Beruflich Dokumente
Kultur Dokumente
r Ingenieure II
Sommersemester 2006
Vorlesungsskript
Institut fur Angewandte Mathematik
FriedrichAlexanderUniversit
at ErlangenNu
rnberg
Inhaltsverzeichnis
6 Grenzwerte und Stetigkeit
6.1
6.2
6.3
Uneigentliche Grenzwerte . . . . . . . . . . . . . . . . . . . . . . . . . .
10
6.4
Stetigkeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
14
6.5
25
6.6
30
6.7
. . . . . . . . . . . . . . . .
36
6.8
Umkehrfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
6.9
Stetigkeitsmae . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
48
7.1
Ableitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
7.2
53
7.3
Hohere Ableitungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
59
7.4
Mittelwertsatz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
60
7.5
Taylor-Formel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
65
7.6
1. Anwendung: Extremwertprobleme . . . . . . . . . . . . . . . . . . .
72
7.7
7.8
81
7.9
87
90
96
8 Integration
108
8.1
8.2
8.3
Ansatzverfahren zur Losung von inhomogenen linearen DGl mit konstanten Koeffizienten . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
8.4
8.5
8.6
8.7
Allgemeine Integralbegriffe:
Regel-Integral und Riemann-Integral . . . . . . . . . . . . . . . . . . . 149
8.8
Anwendungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
8.9
181
9.1
9.2
9.3
Potenzreihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
10 Fourier-Analyse
204
6.1
Definition 6.1
Eine Abbildung f : Df R mit = Df R heit reelle Funktion.
BSP. 6.1
fu
r reelle Funktionen:
1
f statt f (n), z.B. fn = 2 .
n
n
1
1
2
3
Abbildung 1: f (x) = x1 .
Im Folgenden werden wir Funktionen betrachten mit kontinuierlichem Definiti
onsbereich, d.h. ohne isolierte Punkte. Dies entspricht Intervallen und Vereini
gungen solcher Intervalle, siehe Definition von beschrankten und unbeschrankten
Intervallen im Abschnitt 2.5, Teil I. Die Folgen aus Beispiel 1) werden also im
Anschluss noch nicht betrachtet. Auf Folgen kommen wir spater und ausf
uhrlich
in Kapitel 9 zur
uck.
3) f (x) =
x + 10
maximaler Definitionsbereich
x2 1
(1, )
Art von Intervallen:
beschrankt
beschrankt
unbeschrankt
halboffen
offen
halboffen
Wenn Df nicht angegeben, ist stets der maximale Definitionsbereich anzunehmen!)
Grenzwerte Vorbetrachtung:
1) f : R R mit f (x) = (x 2) + sign(x 2), f (2) = 0.
Uns interessieren die Punkte P1 und P2 . Wir wollen spater prazise definieren:
bei P1 :
lim f (x) = 1
rechtsseitiger Grenzwert
x2+
lim f (x) = 1
bei P2 :
x2
f (x)
9
8
P1
x
2 1
1
P2
3 2 1
Abbildung 2: Links: f (x) = (x 2) + sign(x 2) aus 1); Rechts: f (x) = x2 aus 2).
2) f (x) = x2 f
ur x R,
x3+
x3
Definition 6.2 Ist a = lim f (x) = lim (x) so heit a der Grenzwert von
xx0 +
xx0
1
.
3) f : (1, 1) R mit f (x) = x+1
1
/ Df !), lim gibt es nicht (in R)!
Hier ist lim f (x) = 2 (Beachte +1
x1+
x1
f (x)
f (x)
6
1
x
4
3
1
1
3
x
1
x+1
lim
x(1)+
1
x
1 aus 4).
x+
lim f (x) = 1
sin x f
ur x 0
5) f (x) =
1
sin
f
ur x > 0
x
lim f (x) =
x0+
lim f (x) = .
x0
lim f (x) = 0, lim f (x) existiert nicht, lim f (x) = 0, lim f (x) existiert nicht.
x0
x+
x0+
Damit sind alle eigentlichen und uneigentlichen Grenzwerte anschaulich erlautert. Wir
m
ussen diese anschaulichen Vorstellungen nun nur noch mathematisch prazisieren:
f (x)
1
x
2
1
Abbildung 4: Die Funktion f aus 5).
6.2
f (x) unterscheidet sich beliebig wenig von a, falls x nur dicht genug an x0 ist.
Definition 6.3 Sei = Df R und f : Df R sei eine reelle Funktion, x0 R.
lim f (x)
xx0 +
lim f (x)
wenn zu jedem > 0 ein > 0 existiert,
a=
xx0
lim f (x)
xx0
0 < x x0 <
so dass fur alle x mit
0 < x0 x < gilt: x Df und |f (x) a| <
U (x0 ) := {x R| |x x0 | < }
als (offene) -Umgebung von x0 , kann man Definition 6.3
als: Zu jedem > 0 existiert ein > 0, so dass
(6.1)
lim f (x) auch schreiben
xx0
(6.2)
Bemerkung: Rechte bzw. linke Grenzwerte kann man nur in solchen Punkten x0
untersuchen, f
ur die eine rechts- bzw. linksseitige Umgebung ganz im Definitionsbereich
liegt! x0 braucht aber nicht aus Df zu stammen. Genauer ist der Grenzwert moglich
f
ur x0 D f , den Abschluss von Df (hier wird noch etwas mehr gefordert). Ist Df wie
hier eine Vereinigung von Intervallen, so entspricht Df Df der gleichen Vereinigung,
bei der (halb-)offene Intervalle durch abgeschlossene ersetzt werden.
BSP. 6.2
Df = (, 1) [2, 3)
D f = (, 1] [2, 3]
Der Begriff wird klar am Grenzwertspiel.
(x0 , a)
f (x) = x2 ,
x0 = 2,
a = 4.
X u
berlegt sich folgende Strategie: Wenn Y > 0 wahlt, nehme ich = 5 , hochstens
aber = 1. Nun gilt namlich
<
<
<
muss nach |x x0 |
aufgelost werden konnen
f : R \ {0} R mit
1
1
=
signx|x|
=
sign
x
1
+
x2
x2
x2
Vermutung: lim f (x) = 1 und lim f (x) = 1.
f (x) = x 1 +
x0+
1+
1
= sign x 1 + x2 .
2
x
x0
Wir untersuchen: F
ur x 0+, d.h. x > 0:
|f (x) 1| = | +
1 + x2 1| =
x2
x2
< f
ur 0 < x < 2 = .
<
2
1 + 1 + x2
f (x)
3
2
1
x
1
1
2
3
Abbildung 6: f aus Bsp. 6.4.
Bemerkung: Sicher hangt von und von x0 ab (und von f !) !
Folgerung 6.5
1) Die Grenzwerte sind eindeutig, falls sie existieren.
2) lim f (x) = a falls |f (x) a| < K fur |x x0 | < (), wenn K nicht von
xx0
und abhangt.
f
ur |x x0 | < 2 gilt: |f (x) f2 | < ,
also
|f1 f2 | = |f1 f (x) + f (x) f2 |
f
ur |x x0 | < min(1 , 2 ), d.h.:
|f1 f2 | < 2 = |f1 f2 |/2 : W !
In der Nahe von x0 heit hier und spater: Es gibt ein > 0, so dass die geforderte
Eigenschaft f
ur |x x0 | < gilt.
z. B. f (x) = x2 ist auf R nicht beschrankt, aber in der Nahe jedes Punktes.
1
f (x) = ist in der Nahe von 0 nicht beschrankt.
x
Beweis der Folgerung 6.7: Setze M = |a| + 1 und = (1) (oder ein anderes, fest
gewahltes > 0). Dann ist
|f (x)| = |f (x) a + a|
|f (x) a| + |a|
M f
ur |x x0 | < (1).
xx0
xx0
xx0
xx0
lim
xx0
Beweis:
F
f (x)
= , falls G = 0.
g(x)
G
BSP. 6.5
f (x) =
x2 + |x| sign(x + 1)
sign x
0+01
=1
1
1+1+1
= 3
lim f (x) =
x(1)
1
f
ur x = 0
0+01
= 1
+1
1+11
lim f (x) =
= 1
x(1)+
1
lim f (x) =
lim f (x) =
x0
x0+
1) f (x)
2) f (x)
xx0
xx0
xx0
xx0
lim f (x) = lim h(x) lim g(x) existiert und a = lim g(x).
xx0
xx0
und
a =
xx0
f +
andererseits
f
f
einerseits
x0 x0 x0 +
xx0
xx0
xx0
xx0
Beweis zu 3) Wenn lim g(x) als existent bekannt ist, kann einfach 2) angewendet
xx0
lim g(x),
lim g(x)
xx0
xx0
a.
Um die Existenz von lim g(x) auch einzusehen, kann direkt mit der Definition arguxx0
mentiert werden.
|g(x) a|
h
g
a
x0
Abbildung 8: Skizze zum Entf
uhrungsprinzip.
BSP. 6.6
1) F
ur f : (0, 1] R mit f (x) = 2 x 1 f (x) < 2 hat man
lim f (x) = 1
x1
lim f (x) = 2.
x0+
f
ur 0 < x <
cos x
2
1
1
cos x
> >
sin x
x
sin x
sin x
sin x
1>
> cos x 1 f
ur x 0+ lim
= 1.
x0+ x
x
0 < sin x < x <
sin x
= 1, also
x0 x
sin x
=1.
x0 x
lim
6.3
Uneigentliche Grenzwerte
10
uneigentlichen
Grenzwer-
sin x
sin x/ cos x
cos x
x
N()
Abbildung 10: Zur Definition des uneigentlichen Grenzwerts.
falls zu jedem > 0 ein N() R existiert, so dass fur x > N() gilt: x Df und
|f (x) a| < .
lim f (x) = a (x < N() statt x > N()).
Die Existenz etwa von lim f (x) erfordert also ein K R, so dass (K, ) D.
x
Vermutung:
f (x) =
x2
1 + x2
=1
1
1 + x2
lim f (x) = 1.
Dies gilt, da
|f (x) 1| = |
1
1
1
x2
1| =
< 2 < f
ur |x| >
2
2
x +1
1+x
x
11
1
|f (x) 1| < f
ur x <
lim f (x) = 1
lim f (x) = 1
Definition 6.11
lim f (x) = +
xx0 +
xx0 +
fur x x0 < .
xx0
x0
12
1
f
ur x = x0 .
x x0
lim f (x) = , lim f (x) = , lim f (x) = lim f (x) = 0.
1) f (x) =
xx0 +
xx0
lim f (x) = .
f (x)
f (x)
3
2
1
x0
1
1
2
3
Abbildung 13: Links: f aus 1); Rechts: f (x) = x3 .
Satz 6.12 Rechenregeln: Fur
in Abschnitt 6.2 bzgl. / .
3) lim g h = ( = )
a
f
= 0)
4) lim = 0 (
g
= )
5) lim = , falls a > 0 (
f
a
13
Bemerkung:
1) 1) und 4) gelten auch, wenn lim f nicht existiert, f aber beschrankt bleibt
beim Grenz
ubergang.
0
, .
0
Diese Grenzwerte konnen nicht aus den Grenzwerten der einzelnen Funktionen
erschlossen werden.
2) Es fehlen Rechenregeln f
ur , 0,
BSP. 6.9
sin 1/x
= 0, da der Zahler beschrankt ist und der Nenner den Grenzwert
x0 1 + 1/x
hat.
1) lim
x2 x
1 1/x
= lim
=1
2
x x + x
x 1 + 1/x
2) lim
3) Seien an , . . . , al , bm , . . . , bk R, an = 0 = bm f
ur n, m N0 .
an xn + an1 xn1 + . . . al xl
:
x bm xm + bm1 xm1 . . . ak xk
Betrachte lim
0 falls m > n
an
f
ur m < n
sign
=
bm
an f
ur n = m,
bm
da der Zahler immer den Grenzwert bm hat.
6.4
Stetigkeit
stetig ist.
xx0
Bemerkung:
14
1) lim
xx0
und Funktionsauswertung.
3) Ausgeschrieben bedeutet also stetig in x0 D .
F
ur alle > 0 existiert ein > 0, so dass f
ur x mit |x x0 | < gilt:
x D und |f (x) f (x0 )| <
(6.3)
dann ist jedes f in einem isolierten Punkt c stetig und dies ist im Wesentlichen der
einzige Unterschied zwischen den Definitionen.
BSP. 6.10
1) f (x) = c |f (x) f (x0 )| = 0 < f
ur > 0 beliebig f ist stetig.
2) f (x) = x |f (x) f (x0 )| = |x x0 | < f
ur |x x0 | < = f ist stetig.
3) |x| ist stetig, da ||a| |b||
xx0
Bemerkung: Den Graphen der Funktion ist die Stetigkeit oder Unstetigkeit meist
anzusehen ( zeichenbar ohne abzusetzen), nur kann man diese Vorstellungen nicht als
Definition fassen.
Beachte: sign x = unstetig und zeichenbar, sin x1 ist auf (0, ) stetig, nicht
zeichenbar .
15
f (x)
1
x
3
1
1
Beweis: Die ersten 4 Falle folgen direkt aus der Vertraglichkeit von Limes und algebraischen Operationen. Wir beweisen nur den letzten Fall, f
ur den
aus
lim f (x) = f (x0 ) ,
lim g(y) = g(f (x0))
xx0
yf (x0 )
zu folgern ist:
lim g(f (x)) = g(f (x0)).
xx0
0 < |y f (x0 )| < gilt: y Dg und |g(y) g(f (x0 ))| < .
Zu existiert aber > 0, so dass f
ur
0 < |x x0 | < gilt: x Df und |f (x) f (x0 )| < , also auch f (x) Dg und
|g(f (x)) g(f (x0))| < , wie behauptet.
Bemerkung: z. B. lim f
x0
sin x
x
=f
sin x
x0 x
lim
= f (1) f
ur stetige f ,
x0+
x0+
d.h. f
ur unstetige f mu obiger Satz nicht gelten.
Mit Hilfe des obigen Satzes kann man nun viele stetige Funktionen angeben. Zuvor
jedoch:
Typen von Unstetigkeitsstellen:
I. f hat bei x0 einen Sprung, falls
lim
xx0 +
aber.
Z. B. sign x bei x0 = 0.
lim
xx0
II. f hat bei x0 eine hebbare Unstetigkeit, falls f (x0 ) = lim f, der lim aber
xx0
existiert.
Z. B. (sign x)2 bei x0 = 0.
xx0
16
f (x)
f (x)
Abbildung 15: Links: Sprung (Typ I); Rechts: hebbare Unstetigkeit (Typ II).
(x 1)2 (2x + 1)
ist nicht definiert f
ur x = 5, x = 1.
(x 1)2 (x 5)
2x + 1
3
lim f (x) = , aber lim f (x) = lim
=
x5+
x1
x1 x 5
4
3
!
f ist in x0 = 1 durch f (x) = stetig erganzbar.
4
Z. B. f (x) =
1
(xx0 )n
xx0
f (x)
x0 = 1
3
Abbildung 16: Links: L
ucke (Typ III); Rechts: Pol (Typ IV).
17
x
3
Definition 6.15 Ein Pol bei x0 heit Pol nter Ordnung, falls
lim (x x0 )n f (x) existiert und weder gleich 0 noch ist.
xx0
3x 2
hat bei x = 1 einen Pol 6. Ordnung.
(x 1)6
f (x) = 1/ sin x hat bei x = 0 einen Pol 1. Ordnung, da lim xf (x) = 1
x0
Es gibt noch Unstetigkeitsstellen, die nicht von Typ IIV sind, aber im Allgemeinen
nicht klassifiziert werden.
Z. B. f (x) = sin 1/x hat bei x = 0 eine oszilierende Unstetigkeit
Z. B. f (x) =
Stetige Funktionen:
1) Polynome sind stetige Funktionen, denn wir haben gezeigt, dass c, x stetig sind
und damit nach obigem Satz auch c0 + c1 x, c0 + c1 x + c2 x2 u.s.w.
Funktionsverlauf ist hinlanglich bekannt.
n
Sei P (x) =
k=0
n 1 an = 0
lim P (x) =
ak xk
f
ur ein l N
P (x)
mit Polynomen P und Q sind stetig dort,
Q(x)
wo Q(x) = 0 nach obigem Satz.
18
Bsp.:
R(x) =
10 8
2
2
10
4
6
8
10
Abbildung 18: Die rationale Funktion R aus Bsp. 6.11,2).
Die Funktion R ist stetig f
ur x = 0, 2, 5 und
lim R(x) = 2.
Beachte: An Nullstellen und Polen geraden Grades findet kein Vorzeichenwechsel statt, im Gegensatz zu solchen ungeraden Grades.
3) Trigonometrische Funktionen (werden als bekannt vorausgesetzt, siehe
Abb. 19). Wir werden spater die Funktionen sin x, cos x noch exakt definieren.
Dann werden sie auch als stetig entlarvt.
Mit sin x, cos x definiert man sich weitere trigonometrische Funktionen (Abb. 20).
Definition 6.16
tan x =
sin x
fur x = k +
cos x
2
19
cot x =
cos x
fur x = k, k Z
sin x
1
2
3
4
5
4
3
2
1
1
2
3
4
5
em/n = ( n e)m f
en = e e . . . e,
ur n, m N.
nmal
20
8
6
4
2
x
6
am/n = ( n a)m
21
eingef
uhrt. Spater wird nach einer einheitlichen Definition von exp(z) f
ur z C
dies als Aussage folgen f
ur z = i, R und f
ur diese komplexe Exponentialfunktion gelten die gleichen Regeln wie im Reellen, zum Beispiel:
ez1 +z2 = ez1 ez2 , ez =
1
.
ez
1 i
(e ei )
2i
1 i
(e + ei )
cos =
2
sin =
f
ur z C fort:
Definition 6.19
1 iz
(e eiz )
2i
1
cos z = cos(x + iy) = (eiz + eiz )
2
fur x, y R bzw. z = x + iy C.
sin z = sin(x + iy) =
x
x
cosh x := 1/2(e + e )
cosinushyperbolikus
x
cosh x
sinh
coth x =
.
entsprechend tanh x =
cosh x
sinh x
22
Nat
urlich sind sinh x, cosh x stetig.
Da cosh x = 0 f
ur alle x R, ist auch tanh x stetig in R.
sinh x = 0 f
ur ex = ex , was nur f
ur x = 0 gilt. Also ist coth x stetig f
ur x = 0.
f (x)
f (x)
cosh(x)
cotanh(x)
1
1 x
e
2
x
tanh(x)
sinh(x)
1
sinh z := (ez ez )
2
1
cosh z := (ez + ez )
2
23
fur z C
Folgerung 6.22
cos z = cosh(iz)
sin z = i sinh(iz)
x2 + y 2 f
ur z = x + iy C.
Damit u
ur Funktionen f : D C mit
bertragt sich die Formulierung (6.3) wortlich f
D C und mit entsprechender Interpretation von Umgebungen U (z0 ) nach (6.1) (als
Kreise in R2 um z0 auch (6.2)).
Sind angemessen (V, ||.||V ), (W, ||.||W ) normierte Vektorraume und f : D W mit
D V , so ist in (6.3) zu ersetzen
||x x0 ||V < bzw. ||f (x) f (x0 )||W < .
Insbesondere konnen also V bzw. W Rn bzw. Rm sein. Eine mogliche Norm ist die
Euklidische Norm.
Eine Anderung
der Norm durch Umskalierung (||x|| statt ||x|| f
ur ein festes > 0)
andert den konkreten Wert zu , nicht aber die (Un-)Stetigkeit an einer Stelle.
24
Kann es prinzipiell verschiedene Normen geben, so dass eine Abbildung von stetig zu unstetig wechselt? Wir werden spater sehen, dass dies bei endlich-dimensionalen
Vektorraumen nicht moglich ist, wohl aber bei unendlich-dimensionalen (etwa Funktionenraumen).
6.5
f (x)
b
a
x0
Abbildung 24: Links: Umgebung mit f (x) > 0 (Satz 6.23), rechts: Existenz mindestens
einer Nullstelle f () = 0 (Satz 6.25).
Folgerung 6.24 Sei f (x0 ) > a, dann gibt es ein > 0 mit f (x) > a fur |x x0 | <
d. h. f (x) > a in der Nahe von x0.
BSP. 6.12
Wer stetig wachst und noch nicht an die Decke stot, kann noch weiter
wachsen ohne anzustoen.
Satz 6.25 Sei f stetig auf [a, b] und f (a) > 0, f (b) < 0 (oder umgekehrt). Dann gibt
es mindestens ein (a, b) mit f () = 0.
Bemerkung:
1) muss nicht eindeutig sein.
25
2) F
ur unstetige f gilt dieser Satz nicht.
Bsp.: f (x) = sign x + 21 auf [1, 1] (Abb. 25, links) hat keine Nullstelle, obwohl
f (1) < 0, f (1) > 0.
3) Ist f nur auf [a, b] Q definiert, muss dieser Satz auch nicht gelten:
Bsp.: f (x) = x2 2 auf [0, 2] (Abb. 25, rechts). Dann gilt: f (0) = 2 < 0, f (2) =
f (x)
x
1
1
2
Aus Satz 6.23 folgt: U hat kein Maximum, denn ware m = max U, dann f (y) > 0 f
ur
alle y [a, b], y m. Nach Satz 6.23 ist aber auch f
ur ein > 0
f (z) > 0 f
ur m z < m + und so auch z U : W !
Also muss O sein Infimum als Minimum annehmen.
26
Annahme:
f () < 0 nach Satz 6.23 kann nicht Minimum von O sein im Widerspruch zu
oben.
f () > 0 U, da auch f (y) > 0 f
ur y [a, b] und y gilt. Andernfalls gabe es
ein o O mit o < im Widerspruch zu oben. U ist aber schon ausgeschlossen.
Also bleibt nur:
f () = 0.
Folgerung 6.26
stelle, weil
1. Polynome ungeraden Grades haben mindestens eine reelle Nulllim a2n+1 x2n+1 + . . . = sign(a2n+1 ).
2.
Zwischenwertsatz Ist f stetig auf [a, b] und f (a) < c < f (b), dann gibt es
27
Folgerung 6.27 Ist I ein Intervall und f : I R stetig, so ist f (I) ebenfalls ein
Intervall.
Beweis: Ein Intervall I R (alle Varianten moglich) ist gerade durch:
a, b I c I f
ur alle c (a, b)
(6.4)
BSP. 6.14
1
f [(0, 1]] = [1, ).
x
f : (0, 1) R mit f (x) = 7 f ((0, 1)) = {7} = [7, 7].
f : (0, 1] R , f (x) =
Man sieht, dass die Offenheitvon Intervallen durch stetige Abbildungen nicht u
ber
tragen wird (wohl aber die Abgeschlossenheit!)
(6.5)
28
(6.6)
R \ O hat kein Maximum, denn wegen (6.6) ist mit u R \ O auch z.B. das groere
1
(x + u) R \ O.
2
Also hat O ein Minimum, das gerade sup T darstellt.
Bemerkung: Die obigen Begriffe konnen auch allgemein auf einer geordneten Menge
eingef
uhrt werden. Die Aussage 2) ist aber eine Spezialitat von R, da das Dedekindsche Schnittaxiom eingeht. Z.B. ist in Q {x Q|x2 2} zwar nach oben beschrankt,
hat aber kein Supremum.
Satz 6.29 Seien a, b R, a < b, I = [a, b] und f : I R stetig. Dann gilt:
1) f ist beschrankt.
2) f besitzt mindestens ein Maximum und ein Minimum.
3) f (I) ist das abgeschlossene Intervall [min f, max f ].
Beweis: 1),2): spater;
3) folgt aus 2).
f (x) = x2
29
1
f
ur x = 0, f (x) = 0.
x
a < b gilt f
ur f (a) < c < f (b): Es gibt ein (a, b) mit f () = c.
6.6
Nach Satz 6.29 hat ein beschranktes abgeschlossenes Intervall I = [a, b] eine wesentliche
Eigenschaft. Dies ist die Kompaktheit dieser Menge. Am einfachsten kann dieser Begriff
u
uhrt werden.
ber konvergente Folgen eingef
Definition 6.30 Sei (an )nN eine Folge in R, a R. (an ) heit konvergent gegen
a (fur n ), geschrieben als
an a fur n oder
a = lim an ,
n
wenn zu jedem > 0 ein N() N existiert, so dass fur n > N() gilt: |an a| < .
Dies entspricht also im Wesentlichen Def. 6.10. Daher gelten die Eindeutigkeit von
Grenzwerten und die Rechenregeln (Vertraglichkeit mit algebraischen Operationen und
Ordnung) hier entsprechend.
Analog gilt:
Satz 6.31 Sei (an )n eine konvergente Folge, dann ist (an ) beschrankt.
Beweis: Zu = 1 existiert N N, so dass mit a := lim an
n
|an |
1 + |a| f
ur n > N gilt.
30
[ ] an fur alle n N
gilt.
Gilt immer > [<], so heit die Folge streng monoton wachsend [fallend].
2) (an )n heit nach oben [unten] beschr
ankt, wenn
{an | n N} nach oben [unten] beschrankt ist,
bzw. beschr
ankt, wenn beides gilt.
Dann gilt:
Satz 6.33 Sei (an )n Folge in R, monoton wachsend und nach oben beschrankt. Dann
gilt
an a := sup ak fur n .
kN
Beweis: Sei > 0. Da a keine obere Schranke der an sein kann, existiert ein
N() N mit
aN () > a
und so f
ur n > N():
a+>a
bzw.
an > aN () > a
|an a| < .
Bemerkung: Ist (an )n etwa eine Folge in Q, so gilt die gleiche Aussage, aber mit a R
und i.a. nicht a Q.
