Liapunow-Exponenten
Dissertation
zur Erlangung des Doktorgrades
der Fakultät für Mathematik der Universität Bielefeld
vorgelegt von
Alexander Lust
hes Interesseerwiesen haben, bedanken.
In erster Linie danke i h meinem Mentor Prof. Dr. Wolf-Jürgen Beyn, der
Verantwortung fürmi h übernommen hat, für dievielfältigeUnterstützung,
wi htige Hinweise und Anregungen.
I h danke au h Vera Thümmler für ihre Tipps zu der Auswertung
numeri-s her Ergebnisse und Erstellung vonBildern.
Der Deuts hen Fors hungsgemeins haft bin i h dankbar für das
Doktoran-denstipendium imRahmen des Graduiertenkollegs
Strukturbildungsprozes-se, über dasder Groÿteilder Arbeitander vorliegendenDissertation
nan-ziert wurde. Für dieans hlieÿende Förderungdanke i h SFB701 Spektrale
Strukturen und topologis he Methoden in der Mathematik.
Für dieUnterstützunginallenLebenslagen mö htei hmi hbeimeiner
gan-zen Familie bedanken insbesondere bei meiner Frau Natalia, diealle Höhen
Einleitung 3
1 Methoden zur Bere hnung von Liapunow-Exponenten 7
1.1 Theoretis he Grundlagen . . . 7
1.2 Bildung zeitli her Dur hs hnitte, diskrete QR-Methode . . . . 9
1.2.1 Eindeutige QR-Zerlegung . . . 9
1.2.2 Diskrete QR-Methode . . . 10
1.3 Räumli he Integrationsmethoden . . . 12
1.3.1 Räumli he Integration mit Hilfe der
Oselede -Zerleg-ung (na h G.Froyland) . . . 13
1.3.2 Zeitli h-räumli he Methode von Aston & Dellnitz . . . 15
1.4 Hybride Methode . . . 18
2 Hilfsmittel- das äuÿere Produkt 21
2.1 Notationen, Denitionen und primäre Eigens haften . . . 21
2.2 Äuÿeres Produkt und dieeindeutige QR-Zerlegung . . . 26
3 Liapunow-Exponenten 29
3.1 Typzahlen und Liapunow-Exponenten für Matrizenprodukte . 30
3.2 Regularität und der Satz vonOselede . . . 38
3.3 Liapunow-Exponenten höherer Ordnung . . . 40
4 Analyse der Fehlerentwi klung 47
4.1 Analyse mit Hilfe der Oselede -Zerlegung . . . 48
4.2 Erweiterung des Hyperbolizitätsbegries . . . 59
4.3 Zur Analyse der Zeitli h-Räumli hen Integration na h Aston
&Dellnitz . . . 69
5 Numeris he Beispiele 75
5.1 Bere hnung von Liapunow-Exponenten,
5.1.2 Auswirkungen der numeris hen Approximation. . . 78
5.2 Hénon-Abbildung . . . 82
5.2.1 Approximation des Attraktorsund des Maÿes . . . 82
5.2.2 Bere hnung von Liapunow-Exponenten . . . 87
5.3 Das Lorenz-System . . . 98
Oene Fragen 107
Symbolverzei hnis 109
Die Dynamik einer diskreten Evolutionsglei hung
x
n+1
= g(x
n
) ,
n = 0, 1, 2
· · · ,
g : R
d
−→ R
d
(1) istmaÿgebli hdur hihreLiapunow-Exponenten1
geprägt.Beispielsweise
ha-rakterisiert der gröÿteLiapunow-Exponent
λ
1
, der si h mittelsλ
1
= lim
n→∞
1
n
log
kD g
n
(x)
k
bere hnenlässt, 2diedur hs hnittli heexponentielleRatederDivergenzbzw.
Konvergenz von dur h (1) erzeugten Folgen. Auÿerdem können mit Hilfe
von Liapunow-Exponenten unter anderem sol he Gröÿen wie
maÿtheoreti-s he Entropie bzgl. eines natürli hen (invarianten) Maÿes (siehe [7℄) sowie
dieHausdor-DimensiondesAttraktors 3
abges hätztbzw.bestimmtwerden.
Numeris he Verfahren zur Bere hnung der Liapunow-Exponenten kann
man imwesentli hen inzweiKlassen unterteilen: Methoden, dieaufder
Bil-dung eines zeitli hen Dur hs hnitts entlang einer Trajektorie
{x
n
}
n∈N
vong
basieren, undVerfahren, diezur AuswertungvonLiapunow-Exponenten einräumli hes Mittelbenutzen.
ZudererstenKlassezählendiediskretenunddiekontinuierli hen
QR-Metho-den (siehez.B. [16℄,[24℄, [29℄,).Diese Verfahren sind relativlei ht zu
imple-mentieren(insbesonderediediskreteMethode)underlaubendieAuswertung
beliebig vieler Exponenten, haben jedo h den Na hteil, dass die Re hnung
1
Die harakteristis henZahlen,späterdie Liapunow-Exponenten genannt,fürdie
Lö-sungen vonautonomen gewöhnli henDierentialglei hungen
˙x = f (x)
wurdenvonA.M. Liapunow in seinerDissertation [28℄ imJahre 1892 eingeführt. Die Existenz derLiapu-now-Exponenten wurde unter sehrallemeinen Bedingungen vonV.I. Oselede [30℄ über
siebzigJahre späterpräsentiert.
2
Mit
Dg
n
(x)
wirddieAbleitungder
n
-tenIterationg
n
derAbbildung
g
beix
bezei hnet undk · k
isteineMatrixnorm.3
FürdenzweidimensionalenFall
g
: R
2
→ R
2
siehe[37℄.BeihöherenDimensionenwird
oftdieKaplan-YorkeVermutung (siehe[20℄)verwendet,umausden
kann (siehe [5℄).
In den letzten Jahren wurden einige numeris he Verfahren zur Bere hnung
des dominanten Liapunow-Exponent
λ
1
entwi kelt, die auf der räumli hen Integration basieren (siehe z.B. [5℄, [21℄ und ihre Referenzen). Die Vorteiledieser Methoden gegenüber der Bildung des zeitli hen Dur hs hnitts
beste-hen u.a. in der Unabhängigkeitvonder gewähltenTrajektorie
{x
n
}
n∈N
bzw. von dem Anfangswertx
0
. Auÿerdem kann der Re henaufwand in einigen Fällen(siehe [4℄) reduziert werden.Man muss jedo h beidieser ArtderVer-fahren eininvariantes Maÿ,überdas späterintegriertwird,ausre hnen bzw.
approximieren,wasdieKomplexitätder Implementierungerhöht.Auÿerdem
istdieseMethodeinderin[5℄,[21℄formuliertenFormnurzurApproximation
des gröÿtenbzw. des kleinsten Liapunow-Exponenten geeignet.
DasZieldieserArbeitistdieEntwi klungundAnalyseeinesnumeris hen
Verfahrens, das uns ermögli ht, eine beliebige Anzahl von
Liapunow-Expo-nenten unter der Anwendung der räumli hen Integration zu bere hnen. Da
hierbeidiediskrete QR-Methode mitder räumli hen Integration kombiniert
wird, nennen wir dieMethode hybrid.
