Math 1 Inf

Kurzskript und Unterlagen zur Vorlesung
Mathematik f
ur Ingenieure I
(INF)
Prof. Dr. J. Jahn
Angewandte Mathematik II
Universitat Erlangen-N urnberg
Martensstr. 3
91058 Erlangen
E-Mail: jahn@am.uni-erlangen.de
http://www.am.uni-erlangen.de/jahn/j jahn.html
WS 2006/07
2 Inhaltsverzeichnis
Inhaltsverzeichnis
Hinweise 3
Literatur 3
1 Grundlagen 4
1.1 Schreibweisen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Betrage und Ungleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Mathematische Beweismethoden . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.1 Direkter Beweis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.2 Indirekter Beweis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3.3 Vollstandige Induktion . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Binomialkoezienten, binomischer Satz . . . . . . . . . . . . . . . . . . . . . 8
2 Polynome 10
2.1 Denition und Horner-Schema . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Nullstellen von Polynomen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3 Komplexe Zahlen 12
3.1 Denitionen und Rechenregeln . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.2 Wurzeln . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.3 Spezielle Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3.1 Polynome . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3.2 Die komplexe Exponentialfunktion . . . . . . . . . . . . . . . . . . . 18
3.3.3 Der komplexe Logarithmus . . . . . . . . . . . . . . . . . . . . . . . . 20
3.3.4 Die komplexen trigonometrischen Funktionen . . . . . . . . . . . . . 22
4 Lineare Algebra 22
4.1 Vektorraume . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2 Lineare Abbildungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.3 Matrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
4.4 Determinanten . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
4.5 Lineare Gleichungssysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.6 Eigenwerte und Eigenvektoren . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.7 Vektorprodukt und Spatprodukt . . . . . . . . . . . . . . . . . . . . . . . . . 60
5 Konvergenz und Stetigkeit 64
5.1 Zahlenmengen und Haufungspunkte . . . . . . . . . . . . . . . . . . . . . . . 64
5.2 Grenzwerte von Zahlenfolgen . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.3 Stetigkeit von Funktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.4 Eigenschaften stetiger Funktionen . . . . . . . . . . . . . . . . . . . . . . . . 72
6 Dierenziation von Funktionen 74
6.1 Begri der Ableitung und Dierenziationsregeln . . . . . . . . . . . . . . . . 74
6.2 Umkehrfunktionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
6.3 Mittelwertsatz der Dierenzialrechnung und Anwendungen . . . . . . . . . . 80
Hinweise und Literatur 3
Hinweise
Die Hausaufgaben werden von jeweils zwei Teilnehmern schriftlich bearbeitet und nach einer
Woche als ein Exemplar in der

Ubungsstunde abgegeben. Kopien und Ausdrucke werden
nicht anerkannt.
Zu dieser Vorlesung wird ein Schein f ur dieses Semester vergeben, falls mindestens 60% der
moglichen Punkte der Hausaufgaben in diesem Semester erreicht werden. Diese Bescheini-
gung erfolgt grundsatzlich unbenotet.
Das vorliegende Kurzskript wurde mit dem System L
A
T
E
X2
erstellt. Es ist uber WWW

unter Verwendung des URL
http://www.am.uni-erlangen.de/~jahn/j jahn.html
kostenlos erhaltlich.
Literatur
Als Grundlage zu diesem Kurzskript dienen die B ucher:
1. K. Burg, H. Haf und F. Wille: Hohere Mathematik f ur Ingenieure I, II (B.G. Teubner,
Stuttgart).
2. K. v. Finckenstein, J. Lehn, H. Schellhaas und H. Wegmann: Arbeitsbuch Mathematik
f ur Ingenieure, Band I (B.G. Teubner, Stuttgart).
3. W. Luh: Mathematik f ur Naturwissenschaftler I, II (AULA-Verlag, Wiesbaden).
Das folgende Buch ist ebenfalls n utzlich:
4. K. Meyberg und P. Vachenauer: Hohere Mathematik 1 (Springer, Berlin).
Eine brauchbare Formelsammlung ist:
5. I.N. Bronstein und K.A. Semendjajew: Taschenbuch der Mathematik (Harri Deutsch,
Frankfurt, oder auch B.G. Teubner, Stuttgart).
Eine Sammlung Erlanger Klausuraufgaben mit Losungen ndet sich in:
6. J. Jahn: Aufgabensammlung zur Ingenieurmathematik (Shaker Verlag, Aachen, 2006).
Als mathematische Software sind die Computer-Algebra-Systeme Mathematica oder Maple
und auch das Programmpaket MATLAB zu empfehlen.
4 Theorie
1 Grundlagen
1.1 Schreibweisen
x := y (x ist denitionsgema gleich y),
M := a, b, c, . . . (Menge von Objekten a, b, c, . . .),
M := x [ x hat die Eigenschaft E,
a M, b / M,
M
1
M
2
:= x [ x M
1
oder x M
2
(Vereinigung von M
1
und M
2
),
M
1
M
2
:= x [ x M
1
und x M
2
(Durchschnitt von M
1
und M
2
),
M
1
M
2
:= x [ x M
1
und x / M
2
(Dierenz von M
1
und M
2
),
A B (aus der Aussage A folgt die Aussage B bzw. A impliziert B),
A B (die Aussage A ist gleichbedeutend mit der Aussage B),
. . . (es existiert . . .),
. . . (f ur alle . . .),
N := 1, 2, 3, . . . (Menge der nat urlichen Zahlen),
N
0
:= N 0 = 0, 1, 2, 3, . . .,
Z := . . . , 2, 1, 0, 1, 2, . . . (Menge der ganzen Zahlen),
Q :=
p
q
[ p Z, q N und p, q teilerfremd (Menge der rationalen Zahlen),
R (Menge der reellen Zahlen).
1.2 Betrage und Ungleichungen
Denition 1.1: Unter dem Betrag einer reellen Zahl x versteht man die Zahl
[x[ =
_
x falls x 0
x falls x < 0
_
.
Beispiel 1.2: Siehe Vorlesung.
Bemerkung 1.3:
x
2
=
_
x falls x 0
x falls x < 0
_
= [x[ x R.
Satz 1.4 (Dreiecksungleichung):
[x +y[ [x[ +[y[ x, y R.
Beweis: Wir f uhren eine Fallunterscheidung durch.
a) Ist x +y 0, so folgt
[x +y[ = x
..
|x|
+ y
..
|y|
[x[ +[y[.
b) Ist x +y < 0, so folgt
[x +y[ = (x +y) = x
..
|x|
+(y)
..
|y|
[x[ +[y[.
2
Beispiele 1.5 und 1.6: Siehe Vorlesung.
Beispiele und Notizen 5
6 Theorie
1.3 Mathematische Beweismethoden
1.3.1 Direkter Beweis
Ziel: Beweis von A B.
Prinzip: Man beginnt mit der Aussage A und uberf uhrt diese durch mathematische Ope-
rationen in die Aussage B.
1.3.2 Indirekter Beweis
Ziel: Beweis von A B.
Prinzip: Man nimmt an, B sei falsch und leitet durch mathematische Operationen einen
Widerspruch her.
1.3.3 Vollstandige Induktion
Ziel: Beweis einer Aussageform A(n) f ur alle n N.
Prinzip der vollstandigen Induktion:
1) Induktionsanfang: Man zeigt, dass A(1) richtig ist.
2)a) Man macht die Induktionsannahme, dass A(k) f ur eine beliebige nat urliche Zahl k 1
richtig ist.
2)b) Im Induktionsschritt zeigt man, dass hieraus die Richtigkeit von A(k + 1) folgt.
Satz 1.9 (Bernoullische Ungleichung): F ur ein beliebiges a 1 gilt:
(1 +a)
n
1 +na n N.
Beweis: 1) Induktionsanfang (n = 1): (1 +a)
1
= 1 +a 1 + 1 a.
2)a) Induktionsannahme: (1 +a)
k
1 +ka f ur ein k 1.
2)b) Induktionsschritt:
(1 +a)
k+1
= (1 +a)
. .
0
(1 +a)
k
. .
1+ka
(1 +a)(1 +ka)
= 1 +a +ka +ka
2
= 1 + (k + 1)a + ka
2
..
0
1 + (k + 1)a.
2
Bemerkung 1.10: Weitere Formeln, die man mit dem Prinzip der vollstandigen Induktion
beweisen kann:
a)
n
i=1
i =
n(n + 1)
2
n N,
b)
n
i=1
i
2
=
n(n + 1)(2n + 1)
6
n N,
c)
n
i=1
i
3
=
_
n(n + 1)
2
_
2
n N.
8 Theorie
1.4 Binomialkoezienten, binomischer Satz
Denition 1.11: F ur n N
0
denieren wir
n! :=
_
1 falls n = 0
1 2 3 . . . n falls n N
_
und lesen
n-Fakultat.
Oensichtlich ist n! = n (n 1)! f ur alle n N.
Denition 1.12: F ur jedes x R und jedes n N
0
heit die Zahl
_
x
n
_
:=
_
1 falls n = 0
x(x1)...(xn+1)
n!
falls n N
_
Binomialkoezient (man liest: x uber n).
Satz 1.14:
_
k
n 1
_
+
_
k
n
_
=
_
k + 1
n
_
k, n N mit n k.
Die Binomialkoezienten
_
k
n
_
mit k, n N
0
und n k konnen in dem sogenannten
Pascalschen Dreieck angeordnet werden:
_
0
0
_
_
1
0
_ _
1
1
_
_
2
0
_ _
2
1
_ _
2
2
_
_
3
0
_ _
3
1
_ _
3
2
_ _
3
3
_
bzw.
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
Satz 1.15 (Binomischer Satz): F ur alle a, b R und alle n N gilt:
(a +b)
n
=
n
i=0
_
n
i
_
a
i
b
ni
.
Bemerkung 1.17:
a) F ur alle x R und alle n N gilt:
(1 +x)
n
=
n
i=0
_
n
i
_
x
ni
=
_
n
0
_
x
n
+
_
n
1
_
x
n1
+
_
n
2
_
x
n2
+ +
_
n
n 1
_
x +
_
n
n
_
.
10 Theorie
b) Aus a) folgt f ur alle n N:
2
n
= (1 + 1)
n
=
_
n
0
_
+
_
n
1
_
+
_
n
2
_
+ +
_
n
n 1
_
+
_
n
n
_
.
2 Polynome
2.1 Denition und Horner-Schema
Denition 2.1: Eine Funktion f ist eine Vorschrift, durch welche jedem x einer gewis-
sen Teilmenge D(f) R in eindeutiger Weise eine reelle Zahl f(x) zugeordnet wird. Die
Menge D(f) heit Denitionsbereich von f. Die Menge W(f) := f(x) [ x D(f) heit
Wertebereich von f.
Man beachte, dass eine Funktion erst dann vollkommen bestimmt ist, wenn auer der
Funktionsvorschrift auch noch der Denitionsbereich angegeben wird.
Denition 2.2: Ein Polynom P vom Grad n ist eine Funktion mit D(P) = R und
P(x) = a
n
x
n
+a
n1
x
n1
+ +a
2
x
2
+a
1
x +a
0
mit a
0
, . . . , a
n
R und a
n
,= 0.
Zunachst geben wir ein Rechenschema an, mit dem man Funktionswerte von Polynomen
leicht berechnen kann und das sich zur Anwendung auf Computern eignet. Dazu betrachten
wir ein Polynom P
n
mit
P
n
(x) = a
n
x
n
+ +a
2
x
2
+a
1
x +a
0
und schreiben es in der Form (mit x
1
R)
P
n
(x) = (x x
1
) (b
n
x
n1
+ +b
2
x +b
1
) +b
0
= b
n
..
=a
n
x
n
+ (b
n1
b
n
x
1
)
. .
=a
n1
x
n1
+ + (b
1
b
2
x
1
)
. .
=a
1
x +b
0
b
1
x
1
. .
=a
0
.
Folglich ist
b
n
= a
n
und b
k1
= a
k1
+b
k
x
1
f ur alle k = n, n 1, . . . , 1.
Man kann also die Koezienten b
k
rekursiv ausrechnen und erhalt b
0
= P
n
(x
1
). Die Be-
rechnung dieser Koezienten erfolgt nach dem sogenannten Horner-Schema:
a
n
a
n1
a
n2
. . . a
1
a
0
+ + + +
b
n
x
1
b
n1
x
1
. . . b
2
x
1
b
1
x
1
x
1
b
n
b
n1
b
n2
. . . b
1
b
0
= P
n
(x
1
)
12 Theorie
2.2 Nullstellen von Polynomen
Ist P ein Polynom, so heit x
1
R eine reelle Nullstelle von P, falls P(x
1
) = 0 ist.
Satz 2.5: Ein Polynom vom Grad n hat hochstens n reelle Nullstellen.
Satz 2.6: P
2
sei ein Polynom 2. Grades mit
P
2
(x) = cx
2
+bx +a, wobei c ,= 0.
Ist b
2
4ac > 0, so hat P
2
die Nullstellen
x
1
=
b
2c
+
1
2c
b
2
4ac, x
2
=
b
2c

