Sie sind auf Seite 1von 26

Funktionen mehrerer

Vernderlicher


Stand: 22.05.2008

Autor: Florian Modler



















Inhalt:
Graphische Darstellung
Stetigkeit untersuchen
Partielle Ableitungen
Gradient
Jakobi-Matrix
Totale Differenzierbarkeit
Kettenregel
Wichtige Stze

0 Vorwort

Funktionen einer Vernderlichen kennt man bereits aus der Schule. Es sind Abbildungen der
Form : f . In der Differentialgeometrie betrachtet man dagegen Kurven, das sind
Abbildungen der Form :
n
f I , wobei I ein Intervall ist. Im Folgenden wollen wir
zunchst Funktionen mehrerer Vernderlicher kennenlernen. Zunchst beschrnken wir uns
auf Abbildungen der Form :
n
f . Natrlich ist es auch mglich, Abbildungen der Form
:
n m
f zu untersuchen, was wir ebenfalls machen werden. Damit htten wir alle
mglichen Flle abgehandelt. Wir werden uns auch auf uns vertraute Banachrume, wie
den
n
, beschrnken. Ganz allgemeine Banachrume werden wir zunchst in diesem
Artikel nicht untersuchen, da dies den Rahmen sprengen wrde.

Vor allem Beispiele, die wir ausfhrlich durchrechnen, sollen im Vordergrund stehen.























1 Graphische Darstellung

Eine reellwertige Funktion von mehreren Vernderlichen ist eine Abbildung :
n
f .
Als Funktionsgleichung schreiben wir
1 2
( , ,..., )
n
z f x x x = . Was kann man sich darunter
vorstellen? Das ist ganz einfach. Die Funktion hngt also von mehreren Variablen ab. Aus der
Schule kennt ihr ja nur Funktionen der Form : f . Wie z.B. ( ) f x x = . Diese Funktion
besitzt nur eine Vernderliche (Variable), nmlich x . Nun hindert doch niemand uns daran,
Funktionen der Form :
n
f , also z.B. : , ( , )

xy
f f x y
x y
=
+
zu untersuchen.
Die Funktion besitzt zwei Vernderliche, nmlich x und y . Fr x und y knnen wir nun
reelle Werte einsetzen.

In diesem Abschnitt werden wir nun zuerst verdeutlichen, welche Mglichkeiten wir haben
Abbildungen :
n
f graphisch darzustellen.
Im Allgemeinen wird durch ( , ) z f x y = eine Flche im , , x y z - Raum beschrieben.

Wir werden also Niveaulinien, Flchen im Raum und Blockbilder studieren.

Anmerkung: Wir werden im Folgenden vor allem Funktionen der Form : f bzw.
: f untersuchen. Alle Definitionen und berlegungen kann man aber auf den
n

verallgemeinern.

1.1 Hhenlinien und Niveaulinien

Beispiel 1.1.1:
Veranschauliche die durch die Funktion ( , ) (*)
1
y
z f x y
x
= =
+
beschriebenen Flche im
Bereich : {( , ) | 2 2, 2 2} B x y x y = durch Hhenlinien.

Um Hhenlinien bzw. Niveaulinien zu berechnen, setzen wir bestimmte Werte fr : z c =
ein. Und bekommen so eine Funktion in Abhngigkeit von x, die wir darstellen knnen.

Sei zum Beispiel 0 z c = = . Dann folgt aus (*) sofort, dass 0 y = . Also erhalten wir fr
0 z c = = die x-Achse.
Sei jetzt zum Beispiel
1
2
z c = = . Es ergibt sich mit (*) sofort
1 1
(1 )
2 1 2
y
y x
x
= = +
+
. Es
ergibt sich eine Parabel.








Machen wir dies so weiter, erhalten wir folgende Tabelle und damit folgendes Bild.




Wir schauen sozusagen von oben auf die Funktion drauf! Dies sind die Hhenlinien.













1.2 Blockbild

Beispiel 1.2.1:
Die Funktion ( , ) (*)
1
y
z f x y
x
= =
+
kann auch mittels eines Blockbilds dargestellt werden.
Um dies anzudeuten, wird fr jede Spante und fr den Rand jeweils die Hhe ( , )
i
z f x y =
mit {1, 2, 3, 4} i berechnet. Wir erhalten:
0
1
2
3
4
( , ) ( 2, )
5
( , ) ( 1, )
2
( , ) (0, )
( , ) (1, )
2
( , ) (2, )
5
y
z x y f y
y
z x y f y
z x y f y y
y
z x y f y
y
z x y f y
= =
= =
= =
= =
= =


Nun mssen wir fr jede Spante und den Rand jeweils die Hhe ( , )
i
z f x y = mit
{1, 2, 3, 4} i berechnet. Wir erhalten:
0
1
2
3
4
2
( , ) ( , 2)
1
1
( , ) ( , 1)
1
( , ) ( , 0) 0
1
( , ) ( ,1)
1
2
( , ) ( , 2)
1
z x y f x
x
z x y f x
x
z x y f x
z x y f x
x
z x y f x
x

= =
+

= =
+
= =
= =
+
= =
+


Diese Funktionen zeichnen wir nun nacheinander in ein Blockbild ein. Es ergibt sich:

Ohne Hhenlinien Mit Hhenlinien
1.3 Schnitt mit Ebene

Beispiel 1.3.1:

Sei die Funktion gegeben durch
1
( , )

z f x y
x y
= =
+
gegeben.

Wir zeichnen den Schnitt mit einer Ebene, also setzen . x const = bzw. . y const = .
Genauer sogar 0 x = bzw. 0 y = .

In beiden Fllen erhalten wir
1

z
y
= bzw.
1

z
x
= .
Graphisch ist das vllig klar:


Hier nochmal die Hhenlinien. Das Bild verdeutlicht nochmal, dass wir bei den Hhenlinien
sozusagen auf die Ebene drauf schauen.




Und das Blockbild:





2 Stetigkeit

Wir bei Funktionen einer Vernderlichen, kann man auch fr Abbildungen der Form
:
n
f die Stetigkeit definieren. Diese beruht auf der Definition der bekannten
Stetigkeit.

Fr zwei beliebige metrische Rume ( , )
M
M d und ( , )
N
N d ist eine Abbildung : f M N
stetig, wenn fr alle 0 > ein 0 > existiert, so dass
0
( , )
N
d x x < fr alle x X mit
0
( , )
M
d x x < .

Diese Definition der Stetigkeit zwischen metrischen Rumen ist zum Nachweis der Stetigkeit
von Abbildungen :
n
f wenig ntzlich.