Jede Folge enthalt unendliche verschiedene Teilfolgen, wobei
Definition 6.34 Sei (nk )kN eine streng monoton wachsende Folge in N, sei (an )nN
eine Folge in R.
(ank )kN heit eine Teilfolge von (an )nN .
31
Jede Teilfolge einer konvergenten Folge konvergiert gegen den gleichen Grenzwert
(Ubung),
dagegen kann eine nicht konvergente Folge konvergente Teilfolgen besitzen.
BSP. 6.16
an := (1)n
ist nicht konvergent, aber
nk := 2k :
ank 1 f
ur k ,
nk := 2k + 1 : ank 1 f
ur k .
Stetigkeit kann auch u
ber Folgenkonvergenz charakterisiert werden:
Satz 6.35 Sei f : D R, D R nicht leer, x0 D.
f ist in x0 stetig Es gibt eine (einseitige) Umgebung von x0 in D und fur alle Folgen
(xn )n in D mit xn x0 fur n gilt:
f (xn ) f (x0 ) fur n ,
(Folgenstetigkeit in x0 ).
Beweis: Ubung
Die Richtung zeigt man durch Kontraposition, in dem man f
ur f , das in x0 nicht
konvergiert).
2) K heit kompakt, wenn jede Folge in K eine Teilfolge besitzt, die in K konvergiert.
Bemerkung:
1) Kompakte Mengen sind abgeschlossen.
32
1
< xn
n
sup T, also
xn sup T f
ur n
und somit sup T T, sup T = max T .
Diese Topologie-Begriffe werden erganzt durch
Definition 6.37 Sei A R.
1) A heit offen, wenn R \ A abgeschlossen ist.
2) x R heit H
aufungspunkt (HP ) von A, falls eine Folge (xn ) in A existiert
mit x = lim xn .
n
1) A ist abgeschlossen A = A.
2) A ist offen A =
A.
3) x A x ist HP von A und HP von R\A.
33
BSP. 6.17
A = [a, b)
A = [a, b],
A = (a, b),
A = {a, b}
Alle obigen (Topologie-)Begriffe konnen auf einem Raum mit Abstandsmessung, also
inbesondere einem normierten Raum definiert werden und haben die obigen Eigenschaften. Dies gibt also f
ur (Rn , ||.||), wobei ||.|| z. B. die Euklidische Norm ist, aber
auch f
ur (C[a, b], ||.||), z. B. mit der Maximumnorm.
Kompaktheit wird durch eine stetige Abbildung bewahrt:
Satz 6.39 Sei K D R, K kompakt, f : D K stetig, dann ist f [K] kompakt.
Beweis: Sei (yn )n eine Folge in f [K]. Zu yn existiert ein xn K mit f (xn ) = yn .
(xn )n besitzt eine in K konvergente Teilfolge:
xnk x K f
ur k
und so nach Satz 6.35 auch
ynk := f (xnk ) f (x) f [K] f
ur k .
Welche Mengen sind kompakt? Weiterhin zur Abgeschlossenheit ist die Beschranktheit
von K notwendig. Andernfalls gibt es etwa zu n N
xn K mit xn+1
xn
n,
was keine konvergente Teilfolge enthalten kann. In R (und auch Rn bzw. endlichdimensionalen Raumen, aber nicht in unendlich-dimensionalen Raumen) charakterisieren diese beiden Eigenschaften schon die Kompaktheit:
Satz 6.40 (Bolzano-Weierstra)
Sei K R abgeschlossen und beschrankt, dann ist K kompakt.
Beweis:
Zu zeigen ist: Sei (xn )n eine Folge in K, also beschrankt, dann hat (xn )n eine konvergente Teilfolge.
Wegen der Abgeschlossenheit folgt auch x := lim xn K.
n
1
a1 := a, b1 := b und f
ur n = 1, 2 . . . : c := (an + bn ).
2
34
(6.7)
bk f
ur alle k N
b bzw. a
bk f
ur k N, folgt nach Satz ??
ak a := sup ak
kN
bk b := inf bk
kN
f
ur k .
Weiter ist
1
(bk ak ), d.h.
2
k1
1
0 f
ur k
= (b a)
2
bk+1 ak+1 =
bk ak
woraus folgt:
a = b.
Die gew
unschte Teilfolge kann nun folgendermaen ausgewahlt werden:
n1 := 1 und f
ur k = 2, . . . wahle nk > nk1 ,
so dass
xnk [ak , bk ].
Dies geht, da [ak , bk ] unendlich viele Folgenglieder enthalt. Mit a = lim ak = lim bk
k
35
yn fur alle n N.
Dann:
x := sup xn
y := inf yn
nN
nN
xn x, yn y fur n .
Gilt (yn xn ) 0 fur n , dann ist x = y und es gilt die Einschlieung
|x xn |
yn xn
|x yn |
6.7
yn xn .
Algorithmische L
osung von Gleichungen I
Der Beweis von Satz 6.25 ist ein reiner Existenzbeweis, der keine Nullstelle angibt.
Ein konstruktiver Beweis dagegen gibt einen Algorithmus an zur Bestimmung einer
Losung. Dieser kann aus endlich vielen elementaren Operationen(wie das Gausche
Eliminationsverfahren), oder aber aus im Prinzip unendlich vielen bestehen (iteratives
Verfahren), d.h. es definiert eine Folge. Um dennoch nach endlich vielen Schritten eine
Naherungslosung zu haben, ist deren Konvergenz notig.
Ein iteratives Verfahren zur Bestimmung einer Nullstelle nach Satz 6.25 ist das
Bisektionsverfahren:
Definierte Folgen (xn ), (yn ) durch
x1 := a,
y1 := b
und rekursiv f
ur k N : := 21 (xk + yk ).
Ist f () = 0, dann Abbruch:
:= .
Ist f () < 0, dann xk+1 := , yk+1 := yk .
Ist f () > 0, dann xk+1 := xk , yk+1 := .
(xn )n ist monoton wachsend, (yn )n monoton fallend, wegen
xn
yn f
ur alle n N
36
sind die Folgen auch beschrankt und somit nach Satz 6.40 bzw. Satz 6.41
xn x := sup xn
nN
yn y := inf yn
nN
f
ur n .
Es ist auch
x = y,
da f
ur die Differenzfolge zn := yn xn
gilt:
1
1
zk+1 = (yk zk ) = zk
2
2
und so
zn = (b a)
1
2
n1
0 f
ur n .
lim f (xn )
lim f (yn )
do
then a :=
else b :=
end
Selbst bei exakter Ausf
uhrung (s.u.) wird i.A. das Verfahren nicht nach endlich vielen
Schritten abbrechen. Ob es praktisch ist, entscheidet
Die Durchf
uhrbarkeit und der Aufwand f
ur einen Iterationsschritt (hier Addition,
Multiplikation, Auswertung von f (!))
37
Die Anzahl der Iterationsschritte, die notig sind, um einen Fehler (hier |xn |
oder |yn |) kleiner als eine Genauigkeit > 0 (Eingabe) zu garantieren,
1
bzw. die Anzahl der Schritte, um den Fehler um einen festen Faktor (z. B. 10
) zu
reduzieren.
Ist nur Konvergenz von z. B. xn gesichert, kann u
ber den zweiten Punkt a priori (d.h.
vor einem tatsachlichen Computerlauf) nichts ausgesagt werden. Hier ist wegen der
einschlieenden Intervallschachtelung die Situation besser:
|xn , |yn |
(b a)
1
2
n1
so dass f
ur eine gew
unschte Genauigkeit I > 0 ein n N mit
1
2
(b a)
n1
hinreichend ist (worst case (bei exakter Arithmetik)). Dies bedeutet hier (Rechnen mit
ln s.u.)
ln ba
I
n
+ 1 = N(I ).
ln(2)
F
ur I = 10k , k N, etwa hat N(I ) die Form
N(k) = A + Bk
mit konstanten A, B > 0, so dass f
ur die Verbesserung der Genauigkeit um eine Dezimalstelle eine feste Anzahl B von zusatzlichen Iterationsschritten notig ist. Ob dies
akzeptabel ist, hangt von der Groe von B ab, oft gibt es schneller konvergente
Verfahren. Der Vorteil hier liegt in der Einschlieung
xn
yn ,
(6.8)
die a posteriori (wahrend des Computerlaufs) (bei exakter Arithmetik) die Schranke
yn xn garantiert.
Ein moglicher Pseudocode soweit ist
Eingabe a, b R, I > 0, n := 1
and
while f ( := 12 (a + b) = 0)
begin
n := n + 1
If
f () > 0
then a :=
else b :=
end
end
38
N(I )
1
:= (a + b)) = 0))
2
(b a)
and
I .
Ist bei einem Verfahren zur Losung von f (x) = 0 eine Einschlieung nicht garantiert,
sondern nur eine konvergierende Folge, dann kann die Genauigkeit nur indirekt u
ber
die Groe des Defekts abgeschatzt werden, d. h. u
ber die Forderung
|f (xn )|
I .
bedeutet, hangt vom Ma der Stetigkeit von f 1 (Existenz in der Nahe von y = 0
vorausgesetzt) ab. Je nachdem welche Fehlerverstarkung zu erwarten ist, spricht man
von gut oder schlecht konditionierten Problemen (Abb. 27).
y
y
f
f
x
(6.9)
bestenfalls f
ur f in der Groenordnung der Maschinengenauigkeit. I.a. wird also die
approximierende Folge xn mit Fehlern zu xn gestort sein, hier beim Bisektionsverfahren
ist es zumindestens die Abfrage f () > 0. Ist etwa f () > 0, aber f() f < 0, so
wird im Verfahren falsch entschieden und die Einschlieung geht verloren. Die Abfrage
f () = 0 auf Abbruch ist also nicht sinnvoll, sondern sollte durch
|f ()|
39
ersetzt werden. Bei Abbruch hangt dann aber i.a. die Groe der Losung von der Kondition ab. Aber auch wenn f nur durch Elementaroperationen realisiert werden kann,
z ,
6.8
f ( := 21 (a + b)) f
(b a) I .
and
Umkehrfunktionen
f (x)
f (x)
x
Abbildung 28: Links: Monoton wachsende Funktion, aber nicht streng, rechts: strenge
Monotonie.
Z.B.: f (x) = x3 ist streng monoton wachsend, f (x) = sign(x) ist monoton wachsend.
40
x2
sin x
3
2
1
x
2
Abbildung 29: Monotoniebereiche von f (x) = x2 : [, 0] und [0, +] (links) und von
f (x) = sin x: [ 2 + k, + 2 + k], k Z (rechts).
Ist f nicht monoton, so kann man Df meist in Monotoniebereiche zerlegen, in denen
f monoton ist, s. Abb. 29.
Sei nun im Folgenden I ein Intervall.
Satz 6.43 Sei f : I R stetig. Dann gilt:
f ist streng monoton f ist injektiv
Beweis: : Annahme: f ist injektiv und nicht streng monoton, dann gibt es
(o.B.d.A) x0 < x1 < x2 , mit f (x0 ) < f (x1 ) und f (x1 ) > f (x2 ) > f (x0 ).
Dann existiert nach dem Zwischenwertsatz ein x (x0 , x1 ), mit f (
x) = f (x2 ) (vgl.
Abb. 30), im Widerspruch zur Injektivitat.
Sei f o.B.d.A. streng monoton wachsend, dann gilt f
ur > 0 :
f 1 [(f (x ), f (x + ))] = (x , x + ).
Sei := min(f (x) f (x ), f (x + ) f (x)) > 0, dann
f 1 [(f (x) , f (x) + )] f 1 [(f (x ), f (x + ))] = (x , x + ).
Bemerkung:
41
f (
x) = f (x2 )
x0
x1
x2
f (x)
f 1 (f (x)) = x
x
f (x)
f 1 (x)
f (x)
Abbildung 31: Links: Injektives, aber nicht monotones f , Mitte und rechts: Graph der
Umkehrfunktion, Spiegelung an y = x.
BSP. 6.18
1) f (x) = xn und n ungerade: f ist streng monoton f 1 (x) = signx n |x|,
vgl. Abb. 32 links.
2) f (x) = xn und n gerade: Monotoniebereiche [0, ) und (, 0]
auf (, 0] : f 1 (x) = n x,
vgl. Abb. 32 rechts.
42
Bemerkung: xn ,
ausf
uhrung heien algebraische Funktionen. Z. B. f (x) =
x3
x2 + 5 x1
f (x)
xn
xn
|x| n
sign(x)|x| n
x
x
1
|x| n
Abbildung 32: Funktionsgraphen mit Umkehrfunktion von xn mit n ungerade (links)
und n gerade (rechts).
Definition 6.44 Ist f (x) = ex , so heit
ln f : R+ R mit ln x := ln(x) := f 1 (x)
natu
rlicher Logarithmus.
Folgerung:
a) ln x ist stetig.
b) lim (ln x) =
x0+
lim ln x = .
c) ln(x y) = ln x + ln y f
ur x > 0, y > 0.
d) eln x = x,
ln ey = y, f
ur x > 0.
43
f (x)
4
ex
3
2
ln(x)
x
2
1
1
2
Abbildung 33: Exponentialfunktion ex und nat
urlicher Logarithmus ln(x).
Einige Rechenregeln (Schulstoff):
a
log c =
f (x)
4
log c
u.s.w.
log b
f (x)
ax
ax 4
a>1
2
a
log x
0<a<1
1
x
1
1
x
2
1
1
2
a
log x
44
arccos(x)
arccos(x)
-1
x
cos(x)
-1
cos(x)
tan(x)
cot(x)
arccot(x)
arctan(x)
x
Wegen
y = sinh x = 21 (ex ex ) 12 (ex )2 (ex )y 21 = 0 ex = y + y 2 + 1
x = ln(y + y 2 + 1) folgt die geschlossene Darstellung area sinh x =
ln(x + x2 + 1) f
ur x R. Entsprechendes gilt f
ur die anderen Areafunktionen.
f
ur x 1
f
ur x (1, 1)
f
ur x (, 1) (1, )
7) Alle Verbindungen von xn , ex , trigonometrischen Funktionen und deren Umkehrungen bilden die sogenannten elementaren Funktionen.
45
sinh(x)
cosh(x)
areasinh(x)
x
areacosh(x)
1
x
1
Abbildung 37: Die Hyperbelfunktionen und ihre Umkehrfunktionen: cosh(x) und
sinh(x).
areatanh(x)
tanh(x)
cotanh(x)
areacotanh(x)
x
6.9
Stetigkeitsmae
Stetigkeit ist ein rein qualitativer Begriff, gerade aber bei der Fehlerfortpflanzung in
numerischen Verfahren ist es wichtig zu wissen, wie stetig eine Funktion ist. Das Ma
der Stetigkeit, d.h. die schlechteste Wahl von > 0 zu > 0 ist i.A. abhangig von f
und der Stelle x0 , ist das letztere nicht der Fall spricht man von
Definition 6.46 Sei 0 = Df R, f : Df R in allen x Df stetig. f heit
gleichm
aig stetig (auf Df ), wenn zu jedem > 0 ein > 0 existiert, so dass fur
alle x, y Df mit |x y| gilt:
|f (x) f (y)|
46
(6.10)
Die Wahl ist also unabhangig von x Df moglich, in der Derfinition statt
< ist irrelevant und konnte auch durch < ersetzt werden bzw. umgekehrt in den
vorigen Stetigkeitsdefinitionen.
Es gilt:
Satz 6.47 Sei Df R kompakt, f : Df R auf Df stetig. Dann ist f gleichmaig
stetig.
Beweis: Durch Widerspruch sofort aus der Definition.
(6.11)
1) f : R+ R+ , f (x) = x2
f ist nicht gleichmaig stetig, d.h. die Beziehung wird f
ur wachsendes x
immer schlechter, es gibt auch keine Funktion S mit (6.11). Andernfalls folgte
f
ur xn := n + n1 , yn := n
|xn yn | =
1
n
S(|xn yn |) 0, aber
1
n
1
n
=2+
1
n2
2.
2) f : [a, b] R, f (x) = x2
F
ur S() := L mit L := 2 max(|a|, |b|) gilt
|f (x) f (y)| = |x + y||x y| L|x y| = S(|x y|).
Im Beispiel folgt also auf eine kompakte Menge bzw. in der Nahe eines Punkts
x0 die besonders u
berschaubare Fehlerverstarkung maximal um einen Faktor L,
f ist dort:
47
7
7.1
df
=: Df
dx x=x0
x=x0
heit Ableitung von f bei x0 . Ist f differenzierbar, so heit f : Df R
Ableitung von f .
a =: f (x0 ) =:
df
dx
x=x0
= lim
xx0
f (x) f (x0 )
f
= lim
xx0 x
x x0
48
Bemerkung
1) Nach Folgerung 6.5 ist f (x0 ), falls existent, eindeutig.
2) Nach Definition 6.3 erfordert die Differenzierbarkeit in x0 also die Existenz einer
Umgebung U (x0 ) in Df . Existiert nur eine einseitige Umgebung (f
ur x0 A),
dann ist die Definition auf den entsprechenden einseitigen Grenzwert abzuschwachen.
f
x0 x
3) lim
df
dx
x0
lim f = lim x = 0, (f
ur stetiges f ).
x0
x0
df
df und dx sind im obigen Sinne nicht definiert als Zahlen, sondern nur dx
R.
Wir konnen df und dx spater deuten. (Es sind dann aber auch dann keine
unendlich kleinen Zahlen!)
nte
a) Leibniz:
te
Ta
n
ge
an
Sek
f
= Sekantensteigung
x
f
df
= lim
dx xx0 x
= Tangentensteigung
)f
)x
x0
x0+)x
b) n Newton
49
f=0
f>0
f<0
s(t) s(t0 )
= s(t
0 ) = Mott0
t t0
mentangeschwindigkeit.
lim
Eine auch f
ur Funktionen auf Rn (und allgemeiner) zu fassende aquivalente Definition
ergibt sich aus
Satz 7.2 Seien 0 = Df R, f : Df R, x0 Df , so dass eine (einseitige)
Umgebung von x0 in Df existiert.
Dann sind aquivalent:
a) f ist in x0 differenzierbar.
b) Es gibt a R und eine in x0 stetige Funktion R mit R(x0 ) = 0, so dass gilt:
f (x) = f (x0 ) + a(x x0 ) + R(x)(x x0 ).
(7.1)
(7.2)
f (x) f (x0 )
a.
x x0
Wahlt man a := f (x0 ) und R(x0 ) := 0, so ist R in x0 stetig nach Definition 7.1. F
ur
die Eindeutigkeit von a und R ist zu zeigen:
0 = a(x x0 ) + R(x)(x x0 ) f
ur x Df ,
50
(7.3)
f (x)f (x0 )
xx0
S(x0 ) f
ur x x0 .
Nahe bei x0 ist also f in h = x x0 durch die affine Funktion g(h) := f (x0 ) + a h (mit
:= R(x)h
g(0) = f (x0 ) und Steigung a) so gut approximierbar, dass f
ur den Fehler R
0 , h)
R(x
0 f
ur h 0.
h
(7.4)
0 , h) = o(h) f
R(x
ur h 0.
(7.5)
1) Uber
Definition 7.1:
f (x) = c
1
lim (f (x + h) f (x)) = 0 f 0 d. h. (c) = 0
h0 h
2) Uber
Satz 7.2:
f (x) = xn f
ur n N
51
f (x) =
k=0
f
ur h = x x0 , also
n
x0 nk hk
k
n
= x0 +
k=1
n
x0 nk hk1 h
k
n
x0 nk (x x0 )k1, d.h. f (x0 ) = S(x0 ) = n x0 n1 .
k
S(x) =
k=1
(7.6)
Hier wird also f sogar exakt durch ein Polynom n-ten Grades in h dargestellt,
wobei die Steigung des linearen Terms gerade f (x0 ) und die hoheren Terme R(x)h
ergeben. Diese Situation gilt approximativ auch bei hoherer Differenzierbarkeit
(s.u.: Taylor-Polynom).
3)
d sin x
dx
x=0
= lim
x0
.
cos x
x=0
= lim
x0
cos x 1
=?
x
1 cos x
r 2 sin2 x
x2 sin2 x
0<
=
<
x
x
x
2
sin x
= 1
x
d cos x
cos x 1
= lim
=0
dx x=0 x0
x
sin x
x
sin x 0
d cos x
= 1;
x0
dx
1-cos x
cos h 1
sin h
+ sin x0
h
h
wobei h := x x0 .
Also: = sin x0 + S(x)h,
und f
ur x x0 , d.h. h 0 gilt wegen lim
h0
sin h
h
= 1, lim
S(x) cos x0 ,
52
h0
cos h1
h
h,
=0:
so dass sin f
ur alle x R differenzierbar ist und
(sin x) = cos x f
ur alle x R.
(7.7)
(cos x) = sin x f
ur alle x R.
(7.8)
h0
(ex )
= ex
5) f (x) = |x|.
f
ur alle x R.
1
lim (|h| 0) = 1.
h0 h
h0+
f
ur x = 0 ist f (x) = sign x.
7.2
= cf
(f g) = f g
f
( )
g
(f g) = f g + f g
(P roduktregel)
gf f g
g2
(Quotientenregel)
53
1
g
(g(x0 + h) g(x0 ))
g
= 2 (x0 )
h0
hg(x0 + h)g(x0 )
g
(7.9)
1
1
g(x0 + h) g(x0 )
1
h0 h
(x0 ) = lim
= lim
Aus der Differenzierbarkeit von g folgt die Stetigkeit und damit ist mit g(x) auch
g(x + h) = 0 f
ur kleine h, der Grenzwert existiert und ist wie angegeben.
BSP. 7.2
sin x
cos x
1) (tan x) =
ebenso:
(cot x) =
2) (ex ) =
cos2 x + sin2 x
=
f
ur x = k+ und f
ur alle k Z,
2
2
cos x
cos x
2
1
f
ur x = k.
sin2 x
1
ex
(cosh x) =
= ex
1 x
(e + ex )
2
1
= (ex ex ) = sinh x,
2
ebenso:
(sinh x) = cosh x
1
(tanh x) =
cosh2 x
1
(coth x) =
sinh2 x
54
f (x) f (x0 )
x x0
(x x0 )
Bemerkung:
55
1
x
= x12 f
ur x = 0 und der Kettenregel
f 1 (f (x)) =
1
1
1
f
u
r
x
I,
d.h.
(f
)
(y)
=
fur y f [I].
f (x)
f (f 1 (y))
Beweis: Nach Satz 6.43 existiert f 1 auf J := f [I], einem Intervall und ist stetig.
Sei x = f (y) J, d.h. y = f 1 (x) I.
Aus x x0 folgt wegen der Stetigkeit von f 1 : y = f 1 (x) y0 = f 1 (x0 ) und so
lim
xx0
1
1
y y0
(f 1 (x) f 1 (x0 )) = lim
=
,
yy0 f (y) f (y0 )
x x0
f (y0 )
F
ur 2) ist nur die strenge Monotonie von f zu zeigen. Diese wiederum folgt mit Satz
6.43 aus der Injektivitat von f wegen der Stetigkeit von f . Die Injektivitat folgt aus dem
Mittelwertsatz (spater: Folgerung 7.10). Gibt es namlich x, y I, x < y und f (x) =
f (y), dann ist auch f
ur ein (x, y) : f ()(y x) = f (y) f (x) = 0, also f () = 0.
Wegen der Monotonie gilt dann zwingend
f (x) > 0 f
ur alle x I oder < .
BSP. 7.4
56
1) ( n x) =
1
1
1
=
=
n
n
n1
(y )
ny
n( x)n1
1
ur x > 0.
d. h (x1/n ) = x1/n1 f
n
2) (ln x) =
1
1
1
1
= y = ln x =
y
(e )
e
e
x
f
ur x > 0.
1
= a xa1 f
ur x > 0, a = 0,
x
x
4) (xx ) = (ex ln x ) = ex ln x (1 ln x + ) = xx (1 + ln x).
x
5) (arctan x) =
1
1
1
= cos2 y =
=
.
2
2
1/ cos y
1 + tan y
1 + x2
6) (arcsin x) =
1
1
=
=
(sin y)
cos y
ebenso (arccos x) =
7) (Artanh x) =
1
2
1 sin y
1
f
ur |x| 1.
1 x2
1
f
ur |x| 1.
1 x2
1
1
1
.
=
=
2
2
1 x2
1/ cosh y
1 tanh y
1.
Unstetigkeit
x0
Knick
d.h. linksseitige Ableitung lim
existiert,
rechtseitige Ableitung lim
2.
x0
stiert,
aber lim = lim .
h0
h0+
57
1
(f (x0 + h) f (x0 ))
h0 h
1
(f (x0 + h) f (x0 ))
h0+ h
exi-
3.
z. B. hat f (x) =
x0
4. Man betrachte:
1
0.5
0.03
0.02
0.01
0.01
0.02
0.03
1
f (x) = sin
x
unstetig
0.5
1
0.03
0.02
0.01
0.03
0.02
0.01
0.01
0.02
0.03
1
f (x) = x sin
x
stetig, aber nicht differenzierbar
0.01
0.02
0.0008
0.0006
0.0004
0.0002
1
x
differenzierbar aber f unstetig
f (x) = x2 sin
0.03
0.02
0.01
0.0002
0.01
0.02
0.03
0.0004
0.0006
0.0008
58
1
, f (0) = 0 stetig auf R
x
1
1
f
ur x = 0 nach obigen Regeln.
f (x) = 2x sin cos
x
x
1
nicht differenzierbar und die
F
ur x = 0 ist sin
x
Kettenregel darf nicht angewendet werden.
f (x) = x2 sin
1
1
f (0) = lim (f (x) f (0)) = lim x sin = 0
x0 x
x0
x
f ist differenzierbar auf ganz R und es gilt
0 f
ur x = 0
f (x) =
1
1
2x sin cos f
ur x = 0
x
x
da lim f (x) nicht existiert f ist unstetig.
x0
7.3
H
ohere Ableitungen
Existiert f auf einer Menge D, so kann auch diese Funktion differenzierbar sein und
so f := (f ) existieren und entsprechend f := (f ) usw.