1
2c
b
2
4ac.
Ist b
2
4ac = 0, so hat P
2
die doppelte Nullstelle x
1
= x
2
=
b
2c
. Ist b
2
4ac < 0, so hat
P
2
keine reellen Nullstellen.
F ur Polynome vom Grad 3 oder 4 gibt es Formeln zur Bestimmung ihrer Nullstellen. Man
kann zeigen, dass f ur Polynome vom Grad n 5 keine allgemein g ultigen Formeln zur
Bestimmung der Nullstellen existieren.
Wir gehen nun noch auf ein sehr wichtiges Naherungsverfahren ein, das sogenannte Newton-
Verfahren. Diese Methode eignet sich zur naherungsweisen Bestimmung einer reellen Null-
stelle eines Polynoms P
n
der Form
P
n
(x) = a
n
x
n
+a
n1
x
n1
+ +a
1
x +a
0
mit a
0
, . . . , a
n
R und a
n
,= 0. Ist ein x
k
R beliebig gegeben, so schreiben wir
P
n
(x) = a
n
(x x
k
)
n
+
n1
(x x
k
)
n1
+ +
1
(x x
k
) +
0
mit geeigneten Koezienten
0
,
1
, . . . ,
n1
. Ist x
k
eine gute Naherung einer Nullstelle x
von P
n
, so gilt naherungsweise
0 = P
n
( x)
1
( x x
k
) +
0
.
Dies f uhrt auf einen Naherungswert x
k+1
f ur x:
0 =
1
(x
k+1
x
k
) +
0
bzw.
x
k+1
= x
k

0
1
= x
k

P
n
(x
k
)
P
n1
(x
k
)
, falls
1
,= 0
(dabei bezeichnet P
n1
das Polynom, das wir durch Anwendung des Horner-Schemas er-
halten: P
n
(x) = (x x
k
) P
n1
(x) +
0
). Dieses Verfahren kann man nun mit x
k+1
(statt
x
k
) wiederholen. Unter geeigneten Voraussetzungen liefert das Newton-Verfahren sehr gute
Naherungswerte. Die Berechnung der Werte P
n
(x
k
) und P
n1
(x
k
) erfolgt mit dem Horner-
Schema.
3 Komplexe Zahlen
3.1 Denitionen und Rechenregeln
Wir erweitern den Bereich der reellen Zahlen, indem wir auch Losungen der Gleichung
z
2
= 1 zulassen. Eine solche Losung nennen wir j, d.h. j =
1.
14 Theorie
Denition 3.1:
a) Ein geordnetes Paar z =<x, y > reeller Zahlen heit eine komplexe Zahl. Wir schreiben
z = x +jy und bezeichnen
x = Re(z) als den Realteil von z,
y = Im(z) als den Imaginarteil von z.
Die Darstellung einer komplexen Zahl z in der Form z = x + jy heit Normaldarstellung
von z.
b) Zwei komplexe Zahlen z
1
= x
1
+jy
1
und z
2
= x
2
+jy
2
heien gleich, wenn x
1
= x
2
und
y
1
= y
2
sind.
c) Die Menge aller komplexen Zahlen wird mit C bezeichnet.
Mit komplexen Zahlen rechnen wir wie mit reellen Zahlen, wobei wir stets die Gleichung
j
2
= 1 beachten. Auerdem gelten in C auch samtliche Rechenregeln, die in R g ultig sind
(Kommutativgesetz, Assoziativgesetz, Distributivgesetz, usw.).
Jede komplexe Zahl z =a+jb kann man als Punkt der sogenannten Gauschen Zahlenebene
auassen. Ist r die Lange des Vektors

0z und gibt den Winkel zwischen dem Vektor

0z
und der x-Achse an, so folgt
a = r cos und b = r sin ,
und wir erhalten die Darstellung
z = a +jb = r cos +jr sin = r(cos +j sin ).
Denition 3.3: Die Darstellung einer komplexen Zahl z in der Form z = r(cos +j sin )
mit r 0 und R heit ihre Polarkoordinatendarstellung. Die Zahl r heit Betrag von
z, der Winkel heit Argument von z. Wir schreiben auch r = [z[ und = arg(z).
Man beachte, dass das Argument einer komplexen Zahl nicht eindeutig bestimmt ist, denn
mit ist auch +k 2 (mit k Z) ebenfalls ein Argument.
Satz 3.4: F ur jede komplexe Zahl z = x +jy gilt [z[ =
_
x
2
+y
2
.
Beweis: Nach dem Satz von Pythagoras ist r
2
= x
2
+ y
2
, und damit folgt [z[ = r =
_
x
2
+y
2
. 2
Denition 3.5: Ist z = x+jy eine komplexe Zahl, so heit z = xjy die zu z konjugiert
komplexe Zahl.
z geht aus z durch Spiegelung an der reellen Achse hervor.
Satz 3.6: F ur komplexe Zahlen z, z
1
, z
2
gilt:
a) z + z = 2Re(z), z z = 2jIm(z),
b) [z[ =
z z, [ z[ = [z[,
c) ( z) = z,
d) z
1
+z
2
= z
1
+z
2
, z
1
z
2
= z
1
z
2
,
e) [z
1
+z
2
[ [z
1
[ +[z
2
[ (Dreiecksungleichung).
Denition 3.7: Sind z
1
und z
2
komplexe Zahlen, so heit d(z
1
, z
2
) := [z
1
z
2
[ der Abstand
von z
1
und z
2
.
Der Abstand der Zahlen z
1
= x
1
+jy
1
und z
2
= x
2
+jy
2
ist gegeben durch
d(z
1
, z
2
) = [z
1
z
2
[ = [(x
1
x
2
) +j(y
1
y
2
)[ =
_
(x
1
x
2
)
2
+ (y
1
y
2
)
2
.
16 Theorie
Bemerkung 3.9: z
1
und z
2
seien 2 beliebige komplexe Zahlen, deren Darstellung in
Polarkoordinaten gegeben ist:
z
1
= r
1
(cos
1
+j sin
1
), z
2
= r
2
(cos
2
+j sin
2
).
Mit Hilfe von Additionstheoremen erhalt man dann
z
1
z
2
= r
1
r
2
(cos
1
+j sin
1
)(cos
2
+j sin
2
)
= r
1
r
2
(cos
1
cos
2
sin
1
sin
2
. .
=cos(
1
+
2
)
+j(sin
1
cos
2
+ cos
1
sin
2
. .
=sin(
1
+
2
)
))
= r
1
r
2
(cos(
1
+
2
) +j sin(
1
+
2
))
und f ur z
2
,= 0
z
1
z
2
=
r
1
(cos
1
+j sin
1
)
r
2
(cos
2
+j sin
2
)

cos
2
j sin
2
cos
2
j sin
2
=
r
1
(cos
1
cos
2
+ sin
1
sin
2
+j(sin
1
cos
2
cos
1
sin
2
))
r
2
(cos
2
2
+ sin
2
2
. .
=1
)
=
r
1
r
2
(cos(
1
2
) +j sin(
1
2
)) .
Fazit: Zwei komplexe Zahlen werden multipliziert (bzw. dividiert), indem man ihre Betrage
multipliziert (bzw. dividiert) und ihre Argumente addiert (bzw. subtrahiert).
Als Folgerung erhalten wir die Formel von Moivre:
(cos +j sin )
n
= cos n +j sin n n Z und R.
3.2 Wurzeln
Denition 3.10: a C und n N seien beliebig gegeben. Jede Losung z C der
Gleichung z
n
= a heit eine n-te Wurzel von a.
Besitzt a C0 die Darstellung a = (cos +j sin ) und ist n N gegeben, so nehmen
wir an, z = r(cos + j sin ) sei eine Losung der Gleichung z
n
= a. Dann ergibt sich mit
der Formel von Moivre:
z
n
= r
n
(cos +j sin )
n
= r
n
(cos n +j sin n) = (cos +j sin ).
Daraus folgt r
n
= und n = + 2k mit k Z. Also ist
r =
n
und =

n
+
2k
n
mit k Z.
Jede Losung der betrachteten Gleichung ist also notwendigerweise von der Form
z
k
=
n
_
cos
_
n
+
2k
n

_
+j sin
_
n
+
2k
n

__
.
Unter diesen unendlich vielen Zahlen sind jedoch nur z
0
, z
1
, . . . , z
n1
voneinander verschie-
den, denn es ist z
n
= z
0
, z
n+1
= z
1
, . . . . Umgekehrt sind z
0
, . . . , z
n1
aber auch Losungen
von z
n
= a. Wir fassen unser Ergebnis im folgenden Satz zusammen.
Satz 3.11: F ur a ,= 0 und n N hat die Gleichung z
n
= a genau n verschiedene Losungen
z
0
, . . . , z
n1
. Ist a = (cos +j sin ) mit > 0, so sind diese Losungen gegeben durch
18 Theorie
z
k
=
n
_
cos
_
n
+
2k
n

_
+j sin
_
n
+
2k
n

__
f ur k = 0, 1, . . . , n 1.
Die Losungen der Gleichung z
n
= a bilden die Ecken eines regelmaigen n-Eckes auf dem
Kreis z C [ [z[ =
n
_
[a[.
Im Spezialfall a = 1 erhalten wir als Losungen die sogenannten n-ten Einheitswurzeln:
z
k
= cos
_
2k
n

_
+j sin
_
2k
n

_
f ur k = 0, 1, . . . , n 1.
3.3 Spezielle Funktionen
3.3.1 Polynome
Wie im Reellen so betrachtet man auch im Komplexen Funktionen und somit auch Poly-
nome P
n
n-ten Grades mit
P
n
(z) = a
n
z
n
+a
n1
z
n1
+ +a
2
z
2
+a
1
z +a
0
z C,
wobei nun a
0
, . . . , a
n
(mit a
n
,= 0) komplexe Zahlen sind. Vollig analog zum reellen Fall
kann man im Komplexen auch das Horner-Schema anwenden.
Satz 3.14 (Fundamentalsatz der Algebra): Im Komplexen zerfallt jedes Polynom vom
Grad n N vollstandig in Linearfaktoren:
a
n
z
n
+ +a
1
z +a
0
= a
n
(z z
1
) (z z
2
) (z z
n
),
oder: Im Komplexen besitzt jedes Polynom vom Grad n N genau n (nicht notwendig
verschiedene) Nullstellen z
1
, . . . , z
n
.
F ur Polynome mit reellen Koezienten gilt der folgende Satz.
Satz 3.15: P
n
sei ein Polynom n-ten Grades mit reellen Koezienten a
0
, a
1
, . . . , a
n
R,
d.h.
P
n
(z) = a
n
z
n
+ +a
1
z +a
0
z C.
Dann gilt:
a) Ist z C eine Nullstelle von P
n
, so ist z ebenfalls eine Nullstelle von P
n
.
b) Ist n ungerade, so besitzt P
n
mindestens eine reelle Nullstelle.
c) P
n
zerfallt vollstandig in reelle lineare bzw. reelle quadratische Faktoren.
3.3.2 Die komplexe Exponentialfunktion
Denition 3.17: F ur jedes z = x +jy C denieren wir
e
z
:= e
x
(cos y +j sin y).
Die so denierte Funktion heit komplexe Exponentialfunktion.
F ur z = jy (d.h. Re(z) = 0) folgt speziell
20 Theorie
e
jy
= cos y +j sin y.
Diese Formel heit auch Eulersche Formel. Hieraus folgt
[e
jy
[ =
_
cos
2
y + sin
2
y = 1 y R.
F ur die Darstellung einer komplexen Zahl z = x + jy in Polarkoordinatenform, d.h. z =
r(cos +j sin ), konnen wir auch
z = re
j
bzw. z = [z[e
j arg(z)
schreiben. Durchlauft das Intervall [0, 2), so durchlauft e
j
die Einheitskreislinie in der
Gauschen Zahlenebene.
Die komplexe Exponentialfunktion ist (im Gegensatz zur reellen) periodisch. Sind z =
x +jy C und k Z beliebig gewahlt, so folgt namlich
e
z+2kj
= e
x+jy+2kj
= e
x
(cos(y + 2k) +j sin(y + 2k))
= e
x
(cos y +j sin y)
= e
x+jy
= e
z
.
Dieses Ergebnis fassen wir im folgenden Satz zusammen.
Satz 3.18:
e
z+2kj
= e
z
z C und k Z.
F ur ein beliebiges z = x +jy C ist
[e
z
[ = [e
x
e
jy
[ = [e
x
[ [e
jy
[
..
=1
= e
x
> 0,
und somit folgt e
z
,= 0.
Satz 3.19:
a) e
z
,= 0 z C.
b) e
z
1
+z
2
= e
z
1
e
z
2
z
1
, z
2
C.
3.3.3 Der komplexe Logarithmus
Aus der Beziehung z = [z[e
j arg(z)
erhalt man formal durch Logarithmieren ln(z) = ln [z[ +
j arg(z). Diese

Uberlegung motiviert die folgende Denition.
Denition 3.20: F ur jedes z = x +jy C 0 denieren wir
ln(z) := ln [z[ +j arg(z).
Die so denierte
Abbildung heit auch komplexer Logarithmus.