Es bietet sich vielmehr die Folgen-Definition fr Stetigkeit an:
Die Funktion :
n
f heit im Punkt
0 0
( , ) x y stetig, wenn
0 0
( , ) ( , ) 0 0
lim ( , ) ( , )
x y x y
f x y f x y

= ist. f heit im Bereich A stetig, wenn f in jedem


Punkt von B stetig ist.

2.1 Grenzwert einer Funktion

Um diese Definition vernnftig anwenden zu knnen, mssen wir natrlich erstmal klren,
was wir unter dem Grenzwert einer Funktion bei
0
x verstehen wollen:

Der Limes
0 0
( , ) ( , )
lim ( , )
x y x y
f x y a

= existiert, wenn fr jedes 0 > ein 0 > existiert, so


dass | ( , ) | f x y a < mit
0 0
| ( , ) ( , ) | x y x y < .
f besitzt keinen Grenzwert, wenn sich bei Annherung an
0
x auf verschiedenen Kurven
(z.B. Geraden) verschiedene oder keine Grenzwerte ergeben.

Dazu betrachten wir ein Beispiel 2.1.1:
Existiert der Grenzwert
( , ) (0,0)
lim
1
x y x
xy
e

?
Um zu zeigen, dass der Grenzwert nicht vorliegt, mssen wir uns dem Punkt (0, 0) nur auf
zwei verschiedenen Arten nhern und zeigen, dass die entsprechenden Grenzwerte nicht
bereinstimmen und damit der Limes gar nicht existieren kann.

Sei also zunchst einmal 0 y = : Wir erhalten
( ,0) (0,0) ( ,0) (0,0) ( ,0) (0,0)
0
lim ( , 0) lim lim 0 0
1
x x x x
x
f x
e

= = =

.
Nun sei y x = :

' '
( , ) (0,0) ( , ) (0,0) ( , ) (0,0) ( , ) (0,0)
2 2
lim ( , ) lim lim lim 1
1 2 2 4
L Hospital L Hospital
x x x x x x x x x x x x
x x
f x x
e xe e x e

= = = =
+

Daraus folgt, dass der Grenzwert nicht existieren kann.

2.2 Stetigkeit einer Funktion

Nun kommen wir zu Beispielen, mit denen wir zeigen wollen, wie man vor geht, um zu
untersuchen, dass eine Funktion mehrerer Vernderlicher (in unserem Fall meistens zweier
Vernderlicher) stetig ist oder nicht.

Stetigkeit nachweisen

Beispiel 2.2.1:
Die Funktionen ( , ) f x y x y = + ,

( , , )
1
x
f x y z x z
y
= + +
+
, ( , ) 4 3 2 1 f x y x y xy y = + + ,
( , ) cos f x y xy = sind stetig, da sie aus stetigen Funktionen zusammengesetzt sind:

Merke: Um eine Funktion mehrerer Vernderlicher auf Stetigkeit zu untersuchen, kann man
zunchst einmal berprfen, ob sie aus stetigen Funktionen zusammengesetzt sind. Daraus
folgt dann die Stetigkeit der Funktion selbst.

Beispiel 2.2.2:
Wir wollen zeigen, dass
1 cos
fr 0
( , ) :
0 fr 0
xy
y
y f x y
y

berall stetig ist.


Fr 0 y ist f stetig als Zusammensetzung stetiger Funktionen. Hierfr mssen wir nichts
weiter zeigen. Nur die Stetigkeitsuntersuchung im Nullpunkt bzw. fr 0 y = ist interessant.
Wir zeigen also die Stetigkeit auf der x-Achse, also fr 0 y = .
Wir zeigen nun
0
( , ) ( ,0)
lim ( , ) 0
x y x
f x y

= . Hierzu verwenden wir Kenntnisse aus der Analysis I.


Wir verwenden die Taylorreihe der Kosinus-Funktion
2
0
( 1)
cos
(2 )!
n
n
k
y x
n

:
Es ergibt sich zunchst
4 4 4 4 4 4
4
1 1 1 1 1 1
1 (1 ...) 1 1 ... ...
2! 4! 2! 4! 2! 4!
( , )
1 1
...
2! 4!
x y x y x y x y x y x y
f x y
y y y
x y x y
+ +
= = =
=

.

Wir haben die Funktion nun umgeschrieben und knnen den Grenzwert leicht berechnen. Es
gilt
0 0
4 4
( , ) ( ,0) ( , ) ( ,0) 0
1 1
lim ( , ) lim ... 0 ( , 0)
2! 4!
x y x x y x
f x y x y x y f x

= = = . Damit ist f berall
stetig.

Merke: Eventuell ist es ntig, um Stetigkeit zu zeigen, dass man die Funktion (z.B. mittels
bekannter Taylorreihenentwicklungen oder hnliches) so umschreibt, dass man den
Grenzwert und damit die Stetigkeit leicht ermitteln kann.



Beispiel 2.2.3:

Fr Grenzwertbestimmungen (also auch fr Stetigkeitsuntersuchungen) ist es oft ntzlich,
die Funktion mittels Polarkoordinaten umzuschreiben. Vor allem bei rationalen Funktionen.
Hierbei gilt cos x r = und sin y r = . Hierbei ist r die Lnge des Vektors ( , ) x y und der
Winkel, den ( , ) x y mit der x-Achse einschliet. Nun lass wir die Lnge r gegen Null gehen.
Erhalten wir einen Grenzwert, der unabhngig vom Winkel ist und der sogar Null ist, dann
haben wir gezeigt, dass f in (0,0) stetig ist.

Als Beispiel betrachten wir die Funktion

fr ( , ) (0, 0)
( , ) :
0 fr ( , ) (0, 0)
x y
xy x y
x y f x y
x y

+ =

.

Zunchst ist klar, dass die Funktion fr ( , ) (0, 0) x y stetig ist, da sie sich nur aus stetigen
Funktionen zusammengesetzt ist. Die Frage ist nun, was passiert bei ( , ) (0, 0) x y = ?
Wir schreiben die Funktion mit Polarkoordinaten:
4
cos sin cos sin
( , ) ( cos )( sin ) cos sin
cos sin
r r
f x y r r r
r r r




= =
+


Nun gilt
1 1
| ( , ) (0, 0) | | sin 2 cos 2 |
2 2
f x y f r r = , denn sin 2 2sin cos = bzw.
cos 2 cos sin = .
Wir erhalten also
( , ) (0,0) 0
1
lim ( , ) lim sin 2 cos 2 0
2
x y r
f x y r

= = .
Daraus folgt die Stetigkeit von f in jedem Punkt.