Definition 7.7 Durch f (0) := f, f (n+1) := (f (n) ) wird die nte Ableitung f (n)
einer Funktion erklart (n N), sofern sie existiert.
Bezeichnung:
f (n) =:
dn
f .
dxn
f heit nmal stetig differenzierbar, falls f, f , . . . , f (n1) , f (n) existieren und auch
stetig sind. Der so definierte Funktionenraum fur D R ist
C n (D) = {f : D R | f ist nmal stetig differenzierbar}.
Bei D = [a, b] schreibt man kurz C n [a, b].
Falls die Wahl von D klar ist, etwa als ganz R, schreibt man auch kurz C n := C n (D).
C (D) := {f : D R | f ist nmal (stetig) differenzierbar fur alle n N}
sind die unendlich oft (stetig) differenzierbaren Funktionen.
59
Nur die Stetigkeit der hochsten Ableitung ist eine Zusatzforderung, sonst folgt sie aus
der Existenz der hoheren Ableitung.
Z. B.: f (x) = x2 sin
1
C , denn f ist nicht stetig, sin x C .
x
BSP. 7.5
n (m)
1) (x )
n!
xnm
(n m)!
=
n!
f
ur n > m,
f
ur n = m,
f
ur n < m.
2) F
ur Polynome Pn (x) = an xn + . . . + a0 gilt:
(Pn )(n+1) = 0 .
7.4
Mittelwertsatz
0 f
ur alle I.
60
(7.10)
f (x) f ()
f
=
x
x
0 f
ur x > 0
0 f
ur x < 0
Folgerung 7.10
1) (Satz von Rolle) Ist f : [a, b] R stetig und auf (a, b)
f (a) = f (b), dann gibt es (a, b) mit f () = 0.
differenzierbar und
>
Beweis: Nach Satz 6.29 nimmt f in [a, b] Maximum und Minimum an. Eins
davon muss in (a, b) liegen, da sonst nur f c f
ur ein c R moglich ist (wo jedes
(a, b) gewahlt werden kann) und so folgt die Behauptung mit Satz 7.9.
Beachte: Am Rand braucht f nicht differenzierbar zu sein, (siehe Skizze).
ist nicht immer eindeutig.
2) (Mittelwertsatz (MWS)) Sei f stetig auf [a, b] und differenzierbar auf (a, b),
f (a) f (b)
= f ().
dann gibt es (a, b) mit
ab
f (b) f (a)
Beweis: Wende Satz von Rolle auf g(x) = f (x)
(x a) f (a) an,
ba
f
ur das g(a) = g(b) = 0 gilt.
Anschaulich:
Es gibt einen Punkt im Inneren, wo Tangentensteigung mit
Sekantensteigung auf [a, b] u
bereinstimmt.
f(b)-f(a)
b-a
a
>
61
a) f (x + h) = f (x) + f ()h
f
ur ein x, x + h
oder b) f (x)
= f (a) + f ()(x a)
f
ur ein
a, x
oder c) f (x)
= f (a) + f (a + (x a))(x a) f
ur ein
0 < < 1.
Dabei ist f
ur a, b R, a = b, a, b = (a, b) f
ur a < b und a, b = (b, a) f
ur b < a. Ist
v (0, 1) ausgewahlt wird). Der Satz sagt nicht aus, wo dieses liegt, trotzdem kann
man ihn anwenden:
Absch
atzung (in Form a) und b))
BSP. 7.6
1
f
ur 0, x
1 + 2
x
1
< arctan x < 2 3 = 0, 2679
4
= 0, 2589 f
ur ein < 0, 0089
=
0, 2617 . . . =
12
f
ur x = 2 3
arctan(2 3)
exakt
2) Ist |f ()| M f
ur (a, b), dann folgt f
ur
x, y [a, b] f
ur ein x, y
|f (x) f (y)| = |f ()||x y|
M|x y|,
x0-h
x0
x0+h
>
Monotonie: Ist f (x) (<)
0 f
ur alle x I, dann ist f streng monoton wachsend (fallend) auf I.
Beweis:
f (x) f (y)
= f () > 0 f (x) > f (y) f
ur x > y .
xy
BSP. 7.7
62
1) (ln x) =
1
ln x ist streng monoton wachsend.
x
f (x) f (y)
=
xy
2) f g (f g) 0 f g c.
Ist D z. B. die Vereinigung zweier disjunkter Intervalle, so kann bei 1) f auf jedem
Teilintervall verschiedene Werte annehmen.
BSP. 7.8
1+x
1
f
ur x = 1 f (x) = . . . =
= (arctan x)
1x
1 + x2
1+x
= arctan x + ci f
ur x Ii , I1 = (, 1), I2 = (1, )
arctan
1x
!
63
= c.
Beweis: Sei g = kg kx =
e
e2kx
ekx
Die Konstanten in den Losungen der Differentialgleichung bestimmt man meistens aus
einer Anfangsbedingung:
Das ist eine Forderung der Art f (x0 ) = y0 f
ur vorgelegte x0 , y0 .
BSP. 7.9
fu
r Anfangswertprobleme:
f
f (3) =
4
4
2) (Kernzerfall) Die Zahl der unzerfallenen Teilchen einer radioaktiven Substanz
betragt N(t) (t = Zeit). Zur Startzeit enthalt die Substanz N(0) = N0 Teilchen.
Zerfallgesetz: N = kN (k = Zerfallszahl)
Gesucht N(t).
N = kN
N(t) = N0 ekt .
Anfangswertproblem:
N(0) = N0
Verallgemeinerter Mittelwertsatz: f und g seien auf [a, b] stetig und auf (a, b)
stetig differenzierbar. Weiter sei g (x) = 0 f
ur alle x (a, b).
Dann gibt es ein (a, b) mit
f (b) f (a)
f ()
=
.
g(b) g(a)
g ()
f (b) f (a)
.
g(b) g(a)
Der Satz von Rolle ist auf h anwendbar, da h(a) = h(b), und liefert ein (a, b) mit
0 = h () = f () g ()
also die Behauptung.
f (b) f (a)
,
f (b) g(a)
64
7.5
Taylor-Formel
T1(x)
df
f(x)
)x
a
Definition 7.13 Sei n N0 . Die Funktionen f und g seien in x0 n-mal differenzierbar. f und g beru
hren sich in x0 mit (mindestens) der Ordnung n
falls
f (k) (x0 ) = g (k) (x0 ) fur k = 0, 1, . . . , n.
Funktionen, die sich schneiden (f (x0 ) = g(x0 )) ber
uhren sich also (mindestens) mit
Ordnung 0. Die Tangente ist die eindeutige (s.u.) Gerade, die eine differenzierbare
Funktion mit Ordnung 1 ber
uhrt.
BSP. 7.10
in x0 = 0
sin x, cos x
x
sin x,
2
keine Ber
uhrung
Ber
uhrung, 0-ter Ordnung (schneiden)
65
f = cos x,
g = cosh x,
f = sin x,
g = sinh x,
f = sin x,
g = + sinh x,
f = cos x
g = cosh x
f, g haben Ber
uhrung maximal 2. Ordnung und sie haben eine solche bei x = 0.
Die Tangente T1 (x) = f (a)+f (a)(xa) ber
uhrt f bei a mit mindestens 1. Ordnung.
Definition 7.14 Ein Polynom Tn (x) n-ter Ordnung heit Taylorpolynom von f
um x0 , falls sich f und Tn (x) in x0 mit mindestens n-ter Ordnung beruhren. Die
Tangente T1 (x) = f (a) + f (a)(x a) ist also Taylorpolynom 1. Grades von f um
x0 = a.
Satz 7.15 Ist f in x0 n-mal differenzierbar, so existiert genau ein Taylorpolynom
Tn (x) um x0 und es gilt:
n
Tn (x) =
k=0
1 (k)
f (x0 )(x x0 )k
k!
Beweis:
n
Ansatz: Tn =
k=0
ak (x x0 )k , dann Tn
(m)
(x0 ) = m! am f
ur m = 0, . . . , n.
1 (m)
f (x0 ) f
ur alle m = 0, . . . , n.
m!
BSP. 7.11
1) (sin x)(2m) |x=0 = 0,
Tn (x) =
k=0
1
k!
T1 (x) = x
1 3 1 5
1
1
x + x x7 + x9 .
3!
5!
7!
9!
2) f (x) = ln x f
ur x > 0
Gesucht ist das Taylorpolynom Tn (x) um x0 = 1 .
f =
1
1
1
f = 2 f = +1 2 2
x
x
x
66
und allgemein
f (k) = (1)k (k 1)!xk
Tn (x) =
k=0
1 k
f (1)(x 1)k =
k!
k=1
(1) k+1
(x 1)k
k
1
1
1
1
1
=
(x 1) (x 1)2 + (x 1)3 (x 1)4 . . . (x 1)n .
1!
2
3
4
n
3) f (x) = Pn (x) :
Dann ist Tn = Pn , aber i.a. liegt ein Polynom vor in der Darstellung
n
ak xk
Pn (x) =
k=0
Tn (x) =
k=0
k (x x0 )k
(k)
Pn (x0 )
konnen durch fortgesetzte Anwendung
k!
des Hornerschemas (vollst
andiges Hornerschema) bestimmt werden. Nach
Teil I der Vorlesung, Abschnitt 3.4 bestimmt das Hornerschema 0 = Pn (x0 )
durch
(Entwicklung um x0 ). Die k =
bn1 : = an
for k = n 1(1)0, do
(7.11)
bk1 : = ak + x0 bk
und Pn (x0 ) = b1 .
bk xk
Pn (x) =
k=0
(x x0 ) + 0 ,
67
x0
..
.
an
+
0
bn1
+
0
cn2
..
.
an1
+
x0 bn1
bn2
+
x0 cn2
cn3
..
.
n1
x0
h0
+
0
n
x0
...
a0
+
x0 b0
0
...
. . . b0
+
. . . x0 c0
. . . 1
.
..
. . . ..
.
BSP. 7.12
P (x) = 3x3 4x2 + 5x 7,
T (x) um x0 = 2 :
T (x) = 3(x 2)3 + 14(x 2)2 + 25(x 2) + 11.
3
4
6
2
6
8 [25]
[14]
[3]
5
4
7
18
9 [11]
16
= P (2)
P (2)
1!
P (2)
2!
P (2)
3!
68
Wir hatten auch schon die Taylorentwicklung von xn benutzt in der Form
n
n
x = (x0 + (x x0 )) =
k=0
nk
n
x0 (x x0 )k .
k
Bemerkung: Man hat die Vorstellung, dass das Taylorpolynom Tn (x) bei x0 von
allen Polynomen n-ten Grades die Funktion f (x) in der Nahe von x0 am besten
annahert. Das ist aber nur der Fall, wenn man am bestenals Ber
uhrung moglichst
hoher Ordnung deutet. Will man einen moglichst kleinen Fehler |f (x) Pn (x)|
haben in einem vorgelegten Intervall um x0 , so gibt es meistens bessere Polynome
(aber schwerer zu finden!) z. B.
T1
G
f
x0-*
x0
x0+*
1
f (n+1) ()(x a)n+1 (Lagrange-Restglied)
(n + 1)!
fur ein a, x .
Bemerkung:
69
1) Aussage 1) f
ur n = 1 ist gerade der Differentiationsbegriff.
Aussage 2) sagt verscharfend, wenn f (n+1) auf (a, b) beschrankt ist (durch M):
|f (n1) ()|
Rn (x)
=
|x a|
|x a|n
(n + 1)!
statt nur
M
|x a|
(n + 1)!
Rn (x)
0 f
ur x a .
|x a|n
F (x) =
k=0
1
1 (k+1)
f
(x)(b x)k
f (k) (x)(b x)k1
k!
(k 1)!
k=1
1
f (n+1) (x)(b x)n
(n + 1)!
1
f (n+1) ()(b )n .
Also: F () =
(n + 1)!
=
70
(x a)n+1 1 (n+1)
f
()(x )n
(n + 1)(x )n n!
1) (Vordiplomsaufgabe)
Bestimme T2 um a = 1 f
ur f (x) = (1 + x2 ) arctan x
Bestimme Restglied R2 und eine Fehlerabschatzung f
ur |x 1| < = 0, 1.
Losung:
f (1) = + 1
2
f (1) = + 1
2
f (x) = (1 + x2 ) arctan x
f (1) =
f (x) = 1 + 2x arctan x
2x
f (x) = 2 arctan x +
1 + x2
4
f (x) =
(1 + x2 )2
T2 (x) =
1
2+ 2 2
1
+
+ 1 (x1)+
+ 1 (x1)2 =
x +
2 1! 2
2! 2
4
4
4
1
(x 1)3 mit x, 1
6 (1 + 2 )2
(0, 1)3
2 (x 1)3
<
< 0, 00036
|R2 | =
3 |1 + 2 |2
(1 + 0, 92)2
R2 =
(1)k
sin x =
k=0
x2k+1
+ R2n+2 (x)
(2k + 1)!
(7.12)
(1)k
cos x =
k=0
x2k
+ R2n+1 (x)
(2k)!
x2 x4
+ , und f
ur R4 = R5 :
2!
4!
1
( cos )x6 .
6!
Gib einen Bereich |x| < so an, dass |Rn | < = 104!
71
(7.13)
e =
k=0
xk
+ Rn (x) .
k!
(7.14)
Probleme fu
ater:
r sp
1) Wird Rn kleiner, wenn n groer wird? (Nicht immer, aber in den wichtigen
Fallen ja.)
2) Gilt Rn 0 f
ur n ?
7.6
1. Anwendung: Extremwertprobleme
Die Begriffe relatives und absolutes Extremum sind schon erortert worden.
Definition 7.17 f sei genugend oft differenzierbar
f hat Flachpunkt bei c, wenn f (c) = 0.
f hat Wendepunkt bei c, wenn f ein relatives Extremum bei c hat.
f hat einen Sattelpunkt bei c, falls f bei c einen Wendepunkt, der auch
Flachpunkt ist, besitzt.
Flachpunkte
Satz 7.18 Sei f genugend oft differenzierbar und c liege im Inneren des Definitionsbereichs von f :
f hat ein relatives Extremum bei c f (c) = 0 (Flachpunkt),
f hat Wendepunkt bei c f (c) = 0.
Beachte: Dieser Satz gibt nur hinreichende Bedingungen f
ur Extremwerte an:
BSP. 7.14
72
Absolute Extrema findet man unter den relativen Extrema. Man mu aber pr
ufen, ob
diese absoluten Extrema auch existieren:
BSP. 7.15
1) f : (a, b) R
kein absolutes Maximum
2) f : R R
keine absoluten Extrema !
BSP. 7.16
sinh x2
tanh x2
=
,
f (x) =
[cosh x2 ]3/2
cosh x2
dann f (x) = 0 f
ur x = 0 und
lim f (x) = 0 .
f (x) =
2x
1
1
sinh2 x2
2
5/2
[cosh x ]
2
73
Flachpunkte bei x1,2 = areasinh 2 und x3 = 0.
x1,2 = ln
2+
3 = 1, 14 . . . , da areasinh x = ln(x +
x2 + 1) f (x1,2 ) = 3, 8.
Da f = 0 f
ur x = x1,2,3 f ist zwischen den Flachpunkten monoton und wir konnen
den Graphen zeichnen.
Bemerkung: Die Ermittlung des Verlaufs des Funktionsgraphen besonders bzgl. der
Lage der Extremwerte und Wendepunkte bezeichnet man als Kurvendiskussion.
Beim letzten Beispiel wurde die Art der Flachpunkte durch den globalen Kurvenverlauf eindeutig festgelegt. Man kann die Art nat
urlich auch durch alleinige Betrachtung einer (beliebig) kleinen Umgebung des Flachpunktes untersuchen.
BSP. 7.17
1) f (x) = (cos x)8 : f (x) = 8 sin x(cos x)7 = 0 f
ur x = 0 (und weitere Flachpunkte). Da f (0) = 1 und f (x) 1 liegt ein (globales) Maximum bei x = 0 vor.
2) f (x) = (sin x)7 : f (x) = 7 cos x(sin x)6 : Flachpunkt bei x = 0.
f (0) = 0, f (0 + ) > 0, f (0 ) < 0 f
ur kleine > 0. Also liegt ein Sattelpunkt
bei x = 0 vor.
Wenn diese Verfahren nicht gut anwendbar sind, hilft haufig:
Satz 7.19 (Typ von Flachpunkten) Sei f (c) = 0 und
f (k) (c) = 0 fur
k = 1, . . . , n
dann gilt f
ur den Flachpunkt bei c:
Ist n + 1 ungerade, dann liegt ein Sattelpunkt bei c vor.
Ist n + 1 gerade, dann liegt ein relatives Extremum bei c und zwar ein Maximum, wenn
f (n+1) (c) < 0, ein Minimum, wenn f (n+1) (c) > 0.
74
Beweis:
1
1
f (n+1) () (x c)n+1 = f (c) +
f (n+1) ()(x c)n+1 mit
(n + 1)!
(n + 1)!
1
f (n+1) ()(x c)n+1 . F
ur x und damit in der
c, x , also: f (x) f (c) =
(n + 1)!
Nahe von c ist signf (n+1) () = signf (n+1) (c). Taylorentwicklung von f liefert
f (x) = Tn (x) +
n1
f (x) =
k=0
mit c, x
1
f (k + 1)(e)
+ f (n+1) ()(x c)n
k!
n!
1 (n+1)
f
()(x c)n
n!
und damit
signf (x) = signf (x) = signf (n+1) ()
= signf (n+1) (c)
f
ur x nahe bei c. F
ur ungerades n + 1 hat also f ein relatives Extremum bei x = c.
F
ur gerades n + 1 gilt
f (x) f (c) =
1
|f n+1()| signf (n+1) (c)|x c|n+1
(n + 1)!
BSP. 7.18
1) Satz 7.19 beinhaltet insbesondere das hinreichende Kriterium:
<
Sind f (c) = 0, f (c) (>) 0, dann hat f bei c ein relatives Maximum (Minimum).
Wenn die Ableitung von Produkten an einer Stelle x0 berechnet werden soll, wo
einer der Faktoren verschwindet, kann dies bei z. B. f (x0 ) = 0 wegen
(f g) (x0 ) = f (x0 )g(x0 ) + f (x0 )g (x0 )
= f (x0 )g(x0 )
dadurch erfolgen, dass nur der verschwindende Faktor differenziert wird. Das wird
im Folgenden angewandt:
2) f (x) = ln(5 + sin2 x + cos x) f (x) =
75
1
!
(2 cos x 1) sin x = 0
[5 + sin x + cos x]
2
+ 2k f
ur k Z
3
2 cos x 1
|x=k > 0
[5 + sin2 x + cos x]
sin x
+ 2k = 2 sin x
3
[ 5 + sin2 x + cos x]
Maximum bei x =
3) f (x) = (1 cos x)2
<0
x=
+2k
3
f (2k) = 0 und
f ((2k+1)) = 4
f (2k) = 0
Sei
f (x) =
e1/x
0
f
ur
x=0
f
ur
x=0.
Man kann zeigen, dass f auch bei x = 0 beliebig oft differenzierbar ist.
Es gilt aber f (k) (0) = 0 f
ur alle k N.
Der Satz 7.19 ist nicht anzuwenden. Insbesondere gilt f
ur das Taylorpolynom um x0 = 0
Tn (x) 0
f
ur alle n N .
76
Zur 2. Ableitung f :
f ist ein Ma f
ur die Anderung
von f . Man sagt, eine Kurve ist stark gekru
mmt,
schwach
stark
gekrmmt
f als Kr
ummung zu bezeichnen ist allerdings nicht g
unstig, weil dann z. B. der Kreis
2
ummung aufweist, was unserer
f (x) = 1 x in jedem Punkt eine verschiedene Kr
1
Vorstellung von Kr
ummung widerspricht f =
. Spater zeigen wir, dass
(1 x2 )3/2
f
den Anforderungen des Begriffs Kr
ummung gen
ugt.
der Ausdruck :=
(1 + f 2 )3/2
Wir definieren aber:
f ist positiv gekru
mmt, wo
f > 0
f<0
f>0
Die Begriffe Konkav, Konvex sind wenig hilfreich und werden nicht verwendet.
7.7
BSP. 7.19
1) f (x) =
sin x
x
x0
77
0
ist.
0
2)
Anfangswertproblem fur Stromstarke I(t):
gegeben Wecheselstromwiderstande L, R und
Spannung U. Bestimme I(t) aus:
LI + RI = U
I(0) = 0
R
t
U
Losung: I(t) = 1 e L
R
lim I(t) = ??
R0
Uber
Grenzwerte gibt Auskunft der
0
Satz 7.20 (lHospital-Regel)
1)
f, g seien stetig in der Nahe von x = a und differenzierbar dort fur x = a und
g (x) = 0, g(a) = f (a) = 0.
f
f
= lim falls der rechte Grenzwert existiert oder ist .
xa g
xa g
Man kann in 1) auch lim zulassen, wenn lim f (x) = lim g(x) = 0 gilt.
x
Beweis:
f (x)
f (x) f (a)
f ()
=
=
g(x)
g(x) g(a)
g ()
f
ur ein x, a nach dem verallgemeinerten Mittelwertsatz. F
ur x a gilt a
und die Behauptung folgt.
BSP. 7.20
1) lim
x0
cos x
sin x lH
= lim
=1.
x0
x
1
t Rt
R
e L
1 e L t lH
U
2) lim U
= U lim L
= t.
R0
R0
R
1
L
78
3) lim
x0
1
sin x
cos x
cos x 1 lH
= lim
= lim
= .
2
x0 2x
x0
x
2
2
F
ur die unbestimmte Ausdru
gilt die lHospital-Regel entsprecke der Art
chend.
BSP. 7.21
(ln x)2 lH
4 ln x lH
2
(ln x)2
lim
= lim
=
= 2 lim = 0
1) lim arctan x
x0
x
2 x
2 x x
x
x
x
oder . . . =
2
2) lim
ln x
lim
x 4 x
lH
1/x
lim 1 3 = 0.
2 x
4x 4
1 + cos x ?
x + sin x ?
= lim
=
x sin x x 1 cos x
lim
sin x
= 1 : falsch
sin x
0
Weitere Unbestimmte Ausdr
ucke lassen sich auf die Falle zur
uckf
uhren.
0
Sei lim f = lim g = 0, lim h = 1, lim F = lim G = .
0
lim f G = lim
1/f
oder = lim
f
0
= .
1/G 0
BSP. 7.22
lim (tan x) x
x 2
2
2
= lim
x 2 cot x
x
79
1
= 1
= lim
1/ sin2 x
x
2
lim(F G) = lim F
G
F
G
= 1 lim(F G) =
F
G
) Falls lim = 1 0
) Falls lim
BSP. 7.23
2
1
x sin x
1) lim
x0
1
1 2x = .
x0 x
sin x
= lim
2)
1/ cosh2 x
lim
1
cosh x
1
ist klar, weil cosh x sinh x = ex !
2
=0
1 tanh x
=
1/ cosh x
sinh x
00
lim f g = lim eg ln f = e0
lim F g = lim eg ln F = e0
lim hG = lim eG ln h = e0
1+
lim x ln 1 +
1
x
1
x
( 1)
ln 1 +
= lim
1
x
= lim
1/x
x0+
ln G = 1 G = e1 = e.
1
2) G = lim x ln(ex 1)
x0+
( 00)
80
ln(1 + x) lH
1/(1 + x)
= lim
=1
x0+
x
1
ln x
lH
= lim
x
x0
ln(e 1)
lim
x0+
G = e1 = e.
(3 + 2etan x )
3) G = lim
ex 1 lH
1/x
ex
=
lim
=1
=
lim
ex
x0
x0 ex (x + 1)
xex
ex 1
2x
( 0) .
x 2
( 2x) tan x
lim
x 2
x 2
lim
x 2
7.8
2x lH
= lim
x
cot x
2
2
= 2 G = e2 .
1
2
sin x
81
wird. Ist f hinreichend glatt (f C n1 [a, b]), so kann bei gewahlter Entwicklungsstelle
x0 (a, b) als Approximation
n1
(x) =
k=0
f (k) (x0 )
(x x0 )k
k!
(7.15)
gewahlt werden. F
ur f C n [a, b] und x nahe bei x0 ist eine (gute) Approximation
von f , u
ute global noch nichts bekannt ist.
ber deren G
F
ur eine gewahlte Basis 1 , . . . , n von Pn1 sind also die eindeutigen a1 , . . . , an R
mit
n
(f ) =
ai i
i=1
zu bestimmen. Es soll versucht werden, die ai , i = 1, . . . , n durch n (lineare) Bedingungen eindeutig festzulegen. Anstatt alle Forderungen in x0 zu stellen wie bei (7.15),
konnen sie auch auf verschiedene Knoten oder Stu
tzstellen
a
verteilt werden. Wir betrachten nur k = n und dann liegt die Bedingung nahe:
(xi , a1 , . . . , an ) = f (xi ), i = 1, . . . , n .
Eine solche Problemstellung (allgemein bei Vorgabe von Funktionswerten yi, i =
1, . . . , n) nennt man (Lagrange-) Interpolationsaufgabe.
Gesucht sind also Parameter ai , i = 1, . . . , n, so dass
n
ai i (xj ) = yj
(7.16)
i=1
y = (yi )i .
(7.17)
Besonders einfach wird die Bestimmung der ai , wenn die gewahlte Basis
j (xi ) = ij f
ur i, j = 1, . . . , n
(7.18)
erf
ullt, da dann (A = I und)
ai = yi,
i = 1, . . . , n .
