Kapitel 2

Lyapunov Stabilität

In diesem Kapitel soll es um die Stabilitätstheorie von Gleichgewichten (siehe Definition 1.9) ge-
hen. Erneut wird dabei der Anfangswert bei festgehaltener Anfangszeit variiert. Jedoch wird das
Lösungsverhalten jetzt auf in positiver Zeitrichtung unbeschränkten Intervallen betrachtet — im
Gegensatz zu den in Abschnitt 1.1 hergeleiteten Resultaten für kompakte Zeitintervalle. Bevor wir
in den späteren Abschnitten Methoden zur Stabilitätsanalyse, insbesondere so genannte Lyapu-
nov Funktionen, kennenlernen, soll im folgenden Abschnitt 2.1 erstmal der Stabilitätsbegriff nach
Lyapunov gemäß [2, Abschnitt 7.4] präzisiert werden.1

2.1 Der Stabilitätsbegriff

Obwohl wir uns in diesem Kapitel im Wesentlichen mit dem Stabilitätsverhalten von Gleichge-
wichtslösungen beschäftigen wollen, werden die entsprechenden Begrifflichkeiten in diesem Ab-
schnitt für allgemeine Lösungen definiert.
Definition 2.1. [Asymptotische Stabilität] Eine auf einem Intervall I = (t− , ∞) ⊂ R gegebene
Lösung x⋆ : I → Rd der Differentialgleichung (1.2) heißt

• stabil, falls es zu jedem (ε, t0 ) ∈ R>0 × I ein δ > 0 gibt, so dass für alle Anfangswerte
ξ ∈ {x ∈ Rd : kξ − x⋆ (t0 )k < δ} die Lösung x(·; t0 , ξ) für alle Zeiten t ∈ R≥t0 existiert
und der folgenden Abschätzung genügt
kx(t; t0 , ξ) − x⋆ (t)k < ε ∀ t ≥ t0 . (2.1)
Falls die Lösung x⋆ (·) nicht stabil ist, wird sie instabil genannt.
• attraktiv, falls es zu jedem t0 ∈ I ein η > 0 gibt, so dass für alle Anfangswerte ξ ∈ {x ∈
Rd : kξ − x⋆ (t0 )k < η} die Lösung x(·; t0 , ξ) für alle Zeiten t ∈ R≥t0 existiert und gegen
x⋆ (·) konvergiert, das heißt
lim kx(t; t0 , ξ) − x⋆ (t)k = 0. (2.2)
t→∞

Die Menge {(t0 , ξ) ∈ I × Rd : x(·; t0 , ξ) erfüllt (2.2)} wird Einzugsbereich von x⋆ (·) ge-
nannt.
1
Alexander Michailowitsch Lyapunov (1857-1918) war ein russischer Ingenieur und Mathematiker.

11
12 KAPITEL 2. LYAPUNOV STABILITÄT

• asymptotisch stabil, falls sie stabil und attraktiv ist.

Sowohl für den Nachweis der Stabilität als auch für die Überprüfung der Attraktivität einer Lösung
x⋆ (·) reicht es aus, die jeweilige Eigenschaft für eine beliebige Anfangszeit t⋆0 ∈ I zu verifizieren.
Denn die Abweichung der Lösungen x(·; t0 , ξ) − x⋆ (·) kann für eine beliebige, aber fest gewählte
Anfangszeit t0 ∈ I, t0 6= t⋆0 , wegen der Stetigkeit bzgl. des Anfangswerts auf dem kompakten
Intervall [min{t0 , t⋆0 }, max{t0 , t⋆0 }] beliebig klein gemacht werden; für Details sei auf die Übungen
verwiesen.
Stabilität einer Lösung bedeutet also, dass – für beliebig, aber fest gewähltes t0 ∈ I – alle Lösungen
x(t; t0 , ξ) für t ≥ t0 in einem ε-Schlauch um die Lösung x⋆ (·) bleiben, wenn ihr Anfangswert ξ
sich nur in einer hinreichend kleinen Umgebung Bδ (x⋆ (t0 )) befindet. Ähnlich verhält es sich mit
der Akktraktivität. Hier folgert man, dass die Lösungen für t → ∞ gegen die Referenzlösung
x⋆ (·) konvergieren — kann also aus einer Forderung an den Anfangswert eine Aussage über das
Langzeitverhalten für alle t ≥ t0 folgern. Kombiniert mit der Stabilität folgt dann, dass sich die
Lösungen in ihrer transienten Phase ebenfalls in der Nähe von x⋆ (·) aufhalten.
Jedoch sollte man nicht den Fehler machen, aus der Attraktivität einer Lösung ihre Stabilität zu
folgern. Dies zeigt das folgende Beispiel einer attraktiven aber instabilen Differentialgleichung
zeigt ([2, Beispiele 7.4.16]).

Beispiel 2.2. Betrachte die in Polarkoordination gegebene autonome Differentialgleichung

 
2 Φ(t)
ṙ(t) = r(t)(1 − r(t)) Φ̇(t) = sin
2

mit Lösung (die Gleichung ist bzgl. ihrer Variablen r und Φ separiert; zu beachten ist, dass bzgl. der
zweiten Lösungskomponente in Abhängigkeit des Anfangswerts ein geeigneter Zweig des Arcus-
tangens zu wählen ist, um Wohldefiniertheit und Stetigkeit sicherzustellen)
  
r0 2 sin Φ0
, 2 arctan .
r0 + (1 − r0 )e−t 2 cos Φ0 − t sin Φ0 + 2

x⋆ (·; 0, (1 0)T ) ist eine Gleichgewichtslösung, die attrahierend wirkt auf ganz R2 \{0}. Diese
Lösung ist aber nicht stabil, da Lösungen mit Anfangswerten ξi := (cos(10−i ) sin(10−i ))T , i ∈ N,
zwar beliebig nah an (1 0)T starten, sich jedoch anfangs entlang des Einheitskreises entfernen be-
vor sie für hinreichend große Zeiten t gegen (1 0)T konvergieren, siehe Abbildung 2.1 und die
angegebene Lösungsdarstellung.

Ein Sonderfall sind skalare Differentialgleichungen. Bei diesen kann man direkt aus der Attrakti-
vität auf die Stabilität schließen.

Satz 2.3. [Attraktivität und Stabilität skalarer Differentialgleichungen] Sei eine skalare Differenti-
algleichung der Form (1.2) auf einer offenen Menge D ⊆ R2 mit stetigem und bzgl. x Lipschitz-
stetigem Vektorfeld f : R × R → R gegeben. Sei zudem x⋆ : I → R, I = (t− , ∞), eine
attrahierende (attraktive) Lösung. Dann ist x⋆ (·) auch stabil.
2.1. DER STABILITÄTSBEGRIFF 13

3
Anfangswerte
Gleichgewichte

1
2

0
x

−1

−2

−3
−3 −2 −1 0 1 2 3
x1

Abbildung 2.1: Darstellung einiger Lösungen im Phasenraum zu Beispiel 2.2.

Beweis: Seien t0 ∈ I und ε > 0 gegeben. Wegen der Attraktivität der Lösung x⋆ (·) existiert ein
η > 0, so dass limt→∞ |x(t; t0 , ξ) − x⋆ (t)| = 0 für alle ξ ∈ (x⋆ − η, x⋆ + η) gilt. Entsprechend
gibt es für die beiden Lösungen x(·; t0 , ξ), ξ = x⋆ ± η/2, ein T ≥ t0 mit der Eigenschaft

|x(t; t0 , ξ) − x⋆ (t)| < ε ∀ t ≥ T.