DieUnterteilung dieserArbeitistdiefolgende: Im1. Kapitelwerden
zu-nä hsteinigewi htigenGrundlagenzuLiapunow-Exponenteneinesdiskreten
endli hdimensionalen dynamis hen Systems angegeben. In den Abs hnitten
1.2 und 1.3 bes häftigen wir uns mit den folgenden bereits bekannten
Ver-fahren zur Approximation vonLiapunow-Exponenten:
•
der weitverbreitetendiskretenQR-Methode (siehe[16℄,[24℄oder[29℄);•
demvonG.Froylandundanderen[21℄entwi keltenräumli hen Verfah-ren, das zur Approximation der extremen (des gröÿten und desklein-sten) Liapunow-Exponenten verwendet werden kann;
•
unds hlieÿli hmitderzeitli h-räumli henMethodevonJ.P.Astonund M. Dellnitz [4℄, [5℄zur Bere hnung des gröÿtenLiapunow-Exponentenλ
1
.Für das zuletzt genannte Verfahren wird au h eine Konvergenzaussage
for-muliert, diespäter im entspre henden Teildes 4. Kapitelsbewiesen wird. 4
Im letzten Abs hnitt des ersten Kapitels wird die neue hybride
Metho-de präsentiert, dieden wi htigstenalgorithmis hen Beitragder vorliegenden
Arbeit liefert.Siestellt eine ArtSynthese des QR-Algorithmusund des
Ver-fahrens von Aston und Dellnitz dar. Die Ideedieser Methode besteht in der
4
DerBeweisderKonvergenzaussagein[5℄enthältausmeinerSi hteinige
Auswertungderbezügli heinesinvariantenMaÿes
µ
(imIdealfalleines SRB-Maÿes [15℄, [34℄) gebildetenIntegralfolge1
n
Z
ln R
ii
(Dg
n
(x))dµ i = 1,
· · · , d ,
(2) wobeimitR(Dg
n
(x))
dieR-KomponentedereindeutigenQR-Zerlegung
(sie-he [25℄) der Matrix
Dg
n
(x)
bezei hnet wird und mit
R
ii
(Dg
n
(x))
ihr
i
-ter Diagonaleintrag.Dieunter (2) angegebeneFolge approximiert deni
-ten Lia-punow-Exponentenλ
i
des Systems (1) füri = 1,
· · · , d
. Dieser Abs hnitt enthält au heinen Konvergenzsatz zum hybriden Verfahren, fürdessenVor-aussetzungenhinrei hendeBedingungenim3.Kapiteldiskutiertwerden.
Au-ÿerdemwerdenAbs hätzungenzuderEntwi klungdesFehlersderFolgen(2),
die im4. Kapitelbewiesen werden.
Inden nä hsten dreiKapitelnbes häftigenwir uns (direktoderindirekt)
mit der Analyse der hybriden Methode: Zunä hst wird im 2. Kapitel eine
Koordinatendarstellung des äuÿeren Produktes von Vektoren aus
R
d
sowie
der äuÿeren Potenzen vonreellen
d
× d
-Matrizenund ihre Eigens haften be-tra htet. DiesesMaterial erlei htert uns dieweitere Analyse.Im 3. Kapitel werden die Voraussetzungen des im Abs hnitt 1.4
enthalte-nen Konvergenzsatzes für die hybride Methode veriziert. Zu diesem Zwe k
werdenimAbs hnitt3.1einigeTeilederArbeit[30℄vonOselede
na hvollzo-gen. 5
Über die Anwendung einer im Abs hnitt 3.2 angegebenen Version des
Satzes vonOselede auf äuÿerePotenzen der Matrizen
Dg
n
(x)
kommen wir
imAbs hnitt3.3zueiner hinrei henden Bedingung,unter derdie
Vorausset-zungen des besagten Konvergenzsatzes erfüllt sind.
Weiter befassen wir uns mit der Entwi klung von Fehlertermen der Folgen
(2). Dafür ziehen wir imersten Abs hnitt des 4.KapitelsResultate von [21℄
sowie einige Ansätze aus [5℄ hinzu. Als äuÿersthilfrei h bei der Analyse der
hybriden Methode erweist si h die Nutzung des äuÿeren Produktes für die
Darstellungvon
R
ii
(Dg
n
(x))
.Beispeziellendynamis henSystemenführtuns
dieser Ansatz zu einerEntwi klung des Fehlers der hybriden Approximation
des
i
-ten Liapunow-Exponentenλ
i
in der folgenden Form1
n
Z
ln R
ii
(Dg
n
(x))dµ = λ
i
+
C
i
n
+ o
1
n
,
i = 1,
· · · , d,
(3)wobei
C
i
eine nurvoni
abhängige Konstantebezei hnet.EineVers härfungderKonvergenzaussagezuderFehlerentwi klungerrei hen
5
DiegenannteArbeit[30℄lässt si hwegenihrerStrukturaneingenfürunsrelevanten
1
n
Z
ln R
ii
(Dg
n
(x))dµ = λ
i
+
C
i
n
+ o
e
−θ
i
n
n
,
wobei
θ
i
> 0
nurvoni
abhängig ist.Dabei wird eine spezielle Artder T ren-nungvoneinzelnenLiapunow-Exponentenvorausgesetzt,diewiralsλ
i+1
−λ
i
Hyperbolizität bezei hnen, wobeiλ
i+1
undλ
i
zwei bena hbarte Liapunow-Exponenten sind. Dieλ
i+1
− λ
i
Hyperbolizitätstellt eine Verallgemeinerung des Begriesder glei hmäÿigen (uniformly) Hyperbolizität dar.6
Beendet wird das 4. Kapitel mitdem Beweis der Konvergenzaussage zu der
zeitli h-räumli henMethode vonAston und Dellnitz, dieimAbs hnitt 1.3.2
formuliertwurde.
Im 5.Kapiteltesten wir das hybride Verfahren ander Hénon-Abbildung
und dem Lorenz-System. Dabei werden inersten Abs hnitt des Kapitels die
in [4℄, [5℄ vorges hlagenen Extrapolationsmögli hkeiten für die Folgen der
Form (3) diskutiert.
Es zeigt si h am Beispiel der Hénon-Abbildung, dass die hybride Methode
selbst für den gröÿten Liapunow-Exponenten s hneller konvergiert als die
Matrixnorm-Methode von Aston & Dellnitz, in der
ln
kDg
n
(x)
k
bezügli h
des invarianten Maÿes integriert wird. Man sollte jedo h festhalten, dass
die hybride Methode, wenn man diese alleine zur Bere hnung des
dominan-tenLiapunow-Exponentenbenutzt,eineSpezialformdes in[6℄bes hriebenen
Verfahrens ist.
6
Eine Denition von glei hmäÿighyperbolis hen Mengen ndet man z.B. in [27℄, [7℄
oder[31℄.In[27℄wirddieDenitionderexponentiellenAufspaltung(exponentialsplitting,
(λ, µ)
splitting)angegeben,diein einerdirektenBeziehungzudem Begriderλ
i+1
− λ
i
Hyperbolizitätsteht.IndergenanntenQuellewirdjedo hhauptsä hli heinespezielleArtder Aufspaltung untersu ht, die zu dem Begri der glei hmäÿigen Hyperbolizität führt
Methoden zur Bere hnung von
Liapunow-Exponenten
Im ersten Teil dieses Kapitels wird eine spezielle Version des Satzes von
Oselede [32℄,diediezentralenEigens haftenvonLiapunow-Exponenten
be-s hreibt, angegeben und erläutert. Die darauolgenden Abs hnitte 1.2 und
1.3 bes häftigen si h mit einigen bereits bekannten Methoden zur
nume-ris hen Bere hnung von Liapunow-Exponenten. Im Abs hnitt 1.4 wird die
neuentwi kelte hybride Methode und eine Konvergenzaussage zu dieser
prä-sentiert.
1.1 Theoretis he Grundlagen
In dieser Arbeit werden hauptsä hli h diskrete dynamis he Systeme auf
ei-ner endli hdimensionalen glatten Mannigfaltigkeit
M
betra htet. Diese sind dur h eine invertierbare AbbildungaufM
induziert:g : M
→ M .
(1.1)DieDynamik(bzw.zeitli heTransformationoder BewegungeinesZustandes
x
∈ M
) wird in diesem Fall dur h die na heinander folgenden Iterationen vong
deniert:g
n
(x) =
x ,
n = 0
g
◦ g
n−1
(x) ,
n = 1, 2,
· · ·
g
−1
◦ g
n+1
(x) , n =
−1, −2, · · ·
(g
n
(x)
-istalsder Zustand des Systemszum Zeitpunkt
n
beidem StartwertPunkt
x
¯
, mitγ(¯
x)
bezei hnet, ist dieMenge aller Zustände inM
, dievonx
¯
aus imLaufeder Bewegung errei hbar sind. Alsoistγ(¯
x) =
{g
n
(¯
x)
| n ∈ Z}
.
