Beruflich Dokumente
Kultur Dokumente
Vektorfelder
1.1 Differenzierbarkeit von Vektorfeldern,
Jacobi-Matrix
Def. Eine Funktion f : Rn Rm heit Vektorfeld. Ein Vektorfeld f besteht
aus m Skalarfeldern, die man Komponentenfunktionen fi : R nennt.
Ein Punkt (Vektor) x Rn wird auf ein Punkt f (x) Rm durch
f1 (x)
f2 (x)
f (x) = ..
.
fm (x)
abgebildet.
Die Begriffe des Grenzwertes und der Stetigkeit konnen komponentenweise
definiert werden.
Def. Ein Vektorfeld f : Rn Rm heit stetig an der Stelle x0 , falls alle
Komponentenfunktionen fi : R an der Stelle x0 stetig sind.
Def. Sei f : Rn Rm ein Vektorfeld. Man sagt, f ist (partiell) differenzierbar
an der Stelle x0 , falls alle Komponentenfunktionen fi : R an der
Stelle x0 partiell differenzierbar sind. In diesem Falle existieren alle partiellen
Ableitungen
j fi (x0 ) = xj fi (x0 ),
1 i m 1 j n.
Jf (x) =
.
..
..
..
.
.
.
1 fm (x) 2 fm (x) . . . n fm (x)
Man stellt fest, dass die Zeilen der Matrix Jf (x) von den transponierten
Gradienten der Komponentenfunktionen fi gebildet werden. Es gilt:
f1 (x)T
f2 (x)T
Jf (x) =
.
..
.
T
fm (x)
Ein Skalarfeld ist ein Spezialfall eines Vektorfeldes mit m = 1. Die JacobiMatrix eines Skalarfeldes g : Rn R ist eine 1 n-Matrix mit
Jg (x) = g(x)T .
Beispiele:
(a) Wir betrachten das Vektorfeld f : R2 R3 mit
2
x1 x2
f (x) = sin x2 .
x21 + x22
Dieses Vektorfeld ist stetig differenzierbar und es gilt:
2x1 x2
x21
cos x2 .
Jf (x) = 0
2x1
2x2
(b) Sei A Rmn eine Matrix. Die lineare Abbildung f : Rn Rm mit
f (x) = Ax
definiert ein stetig differenzierbares Vektorfeld. Es gilt:
Jf (x) = A.
r cos
f : [0, +) [0, 2) R R3 mit f (r, , z) = r sin
z
aufgefasst. F
ur die Jacobi-Matrix gilt:
cos r sin 0
Jf (r, , z) = sin r cos 0 .
0
0
1
(d) Transformation auf Kugelkoordinaten wird als Vektorfeld
r cos sin
f : [0, +) [0, ) [0, 2) R3 mit f (r, , ) = r sin sin
r cos
aufgefasst. F
ur die Jacobi-Matrix gilt:
(Ubungsaufgabe).
Der Begriff der totalen bzw. der Frechet-Ableitung wird ahnlich wie f
ur Skalarfelder definiert.
Def. Sei Rn eine offene Menge. Ein Vektorfeld f : Rm heit Frechetdifferenzierbar (oder total differenzierbar) an der Stelle x , falls es eine
lineare Abbildung T : Rn Rm gibt, so dass folgende Darstellung erf
ullt ist:
f (x + h) = f (x) + T (h) + o(khk)
f
ur khk 0.
Ist das Vektorfeld f : Rn Rm an der Stelle x Frechet-differenzierbar,
so folgt f
ur die lineare Abbildung T die Darstellung
T (h) = Jf (x)h
und es gilt somit
f (x + h) = f (x) + Jf (x)h + o(khk).
Das Vektorfeld f ist genau dann Frechet-differenzierbar, wenn alle Komponentenfunktionen Frechet-differenzierbar sind.
F
ur die Frechet-Ableitung schreibt man oft Df (x) und meint die lineare
Abbildung Df (x) : Rn Rm . Die Jacobi-Matrix Jf (x) ist die Abbildungsmatrix dieser Abbildung bez
uglich der Standardbasis, es gilt:
Df (x)(h) = Jf (x)h.
Beispiel: Wir betrachten wieder das Vektorfeld f : R2 R3 mit
2
x1 x2
f (x) = sin x2 .
x21 + x22
Dieses Vektorfeld ist stetig differenzierbar und die Jacobi-Matrix ist gegeben
als
2x1 x2
x21
cos x2 .
