Sie sind auf Seite 1von 27

1 Differentialrechnung in Rn:

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.

Def. Sei Rn eine offene Menge. Ein Vektorfeld f : Rm heit stetig


differenzierbar auf , wenn alle Komponentenfunktionen fi : R auf
stetig differenzierbar sind. Man schreibt dann f C 1 ().
Alle partiellen Ableitungen j fi (x) konnen in einer Matrix zusammengefasst
werden.

Def. Sei f : Rn Rm ein Vektorfeld, das an der Stelle x partiell


differenzierbar ist. Die Jacobi-Matrix oder Funktionalmatrix Jf (x) Rmn
wird definiert als

1 f1 (x) 2 f1 (x) . . . n f1 (x)


1 f2 (x) 2 f2 (x) . . . n f2 (x)

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.

(c) Sei g : Rn R ein Skalarfeld und sei g C 2 (). Der Gradient g


definiert dann ein differenzierbares Vektorfeld:
g : Rn .
Die Jacobimatrix dieses Vektorfelds ist dann die Hessematrix von g:
Jg (x) = Hg (x).
Weitere Beispiele erhalt man, wenn man Koordinatentransformationen betrachtet:
(a) Eine lineare Koordiantentransformation (Basistransformation) wird als
Vektorfeld
f : Rn Rn , f (x) = Ax
mit einer invertierbaren Matrix A Rnn aufgefasst. Die Jacobimatrix
ist gegeben als Jf = A.
(b) Transformation auf Polarkoordinaten wird als Vektorfeld


r cos
2
f : [0, +) [0, 2) R
mit f (r, ) =
r sin
aufgefasst. F
ur die Jacobi-Matrix gilt:


cos r sin
Jf (r, ) =
.
sin r cos
(c) Transformation auf Zylinderkoordinaten wird als Vektorfeld

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:

cos sin r cos cos r sin sin


Jf (r, , ) = sin sin r sin cos r cos sin .
cos
r sin
0
Durch Zur
uckf
uhren auf die Regel f
ur die Ableitungen skalarer Funktionen
erhalt man die folgenden Rechenregel f
ur die Vektorfelder:
(a) Seien f, g : Rn Rm zwei differenzierbare Vektorfelder, dann ist
die Linearkombination f + g mit , R auch differenzierbar und
es gilt:
Jf +g (x) = Jf (x) + Jg (x).
(b) Seien f, g : Rn Rm zwei differenzierbare Vektorfelder, dann ist
das Skalarfeld
h : R mit h(x) = f (x)T g(x)
differenzierbar und es gilt:
Jh (x) = g(x)T Jf (x) + f (x)T Jg (x)
und
h(x) = Jh (x)T = Jf (x)T g(x) + Jg (x)T f (x).

(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

Jh (x) = Jg (f (x))Jf (x).

F
ur die partiellen Ableitung folgt:
j hi (x) =

m
X

k gi (f (x))j fk (x).

k=1

Einige Spezialfalle dieser Kettenregel wurden bereits diskutiert. Im Falle n =


1, = (a, b) und l = 1 ist f : (a, b) Rm eine Kurve und g : Rm R ein
Skalarfeld. Die Zusammensetzung h(t) = g(f (t)) ist eine reelle Funktion und
man erhalt:
0

h (t) =

m
X

k g(f (t))fk0 (t) = g(f (t))T f 0 (t).

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,

u(r, ) = u(r cos , r sin ).

Diese Funktion kann als Komposition


u = u f,

f (r, ) = (r cos , r sin )T

betrachtet werden. Der Zusammenhang zwischen den Jacobimatrizen




Ju = r u u
und Ju = x u y u
ist gegeben durch
Ju = Ju Jf
oder ausgeschrieben:



 cos r sin
r u u = x u y u
.
sin r cos
Daraus folgt f
ur die Ableitungen r u und u:
r u = x u cos + y u sin
und
u = x u(r sin ) + y u r cos .

Betrachtet man z. B. die Funktion u(x, y) = x2 + y 3 so erhalt man:


y u = 3y 2 = 3r2 sin2

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

Laplace-Operator, Divergenz und Rotation


Def. F
ur ein zweimal stetig differenzierbares Skalarfeld f : Rn R definiert
man den Laplace-Operator
f (x) =

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).