82
(7.19)
j (x) :=
i=0
i=j
i = 1, . . . , n + 1 ,
(x xi )
i=0
i=j
(xj xi ),
j = 0, . . . , n .
(7.20)
Wie gut das Interpolationspolynom eine Funktion f bei Wahl yi = f (xi ) approximiert,
sagt
Satz 7.21 Sei f C[a, b], und seien xi [a, b], i = 1, . . . , n, paarweise verschiedene
Knoten. Dann gilt fur das durch p(xi ) = f (xi ), i = 1, . . . , n, eindeutig bestimmte
Polynom p Pn1 :
Zu jedem x [a, b] existiert ein = (x) aus dem kleinsten Intervall I(x, x1 , . . . , xn ),
das alle xi und x enthalt, so dass
f (x) p(x) =
w(x) (n)
f () ,
n!
n
wobei
w(x) =
(x xi ) = x +
i=1
(7.21)
n1
ai x .
i=0
Beweis: F
ur x = xi , i = 1, . . . , n, ist die Aussage trivial.
F
ur festes x = xi betrachten wir die Funktion
h(z) := w(x) (f (z) p(z)) w(z) (f (x) p(x)) .
(7.22)
83
K(f )
w
n!
Ist f C[a, b], so gibt es offenbar genau ein s S1 () mit f (xi ) = s(xi ), i = 0, . . . , n,
und dieses s erhalt man, indem man f in jedem Teilintervall [xi1 , xi ] durch eine lineare
Funktion interpoliert:
s(x) =
1
(f (xi )(x xi1 ) + f (xi1 )(xi x)) ,
xi xi1
x [xi1 , xi ] .
i=0,...,k1
um zu pr
ufen, ob und wie gut eine Funktion f
ur k approximiert wird.
Wir betrachten ein f C[a, b] und fixieren eine Zerlegung k , deren Index wir im
folgenden weglassen.
An einer Stelle x [xi1 , xi ] gilt f
ur den interpolierenden linearen Spline s:
s(x) = f (xi1 )
xi x
x xi1
+ f (xi )
xi xi1
xi xi1
=:
f
ur ein [0, 1] ,
=1
f ist gleichmaig stetig nach Satz 6.47. Daher gibt es zu gegebenem > 0 ein > 0
mit
|x y| |f (x) f (y)| .
84
Somit folgt aus
|f (x) s(x)| ( + (1 )) =
und damit
f s
f s
(7.23)
in
f
ur k .
1
(x xi1 )(x xi ) f () ,
2
1
|f (x) s(x)|
(xi xi1 )2 |f ()| ,
8
woraus schlielich folgt
1 2
f .
f s
8
f (x) s(x) =
[xi1 , xi ]
Ahnlich
wie bei der Lagrangeschen Interpolation konnen wir s darstellen als
n
s(x) =
fi i (x) ,
i=0
x1 x
,
x
x
1
0
0 (x) :=
0
,
x xi1
xi xi1
xi+1 x
i (x) :=
xi+1 xi
x xn1
xn xn1
n (x) :=
x [x0 , x1 ]
x [a, b]
x
/ [x0 , x1 ]
,
x [xi1 , xi ]
x [xi , xi+1 ]
x
/ [xi1 , xi+1 ]
,
,
x [xn1 , xn ]
x
/ [xn1 , xn ]
85
i = 1, . . . , n 1 ,
Die angegebenen i heien Hutfunktionen (engl. hat functions). Sie besitzen einen
lokalen Trager [xi1 , xi+1 ]. Will man also s an einer Stelle x (xi1 , xi ) auswerten, so
hat man wegen j (x) = 0 f
ur j = i, i 1 nur i1 (x) und i (x) zu berechnen (anders
als bei den j (x)).
Zur Auswertung eines allgemeinen Interpolationspolynoms ist der Algorithmus von
Neville n
utzlich. Damit kann man den Wert des Interpolationspolynoms an einer Stelle
x berechnen, ohne das Polynom selbst zu berechnen.
Bei gegebenen St
utzpunkten (xi , yi ), i = 0, . . . , n, bezeichnen wir mit pi0 ...ik Pk das
eindeutige Polynom mit pi0 ...ik (xij ) = yij , j = 0, . . . , k. Dann gilt die Rekursionsformel
a)
b)
pi (x) = yi
(x xi0 )pi1 ...ik (x) (x xik )pi0 ...ik1 (x)
xik xi0
(7.24)
a) ist trivial. Zum Beweis von b) bezeichnen wir mit q die rechte Seite von b) und
urlich ist grad q k. Ferner
zeigen, dass q die Eigenschaften von pi0 ...ik besitzt. Nat
haben wir nach Definition von pi1 ...ik und pi0 ...ik1 :
q(xi0 ) = pi0 ...ik1 (xi0 ) = yi0
q(xik ) = pi1 ...ik (xik ) = yik
und f
ur j = 1, . . . , k 1:
q(xij ) =
Der Algorithmus von Neville besteht darin, mit Hilfe von a) und b) das folgende symmetrische Tableau, das die Werte der interpolierenden Polynome pi,i+1,...,i+k an der
festen Stelle x enthalt, aufzustellen.
Zur Abk
urzung schreiben wir Pi,k = pik,ik+1,...,i (x) f
ur i k:
x0
y0 = P00
x1
y1 = P10
x2
y2 = P20
x3
y3 = P30
x4
y4 = P40
P11
P21
P31
P41
P22
P32
P42
86
P43
P33
P44
Pi0 := yi
(x xik )Pi,k1 (x xi )Pi1,k1
xi xik
Pi,k1 Pi1,k1
= Pi,k1 +
,
1 k i , i = 1, 2, . . . .
xxik
1
xxi
b) Pi,k :=
(7.25)
Speziell f
ur x = 0 wird die Rekursion a), b) spater in sogenannten Extrapolationsalgorithmen angewendet. In diesem Spezialfall erhalt man
a) Pi0 := yi
b) Pik := Pi,k1 +
7.9
Pi,k1 Pi1,k1
,
xik
1
xi
1 k i , i = 1, 2, . . . .
(7.26)
(7.27)
wobei X, Y Vektorraume, U X.
BSP. 7.25
Auflosung linearer Gleichungssysteme.
n
Sei X = Y = R , f (b) = A1 b
oder X = Rn,n Rn , Y = Rn , f (A, b) = A1 b. (Beachte den Unterschied !)
Unsere Analysishilfsmittel reichen im Moment nur f
ur den Fall X = R, Y = R
n
(und damit auch Y = R f
ur ein n N). Selbst wenn f exakt ausgewertet werden
konnte, liegen immer Fehler im Argument vor, die durch Messung oder durch Rundung
in die endliche Zahldarstellung entstanden sind (unvermeidbare Eingangsfehler). Zu
betrachten sind also Eingabemengen zu einer exakten Eingabe x X der Form
E = {
x X | x x
x 1}
87
(7.28)
1,
Es ist also notig, die Groe, d.h. den Durchmesser von f [E] abhangig von
abschatzen zu konnen, um u
berhaupt ein Problem mit fehlerbehafteten Daten approximativ losen zu konnen. f mu also stetig sein. In diesem Fall heit ein Problem
korrekt gestellt, ansonsten schlecht gestellt. Beachte, da in der Formulierung als Auswertung einer Abbildung schon Existenz und Eindeutigkeit einer Losung vorausgesetzt
werden (hier liegen weitere mogliche Ursachen der Schlechtgestelltheit!). Um auch qualitativ die Kleinheit von f [E] in Abhangigkeit von abschatzen zu konnen, fordern wir
verscharfend:
Definition 7.22 Das Problem (f, x) heit korrekt (oder wohl) gestellt (engl.: wellposed) auf X X, wenn ein Labs > 0 existiert (Labs hangt i.a. auch von x ab) mit
f (x) f (
x)
Labs x x
fur alle x X ,
(7.29)
Lrel
x x
x 1
(x) .
fur alle x B
(7.30)
bzw.
f
ur f (x) = 0.
(f, x) heit gut konditioniert oder gutartig, falls abs klein, schlecht konditioniert
oder bosartig, falls abs gro ist.
88
(7.31)
|x|
|f (x)| .
|f (x)|
Betrachten wir als Problem das Auffinden einer c-Stelle einer Funktion F : R R,
d.h. die Bestimmung von y R mit
F (y) = c .
(7.32)
Wenn diese eindeutig existiert, dann kann als algorithmisch zu losendes Problem
f := F 1 , auszuwerten bei x = c, mit der Losung y des Problems als Funktionswert,
aufgefasst werden und so
abs = |f (c)| =
bzw.
rel =
1
|F (y)|
(7.33)
|c|
1
.
|y| |F (y)|
Wenn F an der Losung also sehr flach ist, ist die Kondition des Problems sehr schlecht
und kann durch keinen Auflosungsalgorithmus verbessert werden. Schlechte Kondition
kann sogar schon bei den Elementaroperationen, namlich der Addition (!) auftreten.
Setzt man f
ur ein fest gewahltes a R (bzw. a M)
f (b) := a + b ,
dann ist f linear, die linearisierte Fehlertheorie also exakt und
rel =
|b|
.
|a + b|
(7.34)
F
ur b mit verschiedenem Vorzeichen von a, aber |a| |b|, ist also |a + b| sehr klein
und so rel sehr gro. Diese Ausl
oschung fu
hrender Ziffern ist auf jeden Fall zu
vermeiden.
I.a. ist es notig, eine Naherung f
ur f (x) algorithmisch durch die Abfolge (sehr vieler)
Elementaroperationen zu bestimmen, d.h. f ist nicht exakt auswertbar und statt
dessen kann nur eine gestorte Abbildung ausgewertet werden: Statt f (x) wird f(
x)
berechnet.
Betrachte wieder die Bestimmung einer c-Stelle (7.32): Ist rel zu gro, kann y durch
kein Verfahren sinnvoll bestimmt werden.
89
Ist das Problem gut konditioniert, kann immer noch der Algorithmus schlecht konditioniert sein, indem er die Kondition des Problems verschlechtert, sonst heit er stabil.
Betrachte eine quadratische Gleichung, d.h.
F (y) = ay 2 + by + c
und es gelte |4ac| < b2 , d.h. F hat zwei reelle Nullstellen, von deren die groere y
bestimmt werden soll, also
f (0) = F 1 (0) = y
(7.35)
und
abs =
Es ist
1
1
=
.
|F (
y|
|2a
y + b|
1
(b + sign(b) b2 4ac) .
(7.36)
2a
Ist nun |4ac| sehr viel kleiner als b2 , dann ist y nahe bei 0. Ist a > 0 nicht zu gro
und |b| hinreichend gro, dann ist das Problem selbst also gut konditioniert. Die Auswertung von (7.36) ist aber schlecht konditioniert, da dabei Ausloschung stattfindet.
b
Eine Alternative ist das Bisektionsverfahren zum Beispiel auf dem Intervall 4a
,1
b
b
f
ur b > 0, c < 0. Dort gilt F (y) > F 4a = 2 , eine groe Zahl, und so ist die einzig
fragliche Entscheidung F (y) > f nicht kritisch, das Bisektionsverfahren also stabil.
Einfacher erhalt man einen stabilen Algorithmus durch
y =
y =
1
(b sign(b)
2a
b2 4ac)
(7.37)
c
.
y y =
a
7.10
Numerische Differentiation
Kann man f
ur eine differenzierbare Funktion f die Ableitung f nicht geschlossen angeben oder ist dieser Ausdruck f
ur eine Auswertung zu kompliziert, so ist die folgende
f (x + h) f (x)
h
(7.38)
(vorw
artsgenommener Differenzenquotient) f
ur ein kleines h. Bei exakter Arithmetik in R und exakten Werten f (x+h), f (x), (, h) ist die Approximation nat
urlich so
gut wie gew
unscht, wenn nur h klein genug gewahlt wird. Wie klein h gewahlt werden
90
muss f
ur ein Fehlerniveau > 0, sagt die folgende Konvergenzordnung f
ur f C 2 (aus
der Taylorentwicklung Satz 7.16 folgend)
Dh + f (x) = f (x) +
f ()
h
2
(7.39)
f
ur ein < x, x + h >, wenn also eine Schranke M f
ur f bekannt ist, muss nur
2
M
h < bzw. h <
2
M
sichergestellt werden.
Sind aber f (x) und f (x + h) fehlerbehaftet (allein schon wegen der Darstellung in M),
dann findet in (7.38) f
ur kleine h durch Ausl
oschung Fehlerverstarkung statt mit
dem Faktor (siehe(7.34))
f (x)
f (x + h)
bzw.
,
f (x + h) f (x)
f (x + h) f (x)
d.h. jeweils etwa mit
f (x)
.
hf (x)
Sind also die f -Werte mit einem relativen Fehler behaftet, so wird dieser schlimmstenfalls verstarkt zu
2f (x)
=: e1 (h, ) .
hf (x)
Hinzu kommt der relative Approximationsfehler (Diskretisierungsfehler) nach
(7.39) von etwa
f (x)h
=: e2 (h) ,
2f (x)
so dass der gesamte relative Fehler sich abschatzen lasst durch
e(h, ) := e1 (h, ) + e2 (h) .
Dabei ist eine untere Schranke von fest vorgegeben (mindestens durch die Maschinengenauigkeit), h ist frei wahlbar. e ist in h f
ur festes nicht monoton gegen 0 fallend
f
ur h 0+ (wie e2 (h)), vielmehr gilt (!)
e(h, ) f
ur h 0
und e hat ein Minimum bei
h=
4f (x)
f (x)
91
1/2
(7.40)
F
ur kleine h ist also der Diskretisierungsfehler klein, aber die Fehlerverstarkung gro,
f
ur groe h ist es umgekehrt, so dass ein Kompromiss gewahlt werden muss. Aus (7.40)
leitet sich die Regel
h 1/2
(7.41)
ab (also nie h 0 !). Hintergrund ist die Tatsache, dass die lineare Abbildung
f f
auf C 1 in der Maximumsnorm nicht stetig ist, die Differentation ist in diesem Sinn also
schlechtgestellt. Die Diskretisierung mit festem h stellt eine Regularisierung,
d.h. die naherungsweise Ersetzung durch ein gutgestelltes, gutkonditioniertes Problem
dar.
F
ur die Wahl (7.40) lasst sich e (scharf) abschatzen durch
e , C1/2 K1/2
bei vorgegebener Konstante C, mit einer f -abhangigen Konstanten K.
Ein gutgestelltes Problem (vgl. Def. 7.22) hat dagegen ein Fehlerverhalten wie
L
(wobei L bei guter Kondition nicht zu gro ist). Das folgende Zahlenbeispiel vergleicht
das Fehlerverhalten
) L
) L1/2
= 108
mit
mit
) L = 106
1/2
3
) L = 10
L = 102
L = 10
5 signifikante Stellen
2 signifikante Stellen
= 1016 ) L = 1014
13 signifikante Stellen
1/2
7
) L = 10
6 signifikante Stellen
Auch die Wahl eines besser approximierenden Differenzenquotienten andert diese Situation nicht prinzipiell.
Sei
f (x + h) f (x h)
,
(7.42)
Dh f (x) :=
2h
der zentrale Differenzenquotient, dann folgt aus der Taylorentwicklung f
ur f C 3
Dh f (x) = f (x) +
f (+ ) f ( )
h2
3
92
(7.43)
f
ur + , < x, x h > .
e1 (h, ) bleibt also, e2 (h) ist entsprechend zu ersetzen, so dass die Minimierung von e
in h f
ur festes die Regel
h 1/3
(> 1/2 , da besseres Approximationsverhalten von (7.42)) und die Fehlerabschatzung
e , C1/3 K2/3
erbringt. Im obigen Beispiel ist (L = 10)
= 108 ) L2/3 = 104,67 4 signifikante Stellen
= 1016 ) L2/3 = 1010 10 signifikante Stellen
Wenn Schranken K f
ur f bzw. f bekannt sind, folgt f
ur den Fehler
|Dh + f (x) f (x)| Kh
(7.44)
(7.45)
Dh f (x) = f (x) +
k=1
(7.46)
Beweis:
Taylorentwicklung liefert
n
f (x h) = f (x) f (x)h
n
+
k=1
k=1
Liegt eine solche Fehlerentwicklung vor, kann durch Extrapolation ein Verfahren
hoher Konvergenzordnung definiert werden.
Allgemein sei lim F (h) f
ur eine Funktion F gesucht. Der Aufwand zur Berechnung
h0+
93
von F (h) wachst meist mit h 0+ stark an; auerdem setzen Rundungsfehlereinfl
usse
eine Grenze, wie klein man h wahlen kann. Oft hat man aber Kenntnis, wie sich F (h)
lim F (h) f
ur h 0+ verhalt; es sei etwa:
h0+
F (h) = 0 + 1 hp + O(hr ) ,
r>p>0
(7.47)
wobei f
ur 1 nur die Existenz, nicht der Wert bekannt sein muss.
Wertet man F f
ur zwei Werte, etwa h und qh (q > 1) aus, so folgt
F (qh) = 0 + 1 hp q p + O(hr ) ,
und aus (7.47)
q p F (h) = q p 0 + 1 hp q p + O(hr ) ,
also erhalten wir durch Subtraktion der beiden Gleichungen
lim F (h) = 0 =
h0+
q p F (h) F (qh)
+ O(hr ) .
qp 1
(7.48)
Aus der Naherung pter Ordnung (7.47) ist also eine Naherung rter Ordnung geworden. Dieses Vorgehen nennt man (Richardson) Extrapolation. Ist eine weitergehende
Entwicklung nach Potenzen von h als in (7.47) bekannt, so kann das Vorgehen wiederholt werden.
Bemerkung: Zur Erklarung der Bezeichnung Extrapolation u
berlege man sich:
Bestimmt man zu F und den Knoten h und qh das Interpolationspolynom p(x) =
0 +
1 xp , so ist der Wert von p an der Stelle 0
/ [h, qh] (Extrapolation !) gerade
gleich der aus (7.48) ablesbaren Naherung f
ur lim F (h).
h0+
Wir wenden nun die Extrapolation auf die Differentiation mit dem zentralen Differenzenquotienten an:
Vernachlassigt man bei der Entwicklung von Dhi f (x) in (7.46) das Restglied, so lat
sich Dhi f (x) als ein Polynom in h2 auffassen, das f
ur h = 0 den Wert 0 = f (x) liefert.
Dies legt zur Bestimmung von 0 die RichardsonExtrapolation nahe:
Bestimme zu verschiedenen Schrittweiten h0 , . . . , hm > 0 die zugehorigen zentralen
Differenzen Dhi f (x), i = 0, . . . , m. Dann gibt es ein eindeutiges Polynom p Pm (in
h2 ) mit p(hi ) = Dhi f (x), i = 0, . . . , m. p(0) dient als verbesserte Naherung f
ur f (x).
Da nicht p als Funktion von h2 gesucht ist, sondern nur der Wert p(0), bietet sich der
NevilleAlgorithmus f
ur diese Aufgabe an.
94
Sei h0 := b a, hi := h0 /ni , ni < ni+1 , i = 1, . . . , m, und Di0 := Dhi f (x). Ferner sei
ik (h) dasjenige Polynom vom Grade k in h2 , f
f
ur 1 k i m D
ur das gilt
ik (hj ) = Dj0 ,
D
j = i k, i k + 1, . . . , i .
Di,k1 Di1,k1
hik
hi
1kim.
(7.49)
4k Di,k1 Di1,k1
4k 1
(Rombergverfahren) .
(7.50)
D11
D22
D10
D
21
D33
D20
D32
D31
D30
Hat man (etwa durch Extrapolation) ein Verfahren k-ter Fehlerordnung f
ur die numeriche Differentiationen, so hat e2 (h) in der Fehlerdarstellung die Form
e2 (h) = Lhk ,
so dass die Minimierung in h f
ur festes die Regel
h 1/(k+1)
und die Fehlerabschatzung
e , C1/(k+1) k/(k+1)
ergibt, so dass man f
ur groe k (Glattheit von f vorausgesetzt) fast das Verhalten
eines gut gestellten Problems erhalt, aber nur f
ur sehr groes h(!).
95
7.11
Algorithmische L
osung von Gleichungen II
Ob ein iteratives Verfahren wie das Bisektionsverfahren zum Bestimmen einer Nullstelle
einer Funktion f (siehe Abschnitt 6.7) effizient ist, entscheidet
der Aufwand f
ur einen Iterationsschritt
die Anzahl der Iterationsschritte f
ur eine gew
unschte Fehlerreduktion.
Der letzte Punkt wird bestimmt durch die Konvergenzordnung des Verfahrens, wobei
Definition 7.25 Eine gegen x R konvergente Folge (x(n) ) hat Konvergenzordnung mindestens p 1, wenn ein C 0, 0 C < 1 bei p = 1, existiert, so dass
|x(n+1) x| C|x(n) x|p .
(7.51)
(7.52)
Fehler
102
103
105
109
1017
96
97
f (x(0) )
f (x(0) )
(7.54)
x(n+1) := x(n)
(7.55)
(7.56)
f (x)
f (x)
(7.57)
wobei hier
(x) := x
und der Definitionsbereich von so gewahlt sei, dass dort f keine Nullstelle habe. Eine Iteration der Form (7.56) mit einem allgemeinen, stetigen nennt man
Fixpunktiteration, da, falls konvergent, x(n) gegen ein x konvergiert mit
x = (x) ,
(7.58)
(7.59)
fur alle x U .
(7.60)
Dann ist fur x(0) nahe bei x die durch definierte Iteration wohldefiniert fur x(0) nahe
bei x und konvergiert mit Konvergenzordnung mindestens p gegen x und x ist Fixpunkt
von .
Beweis: Wahle W = Br (
x) = (
x r, x + r) U, wobei r > 0 so klein ist, dass W U
und
Cr p1 =: k < 1 .
98
Satz 7.28 Sei U R offen, auf U p-mal stetig differenzierbar und x U ein
Fixpunkt von .
Ist (
x) = 0, | (
x)| < 1 fur p = 1 bzw. (
x) = . . . = (p1) (
x) = 0, (p) (
x) = 0 fur
p > 1, dann ist die durch definierte Iteration lokal gegen x konvergent, genau mit
Konvergenzordnung p.
Beweis: Taylorentwicklung von um x : F
ur x U : gilt:
(x) = (
x) +
(p) ()
(x x)p
p!
mit (x, x) ,
=
x
Eine auf (7.59) basierende Iteration ist also nur in dem seltenen Fall (
x sei eine Nullstelle
von f )
|f (
x) 1| < 1
lokal und linear konvergent, quadratisch nur f
ur f (
x) = 1. Dagegen gilt f
ur das NewtonVerfahren
Satz 7.29 Sei f C 3 (R) und x eine einfache Nullstelle von f (d.h. f (
x) = 0). Dann
ist das Newtonverfahren lokal gegen x konvergent, mindestens mit Ordnung 2.
99
f (x)
f (x)2 f (x)f (x)
=
f
(x)
= 0 f
ur x = x
f (x)2
f (x)2
7.12
z. B.
fn (t)
cos t
sin t t [0, 2]
f (t) =
h
t
2
100
Bemerkung:
1) Haufig bezeichnet man die Variable mit t statt x
wie oben.
obiges Beispiel:
e2
Schraubenlinie
e1
Da man das Bild der Abbildung als Ortsvektor auffassen will, schreibt man besser
x(t) statt f(t) also:
cos t
sin t t [0, 2]
Schraubenlinie der Ganghohe h: x(t) =
h
t
2
(m)
R, d.h.
(m)
(m)
x(m) x in ||.||2 f
ur m xi
xi f
ur m und alle i = 1, , n (7.61)
wobei x = (x1 , . . . , xm )T .
Diese Aussage gilt sogar bzgl. einer beliebigen Norm auf Rn , so dass diese sich hinsichtlich von Konvergenzverhalten (der erzeugten Topologie) nicht unterscheiden
(spater).
Also ist auch
lim f1 (t)
tt0 .
..
lim f (t) =
tt0
lim fn (t)
tt0
101
f := ... =
d
f
dt n
fn
f := ...
dtm
(m)
fn
h
Schraubenlinie x(.) C [0, 2], da cos t, sin t, 2
t C [0, 2] .
Satz 7.2 u
bertragt sich sofort:
Satz 7.33 Seien = Df R, f : Df Rn , t0 Df , so dass eine (einseitige)
Umgebung von t0 in Df existiert.
Dann sind aquivalent:
a) f ist in t0 differenzierbar.
b) Es gibt v Rn und eine in t0 stetige Funktion R mit R(t0 ) = 0, so dass gilt:
f (t) = f (t0 ) + (t t0 )v + R(t)(t t0 )
v und R sind durch (7.62) eindeutig bestimmt.
102
(7.62)
(7.63)
d
f(t0 )
dt
= v = S(t0 ).
g(t) = (t t0 )f (t0 )
mit einem Fehler von o(t t0 ).
sin t
cos t
BSP. 7.27
Schraubenlinie: x = cos t , x = sin t , u.s.w.
n
0
2
x ist der komponentenweise Grenzwert f
Anschauliche Deutung von x:
ur t
0 des Ausdrucks:
x1 (t + t) x1 (t)
1
1 .
(x(t + t) x(t))
s=
..
=
t
t
xn (t + t) xn (t)
x(t+h)
Im Grenzwert t 0 geht s in
einen Vektor u
ber, der tangial an
der beschriebenen Raumkurve in
x(t) liegt.
x(t)
v(t) := x(t)
: Geschwindigkeitsvektor
103
: Beschleunigungsvektor
b(t) := x(t)
Ein Geschwindigkeitsvektor v(t) = 0 kann immer zerlegt werden in
v(t) := ||v(t)||2
R,
1
v(t) ,
v(t)
den Tangenteneinheitsvektor.