Aus der Skalarität der DGL und der Eigenschaft, dass sich deren Lösungen nicht scheiden können,
folgt die Gültigkeit dieser Ungleichung für alle ξ ∈ Bη/2 (x⋆ (t0 )). Nutzt man nun die stetige
Abhängigkeit der Lösungen bzgl. ihrer Anfangswerte aus, kann man zeigen, dass diese Unglei-
chung auch auf dem kompakten Intervall [t0 , T ] für Anfangswerte ξ ∈ Bδ (x⋆ (t0 )), δ ≤ η/2, ihre
Gültigkeit behält, was die gewünschte Aussage für eben jenes δ impliziert.
Bis jetzt wurde alles für allgemeine zeitvariante Lösungen gezeigt. Abschließend wollen wir zei-
gen, dass man sich stattdessen immer auf die triviale Lösung zurückziehen kann, wenn man die
so genannte Differentialgleichung der gestörten Bewegung betrachtet. Jedoch zahlt man den Preis,
dass man eine nichtautonome Differentialgleichung erhält — selbst dann, wenn die Ausgangsglei-
chung autonom war.

Satz 2.4. Gegeben sei die Differentialgleichung (1.2) auf einer offenen Menge D ⊆ R × Rd mit
stetigem und bzgl. x Lipschitz-stetigem Vektorfeld f sowie eine Lösungstrajektorie x⋆ : I → Rd ,
I = (t− , ∞). Betrachte zudem die Differentialgleichung der gestörten Bewegung

ẏ(t) = f (t, y(t) + x⋆ (t)) − f (t, x⋆ (t)), (2.3)

die mittels der Transformation y = x−x⋆ aus (1.2) hervorgegangen ist. Dann besitzt die DGL (2.3)
die triviale Lösung, die genau dann stabil bzw. attraktiv ist, wenn x⋆ bzgl (1.2) stabil bzw. attraktiv
ist.
14 KAPITEL 2. LYAPUNOV STABILITÄT

Beweisskizze: Sei die Lösung x⋆ (·) stabil für die DGL (1.2). Des Weiteren sei (t0 , ε) ∈ I ×
R>0 gegeben. Dann existiert ein δ > 0, so dass alle Lösungen x(·; t0 , ξ), ξ ∈ Bδ (x⋆ (t0 )), der
Abschätzung kx(t; t0 , ξ) − x⋆ (t)k ≤ ε, t ≥ t0 , genügen. Nutzt man die Identität2
y(t; τ, η) ≡ x(t; τ, η + x⋆ (τ )) − x⋆ (t)
für eine Lösung y(·; τ, η) von (2.3), erhält man
ky(t; t0 , η)k = kx(t; t0 , η + x⋆ (t0 )) − x⋆ (t)k < ε ∀ t ≥ t0 und η ∈ Bδ (x⋆ (t0 ))
mit η = (η + x⋆ (t0 )) − x⋆ (t0 ), was die Stabilität der trivialen Lösung für (2.3) impliziert. Die
Rückrichtung zeigt man analog mit Hilfe der Identität x(·; τ, ξ) ≡ y(·; τ, ξ − x⋆ (τ )) + x⋆ (·),
siehe [2, Beweis von Satz 7.4.10]. Ebenso folgt die Attraktivität.

2.2 Stabilität autonomer Systeme

Im vorhergehenden Abschnitt 2.1 wurden erste Stabilitätsbegriffe eingeführt. In diesem Abschnitt

werden so genannte Lyapunov Funktionen eingeführt, die ein weit verbreitetes Hilfsmittel zum
Stabilitätsnachweis sind. Dabei orientieren wir uns an den Lehrbüchern [9, Abschnitt 4.1] und [3,
Abschnitt 1.7]. Beginnen wollen wir diesbezüglich mit autonomen Differentialgleichungssystemen
der Form
ẋ(t) = f (x(t)) (2.4)
und der Stabilität von Gleichgewichten x⋆ .3 Zur Veranschauung des weiteren Vorgehens betrachten
wir erneut das Pendelmodell aus Beispiel 1.10, jedoch in der Variante mit Reibung.
Beispiel 2.5. Das Pendel mit Reibung wird durch die autonome Differentialgleichung
ẋ1 (t) = x2 (t)
(2.5)
ẋ2 (t) = −a sin(x1 (t)) − bx2 (t)
mit Vektorfeld f : R2 → R2 beschrieben. Der Parameter a > 0 entspricht dem Quotienten g/l,
wobei g wie in Beispiel 1.10 der Erdbeschleunigung und l der Länge des Pendels entspricht. Die
Gleichgewichte bleiben bei x⋆0 = (0 0)T und x⋆1 = (π 0)T (alle weiteren Gleichgewichte kann
man mit einem dieser beiden identifizieren). Wie in Abbildung 1.3 gesehen, ist das Gleichgewicht
(0 0)T für das Modell ohne Reibung stabil, jedoch nicht asymptotisch stabil. Dies ändert sich mit
positivem Reibungskoeffizienten b > 0. So wird das Gleichgewicht bzw. die zugehörige Gleich-
gewichtslösung attrahierend und somit asymptotisch stabil. Das Gleichgewicht x⋆1 ist hingegen
instabil.

Die vorgenommene Stabilitätsanalyse beruhte auf Kenntnissen des Phasenportraits. Entsprechend

schwierig dürfte es sein, sie auf allgemeine Differentialgleichungen zu übertragen. Um den folgen-
den Ansatz zu motivieren, betrachten wir erneut das Pendelbeispiel 2.5 und definieren die Energie
E : R2 → R≥0 als Summe der potentiellen und der kinetischen Energie
Z x1
1 1
E(x) = a sin(y) dy + x22 = a(1 − cos(x1 )) + x22 . (2.6)
0 2 2
2
Die Funktionen erfüllen jeweils die gleiche DGL und erfüllen die gleiche Anfangsbedingung, woraus mit dem
Existenz- und Eindeutigkeitssatz die Behauptung folgt.
3
Für autonome Systeme wird die Notation x(·; x0 ) für die Lösung zum Anfangswert x0 und zur Anfangszeit t0 = 0
verwendet, weil die Wahl letzterer keinen Einfluß auf die Lösung hat.
2.2. STABILITÄT AUTONOMER SYSTEME 15

Abbildung 2.2: Höhenlinien {x ∈ R2 : E(x) = c} der Energiefunktion (2.6) für das Pendel-
modell ohne Reibung (b = 0) für c ∈ {0.025, 0.1, 0.5, 1, π, 10, 17.5, 20, 22.5} (links) bzw. c ∈
{0.1, 1, π, 10, 17.5, 20, 22.5}.