Merke: Um Stetigkeit (oder auch Unstetigkeit) nachzuweisen (bzw. generell um Grenzwerte
zu berechnen), ist es manchmal zweckmig, die Funktion mittels Polarkoordinaten zu
schreiben. Man lsst hier die Lnge r gegen Null gehen. Erhalten wir einen Grenzwert, der
unabhngig vom Winkel ist und der sogar Null ist, dann haben wir gezeigt, dass f in (0,0)
stetig ist.















Unstetigkeit nachweisen

Die Funktion ( , ) z f x y = ist bei
0 0
( , ) x y unstetig, falls es zu zwei verschiedenen Kurven
(z.B. Geraden) durch
0 0
( , ) x y bei Annherung an
0 0
( , ) x y verschiedene (oder keine)
Grenzwerte gibt.

Um Unstetigkeit zu zeigen, geht man also genauso wie im Abschnitt 2.1 vor, als wir mit
derselben Methode gezeigt hatten, dass ein gewisser Grenzwert nicht existiert.

Beispiel 2.2.4:

Die Funktion

( , )
1
x
xy
f x y
e
=

ist im Nullpunkt unstetig. Wir mssen uns nur mit zwei


verschiedenen Geraden annhern. Die Rechnung knnen wir aus Abschnitt 2.1 bernehmen.
Sei also zunchst einmal 0 y = : Wir erhalten
( ,0) (0,0) ( ,0) (0,0) ( ,0) (0,0)
0
lim ( , 0) lim lim 0 0
1
x x x x
x
f x
e

= = =

.
Nun sei y x = :

' '
( , ) (0,0) ( , ) (0,0) ( , ) (0,0) ( , ) (0,0)
2 2
lim ( , ) lim lim lim 1
1 2 2 4
L Hospital L Hospital
x x x x x x x x x x x x
x x
f x x
e xe e x e

= = = =
+

Daraus folgt, dass der Grenzwert nicht existieren kann. Insbesondere folgt damit die
Unstetigkeit im Nullpunkt.

Beispiel 2.2.5:

Wir zeigen: Die Funktion
fr ( , ) (0, 0)
( , ) :
0 fr ( , ) (0, 0)
xy
x y
x y f x y
x y

+ =

ist im Nullpunkt unstetig.


Die Stetigkeit fr ( , ) (0, 0) x y ist klar. Denn die Funktion ist nur aus stetigen Funktionen
zusammengesetzt. Wir nhern uns wieder mit Hilfe verschiedener Geraden an und zeigen,
dass die Grenzwerte nicht bereinstimmen:

Annherung auf der Gerade 0 y = (x-Achse):
( ,0) (0,0) ( ,0) (0,0) ( ,0) (0,0)
0
lim ( , 0) lim lim 0 0
0
x x x
x
f x
x

= = =
+

Annherung auf der Gerade 0 x = (y-Achse):
(0, ) (0,0) (0, ) (0,0) (0, ) (0,0)
0
lim (0, ) lim lim 0 0
0
y y y
y
f y
y

= = =
+

Annherung auf der Gerade y x = :
( , ) (0,0) ( , ) (0,0) ( , ) (0,0)
1
lim ( , ) lim lim
2 2
x x x x x x
x x
f x x
x x x

= = =
+

Also existiert der Grenzwert
( , ) (0,0) ( , ) (0,0)
lim ( , ) lim

x y x y
xy
f x y
x y

=
+
nicht und damit folgt
die Unstetigkeit von f im Nullpunkt.
Merke: Um Unstetigkeit zu zeigen, nhere dich der Funktion mittels verschiedener Geraden
an und zeigen, dass die Grenzwerte nicht bereinstimmen. Folgere daraus, dass der
eigentliche Grenzwert nicht existiert und dies die Unstetigkeit impliziert.

Auch die Unstetigkeit kann mittels Polarkoordinaten ab und zu einfacher zeigen. Dazu
betrachten wir nochmals die Funktion unter Beispiel 2.2.5.

Es gilt
sin cos 1
( , ) ( cos , sin ) sin cos sin 2
sin cos 2
r
f x y f r r
r r



= = = =
+
.
Der Grenzwert
0 0
1
lim ( cos , sin ) lim sin 2
2
r r
f r r

= existiert aber nicht. Daraus folgt
die Unstetigkeit.

Merke: Auch die Unstetigkeit lsst sich mittels Polarkoordinaten sehr gut zeigen. Dazu muss
gezeigt werden, dass der entsprechende Grenzwert nicht existiert. Mit Polarkoordinaten zu
arbeiten, bietet sich immer dann an, wenn man so besser oder einfacher zeigen kann, dass
ein gewisser Grenzwert nicht existiert.

2.3 Zusammenfassung
Wir wollen nochmals die wichtigsten Erkenntnisse zur Stetigkeit festhalten.

Stetigkeit zeigen
Um Stetigkeit nachzuweisen, muss man folgende Definition verwenden:
Die Funktion :
n
f heit im Punkt
0 0
( , ) x y stetig, wenn
0 0
( , ) ( , ) 0 0
lim ( , ) ( , )
x y x y
f x y f x y

= ist. f heit im Bereich A stetig, wenn f in jedem


Punkt von B stetig ist.

D.h. der Grenzwert
0 0
( , ) ( , ) 0 0
lim ( , ) ( , )
x y x y
f x y f x y

= muss existieren.

Unstetigkeit zeigen
Um zu zeigen, dass eine Funktion nicht stetig ist, reicht es zu zeigen:
Die Funktion ( , ) z f x y = ist bei
0 0
( , ) x y unstetig, falls es zu zwei verschiedenen Kurven
(z.B. Geraden) durch
0 0
( , ) x y bei Annherung an
0 0
( , ) x y verschiedene (oder keine)
Grenzwerte gibt.

Bedenke: Oft helfen Polarkoordinaten!










3 Differenzierbarkeit

In diesem Abschnitt wollen wir nun untersuchen, was es bedeutet, wenn eine Funktion
:
n
f differenzierbar ist. Sicher ist, dass wir uns ein paar Gedanken darber machen
mssen also fr Abbildungen der Form : f . Es wird zum Beispiel so genannte
partielle Ableitungen in Richtung eines bestimmten Vektors geben. Dies werden wir aber
noch genauer sehen.

Auch in diesem Abschnitt werden wir vor allem Funktionen der Form : f bzw.
: f betrachten.

3.1 Partielle Ableitungen und Gradient
( , ) z f x y = heit an der Stelle
0 0
( , ) x y partiell nach x differenzierbar, wenn die Funktion
0
( ) ( , ) F x f x y = bei
0
x differenzierbar ist.

y wird beim Differenzieren also als Konstante betrachtet. Wir differenzieren dann (ganz
gewohnt) nach x . Dieses Konzept bertrgt sich fr Abbildungen :
n
f .

