Sie sind auf Seite 1von 143

Mathematik fur Wirtschaftswissenschaftler I und II

Peter Meyer-Nieberg Gekurzte Version fur das Wintersemester 2008/2009

Inhaltsverzeichnis

1 Zahlbereiche . . . . . . . . . . . . . . . . . . . . . . . 1.1 Mengen und Zahlbereiche . . . . . . . . . . . . . . 1.2 Potenzen und elementare Kombinatorik . . . . . . . 1.3 Potenz, Exponential, und Logarithmusfunktionen 1.4 Dierenzengleichungen erster Ordnung . . . . . . . 2 Funktionen einer Vernderlichen . . . . . . a 2.1 Trigonometrische Funktionen . . . . . . . . 2.2 Stetige Funktionen . . . . . . . . . . . . . . 2.3 Dierenzierbare Funktionen . . . . . . . . . 2.4 Lokale Extrema dierenzierbarer Funktionen 2.5 Integrierbare Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . .

5 5 15 20 25 35 35 38 44 51 59

3 Gleichungssysteme und Matrizen . . . . . . . . . . 3.1 Vektoren und Matrizen . . . . . . . . . . . . . . . . 3.2 Lineare Gleichungssysteme, der GauAlgorithmus 3.3 Lineare Unabhngigkeit von Vektoren, Basen . . . . a 3.4 Quadratische Matrizen . . . . . . . . . . . . . . . . 3.5 Determinanten . . . . . . . . . . . . . . . . . . . . 4 Funktionen mehrerer Vernderlicher . . . . . a 4.1 Stetige Funktionen mehrerer Vernderlicher . a 4.2 Dierenzierbare Funktionen . . . . . . . . . . 4.3 Positiv und negativ denite Matrizen . . . . . 4.4 Lokale Extrema und zweifache Dierentiation 4.5 Extrema mit Nebenbedingungen . . . . . . . . . . . . . . . . . . . . . . . . . .

. 67 . 67 . 77 . 86 . 95 . 101 . . . . . . 109 109 118 125 130 136

Inhaltsverzeichnis

1. Zahlbereiche

1.1 Mengen und Zahlbereiche


In diesem Abschnitt werden einige Begrie und Eigenschaften der Zahlbereiche bereitgestellt, die im weiteren Verlauf immer wieder bentigt werden. o 1.1.1 Denition: Eine Menge ist die Zusammenfassung einzelner unterscheidbarer Objekte zu einem Ganzen. Diese Objekte a heien Elemente der Menge A. Wir verwenden die Schreibweise: a A fr : a ist ein Element der Menge A. a A bedeutet: a ist kein u / Element von A. Die Menge, die kein Element enthlt, heit leere Menge und wird mit bezeichnet. a Fr die Angabe einer Menge A gibt es unterschiedliche Mglichkeiten: u o I. Auistung, etwa A = a, b, c, . . . oder A = a1 , a2 , a3 , . . . . II. Beschreibung durch Eigenschaften: B = x| x besitzt eine Eigenschaft (*) . Ein Beispiel fr die Beschreibung einer Menge wie in II ist: u B = x | x ist eine natrliche Zahl und x > 2} u 1.1.2 Denition: i) Eine Menge B heit eine Teilmenge der Menge A, wenn x A gilt fr u alle x B. Wir schreiben dann B A oder A B. ii) B und C seien Mengen. Wir setzen B C = x| x B und x C der Durchschnitt von B und C. B C = x| x B oder x C die Vereinigungsmenge von B und C. Weiter sei / B \ C = x x B und x C die Dierenzmenge von B und C. 1.1.3 Bemerkung: Fr Mengen A, B und C gelten die folgenden Beziehungen. u i) (A B) C = (A C) (B C). ii) (A B) C = (A C) (B C). 5

1. Zahlbereiche

Beweis: Wir zeigen etwa die Aussage i); Aussage ii) kann dann entsprechend nachgewiesen werden: Oenbar gilt x A B C x A B und x C

x A oder x B und x C

x A C oder x B C x A C B C .

x A und x C oder x B und x C

(p q heit: p gilt dann und nur dann, wenn q gilt.) Da also die Elemente beider Mengen A B C und A C B C ubereinstimmen, sind die Mengen gleich. 2 1.1.4 Denition: X und Y seien Mengen. Eine Abbildung oder Funktion f : X Y ist eine Zuordnung, die jedem x X genau ein Element y Y zuordnet. Dieses wird mit f (x) bezeichnet. Man beachte, dass fr x, y X mit x = y auch f (x) = f (y) gelten kann. In der Denition u wird lediglich verlangt, dass einem x X nicht zwei verschiedene Werte in Y zugeordnet werden. 1.1.5 Denition: X und Y seien nichtleere Mengen, und f : X Y sei eine Abbildung. i) f heit injektiv, wenn aus x, z X mit x = z stets f (x) = f (z) folgt. ii) f heit surjektiv, wenn zu jedem y Y ein x X existiert mit f (x) = y. iii) f heit bijektiv, wenn f sowohl injektiv als auch surjektiv ist. 1.1.6 Beispiel: 1) Die Abbildung f : IR IR, deniert durch f (x) = x3 fr alle x IR, ist u bijektiv. 2) Die Abbildung f : IR IR, deniert durch f (x) = x2 fr alle x IR, ist weder injektiv noch u surjektiv man beachte f (1) = f (1) und f (x) 0 fr alle x IR. u u 3) Die Abbildung f : IR [0, [, deniert durch f (x) = x2 fr alle x IR, ist surjektiv, aber nicht injektiv. 4) Die Abbildung f : [0, [ [0, [, deniert durch f (x) = x2 fr alle x IR, ist surjektiv u und injektiv, also bijektiv. Die Aussagen dieser Beispiele sind wegen der Resultate des vorstehenden Abschnittes unmittelbar klar. Die Aussagen zeigen speziell, dass der Denitionsbereich X und der Bildbereich Y neben der eigentlichen Abbildungsfunktion entscheidend fr die Begrie Injektiv und Surjektiv u sind. 1.1.7 Denition: Eine Menge A heit eine endliche Menge mit der Anzahl Anz(A) = n IN von Elementen, wenn sich die Elemente von A mit den Zahlen 1, . . . , n durchnummerieren lassen. Wir schreiben dann auch A = a1 , . . . , an . Ist n = 0., sob dedeutet dies A = . Ist A keine endliche Menge, so schreiben wir Anz(A) = . Hug ist es auch sinnvoll, bei unendlichen Mengen von unterschiedlichen Arten der Anzahl a oder Mchtigkeit zu sprechen; der Einfachheit halber verzichten wir hier aber auf eine weitere a Klassizierung.

1.1 Mengen und Zahlbereiche

1.1.8 Satz: Fr endliche Mengen A und B gilt Anz(A)+Anz(B) = Anz(AB)+Anz(AB). u Diese Aussagen sind unmittelbar einsichtig; wir formulieren hier nur den formalen Beweis: Beweis: Oenbar ist die Aussage richtig, wenn eine der Mengen leer ist. Wir knnen also Anz(A) = n > 0 und Anz(B) = p > 0 annehmen. o i) Fall A B = : Es gilt demnach A = a1 , . . . , an und B = b1 , . . . , bp fr alle i, j. Wir setzen u ci = ai bin falls falls 1in . n+1in+p mit ai = bj

Oenbar gilt A B = c1 , . . . , cn+p , also Anz(A B) = n + p. ii) Wir setzen C = B \ (A B). Es gilt dann C (A B) = und B = C (A B). Wegen Teil i) gilt daher Anz(B) = Anz(C) + Anz(A B). Weiter gilt C A = und A B = C A; und wegen Teil i) folgt daher Anz(A B) = Anz(C) + Anz(A). Damit ergibt sich weiter Anz(A) + Anz(B) = Anz(A) + Anz(C) + Anz(A B) = Anz(A B) + Anz(A B), was zu beweisen war. 1.1.9 Beispiel: A und B seien endliche Mengen mit Anz(A) = 18, Anz(A B) = 35 und Anz(A B) = 12. Man berechne Anz(B). Wegen 1.1.8 gilt Anz(B) = Anz(A B) + Anz(A B) Anz(A) = 35 + 12 18 = 29. 1.1.10 Satz: X und Y seien endliche Mengen mit Anz(X) = Anz(Y ) = n, und f : X Y sei eine Abbildung. Die folgenden Aussagen sind quivalent: a i) f ist injektiv. ii) f ist surjektiv. iii) f ist bijektiv. Beweis: Es sei X = x1 , . . . , xn . i) = ii): Da f injektiv ist, mssen die Werte u f (x1 ), . . . , f (xn ) Y unterschiedlich sein. Es sind demnach n Elemente. Da die Menge Y ebenfalls aus n Elementen besteht, folgt unmittelbar Y = f (x1 ), . . . , f (xn ) . ii) = i): Da f surjektiv ist, gilt Y = f (x1 ), . . . , f (xn ) . Wegen Anz(Y ) = n, folgt unmittelbar f (xi ) = f (xj ) fr alle i, j {1, . . . , n} mit i = j. Damit ist f aber injektiv. u i), ii) iii) folgt aus der Denition. 2 Man beachte, dass die Aussage des vorstehenden Satzes fr unendliche Mengen im allgemeinen u falsch ist. Beispielsweise ist die Abbildung f : IN IN, deniert durch f (n) = 2 n fr alle n IN u injektiv, aber nicht surjektiv, und die Abbildung g : IN IN, deniert durch g(n) = 1 , falls n 1 , falls n=1 n=1 2

1. Zahlbereiche

ist surjektiv, aber nicht injektiv. Weiter werden in diesem Abschnitt die wichtigsten Zahlbereiche behandelt. Unter den naturlichen Zahlen verstehen wir die Zahlenmenge IN = 1, 2, 3, . . . , n, . . . . Die ganzen Zahlen sind Z = Z Unter den rationalen Zahlen Q verstehen wir die Menge der Brche, also u Q= p n p Z n IN . Z, . . . , n, . . . , 1, 0, 1, 2, . . . , m, . . . .

Weiter setzen wir noch die wesentlichen Eigenschaften der reellen Zahlen IR als bekannt voraus. Der Einfachheit halber identizieren wir jede positive reelle Zahl x IR mit einem nicht notwendigerweise abbrechenden Dezimalbruch x = an an1 a0 , b1 b2 b3 mit n IN {0} = IN0 und mit ai , bj {0, . . . , 9}. Ein Beispiel fr eine derartige Darstellung u sei x = 2 = 1, 41421356237 . . . . Man beachte, dass diese Darstellung nicht eindeutig ist, so gilt beispielsweise 0, 5 = 0, 4999 9 . 1.1.11 Satz: Fr a, b, c IR gelten die folgenden Regeln: u i) a + b = b + a und a b = b a ii) (a + b) + c = a + (b + c) und a (b c) = (a b) c iii) a (b + c) = a b + a c iv) Es existiert genau ein (a) IR mit a + (a) = 0. 1 1 v) Im Fall a = 0 existiert genau ein IR mit a = 1.
a a

Kommutativgesetz Assoziativgesetz Distributivgesetz

1.1.12 Satz: (Bruchrechnen) Fr a, b, c, d IR mit b, d = 0 gelten die folgenden Regeln: u


a b

c d

ad + cb a , bd b

c d

ac , bd

und im Fall c = 0 gilt

a b

c d

ad . bc

1.1.13 Satz: (Ungleichungen) Fr zwei reelle Zahlen a, b IR gilt genau eine der folgenden u Beziehungen: i) a < b (sprich a ist kleiner als b) ii) a = b. iii) a > b (sprich a ist grer als b) o Gilt a < b oder a = b, so schreiben wir auch a b, a ist kleiner gleich b. Man erkennt unmittelbar, dass fr ganze Zahlen p, q Z die Beziehung q < p genau dann gilt, u Z wenn p q IN, also wenn p q eine natrliche Zahl ist. Man erhlt weiterhin die folgende u a Aussage, die fr das Rechnen mit Ungleichungen wichtig ist. u 1.1.14 Satz: (Grundregeln) Fr a, b, c, d IR gelten die folgenden Regeln: u i) a < b und b < c implizieren a < c. a b und b c implizieren a c.

1.1 Mengen und Zahlbereiche

ii) a < b implizieren a + c < b + c. a b implizieren a + c b + c. iii) a < b und c > 0 implizieren bc > ac. a b und c 0 implizieren ac bc. iv) a < b ist quivalent zu b < a. a v) a < b und c d implizieren a + c < b + d. vi) a < b und c < 0 implizieren ac > bc. 1 vii) a > 0 ist quivalent zu > 0. a
a

viii) a > b > 0 ist quivalent zu > > 0. a b a u ix) Es gilt a2 > 0 fr alle a = 0. Der Beweis dieser Aussage ist nicht schwierig, aber doch recht aufwendig. Durch Fallunterscheidungen erkennt man weiter, dass das Produkt von zwei Zahlen a, b IR genau dann positiv ist, wenn entweder beide Faktoren positiv oder beide negativ sind: Sind a, b > 0, so folgt aus Grundregel iii) ab > 0b = 0. Sind a, b < 0, so folgt aus der vorstehenden Bemerkung ab > 0b = 0. Gilt a > 0 und b < 0, so folgt ab < 0b = 0. Diese Ungleichung gilt auch fr den Fall a < 0 und u b > 0. Wir geben jetzt noch eine weitere wichtige Eigenschaft der reellen Zahlen an: die Trennungseigenschaft oder die Vollstndigkeit der reellen Zahlen, sie wird wie folgt beschrieben: a Sind A, B IR nichtleere Teilmengen mit a b fr alle a A und alle b B, so existiert u mindestens ein c IR mit a c b fr alle a A und alle b B. u

Diese reelle Zahl c trennt also die Mengen A und B in dem Sinne, dass auf der Zahlengeraden die Menge A links von c und die Menge B rechts von c liegen. Es sei noch bemerkt, dass der a Zahlenbereich Q diese Eigenschaft nicht besitzt. Wir werden spter sehen, dass keine rationale 2 Zahl q existiert mit q = 2. Hiermit folgt dann relativ einfach, dass es fr die Mengen u A = x Q| 0 < x und x2 < 2 und B = y Q| y > 0 und y 2 > 2 kein trennendes Element c Q gibt. Andererseits gilt x y fr alle x A und y B. u

1.1.15 Denition: Eine nichtleere Teilmenge I IR heit ein Intervall, wenn aus a, b I mit a < b stets x I folgt fr alle x IR mit a < x < b. u Demnach enthlt ein Intervall mit zwei Punkten auch die gesamte Verbindungsstrecke. Die a Intervalle sind von der folgenden Form, dabei seien a, b IR mit a < b. i) IR = ] , [ ii) I1 = ] , b] = {x IR| x b} und I2 = ] , b[ = {x IR| x < b} iii) I3 = [a, [ = {x IR| x a} und I4 = ]a, [ = {x IR| x > a} iv) I5 = ]a, b] = {x IR| a < x b} I6 = ]a, b[ = {x IR| a < x < b} I7 = [a, b[ = {x IR| a x < b} und I8 = [a, b] = {x IR| a x b}. In den Fllen iii) und iv) heit a die untere Intervallgrenze und in den Fllen ii) und iv) heit a a b die obere Intervallgrenze. Oenbar gilt a I3 , a I4 , a I6 , a I7 und a I8 . / / Die Intervalle in i), ii) und iii) heien unbeschrnkte und die in iv) beschrnkte Intervalle. a a Man kann zeigen, dass jedes Intervall I IR von der eben angegebenen Form ist; siehe 4.2.2 .

10

1. Zahlbereiche

1.1.16 Denition: Fr a IR sei u |a| = a, f alls a 0 und |a| = a, f alls a 0. Der Wert |a| heit der Absolutbetrag der Zahl a IR. Aus der Denition folgt unmittelbar, dass der Absolutbetrag einer reellen Zahl stets nichtnegativ ist. Es gilt also stets a 0 fr alle a IR und a > 0 fr alle 0 = a IR. Auf der u u Zahlengeraden interpretieren wir |a| als den Abstand von a zum Nullpunkt 0; und fr a, b IR u sei |a b| der Abstand von a zu b. Fr das Rechnen mit dem Absolutbetrag gelten die folgenden Regeln. Da der Beweis sehr u die typischen Methoden fr das Rechnen mit Ungleichungen und dem Absolutbetrag benutzt, u werden diese Regeln hier zumindest teilweise nachgewiesen. 1.1.17 Satz: Fr Zahlen a, b, c IR gilt u i) |a| 0, |a| a, und |a| = 0 ist quivalent zu a = 0. a ii) |a| = | a| und |a b| = |b a|. iv) |a + b| |a| + |b|, die Dreiecksungleichung. v) |a| |b| |a b|. iii) |a b| = |a| |b|, und im Fall a = 0 gilt
a b

|a| . |b|

Beweis: Zunchst zeigen wir Aussage i): Dabei treen wir die folgenden Fallunterscheidungen a Fall I: Es gelte a 0. In diesem Fall erhalten wir |a| = a 0. Weiter ist |a| = a > 0 quivalent zu a = 0. a Fall II: Es gelte a 0. In diesem Fall erhalten wir |a| = a 0 a. Weiter ist |a| = a > 0 quivalent zu a = 0. a Zusammenfassend erhalten wir damit die Aussage i). Die Aussagen ii) und iii) knnen mit hnlichen Methoden nachgerechnet werden. o a iv) Wir unterscheiden zwischen den beiden Fllen: a Fall I: Es gelte a + b 0. Dann erhalten wir |a + b| = a + b |a| + b |a| + |b|. Fall II: Es gelte a + b 0. Dann erhalten wir |a + b| = (a + b) = a b |a| b |a| + |b|. v): Aus |a| = (a b) + b |a b| + |b| folgt |a| |b| |a b|. Entsprechend erhalten wir Zusammenfassend gilt demnach |a| |b| |a b|. |b| |a| |a b|. 2

1.1.18 Denition: Gegeben seien n IN und a1 , . . . , an IR. Wir denieren das Maximum dieser Zahlen als die grte Zahl unter den Zahlen a1 , . . . , an und das Minimum als die o kleinste Zahl unter diesen Zahlen. Wir bezeichnen sie als max{a1 , . . . , an } und min{a1 , . . . , an }. Beispielsweise erhalten wir max{1, 0, 2, 4, 2} = 4 und entsprechend min{1, 0, 2, 4, 2} = 2. Weiter gilt max{a, a} = |a| fr alle a IR. u

1.1 Mengen und Zahlbereiche

11

1.1.19 Beispiel: Es soll der jeweilige Funktionsausdruck fr die Funktion u 2 f (x) = max{ x + x + 3, 2x + 5} bestimmt werden. Oenbar ist x2 + x + 3 genau dann der Funktionsausdruck, wenn x2 + x + 3 2x + 5 gilt, oder a quivalent dazu, wenn x2 x 2 0 gilt. Weiter haben wir x2 x 2 = (x 2) (x + 1). Da das Produkt zweier reeller Zahlen genau dann 0 ist, wenn entweder beide Zahlen > 0, beide Zahlen < 0 oder eine der Zahlen = 0 ist, folgt, dass x2 x 2 = (x 2) (x + 1) 0 gilt genau in den Fllen x 2 oder x 1. Demnach gilt a 2 x +x+3 2x + 5 max x2 + x + 3, 2x + 5 = 2 x +x+3 2x + 5 x2 + x + 3 2x + 5 falls falls falls x2 1 x 2 . x 1

Entsprechend gilt

min x2 + x + 3, 2x + 5 =

falls falls falls

x2 1 x 2 . x 1

1.1.20 Beispiel: Es sollen alle x IR bestimmt werden mit x = 1, 2, 2 und mit max{ 2x 4, x 1} (x4 + 1) (x + 2) (x4 + 1) < (x 1) (x2 4) |x 2| (x 1) Bevor diese Aufgabe mit Fallunterscheidungen gelst wird, fhren wir noch die folgende Vereino u fachung durch: Beide Seiten der Ungleichung weisen den gemeinsamen Faktor (x4 +1) im Zhler a 4 auf: das Krzen durch diesen Faktor verndert also nicht die Ungleichung, da (x + 1) > 0 u a gilt fr alle x IR. Die gegebene Ungleichung ist also aquivalent oder gleichwertig zu der u folgenden Ungleichung max{ 2x 4, x 1} (x + 2) < 2 4) (x 1) (x |x 2| (x 1) Und wegen (x2 4) = (x 2) (x + 2) ist diese Ungleichung quivalent zu a (x + 2) 1 max{ 2x 4, x 1} = < . (x 1) (x 2) (x + 2) (x 1) (x 2) |x 2| (x 1) Diese Ungleichung soll durch Erweitern oder Krzen gemeinsamer Faktoren weiter vereinfacht u werden. Dabei kommt es aber in Gegensatz zu Gleichungen auf das Vorzeichen der Faktoren und den Wert des Maximums an.Dieser wird zunchst bestimmt. Oenbar ist 2x 4 x 1 a a quivalent zu x 3. Folglich gilt max{2x 4, x 1} = 2x 4 x1 fr u fr u x3 x3 und |x 2| = (x 2) (x 2) fr u fr u x2 . x2

12

1. Zahlbereiche

Fallunterscheidungen Fall 1: x < 1 x = 2 Die gegebene Ungleichung ist quivalent zu a 1 (x 1) 1 < = . (x 1) (x 2) (x 2) (x 1) (x 2) Wegen (x 2) < 0 und (x 1) < 0 ist sie quivalent zu 1 < (x 1) also x < 0. Die a Lsungsmenge fr den Fall 1) ist also L1 = x < 1 mit x < 0, x = 2 =] , 0[ \ {2}. o u Fall 2: 1 < x < 2 Die gegebene Ungleichung ist quivalent zu a 1 (x 1) 1 < = . (x 1) (x 2) (x 2) (x 1) (x 2) Wegen (x 2) < 0 und (x 1) > 0 ist sie aquivalent zu 1 > (x 1) also x > 0. Die Lsungsmenge fr den Fall 2) ist also L2 = 1 < x < 2 mit x > 0 =]1, 2[. o u Fall 3: 2 < x 3 Die gegebene Ungleichung ist aquivalent zu 1 (x 1) 1 < = . (x 1) (x 2) (x 2) (x 1) (x 2) Wegen (x 2) > 0 und (x 1) > 0 ist sie quivalent zu 1 < (x 1) also x > 2. Die a Lsungsmenge fr den Fall 3) ist also L3 = 2 < x 3 mit x > 2 =]2, 3]. o u Fall 4: x 3 Die gegebene Ungleichung ist aquivalent zu 1 (2x 4) < . (x 1) (x 2) (x 2) (x 1) Wegen (x 2) > 0 und (x 1) > 0 ist sie quivalent zu 1 < (2x 4) also x > 2.5 . Die a Lsungsmenge fr den Fall 4) ist also L4 = 3 < x mit x > 2.5 =]3 , [. o u Die Gesamtlsung lautet demnach o L =] , 0[ ]1, [\{2, 2}. 1.1.21 Beispiel: Ein Hndler handelt mit einer Ware A. Bis zu einem Maximalbezug von a 1000 kg bezieht er die Ware von einem Lieferanten fr e 10,- pro kg; auf dem freien Markt u kostet die Ware e 12,-. Bis zu maximal 1500 kg pro Zeiteinheit kann er die Ware fr e 15,u pro kg absetzen, fr jedes zustzlich verkaufte kg erhlt er e 13,-. Man beschreibe die Gewinnu a a a funktion G in Abhngigkeit von x kg. Die Gewinnfunktion ergibt sich aus den um die Kosten verminderten Erlsen. Man beachte, o dass sich die Rahmenbedingungen ndern bei x = 1 000 und bei x = 1 500 kg. a Fr 0 x 1 000 gilt G(x) = 5x. u Fr 1 000 x 1 500 gilt G(x) = 5 000 + 3(x 1 000) = 2 000 + 3x. u Fr 1 500 x gilt G(x) = 6 500 + (x 1 500) = 5 000 + x. u Zusammenfassend erhalten wir G(x) = min{ 5x, 2 000 + 3x, 5 000 + x}.

1.1 Mengen und Zahlbereiche

13

Ubungsaufgaben 1.1.1 Aufgabe: Man bestimme den jeweiligen Funktionsausdruck oder den Verlauf der Funktion f (x) = max x2 + x + 1, 3x + 4 . 1.1.2 Aufgabe: Man bestimme den jeweiligen Funktionsausdruck oder den Verlauf der Funktion f (x) = min 2x2 x, x2 + 2 . 1.1.3 Aufgabe: Man bestimme den jeweiligen Funktionsausdruck oder den Verlauf der Funktion g(x) = max |x2 + 2x 3|, x + 3 . 1.1.4 Aufgabe: Man bestimme den jeweiligen Funktionsausdruck oder den Verlauf der Funktion f (x) = max (x2 + 2x + 1), (2x + 2) . 1.1.5 Aufgabe: Man bestimme alle x IR mit x2 5x + 8 2. 1.1.6 Aufgabe: i) Man bestimme ein Polynom p mit p(x)(x + 1) = x3 + x2 4x 4. ii) Man bestimme alle x IR mit x3 + x2 4x 4 < 0. 1.1.7 Aufgabe: Bestimmen Sie alle Lsungen x IR der Ungleichung: o 3 2 2 2 x + 3x max x + x + 2, x x + 6 . 1.1.8 Aufgabe: Bestimmen Sie alle Lsungen x IR der Ungleichung: o 6 5 4 3 6 x + 2x + 3x + 8x 6x + 5 x + x5 2x4 + 3x3 + 5x2 + 5. 1.1.9 Aufgabe: Man bestimme alle x IR mit max x2 4x + 4, 2x 1 min x2 + 8x 6, 2x 1 .

1.1.10 Aufgabe: Man bestimme alle Lsungen x IR mit x = 2 der folgenden Ungleichung o (x12 + 4)(x 2)(x + 1)(x + 5) |x + 1|(x12 + 4) |x 2|(x2 + 4) (x2 + 4) 1.1.11 Aufgabe: Bestimmen Sie alle Lsungen 1, 3 = x IR der Ungleichung o max (x2 1), (x + 1)2 |x + 3|(x 1) . (x + 3)(x8 + 3x6 + 2) (x + 1)2 (2x8 + 6x6 + 4) 1.1.12 Aufgabe: Bestimmen Sie alle Lsungen 3 = x IR der Ungleichung o |x + 2|(x16 + 8) (x16 + 8)(x 3)(x + 2)(x + 4) . |x 3|(x6 + 1) x6 + 1 1.1.13 Aufgabe: Man bestimme alle Lsungen 2, 2 = x IR der Ungleichung o (x8 + 6) min x 2, 1 2x (x8 + 6)(x2 4) . (x + 2) |x 2|

14

1. Zahlbereiche

1.1.14 Aufgabe: Man bestimme alle Lsungen 3 = x IR der Ungleichung o max 2x + 4, x + 3 (x + 2)(x + 3) . 2 + 21) |x + 3|(x (x2 + 21)(x + 3) 1.1.15 Aufgabe: Bestimmen Sie alle Lsungen 5 = x IR der Ungleichung o (x6 + 4)(x 5)(x + 2)(x + 4) |x + 2|(2x6 + 8) . |x 5|(x4 + 1) x4 + 1 1.1.16 Aufgabe: Bestimmen Sie alle Lsungen 1, +3 = x IR der Ungleichung o min (x2 1), (x + 1)2 |x 3|(x + 1) . (x 3)(x8 + x6 + 2) (x 1)2 (x8 + x6 + 2) 1.1.17 Aufgabe: Man bestimme alle x IR mit x = 1, 2 und mit (x16 + 5) max x2 + x 2, 2x + 4 (x 2)2 (x 1) 1.1.18 Aufgabe: Man bestimme alle x IR mit (x8 + 1) max 2x2 + 4x + 2, x2 + 3x + 8 (x2 6x + 10) (x8 + 1) min 4x + 16, 2x + 10 (x2 6x + 10) . (4x + 8)(x16 + 5) . (x 2)(x2 4)

1.1.19 Aufgabe: Ein Fabrikant stellt eine Ware A her. Zur Produktion von einem kg dieser Ware werden 0, 02 Arbeitsstunden zu je e 55,- und Rohstoe zum Preis von e 6,- bentigt; der o Verkaufspreis betrgt e 10,- pro kg. Werden mehr als 200 Arbeitsstunden bentigt, so verteua o ern sich die zustzlichen Stunden um 20 %; werden mehr als 12 000 kg hergestellt, so verringert a sich der Erls fr die zustzlichen Einheiten um 10 %. Beschreiben Sie die Gewinnfunktion in o u a Abhngigkeit von der Produktionsmenge in kg mit max- und min- Ausdrcken. a u 1.1.20 Aufgabe: Ein Hndler verkauft eine Ware A; mit seinem Lieferanten hat er vereinbart, a dass er mindestens 1000 kg zum Preis von e 12,- pro kg abnimmt, bentigt er mehr als 1500 o kg, so verteuert sich jedes zustzliche kg um 20 %. Der Verkaufspreis betrgt e 20,- pro kg. a a Werden mehr als 2 000 kg verkauft, so verringert sich der Erls fr die zustzlichen Einheiten o u a um 10 %. Beschreiben Sie die Gewinnfunktion in Abhngigkeit von der Verkaufssmenge in kg a mit max- und min- Ausdrcken. u

1.2 Potenzen und elementare Kombinatorik

15

1.2 Potenzen und elementare Kombinatorik


Zunchst denieren wir die Potenz an fr ein beliebiges a IR und n Z a u Z. 1.2.1 Denition: Gegeben seien a IR und n IN. Wir setzen an = a . . . a, das n-fache Produkt von a mit sich selbst. Weiter sei stets a0 = 1; diese Beziehung gelte auch im Fall 1 a = 0. Im Fall a = 0 denieren wir weiter an = n .
a

Fr das Rechnen mit Potenzen gelten die folgenden Regeln. u 1.2.2 Satz: Fr a, b IR mit a, b = 0 und m, n Z gilt u Z m+n n m i) a =a a . n ii) amn = am . iii) (a b)n = an bn . iv) = n. b b v) a > 0 impliziert am > 0. vi) a > 1 und m > n implizieren am > an . vii) 0 < a < 1 und m > n implizieren am < an . viii) 0 < a b und m > 0 implizieren 0 < am bm . i) Oenbar gilt
a
n

an

Beweis: (I) Wir behandeln zunchst die Aussage i), ii), iii) und iv) im Fall m, n IN. a am+n = (a . . . a) ( Produkt von m + n Faktoren) = (a . . . a) (a . . . a) = am an . ii) Im Prinzip knnte diese Aussage genauso wie die Aussage i) gezeigt werden: allerdings wre o a dann die Darstellung zu unbersichtlich. Daher entwickeln wir hier eine andere Beweismethode, u diese ist fr viele weitere Aussagen anwendbar: u 1) Zunchst untersuchen wir den Fall n = 1. Es sei m IN beliebig. Oenbar gilt a amn = am1 = am = am
1

= am .

Fr n = 1 ist diese Aussage oenbar richtig. u 2) Wir nehmen jetzt an, dass diese Aussage fr ein n IN richtig ist. Es wird jetzt gezeigt u dass diese Aussage auch fr den Fall n + 1 richtig ist: Wegen i) gilt u am
n+1

= am

am

= am

am .

Da die Aussage fr den Fall n richtig ist, folgt weiter wegen Aussage i) u am
n+1

= amn am = a(mn+m) = am(n+1) .

Demnach ist diese Aussage auch im Fall n + 1 gltig. u 3) Die Aussage gilt fr alle Zahlen n IN : Wegen 1) gilt sie im Fall n = 1. Wegen 2) gilt sie u daher auch im Fall n + 1 = 1 + 1 = 2. Wegen 2) gilt sie mit n = 2 auch im Fall n + 1 = 3. Mit dieser Methode knnen wir jede natrliche Zahl n IN erreichen; folglich gilt diese Aussage o u fr alle n IN. u iii) und iv) knnen wie die Aussage ii) gezeigt werden. o

16

1. Zahlbereiche

(II) Fall m, n Z : Mit Hilfe der Fallunterscheidungen m, n IN knnen die ersten Z o beiden Aussagen unmittelbar auf den frheren Satz zurckgefhrt werden. u u u m v) Im Fall m IN folgt aus der Denition von a als mfaches Produkt sofort am > 0. Damit 1 gilt auch am = m > 0 und a0 = 1 > 0 .
a

vi) Wegen m > n gilt p = m n IN. Da ap das pfache Produkt der Zahl a > 1 mit sich selbst ist, folgt unmittelbar ap > 1. Wir erhalten am = an+p = an ap > an 1 = an . 1 vii) Wir setzen b = a . Wegen 0 < a < 1 gilt b > 1. Damit folgt aus Aussage v)
1 am

= bm > bn =

1 an

und am < an . 2

viii) kann entsprechend nachgewiesen werden.

Diese eben benutzte Beweismethode formulieren wir jetzt in dem nachfolgenden Satz uber das Prinzip der vollstndigen Induktion. a 1.2.3 Satz: Es sei p Z Weiter sei A eine Aussage uber ganze Zahlen, und es gelten die Z. folgenden Bedingungen: i) Die Aussage A(p) sei richtig. ii) Ist n Z mit n p und ist die Aussage A(n) richtig, so ist auch A(n + 1) richtig. Z Dann ist die Aussage A(n) richtig fr alle n Z mit n p. u Z
n

1.2.4 Beispiel: Fr alle n IN gilt u

i = 1+ 2 +...+ n =
i=1 1

n(n + 1) . 2

Beweis: 1) Fr n = 1 gilt die Aussage wegen u


i=1

i=1=
n

1(1 + 1) . 2 n(n + 1) . 2

2) Die Aussage gelte fr ein n IN; es gilt also u

i = 1 + ...+ n =
i=1

Wegen des Prinzips der vollstndigen Induktion mssen wir diese Aussage fr den Fall n + 1 a u u nachweisen. Oenbar gilt wegen der Induktionsannahme
n+1 n

i =
i=1 i=1

i + (n + 1) =

n(n + 1) 2

+ (n + 1) = (n + 1)

n 2

+1 . 2

Wegen 1.2.3 ist die Aussage nachgewiesen worden.

a 1.2.5 Denition: i) Fr n IN0 = IN {0} denieren wir die Zahl n-Fakultt: n! wie folgt: u Wir setzen 0! = 1, und im Fall n > 0 sei n! das Produkt der Zahlen 1, . . . , n. Es gilt demnach
n

n! =
i=1

i = 1 2 3 . . . n.
m n

ii) Fr n, m IN0 = IN {0} mit m n denieren wir den Binomialkoezienten u durch:


m n

m! . n! (m n)!

1.2 Potenzen und elementare Kombinatorik

17

Man erkennt unmittelbar, dass fr den Binomialkoezienten u m > n auch die folgende Darstellung gilt:
m n

m n

im Fall m, n IN mit

m (m 1) . . . (m n + 1) . 1 2 ...n

Diese Darstellung entsteht aus der ursprnglichen durch Krzen des Faktors (m n)!. Weiter u u beachte man, dass n! mit n sehr schnell ansteigt: So gilt etwa 1! = 1, 2! = 2, 3! = 6, 4! = 24, 5! = 120, 6! = 720, 7! = 5040, 8! = 40 320, 9! = 362 880 und 10! = 3 628 800 . Fr die u Berechnung der Binomialkoezienten wird hug ein Verfahren benutzt, das auf der folgenden a Aussage beruht. 1.2.6 Bemerkung: i) Fr m, n IN mit m n gilt u ii) Fr alle m, n IN0 mit m n gilt u
m n m+1 n

m n

+ n1 .

IN.

Beweis: i) Diese Aussage kann durch einfaches Nachrechnen nachgewiesen werden:


m n

+ n1

= = =

m! m! + n! (m n)! (n 1)! (m n + 1)! m! 1 1 + (n 1)! (m n)! n mn+1 m! (m + 1) = (n 1)! (m n)! (m n + 1) n

m+1 n

Damit ist diese Aussage gezeigt worden. ii) Mit Hilfe von i) kann diese Aussage einfach durch vollstndige Induktion nach m gezeigt a werden. Man beachte, dass stets
m 0

m m

= 1 gilt. Auf die Durchfhrung dieses sehr u 2

einfachen Beweises soll verzichtet werden. 1.2.7 Satz: (Binomischer Lehrsatz) Gegeben seien x, y IR und n IN. Dann gilt x+y
n n

=
i=0

n i

xi y ni.

Der Beweis dieses Satzes bendet sich im Anhang. 1.2.8 Satz: i) X und Y seien endliche Mengen mit Anz(X) = Anz(Y ) = n. Es existieren genau n! verschiedene bijektive Abbildungen f : X Y. ii) X sei eine Menge mit n Elementen. Dann existieren genau n! verschiedene Mglichkeiten, o diese Menge X durchzunummerieren. Beweis: i) Die Aussage wird durch vollstndige Induktion nach n IN gezeigt. a n = 1: Da X und Y jeweils ein Element besitzen, existiert genau eine Abbildung f : X Y ; diese ist trivialerweise bijektiv. n = n + 1 : Wir nehmen an, dass die Aussage richtig ist fr Mengen V und W mit jeweils u n Elementen; es existieren also genau n! verschiedene bijektive Abbildungen g : W V. Es seien jetzt X = x0 , x1 , . . . , xn und Y = y0 , y1 , . . . , yn .

18

1. Zahlbereiche

Es gilt Anz(X) =Anz(Y ) = n + 1. Wir mssen zeigen, dass es genau (n + 1)! verschiedene u bijektive Abbildungen f : X Y gibt. Wir setzen W = x1 , . . . , xn und Vj = y Y mit y = yj fr alle j = 0, 1, . . . , n. Ist jetzt f : X Y bijektiv, so existiert genau ein j {0, . . . , n} mit u o f (x0 ) = yj . Diesem f knnen wir also genau eine bijektive Abbildung fj : W Vj zuordnen. Wegen der Induktionsvoraussetzung existieren genau n! verschiedene bijektive Abbildungen fj : W Vj und damit genau n! verschiedene bijektive Abbildungen f : X Y mit f (x0 ) = yj . Das gilt fr alle j = 0, 1, . . . , n. Daher existieren genau (n + 1) n! = (n + 1)! u verschiedene bijektive Abbildungen f : X Y, was zu zeigen war.

ii) Da eine Durchnummerierung von X := x1 , . . . , xn durch die Vorschrift f (j) = xj fr u alle j = 1, . . . , n genau einer bijektiven Abbildung f : {1, . . . , n} X entspricht, folgt diese Aussage unmittelbar aus Teil i). 2 1.2.9 Satz: Es seien m, n IN0 = IN {0} mit n m. Weiter sei X eine Menge mit Anz(X) = m. Es existieren genau
m n

Teilmengen Y X mit Anz(Y ) = n.

Der Beweis dieser Aussage verluft hnlich wie der von Satz 1.2.8 i); daher verzichten wir hier a a auf die explizite Darstellung und geben ihn im Anhang an. 1.2.10 Beispiel: Zahlenlotto 6 aus 49 : Das Tippen von 6 Zahlen entspricht oenbar einer Auswahl einer Teilmenge mit 6 Elementen aus der Menge {1, 2, . . . , 49}. Wegen des vorstehenden Satzes gibt es also genau
49 6

= 13 983 816 verschiedene Mglichkeiten, 6 Zahlen aus o

den Zahlen 1, . . . , 49 auszuwhlen. a Jetzt interessieren wir uns, wie beispielsweise die Situation bei 4 Richtigen aussieht also fr die Anzahl der Mglichkeiten, dass von 6 getippten Zahlen 4 in den 6 gezogenen Zahlen u o vorkommen. Diese Problemstellung entspricht der Auswahl einer 4-elementigen Teilmenge aus einer 6-elementigen Menge und andererseits der Auswahl einer 2-elementigen Teilmenge aus einer 49 6 = 43-elementigen Menge. Demnach ergeben sich daher
6 4

43 2

= 13545

verschiede Mglichkeiten, dass von 6 getippten Zahlen genau 4 in den 6 gezogenen Zahlen o vorkommen. Ubungsaufgaben 1.2.1 Aufgabe: Durch vollstndige Induktion nach n IN zeige man a 1 + 22 + . . . + n2 = 1 2n3 + 3n2 + n . 6

1.2.2 Aufgabe: Durch vollstndige Induktion nach n IN zeige man a 1 + q + q2 + . . . + qn = q n+1 1 fr alle 1 = q IR. u q1

1.2 Potenzen und elementare Kombinatorik

19

1.2.3 Aufgabe: A und B seien endliche Mengen. Es gelte: Anz(A) = 15, Anz(B) = 26 und Anz(A B) = 10. Berechnen Sie Anz(A B). 1.2.4 Aufgabe: Durch vollstndige Induktion nach n IN zeige man: a Sind A und B endliche Mengen mit Anz(A) = n und Anz(B) = m, so existieren mn verschiedene Abbildungen : A B. 1.2.5 Aufgabe: Wieviele Mglichkeiten gibt es, 3 Richtige beim Lotto 6 aus 49 auszuwhlen? o a 1.2.6 Aufgabe: Bei einem Preisausschreiben gibt es 20 verschiedene Gewinne. Die Teilnehmerzahl betrgt 1000, jeder Teilnehmer erhlt dabei hchstens einem Gewinn. Wieviele una a o terschiedliche Mglichkeiten der Gewinnverteilung gibt es? o 1.2.7 Aufgabe: 20 Studenten benden sich in einem Raum mit 36 Sitzpltzen. a i) Wieviele unterschiedliche Mglichkeiten gibt es, die insgesamt zu besetzenden Pltze auso a zuwhlen? a ii) Wieviele unterschiedliche Mglichkeiten der Sitzverteilung gibt es? o 1.2.8 Aufgabe: X und Z seien Mengen mit Anz(X) = n < m =Anz(Z). Bestimmen Sie die Anzahl aller injektiven Abbildungen : X Z.