Formal kann die Divergenz als Skalarprodukt



1
f1
2 f2

div F = F = .. ..
. .
n
fn
geschrieben werden.
Def. F
ur ein Vektorfeld F : R3 R3 mit

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

Man rechnet leicht die folgende Identitat nach: Sei f : Rn R ein


zweimal stetig differenzierbares Skalarfeld, dann gilt
div(f ) = f.
F
ur ein zweimal stetig differenzierbares Skalarfeld f : R3 R gilt
rot(f ) = 0.
F
ur ein zweimal stetig differenzierbares Vektorfeld F : R3 R3 gilt
div(rot F ) = 0.

1.2 Krummlinige Koordinaten


In vielen Situationen versucht man gewisse Eigenschaften eines Problems
(z.B. radiale Symmetrie) durch angepasste Koordinaten auszudr
ucken. Wenn
das gelingt, werden die Formeln oft einfacher und k
urzer. Dabei wird aber
das Bezugssystem (Basis) ortsabhangig.
Eine Koordinatentransformation ist eine (stetig differenzierbare) Abbildung
(Vektorfeld) F : Rn Rn .
Man schreibt x = F (u), u . Der Vektor x ist der Koordinatenvektor in
kartesischen Koordinaten und der Vektor u in den neuen Koordinaten.
Im kartesischen Koordinatensystem kann man eine Koordinatenlinie (d. h.
eine Linie, die parallel zu einer der Koordinatenachsen verlauft) durch den
Punkt x0 Rn wie folgt beschreiben:
gi = { x Rn | xj = (x0 )j f
ur alle j 6= i und xi R }
oder aquivalent
gi = { x Rn | x = x0 + tei , t R } ,
siehe Abbildung 1.1.
F
ur die neuen Koordinaten kann man entsprechende Koordinatenlinien definieren. Da diese Linien i. A. keine Geraden mehr sind, spricht man von
krummlinigen Koordinaten.

11

x2
g2

e2

g1

x0
e1

x1

Abbildung 1.1: Koordinatenlinien in kartesichen Koordinaten


Def. Sei x0 Rn und sei u0 Rn der Koordinatenvektor des selben Punktes
in den neuen Koordinaten, d. h. x0 = F (u0 ). Man definiert die Koordinatenlinie bzgl. der neuen (krummlinigen) Koordinaten wie folgt:
gi = { x = F (u) Rn | u , uj = (u0 )j f
ur alle j 6= i und ui R }
oder aquivalent
gi = { x = F (u) Rn | u , u = u0 + tei , t R } .
Beispiel: Polarkoordinaten:


F : = [0, +) [0, 2) R

mit x = F (u) = F (r, ) =


r cos
.
r sin

Hier ist u = (r, ). Die Koordinatenlinien durch einen Punkt x0 = F (r0 , 0 )


R2 mit r0 > 0 sind die Halbgerade durch den Ursprung und x0 sowie die
Kreislinie durch x0 :






(r0 + t) cos 0
2
g1 = x R x = F (r0 + t, 0 ) =
, tR
(r0 + t) sin 0

12

und

g2 =






r0 cos(0 + t)

x R x = F (r0 , 0 + t) =
, tR ,
r0 sin(0 + t)
2

siehe Abbildung 1.2.


x2
g2

e
x0

er

g1

x1

Abbildung 1.2: Koordinatenlinien in Polarkoordinaten


Schrankt man die freie Variable t auf ein Intervall (z.B. t [, ], > 0) ein,
so wird durch die Koordinatenlinie eine Kurve durch den Punkt x0 definiert:
x = ki (t) = F (u0 + tei ),

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

Damit diese Koordinatenvektoren eine Basis bilden, m


ussen sie linear unabhangig sein. Dies ist genau dann der Fall, wenn die Matrix JF (u0 ) regular
ist, d. h. det(JF (u0 )) 6= 0.
Def. Ein Punkt x0 = F (u0 ) heit regular bzgl. der Koordinatentransformation F ,
wenn det(JF (u0 )) 6= 0 gilt.
In einer Umgebung eines regularen Punktes ist die Koordinatentransformation bijektiv (eineindeutig), siehe Abschnitt 1.3.
Sei also x0 = F (u0 ) ein regularer Punkt. Dann bilden die Spalten der JacobiMatrix JF (u0 ),