Da arg(z) vieldeutig ist, ist auch ln(z) vieldeutig, und damit ist der komplexe Logarithmus
keine
eigentliche Funktion. ln(z) ist eine komplexe Zahl, die nur bis auf Addition eines
ganzzahligen Vielfaches von 2j bestimmt ist.
Beschrankt man sich bei der Angabe des Arguments auf das Hauptargument mit <
, so nennt man
ln(z) := ln [z[ +j
den Hauptwert des komplexen Logarithmus. Dieser Hauptwert ist dann eindeutig bestimmt.
22 Theorie
3.3.4 Die komplexen trigonometrischen Funktionen
Aus den Beziehungen
e
jx
= cos x +j sin x, e
jx
= cos x j sin x
folgt
sin x =
e
jx
e
jx
2j
, cos x =
e
jx
+e
jx
2
.
Durch diese Formeln wird die folgende Denition motiviert.
Denition 3.21: F ur alle z C denieren wir
sin z :=
e
jz
e
jz
2j
und cos z :=
e
jz
+e
jz
2
.
Satz 3.22: Es gilt:
a) sin(z + 2) = sin z und cos(z + 2) = cos z z C.
b) sin
2
z + cos
2
z = 1 z C.
c) sin(z
1
+z
2
) = sin z
1
cos z
2
+ sin z
2
cos z
1
z
1
, z
2
C.
d) cos(z
1
+z
2
) = cos z
1
cos z
2
sin z
1
sin z
2
z
1
, z
2
C.
e) sin z = 0 z = k mit k Z.
f) cos z = 0 z = k +

2
mit k Z.
Denition 3.23: Wir denieren
tan z :=
sin z
cos z
z C mit z ,= k +

2
f ur k Z,
cot z :=
cos z
sin z
z C mit z ,= k f ur k Z.
4 Lineare Algebra
4.1 Vektorraume
Bevor wir Vektorraume denieren, klaren wir noch die Begrie Gruppe und Korper.
Denition 4.1: Eine Gruppe ist eine nichtleere Menge G zusammen mit einer Ver-
kn upfungsoperation GG G mit g, h g h und den Eigenschaften
a) (g h) k = g (h k) g, h, k G (Assoziativitat).
b) Es gibt ein e G mit e g = g g G (Existenz der Eins).
c) F ur alle g G gibt es ein g
1
G mit g
1
g = e (Existenz des Inversen).
Die Gruppe heit kommutativ oder abelsch, wenn zusatzlich gilt g h = h g g, h G.
Beispiel 4.2:
a) Die Menge R mit der Addition
+ als Verkn upfung ist eine abelsche Gruppe. Es

ist e = 0 und g
1
= g. Diese Gruppe enthalt die sogenannten Unterguppen (Q, +) der
rationalen und (Z, +) der ganzen Zahlen.
b) Die Menge R
:= R0 der reellen Zahlen ,= 0 ist eine abelsche Gruppe mit der

Multiplikation
als Verkn upfung. Dabei ist e = 1 und g

1
=
1
g
.
Bemerkung 4.3: Aus den Gruppeneigenschaften ergeben sich folgende Konsequenzen:
a) Die Eins e G mit der Eigenschaft e g = g (
Linkseins) ist auch eine
Rechtseins,
d.h. es gilt g e = g g G, denn mit dem Inversen g
G mit g
g
1
= e folgt
g = e g = (g
g
1
) g = g
e = g
(e e) = (g
e) e =
_
g
(g
1
g)
_
e
=
_
(g
g
1
) g
_
e = (e g) e = g e.
24 Theorie
b) Das
Linksinverse g
1
zu g mit der Eigenschaft g
1
g = e ist auch ein
Rechtsinverses,
d.h. es gilt g g
1
= e.
c) Das Einselement e ist eindeutig bestimmt.
d) Das Inverse g
1
ist durch g eindeutig bestimmt.
Denition 4.4: Ein Korper ist eine nichtleere Menge K mit zwei kommutativen Rechen-
operationen
+ und
(d.h. also x +y = y +x und x y = y x). F ur diese Operationen

muss gelten:
a) K mit
+ ist eine abelsche Gruppe (das neutrale Element wird mit 0 K bezeichnet
und das Inverse zu a K mit a).
b) K
:= K0 mit
ist eine abelsche Gruppe (das neutrale Element wird mit 1 K

bezeichnet und das Inverse zu 0 ,= a K ist
1
a
).
c) F ur alle a, b, c K gilt das Distributivgesetz (a +b) c = a c +b c.
Beispiel 4.5: Die rationalen Zahlen Q, die reellen Zahlen R und die komplexen Zahlen C
mit den ublichen Rechenoperationen bilden einen Korper.
Mit Elementen aus einem beliebigen Korper kann man genauso wie mit reellen Zahlen
rechnen, wenn man nichts anderes als die genannten Korpereigenschaften benutzt.
Denition 4.6: Ein Vektorraum uber dem Korper K (oder ein K-Vektorraum) ist eine
abelsche Gruppe V (Gruppenoperation
+ geschrieben, mit neutralem Element 0 V )

zusammen mit einer Operation K V V mit , a a und den Eigenschaften
a) ( a) = () a , K und a V (Assoziativgesetz)
b) (a +b) = a + b K und a, b V (Distributivgesetz 1)
( +) a = a + a , K und a V (Distributivgesetz 2)
c) 1 a = a a V .
Die Elemente von V heien Vektoren und die Elemente , , . . . K werden Skalare ge-
nannt.
Bemerkung 4.7: Aus den Distributivgesetzen ergibt sich f ur alle a V :
0 a = (0 + 0) a = 0 a + 0 a = 0 a = 0 V,
a + (1) a = (1 1) a = 0 a = 0 = (1) a = a.
In dieser Vorlesung betrachten wir oft R-Vektorraume, d.h. hier ist K = R. F ur diesen
Spezialfall schreiben wir alle Forderungen der vorherigen Denition nochmals explizit auf.
Denition 4.8: Eine Menge V = a, b, c, . . . heit R-Vektorraum oder reeller Vektorraum
oder reeller linearer Raum, wenn folgendes gilt:
1.) Zwischen den Elementen von V ist eine Addition
+ erklart mit folgenden Regeln:

a) a, b V = a +b V.
b) a +b = b +a a, b V (Kommutativgesetz).
c) (a +b) +c = a + (b +c) a, b, c V (Assoziativgesetz).
d) Es existiert genau ein
Nullelement 0 V mit 0 +a = a a V .
e) Zu jedem a V existiert genau ein
negatives Element a V mit a+(a) = 0.

2.) Zwischen den Elementen von V und den reellen Zahlen ist eine Multiplikation
erklart mit folgenden Regeln:

f) R, a V = a V .
g) ( a) = () a , R und a V (Assoziativgesetz).
h) (a +b) = a + b R und a, b V (Distributivgesetz 1).
i) ( +) a = a + a , R und a V (Distributivgesetz 2).
j) 1 a = a a V .
26 Theorie
Denition 4.10: V sei ein reeller Vektorraum. Eine Funktion | | : V R heit Norm,
falls f ur beliebige a, b V und R gilt:
a) |a| 0,
|a| = 0 a = 0,
b) | a| = [[ |a|,
c) |a +b| |a| +|b|.
Falls eine Norm | | auf V existiert, so heit das Paar (V, | |) auch ein reeller normierter
Raum.
Die Norm eines Vektors beschreibt die
Lange des Vektors.

Denition 4.12: Ein System von Vektoren a
1
, a
2
, . . . , a
k
(mit k N) eines reellen Vek-
torraumes V heit linear unabhangig, wenn aus jeder Gleichung der Form
1
a
1
+
2
a
2
+ +
k
a
k
= 0 mit 0 V
folgt
1
=
2
= =
k
= 0.
Andernfalls heit das Vektorsystem linear abhangig.
Satz 4.14: Ein System von Vektoren a
1
, a
2
, . . . , a
k
(mit k N) eines reellen Vektorraumes
V ist genau dann linear abhangig, wenn es wenigstens einen Vektor a
i
(1 i k) gibt, der
eine Linearkombination der anderen ist, d.h.
a
i
=
k
j=1
j=i
j
a
j
mit
j
R.
Denition 4.15: Ein System von Vektoren a
1
, a
2
, . . . , a
k
(mit k N) eines reellen Vek-
torraumes heit Erzeugendensystem von V , wenn sich jeder Vektor a V als Linearkombi-
nation der a
1
, . . . , a
k
darstellen lasst:
a =
k
j=1
j
a
j
mit
1
, . . . ,
k
R.
Ein linear unabhangiges Erzeugendensystem von V heit Basis von V . Die Anzahl der
Vektoren einer Basis von V heit die Dimension von V (Schreibweise: Dim(V )). Besitzt
eine Basis unendlich viele Vektoren, so heit V unendlichdimensional.
Denition 4.17: Eine nichtleere Teilmenge U eines reellen Vektorraumes V heit Unter-
vektorraum (oder Teilraum) von V , wenn U selbst ein reeller Vektorraum ist.
Man kann zeigen, dass eine nichtleere Teilmenge U eines reellen Vektorraumes V genau dann
ein Untervektorraum von V ist, falls gilt:
a, b U; , R = a + b U.
Wir wenden uns nun noch dem Skalarprodukt zweier Vektoren des R
n
zu.
28 Theorie
Denition 4.19: x =
_
_
_
x
1
.
.
.
x
n
_
_
_
und y =
_
_
_
y
1
.
.
.
y
n
_
_
_
seien beliebige Vektoren des R
n
. Dann
heit die reelle Zahl
x
T
y := x
1
y
1
+x
2
y
2
+ +x
n
y
n
das Skalarprodukt von x und y.
Bemerkung 4.21: F ur ein beliebiges x =
_
_
_
x
1
.
.
.
x
n
_
_
_
R
n
gilt:
a) x
T
x = x
2
1
+x
2
2
+ +x
2
n
0.
b) x
T
x = 0 x =
_
_
_
0
.
.
.
0
_
_
_
.
c) Bezeichnet | | die euklidische Norm, so folgt
|x| =
_
x
2
1
+ +x
2
n
=
x
T
x.
Bemerkung 4.22: x =
_
x
1
x
2
_
und y =
_
y
1
y
2
_
seien zwei beliebige Vektoren des R
2
,
und bezeichne den Winkel, der von beiden Vektoren eingeschlossen wird. Dann ist nach
dem Kosinussatz
|x y|
2
= |x|
2
+|y|
2
2|x||y| cos .
Auerdem gilt
|x y|
2
= (x y)
T
(x y) = (x y)
T
x (x y)
T
y
= x
T
x y
T
x x
T
y +y
T
y = |x|
2
2 x
T
y +|y|
2
,
und somit folgt
|x|
2
+|y|
2
2|x||y| cos = |x|
2
2 x
T
y +|y|
2
bzw.
x
T
y = |x||y| cos
und
cos =
x
T
y
|x||y|
, falls x ,= 0 und y ,= 0.
Diese Beziehung, die in der Ebene gilt, benutzen wir im R
n
zur Denition von Winkeln.
Denition 4.23: x, y R
n
, mit x ,= 0 und y ,= 0, seien beliebig gegeben. Dann setzen wir
cos (x, y) =
x
T
y
|x||y|
,
30 Theorie
wobei wir verlangen, dass 0 (x, y) . Die Vektoren x und y heien orthogonal, falls
x
T
y = 0 (d.h. cos (x, y) = 0).
Bemerkung 4.25: Das System der Einheitsvektoren e
1
, . . . , e
n
R
n
, d.h.
e
i
:=
_
_
_
_
_
_
_
_
_
_
_
0
.
.
.
0
1
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
( i-te Zeile) mit 1 i n,
bildet eine sogenannte orthonormierte Basis, d.h.
|e
i
| =
_
e
T
i
e
i
=
1 = 1 f ur 1 i n
und
e
T
i
e
j
= 0 f ur 1 i, j n mit i ,= j.
Die beiden letzten Gleichungen kann man auch wie folgt zusammenfassen:
e
T
i
e
j
=
_
1 f ur i = j
0 f ur i ,= j
_
=:
ij
(Kronecker-Symbol) mit 1 i, j n.
4.2 Lineare Abbildungen
Denition 4.26: V und W seien reelle Vektorraume.
a) Eine Abbildung von V nach W ist eine Vorschrift, die jedem Vektor aus V in eindeutiger
Weise einen Vektor aus W zuordnet (Schreibweise: : V W).
b) Eine Abbildung : V W heit linear, wenn gilt:
( a + b) = (a) +(b) a, b V und , R.
Denition 4.28: V und W seien reelle Vektorraume, und : V W sei eine lineare
Abbildung. Dann heit die Menge
Bild() := (a) [ a V
das Bild von , und die Menge
Kern() := a V [ (a) = 0
heit Kern von .
Satz 4.29: V und W seien reelle Vektorraume. F ur jede lineare Abbildung : V W
sind Bild() und Kern() Untervektorraume von W bzw. V .
Denition 4.30: V und W seien reelle Vektorraume, und : V W sei eine (nicht
notwendig lineare) Abbildung.
32 Theorie
a) heit injektiv (umkehrbar eindeutig), wenn f ur a, b V mit a ,= b folgt: (a) ,= (b).
b) heit surjektiv (Abbildung auf W), wenn Bild() = W.
c) heit bijektiv, wenn injektiv und surjektiv ist.
Man kann zeigen, dass eine lineare Abbildung genau dann injektiv ist, falls Kern() = 0
ist. Ist eine lineare Abbildung bijektiv, dann existiert eine wohlbestimmte
Umkehrab-
bildung
1
: W V , die auch linear ist.
Im folgenden nehmen wir V = R
n
und W = R
m
an.
Satz 4.31: Eine lineare Abbildung : R
n
R
m
ist bereits dann eindeutig deniert,
wenn die Bilder der Einheitsvektoren e
1
, . . . , e
n
R
n
festgelegt sind, d.h. durch Angabe
der Vektoren
a
i
= (e
i
) mit i = 1, . . . , n.
Man beachte, dass das System der Vektoren a
1
, . . . , a
n
nicht linear unabhangig zu sein
braucht.
Satz 4.32: Mit den Bezeichnungen aus Satz 4.31 sei eine lineare Abbildung : R
n
R
m
gegeben durch
a
i
= (e
i
) mit i = 1, . . . , n.
r sei die Maximalzahl linear unabhangiger Vektoren unter den a
1
, . . . , a
n
. Dann gilt:
Dim(Bild()) = r, Dim(Kern()) = n r
und damit
Dim(Kern()) + Dim(Bild()) = n.
Denition 4.34: Sind
1
: R
n
R
m
und
2
: R
m
R
l
zwei lineare Abbildungen, dann
heit die Abbildung
:=
2