20

1. Zahlbereiche

1.3 Potenz, Exponential, und Logarithmusfunktionen


In diesem Abschnitt diskutieren wir einige spezielle Funktionen einer reellen Vernderlichen. a Dabei verzichten wir auf die ublichen elementaren aber sehr umfangreichen und auch kom plizierten Konstruktionen, sondern fhren diese Funktionen auf die natrliche Exponentialu u funktion und die natrliche Logarithmusfunktion zurck. Diese werden wir spter sehr einfach u u a aus der allgemeinen Theorie der Dierential und Integralrechnung herleiten knnen. Wir foro mulieren diesen Existenzsatz jetzt in einer Version, wie wir in hier bentigen, um allgemeine o Wurzelfunktionen, allgemeine Exponentialfunktionen und deren Umkehrfunktionen einfhren u zu knnen. Zunchst bentigen wir die folgende Begrisbildung: o a o 1.3.1 Denition: Es sei I IR mit I = . i) Eine Funktion f : I IR heit monoton wachsend, wenn f (x) f (z) fr alle x, z I u mit x z gilt. ii) Eine Funktion f : I IR heit streng monoton wachsend, wenn f (x) < f (z) fr alle u x, z I mit x < z gilt. iii) Eine Funktion f : I IR heit monoton fallend, wenn f (x) f (z) fr alle x, z I u mit x z gilt. iv) Eine Funktion f : I IR heit streng monoton fallend, wenn f (x) > f (z) fr alle u x, z I mit x < z gilt. 1.3.2 Beispiel: i) Es sei n IN gerade, dann ist die Funktion f : [0, [ IR : f (x) = xn streng monoton wachsend; denieren wir diese Funktion auf ] , 0], so ist sie dort streng monoton fallend. ii) Es sei n IN ungerade, dann ist die Funktion f : IR IR : f (x) = xn streng monoton wachsend. x fr u x0 0 fr 0 x 1 u iii) Die Funktion f : IR IR : f (x) = (x 1) fr u x1 ist monoton aber nicht streng monoton wachsend. Die Aussagen dieses Beispiels sind unmittelbar klar. Die folgende Aussage ist der angekndigte u Existenzsatz fr die natrliche Exponential und Logarithmusfunktion; man vergleiche die u u weitergehende Formulierung in Satz 2.3.8. 1.3.3 Satz: e = 2.718281828459045 . . . IR sei die Eulersche Zahl. i) Es existiert eine eindeutig bestimmte streng monoton wachsende bijektive Funktion ln : ]0, [ IR mit ln(1) = 0, mit ln(e) = 1, und mit ln(a b) = ln(a) + ln(b) fr alle u 0 < a, b IR. ii) Es existiert eine eindeutig bestimmte streng monoton wachsende bijektive Funktion exp : IR ]0, [ mit exp(0) = 1, mit exp(1) = e, und mit exp(x + z) = exp(x) exp(z) fr alle u z, x IR. iii) Es gilt exp ln(x) = x fr alle 0 < x IR und ln exp(z) = z fr alle z IR. u u 1.3.4 Bemerkung: i) Es gilt exp(x) = ii) Es gilt exp(n x) = exp(x) iii) Es gilt exp
1 x n
n n

1 exp(x)

= 0 fr alle x IR. u

= exp(x) fr alle x IR und alle n IN. u

fr alle x IR und n Z u Z.

1.3 Potenz, Exponential, und Logarithmusfunktionen

21

Beweis: i) Es gilt 1 = exp(0) = exp(x + x) = exp(x) exp(x) fr alle x IR; damit ist diese u Aussage klar. n u ii) Durch Induktion folgt unmittelbar exp(n x) = exp(x) fr alle n IN und wegen i) damit auch fr alle n Z und x IR. u Z n 1 1 iii) Es gilt exp(x) = exp n x = exp x . 2
n n

Anmerkung: Wegen der obigen Eigenschaften schreiben wir auch ex = exp(x) fr alle x IR. u

Wir bentigen jetzt noch eine weitere Begrisbildung, die wir allerdings nur in einer etwas o spezielleren Form benutzen werden: 1.3.5 Satz: X und Y seien nichtleere Mengen und f : X Y sei eine Funktion. f ist genau dann bijektiv, wenn eine Funktion g : Y X existiert mit f g(y) = y und g f (x) = x fr u alle x X und y Y . g ist eindeutig durch f bestimmt und heit die Umkehrfunktion von f Beweis: f sei bijektiv, zu jedem y Y existiert daher genau ein x X mit f (x) = y. Wir setzen g(y) = x; die behaupteten Eigenschaften sind damit klar. Umgekehrt sei g die Umkehrfunktion zu f . Wegen f g(y) = y fr alle y Y ist f surjektiv. u Es seien jetzt x, z X mit x = z. Wegen z = g f (z) und x = g f (x) folgt dann unmittelbar f (x) = f (z), f ist also injektiv. 2

1.3.6 Beispiel: Die natrliche Logarithmusfunktion ln : ]0, [ IR ist die Umkehrfunktion u der natrlichen Exponentialfunktion exp : IR ]0, [. Graphen der Funktionen ln, exp . u y = ex y
1

y = ln(x)
1 1 1

Graphen der Funktionen ln, exp Mit Hilfe der natrlichen Exponentialfunktion und des natrlichen Logarithmus fhren wir u u u jetzt allgemeine Exponenten und damit auch die Wurzelfunktionen ein. 1.3.7 Denition: Fr a IR mit a > 0 und x IR sei u ax = exp x ln(a) .

22

1. Zahlbereiche

Im Fall a = 0 und 0 < x IR setzen wir noch ax = 0 und 00 = 1. Ist a ]0, [ und ist n IN, so sei 1 1 n n a = a n = exp ln(a) und 0 = 0; n u im Fall n = 2 schreiben wir auch a = 2 a fr alle a 0. Man uberlegt sich unmittelbar, dass im Fall a > 0 und n IN diese Denition mit der frheren u 1.2.1 ubereinstimmt: Es gilt exp n ln(a) = exp ln(a) + . . . + ln(a) = Wegen exp(x) =
1 exp(x)

exp ln(a)

= an .
1 . an

fr alle x IR folgt damit auch exp n ln(a) = u = x ln(a) fr alle a > 0 und x IR. u

Weiter gilt ln(ax ) = ln exp x ln(a)

Wegen 1.3.4 ii) mit x = ln(a) ist fr 0 < a IR und n IN die Zahl b = u eindeutig bestimmte Zahl b> 0 mit bn = a. Es gelten die folgenden Regeln:

a = a n die

1.3.8 Satz: Es seien a, b IR mit a, b > 0 und z, x IR. Es gelten die folgenden Aussagen: i) (a b)x = ax bx . ii) ax+z = ax az z iii) axz = ax iv) ln(ax ) = x ln(a) v) Im Fall a < b und x > 0 gilt ax < bx . vi) Im Fall a > 1 und x < z gilt ax < az . vii) Im Fall 0 < a < 1 und x < z gilt az < ax . 1 Anmerkung: Wegen n a = a n fr alle 0 < a IR und alle n IN erhalten wir aus der u obigen Aussage auch unmittelbar die Rechenregeln fr die Wurzelfunktionen, die wir hier der u Vollstndigkeit halber explizit formulieren: a 1.3.9 Bemerkung: Es seien a, c IR mit a, c 0 und m, n IN. Es gelten die folgenden Regeln: i) n (a c) = n a n c. ii) m n a = (nm) a. iii) Im Fall c > 0 gilt = . n c n n iv) Im Fall a < c gilt a < c. m v) n am = n a .
n

a c

Weiter erhalten wir als unmittelbare Konsequenz von 1.3.8 die folgende Aussage uber das Monotonieverhalten dieser Funktionen: 1.3.10 Folgerung: i) Es sei 1 < a IR. Die Funktion IR x ax ist streng monoton wachsend. ii) Es sei a IR mit 0 < a < 1. Die Funktion IR x ax ist streng monoton fallend. iii) Es sei 0 < c IR. Die Funktion [0, [ xc ist streng monoton wachsend.

1.3 Potenz, Exponential, und Logarithmusfunktionen

23

1.3.11 Bemerkung: Es sei 0 < a IR mit a = 1. Die Umkehrfunktion der Funktion IR x ax ]0, [ heit der Logarithmus zur Basis a: loga (t) fr alle 0 < t IR. Es gilt: u ln(t) i) loga (t) = ln(a) fr alle 0 < t IR. u ii) Die Funktion loga : ]0, IR ist im Fall a > 1 streng monoton wachsend und im Fall a < 1 streng monoton fallend. iii) loga (s t) = loga (s) + loga (t) fr alle s, t > 0. u 1 u = loga (s) fr alle s > 0. iv) loga v) loga st = t loga (s) fr alle s > 0 und alle t IR. u
ln(ax ) . ln(a) s

Beweis: i) Fr alle x IR gilt x = loga (ax ) = u

Es folgt loga (t) =

ln(t) ln(a)

ii) Es ist einfach einzusehen, da die Umkehrfunktion einer streng monoton wachsenden (fallenden) Funktion wieder streng monoton wachsend (fallend) ist. Die weiteren Aussagen werden mit i) und den entsprechenden Regeln fr die Exponentialfunku tion hergeleitet. 2

fr alle 0 < t IR. u

1.3.12 Beispiel: Fr alle x IR sei f (x) = e2x + 2 ex . Man bestimme eine Umkehrfunktion u zu f und gebe den Denitionsbereich dieser Umkehrfunktion an. Wir setzen y = e2x + 2 ex . Es folgt ex + 2 ex y = 0; wir erhalten daher ex = 1 1 + y. Da ex > 0 fr alle x IR gilt, folgt ex = 1 + 1 + y und y > 0. Wir u setzen weiter x = ln 1 + y 1 . Die Funktion g : ]0, [ IR, deniert durch x = g(y) = ln 1+y1 ist oenbar die Umkehrfunktion von f. 2
2

1.3.13 Bemerkung: Es seien a, b IR mit a2 b 0. Dann hat die Gleichung x2 + 2ax + b = 0 genau die Lsungen x1 = a + a2 und x2 = a a2 b. o b Wir schreiben auch kurz x1, 2 = a a2 b. u Beweis: Setzen wir etwa x1 fr x in die Gleichung ein, so erhalten wir 2 x2 + 2ax1 + b = a + a2 b + 2a a + a2 b + b = 0. 1 Gilt jetzt umgekehrt x2 +2ax+b = 0, so folgt x2 +2ax+a2 a2 +b = 0 und (xa)2 = (a2 b) 0. Wir erhalten x a = a2 b oder x a = a2 b. 2

24

1. Zahlbereiche

Ubungsaufgaben 1.3.1 Aufgabe: Bestimmen Sie die Denitionsbereiche der folgenden Funktionen i) f (x) = ln(x2 4x) ii) g(x) = log2 (2x 1). 1.3.2 Aufgabe: Untersuchen Sie den Denitionsbereich der folgenden Funktionen und skizzieren Sie den Verlauf: i) f (x) = ln(x2 + 6x + 8) ii) g(x) = ln(log2 (x2 ) + 1). 1.3.3 Aufgabe: Bestimmen Sie die Umkehrfunktion und geben Sie den Denitionsbereich dieser Umkehrfunktion an zu der Funktion f : f (x) = e4x + 2 e2x + 2. 1.3.4 Aufgabe: Die Funktion f : ] , 1] IR sei deniert durch f (x) = ln(x2 + 2x + 3). Bestimmen Sie die Umkehrfunktion g zu f und geben Sie den Denitionsbereich von g an. 1.3.5 Aufgabe: Bestimmen Sie die Umkehrfunktion und geben Sie den Denitionsbereich der Umkehrfunktion an von f : 2x 2x . f (x) = x 2 + 2x 1.3.6 Aufgabe: Gegeben sei f : [1, 1] IR durch f (x) = Man bestimme die Umkehrfunktion von f . 1.3.7 Aufgabe: Man bestimme alle x IR mit max e ex2 + (x 1), ln e2x x3 4x 0. x2 4x . +4

1.4 Dierenzengleichungen erster Ordnung

25

1.4 Dierenzengleichungen erster Ordnung


In diesem Abschnitt behandeln wir lineare Dierenzengleichungen erster Ordnung und damit zusammenhngende Probleme der elementaren Finanzmathematik. a 1.4.1 Denition: Eine reelle Zahlenfolge ist eine Abbildung f : IN IR. Statt f (n) IR schreiben wir zur Abkrzung xn = f (n) und weiter u xn
n=1

oder xn

an Stelle der Abbildungsschreibweise f : IN IR. Hug ist es auch zweckmig, eine Folge nicht bei 1, sondern bei einer anderen ganzen Zahl a a beginnen zu lassen, beispielsweise bei 1 oder 0. In diesen Fllen schreiben wir dann xn n=1 a beziehungsweise xn n=0 . u 1.4.2 Beispiel: i) Die Folge (n) ist die Folge (xn ) mit xn = n fr alle n IN. n=1 n=1 1 1 ii) Die Folge n n=1 ist die Folge (xn ) mit xn = n fr alle n IN. u n=1 1.4.3 Denition: Es seien a, b IR. Eine reelle Zahlenfolge (xn ) mit n=0 xn+1 = a xn + b fr alle n IN0 u heit eine Lsung der Dierenzengleichung erster Ordnung oder genauer eine Lsung o o der linearen Dierenzengleichung erster Ordnung mit konstanten Koezienten. Im Fall b = 0 sprechen wir von einer homogenen Dierenzengleichung; und im Fall b = 0 von einer inhomogenen Dierenzengleichung. Wir wollen jetzt die Lsungen der Dierenzengleichung xn+1 = a xn + b bestimmen; dazu o sei der Anfangswert x0 IR gegeben. Zunchst erkennt man durch vollstndige Induktion die a a Eindeutigkeit der Lsung, da x0 vorgegeben wurde und xn+1 durch xn eindeutig bestimmt ist o fr alle n IN0 . u Fall a = 1: Durch vollstndige Induktion erkennt man unmittelbar, dass die Lsung gegeben a o wird durch xn = x0 + n b fr alle n IN0 . u Fall a = 1 : Wir setzen xn = an x0 + xn+1 = an+1 x0 +
an+1 1 a1

u u Es ist zu zeigen, dass die Folge (xn ) die Dierenzengleichung erfllt: Fr alle n IN0 gilt n=0 b = a an x0 + = a an x0
(a an a) + (a 1) b a1 an 1 a1 + b + b a1 a1

an 1 a1

b fr alle n IN0 . u

= a xn + b.

Wir haben also den folgenden Satz bewiesen: 1.4.4 Satz: Es seien a, b IR. Dann existiert zu jedem Anfangswert x0 IR genau eine Lsung (xn ) der Dierenzengleichung xn+1 = a xn + b. Diese ist von der Form o n=0 x0 + n b im Fall a = 1 n xn = . an x0 + a 1 b im Fall a = 1
a1

26

1. Zahlbereiche

Als erste Anwendungen der Theorie der Dierenzengleichungen werden wir Probleme der elementaren Finanzmathematik behandeln. Diese behandelten Probleme haben mehr oder weniger Beispielcharakter, das gilt insbesondere fr die hergeleiteten Zinsformeln. Bei konkreu ten Anwendungen ist es empfehlenswert, eine Dierenzengleichung aufzustellen und dann die Lsungsformel aus dem vorstehenden Satz zu ubernehmen. o K = Kn = K(n) sei das Kapital zum Zeitpunkt n. Der Zinssatz sei gegeben durch den Zinsfu in p % Zinsen pro Jahr. Bei gleichbleibendem Kapital sind demnach nach einem Jahr p die Zinsen Z = K 100 fllig; dabei wird vorausgesetzt, dass die Zinsgutschrift jhrlich erfolgt. a a Bei jhrlicher Zinsgutschrift werden als Zeitrume stets ganze Jahre betrachtet. Fngt man a a a also bei n = 0 an, so gilt demnach n = 1 nach einem Jahr und etwa n = 3 nach drei Jahren. Bei andersartigen Zinsgutschriften wird entsprechend verfahren. Erfolgt die Zinsgutschrift etwa halbjhrlich, und fngt man bei n = 0 an, so gilt dann nach einem halben Jahr n = 1 und a a etwa nach drei Jahren n = 6. Wir fhren jetzt noch den Aufzinsungsfaktor q ein: es ist der Faktor mit der ein vorhandenes u Kapital multipliziert wird, um das um die fr eine Zinsperiode fllige Zinsen erhhte Kapital u a o zu erhalten. Demnach gilt: q =1+ q =1+
p bei jhrlicher Zinsgutschrift und a 100 p bei halbjhrlicher Zinsgutschrift. a 2 100

Der Aufzinsungsfaktor hngt also wesentlich von der Lnge der zugrundeliegenden Zinsperiode a a ab, wird dieser verndert, so ndert sich entsprechend auch der Aufzinsungsfaktor. a a 1.4.5 Beispiel: (Ratensparen zum Ende der Zinsperiode) Jhrlich wird eine feste Rate a R zum Ende der Zinsperiode eingezahlt. Die Zinsgutschrift erfolgt jhrlich. Die Zinsen werden a auf dem Konto belassen. Das Anfangskapital sei K0 . Das Problem wird durch die folgende Dierenzengleichung beschrieben:
p

Kn+1 = q Kn + R.

der auf den Verzinsungszeitraum von einem Jahr bezogene AufzinHierbei ist q = 1 + 100 sungsfaktor. Wir setzen natrlich p = 0 und damit gleichbedeutend q = 1 voraus. Daher ist u wegen der Lsungformel des Satzes 1.4.4 nach n Zinsperioden (hier Jahre) das Kapital Kn auf o dem Konto mit qn 1 R. Kn = q n K0 +
q1

1.4.6 Beispiel: (Ratensparen zu Beginn der Zinsperiode) Jhrlich wird eine feste Rate a R zu Beginn der Zinsperiode eingezahlt. Die Zinsgutschrift erfolgt jhrlich. Die Zinsen werden a auf dem Konto belassen. Das Anfangskapital sei K0 . Das Problem wird durch die folgende Dierenzengleichung beschrieben: Kn+1 = q(Kn + R) = qKn + qR. der auf den Verzinsungszeitraum von einem Jahr bezogene AufzinHierbei ist q = 1 + 100 sungsfaktor. Wir setzen natrlich p = 0 und damit gleichbedeutend q = 1 voraus. Daher ist u wegen der Lsungformel des Satzes 1.4.4 nach n Zinsperioden (hier Jahre) das Kapital Kn auf o dem Konto mit qn 1 Kn = q n K0 + q R.
q1 p

1.4 Dierenzengleichungen erster Ordnung

27

1.4.7 Beispiel: (Ratensparen zum Ende der Zinsperiode, halbjhrliche Zinsguta schrift) Halbjhrlich wird eine feste Rate R zum Ende der Zinsperiode eingezahlt. Die Zinsa gutschrift erfolgt halbjhrlich. Die Zinsen werden auf dem Konto belassen. Das Anfangskapital a sei K0 . Das Problem wird durch die folgende Dierenzengleichung beschrieben: Kn+1 = q Kn + R.

der auf den Verzinsungszeitraum von einem halben Jahr bezogene Hierbei ist q = 1 + 2 100 Aufzinsungsfaktor. Wir setzen natrlich p = 0 und damit gleichbedeutend q = 1 voraus. Daher u ist wegen der Lsungformel des Satzes 1.4.4 nach m Jahren, also n Zinsperioden (hier halbe o Jahre) mit n = 2m das Kapital Kn auf dem Konto mit Kn = q n K0 +
qn 1 q1

R.

1.4.8 Beispiel: (Monatliches Ratensparen, jhrliche Zinsgutschrift) Monatlich (zum a 1.) wird eine feste Rate r eingezahlt. Die Zinsgutschrift erfolgt jhrlich. Die Zinsen werden a auf dem Konto belassen. Das Anfangskapital sei K0 . Das Problem wird durch die folgende Dierenzengleichung beschrieben: Kn+1 = q Kn + R,

der auf den Verzinsungswobei die jhrliche Rate R noch zu bestimmen ist, und q = 1 + a 100 zeitraum von einem Jahr bezogene Aufzinsungsfaktor ist. Zur Bestimmung von R machen die folgenden Uberlegungen: Wir bestimmen die Rate R so, als ob sie am Ende der Zinsperiode eingezahlt wird. Fr jede Monatsrate fallen dann unterschiedliche, vom Einzahlungstermin u abhngige Zinsen an. a Januarrate: Verzinsung 12 Monate, an Zinsen fallen also an: z1 =
12 12

p 100

r.

Februarrate: Verzinsung 11 Monate, an Zinsen fallen also an: z2 =


11 12

p 100

r.

Mrzrate: Verzinsung 10 Monate, an Zinsen fallen also an: a z3 =


10 12

. . .

p 100

r.

Dezemberrate: Verzinsung 1 Monat, an Zinsen fallen also an: z12 =


1 12

p 100

r.

Fr alle Monatsraten zusammen erhalten wir nach 1.2.4 den folgenden Zinsanteil: u
12 12

z=
i=1

zi =
i=1

i 12

p 100

r =

12 13 2 12

p 100

r.

28

1. Zahlbereiche

Damit gilt fr die Jahresrate u R = 12 r +


13 2

p 100

r = 12 +

13 p 200

r.

Wir setzen natrlich p = 0 und damit gleichbedeutend q = 1 voraus. Daher gilt die Lsungu o formel des vorstehenden Satzes: Kn = q n K0 +
qn 1 q1

R = q n K0 +

qn 1 q1

12 +

13 p 200

r.

Nach n Jahren ist also das Kapital Kn auf dem Konto. 1.4.9 Beispiel: (Nachschussige Rente) Aus einem festen Grundkapital K0 , das verzinst wird, wird nach jeder Zinsperiode eine feste Rate R ausgezahlt; wir bezeichnen diesen Vorgang als nachschssige Rentenzahlung. u Dieser Vorgang wird durch die folgende Dierenzengleichung beschrieben:
p

Kn+1 = q Kn R.

der auf den Verzinsungszeitraum von einem Jahr bezogene AufzinHierbei ist q = 1 + 100 sungsfaktor. Wir setzen natrlich p = 0 und damit gleichbedeutend q = 1 voraus. Daher ist u wegen der Lsungformel des Satzes 1.4.4 nach n Zinsperioden das Kapital Kn auf dem Konto o mit qn 1 R. Kn = q n K0 Soll beispielsweise aus einem Anfangskapital von e 100.000 genau 20 Jahre lang eine gleichbleibende Rente gezahlt werden, so erhalten wir bei einem Zinssatz von 6% durch die Forderung K20 = 0 die Beziehung 0 = K0 (1, 06)20
(1, 06)20 1 (1, 06) 1 q1

R, also R =

105 0, 06 (1, 06)20 = 8718, 46 e (1, 06)20 1

1.4.10 Beispiel: (Vorschussige Rente) Aus einem festen Grundkapital K0 , welches ver zinst wird, wird vor jeder Zinsperiode eine feste Rate R ausgezahlt; wir bezeichnen diesen Vorgang als eine vorschssige Rentenzahlung. u Dieser Vorgang wird durch die folgende Dierenzengleichung beschrieben:
p

Kn+1 = q Kn R q.

der auf den Verzinsungszeitraum von einem Jahr bezogene AufzinHierbei ist q = 1 + 100 sungsfaktor. Wir setzen natrlich p = 0 und damit gleichbedeutend q = 1 voraus. Daher ist u wegen der Lsungformel des Satzes 1.4.4 nach n Zinsperioden das Kapital Kn auf dem Konto o mit qn 1 R q. Kn = q n K0 Soll beispielsweise aus einem Anfangskapital von e 100.000 genau 20 Jahre lang eine gleichbleibende Rente gezahlt werden, so erhalten wir bei einem Zinssatz von 6% durch die Forderung K20 = 0 die Beziehung 0 = K0 (1, 06)20
(1, 06)20 1 (1, 06) 1 q1

R (1, 06), also R =

105 0, 06 (1, 06)20 (1, 06)20 1 (1, 06)

= 8224, 96 e

Die vorschssige Rente ist also niedriger als die nachschssige. u u

1.4 Dierenzengleichungen erster Ordnung

29

1.4.11 Beispiel: (Barwert einer Rente) m Jahre lang soll eine nachschssige Rente also u Rentenzahlungen nach der jhrlichen Zinsperiode gezahlt werden. Der Zinsfu sei p%, und a die Hhe der jhrlichen Rentenzahlungen sei R. Der Barwert dieser Rente ist das Anfangskao a pital K0 , das zusammen mit den Zinsen diese jhrlichen Rentenzahlungen ermglicht. a o . Die Problemstellung wird durch die folgende DierenDer Aufzinsungsfaktor sei q = 1 + 100 zengleichung beschrieben: Kn+1 = q Kn R. Nach n Jahren gilt demnach Kn = q n K 0 R
qm 1 q1 qn 1 . q1 p

Da m Jahre lang eine Rente gezahlt werden soll, folgt 0 = Km = q m K 0 R und weiter K0 = R
qm 1 . (q 1) q m

1.4.12 Beispiel: (Laufzeit einer Hypothek) Eine Hypothek in Hhe von e 200 000. geo langte am 1.1.1992 zur Auszahlung. Der Zinssatz betrug 7.8% und die Anfangstilgung betrug 3% nominal pro Jahr. Die Zahlung der Zinsen und des Tilgungsanteils erfolgt in gleichbleibenden Raten jeweils zum Monatsende. Man bestimme die Laufzeit der Hypothek, also das Datum, zu dem die Hypothek getilgt ist. Die jeweilige Monatsrate betrgt R = a e. 12 100 Der Aufzinsungsfaktor ist q = 1.0065. Es gilt die folgende Dierenzengleichung: u Kn+1 = q Kn R fr alle n IN0 . Wir erhalten also aus 1.4.4 unmiitelbar Kn = q n K0
qn 1 R q1 200 000 (7.8 + 3)

fr alle n IN0 . u

Wenn die Hypothek getilgt ist, gilt Kn = 0. Aus 0 = Kn = q n K0 qn = R q1 1


R (q 1) qn 1 R q1

folgt 1 1
K0 (q 1) R

= K0

Aus den Rechenregeln fr den Logarithmus erhalten wir u n ln(q) = ln 1


K0 (q R

1) .

Das Einsetzen der Werte liefert n = 197.7065 Monate; die Hypothek ist daher nach 16 Jahren und 6 Monaten also am 1.7.2008 getilgt. 1.4.13 Beispiel: Vom 1.1.1976 31.12.1991 wurden auf ein Sparkonto am 15. jeden Monats e 300. eingezahlt. Der Zinssatz betrug 5% pro Jahr, die Zinsgutschrift erfolgte jeweils zum 30.6. und 31.12. . Am 1.1.1992 waren e 183 705. auf dem Konto. Man bestimme das Anfangskapital K0 .

30

1. Zahlbereiche

Der Aufzinsungsfaktor ist q = 1, 025. Die Zahl der Zinsperioden vom 1.1.76 31.12.91 ist n = 32. ( 16 Jahre ) Es gilt die Dierenzengleichung Kn+1 = q Kn + R. Bestimmung der Halbjahresrate R. Unter Bercksichtigung der Zinsen fr die jeweiligen Mou u natsraten gilt: R = 6 300 + Fr alle m IN gilt u
5, 5 12

4, 5 12

3, 5 12

2, 5 12

1, 5 12

0, 5 12

5 100

300 = 1822, 50 .

Km = 1, 025m K0 +

1, 025m 1 1822, 50. 0, 025

Mit K32 = 183705, 00 und m = 32 folgt K0 = 43539, 79 e. Wir diskutieren jetzt noch dynamische Aspekte: 1.4.14 Satz: Es seien q IR, d IR, r IR mit d = 0. Die Dierenzengleichung xn+1 = q xn + dn r besitzt die Lsung o xn = q n x0 + nq n1 r q n x0 +
q n dn qd

fr alle n IN0 u

im Fall d = q fr alle n IN0 . u

r im Fall d = q

u Beweis: Wir machen den Ansatz xn = dn wn fr alle n IN0 . Dann gilt x0 = w0 , und wir erhalten die Dierenzengleichung dn+1wn+1 = q dn wn + dn r also wn+1 =
q d

wn +

r d

fr alle n IN0 . Aus Satz 1.4.4 erhalten wir die Lsung u o r im Fall q = d x0 + n d n n n wn = q x0 + q d1 1 r im Fall d = q
d qd 1 d

und damit

xn =

q n x0 +

q n x0 + n q n1 r
q n dn qd

im Fall q = d

r im Fall d = q 2

fr alle n IN0 , was zu beweisen war. u

1.4.15 Beispiel: Eine Rente soll 20 Jahre lang monatlich zum Monatsende ausgezahlt werden. Der Zinssatz betrgt 4.6% p.a., und die Zinsgutschrift erfolgt jhrlich zum Jahresende. Im a a ersten Jahr betrgt die Rente e 3000,- pro Monat; in den folgenden Jahren steigt sie pro Jahr a jeweils um 2% an. Bestimmen Sie den Barwert der Rente. Der Aufzinsungsfaktor betrgt q = 1.046 . R sei die Jahresrate im ersten Jahr: a R = 12 3 000 + (11 + . . . + 1 + 0)
4.6 1200

3 000 = 36759.

1.4 Dierenzengleichungen erster Ordnung

31

Die Situation wird durch die Dierenzengleichung u Kn+1 = q Kn (1.02)n R fr alle n IN0 mit n 20 beschrieben. Aus 1.4.13 folgt Kn = q n K0 wegen K20 = 0 erhalten wir K0 = q 20 Ubungsaufgaben 1.4.1 Aufgabe: Eine Versicherung zahlt aus vorhandenem Kapital zehn Jahre lang jeweils zum Monatsersten eine Rente von e 2000,-. Der Zinssatz betrgt 6 % p.a., die Zinsgutschrift a erfolgt zum Monatsende (1 Monat = 30 Zinstage ). Beschreiben Sie dieses Problem durch eine Dierenzengleichung und bestimmen Sie den Kapitalwert der Rente (Anfangskapital). 1.4.2 Aufgabe: Ein Bausparer will vom 1.1.1995 31.12.2000 einen Bausparvertrag mit der Bausparsumme von DM 100 000, ansparen: dazu mssen am 31.12.2000 40% der u Bausparsumme auf dem Konto sein. Die Zinsgutschrift (3% p.a.) erfolgt jhrlich. Wie hoch a mssen die monatlichen Sparraten (zum Monatsersten) sein? u 1.4.3 Aufgabe: Eine Hypothek von DM 300 000 wird mit 7% p.a. verzinst. Die Anfangstilgung betrgt 1%. Der Darlehensnehmer zahlt in gleichbleibenden Monatsraten jeweils DM a 2000 zum Monatsersten. Die Zinsbelastung erfolgt jhrlich zum 31.12. . Die Auszahlung der a Hypothek erfolgte am 31.12.1985 . i) Wie hoch ist der Darlehensstand am 1.1.1997? ii) In welchem Jahr ist die Hypothek getilgt? 1.4.4 Aufgabe: Vom 1.1.84 bis 31.12.96 werden zum 15. jeden Monates DM 200, auf ein a Konto eingezahlt. Das Anfangskapital ist K0 = 0. Der Zinssatz betrgt 6% nominal pro Jahr, die Zinsgutschrift erfolgt jeweils zum Quartalsende. Es werden keine weiteren Kontobewegungen vorgenommen. Wieviel Geld ist nach Vertragsablauf auf dem Konto? 1.4.5 Aufgabe: Eine Hypothek von 240 000,- e wird mit 8 % pro Jahr verzinst. Die Anfangstilgung betrgt 2 % pro Jahr. (Rckzahlungen: 10 % des ursprnglichen Darlehens einschliea u u lich Zinsanteil pro Jahr) Die Zahlungen erfolgen in gleichbleibenden Raten (von jeweils e 2000,-) zum Monatsersten. Die Zinsbelastung erfolgt vierteljhrlich jeweils zum Quartalsende. a Wann ist die Hypothek getilgt? 1.4.6 Aufgabe: Ein Sparer hat mit seiner Bank den folgenden Sparvertrag abgeschlossen: Die Laufzeit geht vom 1.1.1990 bis 31.12.2000. Der Zinssatz betrgt 5% p.a., und die Zinsgutschrift a erfolgt jhrlich. Der Sparer zahlt am 31.12.1989 DM 5000, auf sein Konto ein. Danach zahlt a er monatlich zum Monatsende DM 300, und zustzlich dazu jedes Jahr am 30.6. DM 1000, a auf sein Konto ein. Wieviel Geld ist nach Ablauf des Vertrages auf dem Konto?
q n (1.02)n R q 1.02 q n (1.02)n R. q 1.02

= 559 213.21 e.

32

1. Zahlbereiche

1.4.7 Aufgabe: Ein Kufer hat ein Haus im Wert von e 300.000, auf Rentenbasis ubernoma men. Dazu zahlt er an den Verkufer monatlich jeweils zum Monatsende 20 Jahre lang eine a Rente gleicher Hhe r. Zum 30.11. erfolgt jeweils eine zustzliche Zahlung in gleicher Hhe. Zur o a o Verrechnung wird ein Zinssatz von 6% p.a. zugrundegelegt. Die Zinsgutschrift erfolgt jhrlich. a Bestimmen Sie die Hhe der monatlichen Rente r. o 1.4.8 Aufgabe: Ein Sparer will sich vom 1.1.2020 31.12.2039 jeweils zum Monatsende e 2000, auszahlen lassen. Wieviel muss er whrend der Sparphase vom 1.1.1992 31.12.2019 a monatlich zum Monatsersten einzahlen, damit diese Auszahlung mglich ist? Der Zinssatz o betrgt 6% p.a., die Zinsgutschrift erfolgt jhrlich. a a 1.4.9 Aufgabe: Ein Konsument hat mit einer Bank einen Ratenkredit abgeschlossen. In der Zeit vom 1.1.1992 bis 31.12.1998 muss er jeweils zum Monatsende eine Rate in Hhe von o DM 280, zahlen. Der Konsument will jetzt zum 1.10.1995 den gesamten (restlichen) Kredit zurckzahlen; von der Bank bekommt er die anteiligen Zinsen erstattet, aber er muss im u Gegenzug der Bank eine Entschdigung in Hhe von 2% des Restkredites zahlen. Der Zinssatz a o betrgt 11.4% p.a., die Zinsbelastung erfolgt jeweils zum Monatsende (ein Zinsmonat= 30 a Zinstage). Berechnen Sie die Hhe des Betrages, der am 1.10.1995 der Bank gezahlt werden o muss. 1.4.10 Aufgabe: Ein Konsument besitzt e 6 000,- und will ein Auto fr e 20 000,- kaufen. u Er kann zwischen zwei Mglichkeiten der Finanzierung whlen: o a i) Er zahlt e 6 000,- bei der Autorma an und danach 48 Monatsraten (zum Monatsende) in Hhe von jeweils e 337,-. o ii) Er bezahlt das Auto bar, bekommt von der Autorma einen Rabatt in Hhe von 7% o auf den Gesamtpreis und nanziert den Dierenzbetrag durch ein Darlehen seiner Bank zu den folgenden Konditionen: Bearbeitungsgebhr 2% (auf die Hhe der Darlehenssumme, wird u o zu Beginn der Laufzeit dem Darlehen hinzugerechnet), 48 Monatsraten (zum Monatsende), Zinssatz 10.8% pro Jahr, Zinsbelastung monatlich. Bestimmen Sie die gnstigere Finanzierung. u 1.4.11 Aufgabe: Eine Hypothek in Hhe von DM 200 000, mit einem Auszahlungskurs o von 100% gelangte am 31.12.1990 zur Auszahlung. Der Zinssatz von 8,8 % p.a. wurde auf 5 Jahre festgeschrieben. Die Anfangstilgung betrug 2%. Die Zins und Tilgungzahlungen waren jeweils vierteljhrlich zum Quartalsende fllig; zu den gleichen Terminen erfolgte auch die a a Zinsbelastung. Am 31.12.1995 wurde die Hypothek zu gleichen Konditionen mit gleiche Raten aber zu einem ermigten Zinsatz von 5,6% p.a. verlngert. Bestimmen Sie die Laufzeit der a a Hypothek und die Hhe der letzten Rate. o 1.4.12 Aufgabe: Ein Konsument will ein Auto zum Preis von e 35 000, kaufen. Die Bank der Autorma nanziert den Autokauf wie folgt: Zinssatz 3% p.a. , 60 Monatsraten in Hhe von o e 500, zahlbar am 15. jeden Monats. Die Zinsbelastung erfolgt monatlich zum Monatsende. Bestimmen Sie die Anzahlung, die der Konsument zu leisten hat. 1.4.13 Aufgabe: Einem Bankkunden werden zwei Sparmglichkeiten angeboten: o i) Zinssatz 3% p.a., Zinsgutschrift jhrlich, Laufzeit 10 Jahre, monatliche Raten in Hhe von a o e 200, am Monatsersten.

1.4 Dierenzengleichungen erster Ordnung

33

ii) Zinssatz 2,5%, Zinsgutschrift jhrlich, Laufzeit 10 Jahre, monatliche Raten in Hhe von e a o 200, am Monatsersten, am Ende der Laufzeit wird dem Konto ein Betrag in Hhe von 2% o der gesamten Einzahlungen gutgeschrieben. Bestimmen Sie das gnstigere Angebot. u 1.4.14 Aufgabe: Ein Sparer hatte am 31.12.92 das Kapital K0 = 12 000 DM auf dem Konto. Beginnend mit dem 31.3.93 zahlte er jeweils zum Quartalsende eine Rate auf das Konto ein: im ersten Jahr betrug diese QuartalsRate jeweils DM 600,, in den weiteren Jahren stieg diese Rate jeweils um 5% an. Der Zinssatz betrug 4%, die Zinsgutschrift erfolgte jhrlich. a Bestimmen Sie das Guthaben am 1.1.2002. 1.4.15 Aufgabe: Ein Kunde hat mit seiner Bank den folgenden Sparvertrag abgeschlossen: Er zahlt im ersten Jahr in jedem Monat jeweils zum Monatsersten e 200,- auf sein Sparkonto ein. In den folgenden Jahren erhhen sich die Sparraten (jeweils zum Vorjahr berechnet) um o jeweils 4% bei ansonsten gleichen Konditionen. Der Zinssatz betrgt 4.8% p.a., Zinsgutschrift a erfolgt jhrlich zum 31.12. ; Sparbeginn am 1.1.1983. Das Anfangskapital war K0 = 1000 e a i) Beschreiben Sie das Problem durch eine Dierenzengleichung. ii) Bestimmen Sie das Guthaben am 31.12.1996 (nach erfolgter Zinsgutschrift).