BSP. 7.28
e3
cos t2
x(t) = sin t2
t
e2
e1
Geschwindigkeitsvektor =
2t sin t2
v = x = 2t cos t2 = 1 + 4t2
v
1
2t sin t2
1
2t cos t2 .
1 + 4t2
1
t
Beschleunigungsvektor =
1
1
(b t)
t +
1 + 4t2
||b t||
TangentialNormalanteil
104
1
4t
1 + 4t2
Folgerung 7.34
Ist ||x(t)||2 = const, dann: x und x(t) stehen senkrecht aufeinander (im Euklidischen
.
Skalarprodukt), kurz: x (t)x(t), denn aus ||x||2 = const folgt x x = const und so:
.
2x x = 0.
Das lat sich anschaulich deuten:
) Bei ||x(t)||2 = const liegt x(t) auf einer Kugel, daher ist der Geschwindigkeits.
vektor x tangential zur Kugel d. h. senkrecht zu x(t).
.
Matrixwertige Funktionen u
ber R.
Wir betrachten M : DM R(m,n) = DM R. Alles oben Gesagte gilt hier
entsprechend, da R(m,n) nur Rmn in anderer Anordnung ist (R(m,n) isomorph zu Rmn ).
BSP. 7.29
M(t) =
cos t sin t
sin t cos t
M =
sin t cos t
cos t sin t
sin t
cos t
cos t sin t
105
cos t sin t
sin t
cos t
0 1
1 0
BSP. 7.30
Durch x(t) = Q(t)x0 wird eine Raumdrehung beschrieben, wenn Q(t)
orthogonal f
ur alle t ist. Wegen
||x(t)||2 = ||Q(t)x0 ||2 = ||x0 ||2 = const
0 = QQ
T Qx0 = QQ
T x(t) .
x(t)
= Qx
T , die Spinmatrix, jedem OrtsvekAlso ordnet die antisymmetrische Matrix A = QQ
tor den Geschwindigkeitsvektor zu. Nach (???) wird Ax durch einen axialen Vektor w
dargestellt:
Ax = x f
ur alle x R2 .
Der so zugeordnete Vektor heit Vektor der Winkelgeschwindigkeit, d.h.
x = Ax = x .
Komplexwertige Funktionen u
ber R.
Wir betrachten Funktionen w : Dw C mit = Dw R
BSP. 7.31
w(t) = et cos t + iet sin t
Wegen der eineindeutigen Zuordnung C R2 in der Gau-Zahlenebene gilt alles
oben f
ur F : R R2 gesagte auch hier.
F
ur das Beispiel gilt also:
w(t)
.
w(t)
w(t)
106
w = (1 + i)w d. h. = (w,
w) = const =
w(t) beschreibt eine logorithmische Spirale
.
w
i
"
.
4
"
w
.
w
einige Rechenregeln:
(w1 w2 ) =
w
(w1 w2 )
w1
w2
(et )
w 1 w 2
w 1 w2 + w1 w 2
w2 w 1 w1 w 2
(w2 )2
= et f
ur C
Beweis:
Nur die letzte Regel ist nicht trivial:
, R, also:
Sei = + i,
(et ) = [et cos t + iet sin t] =
et ( cos t sin t) + iet ( sin t + cos t)
= ( + i)et (cos t + i sin t) = et
BSP. 7.32
Bestimme duch den Ansatz w(t) = et
Losungen der Differentialgleichung w 2w + 2w = 0
Ansatz in Differentialgleichung:
107
et (2 2 + 2) = 0 2 2 + 2 = 0
= 1i
Losungen w1 = e(1+i)t und w2 = e(1i)t
Spater zeigen wir, dass die allgemeine Losung dieser Differentialgleichung
w = c1 e(1+i)t + c2 e(1i)t mit beliebigen c1 , c2 C ist.
Definition 7.36 Partielle Ableitungen
Haufig tauchen in einer Funktion Parameter auf:
BSP. 7.33
f (x, ) = x = mit Parameter f
ur x > 0
Wenn diese Parameter variieren, kann man alle anderen Variablen festhalten und
nach diesen Parametern differenzieren. In diesem Fall nennt man die Ableitungen
partielle Ableitungen und schreibt
lim
x0
lim
f (x + x, ) f (x)
f
= :
= fx
x
x
f
f (x, + ) f (x, )
= :
= f
1)x
= fx = x1 ln x
xx
x2
x
Hier seien nur die Bezeichnungen vorgestellt. Wir gehen auf diese Dinge spater ein.
8
8.1
Integration
Lineare Differentialgleichungen
Vorl
aufige Erkl
arung einer Differentialgleichung:
108
Gesucht ist eine Funktion f (x), die mit ihren Ableitungen eine vorgegebene Gleichung
F (x, f, f , . . . f (n) ) 0
erf
ullt,
z. B. jedes Polynom nten Grades Pn erf
ullt die Differentialgleichung f (n+1) (x) 0.
Ist andererseits f C n+1 (a, b) eine Losung auf (a, b), so zeigt das Lagrange-Restglied
der Taylor-Entwicklung (Satz 7.16), dass f ein Polynom n-ten Grades auf (a, b) ist.
1) (ekx ) = kekx . Also ist ekx eine Losung der Differentialgleichung
f = kf (x).
(8.1)
F
ur k > 0 beschreibt (8.1) Wachstum (z. B. einer Population) proportional zur
vorhandenen Groe bzw. Konstanz der Zunahme relativ zur vorhandenen Groe
(f /f = k), was zu exponentiellem Wachstum f
uhrt. F
ur k < 0 beschreibt
(8.1) analog exponentiellen Abbau.
(Spater zeigen wir: cekx mit c R beliebig ist die einzige Losung.)
2) F
ur die Auslenkung eines Massenpunktes aus einer Ruhelage in die Position x(t)
gilt nach dem Newtonschen Gesetz
Masse Beschleunigung = Kraft.
Ist die Kraft etwa bei einer Feder nach dem Hookeschen Gesetz proportional zu
x(t), erhalt man also
= kx(t)
m x(t)
bzw. durch Umskalierung
f + f = 0 .
(8.2)
Diese Gleichung wird von sin x und cos x und damit von jeder Linearkombination
gelost.
Spater zeigen wir: Die allgemeine Losung dieser Gleichung, d.h. jede Losung hat
die Gestalt:
f (x) = C1 cos x + C2 sin x, C1 , C2 beliebig.
Diese Gleichung wird spater als Schwingungsgleichung interpretiert und verallgemeinert.
109
x
erf
ullt
a
ay =
1 + (y )2
y(0) = a, y (0) = 0
(Beweis durch Nachrechnen)
Wir wollen uns beschaftigen mit folgendem
Problem: Zu gegebenen ai (x), f (x) bestimme man alle y(x), die der linearen DGl
n-ter Ordnung
an (x)y (n) + an1 (x)y (n1) + + a1 (x)y (x) + a0 (x)y = f (x)
(8.3)
gen
ugen.
Die Beispiele 1) und 2), nicht aber 3) sind Spezialfalle von (8.3).
BSP. 8.1
Bemerkung:
1) Spezialfall ist das Auffinden der Stammfunktion: zu gegebenen f ist gesucht
y(x) mit y (x) = f (x).
2) Das Problem ist nicht immer durch elementare Funktionen y(x) losbar, auch
wenn die ai (x) und f (x) elementar sind.
Umformung des Problems in die Vektorraumsprache:
Definition 8.1
d
dn
D :=
, D 0 := 1 , D n := n
dx
dx
n
L=
k=0
110
Folgerung 8.2
Sind die ak C 0 so ist L =
n
k=0
ak (x)D k : C n C 0 .
Beweis:
L(y1 + y2 ) = Ly1 + Ly2 ist klar.
Obiges Beispiel 8.1: L = (1 x)D 2 + xD + 1 : C 2 C 0 linear.
Lineare Differentialgleichung n-ter Ordnung: Gesucht y C n mit Ly = f f
ur
0
vorgegebene ak , f C (d.h. stetig), an = 0.
Nach der Theorie der linearen Abbildungen konnen wir folgendes sagen:
Satz 8.3
Definitionsbereich D der ak und f sei ein Intervall und x0 sei innerer Punkt von D.
Dann gilt:
1) Es gibt genau n linear unabhangige Losungen yi C n , die Ly = 0 erfullen und in
der Nahe von x0 definiert sind, d.h. die allgemeine L
osung der homogenen
DGl Ly = 0 lat sich schreiben als
y h = c1 y 1 + + cn y n ,
ci K beliebig
2) Die allgemeine L
osung der inhomogenen DGl Ly = f existiert, d.h.
eine partikulare Losung y, soda
y = y + c1 y1 + . . . + cn yn
yh
111
x
1
5
y
y=
() f
ur x > 1 oder f
ur x < 1 stetig.
1x
1x
1x
Man pr
ufe leicht nach, dass y1 = x und y2 = ex Losungen der homogenen Gleichung
sind. (Wie gefunden ? Kein Verfahren im allgemeinen !)
yh = c1 x + c2 ex allgemeine der homogenen Gleichungen
y(x) = 5 erf
ullt sicher die DGl
y = 5 + c1 x + c2 ex allgemeine L
osung von ().
Satz 8.5 Unter den Voraussetzungen des vorigen Satzes genau eine Losung des
Anfangswertproblems: Gesucht y(x) mit
L(y) = f
y(x0 ) = y0
y (x0 ) = y1
y (n1) (x0 ) = yn1
fur vorgegebene yi
d.h. man kann die Konstanten ci der allgemeinen Losung so bestimmen (eindeutig),
dass die Forderungen y (k) (x0 ) = yk fur k = 0, 1, . . . , n 1 erfullt ist.
Am obigen Beispiel: Bestimme y(x) so, dass
1
5
x
y
y=
1x
1x
1x
y(0) = 5
y +
y (0) = 1
gilt:
Allgemeine Losung: y = 5 + c1 x + c2 ex
y(0) = 5 5 + c2 e0 = 5 c2 = 0
y (0) = 1 c1 + c2 e0 = 1 c1 = 1
112
8.2
A)
Sei L =
k=0
y : R C mit Ly = 0.
Spezialf
alle:
1) L = 0 y = c1 .
2) L = D n y = c1 + c2 x + c3 x2 + + cn xn1 = Pn1 .
3) L = (D ) ( d.h. Ly = y y = 0) y = c1 ex .
4) L = (D )n =
n
k=0
n
k
nk D k . y(x) =?
Man beachte bei 4), dass man Differentialoperatoren mit konstanten Koeffizienten
ak wie Polynome multiplizieren kann, speziell ist diese Verkn
upfung kommutativ, da
f
ur , C, f
ur y : D C, D C, y differenzierbar auf D, gilt
( + D)y = y + y = y + y = (D + )y
und analog
+ = +
D + D = D + D
(D) = (D)
=
D(D) = (D)(D) = D 2
113
Z.B.
y + 6y + 12y + 8y = 0 (=
(D + 2)3 y = 0) hat die allgemeine Losung
y = (c1 + c2 x + c3 x2 )e2x . Nun kann man sehr einfach den allgemeinen Fall losen:
Definition 8.6
n
Pn () =
n=0
k=0
Ly = f ).
BSP. 8.2
L = D 3 D 2 + D 1 bzw. die DGl y y + y y = 0 hat das charakteristische
Polynom P3 = 3 2 + 1. In Ingenieur-Mathematik I haben wir gelernt, dass man
Pn () in Linearfaktoren zerlegen kann, d.h.
Pn () = an ( 1 )k1 ( 2 )k2 . . .
mit
mit k C !
i = k f
ur i = k
ki = n
114
der Gleichung (D i )ki y = 0 sind auch Losungen von Ly = 0, denn die Faktoren
(D i )ki konnen beliebig angeordnet werden:
Ly = an . . . (D i )ki yi .
Man rechnet nun leicht nach, dass die Losungen von (D i )ki y = 0 zu verschiedenen
i linear unabhangig sind.
Folgerung 8.7
Die linear unabhangigen Losungen der DGl
(D i )ki y = 0
liefern linear unabhangige Losungen von Ly = 0. Damit ergibt sich f
ur eine Losung
von Ly = 0 folgendes
L
osungsschema: Gesucht allgemeine Losung von
n
ak y (k) = 0,
Ly =
an = 0 ak C .
k=0
n
ak k = Pn () auf.
c) und ci C beliebig.
BSP. 8.3
1) y y + y y = 0 P () = 3 2 + 1 = 0 1 = 1, 2,3 = i
P () = ( 1)( i)( + i)
y = c1 ex + c2 eix + c3 eix ,
ci C beliebig.
115
B)
an D k , an = 0, ak R !
Re y + i Im y mit Re y, Im y : R R
= (Re y) + i (Im y)
116
..
a y +b + cy = 0
mit a > 0, b, c 0 .
Diese DGl taucht bei vielen praktischen Problemen auf:
117
mechanischer Schwinger:
..
m x= bx cx
mit m = Masse x = Auslenkung
a)
c = Federkonstante
b = Dampfung
Elektrischer Reihenschwingkreis
..
1
L I +RI + I = 0
C
mit I = Stromstarke
L = Induktivitat
C = Kapazitat
R = Ohmscher Widerstand
R
Widerstand
~U
b)
L
Spule
C Kondensator
..
b
=
2a
b
2a
c
a
b
Abklingkonstante
2a
c
Kenn-Frequenz
0 =
a
1,2 = 2 02
mit :=
2 02 t + d2 sinh
2 02 t
y(0)
= y1 .
118
I
II
f
ur
y1 > 0
II
f
ur
y1 < y0 ( +
III
f
ur
y1 > y0 ( +
III
2. Fall
Ged
ampfte Schwingung: 0 < < 0
1,2 = 0 i mit d =
02 2 = Eigenfrequenz
+ y(0)
y(t) = et y(0) cos 0 t +
sin 0 t .
0
Andere Form:
y(t) = Aet cos(0 t + )
mit Amplitude A = c21 + c22
c2
.
und Nullphase = arctan
c1
y
3. Fall
1 = 2 =
4. Fall
Unged
ampfte Schwingung: = 0
119
2 02)
2 02)
Was geschieht, wenn man die Schwingung durch Krafte erregt, wenn z.B. bei dem
mechanischen Schwingen eine Zusatzkraft f (t) hinzutritt, d.h.
..
m x= bx cy + f (t) .
Das f
uhrt auf eine inhomogene lineare DGl mit konstanten Koeffizienten, die wir im
folgenden Abschnitt behandeln.
8.3
Ansatzverfahren zur L
osung von inhomogenen linearen
DGl mit konstanten Koeffizienten
ek(xs) g(s)ds .
y(x) =
(8.4)
Um zu u
ufen, dass (8.4) eine Losung ist, sind Kenntnisse u
berpr
ber das Integral und
sein Zusammenspiel mit der Integration notig (siehe Abschnitt 8.4 ff.).
x
d k(xs)
e
g(s)ds
dx
ek(xs) g(s)ds
= g(x) + k
0
= g(x) + ky(x)
Die allgemeine Losung ist also
x
y(x) = Cekx +
ek(xs) g(s)ds .
0
120
Wegen
x0
y(x0 ) = Cekx0 +
ek(x0 s) g(s)ds
ist f
ur die eindeutige Losung mit
y(x0 ) = y0
C so zu wahlen, dass
x
k(xx0 )
y(x) = e
ek(xs) g(s)ds .
y0 +
x0
F
ur allgemeine lineare Differentialoperatoren und konstante Koeffizienten kann f
ur spezielle Formen von g ein direkter Ansatz gemacht werden.
n
ak D k , an = 0, ak K, f : R K.
Wir wissen aus 8.1, dass die allgemeine Losung gegeben ist durch
y.
y = c1 y1 + . . . + cn yn +
Losung von Ly=0
Wie findet man eine partikulare Losung y von Ly = f ? In Ing. Math. III lernen wir ein
allgemeines Verfahren kennen, wie man aus der Kenntnis der y1 , . . . , yn ein y konstruiert
(Variation der Konstanten, geht auch f
ur DGl mit nichtkonstanten Koeffizienten).
Zunachst bemerken wir eins: ist L
y1 = f1 und L
y2 = f2 L(
y1 + c
y2 ) = f1 + cf2 .
Folgerung 8.8
Eine Losung y von Ly = f1 + f2 + . . . + fm findet man, in dem man L
yi = fi lost; dann
ist y = y1 + . . . + ym .
Wir geben nun ein Verfahren an, wie man partikul
are Lo
sungen fu
r spezielle
Inhomogenit
aten findet: Man beobachtet, dass gewisse Funktionentypen sich bei
Anwendung von L reproduzieren, wie z.B.
Pn (x),
a cos x + b sin x,
Pn (x)ex u.s.w. .
Wir konnen hoffen, dass wir umgekehrt bei Inhomogenitaten dieses Types auch partikulare Losungen des selben Typs finden werden. Daher macht man f
ur diesen Typ
einen Ansatz des gleichen Typs mit unbestimmten Koeffizienten; durch Einsetzen in
die DGl bestimmt man die Koeffizienten.
A)
Sei L =
k=0
ak D k , ak C , P () =
n
k=0
charakteristische Polynom.
Wir betrachten die DGl Ly = aex , C.
121
Satz 8.9
1) Ist nicht Nullstelle von P (), so liefert der Ansatz y = Aex eine partikulare
Losung von Ly = aex .
2) Ist eine k-fache 0-Stelle von P (), so liefert der Ansatz y = Axk ex eine partikulare Losung (d.h. A lat sich geeignet bestimmen).
Beweis:
!
1) L
y = LAex = AP ()ex = aex
a
liefert eine Losung (P () = 0 ist erf
ullt).
A=
P ()
2) Ist k-fache 0-Stelle von P () = Q()( )k mit Q() = 0
LAxk ex = AQ(D)(D )k xk ex
!
= AQ(D)(D k xk )ex = A k!Q()ex = aex
a
A=
liefert das Gew
unschte.
Q()k!
Ebenso zeigt man f
ur DGl Ly = Qm (x)ex mit Qm = Polynom.
Satz 8.10
1) Ist keine 0-Stelle von P (), so liefert der Ansatz y = Sm (x)ex eine Losung
von Ly = Qm ex .
2) Ist eine k-fache 0-Stelle von P (), so liefert der Ansatz y = xk Sm (x)ex eine
Losung.
(Sm (x) ist ein Polynom vom gleichen Grade wie Qm mit unbestimmten Koeffizienten).
Bemerkung:
1) Dieser Ansatz gilt auch f
ur = 0, d.h. f
ur DGl des Typs Ly = Qm (x).
2) Liegt bei den obigen Fallen der Fall P () = 0 vor, so spricht man von Resonanzfall. (siehe Schwingungsgleichung)
122
BSP. 8.5
y IV 2y + 2y 2y + y = 3ex + 2xex x2
P () = ( 1)2 ( + i)( i) = ( 1)2 (2 + 1)
F
ur Ly = f1 = ex machen wir den Ansatz y1 = Aex denn (P (1) = 0)
3
3
L
y1 = Aex (1 + 2 + 2 + 2 + 1) = 8Aex = 3ex A = y1 = ex .
8
8
F
ur Ly = f2 = x2 machen wir den Ansatz y2 = (Ax2 + Bx + C) (keine Resonanz, da
P (0) = 0).
L
y2 = 4A 4Ax 2B + Ax2 + Bx + C = Ax2 + (B 4A)x + 4A 2B + C = x2
!
A = 1, B = 4, C = 4 y2 = x2 4x 4
F
ur Ly = f3 = 2xex machen wir den Ansatz y3 = x2 (Ax + B)ex = (Ax3 + Bx2 )ex
(weil = 1 doppelte Nullstelle von P () ist).
L
y3 = ex (Ax3 + Bx2 + 4(3Ax2 + 2Bx) + 6(6Ax + 2B) + 4(6A)
2ex (Ax3 + Bx2 + 3(3Ax2 + 2Bx) + 3(6Ax + 2B) + (6A))
+2ex (Ax3 + Bx2 + 2(3Ax2 + 2Bx) + (6Ax + 2B))
2ex (Ax3 + Bx2 + (3Ax2 + 2Bx)
+ex (Ax3 + Bx2 ))
= ex (2(6Ax + 2B) + 2(6A)) = ex (12Ax + 4B + 12A) = 2xex
1
1 3 1 2 x
1
B=
y3 =
x x e
A=
6
2
6
2
Hier rechnet man schneller so:
L
y3 = (D 2 + 1)(D 1)2 (Ax3 + Bx2 )ex = (D 2 + 1)(6Ax + 2B)ex
= ex (6Ax + 2B + 2(6A) + 6Ax + 2B) = ex (12Ax + 4B + 12A)
u.s.w. wie oben.
Damit haben wir die allgemeine Losung
1
1
3
y = (c1 +c2 x)ex +c3 eix +c4 eix + ex x2 4x4+ x3 x2 ex ,
8
6
2
n
B)
ci C beliebig.
ak D k , ak R
1 3 1 2 x
x x e .
6
2
Da f
ur komplexe Losungen y von Ly = f mit reellen L und f gilt: Re y und Im y sind
auch Losungen, so konnen wir obige Ansatze sicher entsprechend verwenden, wenn
f =Realteil oder Imaginarteil obiger Inhomogenitaten ist, also f
ur Inhomogenitaten
123
des Typs ex cos x, sin x u.s.w. Damit erhalten wir folgende Ansatztabelle f
ur
Ly = f, charakteristisches Polynom P () :
Inhomogenitat f
Ansatz
Resonanz k-fach
aex
Aex
Qm (x)ex
Sm (x)ex
Qm (x)
Sm (x)
ex (a cos x + b sin x)
ex (A cos x + B sin x)
a cos x + b sin x
A cos x + B sin x
Liegt k-fache Resonanz vor, muss der Ansatz mit xk multipliziert werden.
Beachte: Es ist klar, dass man im Ansatz immer sin und cos Summanden ansetzen muss, auch wenn die Inhomogenitat nur einen der Ausdr
ucke enthalt, d.h.
2x
2x
. . . = 3e cos 3x y = e (A cos 3x + B sin 3x).
BSP. 8.6
y IV 8y + 32y 64y + 64y = cos x xe2x cos 2x
P () = ( (2 + 2i))2 ( (2 2i))2
f1 = cos x Ansatz: y1 = A cos x + B sin x (0 i keine Nullstelle vonP )
!
L
y1 = (A + 8B 32A + 64B + 64A) cos x + (B 8A 32B 64A) sin x = cos x
33A + 72B
= 1
72A 31B = 0
A=
31
,
5184
B=
72
5184
72
31
cos x +
sin x
5184
5184
f2 = xe2x cos x Ansatz: y2 = x2 e2x [(Ax + B) cos 2x + (Cx + D) sin 2x] weil Doppelresonanz vorliegt: 2 2i ist 2-fache Nullstelle von P .
Die Bestimmung von A, B, C, D ist hier etwas m
uhsam.
Allgemeine Losung:
y1 =
31
72
cos x +
sin x + y2 .
5184
5184
Wir betrachten die DGl a x +bx + cx = F (t) a, b > 0 die inhomogene Schwingungsgleichung.
124
Da sich die allgemeine Losung zu x(t) = xh + x(t) bestimmt, sieht man: nach einer
gewissen Zeit (Einschwingzeit) ist y(t) = y(t) (station
are L
osung). Man sagt:
die Eigenschwingung klingt ab, x(t) wird durch die Erregung F (t) bestimmt. Wir
untersuchen den Fall der
periodischen Erregung: F (t) = Fm cos t .
Da f
ur die Nullstellen des charakteristischen Polynoms galt:
2 02
1,2 =
ist f
ur > 0, i niemals Nullstelle Ansatz f
ur x(t),
x(t) = A cos t + B sin t
oder was gleichwertig ist
x = A cos(t + )
stationare Losung .
Fm
a
(02
2 )2 + (2)2
= arctan
2
.
02
Man sieht: x(t) schwingt mit der durch F (t) vorgegebenen Frequenz .
Die Abhangigkeit der Amplitude A und Phasenverschiebung von nennt man FreFm
= x f
ur = 0
quenzgang. xstat =
c
_A
-R
xstat
e
ine
kle
ne
gro
i
kle
_B
2
e
gro
_
T
T0
125
_
T
T0
8.4
Sei I R ein Intervall, f C 0 (I, R) wir betrachten die DGl: Gesucht F C 1 (I, R)
mit
F = f
(8.5)
Z.B. F = cos F = sin x + c
Definition 8.11 F heit Stammfunktion von f , wenn (8.5) erfullt ist; die allgemeine Losung von (8.5) heit unbestimmtes Integral von f , geschrieben f dx.
Eine Stammfunktion ist nicht eindeutig (s.u.).
BSP. 8.7
sin x 3 ist Stammfunktion von cos x,
f dx = f ,
f dx = f + c.
Bemerkung: Die von Leibniz stammende Bezeichnung hat hier symbolischen Charakter. In 8.7 wird die Bezeichnung klar.
BSP. 8.8
126
7x6 dx = x7 + c,
ex dx = ex + c.
Beweis dieser Beispiele durch differenzieren.
1
x ax
Z.B. x arctan xa dx = (x2 + a2 ) arctan
+c
2
a
2
F
1
2
1+( x
a)
1
a
a
2
= x arctan xa .
elementare Funktion
ier
z
ren
fe
dif
elementare Funktion
integrieren
nichtelementare
Funktion
BSP. 8.9
sin dx = cos |0 = 1 + 1 = 2 .
Weitere Bezeichnungen:
b
f (x) dx
a
x = Integrationsvariable
a = untere Integrationsgrenze
b = obere Integrationsgrenze.