1
: R
n
R
l
mit
(a) =
2
(
1
(a)) a R
n
die zusammengesetzte Abbildung (oder auch die Komposition) der Abbildungen
1
und
2
.
Die zusammengesetzte Abbildung linearer Abbildungen ist wieder linear, denn es gilt:
( a + b) =
2
(
1
( a + b))
=
2
(
1
(a) +
1
(b))
=
2
(
1
(a)) +
2
(
1
(b))
= (a) + (b) a, b R
n
und , R.
4.3 Matrizen
Denition 4.35: Unter einer Matrix A versteht man ein rechteckiges Zahlenschema
A :=
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
=: (a
ik
)
i=1,...,m
k=1,...,n
34 Theorie
mit reellen (bzw. komplexen) Koezienten a
ik
. Der erste Index i heit Zeilenindex, der
zweite Index k heit Spaltenindex (Zeilen zuerst, Spalten spater!). Die Matrix A setzt sich
zusammen aus ihren Spaltenvektoren (oder einfach Spalten) bzw. aus ihren Zeilenvektoren
(oder einfach Zeilen). Die Matrix A mit m Zeilen und n Spalten wird auch als (m, n)-Matrix
bezeichnet. F ur die Menge aller (m, n)-Matrizen mit reellen (bzw. komplexen) Koezienten
schreiben wir R
(m,n)
(bzw. C
(m,n)
). Die Matrix A heit quadratisch, wenn m = n ist. Bei
einer quadratischen Matrix A = (a
ik
) nennt man die Koezienten a
11
, a
22
, . . . , a
nn
die
Diagonalelemente der Matrix.
Denition 4.37: Zwei (m, n)-Matrizen A = (a
ik
) und B = (b
ik
) heien gleich, falls
a
ik
= b
ik
i = 1, . . . , m und k = 1, . . . , n.
Denition 4.39: Die (m, n)-Matrizen A = (a
ik
) und B = (b
ik
) seien gegeben.
a) Die (m, n)-Matrix
A +B := (a
ik
+b
ik
)
heit Summe von A und B.
b) F ur eine reelle (oder komplexe) Zahl heit die (m, n)-Matrix
A := (a
ik
)
skalares Produkt von A mit dem Faktor .
Denition 4.41: Die (m, n)-Matrix 0 := (0
ik
) heit (m, n)-Nullmatrix. Die (n, n)-Matrix
E :=
_
_
_
_
_
_
_
1 0 0 . . . 0
0 1 0 . . . 0
0 0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1
_
_
_
_
_
_
_
heit (n, n)-Einheitsmatrix.
Denition 4.42:
a) Die Matrix

A := ( a
ik
) heit die zu A := (a
ik
) konjugiert komplexe Matrix.
b) Vertauscht man Zeilen und Spalten einer Matrix A = (a
ik
), so entsteht die zu A
transponierte Matrix:
A
T
:= (a
ki
).
c) Die Matrix
A
:=

A
T
heit die zu A konjugiert transponierte Matrix.
Wir wenden uns nun dem Produkt zweier Matrizen zu.
Denition 4.44: A = (a
ij
) sei eine (m, n)-Matrix und B = (b
jk
) sei eine (n, p)-Matrix.
Dann heit die (m, p)-Matrix C = (c
ik
) mit
c
ik
=
n
j=1
a
ij
b
jk
i = 1, . . . , m und k = 1, . . . , p
36 Theorie
das Produkt von A und B. Wir schreiben C = A B.
Das Produkt A B ist nur deniert, falls die Spaltenanzahl von A mit der Zeilenanzahl von
B ubereinstimmt. Das Matrixelement von A B an der Stelle (i, k) ist das Skalarprodukt
der i-ten Zeile von A mit der k-ten Spalte von B.
Bemerkung 4.45: Die Multiplikation zweier Matrizen lasst sich leicht nach dem Schema
von Falk durchf uhren:
.................................................................................................................................................................................................................................................................................................................................................................................................................................................................. ................................................................................................................................................................................................................................................................................................................................................................................................. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. ................................................................................................................................................................................................................................................................................................................................................................................................
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................................................................................................................................
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.............. .............. .............. .............. .............. .............. .............. .............. .............. .............
..............
..............
..............
..............
..............
..............
..............
..............
..............
.............
.......................
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
A
B
C=AB
c
ik
i
k
Satz 4.47: F ur Matrizen A, B, C gilt
a) (A B)
T
= B
T
A
T
,
b) A (B C) = (A B) C,
c) A (B +C) = A B +A C,
d) (A +B) C = A C +B C,
falls die betreenden Produkte und Summen deniert sind.
Denition 4.48: F ur ein n N und eine quadratische Matrix A heit die Matrix
A
n
:= A A A
. .
n Faktoren
die n-te Potenz von A. Ferner deniert man A
0
:= E.
Wir kommen nun zur geometrischen Deutung von Matrizen. Ist eine Matrix A R
(m,n)
gegeben, so wird durch
(x) := A x
=
_
_
_
a
11
. . . a
1n
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
_
_
_
_
x
1
.
.
.
x
n
_
_
_
=
_
_
_
a
11
x
1
+ +a
1n
x
n
.
.
.
a
m1
x
1
+ +a
mn
x
n
_
_
_
x R
n
eine Abbildung : R
n
R
m
deniert. ist eine lineare Abbildung, denn es gilt:
( x + y) = A ( x + y)
= A x + A y
= (x) + (y) x, y R
n
und , R.
38 Theorie
Satz 4.50: Die Gesamtheit der Matrizen A R
(m,n)
entspricht in umkehrbar eindeutiger
Weise der Gesamtheit der linearen Abbildungen : R
n
R
m
.
Ist eine lineare Abbildung gegeben, so sind die Spalten der entsprechenden Matrix A
genau die Bildvektoren der Einheitsvektoren, d.h.
A = ((e
1
), (e
2
), . . . , (e
n
)).
Denition 4.52: Die Maximalzahl linear unabhangiger Spalten (bzw. Zeilen) einer Matrix
A heit der Spaltenrang (bzw. der Zeilenrang) von A.
Satz 4.54: Spaltenrang und Zeilenrang einer Matrix A sind gleich. Wir sprechen daher
vom Rang von A schlechthin (Schreibweise: Rg(A)).
Denition 4.55: Unter elementaren Zeilenumformungen (bzw. Spaltenumformungen) ei-
ner Matrix A R
(m,n)
versteht man folgende Operationen:
a) Multiplikation einer Zeile (bzw. Spalte) mit einer reellen Zahl ,= 0.
b) Vertauschung zweier Zeilen (bzw. Spalten).
c) Addition eines Vielfachen einer Zeile (bzw. Spalte) zu einer anderen Zeile (bzw. Spalte).
Satz 4.56: Elementare Zeilen- und Spaltenumformungen einer Matrix A R
(m,n)
lassen
den Rang von A unverandert.
Es ist nun moglich, jede Matrix durch elementare Umformungen auf eine sehr einfache
Gestalt zu bringen, aus der der Rang unmittelbar abgelesen werden kann.
Allgemein kann man jede Matrix A R
(m,n)
durch elementare Umformungen auf folgende
Gestalt bringen:
A =
_
_
_
_
_
_
_
_
_
_
_
. . . . . . . . .
0 . . . . . . . .
0 0 . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . .
.
.
.
0 0 . . . 0 . . . . .

0
_
_
_
_
_
_
_
_
_
_
_
(hierbei reprasentiert * eine Zahl ,= 0, r Zeilen (mit r m und r n) benden sich
oberhalb der gestrichelten Linie, und unterhalb der gestrichelten Linie stehen nur Nullen).
Dann ergibt sich
Rg(A) = Rg(

A) = r.
4.4 Determinanten
In diesem Abschnitt betrachten wir nur quadratische Matrizen.
Denition 4.58: Unter der Determinante einer (n, n)-Matrix A = (a
ik
) versteht man die
Zahl
Det(A) :=
a
11
. . . a
1n
.
.
.
.
.
.
a
n1
. . . a
nn
:=
(k
1
,k
2
,...,k
n
)
sgn(k
1
, . . . , k
n
) a
1k
1
a
nk
n
.
40 Theorie
Die Summation erfolgt uber alle Permutationen der Zahlen 1, 2, . . . , n. F ur eine solche
Permutation (k
1
, . . . , k
n
) ist
sgn(k
1
, . . . , k
n
) :=
_
_
1, falls die Permutation (k
1
, . . . , k
n
) aus einer geraden
Anzahl von Vertauschungen hervorgeht,
1, falls die Permutation (k
1
, . . . , k
n
) aus einer ungeraden
Anzahl von Vertauschungen hervorgeht.
Denition 4.60: A sei eine (n, n)-Matrix. Diejenige (n 1, n 1)-Matrix, die aus A
durch Wegnahme der i-ten Zeile und der k-ten Spalte entsteht, wird als Untermatrix A
ik
bezeichnet.
Satz 4.61 (Laplacescher Entwicklungssatz): A = (a
ik
) sei eine (n, n)-Matrix. Dann
gilt:
a) Det(A) =
n
i=1
(1)
i+k
a
ik
Det(A
ik
) mit k = 1, . . . , n
(Entwicklung nach der k-ten Spalte).
b) Det(A) =
n
k=1
(1)
i+k
a
ik
Det(A
ik
) mit i = 1, . . . , n
(Entwicklung nach der i-ten Zeile).
Algorithmus 4.62 (Berechnung einer n-reihigen Determinante):
1.) Man versehe die Matrix mit einem
Vorzeichenschachbrett:
_
_
_
_
_
a
11
a
12
a
13
. . .
a
21
a
22
a
23
. . .
a
31
a
32
a
33
. . .
.
.
.
.
.
.
.
.
.
_
_
_
_
_
.
2.) Man suche diejenige Zeile oder Spalte mit den meisten Nullen.
3.) Man entwickle nach dem Entwicklungssatz nach dieser Zeile oder Spalte.
4.) Man wiederhole diesen Prozess f ur alle Unterdeterminanten (Determinanten aller Un-
termatrizen).
Wir wenden uns nun Eigenschaften von Determinanten zu.
Satz 4.64: A sei eine (n, n)-Matrix.
a) Ensteht die Matrix B aus A dadurch, dass eine Zeile (oder Spalte) mit einer Zahl
multipliziert wird, so gilt
Det(B) = Det(A).
b) Entsteht die Matrix B aus A dadurch, dass zwei Zeilen (oder Spalten) miteinander
vertauscht werden, so gilt
Det(B) = Det(A).
c) Ensteht die Matrix B aus A dadurch, dass zu einer Zeile (oder Spalte) ein Vielfaches
einer anderen Zeile (bzw. Spalte) addiert wird, so gilt
Det(B) = Det(A).
42 Theorie
Satz 4.65: A und B seien (n, n)-Matrizen. Dann gilt:
a) Det(A
T
) = Det(A).
b) Det(A B) = Det(A) Det(B).
c) Det(A) ,= 0 Rg(A) = n.
Eine (n, n)-Matrix A mit Rg(A) = n (bzw. Det(A) ,= 0) wird auch regular oder nichtsingular
genannt.
Im folgenden f uhren wir noch die Inverse einer Matrix ein.
Denition 4.66: Eine quadratische Matrix A heit invertierbar, wenn eine Matrix A
1
existiert mit
A A
1
= E.
A
1
heit dann Inverse zu A.
Satz 4.68:
a) Eine Matrix besitzt hochstens eine Inverse.
b) Ist A invertierbar, so gilt A
1
A = A A
1
= E.
c) Eine quadratische Matrix ist genau dann invertierbar, wenn sie regular ist.
Mit dem folgenden Satz geben wir noch Rechengesetze f ur die Inverse einer Matrix an.
Satz 4.69: A und B seien invertierbare (n, n)-Matrizen. Dann gilt:
a) (A
1
)
1
= A.
b) (A
T
)
1
= (A
1
)
T
.
c) (A B)
1
= B
1
A
1
.
d) (A
n
)
1
= (A
1
)
n
n N.
e) Det(A
1
) =
1
Det(A)
.
Mit Hilfe einer sogenannten zu A adjungierten Matrix ist es moglich, die Inverse A
1
zu
bestimmen.
Denition 4.70: F ur eine (n, n)-Matrix A heit
A
adj
:=
_
_
_
A
11
. . .

A
1n
.
.
.
.
.
.
A
n1
. . .