34

1. Zahlbereiche

2. Funktionen einer Vernderlichen a

2.1 Trigonometrische Funktionen


In diesem Abschnitt diskutieren wir Eigenschaften trigonometrischer Funktionen. Diese Eigenschaften werden allerdings nicht in allen Einzelheiten bewiesen. 2.1.1 Denition: Die Bogenlnge eines Winkels ist deniert durch t = 2 a
. 360o

Hier wird der Winkel im ublichen Winkelma gemessen. Demnach ist das Bogenma t des Winkels die Lnge des entsprechenden Bogenabschnittes auf dem Einheitskreis. a
1 y x 0<t< t 1
2

Mit Hilfe des Einheitskreises erklren wir auch die Sinusfunktion und die Kosinusfunktion. a Im folgenden werden Winkel immer im Bogenma gemessen. 2.1.2 Denition: Sinusfunktion und Kosinusfunktion: Es sei 0 t 2. Dem den Winkel t entsprechenden Punkt auf der Einheitskreislinie werden im cartesischen Koordinatensystem die Werte x und y zugeordnet. Wir setzen sin t = y und cos t = x. Die obige Denition knnen wir auch fr beliebige Winkel treen, also auch fr x < 0 oder o u u a x > 2; der Einheitskreis wird in diesen Fllen mehrfach in positiver oder negativer Richtung durchlaufen. Aus der geometrischen Interpretation folgt ebenfalls einfach die folgende Aussage: 2.1.3 Bemerkung: Fr das rechtwinklige Dreieck mit dem rechten Winkel bei C gilt sin = u und cos = . 35
b c a c

36

2. Funktionen einer Vernderlichen a C


90

2.1.4 Satz: Fr alle x IR gilt u sin x = cos


2

x , cos x = sin( x

sin 2n + x

sin(x) = sin x, cos(x) = cos x

sin2 (x) + cos2 (x) = 1

= sin x, cos 2n + x = cos x (n Z Z) (Additionstheorem)

sin(x + y) = sin x cos y + cos x sin y cos(x + y) = cos x cos y sin x sin y sin(2x) = 2 sin(x) cos(x) cos(2x) = cos2 (x) sin2 (x)

Diese Aussagen folgen ebenfalls sehr einfach aus der geometrischen Interpretation. Fr die u Additonsaussagen vergleiche man auch folgende Zeichnung: B A

G D C Aus dieser Zeichnung folgt


E F

BC = sin( + ), BE = sin , ME = cos , BD = BE cos = sin cos DC = MG = ME cos( ) = cos sin 2 also (wegen BC = BD + DC) sin( + ) = cos sin + cos sin 2.1.5 Denition: Wir denieren fr alle x IR mit cos x = 0 die Tangensfunktion durch u tan x =
sin x . cos x

2.1 Trigonometrische Funktionen

37

In der folgenden Tabelle nden sich einige Werte der trigonometrischen Funktionen: 0o x sin x cos x tan x 0 0 1 0
1 2 1 3

30o
6 1 2 1 2 1 2

45o
4

60o 90o
3 1 2 2

135o 180o
3 4 1 2

225o 270o
5 4 3 2

315o 360o
7 4

2 0 1 0

2 2 1

3
1 2

0 1 2 2 1 1 2 2 0 1

1 1 2 2 0
1 2

3 3

0 1 2 2 1

2.1.6 Beispiel: Graphen der Funktionen sin x und cos x.

sin x

2 -1

3 2

5 2

3 cos x

2.1.7 Satz: i) Die Einschrnkung der Sinusfunktion auf das Intervall [ , ] ist streng moa 2 2 noton wachsend, und es existiert die Umkehrfunktion: arcsin : [1, 1] [ , ] der Sinus2 2 funktion, genannt Arcussinus. ii) Die Einschrnkung der Kosinusfunktion auf das Intervall [0, ] ist streng monoton fallend, a und es existiert die Umkehrfunktion: arccos : [1, 1] [0, ] der Kosinusfunktion, genannt Arcuskosinus. Ubungsaufgaben 2.1.1 Aufgabe: Vereinfachen Sie den folgenden Funktionsausdruck: f (x) = ln ex
2 sin x

(ex )2 .

2.1.2 Aufgabe: Vereinfachen Sie den folgenden Funktionsausdruck: g(x) = sin eln(1+x2 ) + 2x fr x 1. u tan3 (t) tan(t) . tan3 (t) + tan(t)

2.1.3 Aufgabe: Die Funktion f : ] , 0[ IR sei gegeben durch 2 f (t) = Berechnen Sie die Umkehrfunktion von f .

38

2. Funktionen einer Vernderlichen a

2.2 Stetige Funktionen


In diesem Abschnitt behandeln wir Funktionen, die sich durch ein in bestimmtem Sinn gutartiges Verhalten auszeichnen die stetigen Funktionen. Unprzise gesprochen handelt es a sich dabei um Funktionen, deren Graph sich ohne Absetzen zeichnen lsst; wir verwenden a allerdings hier eine exaktere mathematische Formulierung. In diesem Abschnitt sei I stets ein aus mehr als einem Punkt bestehendes Teilintervall der reellen Zahlen. 2.2.1 Denition: f : I IR sei eine Funktion, und es seien x0 I und a IR. Wir schreiben a = lim f (x) oder f (x) a bei x x0 , x I,
xx0

wenn zu jeder reellen Zahl > 0 eine reelle Zahl > 0 existiert mit f (x) a < fr alle u x I mit 0 < |x x0 | < . Die Zahl a heit der Grenzwert von f bei x x0 . 2.2.2 Satz: Es seien f, g : I IR Funktionen, x0 I und a, b IR mit f (x) a, g(x) b bei x x0 . i) Es gilt f (x) + g(x) a + b, f (x) g(x) a b, |f (x)| |a|, max{f (x), g(x)} max{a, b} und min{f (x), g(x)} min{a, b} bei x x0 . Ist b = 0 und g(x) = 0 fr alle x I\{x0 }, so u folgt auch
f (x) g(x)

ii) J IR sei ein Intervall, h : J IR sei eine Funktion mit h(z) I fr alle z J. Es sei u z0 J mit h(z) x0 bei z z0 , und es sei f (x0 ) = a. Dann gilt f h(z) a bei z z0 . Beweis: i) Zu vorgegebenem > 0 existieren dann f , g > 0 mit |f (x) a| < |g(x) b| <
2 2

a b

bei x x0 .

fr alle x I mit 0 < |x x0 | < f und u fr alle x I mit 0 < |x x0 | < g u

Wir setzen = min f , g . Fr alle x I mit 0 < |x x0 | < gilt dann u f + g (x) a + b f (x) a + g(x) b <
2

= .

Damit folgt f (x) + g(x) a + b bei x x0 . Fr x I mit 0 < |x x0 | < erhalten wir u f (x) g(x) a b = = (f (x) g(x) a g(x) + (a g(x) a b g(x) f (x) a + a g(x) b + |b| + |a| . |g(x) b| + |b| f (x) a + a g(x) b f (x) g(x) a g(x) + a g(x) a b

Wir zeigen jetzt die Aussage fr die Funktion max{f, g}. Wir betrachten zunchst c, d IR u a und setzen e = max{c, d}. Wegen e c, d gilt dann max{a, b} max{c, d} = max{a e, b e} max{a c, b d} max{|a c|, |b d|} |a c| + |b d|.

2.2 Stetige Funktionen

39

Durch Vertauschen von a mit c und von b mit d erhalten wir max{c, d} max{a, b} |a c| + |b d| also max{a, b} max{c, d} |a c| + |b d|. Wegen f (x) a und g(x) b bei x x0 folgt aus dieser Ungleichung max{f (x), g(x)} max{a, b} |f (x) a| + |g(x) b| 0 bei x x0 ; das bedeutet aber max{f (x), g(x)} max{a, b} bei x x0 . Die Aussage fr das Minimum kann entsprechend hergeleitet werden; weiter folgt aus der u Aussage fr das Maximum auch unmittelbar die fr die Funktion |f |, man beachte dabei, dass u u max{a, a} = |a| gilt fr alle a IR. u b u Es sei jetzt g(x) = 0 fr alle x I. Wegen b = 0 existiert ein 1 > 0 mit |g(x)| fr u 2 alle x I mit 0 < |x x0 | < 1 . Weiter sei g wie im ersten Teil des Beweises. Wir setzen u = min 1 , g . Fr alle x I mit 0 < |x x0 | < gilt daher
1 g(x)

1 b

b g(x) bg(x)

2|b g(x)| |b|2

2 . b2

Es folgt

1 g(x)

1 b

bei x x0 .

u ii) Es sei 1 > 0 mit f (x) a < fr alle x I mit |x x0 | < 1 . Wir setzen 1 = 1 und bestimmen ein > 0 mit |h(z) x0 | < 1 fr alle z J mit 0 < |x x0 | < . Fr diese z J u u gilt dann f h(z) a < . 2 2.2.3 Beispiel: Es gilt
sin t t

1 und

cos t 1 t

0 bei t 0, t = 0.

Die Aussage kann aus der geometrischen Darstellung abgelesen werden, man vergleiche dazu auch den Anhang.
t tan t sin t

2.2.4 Denition: f : I IR sei eine Funktion, und es sei x0 I. Die Funktion f heie stetig in x0 I, wenn f (x) f (x0 ) bei x x0 gilt. Ist die Funktion f stetig in jedem x0 I, so heit f stetig auf I.

40

2. Funktionen einer Vernderlichen a

2.2.5 Bemerkung: f : I IR sei stetig in x0 I. Wir whlen > 0, und es sei P ein a Parallelstreifen zur xAchse um den Wert y0 = f (x0 ) der Breite 2. Dann existieren ein > 0 und ein Parallelstreifen Q zur yAchse der Breite 2 um den Wert x0 , so dass der Teil des Graphen von f, der in Q liegt, auch ganz in P liegt. f (x0 ) + f (x0 ) f (x0 )

x0

x0

x0 +

Man beachte, dass nicht gefordert wird, dass der Durchschnitt von Q mit der xAchse ganz im Denitionsintervall von f liegt. Aus dieser geometrischen Deutung folgt unmittelbar, dass Funktionen, die in einem Punkte attern oder eine Sprungstelle aufweisen, dort nicht stetig sind. 2.2.6 Beispiel: i) Die Funktion f : IR IR: f (x) = 1 fr x 0 u 0 fr x > 0 u ist in x0 = 0 nicht stetig; sie besitzt dort eine Sprungstelle. 0 fr u x0 n+1 n 1 2 x 3 fr x 2 , 2 2n , n IN0 u ii) Die Funktion f : IR IR : f (x) = 0 fr u x2 ist in x0 = 0 nicht stetig, da sie dort attert.

2.2.7 Satz: Es seien f, g : I IR stetig, und es seien a, b IR. Fr alle x I setzen wir u f + g (x) = f (x) + g(x). Es gilt: i) Die Funktionen f + g, f g, a f sind stetig auf I. ii) Es sei g(x) = 0 fr alle x I. Dann ist die Funktion u
f g

iii) Die Funktionen max{f, g}, min{f, g} und |f | sind stetig auf I.

: I IR stetig auf I.

2.2.8 Satz: I, J IR seien zwei Intervalle. Es seien f : I IR und h : J IR stetig, und es gelte f (I) J. Dann ist die zusammengesetzte Funktion h f : I IR, deniert durch h f (x) = h f (x) stetig.

2.2 Stetige Funktionen

41

Beweise: Die Aussagen der beiden Stze folgen unmittelbar aus 2.2.2 . a

2.2.9 Satz: i) Jedes Polynom p : p(x) = an xn + . . . + a1 x + a0 mit an , . . . , a1 , a0 IR ist stetig auf IR. ii) Fr jedes c IR ist die Funktion f : ]0, [ IR, deniert durch u f (x) = xc stetig. Im Fall c > 0 ist f auf [0, [ stetig. iii) Die Funktion exp : IR IR : exp(x) = ex ist stetig. iv) Die Funktion ln : ]0, [ IR ist stetig. v) Die Funktionen sin und cos sind stetig auf IR. Beweis: i) Diese Aussage folgt leicht mit vollstndiger Induktion aus 2.2.7. a Die weiteren Aussagen werden im folgenden Abschnitt gezeigt; dort wird sogar nachgewiesen, dass diese Funktionen dierenzierbar sind, damit sind sie dann auch stetig. 2 2.2.10 Satz: (Zwischenwertsatz) I IR sei ein Intervall, und es sei f : I IR stetig. Sind x1 , x2 I mit f (x1 ) < f (x2 ), so existiert zu jedem c ]f (x1 ), f (x2 )[ ein x zwischen x1 und x2 mit c = f (x). Speziell ist f (I) = f (x) : x I ein Intervall. Der Beweis dieser Aussage ndet sich im Anhang. 2.2.11 Satz: Es seien I = [a, b] mit a < b und f : I IR stetig. Dann existieren u, v I mit f (u) f (x) f (v) fr alle x I. u Demnach nimmt jede stetige Funktion f auf einem Intervall der Form I = [a, b] ihr Maximum und ihr Minimum an; speziell ist jede Funktion auf einem Intervall der Form [a, b] beschrnkt. a Fr Intervalle anderer Form ist diese Aussage falsch; so nimmt oensichtlich die Funktion u 1 a f : ]0, 1] IR : f (x) = in keinem Punkte ihr Maximum an, da sie nicht beschrnkt ist.
x

Der Beweis von 2.2.11 ndet sich im Anhang, ebenso der der nachfolgenden Aussage. 2.2.12 Satz: I sei ein Intervall, und f : I IR sei stetig. Die folgenden Aussagen sind a quivalent: i) f ist streng monoton wachsend oder fallend. ii) f ist injektiv. 2.2.13 Satz: I IR sei ein Intervall, f : I IR sei strikt monoton und stetig, J = f (I). Dann ist die Umkehrfunktion g : J IR von f stetig. 2.2.14 Beispiel: f : [0, 1] IR sei gegeben durch f (x) = 2 . Man bestimme den Wertex +1 bereich Wf und die Umkehrfunktion von f . Es gilt f (0) = 0 und f (1) = 1. Weiter gilt 0 (x 1)2 = x2 + 1 2x und damit 0 f (x) 1 fr alle x [0, 1]. Da f stetig ist, folgt Wf = [0, 1] aus dem Zwischenwertsatz 3.2.12. Zur u Bestimmung der Umkehrfunktion von f lsen wir die Gleichung o y=
2x x2 + 1 2x

42

2. Funktionen einer Vernderlichen a

nach x auf; dabei nehmen wir zunchst 0 < y 1 an. Es gilt also x2 y + y 2x = 0 und damit a 2 2 o weiter x x + 1 = 0. Das Ausen dieser Gleichung liefert
y

x=

1 y

1 y2

1 oder x =

1 y

1 y2

1.

Wegen der Forderung 0 x 1 gilt demnach x = =


1 y 1 y

1 y2 1

1=
1+

1 y

1
y2

1 y2
1 y2

1 y2 1 + 1

1 y

1+

1 (1 y 2 ) 1

y2

y 1+ 1 y2 y 1+

. ist die

Diese Beziehung gilt auch fr y = 0. Die Funktion g : [0, 1] IR : g(y) = u Umkehrfunktion von f . Ubungsaufgaben

1 y2

2.2.1 Aufgabe: Gegeben sei f : ]0, 1] IR durch f (x) = ln(x2 + 1). Bestimmen Sie die Bildmenge f (]0, 1]) und die Umkehrfunktion von f . 2.2.2 Aufgabe: Gegeben sei f : [0, 2] IR durch f (x) = e2x + 2ex + 2 . Bestimmen Sie die Bildmenge f ([0, 2]) und die Umkehrfunktion von f . 2.2.3 Aufgabe: Bestimmen Sie die maximalen Denitionsbereiche der Funktionen: i) f : f (x) = ln(x2 + 2x). ii) g : g(x) = arc sin(x2 + 2x). 2.2.4 Aufgabe: Bestimmen Sie die maximalen Denitionsbereiche der Funktionen: 2 i) f : f (x) = ln(sin x + 1/2). ii) g : g(x) = 2(2x+ln(x 1)) . 2.2.5 Aufgabe: Gegeben sei die folgende Flche: Nach unten begrenzt durch die x Achse, a nach oben durch die Gerade durch die Punkte (20|0) und (180|100) fr 0 x 80 bezieu 4320 4 fr 80 x 180. Bestimmen u hungsweise durch den Graphen der Funktion g: g(x) = x Sie die Funktionalgleichung der Flche des achsenparallen Rechtecks, dessen obere Ecken auf a der oberen Begrenzung und dessen untere Begrenzung auf der x Achse liegt: [x, z] mit x < z. Geben Sie die Funktionalgleichung in Abhngigkeit von x an. a 2.2.6 Aufgabe: Eine Firma besitzt vier gleiche Fertigungsanlagen fr die Herstellung eines u Gutes. Die maximale Kapazitt pro Fertigungsanlage und Tag sind 10 000 Einheiten. Die fea sten Kosten einer Fertigungsanlage pro Tag betragen e 1000,- , wenn sie in Betrieb ist, und e 200,-, wenn sie nicht in Betrieb ist. Der Materialpreis betrgt e 3,- und der Arbeitslohn e 2,a pro Einheit. Der (nichtverwertbare) Ausschuss einer Fertigungsanlage betrgt bei einer Proa duktionszahl z (pro Anlage) falls z 4000 und 0 fr z 4000. Die in Betrieb u 200 bendlichen Fertigungsanlagen sollen jeweils die gleiche Anzahl von Einheiten produzieren. Man bestimme die Produktionskosten einer (einwandfreien) Einheit in Abhngigkeit von der a Gesamtproduktion x (pro Tag) und der Zahl k der in Betrieb bendlichen Fertigungsanlagen.
z 4000
2

2.2 Stetige Funktionen

43

2.2.7 Aufgabe: Zwei Autos A und B fahren auf zwei sich rechtwinklig kreuzenden Straen mit den Geschwindigkeiten vA = 72 km/h und vB = 54 km/h. Zum Zeitpunkt t = 0 benden sich A 220 m und B 240 m von der Kreuzung entfernt, beide bewegen sich auf den kreuzenden Straen auf die Kreuzung zu. Man bestimme die Funktion des Abstandes von A und B von der Zeit t in Sekunden. 2.2.8 Aufgabe: Eine Flche sei begrenzt durch die xAchse, die yAchse und nach oben a 1 durch den Graphen der Funktion g : g(x) = 100 81 x2 fr 0 x 90. Beschreiben Sie die u Funktionalgleichung des Flcheninhalts des Fnfecks mit den Ecken a u A = (0|0), B = (0|u), C = (z|u), D = (v|w), E = (v|0) in Abhngigkeit von u und v. Dabei liegen die Punkte C und D auf der oberen Begrenzung. a

44

2. Funktionen einer Vernderlichen a

2.3 Dierenzierbare Funktionen


In diesem Abschnitt werden dierenzierbare Funktionen behandelt: Funktionen, an deren Graphen in jeden Punkt genau eine Tangente angelegt werden kann. In diesem Abschnitt sei I IR stets ein Intervall. 2.3.1 Denition: f : I IR sei eine Funktion, und es sei x0 I und a R. f heit dierenzierbar in x0 mit der Ableitung a, wenn der Dierenzenquotient bei x x0 gegen a konvergiert: f (x) f (x0 ) a bei x x0 , x = x0
x x0

wenn also zu jedem > 0 ein > 0 existiert mit

0 < |x x0 | < . Die Ableitung a von f in x0 wird mit f (x0 ) bezeichnet. Ist f in jedem Punkt x0 I dierenzierbar, so heit f dierenzierbar auf I, ist zustzlich die Ableitung f stetig, so heit f stetig a dierenzierbar auf I. fr x = x0 u f (x) Wir betrachten jetzt g : I IR : g(x) = f (x) f (x0 ) fr x = x0 . u Da f in x0 dierenzierbar ist, gilt g(x) f (x0 ) bei x x0 . Die Funktion g ist also stetig in x0 . Ist umgekehrt f : I IR eine Funktion und h : I IR eine in x0 stetige Funktion mit
f (x) f (x0 ) x x0 x x0

f (x) f (x0 ) x x0

u a < fr alle x I mit

h(x) (x x0 ) 0 bei x x0 ,

u so ist f in x0 dierenzierbar mit der Ableitung f (x0 ) = h(x0 ). Die Gltigkeit dieser Aussage erkennen wir durch einfache Umformulierung der Denition. Weiter ist f : I IR genau dann in x0 dierenzierbar mit der Ableitung f (x0 ) = a, wenn die Funktion r : I IR, deniert 1 u r(x) 0 bei durch r(x) = f (x) f (x0 ) a (x x0 ) fr alle x I, die Bedingung x x0 x x0 erfllt. Demnach gilt die folgende Aussage: u a 2.3.2 Bemerkung: Fr eine Funktion f : I IR und x0 I sind die Aussagen quivalent: u i) f ist in x0 dierenzierbar mit der Ableitung f (x0 ). ii) Es existiert eine in x0 stetige Funktion g : I IR mit g(x0 ) = f (x0 ) und mit
1 x x0

f (x) f (x0 ) g(x) (x x0 ) 0 bei x x0 .

iii) Die Funktion r : I IR, deniert durch r(x) = f (x) f (x0 ) a (x x0 ) fr alle x I, u 1 r(x) 0 bei x x0 mit a = f (x0 ). erfllt die Bedingung u
x x0

2.3.3 Satz: i) Die Funktion f : I IR sei dierenzierbar in x0 I. Dann ist f stetig in x0 . ii) Jede auf I dierenzierbare Funktion f : I IR ist stetig auf I. Beweis: ii) folgt unmittelbar aus der Aussage i); wir weisen daher die Aussage i) nach: Es sei > 0, dann existiert ein > 0 mit
f (x) f (x0 ) f (x0 ) (x x0 ) |x x0 |

< fr alle x I mit |x x0 | < . u

2.3 Dierenzierbare Funktionen

45

Durch Verkleinern von > 0 knnen wir < o f (x) f (x0 ) =

1 2

und |f (x0 )| <

erreichen. Damit gilt

f (x) f (x0 ) f (x0 ) (x x0 ) + f (x0 ) (x x0 ) 2

|x x0 | + |f (x0 )| |x x0 | < fr alle x I mit |x x0 | < . Damit ist die Aussage bewiesen worden. u 2.3.4 Beispiel: Die Funktion f (x) = |x| ist stetig auf IR, aber in x = 0 nicht dierenzierbar. Beweis: Wegen 2.2.7 ist f stetig auf IR. In dem Wert x0 = 0 betrachten wir den Dierenzenquotienten: fr x > 0 erhalten wir demnach u
f (x) f (0) x0 f (x) f (0) x0

|x| x

= 1,

und fr x < 0 gilt u

|x| x

= 1.

Aus den vorstehenden Resultaten folgt unmittelbar, dass in jedem Punkt an den Graphen einer dierenzierbaren Funktion f : I IR eine Tangente angelegt werden kann. Lsst sich a umgekehrt an den Graphen einer Funktion f : I IR in jedem Punkt eine Tangente an den Graphen legen, so ist f dierenzierbar. Wir zeigen jetzt einige Ableitungsregeln, die zur Bestimmung der Ableitung einer konkreten Funktion wichtig sind.

Folglich besitzt der Dierenzenquotient f (x)f (0) bei x 0 keinen Grenzwert. Demnach ist x0 f (x) = |x| in x0 = 0 nicht dierenzierbar. 2

2.3.5 Satz: Die Funktionen f, g : I IR seien dierenzierbar. Dann gilt: i) Summenregel: f + g : I IR ist dierenzierbar mit (f + g) = f + g . ii) Produktregel: f g : I IR ist dierenzierbar mit (f g) = f g + f g . f iii) Quotientenregel: Im Fall g(x) = 0 fr alle x I ist die Funktion : I IR dierenu
g

zierbar mit

f g

f g f g . g2

iv) Kettenregel: J IR sei ein Intervall, und h : J IR sei dierenzierbar mit h(x) I fr alle x J. Dann ist die zusammengesetzte Funktion f h : J IR : f h(x) = f h(x) u u fr alle x J dierenzierbar mit f h (x) = f h(x) h (x) fr alle x J. u Beweis: i) Es sei x0 I. Fr alle x0 = x I gilt dann wegen 2.2.2 u
f + g (x) f + g (x0 ) x x0

f (x) f (x0 ) x x0

g(x) g(x0 ) x x0

f (x0 ) + g (x0 ) bei x x0 .

ii) Da g in x0 stetig ist, gilt


f g (x) f g (x0 ) x x0

= =

f (x) f (x0 ) g(x) + g(x) g(x0 ) f (x0 ) x x0 f (x) f (x0 ) x x0

g(x) +

g(x) g(x0 ) x x0

f (x0 ) bei x x0 . 2

f (x0 ) g(x0 ) + f (x0 ) g (x0 ) Die Beweise der Aussagen iii) und iv) nden sich im Anhang.

46

2. Funktionen einer Vernderlichen a

2.3.6 Beispiel: i) Fr n IN ist die Funktion f : f (x) = xn dierenzierbar mit u n1 f (x) = n x . u ii) Fr n Z ist die Funktion g : g(x) = xn , deniert fr x = 0, dierenzierbar mit u Z g (x) = n xn1 . Diese Aussage folgt mit Hilfe vollstndiger Induktion unmittelbar aus den vorstehenden Difa ferentiationsregeln; auf die einfache Durchfhrung des Induktionsbeweises wird verzichtet. u 2.3.7 Satz: (Ableitung der Umkehrfunktion) g : J IR sei die Umkehrfunktion der dierenzierbaren Funktion f : I IR, und es gelte f (x) = 0 fr alle x I. Dann ist g u dierenzierbar mit 1 fr alle z J. u g (z) = f g(z) Beweis: Wegen 2.2.13 ist g stetig. Fr alle z, z0 J mit z = z0 gilt g(z) = g(z0 ), und wegen u der Stetigkeit von g gilt g(z) g(z0 ) bei z z0 . Es folgt bei z z0
g(z) g(z0 ) z z0

g(z) g(z0 ) f g(z) f g(z0 )

f g(z) f g(z0 ) g(z) g(z0 )

f g(z0 )

Hinweis: Ist bereits bekannt, dass die Umkehrfunktion g einer dierenzierbaren Funktion f wieder dierenzierbar ist, so folgt die Ableitungsformel auch leicht aus der Kettenregel: Fr u alle x J gilt x = f g(x) , also folgt durch Dierentiation: 1 = f g(x) g (x). 2.3.8 Satz: i) Es existiert eine eindeutig bestimmte dierenzierbare Funktion ln : ]0, [ IR 1 u mit ln (x) = fr alle x > 0 und mit ln(1) = 0 die naturliche Logarithmusfunktion. x Fr alle a, b > 0 gilt ln(a b) = ln(a) + ln(b). Die Funktion ln : ]0, [ IR ist streng monoton u wachsend und bijektiv. ii) Es existiert eine eindeutig bestimmte dierenzierbare Funktion exp : IR ]0, [ mit exp (x) = exp(x) fr alle x IR und mit exp(0) = 1 die naturliche Exponentialfunktion. u Es gilt exp(x + z) = exp(x) exp(z) fr alle x, z IR. Mit e = exp(1) > 1 der Eulerschen u Zahl gilt exp(n) = en fr alle n Z Wir schreiben daher auch exp(x) = ex fr alle x IR. u Z. u Die Funktion exp : IR ]0, [ ist streng monoton wachsend und bijektiv. iii) Es gilt exp ln(t) = t und ln exp(x) = x fr alle x, t IR mit t > 0. u Beweis: Der Beweis benutzt einige Aussagen, die wir erst spter herleiten werden. Aus dem a Hauptsatz der Dierential und Integralrechnung 2.5.7 folgt, dass eine dierenzierbare Funk1 u tion ln : ]0, [ IR existiert mit ln (x) = fr alle x > 0 und mit ln(1) = 0.
x

Eindeutigkeit von ln: Aus dem Satz 2.4.5 v) folgt, dass eine dierenzierbare Funktion h auf einem Intervall J mit h = 0 auf J konstant auf J ist. Wir nehmen also an, dass f : ]0, [ IR 1 u eine Funktion ist mit f (x) = fr alle x > 0 und mit f (1) = 0. Wir setzen h(x) = ln(x)f (x) x u fr alle x > 0. Dann gilt h (x) = 0 fr alle x > 0 und h(1) = 0; wegen 2.4.5 gilt also h(x) = 0 u fr alle x > 0 die behauptete Eindeutigkeit von ln . u Es seien jetzt a, b > 0. Wir setzen jetzt f (x) = ln(a x) ln(a); es gilt f (x) = = fr u ax x alle x > 0 und f (1) = 0. Aus der eben gezeigten Eindeutigkeit von ln folgt f (x) = ln(x) fr u alle x > 0, also speziell ln(b) = f (b) = ln(a b) ln(a), was zu zeigen war.
a 1

2.3 Dierenzierbare Funktionen

47

Wegen ln (x) =

1 x

> 0 fr alle x > 0 folgt aus 2.4.5, dass die Funktion ln streng monoton wachu
1 x

send, also injektiv ist. Wegen ln(x) + ln

fr alle x > 1. Wegen ln(2) > 0 und ln 2n = n ln(2) existiert zu jedem z > 0 ein m IN mit u ln(m) > z. Wegen des Zwischenwertsatzes 2.2.10 ist ln surjektiv und damit bijektiv. ii) exp sei die Umkehrfunktion von ln . Dann ist exp als Umkehrfunktion einer dierenzierbaren streng monoton wachsenden Funktion eindeutig bestimmt, und wegen 2.3.7 dierenzierbar mit der Ableitung exp (x) =
1 exp(x)

= ln x

1 x

= ln(1) = 0 gilt ln

1 x

= ln(x) < 0

ln

ln exp(x)

= f (x)

fr alle x und mit exp(0) = exp ln(1) = 1. Da ln auf dem Intervall ]0, [ deniert ist, u nimmt die Umkehrfunktion exp nur positive Werte an. Eindeutigkeit von exp: Es sei dazu g eine weitere dierenzierbare Funktion mit g (x) = g(x) fr alle x IR und mit g(0) = 1. Wir setzen h(x) = u 2.3.5 h (x) =
g (x)f (x) f (x)g(x) f (x)2 g(x) . f (x)

Dann gilt wegen der Quotientenregel

g(x)f (x) f (x)g(x) f (x)2

= 0.

Wegen h(0) = 1 folgt daher wie oben h(x) = 1 fr alle x IR also f (x) = g(x) fr alle x IR, u u was zu zeigen war. Es gilt exp(x + z) = exp ln(exp(x)) + ln(exp(z)) = exp ln(exp(x) exp(z)) = exp(x) exp(z) fr alle x, z IR. u

Die Funktion exp ist als Umkehrfunktion der streng monoton wachsenden Funktion ln wieder streng monoton wachsend. Die weiteren Aussagen dieses Satzes wurden schon in 1.3.4 behandelt. 2

2.3.9 Beispiel: Es sei c IR. Die Funktion f : ]0, [ IR sei deniert durch f (x) = xc . Dann gilt f (x) = exp(c ln(x)) fr alle x > 0. Wegen der Kettenregel 2.3.5 iv) gilt daher u 1 c1 fr alle x > 0. u f (x) = exp(c ln(x)) c = c x
x

Im Fall c > 1 ist f auch in x = 0 deniert, und es gilt f (0) = lim


0<t0

f (t) f (0) t0

= lim

0<t0

tc t

= lim0<t0 tc1 = 0.

2.3.10 Satz: Die in der untenstehenden Tabelle angegebenen Funktionen sind auf den angegebenen Bereichen stetig dierenzierbar mit den Ableitungen:

48

2. Funktionen einer Vernderlichen a

f (x) i) ii) iii) iv) v) vi) vii) viii) ix) x) xi) xn xn xc xc ex ax ln x loga x sin x cos x arcsin x

f (x) nxn1 nxn1 cxc1 cxc1 ex (ln a)ax


1 x 1 (ln a)x

Bereich IR ] , 0[]0, [ ]0, [ [0, [ IR IR ]0, [ ]0, [ IR IR ] 1, 1[ 0<a=1 0 < a IR n IN 0=nZ Z 0 = c IR 1 c IR

cos x sin x
1 1 x2

Beweis: Die Aussagen i) und ii) folgen aus 2.3.5 v) und vii) sind in 2.3.8 und iii) und iv) in 2.3.9 gezeigt worden. u vi) Wegen ax = exln a fr alle x IR folgt aus der Kettenregel unmittelbar f (x) = exln a ln a = ln(a) ax . viii) Fr x > 0 gilt wegen 1.3.11 loga x = u ix) Es gilt
sin t t cos t 1 t ln(x) ; ln(a)

also die Aussage wegen vii).

und

bei 0 = t 0 (vgl. Beispiel 2.2.3).


sin x cos t + cos x sin t sin x t sin t t

Wegen der Additionstheoreme 2.1.4 folgt daher sin (x) = lim


t0

sin(x + t) sin x (x + t) x

= lim
t0 t0

= lim cos x Weiter erhalten wir cos (x) = sin xi) Fr 1 < t < 1 gilt u arcsin

+ lim sin x
t0

cos t 1 t

= cos x.

x 2
1 arcsin t

= sin

x = cos x = sin x 2 2
1 1 sin2 (arcsin t) 1 . 1 t2

sin

1 cos arcsin t

2.3 Dierenzierbare Funktionen

49

2.3.11 Bemerkung: Es gilt

e =

n=0

xn . n!

Zunchst wollen wir die Bedeutung dieser unendlichen Reihe erklren: Fr jedes m IN sei a a u
m

fm (x) =
n=0

xn . n!

Es sei x IR. Fr groe m, p IN (in Abhngigkeit von x) unterscheiden sich die Werte fp (x) u a und fm (x) bis auf Rechnergenauigkeit nicht mehr. Daher ist die Schreibweise f (x) =
n=0

xn n!

fr diesen gemeinsamen Wert sinnvoll. Weiter gilt u


m+1 fm+1 (x)

=
n=0

n xn1 = n!

n=0

xn = fm (x). n!

Ein Ergebnis aus der Theorie der Potenzreihen zeigt, dass f (x) = f (x) gilt. Wegen f (0) = 1 folgt daher f (x) = ex . 2 2.3.12 Beispiel: Man bestimme die Ableitung und den Denitionsbereich Df der folgenden Funktion f: f (x) = cos x ln 2 sin x cos x sin(2x) + x + 1 . Wegen sin(2x) = 2 sin x cos x folgt zunchst f (x) = cos x ln x + 1 . Diese Funktion ist fr a u alle x + 1 > 0 deniert; folglich gilt Df =] 1, [. Wegen der Ketten- und Produktregel ist f dierenzierbar mit der Ableitung f (x) = sin x ln(x + 1) [x ln(x + 1)] = sin x ln(x + 1) ln(x + 1) + 2.3.13 Beispiel: i) Man bestimme die Ableitung von f (x) = tan x. Wegen der Quotientenregel ist f dierenzierbar mit f (x) =
sin (x) cos(x) sin(x) cos (x) cos2 x x x+1

cos2 x + sin2 x cos2 x


2

1 cos2 x

= 1 + tan2 x.

ii) Man bestimme die Ableitung von f (x) = e(x +1) . 2 Wegen der Kettenregel ist f dierenzierbar mit f (x) = e(x +1) 2x. iii) Man bestimme die Ableitung von f (x) = sin x2 + ln(x2 + 1) : Wegen der Kettenregel (zweimalige Anwendung) ist f dierenzierbar mit f (x) = cos x2 + ln(x2 + 1) x2 + ln(x2 + 1) = cos x2 + ln(x2 + 1)

2x +

1 x2 + 1

2x .

50

2. Funktionen einer Vernderlichen a

Ubungsaufgaben 2.3.1 Aufgabe: Bestimmen Sie die Ableitungen der Funktionen: 3 f (x) = |x|5 und g(x) = e(x 5) . 2.3.2 Aufgabe: Bestimmen Sie die Ableitungen der Funktionen: f (x) = (1 + x) ln(x2 1) und g(x) = (cos x2 )2 2x. 2.3.3 Aufgabe: f : ]0, 1] IR sei dierenzierbar und beschrnkt. Zeigen Sie, dass die Funka tion g mit x2 f (x) fr x = 0 u g(x) = 0 fr x = 0 u dierenzierbar ist. 2.3.4 Aufgabe: Bestimmen Sie die Ableitung und geben Sie den Denitionsbereich dieser Ableitung an fr die Funktionen u 3 i) f (x) = |x + 2x2 x 2|. ii) g: g(x) = 2 (x 2)2 falls x 2, g(x) = 2 + (x 2)2 falls x > 2. 2.3.5 Aufgabe: Bestimmen Sie die Ableitung und geben Sie den Denitionsbereich dieser Ableitung an fr die Funktionen f (x) = e(2x+ln(x+1)) und g(x) = arcsin(x2 1). u . 2.3.6 Aufgabe: Unter der Voraussetzung x = 2 vereinfache man den Funktionsausdruck und bestimme die Ableitung der Funktion f : f (x) = cos
2

ln(ex +4 e4x ) 2x + . (x 2)2

2.3.7 Aufgabe: Vereinfachen Sie den folgenden Funktionsausdruck und berechnen Sie die Ableitung: f (x) = sin2
ln(e2x ex +1 ) (x+1)
2

+1 .

2.3.8 Aufgabe: Man bestimme die Ableitungen der Funktionen: f (x) = | sin x|3 und g(x) = ln 3x2 + 6ex . 2.3.9 Aufgabe: Fr x > 0 sei f (x) = ln x2 + x + e2ln(x+1) . Vereinfachen Sie diesen Funku tionsausdruck und bestimmen Sie die Ableitung dieser Funktion. 2.3.10 Aufgabe: Fr x > 1 sei f (x) = sin u ln
ex2 +3 e2(x+1)

. Vereinfachen Sie diesen Funktions-

ausdruck und bestimmen Sie die Ableitung dieser Funktion. 2.3.11 Aufgabe: Gegeben sei der Funktionsausdruck f (x) = ln
4

1 + ln e2x ex2

. Ver-

einfachen Sie diesen Funktionsausdruck, bestimmen Sie den (maximalen) Denitionsbereich und die Ableitung dieser Funktion.

2.4 Lokale Extrema dierenzierbarer Funktionen

51

2.4 Lokale Extrema dierenzierbarer Funktionen


In diesem Abschnitt werden lokale Extrema und weitere allgemeine Eigenschaften dierenzierbarer Funktionen behandelt. Diese Aussagen sind insbesondere fr Anwendungen der Theorie u wichtig. In diesem Abschnitt sei I IR stets ein Intervall. 2.4.1 Denition: f : I IR sei eine Funktion, und es sei x0 I. i) f besitzt in x0 ein lokales Maximum, wenn ein > 0 existiert mit f (x) f (x0 ) fr alle u x I mit |x x0 | < . ii) f besitzt in x0 ein lokales Minimum, wenn ein > 0 existiert mit f (x) f (x0 ) fr alle u x I mit |x x0 | < . iii) f besitzt in x0 ein lokales Extremum, wenn f in x0 entweder ein lokales Maximum oder ein lokales Minimum besitzt. Eine der wichtigsten Anwendungen der Dierentialrechnung ist es, lokale Extrema einer gegebenen dierenzierbaren Funktion zu bestimmen. Dazu bentigen wir noch die folgende Deo nition. 2.4.2 Denition: Ein Punkt x0 I heit ein innerer Punkt von I, wenn ein > 0 existiert mit ]x0 , x0 + [ I. 2.4.3 Satz: Es sei x0 I ein innerer Punkt. f : I IR sei dierenzierbar und besitze in x0 ein lokales Extremum. Dann gilt f (x0 ) = 0. u Beweis: Wir nehmen an, dass f in x0 ein lokales Maximum besitzt. Der Beweis fr den anderen Fall kann entsprechend durchgefhrt werden. u u Da x0 ein innerer Punkt von I ist, existiert ein 0 < IR mit f (x) f (x0 ) fr alle x [x0 , x0 + ] I. Damit erhalten wir
f (x) f (x0 ) x x0

fr alle x [x0 , x0 [ . Und wegen u

Fr alle x ]x0 , x0 + ] gilt andererseits u

f (x) f (x0 ) x x0

f (x0 ) bei x x0 , x < x0 folgt f (x0 ) 0.

f (x) f (x0 ) x x0

0.

Wir erhalten f (x0 ) = 0.

f (x) f (x0 ) x x0

f (x0 ) bei x x0 , x > x0 , also f (x0 ) 0. Zusammenfassend gilt

Die vorstehende Aussage ist das wichtigste Kriterium zur Bestimmung lokaler Extrema einer dierenzierbaren Funktion f : I IR. Wegen des vorstehenden Satzes ist jedes lokale Extremum in der Menge aller Nullstellen der Ableitung f enthalten. Allerdings ist nicht jede Nullstelle der Ableitung notwendigerweise ein lokales Extremum. Beispielsweise hat die Ableitung der Funktion f : f (x) = x3 in x0 = 0 eine Nullstelle f (0) = 0 ; f besitzt aber in 0 kein lokales Extremum.