Die Liapunow-Exponenten sind endogene Gröÿen des auf diese Weise
be-s hriebenen dynamis hen Systems. Mit deren Hilfe kann man zum Beispiel
dieexponentielleDivergenzvonbena hbartenTrajektorien
γ(¯
x)
undγ(¯
x+ε)
untersu hen. Die Existenz von Liapunow-Exponenten si hert der folgendeSatz (siehe z.B. [32℄).
Satz 1.1.1 (Oselede , 1968) Sei
g
einC
1
-Dieomorphismus auf einer
kompakten glatten Riemanns hen Mannigfaltigkeit
M
von der Dimensiond
undµ
ein ergodis hes Maÿ darauf. Dann gibt es eine Borels he TeilmengeM
µ
⊂ M
, so dassg(M
µ
) = M
µ
undµ(M
µ
) = 1
gilt, mit folgenden Eigen-s haften.(i) Es existieren natürli he Zahlen
d
1
,
· · · , d
s
(s
≤ d
) mitP
s
i=1
d
i
= d
(ii) Für jedes
x
∈ M
µ
gibt es eine messbare Zerlegung des Tangentialrau-mesT
x
M =
L
s
i=1
W
i
(x)
mitdim W
i
(x) = m
i
undD g(x) (W
i
(x)) =
W
i
(g(x))
(iii) Es existieren reelle Zahlen
λ
1
> λ
2
> . . . > λ
s
derart,dasslim
n→∞
1
n
log
kDg
n
(x)v
k = λ
m
(1.2) für allev
∈
L
s
i=m
W
i
(x)
mitv /
∈
L
s
i=m+1
W
i
(x)
undx
∈ M
µ
gilt. Dieser Satz ist eine spezielle Form des multiplikativen Ergodensatzes vonOselede (siehe [30℄). Eine allgemeinere Form des Satzes 1.1.1 wird au h in
dieser Arbeit (Kapitel3.2) angegeben.
Anmerkungen
(i) Die Punkte aus
M
µ
werden als (Liapunow-)regulär bezei hnet. (ii) Die ZerlegungT
x
M =
L
s
i=1
W
i
(x)
in invariante Vektorräume nennt man die Oselede -ZerlegungvonT
x
M
.(iii) DieZahlen
λ
1
,
· · · , λ
s
heiÿen dieLiapunow-Exponenten(au h harakte-ristis heZahlen genannt) vomSystem (1.1) bezügli hµ
.(iv)
d
i
istdie Vielfa hheitvonλ
i
(i = 1,
· · · , s
).(v) DergröÿteLiapunow-Exponent
λ
1
kann au hmittelseinerMatrixnormλ
1
= lim
n→∞
1
n
ln
kD g
n
(x)
k µ −
f.ü (1.3)QR-Methode
Eines der gebräu hli hsten Verfahren, das auf der Auswertung eines
zeitli- hen Dur hs hnitts entlang einer Halbtrajektorie
{x
n
}
n∈N
mitx
n
= g
n
(x)
basiert, ist die diskrete QR-Methode (siehe [16℄, [24℄ oder [29℄). Mit diesem
Verfahren kann manbeliebigvieleLiapunow-Exponenten des gegebenen
Sy-stems bere hnen. Einweiterer Pluspunkt dieserMethode ist dieEinfa hheit
der Implementierung.
1.2.1 Eindeutige QR-Zerlegung
Sei
M = Q(M)R(M)
die eindeutige QR-Zerlegungeiner invertierbaren Ma-trixM
∈ R
d×d
(C
d×d
)
, das heiÿt:
• Q(M) ∈ R
d×d
ist orthogonal(unitär);
• R(M) ∈ R
d×d
ist eine obere Dreie ksmatrix, mit positiven (reellen)
Diagonaleinträgen.
DieseZerlegungerhältmanz.B.mitdem(modizierten)Gram-S hmidt
Ver-fahren (siehe [25℄). Wegen
kMvk = kR(M)vk
für allev
∈ R
d
istlim
n→∞
1
n
ln
kDg
n
(x)v
k = lim
n→∞
1
n
ln
kR (Dg
n
(x)) v
k .
Damit ist es mögli h anstatt der zeitli hen Evolution von
Dg
n
(x)
zu
verfol-gen, die Entwi klung von
R (Dg
n
(x))
zur Bere hnung von
Liapunow-Expo-nenten zu benutzen.
Genauere Informationen über den Zusammenhang zwis hen den
Liapunow-Exponenten vomSystem (1.1)und der R-Komponenteseiner Linearisierung
R (Dg
n
(x))
liefertuns der folgende Satz.
Satz 1.2.1 1
Mit
λ
1
,
· · · , λ
d
bezei hne man die Liapunow-Exponenten mit ihrer Vielfa hheit. Unter den Voraussetzungen des Satzes von Oseledeexi-1
DieserSatzstellteinenTeildesSatzesvonLiapunowdar,adaptiertfürdiediskreten
stiert für
x
∈ M
µ
eine Permutationπ
x
mitλ
π
x
(i)
= lim
n→∞
1
n
ln R
ii
(Dg
n
(x))
füri = 1,
· · · , d
.Der Satz wird später in einer allgemeinerenForm bewiesen (siehe den Satz
3.1.10).
1.2.2 Diskrete QR-Methode
Um die Liapunow-Exponenten von (1.1) zu bere hnen, geht man
folgender-maÿen vor:
Als Startwert
Z
0
∈ R
d×d
nehme man 2
Z
0
= I
d
und setze weiter die Folge{Z
n
}
n∈N
0
wie folgtfort:Z
n+1
:= Dg(g
n
(x)) Q(Z
n
) ,
n
∈ N
0
,
wobei
Q(Z
n
)
der Q-Faktor der eindeutigen QR-ZerlegungvonZ
n
ist:Z
n
= Q(Z
n
)R(Z
n
) n
∈ N
0
Das folgende Lemma wird fürein beliebiges
Z
0
bewiesen. Lemma 1.2.2 SeiDg
n
(x)Z
0
= Q (Dg
n
(x)Z
0
) R (Dg
n
(x)Z
0
)
, dannistR (Dg
n
(x)Z
0
) =
0
Y
j=n
R(Z
j
)
undQ (Dg
n
(x)Z
0
) = Q(Z
n
)
fürn
∈ N
0
, Beweis:Induktion über
n
: Die Fällen = 0, 1
sind klar. Weiter giltmitder InduktionsannahmeDg
n+1
(x)Z
0
= Dg (g
n
(x)) Dg
n
(x)Z
0
= Dg (g
n
(x)) Q(Z
n
)
0
Y
j=n
R(Z
j
) =
2Von derIdentität abwei hendeStartwertekönnennur dann sinnvollsein, wenn man
nur einige Liapunow-Exponenten bere hnen mö hte(siehe weiterunten) und dabei über
genauereKenntnisseüberdie Oselede -Zerlegungvon
T
x
M
verfügt.Dies ist aberin der Regelni htderFall.= Z
n+1
0
Y
j=n
R(Z
j
) = Q(Z
n+1
)R(Z
n+1
)
0
Y
j=n
R(Z
j
) = Q(Z
n+1
)
0
Y
j=n+1
R(Z
j
).
DaQ(Z
n+1
)
orthogonal undQ
0
j=n+1
R(Z
j
)
von der oberen Dreie ksgestalt mitpositiven Diagonaleinträgenist,folgtdieBehauptungausderEindeutig-keitder Zerlegung.
Dawir aber
Z
0
= I
d
gesetzthaben,istDg
n
(x)Z
0
= Dg
n
(x)
undR
0
= I
d
. Also istR (Dg
n
(x)) =
1
Y
j=n
R(Z
j
)
fürn
∈ N
Mit dem Satz 1.2.1 haben wir dann
λ
π
x
(i)
= lim
n→∞
1
n
ln
1
Y
j=n
R
ii
(Z
j
) = lim
n→∞
1
n
n
X
j=1
ln R
ii
(Z
j
)
(1.4) für eine Permutationπ
x
.Sind wir nuran einigen (meistens gröÿten) Liapunow-Exponenten
inter-essiert, so ist es sinnvoll dies hlanke 3
QR-Zerlegung zu benutzen, denn der
Re henaufwand (in Flops) zur Dur hführung der QR-Zerlegung hängt
qua-dratis h (siehe [25℄) von der Anzahl der Spalten der zu zerlegenden Matrix
ab. In unserem Fallheiÿtesvonder Zahl dergesu hten
Liapunow-Exponen-ten.