A
nn
_
_
_
T
die zu A adjungierte Matrix, wobei
A
ik
:= (1)
i+k
Det(A
ik
) i, k = 1, . . . , n
(A
ik
bezeichne dabei eine Untermatrix von A).
Wie in Algorithmus 4.62 kann man das entsprechende Vorzeichen von

A
ik
mit Hilfe eines
Vorzeichenschachbretts ermitteln.
Satz 4.72: F ur jede (n, n)-Matrix A gilt:
A
adj
A = A A
adj
= Det(A) E.
44 Theorie
Aus der obigen Gleichung folgt sofort f ur eine invertierbare Matrix A (d.h. Det(A) ,= 0):
A
1
=
1
Det(A)
A
adj
.
4.5 Lineare Gleichungssysteme
Denition 4.74: Gegeben seien reelle Zahlen a
ik
(i = 1, . . . , m; k = 1, . . . , n) und b
i
(i = 1, . . . , m). Dann heit
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
,
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
,
.
.
.
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
ein lineares Gleichungssystem mit m Gleichungen f ur die n reellen Unbekannten x
1
, x
2
, . . . ,
x
n
, die aus dem Gleichungssystem berechnet werden sollen.
Fasst man in dem obigen linearen Gleichungssystem die Koezienten a
ik
zu einer Matrix
A, die Unbekannten x
i
zu einem Vektor x und die Koezienten b
i
zu einem Vektor b
zusammen, so kann man dieses lineare Gleichungssystem auch schreiben als
A x = b.
Denition 4.76: Ein lineares Gleichungssystem der Form A x = b heit homogen, wenn
b = 0 ist, andernfalls inhomogen. Man nennt A x = 0 das zum linearen Gleichungssystem
A x = b gehorige homogene lineare Gleichungssystem.
Man beachte, dass die Losungsmenge eines homogenen linearen Gleichungssystems der Form
A x = 0 gleich dem Kern der durch A denierten linearen Abbildung ist.
Satz 4.77: Die Losungsmenge L eines linearen Gleichungssystems der Form A x = b (mit
n Unbekannten) ist gegeben als
L = x R
n
[ x = x +y mit y L
h
,
wobei L
h
die Losungsmenge des zugehorigen homogenen linearen Gleichungssystems be-
zeichnet und x eine spezielle Losung des inhomogenen linearen Gleichungssystems ist (falls
eine solche uberhaupt existiert).
F ugt man zu einer Matrix A noch die Spalte b rechts an, dann erhalt man eine Matrix
(A, b), die sogenannte erweiterte Matrix.
Satz 4.79:
Ein lineares Gleichungssystem der Form A x = b ist genau dann losbar, falls
Rg(A) = Rg(A, b).
46 Theorie
Satz 4.81:
Ein lineares Gleichungssystem der Form A x = b (mit n Unbekannten) ist genau dann
eindeutig losbar, falls
Rg(A) = Rg(A, b) = n.
Ist auerdem A quadratisch (d.h. m = n), so ist A invertierbar und die eindeutige
Losung dieses linearen Gleichungssystems lautet
x = A
1
b.
Satz 4.83 (Cramersche Regel): A sei eine regulare (n, n)-Matrix. Dann ist die eindeutig
bestimmte Losung des linearen Gleichungssystems A x = b mit b R
n
gegeben durch
x
1
=
Det(A
1
)
Det(A)
, x
2
=
Det(A
2
)
Det(A)
, . . . , x
n
=
Det(A
n
)
Det(A)
;
dabei entsteht die Matrix
A
1
aus A, indem die 1. Spalte durch b ersetzt wird,
A
2
aus A, indem die 2. Spalte durch b ersetzt wird,
.
.
.
A
n
aus A, indem die n. Spalte durch b ersetzt wird.
Die Cramersche Regel ist im allgemeinen wegen des viel zu hohen Rechenaufwandes in der
Praxis undurchf uhrbar. Im folgenden geben wir ein eektiveres Verfahren an, das auch bei
nichtquadratischen Matrizen angewendet werden kann.
Algorithmus 4.85 (Gauscher Algorithmus in vereinfachter Form):
0.) Gegeben sei ein lineares Gleichungssystem der Form A x = b, wobei A eine reelle
(m, n)-Matrix und b ein Vektor des R
m
bezeichnen. Der Einfachheit halber werde
angenommen, die r ersten Spalten von A seien linear unabhangig.
1.) Auf die erweiterte Matrix (A, b) wende man elementare Zeilenumformungen (Deni-
tion 4.55) so an, dass eine Matrix folgender Bauart entsteht:
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1
12

13
. . .
1r
0 1
23
. . .
2r
0 0 1 . . .
3r
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . 1
1,r+1
. . .
1n
2,r+1
. . .
2n
3,r+1
. . .
3n
.
.
.
.
.
.
r,r+1
. . .
rn
3
.
.
.
r
0 0
r+1
r+2
.
.
.
m
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
2.) Ist r < m und ist unter den Zahlen
r+1
, . . . ,
m
wenigstens eine, die ungleich Null
ist, so ist das betrachtete lineare Gleichungssystem nicht losbar.
3.) Ist
r+1
=
r+2
= =
m
= 0, so lasst sich das umgeformte Gleichungssystem
48 Theorie
schreiben als
x
1
+
12
x
2
+ +
1r
x
r
=
1
1,r+1
x
r+1

1n
x
n
,
x
2
+ +
2r
x
r
=
2
2,r+1
x
r+1

2n
x
n
,
.
.
.
x
r
=
r

r,r+1
x
r+1

rn
x
n
.
Hierbei konnen x
r+1
, . . . , x
n
frei gewahlt werden (man hat also nr freie Parameter).
Die Unbekannten x
r1
, . . . , x
1
ergeben sich durch Einsetzen von x
r
, . . . in die jeweils
obere Gleichung (man beachte, dass im Fall r = n die berechnete Losung eindeutig
ist).
Bemerkung 4.86: Im folgenden geben wir einige Erlauterungen zum Algorithmus 4.85:
a) Die Voraussetzung, die r ersten Spalten von A seien linear unabhangig, dient nur der
einfacheren Beschreibung des Verfahrens.
b) Man beachte, dass elementare Zeilenumformungen der erweiterten Matrix (A, b) die
Losungsgesamtheit des linearen Gleichungssystems nicht andern (hingegen sind Spal-
tenumformungen unzulassig).
c) Bezeichnet (

A,
b) die erweiterte Matrix im 1. Schritt des Algorithmus 4.85, so ist das

lineare Gleichungssystem A x = b genau dann losbar, falls
Rg(

A) = Rg(

A,
b).
Ist r < m und ist unter den Zahlen
r+1
, . . . ,
m
wenigstens eine, die ungleich Null
ist, so folgt
Rg(

A) ,= Rg(

A,
b).
Somit ist das System A x = b nicht losbar (2. Schritt des Algorithmus 4.85).
d) Ist r = n und ist
r+1
= =
m
= 0, so ergibt sich im 3. Schritt des Algorithmus
4.85 speziell:
x
1
+
12
x
2
+ +
1n
x
n
=
1
,
x
2
+ +
2n
x
n
=
2
,
.
.
.
x
n
=
n
.
In diesem Fall ist Rg(

A) = Rg(

A,
b) = n, und damit ist das lineare Gleichungssystem

A x = b eindeutig losbar.
Bemerkung 4.88: Die Voraussetzung im 0. Schritt des Algorithmus 4.85, dass die r
ersten Spalten von A linear unabhangig sind, ist im Grunde genommen unwesentlich. Ist
sie namlich nicht erf ullt, dann treten eben statt der r ersten Spalten gewisse andere Spalten
an deren Stelle. Zur praktischen Rechnung braucht man sich nicht darum zu k ummern; man
hat bei den Zeilenumformungen jeweils als nachste Spalte eine solche zu wahlen, mit der
das Verfahren fortsetzbar ist.
Wir wenden uns nun nochmals der Bestimmung der Inversen einer regularen (n, n)-Matrix
A zu. Die Inverse X = A
1
ist eine Losung der linearen Matrizengleichung
A X = E.
50 Theorie
Diese Gleichung kann man auch schreiben als
A
_
_
_
x
11
.
.
.
x
n1
_
_
_
=
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_
, A
_
_
_
x
12
.
.
.
x
n2
_
_
_
=
_
_
_
_
_
_
_
0
1
0
.
.
.
0
_
_
_
_
_
_
_
, . . . , A
_
_
_
x
1n
.
.
.
x
nn
_
_
_
=
_
_
_
_
_
0
.
.
.
0
1
_
_
_
_
_
.
Die linearen Gleichungssysteme lassen sich mit Hilfe des Gauschen Algorithmus zusam-
mengefasst losen. Dabei f uhrt man die erweiterte Matrix (A, E) in die Matrix (E, A
1
)
uber.
4.6 Eigenwerte und Eigenvektoren
In diesem Abschnitt untersuchen wir das folgende Eigenwertproblem: Zu einer gegebenen
(n, n)-Matrix A = (a
ik
) sind ein Vektor x ,= 0 und eine Zahl gesucht mit
A x = x,
d.h.
a
11
x
1
+ +a
1n
x
n
= x
1
,
.
.
.
a
n1
x
1
+ +a
nn
x
n
= x
n
.
Denition 4.91: A sei eine gegebene (n, n)-Matrix. Eine Zahl , zu der ein Vektor x ,= 0
mit A x = x existiert, heit ein Eigenwert von A. Der Vektor x heit dann ein zu
gehoriger Eigenvektor von A. Die Menge aller Eigenwerte von A heit Spektrum von A. Die
Gleichung A x = x heit auch Eigenwertgleichung.
Wir wenden uns nun der Berechnung der Eigenwerte und Eigenvektoren einer (n, n)-Matrix
A zu. Es ist
A x = x A x E x = 0 (A E) x = 0.
Dieses homogene lineare Gleichungssystem ist genau dann nichttrivial losbar (x ,= 0), wenn
A E singular ist, d.h.
Det(A E) = 0.
Diese Gleichung heit auch charakteristische Gleichung von A. Das Polynom P (n-ten Gra-
des) mit
P() = Det(A E)
heit auch charakteristisches Polynom.
Satz 4.93: Die Eigenwerte einer (n, n)-Matrix A sind genau die Nullstellen des charakte-
ristischen Polynoms.
Hat man die Eigenwerte einer Matrix A bestimmt, so ermittelt man zu jedem Eigenwert
einen zugehorigen Eigenvektor durch Losen des homogenen linearen Gleichungssystems
(A E) x = 0.
52 Theorie
Algorithmus 4.94 (Bestimmung der Eigenwerte und Eigenvektoren einer Ma-
trix):
0.) A sei eine gegebene (n, n)-Matrix.
1.) Man bestimme alle Eigenwerte
1
, . . . ,
n
als Nullstellen des charakteristischen Poly-
noms.
2.) Zu jedem Eigenwert
i
(i = 1, . . . , n) bestimme man einen zugehorigen Eigenvektor
x
(i)
als Losung des homogenen linearen Gleichungssystems:
(A
i
E) x
(i)
= 0.
Als nachstes diskutieren wir Eigenschaften von Eigenwerten und Eigenvektoren:
Denition 4.96: Die Summe der Diagonalelemente einer (n, n)-Matrix A = (a
ik
) heit
Spur von A:
Spur(A) := a
11
+a
22
+ +a
nn
.
Satz 4.97: A sei eine (n, n)-Matrix mit den Eigenwerten
1
,
2
, . . . ,
n
. Dann gilt:
a) Spur(A) =
1
+
2
+ +
n
.
b) Det(A) =
1

2

n
.
Satz 4.99: F ur eine beleibige (n, n)-Matrix A gilt:
a) A singular = 0 ist ein Eigenwert von A.
b) Eigenwert von A =
n
Eigenwert von A
n
(n N).
c) Eigenwert von A = Eigenwert von A
T
.
d) Ist A invertierbar und ein Eigenwert von A, so ist
1
ein Eigenwert von A

1
.
Beweis:
a) A singular 0 = Det(A) =
1

2

n
0 ist ein Eigenwert von A.
b) Ax = x = A
n
x = A A A
. .
n Faktoren
x = A A A
. .
n 1 Faktoren
x =
n
x.
c) Det(A
T
E) = Det((AE)
T
) = Det(AE), d.h., A und A
T
besitzen das gleiche
charakteristische Polynom.
d) Ax = x A
1
Ax = A
1
x x = A
1
x A
1
x =
1
x, da ,= 0 (A regular).
2
Denition 4.100: Eine (n, n)-Matrix A = (a
ik
) heit
a) untere Dreiecksmatrix, wenn a
ik
= 0 f ur k > i,
b) obere Dreiecksmatrix, wenn a
ik
= 0 f ur k < i,
c) Diagonalmatrix, wenn a
ik
= 0 f ur k ,= i.
54 Theorie
Es ist also:
_
_
_
_
_
_
_
0
.
.
.
_
_
_
_
_
_
_
untere Dreiecksmatrix,
_
_
_
_
_
_
_

.
.
.
0

_
_
_
_
_
_
_
obere Dreiecksmatrix,
_
_
_
_
_
_
_
0
.
.
.
0

_
_
_
_
_
_
_
Diagonalmatrix.
Eine Diagonalmatrix ist oenbar gleichzeitig eine obere und untere Dreiecksmatrix.
Satz 4.101: Die Diagonalelemente einer Dreiecksmatrix A sind gerade die Eigenwerte von
A.
Beweis: Ohne Beschrankung der Allgemeinheit sei A = (a
ik
) eine obere Dreiecksmatrix.
Dann gilt:
Det(A E) =
a
11
a
12
. . . a
1n
0 a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . a
nn
= (a
11
) (a
22
) (a
nn
).
2
Denition 4.102:
a) Zwei (n, n)-Matrizen A und B heien ahnlich, falls eine invertierbare (n, n)-Matrix S
existiert mit
B = S
1
AS.
b) Eine (n, n)-Matrix A heit diagonalahnlich, falls eine Diagonalmatrix D existiert, so
dass A und D ahnlich sind.
Satz 4.103: Zwei ahnliche Matrizen haben die gleichen Eigenwerte.
Beweis: A und B seien ahnlich, d.h., es existiert eine invertierbare Matrix S mit B =
S
1
AS. Dann gilt:
Det(B E) = Det(S
1
AS E) = Det(S
1
AS S
1
(E)S)
= Det(S
1
(A E)S) = Det(S
1
)
. .
=
1
Det(S)
Det(A E) Det(S)
= Det(A E),
d.h., A und B besitzen das gleiche charakteristische Polynom. 2
56 Theorie
Man kann beweisen, dass jede Matrix A C
(n,n)
zu einer Dreiecksmatrix ahnlich ist (Satz
von Schur).
Von besonderem Interesse sind diagonalahnliche Matrizen.
Satz 4.104: A sei eine (n, n)-Matrix. Dann gilt:
a) A ist diagonalahnlich A besitzt n linear unabhangige Eigenvektoren.
b) Besitzt A paarweise verschiedene Eigenwerte
1
, . . . ,
n
mit zugehorigen Eigenvektoren
x
(1)
, . . . , x
(n)
, so sind x
(1)
, . . . , x
(n)
linear unabhangig.
Bemerkung 4.105: A sei eine diagonalahnliche (n, n)-Matrix. Nach Satz 4.104,a) besitzt
A dann n linear unabhangige Eigenvektoren x
(1)
, . . . , x
(n)
zu den Eigenwerten
1
, . . . ,
n
.
Denieren wir
S :=
_
x
(1)
, . . . , x
(n)
_
und D :=
_
_
_
_
_
_
_
2
0
.
.
.
0

n1
n
_
_
_
_
_
_
_
,
so gilt
A S = A
_
x
(1)
, . . . , x
(n)
_
=
_
Ax
(1)
, . . . , Ax
(n)
_
=
_
1
x
(1)
, . . . ,
n
x
(n)
_
= S D.
Da x
(1)
, . . . , x
(n)
linear unabhangig sind, ist S regular und damit existiert S
1
. Folglich gilt:
S
1
AS = S
1
S
. .
=E
D = D,
d.h.
_
x
(1)
, . . . , x
(n)
_
1
A
_
x
(1)
, . . . , x
(n)
_
=
_
_
_
_
_
_
_
2
0
.
.
.
0

n1
n
_
_
_
_
_
_
_
.
Eine Matrix, die sich aus linear unabhangigen Eigenvektoren einer diagonalahnlichen Matrix
zusammensetzt, heit auch Modalmatrix.
Im folgenden nennen wir spezielle Typen von Matrizen, die alle diagonalahnlich sind.
Denition 4.106:
a) Eine Matrix A C
(n,n)
heit hermitesch, falls A = A
(mit A
=