JF (u0 ) = c1 c2 . . . cn ,
eine Basis (lokale Basis im Punkt x0 = F (u0 )). Die Langen dieser Vektoren
heien Mafaktoren hi = kci k.
Normiert man diese Basis, so erhalt man eine normierte lokale Basis im
Punkt x0 = F (u0 ).
eu1 =

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

Diese Matrix ist f


ur r 6= 0 regular (det(JF (r, )) = r). Die Spalten dieser
Matrix




cos
r sin
c1 =
, c2 =
sin
r cos
sind orthogonal zu einander. Die Mafaktoren erhalt man durch
q
h1 = kc1 k = sin2 + cos2 = 1 und h2 = kc2 k = r.
Die normierte lokale Basis ist also


cos
er =
,
sin



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 r cos cos r sin sin


JF (u) = JF (r, , ) = sin sin r sin cos r cos sin .
cos
r sin
0
F
ur diese Matrix gilt det(JF (u)) = r2 sin . Somit ist diese Matrix f
ur r 6= 0
und 0 < < regular. Auch hier kann man direkt nachrechnen, dass die
Spalten von JF (u) orthogonal sind. Somit handelt es sich bei Kugelkoordinaten auch um orthogonale Koordinaten. F
ur die Mafaktoren erhalt man
h1 = 1, h2 = r, h3 = r sin
und die Basisvektoren ergeben sich als

cos sin
cos cos
sin
er = sin sin , e = sin cos , e = cos .
cos
sin
0

Gradient eines Skalarfeldes in krummlinigen Koordinaten


Wir betrachten ein Skalarfeld g : Rn R und eine Koordinatentransformation F : Rn Rn . Man kann dieses Skalarfeld bzgl. der neuen
Koordinaten betrachten. Dies f
uhrt auf die Verkettung:
g = g F,

g(u) = g(F (u)).

Nach der Kettenregel gilt:


Jg(u) = Jg (F (u))JF (u)
oder aquivalent

g (u)T = g(x)T JF (u),

mit x = F (u)

g (u) = JF (u)T g(x),

mit x = F (u).

bzw.
Daraus ergibt sich
g(x) = JF (u)T

1

g (u).

Diese Formel vereinfacht sich im Falle der orthogonalen Koordinaten. Es gilt


dann:
JF (u) = BH

16

mit einer orthogonale Matrix B (B T = B 1 ) bestehend aus den normierten


lokalen Basisvektoren

B = eu1 eu2 . . . eun
und der Diagonalmatrix H bestehend aus den Mafaktoren:

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

Man erhalt folgende Darstellungen in Polar-, Zylinder- und Kugelkoordinaten:


Polarkoordinaten:
1
g(x) = r g(r, ) er + g(r, ) e ,
r
Zylinderkoordinaten:
1
g(x) = r g(r, , z) er + g(r, , z) e + z g(r, , z) ez ,
r
Kugelkoordinaten:
1
1
g(x) = r g(r, , ) er + g(r, , ) e +
g(r, , ) e .
r
r sin
Beispiel: Wir betrachten das Skalarfeld g(x) = ln(x21 + x22 + x23 ). Bzgl. der
Kugelkoordinaten erhalt man
g(x) = g(r, , ) = ln(r2 )
und somit
g(x) = r g(r, , ) er =

17

2
er .
r

Vektorfelder in krummlinigen Koordinaten


Sei ein Vektorfeld G : Rn Rn gegeben. Bez
uglich der kartesischen Standardbasis gilt die Darstellung:

g1 (x)
g2 (x)

G(x) = .. = g1 (x) e1 + g2 (x) e2 + + gn (x) en .


.
gn (x)
Wir betrachten jetzt eine Koordinatentransformation F : Rn Rn und
durch folgende Verkettung
erhalten zuerst das Vektorfeld G
= G F,
G

G(u)
= G(F (u)).

Dieses Vektorfeld hat die folgende Darstellung bzgl. der Standardbasis:

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

1.3 Implizite Funktionen


In vielen Situationen ist eine Funktion g : I = (a, b) R explizit durch die
Vorschrift y = g(x) wie z. B. y = g(x) = x2 + x gegeben.
In vielen weiteren Situationen ist die Funktion y = g(x) als Losung einer
Gleichung f (x, y) = 0 implizit gegeben.
Beispiele:

19

(a) Wir betrachten das Skalarfeld f : R2 R mit f (x, y) = 2x + 3y + 3.