Jf (x) = 0
2x1
2x2
Es gilt somit f
ur die totale Ableitung Df (x) : R2 R3 angewendet auf ein
2
hR :
2x1 x2 h1 + x21 h2
2x1 x2
x21
h
cos x2 1 = (cos x2 )h2 .
Df (x)(h) = Jf (x)h = 0
h2
2x1 h1 + 2x2 h2
2x1
2x2
Wie f
ur Skalarfelder gilt der folgende Satz:
Satz 1.1 Sei Rn offen und sei f : Rm ein stetig differenzierbares Vektorfeld (f C 1 ()). Dann ist f auf ganz auch Frechet-differenzierbar.
Die Kettenregel f
ur Vektorfelder wird u
ur die Frechet-Ableitung
blicherweise f
bzw. f
ur die Jacobi-Matrix formuliert. Andere Formulierungen konnen als
Folgerungen daraus abgeleitet werden (siehe unten).
Satz 1.2 Seien Rn , D Rm offene Mengen und f : Rm , g : D Rl
zwei Vektorfelder. Seien das Vektorfeld f an der Stelle x und das Vektorfeld g
an der Stelle y = f (x) D Frechet-differenzierbar. Dann ist auch die Komposition
h = g f an der Stelle x Frechet-differenzierbar und es gilt:
Dh(x) = Dg(f (x)) Df (x)
und
F
ur die partiellen Ableitung folgt:
j hi (x) =
m
X
k gi (f (x))j fk (x).
k=1
h (t) =
m
X
k=1
Beispiel (Ubergang
zu Polarkoordinaten): Sei eine Frechet-differenzierbare
Funktion u : R2 R gegeben. Durch Transformation auf Polarkoordinaten
erhalt man eine Funktion
u : [0, +) [0, 2) R,
x u = 2x = 2r cos ,
und somit
r u = 2r cos2 +3r2 sin3 und u = 2r2 cos sin +3r3 sin2 cos .
Manchmal unterscheidet man nicht zwischen u und u und schreibt
u(r, ) = u(r cos , r sin ).
Die Kettenregel wird dann oft formal wie folgt aufgeschrieben:
u
u x u y
u
u
=
+
=
cos +
sin
r
x r y r
x
y
und
u
u x u y
u
u
=
+
= r sin +
r cos .
x y
x
y
n
X
i i f (x).
i=1
Def. F
ur ein Vektorfeld F : Rn Rn mit
f1 (x)
f2 (x)
F (x) = ..
.
fn (x)
definiert man die Divergenz
div F (x) =
n
X
i=1
i fi (x).
f1 (x)
F (x) = f2 (x)
f3 (x)
definiert man die Rotation
2 f3 (x) 3 f2 (x)
rot F (x) = 3 f1 (x) 1 f3 (x) .
1 f2 (x) 2 f1 (x)
Formal kann die Rotation als Vektorprodukt
1
f1
rot F = F = 2 f2
3
f3
geschrieben werden.
Beispiele:
(a) F
ur die Funktion f (x, y) = sin(x) sin(y) gilt:
f (x, y) = x x f (x, y) + y y f (x, y) = 2 2 sin(x) sin(y).
(b) F
ur das Vektorfeld F : R3 R3 mit
F (x, y, z) = (xy, y 2 , xz)T
erhalt man
div F (x, y, z) = x (xy) + y (y 2 ) + z (xz) = y + 2y + x = 3y + x.
F
ur die Rotation gilt:
y (xz) z (y 2 )
0
rot F (x, y, z) = z (xy) x (xz) = z .
x (y 2 ) y (xy)
x
10
11
x2
g2
e2
g1
x0
e1
x1
F : = [0, +) [0, 2) R
r cos
.
r sin
12
und
g2 =
r0 cos(0 + t)
x R x = F (r0 , 0 + t) =
, tR ,
r0 sin(0 + t)
2
e
x0
er
g1
x1
t [, ].
Um eine Basis im Punkt x0 = F (u0 ) bzgl. krummliniger Koordinaten zu definieren, betrachtet man Tangentialvektoren zu den Koordinatenlinien bzw.
zu den Kurven ki . Bekanntlich ist ki0 (0) Rn ein Tangentialvektor zu der
Kurve ki an der Stelle x0 = F (u0 + 0 ei ). Nach der Kettenregel gilt:
ki0 (t) = JF (u0 + tei )ei
und somit
ki0 (0) = JF (u0 )ei .
Somit ist der i-te Spaltenvektor der Jacobi-Matrix JF (u0 ) ein Tangentialvektor zu der i-ten Koordinatenlinie an der Stelle x0 = F (u0 ).