A
T
) ist, bzw. unitar,
falls A
1
= A
ist.
b) Eine Matrix A R
(n,n)
heit symmetrisch, falls A = A
T
ist, bzw. orthogonal, falls
A
1
= A
T
ist.
Satz 4.108: Jede (n, n)-Matrix, die hermitesch (bzw. symmetrisch) oder unitar (bzw.
orthogonal) ist, ist diagonalahnlich.
Symmetrische Matrizen besitzen weitere wichtige Eigenschaften.
Satz 4.109:
a) Die Eigenwerte einer symmetrischen Matrix sind reell.
58 Theorie
b) Jede symmetrische Matrix A lasst sich durch eine orthogonale Matrix S auf folgende
Diagonalgestalt transformieren:
S
T
AS =
_
_
_
_
_
_
_
2
0
.
.
.
0

n1
n
_
_
_
_
_
_
_
.
Dabei sind
1
, . . . ,
n
die Eigenwerte von A, und die Spalten von S bilden ein orthonor-
miertes Eigenvektorsystem x
(1)
, . . . , x
(n)
zu A (d.h. x
(i)
T
x
(j)
=
ij
(man vgl. Bemerkung
4.25)).
Im folgenden wenden wir uns weiteren wichtigen Klassen von Matrizen zu.
Denition 4.112: Eine Matrix A R
(n,n)
heit
a) positiv denit, falls x
T
Ax > 0 x R
n
, x ,= 0,
b) positiv semidenit, falls x
T
Ax 0 x R
n
,
c) negativ denit, falls x
T
Ax < 0 x R
n
, x ,= 0,
d) negativ semidenit, falls x
T
Ax 0 x R
n
,
e) indenit, falls A keine der zuvor genannten Eigenschaften besitzt.
Satz 4.114: F ur jede symmetrische Matrix A = (a
ik
) gilt:
a) A ist positiv denit.
Alle Eigenwerte von A sind positiv.
Alle f uhrenden Hauptabschnittsdeterminanten von A, d.h.
D
i
:= Det
_
_
_
a
11
. . . a
1i
.
.
.
.
.
.
a
i1
. . . a
ii
_
_
_
f ur i = 1, . . . , n,
sind positiv.
b) A ist positiv semidenit.
Alle Eigenwerte von A sind nicht-negativ.
Zum Abschluss diskutieren wir noch zwei theoretische Ergebnisse.
Satz 4.116 (Satz von Cayley-Hamilton): Jede (n, n)-Matrix A annulliert ihr charak-
teristisches Polynom, d.h.
0
E +
1
A +
2
A
2
+ + (1)
n
A
n
= 0,
wobei
0
, . . . ,
n1
die Koezienten des charakteristischen Polynoms sind.
Satz 4.118 (Kreisesatz von Gerschgorin): Jeder Eigenwert einer (n, n)-Matrix A liegt
in der Vereinigungsmenge der Kreisscheiben
z C [ [z a
ii
[
i
, i = 1, . . . , n,
60 Theorie
wobei
i
:=
n
k=1
k=i
[a
ik
[ f ur i = 1, . . . , n
ist.
....................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
................................................................................................................................................................................................................................................................................................................................................................................................................................
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
........................................................................................................................................................................................................... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.............................................................................................................................................................................................................................................................................. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
................................................................................................................................................................................................................................................................................................................................................. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. .
.................................................................
......................................................................................
...........................................................................................................
a
33
a
22
a
11
1
4.7 Vektorprodukt und Spatprodukt
In diesem Abschnitt wird stets der Vektorraum V = R
3
betrachtet.
Denition 4.120: Es seien a =
_
_
a
1
a
2
a
3
_
_
R
3
und b =
_
_
b
1
b
2
b
3
_
_
R
3
beliebig gegeben.
Dann heit der Vektor
a b =
_
_
a
2
b
3
a
3
b
2
a
3
b
1
a
1
b
3
a
1
b
2
a
2
b
1
_
_
das Vektorprodukt von a und b.
Die Formel f ur das Vektorprodukt von a und b kann man sich leichter merken, wenn man
formal schreibt
a b = Det
_
_
e
1
e
2
e
3
a
1
a
2
a
3
b
1
b
2
b
3
_
_
(e
1
, e
2
, e
3
bezeichnen hierbei die Einheitsvektoren im R
3
) und diese Determinante nach der
1. Zeile entwickelt:
Det
_
_
e
1
e
2
e
3
a
1
a
2
a
3
b
1
b
2
b
3
_
_
= e
1
a
2
a
3
b
2
b
3
e
2
a
1
a
3
b
1
b
3
+e
3
a
1
a
2
b
1
b
2
= e
1
(a
2
b
3
a
3
b
2
) e
2
(a
1
b
3
a
3
b
1
) +e
3
(a
1
b
2
a
2
b
1
)
=
_
_
a
2
b
3
a
3
b
2
a
3
b
1
a
1
b
3
a
1
b
2
a
2
b
1
_
_
= a b.
Bemerkung 4.122: a =
_
_
a
1
a
2
a
3
_
_
und b =
_
_
b
1
b
2
b
3
_
_
seien beliebige Vektoren des R
3
.
62 Theorie
a) Da a
T
(a b) = a
1
a
2
b
3
a
1
a
3
b
2
+a
2
a
3
b
1
a
2
a
1
b
3
+a
3
a
1
b
2
a
3
a
2
b
1
= 0, sind a und
a b orthogonal.
b) Da b
T
(a b) = b
1
a
2
b
3
b
1
a
3
b
2
+ b
2
a
3
b
1
b
2
a
1
b
3
+ b
3
a
1
b
2
b
3
a
2
b
1
= 0, sind b und
a b orthogonal.
Satz 4.123: Die Vektoren a, b, a b (mit a, b R
3
) haben dieselbe Orientierung wie die
Einheitsvektoren e
1
, e
2
, e
3
(Man sagt: Sie bilden ein sogenanntes Rechtssystem).
Satz 4.124: a, b R
3
seien beliebig gegeben. Dann gilt:
|a b| = |a| |b| sin (a, b),
wobei 0 (a, b) derjenige Winkel ist, den a und b einschlieen.
Die euklidische Lange des Vektors a b ist gegeben durch den Flacheninhalt des Parallelo-
gramms, das von a und b gebildet wird.
Bemerkung 4.125: F ur zwei beliebige Vektoren a ,= 0 und b ,= 0 des R
3
gilt:
|a b| = |a| |b| a und b sind orthogonal.
Satz 4.126 (Rechenregeln f ur das Vektorprodukt): a, b, c R
3
seien beliebige Vek-
toren und R sei eine beliebige Zahl. Dann gilt:
a) a b = b a,
b) (a) b = a (b) = (a b),
c) a (b +c) = a b +a c,
d) (a +b) c = a c +b c.
Man beachte, dass f ur das Vektorprodukt das Kommutativgesetz nicht gilt, und das Asso-
ziativgesetz ist i.a. auch nicht erf ullt.
Satz 4.127: F ur zwei beliebige Vektoren a, b R
3
gilt:
a b = 0 Das Vektorsystem a, b ist linear abhangig.
Beweis:
a) a b = 0 = 0 = |a b| = |a| |b| sin (a, b).
Wir untersuchen dann folgende Falle:
i) Ist |a| = 0, so ist a, b = 0, b linear abhangig.
ii) Ist |b| = 0, so ist a, b = a, 0 linear abhangig.
iii) Ist sin (a, b) = 0, so ist (a, b) = 0 oder (a, b) = . Folglich ist a, b linear
abhangig.
b) Das Vektorsystem a, b sei nun linear abhangig. Dann gibt es ein R mit a = b
oder b = a. F ur a = b folgt
a b = (b) b = (b b) = 0,
und f ur b = a erhalten wir
a b = a (a) = (a a) = 0.
2
64 Theorie
Beispiel 4.128: Man zeige die Ungleichung von Cauchy/Schwarz/Bunjakowski:
(a
1
b
1
+a
2
b
2
+a
3
b
3
)
2
(a
2
1
+a
2
2
+a
2
3
)(b
2
1
+b
2
2
+b
2
3
) a
1
, a
2
, a
3
, b
1
, b
2
, b
3
R.
Zum Beweis dieser Ungleichung setzen wir a =
_
_
a
1
a
2
a
3
_
_
und b =
_
_
b
1
b
2
b
3
_
_
. Dann gilt:
(a
2
1
+a
2
2
+a
2
3
)(b
2
1
+b
2
2
+b
2
3
) = |a|
2
|b|
2
= |a|
2
|b|
2
_
cos
2
(a, b) + sin
2
(a, b)
_
. .
=1
= [|a| |b| cos (a, b)]
2
. .
=(a
T
b)
2
+[|a| |b| sin (a, b)]
2
. .
=ab
2
= (a
T
b)
2
+|a b|
2
= (a
1
b
1
+a
2
b
2
+a
3
b
3
)
2
+|a b|
2
. .
0
(a
1
b
1
+a
2
b
2
+a
3
b
3
)
2
.
Gleichheit gilt genau dann, wenn ab =
_
_
0
0
0
_
_
, d.h., wenn das Vektorsystem a, b linear
abhangig ist.
Wir wenden uns nun dem Spatprodukt zu.
Denition 4.129: a, b, c R
3
seien beliebige Vektoren. Dann heit die reelle Zahl
a
T
(b c) das Spatprodukt aus a, b, c.
Der Betrag des Spatprodukts gibt das Volumen des Spats (Prisma) an.
Satz 4.130 (Rechengesetze f ur das Spatprodukt): F ur a, b, c, d R
3
gilt:
a) a
T
(b c) = b
T
(c a) = c
T
(a b),
b) (a +b)
T
(c d) = a
T
(c d) +b
T
(c d),
c) a
T
(b c) = 0 a, b, c liegen in einer Ebene.
Mit Hilfe des Spatprodukts dreier Vektoren ist es moglich, den Begri des Rechtssystems
zu prazisieren.
Denition 4.131: a, b, c R
3
seien beliebige Vektoren, die nicht in einer Ebene liegen.
Man sagt, dass a, b, c ein Rechtssystem bilden, falls a
T
(b c) > 0, bzw. ein Linkssystem
bilden, falls a
T
(b c) < 0.
Bemerkung 4.132: Bilden die Vektoren a, b, c ein Rechtssystem, so gibt das Spatprodukt
das Volumen des Spats an. In diesem Fall gilt mit Satz 4.130,a):
V = a
T
(b c) =
_
_
_
|a| |b| |c| sin (b, c) cos (a, b c),
|a| |b| |c| sin (c, a) cos (b, c a),
|a| |b| |c| sin (a, b) cos (c, a b).
5 Konvergenz und Stetigkeit
5.1 Zahlenmengen und Haufungspunkte
Denition 5.1: M ,= sei eine Teilmenge reeller Zahlen.
66 Theorie
a) x R heit Haufungspunkt der Menge M, wenn in jedem oenen Intervall (a, b) R
mit x (a, b) unendlich viele Punkte aus M enthalten sind.
b) K R heit obere Schranke f ur M, falls
x K x M.
In diesem Fall heit M nach oben beschrankt.
c) K R heit untere Schranke f ur M, falls
K x x M.
In diesem Fall heit M nach unten beschrankt.
d) Die kleinste obere Schranke f ur M heit Supremum von M: sup M. Die grote untere
Schranke f ur M heit Inmum von M: inf M.
e) M heit beschrankt, falls M eine untere und obere Schranke besitzt.
Kriterium f ur sup M:
K = sup M K ist eine obere Schranke von M und zu jedem > 0
existiert ein x M mit x K .
Satz 5.3 (Bolzano-Weierstra): Jede beschrankte unendliche Teilmenge M R besitzt
mindestens einen Haufungspunkt.
Satz 5.4: Jede nach unten (bzw. nach oben) beschrankte Teilmenge M R besitzt ein
Inmum (bzw. ein Supremum).
5.2 Grenzwerte von Zahlenfolgen
Denition 5.5:
a) Ist jedem n N durch eine Vorschrift eine Zahl a
n
zugeordnet, so heit (a
n
)
nN
Zahlenfolge.
b) Eine Zahlenfolge (a
n
)
nN
heit konvergent gegen den Grenzwert a, wenn es zu jedem
> 0 eine Nummer N() N gibt mit
[a
n
a[ < n N().
In diesem Fall schreibt man
a = lim
n
a
n
bzw. a
n
n
a.
c) Ist eine Zahlenfolge nicht konvergent, so heit sie divergent.
d) Man schreibt
lim
n
a
n
= ,
wenn es zu jeder Zahl M eine Nummer N(M) N gibt mit
a
n
> M n N(M).
68 Theorie
Beispiel 5.6: Es sei a
n
:=
n
n+1
n N. Dann ist
a
n
=
n
n + 1
=
n + 1
n + 1