127
Folgerung 8.14
b
1)
a
b
b
2)
+
a
=
a
b
x
d
3)
dx
.
b
d
f (t)dt = f (x) ,
dx
f (t)dt = f (x) .
x
4) F (x) =
a
5)
x
F = f
F (a) = F0
gerades f .
F (x) = F0 +
f (t)dt . Also
a
f (x)dx =
a
f (x)dx f
ur un0
f (x)dx = 0.
a
also F (x) = C +
f (t)dt ,
Also
a
f (x)dx =
f (x)dx f
ur ungerades f .
0
f (x)dx = 2
Also
f (x)dx =
a
f (x)dx.
0
f (x)dx f
ur gerades f .
0
128
Beweis zu 6)
Sei f (x) = f (x) und F (x) eine Stammfunktion, dann
(F (x)) = F (x) = f (x) = f (x) und so ist F (x) auch Stammfunktion und
damit:
F (x) = F (x) + c. Einsetzen von x = 0 zeigt c = 0, d.h. F (x) = F (x) und so
a
Analog folgt f
ur eine Stammfunktion F
(F (x)) = f (x) = f (x) ,
also ist F (x) auch Stammfunktion, d.h.
F (x) = F (x) + c ,
also
c = 2F (0)
und somit
F (0) F (x) = F (x) F (0) .
Das ist f
ur x = a die zweite Behauptung und so auch die erste.
1
xdx = (b2 a2 )
2
129
1
= (a + b)(b a) halbes Trapez
2
8.5
f dx +
gdx
entsprechend f
ur bestimmte Integrale
,
a
d.h.
BSP. 8.10
(a)
1
(3 cos x x6 )dx = 3 sin x x7 + c .
7
n
n
i
(b)
ai
ai x dx =
i=0
i=0
1 i+1
x +c .
i+1
2. Ansatzverfahren:
F
ur spezielle f gehen die Ansatze aus 8.3
z.B.
2
x2 2x
x 2
x
2 + 3 +c .
e x dx = e
130
3.
1
f f dx = f 2 + c
2
1 2
(f ) = f f
2
(arctan x)
BSP. 8.11
4. (ln |f |) =
x2
1
1
dx = (arctan x)2 + c .
+1
2
f
dx = ln(|f |) + c f
ur f mit f (x) = 0 f
ur x Df .
f
BSP. 8.12
(a)
(x 1)dx
1
= ln |x2 2x + 5| + c .
2
x 2x + 5
2
(b)
1
dx = ln | arctan x| + c .
(arctan x)(x2 + 1)
5. (xf ) = xf + f
xf dx
f dx = xf
f dx.
BSP. 8.13
(a)
1
x
dx = arctan x ln(1 + x2 ) + c .
2
1+x
2
x
dx = x ln x x + c .
x
(b) I1 :=
ln xdx = x ln x
(c) In :=
f dx =
f gdx = f g
1f dx = xf
131
g f dx (Partielle Integration)
xf dx (Regel 5).
g f einfacher wird.
BSP. 8.14
()
xe2x dx =
(a)
gral
1 2 2x
x e 2
2
1 2 2x
x e dx, das ist schwerer als das Ausgangsinte2
f = x f = 21 x2
g = e2x g = 2ex
()
besser:
()
xe2x dx =
1 2x
xe
2
1
1 e2x dx = e2x
2
+c .
1
f = e2x f = e2x
2
g = x g = 1
()
x cosh x dx = x sinh x
(b)
1
1
x
2
4
z.B.
= x2 cosh x 2x sinh x
2x cosh x
2 sinh xdx
partielle
Integration
132
In .
In1 =
2x2
dx
(x2 + 1)n
dx
,
2
(x + 1)n
=In
2
F
ur In =
In
I1
(xn
x
.
+ 1)n
(x2
f
ur n 2 .
partielle
Integration
I .
1
b
eax cos bx dx = eax cos bx +
a
a
1 ax
b 1 ax
b
e cos bx +
e
sin
bx
a
a a
a
eax sin bx dx
eax cos bx dx
b2
1
1
I 1 + 2 = eax cos bx + 2 beax sin bx + c
a
a
a
1
eax (a cos bx + b sin bx) + c .
I= 2
a + b2
(b) I =
cos2 xdx
I
133
()
1
I = (x + cos x sin x) + c .
2
dF
((t))(t)
= f (t)(t),
also
d
Substitutionsregel
Seien f C 0 , C 1 und f ((t)) definiert, dann gilt:
f dx|x=(t) =
f ((t))(t)dt
oder f
ur bestimmte Integrale:
(t2 )
t2
f ((t))(t)dt
f (x)dx =
(t1 )
t1
f (x)dx =
a
f ((t)(t)dt
1 (a)
( )
f (x)dx,
(t1 )
h( ) =
f ((t))(t)dt
t1
d
g( ) = f (( ))(
)
d
d
Andererseits
h( ) = f (( ))(
), also g = h und g(t1 ) = h(t1 ) = 0 und damit
d
h g.
Bemerkung: Meist verwendet man obige Regeln von rechts nach links, d.h. man
f
uhrt Integrale des rechten Typs auf den linken zur
uck. Eine Argumentgruppe
muss also zu einer neuen Variable zusammengefasst werden:
u = (x) ,
so dass (x) als Faktor im Integranden auftritt, was zur Ersetzung (formal) von
du
= (x) .
(x)dx durch du f
uhrt wegen
dx
Man kann die Regeln verschieden anwenden:
BSP. 8.18
134
(a) I =
0
x
() 1
dx =
2
2
2
r +x
2r 2
r2
du
2
= u|2r
=
r(
2 1) f
ur r > 0 .
2
r
u
f (x) = r 2 + x2 = u
2xdx = du
()
oder gleich
(x) = r 2 + x2 = u
2xdx
()
= du
2 x2+ r 2
2r
1du = r( 2 1) .
I=
r
F
ur das unbestimmte Integral substituiere man den Schluss zur
uck;
x
du
1
=
obiges Beispiel: I =
dx =
2
u
r 2 + x2
u=(x)=r 2 +x2
=
u+c
r 2 + x2 + c
(b)
e
[(ln x)2
1
()
()
2 ln x]dx =
1 2
(u
0
f (x) = ln x = u
1
dx = du dx = xdu = eu du
x
Hier trat u nicht als Faktor auf, lasst sich aber leicht durch u ausdr
ucken!
Das gleiche Integral wie in (a) lasst sich (etwas umstandlich) auch mittels
einer Transformation berechnen, bei der nur die Umkehrfunktion konkret
ist:
Arsinh 1
Arsinh 1
r
xdx
sinh t r cosh t
()
(c)
dt = r
sinh tdt =
=
r cosh t
r 2 + x2
0
0
0
2 Arsinh 1
Arsinh
1
= r( 2 1) .
r cosh t|0
= r 1 + sinh t|0
()
und
r 2 + x2 = r 2 (1 + sinh2 t)
= r 2 cosh2 t .
8. Integration von Umkehrfunktionen
135
Sei f 1 C 1
f 1 (x)dx = xf 1 (x)
bzw.
f (t)dt|t=f 1 (x)
f (t)dt
f (b)
(x)dx +
f (a)
tf(t) dt = tf (t)
f (t) dt = xf 1 (x)
f (t)dt|t=f 1 (x) .
BSP. 8.19
(a)
sin ydy|y=arcsin x =
1 x2 + c .
f 1 (t) dt = tf (t)|10
1
0
1
3
f (t) dt = 1 + e ( t2 + et )|10 = .
2
2
136
f(b)
2
f(a)
=4
1
a
1
z.B. f
ur a
b, 0
f (a)
b
2
= 4
f (b) :
2a
f(b)
- 2b
=4
f(a)
=- 3
b
1 + 2a +
2b = 4
Komplexe Integrale:
F
ur f : R C mit f (x) = u(x) + iv(x), f stetig definieren wir entsprechend:
f dx =
udx + i
vdx
BSP. 8.20
1.
1
(t2 + i sin t)dt = t3 i cos t + c ,
3
2.
ex dx =
3.
1 x
e +c,
f
ur C !
1
(x + )n+1 + c ,
n+1
Hier ist jeweils c C.
(x + )n dx =
137
f
ur n Z , n = 1 .
Folgerung 8.16
Ref dx = Re f dx,
Imf dx = Im
f dx .
Manchmal ist es vorteilhaft, eine reelle Funktion als Real- oder Imaginarteil einer komplexen Funktion zu sehen und die Integration im Komplexen durchzuf
uhren:
BSP. 8.21
1
e(a+ib)x + c
a + ib
1
1
Re e(a+ib)x (a ib) + c = 2
eax (a cos bx + b sin bx) + c f
ur c C ,
= 2
2
2
a +b
a +b
1
da wegen z z = |z|2
z 1 = 2 z gilt f
ur z C .
|z|
eax cos bxdx =
Re e(a+ib)x dx = Re
P (x)
dx, P, Q Polynome
Q(x)
1. Schritt: Falls grad P grad Q kann man durchdividieren und erhalt
P
S(x)
= T (x) +
mit grad S(x) < grad Q(x) .
Q
Q(x)
Die Integration des Polynoms T (x) ist einfach, wir gehen also im Folgenden davon aus,
dass
grad P < grad Q .
2. Schritt: Zerlege Q in Linearfaktoren:
Q = an (x x1 )k1 (x x2 )k2 mit den Nullstellen xi C :
P
P
=
.
k
Q
an (x x1 ) 1 (x x2 )k2
mit Q()
= 0. Dann gibt es eindeutige A C, P Polynom mit Grad hochstens
min (grad Q, grad P) 1, so dass
138
P
P
A
.
=
+
k
Q
(x )
(x )k1Q
Es ist A =
()
P ()
(Methode zur Berechnung der A).
Q()
P ()
AQ P |x= = 0 AQ P = (x )P | .
Q()
Dividieren durch Q ergibt:
Beweis: Sei A =
A
P ()
P
P
zu A =
(x )
Q
Q()
(x ) Q
Aus () folgt
P = AQ + P (x ) und somit
P
(x )k1 Q
an, so erhalt
139
A
A
dx =
+ c f
ur n = 1 ,
n
(x )
(n 1)(x )n1
A
x
1
x
+ const,
dx = A
dx = A
ln |x |2 + i arctan
2
(x )
|x + |
2
1
x
x + i
da
dx =
dx =
dx =: I1 + i I2 + const
2
(x )
|x |
(x )2 + 2
d
2(x )
1
ln((x )2 + 2 ) =
und I1 = ln |x |2 , da
2
dx
(x 2 ) + 2
x
I2 = arctan
, da
1
1
x
d
=
arctan
= 2
.
2
dx
+ (x )2
x
1+
(x2
P
dx im Reellen berechnen, da f
ur die TeilinQ
140
tegrale gilt:
dx
1
=
+ c f
ur n = 2, 3, . . .
n
(x x1 )
(n 1)(x x1 )n1
dx
= ln |x x1 | + c
(x x1 )
A
2x + b
Ax + B
bA
dx =
dx + B
2
k
2
k
2
(x + bx + c)
2
(x + bx + c)
2
(b 4c < 0!)
A
bA
=
Ik f
ur k > 1
+ B
2
k1
2(k 1)(x + bx + c)
2
(x2
dx
+ bx + c)k
und f
ur k = 1
A
bA
Ax + B
dx = ln |x2 + bx + c| + B
+ bx + c
2
2
x2
mit
Ik =
I1 =
(x2
x2
I1
dx
2x + b
2(2k 3)
= 2
+
Ik1
k
k1
2
+ bx + c)
(x + bx + c) (k 1)(4c b ) (k 1)(4c b2 )
2
dx
2x + b
=
arctan
+ const.
+ bx + c
4c b2
4c b2
(Formeln pr
ufe man durch Differenzieren).
f
ur
d
dx
:=
4c b2
2x + b
arctan
2
1
1
2
=
=
2 = 2
2
2 x + bx + c
(2x + b)
+ 2x + b
1+ 2
141
namlich B = Im
P ()
Q()
1
, C = Re
P ()
Q()
B .
Man sieht: die Hauptarbeit steckt in der Berechnung der Aik , Bik , Cik .
Dazu:
1. Methode: Man setzt die PBZ mit unbestimmten Koeffizienten an. Bringt alles
auf den Hauptnenner und macht Koeffizientenvergleich.
2. Methode: Bestimme zuerst Aiki (Koeffizienten bei h
ochster Nennerpotenz), die
berechneten Terme bringe man nach links.
Am Beispiel wird alles klar.
R(x) =
Ansatz:
1. Methode:
A(x 1)(x2 + x + 1) + Bx(x 1)(x2 + x + 1) + Cx2 (x2 + x + 1) + (Dx + E)x2 (x 1)
P
=
Q
Q
=
x4 (B + C + D) + x3 (A + C D + E) + x2 (. . .)
Q
C=
u.s.w.
P
(x 1)|x=1 = 1
Q
B
Dx + E
P
3
1
+ 2
= 2 +
=
x
x +x+1
Q x
(x 1)
142
2
x4 x2 + 2x
P
() (x + x + 2)
.
=
=
x2 (x 1)(x2 + x + 1)
x(x2 + x + 1)
Q
P
Dx + E
2
x2 + x
x+1
P
x|x=0 = 2 2
= + =
= 2
2
x
x +x+1
x(x + x + 1)
x +x+1
Q
Q
3
2
1
x+1
P
= 2
+ 2
Q
x
x (x 1) x + x + 1
3
1
1 2
2x + 1
R(x) = 2 ln |x| ln |x 1| + ln(x2 + x + 1) + arctan
+c .
x
2
2 3
3
Rationalisierung:
Nach obigem u
berzeugenden Erfolg bei der Iteration von rationalen Funktionen R(x),
andere Integrale
1)
geeignete
Substitution
rationale Integrale
R(ex )dx
Substitution ex = u dx =
1
du .
u
BSP. 8.22
5e2x 11ex
dx =
e2x 5ex + 6
=
5u2 11u
du
(u2 5u + 6)u
5u 11
du =
(u 2)(u 3)
4
1
du
+
(u 2) (u 3)
143
3)
x
=u
2
sin x =
cos x =
1 u2
1 + u2
dx =
2du
u2 + 9
2 du
2
x
1
arctan
tan
3
3
2
2u
1 + u2
(1 +
u2 )
1u
5+4
1 + u2
2du
.
1 + u2
2
u
arctan
3
3
sin x = u
cos x dx = du
R(cos x) sin x dx
cos x = u
sin x dx = du .
R(x, x2 + a2 )dx
R(x, x2 a2 )dx
R(x, a2 x2 )dx
x = a sinh t
= a cosh t
dx = a cosh dt
x = a cosh t
= a| sinh t|
dx = a sinh tdt
x = a sin t
= a| cos t|
dx = a cos tdt .
BSP. 8.24
0
I=
2
dx
3 x2 2x(5 + 2 3 x2 2x)
3 x2 2x = (x + 1)2 + 4 ,
1
I=
(x + 1) = ,
dx = d
d
4 2 (5 + 2 4 2 )
= 2 sin t,
= 2 cos t,
d = 2 cos t dt
1 1
, also t ,
und so cos t > 0
sin t ,
2 2
6 6
144
/6
2 cos t
dt =
2 cos t(5 + 4 cos t)
I=
/6
/6
/6
dt
.
(5 + 4 cos t)
8.6
t
1
tan
3
2
/6
=
/6
4
arctan
3
1
tan
3
12
4
1
.
arctan
3
6+3 3
Zur Vorbereitung eines allgemeinen Integralbegriffes (8.7) und der Darstellung von
Funktionen durch (Potenz-)Reihen (Kapitel 9.2) sollen verschiedene Approximationsmae f
ur Funktionen betrachtet werden.
Sei f : D R eine Funktion f
ur = D R. Betrachtet man f (x) f
ur ein x R
isoliert, so kann man eine vereinfachte, approximative Darstellung von f (x) durch
(8.6)
bzw. ausf
uhrlich:
F
ur alle > 0, f
ur alle x D existiert N (x) N, so dass gilt:
n
(8.7)
0
1
f
ur 0 x < 1 ,
f
ur x = 1 .
Dann fn f f
ur n auf [0, 1] punktweise. Inbesondere kann also bei punktweiser
Konvergenz die Stetigkeit verloren gehen. Das liegt beim obigen Beispiel daran, dass
145
f
ur x < 1, aber nahe bei 1 das N (x)Verhaltnis immer schlechter wird. Ist das
nicht der Fall, kann man also zu > 0 N N unabhangig von x D, d.h. gleichmaig
wahlen. Gilt also:
F
ur alle x D, f
ur alle > 0 existiert N N, so dass gilt
n
(8.8)
so
Definition 8.22 Seien = D R, f, fn : D R Funktionen; (fn )n konvergiert
gleichm
aig gegen f auf D, wenn (8.8) gilt. f heit dann gleichm
aiger Grenzwert von fn .
Anschaulich bedeutet gleichmaige Konvergenz, dass fn ab N() in einem -Schlauch
um f liegt.
g
F(x)
g
fn(x)
x
Es gilt also
gleichmaige Konvergenz punktweise Konvergenz,
aber nicht umgekehrt.
Bei gleichmaiger Konvergenz ist fn f zumindestens f
ur n
N und ein N N
beschrankt (z.B. N = N f
ur = 1), also lasst sich (8.8) auch schreiben als:
F
ur alle > 0 existiert N N, so dass gilt:
n
N fn f
146
(8.9)
Dabei ist f
ur den RVektorraum
B(D) := {f : D R f beschrankt }
(8.10)
durch
f
:= sup{|f (t)| t D}
0 f
ur n .
(8.11)
fn (x) = x2 +
=
1
n
sin(nx) x2
| n1 sin(nx)|
<
1
n
<
f
ur
>
N()
x
g
fn(x)
g
Bei gleichmaiger Konvergenz bleibt die Stetigkeit erhalten.
Satz 8.23 Sei = D R.
Der gleichmaige Grenzwert stetiger Funktionen auf D ist stetig.
Beweis: Seien x0 , x D.
|f (x0 ) f (x)|
147
xx0 n
(8.12)
n xx0
fn (x)fn (x0 )
xx0
fn (x0 )
f
ur x = x0
stetig auf [a, b] .
f
ur x = x0
Nach dem Mittelwertsatz (Folg. 7.10 auf Seite 61) gibt es zu x [a, b] ein (x) x, x0 ,
so dass
Fn (x) = fn ((x)) .
Zu > 0 gibt es also N() N, so dass
N() ,
(8.13)
wegen der gleichmaigen Konvergenz der fn . Die Cauchy-Folgen (Fn (x))n haben also
einen Grenzwert F (x) R f
ur alle x [a, b] und f
ur die Funktion F : [a, b] R gilt:
148
Fn F
(m in (8.13))
Insbesondere ist
F (x0 ) = lim Fn (x0 ) = lim fn (x0 ) .
n
lim F (x)
xx0
x[a,b]
lim
xx0
lim
fn (x)fn (x0 )
xx0
(o.B.d.A. x = x0 )
=
=
lim 1
xx0 xx0
lim 1
xx0 xx0
(f (x) f (x0 )) ,
wof
ur die punktweise Konvergenz von fn (y) f
ur y [a, b] reicht.
Also: f ist differenzierbar in x0 und
f (x0 ) = F (x0 )
=
Bemerkung: F
ur fn hatte nur die punktweise Konvergenz an einer Stelle y [a, b]
vorausgesetzt werden m
ussen, die gleichmaige Konvergenz folgt dann automatisch aus
den anderen Voraussetzungen. Unter den Voraussetzungen von Satz 8.24 gilt also die
Vertauschbarkeit von gleichmaigem Limes und Ableitung
lim fn (x)
8.7
= lim fn (x) .
n
(8.14)
Allgemeine Integralbegriffe:
Regel-Integral und Riemann-Integral
In Kapitel 8.1 wurden unbestimmte Integrale zu Funktionen f als Losungen der Differentialgleichung
F = f
(8.15)
149
F (x) := +
f (t)dt
a
f
ur x D
(8.16)
eine Losung von (8.15) gegeben (diejenige mit F (a) = ), so dass es reicht eine Abbildung
I : R[a, b] R
auf einem moglichst groen Raum von Funktionen f : [a, b] R zu definieren, so
dass I(f ) mit dem Integralbegriff f
ur die elementaren Funktionen u
bereinstimmt. I(f )
soll den Flacheninhalt u
ber dem Graphen von f gewichtet messen, d.h. mit negativem
Gewicht f
ur f (x) < 0. Alternativ kann man auch sagen, dass der Weg von a nach b
mit dem Gewicht f (x) belegt wird. Es muss also auf jeden Fall gelten:
Forderung 1:
F
a
c dx = c (b a) f
ur a, b, c R .
(8.17)
und
f dx =
a
f dx +
a
f dx .
c
150
(8.18)
max xi+1 xi
i=0,...,n1
2) f : [a, b] R heit Treppenfunktion auf [a, b], wenn es eine Zerlegung von
[a, b] gibt und dazu f0 , . . . , fn1 R, so dass
f (x) = fi fur xi < x < xi+1 und i = 0, . . . , n 1 .
Eine Treppenfunktion ist also st
uckweise konstant analog zu den st
uckweise linearen
Elementen von S1 (). Der zu S1 () analoge Funktionenraum ist f
ur eine Zerlegung
T () := {f : [a, b] R f ist Treppenfunktion auf } .
Analog zu S1 () ist T () ndimensional, wenn
: a = x0 < x1 < . . . < xn = b ,
mit den Basisfunktionen
i (x) =
Wenn nun beliebige Zerlegungen (beliebiger Langen) zugelassen werden, entsteht ein
unendlichdimensionaler Raum
T [a, b] := {f f T () f
ur eine Zerlegung } ,
der Raum der Treppenfunktionen.
Aus Forderung 1 und 2 folgt notwendigerweise
Satz 8.26 Sei f T [a, b] und : a = x0 < x1 < . . . < xn = b eine Zerlegung zu f ,
dann gilt notwendig:
n1
I(f ) =
i=0
fi (xi+1 xi ) .
151
(8.19)
f0
a=x0
x1
fn-1
f2
f1
F
x2
xn-1
xn=b
fi1 (x1i+1
i=0
x1i )
n2 1
i=0
Da man zwei Zerlegungen zu einer dritten, feineren mischen kann, und auch die
Funktionswerte auf den gemeinsamen Teilintervallen notwendigerweise gleich sind, reduziert sich die obige Aussage darauf, dass in eine Zerlegung zusatzliche, unnotige
2) positiv, d.h.
f (x)
bzw. kurz:
f
0 T (f )
152
0.
i=0
n1
fi (xi+1 xi ) =
i=0
fi (xi+1 xi ) .
Die zweite braucht wieder eine gemeinsame Zerlegung und folgt dann analog.
2) klar wegen fi
n1
i=0
0 f
ur i = 0, . . . , n 1
fi (xi+1 xi )
f dx .
f dx +
f dx =
g T (f )
T (g)
fur f, g R.
153
I(|f |)
I( f
Beweis:
Zu 1):
f
g f (x) g(x) f
ur alle x [a, b]
(g f )(x) 0 f
ur alle x [a, b]
gf 0
Zu 2):
f
1)
|f | I(f )
I(|f |) |I(f )|
I(|f |) .
Zu 3)
f
2)
|I(f )|
I( f
Satz 8.29 ist speziell anwendbar auf das IntegralFunktional I auf T [a, b] und liefert
dort
|I(f )| I( f ) = (b a) f .
(8.20)
Da I linear ist, bedeutet also (8.20), dass I auf T [a, b] (sogar Lipschitz)stetig ist ,
|I(f ) I(g)| = |I(f g)|
wenn T [a, b] mit .
(b a) f g
0 f
ur n }
(8.21)
154
fur alle x T .
C x
(8.22)
Dann gibt es eine eindeutige Fortsetzung I : R X, die auch linear ist und (8.22)
erfullt.
Beweis:
Sei x R, d.h. (xn )n eine Folge in T mit
xn x f
ur x .
Wegen
|I(xn ) I(xm )| = |I(xn xm )|
C xn xm
Setze:
I(x) := lim I(xn ) .
n
(8.23)
so lasst sich daraus ein zn x kombinieren mit (xn )n , (yn )n als Teilfolgen also:
lim I(xn ) = lim I(zn ) = lim I(yn ) .
I(x)
C xn
f
ur n
C x ,
xy ,
155
Satz 8.30 auf das Integralfunktional auf T [a, b] liefert eine Integraldefinition auf R[a, b],
das RegelIntegral, mit folgenden Eigenschaften:
Satz 8.31 Das Funktional I : R[a, b] R, das RegelIntegral, das durch eindeutige
lineare und stetige Fortsetzung von I auf T [a, b] entsteht, hat folgende Eigenschaften:
1) I ist linear.
2) |I(f )|
3) f
(b a) f
0 I(f )
0 fur f T [a, b] .
4) f ist monoton.
5) |I(f )|
Beweis:
1) und 2) folgt aus Satz 8.30. Zu 3) sei f R[a, b] mit f
fn f 0 f
ur n .
Sei > 0 beliebig, fest, dann ist fn + 0 f
ur n
um f liegt. Also aus Satz 8.28 f
ur n N():
0.
(b a)
(8.24)
gilt.
Ist namlich (fn )n eine Folge in T [a, b] mit fn f
fn (x)| |f (x)
also
|fn | |f |
fn f
0.
0 f
ur n , dann auch
fn f
156
f dx statt I(f ) f
ur f R[a, b].
Inbesondere bedeutet also 2) die Stetigkeit von I auf R[a, b], gilt also:
f, fn R[a, b] (nicht notwendig fn T [a, b]) und fn f f
ur n gleichmaig, dann
auch
b
f dx f
ur n ,
fn dx
a
sind vertauschbar:
b
fn dx
lim fn dx = lim
(8.25)
und schlielich
Satz 8.32 Das RegelIntegral erfullt Forderung 2, d.h. fur f R[a, b] gilt:
Fur a < c < b:
f|[a,c] R[a, c], f|[c,b] R[c, b]
und
f dx =
a
f dx +
a
f dx .
c
Beweis:
Aus Satz 8.28 3) durch Approximation mit Treppenfunktionen.