Um
m
Liapunow-Exponentenzubere hnen,deniertmandieFolge{Z
m
n
}
n∈N
folgendermaÿen:
Wähle einen Startwert
Z
m
0
∈ R
d×m
mit(Z
m
0
)
T
Z
0
m
= I
m
(inder Regel nimmt man die erstenm
Spaltender EinheitsmatrixI
d
) und setze weiterZ
m
n+1
:= Dg(g
n
(x)) Q(Z
n
m
) ,
n
∈ N
0
,
wobei
Q
n
(Z
m
n
)
der Q-Faktor der eindeutigen s hlanken QR-ZerlegungZ
n
=
Q(Z
m
n
)R(Z
n
m
)
(n
∈ N
) ist. D.h.,Q(Z
m
n
)
∈ R
d×m
hat orthonormale Spal-ten undR(Z
m
n
)
∈ R
m×m
ist von der oberen Dreie ksgestalt mit positiven (reellen)Diagonaleinträgen.Derπ(i)
-te Liapunow-Exponentλ
π(i)
(mit einer geeigneten Permutationπ
kann dann alsλ
π(i)
= lim
n→∞
1
n
ln
1
Y
j=n
R
ii
(Z
j
m
) = lim
n→∞
1
n
n
X
j=1
ln R
ii
(Z
j
m
)
3Diese Zerlegung erhält man ebenso mit Hilfe des bereits erwähnten modizierten
In meisten Fällen kann angenommen werden, dass
π = id
ist (dazu etwas später imKapitel 3.3). Dies bestätigen au h diepraktis hen Re hnungen.1.3 Räumli he Integrationsmethoden
Neben den im letzten Abs hnitt genannten Vorteilen der Bere hnung von
Liapunow-Exponenten mit der diskreten QR-Methode wie die Einfa hheit
der Implementierungund dieMögli hkeit der Approximation beliebig vieler
Liapunow-Exponenten, hatdieseMethode(wieau halleaufder Bildungder
zeitli hen Dur hs hnitte basierende Verfahren) einige Na hteile:
•
Die Formel (1.2) (also au h (1.4)) gilt nurµ
-fast überall für das gege-bene ergodis he Maÿµ
.•
In den genannten Formeln sind Liapunow-Exponenten als zeitli he Grenzwerte angegeben. Es ist also notwendig Langzeittrajektorien zubere hnen. Dies ist aber aus numeris her Si ht problematis h, weil
dieAufhäufung der Rundungs-bzw. Approximationsfehlersignikante
Auswirkungen auf das Resultat haben kann.
•
EsexistierenkeineAussagen(soweitesdemAutorbekanntist)überdie Konvergenzges hwindigkeit der QR-Verfahren.Also gibt es au h keineKriterien zumAbbru hder Bere hnungen, wasdazuführen kann, dass
diese zu frühgestoppt werden.
Die Anwendung der räumli hen bzw.der zeitli h-räumli henIntegration zur
Bere hnung von Liapunow-Exponenten beseitigt (zum Teil) die
bes hriebe-nen Na hteile der Bildung von zeitli hen Dur hs hnitten. Die räumli he
In-tegration setzt aber dieBestimmung des Attraktors des gegebenen Systems
und eines invarianten Maÿes darauf voraus, wasdiese Verfahren
komplizier-ter ma ht.
Eine eektiveMethodezurApproximationvonAttraktorenundzugehörigen
invarianten Maÿenfür haotis he dynamis he Systemewurdein[5℄
bes hrie-ben. Die Idee dieser Methode ist diefolgende:
•
Zuerst wird eine Überde kung des Attraktors gefunden. Dies wird mit Hilfe des Unterteilungsalgorithmus(Subdivision Algorithm,siehe [14℄)bzw. einer seiner Variationen realisiert.
Am Anfang der Re hnung hat man eine grobe Überde kung des
At-traktors (inder Regel eine Box), die S hritt für S hritt dur h die
Am Ende hat man eine Boxenkollektion
{A
n
}
K
n=1
, die als eine Appro-ximation des gesu hten Attraktors dienensoll.•
Dur h dieBoxenüberde kung des Attraktorserhält maneine Diskreti-sierung des Perron-Frobenius Operators inForm einer MatrixP
mitP
i,j
=
m(A
j
)
∩ g
−1
(A
i
)
m(A
j
)
i, j
∈ {1, · · · , K},
wobei mit
m
das Lebesgue Maÿ bezei hnet wird. Eine Approximati-onµ
˜
des invarianten Maÿesµ
auf dem Attraktor ist dur h den zum Eigenwert+1
korrespondierenden normierten Eigenvektorρ
der Ma-trixP
gegeben. D.h., das approximative Maÿµ
˜
auf dem von{A
n
}
K
n=1
erzeugten Ringwird dur h
µ
˜
i
= ˜
µ(A
i
) = ρ
i
deniert.DieseMethode miteinigenVariationen(siehe[13℄)wurdeindem
Programm-paket GAIO 4
von der Gruppe um M.Dellnitz und O.Junge von der
Univer-sität Paderborn realisiert.
NungehenwirzudenMethodenzurBere hnung vonLiapunow-Exponenten,
die aufder räumli hen Integration basieren, über.
1.3.1 Räumli heIntegration mit Hilfeder
Oselede -Zer-legung (na h G.Froyland)
In den Arbeiten [21℄, [22℄ wurde der Vors hlag gema ht, die
Liapunow-Ex-ponenten mittelsräumli her Integration mitHilfe vonOselede -Vektoren zu
bere hnen.Da wirdieindengenannten Arbeitenenthaltene Resultatesowie
die dort eingeführte Notation nutzen werden, wollen wir an dieser Stelle
ausführli hdarauf eingehen.
Wirbetra htendasfolgendedynamis heSystemaufeiner
d
-dimensionalen glatten abges hlossenen reellen UntermannigfaltigkeitM
:g : M
→ M, g
einC
1
-Dieomorphismus
, µ
ergodis h. (1.5) Dieses System genügt den Voraussetzungen des Satzes 1.1.1.Also hat esaufeiner Borels hen Menge
M
µ
vom vollen Maÿ die konstanten Liapunow-Ex-ponentenλ
1
> . . . > λ
s
(s
≤ d
). Es wird für die Oselede -Zerlegung des4
SiehedieWebsitehttp://www-math.upb.de/
∼
agdellnitz/Software/gaio.htmlfürmehr InformationenzuGAIO.Tangentialraumes
T
x
M =
L
s
i=1
W
i
(x)
angenommen, dass die UnterräumeW
i
(x)
eindimensionalsind:
dim W
i
(x) = 1
für
i = 1,
· · · , d
(alsos = d
)µ
−
f.ü. (1.6) Mitw
i
(x)
bezei hneeinenauf1normiertenVektorausdemUnterraumW
i
(x)
für
i = 1,
· · · , d
, so dass{w
i
(x)
| x ∈ M
µ
}
ein messbares Vektorfeld füri = 1,
· · · , d
ist. Danngiltwegen der InvarianzvonW
i
(x)
unter
g
Dg(x)w
i
(x) = a
(i)
(x)w
i
(g(x)),
(1.7) wobeia
(i)
(x)
einSkalarist.Für dieauf diese Weise denierten Abbildungen
a
(i)
: M
µ
→ R
gilta
(i)
(x) =
± kDg(x)w
i
(x)
k i = 1, · · · , d .
und damit sind
a
(i)
(
·)
füri = 1,
· · · , d
messbar wegen der Stetigkeit vonDg(
·)
und der Messbarkeit vonw
i
(
·)
,i = 1,
· · · , d
. Weiter erhalten wir aus (1.7) perInduktionDg
n
(x)w
i
(x) =
0
Y
j=n−1
a
(i)
(g
j
(x))w
i
(g
n
(x)) .
