Dynamical systems of continuous spectra

DOI10.1073/PNAS.18.3.255MaRDI QIDQ569739zbMATH OpenOpenAlexWikidataFDO

Authors B. O. Koopman, John von Neumann

Publication date 1932

Published in Proceedings of the National Academy of Sciences of the United States of America (Search for Journal in Brave)

Full work available at URL https://doi.org/10.1073/pnas.18.3.255

Review text

Das Spektrum eines dynamischen Systems nach \textit{B. O. Koopman} [Proceedings USA Academy 17, 315--318 (1931; JFM 57.1010.02)] sei \(E(\lambda )\). Das Maß\ einer Menge \(J\) auf der Zeitachse werde durch \[ \tau J = \lim _{T\rightarrow +\infty } \frac {m(J\cdot [|t|\leq T])}{2T} \] definiert, wo \(m\) das \textit{Lebesgue}sche Maß\ bedeutet. Die Verf. beweisen folgenden Satz: Notwendige und hinreichende Bedingungen dafür, daß\ es eine Zeitmenge \(J\) vom Maße Null derart gibt, daß\ für je zwei Funktionen \(f\) und \(g\) aus \(\mathfrak P\) (für diese und einige weitere Bezeichnungen vgl. das vorletzte Referat) \[ \lim _{t\rightarrow \pm \infty } (U_t f, g) = (E_0f,g) \quad (t\notin J) \] gilt, sind die folgenden: \[ E(\lambda +0)-E(\lambda -0)=0 \;\text{für} \;\lambda \not = 0 \^^M\text{und} \;E_0 f \;\text{fast überall konstant}, \] wo \(E_0=E(+0)-E(-0)\) gesetzt ist, oder auch: Das System besitzt keine invariante Untermenge von \(\Omega \) von positivem endlichen Maß\ und, im Falle eines endlichen \(\mu \Omega \), kein Winkelvariabeln. Eine andere Fassung dieses Satzes wurde unabhängig davon von \textit{E. Hopf} bewiesen [ibid. 18, 204--209 (1932; JFM 58.1272.03)].

Cited in

(17)

• A Koopman-Takens theorem: linear least squares prediction of nonlinear time series
• Existence and uniqueness of solutions of the Koopman-von Neumann equation on bounded domains
• Another look at residual dynamic mode decomposition in the regime of fewer snapshots than dictionary size
• Deep networks for system identification: a survey
• Dictionary-free Koopman model predictive control with nonlinear input transformation
• Physics-informed spectral approximation of Koopman operators
• Set-valued Koopman theory for control systems
• Kernel methods for the approximation of the eigenfunctions of the Koopman operator
• The combinatorial structure of Lotka-Volterra equations and the Koopman operator
• Multiplicative dynamic mode decomposition
• Rigged dynamic mode decomposition: data-driven generalized eigenfunction decompositions for Koopman operators
• Discovery of governing equations with recursive deep neural networks
• Decrypting nonlinearity: Koopman interpretation and analysis of cryptosystems
• Residual-Guided Dictionary Learning for Spectrally Accurate Koopman Approximation
• On residual bounds, backward shadowing stability of the Extended Dynamic Mode Decomposition solution to the eigenvalue problem for the Koopman operator
• Adaptive data-driven Koopman model predictive control for spatiotemporal biological processes
• A note on the uniform ergodicity of dynamical systems

This page was built for publication: Dynamical systems of continuous spectra

Report a bug (only for logged in users!)Click here to report a bug for this page (MaRDI item Q569739)