Ohne Reibung ist das System konservativ, das heißt es geht keine Energie verloren

Ė(x(t)) = ∇E(x(t))f (x(t)) = 0

entlang der Lösungstrajektorien. Betrachtet man entsprechend Höhenlinien für niedrige Energie-
niveaus c > 0 — diese können von den Lösungstrajektorien nicht verlassen werden — erkennt
man ebenfalls die Stabilität des Systems, siehe Abbildung 2.2. Fügt man den Reibungsterm hinzu
(b > 0), kann man beobachten, dass Energie entlang von Lösungen verloren geht (Ė(x(t)) ≤ 0);
dies ermöglicht ebenfalls den Schluß auf asymptotische Stabilität, wie wir später im Detail sehen
werden.
Jedoch ist es nicht immer günstig, die Energie des Systems zum Stabilitätsnachweis zu verwenden.
Lyapunovs Idee war es, stattdessen andere (allgemeinere) Funktionen V : Rd → R≥0 zu betrachten
und deren zeitliche Ableitung
d
X ∂V (x(t))
V̇ (x(t)) = h∇V (x(t)), f (x(t))i = · fi (x(t))
∂xi
i=1

entlang der Lösungen zu studieren. Die Analogie zur Energie und ihren Höhenlinien sollte man im
Hinterkopf behalten, weil sie einem für die eigene Intuition hilft.

Definition 2.6. [Lyapunov Funktion] Sei V : U → R eine stetige auf einer offenen Menge U ⊆
Rd definierte Funktion. Dann wird V als Lyapunov Funktion für das Gleichgewicht x⋆ ∈ U der
Differentialgleichung (2.4) bezeichnet, wenn V die folgenden Eigenschaften erfüllt:

1) V (x⋆ ) = 0 und V (x) > 0 für alle x ∈ U \{x⋆ },

2) V is stetig differenzierbar auf U \{x⋆ } und erfüllt

h∇V (x), f (x)i ≤ 0 ∀ x ∈ U \{x⋆ }. (2.7)

16 KAPITEL 2. LYAPUNOV STABILITÄT

Falls sogar h∇V (x), f (x)i < 0, x ∈ U \{x⋆ }, gilt, spricht man von einer strikten Lyapunov
Funktion.

Lyapunov Funktionen können als Stabilitätszertifikat eingesetzt werden.

Satz 2.7. [Lyapunovs direkte Methode] Sei ein Gleichgewicht x⋆ ∈ Rd und eine auf einer Umge-
bung U = U (x⋆ ) ⊆ Rd des Gleichgewichts definierte Lyapunov Funktion V : U → R gemäß De-
finition 2.6 gegeben. Dann ist die Gleichgewichtslösung x(·; x⋆ ) ≡ x⋆ stabil. Falls V eine strikte
Lyapunov-Funktion ist, also h∇V (x), f (x)i < 0 für alle x ∈ U \{x⋆ } gilt, ist die Ruhelage x⋆
asymptotisch stabil.

Beweis: Für den Nachweis der Stabilität sei ein ε > 0 beliebig, aber fest vorgegeben. Wähle
einen Ball B r (x⋆ ) mit Radius r ∈ (0, ε], so dass dieser in U enthalten ist. Wegen der Kompakt-
heit der Sphäre Sr (x⋆ ) := {x ∈ Rd : kx − x⋆ k = r} und x⋆ ∈ / Sr (x⋆ ) existiert das Mini-
mum m := minx∈Sr (x⋆ ) V (x) > 0. Des Weiteren existiert ein δ ∈ (0, ε) mit der Eigenschaft
V (x) ≤ m/2 für alle x ∈ B δ (x⋆ ). Andernfalls würde in jedem Ball B ε/k (x⋆ ), k ∈ N, ein xk mit
V (xk ) ≥ m/2 existieren. Da jedoch die Funktion V (·) stetig ist und die Folge (xk )k∈N für k → ∞
gegen x⋆ konvergiert, müsste dann limk→∞ V (xk ) = V (x⋆ ) = 0 gelten, was einem Widerspruch
gleichkäme.
Sei x0 ∈ Bδ (x⋆ ). Dann fällt die Funktion t 7→ V (x(t; x0 )) monoton entlang der Lösungstrajekto-
rie x(·; x0 ), weil die Ungleichung
V̇ (x(t; x0 )) = ∇V (x(t; x0 ))f (x(t; x0 )) ≤ 0
gemäß der 2. Eigenschaft (2.7) der Lyapunov Funktion V (·) gilt. Zu beachten ist hierbei, dass
V (x(0; x0 )) = V (x0 ) ≤ m/2 < m und folglich V (x(t; x0 )) < m für alle t ≥ 0, t ∈ Ix0 , gilt.
Dies impliziert die Inklusion x(t; x0 ) ∈ Br (x⋆ ) ⊆ Bε (x⋆ ), siehe auch Abbildung 2.3. Angenom-
men, dies wäre nicht der Fall. Dann gäbe es eine Zeit T > 0 mit kx(T ; x0 ) − x⋆ k ≥ r und folglich,
wegen der Stetigkeit der Lösung x(·; x0 ), ein T ⋆ ∈ (0, T ] mit kx(T ; x0 ) − x⋆ k = r. Für dieses T ⋆
würde dann jedoch V (x(T ⋆ ; x0 )) ≥ m gelten — ein Widerspruch. Zudem folgt aus der Inklusi-
on x(t; x0 ) ∈ Br (x⋆ ) ⊂ U , dass die Lösung x(t; x0 ) für alle Zeiten t ≥ 0 existiert, weil sie weder
unbeschränkt wachsen noch den Rand des Definitionsbereichs D erreichen kann. Somit verbleibt
x(·; x0 ) für alle positiven Zeiten t ≥ 0 im ε-Ball um das Gleichgewicht x⋆ , was die behauptete
Stabilität zeigt.
Sei V (·) überdies strikt. Für beliebiges x0 ∈ Bδ (x⋆ ) folgt nach Bolzano-Weierstraß wegen der
Kompaktheit von B ε (x⋆ ) entweder limt→∞ x(t; x0 ) = x⋆ oder die Existenz einer Folge von Zeiten
(tk )k∈N mit tk+1 > tk , k ∈ N, und limk→∞ tk = ∞, so dass die Folge x(tk ; x0 ) für k → ∞
gegen einen Punkt x̄ ∈ B ε (x⋆ )\{x⋆ } konvergiert. Damit gälte wegen der Stetigkeit von V (·) auch
limk→∞ V (x(tk ; x0 )) = V (x̄) =: c > 0. Wegen der Monotonie der Abbildung t 7→ V (x(t; x0 )),
müsste dann V (x(t; x0 )) ≥ c für alle t ≥ 0 gelten. Falls x⋆ nicht asymptotisch stabil ist, existiert
mindestens ein x0 ∈ Bδ (x⋆ ) mit solch einer Folge. Analog dem ersten Teil dieses Beweises existiert
ein δ̃ ∈ (0, r), so dass V (x) ≤ c/2 für alle x ∈ Bδ̃ (x⋆ ) gilt. Dann folgt insbesondere x(t; x0 ) ∈
Br (x⋆ )\Bδ̃ (x⋆ ), t ≥ 0. Auf der kompakten Menge B r (x⋆ )\Bδ̃ (x⋆ ) nimmt die stetige Funktion V̇ (·)
ihr Maximum −γ an, für das −γ < 0 gilt, weil V (·) strikt ist. Somit folgt
Z t
V (x(t; x0 )) = V (x0 ) + V̇ (x(τ ; x0 )) dτ ≤ V (x0 ) − γt,
0
2.2. STABILITÄT AUTONOMER SYSTEME 17

Abbildung 2.3: Darstellung der im Beweis von Satz 2.7 verwendeten Mengen.