Daraus folgtmitdem Satz vonOselede (Satz1.1.1)
λ
i
=
lim
n→∞
1
n
ln
kDg
n
(x)w
i
(x)
k
=
lim
n→∞
1
n
ln
0
Y
j=n−1
a
(i)
(g
j
(x))
kw
i
(g
n
(x))
k
|
{z
}
=1
=
lim
n→∞
1
n
n−1
X
j=0
ln
a
(i)
(g
j
(x))
.
Die Anwendung des Birkhos hen Ergodensatzes (siehe [32℄) liefertuns
λ
i
= lim
n→∞
1
n
n−1
X
j=0
ln
a
(i)
(g
j
(x))
=
Z
ln
a
(i)
(x)
dµ .
Mit der Denition von
a
(i)
(x)
folgtaus der letztenGlei hung
λ
i
=
Z
Bei der Kenntnis von
w
i
(x)
lässt si h alsoλ
i
als ein räumli hes Mittel aus-werten.DasHauptproblemdiesesVerfahrensistdieApproximationdergenannten
Vektorfelder. In [21℄ wird die folgende Vorgehenweise zur Bere hnung des
gröÿten Liapunow-Exponentes
λ
1
vorges hlagen:•
Man iterierex
∈ M
µ
rü kwärts in der Zeitk
mal (k
≈ 4
) und erhalte eine Folge von Punkteng
−1
(x),
· · · , g
−k
(x)
.
•
Für einv
∈ T
x
M
werte das ProduktDg(g
−1
)
· . . . · Dg(g
−k
)v
aus.
•
Das auf1normierteder Ergebnisder imletztenPunkt dur hgeführten Multiplikationv(x)
¯
wird alsApproximation fürw
1
(x)
genommen. Zur Bere hnung des zu dem kleinsten Liapunow-Exponent gehörenden Vek-torfeldes
w
d
(x)
wird dieses Verfahren auf die inverse Abbildungg
−1
ange-wendet.
Das Problem der praktis hen Bere hnung von
w
i
füri
∈ {2, · · · , d − 1}
ist na h meinen Kenntnissen ni ht gelöst. Au h füri = 1
(bzw.i = d
) ist die bes hriebene Bere hnung des Vektorfeldes in einigen Fällen kritis h (siehe[22℄).
Einezu derangegebenenalternativeVorgehensweise zurBere hnungder F
el-der
w
1
(x)
undw
d
(x)
(die aus meiner Si hteinbesserestheoretis hes F unda-ment hat, aberre hneris h aufwendiger ist)istin [12℄ bes hrieben.1.3.2 Zeitli h-räumli he Methode von Aston & Dellnitz
In[4℄und[5℄wurdeder Vors hlaggema ht,dengröÿtenLiapunow-Exponent
als Grenzwert einer Folge von räumli hen Integralen zu bere hnen. Von der
zentralen Bedeutung ist dabeider folgende Satz vonKingman(siehe [32℄).
Satz 1.3.1 (Subadditiver Ergodensatz, 1968) Sei
g
eine messbare Transformation auf einem Wahrs heinli hkeitsraum(M,
B, µ)
, wobeiµ
er-godis h ist. Weiter sei{F
n
}
n∈N
⊂ L
1
(µ)
eine Funktionenfolgemit
F
k+n
(x)
≤ F
k
(x) + F
n
(g
k
(x))
∀ n, k ≥ 1 µ −
f.ü.Dann gilt
(i) Es existiert
λ
∈ R ∪ {−∞}
, so dassλ = lim
n→∞
1
n
F
n
(x) µ
- f.ü. ist. (ii)λ = lim
n→∞
1
n
R
F
n
(x) dµ = inf
{
n
1
R
F
n
(x) dµ
| n ≥ 1} .
Die Folge
F
n
(x) = ln
kDg
n
(x)
k
,
n
∈ N
, erfüllt die Voraussetzungen des Satzes:•
Für allen
∈ N
istkDg
n
(x)
k
bes hränkt, daM
kompakt undx
7→
Dg
n
(x)
stetig ist.Also ist
ln
kDg
n
(x)
k
integrierbar für
n
∈ N
.•
Wegen der Submultiplizitätder Matrixnorm giltln
Dg
n+k
(x)
= ln
Dg
n
(g
k
(x))Dg
k
(x)
≤ ln
Dg
n
(g
k
(x))
+ ln
Dg
k
(x)
.
Also erhalten wir mit (1.3)
λ
1
= lim
n→∞
1
n
ln
kDg
n
(x)
k = lim
n→∞
1
n
Z
ln
kDg
n
(x)
k dµ .
Zur numeris henBere hnung von
λ
1
werdenalsodieerstenGliederderFolge{a
n
}
n∈N
von Integralena
n
=
1
n
Z
ln
kDg
n
(x)
k dµ
(1.9)ausgewertet. Für die Fehlerentwi klung dieser Folge kann man die folgende
Absätzung erhalten.
Man bezei hne mit
w
i
(x)
füri = 1,
· · · , d
(wie im letzten Abs hnitt) die messbarenVektorfelder,diedur hdieOselede -ZerlegungdesTangentialrau-mes deniert sind. Weiter deniere man
α
1
(x)
aufM
µ
als dieerste Zeile der zu[w
1
(x),
· · · , w
d
(x)]
(die MatrixmitdenSpaltenw
1
(x),
· · · , w
d
(x)
)inversen Matrix.Satz 1.3.2 Das System (1.5) genüge der Annahme (1.6). Es besitze eine
glei hmäÿig hyperbolis he Menge vom vollen Maÿ und es gelte
λ
1
> 0
undλ
i
< 0
füri = 2,
· · · , d
. Weiter existiere einε > 0
, so dasssin ∠ w
i
(x), span
w
i
1
(x),
· · · , w
i
d−1
(x)
≥ ε
füri = 2,
· · · , d
mit{i
1
,
· · · , i
d−1
} = {1, · · · , d} \ {i}
fürµ
-fastallex
gilt.Dann existiert ein
δ
∈ (0, 1)
, so dassa
n
= λ
1
+
c
1
n
+ o
δ
n
n
(1.10) gilt, wobeic
1
=
Z
ln
kα
1
(x)
kdµ.
ist.a
n
= λ
1
+
c
1
n
+ o
1
n
unter der alleinigen Annahme der glei hmäÿigen Hyperbolizität behauptet
(siehe Theorem4.2in[5℄).DenBeweisdazukonnte i hni htna hvollziehen.
Aus diesem Grundesind die Voraussetzungen vers härftworden:
Im Beweis des Satzes wird die Bes hränktheit von
kα
1
(x)
k
gebrau ht. Wie wir später im Kapitel4.3sehen werden (Bemerkung 4.3.1) istkα
1
(x)
k = |sin ∠ (w
1
(x), span
{w
2
(x),
· · · , w
d
(x)
})|
−1
.
DieVoraussetzungderglei hmäÿigenHyperbolizität(hierorientierei hmi h
an der in [7℄ 2.2 gegebenen Denition) liefert aber nur die Bes hränktheit
na huntendesWinkelszwis hen denTangentialräumenderstabilenundder
instabilen Mannigfaltigkeiten. Gibt es aber mehrere positive
Liapunow-Ex-ponenten,diedieinstabileRi htung bestimmen,soliefertdieHyperbolizität
(imSinne von[7℄ oder au h[31℄) keine Anhaltpunkte auf das Verhalten von
kα
1
(x)
k
.Deshalb istdiein[5℄ enthaltene Voraussetzung imallgemeinen Fall aus meinerSi ht (zumindest für den angegebenen Beweis) unzurei hend.Ein Beweis für den etwas allgemeiner formulierten Satz (der Satz 4.3.2)
wird im Kapitel4.3angegeben.