Durch die Gleichung f (x, y) = 0 ist eindeutig die Funktion y = g(x)
mit der Eigenschaft
f (x, g(x)) = 0
implizit definiert. Diese Funktion erlaubt auch eine explizite Darstellung, da die Gleichung f (x, y) = 0 nach y explizit aufgelost werden
kann. Es gilt:
2
y = g(x) = x 1.
3
(b) Wir betrachten das Skalarfeld f : R2 R mit
f (x, y) = ey + y 3 x2 x3 1.
Die Funktion h(y) = ey + y 3 ist streng monoton steigend und hat als
Wertebereich R. Das heit, f
ur jede reelle Zahl a R gibt es genau ein
y mit h(y) = a. Somit gibt es auch f
ur jedes x R genau ein y mit
ey + y 3 = x2 + x3 + 1.
Dadurch ist die Funktion y = g(x) eindeutig definiert. Sie erf
ullt die
Gleichung
f (x, g(x)) = 0 f
ur alle x R.
F
ur diese Funktion findet man aber keine explizite Darstellung.
(c) Betrachtet man die Gleichung f
ur die Kreislinie:
f (x, y) = x2 + y 2 r2 = 0,

r > 0,

so sind dadurch zwei Funktionen definiert:


g1 : [r; r] [0, r],
und
g1 : [r; r] [r, 0],

y = g1 (x) =

r 2 x2

y = g2 (x) = r2 x2 .

Ist die Funktion g(x) implizit durch die Gleichung


f (x, g(x)) = 0
gegeben, so erhalt man f
ur die Ableitungen (falls existent) nach der Kettenregel:



1
0 = x f (x, g(x)) y f (x, g(x))
= x f (x, g(x)) + y f (x, g(x))g 0 (x).
g 0 (x)

20

Falls y f (x, g(x)) 6= 0 erhalt man


g 0 (x) =

x f (x, g(x))
.
y f (x, g(x))

Satz 1.3 (Satz u


ber implizite Funktionen) Sei D R2 offen und f : D R
sei stetig differenzierbar. Sei der Punkt (x0 , y0 ) D derart gegeben, dass
f (x0 , y0 ) = 0 und

y f (x0 , y0 ) 6= 0.

Dann gibt es zwei offene Intervalle I R mit Mittelpunkt x0 und K R mit


Mittelpunkt y0 , so dass gilt
(a) R = I K D und y f (x, y) 6= 0 f
ur alle (x, y) R,
(b) Durch f (x, y) = 0 ist auf I eindeutig eine differenzierbare Funktion g : I K
implizit definiert mit
f (x, g(x)) = 0

f
ur alle x I.

Die Ableitung von g ist gegeben als


g 0 (x) =

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) =

x x f (x, g(x)) + 2y x f (x, g(x))g 0 (x) + y y f (x, g(x))(g 0 (x))2


.
y f (x, g(x))

Beispiele:

21

(a) Wir betrachten wieder die Funktion


f (x, y) = ey + y 3 x2 x3 1.
F
ur (x0 , y0 ) = (0, 0) gilt:
f (0, 0) = 0,

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

(b) Wir betrachten die Funktion f : R2 R mit f (x, y) = x2 + y 2 1. Die


Gleichung f (x, y) = 0 beschreibt die Kreislinie des Einheitskreises. Es
gilt:
y f (x, y) = 2y
Somit gibt es in Umgebung jedes Punktes P (x0 , y0 ) auf der Kreislinie
(d. h. mit f (x0 , y0 ) = 0) und y0 6= 0 eine implizit definierte Funktion
y = g(x) mit f (x, g(x)) = 0. Diese Funktionen konnen auch explizit
angegeben werden. F
ur y0 > 0 erhalt man

y = g1 (x) = 1 x2
und f
ur y0 < 0:

y = g2 (x) = 1 x2 .

In einer Umgebung von y0 = 0 kann man keine entsprechende Funktion


eindeutig definieren, da zu jedem Wert von x zwei verschiedene Werte
von y korrespondieren.