ein Widerspruch zu V (x(t; x0 )) ≥ c für hinreichend groß gewähltes t > 0, womit die Attraktität
und damit die asymptotische Stabilität folgt.
Vereinfacht könnte man Satz 2.7 wie folgt formulieren: falls es eine bzgl. x⋆ positiv definite Funk-
tion V : U → R gibt, deren Ableitung entlang der Lösungstrajektorien negativ semidefinit ist, ist
x⋆ stabil. Falls h∇V (·), f (·)i : Rd → R überdies negativ definit ist, impliziert dies sogar asympto-
tische Stabilität. Lyapunov Funktionen erlauben es einem, (asymptotische) Stabilität nachzuweisen
ohne die Lösungen einer Differentialgleichung ẋ(t) = f (x(t)) zu kennen. Es besteht jedoch die
Schwierigkeit einen geeigneten Lyapunov Kandidaten zu finden, falls man nicht wie in elektrischen
oder mechanischen Systemen die Energie verwenden kann. Dazu betrachten wir einige Beispiele.
Beispiel 2.8. Betrachte die Differentialgleichung ẋ(t) = −g(x(t)) mit g : (−a, a) → R, also (2.4)
mit f (x) = −g(x), D = (−a, a) und d = 1. Sei das Vektorfeld g zudem lokal Lipschitz und
erfülle
g(0) = 0 sowie xg(x) > 0 ∀ x ∈ D\{0}.
⋆
R x Gleichgewichts x = 0 nachzuweisen, wird die Funk-
Um asymptotische Stabilität des isolierten
tion V : (−a, a) → R mittels x 7→ 0 g(y) dy definiert, die positiv definit und auf dem Defini-
tionsbereich D stetig differenzierbar ist. Die Rechnung
∂V
V̇ (x) = ẋ = −g 2 (x) < 0 ∀ x ∈ D\{0}
∂x
zeigt, dass V eine strikte Lyapunov Funktion ist und somit verwendet werden kann, um asymptoti-
sche Stabilität nachzuweisen – obwohl die Linearisierung des Systems, zum Beispiel für g(x) = x3
keine Information über das Stabilitätsverhalten enthält.

Die Wahl der Lyapunov Fuktion ist nicht eindeutig. So hätte in diesem Beispiel auch V (x) = 12 x2
verwendet werden können. Aber wie sieht es mit dem Pendelbeispiel 2.5 aus? Kann die Energie
des Systems als Lyapunov Funktion dienen? Dazu berechnen wir die Ableitung V̇ (·) der Funktion
V (x) = a(1 − cos x1 ) + 12 x22 :
 
∂V x2
V̇ (x) = f (x) = (a sin(x1 ) x2 ) = −bx22 . (2.8)
∂x −a sin(x1 ) − bx2
18 KAPITEL 2. LYAPUNOV STABILITÄT

2
0

x
−2

−4

−6

−3 −2 −1 0 1 2 3
x1

Abbildung 2.4: Darstellung der Lösungstrajektorien für das Pendelmodell aus Beispiel 2.5 mit
a = g = 9.81 und b = 1.

V (·) ist also keine strikte Lyapunov Funktion, da V̇ (x) = 0 für alle x ∈ R2 mit x2 = 0 gilt.
Dennoch kann man asymptotische Stabilität beobachten, siehe Abbildung 2.4.
Eine Lyapunov Funktion ist also nur hinreichend für den Nachweis der (asymptotischen) Stabi-
lität, bzgl. der Notwendigkeit sei auf spätere Ausführungen für lineare (autonome) Systeme und [9,
Section 4.7] verwiesen. Jedoch werden wir im nächsten Abschnitt ein Hilfsmittel kennenlernen,
dass es uns erlaubt die eben betrachtete Energiefunktion für den Stabilitätsnachweis zu verwen-
den. Alternativ kann folgende unter dem Schlagwort variable gradient method bekannte Methode
eingesetzt werden, die in den Übungen auf ein Beispielsystem angewendet werden soll, das unter
anderem das Pendel mit Reibung einschließt. Setzt man g(x) := ∇V (x)⊤ , dann gilt

∂V (x(t))
V̇ (x(t)) = · f (x(t)) = g(x(t))⊤ f (x(t)).
∂x

Damit das Vektorfeld g der Gradient eines Skalarfelds (Abbildung vom Rd → R) sein kann, muss

∂gi ∂gj
= ∀ i, j ∈ {1, 2, . . . , n}
∂xj ∂xi

gelten.4 Jetzt kann man erste Parameter der Funktion wählen, um sicherzustellen, dass h∇V (·), f (·)i
PAnschließend wird V als das vektorielles KurvenintegralPberechnet.
negativ definit ist.
j−1
Bezeichne
diesbzgl. γ : [0, di=1 |xi |] → Rd , t 7→ (x1 , x2 , . . . , xj−1 , sgn(xj ) · (t − i=1 |xi |), 0, . . . , 0)⊤
für t ∈ [ j−1
P Pj d
i=1 |xi |, i=1 |xi |) eine Parametrisierung eine Kurve mit Anfangspunkt 0 ∈ R und
Endpunkt x. Dann gilt
Pd
Z Z
i=1 |xi |
V (x) = g · ds = hg(γ(t)), γ̇(t)i dt
γ 0
Z x1 Z x2 Z xd
= g1 (t, 0, ..., 0) dt + g2 (x1 , t, 0, ..., 0) dt + . . . + gd (x1 , ..., xd−1 , t) dt.
0 0 0

Im Anschluß sind die verbliebenen Parameter der Funktion g so zu wählen, dass V positiv definit
ist.
4
g ist dann ein Potentialfeld und das Kurvenintegral wegunabhängig, siehe [1, Abschnitt 27.3].
2.2. STABILITÄT AUTONOMER SYSTEME 19

Abbildung 2.5: Höhenlinien (Niveaumengen) der Funktion (2.10).

Ein weiteres wichtiges Einsatzgebiet von Lyapunov Funktionen ist es, Einzugsbereiche abzuschätzen,
also die Menge aller Startwerte x0 , so dass die Lösung x(·; x0 ) für alle Zeiten existiert und gegen
das Gleichgewicht x⋆ konvergiert. Während die Beantwortung dieser Frage oft sehr diffiziel ist,
wollen wir in diesem Abschnitt Bedingungen angeben, unter denen der Einzugsbereich dem ge-
samten Raum Rd entspricht. Das Gleichgewicht wird in diesem Fall als global asymptotisch stabil
(GAS) bezeichnet. Betrachtet man dazu nochmals den Beweis von Satz 2.7 ist entscheidend, dass
jeder Punkt x ∈ Rd im Innern einer beschränkter Niveaumenge Ωc := {x ∈ Rd : V (x) ≤ c} liegt.
Satz 2.9. [Theorem von Barbashin–Krasovskii]
Sei x⋆ ein Gleichgewicht der Differentialgleichung (2.4) und sei V : Rd → R eine strikte Lyapunov
Funktion im Sinne von Definition 2.6. Des Weiteren sei V radial unbeschränkt, das heißt

kxk → ∞ =⇒ V (x) → ∞. (2.9)

Dann ist x⋆ global asymptotisch stabil.