IndemZusammenhangmitderAbs hätzung (1.10)in[4℄und [5℄ wurden
Vors hlägezur Extrapolationder Folge
{a
n
}
gema ht.Eine Mögli hkeitzum Eliminierendes Hauptfehlertermsc
1
n
besteht inder Verwendung der Folge:b
n
= (n + 1)a
n+1
− na
n
n = 1, 2, 3,
· · · .
Für diese giltdann
b
n
= λ
1
+ o (δ
n
) .
Mankann au h eine monotone Folge
B
n
= 2a
2
n
− a
2
n−1
n = 1, 2, 3,
· · ·
(1.11) denieren,inderderHauptfehlertermc
1
n
wegsubtrahiertwird.DieMonotonie dieser Folge erhält man aus der Monotonievon{a
2
n
}
n∈N
,die in[4℄ (Lemma 3.2) gezeigt wurde.In einer weiteren Arbeit [6℄ haben die Autoren eine andere Folge von
Inte-gralen
{d
n
}
n∈N
mitd
n
=
1
n
Z
ln
kDg
n
(x) v
k dµ
(1.12) füreinv
∈ R
d
betra htet. DabeiwurdeeinKriteriumfürdieKonvergenzder
Die Idee der hybriden Methode besteht darin, die QR-Methode (in diesem
FalldiediskreteQR-Methode)mitderräumli henIntegrationzu verbinden.
BevorwirzurgenauerenBes hreibung diesesVerfahrensübergehen,wirdder
folgende Satz bewiesen.
Satz 1.4.1 Seien
λ
1
≥ . . . ≥ λ
d
dieLiapunow-ExponentendesSystems(1.5) mit ihren Vielfa hheiten. Es gelteλ
i
= lim
n→∞
1
n
ln R
ii
(Dg
n
(x))
µ
-f.ü, i = 1,
· · · , d,
(1.13) dann istλ
i
= lim
n→∞
1
n
Z
ln R
ii
(Dg
n
(x))dµ i = 1,
· · · , d .
(1.14)Bemerkung 1.4.2 Die Existenz einer Permutation
π
x
mitλ
π
x
(i)
= lim
n→∞
1
n
ln R
ii
(Dg
n
(x))
für jedes
x
∈ M
µ
erhalten wir aus dem Satz 1.2.1. Für die Gültigkeit der Formel (1.14) ist es erforderli h, dassπ
x
= id
auf einer TeilmengeM
¯
µ
vonM
µ
mitvollemMaÿgilt(die Voraussetzung (1.13)).Interessiert uns dieR ei-henfolgederLiapunow-Exponenten ni ht,sokann(1.13)etwasabges hwä htwerden, indem wir eine (
µ
-f.ü.konstante) Permutationπ
zulassen:λ
π(i)
= lim
n→∞
1
n
ln R
ii
(Dg
n
(x)) µ
-f.ü, i = 1,
· · · , d.
Dies ändert amBeweis dieses Satzes jedo h ni hts.
Am Endedes 3.Kapitels,dessenHauptziel dieUntersu hung der
Vorausset-zung (1.13) ist,wird eine hinrei hendeBedingung für (1.13) formuliert (der
Korollar 3.3.4).
Beweis des Satzes:
Dur h Integration beider Seiten der Glei hung (1.13) na h
µ
erhältmanλ
i
=
Z
lim
n→∞
1
n
ln R
ii
(Dg
n
(x)) dµ .
Nun ist1
n
ln
kDg
n
(x)
k =
1
n
ln
0
Y
j=n−1
Dg g
j
(x)
≤
1
n
n−1
X
j=0
ln
Dg g
j
(x)
≤
n
1
nK = K
da
Dg
stetigmitkompaktemDenitionsberei h ist.Damitsind dieF unktio-nena
i
n
(x) =
1
n
ln R
ii
(Dg
n
(x))
für jedes
i = 1,
· · · , d
dur h eine Konstante bes hränkt, dennkDg
n
(x)
k = kR(Dg
n
(x))
k
und
R
ii
(Dg
n
(x))
≤ kR(Dg
n
(x))
k .
ist.AlsokönnenwirdenLebesgues hen SatzüberdiedominierteKonvergenz
anwenden und erhalten
λ
i
=
Z
lim
n→∞
1
n
ln R
ii
(Dg
n
(x)) dµ = lim
n→∞
1
n
Z
ln R
ii
(Dg
n
(x)) dµ
füri = 1,
· · · , d
.Ist also die Voraussetzung (1.13) für das System erfüllt, so können wir die
Folgen
{a
i
n
}
n∈N
vonIntegralenfüri = 1,
· · · , d
a
i
n
=
1
n
Z
ln (R
ii
(Dg
n
(x)) dµ
(1.15)zur Bere hnung vonLiapunow-Exponenten
λ
1
,
· · · λ
d
benutzen.Wiewir späterinKapiteln4.1und 4.2sehenwerden(Sätze4.1.5 und4.2.6),
habendieFolgen
{a
i
n
}
n∈N
untergewissen zusätzli henBedingungendas Kon-vergenzverhaltena
i
n
= λ
i
+
c
i
n
+ o
1
n
(1.16) bzw.a
i
n
= λ
i
+
c
i
n
+ o
e
−θn
n
,
(1.17)wobei
c
i
füri = 1,
· · · , d
konstantundθ
positivist.Alsokönnenwir indiesen Fällendiein[4℄und [5℄vorges hlagenen Extrapolationsmögli hkeitenfürdieFolgen dieser Art benutzen, indemwir dieFolgen
B
n
= 2a
2
n
− a
2
n−1
n = 1, 2, 3,
· · ·
(1.19)für
i = 1,
· · · , d
denieren.Die Anwendung dieserFolgen beiden praktis hen Bere hnungen von
Liapu-now-Exponenten werden imKapitel5 diskutiert.
Es wird die folgende Vorgehensweise zur Approximation von
m
ersten Lia-punow-Exponentenλ
1
,
· · · , λ
m
na h der Formel (1.15)vorges hlagen:•
Zuerst bere hnet man (z.B. mit Hilfe von GAIO) eine Boxenüber-de kung des Attraktors{A
j
}
K
j=1
und die zugehörige Approximation˜
µ
∈ R
K
(
K
- Anzahl der Boxen) des invarianten Maÿesµ
, wobei˜
µ(A
i
) = ˜
µ
i
füri = 1,
· · · , K
ist.•
ManwähleausjederBoxA
j
einenRepräsentantenx
j
fürj = 1,
· · · , K
aus, z.B. den Mittelpunkt der jeweiligen Box.•
Für die gewählten Punktex
j
,j = 1,
· · · , K
, führe die im Abs hnitt 1.2.2(QR-Methode)bes hriebeneBere hnungvonR
ii
(Dg
n
(x
j
))
füri =
1,
· · · , m
undn = 1,
· · · , T
(T
- Anzahl der Zeits hritte)dur h.•
Die Approximationen˜a
i
n
vona
i
n
füri = 1,
· · · , m
werden na h der Formel˜
a
i
n
=
1
n
K
X
j=1
ln R
ii
(Dg
n
(x
j
))˜
µ
j
n = 1,
· · · , T
bere hnet.Benutze gegebenfallsau h dieExtrapolationsfolgen (1.18),(1.19).
Mit dieser Methode können wir also eine beliebige Zahl von
Liapunow-Ex-ponenten bere hnen imGegensatz zu den imKapitel 1.3bes hriebenen
Hilfsmittel - das äuÿere Produkt
In diesem Kapitel werden einige relevante Eigens haften des äuÿeren
Pro-duktes vonVektoren aus
R
d
inKoordinatenform zusammengestelltund
her-geleitet. Es ist eine selbständige Ausarbeitung des Materials, das der Autor
in der hier vorgestellten Form in keiner Quelle nden konnte. Dabei habe
i h mi h an den Referenzen [2℄, [23℄ und [26℄ orientiert. Dieses Material ist
zum Verständnissowohlder darauolgendenVerizierung derhinrei henden
Bedingung für die Konvergenz (Kapitel 3) als au h der Fehlerentwi klung
(Kapitel 4)der hybriden Methode notwendig.