13
1
1
1
c1 , eu2 = c2 , . . . , eun = cn .
h1
h2
h1
Sind die Spalten der Jacobi-Matrix JF (u0 ) orthogonal zueinander, so bilden die normierten Vektoren eine Orthonormalbasis. In diesem Fall ist die
Transformationsmatrix
B = eu1 eu2 . . . eun
eine orthogonale Matrix, d. h. B 1 = B T , und man spricht von orthogonalen
Koordinaten.
In einem kartesischen Koordinatensystem hangt die Basis nicht vom aktuellen Punkt ab. In einem krummlinigen Koordinatensystem sind die Basisvektoren ci = ci (u) bzw. die normierten Basisvektoren eui = eui (u) ortsabhangig.
Beispiele:
(a) Polarkoordinaten: F
ur die Transformation
r cos
x = F (u) = F (r, ) =
r sin
14
gilt
JF (u) = JF (r, ) =
cos r sin
.
sin r cos
sin
e =
.
cos
(b) Zylinderkoordinaten: F
ur die Transformation
r cos
x = F (u) = F (r, , z) = r sin
z
gilt
cos r sin 0
JF (u) = JF (r, , z) = sin r cos 0 .
0
0
1
Diese Matrix ist f
ur r 6= 0 regular (det(JF (r, )) = r). Die Spalten dieser Matrix sind orthogonal. Die Zylinderkoordinaten sind somit orthogonale
Koordinaten. F
ur die Mafaktoren erhalt man
h1 = 1, h2 = r, h3 = 1
und somit ist die lokale Basis gegeben als
cos
sin
0
er = sin , e = cos , ez = 0 .
0
0
1
(c) Kugelkoordinaten: F
ur die Transformation
r cos sin
x = F (u) = F (r, , ) = r sin sin
r cos
15
gilt
cos sin
cos cos
sin
er = sin sin , e = sin cos , e = cos .
cos
sin
0
mit x = F (u)
mit x = F (u).
bzw.
Daraus ergibt sich
g(x) = JF (u)T
1
g (u).
16
h1 0 . . . 0
.
.
0 h2 . . ..
H=. .
.
.. ... 0
..
0 . . . 0 hn
Daraus folgt:
JF (u)T
1
= (BH)T
1
= H T BT
1
= BH 1
und somit
g(x) = BH 1
g (u).
Schreibt man das explizit aus, so erhalt man die Darstellung des Gradienten
(bzgl. x) in der neuen Basis:
g(x) =
1
1
1
u1 g(u) eu1 + u2 g(u) eu2 + + un g(u) eun .
h1
h2
hn
17
2
er .
r
g1 (x)
g2 (x)
G(u)
= G(F (u)).
g1 (u)
g2 (u)
G(u)
= .. = g1 (u) e1 + g2 (u) e2 + + gn (u) en .
.
gn (u)
mit
gi (u) = gi (F (u)).
Im nachsten Schritt wollen wir dieses Vektorfeld bzgl. der lokalen Basis
eu1 , eu2 , . . . , eun darstellen, d. h. die Koeffizentenfunktionen gi (u) von
g1 (u)
g2 (u)
G(u)
= ..
.
gn (u)
bestimmen, so dass
G(x) = g1 (x) e1 + g2 (x) e2 + + gn (x) en
= g1 (u) e1 + g2 (u) e2 + + gn (u) en
= g1 (u) eu1 + g2 (x) eu2 + + gn (u) eun
mit x = F (u) gilt. Die letzte Gleichheit kann aquivalen in der Matrixschreibweise formuliert werden
G(u)
= B G(u)
18
mit
B = eu1 eu2 . . .
eun .
Daraus folgt
G(u)
= B 1 G(u)
= B 1 G(x)
mit x = F (u). Ist F eine orthogonale Transformation, so ist die Matrix B
orthogonal und man erhalt
G(u)
= B T G(u)
= B T G(x).
Beispiel: Wir betrachten das Vektorfeld G : R3 \ {0} R3 mit
x2
1
x1 .
G(x) = 2
x1 + x22
0
Wir stellen dieses Vektorfeld bzgl. der Zylinderkoordinaten dar. Es gilt
r sin
, z) = 1 r cos
G(x) = G(r,
r2
0
und
B = er e ez
cos sin 0
= sin cos 0 .
0
0
1
Somit folgt
r sin
0
cos sin 0
, z) = B T G(r,
, z) = sin cos 0 1 r cos = 1 .