Beweis: Sei x0 ∈ Rd beliebig gewählt und definiere c := V (x0 ). Bedingung (2.9) impliziert die
Existenz eines Parameters r ∈ [0, ∞), so dass V (x) > c für alle x ∈ Rd mit kxk > r und damit
die Inklusion Ωc ⊆ B r (x⋆ ) für die Niveaumenge Ωc := {x ∈ Rd : V (x) ≤ c}. Dies zeigt die
Beschränktheit von Ωc . Der Rest des Beweises verläuft analog zu dem von Satz 2.7.
Die zusätzliche Forderung der radialen Unbeschränktheit ist eine hinreichende Bedingung, um
sicherzustellen, dass Niveaumengen Ωc für alle c > 0 beschränkt sind. So zeigt zum Beispiel die
Funktion
x21
V (x) = + x22 , (2.10)
1 + x21
dass (Sub-) Niveaumengen Ωc := {x ∈ Rd : V (x) ≤ c} nur für kleine Parameterwerte c be-
schränkt sein müssen, siehe Abbildung 2.5. Zu beachten ist, dass globale asymptotische Stabilität
die Existenz mehrerer Equilibria ausschließt; das Pendel kann also nicht GAS sein.
Abschließend wird in diesem Abschnitt ein Resultat bewiesen, dass es ermöglicht Instabilität einer
Gleichgewichtslösung zu zeigen.
Satz 2.10. [Chetaevs Theorem]
Sei x⋆ ein Gleichgewicht der Differentialgleichung (2.4) und r so gewählt, dass B r (x⋆ ) ⊂ D gilt.
Sei zudem V : D → R eine stetig differenzierbare Funktion mit V (0) = 0 und der Eigenschaft,
20 KAPITEL 2. LYAPUNOV STABILITÄT

dass in jeder offenen Umgebung des Gleichgewichts x⋆ ein x0 ∈ D existiert, für das V (x0 ) > 0
gilt. Dann ist x⋆ instabil, falls h∇V (x), f (x)i > 0 für alle x ∈ Ω := {x ∈ B r (x⋆ ) : V (x) > 0}.

Beweis: Ω ist eine nicht leere Menge, deren Rand in der Menge {x ∈ D : V (x) = 0} ∪ Sr (x⋆ )
enthalten ist.5 Sei ε ∈ (0, r) beliebig gewählt. Dann existiert für jedes δ ∈ (0, ε] ein Punkt x0 ∈
Ω ∩ Bδ (x⋆ ) mit V (x0 ) =: c > 0. Wir zeigen zuerst, dass die Lösung x(·; x0 ) die Menge Ω verläßt.
Da V̇ (x(t)) > 0 für alle x ∈ Ω gilt, folgt V (x(t; x0 )) ≥ c, t ≥ 0. Da eine stetige Funktion auf
einer kompakten Menge ihre Extrema annimmt, existiert γ = minx∈Ω:V (x)≥c V̇ (x(t)) > 0. Dies
impliziert die Ungleichung
Z t Z t
V (x(t)) = V (x0 ) + V̇ (x(s)) ds ≥ c + γ ds = c + γt.
0 0

Da V (x) auf Ω beschränkt ist, muss x(·; x0 ) die Menge Ω verlassen. Berücksichtigt man des Wei-
teren, dass V (x(t; x0 )) ≥ c, t ≥ 0, ist, muss die Lösung Ω durch die Sphäre Sr (x⋆ ) verlassen, was
die Instabilität des Gleichgewichts x⋆ zeigt.

2.3 Das Invarianzprinzip

Im letzten Abschnitt haben wir Lyapunov Funktionen V als Stabilitätszertifikate kennengelernt.

Dazu war es nötig, dass h∇V (·), f (·)i : Rd → R negativ definit bzgl. des Gleichgewichts x⋆ ist
– eine Voraussetzung, die für das Pendelbeispiel 2.5 mit der Energiefunktion
1
V (x) = a(1 − cos(x1 )) + x22
2
nicht erfüllt ist, da h∇V (x), f (x)i = −bx22 gilt, siehe (2.8). Allerdings ist aus physikalischer
Sicht klar, dass Energie verloren geht, solange sich das System nicht in einer Ruhelage befindet.
Betrachtet man dazu die Menge {x ∈ (−π, π) × R : V̇ (x) = 0} = {x ∈ (−π, π) × R :
x2 = 0} fällt auf, dass gemäß der Systemdynamik ẋ1 = x2 , ẋ2 = −a sin(x1 ) − bx2 , siehe (2.5),
keine Trajektorie in dieser Menge bleiben kann, wenn x1 6= kπ, k ∈ Z gilt (also außerhalb des
Gleichgewichts x⋆ = (0 0)T ).6 In diesem Abschnitt werden die Resultate aus Abschnitt 2.2 so
erweitert, dass diese Beobachtung ausgenutzt werden kann und es somit gelingt, die Energie als
Lyapunov Funktion für das Pendelbeispiel zu verwenden. Die dazu benötigte zentrale Aussage
heißt LaSalles Invarianzprinzip. Um dieses zu formulieren, werden ein paar Definitionen benötigt.
Definition 2.11. [Invariante Mengen] Eine Menge M ⊆ D heißt vorwärts (positiv) invariant genau
dann, wenn für jedes x0 ∈ M die Lösung x(t; x0 ) der DGL (2.4) für alle positiven Zeiten t ≥ 0
existiert und in M enthalten ist. Gilt diese Aussage für alle negativen Zeiten t ≤ 0 spricht man von
einer rückwärts (negativ) invarianten Menge. Ist eine Menge sowohl rückwärts als auch vorwärts
invariant, so heißt sie invariant bzgl. der DGL (2.4).

Invariante Mengen hatten wir bereits in Abschnitt 2.2 gesehen, so sind Niveaumengen von Lyapu-
novfunktionen vorwärts invariant — vorausgesetzt die Existenz der Lösung war gesichert. Dies
hatten wir sichergestellt für kompakte Niveaumengen. Ein weiteres wichtiges Konzept sind so ge-
nannte ω-Limesmengen, siehe [11, Seite 148].
Insbesondere liegt das Gleichgewicht x⋆ am Rand der Menge Ω.
5
6
Die Menge ist so gewählt, dass sie kein weiteres Gleichgewicht enthält; jedoch ist sie nicht (vorwärts) invariant.
Dazu müsste sie weiter eingeschränkt werden.
2.3. DAS INVARIANZPRINZIP 21

Definition 2.12. [ω-Limesmenge] Ein Punkt y ∈ Rd heißt ω-Limespunkt von x0 bzgl. der Diffe-
rentialgleichung (2.4), falls es eine Folge von Zeiten (tk )k∈N mit tk → ∞ für k → ∞ gibt, so dass
limk→∞ kx(tk ; x0 ) − yk = 0 gilt. Die Menge aller ω-Limespunkte von x0 bzgl. der DGL (2.4)
wird mit Lω = Lω (x0 ) bzw. Lω (x0 ; f ) bezeichnet und ω-Limesmenge genannt.

Die Definitionen 2.11 und 2.12 erlauben es uns, folgende Proposition zu formulieren.