Wir schreiben dies so:
Sei ( , ) z f x y = .
0
( )
x j
z f
f D f x
x x

= = =

: partielle Ableitung nach x
0
( )
y j
z f
f D f x
y y

= = =

: partielle Ableitung nach x

Der Vektor
0 0 0 0 0 0 0 0 0
( ) ( ( , ), ( , )) ( ( , ), ( , ))
x y
f f
grad f x x y x y f x y f x y
x y

= =

heit Gradient. In
ihm sind also einfach nur alle partiellen Ableitungen aufgelistet.

Der Gradient steht senkrecht auf der Niveaulinie
0 0
( , ) ( , ) f x y f x y = .
Der Gradient zeigt in Richtung maximaler Steigung.
Entsprechend zeigt der Vektor
0 0 0 0 0
( ) ( ( , ), ( , ))
x y
grad f x f x y f x y = in Richtung
minimaler Steigung.

Beispiel 3.1.1:
Sei c beliebig und
cos ( cos )
: , ( , ) : sin ( cos )
sin
x c y
f f x y x c y
y
+ | |
|
= +
|
|
\
.
Wir wollen die partiellen Ableitungen berechnen. Dies ist wirklich sehr einfach, da wir es
schon aus der Schule kennen. Wir differenzieren einfach, ganz gewohnt, nach einer
bestimmten Variablen und betrachten die anderen als Konstanten. Damit erhalten wir
sofort:
1
sin ( cos )
( , ) ( , ) cos ( cos )
0
x c y
f
D f x y x y x c y
x
+ | |

|
= = +
|

|
\
und
2
cos sin
( , ) ( , ) sin sin
cos
x y
f
D f x y x y x y
y
y
| |

|
= =
|

|
\
.

Beispiel 3.1.2:
a) Berechne die partiellen Ableitungen von ( , ) 2 f x y x y xy y = + + .

Es gilt ( , ) 2
x
f x y y x y = + und ( , ) 3 2 2
y
f x y x y xy = + + .

b) Berechne den Gradienten von f an der Stelle ( , ) x y und an der Stelle (0,1) .
Mit Aufgabenteil a) folgt nun nach Definition des Gradienten sehr leicht:
(( , )) (2 , 3 2 2) grad f x y y x y x y xy = + + + bzw. ((0,1)) (1, 2) grad f = .

Beispiel 3.1.3:
Berechne fr die Funktion ( , )
1
y
z f x y
x
= =
+
den Gradient im Punkt
0 0
( , ) (1,1) x y = .
Wir mssen zunchst die Richtungsableitungen berechnen
2
( , )
(1 )
x
xy
f x y
x

=
+
und
1
( , )
1
y
f x y
x
=
+
. Es gilt also
2 1
(( , )) ( , )
(1 ) 1
xy
grad f x y
x x

=
+ +
. Insgesamt also
1 1
((1,1)) ( , )
2 2
grad f = .

Merke: Partielle Ableitungen zu berechnen, ist nichts Neues. Man leitet nur nach einer
entsprechenden Variablen ab und betrachtet die anderen Vernderlichen als Konstanten.












3.2 Totale Differenzierbarkeit und Jakobi-Matrix

Die im Folgenden fr Spezialflle erklrten Begriffe lassen sich unschwer verallgemeinern.
Wir wollen nun den eigentlichen Begriff der Differenzierbarkeit einer Funktion :
n
f
kennenlernen. Um dies von der partiellen Differenzierbarkeit zu unterscheiden, spricht man
manchmal auch von der totalen Differenzierbarkeit.

Eine Funktion :
n
f heit (total) differenzierbar, wenn es eine beschrnkte (also
stetige) lineare Abbildung L gibt, so dass
0
0 0
0
|| ( ) ( ) ( ) ||
lim 0
|| ||
x x
f x f x L x x
x x

.
Wir nennen L das Differential und schreiben
0
( ) Df x .

Dies wird meistens eine Matrix sein. Wenn wir uns an die Lineare Algebra I und an lineare
Abbildungen erinnern, ist auch klar, warum. Dieses Differential wird eine Jakobi-Matrix sein,
wie wir gleich noch sehen werden.

Die Definition lsst sich sofort auf Abbildungen der Form : f bertragen:
Sei D eine offene Menge und
0 0
( , ) x y D . Die Funktion : f D heit im Punkt
0 0
( , ) x y differenzierbar, wenn f in
0 0
( , ) x y partiell differenzierbar ist, also
0 0
( , )
x
f x y und
0 0
( , )
y
f x y existieren, und wenn gilt:
0 0
0 0 0 0 0 0 0 0
( , ) ( , )
0 0
( , ) ( , ) ( , )( ) ( , )( )
lim 0
( , )
x y
x y x y
f x y f x y f x y x x f x y x x
x x y y


=



(Das ist einfach ein Spezialfall unserer obigen Definition)

Jede differenzierbare Funktion ist natrlich auch stetig.

Beispiel 3.2.1:
Wir betrachten die Funktion

, ( , ) (0, 0)
( , )
0, ( , ) (0, 0)
x y
x y
x y f x y
x y

+ =

.
Die Differenzierbarkeit in ( , ) (0, 0) x y ist gegeben, denn f ist aus differenzierbaren
Funktionen zusammengesetzt.

Die Differenzierbarkeit im Nullpunkt muss gesondert betrachtet werden.

Es gilt nun ( , 0) 0 f x = und ( , 0) 0 f y = . Daraus ergibt sich ohne weitere Rechnung (natrlich
kann man die partiellen Ableitungen auch berechnen) (0, 0) (0, 0) 0
x y
f f = = .

Mittels Polarkoordinaten ist dies noch einsichtiger:
4
( , ) (0,0) 0
( , ) 0 cos sin
lim lim 0
| ( , ) |
x y r
f x y r
x y r

= = =

Daraus ergibt sich die Differenzierbarkeit in
Merke: Um Differenzierbarkeit (und zwar totale Differenzierbarkeit) nachzuweisen, wendet
man einfach die Definition an und zeigt, dass das Differential (bzw. eine geeignete Jakobi-
Matrix, siehe weiter unten), existiert.

Die vektorwertige Funktion :
g
f
h
| |
=
|
\
heit differenzierbar, wenn alle
Komponentenfunktionen , : g h differenzierbar sind, genauer:
Es sei D eine offene Menge und
0
( , , ) x x y z D = .
Die Funktion
( , , )
: , ( , , )
( , , )
g x y z
f D f x y z
h x y z
| |
=
|
\
heit im Punkt
0
x differenzierbar, wenn
: g D und : h D in
0
x differenzierbar sind.