52

2. Funktionen einer Vernderlichen a

2.4.4 Satz: (Mittelwertsatz) f : I IR sei dierenzierbar, und es seien a, b I mit a < b. Dann existiert ein c ]a, b[ mit f (b) f (a) = f (c) b a . Anmerkung: Die Aussage des Satzes ist auch richtig, wenn gefordert wird, dass f : [a, b] IR stetig und auf ]a, b[ dierenzierbar ist. Beweis: Fall f (a) = f (b) : Da die Funktion f auf [a, b] stetig ist, nimmt f in einem v [a, b] das Maximum auf [a, b] an und in einem u [a, b] das Minimum auf [a, b] an. Demnach gilt f (u) f (x) f (v) fr alle x [a, b]. u Im Fall {u, v} {a, b} folgt aus f (a) = f (b) unmittelbar f (x) = f (a) = f (b) und damit u f (x) = 0 fr alle x [a, b]. Im Fall v {a, b} ist v ein innerer Punkt von [a, b]. Da f in diesem inneren Punkt v ein lokales / Maximum besitzt, folgt f (v) = 0 wegen 2.4.3 . Im Fall u {a, b} erhalten wir entsprechend / f (u) = 0. Damit haben wir die Aussage fr den Fall f (a) = f (b) nachgewiesen. u Fall f (a) = f (b): Fr alle x [a, b] sei u g(x) = f (b)(x a) + f (a)(b x) f (x)(b a). u g ist dierenzierbar mit der Ableitung g (x) = f (b) f (a) f (x)(b a) fr alle x [a, b]. Wegen g(a) = g(b) = 0 folgt aus dem ersten Teil des Beweises, dass ein c [a, b] existiert mit g (c) = 0, also mit g (c) = 0 = f (b) f (a) f (c)(b a). 2 2.4.5 Satz: f : I IR sei dierenzierbar. i) f ist genau dann monoton wachsend, wenn f (x) 0 fr alle x I gilt. u ii) Gilt f (x) > 0 fr alle x I, so ist f streng monoton wachsend auf I. u iii) f ist genau dann monoton fallend, wenn f (x) 0 fr alle x I gilt. u iv) Gilt f (x) < 0 fr alle x I, so ist f streng monoton fallend auf I. u v) f ist genau dann konstant, wenn f (x) = 0 gilt fr alle x I. u u Beweis: i) und ii): Zunchst sei f monoton wachsend, und es sei x0 I beliebig. Fr alle x I a mit x < x0 gilt dann f (x) f (x0 ), und fr alle x I mit x > x0 gilt dann f (x) f (x0 ). In u beiden Fllen gilt also a
f (x) f (x0 ) x x0

fr alle x0 = x I. u bei x x0 .

Es folgt
f (x) f (x0 ) x x0

f (x0 ) 0

u Umgekehrt gelte f (x) 0 fr alle x I. Es seien jetzt u, v I mit u < v. Wegen des Mittelwertsatzes 2.4.4 existiert ein c ]u, v[ mit f (v) f (u) = f (c)(v u) 0. Gilt zustzlich in ii) f (x) > 0 fr alle x I, so folgt aus dieser Beziehung f (v) f (u) > 0. a u iii) und iv) folgen entsprechend. v) folgt aus i) und iii). 2

2.4 Lokale Extrema dierenzierbarer Funktionen

53

2.4.6 Satz: f : I IR sei stetig. Es sei x0 ein innerer Punkt von I. f sei in allen x = x0 I dierenzierbar. i) Es gelte f (x) 0 fr alle x I mit x < x0 und f (x) 0 fr alle x I mit x > x0 . u u Dann besitzt f in x0 ein lokales Maximum. u u ii) Es gelte f (x) 0 fr alle x I mit x < x0 und f (x) 0 fr alle x I mit x > x0 . Dann besitzt f in x0 ein lokales Minimum. Anmerkung: Gilt entweder f (x) 0 fr alle x0 = 0, x I oder f (x) 0 fr alle x = x0 , u u x I, so hat die Funktion f in x0 kein lokales Extremum.

Beweis: i) Auf I1 = x I mit x < x0 ist f wegen 2.4.5 monoton wachsend. Da f stetig ist, folgt f (x) f (x0 ) fr alle x0 > x I. u Auf I2 = x I mit x > x0 ist f wegen 2.4.5 monoton fallend. Da f stetig ist, folgt f (x) f (x0 ) fr alle x0 > x I. u ii) folgt entsprechend. 2 2.4.7 Bemerkung: i) Ist f : [a, b] IR stetig und auf ]a, b[ dierenzierbar mit f 0, so hat f in a ein Maximum und in b ein Minimum. ii) Ist f : [a, b] IR stetig und auf ]a, b[ dierenzierbar mit f 0, so hat f in b ein Maximum und in a ein Minimum. Auf den einfachen Beweis dieser Aussage soll verzichtet werden; er kann entsprechend wie der Beweis des vorstehenden Satzes durchgefhrt werden. u 2.4.8 Denition: i) f : I IR heie zweimal dierenzierbar mit der zweifachen Ableitung f , wenn f dierenzierbar ist und die Ableitung f wieder dierenzierbar ist. Wir schreiben dann f = (f ) . Ist f stetig, so heit f zweimal stetig dierenzierbar. ii) Es sei n IN. f : I IR heie n-mal dierenzierbar mit der n-fachen Ableitung f (n) , wenn f (n 1)mal dierenzierbar ist und die (n 1)-fache Ableitung f (n1) wieder dierenzierbar ist. Wir schreiben dann f (n) = f (n1) . 2.4.9 Beispiel: Mehrfache Ableitungen: i) Es gilt exp(x)(n) (x) = exp(x) = ex fr alle n IN. u x (n) n x u ii) Im Fall f (x) = a mit a > 0 gilt f (x) = (ln a) a fr alle n IN. iii) Im Fall g(x) = sin x gilt g (x) = cos x, g (x) = sin x, g (3) = cos x, g (4) (x) = sin x, . . . . iv) Im Fall h(x) = sin x2 + 3x gilt h (x) = cos x2 + 3x 2x + 3 und 2 h (x) = sin x2 + 3x 2x + 3 + 2 cos x2 + 3x . 2.4.10 Satz: f : I IR sei zweimal stetig dierenzierbar, und x0 I sei ein innerer Punkt von I. Es gelten die folgenden Aussagen. i) Gilt f (x0 ) = 0 und f (x0 ) > 0, so hat f in x0 ein lokales Minimum. ii) Gilt f (x0 ) = 0 und f (x0 ) < 0, so hat f in x0 ein lokales Maximum. iii) Hat f in x0 ein lokales Minimum, so gilt f (x0 ) = 0 und f (x0 ) 0. iv) Hat f in x0 ein lokales Maximum, so gilt f (x0 ) = 0 und f (x0 ) 0.

54

2. Funktionen einer Vernderlichen a

Beweis: Da f stetig ist, existiert ein > 0 mit f (x) > 0 fr alle x I1 = [x0 , x0 +] I. u Wegen 2.4.5 ist f auf I1 streng monoton wachsend. Wegen f (x0 ) = 0 gilt f (x) < 0 fr alle u x I1 mit x < x0 und f (x) > 0 fr alle x I1 mit x > x0 . Die Aussage folgt jetzt aus 2.4.6 . u ii) kann entsprechend nachgewiesen werden. iii) und iv) folgen dann leicht aus i) und ii). 2 2.4.11 Bemerkung: f : I IR sei stetig. Dann wechseln die lokalen Maxima und die lokalen Minima einander ab. 2.4.12 Beispiel: Gegeben sei f (x) = x3 6x2 + 9x + 64 fr u fr u 4 x 1 1 < x 4 .

x3 + 3x2 45x + 1

Man bestimme alle lokalen Maxima und alle lokalen Minima von f. Da beide Funktionsausdrcke in 1 den Wert 48 besitzen, ist f auf [4, 4] stetig und in allen u 1 = x [4, 4] dierenzierbar. Fall 4 x < 1 : Es gilt f (x) = 3x2 12x + 9 = 3 x2 4x + 3 . o Die Gleichung x2 4x + 3 = 0 besitzt die Lsungen x1 = 3 und x2 = 1. Folglich hat f keine Nullstelle in [4, 1]; wegen f (4) > 0 folgt f (x) > 0 fr alle x [4, 1]. u Fall 1 < x 4 : Es gilt f (x) = 3x2 + 6x 45 = 3 x2 + 2x 15 . o Die Gleichung x2 + 2x 15 = 0 besitzt die Lsungen x3 = 3 und x4 = 5. Wegen f (0) = 45 < 0 gilt f (x) < 0 fr alle x ] 1, 3[ , da f in diesem Intervall keine Nullstelle besitzt. u Wegen f (4) > 0 gilt f (x) > 0 fr alle x ]3, 4] , da f in diesem Intervall keine Nullstelle u besitzt. Aus 2.4.6 und 2.4.7 folgt: In In In In x = 4 hat f ein lokales Minimum. x = 1 hat f ein lokales Maximum. x = 3 hat f ein lokales Minimum. x = 4 hat f ein lokales Maximum.

2.4.13 Denition: i) f : I IR heie konvex oder linksgekrummt, wenn f tx + (1 t)y tf (x) + (1 t)f (y) fr alle x, y I und alle 0 t 1 gilt. u ii) f : I IR heie konkav oder rechtsgekrummt, wenn f tx + (1 t)y tf (x) + (1 t)f (y) fr alle x, y I und alle 0 t 1 gilt. u Man erkennt unmittelbar, dass eine Funktion f : I IR genau dann konvex ist, wenn die Funktion f konkav ist. Wir behandeln aus diesem Grund nur konvexe Funktionen, da wir dann auch die entsprechenden Resultate fr konkave Funktionen kennen. u Geometrisch ist die Konvexitt einer Funktion f : I IR wie folgt zu interpretieren: Verbinden a wir die Punkte x, f (x) und y, f (y) durch eine Gerade, so liegt der Graph von f zwischen

2.4 Lokale Extrema dierenzierbarer Funktionen

55

x und y stets unterhalb dieser Geraden.

Konvexe Funktion

2.4.14 Satz: f : I IR sei dierenzierbar. Es gilt i) f ist genau dann konvex, wenn f monoton wachsend ist. ii) f sei zweimal dierenzierbar. f ist genau dann konvex, wenn f (x) 0 gilt fr alle x I. u Diese Aussage wird im Anhang gezeigt. 2.4.15 Bemerkung: f : I IR sei konvex und dierenzierbar. Ist x0 I mit f (x0 ) = 0, so gilt f (x) f (x0 ) fr alle x I. u Demnach ist die Nullstelle der Ableitung einer konvexen Funktion bereits ein absolutes Minimum. Beweis: Es sei x I mit x > x0 . Wegen des vorstehenden Satzes ist f monoton wachsend. Folglich gilt 0 = f (x0 ) f (z) fr alle z I mit z > x0 . Wegen des Mittelwertsatzes 2.4.4 u gilt demnach f (x) f (x0 ). Der Fall x < x0 wird entsprechend behandelt. 2 2.4.16 Denition: f : I IR sei stetig, und x0 sei ein innerer Punkt von I. x0 heit ein Wendepunkt, wenn ein > 0 existiert, so dass entweder f auf ]x0 , x0 [ konvex und auf ]x0 , x0 + [ konkav ist oder f auf ]x0 , x0 ] konkav und auf ]x0 , x0 + [ konvex ist. Aus den vorstehenden Resultaten lsst sich einfach die folgende Aussage herleiten: a 2.4.17 Satz: f : I IR sei dreimal stetig dierenzierbar, und x0 sei ein innerer Punkt. Es gelte f (x0 ) = 0 und f (x0 ) = 0. Dann ist x0 ein Wendepunkt von f. Beweis: Wir knnen f (x0 ) > 0 annehmen; der andere Fall wird entsprechend behandelt. o Wegen f (x0 ) > 0 gilt wegen der Stetigkeit von f auch f (x) > 0 fr alle x [x0 , x0 + ] u u fr ein > 0. Wegen f (x0 ) = 0 gilt daher f (x) < 0 fr alle x0 x x0 und f (x) > 0 u fr alle x0 x x0 + . Die Aussage folgt jetzt aus dem vorstehenden Satz. u 2 2.4.18 Bemerkung: f : I IR sei n-mal dierenzierbar. f ist genau dann ein Polynom eines Grades < n, wenn f (n) = 0 gilt. Beweis: Ist f ein Polynom k-ten Grades fr ein k < n, so gilt oenbar f (n) = 0. Die Umkehrung u ist zu zeigen. Induktionsanfang: n = 1: Es gilt f = 0; es sei weiter x0 I xiert, wegen des Mittelwertsatzes

56

2. Funktionen einer Vernderlichen a

2.4.4 existiert zu jedem x I ein v zwischen x und x0 mit f (x) f (x0 ) = f (v)(x x0 ) = 0. Induktionsschluss: n = n + 1: Wir setzen g = f . Dann gilt g (n) = f (n+1) = 0. Wegen der Induktionsvoraussetzung folgt also g(x) = a0 + a1 x + . . . + ak xk fr ein k < n und alle x I. u Wir setzen a1 a2 ak k+1 h(x) = a0 x + x2 + x3 + . . . + x . 2 3 k+1 Wegen h (x) f (x) = h (x) g(x) = 0 fr alle x I existiert wegen des Falles n = 1 ein u c IR mit h(x) f (x) = c, also mit f (x) = h(x) c. Daher ist f ein Polynom eines Grades k + 1 < n + 1, was zu beweisen war. 2 2.4.19 Satz: (Satz von Taylor) f : I IR sei (n+1)-mal dierenzierbar, und es sei x0 I. Das Polynom
n

pn,f (x) =
k=0

f (k) (x0 ) k!

x x0

heit das n-te Taylorpolynom von f mit Entwicklungspunkt x0 und Rn,f (x) = f (x) pn,f (x) heit das n-te Restglied. Zu jedem x I, x = x0 , existiert ein z zwischen x und x0 mit Rn,f (x) =
f (n+1) (z) (n + 1)!

x x0

n+1

Der Beweis dieses Satzes ndet sich im Anhang. 2.4.20 Beispiel: Gegeben sei die folgende Flche: a G = (x, y) R2 x, y 0 und
x2 a2

y2 b2

1 .

Dabei seien a, b positive reelle Zahlen. Man bestimme den Flcheninhalt eines Rechtecks mit a achsenparallelen Kanten in G, dessen eine Seite auf der xAchse, eine Seite auf der yAchse und ein Punkt auf der oberen Begrenzung liegt. Weiter bestimme man das Rechteck mit maximalem Fcheninhalt. a Die obere Begrenzung wird gegeben durch alle Punkte (x, y) mit x, y 0 und mit 2 + 2 = 1. a b b 2 2. Wir erhalten demnach y = a x a b Fr den Flcheninhalt F des Rechtecks gilt demnach F (x) = x y = a2 x2 x4 . u a a F ist dierenzierbar auf ]0, 1[ mit F (x) =
b 2a x2 y2

2a2 x 4x3 a2 x 2x3 a = . b a2 x2 x4 a2 x2 x4


a 2

Als Nullstellen der Ableitung erhalten wir x1 = 0 und x2 = . Wegen F (0) = 0, F (a) = 0 und F (x2 ) =
ab 2

a > 0 besitzt F in x2 den maximalen Flcheninhalt.

2.4.21 Beispiel: Gewinnmaximum eines Monopolisten: Ein Monopolist biete eine Ware zu einem Preis p an. Die nachgefragte Menge (in Abhngigkeit vom Preis p) betrgt x Einheiten. a a Wir nehmen an, dass x = x(p) eine streng monotone Funktion ist, also die Umkehrfunktion

2.4 Lokale Extrema dierenzierbarer Funktionen

57

p = p(x) existiert. K = K(x) seien die Kosten des Monopolisten. Es gelte ferner die folgende Annahme: Die Produktionsmenge entspricht genau der nachgefragten Menge. Die Funktionen K und p seien dierenzierbar. Der Umsatz betrgt U(x) = p(x) x. Damit lautet die a Gewinnfunktion G(x) = U(x) K(x). Weiter gelte x1 < x < x2 , und in x0 besitze G ein Maximum. Dann folgt 0 = G (x0 ) = U (x0 ) K (x0 ), also U (x0 ) = K (x0 ). Demnach stimmen in x0 Grenzumsatz U und Grenzkosten K uberein. Der Satz von Taylor und der Mittelwertsatz sind wichtige Hilfsmittel zur Fehlerabschtzung. a Dazu stellen wir uns vor, dass eine gewisse reelle Zahl x0 irgendwie gemessen wird und dass dieser gemessene Wert sich von dem wirklichen Wert x unterscheidet mit einem maximalen Fehler > 0. Wenn jetzt durch Einsetzen dieses Wertes x0 in eine Funktion f der Funktionswert f (x0 ) bestimmt wird, so unterscheidet sich dieser von dem wirklichen Wert f (x). Die Dierenz f (x) f (x0 ) wird dann als Fehler bezeichnet. Ist f dierenzierbar, so gilt wegen des Mittelwertsatzes |f (x) f (x0 )| = |f (z)| |x x0 | fr ein geeignetes z zwischen x und x0 . Ist > 0 und gilt etwa |f (u)| M fr ein M > 0 und u u alle u [x0 , x0 + ], so folgt daher |f (x) f (x0 )| M falls |x x0 | < . 2.4.22 Beispiel: Gegeben sei die Funktion f mit f (u) = sin(u2 ). Gemessen wurde ein Wert x0 = 3 mit einem maximalen Fehler = 0.01 . Man bestimme eine Abschtzung fr den a u maximalen Fehler von f (x0 ). Ist x der wahre Wert, so gilt oenbar 2.99 x 3.01 . Weiter haben wir f (u) = 2u cos(u2 ). Fr z [2.99 , 3.01] gilt daher |f (z)| M = 2 3.01 1 = 6, 02 und damit u | sin(x2 ) sin(9)| 0.0602 als Abschtzung fr den maximalen Fehler. a u Ubungsaufgaben 2.4.1 Aufgabe: Bestimmen Sie die Nullstellen und alle lokalen Maxima und Minima der Funktion f : u x4 x3 3x2 + 5x 2 fr x 4 . f (x) = 2 fr x 4 u x 9x + 182 2.4.2 Aufgabe: Bestimmen Sie alle lokalen Maxima und Minima der Funktion f : f (x) = x2 ex . 2.4.3 Aufgabe: Bestimmen Sie alle lokalen Maxima und Minima der Funktion f : f (x) =
1 (x4 32
2

18x2 + 81) fr 4 x 1 u . x3 12x 9 fr u 1 x 3

58

2. Funktionen einer Vernderlichen a

2.4.4 Aufgabe: Bestimmen Sie alle lokalen Maxima und Minima der Funktion f (x) =
1 4 x 4

1 3 x 3

1 x3 x2 + 3 x2 +
7 3

17 12

fr 4 x 1 u fr u 1 x 3

2.4.5 Aufgabe: Bestimmen Sie alle lokalen Maxima und Minima von f : f (x) = x3 + 3x2 45x + 1 x3 6x2 + 9x + 64 fr u fr u 4 < x 1 . 1 x <

2.4.6 Aufgabe: Bestimmen Sie alle lokalen Maxima und Minima der Funktion f : ]0, [ IR : f (x) = ln x2 + |x3 3x2 + 2x| . 2.4.7 Aufgabe: Bestimmen Sie alle lokalen und globalen (absoluten) Maxima und Minima der Funktion f : f (x) = u 2x3 9x2 + 12x + 1 fr 4 x 0 . 5 3 u 0x3 3x 65x 540x + 1 fr 3x4 8x3 6x2 + 24x xex

2.4.8 Aufgabe: Bestimmen Sie alle lokalen Maxima und Minima von f : f (x) = fr u fr u 4 x 0 . 0<x<4

2.4.9 Aufgabe: Durch Bestimmung lokaler Extrema zeige man 2 max x2 + 2, x3 + 3x2 9x + 6 33 fr alle 5 x 3. u 2.4.10 Aufgabe: Gemessen wurde ein Wert x0 = 4; es wird angenommen, dass sich x0 von dem wahren Wert z maximal um 0.01 unterscheidet. Weiter sei f (x) = sin( x). Bestimmen eine Abschtzung fr den Fehler |f (x0 ) f (z)| mit dem Mittelwertsatz. a u 2.4.11 Aufgabe: Gemessen wurde ein Wert x0 = 2; es wird angenommen, dass sich x0 von dem wahren Wert z maximal um 0.01 unterscheidet. Weiter sei f (x) = x2 + 1. Bestimmen eine Abschtzung fr den Fehler |f (x0 ) f (z)| mit dem Mittelwertsatz. a u 2.4.12 Aufgabe: Eine Flche sei nach unten begrenzt durch die xAchse, nach oben durch a die Gerade durch die Punkte (10|16) und (100|0) und durch den Graphen der Funktion f : f (x) = x2 . Bestimmen Sie den maximalen Flcheninhalt eines Rechtecks mit achsenparallelen a Kanten in der gegebenen Flche, dessen untere Kante auf der xAchse und dessen obere Ecken a auf den oberen Begrenzungen liegen.

2.5 Integrierbare Funktionen

59

2.5 Integrierbare Funktionen


Wir behandeln in diesem Abschnitt die Umkehrung der Dierentiation von Funktionen einer reellen Vernderlichen. Es sei I IR stets ein Intervall. Wir wollen zunchst jeder stetigen a a b Funktion f : I IR fr alle a, b I mit a < b das Integral a f (t)dt IR zuordnen; dieses u Integral soll dem Flcheninhalt zwischen dem Graphen von f und der xAchse zwischen a a und b entsprechen falls f uberall positiv ist. Dieses geschieht durch die folgende Konstruktion: Es seien eine stetige Funktion f : I IR und a, b I mit a < b xiert. Unter einer Zerlegung des Intervalls [a, b] verstehen wir eine endliche Folge Z = (x0 , x1 , . . . , xr ) reeller Zahlen mit x0 = a < x1 < . . . < xr = b. Eine Zerlegung Z1 = y0 , y1 , . . . , ym von [a, b] heie feiner als die Zerlegung Z, wenn jeder Wert xj unter den Werten y0 , y1, . . . , ym vorkommt, es folgt speziell m r. Wir schreiben in diesem Fall auch Z1 Z. 2.5.1 Bemerkung: Sind Z1 und Z2 zwei Zerlegungen, so existiert eine Zerlegung Z mit Z Z1 und Z Z2 . Beweis: Es sei Z1 = x0 , x1 , . . . , xr und Z2 = x , x , . . . , x . Wir ordnen die Zahlen 0 1 m o x0 , x1 , . . . , xr , x , x , . . . , x der Gre nach, wobei jede vokommende Zahl genau einmal auf0 1 m genommen wird. Damit erhalten wir unmittelbar die verlangte Zerlegung Z = x0 , x1 , . . . , xn . 2 Of Z = Uf Z = Zu einer Zerlegung Z = x0 , x1 , . . . , xr denieren wir
r i=1 max r i=1 min

f (s) xi1 s xi (xi xi1 ), die Untersumme.

f (s) xi1 s xi (xi xi1 ), die Obersumme und

11111 00000 11111 00000 11111111111 00000000000 11111 00000 11111111111 00000000000 11111111 00000000 11111 00000 11111111111 00000000000 11111111 00000000 11111 00000 11111111111 00000000000 1111 0000 11111111 00000000 11111 00000 11111111111 00000000000 1111 0000 11111111 00000000 11111 00000 11111111111 00000000000 1111 0000 11111111 00000000 11111 00000 11111111111 00000000000 1111 0000 11111111 00000000 11111 00000 11111111111 00000000000
Untersumme Uf Z

11111 00000 11111 00000 11111 00000 11111111111 00000000000 11111 00000 11111111111 00000000000 11111 00000 11111111111 00000000000 11111111 00000000 11111 00000 1111 0000 11111111111 00000000000 11111111 00000000 11111 00000 1111 0000 11111111111 00000000000 11111111 00000000 11111 00000 1111 0000 11111111111 00000000000 11111111 00000000 11111 00000 1111 0000 11111111111 00000000000 11111111 00000000 11111 00000 1111 0000 11111111111 00000000000 11111111 00000000 11111 00000 1111 0000 11111111111 00000000000 11111111 00000000 11111 00000 Obersumme O Z
f

Man erkennt unmittelbar: Ist F der Flcheninhalt zwischen dem Abschnitt [a, b] der Zahlena geraden und dem entsprechenden Abschnitt des Graphen einer positiven stetigen Funktion f , so gilt oenbar Uf Z F Of Z . 2.5.2 Bemerkung: Sind Z, Z1 , Z2 Zerlegungen mit Z Z1 und Z Z2 , so gilt Uf Z1 Uf (Z O Z O Z2 . Die Aussage dieser Bemerkung wird im Anhang gezeigt. Wir setzen jetzt A = B = Uf Z Of Z Z ist Zerlegung von [a, b] Z ist Zerlegung von [a, b] .

60

2. Funktionen einer Vernderlichen a

Wegen 2.5.2 gilt u v fr alle u A, v B. Da IR vollstndig ist, existiert ein C IR mit u a Uf Z1 C Of Z2 fr alle Zerlegungen Z1 , Z2 von [a, b]. Im Anhang wird gezeigt, dass dieses C eindeutig beu stimmt ist, und dort ndet sich auch der Beweis des folgenden Satzes: 2.5.3 Satz: f : I IR sei stetig. Zu a, b I mit a < b existiert eine eindeutig bestimmte u Zahl C IR mit Uf Z C Of Z fr jede Zerlegungen Z von [a, b]. Wir schreiben
b

C=
a

f (t) dt

das Integral von f zwischen a und b. Das Integral entspricht dem Flcheninhalt zwischen dem a Abschnitt [a, b] der Zahlengeraden und dem entsprechenden Teil des Graphen von f. Es gelten die folgenden Regeln: i) Wir setzen
a b b a

f (t) dt =
c

f (t) dt und
a b a c

f (t) dt = 0.

Fr alle c I gilt dann u


a

f (t) dt =
a

f (t) dt +
b

f (t) dt.

ii) Es gilt
b

min f (s) a s b iii) Es gilt


a c

ba

f (t) dt max f (s) a s b

ba .

f (t) dt |c a| max |f (t)| t zwischen a, c .


b a b b

iv) Ist g : I IR eine weitere stetige Funktion mit f g, so folgt f (t) dt g(t) dt.
a

2.5.4 Beispiel: Es gilt a 1 dt = (b a) fr alle a < b : Wir setzen f (t) = 1 fr alle t. Wegen u u ii) des vorstehenden Satzes gilt:
b

(b a)1 = min f (t) a t b

1 dt max f (t) a t b

= (b a)1. 2

2.5.5 Denition: f : I IR sei eine Funktion. Eine dierenzierbare Funktion F : I IR mit F = f auf I heit eine Stammfunktion von f. 2.5.6 Satz: Jede stetige Funktion f : I IR besitzt eine Stammfunktion F : I IR. Diese Stammfunktion ist eindeutig bestimmt bis auf eine additive Konstante. Fr alle x I ist dann u (F G) (x) = F (x) G (x) = f (x) f (x) = 0, also ist F G konstant nach Satz 2.4.5.

2.5 Integrierbare Funktionen

61

2.5.7 Satz: (Hauptsatz der Dierential- und Integralrechnung) f : I IR sei stetig, und es sei a I. Fr jedes x I sei u
x

F (x) =

f (t) dt

das Integral von f mit der Variablen x als obere Grenze. Dann ist F dierenzierbar mit der Ableitung F (x) = f (x). F ist also eine Stammfunktion von f. Ist umgekehrt G eine Stammfunktion von f, so gilt
x

G(x) G(a) =

f (t) dt.
a

Beweis: Es sei x I und 0 = s IR mit x + s I. Wegen 2.5.4 und 2.5.3 gilt


F (x + s) F (x) s

f (x)

= =

1 s 1 s

x+s a x+s x

f (t) dt

f (t) dt f (x)
1 s
x+s x

f (t) dt f (x) =
|f (t) f (x)| |s|

f (t) f (x) dt

|x + s x| max

t zwischen x, x + s 0

= max |f (t) f (x)| t zwischen x, x + s

bei s 0. Damit folgt unmittelbar F (x) = f (x). Folglich ist F eine Stammfunktion von f , und es gilt F (a) = 0. Ist jetzt G eine weitere Stammfunktion von f , so gilt wegen der obigen Eindeutigkeitsaussage G(x) = F (x) + G(a) F (a) = F (x) + G(a). Wir erhalten also
x a

f (t) dt = G(x) G(a).

2.5.8 Bemerkung: f, g : I IR seien stetig; F : I IR sei eine Stammfunktion von f und G : I IR sei eine Stammfunktion von g. Dann ist (F + G) eine Stammfunktion von (f + g) und cF eine von cf fr jedes feste c IR. u Die Aussage der vorstehenden Bemerkung folgt durch Anwendung der Dierentiationsregeln 2.3.5 . Auf den sehr einfachen Beweis soll hier verzichtet werden. Fr viele Funktionen ist es einfach, Stammfunktionen anzugeben: Fr die Ableitungen der u u bekannten speziellen Funktionen. Wir geben diese Aussage wieder in Form einer Tabelle an; man vergleiche dazu 2.3.10 .

2.5.9 Satz: Die in der folgenden Tabelle angegebenen Funktionen f besitzen auf den angegebenen Bereichen die angegebenen Stammfunktionen F:

62

2. Funktionen einer Vernderlichen a

f (x) i) ii) iii) iv) v) vi) vii) viii) ix) x) xi) xii) xn xn xc xc ex ax
1 x

F (x)
1 xn+1 n+1 1 xn+1 n+1 1 xc+1 c+1 1 xc+1 c+1

Bereich IR ] , 0[ oder ]0, [ ]0, [ [0, [ IR IR ]0, [ ]0, [ IR IR ] 1, 1[ R 0<a=1 n IN0 1 = n Z Z 1 = c IR 0 c IR

ex
1 x a ln a

ln x x ln(x) x cos x sin x arcsinx arctan x

ln(x) sin x cos x


1 1 x2 1 1 + x2

Diese Aussage folgt unmittelbar durch die Umkehrung der Dierentiationsregeln 2.3.10 oder durch einfache Dierentation von F . Eine explizite Durchfhrung des Beweises ist daher nicht u erforderlich. Mit Hilfe dieses Satzes gelingt es oft, ein Integral explizit zu berechnen. Die Voraussetzung dazu ist aber, dass eine Stammfunktion der zu integrierenden Funktion bekannt ist. Das ist aber nicht immer der Fall. Obwohl aus dem vorstehenden Satz folgt, dass jede stetige Funktion f : I IR eine Stammfunktion besitzt, muss diese nicht formelmig angebbar sein. So a (x2 ) kann man beispielsweise zu der Funktion g : g(x) = e keine Stammfunktion formelmig a angeben. Oft ist es allerdings mglich, gegebene Funktionen durch Umformungen und Variao blensubstitutionen auszuintegrieren.

2.5 Integrierbare Funktionen

63

2.5.10 Satz: f, g : I IR seien stetig, es sei k IR, und es seien a, b I. Dann gilt
b b b b b

f (t) + g(t) dt =
a a

f (t) dt +
a x

g(t) dt,
a

kf (t) dt = k
a x

f (t) dt.

Beweis: Fr alle x I setzen wir F (x) = u

f (t) dt und G(x) =


a a

g(t) dt. Wegen des vorste-

henden Satzes sind F und G Stammfunktionen von f beziehungsweise von g. Wegen 2.5.8 ist daher F + G eine Stammfunktion von f + g . Weiter gilt F (a) = G(a) = 0 und damit auch x F (a) + G(a) = 0; wir erhalten a f (t) + g(t) dt = F (x) + G(x). Die zweite Aussage wird entsprechend nachgerechnet. 2 2.5.11 Satz: (Partielle Integration) f, g : I IR seien dierenzierbar. Fr alle a, b I u b b gilt dann f (t)g (t) dt = f (b)g(b) f (a)g(a) f (t)g(t) dt.
a a

Beweis: Es sei H(x) = f (x)g(x) fr alle x I. Wegen der Produktregel der Dierentialrechu nung 2.3.5 ist H ein Stammfunktion von h: h(x) = f (x)g (x) + f (x)g(x). Wegen der bereits gezeigten Integrationsregeln folgt daher
b b b

H(b) H(a) =

h(t) dt =
a a

f (t)g (t) dt +
a

f (t)g(t) dt.

2.5.12 Beispiel: Man berechne eine Stammfunktion von h: h(t) = t2 et . Mit f (t) = t2 , g(t) = et und a = 0 folgt mit Hilfe partieller Integration:
x 0 x

t2 et dt = x2 ex 0

2tet dt.
0

Das Integral der rechten Seite wird nochmals nach der gleichen Methode behandelt: jetzt sei f (t) = 2t, g(t) = et . Es folgt
x 0 x

t2 et dt = x2 ex 2xex +

2et dt = x2 ex 2xex + 2ex 2.

2.5.13 Satz: (Substitutionssatz) Es sei J IR ein weiteres Intervall, h : J IR sei dierenzierbar mit h(t) I fr alle t J. Es sei weiter f : I IR stetig. Wir whlen u a a0 , b0 J und setzen a = h(a0 ), b = h(b0 ) I. Es gilt
b h(b0 ) b0

f (t) dt =
a h(a0 )

f (t) dt =
a0

f h(s) h (s) ds.

Beweis: F sei eine Stammfunktion von f . Wegen der Kettenregel 2.3.5 v) gilt F h (s) = F h(s) h (s) = f h(s) h (s) fr alle s J. Folglich ist F h eine Stammfunktion der Funktion f h h . Es folgt u
b a b0

f (t) dt = F (b) F (a) = F h(a0 ) F h(a0 ) =

f h(s) h (s) ds.

a0

64

2. Funktionen einer Vernderlichen a

2.5.14 Beispiel: Man berechne eine Stammfunktion zu der Funktion g : ] 1, [ IR : g(x) = sin ln(x + 1)
1 . x+1 1 t+1

Es seien a = 0, f (x) = sin x und h(t) = ln(t + 1). Wegen h (t) =


x x ln(x+1)

gilt

G(x) =
0

g(s) ds =
0

sin ln(s + 1)

1 s+1

ds =
ln(0+1)

sin t dt = cos ln(x + 1) + 1.

2.5.15 Beispiel: Man berechne eine Stammfunktion G zu der Funktion g: g(x) = sin2 x.Mit Hilfe partieller Integration folgt
x x

G(x) =
0

sin2 t dt = sin x cos x + sin 0 cos 0


x

cos t( cos t) dt
0

= sin x cos x +

1 sin2 t dt
x

= x sin x cos x

sin2 t dt
0

= x sin x cos x G(x) =

1 2

x sin x cos x . 2

Speziell gilt demnach


0

sin2 t dt = G() G(0) = .

2.5.16 Beispiel: Man bestimme eine Stammfunktion F zu der Funktion f : f (x) = |x|k mit x x k IN. Wir setzen f (t) dt = |t|k dt. F (x) =
0 0

Im Fall x 0 gilt im Fall x 0 gilt


x

F (x) =
0

tk dt =

xk+1 k+1

|x|k x , k+1

F (x) =
0

(t) dt = (1)

k 0

tk dt = (1)k

xk+1 k+1

|x|k x . k+1 2

Es folgt F (x) =

|x|k x k+1

fr alle x IR. u

Ubungsaufgaben 2.5.1 Aufgabe: Berechnen Sie die folgenden Integrale:


2 1 /2 4

|t| dt ,

sin x cos x dx,


0 0

|x 1| x2 dx.

2.5 Integrierbare Funktionen

65

2.5.2 Aufgabe: Berechnen Sie die folgenden Integrale:


1 0

2t t2 + 1 dt ,

x cos x dx,
0

|x 2| x3 dx.

2.5.3 Aufgabe: Berechnen Sie


4

max{x2 + x + 1, 3x + 4} dx.
4

2.5.4 Aufgabe: Berechnen Sie


4 3

min{2x2 x, x2 + 2} dx.

2.5.5 Aufgabe: Bestimmen Sie jeweils eine Stammfunktion zu den Funktionen f (t) = t ln t (t > 0) , g(x) = min{ex , x2 + 1}.

66

2. Funktionen einer Vernderlichen a

3. Gleichungssysteme und Matrizen

3.1 Vektoren und Matrizen


In diesem Abschnitt werden Vektoren, Matrizen und lineare Gleichungssysteme behandelt. Es sei n IN eine feste Zahl. Wir fassen n Zahlen x1 , . . . , xn IR zu einem geordneten nTupel (x1 , . . . , xn ) zusammen: einem Vektor oder genauer Zeilenvektor. Man beachte, dass die Reihenfolge der Zahlen in dem Vektor wichtig ist. So sind (2, 3, 4, 7) und (3, 2, 4, 7) zwei verschiedene Vektoren. Hug ist es zweckmig, an Stelle der Zeilenschreibweise (x1 , . . . , xn ) a a eine Spaltenschreibweise zu verwenden: Unter einem Spaltenvektor verstehen wir ein in Spaltenform dargestelltes n-Tupel: 2 x1 3 . . , also etwa . . 4 xn 7 Durch Transposition kann man von der Zeilenschreibweise zur Spaltenschreibweise (und umgekehrt) ubergehen. Ist x1 . x= . . xn so heit xt = (x1 , . . . , xn ) der transponierte Vektor und entsprechend x1 . (x1 , . . . , xn )t = . . . xn Mit Rn bezeichnen wir die Menge aller demnach n IR = Spaltenvektoren mit n Komponenten aus IR. Es gilt x1 . x , . . . , x IR . . 1 n . xn 67

Auf IRn fhren wir die Vektoraddition und die Skalarenmultiplikation ein: u

68

3. Gleichungssysteme und Matrizen

y1 z1 x1 . . . 3.1.1 Denition: Es seien x = . , y = . , z = . . . . xn yn zn Wir denieren x + y IRn und a x IRn durch x1 y1 x1 + y1 . . . . x+y = . + . = und a x = . . . xn yn xn + yn

n IR , a x1 . . . . a xn

a, b IR.

Wir nennen Rn mit diesen Operationen Vektorraum. Es gelten die folgenden Regeln: i) x + y = y + x ii) (x + y) + z = x + (y + z). iii) a (x + y) = a x + a y, (a + b) x = a x + b x, und (a b) x = a (b x). iv) 1 x = x und 0 + x = x. Beweis: Wir zeigen hier nur die Regel i): Wegen der Kommutativitt der Addition auf IR gilt a x1 . x+y = . + . xn y1 x1 + y1 y1 + x1 . = . . . . . = = y + x. . . . yn xn + yn yn + xn 2

ii) iv) lassen sich ebenso auf die entsprechenden Regeln auf IR zurckfhren. u u

3.1.2 Denition: Es seien m, n IN, b1 , . . . , bm IR und ai,j IR fr alle i = 1, . . . , m und u j = 1, . . . , n. Dann heit a1,1 x1 + a2,1 x1 + . . . a1,2 x2 + . . . +a1,n xn a2,2 x2 + . . . +a2,n xn . . . . . . = b1 = b2 . . . (1)

am,1 x1 + am,2 x2 + . . . +am,n xn = bm ein lineares Gleichungssystem. Im Fall b1 = . . . = bm = 0 sprechen wir von einem homogenen linearen Gleichungssystem und ansonsten von einem inhomogenen linearen Gleichungssystem. Ein Vektor x = (x1 , . . . , xn )t IRn , der die obigen Gleichungen erfllt u heit eine Lsung des linearen Gleichungssystems. Existiert berhaupt eine derartige o u Lsung, so heit das Gleichungssystem lsbar; existiert keine derartige Lsung, so heit das o o o lineare Gleichungssystem unlsbar. o Ein lsbares lineares Gleichungssystem kann eindeutig lsbar sein, es kann aber auch unendo o lich viele Lsungen geben. Mit dem Gauschen Eliminationsverfahren, das wir im nchsten o a Abschnitt behandeln, kann man sich vollstndige Klarheit uber die Gestalt der Lsungsmenge a o verschaen. Die reellen Zahlen aij heien die Koezienten des linearen Gleichungssystems (1). aij ist der Koezient vor der Unbekannten xj in der i-ten Gleichung von (1).

3.1 Vektoren und Matrizen

69

Man ordnet die aij in einer rechteckigen Tabelle aus m Zeilen und n Spalten an: a1,1 a2,1 . . . a1,2 a2,2 a1,n a2,n . . .

(2)

am,1 am,2 am,n

Diese Tabelle heit die Matrix des linearen Gleichungssystems (1). Zur Abkrzung bezeichnen wir die Matrix (2) mit A. Das Produkt von A mit dem Spaltenu vektor x1 . x= . . xn wird deniert durch Ax := am,1 x1 + . . . + am,n xn
n

a1,1 x1

Die i-te Komponente des Spaltenvektors Ax ist also ai,j xj .


j=1

+ . . . + a1,n xn . . .