G(r,
r
r2
0
0
1
0
0
19
r > 0,
y = g1 (x) =
r 2 x2
y = g2 (x) = r2 x2 .
20
x f (x, g(x))
.
y f (x, g(x))
y f (x0 , y0 ) 6= 0.
f
ur alle x I.
x f (x, g(x))
y f (x, g(x))
f
ur alle x I.
Ist f C 2 (D) und sind die Voraussetzungen des Satzes 1.3 erf
ullt, so ist
auch die Funktion g zweimal stetig differenzierbar. Die zweite Ableitung
von g erhalt man, wenn man die Gleichung f (x, g(x)) = 0 zweimal nach x
ableitet. Einmal nach x abgeleitet entsteht die Gleichung
x f (x, g(x)) 1 + y f (x, g(x))g 0 (x) = 0.
Leitet man diese Gleichung nach x ab, so erhalt man
x x f (x, g(x)) 1 + y x f (x, g(x))g 0 (x)
+ x y f (x, g(x)) 1 + y y f (x, g(x))g 0 (x) g 0 (x) + y f (x, g(x))g 00 (x) = 0.
Es ergibt sich folgenden Darstellung f
ur g 00 (x):
g 00 (x) =
Beispiele:
21
y f (x, y) = ey + 3y 2 ,
y f (0, 0) = 1 6= 0.
Somit liefert der obige Satz die Existenz einer implizit definierten Funktion g : I K mit I = (, ), K = (, ), , > 0 und
f (x, g(x)) = 0 f
ur alle x I.
Obwohl die Funktion g nicht explizit angegeben werden kann, lasst sich
ihre Ableitung bestimmen als:
g 0 (x) =
x f (x, g(x))
.
y f (x, g(x))
Es gilt:
x f (x, y) = 2x 3x2
und somit
g 0 (x) =
2x 3x2
2x + 3x2
=
.
eg(x) + 3g(x)2
g(x)3 + 3g(x)2 + x2 + x3 + 1
y = g1 (x) = 1 x2
und f
ur y0 < 0:
y = g2 (x) = 1 x2 .
22
f (x, y, z) = 0.
F
ur (x0 , y0 , z0 ) = ( 4 , 0, 0) gilt f (x0 , y0 , z0 ) = 0. Ferner ist
Jf (x, y, z) = cos(x + y z 2 ) cos(x + y z 2 ) cos(x + y z 2 )(2z)
und daher
Jf (x0 , y0 , z0 ) =
1
2
1
2
0.
23
mit
f (g(y, z), y, z) = 0 f
ur alle (y, z) B ((0, 0)).
Wie bestimmt man die Ableitung von g(y, z) ? Die Gleichung
f (g(y, z), y, z) = 0
nach y abgeleitet ergibt:
x f (g(y, z), y, z)y g(y, z)+y f (g(y, z), y, z)1+z f (g(y, z), y, z)0 = 0
y g(y, z) =
y f (g(y, z), y, z)
= 1.
x f (g(y, z)), y, z)
z f (g(y, z), y, z)
= 2z.
x f (g(y, z), y, z)
x = g(y, z) = y + z 2 + .
4
(b) Wir betrachten das Vektorfeld F : R3 R2 mit
x2 + y 2 z 2 8
F (x, y, z) =
sin x + sin y + sin z
und das entsprechende Gleichungssystem
0
F (x, y, z) =
.
0
F
ur (x0 , y0 , z0 ) = (2, 2, 0) gilt F (x0 , y0 , z0 ) = 0.
Es gilt:
JF (x, y, z) =
2x
2y
2z
cos x cos y cos z
und
JF (x0 , y0 , z0 ) =
4 4 0
4 0
Die Teilmatrix JF,(y,z) =
ist invertierbar. Es gibt eine implizite
Funktion g : I V R2 , V = B ((2, 0)), I = (2 , 2 + ) mit
F (x, g(x)) = 0
24
oder
F (x, g1 (x), g2 (x)) = 0,
g1 (x)
g(x) =
g2 (x)
f
ur alle x I.
Wie bestimmt man die Ableitungen von g(x) ? Es gilt
F (x, g1 (x), g2 (x)) = 0.
Mit
F : R3 R2 ,
G : R R3 ,
x
G(x) = g1 (x)
g2 (x)
folgt
F (G(x)) = 0 f
ur alle x I.