Die Matrix
( , , )
( , , ) :
( , , )
x y z
x y z
g g g grad g x y z
J x y z
h h h grad h x y z
| | | |
= =
| |
\ \
heit die Jakobi-Matrix.

Ist f in
0
x differenzierbar, dann heit
0 0
'( ) : ( )
f
f x J x = die Ableitung von f an der Stelle
0
x .

Beispiel 3.2.2:
Man bestimme Gradient bzw. Jakobi-Matrix und ggf. die Ableitung von:

a)

( , , ) ln(1 )
1
x
f x y z z
y
= +
+
b)

cos
( , )

y
xy
x e x y
f x y
xy e
| | +
=
|
|
\

c)
3 4
2
1 2
1 2 3 4 3
2 3 4
sin
( , , , )
x x
x x
f x x x x x e
x x x
| | +
|
= +
|
|
\


Alle Funktionen sind differenzierbar, da sie nur aus differenzierbaren Funktionen
zusammengesetzt sind. Also knnen wir alle partiellen Ableitungen und die Jakobi-Matrix
berechnen.

a)
2 2
' ( , , ln(1 ))
1 (1 )(1 ) 1
x x y x
f grad f z z
x y x y y y
= = +
+ + + + + +

b)

2 cos sin
'
(1 ) 2 (1 )
y y
f
xy xy
xe y x e x y
f J
y e xy xye xy
| | +
=
|
+ +
\
ist eine (2x2)-Matrix, da : f .
c)
3 4 3 4
1 2
4 3
3 4 2 4 2 3
2 cos 0 0
' 0 0 1
0
x x x x
f
x x
f J x e x e
x x x x x x
| |
|
= = +
|
|
\
ist eine (3x4)-Matrix, da
4
: f .

In der Jakobi-Matrix stehen also einfach nur die entsprechenden partiellen Ableitungen.

Achtung: Die Existenz der partiellen Ableitungen, also die Existenz von Gradient bzw. Jakobi-
Matrix, garantiert nicht, dass eine Funktion f (total) differenzierbar ist. Nicht einmal, dass sie
stetig ist, wie folgendes Beispiel zeigt:

Beispiel 3.2.3:
Wir untersuchen die Funktion
fr ( , ) (0, 0)
( , )
0 fr ( , ) (0, 0)
xy
x y
x y f x y
x y

+ =

auf partielle und (totale)


Differenzierbarkeit im Punkt (0, 0) .

(Klar, die Differenzierbarkeit fr ( , ) (0, 0) x y ist erfllt.)

Es gilt nun
0 0
( , 0) (0, 0) 0 0
(0, 0) lim lim 0
x x x
f x f
f
x x


= = = und
0 0
(0, ) (0, 0) 0 0
(0, 0) lim lim 0
y y
f y f
fy
y y


= = = . Die partiellen Ableitungen existieren im
Nullpunkt, also (0, 0) (0, 0) grad f = . Wir wissen aber (bzw. man berzeugt sich leicht, durch
Bestimmung des jeweiligen Grenzwertes, z.B. durch Polarkoordinaten), dass f nicht stetig ist.
Damit kann f schon gar nicht differenzierbar sein, obwohl die partiellen Ableitungen
existieren!

3.3 Richtungsableitungen

Die partiellen Ableitungen
x
f und
y
f sind die Ableitungen von f in Richtung x-Achse bzw.
y-Achse. Nun ist es natrlich mglich, Ableitungen in andere Richtungen zu betrachten. Wir
definieren:

Die Richtungsableitung
0
( )
f
x
v

von f an der Stelle


0
x in Richtung des Vektors 0 v ist durch
den Grenzwert
0 0
0 0
0 0 0
( ) ( )
( ) ( ) | |
( ) : lim lim
t t
v
f x t f x
f x tv f x f v
x
v t t

+
+
= =

definiert.


Wir wollen nun der Frage nachgehen, ob die Differenzierbarkeit einer Abbildung f an der
Stelle
0
x in Zusammenhang mit der Existenz ihrer Richtungsableitungen an derselben Stelle
steht und ob man
0
( ) Df x auch aus den Richtungsableitungen
0
( )
v
D f x berechnen kann.

Wenn die Richtungsableitungen existieren, folgt daraus nicht die totale Differenzierbarkeit.
Es gilt jedoch:
Mit Hilfe der Richtungsableitungen kann man entscheiden, ob eine Funktion partiell
differenzierbar ist. Dazu zwei Beispiele:



Beispiel 3.3.1:
Wir betrachten die Funktion

, fr ( , ) (0, 0)
( , ) :
0, fr ( , ) (0, 0)
x xy
x y
x y f x y
x y

+ =

.
Wenn f in allen Richtungen differenzierbar ist, folgt daraus nicht die totale
Differenzierbarkeit, wie dieses Beispiel eindrucksvoll belegt.

f ist im Nullpunkt (0, 0) natrlich stetig, wie eine Rechnung mit Polarkoordinaten zeigt. Es
gilt nun
0 0 0
cos sin cos cos sin cos
lim ( , ) lim lim
sin cos
r r r
r r r r
f x y
r r r




= =
+

0
lim (cos sin cos ) 0 (0, 0)
r
r f

= = = .

Die Richtungsableitung hngt nur von der Richtung des Vektors v ab, nicht von seiner Lnge.
Man ersetzt daher zweckmig v durch seinen Einheitsvektor
1
| |
v
e v
v
= in Richtung v . (Dies
haben wir auch schon bei der Definition getan.) Jeder Einheitsvektor lsst sich in der Form
( ) (cos , sin ), 0 2
v
e = < schreiben.

Man erhlt daher die Richtungsableitungen im Punkt (0, 0) durch Betrachtung von:
0 0
0 0
0 0
0
((0, 0) ) (0, 0) ((0, 0) ) (0, 0)
(0, 0) lim lim
((0, 0) (cos , sin )) (0, 0) (( cos , sin ))
lim lim
cos cos sin
cos cos sin cos sin
lim lim

lim
v
t t
v
t t
t t
t
f te f f f tv f
e t t
f t f f t t
t t
t t
t t t t
t t





+ +
= =

+
= =

+
= =
= cos cos sin Richtungsableitung von in Richtung (cos , sin ).
v
f e =


Die Funktion ist also im Nullpunkt in allen Richtungen differenzierbar. Es gilt z.B.:
0 : (0, 0) (0, 0) 1, 45 : (0, 0) 0
(1, 0) (1,1)
1
90 : (0, 0) (0, 0) 0, 60 : (0, 0)
(0,1) 4 (1, 3)
x
y
f f
f
f f
f



= = = = =


= = = = =



Wir wollen nun zeigen, dass f nicht total differenzierbar ist.