Setzt man noch

so lautet das lineare Gleichungssystem (1) in Matrizenschreibweise Ax = b 3.1.3 Beispiel: Das Gleichungssystem x1 + 2x2 = 3 x3 x2 x1 = 4x3 x3 + 2x1 = 0 hat die Matrix 1 2 1 A = 1 1 4 2 0 1 3 0 . b= 0 (3)

b1 . b = . , . bm

und den inhomogenen Anteil

70

3. Gleichungssysteme und Matrizen

x1 x2 kann man also Ax = b, ausfhrlich Mit x = u x3

schreiben. Lineare Gleichungssysteme treten zum Beispiel beim Aufstellen von Produktionsplnen auf. a Die Bestimmung der Produktionszahlen erfordert dann das Lsen dieser Gleichungssysteme. o Wir erlutern dies an einfachen Beispielen. a 3.1.4 Beispiel: (Produktionsplan) a) Eine Firma produziere vier Gter G1 , G2 , G3 , G4 . u Fr jedes dieser Gter gebe es eine sogenannte Primrnachfrage. bi 0 bezeichne die u u a Primrnachfrage fr das Gut Gi , i = 1, 2, 3, 4. Wir fassen die bi zu dem Vektor b zusama u men bt = (b1 , b2 , b3 , b4 ). Mit xi bezeichnen wir die Zahl der zu produzierenden Einheiten des Gutes Gi um die Primrnachfrage zu befriedigen. Die xi fassen wir zu dem Produktionsvektor x zua sammen: xt = (x1 , x2 , x3 , x4 ) xt ist zunchst unbekannt und soll ermittelt werden. a Es seien dabei noch folgende (lineare) Zusammenhnge zu bercksichtigen: a u o (1) Zur Produktion einer Einheit des Gutes G2 werden 100 Einheiten von G1 bentigt. (2) Zur Produktion einer Einheit von G3 werden 5 Einheiten von G2 bentigt. o (3) Zur Produktion einer Einheit von G4 werden 10 Einheiten von G2 und 6 Einheiten von G3 bentigt. o Wir erhalten somit das lineare Gleichungssystem x1 x2 x3 x4 = = = = 100x2 + b1 5x3 + 10x4 + b2 6x4 + b3 b4

1 2 1 x1 3 1 1 4 x2 = 0 , x3 2 0 1 0

aus vier Gleichungen in vier Unbekannten. In Matrixschreibweise: x1 1 100 0 0 b1 x2 b2 0 1 5 10 = 0 0 1 6 x3 b3 0 0 0 1 x4 b4

(4)

3.1 Vektoren und Matrizen

71

Den Produktionsvektor x kann man ohne Mhe ablesen: u x4 = b4 , x3 = 6b4 + b3 , x2 = 5(6b4 + b3 ) + 10b4 + b2 = b2 + 5b3 + 40b4 x1 = 100(b2 + 5b3 + 40b4 ) + b1 , also b1 + 100b2 + 500b3 + 4000b4 b + 5b3 + 40b4 x= 2 b3 + 6b4 b4 G1 G2 G3 G4 (Kein Eintrag bedeutet Null.) Allgemein enthlt der Produktionsplan in der i-ten Spalte und j-ten Zeile (i = j) a Gj G1 G2 G3 G4 100 5 10 6 B b1 b2 b3 b4

Die Produktionstabelle zu dieser Aufgabe hat die Form

(5)

Gi

aij

o Es werden aij Einheiten von Gi zur Produktion einer Einheit von Gj bentigt, also aij xj Einheiten von Gi zur Produktion von xj Einheiten von Gj . Aus der Produktionstabelle kann man leicht die Matrix A des zugehrigen Gleichungssystems ablesen: o 1 100 0 0 0 1 5 10 (6) A= 0 0 1 6 0 0 0 1 b) Die Produktionstabelle zur Produktion von drei Gtern habe die Form u G1 G2 G3 G1 G2 G3 2 3 1 B b1 b2 b3

den Eintrag aij 0 mit der Bedeutung:

72

3. Gleichungssysteme und Matrizen

Das zugehrige lineare Gleichungssystem ist o x1 = 2x2 + b1 x2 = 3x3 + b2 x3 = x1 + b3 Es folgt x2 = 3(x1 + b3 ) + b2 = 3x1 + b2 + 3b3 x1 = 2(3x1 + b2 + 3b3 ) + b1 = 6x1 + b1 + 2b2 + 6b3 1 x1 = (b1 + 2b2 + 6b3 ). 5 Ganz gleich wie man b1 , b2 , b3 > 0 whlt, die Produktionszahl x1 ist immer negativ. Die a vorgelegte Produktionstabelle ist also unrealistisch. Es gibt hier keine sinnvolle Lsung x o mit x1 , x2 , x3 0. Das Problem ist dadurch entstanden, dass zur Produktion einer Einheit von G1 eine Einheit G3 bentigt wird und anderseits zur Produktion von G3 Teile von G2 und somit o auch von G1 bentigt werden. o
1 Verlangt man stattdessen, dass nur 12 einer Einheit von G3 zur Produktion einer Einheit von G1 bentigt wird, so wird das zugehrige Gleichungssystem sinnvoll lsbar: o o o

und somit

x1 = 2x2 + b1 x2 = 3x3 + b2 1 x1 + b3 x3 = 12 Die eindeutig bestimmte Lsung ist o

und alle Komponenten von x sind positiv, wenn b1 , b2 , b3 0 und nicht alle gleich Null sind. Es sei weiter bemerkt, dass auch der Fall eintreten kann, dass das Gleichungssystem uberhaupt keine Lsung besitzt. Andert man etwa den Produktionsplan so, dass zur Proo o o duktion einer Einheit G1 genau 1 einer Einheit von G3 bentigt wird, so stsst man beim 6 Lsen des Gleichungssystems o x1 = 2x2 + b1 x2 = 3x3 + b2 1 x3 = x1 + b3 6 auf den Widerspruch x1 = x1 + b1 + 2b2 + 6b3 , falls bi 0 und nicht alle bi gleich Null sind.

2b1 + 4b2 + 12b3 x = 1 b1 + 2b2 + 6b3 2 1 b + 1 b2 + 2b3 6 1 3

3.1 Vektoren und Matrizen

73

(c) Wir betrachten wieder das Beispiel a). Jetzt wollen wir den sogenannten Selbstkostenpreis pi einer Einheit Gi ermitteln. Der Selbstkostenpreis pi setzt sich zusammen aus dem Festkostenpreis fi pro Einheit Gi und den Preisanteilen der zur Produktion von Gi bentigten Gter Gj . Aus der Tabelle ergibt sich o u p1 = f1 , p2 = 100p1 + f2 , denn zur Produktion einer Einheit G2 werden 100 Einheiten G1 bentigt. Weiter gilt o p3 = 5p2 + f3 , p4 = 10p2 + 6p3 + f4 , In Matrizenschreibweise 1 0 0 100 1 0 0 5 1 0 10 6 p1 0 f1 0 p2 f2 = 0 p3 f3 1 p4 f4 0 0 0 1

die Matrix B dieses Gleichungssystems ist 1 0 0 100 1 0 B= 0 5 1 0 10 6 B = At . Allgemein deniert man

(7)

B ist die Transponierte von A aus (6). Man schreibt

3.1.5 Denition: Es seien m, n N. Eine reelle m n-Matrix A ist eine Tabelle a1,1 , . . . a1,n . . . A = (ai,j )i=1,...,m = . . .
j=1,...,n

am,1 . . . am,n

reeller Zahlen ai,j R.

(ai,1 , . . . , ai,n ) a1,j . . . am,j a1,1 . . . am,1 a1,2 . . . am,2 t A = . . . . . . a1,n . . . am,n

ist die i-te Zeile von A und

ist die j-te Spalte von A. Die Matrix

heit die transponierte Matrix von A. Mit Matrizen kann man wie mit Vektoren rechnen:

74

3. Gleichungssysteme und Matrizen

3.1.6 Denition: Seien A = (ai,j ), B = (bi,j ) zwei m n-Matrizen. Dann deniert man A + B = (ai,j + bi,j ). Ist weiter a R ein Skalar, so setzt man aA := (aai,j ) Mit den gleichen Methoden wie bei der Vektoraddition erkennt man unmittelbar die Gltigkeit u der folgenden Regeln. Da der Beweis lediglich die entsprechenden Regeln der reellen Zahlen benutzt und die Konstruktion genau der des Satzes uber die Vektoraddition gleicht, verzichten wir auf die Wiedergabe. 3.1.7 Satz: Fr m, n IN, m nMatrizen A, B und C, und a, b IR gilt : u i) A + B = B + A ii) (A + B) + C = A + (B + C). iii) a (A + B) = a A + a B und (a + b) A = a A + b A (a b) A = a (b A). iv) 1 A = A und 0 + A = A. v) (A + B)t = At + B t und (At )t = A. Dabei sei 0 = 0m,n die m nMatrix, deren smtliche Koezienten Null sind. a Fr die Multiplikation von Matrizen mit Vektoren gelten die folgenden Regeln. u 3.1.8 Satz: Fr m, n IN, a IR, x, y IRn und A, B m nMatrizen gilt: u i) A (x + y) = A x + A y ii) (A + B) x = A x + B x iii) A (a x) = a (A x). Beweis: Wir zeigen nur die Regel i); werden. Es seien dazu a1,1 a1,2 . . . a2,1 a2,2 . . . A= . . . . . . am,1 am,2 . . . Dann gilt die anderen Regeln knnen entsprechend nachgerechnet o a1,n a2,n . . . am,n

, x =

y1 x1 . und y = . . . . . . xn yn + yj ) + yj )

x1 + y1 . . A (x + y) = A = . xn + yn = . . + . n j=1 am,j xj
n j=1 a1,j

n j=1 a1,j (xj

. . .

n j=1 am,j (xj n j=1 a1,j

xj

. . = A x + A y. . n j=1 am,j yj

yj

Unter bestimmten Voraussetzungen denieren wir noch das Produkt zweier Matrizen A und B hnlich wie das Produkt einer Matrix mit einem Vektor. Genau wie in diesem Fall a werden wir verlangen, dass die Zeilenzahl von B mit der Spaltenzahl von A ubereinstimmt.

3.1 Vektoren und Matrizen

75

3.1.9 Denition: Es seien m, Matrix: a1,1 a1,2 a2,1 a2,2 A= . . . . . . am,1 am,2

Wir denieren die m pMatrix C als das Produkt der Matrizen A und B: c1,1 c1,2 . . . c1,p c2,1 c2,2 . . . c2,p C =AB = . . . . . . . . . cm,1 cm,2 . . . cm,p
n

n, p IN. A sei eine m nMatrix, und B b1,1 b1,2 . . . b1,p . . . a1,n . . . a2,n b2,1 b2,2 . . . b2,p und B = . . . . . . . . . . . . bn,1 bn,2 . . . bn,p . . . am,n

sei eine n p

deniert durch die folgende Beziehung ci,k =


j=1

ai,j bj,k fr alle i = 1, . . . , m und k = 1, . . . , p. u ... ... .. . 0 0 . . . ... 1

Weiter sei die nte Einheitsmatrix: 1 0 . . . 0 0 1 . . . 0

In =

Aus der Denition folgt unmittelbar, dass der kte Spaltenvektor der Matrix C = A B das Produkt von A mit dem kten Spaltenvektor von B ist. Fr das Rechnen mit Produkten von u Matrizen gelten die folgenden Regeln: 3.1.10 Satz: Es seien m, n, p, q IN, A, A seien m nMatrizen, B, B seien n p Matrizen und C sei eine p qMatrix. Dann gilt: i) A + A B = A B + A B. ii) A B + B = A B + A B . iii) A B C = A B C. iv) Im A = A In = A t v) A B = B t At und vi) 0m,m A = A 0n,n = 0m,n . Auf den einfachen Beweis dieser Aussage soll hier verzichtet werden; die Aussage kann wie der vorstehende Satz gezeigt werden. Man beachte, dass das Produkt B A zweier Matrizen B, A nicht notwendigerweise deniert ist, selbst wenn das Produkt A B deniert ist. Man vergleiche dazu das nachfolgende Beispiel. 3.1.11 Beispiel: Matrizenprodukte: i) Es seien 1 1 2 1 1 2 1 2 1 1 0 2 2 1 1 0 2

A=

und B =

1 .

76

3. Gleichungssysteme und Matrizen

Dann gilt etwa c1,2 = 1 1 + 2 0 + 1 (2) = 1 das Produkt der ersten Zeile von A mit der zweiten Spalte von B. Insgesamt erhalten wir C= 6 3 1 1 1 4 5 .

ii) Es seien A eine m nMatrix und B eine n pMatrix. Dann ist das Produkt A B bildbar und eine m pMatrix. Gilt jedoch p = m, so knnen wir das Produkt von B mit A nicht bilden. Das ist mit den o Matrizen aus i) der Fall. Gilt p = m und andererseits m = n, so ist AB eine mmMatrix und B A eine nnMatrix. Damit gilt hier A B = B A, weil hier A, B Matrizen verschiedener Gre sind. o Auch im Fall m = n = p folgt nicht notwendigerweise A B = B A. Gilt n > 1, so existieren stets n nMatrizen A, B mit A B = B A : Fr m = n = p = 2 und u A= 0 0 1 0 , B= 0 1 0 0 gilt A B = 1 0 0 0 =BA= 0 0 0 1 .

Ubungsaufgaben 3.1.1 Aufgabe: i) Berechnen Sie alle mglichen Produkte der folgenden Matrizen: o 1 2 1 1 3 2 1 1 2 0 , C = A= , B = 1 . 1 2 1 1 1 0 2 1 1 ii) Berechnen Sie B (A x + C y) mit x = (1, 1, 1, 1)t, y = (1, 2, 1)t . 3.1.2 Aufgabe: i) Berechnen Sie alle mglichen Produkte der Matrizen: o 1 1 0 1 0 1 1 2 3 1 0 1 , B = 0 0 1 , C = 1 0 2 2 . A= 1 0 1 0 1 1 1 1 2 1 0 ii) Berechnen Sie B (C x + A y) mit x = (1, 1, 1, 1)t, y = (1, 2, 1)t .

3.2 Lineare Gleichungssysteme, der GauAlgorithmus

77

3.2 Lineare Gleichungssysteme, der GauAlgorithmus


In diesem Abschnitt beschftigen wir uns mit dem Ausen linearer Gleichungssysteme der a o Form A x = b. Dabei seien A eine m nMatrix und b IRm . Es werden alle x IRn gesucht mit A x = b. Zunchst beweisen wir die nachfolgende allgemeinen Aussage uber homogene a und inhomogene Lsungen: o 3.2.1 Bemerkung: Es seien m, n IN, A sei eine m nMatrix, und es sei b IRm . Weiter sei ys eine spezielle Lsung der Gleichung A x = b es gelte also A ys = b. Dann gilt: o i) Ist y eine Lsung des inhomogenen Gleichungssystems A x = b, so existiert eine Lsung o o w IRn des homogenen Gleichungssystems A x = 0 mit y = ys + w. ii) Ist umgekehrt w eine Lsung des homogenen Gleichungssystems A x = 0, so ist y = ys + w o eine Lsung des inhomogenen Gleichungssystems A x = b. o Beweis: i) Fr w = y ys gilt A w = A (y ys ) = A y A ys = b b = 0. u ii) Es gilt A y = A (ys + w) = A ys + A w = b + 0 = b. 2

Im weiteren Verlauf dieses Abschnitts geben wir eine Methode an, mit deren Hilfe man sehr einfach uberprfen kann, ob ein gegebenes lineares Gleichungssystem A x = b lsbar ist und u o mit der man auch die Lsungen bestimmen kann. o L = x x IRn und A x = b heit die Lsungsmenge des Gleichungssystems A x = b. Oenbar gilt L = genau dann, o wenn das Gleichungssystem nicht lsbar ist. o Von jetzt an sei A eine m nMatrix und b IRm . Das Ziel ist es, das Gleichungssystem schrittweise auf eine einfachere Gestalt zu bringen, aus der man unmittelbar die Lsbarkeit o und dann auch leicht die Lsung ablesen kann. Wir schreiben dazu o a1,1 x1 a2,1 x1 . . . + a1,2 x2 + a2,2 x2 . . . + . . . + a1,n xn + . . . + a2,n xn . . . = b1 = b2 . . .

am,1 x1 + am,2 x2 + . . . + am,n xn = bm Die folgenden Operationen heien Elementaroperationen, ihre Anwendung ndert die a Lsungsmenge des Gleichungssystems nicht: o (1) Vertauschung zweier Zeilen des Gleichungssystems Vertauschen wir die i-te und die k-te Zeile des Gleichungssystems miteinander, so wird die Lsungsmenge nicht verndert, da es nur auf die in den einzelnen Gleichungen enthaltenen o a Bedingungen, nicht aber auf deren Reihenfolge ankommt. (2) Multiplikation einer Zeile des Gleichungssystems mit einer festen Zahl c = 0. Wir betrachten die i-te Zeile und multiplizieren diese mit c = 0. Oenbar sind wegen c = 0 die folgenden zwei Zeilen gleichwertig: ai,1 x1 + ai,2 x2 + . . . + ai,n xn = bi

c ai,1 x1 + c ai,2 x2 + . . . + c ai,n xn = c bi .

78

3. Gleichungssysteme und Matrizen

(3) Addition des Vielfachen einer Zeile zu einer anderen Zeile. Es seien i, k {1, . . . , m} mit i = k und c IR. Oenbar sind die zwei ursprnglichen Zeilen u ak,1 x1 + ak,2 x2 + . . . + ak,n xn = bk a quivalent oder gleichbedeutend zu den folgenden Zeilen: ai,1 x1 + ai,2 x2 + . . . + ai,n xn = bi und ai,1 x1 + ai,2 x2 + . . . + ai,n xn = bi und

= ak,1 x1 + . . . + ak,n xn + c ai,1 x1 + . . . + ai,n xi Nach diesen Vorberlegungen gilt der folgende Satz: u

(ak,1 + c ai,1 ) x1 + (ak,2 + c ai,2 ) x2 + . . . + (ak,n + c ai,n ) xn

= bk + c bi

3.2.2 Satz: Die Lsungsmenge L des linearen Gleichungssystems A x = b bleibt unverndert o a bei Anwendung der Elementaroperationen (1) Vertauschung zweier Zeilen des Gleichungssystems (2) Multiplikation einer Zeile des Gleichungssystems mit einer festen Zahl c = 0. (3) Addition des Vielfachen einer Zeile zu einer anderen Zeile. Eine weitere einfache Operation ist auch (4) Vertauschung zweier Spalten der Koezientenmatrix A. Diese Operation (4) ndert ebenfalls nicht die Lsungsmenge, verlangt aber, dass man auch a o die Unbekannten xi vertauscht. Um Schreibarbeit zu sparen und eine ubersichtlichere Darstellung zu erreichen, ist es ublich, die Gleichungen nicht explizit aufzuschreiben, sondern das Gleichungssystem in der folgenden Tabellenform darzustellen: x1 x2 . . . xn b a1,1 a1,2 . . . a1,n b1 a2,1 a2,2 . . . a2,n b2 . . . . . . . . . . . . am,1 am,2 . . . am,n bm Wir behandeln jetzt ein einfaches Beispiel 3.2.3 Beispiel: Gegeben sei das Gleichungssystem A x = b mit 1 0 1 1 1 2 1 2 2 1 und b = A= 3 1 2 1 0 4 1 1 0 0 In der vereinfachten Schreibweise erhalten wir x1 x2 x3 x4 0 1 1 1 1 2 2 1 1 2 1 0 1 1 0 0 b 1 2 3 4

3.2 Lineare Gleichungssysteme, der GauAlgorithmus

79

Damit erhalten wir die Lsung x = (x1 , x2 , x3 , x4 )t = (10, 6, 1, 6)t . Speziell ist das Gleio chungssystem also lsbar, und die Lsung ist eindeutig bestimmt. o o 3.2.4 Beispiel: Spaltentausch: Manchmal ist es zweckmig, auch einen Spaltentausch durcha zufhren. Insbesondere kann man manchmal damit Bruchrechnen vermeiden. In dem vorsteu henden Beispiel sieht dann ein Spaltentausch folgendermaen aus. Dabei sind auch die entsprechenden Variablen (xi und xk ) in der Kopfzeile zu vertauschen. x1 x2 x3 x4 0 1 1 1 1 2 2 1 1 2 1 0 1 1 0 0 x2 x1 x3 x4 1 0 1 1 2 1 2 1 2 1 1 0 1 1 0 0 b 1 2 3 4

x1 x2 x3 x4 b 1 2 2 1 2 0 1 1 1 1 1 2 1 0 3 1 1 0 0 4 1 2 2 1 2 0 1 1 1 1 0 0 1 1 5 0 1 2 1 2 1 0 0 1 4 1 0 1 1 1 0 0 1 1 5 0 0 1 0 1 1 0 0 1 4 6 0 1 0 0 0 0 1 1 5 0 0 0 1 6 1 0 0 0 10 0 1 0 0 6 0 0 1 0 1 0 0 0 1 6

Vertauschung 1. und 2. Zeile

3.Zeile + 1.Zeile, 4.Zeile 1.Zeile

1.Zeile + 2 2.Zeile, 4.Zeile 2.Zeile

2.Zeile + 3.Zeile, 4.Zeile + 3.Zeile

1.Zeile + 4.Zeile, 3.Zeile 4.Zeile, (1) 4.Zeile

Nach dem Spaltentausch 1.Spalte und 2.Spalte erhalten wir: b 1 2 3 4

Beachten Sie, dass auch die Variablen x1 und x2 vertauscht werden! Hinweis: (1) Bei der Durchfhrung des Gau Algorithmus kommt es darauf an, die Koeu zientenmatrix A auf eine mglichst einfache Form zu bringen. Der Vektor b wird gleichzeitig o mit den Zeilen von A umgeformt, die Werte von b haben aber keinen Einu auf die Art der Umformungen.

80

3. Gleichungssysteme und Matrizen

(2) Man beachte, dass in jedem Umformungsschritt nur eine Zeile ausgewhlt werden sollte, a deren jeweiliges Vielfache dann von den anderen Zeilen subtrahiert oder dazuaddiert wird. Wird diese Bedingung verletzt, so kann sich die Lsungsmenge ndern. o a 3.2.5 Beispiel: Gegeben sei das Gleichungssystem: x1 1 2 1 1 0 0 x1 1 0 0 1 0 0 x2 x3 x4 b 1 0 1 2 2 1 0 2 3 1 1 0 1 0 1 2 4 1 2 2 4 1 2 2 x3 x2 x4 b 0 1 1 2 1 4 2 2 1 4 2 2 0 1 1 2 1 4 2 2 0 0 0 0

2. Zeile 2 1. Zeile 3. Zeile 1 1. Zeile Vertauschung 2. und 3. Spalte

3. Zeile 1 2. Zeile

Auswertung x1 = 2 x2 x4 x3 = 2 + 4x2 + 2x4 x2 , x4 IR beliebig. Da die Variablen x2 und x4 nicht nher bestimmt werden knnen, sind alle beliebigen x2 , x4 a o IR zulssig. Andererseits knnen wir auch eine andere Darstellung whlen: Drcken wir in der a o a u obigen Gleichung x2 durch x1 und x4 aus, so erhalten wir x2 = 2 x1 x4 und daher auch x3 = 6 4x1 2x4 . Obwohl die Lsungsmenge L natrlich in beiden Fllen ubereinstimmt, dierieren die jeweilio u a gen Darstellungen. Wir haben: 2 x2 x4 x2 x2 , x4 IR L = 2 + 4x2 + 2x4 x4 2 1 1 1 0 0 + a2 a1 , a2 IR + a1 = 2 4 2 0 0 1 In der anderen Darstellung gilt x1 2 x1 x4 L = 6 4x1 2x4 x4 0 2 + a1 = 6 0 x1 , x4 IR 1 0 1 1 + a2 2 4 0 1

a1 , a2 IR,

3.2 Lineare Gleichungssysteme, der GauAlgorithmus

81

Fhrt man die Elementaroperationen bei einem beliebigen Gleichungssystem A x = b so wie u im Beispiel 3.2.3 durch so erkennt man die Gltigkeit des folgenden Satzes. Auf den Beweis u kann verzichtet werden: er folgt mit vollstndiger Induktion und den Methoden von 3.2.3. a 3.2.6 Satz: Gegeben sei ein Gleichungssystem A x = b. i) Der Einfachheit halber nehmen wir an, dass die erste Spalte von A nicht der Nullvektor ist. Durch mehrfaches Anwenden der Elementaroperationen (1) (3) kann das System auf folgende Form gebracht werden: x1 1 0 . . . 0 0 0 . . . 0 ... 0 ... . . . 0 . . . 1 . . . 0 0 0 . . . . . . xk ... ... ... ... . . . . . . . . . ... ... . . . . . . . . . 1 0 . . . ... ... . . . . . . b b1 b2 . . .

0 ... 0 0 ... 0 0 ... 0 . . . . . . 0 ... 0

0 ... 0 0 ... 0 0 ... 0 . . . . . . 0 0 ... 0

... 0 1 ... ... 0 0 0 ... 0 ... 0 0 0 ... 0 . . . . . . . . . . . . ... 0 0 0 ... 0

. . . br1 . . . br 0 . . . 0 br+1 . . . . . . . . . 0 0 . . . 0 bm

ii) Durch mehrfaches Anwenden der Elementaroperationen (1), (2) und (3) und der Operation (4) Spaltentausch kann das Gleichungssystem auf die folgende Form gebracht werden: 1 0 . . . 0 0 0 . . . ... 1 ... . .. . . . 0 ... 0 ... 0 ... . .. . . . . . . 1 0 0 . . . xk ... ... . . . . . . ... 1 ... 0 0 ... . . . . . . 0 . . . 0 . . . b b1 b2 . . . br1 br br+1 . . .

0 0 ... 0

0 . . . 0 bm

In beiden Fllen ist das Gleichungssystem A x = b genau dann lsbar, wenn bj = 0 gilt fr a o u alle j = r + 1, . . . , m. Bei der Behandlung linearer Gleichungssysteme mit Hilfe des GauAlgorithmus kommt es also darauf an, mit Hilfe der Elementaroperationen und gegebenenfalls der Operation (4) den Koeziententeil des Gleichungssystems auf die in dem vorstehenden Satz angegebenen einfachen Formen zu bringen. Die gewhlten Umformungen werden lediglich durch den Matrixteil a des Systems bestimmt. Daher knnen auch zwei lineare Gleichungssysteme mit der gleichen o Koezientenmatrix A gleichzeitig oder simultan gelst werden. o 3.2.7 Beispiel: Simultane Behandlung linearer Gleichungssysteme: Gegeben seien die Gleichungssysteme A x = b und A x = c mit 1 1 1 1 2 1 3 1 2 1 1 3 und b = A= 3 , c = 3 1 2 1 1 2 2 1 0 1 2

82

3. Gleichungssysteme und Matrizen

In der vereinfachten Schreibweise gilt demnach x1 1 2 1 1 1 0 0 0 1 0 0 0 x1 1 0 0 0 1 0 0 0 x2 1 1 2 0 1 1 1 1 0 1 0 0 x2 0 1 0 0 0 1 0 0 x3 2 1 1 1 2 3 1 3 1 3 4 0 x4 2 1 1 0 0 0 1 0 x4 b 1 1 3 1 1 3 2 2 1 1 1 1 2 4 1 1 2 0 1 1 1 5 0 2 x3 b 1 0 3 1 4 5 0 2 9 10 7 6 4 5 0 2 c 1 3 3 2 1 1 4 1 2 1 3 0 c 2 1 3 0 4 2 3 0

2. 3. 4. 1.

Zeile Zeile Zeile Zeile

21. +11. +11. +12.

Zeile Zeile Zeile Zeile

3. Zeile 12. Zeile 4. Zeile +12. Zeile

Vertauschung 4. Spalte und 3. Spalte

1. Zeile 23. Zeile 2. Zeile 13. Zeile

Auswertung: Das Gleichungssystem A x = b: Die letzte Zeile dieses Gleichungssystems lautet ausgeschrieben 0 x1 + 0 x2 + 0 x3 + 0 x4 = 2. u Diese Gleichung ist fr kein x = (x1 , x2 , x3 , x4 )t IR4 gltig. Demnach ist dieses Gleichungsu system unlsbar. o

Auswertung: Das Gleichungssystem A x = c: x1 = 4 + 9x3 x2 = 2 + 7x3 x4 = 3 4x3 . Ersetzen wir noch die Variable x3 durch a, so gilt 4 4 + 9a 2 + 7a 2 L= x= 0 + 1a = 0 3 3 4a

9 7 a IR +a 1 4

3.2 Lineare Gleichungssysteme, der GauAlgorithmus

83

Bei bestimmten Fragestellungen ist die eben beschriebene Methode zu aufwendig. Soll zum Beispiel nur die Lsbarkeit eines Gleichungssystems uberprft werden, oder interessiert man o u sich nur fr eine einzige Lsung, so ist eine Variante des obigen Verfahrens gnstiger: u o u 1. Schritt: wie eben 2. Schritt: Die Zeilenoperationen werden mit der 2. Zeile fr die 3. Zeile bis zur m. Zeile u durchgefhrt, aber nicht fr die 1.Zeile. u u 3. Schritt: Die Zeilenoperationen werden mit der 3. Zeile fr die 4. Zeile bis zur m. Zeile u durchgefhrt, aber nicht fr die 1.Zeile und 2. Zeile. u u

3.2.8 Beispiel: Vereinfachung zur Dreiecksgestalt: Gegeben sei das System Ax = b durch:

x1 x2 x3 1 2 1 1 2 0 1 3 2 1 1 2 1 2 1 0 0 1 0 1 1 0 1 1 1 2 1 0 1 1 0 0 1 0 0 2 1 2 1 0 1 1 0 0 1 0 0 0

x4 1 2 1 2 1 1 2 1 1 2 1 1 1 2 1 1

b 1 1 0 1 1 2 1 0 1 1 2 1 1 1 2 5

2. Zeile+11. Zeile 3. Zeile 11. Zeile 4. Zeile 11. Zeile Vertauschung 2. Zeile und 3. Zeile 4. Zeile+13. Zeile (alt)

4. Zeile 23. Zeile

Auswertung x4 x3 x2 x1 = = = = 5 (4. Zeile) 2 x4 = 3 (3. Zeile) 1 2x4 x3 = 8 (2. Zeile) 1 + x4 x3 2x2 = 25 (1. Zeile)

Um Schreibarbeit zu sparen, werden die Zeilen nicht mehr abgeschrieben, die in den einzelnen Schritten zur Vereinfachung der anderen Zeilen benutzt wurden. Statt dessen werden sie mit einem Pfeil = versehen, da sie spter bei der Auswertung noch bentigt werden. a o

84

3. Gleichungssysteme und Matrizen

3.2.9 Beispiel: Vereinfachung zur Dreiecksgestalt, Kurzschreibweise Gegeben sei das Gleichungssystem A x = b: x1 x2 x3 1 2 1 1 2 0 1 3 2 1 1 2 0 0 1 0 1 1 0 1 1 0 0 1 0 0 2 0 0 0 Auswertung x4 x3 x2 x1 x4 b 1 1 = 1 2 1 2. Zeile+11. Zeile 1 0 3. Zeile 11. Zeile 2 1 4. Zeile 11. Zeile 1 2 Vertauschung 1. Zeile und 2. Zeile 2 1 = 2 1 0 3. Zeile+12. Zeile (alt) 1 2 = 3 1 1 2. Zeile 21. Zeile 1 5 = 4 = = = = 5 (= 4) 2 x4 = 3 (= 3) 1 2x4 x3 = 8 (= 2) 1 + x4 x3 2x2 = 25 (= 1)

Die Lsung ist demnach x = (25, 8, 3, 5)t IR4 . o Ubungsaufgaben 3.2.1 Aufgabe: Gegeben seien die Matrix A und der Vektor b: 1 1 2 1 1 2 1 0 3 1 A= , b = . 1 2 1 5 2 3 1 4 1 1

Uberprfen Sie, ob das Gleichungssystem A x = b lsbar ist und geben Sie gegebenenfalls u o alle Lsungen an. o

3.2.3 Aufgabe: Man bestimme alle Lsungen des folgenden Gleichungssystems: o 5x1 4x1 2x1 x1 + 15x2 11x2 + 5x2 + 3x2 + 19x3 15x3 + 5x3 + 4x3 + 18x4 15x4 + 8x4 + 4x4 = 1 = 2 = 2 = 1

3.2.2 Aufgabe: Man prfe, ob die Gleichungssysteme A x = b und A x = c lsbar sind und u o bestimme gegebenenfalls alle Lsungen: o 2 2 1 0 1 1 1 1 2 1 , b = 1 , c = 1 . A= 2 1 1 1 1 2 4 1 1 1 5 4

3.2 Lineare Gleichungssysteme, der GauAlgorithmus

85

3.2.4 Aufgabe: Man bestimme alle Lsungen des folgenden Gleichungssystems: o x1 x2 x3 + x4 = 3 x2 + x3 x4 = 2 . x4 = 2 x1 x2 3.2.5 Aufgabe: Man bestimme A x = b + B x mit 1 1 1 2 A= 1 1 alle Lsungen des Gleichungssystems o 0 1 , B = 1 1 2 0 1 1 1 1 1 1 , b = 0 . 1 0

3.2.7 Aufgabe: Gegeben seien 1 1 1 1 A= 1 0 1 1

3.2.6 Aufgabe: Man prfe, ob die Gleichungssysteme A x = b und A x = c lsbar sind und u o bestimme gegebenenfalls alle Lsungen: o 1 1 1 2 1 3 1 1 1 4 , b = 1 , c = 0 . A= 1 1 1 3 2 4 1 1 1 0 4 6 die Matrix A und die Vektoren b und c: 1 1 2 2 2 1 , b = und c = 2 1 1 4 4 5 1 1 . 2 1

Uberprfen Sie (simultan), ob die Gleichungssysteme A x = b und A x = c lsbar sind und u o geben Sie gegebenenfalls alle Lsungen an. o

3.2.9 Aufgabe: Bestimmen Sie alle Lsungen des Gleichungssystems A x = b mit o 3 1 1 1 2 4 2 1 2 1 , b = . A= 1 1 0 1 1 5 3 1 3 0

3.2.8 Aufgabe: Bestimmen Sie alle Lsungen des Gleichungssystems A x = b mit o 2 1 1 1 2 1 1 2 1 1 A = 2 1 2 1 und b = 1 . 0 3 3 3 0 3 3 0 3 3

86

3. Gleichungssysteme und Matrizen

3.3 Lineare Unabhngigkeit von Vektoren, Basen a


In diesem Abschnitt besprechen wir die Darstellung der Lsungsmenge linearer Gleichungssyo steme und damit zusammenhngende Probleme. a 3.3.1 Denition: Es seien n IN und U IRn . U heit ein Untervektorraum des IRn , wenn die folgenden Bedingungen erfllt sind: u (1) (2) (3) 0U x + y U fr alle x, y U u a x U fr alle x U, a IR u

3.3.2 Bemerkung: A sei eine m nMatrix, dann ist der Lsungsmenge L des homogenen o n Gleichungssystems A x = 0 ein Untervektorraum des IR . Beweis: Wegen A 0 = 0 folgt 0 L und damit (1). Es seien x, y L. Es gilt also A x = A y = 0. Es folgt A (x + y) = A x + A y = 0 + 0 = 0, also x + y L und damit (2). Es seien x L, a IR. Dann gilt A (a x) = a (A x) = a 0 = 0 und damit folgt (3). 2 Ein homogenes Gleichungssystem A x = 0 ist demnach stets lsbar; es besitzt in jedem Fall o die triviale Lsung x = 0. o 3.3.3 Denition: Es seien n, r IN und x1 , . . . , xr IRn . i) Wir nennen die Vektoren x1 , . . . , xr IRn linear abhngig, wenn reelle Zahlen a1 , . . . , ar a IR existieren mit ai = 0 fr mindestens ein i und mit u a1 x1 + . . . + ar xr = 0. ii) Die Vektoren x1 , . . . , xr IRn heien linear unabhngig, wenn aus a a1 x1 + . . . + ar xr = 0 mit reellen Zahlen a1 , . . . , ar IR stets a1 = . . . = ar = 0 folgt.