Proposition 2.13. Sei x(·; x0 ) eine beschränkte Lösung der DGL (2.4) zum Anfangswert x0 , die
für alle positiven Zeiten t ≥ 0 existiert. Dann ist die ω-Limesmenge Lω nichtleer, kompakt und
invariant. Des Weiteren strebt die Lösung x(t; x0 ) für t → ∞ gegen Lω , das heißt es gibt für jedes
ε > 0 ein T > 0 mit der Eigenschaft

dist(x(t; x0 ), Lω ) := inf kx(t; x0 ) − yk < ε ∀ t > T.

y∈Lω

Beweis: Das Lω nichtleer und beschränkt ist, sei dem Leser als Übungsaufgabe überlassen. Wir
zeigen, dass Lω abgeschlossen ist, indem wir zeigen, dass für jede konvergente Folge (yi )i∈N ⊂ Lω
mit yi → y für i → ∞ der Grenzwert y ebenfalls in Lω enthalten ist. Für jedes Folgeglied yi
existiert eine Folge von Zeiten (tij )j∈N , so dass tij → ∞ und x(tij ; x0 ) → yi für j → ∞ gelten.
Konstruiere nun eine Folge von Zeiten (τi )i∈N , so dass die Bedingungen

1
τi ≥ t1i und kx(τi ; x0 ) − yi k ≤
i
für alle i ∈ N gelten. Dann gibt es für vorgegebenes ε > 0 Zahlen N1 und N2 ∈ N, so dass die
Ungleichungen kx(τi ; x0 ) − yi k ≤ ε/2, i ≥ N1 , und kyi − yk ≤ ε/2, i ≥ N2 , gelten. Damit
erhalten wir kx(τi ) − yk ≤ ε für alle i ≥ max{N1 , N2 } und damit die Konvergenz x(τi ) → y
für i → ∞ (τi ≥ t1i und t1i → ∞ implizieren zudem τi → ∞), also die Abgeschlossenheit der
Menge Lω . Der Rest des Beweises sei wiederum dem Leser überlassen.
Aufbauend auf dieser Proposition kann der folgende Satz bewiesen werden.

Satz 2.14. [LaSalles Invarianzprinzip]

Sei Ω ⊂ D eine kompakte bzgl. der DGL (2.4) vorwärtsinvariante Menge und sei V : D → R eine
stetig differenzierbare Funktion, deren Ableitung V̇ (x) ≤ 0 für alle x ∈ Ω erfüllt. Zudem sei E :=
{x ∈ Ω : V̇ (x) = 0} und M die größte invariante Menge in E. Dann strebt jede Lösung x(·; x0 )
mit Anfangswert x0 ∈ Ω gegen M , das heißt es gilt limt→∞ dist(x(t; x0 ), M ) = 0.

Beweis: Sei x0 ∈ Ω beliebig aber fest gewählt. Dann ist V (x(t; x0 )) wegen der Vorwärtsinvarianz
der Menge Ω und V̇ (x) ≤ 0, x ∈ Ω, eine monoton fallende Funktion. Da V zudem stetig auf der
kompakten Menge Ω ist, existiert ein Grenzwert a ∈ R mit limt→∞ V (x(t; x0 )) = a.
Des Weiteren gilt Lω ⊆ Ω, da Ω abgeschlossen ist. Sei y ein beliebiger Punkt aus Lω . Dann gibt
es eine Folge (ti )i∈N von Zeiten mit limi→∞ ti = ∞ und limi→∞ x(ti ; x0 ) = y und wegen der
Stetigkeit von V gilt zudem V (y) = limi→∞ V (x(ti ; x0 )) = a. Folglich gilt V (y) = a für alle
y ∈ Lω . Dies impliziert wegen der Invarianz von Lω (Proposition 2.13), dass h∇V (y), f (y)i = 0
für alle y ∈ Lω gilt. Damit erhalten wir die Inklusionskette Lω ⊆ M ⊆ E ⊆ Ω. Zusätzlich
folgt aus der Beschränktheit von x(·; x0 ) mittels Proposition 2.13 noch, dass x(t; x0 ) gegen Lω für
t → ∞ strebt.
22 KAPITEL 2. LYAPUNOV STABILITÄT

Falls Ωc := {x ∈ Rd : V (x) ≤ c} beschränkt ist and V̇ (x) ≤ 0 für alle x ∈ Ωc gilt, ist Ωc
eine kompakte vorwärtsinvariante Menge und erfüllt somit die Voraussetzungen von Satz 2.14.
Dies kann man beispielsweise für eine positiv definite Funktion V und hinreichend kleines c > 0
gewährleisten. Alternativ könnte man radiale Unbeschränktheit der Funktion V voraussetzen, um
die Beschränktheit von Ωc zu folgern — unabhängig davon, ob V positiv (semi-)definit ist oder
nicht.
Um mit Hilfe von Satz 2.14 asymptotische Stabilität eines Gleichgewichts x⋆ zu folgern, muss man
zeigen, dass keine weiteren Trajektorien in der Menge E enthalten sein können. Die folgenden
beiden Korollare sind Erweiterungen der Sätze 2.7 und 2.9.

Korollar 2.15. Sei x⋆ ein Gleichgewicht der DGL (2.4) und V : D → R eine stetig differenzier-
bare positiv definite Funktion auf dem Definitionsgebiet D, so dass x⋆ ∈ D und V̇ (x) ≤ 0 für
alle x ∈ D gelten. Sei E := {x ∈ D : V̇ (x) = 0} und keine Lösung abgesehen von der trivia-
len x(t; x⋆ ) ≡ x⋆ kann für alle Zeiten t ≥ 0 in der Menge E bleiben (für alle x0 ∈ E existiert ein
/ E). Dann ist das Gleichgewicht x⋆ (lokal) asymptotisch stabil.
t > 0, so dass x(t; x0 ) ∈

Korollar 2.16. Sei x⋆ ein Gleichgewicht der DGL (2.4) und V : Rd → R eine stetig differenzier-
bare positiv definite und radial unbeschränkte Funktion, so dass V̇ (x) ≤ 0 für alle x ∈ Rd gilt.
Sei E := {x ∈ Rd : V̇ (x) = 0} und keine Lösung abgesehen von der trivialen x(t; 0) ≡ x⋆ kann
für alle Zeiten t ≥ 0 in der Menge E bleiben. Dann ist das Gleichgewicht x⋆ global asymptotisch
stabil.

Falls h∇V (·), f (·)i : Rd → R negativ definit ist und zudem E = {x⋆ } gilt, entsprechen diese
Korollare genau den zuvor erwähnten Sätzen. Zum Abschluß dieses Abschnitts betrachten wir ein
verallgemeinertes Pendel mit Reibung.

Beispiel 2.17. Sei eine Differentialgleichung (2.4) gegeben durch

ẋ1 = x2
ẋ2 = −h1 (x1 ) − h2 (x2 ),

so dass hi , i ∈ {1, 2, } lokal Lipschitz sind und die Bedingungen hi (0) = 0 sowie yhi (y) > 0
für alle y ∈ (−a, a)\{0} erfüllen.7 In Analogie zum Pendelbeispiel wählen wir den bzgl. des
Gleichgewichts x⋆ = 0 positiv semidefiniten Kandidaten V : (−a, a)2 → R≥0 ,
x1
1
Z
V (x) = h1 (y) dy + x22 .
0 2

Wegen h∇V (x), f (x)i = h1 (x1 )x2 +x2 [−h1 (x1 )−h2 (x2 )] = −x2 h2 (x2 ) ≤ 0 ist dieser Ausdruck
negativ semidefinit. Zudem gilt wegen der Implikationskette

x2 (t) ≡ 0 =⇒ ẋ2 (t) ≡ 0 =⇒ h1 (x1 (t)) ≡ 0 =⇒ x1 (t) ≡ 0,

dass nur die triviale Lösung x(t; x0 ) ≡ 0 in E = {x ∈ D : V̇ (x) = 0} = {x ∈ D : x2 = 0}

verbleiben kann. Folglich liefert Korollar 2.15 asymptotische Stabilität bzgl. x⋆ .
7
In Beispiel 2.5 sind h1 (x1 ) = a sin(x1 ) und h2 (x2 ) = bx2 . Die Umgebung (−a, a) entspricht folglich (−π, π).
2.4. LINEARISIERUNG UND LINEARE SYSTEME 23