Wre f im Nullpunkt differenzierbar, so msste gem der nchste Regel (siehe nchste
Bemerkung) fr die Richtungsableitung
1
(0, 0)
4 (1, 3)
f
=

gelten:
1 1 1 1
(0, 0) (0, 0) (1, 3) (1, 0) (1, 3)
2 2 2 4 (1, 3)
f
grad f

= = =





Allgemein gilt nmlich:
Ist ( , ) w f x y = (oder ( , , ) w f x y z = analog) in
0
x differenzierbar, so ist die
Richtungsableitung von f an der Stelle
0 0
( , ) x x y = in Richtung
1 2
( , ) v v v = das Skalarprodukt
von
0
( ) grad f x mit dem Einheitsvektor in Richtung v . Sie hngt nur von der Richtung, und
nicht von der Lnge des Vektors v an. Es gilt demnach
0 0 0 0
( ) ( ) | ( ) | cos ( ( ), )
| |
f v
x grad f x grad f x grad f x v
a v

= =

.

Merke: Um Richtungsableitungen zu berechnen muss nach Definition nur der Grenzwert
0 0
0 0
0 0 0
( ) ( )
( ) ( ) | |
( ) : lim lim
t t
v
f x t f x
f x tv f x f v
x
v t t

+
+
= =

ermittel werden.

Bemerke weiter: Um zu zeigen, dass eine Funktion nicht differenzierbar ist, ist es auch
mglich zu zeigen, dass eben
0 0
( ) ( )
| |
f v
x grad f x
a v

nicht gilt. Hier bezeichnet


brigens das Skalarprodukt.

Beispiel 3.3.2:
Wir wollen fr ( , )
1
y
z f x y
x
= =
+
die Richtungsableitung
f
v

von f an der Stelle


0
(1,1) x = in
Richtung eines Vektors ( 1, 1) v = berechnen. Es gilt
0 0
1
( ) ( ) ( (1,1)) ( 1, 1)
| | | ( 1,1) |
f v
x grad f x grad f
a v

= =

.

Nach Beispiel 3.1.3 gilt nun
1 1
((1,1)) ( , )
2 2
grad f = und insgesamt
0
1 1 1 1
( ) ( (1,1)) ( 1, 1) ( , ) ( 1, 1) 0
| ( 1,1) | 2 2 2
f
x grad f
a

= = =

.

Beispiel 3.3.3:
Man bestimme ggf. die partiellen Ableitungen von f, ( ( , )) grad f x y sowie ( (1,1)) grad f von

, fr ( , ) (0, 0)
( , )
1, fr ( , ) (0, 0)
x y
x y
x y f x y
x y

+ =

.

Es gilt:
2 ( ) 2 ( ) 4
( , ) fr ( , ) (0, 0)
( ) ( )
2 ( ) 2 ( ) 4
( , ) fr ( , ) (0, 0)
( ) ( )
x
y
x x y x x y xy
f x y x y
x y x y
y x y y x y x y
f x y x y
x y x y
+
= =
+ +
+
= =
+ +




Die partiellen Ableitungen im Nullpunkt (0, 0) sind:
0
0
(0, 0) ( ( , 0)) ' 0, da ( , 0) 1
1, 0
(0, 0) ( (0, )) ' existiert nicht, da (0, )
1, 0
x x
y y
f f x f x
y
f f y f y
y
=
=
= = =

= =

=



Betrachtet man (0, 0)
x
f bzw. (0, 0)
y
f als Richtungsableitungen, so sieht man:
2
0 0
2
0 0 0
( (1, 0)) (0, 0) 1
(0, 0) (0, 0) lim lim 0
(1, 0)
(0, 0) existiert nicht, da
( (1, 0)) (0, 0) 1 2
(0, 0) lim lim lim existiert nicht.
(0,1)
Daher:
4
(
( ) ( , )
x t t
y
t t t
f f t f t t
f
t t
f
f f t f t t
t t t
xy
x y grad f x y



= = = =


= = =

+ =
), fr ( , ) (0, 0)
existiert nicht, fr ( , ) (0, 0)
(1,1) (1, 1)
y x x y
x y
grad f

=



Beispiel 3.3.4:
Wir betrachten die Funktion : , ( , ) : | | f f x y xy = .
Die Funktion ist an der Stelle (0, 0) partiell differenzierbar mit
0
( , 0) (0, 0)
(0, 0) lim 0, (0, 0) 0
t
f f t f f
x t y


= = =

.

f ist aber an der Stelle (0, 0) nicht differenzierbar, den sonst msste (0, 0) 0 Df = und
(0, 0) 0
v
D f = fr alle v gelten. Allerdings ist z.B. fr 0 t :

( , ) (0, 0) | |
( )
f t t f t
sign t
t t

= = , so dass (0, 0)
v
D f fr
1 2
v e e = + gar nicht existiert.

Merke: Partielle Differenzierbarkeit impliziert in keinem Fall totale Differenzierbarkeit. Die
Umkehrung gilt jedoch.











3.4 Kettenregel

Fr gewisse Abbildungen gilt die Kettenregel
0 0 0
( )( ) ( (( )) ( ) D g f x Dg f x Df x = .

Beispiel 3.4.1:
Sei

: , ( , ) :
xy
f f x y e = und : , ( ) : (cos , sin ) g g t t t = .
Zunchst berechnen wir die Ableitung von f g durch Differentiation.

Es gilt
cos sin
( ) : ( )( ) ( ( ))
t t
h t f g t f g t e

= = = und damit

cos sin
cos sin
'( ) [ sin sin cos 2sin cos ]
'( ) [ sin 2sin cos ]
t t
t t
h t e t t t t t
h t e t t t

= +
= +


Wir haben hier die Kettenregel angewendet. Es gilt brigens
cos sin
: ,
t t
f g t e

.

Nun berechnen wir die Ableitung mittels der allgemeinen Kettenregel, also mit
( )
( ) ( ( )) ( )
f g f g
J x J g x J x =

. Wir mssen einige Jacobimatrizen berechnen. Die Jacobimatrix


einer differenzierbaren Abbildung :
m n
f ist eine ( ) m n - Matrix mit den
entsprechenden partiellen Ableitungen als Eintrge.