2.1 Notationen, Denitionen und primäre
Ei-gens haften
Eine Abbildung
δ :
{1, · · · , m} → {1, · · · , d}
mitm
≤ d
wird streng monoton genannt, fallsδ(1) < δ(2) < . . . < δ(m)
gilt. Die Menge aller streng mono-tonen Funktionenvon{1, · · · , m}
na h{1, · · · , d}
werden wir mitOrd(m, d)
bezei hnen:Ord(m, d) =
{δ : {1, · · · , m} → {1, · · · , d} | δ
strengmonoton}.
Ein Element
i
∈ Ord(m, d)
kann au h als ein Tupeli = (i
1
,
· · · , i
m
)
bzw.i = i
1
· · · i
m
mit1
≤ i
1
< . . . < i
m
≤ d
dargestellt werden.Auf
Ord(m, d)
wird dielexikographis he Ordnung eingeführt, d.h. fürσ, δ
∈
Ord(m, d)
giltσ < δ
,falls eseinj
∈ {1, · · · , m}
mitσ(k) = δ(k)
fürk = 1,
· · · , j − 1
undσ(j) < δ(j)
gibt. Somit wird
δ
1
= (1,
· · · , m)
alsdas kleinste bzw.das erste Element vonletzte (gröÿte)Elementist
δ
D
= (d + m
− 1, · · · , d)
mitD = ♯Ord(m, d)
. SeiA(d) =
{A
1
,
· · · , A
d
}
eine d-elementige Menge. SeiA(d, m) =
{B ⊂ A(d) | ♯B = m}
die Menge allen
m
-elementigen Teilmengen vonA(d)
.Bemerkung 2.1.1
Ord(m, d)
undA(d, m)
sind isomorph. Insbesondere ist♯Ord(m, d) =
m
d
.Seien
x
1
,
· · · , x
m
Vektoren ausR
d
mit Koordinaten
x
j
= (x
1j
,
· · · , x
dj
)
T
. Als
X = [x
1
,
· · · , x
m
]
bezei hne died
× m
Matrix mit den Spaltenx
1
,
· · · , x
m
, d.h.X =
x
11
· · · x
1m
x
21
· · · x
2m
...x
d1
· · · x
dm
.
AlsX
i
1
,···,i
m
wirddieUnterdeterminantederMatrixX
bezei hnet,dieausX
dur h dieWahl der Zeileni
1
,
· · · , i
m
hervorgeht:X
i
1
···i
m
= det
x
i
1
1
· · · x
i
1
m
x
i
2
1
· · · x
i
2
m
...x
i
m
1
· · · x
i
m
m
.
(2.1)Denition 2.1.2 Das äuÿere Produkt der Vektoren
x
1
,
· · · , x
m
∈ R
d
ist
der Vektor
x
1
∧ · · · ∧ x
m
∈ R(
d
m
)
mit den lexikographis h geordneten
Koor-dinaten
(x
1
∧ · · · ∧ x
m
)
i
1
···i
m
= X
i
1
···i
m
mit(i
1
,
· · · , i
m
)
∈ Ord(m, d).
Der Vektorx
1
∧ · · · ∧ x
m
wird au hin der Form∧
m
j=1
x
j
ges hrieben. Bezei hnet manmit{e
1
,
· · · , e
d
}
dieStandardbasis aufR
d
,sofolgt
unmittel-bar aus der Denition, dass
{e
1
∧ · · · ∧ e
m
| (i
1
,
· · · , i
m
)
∈ Ord(m, d)}
die Standardbasis auf
R(
d
m
)
ist.
DasfolgendeLemmastelltdieBeziehungzuderkanonis hen Denitiondes
äuÿeren Produktes her.
Lemma 2.1.3 Seien
x
1
,
· · · , x
m
, v
∈ R
d
(i) Für eine Permutation
π
∈ S
m
istx
π(1)
∧ · · · ∧ x
π(m)
= sign(π)x
1
∧ · · · ∧ x
m
(Antisymmetrie).
(ii) Fürj = 1,
· · · , m
istx
1
∧ · · · ∧ x
j−1
∧ (αx
j
+ βv)
∧ x
j+1
∧ · · · ∧ x
m
=
α(x
1
∧ · · · ∧ x
j
∧ · · · ∧ x
m
) + β(x
1
∧ · · · ∧ v ∧ · · · ∧ x
m
)
(Multilinearität).(iii)
x
1
,
· · · , x
m
linear abhängig⇔ x
1
∧ · · · ∧ x
m
= 0
. Beweis:(i) + (ii) :
DieAntisymmetrieunddieMultilinearitätfolgenaus den entspre- henden Eigens haften der Determinante.(iii) : x
1
,
· · · , x
m
linear abhängig⇔ rang (X) < m
mitX = [x
1
,
· · · , x
m
]
⇔
es existieren keinem
linear unabhängigen Zeilen vonX
⇔
alle m-zeiligen Minoren vers hwinden.Mit
h·, ·i
k
bezei hne mandas gewöhnli heSkalarproduktaufR
k
undmit
k · k
die dur h dieses denierte Norm:kxk =
p
hx , xi
k
fürx
∈ R
k
. Satz 2.1.4 Seienx, y
∈ R(
d
m
)
zerlegbar, d.h.x = x
1
∧ · · · ∧ x
m
undy = y
1
∧ · · · ∧ y
m
mitx
j
, y
j
∈ R
d
, j = 1,
· · · , m,
dann gilthx, yi(
d
m
) = hx
1
∧ · · · ∧ x
m
, y
1
∧ · · · ∧ y
m
i(
d
m
) = det (M) ,
wobeiM
∈ R
m×m
mitM
ij
=
hx
i
, y
j
i
d
füri, j
∈ {1, · · · , m}
ist. Beweis:Man setze
X = [x
1
,
· · · , x
m
]
undY = [y
1
,
· · · , y
m
]
. Mit dem Determinanten-Multiplikationstheorem(siehe [19℄) haben wirdet X
T
Y
=
X
i∈Ord(m,d)
X
i
1
···i
m
Y
i
1
···i
m
.
Der letzte Ausdru k istgerade
hx
1
∧ · · · ∧ x
m
, y
1
∧ · · · ∧ y
m
i(
d
m
)
.
Da
M = X
T
Y
ist,folgt dieBehauptung.
Korollar 2.1.5 Seien
x
1
,
· · · , x
m
∈ R
d
. Dann istkx
1
∧ · · · ∧ x
m
k =
p
det (X
T
X),
wobeiX
∈ R
d×m
die Matrix mit den Spalten
x
1
,
· · · , x
m
ist. Beim = d
gilt alsokx
1
∧ · · · ∧ x
d
k = |det (X)| .
Die Determinante
det X
T
X
für
X
∈ R
d×m
heiÿt die Grams he
Deter-minante. Der Ausdru k
kx
1
∧ · · · ∧ x
m
k =
p
det (X
T
X)
wird das Grams he
Volumengenannt.Esistglei hdemInhaltdesdur hdieVektoren
x
1
,
· · · , x
m
gebildeten Spates (siehe [23℄ 9.5).Seien
x
1
,
· · · , x
m
,x
∈ R
d
linear unabhängig. Man zerlege
x
in Kompo-nentenx = x
p
+ x
o
mitx
p
∈ span {x
1
,
· · · , x
m
}
undx
o
⊥ span {x
1
,
· · · , x
m
}
. Dann ist das Volumen des dur h die Vektorenx
1
,
· · · , x
m
,x
aufgespannten Parallelepipeds glei hkx
1
∧ · · · ∧ x
m
∧ xk = kx
1
∧ · · · ∧ x
m
k kx
o
k.
Daraus folgt Bemerkung 2.1.6 (i)kx
1
∧ · · · ∧ x
m
∧ xk
kx
1
∧ · · · ∧ x
m
k
=
kx
o
k
D.h. dieser Quotient ist glei h der Länge der zu
span
{x
1
,
· · · , x
m
}
or-thogonalenKomponentevonx
.(ii) Für einen normiertenVektor
kxk = 1
istx
o
geradeder Sinusdes
Win-kels zwis hen
x
und der von den Vektorenx
1
,
· · · , x
m
aufgespannten Hyperebene. Also giltkx
1
∧ · · · ∧ x
m
∧ xk
kx
1
∧ · · · ∧ x
m
k
=
|sin ∠ (x, span {x
1
,
· · · , x
m
})| .