1
.
n
Da f nach Satz 6.47 auf [a, b] gleichmaig stetig ist, gibt es ein > 0, so dass f
ur alle
x, y [a, b]
1
.
|x y| |f (x) f (y)|
n
157
Man wahle eine Zerlegung so, dass
und setze
x < xi+1 , i = 0, . . . , n 1
fn (x) : = f (xi ) f
ur xi
fn (b) : = f (b) ,
(8.26)
1
n
Bemerkung
1) Mit Satz 8.33 gilt auch:
Ist f st
uckweise stetig auf [a, b], dann ist f auch (Regel)integrierbar. Dabei
bedeutet stu
ckweise stetig, dass es eine Zerlegung gibt, so dass f auf den
Teilintervallen (xi , xi+1 ) stetig ist und auf [xi , xi+1 ] stetig fortsetzbar ist.
2) Ist f nur auf (a, b) stetig, aber noch beschrankt, dann gilt:
b
lim
0
a+
f dx existiert
(8.27)
f dx := lim
0
a+
f dx .
F
ur unbeschrankte Integranden f wird dies in Kapitel 8.9 verallgemeinert.
Der Grenzwert in (8.27) existiert, da |f | M f
ur ein M 0 und so
f +M
0 auf [a, b] .
I :=
f +Mdx ist dann wohldefiniert und nach Satz 8.32, 8.31 3) monoton wachsend
a+
f dx = I (b a 2)M .
a+
158
BSP. 8.27
sign (sin x) ist integrabel auf allen [a, b].
1
sin ist integrabel auf [1, 1].
x
1
sin x1 ist in obigem Sinne nicht integrabel (weil unbeschrankt).
x
b
Die Klasse der Regelintegrierbaren Funktionen ist also sehr gro. Beachte aber:
f dx
a
existiert nicht in obigem Sinne, wenn f unbeschrankt ist. (siehe 8.9 Uneigentliche
Integrale.)
Satz 8.34 (Mittelwertsatz der Integralrechnung): Sei a < b. Ist f stetig auf
[a, b], dann gibt es ein (a, b) mit
b
f (x)dx = f ()(b a) .
a
Beweis:
Da f stetig, gibt es nach Satz 6.29
x1 mit f (x1 ) = M = Max f und
x2 mit f (x2 ) = m = Min f .
b
Also: m(b a) =
m dx
f dx
M dx = M(b a) m
Definition 8.35 f =
1
ba
1
ba
1
ba
b
a
f dx M .
f dx.
a
Warum gelten f
ur das Regelintegral und die Stammfunktion gleiche Rechenregeln,
b
?
a
159
x
a
Dann gilt F (x) = f (x) fur x [a, b], d.h. F ist Stammfunktion von f .
Beweis:
x+h
1
f
h0 h x
dx = lim h1 f ()h
h0
= lim f () f
ur ein = (x) x, x + h
h0
= f (x), da f
ur h 0 auch (x) x gilt.
Folgerung:
1) Man kann Flachenberechnungen durch Aufsuchen von Stammfunktionen
durchf
uhren.
b
f dx
a
Rationale Funktionen
elementare Funktionen
Als Beispiel soll eine Moglichkeit gezeigt werden, die Exponentialfunktion einzuf
uhren
durch Einf
uhrung von ln:
Definition 8.37
ln x :=
1
1
x
1
dt fur x (0, )
t
160
xy
ln(x y) =
1
dt =
t
1
xy
1
dt = ln x +
t
1
dt +
t
x
1
du = ln x + ln y ,
u
x, y > 0. (8.28)
u=1
x
1
1
dt =
t
x0
1
dt =
t
(ebenso), so dass die Umkehrfunktion von ln auf R definiert ist (mit (0, ) als Wertebereich). Sie wird mit exp(x) bzw. ex bezeichnet. Sie ist stetig differenzierbar und
(ex ) =
1
= ex f
ur x R
x
ln (e )
1
dt
1+t2
elementare Funktionen
u.s.w.
BSP. 8.28
Definition 8.39 Fehlerfunktion (Errorfunction):
x
2
erf f (x) =
et dt .
0
161
Elliptische Integrale
1. Gattung
F (k, ) =
0
2. Gattung
E(k, ) =
0
3. Gattung
(h, k, ) =
dt
1k 2 sin2 t
1 k 2 sin2 tdt,
dt
2
0 (1+h sin t)
0<k<1.
1k 2 sin2 t
Diese Funktionen sind wie die Elementarfunktionen vertafelt und in Computern implementiert.
8.8
Anwendungen
1. Fl
acheninhalt:
Flacheninalt F = (f g)dx
a
F =
0
2. Fl
achenmoment und Schwerpunkt:
162
x2 x3
(x x )dx =
2
3
=
0
1
6
x (f g)dx
Moment Mx =
a
Flache
b
Moment My =
a
1
(f + g)(f g)dx
2
b
1
=
2
(f 2 g 2 )dx
a
obiges Beispiel:
1
x3 x4
x(x x )dx =
3
4
Mx =
0
My =
1
2
(x2 x4 )dx =
1
2
=
0
x
x
3
5
1
12
.
=
0
1
15
F
ur den Schwerpunkt S = (xS , yS ) muss gelten F xS = Mx , F yS = My
xS =
obiges Beispiel: xS =
Mx
;
F
yS =
My
F
2
1
, yS =
2
5
3. Volumenberechnung:
Schnittflache x-Achse
Flacheninhalt q(x)
q(x)
Volumen V =
q(x)dx
a
(Cavalieri-Prinzip)
a
Spezialf
alle: Rotationsk
orper
Rotation um x-Achse
163
(f-g)dx
f
f
q(x) = (f 2 g 2 )
g
a
(f 2 g 2 )dx
Vx =
a
Rotation um y-Achse
x(f g)dx
Vy = 2
a
obiges Beispiel:
1
(x2 x4 )dx =
Vx =
0
2
15
Vy = 2
0
x(x x2 )dx =
Mx =
q(x)
Mx
V
Bei Rotationskorpern liegt der
Schwerpunkt auf der Drehachse.
xS =
xq(x)dx
164
x(x2 x4 )dx =
obiges Beispiel: Mx =
0
=
xS =
12
12Vx
8
yS = zS = 0
5. Tr
agheitsmoment:
m=Masse
Tragheitsmoment = max2
Bei Rotationsk
orpern:
(f-g)dx
x3 (f g)dx
= 2
=
2
(f 4 g 4 )dx
a
obiges Beispiel: Vy =
Masse m = f
ur = const.
6
6
1
x3 (x x2 )dx = 2
= 2
1 1
5 6
2
2
= m.
30
5
f (x) =
k=0
1 (k)
f (a)(x a)k + Rn
k!
mit
1
Rn =
n!
165
ex =
k=0
1 k
x + Rn
k!
|Rn |
mit
Rn =
(x t)n et dt
1
n!
0
1 x
e
n!
(x t)n dt =
1
ex xn+1
(n + 1)!
f
ur x > 0
8.9
1
1
e xn+1
ex xn+1
(n + 1)
(n + 1)!
Uneigentliche Integrale
Aus der Definition des Riemann-Integrals ergibt sich, dass folgende bestimmte Integrale
im Riemann-Sinne nicht definiert sind:
(A)
Unbeschr
anktes Integrationsintervall:
f (x) dx
ex dx = ex
= 0 (1) = 1.
(B) Unbeschr
ankte Funktionen am Intervallende: a f (x) dx
f
ur die die Stammfunktion auf (a, b) stetig erganzbar ist in x = a und x = b mochte
man berechnen als:
dx = 2 1 x
1x
= 2.
0
166
f dx := lim
f dx
existiert in R.
b
xb
f dx := lim
0
>0
f dx
a
existiert in R.
Existiert bei (A) oder (B) der Grenzwert und ist aus {+, }, so wird dies z.B. im
Fall (A) mit Grenzwert kurz bezeichnet mit
f dx = .
definiert und
BSP. 8.29
1. F
ur = 1 :
1
dx
= ln x
x
1
dx
= lim
x+1
R 1
x
dx
konvergiert in R f
ur > 1.
x
167
1
1
f
ur
>1
f
ur
<1
dx
1
= lim
x1
1
x
2. F
ur = 1:
0
1
dx
= ln x
x
1
0
1
=
1
f
ur
<1
f
ur
>1
1
ist auf (0, 1] integrabel genau dann, wenn < 1. Analoges gilt
x
1
f
ur f (x) =
auf (b, c] f
ur b < c.
(x b)
1
f
ur
a<1
1 x
x
ln a
=
a
3.
a dx =
ln a 1
f
ur
a1
1
Also f (x) =
4.
BSP. 8.30
Ist
sign(cos x)
dx konvergent?
x2
im Fall (B).
Satz 8.42 Ist f absolut integrabel, so ist f auch integrabel (in beiden Fallen (A) und
(B)) und
|f | dx bei (A)
f dx
a
|f | dx bei (B).
f dx
bzw.
168
Zu Beispiel 8.30:
Da
sign(cos x)
dx =
x2
dx
= 1. Also existiert
x2
absolut integrabel.
sign(cos x)
dx in R.
x2
sin x
dx , das integrabel ist, aber nicht
x
(A):
Ist g auf [a, ) integrabel, dann ist auch f auf [a, ) integrabel und
f dx
gdx .
Beweis: F (x) =
gdx.
a
f dx = lim F (x)
gdx .
Mit diesem Kriterium kann man also die absolute Konvergenz nachweisen: Man sucht
BSP. 8.31
1)
Da
I=
1
cos x
x2
cos x
dx.
x2
1
x2
und
1
x2
169
cos x
x2
integrabel.
2)
I=
2
2cos
x
x
dx.
Da
2
2cos
x
x
>
1
x
und
1
x
divergent I divergiert.
A
.
x
Folgerung 8.44
A
ur ein > 1 und x > R
A) a) Ist |f (x)| f
x
A
b) Ist f (x) > f
ur ein A > 0 und x > R
x
|f |dx (auch
f dx nicht.
A
f
ur ein < 1, x in der Nahe von b
B) a) Ist |f (x)| <
(x b)
A
b) Ist f (x) >
f
ur alle x in der Nahe von b
xb
lim x |f | = 0 f
ur ein > 1
|f |dx
b)
lim x|f | = 0
|f |dx nicht
b
B) a)
lim(x b) |f | = 0 f
ur ein < 1
xb
b)
lim(x b)|f | = 0 ;
xb
|f |dx nicht.
BSP. 8.32
170
|f |dx .
f dx nicht.
A) a)
f dx).
|f |dx .
1) I =
1
sin x
dx existiert f
ur > 1
x
ex
dx, f
ur 2.
( sin x)
2) I =
0
x
=0
sin x( sin x)2
x0+
x0
I divergiert f
ur 2
1
x
= 0 f
ur > da < 2 lasst sich
x0
x0 (sin x) ( sin x)2
2
finden I f
ur < 2.
ein mit 1 > >
2
Der folgende Satz zeigt Konvergenz, auch wenn keine absolute Konvergenz vorliegt:
x
f (x)
dx fur > 0.
x
Beweis:
F (x)
f
dx
=
x
x
+
a
F (x)
F (x)
dx
=
+
x+1
R
F
x+1
dx
und
x+1
x+1
dx
x+1
C
F (R)
R
R
0 Behauptung.
BSP. 8.33
I=
x
sin x
sin x
dx. Dieses Integral ist nur bei uneigentlich
ist stetig bei x = 0. Da
x
x
sin x
dx ,
x
ebenso
sin x
dx.
x
171
(2)
(3)
(4)
172
(1) I1 =
a
R
(2) I2 =
f dx
f dx + lim
lim
+ lim
lim
R
c
b
0
a+
c
+ lim
(3) I3 = lim
c
c
0
a+
b
+ lim
(4) I4 = lim
0
c+
BSP. 8.34
1. I =
1
dx divergiert stets.
x
2. I =
0
cos x
dx konvergiert nach letztem Satz,
x
1
cos x
cos x
dx konvergiert, weil
< und
x
x
x
weil
cos x
dx. Wir spalten auf:
x
1
dx konvergiert. Damit konvergiert I.
x
0
Fehlerabsch
atzung: Wie gro ist der Abschneidefehler F =
Offenbar ist F =
|F |
|f |dx
R
1
A
A
dx
=
x
1 x1
=
R
A
.
( 1)R1
BSP. 8.35
sin x
dx
x2
sin x
dx < = 105 .
2
x
173
A
, >1
x
1
1
sin x
2 F
< .
2
x
x
R
1
ullt.
F
ur R > = 105 ist die obige Forderung also erf
8.10
Numerische Integration
f dt oder auch
a
f dt
a
(8.29)
die die linearen Anfangswertaufgben von Kapitel 8.1 bis 8.3 verallgemeinern.
Ist f stetig auf [a, b], dann zeigt der Beweis von Satz 8.33:
Wahle Zerlegungen n : a = xn0 < xn1 < . . . < xnn = b, so dass
n :=
i=0,...,n1
(8.30)
Wahlt man dann beliebig, feste in [xni , xni+1 ] und damit eine Treppenfunktion fn
durch
fn |(xn ,xn ) = f (in ) ,
i
i+1
so konvergiert diese gleichmaig gegen f und damit gilt nach Satz 8.29 2) auch f
ur den
Integralnaherungswert
n1
In := I(fn ) =
i=0
(8.31)
In
f dx
(b a) f fn
0 f
ur n .
(8.32)
Der Fehler ist also umso kleiner, je besser fn f (gleichmaig) approximiert. Dies kann
dadurch auch gesteuert werden, dass |xni+1 xni | dort klein gewahlt wird, wo f sich stark
174
n
In diesem Fall und allgemein lasst sich die Approximationsg
ute abschatzen, wenn f
Lipschitzstetig auf [a, b] mit Lipschitzkonstante L, also etwa stetig differenzierbar ist.
Dann ist auf [xni , xni+1 ] :
|f (i) f (x)|
L|i x|
L(xni+1 xni )
In
n .
(b a)L
f dx
(8.33)
Es liegt also Konvergenz 1. Ordnung vor, indem sich der Fehler (mindestens) halbiert, wenn hn halbiert, also der Aufwand verdoppelt wird.
Mogliche Wahlen von in sind:
in = xni :
linksseitige Rechtecksregel
n
n
i = xi+1 : rechtsseitige Rechtecksregel
.
in = 21 xni + xn+1
i
Eine verbesserte Approximation auf [xni , xni+1 ] ist zu erwarten, wenn fn nicht konstant,
sondern linear gewahlt wird, etwa durch
fn P 1 [xni , xni+1 ] mit
fn (xni ) = f (xni )
fn (xni+1 ) = f (xni+1 ) ,
1 2
(n ) f
8
In
f dx
1
(b a) f
8
175
(n )
(8.34)
n1
fn dx
In = I(fn ) =
i=0 xn
i
n1
xn
i+1
=
i=0 xn
i
mit
xni+1 x
= n
xi+1 xni
n
und so
n1
In =
i=0
1
f (xni ) + f (xni+1 ) ,
2
xni+1 xni
(8.35)
=
2
n1
f (xni ) + f (xni+1 )
i=0
n1
n f (xn ) + 2
=
0
f (xni ) + f (xnn )
(8.36)
i=1
Falls f glatt genug ist, kann ein weiterer Genauigkeitsgewinn dadurch erhofft werden,
ur ein k N approxidass f auf [xni , xni+1 ] nicht durch fn P 1 , sondern durch fn Pk f
miert wird. Soll fn wieder durch LagrangeInterpolation bestimmt werden, m
ussen also
n
n
n
in [xi , xi+1 ] k + 1 Interpolationsknoten xi,j , j = 0, . . . , k spezifiziert werden. Diese
sollen aquidistant (in eventuell allgemeinen Elementen [xni , xni+1 ]) gewahlt werden
xni,j := xni + j
xni+1 xni
, j = 0, . . . , k .
k
f (k+1) n
w
(k + 1)!
w (x) =
j=0
(x xni,j )
176
und so
|w n (x)|
und damit
f fn
und so
f (k+1) k+1
(n )
(k + 1)!
In,k
k+1 )
(
n
ba
f (k+1)
(k + 1)!
f dx
(n )
k+1
(8.37)
In,k :=
fn dx ,
a
wobei
In,k
ba
k
f dx
C f (l)
(8.38)
f
ur C > 0 und ein l = l(k) N gezeigt werden.
In,k heit kte zusammengesetzte Newton-C
otes Formel (k = 1: Zusammen
gesetzte Trapezregel). Die Aquidistanz der Interpolationsknoten, die f
ur (8.37) keine
Rolle spielt, f
uhrt zu einer einfachen Darstellung von In,k :
n
Nach (???) lasst sich fn auf [xni , xn+1
] durch die LagrangeBasisPolynome li,j
,j =
i
0, . . . , k, darstellen, d.h.
n1
xn
i+1
n1
xn
i+1
k
n
f (xni,j )li,j
dx
fn dx =
In,k =
i=0 xn
i
i=0 xn
i
n1
j=0
k
(n,k)
i,j f (xni,j ) .
(8.39)
i=0 j=0
In,k hat also die einfache Form einer Linearkombination von Funktionswerten u
ber alle
Interpolationsknoten, wie im Spezialfall k = 1 in (8.35) und (8.36) mit den Gewichten
xn
i+1
(n,k)
i,j
n
li,j
dx .
=
xn
i
177
x xni,l
=
xni,j xni,l
=
l=0
l=j
l=0
l=j
kt l
jl
und so
1
(n,k)
i,j
(xni+1
=
0
xni )
l=0
l=j
mit
k
(k)
j
(xni+1
In,k =
l=0
:=
0
und so
xn xni (k)
kt l
dt = i+1
j
jl
k
l=0
l=j
1
xni )
k
tl
dt
jl
k
(k)
j f (xni,j ) .
(8.40)
j=0
Dabei bezieht sich die erste Summe auf die Zerlegung, die zweite auf die Interpolationsknoten im Element [xni , xni+1 ] .
Es kann nun auf zwei verschiedene Arten versucht werden, die Genauigkeit der Naherungsformel zu steigern:
1. Option: k fest, n gro ( hMethode)
Zerlegung sichergestellt werden, ist aber auf einem Element [xni , xni+1 ] f glatt, kann es
sich lohnen, dort hoheres k zu wahlen. Solche Kombinationen heien hkMethoden.
178
h
Th (f ) :=
2
wobei h :=
ba
n
f (a) + 2
f (xi ) + f (b)
i=1
und xi = a + ih.
Analog zum Satz ??? gilt auch hier nicht nur die Fehlerabschatzung (namlich (8.34)),
sondern auch (viel schwieriger zu beweisen) eine Fehlerentwicklung
Satz 8.46 (EulerMacLaurinsche Summenformel)
Seien f C 2m [a, b], n N gegeben und h := ba
. Dann gilt
n
b
f (x) dx = Th (f )
a
k=1
h2k
B2k f (2k1) (b) f (2k1) (a) + O(h2m )
(2k)!
fur
h 0+ .
f (y(t), (t))dt +
y(ti+1) =
a
ti+1
=
ti
f
ur gewahlte ZeitPunkte
t0 = a < t1 < t2 . . .
179
(8.41)
(durch Anwendung der linksseitigen Rechtecksregel auf das Integral) (explizites Eulerverfahren). Hier kann also yi+1 direkt aus yi (durch Auswertung) bestimmt werden.
Nimmt man stattdessen die rechtsseitige Rechtecksregel erhalt man
yi+1 = (ti+1 ti )f (yi+1 , ti+1 ) + yi ,
(8.42)
das implizite EulerVerfahren. Hier muss eine (skalare) Gleichung zur Bestimmung
von yi+1 gelost werden (etwa mit dem NewtonVerfahren). Nimmt man schlielich die
Trapezregel, so erhalt man
1
yi+1 = (ti+1 ti ) (f (yi, ti ) + f (yi+1 , ti+1 )) + yi
2
das Crank-Nicolson-Verfahren.
180
(8.43)
9.1
Unendliche Reihen
Die Folge sn =
an .
n=1
qk =
1) Geometrische Reihe: sn =
k=0
a) sn ist divergent f
ur |q|
b)
qk =
k=0
1
1q
explizit
1q n+1
1q
, dann:
f
ur |q| < 1 .
n
2) Teleskopreihe: sn =
k=1
1
k(k+1)
=
k=1
k=1
1
k
1
k(k+1)
1
k+1
=1
1
n+1
, also:
=1 .
Man u
berlege sich, dass es Reihen gibt, die man ahnlich behandeln kann.
n
(ak ak1 ) + a0 .
k=1
181
Satz 9.3
1) Konvergieren
k=1
(an + bn ) =
n=0
2)
an und
n=1
bn , so auch fur K
k=1
an +
n=0
an + bn und
k=1
bn .
n=0
an konvergiert
m
(Cauchy-Kriterium).
3) Sind die an > 0, so gilt:
n=1
an konvergiert
n=1
an M fur alle N .
4) Lasst man endlich viele Reihenglieder weg, so andert sich das Konvergenzverhalten nicht, aber gegebenenfalls der Grenzwert nach
n=1
an =
an +
n=1
an .
n=k+1
Wenn es also nur um Konvergenz geht, wird im Folgenden der Startindex weggelassen:
Uber
die Erkenntnisse der Folgentheorie hinaus gibt es noch Konvergenzkriterien
durch Betrachtung der Reihenglieder.
Nach Cauchy-Kriterium gilt:
Ist
an konvergent
k=n
ak = | an | 0 .
an konvergent an 0
oder:
Gilt an 0 nicht
an divergent.
BSP. 9.1
1)
1+
1 n
n
1 n
n
182
e = 0.
2)
1
(harmonische
n
1
Reihe):
0 keine Aussage aus den Divergenzn
kriterien. (Die Reihe ist aber divergent, siehe unten).
Definition 9.4
an konvergiert.
| RN |
an gilt:
n=N +1
| aN +1 | , sign RN = sign aN +1
a2
Beweis:
a4
s1
s4
s3
s2
s0
a3
a1
s2n f
ur n N
und analog
s2n+1
s2n1 f
ur n N und s2n+1 s2n = a2n+1 0 f
ur n , also bilden
An := s2n und Bn = sn+1 eine Intervallschachtelung, die nach Satz ??? gegen ein
s konvergiert. Damit ist s auch der Grenzwert aus der aus An und Bn abwechselnd
zusammengesetzten Folge, d.h. von (sn ). Die Fehlerabschatzung ergibt sich wie folgt:
M
an = aN +1 + aN +2 + aN +3 + . . . aM
n=N +1
an
aN +1 ,
n=N +1
an
n=N +1
183
aN +1 .
BSP. 9.2
1) Die alternierende harmonische Reihe: 1 12 + 13 14 + 51 61 + . . .
konvergiert ( ln 2 wie wir zeigen werden) und:
0<
2N
(1)n+1
n=1
1
1
1
(1)n+1 <
.
n n=1
n
2N + 1
F
ur nicht alternierende Reihen hat man kein so einfaches Kriterium und Fehlerabschatzung.
Definition 9.6
Satz 9.7 Ist
|an | konvergiert.
an konvergent.
Beweis:
m
Nach Cauchy-Kriterium: |
k=n
ak |
k=n
| ak | < f
ur n, m > N().
BSP. 9.3
1)
1
konvergiert, weil
(1) n n(n+1)
n=1
2)
1
n(n+1)
konvergiert.
1
n
ist divergent.
Bemerkung: Die Konvergenz ohne absolute Konvergenz lasst sich schwer zeigen
( bedingte Konvergenz ), hochstens mit dem Leibnizkriterium. Solche Reihen ha
ben unangenehme Eigenschaften z. B. kann man durch Umordnen der Reihenglieder
jeden Grenzwert oder auch Divergenz erzielen.
Aus Satz 9.3 folgt sofort:
Satz 9.8
an konvergiert absolut
| an | beschrankt fur N N.
184
n=0
0 fur x
f (n) existiert
f (x)dx existiert
0
f (k) <
k=1
N 1
f (x)dx <
f (k).
(9.1)
k=0
Existenz ist also sowohl bei Reihe bzw. Integral aquivalent zur Beschranktheit von
N
f (k) bzw.
k=0
f dx
0
x
0
und diese sind wieder aquivalent zueinander nach obiger Abschatzung, die auch die
Gleichheit der Grenzwerte f
ur N
impliziert.
Folgerung 9.10 Fehlerschatzung: Unter den Voraussetzungen des obigen Satzes gilt
bei Konvergenz:
f (x) dx
f (k)
f (N + 1) +
k=N +1
f (x) dx .
N +1
Beweis:
f (k) =
k=N +1
N +1
f dx
f (k) + f (N + 1)
k=0
N +1
f dx
f dx + f (N + 1)
0
k=N +1
f dx
f (k) =
0
f dx .
f (k)
k=0
BSP. 9.4
185
1)
dx
x
ist divergent f
ur 1 und konvergent f
ur > 1, also:
1
n
ist divergent f
ur 1 ( = 1 harmonische Reihe) und konvergent f
ur
> 1.
2) Sei
S=
N
1
.
Gesucht
N,
mit
|
S
|<
2
n=1
n=1 n
S
f
ur
1
n2
<
1
(N +1)2
N +1
N +1
1
1
< 2 ( 1 + 4 1).
N +1
3
F
ur N > 2 1+4+1
1 4
4
1
dx
x2
1
(N +1)2
1 gilt |
ak konvergiert, so konvergiert
) Falls
bk divergiert
ak
1
N +1
<
| < .
bk auch
bk ) .
divergiert (erst recht!)
ak ) .