Wir bentigen also zunchst ( )
f
J x :
( )

( ) 2
xy xy
f
J x y e xye =

Wir brauchen auch ( )
g
J x :
( ) ( sin , cos )
T
g
J x x x =

Und zu guter letzt ( ( ))
f
J g x :
( )
cos sin cos sin
( ( )) ( ) sin ( ) 2sin cos
x x x x
f f
J g x J x x e x x e

= =

Nun knnen wir berechnen
( )
( ) ( ( )) ( )
f g f g
J x J g x J x =

:
( )
cos sin cos sin
( )
cos sin cos sin
cos sin cos sin
sin
( ) ( ( )) ( ) sin ( ) 2sin cos
cos
sin( ) sin ( ) 2sin cos cos
sin 2sin cos
x x x x
f g f g
x x x x
x x x x
x
J x J g x J x x e x x e
x
x x e x x e x
xe x x e



| |
= =
|
\
= +
= +




Die Ableitungen stimmen also berein, so sollte es auch sein. :)







Beispiel 3.4.2:
Seien , : \ {(0, 0)} f g durch ( , ) : ( , 2 )
T
f x y x y xy = bzw. durch
( , ) : ( , )

T
x y
g x y
x y x y

=
+ +
gegeben. Zu berechnen ist (1, 0)
f g
J

. Dies berechnen wir
mittels der Kettenregel
( )
( ) ( ( )) ( )
f g f g
J x J g x J x =

. Wir bentigen nun also drei


Jakobimatrizen, die wir zunchst berechnen wollen:

Berechnung von ( )
f
J x :
2 2
( )
2 2
f
x y
J x
y x
| |
=
|
\

Berechnung von ( )
g
J x :
1 ( ) 2 2
( ) ( )
( )
2 1 ( ) 2
( ) ( )
2 2 2
( ) ( ) ( ) ( )
2 2 2
( ) ( ) ( )
g
x y x x xy
x y x y
J x
xy x y y
x y x y
x y x xy x y xy
x y x y x y x y
xy x y y xy x y
x y x y x y
+ | |

|
+ +
|
=
+ + |
|
+ +
\
+ + | |

|
+ + + +
|
= =
+ + |
|
+ + +
\
( ) x y
| |
|
|
|
|
+
\


Berechnung von ( ( ))
f
J g x :
2 2
2 2

( )
2 2
2 2

f
x y x y
x y x y x y x y
J x
y x y x
x y x y x y x y
| | | |
| |
+ + + +
| |
= =
| |

| |
+ + + +
\ \


Nun knnen wir die Kettenregel mit
( )
( ) ( ( )) ( )
f g f g
J x J g x J x =

anwenden:
( )
2 2 2
( ) ( )
( ) ( ( )) ( )
2 2 2
( ) ( )
2 2 2 2 2 2
( ) ( ) ( )
f g f g
x y x y xy
x y x y x y x y
J x J g x J x
y x xy x y
x y x y x y x y
x x y y xy x xy y x
x y x y x y x y x y x y x y
+ | || |

| |
+ + + +
| |
= =
+ | |
| |
+ + + +
\ \
+
+ +
+ + + + + + +
=

( )
2 2 2 2 2 2
( ) ( ) ( ) ( )
2 ( ) 4 4 2 ( )
( ) ( ) ( ) ( )
2 ( ) 4 4
( ) ( )
y
x y
y x y x xy y xy x x y
x y x y x y x y x y x y x y x y
x x y xyy x y y x y
x y x y x y x y
y x y x y
x y x y
+ | |
|
+
|
+ + |
+ +
|
+ + + + + + + +
\
+ +
+ +
+ + + +
=
+
+
+ +
2 ( )
( ) ( )
xy x x y
x y x y
| |
|
|
+ |
+
|
+ +
\




2 ( ) 4 4 2 ( ) 2 2 4 4 2 2
( ) ( ) ( ) ( )
2 ( ) 4 4 2 ( ) 2 2 4 4 2 2
( ) ( ) ( ) ( )
x x y xy x y y x y x xy xy x y x y y
x y x y x y x y
y x y x y xy x x y x y y x y xy x xy
x y x y x y x y
+ + + + + + + | | | |
|
+ + + +
|
= =
+ + + + + + |
|
+ + + +
\ \
2 6 2 2 6 2 2 2
( ) ( ) ( ) ( )
6 2 2 2 6 2 2 2
( ) ( ) ( ) ( )
x xy x y y xy x x y y
x y x y x y x y
x y y xy x x y y xy x
x y x y x y x y
|
|
|
|
+ + + | | | |
| |
+ + + +
| |
= =
| |
| |
+ + + +
\ \


Nun gilt also
( )
6 1 0 2 1 2 1 0 2 0
2 0 (1 0) (1 0)
(1, 0)
6 1 0 2 0 2 1 0 2 1 0 2
(1 0) (1 0)
f g
J
+ | |
|
+ + | |
|
= =
|
|
\
|
+ +
\

.

Damit ist die Aufgabe gelst.

Beispiel 3.4.3:
Sei
\ {(0, 0)}
:
( , ) ( , )

T
f x y
x y
x y x y

+ +

und

:
( , )
g
u v u v

=

+

.

Berechnen wir zunchst
0
( )( ) D g f x auf herkmmlichen Weg.
Es ist ( ) ( , ) ( , )

T
x y
f x f x y
x y x y
= =
+ +
.
Also
0 0
( )( ) ( ( )) (( , ) ) ( , )

T
x y
g f x g f x g g u v u v
x y x y
= = = = +
+ +

1
( ) ( ) ( )
x y x y
x y x y x y x y
+
= + = =
+ + + +
.

Dann ist also
1 1
( )( ) ( , ) ( , )
( ) ( )
x y
D g f x
x y x y x y x y x y

= =
+ + + +
.

Nun berechnen wir
0 0
( (( )) ( ) Dg f x Df x und berprfen, ob dies dasselbe Ergebnis liefert.

Zunchst gilt nach Definition ( ) ( , )
u u
x y
Df x Df x y
v v
x y
| |
|

|
= =
|
|

\
, falls
( , )
( , )
( , )
u u x y
f x y
v v x y
| | | |
= =
| |
\ \
.