2.4 Linearisierung und lineare Systeme

In diesem Abschnitt betrachten wir die lineare zeitinvariante Differentialgleichung

ẋ(t) = Ax(t). (2.11)

Für diese Differentialgleichung ist x⋆ = 0 immer ein Gleichgewicht. Falls überdies det(A) 6= 0
gilt, handelt es sich um das einzige Gleichgewicht; weitere isolierte Gleichgewichte können wegen
der Linearität der Gleichung nicht auftreten. Falls nämlich det(A) = 0 gelten sollte, die Matrix A
also einen Kern (und damit einen Unterraum) der Dimension n ∈ N besitzt, sind dessen Elemente
alles Gleichgewichte von (2.11) — diese sind allerdings alle zusammenhängend.
Für die Stabilitätsanalyse linearer Systeme zeigt man zuerst, dass deren Stabilitätsverhalten invari-
ant unter Koordinatentransformationen ist [6, Lemma 8.5] und charakterisiert es dann im Anschluß
anhand der Eigenwerte bzw. der Jordanform der Matrix A.

Satz 2.18. [6, Satz 8.6] Betrachte die lineare Differentialgleichung (2.11) mit einer Matrix A ∈
Rd×d und Gleichgewicht x⋆ = 0. Seien λ1 , λ2 , . . . , λd ∈ C die Eigenwerte der Matrix A. Dann
gilt:

(i) x⋆ ist stabil genau dann, wenn alle Eigenwerte λi = ai + ℑbi , i ∈ {1, 2, . . . , d}, negativen
Realteil besitzen (ai ≤ 0) und alle Eigenwerte λi mit Realteil ai = 0 halbeinfach sind.8

(ii) x⋆ ist (lokal) asymptotisch stabil genau dann, wenn alle Eigenwerte λi = ai + ℑbi , i ∈
{1, 2, . . . , d}, negativen Realteil ai < 0 haben.

Wir wollen Aussage (i) aus Satz 2.18 veranschaulichen und aus physikalischer Sicht motivie-
ren. Dazu betrachten wir [9, Example 4.12], das aufzeigt, warum Jordanblöcke zu einem Eigen-
wert λi = ai + ℑbi mit ai = 0 halbeinfach sein müssen, also nicht die Struktur
 
λi 1 0 ··· ··· 0
 .. .. 
 0 λi
 1 . . 
 .. . . . . . . . . .. 
 . . . . . . 

 .. .. ..

 (2.12)
 . . . 1 0 
 ..
 
.. 
 . . λ 1  i
0 ··· ··· ··· 0 λi

aufweisen dürfen. Dazu werden zwei identische Systeme der Form

   
0 1 0
ẋ = x+ u
−1 0 1

mit x ∈ R2 , u ∈ R in Reihe bzw. parallel geschaltet, siehe Abbildung 2.6.

8
Halbeinfach bedeutet, dass die zugehörigen Blöcke in der Jordanform eindimensional sind. Alternativ könnte man
auch fordern, dass Eigenwerte mit Realteil ai = 0 und algebraischer Vielfachheit qi ≥ 2 die Bedingung Rang(A −
λi Id) = d − qi erfüllen, siehe [9, Theorem 4.5].
24 KAPITEL 2. LYAPUNOV STABILITÄT

Abbildung 2.6: Links: Reihenschaltung; rechts: Parallelschaltung.

Es ergeben sich die Matrizen

   
0 1 0 0 0 1 0 0
 −1 0 0 0   −1 0 0 0 
Ap =  0
 und As =  
0 0 1   0 0 0 1 
0 0 −1 0 1 0 −1 0

mit den Eigenwerten λ1/2 = ℑ und λ3/4 = −ℑ; jeweils algebraische Vielfachheit 2. Jedoch ist nur
für die Parallelschaltung das Kriterium aus Satz 2.18(i), Einfachheit der Eigenwerte λi = ai + ℑbi
mit ai = 0, erfüllt; diese ist also im Gegensatz zur Reihenschaltung stabil. Anfangsbedingungen
ungleich Null liefern sinusförmige Schwingungen als Anregung des Systems (beschränkt im Zeit-
verlauf). In der Parallelschaltung werden diese lediglich addiert, in der Reihenschaltung dient die
Anregung des einen Systems als Eingang für das andere System und kann Resonanz und somit
unbeschränktes Wachstum verursachen.

Bemerkung 2.19. (i) Aus Satz 2.18 folgt auch, dass x⋆ = 0 genau dann instabil ist, falls ein
Eigenwert mit echt positivem Realteil bzw. ein Eigenwert λi = ai + ℑbi mit Realteil ai = 0
und einem zugehörigem Jordanblock der Form (2.12) mit Dimension echt größer als eins
existiert.

(ii) Tatsächlich ist für die lineare Differentialgleichung (2.11) lokale asymptotische Stabilität
gleichbedeutend mit globaler exponentieller Stabilität, das heißt es gibt Konstanten C ≥ 1,
σ > 0, so dass die Ungleichung

kx(t; x0 ) − x⋆ k ≤ Ce−σt kx0 − x⋆ k ∀ t ≥ 0, x0 ∈ Rd

gilt, siehe [6, Definition 8.1(iv) und Satz 8.7]. Man kann sogar noch die folgende, ebenfalls
äquivalente Bedingung zeigen: es existiert eine Norm k · ka auf dem Rd und eine reelle Zahl
σ̃ > 0, so dass für alle (t, x0 ) ∈ R≥0 × Rd die Ungleichung

kx(t; x0 ) − x⋆ ka = ketA x0 ka ≤ e−σ̃t kx0 ka = e−σ̃t kx0 − x⋆ k

gilt, siehe [3, Theorem 2.61]. Eine zu einem asymptotisch stabilen System zugehörige Matrix
wird Hurwitz genannt.

In Satz 2.7 haben wir für nichtlineare autonome Systeme gesehen, dass die Existenz einer Lyapunov
Funktion asymptotische Stabilität impliziert. Für lineare Systeme wollen wir zeigen, dass dieser
Schluß ebenfalls für die andere Implikationsrichtung seine Gültigkeit behält, das heißt wir folgern
2.4. LINEARISIERUNG UND LINEARE SYSTEME 25

aus asymptotischer Stabilität (A Hurwitz) die Existenz einer (quadratischen) Lyapunov Funktion
— und das sogar konstruktiv! Dazu betrachten wir den Lyapunov Kandidaten V : Rd → R,

V (x) = xT P x (2.13)
dV (x(t))
mit positiv definiter symmetrischer Matrix P . Für deren Ableitung dt entlang von Lösungen
der linearen autonomen Differentialgleichung (2.11) gilt

h∇V (x), f (x)i = xT P Ax + (Ax)T P x = xT (P A + AT P )x.

Falls nun die Lyapunov Gleichung

P A + AT P = −Q (2.14)
für eine positiv definite symmetrische Matrix Q eine Lösung besitzt, wäre V eine Lyapunov Funk-
tion.9
Satz 2.20. Eine Matrix A ist Hurwitz genau dann, wenn die Lyapunov Gleichung (2.14) für jede
positiv definite symmetrische Matrix Q eine positiv definite symmetrische Lösung P besitzt. Falls
A Hurwitz ist, so ist überdies die Lösung von (2.14) eindeutig.