Oenbar sind Vektoren x1 , . . . , xr IRn genau dann linear unabhngig, wenn sie nicht linear a abhngig sind. a 3.3.4 Beispiel: Lineare Unabhngigkeit der a 1 0 0 1 e1 = . , e2 = . . . . . 0 0 Einheitsvektoren des IRn : 0 0 , . . . , en = . IRn : . . 1

Es seien a1 , . . . , an IR mit a1 e1 + . . . + an en = 0. Es gilt a1 = a2 1 0 0 1 a1 e1 + . . . + an en = a1 . + a2 . + . . . + an . . . . 0 0

= . . . = an = 0 wegen 0 a1 0 a2 . = . . . . . . 1 an

3.3 Lineare Unabhngigkeit von Vektoren, Basen a

87

Zur Uberprfung, ob gegebene Vektoren x1 , . . . , xr IRn linear abhngig oder linear unu a abhngig sind, dient die nachfolgende Aussage, deren Beweis nach den Vorbemerkungen una mittelbar klar ist; man vergleiche dazu auch das nachfolgende Beispiel. 3.3.5 Satz: Gegeben seien die Vektoren x1 , . . . , xr IRn . Durch Nebeneinanderschreiben dieser Vektoren bilden wir die Matrix X, deren Spaltenvektoren die Vektoren x1 , . . . , xr sind. Die folgenden Aussagen sind quivalent: a 1 r i) Die Vektoren x , . . . , x sind linear unabhngig. a ii) Das Gleichungssystem X a = 0 besitzt als einzige Lsung a = 0 IRr . o 3.3.6 Beispiel: Uberprfung linearer Unabhngigkeit: Gegeben seien die Vektoren u a 1 1 1 1 1 1 2 1 3 2 1 2 . , x = , also X = 2 x1 = , x2 = 1 1 0 1 0 1 4 2 1 4 2 1 Wir lsen das Gleichungssystem X a = 0 auf in der Kurzform: o a1 a2 a3 0 1 1 1 0 2 1 2 0 1 0 1 0 4 2 1 0 0 3 0 0 0 1 0 0 0 6 3 0 0 0 0 0 0 0 3 0 = 1)

= 2) = 3)

Dieses Gleichungssystem hat nur die Lsung a1 = a2 = a3 = 0. Daher sind die Vektoren o a x1 , x2 , x3 linear unabhngig. 3.3.7 Denition: Es seien n N, und U IRn sei ein Untervektorraum. Es seien x1 , . . . , xr U. B = {x1 , . . . , xr } heit eine Basis des Untervektorraums U, wenn zu jedem x U eindeutig bestimmte Zahlen a1 , . . . , ar IR existieren mit x = a1 x1 + . . . + ar xr . Die folgende Aussage ist eine ntzliche Charakterisierung von Basen: u 3.3.8 Bemerkung: U IRn sei ein Untervektorraum, und es seien x1 , . . . , xr U. Dann sind die folgenden Aussagen quivalent: a 1 r i) {x , . . . , x } ist eine Basis von U. a ii) x1 , . . . , xr sind linear unabhngig, und zu jedem x U existieren a1 , . . . , ar IR mit x = a1 x1 + . . . + ar xr . 3.3.9 Bemerkung: Die Elementaroperationen (1), (2) und (3) ndern nicht die lineare Una abhngigkeit der Zeilenvektoren einer Matrix A. a

88

3. Gleichungssysteme und Matrizen

3.3.10 Satz: i) X sei eine n nMatrix. Sind die Zeilenvektoren von X linear unabhngig, so a lsst sich die Matrix X mit Hilfe der Elementaroperationen (1), (2) und (3) in die Einheitsa matrix I = In berfhren. u u ii) Es seien x1 , . . . , xn IRn und y 1 , . . . , y n IRm . Sind die Vektoren x1 , . . . , xn IRn linear unabhngig, so existiert genau eine m nMatrix A mit A xi = y i fr alle i = 1, . . . , n. a u Beweis: i) Das folgt leicht aus der vorstehenden Bemerkung und Satz 3.2.6. ii) Wir schreiben die Vektoren xi und y i jeweils als Matrix nebeneinander, also . . . . X = x1 . . . . . n und Y = y 1. . . . . n . . .x . .y Dann ist X eine n nMatrix und Y eine m nMatrix. Zu zeigen ist: Es gibt genau eine m n-Matrix A, so dass Axi = y i fr i = 1, . . . , n u d.h. AX = Y. u Die Eindeutigkeit ist klar: Sind A, B Matrizen mit Axi = Bxi fr alle i = 1, . . . , n, so ist (A B)xi = 0 fr alle i = 1, . . . , n. Da aber {x1 , . . . , xn } eine Basis von Rn ist, folgt auch u (A B)x = 0 fr alle x Rn u und somit (!) A B = 0, also A = B. Kommen wir zum Existenzbeweis: AX = Y ist quivalent zu a X t At = Y t . a Es seien b1 , . . . , bm Rn die Spalten von Y t . Da die Zeilen von X t linear unabhngig sind, i n gibt es genau eine Lsung a R des Gleichungssystems o u X t x = bi fr i = 1, . . . , m Simultanes Lsen der linearen Gleichungssysteme o X t x = bi (i = 1, . . . , m)

liefert und die Lsungen a1 , . . . , am Rn und somit die Matrix o A = (a1 , . . . , am )t mit AX = Y . 2

3.3.11 Beispiel: Bestimmung einer Matrix A mit A xi = y i fr alle i = 1, . . . , r . Gegeben u seien die Vektoren

3.3 Lineare Unabhngigkeit von Vektoren, Basen a

89

2 2 1 1 1 1 1 1 , x2 = 1 , x3 = 0 , y 1 = 2 , y 2 = 2 , y 3 = 1 . x = 1 1 1 1 1 1 3 1 1 Es gilt demnach 2 2 1 1 1 1 2 2 1 . 1 1 0 und Y = X= 1 1 1 1 1 1 3 1 1 2 2 1 3 b1 = 2 , b2 = 2 , b3 = 1 , b4 = 1 . 1 1 1 1

o Wir lsen jetzt die Gleichungssysteme X t x = bi eindeutig simultan. Ist das mglich, so ist o 1 2 3 a damit auch der Nachweis erbracht, dass die Vektoren x , x , x linear unabhngig sind. Das simultane Gleichungssystem zur Bestimmung von A hat also die folgende Form: Xt 1 1 0 1 2 1 0 1 0 0 1 0 Yt 1 3 1 1 1 1 1 3 0 4 2 2 1 1 2 2 4 0 1 1 2 2 2 0

1 1 1 1 0 0 1 0 0 1 0 0

1 2 2 2 2 1 1 1 1 1 2 2 2 4 0 0 1 3 1 1 1 0 1 3 2 2 6 0 0 2 1 3 0 1 1 3

0 1 1 2 3 3 . Es folgt A = 1 2 2 . 1 2 0

Wir diskutieren in einem weiteren Beispiel ein Produktionsproblem: 3.3.12 Beispiel: Produktionsmatrix: Eine Firma produziere n Gter G1 , . . . , Gn und veru brauche dabei m Rohstoe R1 , . . . , Rm . Es liegen verschiedene Produktionsdaten mit den entsprechenden Verbrauchsdaten vor. Gesucht wird die Angabe der m nProduktionsmatrix A der Tabelle, die den Verbrauch der Rohstoe pro Einheit der jeweilig produzierten Gter u angibt: A = ai,j ; dabei sei ai,j die Zahl der Einheiten des Gutes Ri die zur Produktion einer Einheit des Gutes Gj bentigt werden. Ist also x = (x1 , . . . , xn )t IRn der Produktionsveko tor der jeweilig produzierten Einheiten der Gter G1 , . . . , Gn , so ist A x der entsprechende u Verbrauchsvektor. Die Firma produziere in diesem Beispiel vier Gter G1 , G2 , G3 , G4 und veru

90

3. Gleichungssysteme und Matrizen

brauche dabei die Rohstoe R1 , R2 , R3 . Fr vier Tage liegen die folgenden Werte vor: u Tag Ware G1 Ware G2 Ware G3 Ware G4 1 1 2 3 2 2 1 3 4 2 3 1 2 4 3 4 2 5 9 7 Tag Ware R1 Ware R2 Ware R3 1 14 13 14 2 17 16 19 3 18 16 16 4 42 37 38

Wie eben stellen wir wieder das Gleichungssystem X t a = Y t auf. Dabei sei X die Matrix der Produktionsdaten und Y die Matrix der Verbrauchsdaten. Es gilt demnach 1 1 1 2 14 17 18 42 2 3 2 5 13 16 16 37 . X= 3 4 4 9 und Y = 14 19 16 38 2 2 3 7 Um die Produktionsmatrix A zu bestimmen, mssen wir wieder wie im vorstehenden Beispiel u das Gleichungssystem X t a = Y t simultan lsen. o 1 1 1 2 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 2 1 0 1 0 1 0 0 0 1 0 0 0 1 0 0 2 3 2 5 Xt 3 4 4 9 2 2 3 7 14 17 18 42 Yt 13 16 16 37 14 19 16 38

3 2 14 13 14 1 0 3 3 5 1 1 4 3 2 3 3 14 11 10 1 2 8 7 4 1 0 3 3 5 1 1 4 3 2 2 3 11 8 5 0 1 4 4 2 0 1 1 0 3 1 1 4 3 2 3 2 1 0 1 0 0 1 2 1 0 0 2 2 4 1 0 1 1 1 0 1 3 2 1

1 , es gilt A = 2 1

2 2 4

1 1 1

3 2 . 1

3.3.13 Denition: Es seien x1 , . . . , xr Rn . Wir setzen U ist ein Untervektorraum von Rn . U heit der von x1 , . . . , xr aufgespannte Untervektorraum. {x1 , . . . , xr } heit Erzeugendensystem von U. U = Span(x1 , . . . , xr ) := {a1 x1 + . . . + ar xr | a1 , . . . , ar R}.

3.3 Lineare Unabhngigkeit von Vektoren, Basen a

91

Wichtig ist der folgende allgemeine Satz. 3.3.14 Satz: Es seien x1 , . . . , xr , y 1 , . . . , y m Rn , U sei ein Untervektorraum von Rn . Dann gilt: a) Sind x1 , . . . , xr linear unabhngig, so ist r n. a b) U besitzt eine Basis. c) Jedes Erzeugendensystem von U enthlt eine Basis von U. a u d) (Austauschsatz) Es sei U = Span(y 1 , . . . , y m) und xi U fr i = 1, . . . , r. x1 , . . . , xr seien linear unabhngig. a Dann ist r m und es gibt eine Teilmenge {z 1 , . . . , z mr } {y 1 , . . . , y m }, so dass {x1 , . . . , xr , z 1 , . . . , z mr } ein Erzeugendensystem von U ist. e) Sind {x1 , . . . , xr } und {y 1, . . . , y m} Basen von U, so gilt r = m. Alle Basen von U haben also dieselbe Lnge. a a Beweis: zu a): Wir zeigen: Ist r > n, so sind x1 , . . . , xr linear abhngig. Das ist einfach: Das lineare homogene Gleichungssystem a1 x1 + . . . + ar xr = 0 aus n Gleichungen in den r Unbekannten a1 , . . . , ar hat wegen r > n eine von Null verschiedene Lsung (a1 , . . . , ar ). o 2 zu b): Ist U = 0, so ist nichts zu zeigen. Die leere Menge ist eine Basis von U. Sei also U = 0. Hat man schon linear unabhngige Vektoren x1 , . . . , xs U gefunden, so ist {x1 , . . . , xs } eine a Basis von U, falls U = Span(x1 , . . . , xs ). / Ist dagegen Span(x1 , . . . , xs ) = U, so gibt es einen Vektor xs+1 U, xs+1 Span(x1 , . . . , xs ). 1 s s+1 Man sieht leicht, dass x , . . . , x , x linear unabhngig sind. a Man wiederholt diesen Schritt. Nach a) bricht dieses Verfahren ab und man erhlt eine Basis a 1 k {x , . . . , x } von U mit k n. 2 1 m 1 m zu c): Sei {y , . . . , y } Erzeugendensystem von U. Man lsst solange Element in {y , . . . , y } a weg, bis man (evtl. Umnummerieren!) zu einem Erzeugendensystem {y 1, . . . , y r } von U kommt, in dem man kein Element y i mehr weglassen kann, ohne die Eigenschaft Erzeugendensystem zu sein zu verlieren. Dann sind y 1 , . . . , y r eine Basis von U. Dazu ist nur noch zu zeigen, dass y 1, . . . , y r linear unabhngig sind. Wre a a a1 y 1 + . . . , ar y r = 0 a o mit ai = 0, so wre y i Span(y 1, . . . , y r1), also knnte man y i doch weglassen! Damit ist c) bewiesen. zu d): Es seien schon w 1 , . . . , w ms {y 1, . . . , y m} gefunden (s 0), so dass {x1 , . . . , xs , w 1 , . . . , w ms } 2

92

3. Gleichungssysteme und Matrizen

Erzeugendensystem von U ist. Ist s = r, so sind wir fertig. Ist s < r, so betrachten wir xs+1 . Da xs+1 U, gibt es a1 , . . . , as , b1 , . . . , bms R, so dass xs+1 = a1 x1 + . . . + as xs + b1 w 1 + . . . + bms w ms . a Wre b1 = . . . = bms = 0, so erhielten wir einen Widerspruch zur linearen Unabhngigkeit a 1 s+1 von x , . . . , x ! Es ist also bi = 0 fr ein i mit 1 i m s. u Wir entfernen w i aus der Liste und fgen xs+1 hinzu, tauschen also w i gegen xs+1 aus. Es u folgt: {x1 , . . . , xs+1 , w 1, . . . , w i1, w i+1 , . . . , w ms } ist Erzeugendensystem von U. Dies kann man solange fortfhren bis alle xi eingetauscht sind. Es muss also insbesondere u r m gelten. 2 zu e): Nach d) gilt sowohl r m als auch m r. 2 n a Alle Basen eines Untervektorraums U von R haben dieselbe Lnge. 3.3.15 Denition: Es sei U ein Untervektorraum von Rn und {x1 , . . . , xr } eine Basis von U. Dann heit r die Dimension von U und wird mit dim U bezeichnet. 3.3.16 Denition: Es seien m, n N und A sei eine reelle m n-Matrix. a1 , . . . , am seien die Zeilen von A. Der Rang von A (auch Zeilenrang von A) ist deniert als die Dimension des von at , . . . , at Rn aufgespannten Untervektorraums. 1 m rg(A) = dim(Span(at , . . . , at )). 1 m Nach Satz 3.3.14 c) ist rg(A) auch die maximale Anzahl linear unabhngiger Zeilen von A. a Da sich durch die elementaren Zeilenoperationen (1)-(3) der Rang nicht ndert, kann man den a Rang von A mit dem Gauschen Eliminationsverfahren bestimmen. Eine weitere wichtige Aussage ist: 3.3.17 Satz: Es sei A eine m n-Matrix und L = {x Rn | Ax = 0}. Dann ist dim(L) = n rg(A). Beweis: Man kann ohne Einschrnkung annehmen, dass A die folgende einfache Gestalt hat a A= Ir B . 0 0 B Inr bilden eine Basis von L, also gilt 2

Dann ist r = rg(A) und die n r Spalten von dim(L) = n r. Wichtig ist auch der folgende

3.3.18 Satz: Es sei A eine m n-Matrix. a Dann ist rg(A) = rg(At ), d.h. die maximale Anzahl linear unabhngiger Zeilen von A stimmt mit der maximalen Anzahl linear unabhngiger Spalten von A uberein. a

3.3 Lineare Unabhngigkeit von Vektoren, Basen a

93

Beweis: Man hat zu zeigen, dass sich der Spaltenrang von A nicht andert, wenn man die Zeilenoperationen (1)-(3) an A durchfhrt. u Wir lassen diesen Beweis weg. 2 3.3.19 Beispiel: Es seien 1 1 x1 = 2 1

a i) Man zeige, dass die Vektoren x1 , x2 , x3 linear unabhngig sind und bestimme x4 IR4 , so 4 1 2 3 4 dass die Vektoren x , x , x , x eine Basis des IR bilden. ii) Man bestimme a1 , a2 , a3 IR mit y = a1 x1 + a2 x2 + a3 x3 . Es sei x4 = (b1 , b2 , b3 , b4 )t . Wir betrachten das simultane System a1 a2 a3 x4 1 1 1 b1 1 2 3 b2 2 1 1 b3 1 2 6 b4 0 1 2 b2 b1 0 1 1 b3 2b1 0 1 5 b4 b1 0 0 1 b2 + b3 3b1 0 0 3 b4 b2 0 0 0 b4 4b2 3b2 + 9b1 y 3 3 4 6 1 0 5 1 3 0

1 1 2 2 3 , x = , x3 = 1 1 2 6

2 , y = 3 . 4 6

= (1)

= (2) = (3) = (4)

i) Damit die Vektoren x1 , x2 , x3 , x4 linear unabhngig seien knnen, muss notwendigerweise a o b4 4b2 3b2 + 9b1 = 0 gelten; das ist beispielsweise erfllt im Fall x4 = e4 = (0, 0, 0, 1)t. u ii) Es gilt a3 = 1, a2 = 1 2a3 = 1, a1 = 2 a2 a3 = 2. Ubungsaufgaben 3.3.1 Aufgabe: Gegeben seien v 1 = (1, 2, 1, 1)t, v 2 = (2, 1, 2, 3)t, v 3 = (1, 10, 0, 2)t und x = (4, 16, 3, 1)t. Zeigen Sie, dass v 1 , v 2 , v 3 linear unabhngig sind und bestimmen a Sie a1 , a2 , a3 IR mit x = a1 v 1 + a2 v 2 + a3 v 3 . 3.3.2 Aufgabe: Es seien v 1 = (1, 2, 1, 1)t, v 2 = (1, 1, 0, 3)t, v 3 = (1, 1, 1, 2)t, v 4 = (2, 3, 3, 3)t und x = (1, 1, 2, 1)t. Zeigen Sie, dass v 1 , v 2 , v 3 , v 4 linear unabhngig sind und bestimmen a 1 2 3 Sie reelle Zahlen a1 , a2 , a3 , a4 IR mit x = a1 v + a2 v + a3 v + a4 v 4 . 3.3.3 Aufgabe: Es seien v 1 = (1, 1, 1, 0)t , v 2 = (2, 2, 2, 1)t , v 3 = (1, 2, 1, 1)t, v 4 = (1, 1, 14, 2)t und w 1 = (1, 1, 0)t, w 2 = (1, 1, 2)t, w 3 = (1, 1, 1)t, w 4 = (1, 0, 1)t. Bestimmen Sie eine Matrix A mit A v i = w i fr alle i = 1, . . . , 5. u 3.3.4 Aufgabe: Es seien v 1 = (1, 3, 1, 6)t, v 2 = (1, 1, 2, 1)t, v 3 = (1, 2, 1, 2)t, v 4 = (2, 1, 4, 2)t, v 5 = (2, 5, 0, 3)t und w 1 = (1, 2, 1)t, w 2 = (1, 1, 1)t , w 3 = (1, 0, 1)t , w 4 = (2, 4, 2)t, w 5 = (1, 1, 3)t. Bestimmen Sie eine Matrix A mit A v i = w i fr alle i = 1, . . . , 5. u 2

94

3. Gleichungssysteme und Matrizen

3.3.5 Aufgabe: Fr die Produktion der Gter B, C, D, E werden die Rohstoe u u F, G, H, J, K verbraucht. In 5 Produktionstagen fallen die folgenden Produktions und Verbrauchszahlen an. Bestimmen Sie die Matrix A, die die Produktion beschreibt. Tag Nr. B C D E 1 1 1 1 1 2 1 2 0 3 3 1 1 2 1 4 1 3 1 4 5 2 3 2 4 F G H J K 1 4 4 4 2 5 2 5 7 7 3 7 3 4 5 6 9 11 5 10 12 4 9 11 2 4 5 6 10 13

3.3.6 Aufgabe: Fr die Produktion der Gter B, C, D, E werden die Rohstoe u u F, G, H, J, K verbraucht. In 6 Produktionstagen fallen die folgenden Produktions und Verbrauchszahlen an. Bestimmen Sie die Matrix A, die die Produktion beschreibt. Tag Nr. B C D E 1 1 2 1 1 2 1 1 0 3 3 1 1 1 2 4 2 3 3 3 5 2 2 1 5 6 2 3 1 4 F G H J K 1 6 4 6 5 5 2 5 7 2 8 6 3 6 6 5 6 5 4 14 11 14 11 10 5 11 13 7 14 11 6 11 11 8 13 11

3.4 Quadratische Matrizen

95

3.4 Quadratische Matrizen


In diesem Abschnitt behandeln wir quadratische Matrizen, also n nMatrizen. Der Unterschied zu der allgemeinen Situation besteht darin, dass n n Matrizen stets miteinander multipliziert werden knnen. Weiter gilt A In = In A = A fr jede n n Matrix A. o u 3.4.1 Denition: Eine n nMatrix A heie eine invertierbare Matrix, wenn eine n n Matrix B existiert mit A B = B A = I = In . Wir setzen A1 = B die inverse Matrix der Matrix A. 3.4.2 Satz: A und B seien zwei invertierbare n nMatrizen, dann gilt: 1 i) A B ist invertierbar mit A B = B 1 A1 . 1 t = A1 . ii) At ist invertierbar mit At 1 iii) A1 ist invertierbar mit A1 = A. iv) Ist C eine n n-Matrix mit AC = I, so ist C = A1 . Beweis: i) Es gilt B 1 A1 A B = B 1 A1 A B = B 1 I B = I. Entsprechend erhalten wir A B B 1 A1 = I.
t

ii) Die Aussage folgt wegen At A1

iii) Die Aussage folgt aus A A1 = A1 A = I.

= A1 A

= I t = I = A A1

= A1

At .

iv) Ist C eine n n Matrix mit A C = I, so folgt A1 = A1 I = A1 (A C) = (A1 A) C = C.

3.4.3 Satz: A sei eine n n-Matrix. Die folgenden Aussagen sind quivalent: a i) A ist invertierbar. ii) rg(A) = n iii) Die Zeilenvektoren von A sind linear unabhngig. a iv) Die Spaltenvektoren von A sind linear unabhngig. a v) Das lineare Gleichungssystem Ax = 0 hat nur die Lsung x = 0. o Beweis: i) = v): Ist x eine Lsung des Gleichungssystems A x = 0, und ist A invertierbar, o 1 1 so folgt A (A x) = (A A) x = I x = I 0 = 0. v) = iv) folgt aus Satz 3.3.5. iv) = iii) folgt aus Satz 3.3.18. iii) = ii) gilt nach der Denition des Rangs. ii) = i) ergibt sich aus Satz 3.3.10. 2 3.4.4 Beispiel: Inverse Matrix: Gegeben sei 1 1 0 1 2 2 1 1 . A= 2 1 1 0 1 0 1 0

Es soll uberprft werden, ob die Matrix A invertierbar ist und es soll gegebenenfalls die inverse u Matrix bestimmt werden.

96

3. Gleichungssysteme und Matrizen

Wir versuchen also das Gleichungssystem A X = I simultan zu lsen, indem wir mit den o Elementaroperationen (1),(2) und (3) (ohne Spaltentausch) die Koezientenmatrix A zur Einheitsmatrix umformen. Ist das mglich, so erhalten wir mit den Umformungen das System o I|A1. 1 2 1 0 1 0 1 1 0 1 0 0 0 1 0 0 0 1 0 0 A 0 1 1 1 0 1 1 1 1 1 1 0 0 0 1 0 0 0 1 0 I 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 1 1 0 1 0 0 0 1 1 1 0 1 0 0 0 1 1 1 0 0 1 1 1 1 1

1 2 2 1 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0

1 1 0 0 1 1 2 1 1 2 1 1 0 1 1 1 0 0 0 1

1 0 0 0 1 2 2 1 1 2 2 1 1 0 2 1 1 1 1 1

0 1 0 0 0 1 0 0 0 0 1 0 1 1 1 0 1 1 1 0

also A1

1 1 = 1 1

1 1 0 1 0 1 . 1 1 1 0 1 1

Hinweis i) Die inverse Matrix A1 hat in der Regel auch nichtganzzahlige Werte. ii) Spaltenumformungen sollen bei diesem Verfahren nicht angewandt werden. 3.4.5 Folgerung: A und B seien zwei n nMatrizen, und es gelte A B = I. Dann sind A und B invertierbar mit A = B 1 . Beweis: Wegen A B = I hat das Gleichungssystem B x = 0 nur die Lsung x = 0. Wegen o des vorstehenden Satzes ist daher B invertierbar. Es gilt daher A = A I = A (B B 1 ) = (A B) B 1 = I B 1 = B 1 . 2

3.4.6 Satz: A sei eine invertierbare n nMatrix, und es sei b IRn . Dann besitzt das Gleichungssystem A x = b genau eine Lsung x IRn . Fr diese gilt x = A1 b. o u o Beweis: Ist x IRn eine Lsung des Gleichungssystems A x = b, so folgt A1 A x = 1 A A x = I x = A1 b. Ahnlich erkennt man, dass x = A1 b eine Lsung des o Gleichungssystems A x = b ist. 2 o 3.4.7 Beispiel: Fr eine Matrix A mit bekanntem A1 bestimme man eine Lsung des Gleiu chungssystems A x + d = Bc mit

3.4 Quadratische Matrizen

97

1 1 1 2 1 1 1 1 0 1 2 1 1 0 2 1 1 , c = 1 , d = 1 . , B = 1 A= 1 1 0 1 2 1 1 2 1 0 2 1 1 0 1 1 1 0 1 0 1 1 1 0 1 1 0 1 . In 3.4.4 wurde die Matrix A1 berechnet: A1 = 1 1 1 1 1 0 1 1 Aus der Gleichung Ax = Bc Ad folgt durch Multiplikation mit A1 von links: x = A1 Ax = A1 Bx A1 Ad = A1 Bc d 2 1 1 1 1 1 0 1 1 1 1 1 0 1 = = 3 1 1 1 1 0 1 0 2 1 1 0 1 1 = A1 Bc Ad

3.4.8 Beispiel: Uberprfung der Invertierbarkeit einer Matrix: Es seien a, b, c IR verschieu 1 1 1 dene Zahlen. Wir zeigen, dass die Matrix A = a b c invertierbar ist, ohne allerdings a2 b2 c2 diese Inverse zu bestimmen.Dazu zeigen wir, dass die Zeilenvektoren von A linear unabhngig a sind: = 1 1 1 1 0 a b c 0 b2 c2 0 a2 0 ba ca 0 = 2 0 b2 a2 c2 a2 0 0 0 (c a)(c b) 0 = 3

1 1 2 1 1 = 4 2 2

Man beachte dabei b2 a2 = (b + a)(b a) und c2 a2 (b + a)(c a) = (c a)(c b). A ist invertierbar, da die Zeilenvektoren von A linear unabhngig sind. a 2

3.4.9 Folgerung: Es seien a, b, c IR verschieden Zahlen und u1 , u2 , u3 IR. Dann existiert ein eindeutig bestimmtes Polynom zweiten Grades p(x) = a0 x2 +a1 x+a2 mit p(a) = u1 , p(b) = u2, p(c) = u3 . Beweis: Wegen des vorstehenden Beispiels hat das Gleichungssystem 1 a a2 a2 u1 1 b b2 a1 = u2 1 c c2 a0 u3 eine eindeutig bestimmte Lsung. o

3.4.10 Denition: A sei eine n nMatrix, und es sei a IR. a heit ein Eigenwert von der Matrix A, wenn ein 0 = x IRn existiert mit A x = a x. Dieser Vektor x IRn heit dann ein Eigenvektor zum Eigenwert a IR.

98

3. Gleichungssysteme und Matrizen

Zur Uberprfung, ob ein gegebenes a IR ein Eigenwert der Matrix A ist, mssen wir das u u Gleichungssystem a I A x = 0 lsen. Hat dieses Gleichungssystem eine Lsung 0 = x o o n IR , so ist dieses x ein Eigenvektor zum Eigenwert a. Besitzt dieses Gleichungssystem nur die Nulllsung, so ist a kein Eigenwert von A. o 3.4.11 Denition: Eine Matrix der folgenden Form d1 0 . . . 0 d2 . . . D= . . . . . .. . . 0 0 ... heit eine Diagonalmatrix: 0 0 . . . dn

Man erkennt unmittelbar, dass jedes di ein Eigenwert von D mit dem iten Einheitsvektor als Eigenvektor ist. 0 1 1 3.4.12 Beispiel: Es sei A = 1 0 1. Zur Bestimmung der Eigenwerte von A untersuchen 1 1 0 wir, fr welche a R das Gleichungssystem (a I A)x = 0 Lsungen x = 0 hat: u o a 1 1 1 a 1 1 1 a 1 1 a 1 a 1 a 1 1 1 1 a 0 a+1 a 1 0 a 1 a2 1 1 1 a 0 a + 1 (a + 1) 0 0 a2 a 2 3. Zeile x(1), Tausche 1. und 3. Zeile

2. Zeile + 1. Zeile 3. Zeile ax 1. Zeile 3. Zeile + 2. Zeile

Das System (aI A)x = 0 hat genau dann Lsungen = 0, wenn auf der Diagonalen der o umgeformten Matrix Nullen erscheinen, also genau dann, wenn a + 1 = 0 oder a2 a 2 = 0. Letzteres ist der Fall fr a = 1 oder a = 2, somit hat A zwei Eigenwerte, nmlich 1 und u a 2. Im nchsten Abschnitt werden wir eine wesentlich leichtere Methode zur Bestimmung der a Eigenwerte kennenlernen. Ubungsaufgaben 1 1 1 1 0 0 1 1 1 0 , b = 1 , c = 1 . 3.4.1 Aufgabe: Gegeben seien A = 1 0 0 1 1 1 1 2 0 0 1 1 i) Berechnen Sie A1 . ii) Bestimmen Sie x IR4 mit A1 (x + b) = c.

3.4 Quadratische Matrizen

99

i) Man uberprfe, ob A invertierbar ist und berechne gegebenenfalls A1 . u ii) Man bestimme alle Lsungen des Gleichungssystems A x = A w + v. o 1 5 3 3 2 3 0 5 und B = 3.4.3 Aufgabe: Gegeben seien A = 0 1 1 0 1 1 1 2 i) Prfen Sie, ob A invertierbar ist und berechnen Sie gegebenenfalls A1 . u ii) Bestimmen Sie eine Matrix C mit A C = B.

1 1 3.4.2 Aufgabe: Gegeben seien A = 1 2

2 1 1 3

1 0 1 3

1 1 1 3 , w= 0 2 2 3

1 , v = 1 . 2 1

1 0 0 0

1 1 0 0

0 1 1 0

0 0 . 1 1

3.4.4 Aufgabe: Gegeben seien Matrizen A und B durch 13 6 5 3 1 1 1 0 1 8 3 3 2 2 0 1 und B = A= 6 1 3 2 1 1 2 3 3 1 1 1 1 2 1 3 i) Prfen Sie, ob A invertierbar ist und berechnen Sie gegebenenfalls A1 . u ii) Bestimmen Sie x IR4 mit A1 x = B(e1 + 2e2 e3 + e4 ).

3.4.5 Aufgabe: A sei eine invertierbare Matrix, und es sei b IR4 mit 1 2 1 10 18 1 2 0 2 , b = 1 . A1 = 1 1 3 2 1 1 1 2 1 3 i) Bestimmen Sie die Lsung des Gleichungssystems A x = b. o ii) Bestimmen Sie die Matrix A.

3.4.6 Aufgabe: Gegeben sei eine invertierbare Matrix A mit 1 2 3 1 8 1 1 2 1 3 und b = A1 = 0 1 4 2 2 2 3 7 2 4 i) Berechnen Sie A. ii) Bestimmen Sie x IR4 mit A(x + b) = c.

1 1 c = . 1 1

3.4.7 Aufgabe: Gegeben seien die Matrizen 1 0 1 1 2 1 1 1 2 4 1 0 1 4 A= , B = 1 1 0 1 1 1 3 1 1 1 1 1 0 3

100

3. Gleichungssysteme und Matrizen

und die Vektoren w = (1, 0, 1, 1)t , v = (1, 1, 0)t . i) Man uberprfe, ob A invertierbar ist und berechne gegebenenfalls A1 . u ii) Man bestimme alle Lsungen des Gleichungssystems A x = A w + B v. o 3.4.8 Aufgabe: Es sei n IN. A sei eine n n Matrix mit A x = x fr alle 0 = x IRn . u Beweisen Sie, dass die Matrix (A + I) invertierbar ist. 3.4.9 Aufgabe:Gegeben seien Matrizen A und B durch 1 5 3 3 2 3 0 5 und B = A= 0 1 1 0 1 1 1 2 i) Prfen Sie, ob A invertierbar ist und berechnen Sie A1 . u ii) Bestimmen Sie eine Matrix C mit A C = B.

1 0 0 0

1 1 0 0

0 1 1 0

0 0 . 1 1

3.5 Determinanten

101

3.5 Determinanten
In diesem Abschnitt behandeln wir Determinanten von n n Matrizen. Diese spielen vor allen Dingen bei mehr theoretischen Uberlegungen eine Rolle. Bei sogenannten praktischen Problemstellungen ist allerdings ihre Bedeutung stark zurckgegangen, da eine konkrete Beu rechnung von Determinanten grerer Matrizen viel zu aufwendig ist. Betrachtet werden in o diesem Abschnitt ausschlielich quadratische Matrizen, also n n Matrizen. Zunchst wera den einige Operationen, Bezeichnungen und Begrie bereitgestellt, die im weiteren Verlauf bentigt werden. o 3.5.1 Denition: i) Eine n n Matrix B = wenn bi,j = 0 gilt fr alle i < j. B hat also die u 0 b1,1 b2,2 b2,1 . . B= . . . . bn1,1 bn1,2 bn,1 bn,2
n

ii) Eine n n Matrix B = bi,j i,j=1 heit eine obere Dreiecksmatrix, wenn bi,j = 0 gilt fr alle i > j. B hat also die folgende Gestalt u b1,1 b1,2 . . . b1,n1 b1,n . 0 b2,2 . . b2,n1 b2,n . . . . . . B = . ... ... . . . .. 0 . bn1,n1 bn1,n 0 0 0 ... 0 bn,n iii) B heit eine Dreiecksmatrix, wenn B eine untere oder eine obere Dreiecksmatrix ist. Zur Beschreibung von Determinanten betrachten wir noch die folgenden Zeilenoperationen.:

bi,j i,j=1 heit eine untere Dreiecksmatrix, folgende Gestalt ... 0 0 .. . 0 0 . . .. .. . . . . . . . bn1,n1 0 . . . bn,n1 bn,n

A sei eine n n Matrix. Fr 1 i, k n mit i = k und c IR sei u A i k die Matrix, die aus A entstanden ist durch Vertauschung der Zeilen i und k. A c k die Matrix, die aus A entstanden ist durch Multiplikation der k - ten Zeile mit c. A i + c k die Matrix, die aus A entstanden ist durch Addition des c fachen der k - ten Zeile zur i ten Zeile. Fr 1 i, k, j, l n mit i = k und mit j = l sei u A(i|j) die Matrix, die aus A entstanden ist durch Streichung der i ten Zeile und der j ten Spalte und entsprechend A(i,k|j,l) die Matrix, die aus A entstanden ist durch Streichung der i ten und der k ten Zeile sowie der j ten und der l ten Spalte. 1 0 0 0 2 3 0 0 3.5.2 Beispiel: Die Matrix B = 0 2 1 0 ist eine (untere) Dreiecksmatrix. 7 1 2 1

102

3. Gleichungssysteme und Matrizen

1 2 1 3 1 1 2 1 gilt: 3.5.3 Beispiel: Zeilenoperationen: Fr A = u 1 1 1 1 2 1 4 1 1 1 1 1 1 2 1 3 1 1 2 1 1 2 1 , A 2 4 = 1 A 1 3 = 1 1 1 1 2 1 3 1 2 1 4 1 4 2 8 2 1 2 1 3 1 2 3 1 1 2 1 (2|3) A 31 = = 1 1 1 , A(2,3|3,4) = 0 3 2 2 , A 2 1 1 2 1 4 1

1 2 2 1

3.5.4 Satz: Es existiert eine eindeutig bestimmte Funktion det, die jeder n n Matrix den Wert det(A) IR zuordnet mit den folgenden Eigenschaften: n i) Ist A = ai,j i,j=1 eine Dreiecksmatrix, so gilt det(A) = a1,1 . . . an,n das Produkt der Diagonalelemente. ii) Es seien 1 i, k n mit i = k. Dann gilt det A = det A(i k) . iii) Es seien 1 i n und c IR. Dann gilt det A(c i) = c det A . iv) Es seien 1 i, k n mit i = k und c IR. Dann gilt det A(k + c i) = det A . v) Es gilt det A = det At . Die Determinantenfunktion weist noch die folgende etwas unwichtigere Eigenschaft auf: vi) Die Determinante ist additiv in den einzelnen Spalten in dem folgenden Sinne: Ist 1 j n der Spaltenindex, b IRn und sind B = bi,l , C = ci,l Matrizen mit bi,l = ci,l = ai,l fr u alle 1 i, l n mit l = j und mit bi,j = bi , ci,j = (ai,j + bi ) fr alle i = 1, . . . , n so gilt u det(C) = det(A) + det(B). Der Beweis dieses Satzes erfolgt im Anhang. Hinweis: Aus dem vorstehenden Satz folgt auch unmittelbar die in der Regel gnstigste Meu thode zur konkreten Berechnung einer Determinante: Mit den Zeilenoperationen Addition des Vielfachen einer Zeile zu einer anderen Zeile und k malige Anwedung eines Zeilen - oder Spaltentausches wird die Matrix A zu einer Dreiecksmatrix B umgeformt. Wegen ii), iv) und v) gilt dann det(A) = (1)k det(B) = (1)k b1,1 . . . bn,n .

3.5 Determinanten

103

1 2 1 1 1 3 1 4 3.5.5 Beispiel: Man berechne die Determinante 1 1 2 1 2 1 0 1 Wir formen die Matrix zu einer Dreiecksmatrix um. 1 2 1 1 1 3 1 4 1 1 2 1 2 1 0 1 1 2 1 1 0 1 0 3 0 1 1 2 0 3 2 3 1 2 1 1 0 1 0 3 0 0 1 1 0 0 2 6 1 2 1 1 0 1 0 3 0 0 1 1 0 0 0 8 Es folgt 1 2 1 1 1 3 1 4 1 1 2 1 2 1 0 1 1 0 = (1)0 0 0 2 1 1 1 0 3 0 1 1 0 0 8

Hinweis: Wir verwenden auch hug die Schreibweise a a1,1 . . . a1,n a1,1 . . . a1,n . . . = . .. .. . . . det . . . . . . . . an,1 . . . an,n an,1 . . . an,n

= 1 1 (1) 8 = 8.

3.5.6 Satz: Fr eine n n Matrix A sind die folgenden Aussagen quivalent: u a i) A ist invertierbar. ii) Rang(A) = n. iii) Die Zeilen- oder Spaltenvektoren von A sind linear unabhngig. a iv) Das Gleichungssystem A x = 0 hat nur die Lsung x = 0. o v) det(A) = 0. Beweis: Die Aquivalenz der Aussagen i) iv) wurde bereits in 3.4.3 gezeigt. Da eine Matrix A genau dann invertierbar ist, wenn sie durch die Operationen Addition des Vielfachen einer Zeile zu einer anderen Zeile und Zeilenvertauschungen auf eine Diagonalgestalt mit Diagonalelementen = 0 gebracht werden kann, folgt diese Aussage unmittelbar aus 3.5.4 . 2 Demnach gilt det(A) = 0, falls die Zeilenvektoren von A linear abhngig sind. a

104

3. Gleichungssysteme und Matrizen

3.5.7 Satz: (Entwicklungssatz) i) Es sei 1 k n ein Zeilenindex. Dann gilt


n

det(A) =
j=1

(1)k+j ak,j det A(k|j)

die Entwicklung nach der k ten Zeile.

ii)Es sei 1 j n ein Spaltenindex. Dann gilt


n

det(A) =
k=1

(1)k+j ak,j det A(k|j)

die Entwicklung nach der j ten Spalte.

Der Beweis dieser Aussage ndet sich im Anhang. Hinweis: Fr konkrete Berechnungen sind diese Aussagen nur in den Spezialfllen brauchbar, u a in denen eine Zeile oder Spalte viele Nullen aufweist. Fr allgemeine Matrizen ist diese Methode u im Fall n 4 viel zu aufwendig, fr kleinere Matrizen (n 3) gelten zustzlich die folgenden u a Regeln. 3.5.8 Satz: i) A sei eine 2 2 Matrix. Dann gilt det(A) = a1,1 a1,2 a2,1 a2,2 = a1,1 a2,2 a1,2 a2,1 .

ii) A sei eine 3 3 Matrix. Dann gilt det(A) = a1,1 a1,2 a1,3 a2,1 a2,2 a2,3 a3,1 a3,2 a3,3 = a1,1 a2,2 a3,3 + a1,2 a2,3 a3,1 + a1,3 a2,1 a3,2 a1,3 a2,2 a3,1 a1,2 a2,1 a3,3 a1,1 a2,3 a3,2

Diese Regeln heien auch Regeln von Sarus. Beweis: Die Aussage fr n = 2 folgt aus dem Beweis des vorstehenden Satzes. Es sei also u n = 3. Die Entwicklung von A nach der ersten Zeile ergibt: det(A) = a1,1 a2,2 a2,3 a3,2 a3,3 a1,2 a2,1 a2,3 a3,1 a3,3 + a1,3 a2,1 a2,2 a3,1 a3,2 2

= a1,1 a2,2 a3,3 a2,3 a3,2 a1,2 a2,1 a3,3 a2,3 a31 + a1,3 a2,1 a3,2 a2,2 a3,1 . Fr 3 3 Matrizen erhalten wir die folgende Merkregel: Es gilt u a1,1 det(A) = a2,1 a3,1 .. a1,2 . a2,2 a3,2 .. .. a1,3 . a2,3 . a3,3 .. .. a1,1 . a2,1 . a3,1 .. a2,2 . a3,2 a1,2

Anhand der gestrichelten Linien werden die Produkte berechnet, und zwar in der Richtung . ( . . ) werden sie positiv und in der Richtung (/) werden sie negativ gerechnet. 3.5.9 Satz: Fr zwei n n Matrizen A und B gilt det(A B) = det(A) det(B). u

3.5 Determinanten

105

Beweis: Im Fall det(B) = 0 ist B nicht invertierbar. daher ist auch AB nicht invertierbar, es folgt also det(AB) = 0, die Aussage ist also richtig in diesem Fall. Es sei also det(B) = 0. Man rechnet einfach nach, dass die Funktion A
det(AB) det(B)

eine Determinantenfunktion im Sinne von 3.5.4 ist. Wegen der Eindeutigkeit folgt daher det(A) =
det(AB) . det(B)

3.5.10 Satz: A sei eine invertierbare n nMatrix. i)(Cramersche Regel) Es sei b IRn , Bj sei die Matrix, die aus A entstanden ist durch Dann gilt A x = b. Ersetzen der j ten Spalte durch den Vektor b. Es sei x = (x1 , . . . , xn )t IRn : xj = ii) Es gilt A1 = bi,j
i,j

det(Bj ) . det(A)

mit bi,j =

det A(j|i) det(A)

Der Beweis dieser Aussagen ndet sich im Anhang. 1 0 1 1 1 und b = 2 . Dann gilt det(A) = 1 und 3.5.11 Beispiel: Es seien A = 1 1 1 1 0 3 det(B1 ) = 1 0 1 2 1 1 3 1 0 = 0, det(B2 ) = 1 1 1 1 2 1 1 3 0 = 3, det(B3 ) = 1 0 1 1 1 2 1 1 3 = 1;

o x = (0, 3, 1)t ist die Lsung des Gleichungssystems Ax = b.