Fr unser Beispiel gilt demnach:
1 ( ) 2 2 2
( ) ( ) ( ) ( )
( ) ( , )
2 1 ( ) 2 2
( ) ( ) ( ) ( )
2
1
2 ( )
x y x x y x y xy
x y x y x y x y
Df x Df x y
xy x y y xy x y
x y x y x y x y
x y xy
xy x y x y
+ + | | | |
| |
+ + + +
| |
= = =
+ | |
| |
+ + + +
\ \
+ | |
=
|
+
\


Jetzt berechnen wir
0
( (( )) Dg f x .
( (( )) ( , ) , ( , )


( , ) ( , ) ( , )

( ) ( ) ( )
u v
Dg f x Dg u v g g
u v u v u v
x y
x x y y x y x y x y x y
x y x y x x y x y x y
v
x y x y x y
| |
= = =
|
+ + \
+ + + +
= = =
+ + + +
+ +
+ + +

Nun knnen wir mittels Matrizenmultiplikation endlich
0 0
( (( )) ( ) Dg f x Df x berechnen.
0 0
5
2
1
( (( )) ( ) ( , )
2 ( )
2
1
( , )
2 ( )
2
1 1
( , )
2 ( )
1
( ( ) 2 , 2 ( )

x y xy
x y
Dg f x Df x
xy x y x y x y x y
x y xy
x y
xy x y x y x y x y
x y xy
x y
xy x y x y x y
x y x xy x y y x y
x y
+ | |
=
|
+ + +
\
+ | |
=
|
+ + +
\
+ | |
=
|
+ +
\
= +
+
5 5
)
1 1
( , ) ( ( ), ( ))

( , )

xy x y x y x y x y y x
x y x y
x y
x y x y
= = + +
+ +

=
+ +


Passt also.











3.5 Zusammenfassung, Vorgehensweise bei Untersuchung auf
Differenzierbarkeit und wichtige Stze

f (total) differenzierbar, wenn die partiellen Ableitungen stetig sind!

Untersuchung auf Differenzierbarkeit:

Bei der Untersuchung, ob die Funktion : f D in
0
( , ) x x y = differenzierbar ist, geht
man am besten so vor:

Ist f in
0
x stetig?
Nein? f ist nicht differenzierbar
Ja?
o Ist f in
0
x partiell differenzierbar? Nein? f ist nicht differenzierbar
Ja?
Existieren die partiellen Ableitungen von f in einer Umgebung von
0
x und
sind sie in
0
x stetig? Ja? f ist differenzierbar.
Nein?
Ist
0 0
0 0 0 0 0 0 0 0
( , ) ( , )
0 0
( , ) ( , ) ( , )( ) ( , )( )
lim 0
( , )
x y
x y x y
f x y f x y f x y x x f x y x x
x x y y


=

? Ja? f ist differenzierbar
Nein? f ist nicht differenzierbar.























4 Hhere Ableitungen

Existieren die partiellen Ableitungen von ( , ) z f x y = , dann sind
x
f und
y
f Funktionen von
x und y , die ihrerseits wieder partielle Ableitungen besitzen knnen.

Wir schreiben

( ) :

xx
f f
f
x x x

= =

bzw.

( ) :

yy
f f
f
y y y

= =

. Analog definiert man die
Ableitungen hherer Ordnung bzw. hherer Dimensionen.

Beispiel 4.1:
Sei

( , )
xy
z f x y x y e = = + . Man berechne , , ,
xx yy xy yx
f f f f .

4


( , )
( ) ( ( )) (3 ) 6
( ) ( ( )) ( 2 ) 2 4
(2 4 ) 2 ( 2 ) 2 (1 2 )
( ) ( (
xy
xy xy xy
xy xy xy xy
xy xy xy
z f x y x y e
f
x y e yx y e yx y e
x x x x x
f
x y e x xye xe x y e
y y y y y
e x x y e x x y xe xy
f
x y
y x y x
= = +

= + = + = +


= + = + = +

= + = + = +

=



)) (3 ) 3 2 2
3 2 2 3 2 (1 )
( ) ( ( )) ( 2 ) 3 2 2
3 2 (1 )
xy xy xy xy
xy xy xy
xy xy xy xy
xy
e yx y e x ye y xye
y
x ye y xe x ye y x
f
x y e x xye x ye xyy e
x y x y x
x ye y x

+ = + = + +

= + + = + +

= + = + = + +

= + +


Entscheidend ist die Reihenfolge, wir an den obigen Beispielen gesehen haben.

Weiterhin stellen wir eine gewisse Symmetrie fest.
Es gilt:
Sind
xy
f und
yx
f stetig, dann gilt
xy yx
f f = . Es gilt aber keineswegs immer
xy yx
f f = !

Dies untermauert folgendes Beispiel nochmal sehr gut:

Beispiel 4.2:
Wir betrachten

, ( , ) (0, 0)
( , ) :
0, ( , ) (0, 0)
x y
xy x y
x y f x y
x y

+ =

und berechnen (0, 0)


xy
f und (0, 0)
yx
f .
Da f auf beiden Achsen konstant ist, gilt (0, 0) (0, 0) 0
x y
f f = = .

Partielles Differenzieren ergibt nun:
4 5 5 4
4 4
, ( , ) (0, 0) , ( , ) (0, 0)
( , ) , ( , ) ( ) ( )
0, ( , ) (0, 0) 0, ( , ) (0, 0)
x y
yx y x y x xy x y
x y x y
f x y f x y x y x y
x y x y
+


= = + +


= =


Wir erhalten damit:

5
0 0 5
5
0 0 5
(0, ) (0, 0)
(0, 0) lim lim 1
( , 0) (0, 0)
(0, 0) lim lim 1
(0, 0) (0, 0)
x x
xy y y
y y
yx y y
xy yx
f y f y
f
y y
f x f
x
f
y x
f f



= = =

= = =



Die fehlende Symmetrie liegt an der fehlenden zweimaligen (totale) Differenzierbarkeit von f
im Ursprung.

Beispiel 4.3:
Die Abbildung : , ( , )
y
f f x y x ye = ist berall differenzierbar (denn die partiellen
Ableitungen existieren und sind sogar stetig) und ( , ) Df x y ist durch die (1 2) - Matrix
(Jakobi-Matrix)
( ) ( )
( , ) 2 ( ) 2 (1 )
y y y y y
f
J x y xye x e ye xye x e y = + = + gegeben.

Da : ( ( , )) Df B wieder berall differenzierbar ist, erhalten wir fr die Jacobi-
Matrix von Df die Matrix
1 1
2 2
( , ) ( , )
2 2 (1 )
( , )
2 ( 1) ( 2)
( , ) ( , )
y y
Df
y y
D f D f
x y x y
x y ye xe y
J x y
D f D f x y e x y e
x y x y
x y
| |
|
| | +
|
= =
|
| + +
\
|

\
.

Dass die Matrix ( , ) ( , )
Df
D f x y J x y = symmetrisch ist, ist kein Zufall (siehe Lemma von
Schwarz).