Beweis:
n
ak
bk
ak
wachsende Folge.
n
bk , also ist
ak
BSP. 9.5
53 sin n+cos n
2
n (n 1)
5+3+1
n2 (nn/2)
an
konvergiert.
Meistens vergleicht man mit der geometrischen Reihe:
Satz 9.12 (Wurzelkriterium) :
186
18
n3
und
18
n3
) lim n | an | < 1 .
Das Kriterium ist also nicht erf
ullt, wenn
lim n |an |
1.
an =
an
Aber:
|an |, da f
ur unendlich viele nk N gilt:
|ank |
und so
|ank |
f
ur ein > 1
1
ur k
nk 1 f
an+1
an
) lim
an+1
an
<1.
lim
an+1
an
> 1.
Im Fall lim
an+1
an
187
BSP. 9.7
1)
n2
n
. Quotientenkriterium:
n+1
n
n n
n
1 n
f
ur fast
= (1+11 )n
n+1
2
n
an mit an =
| an | =
alle n N, da 1 +
1 n
n
e > 2,
1
1 n
n (1+ n )
|an | = lim
2)
n=0
n
1
e
<1.
xn
.
n!
|an | = x
an+1
an
n
n!
xn+1 n!
(n+1) ! xn
??
(x)
(n+1)
0 f
ur alle x C, also Konvergenz f
ur alle x nach
dem Quotientenkriterium.
Bemerkung: Es gilt:
Ist das Quotientenkriterium erf
ullt, dann auch das Wurzelkriterium, da
an+1
an
n=1
|an |
q n f
ur fast alle n
q |an |
q f
ur fast alle n N .
n! .
1
.
n2
n
denn lim
|an | =
n
1
1,
n nn
Hier versagen also Wurzel- und Vergleichskriterium; das gilt auch bei der Untersuchung von Reihen des Typs
A
.
n
A
n
zu vergleichen.
Fehlersch
atzung:
Hat man f
ur eine vorgelegte Reihe
Abbruchfehler:
an
an =
N +1
188
an
N +1
bn .
bn , so gilt f
ur den
Speziell:
) Ist 0 |an | < q n f
ur ein 0 < q < 1, dann:
an
N +1
q N +1
.
1q
n+1
BSP. 9.8
1
N +
1
1
+
=
.
1
(N + 1)
( 1) (N + 1)
( 1)(N + 1)
an
2
n n
n+1
n
n+1
N +1
1
2
N +1
1
1
=
1 1/2
2
1
2
(s.o).
nach ) .
Will man einen Fehler < erreichen, so muss man bis N >
Ohne Beweis zitieren wir hier den wichtigen
ln
ln 0.5
summieren.
Satz 9.14
a) Absolut konvergente Reihen konnen beliebig umsortiert werden, ohne dass sich
der Reihenwert andert.
N
i=0
k=0
aik
k=0
i=0
aik
a(ik)k .
i=0 k=0
i=0
ai
k=0
bk =
k,i=0
ai bk =
i=0 k=0
189
aik bk (Cauchy-Produkt).
Bemerkung: F
ur nicht absolut konvergente Reihen, wie z. B. (1)n n1 gilt Satz 9.14
a) nicht. Wenn man z. B. erst die Glieder mit geradem Index summiert, divergiert die
Reihe.
BSP. 9.9
Es ergibt sich wieder eine Gelegenheit, die Funktion exp(x) = ex (f
ur x C sogar)
zu definieren als: ex =
n=0
0
xn
n!
i=0
i=0
i=0
xi
i!
1
i!
k=0
i
k=0
yk
=
k!
i=0 k=0
xik y k
k!(i k)!
i!
xik y k =
(i k)!k!
i=0
1
i!
k=0
i ik k
x y
k
1
(x + y)i = ex+y .
i!
hn1
= lim
h0
n!
n=1
!
= 1.
Das ist klar, wenn Grenzwert und Reihe vertauschbar sind. Das wird in Satz ??? klar
werden.
9.2
190
1) fn (x) = xn (Folge)
ur x = 1
1 f
n
lim x =
0 f
ur |x| < 1
n
divergent sonst
Konvergenzbereich : (1, 1]
f2
f3
-1
1
f1
2)
xn =
n=0
1
mit Konvergenzbereich | x| < 1.
1x
k=0
ak (x b)k f
ur x C, wobei ak C, b C.
n=0
lim
191
|an |
R=
xn
mit > 0
n=1 n
BSP. 9.11
=1
lim n
Reihe konvergiert absolut f
ur | x| < 1 und divergiert f
ur | x| > 1 .
Wir betrachten nur x R. Dann hat der Konvergenzbereich die Randpunkte x =
1, 1 :
x =
x = 1
Bemerkung: Uber
die Konvergenz bei |x b| = R sagt der Satz nichts aus. Man
kann zeigen, dass es im Komplexen mindestens einen Punkt auf dem Kreis |x b| = R
gibt, wo die Reihe divergiert.
Beweis:
192
ck konvergent.
A)
k=1
Cauchykriterium:
m
k=n
|fk (x)|
k=n
also existiert
f (x) :=
ck 0 f
ur n, m ,
fn (x) f
ur x D .
n=1
n
B)
k=1
fk (x) f (x)
fk (x) = lim
k=n+1
fk (x)
k=n+1
l
lim
k=n+1
|fk (x)|
ck =
lim
k=n+1
ck < f
ur n
N() ,
k=n+1
ck konvergiert.
k=1
BSP. 9.12
F (x) =
(1)n+1
n=1
1
sin(2n 1)x
(2n 1)2
fn
4 1
1
4
und
|fn |
2
(2n 1)
n2
1
konvergiert
n2
F (x) =
F(x)
-B
-1
n=0
193
fur
Beweis:
R+
, f
ur | x b |
2
| ak (x b)k | = | ak | | x b |k < ak k
Sei =
und
ak k
konvergiert, also Behauptung nach Weierstra
Kriterium.
"
Satz 9.19
n=1
n=1
fn (x)dx =
n=0
fn (x)dx
n=0 a
und
F (x) =
fn (x) .
n=1
n=1
F (x) =
fn (x)
n=1
fn (x) .
n=1
1) fn stetig
k=1
fk stetig
fn stetig .
n=1
194
3)
n
Fn : =
k=1
n
Fn : =
k=1
fk
fk
fn gleichmaig
n=1
fn gleichmaig .
n=1
BSP. 9.13
1) F (x) =
(1)n+1
n=1
1
sin(2n
1)x
=
fn (x) .
(2n 1)2
n=1
Wir haben gesehen, dass diese Reihe gleichmaig konvergiert, F (x) ist stetig.
x
1
F (l)dt = G(x) =
(1)n+1
(2n 1)2
n=1
4
fn
Es muss F
Aber:
n=1
(1)n+1
(1)n+1
sin(2n 1)x dx
1
(1 cos(2n 1)x)
(2n 1)3
cos(2n 1)x
konvergiert nicht gleichmaig.
(2n 1)
fn nicht gelten.
2) Obige Reihe f
ur G und die Reihe der Ableitungen
gn = fn konvergieren
gleichmaig G = F (das ist klar, da G durch Integration gewonnen wurde).
n
3) sn (x) =
(kekx (k 1)e(k1)x )x =
k=1
Gliedweise Integration Fn =
0
x
lim sn (x)dx.
0
nx
enx2
0.
1
1
f
ur x = 0
nx2 n
)
sn (x)dx = (1 e
2
0 f
2
ur x = 0
Also wird Rn
n beliebig gro!
195
9.3
Potenzreihen
1
limn
n=0
|an |
2) P (x) =
n=0
3)
P dx =
n=0
1
a (x
n n
P dx auch den
0
1
limn n |nan |
limn
n n |an |
=R
Satz 9.21 (Abelscher Grenzwertsatz) Ist P (x) fur x = b+R (bzw. x = bR) noch
konvergent, so ist P (x) auch noch stetig bei x = b + R (bzw. x = b R), d.h. etwa
P (b + R) = lim
xb+R n=0
an (x b)n .
BSP. 9.14
1)
1
1+x
(1)n xn f
ur |x| < 1
n=0
x
1
dx
1+x
= ln(1 + x) =
n=0
x2
2
x3
3
(1)n n+1
x
n+1
x4
4
+ ...
f
ur |x| < 1
.
Da die Reihe f
ur x = +1 noch konvergiert (nach dem LeibnizKriterium), folgt
n=0
(1)n
n+1
Grenzwertsatz.
196
2) 1 13 + 15 71 + . . . =?
F
ur | x | < 1 :
1
1+x2
n=0
x
1
dx = arctan x =
1 + x2
n=0
(1)n 2n+1
x
.
2n + 1
n=0
(1)n
2n+1
= 1 31 + 51 17 . . . = arctan 1 =
= 0, 785398 . . ..
Wegen der g
unstigen Eigenschaften von Potenzreihen benutzt man sie haufig zur Definition von Funktionen, z.B.
Definition 9.22 ez :=
n=0
1 n
z ,
n!
sin z :=
zC .
n=0
(1)n+1 2n+1
z
, zC.
(n + 1)!
x
Integralsinus:
Si(x) :=
sin x
dx : =
x
n=0
(1)n+1 x2n+1
.
(2n + 1)!(2n + 1)
n=1
1
n!
nxn1 =
n=1
1
xn1
(n1)!
= ex u.s.w.
197
f (x) =
n=0
1 (n)
f (b)(x b)n + RN = TN (x) + RN
n!
n=0
1 (n)
f (b)(x
n!
b)n existiert.
Dann gilt:
lim RN (x) = 0 f (x) = T (x) .
um a = 0, da
e1/x
(n)
x=0
= 0 f
ur alle n, d.h. T (x) 0.
= (1)n
Also: cos x =
0.
2n
x
(1)n (2n)!
+ R2N
n=0
mit R2N =
|R2N |
cos x =
1
(1)N
(2N +1)!
x2N+1
(2N +1)!
n=0
sin()x2N +1 f
ur ein 0, x , also:
0 f
ur N und so
1
(1)n (2n)!
x2n , x R.
198
Damit muss auch der Konvergenzradius R = sein, wie auch direkt nachgepr
uft
werden kann, allgemein:
Konvergiert eine Taylorreihe um x = b f
ur x K mit |x b| r, etwa dadurch, dass
RN (x) 0 f
ur diese x, so definiert sie als Potenzreihe auf |x b| < R mit R r eine
analytische Funktion, die im Fall RN (x) 0 mit f u
bereinstimmt. Dies muss also
auch u
uft werden, wenn der Konvergenzradius klar ist oder anders bestimmt
berpr
wurde.
Zu Frage b):
Sei P (x) =
n=0
an (x b)n f
ur |x b| < R.
1 (n)
P (b) .
n!
Daraus folgt:
Satz 9.25
1) Potenzreihen stellen ihre eigene Taylorreihe dar.
2) Potenzreihen sind eindeutig, d. h. aus
n=0
an (x b) =
n=0
an = bn fur alle n N .
BSP. 9.16
F
ur x > 1 betrachte f (x) = (1 + x) f
ur R, dann:
f (n) (x)
f (n) (0)
(1 + x) =
mit Rn
(1)...(n+1) n
x
n!
n=0
(1)...(N )
(1
(N +1)!
+ RN
+ )N 1 xN +1 f
ur ein 0, x .
N
199
Definition 9.26
:=
(1)...(n+1)
n!
fur R .
(1 + x) =
n=0
Bemerkung:
1) F
ur N bricht die Reihe ab bei n = und geht in die Binomische Formel
u
ber.
2) Trotz dieses Zusammenhangs von Potenzreihenentwicklung und Taylorformel verwendet man diese Taylorformel selten zur Reihenberechnung, weil man im Allgemeinen f (n) (b) nicht f
ur beliebige n berechnen kann.
Dann f
uhren haufig folgende Verfahren zum Ziele:
Algebraische Operationen: Seien
P (x) =
n=0
Q(x) =
n=0
: P (x) Q(x) =
: P (x) Q(x) =
n=0
n=0
k=0
n,k=0
n=0
k=0
an,k =
ak,nk
BSP. 9.17
2 sin x cos x = 2
= 2
k,n=0
n=0
(1)k 2k
(1)n
x2n+1
x =2
(2n + 1)!
(2k)!
n=0
(1)n
(2n + 1)!
k=0
2n + 1 2n+1
x
=
2k
= sin 2x f
ur x K .
: Sei Q(b) = 0 .
200
k=0
n=0
(1)nk (1)k
x2n2k+1 x 2k
(2n 2k + 1)!(2k)!
(1)n
2 22n x2n+1
(2n + 1)!
P (x)
nahe bei x = b unendlich oft differenzierbar. Es ist nicht klar, ob
Dann ist S(x) = Q(x)
S auch analytisch ist. Man kann aber den Ansatz
S(x) =
k=0
Sk (x b)k
machen und versuchen Sk und den Konvergenzradius durch Einsetzen in die Gleichung
P (x) = S(x) Q(x) durch eine Rekursionsvorschrift f
ur die Sk zu bestimmen.
BSP. 9.18
Da tan(x)) = tan(x) treten bei einer Entwicklung um x = 0 nur ungerade Glieder
auf:
sin x
!
.
Sk x2k+1 =
tan x =
cos x
k=0
Dort wo S absolut konvergiert, gilt:
sin x =
n=0
1
(1)n (2n+1)!
x2n+1 =
k,n=0
Sk x2k+1 (1)
x2n =
(2n)!
n=0
k=0
(1)nk
(2n2k)!
Sk x2n+1 .
Sn =
S0 = 1,
S1 =
1
3!
S2 =
1
5!
2!1
1
4!
k=0
(1)nk
S
(2n2k)! k
(1)n
(2n+1)!
1
3
1 21
1
3
2
15
u.s.w. .
201
Haufig ersetzt man Funktionen durch ihre abgebrochenen Potenzreihen. Man schreibt
3
z. B. sin x x x6 .
Wir wollen das etwas prazisieren:
Ersetzt man f (x) durch das Taylorpolynom Tn (x), so spricht man von n-ter N
aherung in der Nahe des Entwicklungspunktes. Solche Naherungen sind sicher nur in der
Nahe des Entwicklungspunktes gut. Haufig kennzeichnet man diese Naherungen mit
Hilfe von Landau-Symbolen.
Definition 9.27
f (x) = o(xn )
f (x) = O(xn )
falls
falls
lim f (x)
n = 0 ( klein
x0 x
f (x)
beschrankt in
xn
o von xn)
der Nahe von x = 0 ( gro O von xn) .
BSP. 9.19
sin x = x
x3
+ O(x5 )
6
cos x = 1
x2
+ O(x4 ) .
2
=x
x3
+ o(x4 )
6
f (x) =
n=0
1 (n)
f (b) (x
n!
o, O ersparen die P
unktchenschreibweise sin x = x
x3
6
+ x5 (. . .) .
BSP. 9.20
1) Krummung einer Kurve y = y(x)
F
ur kleine Steigungen y gilt also:
3
K y y (y )2 .
2
In der Mechanik wird folgende Beziehung hergeleitet:
E J K(x) = M(x) = Biegemoment .
202
.
2 cos x+x2 2
xo x(sin xx)
2) lim
= lim
xo
= lim
x0
1
+O(x2 )
12
1
6 +O(x2 )
= 12 .
BSP. 9.21
2
erf(x) =
t2
e
0
2
=
2
dt =
n=0
n=0
(1)n 2n
x dx
n!
(1)n
x2n+1 f
ur x R .
n!(2n + 1)
a cos t
f
ur t [, ].
b sin t
O.B.d.A.
sei b 2 a. Dann ist
x = a2 sin t + b2 cos2 t = b 1 2 sin2 t mit
2
2
der numerischen Exzentrizitat := b ba .
Ellipse: x(t) =
Somit gilt f
ur die
1 2 sin2 t dt .
Bogenlange L = b
Dies ist ein sog. elliptisches Integral, das nicht geschlossen dargestellt werden kann.
F
ur kleine (a b) entwickeln wir den Integranten in eine Reihe bzgl. 2 sin2 t:
L = 2b
1 12 2 sin2 t
L = 2b 1 41 2
3 4
64
1 4
sin4
34
5
256
13 6
246
175
16384
sin6 t
135 8
sin8
2468
8 + O(10 ) .
203
t + O(10) dt.
a+b
a b + O(8) ,
2
denn es gilt:
1 4
8
320
= b 1+ 21 = b 1 41 2 64
256
6 16384
8 + O(10)
6 4
14 6
616 8
256
16384
+ O(10 )
und ab = b 4 1 2 = b 1 41 2 64
3
und somit: (3 a+b
ab) L = 2b 16384
8 + O(10) .
2
a+b
2
10
Fourier-Analyse
Eine recht allgemeine periodische Funktion kann durch eine Reihe von sin- und cosFunktionen verschiedener Frequenz, also von Grund- und ihren Oberschwingungen dargestellt werden, wenn der Konvergenzbegriff richtig gewahlt wird.
Eine Funkton f : R R hat die Periode T > 0, wenn
f (x + T ) = f (x) f
ur alle x R
Mit T ist auch nT Periode f
ur n N, andererseits hat ein stetiges periodisches f eine
minimale Periode Tmin > 0, so dass jede andere ein Vielfaches davon ist. Ein periodisches f muss man also nur auf einem beliebigen Intervall [a, a + T ] f
ur ein a R
kennen. Die Frequenz einer periodischen Funktion ist = 1/T , gibt also an, wie
viele Schwingungen (= Periodendurchlaufe) pro x-Einheit (i.A. als Zeit zu interpretieren) stattfinden.
Ist eine Funktion (nur) auf z.B. [0, T ] gegeben, kann sie direkt durch (direkte Fortsetzung)
f (t) := f (t kT ) f
ur kT t (k + 1)T, k Z,
T -periodisch auf R fortgesetzt werden.
Nur wenn f (0) = f (T ), kann diese Funktion stetig sein. Dies kann man z.B. durch die
gerade Fortsetzung von f von [0, T /2] auf [0, T ] erzeugen:
f (T t) = f (t) f
ur t [0, T /2].
Dies gibt aber mit der direkten Fortsetzung zusammen i.A. ein anderes f : R R.
204
Abbildung
Wir betrachten Funktionen der Periodenlange 2, da jede Periodenlange T > 0 darauf
durch die Variablentransformation x 2
x transformiert werden kann.
T
Sei also f : R C (vorerst) stetig und 2 -periodisch. Wir fassen also auch reellwertige
f als komplexwertig auf, was vereinheitlichend wirkt. Die Funktion f soll dargestellt
werden als Reihe bzgl. der Funktionen
fn (x) := exp(i n x),
als
f (x) =
k=
bk +
k=1
k=0
k=
n Z,
ak fk (x) mit ak C.
x [0, 2],
(10.1)
(10.2)
bk zu verstehen.
sn :=
ck fn (x),
k=n
ak C.
(10.3)
trigonometrische Polynome.
Bei der Konvergenz in (10.2) betrachten wir nun die von sn aus (10.3), also nur den
Hauptwert. Da wir immer nur absolute Konvergenz betrachten, hat dies keinen
Einfluss.
Alternativ lat sich (10.2) bzw. (10.3) auch in sin- und cos-Funktionen schreiben:
n
ck cos(n x) + i sin(n x)
sn =
k=n
co +
k=1
n
ao
+
ak cos(n x) + bk sin(n x)
2
k=1
mit ak = ck + ck , bk = i(ck ck ) f
ur k N0 .
Wir werden spater ck so (notwendigerweise) ansetzen, dass f
ur f : R R gilt
ck = ck
f
ur k N0
205
(10.4)
und daher ak = 2 Re ck , bk = 2 Im ck R. (10.4) ist also die reelle Form eines trigonometrischen Polynoms (10.2) bzw. die entsprechende reelle Form die trigonometrische
Reihe.
Es ist hilfreich auf C[0, 2] das Skalarprodukt
2
f, g :=
f (t)g(t)dt
0
||f || := f, f
1/2
=
0
|f (t)|2 dt
1/2
(10.5)
erzeugt, d.h. die Norm zur Konvergenz im quadratischen Mittel ||.||2 (jetzt f
ur
komplexwertige Funktionen). Bez
uglich ., . > erf
ullt die Ansatzfunktion fn
2
fn , fm
ei(nm)x dx
(10.6)
2 f
ur n = m
0 f
ur n = m
f
ur n ,
wobei sn =
k=n
Satz 10.1 Gilt (10.2) im Sinne von ||.||2, so ist fur alle n Z
1
an =
2
f (t) exp(int)dt
(10.7)
206
f
ur alle x, y X.
f, fm =
an fn
n=1
an fn , fm =
n=1
Also: am =
1
2
f, fm =
an fn , fm = am 2
n=1
2
1
f (t) exp(imt)dt
2
0
nach (10.6).
genz im quadratischen Mittel folgt, gilt Satz 10.1 auch bei gleichmaiger Konvergenz.
Die Konvergenzbegriffe hangen also folgendermaen zusammen:
= punktweise Konvergenz
gleichmaige Konvergenz
= Konvergenz im quadratischen Mittel
(= punktweise Konvergenz einer Teilfolge
bis auf eine Ausnahmemenge)
Die Stetigkeit von f hat f
ur Satz 10.1 keine Rolle gespielt, es muss nur
t |f (t)|2
auf [0, 2] integrierbar sein (im Lebesgue-Sinn). Der Vektorraum dieser Funktion wird
mit
L2 [0, 2]
bezeichnet (die quadratintegrierbaren Funktionen auf [0, 2]). Solange es also
nicht um punktweise oder gleichmaige Konvergenz geht, darf auch
f L2 [0, 2]
sein.
F
ur eine Funktion f ( L2 [0, 2]) wird mit
1
an (f ) :=
2
f (t) exp(int)dt
0
207
an (f ) exp(int)
i=
konvergiert immer bzgl. ||.||2 und stellt so f dar (ohne Beweis). Einen Hinweis darauf gibt die folgende Minimaleigenschaft der n-ten Partialsumme sn im Raum der
trigonometrischen Poynome n-ten Grades
n
Tn [0, 2] := {f |f (x) =
f
ur ck C}
ck exp(inx)
k=n
Satz 10.2 Sei f L2 [0, 2]. Dann ist die n-te Partialsumme der Fourier-Reihe die
Orthogonalprojektion von f auf Tn [0, 2] bzgl. ||.||2 ,
d.h.
||f sn ||2 ||f g||2 fur alle g Tn [0, 2].
Beweis:
Wegen sn =
n
k=n
f,fk
fk ,fk
Weiter gilt:
||f sn ||22 =
= ||f ||22 +
n
k=n
f, fk
fk ,
fk , fk
l=n
f, fl
f, fk
fl 2 Re f,
fk
fl , fl
f
k , fk
k=n
n
= ||f ||22 +
| f, fk |2
| f, fk |2
2
fk , fk
fk , fk
k=n
k=n
n
||f ||22
| f, fk |2
,
f
k , fk
k=n
und so
n=
| f,fn |2
fn ,fn
existiert und
| f, fn |2
||f ||22.
f
,
f
n n
n=
208
(10.8)
fur n
Wenn die n-te Partialsumme sn bzgl. ||.||2 gegen f konvergiert (ohne Beweis: gilt), dann
besteht in (10.8) sogar Gleichheit.
Der Zwischenstand ist also:
Sei
n=
|an |2 konvergiert},
(10.9)
1/2
n=
|an |2
Die Abbildung
F :
L2 [0, 2] 2
f (cn )n mit cn :=
f (t) exp(int)dt f
ur n Z
(10.10)
ist linear, stetig mit ||F (f )||2 ||f ||2 und im Falle der Parsevalschen Identitat sogar
||F (f )||2 = ||f ||2.
(10.11)
Damit ist F injektiv und sogar eine Bijektion, die die Norm erhalt, eine Isometrie. Der
Ubergang
von f (dem Phasenraum) zu (cn ) nach (10.10) (in dem Frequenzraum)
n
fur alle n Z
in L2 [0, 2]
(Im Sinne von ||f g||2 = 0 : gleich bis auf eine Menge vom Lebesgue-Ma 0).
209
Schwieriger ist die Frage nach punktweiser oder gleichmaiger Konvergenz der Fourierreihe von f (gegen f ).
Es gibt nahmlich stetige Funktionen, bei denen die Fourierreihe in keinem Punkt x
konvegiert. Sei f im Folgenden vorerst allgemein, d.h. auf [0, 2] integrierbar ( und auf
R 2-periodisch). Dann lasst sich sn (ohne Beweis) schreiben als
1
sn (x) =
2
Dn (t)f (x t)dt
(10.12)
sin (n+1 2 )t
f
ur t = 2k, k Z
sin( 2 t)
Dn (t) =
2N + 1
f
ur t = 2k f
ur ein k Z
sn ist also eine Faltung aus f und Dn , wobei sich Dn bei t = 0 konzentriert, was
auf (punktweise) Konvergenz hindeutet, aber nicht Dn (t) 0 erf
ullt.
Abbildung
Betrachtet man statt sn das (gleitende) arithmetische Mittel (Cesaro-Mittel)
1
n :=
n+1
si ,
(10.13)
i=0
dann u
bertragt sich in (10.12) das Mittel auf Dn :
1
n (t) =
2
mit
1
kn (t) =
n+1
Di (t) =
i=0
kn (t)f (x t)dt
1 1cos (n+1)t
n+1
1cos t
n+1
f
ur t = 2k, k Z
(10.14)
f
ur t = 2k f
ur ein k Z
kn (t) 0 f.a. t R,
1
2
kn (t)dt = 1,
kn (t)
woraus folgt
2
(n + 1)(1 cos )
210
(10.15)
f
ur |t|
211