Beweis: Die Existenz einer Lösung von (2.14) ist gemäß Satz 2.7 hinreichend für asymptotische
Stabilität und impliziert damit nach Satz 2.18 auch, dass A Hurwitz ist.
Für die Rückrichtung nehmen wir an, dass A Hurwitz ist und betrachten die Matrix P definiert
durch die Gleichung Z ∞
T
P = eA t QeAt dt.
0

Da der Integrand eine Summe von Termen der Form tk−1 eλi t mit ℜλi < 0 ist, ist P wohldefiniert.
Des Weiteren ist P symmetrisch und positiv definit. Letzteres wird durch einen Widerspruchsbe-
weis gezeigt. Angenommen es existiert ein x ∈ Rd \{0} mit xT P x = 0. Dann gilt
Z ∞
T
xT eA t QeAt x dt = 0.
0

Folglich muss eAt x = 0 für alle t ≥ 0, was wiederum x = 0 impliziert. Setzt man nun P in die
Lyapunov Gleichung (2.14) ein, erhält man
Z ∞ Z ∞ Z ∞ 
AT t At T AT t At d T
 T
∞
e Qe A dt + A e Qe dt = eA t QeAt dt = eA t QeAt  = −Q.

0 0 0 dt 0

Also löst P Gleichung (2.14). Um die Eindeutigkeit zu zeigen, nehme man an, dass eine weitere
Lösung P̃ , P̃ 6= P , von (2.14) existiere. Dann gilt (P − P̃ )A + AT (P − P̃ ) = 0 und damit auch
Tt
h i d  AT t 
0 = eA (P − P̃ )A + AT (P − P̃ ) eAt = e (P − P̃ )eAt .
dt
T T
Es muss also eA t (P − P̃ )eAt konstant bzgl. t sein. Jedoch konvergiert der Ausdruck eA t (P −
P̃ )eAt für t → ∞ gegen die Nullmatrix, da A Hurwitz ist. Dies steht aber im Widerspruch zu
9
Die Aussage bleibt gültig, falls Q positiv semidefinit mit Q = C T C ist und das Paar (A, C) mit C ∈ Rp×d
beobachtbar ist [5, Definition 4.2], also die Beobachbarkeitsmatrix (C T , AT C T , . . . , (AT )d−1 C T ) ∈ Rd×(pd) vollen
Rang hat [5, Definition 4.8 und Korollar 4.9], siehe [9, Exercise 4.22].
26 KAPITEL 2. LYAPUNOV STABILITÄT

zeitlichen Invarianz (Lösung konstant) wegen eA0 = Id (zum Zeitpunkt t = 0 ist die Lösung
gleich P − P̃ 6= 0).
Insbesondere kann man mittels (2.14) eine Lyapunov Funktion konstruieren. Zudem erlaubt die
Existenz einer Lyapunov Funktion Aussagen über das System unter Störungen bzw. lokale Aussa-
gen über nichtlineare Systeme mittles ihrer Linearisierung wie der nächste Satz zeigt.

Satz 2.21. Sei x⋆ = 0 ein Gleichgewicht der (nichtlinearen) autonomen Differentialgleichung

ẋ(t) = f (x(t)) mit stetig differenzierbarem
 Vektorfeld f : D → Rd , 0 ∈ D und D ⊆ Rd offen,
∂f
und definiere A = ∂x (x) . Dann ist der Ursprung asymptotisch stabil, falls ai < 0 für alle

x=0
Eigenwerte λi = ai + ℑbi , i = 1, 2, . . . , d, von A gilt. Des Weiteren ist der Ursprung instabil, falls
ein Index i ∈ {1, 2, . . . , d} mit ai > 0 existiert.

Beweisidee: das Vektorfeld f ∈ C 1 (D, Rd ) der Differentialgleichung (2.4) kann als f (x) = Ax +
g(x) geschrieben werden, wobei
 
∂fi ∂fi
gi (x) = (zi ) − (0) x
∂x ∂x

gilt und zi auf der Verbindungsstrecke von x und dem Ursprung liegt. Hierbeit gilt kg(x)k/kxk →
0 für kxk → 0. Es existiert also für beliebiges γ > 0 ein r > 0, so dass kg(x)k < γkxk für alle
x ∈ Br (0) gilt. Betrachtet man nun die aus Satz 2.20 erhaltene Matrix P für die Hurwitz-Matrix A
liefert das

V̇ (x(t)) = x(t)T P ẋ(t) + ẋ(t)T P x(t)

= x(t)T P [Ax(t) + g(x(t))] + [x(t)T AT + g T (x(t))]P x(t)
= x(t)T (P A + AT P )x(t) + 2x(t)T P g(x(t))
= −x(t)T Qx(t) + 2x(t)T P g(x(t)).

Der erste Term −x(t)T Qx(t) ist negativ definit und kann mittels x(t)T Qx(t) ≥ λmin (Q)kx(t)k2
nach oben abgeschätzt werden, wobei λmin (Q) > 0 der kleinste Eigenwert von Q ist. Wählt man
nun γ < (1/2)λmin (Q)/kP k erhält man, dass h∇V (·), f (·)i negativ definit ist. Dies erlaubt es, auf
lokale asymptotische Stabilität mittels Satz 2.7 zu schließen. Der Beweis des zweiten Teils funk-
tioniert ähnlich mit Satz 2.10, wobei Eigenwerte auf der imaginären Achse zusätzliche technische
Schwierigkeiten verursachen. Für Details sei auf [9, Theorem 4.7] verwiesen.
Der Satz läßt sich analog für beliebige Gleichgewichte x⋆ 6= 0 formulieren, siehe zum Beispiel [6,
Satz 9.8]. Zur Veranschaulichung von Satz 2.21 betrachten wir abermals das Pendelbeispiel.

Beispiel 2.22. Die Pendelgleichung ist gegeben durch

ẋ1 (t) = x2 (t)

ẋ2 (t) = −a sin(x1 (t)) − bx2 (t)

mit den Gleichgewichten x⋆ = (0 0)T und x⋆⋆ = (π 0)T . Um nun das Stabilitätsverhalten dieses
Systems in der Nähe dieser Gleichgewichte zu untersuchen, berechnen wir die Jacobi-Matrix
∂f1 ∂f1
!  
∂f (x) ∂x1 ∂x2 0 1
= ∂f2 ∂f2 (x) =
∂x −a cos(x1 ) −b
∂x1 ∂x2
2.4. LINEARISIERUNG UND LINEARE SYSTEME 27
√
Ausgewertet an x⋆ liefert dies die Eigenwerte λ⋆1/2 = −b/2 ± 12 b2 − 4a. Folglich liefert Satz 2.18
(lokale) asymptotische Stabilität bzgl. x⋆ — vorausgesetzt der Reibungskoeffizient b ist echt größer
als Null. Andernfalls liefert der Satz keine Aussage.

Für x⋆⋆ liefert die Auswertung der Jacobi-Matrix A = ∂f∂x (x) 
 ⋆⋆ (alternativ verschiebe man
x=x √
1
das Gleichgewicht in den Ursprung) die Eigenwerte λ⋆⋆ 1/2 = −b/2 ± 2 b2 + 4a und damit gemäß
Satz 2.21 Instabilität.
28 KAPITEL 2. LYAPUNOV STABILITÄT