiplizieren wir A und können wegen Avi = λivi (was<br />
für die n l<strong>in</strong>ear unabhängigen Eigenvektoren gilt) x1 = c1λ1v1 + c2λ2v1 + ... + cnλnvn<br />
schreiben. Mehrmaliges multiplizieren mit A ergibt<br />
x k = c1λ k 1 v1 + c2λ k 2 v1 + ... + cnλ k nvn.<br />
Solange also bei e<strong>in</strong>em Eigenwert, dessen Betrag größer als 1 ist, der zugehörige<br />
konstante Faktor nicht 0 ist, strebt x k gegen Unendlich und ist damit <strong>in</strong>stabil. Wenn alle<br />
Beträge der Eigenwerte kle<strong>in</strong>er als 1 s<strong>in</strong>d, strebt x k gegen 0 und ist damit asymptotisch<br />
stabil. In der Literatur wird der Begriff stabil oft gleichbedeutend mit asymptotisch stabil<br />
verwendet.<br />
1.12 Optimierung<br />
Die statische Optimierung e<strong>in</strong>er Funktion f (x), f : R n −→ R zielt darauf ab das M<strong>in</strong>imum<br />
oder Maximum (den »optimalen Wert«) dieser zu ermitteln. Im Gegensatz zur<br />
optimalen Steuerung, die versucht e<strong>in</strong> dynamisches System bestmöglich zu steuern,<br />
23