Determinanten knnen auch benutzt werden, um Eigenwerte einer quadratischen Matrix A zu o bestimmen, man beachte Satz 3.5.6: 3.5.12 Satz: A sei eine n nMatrix und es sei IR. ist genau dann ein Eigenwert von A, wenn das Gleichungssystem (A I)x = 0 eine Lsung x = 0 besitzt, oder quivalent o a dazu, wenn det(A I) = 0 gilt. 1 1 0 1 3.5.13 Beispiel: Bestimmung der Eigenwerten der Matrix A = 1 1 2 2 . Es gilt 1

1 1 2 det(A I) = det 0 1 2 = (1 )2 + 2 2(1 ) 2 = ( 1)2 . 1 1 1 A besitzt also die Eigenwerte = 0 und = 1. 2

106

3. Gleichungssysteme und Matrizen

Ubungsaufgaben 3.5.1 Aufgabe: Berechnen Sie die Determinante der Matrix A mit 1 2 1 1 1 1 1 1 1 1 3 2 2 1 . A= 1 1 1 1 1 0 0 1 1 2 1

3.5.3 Aufgabe: Gegeben seien die Matrix A und der Vektor b durch 2 1 1 1 1 0 , b = 0 . A= 3 1 1 2 1 3.5.4 Aufgabe: Gegeben seien die Matrix 1 1 B= 0 1 2 2

1 2 1 1 1 1 3 1 . 3.5.2 Aufgabe: Berechnen Sie die Determinante der Matrix B = 2 5 7 1 1 1 1 2

Mit Hilfe der Cramerschen Regel lse man das Gleichungssystem A x = b. o B und der Vektor c durch 0 1 1 , c = 2 . 1 3

Mit Hilfe der Cramerschen Regel lse man das Gleichungssystem B x = c. o

3.5.6 Aufgabe: Mit Hilfe der Cramerschen Regel lse man das Gleichungssystem A x = b o mit 1 1 1 1 A= 1 1 0 , b = 1 . 1 0 1 1 3.5.7 Aufgabe: Berechnen Sie die Determinante der Matrix 1 2 1 1 2 2 5 4 1 7 3 4 . A = 2 3 3 1 0 2 2 2 1 1 4 0 2

3.5.5 Aufgabe: Berechnen Sie die Determinante der Matrix 1 1 2 1 1 2 5 4 3 0 1 0 4 2 3 . A= 2 1 4 0 3 1 2 2 4 0

3.5 Determinanten

107

2 2 3.5.9 Aufgabe: Bestimmen Sie die Eigenwerte der Matrix A = 1 1 0 3.5.10 Aufgabe: Bestimmen Sie die Eigenwerte der Matrix A = 1

3.5.8 Aufgabe: Bestimmen Sie die Determinante 1 1 0 1 2 2 5 A = 0 2 0 0 3 0 0 0

der Matrix 0 0 0 0 3 0 . 10 4 4 15

1 2 0 2 . 1 2

3 0 3 0 . 1 1

108

3. Gleichungssysteme und Matrizen

4. Funktionen mehrerer Vernderlicher a

4.1 Stetige Funktionen mehrerer Vernderlicher a


Es sei X Rn eine Teilmenge, n N. Wir untersuchen Funktionen f : X R. f ist eine reelle Funktion in n Vernderlichen a x1 , . . . , xn . Es werden auch vektorwertige Funktionen, also Abbildungen f : X Rm , wobei m 2, betrachtet. Um den Begri der Stetigkeit einfhren zu knnen, bentigen wir analog zum Abstand |x y| u o o zweier reeller Zahlen den Abstand ||x y|| zweier Vektoren x, y Rn . Wir wollen den so genannten euklidischen Abstand auf Rn einfhren. Dazu denieren wir u n zunchst die (euklidische) Norm eines Vektors x R . a

4.1.1 Denition: Fr x Rn sei |x| := xt x = x2 + . . . + x2 , wobei x = (x1 , . . . , xn )t . u n 1 ||x|| heit die (euklidische) Norm von x. Es seien x, y Rn . Dann heit ||x y|| der Abstand von x und y. 4.1.2 Satz: Es gelten die folgenden Regeln. Fr x, y Rn , a R gilt: u (i) ||x|| 0 und ||x|| = 0 x = 0. (ii) ||ax|| = |a|| ||x|| (iii) ||xt y|| ||x|| ||y|| (Cauchy-Schwarzsche Ungleichung) (iv) ||x + y|| ||x|| + ||y|| (Dreiecksungleichung) 109

110

4. Funktionen mehrerer Vernderlicher a

Beweis. (i) und (ii) sind sehr einfach. Wir lassen deshalb den Beweis weg. Zu (iii): Ist y = 0, so ist nichts zu zeigen, weil dann |xt y| = 0. Sei also y = 0. Dann gilt ||x + ay||2 = (xt + ay t )(x + ay) = xt x + 2axt y + a2 y ty = ||x||2 + 2axt y + a2 ||y||2 0 Da y = 0, ist auch ||y||2 = 0 und somit xt y ||x||2 + 2a + a2 0. ||y||2 ||y||2 Mit quadratischer Ergnzung folgt a a+ xt y ||y||2
2

(xt y)2 ||x||2 + 0. ||y||4 ||y||2


t

x y Da dies fr alle a R gilt (also auch fr a = ||y||2 ), folgt u u

und somit

(xt y)2 ||x||2 + 0 ||y||4 ||y||2

(xt y)2 ||x||2 ||y||2, was zu beweisen war. Zu (iv): Es gilt ||x + y||2 = =
(iii)

(xt + y t )(x + y) = xt x + 2xt y + y t y ||x||2 + 2xt y + ||y||2 ||x||2 + 2||x|| ||y|| + ||y||2 = (||x|| + ||y||)2 2
n i=1 n i=1

und somit ||x + y|| ||x|| + ||y||. 4.1.3 Folgerung: Fr x = (x1 , . . . , xn )t Rn gilt ||x|| u |xi ei | = |xi |.

4.1.4 Denition: Es seien x = (x1 , . . . , xn )t , y = (y1 , . . . , yn )t Rn . Dann heit


n

x, y := xt y =
i=1

xi yi

das Skalarprodukt von x und y. Aus den Rechenregeln fr das Produkt xt y ergeben sich natrlich die entsprechenden Rechenu u regeln fr das Skalarprodukt, z.B. u x, y x, y + z Oensichtlich ist ||x|| = x, y . = = y, x x, y + y, z , usw.

4.1 Stetige Funktionen mehrerer Vernderlicher a

111

4.1.5 Bemerkung: Fr x, y Rn , x, y = 0, gilt nach der Cauchy-Schwarzschen Ungleichung u | x, y | 1. ||x|| ||y|| Damit gibt es genau ein [0, ] mit cos = x, y . ||x|| ||y|| . 2

heit der Winkel zwischen x und y. Es gilt x, y = 0 =

Daher nennt man x, y zueinander orthogonal, wenn x, y = 0 gilt. 4.1.6 Denition: Es sei z Rn und r > 0. K(z, r) := {x Rn | ||z x|| < r} heit die oene Kugel vom Radius r um z. K(z, r) := {x Rn | ||z x|| r} heit die abgeschlossene Kugel vom Radius R um z. Ist n = 1, so ist K(z, r) =]z r, z + r[ ein oenes Intervall und K(z, r) = [z r, z + r] ein abgeschlossenes Intervall. Ist n = 2, so ist K(z, r) (bzw. K(z, r)) eine oene (bzw. abgeschlossene) Kreisscheibe in der Ebene R2 . Ist n = 3, so ist K(z, r) eine Kugel im Raum R3 . 4.1.7 Denition: Es sei X Rn eine Teilmenge und a Rn . (a) a heit innerer Punkt von X, wenn es ein r > 0 gibt, so dass K(a, r) X. (b) a heit Beruhrungspunkt von X, wenn fr alle r > 0 gilt u K(a, r) X = . (c) X heit oen in Rn , wenn alle Punkte von X innere Punkte von X sind. (d) X heit abgeschlossen in Rn , wenn alle Berhrungspunkte von X in X liegen. u

112

4. Funktionen mehrerer Vernderlicher a

4.1.8 Satz: (i) Ist z Rn , r > 0, so ist K(z, r) oen in Rn . (ii) Ist z Rn , r > 0, so ist K(z, r) abgeschlossen. in Rn . (iii) Eine Teilmenge X Rn ist genau dann oen in Rn , wenn ihr Komplement Rn \X abgeschlossen in Rn ist. (iv) und Rn sind zugleich oen und abgeschlossen. Beweis. Zu (i): Es sei x K(z, r). Dann ist s := r |z x| > 0 und K(x, s) K(z, r), weil aus ||y x|| < s auch ||y z|| ||y x|| + ||x z|| < s + ||x z|| = r folgt. x ist somit innerer Punkt von K(z, r). u Zu (ii). Es sei a Rn ein Berhrungspunkt von K(z, r). Es sei s > 0. Dann gilt also K(a, s) K(z, r) = . Es gibt somit ein y Rn mit ||a y|| < s und ||z y|| r. Nach der Dreiecksgleichung folgt ||z a|| ||z y|| + ||a y|| < r + s. Da s > 0 beliebig ist, muss 2 gelten, also a K(z, r). n n Zu (iii): Es sei X R und Y := R \X. 1. Behauptung: X oen Y abgeschlossen. Der Beweis ist einfache Logik: Sei a Rn . Ist a X, so gibt es ein r > 0 mit K(a, r) X, weil X oen ist. Da X Y = , ist auch K(a, r) Y = , a also kein Berhrungspunkt von Y . Damit liegt also jeder u Berhrungspunkt a Rn von Y in Y , d.h. Y ist abgeschlossen. u 2. Behauptung: X abgeschlossen Y oen. Der Beweis ist wieder einfache Logik: Es sei a Y . Also ist a X, und da X abgeschlossen ist, ist a kein Berhrungspunkt von X. / u Es gibt also ein r > 0, so dass K(a, r) X = , also K(a, r) Y . a ist somit innerer Punkt von Y . Zu (iv): Das ist klar. 2 Ohne Beweis notieren wir: 4.1.9 Satz: Es sei X Rn Teilmenge. (i) Die Vereinigung beliebig vieler oener Mengen in Rn ist oen. (ii) Der Durchschnitt endlich vieler oener Mengen in Rn ist oen. (iii) Int(X) = {a Rn | a ist innerer Punkt von X} ist oen in Rn . Int(X) ist die grte in o X enhaltene oene Menge (der oene Kern von X). ||z a|| r 2

4.1 Stetige Funktionen mehrerer Vernderlicher a

113

(iv) Der Durchschnitt beliebig vieler abgeschlossener Mengen in Rn ist abgeschlossen. (v) Die Vereinigung endlich vieler abgeschlossener Mengen in Rn ist abgeschlossen. (vi) X = {a Rn | a ist Berhrungspunkt von X} ist abgeschlossen in Rn . u

X ist die kleinste abgeschlossene Teilmenge von Rn , die X als Teilmenge enthlt (die a abgeschlossene H lle von X). u

Wir betrachten nun einige Beispiele von Funktionen f : X Rm , wobei X Rn , X = , n, m 1. Ist x = (x1 , . . . , xn )t , y = (y1, . . . , ym )t und gilt y = f (x), so schreiben wir hierfr ausfhrlich: u u y1 = f1 (x1 , . . . , xn ), y2 = f2 (x1 , . . . , xn ), . . . ym = fm (x1 , . . . , xn ). Die Funktion f1 , . . . , fm : X R heien die Komponenten von f . Man schreibt: f1 . f = . , . fm f1 (x) . f (x) = . . . fm (x)

4.1.10 Beispiele:

o (a) Im R3 bezeichnet man die Koordinaten gewhnlich mit x, y, z oder mit irgendwelchen anderen Buchstaben, die durch den Kontext nahegelegt werden. Wir denieren die Funktion f : R3 R3 durch x cos y u f1 (x, y, z) f (x, y, z) = f2 (x, y, z) = x sin y = v . f3 (x, y, z) z w u = f1 (x, y, z) = x cos y v = f2 (x, y, z) = x sin y w = f3 (x, y, z) = z

Die drei Komponenten von f sind

114

4. Funktionen mehrerer Vernderlicher a

Man kann den Graphen von f betrachten. Dieser ist eine Teilmenge von R6 und kann daher nicht grasch dargestellt werden. Man kann aber etwa die Bilder der Ebenen x = const. im (u, v, w)-Raum darstellen. Hier sind diese Bilder Zylinder um die w-Achse

Abbildung 4.1: Die Bilder der Ebenen x = 2, x = 3, x = 4, x = 5 unter der Abbildung f im (u, v, w)-Raum. (b) Eine Funktion in zwei Variablen kann man durch ihren Graphen in R3 darstellen. Als Beispiel betrachten wir (rotationssymmetrische) Funktion z = f (x, y) = (x2 + y 2)ex
2 y 2

Abbildung 4.2: Der Graph der Funktion z = (x2 + y 2)ex

2 y 2

(c) Eine vektorwertige Funktion f : R2 R3 kann man sich durch ihr Bild im R3 veranschaulichen. Als Beispiel betrachten wir f : R2 R3 mit x cos u sin v y = f (u, v) = sin u sin v . z cos v

4.1 Stetige Funktionen mehrerer Vernderlicher a

115

Das Bild des Rechtecks [1, 2] [1, 2] unter f liegt auf der Kugel um (0, 0, 0) mit Radius 1.

Abbildung 4.3: Die Flche f ([1, 2] [1, 2]). a Wir verallgemeinern nun den Grenzwertbegri und den Begri der Stetigkeit von reellen Funktionen einer reellen Vernderlichen auf Funktionen a f : Rn Rm . 4.1.11 Denition: Es sei X Rn nicht-leer. f : X Rm sei eine Abbildung. Es sei x0 Rn ein Berhrungspunkt von X\{x0 }. u Weiter sei y0 Rm . y0 heit Grenzwert von f (x) fr x x0 , x = x0 , wenn folgendes gilt: u Zu jedem > 0 gibt es ein > 0, so dass fr alle x X mit 0 < ||x x0 || < gilt u ||f (x) y0 || < . Wir schreiben dann y0 = lim f (x)
xx0

oder genauer y0 = xx f (x) lim


x=x0 xX
0

Auch die Schreibweise: werden wir verwenden. Es gelten die bekannten Limesregeln. 4.1.12 Lemma: Es sei X Rn , X = . f, g : X Rm seien Funktionen. Es sei x0 Rn Berhrungspunkt von X\{x0 } und es sei u y0 = z0 =
xx0 xx0

u f (x) = y0 fr x x0

lim f (x) lim g(x)

116

4. Funktionen mehrerer Vernderlicher a

Dann gilt y0 + z0 = lim (f (x) + g(x))


xx0

Ist weiter a : X R Funktion mit lim a(x) = b0 , so gilt


xx0

b0 y0 = lim a(x)f (x)


xx0

2 4.1.13 Lemma: Es seien X Rn , X = , Y Rm , Y = , und f : X Y , h : Y Rp seien Funktionen. Es sei x0 Rn Berhrungspunkt von X\{x0 } und y0 Rm , z0 Rp , so u dass y0 = lim f (x), z0 = lim h(y)
xx0 yy0

Dann gilt z0 = lim h(f (x)).


xx0

2 4.1.14 Denition: Es sei X Rn , X = . f : X Rm sei eine Funktion und es sei z X. f heit stetig in z, wenn gilt: Zu jedem > 0 gibt es ein > 0, so dass ||f (x) f (z)|| < fr alle x X mit ||x z|| < . u f heit stetig in X, wenn f in jedem Punkt z X stetig ist. 4.1.15 Satz: Es sei X Rn , X = . Eine Funktion f : X Rm ist genau dann stetig auf X, wenn die Komponenten f1 , . . . , fm : X R von f es sind. Beweis. Das erschliet sich aus den Ungleichungen |fi (x) fi (z)| ||f (x) f (z)|| |f1 (x) f1 (z)| + . . . + |fm (x) fm (z)|. 4.1.16 Satz: Es seien f, g : X IRm , h : X IR stetig und a IR. Dann sind die Funktionen f + g, h g, a f : X IRm stetig. Diese Aussage wird wie die entsprechende Aussage fr Funktionen einer reellen Vernderlichen u a gezeigt. Wir verzichten hier auf die erneute Wiedergabe des Beweises. Man vergleiche dazu 2.2.2 und 2.2.7 . Die nachfolgende Aussage folgt ebenso wie die in 2.2.8 bewiesene Version fr u eine reelle Vernderliche. a 4.1.17 Satz: Es seien Y IRm , Y = f : X IRm stetig mit f (x) Y fr alle x X und u g : Y IRq stetig. Dann ist die zusammengesetzte Funktion g f : X IRq , deniert durch g f (x) = g f (x) fr alle x X, stetig. u

4.1 Stetige Funktionen mehrerer Vernderlicher a

117

4.1.18 Beispiel: Stetige Funktionen i) f : IR3 IR2 sei deniert durch f (x1 , x2 , x3 ) = x2 + sin(x1 x3 ) 1 x2 + ln(1 + x2 ) 2

fr alle x = (x1 , x2 , x3 )t IRn . Oenbar gilt f1 = x2 + sin(x1 x3 ) und f2 = x2 + ln(1 + x2 ). u 1 2 Wegen der vorstehenden Stze sind f1 und f2 stetig und damit ist auch f stetig. a ii) A sei eine m n -Matrix. Dann ist f : IRn IRm , deniert durch f (x) = A x stetig. Diese Aussage folgt auf Grund der Denition der Matrizenmultiplikation auch aus denn vorstehenden Stzen. a 4.1.19 Satz: X IRn , X = sei abgeschlossen mit X K(0, r) fr ein r > 0. Dann nimmt u jede stetige Funktion f : X IR ihr Maximum und ihr Minimum in X an; es existieren also z, w X mit f (w) f (x) f (z) fr alle x X. u Diese Aussage wird im Anhang gezeigt. Ubungsaufgaben 4.1.1 Aufgabe: Gegeben sei die Funktion f : IR3 IR2 durch f (x) = (x4 + 2 ln(ex1 x3 ) + 1) 1 sin2 (x1 ) + sin2 (/2 + x1 ) + cos( x4 x6 ) 2 3
2 2

Vereinfachen Sie diesen Funktionsausdruck. 4.1.2 Aufgabe: Gegeben sei die Funktion f : IR3 IR durch f (x) = ln ex1 sin(x2 ) (ex3 )2 . Vereinfachen Sie diesen Funktionsausdruck. 4.1.3 Aufgabe: Gegeben sei f : IR2 IR durch f (x, y) =
xy x2 + y 2
2 3

im Fall im Fall

(x, y) = 0 (x, y) = (0, 0)

Zeigen Sie, dass f nicht stetig in (0, 0) ist. 4.1.4 Aufgabe: Zeigen Sie, dass die Funktion f in (0, 0) stetig ist: f (x, y) =
x2 xy 2 + y2

im Fall im Fall

(x, y) = 0 (x, y) = (0, 0)

4.1.5 Aufgabe: Bestimmen Sie den Denitionsbereich der folgenden Funktion: f (x1 , x2 ) = ln(x2 x2 1) 1 x1 + x2 .

4.1.6 Aufgabe: Bestimmen Sie den Denitionsbereich der folgenden Funktion: f (x1 , x2 , x3 ) = x2 x3 2 2 ln(x1 + x2 + x4 ) 2 3 .

118

4. Funktionen mehrerer Vernderlicher a

4.2 Dierenzierbare Funktionen


In diesem Abschnitt behandeln wir die Dierentialrechnung von Funktionen mehrerer reeller Vernderlicher. Im Unterschied zu der Situation bei einer reellen Vernderlichen bestehen a a hier zwei unterschiedliche Dierentiationsbegrie. Aus technischen Grnden, um die Situation u noch ubersichtlich gestalten zu knnen, behandeln wir nur die Dierenzierbarkeit in inneren o Punkten einer Menge X IRn , da sich jeder innere Punkt z X aus allen Richtungen erreichen lsst. a 4.2.1 Denition: Es sei X = IRn . z X sei ein innerer Punkt von X. Eine Funktion f : X IRm heit in z X partiell dierenzierbar nach der i-ten Variable mit der partiellen Ableitung Di f (z) IRm , wenn f (z + t ei ) f (z) Di f (z) gilt bei t 0. t Wir schreiben auch
d f (z) dxi

f (x) xi

= Di f (z).

4.2.2 Beispiel: f : R2 R sei die Funktion mit f (x, y) = sin(xy) Dann ist f (x, y) = y cos(xy) x f (x, y) = x cos(xy) y Es sei (a, b) R2 mit f (a, b) = c.

Abbildung 4.4: Der Graph der Funktion f (x, y) = sin(xy) ber dem Rechteck [0, ] [0, ]. u (a, b) liegt auf der Hhenlinie o Nc = {(x, y) R2 | f (x, y) = c}.

4.2 Dierenzierbare Funktionen

119

Der Vektor (Gradientenvektor von f in (a, b)) f (a, b) = (cos(ab)b, cos(ab)a) werde im Punkt (a, b) abgetragen. Er steht dann senkrecht zu Hhenlinie Nc und zeigt in die o Richtung hheren Anstiegs. o Denken wir uns etwa f (x, y) als Gewinnfunktion fr die Produktion der Mengen x, y zweier u Gter, so wird der Gewinn f (a, b) am strksten wachsen, wenn man (a, b) in Richtung des u a Gradientenvektors ndert. a

Abbildung 4.5: Die Hhenlinien und die Gradientenvektoren von f im Rechteck [0, ] [0, ]. o Auf Grund der Denition wird die partielle Ableitung nach der i- ten Variablen folgendermaen bestimmt: In dem Funktionsausdruck fr die Funktion f werden alle Variablen xj mit j = i u als konstante reelle Zahlen betrachtet; dierenziert wird dann nach der verbliebenen Variablen xi . Dabei werden die frher fr Funktionen einer reellen Vernderlichen hergeleiteten u u a Dierentiationsregeln benutzt. Man vergleiche dazu auch das nachfolgende Beispiel. 4.2.3 Beispiel: i) Fr f : IR3 IR: f (x1 , x2 , x3 ) = ln x2 + x2 x4 + 1 gilt u 1 2 3 2x1 , x2 + x2 x4 + 1 1 2 3 2x2 x4 3 D2 f (x) = 2 2 4 x1 + x2 x3 + 1 4x2 x3 2 3 D3 f (x) = 2 . x1 + x2 x4 + 1 2 3 D1 f (x) = u ii) Fr f : IR3 IR: f (x, y, z) = exy + sin(z 2 + 2x) fr alle (x, y, z) IR3 gilt u Dx f (x, y, z) = D1 f (x, y, z) = y exy + 2 cos(z 2 + 2x) Dy f (x, y, z) = D2 f (x, y, z) = x exy Dz f (x, y, z) = D3 f (x, y, z) = 2z cos(z 2 + 2x)

120

4. Funktionen mehrerer Vernderlicher a

4.2.4 Satz: Es sei = X IRn eine Menge und z X ein innerer Punkt. f : X IRm sei eine Funktion: f = (f1 , . . . , fm )t mit Funktionen f1 , . . . , fm IR. f ist genau dann in z X partiell nach der i- ten Variablen dierenzierbar, wenn jedes fj in z partiell nach der i- ten Variablen dierenzierbar ist. In diesem Fall gilt Di f1 (z) Di f2 (z) Di f (z) = . . . . Di fm (z) Beweis: Wegen
1 t

1 f (z + tei ) f (z) tDi f (z) t

folgt die Aussage analog zum Beweis von Satz 4.1.15.

= 1
t

f1 (z + tei ) f1 (z) tDi f1 (z) . . . fm (z + tei ) fm (z) tDi fm (z)

4.2.5 Beispiel: Eine unstetige, aber partiell dierenzierbare Funktion. Die Funktion f : IR2 IR mit xy f ur (x, y) = (0, 0) 2 + y2 x f (x, y) = . 0 f ur (x, y) = (0, 0) ist laut Aufgabe 4.1.3 im Nullpunkt unstetig. Sie ist aber dort nach beiden Variablen partiell dierenzierbar, denn es gilt f (t, 0) f (0, 0) = lim t0 t0 t und analog ergibt sich D2 f (0, 0) = 0. D1 f (0, 0) = lim
t0 t2 +02

= lim

0 = 0, t0 t 2

Wir denieren jetzt einen weiteren Dierentiationsbegri; wir zeigen spter, dass jede in diesem a Sinne dierenzierbare Funktion bereits stetig ist. Allerdings stimmen beide Begrie fr eine u Vielzahl von Funktionen uberein, besonders bei denen, die in der Anwendung vorkommen. 4.2.6 Denition: Es sei X IRn eine Menge, und z X sei ein innerer Punkt von X. Eine Funktion f : X IRm heit total dierenzierbar in z X, wenn eine m n Matrix A existiert mit 1 f (x) f (z) A x z 0 bei x z. ||x z|| Diese Denition ist eine formale Ubertragung einer mglichen Charakterisierung der Diereno zierbarkeit und der Ableitung einer Funktion einer reellen Vernderlichen. Die dort auftretende a Ableitung f wird dabei durch die Ableitungsmatrix oder totale Ableitung A = Df (z) ersetzt. Im Fall einer reellwertigen Funktion also f : X IR bezeichnen wir auch die totale Ableitung als Gradient von f in z X : gradf (z) = Df (z). Man schreibt auch f statt grad f . Die Berechnung der Ableitungsmatrix nur aus der Denition heraus ist oft sehr schwierig; wesentlich einfacher wird das mit Hilfe der spter hergeleiteten Ableitungsregeln, bei denen a wieder die Ableitungsregeln fr Funktionen einer reellen Vernderlichen eine entscheidende u a Rolle spielen. Aus der Denition folgt unmittelbar:

4.2 Dierenzierbare Funktionen

121

4.2.7 Bemerkung: Es sei X IRn eine Menge, z X sei ein innerer Punkt von X, und f : X IRm sei total dierenzierbar in z X. Dann ist f stetig in x. 4.2.8 Satz: Es sei X IRn oen. f : X IRm sei eine Funktion: f = (f1 , . . . , fm )t mit Funktionen f1 , . . . , fm IR. f ist genau dann in z X total dierenzierbar, wenn jedes fj in z total dierenzierbar ist. In diesem Fall gilt Df1 (z) Df2 (z) Df (z) = . . . . Dfm (z) 1 f (x) f (z) Df (z) x z Beweis: Wegen |x z| 1 f1 (x) f1 (z) Df1 (z) x z |xz| . . = . 1 fm (x) fm (z) Dfm (z) x z |xz| folgt die Aussage analog zum Beweis von Satz 4.1.15 . 2 4.2.9 Satz: Es sei = X IRn eine Menge. f : X IRm sei eine Funktion: f = (f1 , . . . , fm )t mit Funktionen f1 , . . . , fm IR. Weiter sei f in dem inneren Punkt z X total dierenzierbar. Dann ist f in z X auch partiell dierenzierbar mit u Di f (z) = Df (z) ei fr alle i = 1, . . . , n. Speziell gilt D1 f1 (z) D1 f2 (z) . . . D2 f1 (z) D2 f2 (z) . . . ... ... .. . Dn f1 (z) Dn f2 (z) . . . Di f1 (z) Di f2 (z) . . . Di fm (z)

Beweis: Da f in z X total dierenzierbar ist, gilt


1 ||x z||

Df (z) =

D1 fm (z) D2 fm (z) . . . Dn fm (z)

Di f (z) =

f (x) f (z) Df (z) x z

0 bei x z.

Setzen wir speziell x = z + t ei mit 0 = t IR, so erhalten wir wegen |x z| = |t ei | = |t| sofort f (z + t ei ) f (z) Df (z)ei 0 bei t 0. t Damit gilt ist f in z X partiell nach der i- ten Variablen dierenzierbar mit Di f (z) = Df (z)ei . Die weiteren Aussagen folgen unmittelbar aus dem vorstehenden Satz und der Denition der Matrizenmultiplikation. 2 4.2.10 Satz: Es sei = X IRn oen und f : X IRm eine Funktion. Fr jedes u i {1, . . . , n} und jedes x X existiere die partielle Ableitung Di f (x). Weiter sei diese

122

4. Funktionen mehrerer Vernderlicher a

Ableitungsfunktion Di f : X IRm stetig auf X. Dann ist f in jedem x X total dierenzierbar, und fr alle x X gilt u Df (x) = D1 f1 (x) D1 f2 (x) . . . D2 f1 (x) D2 f2 (x) . . . ... ... .. . Dn f1 (x) Dn f2 (x) . . . .

D1 fm (x) D2 fm (x) . . . Dn fm (x)

Der Beweis dieses Satzes bendet sich im Anhang. 4.2.11 Beispiel: Gegeben sei die Funktion f (x1 , x2 , x3 ) = x1 ex1 x2 x2 ln(1 + x2 ) 3 1 . Man bestimme

die totale Ableitung von f. u Da die einzelnen partiellen Ableitungen Di fj fr alle i = 1, 2, 3 und j = 1, 2 stetig sind, ist f total dierenzierbar mit der totalen Ableitung (1 + x1 x2 )ex1 x2 x2 ex1 x2 1
2x1 x2 3 1 + x2 1

0 2x3 ln(1 + x2 ) 1

Df (x) =

Die folgenden Dierentiationsregeln lassen sich wie die entsprechenden Regeln fr Funktionen u einer reellen Vernderlichen nachweisen, auf die explizite Durchfrung dieser Beweise soll daher a u verzichtet werden. In Gegensatz zur frheren Situation sind diese Regeln fr den Nachweis der u u Dierenzierbarkeit einer gegebenen Funktion von geringerer Bedeutung. In den meisten Fllen a wird mit partieller Dierenzierbarkeit und den vorstehenden Stzen argumentiert. a 4.2.12 Satz: Die Funktionen f g : X IRm seien total dierenzierbar, dann ist auch f + g : X IRm total dierenzierbar mit D f + g (z) = Df (z) + Dg(z). 4.2.13 Satz: Es seien = X IRn und = Y IRm oen, f : X IRm und h : Y IRq seien total dierenzierbar mit f (x) Y fr alle x X. Dann ist die zusammengesetzte u q Funktion h f : X IR total dierenzierbar mit D(h f )(z) = Dh f (z) Df (z) fr alle z X. u Wir zeigen nun eine Variante des Mittelwertsatzes fr vektorwertige Funktionen mehrerer u Vernderlicher durch Zurckfhrung auf die frher betrachtete Situation. Dazu bentigen wir a u u u o die folgende Bezeichnung: Fr x, y IRn bilden wir die Verbindungsstrecke der Punkte x u und y: [x, y] = x + t(y x)y 0 t 1 . 4.2.14 Satz: (Mittelwertsatz) = X IRn seien oen, f : X IRm dierenzierbar und x, y X mit [x, y] X. Dann existiert ein Punkt z = tx + (1 t)y [x, y] mit 0 < t < 1 und mit f (y) f (x) Df (z)(y x) .

4.2 Dierenzierbare Funktionen

123

Beweis: Wir nehmen f (x) = f (y) an und setzen u = ||f (y) f (x)|| und ||u|| = 1. Fr alle 0 t 1 sei u

f (y)f (x) . ||f (y)f (x)||

Dann gilt u, f (y) f (x) =

h(t) = u, f (x + t(y x)) . Wegen der Kettenregel ist h : [0, 1] IR dierenzierbar mit h (t) = u, Df (x + t(y x))(y x) fr alle 0 t 1. Wegen des Mittelwertsatzes fr Funktionen einer reellen Vernderlichen u u a existiert ein t ]0, 1[ mit u, f (y) f (x) = u, f (y) u, f (x) = h (t) = u, Df (x + t(y x))(y x) = h(1) h(0)

||Df (z)(y x)||, wobei z = x + t(y x).

4.2.15 Beispiel: Bestimmung einer Abschtzung fr den maximalen Fehler mit Hilfe des a u Mittelwertsatzes: Gegeben sei die Funktion f : f (x1 , x2 , x3 ) = ln(1 + x2 + x2 + x4 ). Gemessen 1 2 3 wurden die Werte u1 = 2.0, u2 = 3.0, u3 = 1.5 ; Diese Werte sind jeweils mit einem maximalen Fehler von 0.05 behaftet. Man bestimme eine Abschtzung fr den maximalen Fehler des a u Funktionswertes. Die wahren Werte seien x = (x1 , x2 , x3 )t . Wegen des Mittelwertsatzes existiert ein z [x, u] mit ||f (x) f (u)|| ||D(f (z)(x u)|| =
3 2z1 (x1 u1 ) + 2z2 (x2 u2 ) + 4z3 (x3 u3 ) 2 2 4 1 + z1 + z2 + z3

2 2.05 0.05 + 2 3.05 0.05 + 4 1.553 0.05 1 + 1.952 + 2.952 + 1.454

0.07

Wegen f (u) = 2.95 gilt demnach 2.88 f (x) 3.02 . Ubungsaufgaben 4.2.1 Aufgabe: Gegeben sei die Funktion f : IR3 IR durch f (x) = ln ex1 sin(x2 ) (ex3 )2 . Vereinfachen Sie diesen Funktionsausdruck, bestimmen Sie die Ableitung dieser Funktion. 4.2.2 Aufgabe: Gegeben seien die Funktionen g, h : IR2 IR2 durch g(x, y) = x+y xy , h(x, y) = ln(y 2 + 1) x2 y 2 .
2 3

Weiter sei f : IR2 IR2 deniert durch f (x, y) = g h(x, y) . Bestimmen Sie die totale Ableitung von f .

124

4. Funktionen mehrerer Vernderlicher a

4.2.3 Aufgabe: Gegeben sei f durch f (x, y) = ln 1 + |3x2 + 2y 2 6| .

Bestimmen Sie alle (x, y)t IR2 , so dass f dierenzierbar ist und berechnen Sie die totale Ableitung (oder den Gradienten) von f . .

4.2.4 Aufgabe: Gegeben sei f durch f (x, y) = sin ln 1 + x2 y 2


t 2

Bestimmen Sie alle (x, y) IR , so dass f dierenzierbar ist und berechnen Sie die totale Ableitung (oder den Gradienten) von f .

4.2.5 Aufgabe: Berechnen Sie die totale Ableitung von g: sin(x1 + x2 ) 2 x2 x3 1 g(x) = .
x2 1 + x2 3

4.2.6 Aufgabe: Berechnen Sie die totale Ableitung von g: ln(1 + x2 + x6 ) 1 2 2x2 x3 g(x) = . 1 3 cos2 (x2 x3 + x1 )

4.3 Positiv und negativ denite Matrizen

125

4.3 Positiv und negativ denite Matrizen


In diesem Abschnitt behandeln wir symmetrische quadratische Matrizen, die bei der Extremwertbestimmung reellwertiger Funktionen mehrerer Vernderlicher im folgenden Abschnitt a eine wichtige Rolle spielen werden. 4.3.1 Denition: Eine n n-Matrix A heit symmetrisch, wenn At = A oder quivalent a dazu, wenn ai,k = ak,i gilt fr alle i, k = 1, . . . , n. u 4.3.2 Denition: Sei A eine symmetrische n n-Matrix u i) A heit positiv denit, wenn xt A x = x, Ax > 0 gilt fr alle 0 = x IRn . ii) A heit negativ denit, wenn xt A x = x, Ax < 0 gilt fr alle 0 = x IRn . u t iii) A heit positiv semidenit, wenn x A x = x, Ax 0 gilt fr alle x IRn . u t iv) A heit negativ semidenit, wenn x A x = x, Ax 0 gilt fr alle x IRn . u v) A heit indenit, wenn x, y IRn existieren mit xt Ax > 0 und mit y t Ay < 0, wenn also A weder positiv semidenit noch negativ semidenit ist. 4.3.3 Satz: Sei A eine symmetrische Matrix, dann gilt: i) Wenn A positiv oder negativ denit ist, dann ist A invertierbar. ii) A ist genau dann positiv denit, wenn die Matrix (A) negativ denit ist. iii) Wenn A positiv denit ist, dann gilt ai,i > 0 fr alle i = 1, . . . , n. u iv) Wenn A negativ denit ist, dann gilt ai,i < 0 fr alle i = 1, . . . , n. u v) Wenn 1 i, j n mit ai,i > 0 und aj,j < 0 existieren, dann ist A indenit. vi) Wenn 1 i, j n mit ai,i = 0 und ai,j = aj,i = 0 existieren, dann ist A indenit. vii) Wenn 1 i, j n mit ai,i aj,j a2 < 0 existieren, dann ist A indenit. i,j

Beweis: i) Es sei 0 = x IRn . Wir nehmen an, dass A positiv denit ist. Wegen xt A x > 0 gilt A x = 0 und wegen 3.4.3 ist A invertierbar. ii) Diese Aussage folgt unmittelbar aus der Denition. t iii) ei IRn sei der ite Einheitsvektor. Wegen 0 < ei A ei = ai,i ist diese Aussage klar. iv) Diese Aussage wird entsprechend gezeigt. v) Es gilt (ei )t Aei = ai,i > 0 und (ej )t Aej = aj,j < 0; damit ist diese Aussage klar. vi) Es sei s IR; wir setzen g(s) = (sei + ej )t A(sei + ej ). Dann gilt g(s) = s2 (ei )t A,i + s(ei )t A,j + s(ej )t A,i + (ej )t A,j = 2sai,j + aj,j . Die Aussage folgt jetzt aus g 2|aj,j | + 1 = 2|aj,j | + 1 + aj,j > 0 ai,j und g 2|aj,j | + 1 = 2|aj,j | 1 + aj,j < 0. ai,j

vii) Im Fall ai,i = 0 folgt die Aussage aus vi); wir nehmen also ai,i = 0 an und setzen v = (ai,j ei + ai,i ej ). Wie eben erhalten wir (ei )t Aei = ai,i = 0 und v t Av = ai,i (ai,i aj,j a2 ) = 0. i,j Diese Zahlen haben unterschiedliche Vorzeichen, also ist A indenit. 2 4.3.4 Bemerkung: A = ai,j sei eine positiv denite n n Matrix i) Es existiert ein > 0 mit x, Ax = xt Ax |x|2 fr alle x IRn . u ii) Ist B = bi,j eine symmetrische nn Matrix mit bi,j ai,j < n2 fr alle i, j = 1, . . . , n u mit > 0 gem i), so ist B positiv denit. a

126

4. Funktionen mehrerer Vernderlicher a

Zur Uberprfung, ob eine symmetrische Matrix positiv denit, negativ denit oder indenit u ist, dient die folgende Aussage, die das Problem der Uberprfung einer n n Matrix A auf u das der Uberprfung einer (n 1) (n 1) Matrix A1 zurckfhrt. u u u 4.3.5 Satz: A sei eine symmetrische n nMatrix mit a1,1 = 0. Die Matrix A1 sei die (n 1) (n 1)Matrix, die aus A durch Anwendungen der Elementaroperation (3) mit der ersten Zeile entstanden ist. a1,1 a1,2 . . . a1,n a1,1 a1,2 . . . a1,n 0 b2,2 . . . b2,n a2,1 a2,2 . . . a2,n A= . . . . . . . . . . . . . . . . . . . an,1 an,2 . . . an,n 0 bn,2 . . . bn,n Wir setzen b2,2 . . . b2,n . . . . A1 = . . . bn,2 . . . bn,n

Es gelten die folgenden Aussagen: i) A1 ist symmetrisch. ii) A ist genau dann positiv denit, wenn a1,1 > 0 gilt und A1 positiv denit ist. iii) A ist genau dann negativ denit, wenn a1,1 < 0 gilt und A1 negativ denit ist. iv) A ist genau dann positiv semidenit, wenn a1,1 > 0 gilt und A1 positiv semidenit ist. v) A ist genau dann negativ semidenit, wenn a1,1 < 0 gilt und A1 negativ semidenit ist. vi) Zu jedem y IRn1 existiert ein x = x(y) IRn mit xt Ax = y t A1 y. vii) Sind a1,1 > 0 (< 0) und A indenit, so existiert ein y IRn1 mit y t Ay < 0 (> 0). viii) Sind a1,1 > 0 (< 0) und A1 indenit oder negativ semidenit (positiv semidenit) und = 0, dann ist A indenit. Hinweis: Das aus dem vorstehenden Satz resultierende Verfahren arbeitet folgendermaen: Im ersten Schritt werden von den Zeilen 2, 3, . . . , n das jeweilig geeignete Vielfache der ersten Zeile subtrahiert, damit in der ersten Spalte alle Komponenten auer der ersten gleich 0 sind. Im zweiten Schritt werden von den Zeilen 3, 4, . . . , n das jeweilig geeignete Vielfache der zweiten Zeile subtrahiert, damit in der zweiten Spalte alle Komponenten auer der ersten beiden gleich 0 sind. Dieses Verfahren wird dann so fortgesetzt (falls mglich) bis zur (n 1)-ten Zeile. Wir haben o dann eine Dreiecksmatrix erreicht, die unterhalb der Diagonalen nur Nullen stehen hat. Ist dieses Verfahren nicht durchfhrbar, so kann die Matrix A weder positiv noch negativ denit u sein. Auf alle Flle muss man beachten, dass bei diesem Verfahren lediglich von Zeilen mit einem a hherem Index das Vielfache einer Zeile mit einem niedrigeren Index subtrahiert werden darf. o Nicht erlaubt ist beispielsweise eine derartige Operation: 2. Zeile 3 3. - Zeile. Tritt bei diesem Verfahren in der Diagonale einmal eine 0 auf, so beachte man 4.3.3: Sind alle weiteren Elemente dieser Zeile = 0, so beachte man diese Zeile nicht und fahre mit der nchsten Zeile fort; A kann in diesem Fall positiv semidenit, negativ semidenit oder indenit a sein. Existiert ein Element = 0 dieser Zeile, so ist die Matrix indenit. 4.3.6 Satz: A sei eine symmetrische 2 2 Matrix, also A = a b b c .