Wir leiten diese Gleichung nach x ab und erhalten mit der Kettenregel
JF (G(x)) JG (x) = 0
2x
2y
2z
cos x cos y cos z
1
g10 (x) = 0
g20 (x)
g20 (x)
cos g1 (x) cos g2 (x)
cos x
25
Satz 1.4 Sei Rn offen und sei f : Rn ein stetig differenzierbares Vektorfeld. Sei x0 , y0 = f (x0 ) und sei die Jacobi-Matrix Jf (x0 ) invertierbar.
Dann gibt es eine Umgebung U von x0 und eine Umgebung V f () von
y0 , so dass f die Menge U auf die Menge V bijektiv abbildet. Die Umkehrfunktion
f 1 : V U ist stetig differenzierbar und es gilt:
Jf 1 (f (x)) = (Jf (x))1
f
ur alle x U.
Beispiel: F
ur die Transformation auf Polarkoordinaten gilt
r cos
2
f : [0, +) [0, 2) R
mit f (r, ) =
r sin
und
cos r sin
Jf (r, ) =
.
sin r cos
Man erhalt
det Jf (r, ) = r cos2 + r sin2 = r.
Die Matrix Jf (r, ) ist f
ur alle (r, ) mit r 6= 0 invertierbar und somit gibt
es in der Umgebung jedes solchen Punktes eine Umkehrabbildung f 1 .
1.4 Mittelwertsatz
F
ur skalare Funktionen haben wir den Mittelwertsatz in folgender Form bewiesen: Sei f : I R stetig differenzierbar und seien x, y I, x < y. Dann
gibt es eine Zwischenstelle (x, y) mit
f (y) f (x) = f 0 ()(y x).
Eine wichtige Folgerung daraus ist die Abschatzung:
|f (y) f (x)| C|x y|
mit
C = max |f 0 (t)|.
t[x,y]
26
Beweis:
Wir definieren eine skalare Funktion g : [0, 1] R durch
g(t) = f (ty + (1 t)x).
Es gilt: g(0) = f (x) und g(1) = f (y). Nach dem Mittelwertsatz f
ur skalare Funktionen gibt es ein s (0, 1) mit
f (y) f (x) = g(1) g(0) = g 0 (s)(1 0) = g 0 (s).
F
ur die Ableitung von g erhalt man nach der Kettenregel:
g 0 (t) = f (ty + (1 t)x)T (y x)
und somit
g 0 (s) = f ()T (y x) mit = sy + (1 s)x [x, y].
Die zweite Behauptung folgt mit der Cauchy-Schwarz-Ungleichung
|f (y) f (x)| = f ()T (y x) kf ()k ky xk C ky xk.
#
Beispiel: Sei = B1 (0) R3 die Einheitskugel und sei f : R gegeben
als
f (x) = x21 3x22 + x3 .
27
Es gilt:
2x1
f (x) = 6x2
1
und somit
kf (x)k =
4x21 + 36x22 + 1 41 f
ur alle x ,
da |xi | 1 f
ur x . Daraus folgt
|f (y) f (x)| 41 ky xk f
ur alle x, y .
Der Mittelwertsatz kann nicht direkt auf Vektorfelder verallgemeinert werden. Sei f : Rm ein Vektorfeld und seien x, y mit [x, y] . Das
Vektorfeld f besteht aus m Skalarfeldern fi : R mit
f (x) = f1 (x) f2 (x) . . .
fm (x)
T
=
1
0
1
und
Jf (t) = f 0 (t) =
2
28
sin
cos
!
t
2
t
2
Wir wollen an dem Beispiel sehen, dass es keine Stelle (0, 1) gibt mit
f (1) f (0) = f 0 ().
Dies folgt, da
kf (1) f (0)k =
2 und kf 0 (t)k =
2
f
ur alle t [0, 1].
kAvk
.
vRn , v6=0 kvk
sup
Beweis:
Sei w Rm beliebig. Wir betrachten ein Skalarfeld g : R mit
g(x) = wT f (x).
Es gilt:
g(x) = Jf (x)T w.
Nach dem Mittelwertsatz f
ur Skalarfelder gibt es ein [x, y] mit:
wT (f (y) f (x)) = g(y) g(x) = g()T (y x) = wT Jf ()(y x).
Wir setzen w = f (y) f (x) und erhalten:
kf (y) f (x)k2 = (f (y) f (x))T (f (y) f (x))
= (f (y) f (x))T Jf ()(y x) kf (y) f (x)kkJf ()(y x)k.
Daraus folgt:
kf (y) f (x)k kJf ()(y x)k |||Jf ()||| ky xk C ky xk.
#
29