1
n + 1
= 1
1
n + 1
n N.
Beh.: lim
n
a
n
= 1.
Beweis: > 0 sei beliebig gewahlt. Dann folgt f ur alle n N() :=
_
1
(kleinste nat urliche

Zahl
1
)
[a
n
1[ = [1
1
n + 1
1[ =
1
n + 1

1
N() + 1

1
1
+ 1
<
1
1
= .
2
Satz 5.8: Eine Folge besitzt hochstens einen Grenzwert.
Eine Folge mit dem Grenzwert 0 wird auch als Nullfolge bezeichnet.
Satz 5.9 (Cauchysches Konvergenzkriterium): Eine Folge (a
n
)
nN
ist genau dann
konvergent, wenn es zu jedem > 0 ein N() N gibt mit
[a
n
a
m
[ < n, m N().
Folgerung aus dem Cauchyschen Konvergenzkriterium: Jede konvergente Folge ist
beschrankt.
Satz 5.10 (Rechenregeln f ur Grenzwerte): Es seien lim
n
a
n
= a und lim
n
b
n
= b.
Dann gilt:
a) lim
n
(a
n
b
n
) = a b;
b) lim
n
(a
n
b
n
) = a b;
c) lim
n
a
n
b
n
=
a
b
, falls b
n
,= 0, b ,= 0;
d) a
n
b
n
n N f ur ein N N a b.
Beispiel 5.11: a
n
:=
n
b n N mit b 1.
Nach der Bernoullischen Ungleichung folgt mit h
n
:=
n
b 1
b = (1 +h
n
)
n
1 +n h
n
,
d.h.
a
n
1 = h
n

b 1
n
.
Somit ist
1 a
n
1 +
b 1
n
.
Wegen lim
n
b 1
n
= 0 folgt lim
n
n
b = 1.
Denition 5.13: Eine Folge (a
n
)
nN
heit monoton wachsend (bzw. monoton fallend),
falls
a
n+1
a
n
n N (bzw. a
n+1
a
n
n N).
70 Theorie
Der folgende Satz kann mit Hilfe des Satzes von Bolzano-Weierstra (Satz 5.3) bewiesen
werden.
Satz 5.14:
a) Jede monoton wachsende und nach oben beschrankte Zahlenfolge ist konvergent.
b) Jede monoton fallende und nach unten beschrankte Zahlenfolge ist konvergent.
Beispiel 5.15: a
n
:= (1 +
1
n
)
n
n N.
a) Wir zeigen: (a
n
)
nN
ist monoton wachsend.
F ur alle n 2 gilt:
a
n
a
n1
=
_
1 +
1
n
_
n
_
1 +
1
n1
_
n1
=
(n + 1)
n
(n 1)
n1
n
n
n
n1
=
(n + 1)
n
(n 1)
n
n
n
n
n
n
(n 1)
=
(n
2
1)
n
n
(n
2
)
n
(n 1)
=
_
1
1
n
2
_
n
1
1
1
n
.
Mit der Bernoullischen Ungleichung ist
_
1
1
n
2
_
n
1
n
n
2
= 1
1
n
,
und somit folgt
a
n
a
n1
_
1
1
n
_
1
1
1
n
= 1
bzw.
a
n
a
n1
n N, n 2.
b) Wir zeigen: (a
n
)
nN
ist beschrankt.
Aufgrund der Monotonie ist a
n
a
1
= 2 n N. Nach dem binomischen Satz ist
_
1 +
1
n
_
n
=
n
i=0
_
n
i
_
1
n
i
= 1 +
_
n
1
_
1
n
+
_
n
2
_
1
n
2
+. . . +
_
n
n
_
1
n
n
.
Allgemein gilt
_
n
i
_
1
n
i
=
n(n 1) . . . (n i + 1)
i! n
i
=
1
i!
n
n
..
=1
n 1
n
. .
1
. . .
n i + 1
n
. .
1
1
i!
=
1
1 2 3 i

1
1 2 2 2
=
1
2
i1
.
Somit ergibt sich
_
1 +
1
n
_
n
1 +
1
2
0
+
1
2
1
+. . . +
1
2
n1
= 1 +
n1
i=0
_
1
2
_
i
= 1 +
1
1
2
n
1
1
2
< 1 +
1
1
2
= 3 n N.
Damit ist
2 a
n
< 3 n N.
Nach Satz 5.14, a) ist (a
n
)
nN
konvergent, und wir setzen
lim
n
_
1 +
1
n
_
n
=: e (Eulersche Zahl).
72 Theorie
Zur Berechnung von Grenzwerten ist das folgende Einschlieungskriterium mitunter n utz-
lich.
Satz 5.17 (Einschlieungskriterium): (a
n
)
nN
, (b
n
)
nN
und (c
n
)
nN
seien Folgen mit
a
n
b
n
c
n
n N.
Ist lim
n
a
n
= lim
n
c
n
= a, so konvergiert (b
n
)
nN
ebenfalls gegen a.
Beispiel 5.18: (q
n
)
nN
konvergiert f ur 1 < q 1 und divergiert f ur alle anderen Werte
von q. F ur 1 < q < 1 ist lim
n
q
n
= 0 (Bernoullische Ungleichung anwenden).
5.3 Stetigkeit von Funktionen
In diesem und dem folgenden Abschnitt betrachten wir Funktionen f : D(f) R mit
D(f) R.
Denition 5.19:
a) Man sagt, f hat an der Stelle x den Grenzwert y, falls f ur jede Folge (x
n
)
nN
in D(f)
mit lim
n
x
n
= x gilt lim
n
f(x
n
) = y. In diesem Fall schreibt man auch lim
x x
f(x) = y.
Man schreibt lim
x
f(x) = y, wenn f ur jede Folge (x
n
)
nN
in D(f) mit lim
n
x
n
=
gilt lim
n
f(x
n
) = y.
b) Die Funktion f heit stetig in x D(f), wenn
lim
x x
f(x) = f( x)
ist.
c) Die Funktion f heit stetig auf einer nichtleeren Teilmenge M von D(f), falls f in
jedem x M stetig ist.
Die Stetigkeit von f in x kann man auch folgendermaen charakterisieren:
f ist stetig in x D(f) Zu jedem > 0 existiert ein (, x) derart,
dass f ur jedes x D(f) mit [x x[ < gilt
[f(x) f( x)[ < .
Denition 5.21: Die Funktion f heit gleichmaig stetig auf einer nichtleeren Teilmenge
M D(f), falls f in jedem x M stetig ist und der Parameter () unabhangig von x
gewahlt werden kann.
5.4 Eigenschaften stetiger Funktionen
Satz 5.23: f : D(f) R und g : D(g) R seien stetige Funktionen. Dann sind die
folgenden Funktionen ebenfalls stetig:
a) f g : D(f) D(g) R,
b) f g : D(f) D(g) R,
c)
f
g
: x D(f) D(g) [ g(x) ,= 0 R,
d) f g : x D(g) [ g(x) D(f) R.
74 Theorie
Beispiel 5.24: f : R R, mit f(x) =
3
_
sin
_
5
_
[x[
_
x R, ist stetig auf R.

Satz 5.25 (Zwischenwertsatz): f : D(f) R sei stetig auf [a, b] D(f). Dann nimmt
f(x) auf [a, b] jeden Wert zwischen f(a) und f(b) an.
Sind a und b so gewahlt, dass f(a) 0 und f(b) 0 (oder f(a) 0 und f(b) 0), so
besitzt f in [a, b] mindestens eine Nullstelle.
Beispiel 5.26: Besitzt die Gleichung
x = 2 sin x mit x > 0
eine Losung? Wir denieren
f(x) = x 2 sin x, x > 0.
f ist stetig, und es ist f(
2
) =

2
2 < 0 und f() = > 0. Nach dem Zwischenwertsatz
besitzt f mindestens eine Nullstelle im Intervall [
2
, ]. Folglich besitzt die Gleichung x =
2 sin x (x > 0) im Intervall [
2
, ] mindestens eine Losung.
Satz 5.27: f : D(f) R sei stetig auf [a, b] D(f). Dann gilt:
a) f ist auf [a, b] gleichmaig stetig.
b) f nimmt auf [a, b] ihr Maximum und Minimum an, d.h., es existieren x
0
, x
1
[a, b] mit
f(x
0
) f(x) f(x
1
) x [a, b].
6 Dierenziation von Funktionen
6.1 Begri der Ableitung und Dierenziationsregeln
Im folgenden sei f : (a, b) R eine gegebene Funktion.
Denition 6.1: Existiert f ur ein x (a, b) der Grenzwert
f
( x) := lim
x0
f( x + x) f( x)
x
,
so heit f dierenzierbar in x, und f
( x) heit die Ableitung von f in x. f
( x) wird auch
als Dierenzialquotient bezeichnet. Weitere Schreibweisen f ur f
( x) :
dy
dx
,
df
dx
,
d
dx
f(x)
x= x
.
Ist f dierenzierbar in x, so folgt
f(x) = f( x) +f
( x) (x x) +( x, x) (x x), (1)
wobei
lim
x x
( x, x) = lim
x x
f(x) f( x)
x x
f
( x) = 0.
Ist f dierenzierbar in x, so ist f auch stetig in x, denn aus der Gleichung (1) folgt
lim
x x
f(x) = f( x).
76 Theorie
Satz 6.2 (Dierenziationsregeln): f, g : (a, b) R seien auf (a, b) dierenzierbar (d.h.
dierenzierbar in jedem x (a, b)). Dann gilt f ur alle x (a, b):
a)
_
f(x) g(x)
_
= f
(x) g
(x)
b)
_
f(x)
_
= f
(x) R
c)
_
f(x) g(x)
_
= f
(x) g(x) +f(x) g
(x) (Produktregel)
d)
_
f(x)
g(x)
_
=
f
(x) g(x) f(x) g
(x)
(g(x))
2
, falls g(x) ,= 0 (Quotientenregel).
Auerdem gilt: Sind f : D(f) R und g : D(g) R dierenzierbar auf D(f) bzw. D(g),
so ist f g dierenzierbar auf D(f g) und es ist
(f g)
(x) = f
(g(x)) g
(x) x D(f g)
(mogliche Schreibweise:
df
dx
=
df
dg

dg
dx
).
6.2 Umkehrfunktionen
Denition 6.4: f : D(f) R sei eine gegebene Funktion. Ist es moglich, f ur jedes
y W(f) die Gleichung y = f(x) eindeutig nach x aufzulosen, so heit f
: W(f) D(f)
die Umkehrfunktion zu f.
F ur die Existenz einer Umkehrfunktion sind nun folgende Begrie von Bedeutung.
Denition 6.5: f : D(f) R sei eine gegebene Funktion, und es sei [a, b] D(f). Gilt
f ur beliebige x
1
, x
2
[a, b] mit x
1
< x
2
a) f(x
1
) f(x
2
), so heit f monoton wachsend auf [a, b],
b) f(x
1
) < f(x
2
), so heit f streng monoton wachsend auf [a, b],
c) f(x
1
) f(x
2
), so heit f monoton fallend auf [a, b],
d) f(x
1
) > f(x
2
), so heit f streng monoton fallend auf [a, b].
Satz 6.6: f : D(f) R sei stetig und streng monoton auf [a, b] D(f). Dann existiert
die Umkehrfunktion f
, und es gilt:
a) Ist f auf [a, b] streng monoton wachsend, so ist f
auf [f(a), f(b)] stetig und streng

monoton wachsend.
b) Ist f auf [a, b] streng monoton fallend, so ist f
auf [f(b), f(a)] stetig und streng monoton

fallend.
Satz 6.7: f : D(f) R sei stetig und streng monoton auf [a, b] D(f), und f sei die-
renzierbar in einem x [a, b] mit f
( x) ,= 0. Dann ist die Umkehrfunktion f
dierenzierbar
in y := f( x), und es gilt
f
( y) =
1
f
( x)
.
Beispiel 6.8 (Zyklometrische Funktionen):
a) f(x) = sin x , x [
2
,

2
], f
(x) = arcsin x , x [1, 1] (Arcussinus)

f
(y) =
1
(sin x)
=
1
cos x
=
1
_
1 sin
2
x
=
1
_
1 y
2
mit y = sin x
also:
(arcsin x)
=
1
1 x
2
78 Theorie
................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
.............................................................................................................................................
. . . . . . . . . . . . . . . .
x
y
f
-2 -
0

2
-1
1
.............................................................................................................................................................................................................................
.............................................................................................................................................................................................................................
rrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrr
.............................................................................................................................. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
.................................................................................................................................................................................
. . . . . . . . . . . . . . . .
1 -1 0
2
x
y
f
....................................................................................................................................................................
b) f(x) = cos x , x [0, ], f
(x) = arccos x , x [1, 1] (Arcuskosinus)

f
(y) =
1
(cos x)
=
1
sin x
=
1
1 cos
2
x
=
1
_
1 y
2
mit y = cos x
also:
(arccos x)
=
1
1 x
2
................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
.............................................................................................................................................
. . . . . . . . . . . . . . . .
x
y
f
-2 -
0