4.3 Positiv und negativ denite Matrizen

127

i) A ist genau dann positiv denit, wenn a > 0 und ac > b2 gilt. ii) A ist genau dann negativ denit, wenn a < 0 und ac > b2 gilt. iii) Ist a > 0 und ac = b2 , so ist A positiv semidenit. iv) Ist a < 0 und ac = b2 , so ist A negativ semidenit. v) Ist ac < b2 , so ist A indenit. Beweis: i) Die Aussage folgt unmittelbar aus dem vorstehenden Satz: A ist genau dann positiv denit, wenn a > 0 gilt und das nach der Zeilenoperation in der Diagonalen stehende Element b c b > 0 ist. Das ist aber gerade die Aussage. a ii) iv) folgen entsprechend und v) aus 4.3.3 viii) und ix). 2 4.3.7 Beispiel: Man bestimme alle a, b, c IR so dass die Matrix A positiv denit ist: a a2 b3 1 1 2b b2 1 . A= b b c 1 1 1 1 5c Alle Diagonalelemente einer positiv deniten Matrix mssen positiv sein; es folgt u a > 0, 2b > 0, c > 0, 5 c > 0. Wegen a2 = 1 und a > 0 gilt a = 1. Wegen b3 = b, b2 = b und 2b > 0 folgt b = 1. Daher gilt 1 1 A= 1 1 1 1 1 1 1 0 0 0 1 1 1 2 1 1 1 c 1 1 1 5c 1 1 1 1 0 0 0 c1 0 0 0 4c 1 2 1 1 1 1 1 1 . c 1 1 5c 1. Schritt mit 1. Zeile

Eine positiv denite Matrix ist symmetrisch: A = At , daher folgt a2 = 1, b3 = b, b2 = b.

Wir untersuchen A jetzt mit der eben hergeleiteten Methode:

Weitere Schritte entfallen, da bereits nach dem ersten Schritt die Dreiecksgestalt erreicht wurde. A ist genau dann positiv denit, wenn alle Diagonalelemente dieser Dreiecksmatrix positiv sind. Wir erhalten die Bedingungen c 1 > 0 und 4 c > 0, also c ]1, 4[ und von eben a = b = 1. 2 4.3.8 Beispiel: Man uberprfe, ob die folgenden Matrizen positiv oder negativ denit sind. u

128

4. Funktionen mehrerer Vernderlicher a

A ist nicht symmetrisch: A = At . (Es gilt a2,3 = 1 = a3,2 = 2), also kann A weder positiv noch negativ denit sein. B und C sind symmetrisch (B = B t , C = C t ) B hat Diagonalelemente unterschiedlichen Vorzeichens, also kann B weder positiv noch negativ denit sein. C wird mit der eben hergeleiteten Methode untersucht. 1 1 1 2 1 0 0 0 1 0 0 0 1 3 1 2 1 2 0 0 1 2 0 0 1 1 2 1 1 0 1 1 1 0 1 0 2 2 1 6 2 0 1 2 2 0 1 1 1. Schritt mit 1. Zeile (2. Schritt mit 2. Zeile entfllt) a 3. Schritt mit 3. Zeile

4 2 A= 1 1

2 4 2 2

1 1 4 1

1 2 , 1 3

1 1 0 1 1 2 1 1 , B= 0 1 1 2 1 1 2 1

1 1 1 2 1 3 1 2 . C= 1 1 2 1 2 2 1 6

Alle Diagonalelemente dieser Dreiecksmatrix sind negativ, daher ist C negativ denit. 2 Ein weiteres Vefahren zur Uberprfung der Denitheit einer symmetrischen Matrix ergibt sich u aus dem folgenden Satz: 4.3.9 Satz: A sei eine symmetrische n n Matrix. Fr alle 1 i n sei u a1,1 . . . a1,i . . A(i) = . . . . . . . . ai,1 . . . ai,i

i) A ist genau dann positiv denit, wenn det A(i) > 0 gilt fr alle i = 1, . . . , n. u u ii) A ist genau dann negativ denit, wenn (1)i det A(i) > 0 gilt fr alle i = 1, . . . , n. Beweis: Diese Aussage folgt unmittelbar aus 4.3.5 und 3.5.4 . Ubungsaufgaben 2

4.3.1 Aufgabe: 4 2 2 4 A= 1 2 1 2

Man uberprfe ob die folgenden Matrizen positiv oder negativ denit sind: u 1 1 1 2 1 1 0 1 1 1 1 2 1 1 1 2 . , C = 1 3 , B = 1 2 1 0 1 2 1 1 1 2 4 1 2 2 1 6 1 1 2 1 1 3

4.3 Positiv und negativ denite Matrizen

129

4.3.3 Aufgabe: Bestimmen Sie alle x, y, z IR, so dass die Matrix A positiv denit ist: 1 1 1 1 1 3 1 1 . A= 1 1 x x2 1 1 z1 y 4.3.4 Aufgabe: Gegeben seien a b c d |a| |b| |c| |d|

4.3.2 Aufgabe: Bestimmen Sie alle x IR, so dass die Matrix A positiv denit ist: 3 x 1 2 x2 1 2x3 0 0 . A= 3 2 2 0 9x 1 0 2 27x3 20

A=

, B=

Zeigen Sie: Ist A positiv oder negativ denit, so ist B positiv denit. 4.3.5 Aufgabe: Man bestimme alle x, y z Z so dass die Matrix A positiv oder negativ Z, denit ist. y2 y x z 1 2x2 + 1 1 2 . A= 2 x 1 4 z+2 2 z2 2 z3 + 8 9 ob die folgenden Matrizen positiv oder negativ denit sind: 1 1 1 1 0 1 0 0 1 1 . , B = 1 2 1 0 3 2 4 3 1 0 2 4 3 5

4.3.6 Aufgabe: Uberprfen Sie, u 1 1 1 2 A= 0 1 1 1

130

4. Funktionen mehrerer Vernderlicher a

4.4 Lokale Extrema und zweifache Dierentiation


In diesem Abschnitt beschftigen wir uns mit der Beschreibung und dem Nachweis lokaler a Extrema von Funktionen mehrerer reeller Vernderlicher. Die Situation ist hnlich wie bei der a a Situation einer reellen Vernderlichen; allerdings bentigen wir fr das hinreichende Kriterium a o u u an Stelle von f (x) > 0 eine neue Begrisbildung und mssen den Begri der zweifachen Dierenzierbarkeit einfhren. u 4.4.1 Denition: = X IRn sei oen, und f : X IR sei eine Funktion. i) f besitzt in z X ein lokales Maximum, wenn ein 0 < r IR existiert mit f (z) f (x) fr alle x X mit ||x z|| < r. u ii) f besitzt in z X ein lokales Minimum, wenn ein 0 < r IR existiert mit f (z) f (x) fr alle x X mit ||x z|| < r. u iii) f besitzt in z X ein lokales Extremum, wenn f in z ein lokales Maximum oder ein lokales Minimum besitzt. 4.4.2 Satz: = X IRn sei oen, und f : X IR sei dierenzierbar. Besitzt f in z X ein lokales Extremum, so gilt gradf (z) = Df (z) = D1 f (z), . . . , Dn f (z) = 0. Beweis: Diese Aussage ist eine unmittelbare Konsequenz der entsprechenden Aussage fr u Funktionen einer reellen Vernderlichen. Wir nehmen dazu an, dass f in z X ein lokaa les Maximum besitzt; der Fall eines lokalen Minimums kann entsprechend behandelt werden. Es sei 0 < r IR mit x X und mit f (z) f (x) fr alle x IRn mit |x z| r. u Es sei jetzt i {1, . . . , n} xiert. Fr alle t [r, r] IR gilt dann z + t ei X und u g(t) = f (z + t ei ) f (z) = g(0). Weiter ist die Funktion g : ] r, r [ IR dierenzierbar mit g (0) = Di f (z) und besitzt in t = 0 ein lokales Maximum. Es folgt g (0) = 0 und damit Df (z) = D1 f (z), . . . , Dn f (z) = 0, was zu beweisen war. 2 4.4.3 Beispiel: Gegeben sei f : IR2 IR durch f (x, y) = e(x ein lokales Maximum.
2 +y 2 )

. f hat in dem Punkt (0, 0)

Abbildung 4.6: Der Graph von z = ex

2 y 2

uber dem Quadrat [2, 2] [2, 2].

Die vorstehende Aussage 5.4.2 wird wie in der Situation einer reellen Vernderlichen angea wandt: f : X IR sei eine dierenzierbare Funktion. Zur Bestimmung mglicher lokaler o

4.4 Lokale Extrema und zweifache Dierentiation

131

Extrema bilden wir die Ableitung Df (z) = gradf (z) = D1 f (z), . . . , Dn f (z) und lsen das o Gleichungssystem Df (z) = 0. Dieses Gleichungssystem besteht aus n Gleichungen in n Variablen; in der Praxis ist es allerdings oft nur schwer oder gar nicht elementar, sondern nur numerisch ausbar. Die Lsungmenge dieses Gleichungssystems umfasst dann alle mglichen o o o lokalen Extrema der Funktion f . Allerdings sind nicht alle Lsungen dieses Gleichungssystems o auch lokale Extrema. Man vergleiche dazu auch das folgende Beispiel: 4.4.4 Beispiel: Funktion mit einem Sattelpunkt: Gegeben sei f : IR2 IR durch f (x, y) = x2 y 2 .

Abbildung 4.7: Der Sattelpunkt (0, 0, 0) von z = x2 y 2. Das Gleichungssystem D f (x, y) = grad f (x, y) = (2x, 2y) = (0, 0) hat nur die Lsung o (x, y) = (0, 0). In der x Richtung (y = 0 fest) hat die Funktion in 0 ein lokales Minimum, und in der y Richtung (x = 0 fest) hat die Funktion ein lokales Maximum. Es liegt also kein lokales Extremum in (0, 0) vor. Ein derartiger Punkt heit auch ein Sattelpunkt der Funktion f . 4.4.5 Beispiel: Notwendige Bedingungen fr das Vorliegen lokaler Extrema. Gegeben sei f : u IR3 IR durch f (x1 , x2 , x3 ) = x2 x2 x2 x3 + x2 x1 3 1 2 fr alle x = (x1 , x2 , x3 ) IR3 . f ist dierenzierbar mit der Ableitung u Df (x) = 2x1 + x2 , x3 + 2x1 x2 , 2x3 x2 . 2

Das Gleichungssystem D(f z) = 0 hat also die folgende Form 2x1 + x2 = 0 2 2x1 x2 x3 = 0 2x3 x2 = 0. Durch Umformungen erhalten wir x2 = 2x3 und damit x1 = 2x2 und 3 2x1 x2 x3 = 8x3 x3 = 0. 3

132

4. Funktionen mehrerer Vernderlicher a

Es folgt x3 = 0 oder x3 =

1/8, x3 = 1/8. Wir erhalten also die Lsungen o 1/4 z 2 = 1/2 , 1/8 1/4 z 3 = 1/2 . 1/8

0 z1 = 0 , 0

4.4.6 Denition: = X IRn sei oen, und f : X IR sei total dierenzierbar. Fr alle u i, j {1, . . . , n} seien die partiellen Ableitungen Dj f : X IR nach der i-ten Koordinate partiell dierenzierbar. Dann heit f zweimal partiell dierenzierbar mit der zweifachen partiellen Ableitung Di,j f (z) = Di Dj f (z). Sind alle zweifachen partiellen Ableitungen Di,j stetig, so heit f zweimal stetig partiell dierenzierbar. Ist f : X IR zweimal partiell dierenzierbar in z X, so bilden wir die Hessematrix Hf (z): D1,1 f (z) D1,2 (z) . . . D1,n f (z) D f (z) D (z) . . . D f (z) 2,2 2,n 2,1 . Hf (z) = . . . .. . . . . . . . Dn,1 f (z) Dn,2 (z) . . . Dn,n f (z) Ohne den recht aufwendigen Beweis durchzufhren, notieren wir noch die folgende Aussage: u 4.4.7 Satz: Es sei = X IRn oen, und f : X IR sei stetig partiell dierenzierbar. Sind 1 i, j n, existiert Di,j f (z) fr alle z X und ist die Funktion Di,j : X IR stetig, so u existiert auch Dj,if (z) mit Dj,if (z) = Di,j f (z) fr alle z X. u Ist speziell f zweimal stetig partiell dierenzierbar, so ist die Hessematrix Hf (z) symmetrisch. Demnach kommt es in diesem Fall nicht auf die Reihenfolge der Dierentiation an. Allgemein ist diese Aussage allerdings nicht richtig. 4.4.8 Bemerkung: = X IRn sei oen, f : X IRn sei zweimal stetig partiell differenzierbar. Es sei z X und r > 0 mit K(z, r) X. Fr u K(0, r) denieren wir u g : [1, 1] IR durch g(s) = f (z + su). Dann gilt g (s) = ut Hf (z + su)u. Beweis: Wir setzen h(s) = z + s u. Die Funktion h ist dierenzierbar mit h (s) = D h(s) = u. Aus der Kettenregel folgt daher g (s) = D f (z + su) D h(s) = D f (z + su)u = u1 D1 f (z + su) + . . . + un Dn f (z + su). Nochmalige Dierentiation liefert: g (s) = u1 D D1 f (z + su) u + . . . + un D Dn f (z + su) u = ut Hf (z + su)u. 2

4.4 Lokale Extrema und zweifache Dierentiation

133

4.4.9 Satz: = X IRn sei oen, f : X IR sei auf X zweimal stetig partiell dierenzierbar, und es sei z X. i) Es gelte Df (z) = 0, und Hf (z) sei positiv denit. Dann besitzt f in z ein lokales Minimum. ii) Es gelte Df (z) = 0, und Hf (z) sei negativ denit. Dann besitzt f in z ein lokales Maximum. iii) Besitzt f in z ein lokales Minimum, so gilt Df (z) = 0, und Hf (z) ist positiv semidenit. iv) Besitzt f in z ein lokales Maximum, so gilt Df (z) = 0, und Hf (z) ist negativ semidenit. v) Es gelte Df (z) = 0, und Hf (z) sei indenit. Dann besitzt f in z einen Sattelpunkt. Beweis: i) Wegen 4.4.7 ist Hf (x) symmetrisch fr alle x X. Wegen 4.3.4 existiert ein > 0, u so dass Hf (x) positiv denit ist fr alle x X mit |x z| < . Es sei 0 = u K(0, ). Wir u setzen g(s) = f (z + su) fr alle s [1, 1]. Wegen 4.4.8 ist g zweimal dierenzierbar mit u g (s) = ut Hf (z + su)u. Da Hf (z + su) positiv denit ist, folgt g (s) > 0 fr alle s [1, 1]. u Wegen 2.4.5 ist g monoton wachsend, und wegen g (0) = 0 folgt aus 2.4.6, dass g in 0 ein Minimum besitzt. Speziell folgt also f (z) = g(0) g(1) = f (z + u), was zu beweisen war. ii) folgt entsprechend. iii) Wegen 4.4.2 gilt Df (z) = 0. Es sei > 0 mit f (z) f (z+u) fr alle u K(0, ). Wir setzen u wie in i) g(s) = f (z + su). g hat in 0 ein lokales Minimum; daher gilt g (0) = ut Hf (z)u 0. Damit ist die Aussage gezeigt worden. iv) folgt entsprechend. v) folgt unmittelbar, da auf Grund der Denition 0 = x, y IRn existieren mit xt Hf (z)x > 0 und mit y t Hf (z)y < 0. 2 Hinweis: Man beachte die Aussagen 4.3.3 und 4.4.4 zur Uberprfung, ob Hf (z) indenit ist. u 4.4.10 Beispiel: Gegeben sei f : IR2 IR durch f (x, y) = xy e 2 (x lokalen Extrema von f. Es gilt D f (x, y) = grad f (x, y) = e 2 (x Hf (x, y) = e
1 (x2 +y 2 ) 2
1 2 +y 2 ) 1 2 +y 2 )

. Man bestimme alle

y x2 y, x xy 2 1 x2 y 2 + x2 y 2 3xy + xy 3 .

3xy + x3 y 1 x2 y 2 + x2 y 2

u Wir bestimmen die Nullstelle von Df : Wegen et > 0 fr alle t IR ist Df (x, y) = 0 genau dann, wenn das folgende Gleichungssystem erfllt ist. u y x2 y = 0

x xy 2 = 0. 2. Lsung: x = 0, y = 0. Es folgt 1 x2 = 0 und 1 y 2 = 0. o Wir erhalten also die mglichen Lsungen o o 0 0 , 1 1 , 1 1 1 1 1 1 1. Lsung: x = 0 y = 0. o

In jeder Umgebung von 0 kommen sowohl positive als auch negative Werte vor; damit ist hier kein lokales Extremum. 2 0 Es gilt Hf (1, 1) = Hf (1, 1) = e1 , diese Matrix ist negativ denit. 0 2

134

4. Funktionen mehrerer Vernderlicher a

Es gilt Hf (1, 1) = Hf (1, 1) = e1

2 0 0 2

, diese Matrix ist positiv denit.

f hat also in (1, 1)t und (1, 1)t ein lokales Maximum und in (1, 1)t und (1, 1)t ein lokales Minimum. 2 Ubungsaufgaben 4.4.1 Aufgabe: Bestimmen Sie alle Lsungen des Gleichungssystems o Df (x, y) = 0 fr die Funktion f : IR2 IR deniert durch f (x, y) = 2x2 5xxy +3y +y 2 +5. u 4.4.2 Aufgabe: f : IR3 IR sei deniert durch f (x, y, z) = z 2 y 2 xy + x2 y. Bestimmen Sie alle Lsungen des Gleichungssystems Df (x, y, z) = 0. o 4.4.3 Aufgabe: Man bestimme die totale Ableitung Df (x) und die Hessematrix Hf (x) der Funktion f (x1 , x2 , x3 ) = x2 x2 + x1 x4 + ex1 x2 . 1 3 4.4.4 Aufgabe: Man bestimme die totale Ableitung Df (x) und die Hessematrix Hf (x) der Funktion f (x1 , x2 , x3 ) = x1 sin x3 + ln(1 + x2 ). 2 4.4.5 Aufgabe: Bestimmen Sie alle lokalen Maxima und Minima der Funktion f (x, y) = e|1x
2 y 2 |

4.4.6 Aufgabe: Bestimmen Sie alle lokalen Maxima und Minima der Funktionen f (x, y) = xy ex
2 y 2

g(x, y) = x2 + y 2 ln(2x2 y 2 + 1).

4.4.7 Aufgabe: Gegeben sei f : IR2 IR durch 3 x y xy 3 falls (x, y) = (0, 0) x2 + y 2 . f (x, y) = 0 falls (x, y) = (0, 0) i) Zeigen Sie, dass f in (0, 0) kein lokales Extremum besitzt. ii) Berechnen Sie alle lokalen Extrema von f . 4.4.8 Aufgabe: Bestimmen Sie alle lokalen Maxima und Minima der Funktion f (x, y, z) = xyze(x+y+z) . 4.4.9 Aufgabe: Bestimmen Sie alle Lsungen der Gleichung Df (x, y) = 0 und uberprfen o u Sie, ob diese Lsungen lokale Maxima, lokale Minima oder Sattelpunkte sind fr die Funktion o u f mit f (x, y) = 3x2 12xy + y 3 + 3y 2. 4.4.10 Aufgabe: Bestimmen Sie alle mglichen lokalen Extrema der Funktion f mit o f (x, y) = x4 + y 4 2x2 y 2 2x2 2y 2 + 6. Untersuchen Sie, ob lokale Maxima, Minima oder Sattelpunkte vorliegen.

4.4 Lokale Extrema und zweifache Dierentiation

135

4.4.11 Aufgabe: Bestimmen Sie alle lokale Maxima oder lokale Minima der Funktion f : f (x, y) = 3x2 + 3y 2 + 4x + 11y xy + 7. 4.4.12 Aufgabe: = X IRn sei eine oene Menge, und f : X IR sei eine zweimal stetig partiell dierenzierbare Funktion, so dass die Hessematrix Hf (x) negativ denit ist. Begrnden Sie, dass f in keinem Punkt x X ein lokales Minimum besitzt. u 4.4.13 Aufgabe: X IRn sei oen, f : X IR sei stetig mit |f (x)| und besitze in x0 X ein lokales Extremum. Es sei g : X IR deniert durch g(x) = sin(f (x)). Zeigen Sie, dass g in x0 ein lokales Extremum besitzt.

136

4. Funktionen mehrerer Vernderlicher a

4.5 Extrema mit Nebenbedingungen


In diesem Abschnitt behandeln wir die Extremwertbestimmung reellwertiger Funktionen, die auf Teilmengen des IRn ( oft = IRn ) deniert sind, und die gewisse Nebenbedingungen erfllen. u Diese Nebenbedingungen liegen in Form von Gleichungen vor: 1 (x) = 0, . . . , q (x) = 0 mit q < n. Die Extremwertbestimmung soll also auf der Lsungsmenge dieses Gleichungssystems durcho gefhrt werden. Die Schwierigkeit besteht jetzt darin, dass diese Lsungsmenge sich nur u o in wenigen Fllen konkret beschreiben lsst. Die in diesem Abschnitt dargestellte Methode a a ermglicht eine Lsung der Problemstellung, ohne die Lsungsmenge des obigen Gleichungso o o systems zu bestimmen. In dem nachfolgenden Beispiel sind eine Funktion mit der durch eine Nebenbedingung denierten Niveaulinien angegeben. 4.5.1 Beispiel: Es sei f (x, y) = sin(xy) + 1, die Nebenbedingung sei gegeben durch (x, y) = x2 (y 2 1)2 = 0.

Abbildung 4.8: f (x, y) = sin(x, y) hat unter der Nebenbedingung x2 + y 2 = 1 ein lokales 1 1 Maximum in ( 2 , 2 ). Schaubild von f im Bereich 2 x, y 2, Niveaulinien von (x, y) = x2 + y 2 1 = 0 im Bereich 2 x, y 2. Wir diskutieren jetzt ein Beispiel, bei dem eine konkrete Ausung der Nebenbedingung o mglich ist. o 4.5.2 Beispiel: Unter allen Quadern mit den Kantenlngen a, b, c soll der Quader mit kleina ster Oberche bei vorgegebenem Volumen V0 bestimmt werden. Fr die Oberfchenfunktion a u a f erhalten wir f (a, b, c) = 2ab + 2ac + 2bc. Die Nebenbedingung lautet dann (a, b, c) = abc V0 = 0. Wir knnen hier oenbar o V a, b, c > 0 voraussetzen. Durch Ausen der Nebenbedingung erhalten wir c = 0 . Wir setzen o g(a, b) = f a, b,
V0 ab

= 2ab +

2V0 a

2V0 . b

ab

g ist eine zweimal stetig partiell dierenzierbare

4.5 Extrema mit Nebenbedingungen

137

Funktion auf X =

(a, b)t IR2 a, b > 0 . Wir erhalten


2V0 , a2

Dg(a, b) = 2b

2a

2V0 b2

und

Das Gleichungssystem Dg(a, b) = 0 liefert b2 a V0 = 0. a2 b V0 = 0

Hg (a, b) =

4V0 a3

2
4V0 b3

4 2 ; diese Matrix 2 4 ist positiv denit. Daher hat g in (a0 , b0 ) ein lokales Minimum. Wegen g(a, b) 0 bei a 0, oder a , oder b 0, oder b ist in (a0 , b0 ) ein absolutes Minimum von g. Daher hat f in (a0 , b0 , c0 )t ein absolutes Minimum mit a0 = b0 = c0 = 3 V0 . Der Wrfel hat unter allen Quadern bei gegebenem Volumen die kleinste Oberche. u a 2 Wir erhalten die Lsung a0 = b0 = o V0 . Es gilt weiter Hg (a0 , b0 ) = 4.5.3 Denition: Es sei = X IRn oen, = (1 , . . . , q )t : X IRq sei stetig partiell (und damit total) dierenzierbar, und es gelte q < n. Wir sagen, dass in z X die lokale Ausbarkeitsbedingung erfllt, wenn die Bedingungen rg(D(z)) = q und (z) = 0 o u erfllt sind. u Man beachte, dass die Matrix D(z) eine q n Matrix ist. Wegen D1 (z) . . D(z) = . Dq (z)

gilt rg(D(z)) = q genau dann, wenn die Zeilenvektoren D1 (z) + . . . + Dq (z) linear unabhngig sind; wenn also das Gleichungssystem in 1 , . . . , q a 1 D1 (z) + . . . + q Dq (z) = 0 nur die Lsung 1 = . . . = q = 0 besitzt. Demnach gilt der folgende Satz. o

4.5.4 Satz: Es sei = X IRn oen, = (1 , . . . , q )t : X IRq sei stetig partiell dierenzierbar, und es gelte q < n. Dann erfllt die lokale Ausbarkeitsbedingung, wenn u o das Gleichungssystem in 1 , . . . , q : 1 , . . . , q D(z) = 0 (z) = 0 nur die Lsung 1 = . . . = q = 0 besitzt. o 4.5.5 Beispiel: Man zeige, dass (x, y, z) = bedingung erfllt. Es gilt u D(x, y, z) = x2 + ey z + 2 x3 + ey 6 2x 2yey ey 3x2
2 2

die lokale Ausbarkeitso

1 0

138

4. Funktionen mehrerer Vernderlicher a

Wir betrachten das Gleichungssystem (1 , 2 )D(x, y, z) = 0, (x, y, z) = 0 : 1 2x + 2 3x2 2 1 2yet + 2 ey 1 + 2 0 2 2 x + ey z + 2 x3 + ey 6 = = = = = 0 0 0 0 0

Aus der dritten Gleichung folgt 1 = 0. Wegen ey > 0 fr alle y IR folgt dann aus der u zweiten Gleichung 2 = 0. 2 4.5.6 Beispiel: Man zeige, dass (x) = dingung erfllt. Es gilt u D(x) = Wir betrachten das Gleichungssystem 1 0 + 2 ex1 = 0 1 2x2 + 2 2x2 = 0 1 2x3 + 2 x4 = 0 1 2x4 + 2 x3 = 0 ex1 + x2 + x3 x4 1 = 0 2 u Aus der ersten Gleichung folgt 2 ex1 = 0, also 2 = 0 wegen et > 0 fr alle t IR. Damit erhalten wir aus den folgenden drei Gleichungen: 1 2x2 = 0, 1 2x3 = 0, 1 2x4 = 0. u Im Fall 1 = 0 gilt dann x2 = x3 = x4 = 0, das widerspricht aber der fnften Gleichung 2 2 2 1 (x) = x2 + x3 + x4 1 = 0. Dieser Fall ist also nicht mglich, es folgt 1 = 0. o 2 Ohne auf den recht umstndlichen und schwierigen Beweis einzugehen, notieren wir noch die a folgende Aussage, welche auch die Bezeichnung der lokalen Ausbarkeit rechtfertigt. o 4.5.7 Satz: = X IRn sei eine oene Menge, und die Funktion = 1 , . . . , q : X IRq sei stetig total dierenzierbar. In z = (z1 , . . . , zn )t X erflle die lokale Ausbarku o keitsbedingung; ohne Beschrnkung der Allgemeinheit knnen wir annehmen, dass die letzten a o Spaltenvektoren von der Matrix D(z) linear unabhngig sind. Wir setzen m = n q und a y = (z1 . . . , zm )t IRm . Dann existieren ein > 0 und eine stetig total dierenzierbare Funktion g : K(y, ) IRq mit ut , g(u)t X, mit z = y t , g(y)t und mit ut , g(u)t = 0 fr alle u K(y, ). Diese Funktion g lst also das Gleichungssystem (x) = 0 um z X u o lokal auf.
t t t

x2 + x2 + x2 1 2 3 4 ex1 + x2 + x3 x4 1 2 0 2x2 2x3 2x4 e


x1

die lokale Ausbarkeitsbeo

2x2

x4

x3

x2 + x2 + x2 1 = 0 2 3 4

4.5 Extrema mit Nebenbedingungen

139

4.5.8 Denition: = X IRn sei eine oene Menge, und f : X IR und : X IRq seien Funktionen. Weiter sei z X mit (z) = 0. i) f besitzt ein lokales Maximum unter den Nebenbedingungen (x) = 0, wenn ein > 0 existiert mit f (x) f (z) fr alle x X mit ||x z|| < und mit (x) = 0. u ii) f besitzt ein lokales Minimum unter den Nebenbedingungen (x) = 0, wenn ein > 0 existiert mit f (x) f (z) fr alle x X mit ||x z|| < und mit (x) = 0. u iii) f besitzt ein lokales Extremum unter den Nebenbedingungen (x) = 0, wenn f in z ein lokales Maximum oder ein lokales Minimum unter den Nebenbedingungen (x) = 0 besitzt. 4.5.9 Satz: = X IRn sei eine oene Menge, und f : X IR und : X IRq seien Funktionen. Weiter sei z X mit (z) = 0. Es gelte ferner: i) f besitzt in z ein lokales Extremum unter den Nebenbedingungen (x) = 0. ii) erflle die lokale Ausbarkeitsbedingung. u o Dann existieren 1 , . . . , q IR die Lagrange-Multiplikatoren, so dass die folgenden Lagrange-Bedingungen oder Lagrange-Gleichungen erfllt sind: u D1 f (z) + 1 D1 1 (z) + . . . + q D1 q (z) = 0 . . . Dn f (z) + 1 Dn 1 (z) + . . . + q Dn q (z) = 0 1 (z) = 0 . . . q (z) = 0 Fr alle = 1 , . . . , q IRq und alle x X bilden wir die Lagrange-Funktion u L(x, ) = f (x) + 1 1 (x) + . . . + q q (x). Anmerkung: Der obige Satz gibt die notwendigen Bedingungen fr das Vorliegen lokaler Exu trema unter den Nebenbedingungen (x) = 0 an. Hinweis: Erfllt nicht die lokale Ausbarkeitsbedingung, so ist die obige Aussage nicht u o notwendigerweise richtig: Ist die lokale Ausbarkeit in z X nicht gegeben, so kann in z ein o lokales Extremum unter den Nebenbedingungen (x) = 0 vorliegen, ohne dass die LagrangeGleichungen erfllt sind. u 4.5.10 Beispiel: Man bestimme alle x IR4 , in denen die notwendigen Bedingungen fr das u u Vorliegen lokaler Extrema von f unter den Nebenbedingungen 1 (x) = 2 (x) = 0 erfllt sind mit f (x) = (x1 x2 )2 + (x3 x4 )2
t

2 (x) = x2 + x4 + 4. Testen der lokalen Ausbarkeit: Es seien 1 , 2 IR, x IR4 mit o (1 , 2 )D(x) = (1 , 2 ) 0 2x3 0 2x1 0 1 0 1 =0

1 (x) = x2 + x2 2 1 3

140

4. Funktionen mehrerer Vernderlicher a

und mit 1 (x) = 0, 2 (x) = 0. Wir erhalten das folgende Gleichungssystem:

21 x1 12 21 x3 2 2 2 x1 + x3 2 x2 + x4 + 4

= = = = = =

0 0 0 0 0 0.

Aus der zweiten Gleichung folgt 2 = 0. Im Fall 1 = 0 folgt aus der ersten und aus der dritten Gleichung x1 = x3 = 0, das widerspricht aber der fnften Gleichung 1 (x) = 0. Der u Fall 1 = 0 ist also nicht mglich; daher gilt 1 = 2 = 0, was zu zeigen war. o Aufstellen der Lagrange-Gleichungen:

1) 2) 3) 4) 5) 6)

2(x1 x2 ) + 1 x1 2(x2 x1 ) 2 2(x3 x4 ) + 21 x3 2(x4 x3 ) + 2 x2 + x2 2 1 3 x2 + x4 + 4

= = = = = =

0 0 0 0 0 0

Ausen der Lagrange-Gleichungen: Die Addition der Gleichungen 1), 2), 3) und 4) liefert o 21 (x1 + x3 ) = 0. Fallunterscheidungen: Fall 1 = 0 : Aus den Gleichungen 1) und 3) folgt x1 = x2 und x3 = x4 . Einsetzen in die Gleichung 6) liefert x1 = x2 = x3 + 4. Es folgt

x2 + x2 2 = x2 + 8x3 + 16 + x2 2 1 3 3 3 = 2(x2 + 4x3 + 7) 3 = 2 (x3 + 2)2 + 3 6. ein Widerspruch zur Gleichung 5). Dieser Fall kann also nicht eintreten. Folglich gilt: Fall 1 = 0 : Es folgt x3 = x1 . Einsetzen in die Gleichung 5) liefert x2 + x2 2 = 0, also x2 = 1 und damit x1 = 1 oder x1 = 1. 1 1 1

4.5 Extrema mit Nebenbedingungen

141

Fall

x1 = 1 x3 = 1 = = = = = 0 0 0 0 0

Fall

x1 = 1 x3 = 1 x2 1 1 2x2 2 + 2 x4 + 1 + 1 2x4 + 2 2 x2 + x4 + 4 (x2 + x4 ) 2x2 + 4 x4 x2 = = = = = 0 0 0 0 0

1) x2 + 1 + 1 2) 2x2 2 2 3) x4 1 1 4) 2x4 + 2 + 2 6) x2 + x4 + 4 1) + 3) 6) (x2 + x4 ) 2x4 + 4 x4 x2

= 0 = 0 = 2 = 2 1 2

= 0 = 0 = 2 = 2

1) 4)

1 = 2 =

1 = 3 2 = 6 1, 2, 1, 2, 3, 6 . 2

Fr x, erhalten wir die zwei Lsungen 1, 2, 1, 2, 1, 2 und u o

4.5.11 Satz: = X IRn sei oen, und die Funktionen f : X IR, 1 : x IR, . . . , q : X IR seien zweimal stetig partiell dierenzierbar. In z X seien die Lagrangebedingungen mit den Werten = (1 , . . . , q ) erfllt. u Wir setzen (x) = f (x) + (x) und betrachten H (x) die Hessematrix zu der Funktion . i) Ist H (z) positiv denit, so besitzt unter den Nebenbedingungen t (x) = 1 (x), . . . , q (x) = 0 ein lokales Minimum. ii) Ist H (z) negativ denit, so besitzt unter den Nebenbedingungen t (x) = 1 (x), . . . , q (x) = 0 ein lokales Maximum. Beweis: Wir zeigen die Aussage i): Es gilt D(z) = 0, da die Lagrange-Bedingungen erfllt u sind. Da H (z) positiv denit ist, besitzt die Funktion in z ein lokales Minimum. Es existiert also ein > 0 mit K(z, ) X und mit (z) (x) fr alle x K(z, ). Erfllt x K(z, ) u u die Nebenbedingungen 1 (x) = . . . = q (x) = 0, so folgt f (z) = (z) (x) = f (x). Damit ist gezeigt worden, dass f in z ein lokales Minimum unter den Nebenbedingungen 2 1 (x) = . . . = q (x) = 0 besitzt.

4.5.12 Beispiel: Hinreichende Bedingungen fr das Vorliegen lokaler Extrema unter den Neu benbedingungen 1 (x) = . . . = q (x) = 0. Wir uberprfen die Ergebnisse des Beispiels 4.5.10: u

142

4. Funktionen mehrerer Vernderlicher a

Fall z 1 = (1, 2, 1, 2)t, = (1, 2): Es folgt D(x) = 4x1 2x2 , 2x2 2x1 2, 4x3 2x4 , 2x4 2x3 + 2 4 2 0 0 2 2 0 0 . H (x) = 0 0 4 2 0 0 2 2 (x) = (x1 x2 )2 + (x3 x4 )2 + x2 + x2 2 2x2 + 2x4 + 8 1 3

Mit den Methoden von 4.3.5 folgt leicht, dass H (z) positiv denit ist. Folglich besitzt f in z 1 = (1, 2, 1, 2) ein lokales Minimum unter den Nebenbedingungen 1 (x) = 2 (x) = 0. Fall z 2 = (1, 2, 1, 2)t, = (3, 6).: Es folgt D(x) = (x) = (x1 x2 )2 + (x3 x4 )2 3x2 3x2 + 6 6x2 + 6x4 + 24 1 3

Da H (z) weder positiv noch negativ denit ist, kann eine Aussage nicht gemacht werden. 4.5.13 Beispiel: Man bestimme alle Lsungen des Gleichungssystems: o 1) 5x1 5x2 2 2) x1 + 3x2 3) x2 + x2 1 4) 4x1 5) 5x2 2 1) + 5) 5x1 1) 2) 3) 4) 5) 2) 4) 1) 2) 3) 4) 5) + + + 4x2 3 4x3 1 x1 2 x3 x3 1 2 4x3 5 3x2 + x2 5x2 2 3x2 + 4x3 x3 4x2 3 3x3 = = = = = 0 0 0 0 0 0

4x1 2x2 , 2x2 2x1 6, 4x3 2x4 , 2x4 2x3 + 6 4 2 0 0 2 2 0 0 . H (x) = 0 0 4 2 0 0 2 2

5 = x1 1 2 x3 1 5

= 1 = 1 = 1 = 4 = 0 = 3

x2 +

x2 3

x3 x3 x3 10x3

x1 = 1 = 1 + 2 x3 = 2 1 = 4 = 0

4.5 Extrema mit Nebenbedingungen

143

Aus der Gleichung 5) folgt x3 = 0 oder x3 = 10. Aus Gleichung 3) folgt, dass der Fall x3 = 0 nicht eintreten kann. Wir knnen die folgende Lsung ablesen: o o x1 = 1, x2 = 9, x3 = 10, 1 = 14, 2 = 0.8 . Ubungsaufgaben 4.5.1 Aufgabe: Gegeben seien f (x) = ln x2 + 1 + x4 und 3 2 1 (x) = e(x1 +x2 +x3 +x4 ) 1 2 (x) =
2 2 2

x2 + 2x2 x2 1 1 2 3

Fr das Problem der lokalen Extremwertbestimmung von f unter den Nebenbedingungen u u 1 (x) = 2 (x) = 0 stelle man die Lagrange-Gleichungen auf und uberprfe die lokale Ausbarkeit. o 4.5.2 Aufgabe: Gegeben seien f (x) = x1 e(x1 x3 ) + x4 und 1 (x) = x2 + 2x2 x3 + x2 2, 1 2 4 2 (x) = x2 ex1 + ln(1 + x2 ). 4 Man stelle die Lagrange-Gleichungen auf fr das Problem der lokalen Extremwertbestimmung u unter den Nebenbedingungen 1 (x) = 2 (x) = 0. Uberprfen Sie die lokale Ausbarkeit. u o 4.5.3 Aufgabe: Bestimmen Sie die Stellen, an denen die notwendigen Lagrangebedingungen erfllt sind fr die Funktionen f, 1 , 2 : IR4 IR deniert durch u u 1 (x) = (x1 + 6)2 + (x2 + 9)2 1 und 2 (x) = x3 4.5.4 Aufgabe: Bestimmen Sie alle Lsungen des Gleichungssystems o 2x1 +x6 3x8 3 3 6 7 x1 x3 +x3 x2 x4 +x3 3 (x1 + 1)x6 +x7 3 3 4 x1 x3 2x3 +1 1 +21 2 = 1 2 = 0 = 0 2 = 1 = 0 = = = = = 0 0 0 0 0 f (x) = (4x1 3x3 )2 + (16x2 x4 )2

4.5.5 Aufgabe: Man bestimme alle Lsungen des Gleichungssystems o 1 x4 + 2x2 2x2 1 1 2 3 2 2 2 4 x1 + x2 x3 x3 1 + 2 x1 + 1 x4 + 21 x2 + x3 3 1 2 4 2 21 x1 + 4x2 2x2 4 3 2 2 2 x1 x3 + x2 + 2 2

4.5.6 Aufgabe: Gegeben seien

1 (x) = x2 + x2 x3 1 1 2 2 (x) = x2 x2 + x2 1 1 3 Bestimmen Sie alle Punkte x = (x1 , x2 , x3 ) mit 1 (x) = 2 (x) = 0, in denen die lokale Ausbarkeitsbedingung nicht erfllt ist. o u