22

Wir haben das Konzept der impliziten Funktionen f


ur eine Gleichung mit
zwei Variablen betrachtet. F
ur ein System aus m Gleichungen in n Variablen und m < n ist es unter Umstanden moglich, bis zu m Variablen zu
eliminieren.
Sei f : Rk+m Rm ein stetig differenzierbares Vektorfeld und wir betrachten
das Gleichungssystem
f (z) = 0, z Rk+m .
Man kann jeden Vektor z Rk+m als ein Paar z = (x, y) mit x Rk und
y Rm schreiben. In Analogie zu dem eindimensionalen Fall sucht man ein
Vektorfeld g : Rk Rm mit
f (x, g(x)) = 0.
Die Bedingung f
ur die Existenz einer solchen implizit definierten Funktion
in einer Umgebung der Stelle z0 = (x0 , y0 ) mit f (z0 ) = 0 ist die folgende: Die
Teilmatrix Jf,y (z0 ) Rmm der Jacobi-Matrix Jf (z0 ) Rm(m+k) bestehend
aus
j fi (z) 1 i m, k + 1 j k + m
soll invertierbar sein.
Beispiele:
(a) Sei
1
f (x, y, z) = sin(x + y z 2 ) .
2
Wir betrachten die Gleichung
f : R3 R,

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.

Man kann die Gleichung f (x, y, z) = 0 in einer Umgebung des Punktes


( 4 , 0, 0) nach x oder nach y auflosen.
Auflosen nach x: Es gibt B ((0, 0)) R2 , ein Intervall K = ( 4 , 4 +)
und
g : B ((0, 0)) R2 K

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)

Analog erhalt man:


z g(y, z) =

z f (g(y, z), y, z)
= 2z.
x f (g(y, z), y, z)

In diesem Beispiel kann man die Funktion g auch explizit angeben:

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)

mit y = g1 (x) und z = g2 (x). Dieses Gleichungssystem ist aquivalent zu




 0 
2x
2y
2z
g1 (x)
=
cos x
cos y cos z
g20 (x)

1 

 0 
2g1 (x)
2g2 (x)
2x
g1 (x)
=
.

g20 (x)
cos g1 (x) cos g2 (x)
cos x

Eine wichtige Folgerung aus dem Satz u


ber implizite Funktionen ist der Satz
von der Umkehrabbildung. Ist ein Vektorfeld f : Rn Rn umkehrbar,
dann gilt:
f 1 (f (x)) = x f
ur alle x .
Sind f und f 1 stetig differenzierbar, so folgt aus der Kettenregel:
Jf 1 (f (x))Jf (x) = I

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]

Der Mittelwertsatz kann direkt auf Skalarfelder f : R u


bertragen werden. Daf
ur muss die ganze Verbindungsstrecke [x, y] gegeben als
[x, y] = { z Rn | z = ty + (1 t)x, t [0, 1] } ,
in liegen.

26

Def. Eine Menge Rn heit konvex, wenn f


ur alle x, y gilt: [x, y] .
Satz 1.5 (Mittelwertsatz fu
r Skalarfelder) Sei Rn eine offene Menge,
f : R ein stetig differenzierbares Skalarfeld und x, y . Es gelte zusatzlich
[x, y] . Dann gibt es eine Zwischenstelle [x, y], so dass
f (y) f (x) = f ()T (y x)
gilt. Auerdem hat man die folgende Abschatzung
|f (y) f (x)| Cky xk
mit
C = max kf (z)k.
z[x,y]

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

Nach dem Mittelwertsatz f


ur Skalarfelder gibt es zwar Zwischenstellen
1 , 2 , . . . , m [x, y]
mit
fi (y) fi (x) = fi (i )T (y x),
die aber im Allgemeinen verschieden sind. Und es gibt im Allgemeinen keine
Zwischenstelle [x, y] mit f (y) f (x) = Jf ()(y x).
Beispiel: Wir betrachten die Funktion f : [0, 1] R2 mit
!
cos 2 t
f (t) =
 .
sin 2 t
Dies ist eine Kurve (und somit auch ein Vektorfeld), die den Viertelkreis in
R2 beschreibt. Es gilt
     
0
1
1
f (1) f (0) =

=
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].

Es gilt aber die Ungleichungsvariante des Mittelwertsatzes:


Satz 1.6 Sei Rn eine offene Menge und f : Rm ein stetig differenzierbares Vektorfeld. Seien x, y und [x, y] . Dann gilt:
kf (y) f (x)k C ky xk,
wobei die Konstante C ist gegeben als
C = max |||Jf (z)|||
z[x,y]

mit der Jacobi-Matrix Jf (z) und der Matrizennorm


|||A||| =

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