2
-1
1
................................................................................................................................................................................................................................................................................................
.................................................................................................................................................... rrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrr
.............................................................................................................................. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
.............................................................................................................................................................................
. . . . . . . . . . . . . . . .
1 -1 0
x
y
f
....................................................................................................................................................................
c) f(x) = tan x , x (
2
,

2
), f
(x) = arctan x , x R (Arcustangens)

f
(y) =
1
(tan x)
=
1
1 + tan
2
x
=
1
1 +y
2
mit y = tan x
also:
(arctan x)
=
1
1 +x
2
.............................................................................................................................................................................................................................................................................................. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
......................................................................................................................................................................................................................................................................................................................................................................................................
. . . . . . . . . . . . . . . .
x
y
0

1
1
f
............................................................................................................................
..............................................................................................................................................................................................................................................................................................................................................................................................
..............................................................................................................................................................................................................................................................................................................................................................................................
............................................................................................
rrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrr
....................................................................................................................................................................................................................................................................................................................................................................................... . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
............................................................................................................................
. . . . . . . . . . . . . . . .
x
y
2
f
......................................................................................................................................................................................................................................................................................................................................................................
d) f(x) = cot x , x (0, ), f
(x) = arccot x , x R (Arcuskotangens)

f
(y) =
1
(cot x)
=
1
1 + cot
2
x
=
1
1 +y
2
mit y = cot x
also:
(arccot x)
=
1
1 +x
2
............................................................................................................................................................................................................................................................................................................................................................................... . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
......................................................................................................................................................................................................................................................................................................................................................................................................
. . . . . . . . . . . . . . . .
x
y
0

2 3
1
1
f
............................................................................................................................................................................................................................................................................................................................................................................................
............................................................................................................................................................................................................................................................................................................................................................................................
............................................................................................................................................................................................................................................................................................................................................................................................
............................................................................................................................................................................................................................................................................................................................................................................................
............................................................................................................................................................................................................................................................................................................................................................................................
rrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrrr
....................................................................................................................................................................................................................................................................................................................................................................................... . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
...........................................................................................................................
. . . . . . . . . . . . . . . .
x
y
0
f
............................................................................................................................................................................................................................................................................................................................................................................................
80 Theorie
6.3 Mittelwertsatz der Dierenzialrechnung und Anwendungen
Satz 6.9 (Mittelwertsatz): f : [a, b] R sei stetig in [a, b] und dierenzierbar in (a, b).
Dann gibt es mindestens ein x (a, b) mit
f
( x) =
f(b) f(a)
b a
_
f(b) = f(a) +f
( x)(b a)
_
.
Zunachst einige einfache Folgerungen.
Bemerkung 6.10: f : [a, b] R sei stetig auf [a, b] und dierenzierbar auf (a, b). Dann
gilt:
f
(x) = 0 x (a, b) f ist konstant auf [a, b].

Beweis:
a) f(x) = x [a, b] f
(x) = 0 x (a, b).

b) f
(x) = 0 x (a, b)
f ur ein bel. x (a, b] gilt: x (a, x) [ f(x) f(a) = f
( x)
. .
=0
(x a) = 0
f(x) = f(a) x (a, b]. 2
Bemerkung 6.11: f : [a, b] R sei stetig auf [a, b] und dierenzierbar auf (a, b). Gilt f ur
alle x (a, b)
a) f
(x) > 0 , so ist f auf [a, b] streng monoton wachsend,

b) f
(x) < 0 , so ist f auf [a, b] streng monoton fallend.

Beweis von a): a x
1
< x
2
b x (x
1
, x
2
) [ f(x
2
) f(x
1
) = f
( x)
. .
>0
(x
2
x
1
)
. .
>0
> 0
f ist streng monoton wachsend. 2
Durch die Vorschrift
f
(n)
(x) =
_
f
(n1)
(x)
_
lassen sich auch Ableitungen hoherer Ordnung einf uhren.

Denition 6.12: f sei in (a, b) zweimal dierenzierbar. f heit konvex auf (a, b), falls
f
(x) 0 x (a, b). f heit konkav auf (a, b), falls f
(x) 0 x (a, b). Ist f ur ein

x (a, b) f
( x) = 0, so heit x stationarer Punkt von f.

Denition 6.13: f : [a, b] R sei eine gegebene Funktion. Ein Punkt x [a, b] heit
(globale) Minimalstelle (bzw. (globale) Maximalstelle) von f, falls
f( x) f(x) x [a, b] (bzw. f( x) f(x) x [a, b] ).
In diesem Fall heit der Funktionswert f( x) Minimalwert (bzw. Maximalwert). x heit eine
lokale Minimalstelle (bzw. lokale Maximalstelle), falls es ein Teilintervall (c, d) [a, b] gibt
mit x (c, d) und
f( x) f(x) x (c, d) (bzw. f( x) f(x) x (c, d) ).
Die Funktion f heit Zielfunktion, und das Problem
min
x[a,b]
f(x)
wird als ein Optimierungsproblem bezeichnet.
82 Theorie
Beispiel 6.14 (Entwurf eines rechteckigen Holztragers):
B
B

B
B
l
Langsschnitt des Balkens
x
b
Querschnitt des Balkens
l > 0, b > 0 seien gegebene Parameter, und die Entwurfsvariable x bezeichne die Hohe. Die
Zielfunktion lautet lxb und beschreibt das Volumen des Balkens (als Ma f ur das Gewicht
des Balkens). Die Nebenbedingungen lauten:
2000 x
2
b (Tragfahigkeitsbedingung)
x 4b, b x (Stabilitatsbedingungen)
x 0 (Nichtnegativitatsbedingung).
Damit ergibt sich das Optimierungsproblem:
min lxb
unter den Nebenbedingungen
2000 x
2
b 0
x 4b 0
x +b 0
x 0.
Die 2. und 3. Nebenbedingung sind aquivalent zu x [b, 4b], und die 1. und 4. Nebenbe-
dingung sind gleichbedeutend mit x
_
2000
b
. Z.B. f ur b = 10 ergibt sich x [10
2, 40].
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
...........
...............................................................................................................................................................................................................................................................................................................................................................................
........
........
........
........
........
........
........
........
........
........
........
........
........
........
........
..
s
s
x
y
f(x) = lbx
10
2 40
Da die Zielfunktion streng monoton wachsend ist, erhalt man die (globale) Minimalstelle
x = 10
2 14, 142. Der Minimalwert von f (Minimalgewicht) ergibt sich als f( x) =

100
2l.
Satz 6.15: f : (a, b) R sei zweimal dierenzierbar, und es sei x (a, b).
a) Ist x eine lokale Minimalstelle oder eine lokale Maximalstelle von f, so ist f
( x) = 0.
b) Ist f
( x) = 0 und f
( x) > 0, dann ist x eine lokale Minimalstelle von f.

c) Ist f
( x) = 0 und f
( x) < 0, dann ist x eine lokale Maximalstelle von f.

d) Ist f
( x) = 0 und ist f konvex auf (a, b), so ist x eine (globale) Minimalstelle von f.
e) Ist f
( x) = 0 und ist f konkav auf (a, b), so ist x eine (globale) Maximalstelle von f.
Beweis: zu d): Ist f konvex auf (a, b), d.h., es ist f
(x) 0 x (a, b), so ist f
auf
(a, b) monoton wachsend. Wegen f
( x) = 0 gilt
f
(x) 0 x (a, x)
84 Theorie
und
f
(x) 0 x ( x, b).
Also ist f monoton fallend auf (a, x) und monoton wachsend auf ( x, b). Somit ist x eine
(globale) Minimalstelle von f. 2
Satz 6.16: f : D(f) R sei eine dierenzierbare Funktion, und es sei [a, b] D(f) mit
< a < b < . F ur jede lokale Minimalstelle x von f auf [a, b] gilt
f
( x) = 0
oder
x ist Randpunkt von [a, b].
Bemerkung 6.17 (Newton-Verfahren): Gesucht ist eine Losung x der Gleichung
F(x) = 0,
wobei F : [a, b] R zweimal dierenzierbar sei. x sei eine eindeutige Losung auf [a, b].
Dann gilt f ur ein bliebiges x
n
[a, b]
F(x) = F(x
n
) +F
(x
n
)(x x
n
) +(x, x
n
) (x x
n
)
mit lim
xx
n
(x, x
n
) = 0. Wir ersetzen nun F(x) durch F(x
n
) +F
(x
n
)(xx
n
) und bestimmen
x
n+1
als Nullstelle dieser linearen Funktion, d.h.
F(x
n
) +F
(x
n
)(x
n+1
x
n
) = 0.
Hieraus erhalten wir die Iterationsformel
x
n+1
= x
n
F(x
n
)
F
(x
n
)
, n = 1, 2, 3, . . . , falls F
(x
n
) ,= 0.
Setzt man f(x) := x
F(x)
F
(x)
, so lasst sich die Iterationsvorschrift auch folgendermaen
angeben
x
n+1
= f(x
n
), n = 1, 2, 3, . . . .
Im Falle des Newton-Verfahrens gilt f ur ein hinreichend kleines Intervall I
f(x) I x I
und
[f
(x)[ L < 1 x I.
Dann ergibt sich f ur die Folge (x
n
)
nN
:
a) x
n
I n N
b) x
n+1
x = f(x
n
) f( x) = f
( x)(x
n
x) f ur ein x ( x, x
n
) bzw. x (x
n
, x)
[x
n+1
x[ L[x
n
x[ L
2
[x
n1
x[ . . . L
n
[x
1
x[ L
n
[b a[
[x
n+1
x[ L
n
[b a[.
Beispiel 6.18: F(x) = x
2
2, I = [a, b] = [1, 2] ( x =
2 I). Wir setzen

f(x) = x
F(x)
F
(x)
= x
x
2
2
2x
=
2x
2
x
2
+ 2
2x
=
x
2
+ 2
2x
=
x
2
+
1
x
.
86 Theorie
Die Iterationsvorschrift lautet: x
n+1
=
x
n
2
+
1
x
n
n N. Es ist f(x) [1, 2] x [1, 2].
Wegen f
(x) =
1
2

1
x
2
x [1, 2] folgt [f
(x)[
1
2
=: L < 1. Also ist [x
n+1

2[
1
2
n
, n = 1, 2, 3, . . ..
Zum Abschluss wenden wir uns noch den Regeln von de lHospital zu.
Satz 6.19 (Regel von de lHospital): f und g seien auf [a, b] stetig und auf (a, b)
dierenzierbar mit f( x) = g( x) = 0 f ur ein x (a, b). Existiert der Grenzwert lim
x x
f
(x)
g
(x)
,
und sind f
und g
in x stetig, so gilt
lim
x x
f(x)
g(x)
= lim
x x
f
(x)
g
(x)
.
Beweis: Nach dem Mittelwertsatz ist
f(x) = f( x) +f
x)(x x) = f
x)(x x)
g(x) = g( x) +g
x)(x x) = g
x)(x x)
_
f ur

x,
x (x, x) (bzw. ( x, x)).

Daraus folgt
f(x)
g(x)
=
f
x)
g
x)
x x
lim
x x
f
(x)
g
(x)
.
2
In Satz 6.19 haben wir die Regel von de lHospital f ur einen Grenzwert der Form
0
0
angege-
ben. Sie gilt aber auch f ur Grenzwerte der Form

und auch f ur Grenzwerte mit x .


Math 1 Inf

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Math 1 Inf

Hochgeladen von

Copyright:

Verfügbare Formate

Kurzskript und Unterlagen zur Vorlesung

erstellt. Es ist uber WWW

Abbildung heit auch komplexer Logarithmus.

+ als Verkn upfung ist eine abelsche Gruppe. Es

:= R0 der reellen Zahlen ,= 0 ist eine abelsche Gruppe mit der

als Verkn upfung. Dabei ist e = 1 und g

Linkseins) ist auch eine

(d.h. also x +y = y +x und x y = y x). F ur diese Operationen

ist eine abelsche Gruppe (das neutrale Element wird mit 1 K

+ geschrieben, mit neutralem Element 0 V )

+ erklart mit folgenden Regeln:

negatives Element a V mit a+(a) = 0.

erklart mit folgenden Regeln:

Lange des Vektors.

b) die erweiterte Matrix im 1. Schritt des Algorithmus 4.85, so ist das

b) = n, und damit ist das lineare Gleichungssystem

ein Eigenwert von A

(kleinste nat urliche

x R, ist stetig auf R.

( x) heit die Ableitung von f in x. f

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

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

auf [f(a), f(b)] stetig und streng

auf [f(b), f(a)] stetig und streng monoton

( x) ,= 0. Dann ist die Umkehrfunktion f

(x) = arcsin x , x [1, 1] (Arcussinus)

(x) = arccos x , x [1, 1] (Arcuskosinus)

(x) = arctan x , x R (Arcustangens)

(x) = arccot x , x R (Arcuskotangens)

(x) = 0 x (a, b) f ist konstant auf [a, b].

(x) = 0 x (a, b).

(x) > 0 , so ist f auf [a, b] streng monoton wachsend,

(x) < 0 , so ist f auf [a, b] streng monoton fallend.

lassen sich auch Ableitungen hoherer Ordnung einf uhren.

(x) 0 x (a, b). f heit konkav auf (a, b), falls f

(x) 0 x (a, b). Ist f ur ein

( x) = 0, so heit x stationarer Punkt von f.

2 14, 142. Der Minimalwert von f (Minimalgewicht) ergibt sich als f( x) =

( x) > 0, dann ist x eine lokale Minimalstelle von f.

( x) < 0, dann ist x eine lokale Maximalstelle von f.

(x) 0 x (a, b), so ist f

2 I). Wir setzen

x (x, x) (bzw. ( x, x)).

und auch f ur Grenzwerte mit x .

Das könnte Ihnen auch gefallen