(2.2)Da
kx
o
k ≤ kxk
ist,giltauÿerdem die Unglei hungkx
1
∧ · · · ∧ x
m
∧ xk ≤ kx
1
∧ · · · ∧ x
m
k kxk.
(2.3)Als sehr nützli h erweist si hdie folgende allgemeinereAbs hätzung.
Lemma 2.1.7 (VerallgemeinerteHadamards he Unglei hung)
Es gilt für
x
1
,
· · · , x
m
∈ R
d
(i)
kx
1
∧ · · · ∧ x
m
k ≤ kx
1
∧ · · · ∧ x
k
kkx
k+1
∧ · · · ∧ x
m
k.
(ii)kx
1
∧ · · · ∧ x
m
k ≤
m
Y
i=1
kx
i
k
. Beweis:(ii) folgtper Induktion aus (2.3). Zum Beweis von (i)siehe [23℄9.5.
Denition 2.1.8 Zu
A
∈ R
d×d
denieremandiem-teassoziierteMatrix
(au h m-te äuÿere Potenz genannt)
V
m
A
∈ R(
m
d
)
×
(
d
m
)
dur hV
m
A(x
1
∧ · · · ∧ x
m
) = Ax
1
∧ · · · ∧ Ax
m
fürx
1
,
· · · , x
m
∈ R
d
.UnmittelbarausderDenitionfolgt,dassdieSpaltevon
V
m
A
mitdemIndexj
1
· · · j
m
glei h(
V
m
A) ·
j
1
···j
m
=
V
m
A (e
j
1
∧ · · · ∧ e
j
m
) = A ·
j
1
∧ · · · ∧ A ·
j
m
(2.4) ist. Zusammen mitder Denition2.1.2 erhalten wir dasi
1
· · · i
m
-te Element derj
1
· · · j
m
-ten Spalte:(
V
m
A)
i
1
···i
m
,j
1
···j
m
= det
A
i
1
j
1
· · · A
i
1
j
m
A
i
2
j
1
· · · A
i
2
j
m
...A
i
m
j
1
· · · A
i
m
j
m
.
(2.5)Die folgendenEigens haftender äuÿeren Potenzen vonquadratis hen
Matri-zen sind lei htzu verizieren.
Lemma 2.1.9 Seien
A, B
∈ R
d×d
, dann gilt: (i)V
m
(AB) =
V
m
(A)
V
m
(B)
. (ii)V
m
A
T
= (
V
m
A)
T
. (iii) IstA
invertierbar, so istV
m
(A
−1
) = (
V
m
A)
−1
.Lemma 2.1.10 Seien
x
1
,
· · · , x
d
undy
1
,
· · · , y
m
VektorenausR
d
derart,dassy
j
=
d
X
i=1
A
ij
x
i
fürj = 1,
· · · , m, A
ij
∈ R
gilt. Mit
A
bezei hne man dieMatrix mitden SpaltenA ·
j
= (A
1j
,
· · · , A
dj
)
T
. Dann isty
1
∧ · · · ∧ y
m
=
X
(j
1
,···,j
m
)∈Ord(m,d)
A
j
1
···j
m
(x
j
1
∧ · · · ∧ x
j
m
)
Beweis:Setze
X = [x
1
,
· · · , x
d
]
. Dann gilty
1
∧ · · · ∧ y
m
= X A ·
1
∧ · · · ∧ X A ·
m
=
V
m
X (A ·
1
∧ · · · ∧ A ·
m
) .
Ausw =
n
X
j=1
v
j
B ·
j
fürw = Bv (n =
d
m
, B
∈ R
n×n
undv, w
∈ R
n
)
mit der Denition 2.1.2 (angewendet auf
v = A·
1
∧ · · · ∧ A·
m
)und der Glei- hung (2.4) (angewendet aufB =
V
m
X
) folgt dieBehauptung.2.2 Äuÿeres Produkt und die eindeutige
QR-Zerlegung
Lemma 2.2.1 Sei
A
∈ R
d×d
eine invertierbare Matrix und
A = QR
ihre eindeutige QR-Zerlegung. Dann istV
m
A = (
V
m
Q) (
V
m
R)
die eindeutige QR-Zerlegung der MatrixV
m
A
.Insbesondere sind die Diagonalelemente von
R (
V
m
A)
glei hR
i
1
···i
m
,i
1
···i
m
(
V
m
A) =
m
Y
k=1
R
i
k
i
k
,
(i
1
· · · i
m
)
∈ Ord(m, d)
(2.6) Beweis:Esistzuzeigen,dass
V
m
Q
orthogonalundV
m
R
vonderoberenDreie ksform mitpositiven Diagonaleinträgenist.Aus dem Lemma 2.1.9 folgtdieOrthogonalitätvon
V
m
Q
:(
V
m
Q)
T
V
m
Q =
V
m
Q
T
V
m
Q =
V
m
Q
T
Q
=
V
m
I
d
= I(
d
m
).
Nunwird dieobere Dreie ksgestalt von
V
m
R
gezeigt.Na h(2.5) ist(
V
m
R)
i
1
···i
m
,j
1
···j
m
= det
R
i
1
j
1
· · · R
i
1
j
m
R
i
2
j
1
· · · R
i
2
j
m
...R
i
m
j
1
· · · R
i
m
j
m
.
(2.7)Sei
(i
1
,
· · · , i
m
) > (j
1
,
· · · , j
m
)
. Dann existiert denitionsgemäÿˆ
k
miti
l
= j
l
fürl = 1,
· · · , ˆk − 1
undi
ˆ
k
> j
ˆ
k
. Somit istR
i
ˆ
k
j
ˆ
k
= 0
Daj
l
< j
ˆ
k
fürl = 1,
· · · , ˆk − 1
undi
n
> i
ˆ
k
fürn = ˆ
k + 1,
· · · , m
ist, haben wiri
n
> j
l
fürl = 1,
· · · , ˆk − 1
undn = ˆ
k + 1,
· · · , m.
Damit giltR
i
n
j
l
= 0
fürl = 1,
· · · , ˆk − 1
undn = ˆ
k + 1,
· · · , m.
Also sind dieersten
k
ˆ
Spaltender Matrix aus (2.7) vonder Form(R
i
1
j
l
,
· · · , R
i
ˆ
k−1
j
l
, 0,
· · · , 0)
T
für
l = 1,
· · · , ˆk,
undsomitlinearabhängig.Damitvers hwindetdieDeterminantein(2.7)für
(i
1
,
· · · , i
m
) > (j
1
,
· · · , j
m
)
. Für die DiagonalelementevonV
m
R
gilt(
V
m
R)
i
1
···i
m
,i
1
···i
m
= det
R
i
1
i
1
...R
i
1
i
m
0
. . . . . . . . . . . . . . . . . .0
..0
R
i
m
i
m
.
Also istR
i
1
···i
m
,i
1
···i
m
(
V
m
A) =
Q
m
k=1
R
i
k
i
k
> 0
für(i
1
· · · i
m
)
∈ Ord(m, d)
, weilR
ii
> 0
füri = 1,
· · · , m
sind. Lemma 2.2.2 SeiA
∈ R
d×d
eine invertierbare Matrix und
A = QR
ihre eindeutige QR-Zerlegung. Dann gilt fürm = 1,
· · · , d
|det (
V
m
A)
| =
d − 1
m
− 1
|det (A)| .
Beweis: Es gilt:|det (A)| = |det (Q) det (R)| = det (R) =
d
Y
i=1
R
ii
.
Mit dem Lemma 2.2.1 erhalten wir analog
|det (
V
m
A)
| =
Y
j∈Ord(m,d)
R
jj
(
V
m
A) =
Y
j∈Ord(m,d)
m
Y
k=1
R
j
k
j
k
Da dieses Produkt über alle Elemente von